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

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 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 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

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

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

x 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0. Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini

Dettagli

LEZIONE 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

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

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

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

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

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

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

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

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

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

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

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

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

Geometria I A. Algebra lineare

Geometria I A. Algebra lineare UNIVERSITÀ CATTOLICA DEL SACRO CUORE Facoltà di Scienze Matematiche, Fisiche e Naturali Geometria I A. Algebra lineare Prof.ssa Silvia Pianta Anno Accademico 22/23 Indice Spazi vettoriali 7 Definizione

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

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

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

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

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

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

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

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

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

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

II Spazi vettoriali ed applicazioni lineari

II Spazi vettoriali ed applicazioni lineari II Spazi vettoriali ed applicazioni lineari Nel capitolo precedente abbiamo visto come assumano un ruolo importante nello studio dello Spazio Euclideo la sua struttura di spazio affine e quindi di spazio

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

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

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

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

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

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

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

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

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

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

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

UNIVERSITÀ CATTOLICA DEL SACRO CUORE. Facoltà di Scienze Matematiche, Fisiche e Naturali

UNIVERSITÀ CATTOLICA DEL SACRO CUORE. Facoltà di Scienze Matematiche, Fisiche e Naturali UNIVERSITÀ CATTOLICA DEL SACRO CUORE Facoltà di Scienze Matematiche, Fisiche e Naturali APPROFONDIMENTI DI ALGEBRA M. Chiara Tamburini Anno Accademico 2013/2014 Indice Prefazione iii I Moduli su un anello

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

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

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

ISTITUZIONI DI MATEMATICA I. (prof. M.P.Cavaliere) SPAZI VETTORIALI SU R

ISTITUZIONI DI MATEMATICA I. (prof. M.P.Cavaliere) SPAZI VETTORIALI SU R ISTITUZIONI DI MATEMATICA I (prof MPCavaliere) SPAZI VETTORIALI SU R Abbiamo visto parlando dei numeri complessi che i punti P del piano possono essere determinati da coppie di numeri reali, se è dato

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

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

Lezione 9: Cambio di base

Lezione 9: Cambio di base 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

Dettagli

Federico Lastaria. Analisi e Geometria 2. Matrici simmetriche. Il teorema spettrale. 1/24

Federico Lastaria. Analisi e Geometria 2. Matrici simmetriche. Il teorema spettrale. 1/24 Contenuto Endomorfismi auto-aggiunti. Matrici simmetriche. Il teorema spettrale Gli autovalori di una matrice simmetrica sono tutti reali. (Dimostrazione fatta usando i numeri complessi). Dimostrazione

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

1. PRIME PROPRIETÀ 2

1. PRIME PROPRIETÀ 2 RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,

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

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 Analisi Numerica - AN1. Parte 2: metodi diretti per sistemi lineari. Roberto Ferretti

Corso di Analisi Numerica - AN1. Parte 2: metodi diretti per sistemi lineari. Roberto Ferretti Corso di Analisi Numerica - AN1 Parte 2: metodi diretti per sistemi lineari Roberto Ferretti Richiami sulle norme e sui sistemi lineari Il Metodo di Eliminazione di Gauss Il Metodo di Eliminazione con

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

(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

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

Serie numeriche. 1 Definizioni e proprietà elementari

Serie numeriche. 1 Definizioni e proprietà elementari Serie numeriche Definizioni e proprietà elementari Sia { } una successione, definita per ogni numero naturale n n. Per ogni n n, consideriamo la somma s n degli elementi della successione di posto d s

Dettagli

Università degli Studi di Roma La Sapienza Laurea in Ingegneria Energetica A.A. 2014-2015 Programma del corso di Geometria Prof.

Università degli Studi di Roma La Sapienza Laurea in Ingegneria Energetica A.A. 2014-2015 Programma del corso di Geometria Prof. Università degli Studi di Roma La Sapienza Laurea in Ingegneria Energetica A.A. 2014-2015 Programma del corso di Geometria Prof. Antonio Cigliola Prerequisiti Logica elementare. Principio di Induzione.

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

GEOMETRIA I: TERZA DISPENSA

GEOMETRIA I: TERZA DISPENSA GEOMETRI I: TERZ DISPENS MPI FINITI L anno scorso avevo dato un applicazione del concetto di base di uno spazio vettoriale che quest anno non ho invece fatto Dal momento che però avevo inserito, nella

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

1 Regole generali per l esame. 2 Libro di Testo

1 Regole generali per l esame. 2 Libro di Testo FACOLTÀ DI INGEGNERIA Corso di GEOMETRIA E ALGEBRA (mn). (Ing. per l Ambiente e il Territorio, Ing. Informatica - Sede di Mantova) A.A. 2008/2009. Docente: F. BISI. 1 Regole generali per l esame L esame

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

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

MODULI INIETTIVI. Definizione: Un inclusione di A-moduli ι : M N si dice estensione essenziale di M se per ogni sottomodulo non nullo P N, P ι(m) 0.

MODULI INIETTIVI. Definizione: Un inclusione di A-moduli ι : M N si dice estensione essenziale di M se per ogni sottomodulo non nullo P N, P ι(m) 0. MODULI INIETTIVI Definizione: Un inclusione di A-moduli ι : M N si dice estensione essenziale di M se per ogni sottomodulo non nullo P N, P ι(m) 0. Esempio: Supponiamo che A sia un dominio e chiamiamo

Dettagli

Nel seguito, senza ulteriormente specificarlo, A indicherà un anello commutativo con identità.

Nel seguito, senza ulteriormente specificarlo, A indicherà un anello commutativo con identità. 1 ANELLI Definizione 1.1. Sia A un insieme su cui sono definite due operazioni +,. (A, +, ) si dice Anello se (A, +) è un gruppo abeliano è associativa valgono le leggi distributive, cioè se a, b, c A

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

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

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

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

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

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

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

Lezione 6. Divisibilità e divisori. Teorema di divisione euclidea. Algoritmo delle divisioni successive.

Lezione 6. Divisibilità e divisori. Teorema di divisione euclidea. Algoritmo delle divisioni successive. Lezione 6 Prerequisiti: L'insieme dei numeri interi. Lezione 5. Divisibilità e divisori. Teorema di divisione euclidea. Algoritmo delle divisioni successive. Questa è la prima lezione dedicata all'anello

Dettagli

Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Lezione n 4

Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Lezione n 4 Lezioni di Ricerca Operativa Lezione n 4 - Problemi di Programmazione Matematica - Problemi Lineari e Problemi Lineari Interi - Forma Canonica. Forma Standard Corso di Laurea in Informatica Università

Dettagli

Corso di Calcolo Numerico

Corso di Calcolo Numerico Corso di Calcolo Numerico Dottssa MC De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Corso di Calcolo Numerico - Dottssa MC De Bonis

Dettagli

ALGEBRA I: ARITMETICA MODULARE E QUOZIENTI DI ANELLI

ALGEBRA I: ARITMETICA MODULARE E QUOZIENTI DI ANELLI ALGEBRA I: ARITMETICA MODULARE E QUOZIENTI DI ANELLI 1. CLASSI DI RESTO E DIVISIBILITÀ In questa parte sarò asciuttissimo, e scriverò solo le cose essenziali. I commenti avete potuto ascoltarli a lezione.

Dettagli

Il gruppo dei vettori

Il gruppo dei vettori Capitolo Terzo Il gruppo dei vettori 3.1. Le strutture di gruppo e di corpo Un operazione binaria (1) definita in un insieme è un applicazione fra il quadrato cartesiano dell insieme e l insieme stesso,

Dettagli

Appunti di. Algebra Superiore. Rosario Strano

Appunti di. Algebra Superiore. Rosario Strano Appunti di Algebra Superiore Rosario Strano A cura di Giuseppe Bilotta. Dattiloscritti con AMS-L A TEX. Indice Parte I. Teoria di Galois 5 Capitolo I. Estensioni di campi 7 1. Richiami 7 2. Estensioni

Dettagli

16. Vari modi di convergenza delle successioni di funzioni reali misurabili.

16. Vari modi di convergenza delle successioni di funzioni reali misurabili. 16. Vari modi di convergenza delle successioni di funzioni reali misurabili. L argomento centrale di questa ultima parte del corso è lo studio in generale della convergenza delle successioni negli spazi

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

Note di matematica per microeconomia

Note di matematica per microeconomia Note di matematica per microeconomia Luigi Balletta Funzioni di una variabile (richiami) Una funzione di variabile reale ha come insieme di partenza un sottoinsieme di R e come insieme di arrivo un sottoinsieme

Dettagli

5. La teoria astratta della misura.

5. La teoria astratta della misura. 5. La teoria astratta della misura. 5.1. σ-algebre. 5.1.1. σ-algebre e loro proprietà. Sia Ω un insieme non vuoto. Indichiamo con P(Ω la famiglia di tutti i sottoinsiemi di Ω. Inoltre, per ogni insieme

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

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

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

Cenni di teoria dei campi finiti

Cenni di teoria dei campi finiti Cenni di teoria dei campi finiti Luca Giuzzi 31 ottobre 2011 In queste note vengono richiamati alcuni risultati di algebra relativi la teoria dei campi finiti. 1 Anelli Definizione 1. Un anello (R, +,

Dettagli

Esempio. Approssimazione con il criterio dei minimi quadrati. Esempio. Esempio. Risultati sperimentali. Interpolazione con spline cubica.

Esempio. Approssimazione con il criterio dei minimi quadrati. Esempio. Esempio. Risultati sperimentali. Interpolazione con spline cubica. Esempio Risultati sperimentali Approssimazione con il criterio dei minimi quadrati Esempio Interpolazione con spline cubica. Esempio 1 Come procedere? La natura del fenomeno suggerisce che una buona approssimazione

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

Luigi Piroddi piroddi@elet.polimi.it

Luigi Piroddi piroddi@elet.polimi.it Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,

Dettagli

SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n

SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,

Dettagli

u 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k

u 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure

Dettagli

Appunti di LOGICA MATEMATICA (a.a.2009-2010; A.Ursini) Algebre di Boole. 1. Definizione e proprietá

Appunti di LOGICA MATEMATICA (a.a.2009-2010; A.Ursini) Algebre di Boole. 1. Definizione e proprietá Appunti di LOGICA MATEMATICA (a.a.2009-2010; A.Ursini) [# Aii [10 pagine]] Algebre di Boole Un algebra di Boole è una struttura 1. Definizione e proprietá B =< B,,, ν, 0, 1 > in cui B è un insieme non

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

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