Geometria per Fisica e Astrofisica
|
|
- Alessia De Marco
- 4 anni fa
- Visualizzazioni
Transcript
1 Geometria per Fisica e Astrofisica Soluzione esercizi - Foglio 4 Esercizio. alcolare i determinanti delle seguenti matrici, sviluppando per righe o per colonne, o procedendo per operazioni elementari (a seconda di quale dei due metodi risulti più rapido): i i 2i (a) A 3 2 A, (b) = 2 A, (c) = i 2 A i i Soluzione. (a) alcoliamo il determinante con il metodo di Laplace lungo l ultima colonna: 2 3 det(a) = = «2 = 4 (4 2) = 8. (b) In questo caso portiamo in forma a scala con operazioni elementari: A r 3 r 3 r r 4 r 4 2r 2 3 A r 3 r 3 + r 2 r 4 r 4 + 3r 2 2 r 4 r 4 + 7r A = Nella trasformazioni che abbiamo effettuato il determinante non varia. Allora si ha det() = det( ) = 6. (c) Anche in questo caso scegliamo il metodo della trasformazione con operazioni elementari: i i 2i 2 i i 2 A r 3 r 3 r r 4 r 4 + ir i i 2i i 2i A i i + i 3i i i 2i 2 i i 2i 2 r i 3 r 4 r 4 r 4 4r 3 4i 3 i i + 2i A = r 3 r 3 (2 + i)r 2 r 4 r 4 ( + i)r 2 i + 2i 9i Nell ultimo passaggio abbiamo messo insieme uno scambio di righe e un operazione elementare. Lo scambio di righe determina il cambio del segno del determinante. Quindi det() = det( ) = (i ( i) ( 9i)) = + 9i. Esercizio 2. alcolare il rango delle seguenti matrici, utilizzando il teorema degli orlati: (a) A 3 2 A, (b) = A, (c) = 4 2 A Soluzione. (a) Osserviamo che, in A, si ha r 4 = r + 2r 2 + 3r 3. Quindi det(a) = rg(a) <
2 D altra parte, c è un minore di ordine 3 non nullo, ad esempio 2 A 23,234 = 2 = 8 rg(a) = (b) alcoliamo il rango di questa matrice con il metodo della riduzione a scala. 2 2 A r 3 r 3 r 2 A r 4 r 4 r 2 2 r 4 r 4 r 3 A = La matrice è la riduzione a scala di e il suo rango è dato dal numero dei suoi pivot. Si ha rg() = rg( ) = 3. (c) Osserviamo che, in, si ha r 4 = 2r 3. Quindi det() = rg() < 4. D altra parte, c è un minore di ordine 2 non nullo, ad esempio 2,2 = 4 = 4 2 rg() 3. Gli orlati di tale minore sono ,23 = 4 4 =, 23,24 = =, ,23 = 4 =, 24,24 = =. Poiché tutti gli orlati di un minore di ordine 2 non nullo sono nulli, si ha rg() = 2. Esercizio 3. Dire se le seguenti matrici sono invertibili, e, se lo sono, calcolare la matrice inversa: i 2i i i 2i (a) A 2 2 A, (b) 2 A, (c) i A, (d) D i A i 3 i Soluzione. (a) alcoliamo il determinante di A con Laplace lungo la seconda colonna: det(a) = = 2 (4 2) = 4. Quindi A è invertibile. I complementi algebrici degli elementi di A sono a = 2 2 =, a 2 = = 2, a 3 = 2 =, a 2 = = 4, a 22 = 3 2 =, a 23 = 2 = 2, a 3 = = 4, a 32 = = 4, a 33 = 2 2 = 4.
3 Dunque la matrice aggiunta di A (ricordiamo che è la trasposta della matrice ottenuta sostitendo ad ogni elemento il suo complemento algebrico e si denota con A (a) o A ) è 4 4 A (a) 2 4 A. 2 4 Quindi la matrice inversa di A è A = det(a) A(a) = A /2 /4 A /2 ome conferma, si può fare una verifica diretta, osservando che AA = A A = I 3. (b) alcoliamo il determinante di con la regola di Sarrus: det() = = 7. Quindi è invertibile. I complementi algebrici degli elementi di sono b = 2 3 =, b 2 = = 4, b 3 = 2 = 2, b 2 = 2 3 = 5, b 22 = 2 3 =, b 23 = 2 2 = 3, b 3 = 2 2 = 3, b 32 = 2 = 2, b 33 = 2 =. Dunque la matrice inversa di è = det() (a) = 5 3 /7 5/7 4 2 A 4/7 /7 2/7 A /7 3/7 /7 (c) alcoliamo il determinante di con la regola di Sarrus: det() = 3i + + 2i i 3 = i + i = 2i. Quindi è invertibile. I complementi algebrici degli elementi di sono c = i i 3 = 4, c 2 = i 3 = i, c 3 = i =, c 2 = 2i i 3 = 2, c 22 = i 2i 3 = i, c 23 = i i =, c 3 = 2i i = 2i, c 32 = i 2i i =, c 33 = i = i. Possiamo effetturare una specie di razionalizzazione sulla frazione / det (in realtà se la razionalizzazione classica ha lo scopo di trasformare i denominatori da irrazionali a razionali, qui stiamo trasformando il denominatore da complesso a reale, quindi potremmo parlare di realizzazione ): Allora, la matrice inversa di è = det() (a) = i 2 det() = 2i = i 2i = i 2 2. (d) alcoliamo il determinante di D con la regola di Sarrus: 4 2 2i 2i i i A /2 /2 i/2 A. i i/2 i/2 /2 det(d) = i + + 2i i 3 = + i i =.
4 Quindi D è invertibile. I complementi algebrici degli elementi di D sono d = i i = 2, d 2 = i = i, d 3 = i =, d 2 = i 2i i = 2 + i, d 22 = i 2i = i, d 23 = i i i = i, d 3 = i 2i i = 2i, d 32 = i 2i i =, d 33 = i i = i. Dunque la matrice inversa di D è D = det(d) D(a) = D (a) i 2i i i i i Esercizio 4. Discutere, al variare del parametro reale k, l invertibilità delle seguenti matrici, e, per i valori di k per cui sono invertibili, calcolare l inversa (eventualmente, in funzione di k): 3 k k k 2 (a) A 2 A, (b) k 2 A, (c) A, (d) D A. k k Soluzione. (a) Si ha det(a) = 2k. Quindi A è invertibile se e solo se k /2. Si ha a = a 2 = 2k, a 3 =, a 2 = k, a 22 = k 3, a 23 =, a 3 =, a 32 = 5, a 33 = 2. A. Dunque, per k /2, l inversa di A è A = det(a) A(a) = 2k k 3 5 A = 2k k 2k k 3 2k 2(2k ) 2k 5 2k. A 2k (b) Si ha det() = k 2. Quindi è invertibile se e solo se k 2. Si ha b = 2 b 2 = 2, b 3 = k, b 2 =, b 22 =, b 23 =, b 3 = k, b 32 = 2, b 33 = k. Dunque, per k 2, l inversa di è = det() (a) = A = 2 k k (c) Si ha det() = k. Quindi è invertibile se e solo se k. Si ha k 2. k A Dunque, per k, l inversa di è = c =, c 2 =, c 3 =, c 2 =, c 22 = k, c 23 =, c 3 = k, c 32 =, c 33 = k. det() (a) = k k k A /k A.
5 (d) Si ha det(d) = k 2. Quindi D è invertibile se e solo se k. Si ha d = k, d 2 =, d 3 =, d 2 = 2k, d 22 = k 2, d 23 = k 2, d 3 =, d 32 = k, d 33 =. Dunque, per k, l inversa di D è D = det(d) D(a) = k 2k /k k 2 k A /k 2 (2 k)/k 2 /k A. k 2 k 2 Esercizio 5. Ricordiamo che A t denota la matrice trasposta di A (matrice il cui generico elemento di indici (i, j) coincide con l elemento di indici (j, i) di A). Dimostrare i seguenti risultati generali. Date due matrici A e per cui ha senso il prodotto righe per colonne A, si ha (a) (A) t = t A t (verificatelo prima su matrici 2 2, poi provate a generalizzarlo). Se inoltre A e sono quadrate e invertibili, si ha (b) (A) = A. (Per svolgere il seguente punto (c) non è necessario aver visto a lezione né le matrici ortogonali, né le basi ortonormali; diamo qui le definizioni essenziali per risolverlo.) Una matrice quadrata invertibile si dice ortogonale se A = A t, ovvero se AA t = I. Inoltre una base di R n si dice ortonormale se i suoi vettori hanno modulo e sono a due a due ortogonali (cioè se il prodotto scalare di due qualunque di essi è nullo). Dimostrare la seguente affermazione. (c) Una matrice quadrata A di ordine n è ortogonale se e solo se le sue colonne, pensate come vettori di R n, costituiscono una base ortonormale di R n. Lo stesso si può dire per le sue righe? Soluzione. (a) Per dimostrare che (A) t = t A t facciamo vedere che, per ogni i e j, l elemento di indici (i, j) nella matrice A coincide con l elemento di indici (j, i) nella matrice t A t. Per definizione di prodotto righe per colonne di matrici, l elemento di indici (i, j) di A è il prodotto scalare tra la riga i di A e la colonna j di. D altra parte l elemento di indici (j, i) di t A t è il prodotto scalare tra la riga j di t e la colonna i di A t. Poiché la riga j di t è la colonna j di trasposta e, analogamente, la colonna i di A t è la riga i di A trasposta, si ha che i due prodotti scalari, e quindi i due elementi considerati, coincidono. Questo dimostra la proprietà richiesta. (b) L inversa della matrice A è una matrice tale che (A) = (A) = I, dove I è la matrice identità di ordine opportuno. Vediamo che = A ha queste caratteristiche, essendo (A)( A ) = A( )A = AIA = AA = I, ( A )(A) = (A A) = I = = I. (c) Ragioniamo sulla condizione AA t = I. L elemento di indici (i, j) della matrice AA t è il prodotto scalare tra la riga i di A e la colonna j di A t. Quest ultima è la riga j di A trasposta. Possiamo quindi anche dire che il prodotto AA t è il prodotto righe per righe di A per A. Invece l elemento (i, j) della matrice identità I vale se i = j e vale se i j. Allora, se chiamiamo con R i, i =,... n, le righe di A e denotiamo con il prodotto scalare (pensando alle righe come vettori), l uguaglianza AA t = I si traduce in j, se i = j, R i R j =, se i j. La condizione R i R j = per i j è verificata se e solo se le righe di A sono a due a due ortogonali. La condizione R i R i = per ogni i è verificata se e solo se ciascuna riga è un versore, cioè ha modulo. Osservando che l ortogonalità implica l indipendenza lineare, possiamo concludere che AA t = I se e solo se le righe di A costituiscono una base ortonormale di R n. Partendo dalla relazione A t A = I, di dimosrta che lo stesso discorso vale per le colonne.
6 Esercizio 6. Sia V uno spazio vettoriale reale di dimensione 4 e sia = (v, v 2, v 3, v 4) una sua base. Si consideri il sottospazio U = Span(u, u 2, u 3), dove u = v + v 2 v 3 v 4, u 2 = v v 2 + v 3 e u 3 = 2v v 4. (a) Determinare una base U di U e completarla ad una base di V. (b) Determinare un sottospazio vettoriale W tale che V = U W. (c) Scrivere le equazioni cartesiane e parametriche dei due sottospazi U e W. Soluzione. (a) Osserviamo che u 3 = u + u 2. Quindi bastano u e u 2 a generare U, cioè U = Span(u, u 2, u 3) = Span(u, u 2). Inoltre u e u 2 sono linearmente indipendenti. Infatti se poniamo λu + µu 2 = otteniamo λ = µ =. Quindi una possibile base di U è (u, u 2) e la sua dimensione è 2. Per completare la base di U ad una base di V, è sufficiente aggiungere due vettori a u e u 2 in modo da ottenere una quaterna di vettori linearmente indipendente. Se si scelgono u 3 = v 3 e u 4 = v 4, otteniamo la condizione richiesta. Dunque = (u, u 2, v 3, v 4) è una base di V che completa la base (u, u 2) di U. (b) Dalla teoria sappiamo che V = U W se e solo se esiste una base di V che è l unione disgiunta di una base di U con una base di W. Dunque W è lo spazio una cui base è (v 3, v 4): W = Span(v 3, v 4). (c) hiamiamo (x, y, z, t) le coordinate del generico vettore v V rispetto alla base : v = xu + yu 2 + zv 3 + tv 4. Essendo U = Span(u, u 2) = {λu + µu 2 : λ, µ R}, il generico vettore di U si può scrivere u = λ(v + v 2 v 3 v 4) + µ(v v 2 + v 3) = (λ + µ)v + (λ µ)v 2 + ( λ + µ)v 3 λv 4. Dunque U è descritto dalle equazioni parametriche 8 x = λ + µ, >< y = λ µ, U: z = λ + µ, >: t = λ. Eleminando i parametri, si ottengono le sue equazioni cartesiane: U: j x + y + 2t =, y + z = (si noti che queste equazioni non sono univocamente determinate). Essendo W = Span(v 3, v 4) = {λv 3 + µv 4 : λ, µ R}, le equazioni parametriche e cartesiane di W sono, rispettivamente, 8 x =, >< j y =, x =, W : W : z = λ, y =. >: t = µ, Esercizio 7. Usando il metodo dei determinanti, discutere, al variare del parametro reale k, la compatibilità dei seguenti sistemi lineari, determinando le soluzioni nei casi in cui esse esistano: 8 8 >< 3x 2x 2 + kx 3 = 3, >< x x 2 + x 3 kx 4 =, (a) 2kx + x 2 x 3 = 4, (b) x 2 + x 2 2x 3 =, >: >: kx 4x 2 + 2kx 3 = 2. kx x 2 + x 3 kx 4 =.
7 Soluzione. (a) La matrice completa e la matrice completa sono rispettivamente 3 2 k 3 2 k 3 A 2k A A 2k 4 A k 4 2k k 4 2k 2 Si ha det A = 3 4 Allora 2k 2k +2 k 2k +k 2k k 4 = 3(2k 4)2(4k2 +k)+k( 9k) = k 2 +8k 2. 2 det A = k = 4 ± p 6 2 = 4 ± 2 = Per k 2, 6 si ha rg(a) = rg() = 3, quindi il sistema è compatibile ed ammette una soluzione. Per k = 2 si ha rg(a) = rg() = 2, quindi il sistema è compatibile ed ammette soluzioni. Per k = 6 si ha rg(a) = 2 3 = rg(), dunque il sistema non ammette soluzioni. (b) Si tratta di un sistema omogeneo, con matrice dei coefficienti k A 2 A k k Esiste sempre un minore di ordine due non nullo: A 2,2 = = 2. In A ci sono esattamente due minori di ordine 3 che orlano A 2,2 e sono A 23,23 = 2 = + 2k k 2 + = k, k k A 23,24 = k k = k + + k + k2 k = k 2 k = k(k ). Per k, si ha rga = 3, quindi esistono soluzioni. Per k =, si ha rga = 2, quindi esistono 2 soluzioni. (Metteremo tra qualche giorno una nuova versione con il calcolo delle soluzioni.) 6 Esercizio 8. (Per svolgere questo esercizio non è necessario aver visto a lezione le applicazioni lineari, il nucleo e l immagine: diamo qui le definizioni essenziali per risolverlo.) Un applicazione L: V W tra due spazi vettoriali su un campo K si dice lineare se L(αv + βw) = αl(v) + βl(w), per ogni α, β K e per ogni v, w V. Data un applicazione lineare L: V W, il nucleo e l immagine di L sono, rispettivamente, Ker(L) = {v v : L(v) = W } V e Im(L) = {L(v) : v V} W (dove W denota il vettore nullo di W). Si verifica che in generale Ker(L) è un sottospzio vettoriale di V e Im(L) è un sottospazio vettoriale di W (lo avete visto o lo vedrete a lezione). Verificare la linearità delle seguenti applicazioni. Per quelle lineari, determinare Ker(L) e Im(L). (a) L: R 3 R 3 definita da L(x, y, z) = (z, y, x). (b) L: R 3 R 3 definita da L(x, y, z) = (x +, y +, z + ). Riprendiamo lo spazio vettoriale dei polinomi a coefficienti reali, indeterminata x e grado al più n: P n[x] = {p(x) = a + a x + a 2x a nx n : a i R}.
8 (c) L: P n[x] P n[x], definita da L(p(x)) = p(x + ). (d) L: P n[x] P n[x], definita da L(p(x)) = p (x), derivata di p(x). Soluzione. (a) L applicazione è lineare, essendo L(α(x, y, z) + β(x, y, z )) = L((αx + βx, αy + βy, αz + βz )) = (αz + βz, αy + βy, αx + βx ) = α(z, y, x) + β(z, y, x ) = αl(x, y, z) + β(x, y, z ). Si ha (x, y, z) ker(l) L(x, y, z) = (z, y, x) = (,, ). Quindi ker(l) è il sottospazio banale ker(l) = {(,, )}, (come vedremo, questo è sufficiente per dire che L è iniettiva). Si ha (x, y, z ) Im(L) esiste (x, y, z) R 3 tale che L(x, y, z) = (z, y, x) = (x, y, z ). Quindi Im(L) = R 3, (come vedremo, questo è sufficiente per dire che L è suriettiva; in particolare questa L è biunivoca). (b) La funzione non è lineare. Infatti, una condizione necessaria perchè un applicazione tra spazi vettoriali sia lineare è che mandi il vettore nullo nel vettore nullo. Ma in questo caso L((,, )) = (,, ) (,, ). (c) L applicazione è lineare, infatti L(αp(x) + βq(x)) = αp(x + ) + βq(x + ) = αl(p(x)) + βl(q(x)). Si ha p(x) ker(l) L(p(x)) = p(x + ) è il polinomio nullo. Ma questo è vero se e solo se p(x) è il polinomio nullo. Quindi ker(l) è il sottospazio banale {} e l applicazione L è iniettiva. Per ogni polinomio q(x) P n[x] esiste p(x) P n[x] tale che L(p(x)) = p(x + ) = q(x): basta prendere p(x) = q(x ). Allora Im(L) = P n[x] e l applicazione L è suriettiva. Possiamo concludere che l applicazione L è biunivoca. (d) Dall analisi sappiamo che la derivata è una funzione lineare, essendo D(αf(x) + βg(x)) = αd(f(x)) + βd(g(x)) per ogni coppia di funzioni f(x) e g(x) derivabili, quindi in particolare per i polinomi. Si ha p(x) ker(l) se e solo se p (x) è il polinomio nullo, ovvero se e solo se p(x) è un polinomio costante, cioè con solo il termine noto (che può eventualmente essere nullo): ker(l) = {p(x) = a : a R}. Inoltre, se p(x) = a + a x + a 2x a nx n, si ha p (x) = a + 2a 2x + + na nx n. Quindi l immagine tramite L di ogni polinomio di grado al più n è un polinomio di grado al più n. Viceversa, ogni polinomio di grado al più n q(x) = a + a 2x + + a nx n, è immagine tramite L di un polinomio p(x) di grado al più n: si può prendere, ad esempio, Quindi p(x) = a x + a2 2 x2 + + an n xn. Im(L) = {q(x) = a + a 2x + + a nx n : a, a 2,... a n R}. Esercizio 9. (Per i gruppi che daranno una soluzione precisa, chiara e completa di questo esercizio ci sarà un premio a sorpresa!)
9 Definiamo la matrice a spirale n nel seguente modo induttivo. La matrice è la matrice il cui unico elemento è 2. Per ogni n 2, la matrice n è la matrice quadrata di ordine n che si ottiene ruotando la matrice n di novanta gradi in senso orario e aggiungendo una prima riga di tutti 2 e una prima colonna che ha tutti gli elementi tranne il primo uguali a. Ad esempio: = (2), 2 = «2 2, A, 4 = A, =, A dove, per una visualizzazione più chiara, abbiamo messo dei trattini al posto degli zeri. (a) alcolare det( n), per n =, 2, 3, 4, 5, 6, 7, 8. (b) In base ai risultati ottenuti nel precedente punto (a), congetturare (cioè ipotizzare) una formula generale per det( n), ovvero una formula che esprima det( n) in funzione di n, per ogni n. (c) Data una matrice qualunque A quadrata di ordine n, denotiamo con A rot la matrice ottenuta ruotando A di novanta gradi in senso orario. Dimostrare il seguente risultato generale: j det(a), se n, mod 4, det(a), se n 2, 3 mod 4 (ricordiamo che n è congruo ad r modulo q, in simboli n r mod q, se n r è divisibile per q, ovvero, nel caso in cui r < q, se r è il resto della divisione intera di n per q). (d) Dimostrare per induzione la validità della formula congetturata nel punto (b). Soluzione. (a) Usiamo la definizione di determinante det A = X σ S n ( ) inv(σ) a σ() a 2σ(2)... a nσ(n), dove S n è il gruppo simmetrico (insieme delle permutazioni di n elementi) e inv(σ) è il numero di inversioni della permutazione σ. Un inversione di σ è una coppia (i, j) tale che i < j e σ(i) > σ(j). Si vede che per ciascuna delle matrici n, nella sommatoria precedente c è sempre solo un termine non nullo, che in valore assoluto vale 2 n. Il segno dipende dalla parità del numero di inversioni della permutazione che dà luogo al termine non nullo. Per le prime otto matrici si ottiene det( )= 2, det( 2)= 4, det( 3)= 8, det( 4)= 6, det( 5)= 32, det( 6)= 64, det( 7)= 28, det( 8)= 256. (b) In base al risultato ottenuto in (a), proviamo a congetturare la seguente formula: j 2 n, se n,, 2 mod 4, det( n) = 2 n, se n 3 mod 4. (c) Dimostriamo, per induzione su n, la formula j det(a), se n, mod 4, det(a), se n 2, 3 mod 4. Passo base. Per n = la formula è valida, essendo n mod 4 e A rot = A, quindi det(a). Passo induttivo. Supponiamo la proprietà vera per tutte le matrici di ordine n e dimostriamola per matrici di ordine n. Sia A una matrice di ordine n. alcoliamo il suo determinante con il metodo di Laplace lungo la prima riga: det(a) = ( ) +k a k det(a k ), k=
10 dove A ij è la matrice ottenuta da A eliminando la riga i e la colonna j. Per definizione, la matrice A rot ha come ultima colonna la prima riga di A. Per semplicità, poniamo R = A rot e calcoliamo il determinante di R con il metodo di Laplace lungo l ultima colonna: det(r) = ( ) k+n r kn det(r kn ), dove R ij è la matrice ottenuta da R eliminando la riga i e la colonna j. Osserviamo che k= j ( ) k+n ( ) +k = ( ) +k se n è dispari, se n è pari. Inoltre, per come la matrice A rot è stata definita, per ogni k si ha r kn = a k e R kn = (A k ) rot. L ultima è un uguaglianza tra matrici di ordine n. Per l ipotesi induttiva, si ha j det(ak ), se n, mod 4, cioè se n, 2 mod 4, det(r kn ) = det((a k ) rot ) = det(a k ), se n 2, 3 mod 4, cioè se n, 3 mod 4. A questo punto conviene distinguere i quattro casi possibili. aso A: n mod 4 (in particolare n è pari). Si ha ( ) k+n r kn det(r kn ) = k= ( ) +k a k ( det(a k )) = det(a). k= aso : n mod 4 (in particolare n è dispari). Si ha ( ) k+n r kn det(r kn ) = k= aso : n 2 mod 4 (in particolare n è pari). Si ha ( ) k+n r kn det(r kn ) = k= ( ) +k a k det(a k ) = det(a). k= ( ) +k a k det(a k ) = det(a). k= aso D: n 3 mod 4 (in particolare n è dispari). Si ha ( ) k+n r kn det(r kn ) = k= ( ) +k a k ( det(a k )) = det(a). k= La formula è dimostrata per ciascuno dei quattro casi possibili. (d) Dimostriamo, per induzione su n, la formula congetturata in (b): j 2 n, se n,, 2 mod 4, det n = 2 n, se n 3 mod 4. Passo base. Per n = la formula è valida, essendo n mod 4 e = (2), dunque det = 2. Passo induttivo. Supponiamo la formula vera per n, cioè j 2 n, se n,, 2 mod 4, cioè se n, 2, 3 mod 4, det( n ) = 2 n, se n 3 mod 4, cioè se n mod 4 e dimostriamola per n. Se calcoliamo il determinante di n con il metodo di Laplace lungo la prima colonna, otteniamo det( n) = 2 det(( n ) rot ). In base al risultato in (c), abbiamo j det(n ), det(( n ) rot se n, mod 4, cioè se n, 2 mod 4, ) = det( n ), se n 2, 3 mod 4, cioè se n, 3 mod 4. Distinguiamo i quattro casi possibili, osservando che ora due di essi possono essere accorpati.
11 aso A: n mod 4. Si ha det( n) = 2 det(( n ) rot ) = 2 det( n ) = ( 2) ( 2 n ) = 2 n. asi e : n, 2 mod 4. Si ha det( n) = 2 det(( n ) rot ) = 2 det( n ) = 2 2 n = 2 n. aso D: n 3 mod 4. Si ha det( n) = 2 det(( n ) rot ) = 2 det( n ) = ( 2) 2 n = 2 n. La formula è dimostrata per ciascuno dei quattro casi possibili.
Esercizi di Algebra Lineare - Foglio 5
Esercizi di Algebra Lineare - Foglio 5 Soluzioni Esercizio alcolare i determinanti delle seguenti matrici: 3 (a) A = 3 A (b) = A (c) = i i A 3 i i Soluzione (a) alcoliamo il determinante con il metodo
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)
DettagliGeometria BAER I canale Foglio esercizi 2
Geometria BAER I canale Foglio esercizi 2 Esercizio 1. Calcolare il determinante e l inversa (quando esiste) della matrice ( ) cos θ sin θ R θ =, θ [0, 2π] sin θ cos θ Soluzione: Il determinante ( é cos
DettagliCORSO DI GEOMETRIA DETERMINANTE A.A. 2018/2019 PROF. VALENTINA BEORCHIA
CORSO DI GEOMETRIA DETERMINANTE AA 2018/2019 PROF VALENTINA BEORCHIA INDICE 1 Definizione induttiva di determinante 1 2 Caratterizzazione delle matrici quadrate di rango massimo 5 3 Regole di Laplace 6
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)
DettagliEsercizi di Geometria 1 - Foglio 3bis
Esercizi di Geometria - Foglio 3bis Alessandro Rubin (alex.rubin@outlook.com) Si ringrazia Ricardo Tzantzoglou per il codice L A TEX condiviso dicembre 7 Esercizio. Sia f : V W un applicazione e G = {(v,
DettagliA =, c d. d = ad cb. c d A =
Geometria e Algebra (II), 271112 1 Definizione D ora innanzi, al posto di dire matrice quadrata di tipo n n o matrice quadrata n n diremo matrice quadrata di ordine n o in breve matrice di ordine n Il
DettagliGeometria BAER I canale Foglio esercizi 3
Geometria BAER I canale Foglio esercizi 3 Esercizio. Discutere le soluzioni del seguente sistema lineare nelle incognite,, z al variare del parametro k. 3 + kz = k k + 3z = k k + z = Soluzione: Il determinante
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
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
DettagliEquivalentemente, le colonne di A sono linearmente indipendenti se e solo se
Lezioni di Algebra Lineare. Versione novembre 2008 VI. Il determinante Il determinante det A di una matrice A, reale e quadrata, è un numero reale associato ad A. Dunque det è una funzione dall insieme
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
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
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
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.
DettagliAutovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)
Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) April 14, 2011 (alcune note non complete sugli argomenti trattati: eventuali completamenti saranno aggiunti)
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
DettagliElementi di Algebra Lineare Applicazioni lineari
Elementi di Algebra Lineare Applicazioni lineari Cristina Turrini UNIMI - 2016/2017 Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra Lineare 1 / 50 index Applicazioni lineari 1 Applicazioni lineari
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 27 GIUGNO 2016
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 7 GIUGNO 06 MATTEO LONGO Ogni versione del compito contiene solo due tra i quattro esercizi 6-7-8-9. Esercizio. Considerare
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
Dettagli(VX) (F) Se A e B sono due matrici simmetriche n n allora anche A B è una matrice simmetrica.
5 luglio 010 - 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
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
DettagliGeometria BAER I canale Foglio esercizi 2
Geometria BAER I canale Foglio esercizi Esercizio. ( ) Data la matrice, determinare tutte le matrici X Mat( ) tali che AX = 0 e tutte le matrici Y Mat( ) tali che Y 0. ( ) ( ) ( ) x y x + z y + w Soluzione:
DettagliCapitolo 3 Matrici. Marco Robutti. Facoltà di ingegneria Università degli studi di Pavia. Anno accademico
Capitolo 3 Matrici Marco Robutti Facoltà di ingegneria Università degli studi di Pavia Anno accademico 2017-2018 Tutorato di geometria e algebra lineare Definizione (Matrice) Una matrice A M R (k, n) è
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
DettagliAPPLICAZIONI. Im f = {b B a A tale che f (a) = b}.
APPLICAZIONI Diremo applicazione (o funzione) da un insieme A ad un insieme B una legge f che associa ad ogni elemento a A uno ed un solo elemento b B. Scriviamo f : A B e il corrispondente o immagine
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 =,
DettagliCorso di Geometria BIAR, BSIR Esercizi 2: soluzioni
Corso di Geometria 2- BIAR, BSIR Esercizi 2: soluzioni Esercizio Calcolare il determinante della matrice 2 3 : 3 2 a) con lo sviluppo lungo la prima riga, b) con lo sviluppo lungo la terza colonna, c)
DettagliDeterminante. Sia M(n, n, K) lo spazio delle matrici quadrate n n a coefficienti in un campo K, vogliamo provare il seguente Teorema:
Determinante 1 Proprieta Sia M(n, n, K) lo spazio delle matrici quadrate n n a coefficienti in un campo K, vogliamo provare il seguente Teorema: Theorem 1.1 Esiste un unica mappa F dallo spazio delle matrici
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.
Dettagli1. Esercizi (1) Calcolare + ( 1) + 3 2, 2. (2) siano X, Y, Z R 3. Dimostrare che se X +Y = X +Z, allora Y = Z;
Esercizi () Calcolare 4 + () + () siano X Y Z R Dimostrare che se X +Y = X +Z allora Y = Z; () dimostrare che i vettori sono linearmente dipendenti; (4) dimostrare che i vettori 4 sono linearmente indipendenti;
DettagliCorso di Geometria - CdL triennale in Ingegneria a.a
Corso di Geometria - CdL triennale in Ingegneria a.a. 208-9 C. Liverani, J. Garofali Tutorato del 7/05/9 Geometria analitica nel piano e nello spazio. Tra tutte le rette parallele a r : x 2y = 0 trovare
Dettagli1. [15 punti] Calcolare il rango della seguente matrice a coefficienti reali: ( 1/2) 1 (1/2)
Università di Modena e Reggio Emilia Facoltà di Scienze MM.FF.NN. PROVA DI ALGEBRA LINEARE del 17 febbraio 011 ISTRUZIONI PER LO SVOLGIMENTO. Scrivere cognome, nome, numero di matricola in alto a destra
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
DettagliAlgebra lineare e geometria AA Soluzioni della simulazione
Algebra lineare e geometria AA. 2018-2019 Soluzioni della simulazione QUIZ Q1. Sia A R nn una matrice che ammette l autovalore λ 0 con molteplicità algebrica k. Quale delle seguenti affermazioni è vera?
Dettagli5. Richiami: R n come spazio euclideo
5. Richiami: R n come spazio euclideo 5.a Prodotto scalare Dati due vettori in R n, si misurano le rispettive lunghezze e l angolo (senza il segno) fra essi mediante il prodotto scalare. Il prodotto scalare
DettagliLezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige. Fulvio Bisi, Francesco Bonsante, Sonia Brivio
Lezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige Fulvio Bisi, Francesco Bonsante, Sonia Brivio DA GENNAIO 2015 1 Da gennaio 2015 Riportiamo di seguito gli errata corrige
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
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
DettagliIngegneria Gestionale - Corso di Analisi II e Algebra anno accademico 2008/2009
Ingegneria Gestionale - Corso di Analisi II e Algebra anno accademico 28/29 Dire se le seguenti proposizioni sono vere o false: ESERCITAZIONE. Proposizione Vera Falsa f : R R 4 rk(f f : R 4 R rk(f f :
DettagliESAME DI GEOMETRIA. 6 febbraio 2002 CORREZIONE QUIZ
ESAME DI GEOMETRIA 6 febbraio CORREZIONE QUIZ. La parte reale di ( + i) 9 è positiva. QUIZ Si può procedere in due modi. Un primo modo è osservare che ( + i) =i, dunque ( + i) 9 =(+i)(i) 4 = 4 ( + i) :
DettagliFondamenti di Matematica del discreto
Fondamenti di Matematica del discreto M1 - Insiemi numerici 25 gennaio 2013 - Laurea on line Esercizio 1. Dire, motivando la risposta, se è possibile scrivere 3 come combinazione lineare di 507 e 2010,
DettagliPROGRAMMA DEL CORSO DI GEOMETRIA E ALGEBRA. A.A
PROGRAMMA DEL CORSO DI GEOMETRIA E ALGEBRA. A.A. 2010-11 DOCENTE TITOLARE: FRANCESCO BONSANTE 1. Geometria analitica dello spazio (1) vettori applicati e lo spazio E 3 O: operazioni su vettori e proprietà.
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
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
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
DettagliAlgebra e Geometria 2 per Informatica Primo Appello 23 giugno 2006 Tema A W = { A M 2 (R) A T = A }
Algebra e Geometria per Informatica Primo Appello 3 giugno 6 Tema A Sia M (R lo spazio vettoriale delle matrici a coefficienti reali Sia W = { A M (R A T = A } il sottospazio vettoriale delle matrici simmetriche
DettagliNOME COGNOME MATRICOLA CANALE
NOME COGNOME MATRICOLA CANALE Fondamenti di Algebra Lineare e Geometria Proff. M. Imbesi - R. Sanchez - C. Zanella Ingegneria Gestionale, Meccanica e Meccatronica, Vicenza TEMA 1 1. Scrivere la formula
DettagliSPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE
SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE. Esercizi Esercizio. In R calcolare il modulo dei vettori,, ),,, ) ed il loro angolo. Esercizio. Calcolare una base ortonormale del sottospazio
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
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
DettagliArgomento 12 Matrici
Argomento 2 Matrici 2 Vettori di R n eoperazioni I Vettore di R n : x =(x i ) i=n =(x i ) n i=,conx i R componenti di x I R n = spazio dei vettori reali a n componenti = spazio vettoriale reale n-dimensionale
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
Dettagli0.1 Soluzioni esercitazione IV, del 28/10/2008
1 0.1 Soluzioni esercitazione IV, del 28/10/2008 Esercizio 0.1.1. Risolvere, usando il teorema di Cramer, i seguenti sistemi lineari 2x + y + z = 0 x + 3z = 1 x y z = 1 kx + y z = 1 x y + 2z = 1 2x + 2y
DettagliNOME COGNOME MATRICOLA CANALE
NOME COGNOME MATRICOLA CANALE Fondamenti di Algebra Lineare e Geometria Prof. M. Lavrauw - C. Zanella Ingegneria Gestionale, Meccanica e Meccatronica, Vicenza Vicenza, 6 luglio 2016 TEMA 1 1. Definire
DettagliGEOMETRIA 1 terza parte
GEOMETRIA 1 terza parte Cristina Turrini C. di L. in Fisica - 2014/2015 Cristina Turrini (C. di L. in Fisica - 2014/2015) GEOMETRIA 1 1 / 32 index Applicazioni lineari 1 Applicazioni lineari 2 Nucleo e
DettagliGeometria BAER Test di autovalutazione del 31/10/18
Geometria BAER Test di autovalutazione del 3//8 LEGGERE ATTENTAMENTE PRIMA DI ANDARE ALL INIZIO DEL TEST ALLA PAGINA SUCCESSIVA. NON LEGGERE LE DOMANDE PRIMA DI INIZIARE IL TEST Il test NON É VALUTATO
Dettagliil determinante che si ottiene da A, sopprimendo la i - esima riga e la j - esima colonna. Si definisce complemento algebrico dell'elemento a ij
Determinanti Sia data la matrice quadrata a... a n a a n =...... a... a n nn Chiamiamo determinante di il numero det o che ad essa viene associato. det = a a... a... a... a n n n... a nn Un generico elemento
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
DettagliPROGRAMMA DEL CORSO DI GEOMETRIA E ALGEBRA. A.A
PROGRAMMA DEL CORSO DI GEOMETRIA E ALGEBRA. A.A. 2011-12 DOCENTE TITOLARE: FRANCESCO BONSANTE 1. Geometria analitica dello spazio (1) vettori applicati e lo spazio E 3 O: operazioni su vettori e proprietà.
DettagliUniversità di Modena e Reggio Emilia Facoltà di Scienze MM.FF.NN. PROVA DI ALGEBRA LINEARE (esercitazione del 18 gennaio 2011)
Università di Modena e Reggio Emilia Facoltà di Scienze MM.FF.NN. PROVA DI ALGEBRA LINEARE (esercitazione del 18 gennaio 2011) ISTRUZIONI PER LO SVOLGIMENTO. Scrivere cognome, nome, numero di matricola
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
DettagliSoluzioni esercizi complementari
Soluzioni esercizi complementari Relazioni 1) Quali delle seguenti relazioni sono di equivalenza? x, y R {0} xry x/y Q x, y Z xry x + y è divisibile per 17 x, y Z xry x y X, Y sottoinsiemi di un insieme
DettagliALGEBRA C. MALVENUTO
ALGEBRA CANALE A-L ESAME SECONDA PARTE SECONDO ESONERO 27 GENNAIO 22 C. MALVENUTO Istruzioni. Completare subito la parte inferiore di questa pagina con il proprio nome, cognome e firma. Scrivere solamente
DettagliESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro
ESERCIZI DI ALGEBRA LINEARE Vincenzo Di Gennaro Sono raccolti, in ordine cronologico, gli esercizi di Algebra Lineare proposti nelle prove scritte per i vari corsi di Geometria che ho tenuto presso la
DettagliVolumi in spazi euclidei 12 dicembre 2014
Volumi in spazi euclidei 12 dicembre 2014 1 Definizioni In uno spazio euclideo reale V di dimensione n siano dati k n vettori linearmente indipendenti e sia Π := Π(v 1 v 2... v k ) il parallelepipedo generato
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
DettagliIsometrie e cambiamenti di riferimento
Isometrie e cambiamenti di riferimento Isometrie Le isometrie sono trasformazioni del piano o dello spazio che conservano angoli e distanze. Esempi sono le rotazioni del piano, le riflessioni in una retta
DettagliEsercizi di Geometria e Algebra per Ingegneria Aerospaziale (nuovo ordinamento)
Esercizi di Geometria e Algebra per Ingegneria Aerospaziale (nuovo ordinamento) Relazioni 1) Quali delle seguenti relazioni sono di equivalenza? x, y R {0} xry x/y Q x, y Z xry x + y è divisibile per 17
DettagliGeometria I. Esercizi svolti.
Geometria I. Esercizi svolti. Alcuni esercizi svolti dal mio libro Appunti di Geometria I (Pitagora Editore). Es..5, p. 64. Siano F, H due sotto spazi vettoriali del k-spazio vettoriale E. Se H F, allora
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,
Dettagli10. Il gruppo Speciale Lineare SL(V )
1 2 3 4 5 6 7 8 9 1 10. Il gruppo Speciale Lineare SL(V ) Siano F un campo e V uno spazio vettoriale di dimensione n su F. Indichiamo con GL(V ) l insieme delle applicazioni lineari biiettive di V in sé.
DettagliSui determinanti e l indipendenza lineare di vettori
Sui determinanti e l indipendenza lineare di vettori 1 Si dice che m vettori v 1, v 2,,v m di R n sono linearmente indipendenti, se una loro combinazione lineare può dare il vettore nullo solo se i coefficienti
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA INDUSTRIALE 27 GENNAIO 2014
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA INDUSTRIALE 27 GENNAIO 2014 DOCENTE: MATTEO LONGO Rispondere alle domande di Teoria in modo esauriente e completo. Svolgere il maggior numero di esercizi
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
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
DettagliEsercizi complementari
Esercizi complementari (tratti dagli esercizi del prof. Alberto Del Fra) Relazioni 1) Quali delle seguenti relazioni sono di equivalenza? x, y R {0} xry x/y Q x, y Z xry x + y è divisibile per 17 x, y
DettagliParte 8. Prodotto scalare, teorema spettrale
Parte 8. Prodotto scalare, teorema spettrale A. Savo Appunti del Corso di Geometria 3-4 Indice delle sezioni Prodotto scalare in R n, Basi ortonormali, 4 3 Algoritmo di Gram-Schmidt, 7 4 Matrici ortogonali,
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 =,
DettagliGEOMETRIA 1 quarta parte
GEOMETRIA 1 quarta parte Cristina Turrini C. di L. in Fisica - 2014/2015 Cristina Turrini (C. di L. in Fisica - 2014/2015) GEOMETRIA 1 1 / 36 index Forme bilineari 1 Forme bilineari 2 Il caso reale: spazi
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}.
DettagliF x 1 = x 1 + x 2. 2x 1 x 2 Determinare la matrice C associata a F rispetto alla base canonica (equivalentemente,
Corso di Laurea in Fisica. Geometria 1. a.a. 2006-07. Gruppo B. Prof. P. Piazza Esonero del 1/12/06 con soluzione Esercizio. Spazio vettoriale R 2 con base canonica fissata e coordinate associate (x 1,
DettagliSoluzioni agli Esercizi di Geometria e Algebra per Ingegneria Aerospaziale (nuovo ordinamento)
Soluzioni agli Esercizi di Geometria e Algebra per Ingegneria Aerospaziale (nuovo ordinamento) Relazioni 1) Quali delle seguenti relazioni sono di equivalenza? x, y R {0} xry x/y Q x, y Z xry x + y è divisibile
DettagliAutovalori, Autovettori, Diagonalizzazione.
Autovalori Autovettori Diagonalizzazione Autovalori e Autovettori Definizione Sia V uno spazio vettoriale sul campo K = R o C e sia T : V V un endomorfismo Un vettore non nullo v V \ {O} si dice autovettore
DettagliGeometria affine e proiettiva
Geometria affine e proiettiva Laura Facchini 7 aprile 20 Esercizio. Sia E 4 il 4-spazio euclideo numerico dotato del riferimento cartesiano standard di coordinate (x, y, z, w. Siano P (0, 0,,, P (, 2,,,
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
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
DettagliCapitolo 5 Applicazioni lineari Esercizi svolti Tutorato di geometria e algebra lineare. Marco Robutti
Capitolo 5 Applicazioni lineari Esercizi svolti Tutorato di geometria e algebra lineare Marco Robutti 5 Ottobre 27 Introduzione Gli esercizi di questo capitolo riguardano i seguenti argomenti: Data un
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
DettagliMetodi per la risoluzione di sistemi lineari
Metodi per la risoluzione di sistemi lineari Sistemi di equazioni lineari. Rango di matrici Come è noto (vedi [] sez.0.8), ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante
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,
DettagliAlgebra delle matrici
Algebra delle matrici Metodo di Gauss-Jordan per l inversione di una matrice. Nella lezione scorsa abbiamo visto che un modo per determinare l eventuale inversa di una matrice quadrata A consiste nel risolvere
DettagliRichiami di Algebra Lineare
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
DettagliEsercizi svolti. risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale
Esercizi svolti 1. Matrici e operazioni fra matrici 1.1 Date le matrici 1 2 1 6 A = B = 5 2 9 15 6 risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale Osservazione iniziale: qualunque
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
DettagliINGEGNERIA EDILE ARCHITETTURA ELEMENTI DI ALGEBRA LINEARE E GEOMETRIA 25 FEBBRAIO a a. A a = 1 a 0
INGEGNERIA EDILE ARCHITETTURA ELEMENTI DI ALGEBRA LINEARE E GEOMETRIA 5 FEBBRAIO 013 Esercizio 1. Al variare del parametro a R, si consideri la matrice A a = 1 a 0 a 1 0. 1 1 a (1) Si discuta al variare
DettagliGeometria Appello I Sessione Invernale Corso di laurea in fisica A.A 2018/2019 Canali A C, L Pa, Pb Z
Geometria Appello I Sessione Invernale Corso di laurea in fisica A.A 8/9 Canali A C, L Pa, Pb Z Durata: ore e 3 minuti Alessandro D Andrea Simone Diverio Paolo Piccinni Riccardo Salvati Manni 5 giugno
DettagliEsercizi per Geometria II Geometria euclidea e proiettiva
Esercizi per Geometria II Geometria euclidea e proiettiva Filippo F. Favale 10 aprile 01 Esercizio 1 Sia E 3 lo spazio euclideo tridimensionale dotato di un riferimento cartesiano ortonormale di coordinate
Dettagli