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

Siano V e W due spazi vettoriali. La definizione seguente é è tra quelle basilari per il corso di Matematica B. L : V W

Siano V e W due spazi vettoriali. La definizione seguente é è tra quelle basilari per il corso di Matematica B. L : V W Matematica B - a.a 2006/07 p. 1 Siano V e W due spazi vettoriali. La definizione seguente é è tra quelle basilari per il corso di Matematica B. Definizione 1. La funzione L : V W si dice una applicazione

Dettagli

Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica

Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica Esame di Geometria (Prof. F. Tovena) Argomenti: Proprietà di nucleo e immagine di una applicazione lineare. dim V = dim

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

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai

Dettagli

Lezione 6 Nucleo, Immagine e Teorema della Dimensione. 1 Definizione di Nucleo e Immagine

Lezione 6 Nucleo, Immagine e Teorema della Dimensione. 1 Definizione di Nucleo e Immagine Lezione 6 Nucleo, Immagine e Teorema della Dimensione In questa lezione entriamo nel vivo della teoria delle applicazioni lineari. Per una applicazione lineare L : V W definiamo e impariamo a calcolare

Dettagli

Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari

Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari Versione ottobre novembre 2008 Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari Contenuto 1. Applicazioni lineari 2. L insieme delle

Dettagli

Applicazioni lineari

Applicazioni lineari Applicazioni lineari Esempi di applicazioni lineari Definizione. Se V e W sono spazi vettoriali, una applicazione lineare è una funzione f: V W tale che, per ogni v, w V e per ogni a, b R si abbia f(av

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

LEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0

LEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0 LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi

Dettagli

3 Applicazioni lineari e matrici

3 Applicazioni lineari e matrici 3 Applicazioni lineari e matrici 3.1 Applicazioni lineari Definizione 3.1 Siano V e W dei K spazi vettoriali. Una funzione f : V W è detta applicazione lineare se: i u, v V, si ha f(u + v = f(u + f(v;

Dettagli

Parte 6. Applicazioni lineari

Parte 6. Applicazioni lineari Parte 6 Applicazioni lineari A Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Applicazioni fra insiemi, 2 Applicazioni lineari tra spazi vettoriali, 2 3 Applicazioni lineari da R n a R

Dettagli

Chiusura lineare. N.B. A può essere indifferentemente un insieme, finito o no, o un sistema. Es.1. Es.2

Chiusura lineare. N.B. A può essere indifferentemente un insieme, finito o no, o un sistema. Es.1. Es.2 Chiusura lineare Def. Sia A V (K) con A. Si dice copertura lineare (o chiusura lineare) di A, e si indica con L(A), l insieme dei vettori di V che risultano combinazioni lineari di un numero finito di

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

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

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza

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

LEZIONE 16. Proposizione 16.1.2. Siano V e W spazi vettoriali su k = R, C. Se f: V W

LEZIONE 16. Proposizione 16.1.2. Siano V e W spazi vettoriali su k = R, C. Se f: V W LEZIONE 16 16.1. Applicazioni lineari iniettive e suriettive. Ricordo le seguenti due definizioni valide per applicazioni di qualsiasi tipo ϕ: X Y fra due insiemi. L applicazione ϕ si dice iniettiva se

Dettagli

RICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come

RICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come RICHIAMI SULLE MATRICI Una matrice di m righe e n colonne è rappresentata come A = a 11 a 12... a 1n a 21 a 22... a 2n............ a m1 a m2... a mn dove m ed n sono le dimensioni di A. La matrice A può

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

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

Algebra Lineare e Geometria

Algebra Lineare e Geometria Algebra Lineare e Geometria Corso di Laurea in Ingegneria Elettronica A.A. 2013-2014 Prova d esame del 16/06/2014. 1) a) Determinare la matrice associata all applicazione lineare T : R 3 R 4 definita da

Dettagli

LEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE

LEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE LEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE FLAVIO ANGELINI Sommario Queste note hanno lo scopo di indicare a studenti di Economia interessati alla finanza quantitativa i concetti essenziali

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

LE FIBRE DI UNA APPLICAZIONE LINEARE

LE FIBRE DI UNA APPLICAZIONE LINEARE LE FIBRE DI UNA APPLICAZIONE LINEARE Sia f:a B una funzione tra due insiemi. Se y appartiene all immagine di f si chiama fibra di f sopra y l insieme f -1 y) ossia l insieme di tutte le controimmagini

Dettagli

Metodi iterativi per sistemi lineari

Metodi iterativi per sistemi lineari Metodi iterativi per sistemi lineari Dario A. Bini, Università di Pisa 30 ottobre 2013 Sommario Questo modulo didattico contiene risultati relativi ai metodi iterativi per risolvere sistemi di equazioni

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

LEZIONE 31. B i : R n R. R m,n, x = (x 1,..., x n ). Allora sappiamo che è definita. j=1. a i,j x j.

LEZIONE 31. B i : R n R. R m,n, x = (x 1,..., x n ). Allora sappiamo che è definita. j=1. a i,j x j. LEZIONE 31 31.1. Domini di funzioni di più variabili. Sia ora U R n e consideriamo una funzione f: U R m. Una tale funzione associa a x = (x 1,..., x n ) U un elemento f(x 1,..., x n ) R m : tale elemento

Dettagli

Tutorato di GE110. Universitá degli Studi Roma Tre - Corso di Laurea in Matematica

Tutorato di GE110. Universitá degli Studi Roma Tre - Corso di Laurea in Matematica Universitá degli Studi Roma Tre - Corso di Laurea in Matematica Tutorato di GE110 A.A. 2014-2015 - Docente: Prof. Angelo Felice Lopez Tutori: Federico Campanini e Giulia Salustri Soluzioni Tutorato 13

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

APPLICAZIONI LINEARI. B si definisce surriettiva. 9 quando ogni elemento di. B risulta IMMAGINE di. almeno un elemento di A.

APPLICAZIONI LINEARI. B si definisce surriettiva. 9 quando ogni elemento di. B risulta IMMAGINE di. almeno un elemento di A. APPLICAZIONI LINEARI Siano V e W due spazi vettoriali, di dimensione m ed n sullo stesso campo di scalari R. Una APPLICAZIONE ƒ : V W viene definita APPLICAZIONE LINEARE od OMOMORFISMO se risulta, per

Dettagli

1 Applicazioni Lineari tra Spazi Vettoriali

1 Applicazioni Lineari tra Spazi Vettoriali 1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!

Dettagli

Prodotto elemento per elemento, NON righe per colonne Unione: M R S

Prodotto elemento per elemento, NON righe per colonne Unione: M R S Relazioni binarie Una relazione binaria può essere rappresentata con un grafo o con una matrice di incidenza. Date due relazioni R, S A 1 A 2, la matrice di incidenza a seguito di varie operazioni si può

Dettagli

G. Pareschi RELAZIONI. RELAZIONI DI EQUIVALENZA. 1. Definizione e terminologia

G. Pareschi RELAZIONI. RELAZIONI DI EQUIVALENZA. 1. Definizione e terminologia G. Pareschi RELAZIONI. RELAZIONI DI EQUIVALENZA. 1. Definizione e terminologia Definizione 1.1 Relazione. Dati due insiemi A e B un sottoisieme R A B è detto una relazione binaria tra A e B. Se A = B allora

Dettagli

STRUTTURE ALGEBRICHE

STRUTTURE ALGEBRICHE STRUTTURE ALGEBRICHE Operazioni in un insieme Sia A un insieme non vuoto; una funzione f : A A A si dice operazione binaria (o semplicemente operazione), oppure legge di composizione interna. Per definizione

Dettagli

Fondamenti di Automatica

Fondamenti di Automatica Fondamenti di Automatica Analisi dei sistemi dinamici Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 0532 974839 E-mail: marcello.bonfe@unife.it pag. 1 Analisi dei

Dettagli

G. Pareschi GENERALITÀ SULLE FUNZIONI. CARDINALITÀ

G. Pareschi GENERALITÀ SULLE FUNZIONI. CARDINALITÀ G. Pareschi GENERALITÀ SULLE FUNZIONI. CARDINALITÀ 1. Definizione di funzione Definizione 1.1. Siano X e Y due insiemi. Una funzione f da X a Y è un sottoinsieme del prodotto cartesiano: f X Y, tale che

Dettagli

Corso di Analisi Numerica

Corso di Analisi Numerica Corso di Laurea in Ingegneria Informatica Corso di Analisi Numerica 8 - METODI ITERATIVI PER I SISTEMI LINEARI Lucio Demeio Dipartimento di Scienze Matematiche 1 Norme e distanze 2 3 4 Norme e distanze

Dettagli

Applicazioni lineari

Applicazioni lineari CAPITOLO 8 Applicazioni lineari Esercizio 8.. Sia T : R 3 R 3 l applicazione definita da T(x,x,x 3 ) = (x,x,x 3 ). Stabilire se T è lineare. Esercizio 8.. Verificare che la funzione determinante definita

Dettagli

Prodotto libero di gruppi

Prodotto libero di gruppi Prodotto libero di gruppi 24 aprile 2014 Siano (A 1, +) e (A 2, +) gruppi abeliani. Sul prodotto cartesiano A 1 A 2 definiamo l operazione (x 1, y 1 ) + (x 2, y 2 ) := (x 1 + x 2, y 1 + y 2 ). Provvisto

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

Lezioni di Geometria e Algebra. Fulvio Bisi, Francesco Bonsante, Sonia Brivio

Lezioni di Geometria e Algebra. Fulvio Bisi, Francesco Bonsante, Sonia Brivio Lezioni di Geometria e Algebra Fulvio Bisi, Francesco Bonsante, Sonia Brivio CAPITOLO 4 Applicazioni lineari 1. Definizioni ed esempi. In questo capitolo ci proponiamo di studiare le funzioni tra spazi

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

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

ALGEBRA I: MODULI. Abbiamo indicato con 0 A, 1 A lo zero e l unità nell anello A e con 0 M l elemento neutro del gruppo abeliano (M, +).

ALGEBRA I: MODULI. Abbiamo indicato con 0 A, 1 A lo zero e l unità nell anello A e con 0 M l elemento neutro del gruppo abeliano (M, +). ALGEBRA I: MODULI 1 GENERALITÀ SUGLI A-MODULI Il concetto di A-modulo generalizza quello di spazio vettoriale su un campo K Definizione 11 Sia A un anello commutativo con unità Un A-modulo è un insieme

Dettagli

CORSO DI LAUREA INF TWM ANNO DI IMMATRICOLAZIONE MATRICOLA

CORSO DI LAUREA INF TWM ANNO DI IMMATRICOLAZIONE MATRICOLA COGNOME NOME CORSO DI LAUREA INF TWM ANNO DI IMMATRICOLAZIONE MATRICOLA SIMULAZIONE SCRITTO DI MATEMATICA DISCRETA, SECONDA PARTE Per ottenere la sufficienza bisogna rispondere in modo corretto ad almeno

Dettagli

Lezioni del corso di Geometria e Algebra. prof. Michele Mulazzani dott. Alessia Cattabriga

Lezioni del corso di Geometria e Algebra. prof. Michele Mulazzani dott. Alessia Cattabriga Lezioni del corso di Geometria e Algebra prof Michele Mulazzani dott Alessia Cattabriga AA 20001/2002 Indice 1 Equazioni e sistemi lineari 4 11 Alcune strutture algebriche 4 12 Operazioni standard su K

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

Algebra e Geometria. Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2)

Algebra e Geometria. Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2) Algebra e Geometria Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2) Traccia delle lezioni che saranno svolte nell anno accademico 2012/13 I seguenti appunti

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

Autovalori e Autovettori

Autovalori e Autovettori Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2008-2009 Autovalori e Autovettori Definizione Siano A C nxn, λ C, e x C n, x 0, tali che Ax = λx. (1) Allora

Dettagli

Metodi diretti per la soluzione di sistemi lineari

Metodi diretti per la soluzione di sistemi lineari Metodi diretti per la soluzione di sistemi lineari N Del Buono 1 Introduzione Consideriamo un sistema di n equazioni in n incognite a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1, a 21 x 1 + a 22 x

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

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

1 Massimi e minimi liberi 1. 2 Massimi e minimi vincolati 7. 3 Soluzioni degli esercizi 12

1 Massimi e minimi liberi 1. 2 Massimi e minimi vincolati 7. 3 Soluzioni degli esercizi 12 UNIVR Facoltà di Economia Sede di Vicenza Corso di Matematica 1 Massimi e minimi delle funzioni di più variabili Indice 1 Massimi e minimi liberi 1 Massimi e minimi vincolati 7 3 Soluzioni degli esercizi

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

ESERCIZI APPLICAZIONI LINEARI

ESERCIZI APPLICAZIONI LINEARI ESERCIZI APPLICAZIONI LINEARI PAOLO FACCIN 1. Esercizi sulle applicazioni lineari 1.1. Definizioni sulle applicazioni lineari. Siano V, e W spazi vettoriali, con rispettive basi B V := (v 1 v n) e B W

Dettagli

Funzioni. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara

Funzioni. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara Funzioni Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)

Dettagli

09 - Funzioni reali di due variabili reali

09 - Funzioni reali di due variabili reali Università degli Studi di Palermo Facoltà di Economia CdS Sviluppo Economico e Cooperazione Internazionale Appunti del corso di Matematica 09 - Funzioni reali di due variabili reali Anno Accademico 2013/2014

Dettagli

NULLSTELLENSATZ PER TUTTI

NULLSTELLENSATZ PER TUTTI NULLSTELLENSATZ PER TUTTI MARCO MANETTI Dedicato alla memoria di Franco Conti Il Nullstellensatz, detto anche teorema degli zeri di Hilbert, è la generalizzazione in più dimensioni del teorema fondamentale

Dettagli

APPLICAZIONI LINEARI

APPLICAZIONI LINEARI APPLICAZIONI LINEARI Esercizi Esercizio 1. Sia f: R 3 R 2 (x, y, z) (x + 2y + z, y + z). (1) Verificare che f è lineare. (2) Determinare una base di ker(f) e stabilire se f è iniettiva. (3) Calcolare w

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

Soluzioni del giornalino n. 16

Soluzioni del giornalino n. 16 Soluzioni del giornalino n. 16 Gruppo Tutor Soluzione del Problema 1 Soluzioni corrette ci sono pervenute da : Gianmarco Chinello, Andrea Conti, Simone Costa, Marco Di Liberto, Simone Di Marino, Valerio

Dettagli

2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1

2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1 1 PORTAFOGLIO Portafoglio Markowitz (2 titoli) (rischiosi) due titoli rendimento/varianza ( μ 1, σ 1 ), ( μ 2, σ 2 ) Si suppone μ 1 > μ 2, σ 1 > σ 2 portafoglio con pesi w 1, w 2 w 1 = w, w 2 = 1- w 1

Dettagli

Diagonalizzazione di matrici e applicazioni lineari

Diagonalizzazione di matrici e applicazioni lineari CAPITOLO 9 Diagonalizzazione di matrici e applicazioni lineari Esercizio 9.1. Verificare che v = (1, 0, 0, 1) è autovettore dell applicazione lineare T così definita T(x 1,x 2,x 3,x 4 ) = (2x 1 2x 3, x

Dettagli

- Trovare soluzione ottima primale ( con il simplesso o algoritmo analogo)

- Trovare soluzione ottima primale ( con il simplesso o algoritmo analogo) Se si ha un problema lineare e' possibile risolverlo in piu' modi (equivalenti ) - Trovare soluzione ottima primale ( con il simplesso o algoritmo analogo) - Trovare soluzione ottima duale (con il simplesso

Dettagli

RELAZIONI BINARIE. Proprietà delle relazioni Data una relazione R, definita in un insieme non vuoto U, si hanno le seguenti proprietà :

RELAZIONI BINARIE. Proprietà delle relazioni Data una relazione R, definita in un insieme non vuoto U, si hanno le seguenti proprietà : RELAZIONI INARIE Dati due insiemi non vuoti, A detto dominio e detto codominio, eventualmente coincidenti, si chiama relazione binaria (o corrispondenza) di A in, e si indica con f : A, (oppure R ) una

Dettagli

Corso di Geometria e Algebra Lineare - Sezione di Metodi Numerici

Corso di Geometria e Algebra Lineare - Sezione di Metodi Numerici Corso di Geometria e Algebra Lineare - Sezione di Metodi Numerici C. Vergara 3. Metodo della fattorizzazione LU per la risoluzione di un sistema lineare Errori di arrotondamento. Prima di affrontare la

Dettagli

Analisi 2. Argomenti. Raffaele D. Facendola

Analisi 2. Argomenti. Raffaele D. Facendola Analisi 2 Argomenti Successioni di funzioni Definizione Convergenza puntuale Proprietà della convergenza puntuale Convergenza uniforme Continuità e limitatezza Teorema della continuità del limite Teorema

Dettagli

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU 9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A LU 9.1 Il metodo di Gauss Come si è visto nella sezione 3.3, per la risoluzione di un sistema lineare si può considerare al posto

Dettagli

I Polinomi. Michele Buizza. L'insieme dei numeri interi lo indicheremo con Z. è domenica = non vado a scuola. signica se e solo se.

I Polinomi. Michele Buizza. L'insieme dei numeri interi lo indicheremo con Z. è domenica = non vado a scuola. signica se e solo se. I Polinomi Michele Buizza 1 Insiemi In questa prima sezione ricordiamo la simbologia che useremo in questa breve dispensa. Iniziamo innanzitutto a ricordare i simboli usati per i principali insiemi numerici.

Dettagli

Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria - Edile ed Edile-Architettura

Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria - Edile ed Edile-Architettura Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria - Edile ed Edile-Architettura Primo Esonero del corso di Geometria Docente F. Flamini, Roma, 2//28 SOLUZIONI COMPITO I ESONERO Esercizio.

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

Laboratorio di Matematica Computazionale A.A. 2008-2009 Lab. 1 - Introduzione a Matlab

Laboratorio di Matematica Computazionale A.A. 2008-2009 Lab. 1 - Introduzione a Matlab Laboratorio di Matematica Computazionale A.A. 2008-2009 Lab. 1 - Introduzione a Matlab Alcune informazioni su Matlab Matlab è uno strumento per il calcolo scientifico utilizzabile a più livelli, dalla

Dettagli

Algebra lineare for dummies

Algebra lineare for dummies Algebra lineare for dummies Sergio Polini 26 settembre 22 Indice Premessa 2 Spazi vettoriali 3. Definizione................................ 3.2 Sottospazi vettoriali........................... 3.3 Indipendenza

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

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

La Logica Proposizionale. (Algebra di Boole)

La Logica Proposizionale. (Algebra di Boole) 1 ISTITUTO DI ISTRUZIONE SUPERIORE ANGIOY La Logica Proposizionale (Algebra di Boole) Prof. G. Ciaschetti 1. Cenni storici Sin dagli antichi greci, la logica è intesa come lo studio del logos, che in greco

Dettagli

Documentazione esterna al software matematico sviluppato con MatLab

Documentazione esterna al software matematico sviluppato con MatLab Documentazione esterna al software matematico sviluppato con MatLab Algoritmi Metodo di Gauss-Seidel con sovrarilassamento Metodo delle Secanti Metodo di Newton Studente Amelio Francesco 556/00699 Anno

Dettagli

0. Piano cartesiano 1

0. Piano cartesiano 1 0. Piano cartesiano Per piano cartesiano si intende un piano dotato di due assi (che per ragioni pratiche possiamo scegliere ortogonali). Il punto in comune ai due assi è detto origine, e funziona da origine

Dettagli

Rette e curve, piani e superfici

Rette e curve, piani e superfici Rette e curve piani e superfici ) dicembre 2 Scopo di questo articolo è solo quello di proporre uno schema riepilogativo che metta in luce le caratteristiche essenziali delle equazioni di rette e curve

Dettagli

Spazi lineari - PARTE II - Felice Iavernaro. Dipartimento di Matematica Università di Bari. 9 e 16 Marzo 2007

Spazi lineari - PARTE II - Felice Iavernaro. Dipartimento di Matematica Università di Bari. 9 e 16 Marzo 2007 Spazi lineari - PARTE II - Felice Iavernaro Dipartimento di Matematica Università di Bari 9 e 16 Marzo 2007 Felice Iavernaro (Univ. Bari) Spazi lineari 9-16/03/2007 1 / 17 Condizionamento dei sistemi lineari

Dettagli

Capitolo I STRUTTURE ALGEBRICHE ELEMENTARI

Capitolo I STRUTTURE ALGEBRICHE ELEMENTARI Capitolo I STRUTTURE ALGEBRICHE ELEMENTARI In matematica, per semplificare la stesura di un testo, si fa ricorso ad un linguaggio specifico. In questo capitolo vengono fornite in maniera sintetica le nozioni

Dettagli

Ricerca Operativa 2. Introduzione al metodo del Simplesso

Ricerca Operativa 2. Introduzione al metodo del Simplesso Ricerca Operativa 2. Introduzione al metodo del Simplesso Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema di ottimizzazione vincolata è definito dalla massimizzazione

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

d 2 dx ψ + 2 m E V x ψ = 0 V x = V x + a. ψ(x+a) = Q ψ(x). ψ x = e " i k x u k ψ x + a = e " i k x + a u k x + a = e " i k a e " i k x u k

d 2 dx ψ + 2 m E V x ψ = 0 V x = V x + a. ψ(x+a) = Q ψ(x). ψ x = e  i k x u k ψ x + a = e  i k x + a u k x + a = e  i k a e  i k x u k Teorema di Bloch Introduzione (vedi anche Ascroft, dove c è un approccio alternativo) Cominciamo col considerare un solido unidimensionale. Il modello è quello di una particella (l elettrone) in un potenziale

Dettagli

L Ultimo Teorema di Fermat per n = 3 e n = 4

L Ultimo Teorema di Fermat per n = 3 e n = 4 Università degli Studi di Cagliari Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di Laurea in Matematica L Ultimo Teorema di Fermat per n = 3 e n = 4 Relatore Prof. Andrea Loi Tesi di Laurea

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

APPENDICE NOZIONI BASE E VARIE

APPENDICE NOZIONI BASE E VARIE pag. 131 Appendice: Nozioni base e varie G. Gerla APPENDICE NOZIONI BASE E VARIE 1. Funzioni e relazioni di equivalenza Questi appunti sono rivolti a persone che abbiano già una conoscenza elementare della

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

Introduzione. Margine di ampiezza... 2 Margine di fase... 5 Osservazione... 6 Margini di stabilità e diagrammi di Bode... 6

Introduzione. Margine di ampiezza... 2 Margine di fase... 5 Osservazione... 6 Margini di stabilità e diagrammi di Bode... 6 ppunti di Controlli utomatici Capitolo 7 parte II Margini di stabilità Introduzione... Margine di ampiezza... Margine di fase... 5 Osservazione... 6 Margini di stabilità e diagrammi di ode... 6 Introduzione

Dettagli

Dimensionamento dei lotti di produzione: il caso con variabilità nota

Dimensionamento dei lotti di produzione: il caso con variabilità nota Dimensionamento dei lotti di produzione: il caso con variabilità nota A. Agnetis In questi appunti studieremo alcuni modelli per il problema del lot sizing, vale a dire il problema di programmare la dimensione

Dettagli

Insiemi con un operazione

Insiemi con un operazione Capitolo 3 Insiemi con un operazione 3.1 Gruppoidi, semigruppi, monoidi Definizione 309 Un operazione binaria su un insieme G è una funzione: f : G G G Quindi, un operazione binaria f su un insieme G è

Dettagli

1.1. Spazi metrici completi

1.1. Spazi metrici completi SPAZI METRICI: COMPLETEZZA E COMPATTEZZA Note informali dalle lezioni 1.1. Spazi metrici completi La nozione di convergenza di successioni è centrale nello studio degli spazi metrici. In particolare è

Dettagli

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Fondamenti di calcolo booleano

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Fondamenti di calcolo booleano Breve introduzione storica Nel 1854, il prof. Boole pubblica un trattato ormai famosissimo: Le leggi del pensiero. Obiettivo finale del trattato è di far nascere la matematica dell intelletto umano, un

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 con dominio in R n

Funzioni con dominio in R n 0.1 Punti e vettori di R n Politecnico di Torino. Funzioni con dominio in R n Nota Bene: delle lezioni. Questo materiale non deve essere considerato come sostituto Molto spesso risulta che una quantita

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

I SISTEMI DI NUMERAZIONE

I SISTEMI DI NUMERAZIONE ISTITUTO DI ISTRUZIONE SUPERIORE G. M. ANGIOY CARBONIA I SISTEMI DI NUMERAZIONE Prof. G. Ciaschetti Fin dall antichità, l uomo ha avuto il bisogno di rappresentare le quantità in modo simbolico. Sono nati

Dettagli

Ricerca Operativa Dualità e programmazione lineare

Ricerca Operativa Dualità e programmazione lineare Ricerca Operativa Dualità e programmazione lineare L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi alle spiegazioni del

Dettagli