Lezione 9: Cambio di base

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Lezione 9: Cambio di base"

Transcript

1 Lezione 9: Cambio di base In questa lezione vogliamo affrontare uno degli argomenti piu ostici per lo studente e cioè il cambio di base all interno di uno spazio vettoriale, inoltre cercheremo di capire come cambia la matrice associata ad un applicazione lineare se cambiamo la base nel dominio e nel codominio. 1 L identita Fino a questo momento abbiamo considerato le applicazioni lineari da R n a R m come matrici m n, piu precisamente la matrice associata ad una applicazione lineare f : R n R m ha per colonne le immagini dei vettori della base canonica di R n. Ricordiamo con un esempio. Consideriamo l applicazione f : R 2 R 2, f(e 1 ) = e 1 e 2, f(e 2 ) = 3e 2. Questa applicazione è associata, fissando la base canonica nel dominio e codominio, alla matrice: ( ) 1 0 A =. 1 3 Possiamo facilmente generalizzare il concetto di matrice associata ad una applicazione lineare in basi diverse dalla canonica. Definizione 1.1. Sia f : R n R m una applicazione lineare, e siano B, B rispettivamente una base del dominio e una base del codominio. Definiamo A B,B la matrice associata a f nelle basi B e B una matrice m n tale che: x 1 f. x n B x 1 = A B,B. x n B y 1 =. y m B. Sappiamo bene che la scelta della base canonica per rappresentare i vettori in R n è arbitraria, pur essendo estremamente conveniente. Ad esempio abbiamo gia visto che un vettore espresso in due basi diverse ha ovviamente coordinate diverse. Per il momento usare una base diversa dalla canonica per rappresentare i vettori sembra una cosa inutilmente faticosa, tuttavia vedremo nella lezione successiva che ci fornisce la chiave per capire i concetti di autovalori e autovettori, data l importanza che essi hanno in analisi numerica oltre che in innumerevoli altre parti della matematica. 1

2 Torniamo all esempio sopra. Se scegliamo la base di R 2 data dai vettori: v 1 = e 1 e 2, v 2 = 3e 2, ci poniamo le domande: 1. Come si rappresentano i vettori v 1 e v 2 nella nuova base B? 2. Come possiamo scrivere la matrice associata a f nella base canonica del dominio e nella base B del codominio? Se lo studente comprende la teoria(come dovrebbe essere a questo punto!), la risposta alla prima domanda è ovvia. I vettori v 1 e v 2 hanno rispettivamente coordinate (1,0) e (0,1) (se cio non è chiaro si vada a rileggere la definizione di coordinate). Anche la risposta alla seconda domanda come vedremo, è abbastanza semplice, tuttavia procederemo nel dettaglio, dato che si tratta di un concetto nuovo. Abbiamo gia visto che modificare la base che noi scegliamo per rappresentare i vettori all interno di uno spazio vettoriale, non cambia i vettori, ma soltanto appunto il modo di scriverli. Quello che vogliamo dire e che nell esempio sopra i vettori v 1 e v 2 sono sempre gli stessi (possiamo anche disegnarli su di un grafico), quello che cambia passando dalla base canonica alla base B sono le loro coordinate che passano da (1, 1), (0,3) a (1,0), (0,1). Ora vogliamo fare la stessa cosa per le applicazioni lineari, dove il concetto di coordinate è sostituito dal concetto di matrice associata all applicazione lineare in due basi date di dominio e codominio. L applicazione lineare che vogliamo considerare è f : R 2 R 2, tale che f(e 1 ) = v 1, f(e 2 ) = v 2. Vediamo ora di esprimere quanto abbiamo scritto usando le coordinate nella base canonica C = (e 1,e 2 ) nel dominio e la base B = (v 1,v 2 ) nel codominio. f(1,0) C = (1,0) B, f(0,1) C = (0,1) B, ove mettiamo un indice per ricordarci che si tratta di coordinate in una base che non è necessariamente la canonica. Quindi abbiamo che la matrice associata a f nella base C del dominio e B del codominio e ( ) 1 0 A C,B =. 0 1 Infatti questa matrice facendo il prodotto righe per colonne manda proprio (1,0) in (1,0) e (0,1) in (0,1). In realta quanto abbiamo detto si puo facilmente generalizzare. 2

3 Proposizione 1.2. Sia f : R n R n una applicazione lineare tale che f(u 1 ) = v 1,..., f(u n ) = v n ove B = (u 1,...,u n ), B = (v 1,...,v n ) sono due basi di R n. Allora la matrice associata a f nella base B del dominio e nella base B del codominioè la matrice identita. La dimostrazione è un facile esercizio se uno ha capito il ragionamento scritto sopra. Ora ci poniamo una domanda in un qualche modo inversa a quanto abbiamo stabilito nella proposizione precedente. DomandaQual èlamatriceassociataall applicazioneidentita id : R n R n nelle basi B = (u 1...u n ), B = (v 1...v n ) rispettivamente del dominio e codominio? Senz altro sappiamo che la matrice identita è associata all applicazione identita qualora fissiamo le basi canoniche in dominio e codominio, tuttavia abbiamo gia capito dall esempio precedente, che cambiando la base puo cambiare radicalmente l aspetto della matrice associata alla stessa applicazione lineare. Come sempre vediamo un esempio semplice. Consideriamo l applicazione identita id : R 2 R 2 e supponiamo di fissare la base B = (v 1 = 2e 1,v 2 = e 1 +e 2 ) nel dominio e la base canonica C nel codominio. All applicazione identita non importa cosa noi usiamo per rappresentarla: id mandera comunque un vettore in se stesso. Vediamo che cosa accade: Se lo scriviamo in coordinate: id(v 1 ) = v 1 = 2e 1, id(v 2 ) = e 1 +e 2 id(1,0) B = (2,0) C, id(0,1) B = (1,1) C Dunque la matrice associata nella base B del dominio e nella base canonica C del codominio e : ( ) 2 1 I B,C =. 0 1 Ora chiediamoci invece che cosa accade se vogliamo la base canonica C nel dominio e la base B nel codominio. Come prima l identita manda ogni vettore in se stesso, il problema è capire quali sono le coordinate giuste. id(e 1 ) = e 1 = (1/2)v 1, id(e 2 ) = e 2 = (1/2)v 1 +v 2 3

4 Quindi: id(1,0) = (1,1/2), id(0,1) = (1/2,0) Dunque la matrice associata nella base canonica C del dominio e nella base B del codominio e : ( ) 1/2 1/2 I C,B =. 0 1 In questo esempio molto semplice è stato possibile calcolare facilmente le coordinate di e 1 ed e 2 nella base B = (v 1,v 2 ), in generale cio non e cosi facile. Tuttavia lo studente attento avra notato che I C,B = I 1 B,C. Dunque le coordinatedei vettori e 1 ede 2 nella base B si possono leggerecome le colonne della matrice I 1 B,C (e la matrice I B,C è facilmente calcolabile in quanto ha per colonne le coordinate dei vettori v 1, v 2 nella base canonica). Questo fenomeno è vero in generale come è attestato dal seguente teorema che è la chiave per la comprensione del cambiamento di base per le applicazioni lineari. Teorema 1.3. Sia id : R n R n l applicazione lineare identita che manda ogni vettore in se stesso. Sia B = (v 1,...,v n ) una base per R n. Allora abbiamo che: la matrice associata a id nella base B del dominio e nella base canonica C del codominio e : I B,C = ( (v 1 ) C,...,(v n ) C ) ove (v i ) C sono le coordinate del vettore v i nella base canonica; la matrice associata a id nella base canonica C del dominio e B del codominio e : I 1 B,C. Proof. Il primo punto è chiaro, sostanzialmente è quanto abbiamo visto nell esempio precedente. Infatti id(v 1 ) = (1,0,...,0) nella base B ed è dato proprio dalle coordinate del vettore v 1 nella base canonica. Lo stesso per v 2...v n. Per il secondo punto invece andiamo a vedere come vengono trasformati i vettori. Se A = I B,C e A = (a ij ) allora abbiamo: v 1 = a 11 e 1 +a 21 e 2 + +a n1 e n. v n = a 1n e 1 +a 2n e 2 + +a nn e n 4

5 Dunque (v) = A(e) in forma sintetica. (Questo non è un sistema lineare, in quanto non abbiamo delle incognite, perchè sia v che e sono noti). Se voglio trovare e in funzione di v: (e) = A 1 (v), cioe : e 1 = b 11 v 1 +b 21 v 2 + +b n1 v n. e n = b 1n v 1 +b 2n v 2 + +b nn v n ove B = (b ij ) è la matrice inversa di A. Nel corso della dimostrazione di questo teorema abbiamo in effetti dato anche la risposta ad un altra domanda che ci eravamo posti in precedenza e cioe : Domanda: Sia B una base fissata di R n. Come posso scrivere le coordinate di un vettore v nella base B? Fino a questo momento abbiamo risposto con un calcolo molto esplicito caso per caso. Ora pero questo teorema ci da un corollario che contiene la risposta generale. Corollario 1.4. Sia B una base di R n. Le coordinate (α 1,...,α n ) B di un vettore v nella base B sono date da: α 1. α n B = I 1 B,C β 1. Proof. Si ha che v = id(v), quindi basta scegliere la base canonica C nel dominio e la base B nel codominio. A questo punto sappiamo che, rispetto a queste basi, l applicazione lineare identita è rappresentata dalla matrice I C,B = I 1 B,C. Se ad esempio consideriamo la base B = {v 1 = e 1 + 2e 2,v 2 = e 2 } di R 2 e vogliamo trovare ( le coordinate ) del vettore v = (( 1,3) nella ) base B sappiamo che I B,C =. Si ottiene che I B,C =, quindi le ( ) ( )( ) coordinate sono: = B β n. C C 5

6 2 Cambio di base per una applicazione lineare Poniamoci ora il seguente problema, che è una generalizzazione del problema affrontato nella sezione precedente. Problema. Sef : R n R m èunaapplicazionelineareacui èassociata la matrice A nelle basi canoniche C e C di dominio e codominio rispettivamente, come cambia A se fissiamo le basi B per R n e B per R m? Cioè qual è la matrice associata ad f nelle basi B per R n e B per R m? Abbiamo gia affrontato e risolto questo problema per f = id nella sezione precedente, vedremo che se abbiamo capito bene quello che succede per l identita, qui non avremo problemi. Cerchiamo di descrivere la situazione. Sia l applicazione lineare f che i vettori dello spazio vettoriale si comportano in modo indipendente dalla base che noi arbitrariamente scegliamo per rappresentarli. L esempio dell identita è particolarmente utile, perchè l identita resta sempre quell applicazione che ad ogni vettore associa se stesso, ma se cambiamo la base in cui rappresentarla, la matrice associata subisce variazioni drastiche. Guardiamo il seguente diagramma 1 : C R n id B R n f R m C id f R m B ove abbiamo posto accanto ad ogni spazio vettoriale la base che scegliamo per rappresentare i vettori. Nella riga superiore, scegliamo le basi canoniche, in quella inferiore, due basi B e B scelte a piacere. Ora associamo ad ogni applicazione lineare la matrice corrispondente, cioè scriviamo lo stesso diagramma nelle coordinate, cioè usando le matrici per rappresentare le applicazioni lineari. Per quanto sappiamo dalla sezione precedente: 1 che si dice commutativo in quanto il risultato che otteniamo non dipende dal percorso scelto nel diagramma 6

7 C R n A C,C R m C I B,C I C,B B R n A B,B R m B ove A B,B è la nostra incognita e cioè la matrice associata ad f nelle basi B del dominio e B nel codominio. Ricordando quanto sappiamo sulla corrispondenza tra composizione di applicazioni lineari e moltiplicazione riga per colonna di matrici 2 : A B,B = I C,B A C,C I B,C = I 1 B,C A C,C I B,C. Abbiamo pertanto dimostrato il seguente teorema. Teorema 2.1. Sia f : R n R m una applicazione lineare, A C,C, la matrice ad essa associata nelle basi canoniche C e C del dominio e del codominio rispettivamente. Allora la matrice associata ad f nelle basi B del dominio e B del codominio è data da: ove: A B,B = I 1 B,C A C,C I B,C A C,C ha per colonne le immagini dei vettori della base canonica, cioè f(e 1 ),...,f(e n ) espressi nelle coordinate delle basi canoniche; I B,C ha per colonne i vettori della base B espressi nelle coordinate della base canonica C ; I B,C ha per colonne i vettori della base B espressi nelle coordinate della base canonica C; Vediamo un esempio per chiarire questo tipo di calcolo. 2 Ricordiamo che V f W g Z è g f e corrisponde a A g A f ove A g e A f sono le matrici associate a f e g nelle basi opportune 7

8 Esempio 2.2. Sia data l applicazione f : R 2 R 3 espressa nelle basi canoniche dalla matrice 1 2 A C,C = Vogliamo trovare la matrice à = A B,B che esprime f nelle basi: B = {e 1 + e 2, e 1 2e 2 } nel dominio e B = {2e 3,e 1 +e 3,e 1 +e 2 } nel codominio. Troviamo le matrici B = I B,C e C = I B,C : B = ( ) 1 1, C = Calcoliamo con un qualunque metodo C 1 : 1/2 1/2 1/2 C 1 = La matrice à è data dalla formula: 1/2 1/2 1/2 1 2 à = C 1 AB = Esercizi ( ) Sia data l applicazione lineare f : R 3 R 3 definita da f(x,y,z) = (8x 9y,6x 7y,2x 3y z). a) Scrivere la matrice A associata adf nella base canonica, e la matrice B assciata ad f nella base B = { e 1 +e 2, 2e 1 +3e 2, e 3 }. b) Si dica se f è un isomorfismo. Motivare la risposta. c) In caso di risposta affermativa al punto (b) si calcoli l inversa di f. 2. Si scrivano le coordinate del vettore v = (1, 1,1) rispetto alla base B = {(2,0,5),(0, 1,0),(1,1,3)} di R 3 3. Si scrivano le coordinate del vettore v = (1, 2, 3) rispetto alla base B = {e 1 e 2,e 1 +e 2 e 3, e 1 +e 3 } di R 3. 8

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

Dettagli

Parte 2. Determinante e matrice inversa

Parte 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

Dettagli

LEZIONE 17. B : kn k m.

LEZIONE 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.

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

Esercizi su lineare indipendenza e generatori

Esercizi 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

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è

Dettagli

f(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))

f(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,

Dettagli

Matematica B - a.a 2006/07 p. 1

Matematica 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 + +

Dettagli

Esercizi su Autovalori e Autovettori

Esercizi su Autovalori e Autovettori Esercizi su Autovalori e Autovettori Esercizio n.1 5 A = 5, 5 5 5 Esercizio n.6 A =, Esercizio n.2 4 2 9 A = 2 1 8, 4 2 9 Esercizio n.7 6 3 3 A = 6 3 6, 3 3 6 Esercizio n.3 A = 4 6 6 2 2, 6 6 2 Esercizio

Dettagli

APPLICAZIONI LINEARI

APPLICAZIONI 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)

Dettagli

Appunti di Algebra Lineare

Appunti 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

Dettagli

x 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.

x 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

Dettagli

LEZIONE 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. 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,

Dettagli

MATRICI E DETERMINANTI

MATRICI 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

Dettagli

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni.

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni. MATEMATICA. Sistemi lineari in due equazioni due incognite. Date due equazioni lineari nelle due incognite x, y come ad esempio { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un

Dettagli

4. Operazioni elementari per righe e colonne

4. Operazioni elementari per righe e colonne 4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:

Dettagli

METODI ITERATIVI PER SISTEMI LINEARI

METODI ITERATIVI PER SISTEMI LINEARI METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione

Dettagli

Anello commutativo. Un anello è commutativo se il prodotto è commutativo.

Anello commutativo. Un anello è commutativo se il prodotto è commutativo. Anello. Un anello (A, +, ) è un insieme A con due operazioni + e, dette somma e prodotto, tali che (A, +) è un gruppo abeliano, (A, ) è un monoide, e valgono le proprietà di distributività (a destra e

Dettagli

Teoremi di struttura dei moduli finitamente generati su un dominio euclideo

Teoremi di struttura dei moduli finitamente generati su un dominio euclideo Teoremi di struttura dei moduli finitamente generati su un dominio euclideo Appunti al corso di Algebra Anno accademico 23-24 1 Prodotti diretti. Siano M e N due moduli sullo stesso anello A, non necessariamente

Dettagli

Indice generale. Modulo 1 Algebra 2

Indice generale. Modulo 1 Algebra 2 Indice generale Modulo 1 Algebra 2 Capitolo 1 Scomposizione in fattori. Equazioni di grado superiore al primo 1.1 La scomposizione in fattori 2 1.2 Raccoglimento a fattor comune 3 1.3 Raccoglimenti successivi

Dettagli

Matrice rappresent. Base ker e img. Rappresentazione cartesiana ker(f) + im(f).

Matrice 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

Dettagli

Funzioni in più variabili

Funzioni in più variabili Funzioni in più variabili Corso di Analisi 1 di Andrea Centomo 27 gennaio 2011 Indichiamo con R n, n 1, l insieme delle n-uple ordinate di numeri reali R n4{(x 1, x 2,,x n ), x i R, i =1,,n}. Dato X R

Dettagli

2/4 OPERATORI NEGLI SPAZI DI HILBERT INFINITODIMENSIONALI 08/09 1 INTRODUZIONE

2/4 OPERATORI NEGLI SPAZI DI HILBERT INFINITODIMENSIONALI 08/09 1 INTRODUZIONE 2/4 OPERATORI NEGLI SPAZI DI HILBERT INFINITODIMENSIONALI 08/09 INTRODUZIONE Il problema agli autovalori di un operatore La trattazione del problema agli autovalori di un operatore fatta negli spazi finitodimensionali

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

2 Formulazione dello shortest path come problema di flusso

2 Formulazione dello shortest path come problema di flusso Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10 Lecture 20: 28 Maggio 2010 Cycle Monotonicity Docente: Vincenzo Auletta Note redatte da: Annibale Panichella Abstract In questa lezione

Dettagli

Flusso a costo minimo e simplesso su reti

Flusso a costo minimo e simplesso su reti Flusso a costo minimo e simplesso su reti La particolare struttura di alcuni problemi di PL può essere talvolta utilizzata per la progettazione di tecniche risolutive molto più efficienti dell algoritmo

Dettagli

Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali.

Rango: 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

Dettagli

PRINCIPI BASILARI DI ELETTROTECNICA

PRINCIPI BASILARI DI ELETTROTECNICA PRINCIPI BASILARI DI ELETTROTECNICA Prerequisiti - Impiego di Multipli e Sottomultipli nelle equazioni - Equazioni lineari di primo grado e capacità di ricavare le formule inverse - nozioni base di fisica

Dettagli

Geometria nel piano complesso

Geometria nel piano complesso Geometria nel piano complesso Giorgio Ottaviani Contents Un introduzione formale del piano complesso 2 Il teorema di Napoleone 5 L inversione circolare 6 4 Le trasformazioni di Möbius 7 5 Il birapporto

Dettagli

I numeri complessi. Mario Spagnuolo Corso di Laurea in Fisica - Facoltà di Scienze - Università Federico II di Napoli

I numeri complessi. Mario Spagnuolo Corso di Laurea in Fisica - Facoltà di Scienze - Università Federico II di Napoli I numeri complessi Mario Spagnuolo Corso di Laurea in Fisica - Facoltà di Scienze - Università Federico II di Napoli 1 Introduzione Studiare i numeri complessi può sembrare inutile ed avulso dalla realtà;

Dettagli

(V) (FX) Z 6 è un campo rispetto alle usuali operazioni di somma e prodotto.

(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

Dettagli

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora:

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: G.C.D.( a d, b d ) = 1 Sono state introdotte a lezione due definizioni importanti che ricordiamo: Definizione

Dettagli

Il principio di induzione e i numeri naturali.

Il principio di induzione e i numeri naturali. Il principio di induzione e i numeri naturali. Il principio di induzione è un potente strumento di dimostrazione, al quale si ricorre ogni volta che si debba dimostrare una proprietà in un numero infinito

Dettagli

Rette e piani con le matrici e i determinanti

Rette e piani con le matrici e i determinanti CAPITOLO Rette e piani con le matrici e i determinanti Esercizio.. Stabilire se i punti A(, ), B(, ) e C(, ) sono allineati. Esercizio.. Stabilire se i punti A(,,), B(,,), C(,, ) e D(4,,0) sono complanari.

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

Convessità e derivabilità

Convessità e derivabilità Convessità e derivabilità Definizione 1 (convessità per funzioni derivabili) Sia f : (a, b) R derivabile su (a, b). Diremo che f è convessa o concava su (a, b) se per ogni 0 (a,b) il grafico di f sta tutto

Dettagli

Numeri complessi e polinomi

Numeri complessi e polinomi Numeri complessi e polinomi 1 Numeri complessi L insieme dei numeri reali si identifica con la retta della geometria: in altri termini la retta si può dotare delle operazioni + e e divenire un insieme

Dettagli

FOGLIO 4 - Applicazioni lineari. { kx + y z = 2 x + y kw = k. 2 k 1

FOGLIO 4 - Applicazioni lineari. { kx + y z = 2 x + y kw = k. 2 k 1 FOGLIO 4 - Applicazioni lineari Esercizio 1. Si risolvano i seguenti sistemi lineari al variare di k R. { x y + z + 2w = k x z + w = k 2 { kx + y z = 2 x + y kw = k Esercizio 2. Al variare di k R trovare

Dettagli

I Numeri Complessi. Si verifica facilmente che, per l operazione di somma in definita dalla (1), valgono le seguenti

I Numeri Complessi. Si verifica facilmente che, per l operazione di somma in definita dalla (1), valgono le seguenti Y T T I Numeri Complessi Operazioni di somma e prodotto su Consideriamo, insieme delle coppie ordinate di numeri reali, per cui si ha!"# $&% '( e )("+* Introduciamo in tale insieme una operazione di somma,/0"#123045"#

Dettagli

Esercizi di Algebra Lineare. Claretta Carrara

Esercizi di Algebra Lineare. Claretta Carrara Esercizi di Algebra Lineare Claretta Carrara Indice Capitolo 1. Operazioni tra matrici e n-uple 1 1. Soluzioni 3 Capitolo. Rette e piani 15 1. Suggerimenti 19. Soluzioni 1 Capitolo 3. Gruppi, spazi e

Dettagli

ALGEBRA I: CARDINALITÀ DI INSIEMI

ALGEBRA I: CARDINALITÀ DI INSIEMI ALGEBRA I: CARDINALITÀ DI INSIEMI 1. CONFRONTO DI CARDINALITÀ E chiaro a tutti che esistono insiemi finiti cioè con un numero finito di elementi) ed insiemi infiniti. E anche chiaro che ogni insieme infinito

Dettagli

Determinante e inversa di una matrice

Determinante 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

Dettagli

Teoria degli insiemi

Teoria degli insiemi Teoria degli insiemi pag 1 Easy Matematica di dolfo Scimone Teoria degli insiemi Il concetto di insieme si assume come primitivo, cioè non riconducibile a concetti precedentemente definiti. Sinonimi di

Dettagli

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA

ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA ALGEBRA I: NUMERI INTERI, DIVISIBILITÀ E IL TEOREMA FONDAMENTALE DELL ARITMETICA 1. RICHIAMI SULLE PROPRIETÀ DEI NUMERI NATURALI Ho mostrato in un altra dispensa come ricavare a partire dagli assiomi di

Dettagli

Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti.

Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Def. Si dice equazione differenziale lineare del secondo ordine

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE 1. EQUAZIONI Definizione: un equazione è un uguaglianza tra due espressioni letterali (cioè in cui compaiono numeri, lettere

Dettagli

VERIFICA DEI PRINCIPI DI KIRCHHOFF, DEL PRINCIPIO DI SOVRAPPOSIZIONE DEGLI EFFETTI, DEL TEOREMA DI MILLMAN

VERIFICA DEI PRINCIPI DI KIRCHHOFF, DEL PRINCIPIO DI SOVRAPPOSIZIONE DEGLI EFFETTI, DEL TEOREMA DI MILLMAN FCA D PNCP D KCHHOFF, DL PNCPO D SOAPPOSZON DGL FFTT, DL TOMA D MLLMAN Un qualunque circuito lineare (in cui agiscono più generatori) può essere risolto applicando i due principi di Kirchhoff e risolvendo

Dettagli

Compito di SISTEMI E MODELLI. 19 Febbraio 2015

Compito di SISTEMI E MODELLI. 19 Febbraio 2015 Compito di SISTEMI E MODELLI 9 Febbraio 5 Non é ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche l ordine e la chiarezza di esposizione.

Dettagli

Se 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

Se 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

Dettagli

Terne pitagoriche e teorema di Pitagora, numeri e triangoli. Riccardo Ricci: Dipartimento di Matematica U.Dini ricci@math.unif.it

Terne pitagoriche e teorema di Pitagora, numeri e triangoli. Riccardo Ricci: Dipartimento di Matematica U.Dini ricci@math.unif.it 3 4 5 Terne pitagoriche e teorema di Pitagora, numeri e triangoli Riccardo Ricci: Dipartimento di Matematica U.Dini ricci@math.unif.it Qualche osservazione preliminare sul Teorema di Pitagora e le terne

Dettagli

Esistenza di funzioni continue non differenziabili in alcun punto

Esistenza di funzioni continue non differenziabili in alcun punto UNIVERSITÀ DEGLI STUDI DI CAGLIARI FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI CORSO DI LAUREA IN MATEMATICA Esistenza di funzioni continue non differenziabili in alcun punto Relatore Prof. Andrea

Dettagli

Approssimazione polinomiale di funzioni e dati

Approssimazione polinomiale di funzioni e dati Approssimazione polinomiale di funzioni e dati Approssimare una funzione f significa trovare una funzione f di forma più semplice che possa essere usata al posto di f. Questa strategia è utilizzata nell

Dettagli

3. SPAZI VETTORIALI CON PRODOTTO SCALARE

3. SPAZI VETTORIALI CON PRODOTTO SCALARE 3 SPAZI VETTORIALI CON PRODOTTO SCALARE 31 Prodotti scalari Definizione 311 Sia V SV(R) Un prodotto scalare su V è un applicazione, : V V R (v 1,v 2 ) v 1,v 2 tale che: i) v,v = v,v per ogni v,v V ; ii)

Dettagli

Appunti di Logica Matematica

Appunti di Logica Matematica Appunti di Logica Matematica Francesco Bottacin 1 Logica Proposizionale Una proposizione è un affermazione che esprime un valore di verità, cioè una affermazione che è VERA oppure FALSA. Ad esempio: 5

Dettagli

Analisi delle Corrispondenze Multiple Prof. Roberto Fantaccione

Analisi delle Corrispondenze Multiple Prof. Roberto Fantaccione Analisi delle Corrispondenze Multiple Prof. Roberto Fantaccione Consideriamo il nostro dataset formato da 468 individui e 1 variabili nominali costituite dalle seguenti modalità : colonna D: Age of client

Dettagli

RETTE, PIANI, SFERE, CIRCONFERENZE

RETTE, PIANI, SFERE, CIRCONFERENZE RETTE, PIANI, SFERE, CIRCONFERENZE 1. Esercizi Esercizio 1. Dati i punti A(1, 0, 1) e B(, 1, 1) trovare (1) la loro distanza; () il punto medio del segmento AB; (3) la retta AB sia in forma parametrica,

Dettagli

SISTEMI LINEARI QUADRATI: METODI ITERATIVI

SISTEMI LINEARI QUADRATI: METODI ITERATIVI SISTEMI LINEARI QUADRATI: METODI ITERATIVI CALCOLO NUMERICO e PROGRAMMAZIONE SISTEMI LINEARI QUADRATI:METODI ITERATIVI p./54 RICHIAMI di ALGEBRA LINEARE DEFINIZIONI A R n n simmetrica se A = A T ; A C

Dettagli

Principal Component Analysis

Principal Component Analysis Principal Component Analysis Alessandro Rezzani Abstract L articolo descrive una delle tecniche di riduzione della dimensionalità del data set: il metodo dell analisi delle componenti principali (Principal

Dettagli

PROPRIETA' ASSOCIATIVA La somma di tre o più addendi non cambia se al posto di alcuni di essi si sostituisce la loro somma.

PROPRIETA' ASSOCIATIVA La somma di tre o più addendi non cambia se al posto di alcuni di essi si sostituisce la loro somma. Addizione: PROPRIETA' COMMUTATIVA Cambiando l'ordine degli addendi la somma non cambia. 1) a + b = b + a PROPRIETA' ASSOCIATIVA La somma di tre o più addendi non cambia se al posto di alcuni di essi si

Dettagli

1 LA CORRENTE ELETTRICA CONTINUA

1 LA CORRENTE ELETTRICA CONTINUA 1 LA CORRENTE ELETTRICA CONTINUA Un conduttore ideale all equilibrio elettrostatico ha un campo elettrico nullo al suo interno. Cosa succede se viene generato un campo elettrico diverso da zero al suo

Dettagli

Circuiti Elettrici. Schema riassuntivo. Assumendo positive le correnti uscenti da un nodo e negative quelle entranti si formula l importante

Circuiti Elettrici. Schema riassuntivo. Assumendo positive le correnti uscenti da un nodo e negative quelle entranti si formula l importante Circuiti Elettrici Schema riassuntivo Leggi fondamentali dei circuiti elettrici lineari Assumendo positive le correnti uscenti da un nodo e negative quelle entranti si formula l importante La conseguenza

Dettagli

Forme 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 : 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:

Dettagli

GEOMETRIA I Corso di Geometria I (seconda parte)

GEOMETRIA I Corso di Geometria I (seconda parte) Corso di Geometria I (seconda parte) anno acc. 2009/2010 Cambiamento del sistema di riferimento in E 3 Consideriamo in E 3 due sistemi di riferimento ortonormali R e R, ed un punto P (x, y, z) in R. Lo

Dettagli

Gli algoritmi. Gli algoritmi. Analisi e programmazione

Gli algoritmi. Gli algoritmi. Analisi e programmazione Gli algoritmi Analisi e programmazione Gli algoritmi Proprietà ed esempi Costanti e variabili, assegnazione, istruzioni, proposizioni e predicati Vettori e matrici I diagrammi a blocchi Analisi strutturata

Dettagli

F (x) = f(x) per ogni x I. Per esempio:

F (x) = f(x) per ogni x I. Per esempio: Funzioni Primitive (Integrali Indefiniti) (l.v.) Pur essendo un argomento che fa parte del Calcolo Differenziale, molti autori inseriscono funzioni primitive nel capitolo sul Calcolo Integrale, in quanto

Dettagli

FORME DIFFERENZIALI IN R 3 E INTEGRALI

FORME DIFFERENZIALI IN R 3 E INTEGRALI FORME DIFFERENZIALI IN R 3 E INTEGRALI CLADIO BONANNO Contents 1. Spazio duale di uno spazio vettoriale 1 1.1. Esercizi 3 2. Spazi tangente e cotangente 4 2.1. Esercizi 6 3. Le forme differenziali e i

Dettagli

Lezioni di Matematica 1 - I modulo

Lezioni di Matematica 1 - I modulo Lezioni di Matematica 1 - I modulo Luciano Battaia 16 ottobre 2008 Luciano Battaia - http://www.batmath.it Matematica 1 - I modulo. Lezione del 16/10/2008 1 / 13 L introduzione dei numeri reali si può

Dettagli

Corso di Analisi Matematica. Polinomi e serie di Taylor

Corso di Analisi Matematica. Polinomi e serie di Taylor a.a. 2013/14 Laurea triennale in Informatica Corso di Analisi Matematica Polinomi e serie di Taylor Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità degli

Dettagli

Esercizi per il corso di Algoritmi e Strutture Dati

Esercizi per il corso di Algoritmi e Strutture Dati 1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi

Dettagli

Trasformazioni Geometriche 1 Roberto Petroni, 2011

Trasformazioni Geometriche 1 Roberto Petroni, 2011 1 Trasformazioni Geometriche 1 Roberto etroni, 2011 Trasformazioni Geometriche sul piano euclideo 1) Introduzione Def: si dice trasformazione geometrica una corrispondenza biunivoca che associa ad ogni

Dettagli

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento:

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento: Capitolo 3 Serie 3. Definizione Sia { } una successione di numeri reali. Ci proponiamo di dare significato, quando possibile, alla somma a + a 2 +... + +... di tutti i termini della successione. Questa

Dettagli

Lab. 1 - Introduzione a Matlab

Lab. 1 - Introduzione a Matlab Lab. 1 - Introduzione a Matlab Alcune informazioni su Matlab Matlab è uno strumento per il calcolo scientifico utilizzabile a più livelli, dalla calcolatrice tascabile, alla simulazione ed analisi di sistemi

Dettagli

Metodi numerici per la risoluzione di equazioni. Equazioni differenziali ordinarie

Metodi numerici per la risoluzione di equazioni. Equazioni differenziali ordinarie Metodi numerici per la risoluzione di equazioni differenziali ordinarie Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Lezione 5-31 ottobre 2005 Outline 1 Il problema di Cauchy Il problema

Dettagli

A i è un aperto in E. i=1

A i è un aperto in E. i=1 Proposizione 1. A è aperto se e solo se A c è chiuso. Dimostrazione. = : se x o A c, allora x o A = A o e quindi esiste r > 0 tale che B(x o, r) A; allora x o non può essere di accumulazione per A c. Dunque

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme 1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R

Dettagli

GRANDEZZE SINUSOIDALI

GRANDEZZE SINUSOIDALI GRANDEE SINUSOIDALI INDICE -Grandezze variabili. -Grandezze periodiche. 3-Parametri delle grandezze periodiche. 4-Grandezze alternate. 5-Grandezze sinusoidali. 6-Parametri delle grandezze sinusoidali.

Dettagli

Rapida Introduzione all uso del Matlab Ottobre 2002

Rapida Introduzione all uso del Matlab Ottobre 2002 Rapida Introduzione all uso del Matlab Ottobre 2002 Tutti i tipi di dato utilizzati dal Matlab sono in forma di array. I vettori sono array monodimensionali, e così possono essere viste le serie temporali,

Dettagli

OGNI SPAZIO VETTORIALE HA BASE

OGNI SPAZIO VETTORIALE HA BASE 1 Mimmo Arezzo OGNI SPAZIO VETTORIALE HA BASE CONVERSAZIONE CON ALCUNI STUDENTI DI FISICA 19 DICEMBRE 2006 2 1 Preliminari Definizione 1.0.1 Un ordinamento parziale (o una relazione d ordine parziale)

Dettagli

Studente: SANTORO MC. Matricola : 528

Studente: SANTORO MC. Matricola : 528 CORSO di LAUREA in INFORMATICA Corso di CALCOLO NUMERICO a.a. 2004-05 Studente: SANTORO MC. Matricola : 528 PROGETTO PER L ESAME 1. Sviluppare una versione dell algoritmo di Gauss per sistemi con matrice

Dettagli

su web che riportano documentazione e software dedicati agli argomenti trattati nel libro, riportandone, alla fine dei rispettivi capitoli, gli

su web che riportano documentazione e software dedicati agli argomenti trattati nel libro, riportandone, alla fine dei rispettivi capitoli, gli Prefazione Non è facile definire che cosa è un problema inverso anche se, ogni giorno, facciamo delle operazioni mentali che sono dei metodi inversi: riconoscere i luoghi che attraversiamo quando andiamo

Dettagli

Funzioni di più variabili. Ottimizzazione libera e vincolata

Funzioni 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

Dettagli

APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI

APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................

Dettagli

Minimizzazione di Reti Logiche Combinatorie Multi-livello

Minimizzazione di Reti Logiche Combinatorie Multi-livello Minimizzazione di Reti Logiche Combinatorie Multi-livello Maurizio Palesi Maurizio Palesi 1 Introduzione Obiettivo della sintesi logica: ottimizzazione delle cifre di merito area e prestazioni Prestazioni:

Dettagli

Circuiti in Corrente Continua (direct current=dc) RIASSUNTO: La carica elettrica La corrente elettrica Il Potenziale Elettrico La legge di Ohm Il

Circuiti in Corrente Continua (direct current=dc) RIASSUNTO: La carica elettrica La corrente elettrica Il Potenziale Elettrico La legge di Ohm Il Circuiti in Corrente Continua direct currentdc ASSUNTO: La carica elettrica La corrente elettrica l Potenziale Elettrico La legge di Ohm l resistore codice dei colori esistenze in serie ed in parallelo

Dettagli

. analisi teorica (studio di esistenza, unicità della soluzione, sensitività rispetto ai dati, regolarità, comportamento qualitativo).

. analisi teorica (studio di esistenza, unicità della soluzione, sensitività rispetto ai dati, regolarità, comportamento qualitativo). 1 Modelli matematici Un modello è un insieme di equazioni e altre relazioni matematiche che rappresentano fenomeni fisici, spiegando ipotesi basate sull osservazione della realtà. In generale un modello

Dettagli

Introduzione agli algoritmi e alla programmazione in VisualBasic.Net

Introduzione agli algoritmi e alla programmazione in VisualBasic.Net Lezione 1 Introduzione agli algoritmi e alla programmazione in VisualBasic.Net Definizione di utente e di programmatore L utente è qualsiasi persona che usa il computer anche se non è in grado di programmarlo

Dettagli

19. Inclusioni tra spazi L p.

19. Inclusioni tra spazi L p. 19. Inclusioni tra spazi L p. Nel n. 15.1 abbiamo provato (Teorema 15.1.1) che, se la misura µ è finita, allora tra i corispondenti spazi L p (µ) si hanno le seguenti inclusioni: ( ) p, r ]0, + [ : p

Dettagli

4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale

4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale 4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale Spazi Metrici Ricordiamo che uno spazio metrico è una coppia (X, d) dove X è un insieme e d : X X [0, + [ è una funzione, detta metrica,

Dettagli

10. Insiemi non misurabili secondo Lebesgue.

10. Insiemi non misurabili secondo Lebesgue. 10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi

Dettagli

Proof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme

Proof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero

Dettagli

ESTRAZIONE DI RADICE

ESTRAZIONE DI RADICE ESTRAZIONE DI RADICE La radice è l operazione inversa dell elevamento a potenza. L esponente della potenza è l indice della radice che può essere: quadrata (); cubica (); quarta (4); ecc. La base della

Dettagli

1 Definizione: lunghezza di una curva.

1 Definizione: lunghezza di una curva. Abstract Qui viene affrontato lo studio delle curve nel piano e nello spazio, con particolare interesse verso due invarianti: la curvatura e la torsione Il primo ci dice quanto la curva si allontana dall

Dettagli

Laboratorio di Elettrotecnica

Laboratorio di Elettrotecnica 1 Laboratorio di Elettrotecnica Rappresentazione armonica dei Segnali Prof. Pietro Burrascano - Università degli Studi di Perugia Polo Scientifico Didattico di Terni 2 SEGNALI: ANDAMENTI ( NEL TEMPO, NELLO

Dettagli

...esempi di progressioni aritmetiche (anche senza un primo termine ) La costante si chiama RAGIONE

...esempi di progressioni aritmetiche (anche senza un primo termine ) La costante si chiama RAGIONE A. s. 20/202 classe 4^Ap G. Zambon Appunti sulle funzioni lineari, esponenziali, logaritmiche e potenze. Da integrare con gli appunti presi in classe Tutte queste funzioni possono essere definite in termini

Dettagli

Capitolo Dodicesimo CALCOLO DIFFERENZIALE PER FUNZIONI DI PIÙ VARIABILI

Capitolo Dodicesimo CALCOLO DIFFERENZIALE PER FUNZIONI DI PIÙ VARIABILI Capitolo Dodicesimo CALCOLO DIFFERENZIALE PER FUNZIONI DI PIÙ VARIABILI CAMPI SCALARI Sono dati: un insieme aperto A Â n, un punto x = (x, x 2,, x n )T A e una funzione f : A Â Si pone allora il PROBLEMA

Dettagli

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1 UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA Filippo Romano 1 1. Introduzione 2. Analisi Multicriteri o Multiobiettivi 2.1 Formule per l attribuzione del

Dettagli

ANALISI DELLE FREQUENZE: IL TEST CHI 2

ANALISI DELLE FREQUENZE: IL TEST CHI 2 ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento

Dettagli

Lezione del 28-11-2006. Teoria dei vettori ordinari

Lezione del 28-11-2006. Teoria dei vettori ordinari Lezione del 8--006 Teoria dei vettori ordinari. Esercizio Sia B = {i, j, k} una base ortonormale fissata. ) Determinare le coordinate dei vettori v V 3 complanari a v =,, 0) e v =, 0, ), aventi lunghezza

Dettagli

5 Radici primitive dell unità e congruenze del tipo

5 Radici primitive dell unità e congruenze del tipo 5 Radici primitive dell unità e congruenze del tipo X m a (mod n ) Oggetto di questo paragrafo è lo studio della risolubilità di congruenze del tipo: X m a (mod n) con m, n, a Z ed m, n > 0. Per l effettiva

Dettagli

FUNZIONI CONVESSE. + e x 0

FUNZIONI CONVESSE. + e x 0 FUNZIONI CONVESSE Sia I un intervallo aperto di R (limitato o illimitato) e sia f(x) una funzione definita in I. Dato x 0 I, la retta r passante per il punto P 0 (x 0, f(x 0 )) di equazione y = f(x 0 )

Dettagli