LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v a 1,n 1 v n 1 + a 1,n v n = w 1

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "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"

Transcript

1 LEZIONE 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, il più semplice spazio k n per qualche n, in maniera che le operazioni si conservino tramite tale identificazione: ci poniamo il problema di capire se tale numero n è in qualche modo una proprietà intrinseca di V La nozione di dimensione si basa sul seguente risultato fondamentale, detto Lemma di Steinitz Lemma 1411 Sia V uno spazio vettoriale su k = R, C Se v 1,, v n V sono generatori e w 1,, w m V sono linearmente indipendenti allora m n Dimostrazione Poiché i vettori v 1,, v n V sono generatori di V esistono scalari a i,j k, 1 i m, 1 j n, tali che a 1,1 v 1 + a 1,2 v 2 + a 1,3 v a 1,n 1 v n 1 + a 1,n v n = w 1 (14111) a 2,1 v 1 + a 2,2 v 2 + a 2,3 v a 2,n 1 v n 1 + a 2,n v n = w 2 a 3,1 v 1 + a 3,2 v 2 + a 3,3 v a 3,n 1 v n 1 + a 3,n v n = w 3 a m,1 v 1 + a m,2 v 2 + a m,3 v a m,n 1 v n 1 + a m,n v n = w m Abbiamo dunque una matrice A = (a i,j ) 1 i m k m,n Ogni operazione elementare sulla matrice equivale ad un analoga operazione sulle equazioni del sistema 1 j n vettoriale (14111) In particolare noi sappiamo che con un numero finito di operazioni elementari di riga di tipo E1 possiamo trasformare A in una nuova matrice ridotta per righe A = (a i,j ) k m,n corrispondente ad un nuovo sistema vettoriale avente 1 i m 1 j n come termini noti certe combinazioni lineari dei vettori w 1,, w m Poiché ogni equazione del sistema (14111) contiene un vettore w i e w 1,, w m sono linearmente indipendenti, dopo tali operazioni il termine noto dell i esima equazione conterrà ancora il vettore w i con coefficiente 1 Se fosse m > n almeno una riga, per fissare le idee diciamo quella di indice m, di A sarebbe nulla, quindi avremmo una relazione di dipendenza lineare del tipo 0 V = 0v 1 + 0v v n = b 1 w b m 1 w m 1 + 1w m 1 Typeset by AMS-TEX

2 2 141 DIMENSIONE DI UNO SPAZIO VETTORIALE che non è possibile se, come stiamo supponendo, i vettori w 1,, w m sono linearmente indipendenti Concludiamo che m n La più importante conseguenza del precedente lemma è Corollario 1412 Sia V uno spazio vettoriale su k = R, C Allora se B = (v 1,, v n ) e D = (w 1,, w m ) sono basi di V risulta m = n Dimostrazione Poiché v 1,, v n sono generatori di V e w 1,, w m sono linearmente indipendenti, per il Lemma 1411 risulta m n D altra parte, poiché w 1,, w m sono generatori di V e v 1,, v n sono linearmente indipendenti, ancora per il Lemma 1411 risulta anche m n In particolare ciò significa che in uno spazio vettoriale finitamente generato e non nullo tutte le basi hanno lo stesso numero di elementi Questa osservazione ci permette di introdurre la seguente definizione Definizione 1413 Sia V uno spazio vettoriale su k = R, C finitamente generato Se V { 0 V } definiamo dimensione di V il numero dim k (V ) di elementi di una qualsiasi sua base Se V = { 0 V } poniamo dim k (V ) = 0 Nel caso in cui il campo k sia evidente dal contesto, si scrive semplicemente dim(v ) Esempio 1414 Poiché una base di R 3 è la base canonica C = (e 1, e 2, e 3 ) (si veda Esempio 1325), segue che dim R (R 3 ) = 3 Più in generale sia k = R, C Allora la base canonica C = (e 1,, e n ) di k n (si veda l Esempio 1326) è formata da n vettori, dunque dim k (k n ) = n Esempio 1415 Lo spazio vettoriale C 2,2 ha B = (E 1,1, E 1,2, E 2,1, E 2,2 ) come base, quindi dim C (C 2,2 ) = 4 (si veda l esempio 1327) Più in generale se k = R, C, dim k (k m,n ) = mn Esempio 1416 Sia V uno spazio vettoriale su C Poiché R C, allora V è anche uno spazio vettoriale su R: l operazione di somma rimane la stessa, quella di prodotto per uno scalare si ottiene restringendo quella definita in V a R V C V Per esempio C è uno spazio vettoriale su C, 1 C è linearmente indipendente e genera C come spazio vettoriale su C, poiché a+bi = (a+bi)1, dunque dim C (C) = 1, come già sappiamo dall Esempio 1414 D altra parte C è anche spazio vettoriale su R Da questo punto di vista 1 non è più generatore di C su R: infatti se lo fosse ogni suo elemento sarebbe combinazione lineare di 1 a coefficienti in R e, in questo modo, possiamo ottenere solo i numeri complessi con parte immaginaria nulla Per generare C su R occorrono almeno due elementi: per esempio 1 ed i sono generatori di C su R, poiché a + bi = (a)1 + (b)i per ogni a, b R Inoltre sono linearmente indipendenti: infatti se a, b R, risulta a + bi = 0 se e solo se s = b = 0, per definizione di 0 in C Concludiamo che dim R (C) = 2 Più in generale si può dimostrare che se dim C (V ) = n allora dim R (V ) = 2n Concludiamo il paragrafo con la seguente conseguenza della Proposizione 1328

3 LEZIONE 14 3 Proposizione 1417 Sia V { 0 V } uno spazio vettoriale su k = R, C Se dim k (V ) = n e v 1,, v n V, le seguenti affermazioni sono equivalenti: i) v 1,, v n V sono generatori di V ; ii) v 1,, v n V sono linearmente indipendenti; iii) (v 1,, v n ) è base di V Dimostrazione Se i vettori v 1,, v n V sono generatori di V scartando eventualmente alcuni di loro potremmo ottenere una base di V : poiché ogni base di V è costituita da n vettori, non è dunque necessario scartare niente, cioè v 1,, v n sono già linearmente indipendenti Viceversa, se i vettori v 1,, v n V sono linearmente indipendenti, aggiungendo eventualmente alcuni altri vettori potremmo ottenere una base di V : poiché ogni base di V è costituita da n vettori, non è dunque necessario aggiungere niente, cioè w 1,, w n sono già generatori di V Quindi i) vale se e solo se vale ii), dunque sono equivalenti a iii) Esempio 1418 In R 4 si considerino v 1 = (1, 2, π, 0), v 2 = (3/2, 117, 0, 2), v 3 = (0, 1, 0, 3/7), v 4 = (0, 3, 0, 0) La relazione di dipendenza lineare fra di loro α 1 v 1 +α 2 v 2 +α 3 v 3 +α 4 v 4 = 0 R 4 si traduce immediatamente nel sistema omogeneo α α 2 = 0 2α 1 117α 2 + α 3 + 3α 4 = 0 πα 1 = 0 2α2 3 7 α 3 = 0 : è facile vedere che l unica soluzione di tale sistema è α 1 = α 2 = α 3 = α 4 = 0, cioè i vettori v 1, v 2, v 3, v 4 sono linearmente indipendenti Per la Proposizione 1417, concludiamo che essi sono anche generatori di R 4 senza doverlo verificare direttamente In particolare B = (v 1, v 2, v 3, v 4 ) è una base di R Dimensione di sottospazi Sia V uno spazio vettoriale su k = R, C finitamente generato Nel corso del precedente paragrafoabbiamo introdotto la definizione di dimensione di V Se W V è un suo sottospazio vettoriale viene allora naturale porsi alcune domande: W è finitamente generato? Se sì, ci sono legami tra dim k (W ) e dim k (V )? Proposizione 1421 Sia V uno spazio vettoriale su k = R, C finitamente generato Allora ogni sottospazio vettoriale W V è finitamente generato Inoltre si ha che dim k (W ) dim k (V ) e dim k (W ) = dim k (V ) se e solo se W = V Dimostrazione Se W = { 0 V } la tesi è ovviamente verificata Supponiamo che W non sia finitamente generato Allora esiste w 1 W \{ 0 V }: risulta L(w 1 ) W, quindi deve esistere w 2 W \ L(w 1 ) Per costruzione w 1 e w 2 sono linearmente indipendenti e, per ipotesi, deve esistere w 3 W \ L(w 1, w 2 )

4 4 142 DIMENSIONE DI SOTTOSPAZI In questo modo riusciamo a costruire una successione di vettori { w i } i N W tale che, per ogni N N, i vettori w 1,, w N W sono linearmente indipendenti In particolare ciò dovrebbe accadere anche per N = dim k (V ) + 1, il che è assurdo perché i vettori w 1,, w N sono in W, quindi in V (si veda il Lemma di Steinitz) Poiché W { 0 V } è finitamente generato ha basi: sia (w 1,, w m ) una sua base Poiché w 1,, w m W V sono linearmente indipendenti (perché formano una base di W ), allora dim k (W ) = m dim k (V ) dal Lemma di Steinitz Chiaramente se W = V allora dim k (W ) = dim k (V ) = n Viceversa, se ciò accade, esiste un insieme di vettori linearmente indipendenti w 1,, w n di W V, quindi w 1,, w n generano V per la Proposizione 1417: poiché W V segue W = V Esempio 1423 In R 4 si considerino i vettori v 1 = (1, 2, 1, 1), v 2 = (2, 1, 1, 0), v 3 = (0, 0, 0, 0), v 4 = (1, 1, 0, 0), v 5 = (4, 4, 0, 1) Calcoliamo la dimensione di W = L(v 1, v 2, v 3, v 4, v 5 ) R 4 Abbiamo visto nell Esempio 1412 che B = (v 1, v 2, v 4 ) è una base di W R 4, quindi dim(w ) = 3 < 4: in particolare W R 4 Esempio 1424 Sia A = (a i,j ) 1 i m k m,n Abbiamo verificato nell Esempio 1 j n 1225 che l insieme W delle soluzioni in k n,p del sistema omogeneo AX = 0 m,p è un sottospazio Poiché k n,p è finitamente generato è lecito calcolare la dimensione di W Poiché la dimensione di W dipende solo da W ma non da A, possiamo supporre che A sia fortemente ridotta per righe e, per fissare le idee, possiamo anche supporre che il suo pivot sulla i esima riga si trovi nella colonna i esima Quindi, posto r = rk(a), il sistema AX = 0 m,p è della forma (14241) a 1,r+1 a 1,r+2 a 1,n a 2,r+1 a 2,r+2 a 2,n a r,r+1 a r,r+2 a r,n X = 0 m,p Indicando con X i la i esima riga di X, segue che le soluzioni del Sistema (14241) dipendono dai parametri (vettoriali) liberi X r+1,, X n Per semplicità limitiamoci, d ora in avanti, a studiare il caso p = 1 lasciando al lettore l analisi del caso p 2 secondo la stessa procedura Quindi, da adesso in poi, X k n,1 Le soluzioni del Sistema (14241) sono allora tutte e sole le

5 LEZIONE 14 5 matrici colonna della forma a 1,r+1 X r+1 a 1,r+2 X r+2 a 1,n X n a 2,r+1 X r+1 a 2,r+2 X r+2 a 2,n X n a r,r+1 X r+1 a r,r+1 X r+2 a r,n X n X r+1 = X r+2 X n ove n j=r+1 C j X j C r+1 = t ( a 1,r+1 a 2,r+1 a r,r ), C r+2 = t ( a 1,r+2 a 2,r+2 a r,r ), C n = t ( a 1,n a 2,n a r,n ) In particolare W = L(C r+1, C r+2,, C n ) Inoltre la relazione di dipendenza lineare α r+1 C r+1 + α r+2 C r α n C n = 0 k n,1 si traduce in un sistema le cui ultime n r equazioni sono α r+1 = α r+2 = = α n = 0 Concludiamo che C r+1, C r+2,, C n sono generatori linearmente indipendenti di W che, quindi, ha dimensione dim k (W ) = n r = n rk(a) In particolare il rango di una matrice dipende solo dalla matrice stessa e non dalle operazioni elementari fatte su di essa per calcolarlo come già anticipato senza dimostrazione nella Lezione 3! Se, invece p 2 si verifichi che dim k (W ) = (n rk(a))p Esempio 1425 Si consideri il sottoinsieme di k n,n triangolari superiori, cioè T S n (k) = { A = (a i,j ) 1 i,j n k n,n a i,j = 0 se i > j } costituito dalle matrici Innanzi tutto osserviamo che T S n (k) è un sottospazio vettoriale di k n,n Infatti 0 n,n T S n (k) Se A = (a i,j ) 1 i,j n, B = (b i,j ) 1 i,j n T S n (k) ed λ k le entrate di indici (i, j) di A + B e di λa sono a i,j + b i,j e λa i,j, dunque è nulla se i > j, cioè A + B, λa T S n (k) Poiché k n,n è finitamente generato tale deve essere T S n (k), dunque ha senso calcolarne la dimensione Si noti che E i,j T S n (k) per ogni i, j = 1,, n con i j Tali matrici sono linearmente indipendenti e A = a 1,1 a 1,2 a 1,3 0 a 2,2 a 2,3 0 0 a 3,3 = a 1,1E 1,1 + a 1,2 E 1,2 + a 1,3 E 1, a 2,2 E 2,2 + a 2,3 E 2,3 + + a 3,3 E 3,3 +,

6 6 142 DIMENSIONE DI SOTTOSPAZI ovvero T S n (k) = L(E i,j i, j = 1,, n, i < j) Dunque, fissato un ordine, tali matrici formano una base di T S n (k): in particolare dim k (T S n ) = n + (n 1) + (n 2) = n(n + 1)/2 Si considerino i sottoinsiemi di k n,n costituiti dalle matrici triangolari inferiori, strettamente triangolari superiori, strettamente triangolari inferiori, cioè rispettivamente T I n (k) = { A = (a i,j ) 1 i,j n k n,n a i,j = 0 se i < j }, ST S n (k) = { A = (a i,j ) 1 i,j n k n,n a i,j = 0 se i j }, ST I n (k) = { A = (a i,j ) 1 i,j n k n,n a i,j = 0 se i j } Anche ST S n (k), T I n (k) e ST I n (k) sono sottospazi vettoriali di k n,n (Esercizio) Determinarne basi, verificando che dim k (T I n ) = n(n + 1)/2 e dim k (ST S n ) = dim k (ST I n ) = n(n 1)/2 Esempio 1426 Non sempre si è così fortunati che l intersezione di una base dello spazio vettoriale V con il sottospazio W, dà una base di W, come nell esempio precedente Si consideri il sottoinsieme di k n,n costituito dalle matrici simmetriche, cioè Sim n (k) = { A k n,n t A = A } Innanzi tutto osserviamo che Sim n (k) è un sottospazio vettoriale di k n,n Infatti 0 n,n Sim n (k) Se A, B Sim n (k) ed λ k, per le proprietà che legano la trasposizione alla somma di matrici ed al prodotto di matrici per scalari, si ha A + B = t A + t B = t (A + B), λa = λ t A = t (λa), cioè A + B, λa Sim n (k) Poiché k n,n è finitamente generato tale deve essere Sim n (k), dunque ha senso calcolarne la dimensione Restringiamoci al caso n = 2, k = R: tratteremo il caso generale più avanti In questo caso sappiamo che una base di R 2,2 è data da B = (E 1,1, E 1,2, E 2,1, E 2,2 ) (si veda l Esempio 1426) Da un lato osserviamo che non ogni matrice di R 2,2 è simmetrica, dunque dim R (Sim 2 (R)) 3 < 4 = dim R (R 2,2 ) Dall altro le matrici di B che sono in Sim 2 (R) sono solo E 1,1 ed E 2,2, dunque dim R (Sim 2 (R)) 2 Se valesse l uguaglianza per la Proposizione 1417 seguirebbe che E 1,1 ed E 2,2 sarebbero generatori di dim R (Sim 2 (R)) Poiché a1,1 0 a 1,1 E 1,1 + a 2,2 E 2,2 = 0 a 2,2 è chiaro che E 1,1 ed E 2,2 non sono sufficienti a generare Sim 2 (R): concludiamo che dim R (Sim 2 (R)) 3 e, quindi, dim R (Sim 2 (R)) = 3 Per costruire una base di Sim 2 (R) è sufficiente trovare allora tre matrici simmetriche linearmente indipendenti: due, E 1,1 ed E 2,2, le abbiamo già, quindi basta determinare una terza

7 LEZIONE 14 7 matrice simmetrica che non sia in L(E 1,1, E 2,2 ), cioè che non sia diagonale Posto allora 0 1 E 1,2 = 1 0 segue che B = (E 1,1, E 2,2, E 1,2 ) è base di Sim 2 (R) Vedremo più avanti che dim k (Sim n (k)) = dim k (T S n (k)) = n(n + 1)/2 Si noti che Sim n (k) T S n (k) pur avendo essi la stessa dimensione, ovvero non è vero che due sottospazi della stessa dimensione coincidono 143 Rango di matrici Abbiamo già visto che verificare che certi vettori v 1,, v m V sono linearmente indipendenti è particolaramente facile se compaiono molti zeri fra le loro componenti (si veda l Esempio 1418) Questa osservazione è del tutto generale e si basa sulla seguente Proposizione 1431 Sia k = R, C e sia A = (a i,j ) 1 i m k m,n Posto v i = 1 j n (a i,1,, a i,n ) k n e w j = (a 1,j,, a m,j ) k m, i = 1,, m, j = 1,, n, risulta rk(a) = dim k (L(v 1,, v m )) = dim k (L(w 1,, w n )) = rk( t A) Dimostrazione Ricordiamo che abbiamo definito il rango di una matrice A = (a i,j ) 1 i m 1 j n k m,n come il numero di righe non nulle di una matrice A = (a i,j ) 1 i m 1 j n k m,n ridotta per righe ed equivalente per righe ad A Per dimostrare la prima parte della tesi è sufficiente osservare che ogni tipo di operazione elementare di riga, pur cambiando le righe di A, non muta il sottospazio che esse generano Poiché esse coinvolgono al massimo due righe per volta, possiamo ridurci a studiare il caso m = 2 È chiaro che L(v 1, v 2, ) = L(v 2, v 1, ), cioè lo scambio di righe (operazione elementare E3) non muta la dimensione Dovrebbe essere chiaro che v = α 1 v 1 +α 2 v 2 + se e solo se per ogni λ k\{ 0 } si ha v = α 1 λ 1 (λv 1 ) + α 2 v 2 + Quindi L(v 1, v 2, ) = L(λv 1, v 2, ), cioè la moltiplicazione di una riga per uno scalare non nullo (operazione elementare E2) non muta la dimensione Infine v = α 1 v 1 + α 2 v 2 + se e solo se per ogni λ k si ha v = α 1 (v 1 + λv 2 ) + (α 2 λα 1 )v 2 + Quindi L(v 1, v 2, ) = L(v 1 +λv 2, v 2, ), cioè sommare ad una riga un multiplo di un altra (operazione elementare E1) non muta la dimensione Posto v i = (a i,1,, a i,n ) kn, i = 1,, m, concludiamo che dim k (L(v 1,, v m )) = dim k (L(v 1,, v m)) = rk(a ) = rk(a) Poiché le righe di t A coincidono con le colonne di A, quanto visto sopra dimostra anche dim k (L(w 1,, w n )) = rk( t A)

8 8 143 RANGO DI MATRICI Sia r = rk(a) Allora è possibile estrarre dall insieme v 1,, v m un sottoinsieme di r vettori linearmente indipendenti che generano L(v 1,, v m ): per fissare le idee siano v 1,, v r Allora abbiamo delle relazioni della forma v i = v i i = 1,, r v r+1 = α r+1,1 v 1 + α r+1,2 v 2 + α r+1,3 v α r+1,r v r v m = α m,1 v 1 + α m,2 v 2 + α m,3 v α m,r v r Eguagliando le componenti j esime al primo ed al secondo membro di tali equazioni, otteniamo Posto a i,j = a i,j i = 1,, r a r+1,j = α r+1,1 a 1,j + α r+1,2 a 2,j + α r+1,3 a 3,j + + α r+1,r a r,j a m,j = α m,1 a 1,j + α m,2 a 2,j + α m,3 a 3,j + + α m,r a r,j u 1 = (1, 0, 0,, 0, α r+1,1,, α m,1 ), u 2 = (0, 1, 0,, 0, α r+1,2,, α m,2 ), u 3 = (0, 0, 1,, 0, α r+1,3,, α m,3 ), u r = (0, 0, 0,, r, α r+1,r,, α m,r ) segue allora che w j = a 1,j u 1 + a 2,j u 2 + a 3,j u a r,j u r, cioè L(w 1,, w n ) L(u 1,, u r ), dunque rk( t A) = dim k (L(w 1,, w n )) dim k (L(u 1,, u r )) r = rk(a) Sostituendo ora A con t A e ripetendo il ragionamento di cui sopra otteniamo anche che rk(a) = rk( tt A) rk( t A) sicché, in conclusione, risulta rk(a) = rk t A) e, perciò, la tesi risulta completamente dimostrata Quasi sempre la definizione di rango di una matrice viene data utilizzando la proprietà sopra, che non dipende dalla riduzione operata, dicendo che il rango di A k m,n è la dimensione del suo spazio riga, cioè del sottospazio di k n generato dalle sue righe, e del suo spazio colonna, cioè del sottospazio di k m generato dalle sue colonne Poiché tale dimensione si calcola a partire da una base dello spazio riga, cioè da un insieme massimale di vettori linearmente indipendenti dello spazio riga, talvolta si dice che il rango di A k m,n è il massimo numero di sue righe o colonne linearmente indipendenti

9 LEZIONE 14 9 Vogliamo ora utilizzare la proposizione vista sopra per descrivere un altro metodo per determinare basi di uno spazio vettoriale su k = R, C finitamente generato V, a partire da un suo insieme di generatori o di suoi vettori linearmente indipendenti A tale scopo fissiamo una base B = (w 1,, w n ) di V e siano v 1,, v m V Supponiamo che [v i ] B = (a i,1,, a i,n ) k n per i = 1,, m Allora v 1,, v m sono linearmente dipendenti se e solo se tali sono [v 1 ] B,, [v m ] B k n, poiché [α 1 v α m v m ] B = α 1 [v 1 ] B + + α m [v m ] B (si vedano le osservazioni dopo la definizione 1423) Quindi dim k (L(v 1,, v m )) coincide con il rango della matrice A = (a i,j ) 1 i m avente come riga i esima le 1 j n componenti del vettore v i rispetto alla base B fissata Illustriamo questa osservazione con un paio di esempi Esempio 1432 In R 5 siano dati v 1 = (1, 1, 2, 1, 3), v 2 = (2, 1, 1, 0, 1), v 3 = (0, 2, 1, 0, 1) Fissata la base canonica di R 5, la matrice A definita sopra è A = che è ridotta per righe Concludiamo che v 1, v 2, v 3 sono linearmente indipendenti Esempio 1433 Si considerino in C 2,2 le matrici i i/2 3 A 1 = i 2 i 1, A 2 =, i i i A 3 =, A 3i = 0 0 Sia B = (E 1,1, E 1,2, E 2,1, E 2,2 ) la base di C 2,2 definita nell Esempio 1415 Allora [A 1 ] B = (1, 1 + i, i 2, i 1 ), [A 2 ] B = (i/2, 3, i 2, 0), [A 3 ] B = (0, 1 + 2i, 3i 2, 0), [A 4 ] B = (0, 1 + 2i, 0, 0) e dim C (L(A 1, A 2, A 3, A 4 )) coincide con il rango della matrice i i 2 i 1 i/2 3 i i 3i i 0 0 che è ridotta per righe: pertanto dim C (L(A 1, A 2, A 3, A 4 )) = 4 = dim C (C 2,2 ) Quindi A 1, A 2, A 3, A 4 sono linearmente indipendenti, sicché (A 1, A 2, A 3, A 4 ) è una base di C 2,2 Quanto visto suggerisce un metodo per calcolare la dimensione del sottospazio generato da un insieme di vettori v 1,, v m linearmente indipendenti di uno spazio vettoriale V, determinarne una base e completarla a base di V

10 RANGO DI MATRICI Infatti si può considerare la matrice A le cui righe sono le componenti dei vettori v 1,, v m rispetto ad una fissata base B: per calcolare la dimensione ed una base del sottospazio L(v 1,, v m ) basta allora ridurre per righe A ottenendo una matrice A ridotta per righe e poi considerare i vettori di V le cui componenti rispetto a B sono dati da tali righe Per completare tale base a base di V, in forza della Proposizione 1417, basta aggiungere alle righe non nulle della matrice A esattamente dim k (V ) rk(a) righe non nulle in modo che la matrice finale abbia rango dim k (V ) e poi considerare i vettori di V aventi quelle righe come componenti rispetto alla base B Esempio 1434 Si noti che, nell esempio precedente, è facile verificare che v 1, v 2, v 3, e 2, e 3 sono linearmente indipendenti Infatti la matrice A definita sopra è A = che è ridotta per righe ed ha rango rk(a) = 5 In particolare (v 1, v 2, v 3, e 2, e 3 ) è base di R 5 Ad un analoga conclusione si sarebbe giunti scegliendo in luogo di e 2, e 3 altri vettori, purché la matrice risultante A rimanesse ridotta per righe: per esempio v 4 = (0, 1, 0, 0, π) e v 5 = (0, 0, 0, 0, 17/33) Se la matrice A non fosse ridotta per righe, si potrebbe procedere analogamente riducendola prima per righe e poi studiando la matrice A così ottenuta: infatti ogni operazione di riga sulla matrice A equivale ad un operazione sull insieme dei vettori v 1,, v m che non cambia lo spazio L(v 1,, v m ) ma solo l insieme dei suoi generatori Esempio 1435 In R 2,2 si considerino le matrici A 1 = 1 1, A = 1 2, A = 2 1 : 2 1 vogliamo stabilire se A 1, A 2, A 3 sono linearmente indipendenti o no e, nel caso lo siano, vogliamo trovare una base di R 2,2 che li contiene Si consideri la base B = (E 1,1, E 1,2, E 2,1, E 2,2 ) di R 2,2 : allora [A 1 ] B = (1, 1, 1, 1), [A 2 ] B = (1, 2, 3, 1), [A 3 ] B = (2, 1, 2, 1) La matrice avente come righe le componenti di tali matrici rispetto alla base B è A =

11 Con operazioni elementari di riga otteniamo A R 2 R 2 R 1 R 3 R 3 R LEZIONE R 2 R = A Le righe di A sono le componenti rispetto a B delle matrici B 1 = A 1 = 1 1, B = 1 2, B = che sono linearmente indipendenti, perchè le loro componenti rispetto a B sono le righe di una matrice ridotta per righe, cioè A Per determinare una base di R 2,2 contenente A 1, A 2, A 3, è sufficiente determinare una matrice A 4 L(A 1, A 2, A 3 ) A tale scopo è sufficiente determinare una matrice A 4 tale che [A 4 ] B L((1, 1, 1, 1), (1, 2, 3, 1), (2, 1, 2, 1)) = = L((1, 1, 1, 1), (1, 2, 1, 0), (0, 3, 2, 0)) Per fare questo è sufficiente determinare una matrice 4 4 di rango 4 e le cui prime tre righe coincidano con le righe di A, per esempio A = In particolare, scelta A 4 = E 1,2, l insieme B = (A 1, A 2, A 3, A 4 ) è la base richiesta di R 2,2 14A Appendice 14A1 Lo spazio k n [x] Abbiamo visto che l insieme k[x] dei polinomi nell indeterminata x a coefficienti in k è uno spazio vettoriale non finitamente generato Il problema essenziale è che il grado di un polinomio può essere grande quanto si vuole (si veda l Esempio 1318) Per ovviare a tale problema, per ogni n 0, si può introdurre il sottoinsieme k n [x] = { p(x) k[x] deg(p) n } Si noti che il polinomio nullo (che, per definizione, ha grado ) è in k n [x] per ogni n 0 Inoltre la somma di due polinomi di grado non maggiore di n è ancora un polinomio di grado non maggiore di n e il prodotto di un polinomio di grado

12 12 14A APPENDICE non maggiore di n per uno scalare λ k è ancora un polinomio di grado non maggiore di n Concludiamo che k n [x] è un sottospazio vettoriale di k[x] Rispetto a k[x] il sottospazio k n [x] ha il vantaggio di essere finitamente generato Infatti se p(x) k n [x] si ha p(x) = a 0 + a 1 x + a 2 x a n 1 x n 1 + a n x n ove a i k per i = 0,, n Concludiamo che k n [x] = L(1, x, x 2,, x n 1, x n ) k[x] Per quanto visto sopra ha senso domandarsi quale sia la dimensione di k n [x] (come spazio vettoriale su k) Poiché per generare k n [x] bastano n + 1 suoi elementi, precisamente 1, x, x 2,, x n 1, x n, risulta dim k (k n [x]) n + 1 Inoltre tali monomi sono linearmente indipendenti: infatti una loro combinazione lineare non è altro che un polinomio e, per definizione, un polinomio è nullo se e solo se tutti i suoi coefficienti sono nulli! Concludiamo che B = (1, x, x 2,, x n 1, x n ) è una base di k n [x], sicché dim k (k n [x]) = n + 1 Ogni altra base di k n [x] è costituita da n + 1 vettori Per verificare che n + 1 polinomi in k n [x] formano una base basta verificare che sono linearmente indipendenti per la Proposizione 1417 Per esempio sia a k e si consideri l insieme ordinato di n+1 polinomi B = (1, x a, (x a) 2,, (x a) n 1, (x a) n ) Tali polinomi sono linearmente indipendenti poiché nessuno di loro è combinazione lineare dei precedenti: per convincersene basta osservare che il grado dell h esimo polinomio è h 1! Quindi se p(x) k n [x] esistono scalari a 0,, a n tali che p(x) = a 0 + a 1 (x a) + a 2 (x a) a n 1 (x a) n 1 + a n (x a) n : questo è lo sviluppo di Taylor di p(x) di punto iniziale a e, nel corso di analisi, verrà osservato che a 0 = p(a) e a h = (d h p(x)/dx h )(a) per h 1 Esempio 14A11 In R 3 [x] si considerino i polinomi p 1 (x) = 1 + x + x 2 + x 3, p 2 (x) = 1 2x + 3x 2, p 3 (x) = x 2x 3, p 4 (x) = 2 + 4x 2 x 3, p 5 (x) = 3x 2x 2 + x 3 : vogliamo stabilire se p 1 (x), p 2 (x), p 3 (x), p 4 (x), p 5 (x) sono linearmente indipendenti o no e, nel caso non lo siano, vogliamo trovare una base di W = L(p 1 (x), p 2 (x), p 3 (x), p 4 (x), p 5 (x)) R 3 [x] Innanzi tutto osserviamo che dim(r 3 [x]) = 4, dunque ogni base di R 3 [x] è costituita da esattamente quattro polinomi, quindi un sistema di generatori di R 3 [x] è costituito da quattro elementi e, perciò cinque polinomi devono essere linearmente dipendenti per il Lemma 1411 Si consideri la base B = (1, x, x 2, x 3 ) di R 3 [x] Allora [p 1 (x)] B = (1, 1, 1, 1), [p 2 (x)] B = (1, 2, 3, 0), [p 3 (x)] B = (0, 1, 0, 2), [p 4 (x)] B = (2, 0, 4, 1), [p 5 (x)] B =

13 LEZIONE (0, 3, 2, 1) La matrice avente come righe le componenti dei polinomi dati rispetto alla base B è A = Con operazioni elementari di riga otteniamo A R 2 R 2 R 1 R 4 R 4 2R R 2 R 3 R 4 R 4 R 3 R 5 R 5 +R = A R 3 R 3 +3R 2 R 4 R 4 +2R 2 R 5 R 5 3R 2 Le righe di A sono le componenti rispetto a B dei polinomi q 1 (x) = 1+x+x 2 +x 3, q 2 (x) = x 2x 3, q 3 (x) = 2x 2 7x 3 che sono linearmente indipendenti, perchè le loro componenti rispetto a B sono le righe di una matrice ridotta per righe, cioè A Inoltre si ha W = L(p 1 (x), p 2 (x), p 3 (x), p 4 (x), p 5 (x)) = L(q 1 (x), q 2 (x), q 3 (x)) In particolare la terna ordinata (q 1 (x), q 2 (x), q 3 (x)) è una base di W, dunque dim(w ) = 3 e W R 3 [x] Chi si voglia convincere dell uguaglianza L(p 1 (x), p 2 (x), p 3 (x), p 4 (x), p 5 (x)) = L(q 1 (x), q 2 (x), q 3 (x)) direttamente osservi che q 1 (x) = p 1 (x), q 2 (x) = p 3 (x), q 3 (x) = p 2 (x) p 1 (x) + 3p 3 (x) quindi q 1 (x), q 2 (x), q 3 (x) L(p 1 (x), p 2 (x), p 3 (x), p 4 (x), p 5 (x)): abbiamo, perciò, l inclusione L(q 1 (x), q 2 (x), q 3 (x)) L(p 1 (x), p 2 (x), p 3 (x), p 4 (x), p 5 (x)) Viceversa p 1 (x) = q 1 (x), p 2 (x) = q 3 (x) + q 1 (x) 3q 2 (x), p 3 (x) = q 2 (x), p 4 (x) = q 3 (x) + 2q 1 (x) 2q 2 (x), p 5 (x) = q 3 (x) + 3q 2 (x) quindi p 1 (x), p 2 (x), p 3 (x), p 4 (x), p 5 (x) L(q 1 (x), q 2 (x), q 3 (x)): in particolare abbiamo l inclusione L(q 1 (x), q 2 (x), q 3 (x)) L(p 1 (x), p 2 (x), p 3 (x), p 4 (x), p 5 (x)) Per esercizio il lettore completi l insieme q 1 (x), q 2 (x), q 3 (x) a base di R 3 [x] 14A2 La formula di Grassmann Un ultimo risultato importante è il seguente, noto come formula di Grassmann

14 14 14A APPENDICE Proposizione 14A21 Sia V uno spazio vettoriale su k = R, C Se U, W V sono sottospazi vettoriali finitamente generati allora (14A211) dim k (U) + dim k (W ) = dim k (U W ) + dim k (U + W ) Dimostrazione Se U e W sono finitamente generati tale è U + W (si veda il Corollario 13110) Poiché U W è sottospazio di W che è finitamente generato, esso stesso è finitamente generato Sia (v 1,, v n ) una base di U W : in particolare U W = L(v 1,, v n ) Poiché v 1,, v n U, W sono vettori linearmente indipendenti, per la Proposizione 1428 esistono u 1,, u p U e w 1,, w q W tali che (v 1,, v n, u 1,, u p ) sia una base di U e (v 1,, v n, w 1,, w q ) sia una base di W : in particolare u 1,, u p, w 1,, w q U W = L(v 1,, v n ) Dal Corollario i vettori v 1,, v m, u 1,, u p, w 1,, w q sono generatori di U +W Verifichiamo che sono linearmente indipendenti A tale scopo si consideri la relazione di dipendenza lineare α 1 v α n v n + β 1 u β p u p + γ 1 w γ q w q = 0 V Poiché α 1 v α n v n + β 1 u β p u p U e (γ 1 w γ q w q ) W coincidono, essi appartengono a U W : in particolare esistono λ 1,, λ n k tali che α 1 v α n v n + β 1 u β p u p = (γ 1 w γ q w q ) = λ 1 v λ n v n Dall uguaglianza (γ 1 w γ q w q ) = λ 1 v λ n v n segue λ 1 v λ n v n + γ 1 w γ q w q = 0 V : poiché (v 1,, v n, w 1,, w q ) è una base di W si ha λ 1 = = λ n = γ 1 = = γ q = 0, perciò α 1 v α n v n + β 1 u β p u p = = 0 V : d altra parte (v 1,, v n, u 1,, u p ) è una base di U, dunque si ha anche α 1 = = α n = β 1 = = β p = 0 Concludiamo che dim k (U) = n + p, dim k (W ) = n + q, dim k (U W ) = n e dim k (U + W ) = n + p + q, che implica la Formula (14A211) Esempio 14A22 Siano V R 3 un sottospazio vettoriale di dimensione 2, W = L(2, 3, 1) R 3 e supponiamo di sapere che dim(v + W ) = 2: allora V W = L(4, 6, 2) Infatti, dalle ipotesi, applicando la formula di Grassmann dim(v W ) = dim(v ) + dim(w ) dim(v + W ) = = 1 Poiché V W W che ha dimensione 1, dal confronto delle dimensioni, per la Proposizione 1421, segue che V W = W, quindi V W = W = L(2, 3, 1) = L(4, 6, 2)

15 LEZIONE Esempio 14A23 Siano dati i vettori v 1 = (1, 2, 3, 4), v 2 = (1, 1, 0, 5), v 3 = (2, 1, 3, 3), v 4 = (1, 1, 1, 1), v 5 = (1, 1, 2, 5) in R 4 Consideriamo i sottospazi V = L(v 1, v 2, v 3 ), W = L(v 4, v 5 ) R 4 Verificare per esercizio che dim(v ) = 3 e dim(w ) = 2 Allora V W contiene vettori non nulli Infatti applicando la formula di Grassmann dim(v W ) = dim(v ) + dim(w ) dim(v + W ) = dim(v + W ) Poiché V + W R 4 si ha dim(v + W ) dim(r 4 ) = 4, sicché dim(v W ) 1, quindi V W { 0 R 4 } Esempio 14A24 Si noti che ogni matrice A k n,n può essere decomposta nella somma di una matrice triangolare superiore e di una matrice strettamente triangolare inferiore Ciò significa che k n,n = T S n (k) + ST I n (k) Poiché T S n (k) ST I n (k) = 0 n,n, dalla Formula di Grassmann segue (si veda l Esempio 1425) dim k (ST I n (k)) = dim k (T S n (k) ST I n (k)) + dim k (T S n (k)) + ST I n (k))+ dim k (T S n (k)) = 0 + n 2 n(n + 1)/2 = n(n 1)/2

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

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

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

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

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

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

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

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

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

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

(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

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

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

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

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

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

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

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

Equazioni alle differenze finite (cenni).

Equazioni alle differenze finite (cenni). AL 011. Equazioni alle differenze finite (cenni). Sia a n } n IN una successione di numeri reali. (Qui usiamo la convenzione IN = 0, 1,,...}). Diremo che è una successione ricorsiva o definita per ricorrenza

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

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

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

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

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

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE Sia I un intervallo di R e siano a = inf(i) R { } e b = sup(i) R {+ }; i punti di I diversi dagli estremi a e b, ( e quindi appartenenti all intervallo aperto

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

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

Note integrative ed Esercizi consigliati

Note integrative ed Esercizi consigliati - a.a. 2006-07 Corso di Laurea Specialistica in Ingegneria Civile (CIS) Note integrative ed consigliati Laura Poggiolini e Gianna Stefani Indice 0 1 Convergenza uniforme 1 2 Convergenza totale 5 1 Numeri

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

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

1. Intorni di un punto. Punti di accumulazione.

1. Intorni di un punto. Punti di accumulazione. 1. Intorni di un punto. Punti di accumulazione. 1.1. Intorni circolari. Assumiamo come distanza di due numeri reali x e y il numero non negativo x y (che, come sappiamo, esprime la distanza tra i punti

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

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

LA FUNZIONE ESPONENZIALE E IL LOGARITMO

LA FUNZIONE ESPONENZIALE E IL LOGARITMO LA FUNZIONE ESPONENZIALE E IL LOGARITMO APPUNTI PER IL CORSO DI ANALISI MATEMATICA I G. MAUCERI Indice 1. Introduzione 1 2. La funzione esponenziale 2 3. Il numero e di Nepero 9 4. L irrazionalità di 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

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

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

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

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

Funzione reale di variabile reale

Funzione reale di variabile reale Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A

Dettagli

Lo Spettro primo di un anello. Carmelo Antonio Finocchiaro

Lo Spettro primo di un anello. Carmelo Antonio Finocchiaro Lo Spettro primo di un anello Carmelo Antonio Finocchiaro 2 Indice 1 Lo spettro primo di un anello: introduzione 5 1.1 Le regole del gioco................................ 5 1.2 Prime definizioni e risultati

Dettagli

IV-1 Funzioni reali di più variabili

IV-1 Funzioni reali di più variabili IV- FUNZIONI REALI DI PIÙ VARIABILI INSIEMI IN R N IV- Funzioni reali di più variabili Indice Insiemi in R n. Simmetrie degli insiemi............................................ 4 2 Funzioni da R n a R

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

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

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

1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc.

1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc. Classi Numeriche 1 1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc. In questo breve capitolo richiamiamo le definizioni delle classi numeriche fondamentali, già note al lettore,

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

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

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

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

+ 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

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

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

Richiami di algebra lineare e geometria di R n

Richiami di algebra lineare e geometria di R n Richiami di algebra lineare e geometria di R n combinazione lineare, conica e convessa spazi lineari insiemi convessi, funzioni convesse rif. BT.5 Combinazione lineare, conica, affine, convessa Un vettore

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

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

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

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

APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI

APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI APPUNTI DI MATEMATICA LE DISEQUAZIONI NON LINEARI Le disequazioni fratte Le disequazioni di secondo grado I sistemi di disequazioni Alessandro Bocconi Indice 1 Le disequazioni non lineari 2 1.1 Introduzione.........................................

Dettagli

Nota su Crescita e Convergenza

Nota su Crescita e Convergenza Nota su Crescita e Convergenza S. Modica 28 Ottobre 2007 Nella prima sezione si considerano crescita lineare ed esponenziale e le loro proprietà elementari. Nella seconda sezione si spiega la misura di

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

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

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

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

Lezioni del corso AL430 - Anelli Commutativi e Ideali

Lezioni del corso AL430 - Anelli Commutativi e Ideali Lezioni del corso AL430 - Anelli Commutativi e Ideali a.a. 2011-2012 Introduzione alla Teoria delle Valutazioni Stefania Gabelli Testi di Riferimento M. F. Atiyah and I. G. Macdonald, Introduction to Commutative

Dettagli

L. Pandolfi. Lezioni di Analisi Matematica 2

L. Pandolfi. Lezioni di Analisi Matematica 2 L. Pandolfi Lezioni di Analisi Matematica 2 i Il testo presenta tre blocchi principali di argomenti: A Successioni e serie numeriche e di funzioni: Cap., e 2. B Questa parte consta di due, da studiarsi

Dettagli

Particelle identiche : schema (per uno studio più dettagliato vedi lezione 2) φ 1

Particelle identiche : schema (per uno studio più dettagliato vedi lezione 2) φ 1 Particelle identiche : schema (per uno studio più dettagliato vedi lezione ) Funzioni d onda di un sistema composto Sistema costituito da due particelle (eventualmente identiche) H φ q H φ H ψ φ φ stato

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

Il problema della fattorizzazione nei domini di Dedekind

Il problema della fattorizzazione nei domini di Dedekind Il problema della fattorizzazione nei domini di Dedekind Stefania Gabelli Dipartimento di Matematica, Università degli Studi Roma Tre Note per i corsi di Algebra Commutativa a.a. 2010/2011 1 Indice 1 Preliminari

Dettagli

x (x i ) (x 1, x 2, x 3 ) dx 1 + f x 2 dx 2 + f x 3 dx i x i

x (x i ) (x 1, x 2, x 3 ) dx 1 + f x 2 dx 2 + f x 3 dx i x i NA. Operatore nabla Consideriamo una funzione scalare: f : A R, A R 3 differenziabile, di classe C (2) almeno. Il valore di questa funzione dipende dalle tre variabili: Il suo differenziale si scrive allora:

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

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

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

1 Alcuni criteri di convergenza per serie a termini non negativi

1 Alcuni criteri di convergenza per serie a termini non negativi Alcuni criteri di convergenza per serie a termini non negativi (Criterio del rapporto.) Consideriamo la serie a (.) a termini positivi (ossia a > 0, =, 2,...). Supponiamo che esista il seguente ite a +

Dettagli

IL TEOREMA FONDAMENTALE DELL ARITMETICA: FATTORIZZAZIONE IN NUMERI PRIMI.

IL TEOREMA FONDAMENTALE DELL ARITMETICA: FATTORIZZAZIONE IN NUMERI PRIMI. IL TEOREMA FONDAMENTALE DELL ARITMETICA: FATTORIZZAZIONE IN NUMERI PRIMI. PH. ELLIA Indice Introduzione 1 1. Divisori di un numero. 2 2. Numeri primi: definizioni. 4 2.1. Fare la lista dei numeri primi.

Dettagli

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys.

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys. METODO DEI MINIMI QUADRATI GIUSEPPE GIUDICE Sommario Il metodo dei minimi quadrati è trattato in tutti i testi di statistica e di elaborazione dei dati sperimentali, ma non sempre col rigore necessario

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

Ricerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani

Ricerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani Ricerca Operativa Esercizi sul metodo del simplesso Luigi De Giovanni, Laura Brentegani 1 1) Risolvere il seguente problema di programmazione lineare. ma + + 3 s.t. 2 + + 2 + 2 + 3 5 2 + 2 + 6,, 0 Soluzione.

Dettagli

Numeri reali. Funzioni e loro grafici

Numeri reali. Funzioni e loro grafici Argomento Numeri reali. Funzioni e loro grafici Parte B - Funzioni e loro grafici Funzioni reali di variabile reale Definizioni. Supponiamo che A sia un sottoinsieme di R e che esista una legge che ad

Dettagli

A.1 Definizione e rappresentazione di un numero complesso

A.1 Definizione e rappresentazione di un numero complesso 441 APPENDICE A4 NUMERI COMPLESSI A.1 Definizione e rappresentazione di un numero complesso Si riepilogano i concetti e le operazioni elementari relativi ai numeri complessi. Sia z un numero complesso;

Dettagli

Analisi Matematica I

Analisi Matematica I Analisi Matematica I Fabio Fagnani, Gabriele Grillo Dipartimento di Matematica Politecnico di Torino Queste dispense contengono il materiale delle lezioni del corso di Analisi Matematica I rivolto agli

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

ESERCIZI SVOLTI Ricerca del dominio di funzioni razionali fratte e irrazionali. www.vincenzoscudero.it novembre 2009

ESERCIZI SVOLTI Ricerca del dominio di funzioni razionali fratte e irrazionali. www.vincenzoscudero.it novembre 2009 ESERCIZI SVOLTI Ricerca del dominio di funzioni razionali fratte e irrazionali v.scudero www.vincenzoscudero.it novembre 009 1 1 Funzioni algebriche fratte 1.1 Esercizio svolto y = x 1 x 11x + 10 (generalizzazione)

Dettagli

γ (t), e lim γ (t) cioè esistono la tangente destra e sinistra negli estremi t j e t j+1.

γ (t), e lim γ (t) cioè esistono la tangente destra e sinistra negli estremi t j e t j+1. Capitolo 6 Integrali curvilinei In questo capitolo definiamo i concetti di integrali di campi scalari o vettoriali lungo curve. Abbiamo bisogno di precisare le curve e gli insiemi che verranno presi in

Dettagli

Appunti sulle disequazioni

Appunti sulle disequazioni Premessa Istituto d Istruzione Superiore A. Tilgher Ercolano (Na) Appunti sulle disequazioni Questa breve trattazione non vuole costituire una guida completa ed esauriente sull argomento, ma vuole fornire

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

IL TEOREMA DI LIOUVILLE OVVERO PERCHÉ NON ESISTE LA PRIMITIVA DI e x2

IL TEOREMA DI LIOUVILLE OVVERO PERCHÉ NON ESISTE LA PRIMITIVA DI e x2 IL TEOREMA DI LIOUVILLE OVVERO PERCHÉ NON ESISTE LA PRIMITIVA DI e x2 CAMILLO DE LELLIS Il seguente lavoro è l elaborazione di un contributo alla conferenza tenuta dall autore il 29 settembre 2012 presso

Dettagli

Dipendenza dai dati iniziali

Dipendenza dai dati iniziali Dipendenza dai dati iniziali Dopo aver studiato il problema dell esistenza e unicità delle soluzioni dei problemi di Cauchy, il passo successivo è vedere come le traiettorie di queste ultime dipendono

Dettagli

Introduzione allo Scilab Parte 3: funzioni; vettori.

Introduzione allo Scilab Parte 3: funzioni; vettori. Introduzione allo Scilab Parte 3: funzioni; vettori. Felice Iavernaro Dipartimento di Matematica Università di Bari http://dm.uniba.it/ iavernaro felix@dm.uniba.it 13 Giugno 2007 Felice Iavernaro (Univ.

Dettagli

STUDIO DEL SEGNO DI UNA FUNZIONE

STUDIO DEL SEGNO DI UNA FUNZIONE STUDIO DEL SEGNO DI UNA FUNZIONE Quando si studia una funzione! " #$%&' (funzione reale di variabile reale) è fondamentale conoscere il segno, in altre parole sapere per quali valori di &( #$%&'$è positiva,

Dettagli

ED. Equazioni cardinali della dinamica

ED. Equazioni cardinali della dinamica ED. Equazioni cardinali della dinamica Dinamica dei sistemi La dinamica dei sistemi di punti materiali si può trattare, rispetto ad un osservatore inerziale, scrivendo l equazione fondamentale della dinamica

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

Consideriamo due polinomi

Consideriamo due polinomi Capitolo 3 Il luogo delle radici Consideriamo due polinomi N(z) = (z z 1 )(z z 2 )... (z z m ) D(z) = (z p 1 )(z p 2 )... (z p n ) della variabile complessa z con m < n. Nelle problematiche connesse al

Dettagli

1) IL MOMENTO DI UNA FORZA

1) IL MOMENTO DI UNA FORZA 1) IL MOMENTO DI UNA FORZA Nell ambito dello studio dei sistemi di forze, diamo una definizione di momento: il momento è un ente statico che provoca la rotazione dei corpi. Le forze producono momenti se

Dettagli

NUMERI COMPLESSI. Esercizi svolti., e) i 34, f) i 7. 10 i

NUMERI COMPLESSI. Esercizi svolti., e) i 34, f) i 7. 10 i NUMERI COMPLESSI Esercizi svolti 1. Calcolare le seguenti potenze di i: a) i, b) i, c) i 4, d) 1 i, e) i 4, f) i 7. Semplificare le seguenti espressioni: a) ( i) i(1 ( 1 i), b) ( + i)( i) 5 + 1 ) 10 i,

Dettagli

Algoritmi combinatori per l interpolazione polinomiale in dimensione 2.

Algoritmi combinatori per l interpolazione polinomiale in dimensione 2. Algoritmi combinatori per l interpolazione polinomiale in dimensione 2. L.Cerlienco e M.Mureddu Università di Cagliari, Italy 1 Introduzione. Sia K un campo, X := {x 1, x 2,..., x n } un insieme di indeterminate

Dettagli