Appunti del corso di Geometria del prof. Landi
|
|
- Romina Genovese
- 7 anni fa
- Visualizzazioni
Transcript
1 Appunti del corso di Geometria del prof. Landi (tratti dal programma svolto) Anno Accademico 2009/2010 A cura di Piccoli Tobia PARTE TEORICA 1
2 DEFINIZIONI a) Spazio vettoriale Sia K un campo e V un insieme non vuoto. V si dice spazio vettoriale su K o K-spazio vettoriale se: 1) in V è denita un'operazione di somma s : V V V denotata con s(v, v ) = v + v e, rispetto a s, V è un gruppo abeliano 2) è denita un'operazione di prodotto esterno p : K V V denotata con p(k, v) = kv, k K, v V 3) sono vericate le seguenti proprietà: 1) (V, +) è un gruppo commutativo 2) k, k K, v, v V si ha: (k + k )v = kv + k v k(v + v ) = kv + kv k(k v) = (kk )v 1v = v con 1 = 1 K b) Sottospazio vettoriale Sia V un K-spazio vettoriale rispetto alle operazioni di somma e prodotto esterno, e W V un suo sottoinsieme. W è un sottospazio vettoriale di V se rispetto alle operazioni di somma e prodotto esterno W ha una struttura di K-spazio vettoriale. c) Base e dimensione di uno spazio vettoriale Sia V un K-spazio vettoriale. Un insieme ordinato B = {v 1,..., v n } di vettori di V si dice base di V se B è un sistema libero di generatori di V, cioè se V = L {v 1,..., v n } e v 1,..., v n sono linearmente indipendenti. Se esiste un intero positivo n tale che il K-spazio vettoriale ammetta una base di n elementi diremo che V ha dimensione n e scriveremo dim K (V ) = n o dim(v ) = n qualora il campo K sia chiaro dal contesto. d) Rango di una matrice Sia una matrice A K m,n. Si dice rango di A e si indica ρ(a) il massimo numero di colonne (o di righe) linearmente indipendenti della matrice. Si ha sempre che ρ(a) N e ρ(a) min {m, n}. e) Matrice ridotta per righe Una matrice A K m,n si dice ridotta (o riducibile) per righe se: 1) eliminate le righe nulle e 2) permutate opportunamente le colonne, si ottiene una matrice di tipo Triangolare Superiore Completa (matrice stella). 2
3 f) Soluzione e spazio delle soluzioni di un sistema lineare Una soluzione di un sistema lineare Σ è una n-upla (α 1,..., α n ) di K n che è soluzione di ogni equazione del sistema. L'insieme di tutte le soluzioni del sistema Σ prende il nome di spazio delle soluzioni, è un sottoinsieme di K n, e si indica con S(Σ). g) Applicazione lineare Siano V e W due K-spazi vettoriali. Un'applicazione f : V W si dice lineare se gode delle seguenti 2 proprietà: 1) f(v 1 + v 2 ) = f(v 1 ) + f(v 2 ), v 1, v 2 V 2) f(av) = af(v) v V, a K Ove con v si intende il vettore colonna t (x 1,..., x n ) h) Nucleo e immagine di un'applicazione lineare Data un'applicazione lineare f : V W, si dice nucleo di f, e si denota con ker(f), il sottoinsieme di V denito da: ker(f) = {v V : f(v) = 0 W } ossia l'insieme dei vettori mandati da f in 0 W. Si dice immagine di f, e si denota con Im(f), il sottoinsieme di W denito da: Im(f) = {w W : v V : w = f(v)} i) Matrice di cambiamento base Sia V un K-spazio vettoriale e siano B e C due basi di V. La matrice del cambiamento di base da B a C è la matrice M BC associata alla funzione identità da V in sè rispetto alle basi B (in partenza) e C (in arrivo). j) Somma diretta di sottospazi vettoriali Siano W 1,..., W n sottospazi di un K-spazio vettoriale V. La somma: W = W W n si dice diretta se ogni suo elemento v si scrive in modo unico nella forma: v = w w n con w i W i, i = 1,..., n e in tal caso si scrive W = W 1,..., W n. k) Matrici simili Due matrici A, B K n,n si dicono simili se sono associate ad uno stesso endomorsmo di K n e si indica ciò con: A B l) Endomorsmi semplici Un endomorsmo φ End(V ) si dice semplice se verica una delle seguenti condizioni (dati V, un K-spazio vettoriale, e φ End(V ) ) : 1) esiste una base B di V tale che M BB φ è diagonalizzabile 2) per ogni base D di V la matrice Mφ DD è diagonalizzabile 3
4 3) esiste una base C di V tale che Mφ CC è diagonale 1), 2), 3) sono equivalenti m) Autovettori e autovalori Sia V un K-spazio vettoriale e sia φ End(V ); se v V è un vettore non nullo e se esiste λ K tale che φ(v) = λv allora λ si dice autovalore di φ e v si dice autovettore di φ associato a λ. n) Autospazi Sia V un K-spazio vettoriale e sia φ End(V ); se λ è un autovalore di φ allora l'insieme: V λ = {v V : φ(v) = λv} è un sottospazio vettoriale di V e viene detto autospazio associato all'autovalore di λ. o) Polinomio caratteristico di una matrice Sia A K n,n una matrice quadrata; allora l'espressione det(a T I n ) è un polinomio p A (T ) di grado n in T a coecienti in K che viene chiamato polinomio caratteristico della matrice A. p) Prodotto scalare euclideo in R n L'applicazione : R n R n R denita da: (x 1,..., x n ) (y 1,..., y n ) = x 1 y x n y n si dice prodotto scalare canonico (euclideo) e (R n, ) si chiama spazio euclideo E n (è un R-spazio vettoriale). Posti v = (x 1,..., x n ), w = (y 1,..., y n ) le proprietà del prodotto euclideo sono: 1) v w = (x 1,..., x n ) (y 1,..., y n ) = (y 1,..., y n ) (x 1,..., x n ) = w v = x 1 y x n y n 2) v (λ 1 w 1 + λ 2 w 2 ) = λ 1 (v w 1 ) + λ 2 (v w 2 ) w 1, w 2 R n, λ 1, λ 2 R 3) v v = (x 1,..., x n ) (x 1,..., x n ) = x x 2 n 0 4) v v = 0 v = 0 q) Base ortonormale Sia (v 1,..., v n ) una base di R n. Se: v i v j = 1 se i = j 0 se i j la base è detta ortonormale r) Sottospazio ortogonale di un sottospazio di E n Sia (E n, ) uno spazio euclideo e sia W E n un sottospazio vettoriale. Si dice ortogonale di W l'insieme: 4
5 W = {v E n : v w = 0, w W } s) Giacitura di una retta e di un piano Data una retta r in A 2 (R) o A 3 (R) si dice giacitura di r e si indica con S r la corrispondente retta passante per l'origine. Dato un piano π A 3 (R) si dice giacitura di π e si indica con S π il corrispondente piano passante per l'origine. t) Rette parallele in A n In A n (R) due rette r, r si dicono parallele se e solo se hanno la stessa giacitura: r r S r = S r u) Piani paralleli in A n In A n (R) due piani π, π sono paralleli se e solo se hanno la stessa giacitura: π π S π = S π v) Retta e piano paralleli in A 3 In A 3 (R) una retta r e un piano π sono paralleli se la giacitura della retta è contenuta nella giacitura del piano: r π S r S π w) Rette ortogonali Due rette r, r sono ortogonali (in qualunque dimensione) se le loro giaciture sono ortogonali, ovvero: S r S r = 0 v w = 0, v S r, w S r x) Piani ortogonali In E 3 il piano π è ortogonale al piano π se un qualunque vettore ortogonale a π ed un qualunque vettore ortogonale a π sono fra loro ortogonali. y) Matrice ortogonale Una matrice P si dice ortogonale se le sue colonne formano una base ortonormale di R n. z) Endomorsmo autoaggiunto Un endomorsmo φ End(R n ) si dice autoaggiunto se: φ(v) w = φ(w) v v, w R n 5
6 ENUNCIATI 1) Criterio di sottospazio vettoriale Sia V un K-spazio vettoriale e W un suo sottoinsieme non vuoto. Le seguenti aermazioni sono equivalenti: 1) W è un sottospazio vettoriale di V 2) W è chiuso rispetto alla somma s ed al prodotto esterno p 3) λw 1 + µw 2 W w 1, w 2 W λ, µ K 2) Metodo per il calcolo del nucleo di un'applicazione lineare Siano V e W due K-spazi vettoriali di basi B e C rispettivamente e f : V W un'applicazione lineare con A = Mf BC. Per determinare ker(f) si procede così: 1) si risolve il sistema omogeneo Σ : AX = 0 e si determina una base ((a 1 1,..., a 1 n),..., (a p 1,..., ap n)) per lo spazio delle soluzioni S Σ. 2) ne segue che ker(f) = L((a 1 1,..., a 1 n) B,..., (a p 1,..., ap n) B ). In particolare se V = K n e B è la base canonica allora ker(f) coincide con S Σ. 3) Metodo per il calcolo dell'immagine di un'applicazione lineare Siano V e W due K-spazi vettoriali di basi B e C rispettivamente e f : V W un'applicazione lineare con A = Mf BC. Per determinare l'immagine di f che si denota con Im(f) si procede come segue: 1) si riduce A per colonne ottenendo una base per lo spazio delle colonne C(A): b 11 b p1...,...,... b 1m b pm 2) allora Im(f) = L((b 11,..., b 1m ) C,..., (b p1,..., b pm ) C ). In particolare se W = K n e C è la base canonica, allora Im(f) coincide con C(A). 4) Metodo degli scarti successivi Sia I = {v 1,..., v n } un insieme di generatori di un K-spazio vettoriale V. Si costruisce una catena di sottoinsiemi di I: 1) I 1 = I {v i I v i = 0 V } ; insieme dei vettori non nulli di I, ad esempio I 1 = {v 1, v 2, v 3,..., v k } 2) v 2 L(v 1 )? se sì I 2 = I 1 {v 2 } se no I 2 = I 1 ; quindi I 2 I 1 3) v 3 L(v 1, v 2 )? se sì I 3 = I 2 {v 3 } se no I 3 = I 2 ; quindi I 3 I 2... k) v k L(v 1, v 2,...v k 1 )? se sì I k = I k 1 {v k } se no I k = I k 1 ; quindi I k I k 1 6
7 Si è quindi costruita una catena di sottoinsiemi I I 1 I 2 I 3... I k tali che L(I) = L(I 1 ) =... = L(I k ), quindi I k è un insieme libero (i suoi vettori sono linearmente indipendenti) di generatori di V ed I k è una base di L(I) V 5) Criterio di iniettività di un'applicazione lineare Sia f : V W un'applicazione lineare. Le seguenti aermazioni sono equivalenti: 1) f è iniettiva 2) ker(f) = {0 V } 3) dim(v ) = ρ(a) per ogni matrice A associata ad f 6) Criterio di suriettività di un'applicazione lineare Sia f : V W un'applicazione lineare. Le seguenti aermazioni sono equivalenti: 1) f è suriettiva 2) dim(w ) = ρ(a) per ogni matrice A associata ad f 7) Criterio di isomorsmo di un'applicazione lineare Sia f : V W un'applicazione lineare tra K-spazi vettoriali della stessa dimensione. Le seguenti aermazioni sono equivalenti: 1) f è iniettiva 2) f è suriettiva 3) f è un isomorsmo 8) Metodo di risoluzione dei sistemi lineari Dato il sistema lineare AX = B lo si risolve in 2 passi: 1) si riduce per righe la matrice (A, B) ottenendo una matrice (A, B ) con A ridotta per righe; i due sistemi AX = B e A X = B sono equivalenti. 2) si determina lo spazio delle soluzioni di A X = B (usando il metodo di risoluzione dei sistemi ridotti) che coincide con lo spazio delle soluzioni AX = B. 9) Teorema di Rouché - Capelli Dato il sistema lineare in n incognite Σ : AX = B si ha: 1) Σ ha soluzioni ρ(a) = ρ(ab) 2) se ciò accade ci sono n ρ variabili libere (o anche il sistema ammette n ρ soluzioni). 3) come incognite libere si può scegliere un particolare sottoinsieme di n ρ variabili le rimanenti variabili corrispondono a colonne linearmente indipendenti. 7
8 10) Teorema su matrici associate ad un'applicazione lineare e cambi di base (con diagramma) Siano V e W due K-spazi vettoriali, B e B due basi di V, C e C due basi di W. Sia f : V W un'applicazione lineare, allora M B C f = M CC Mf BC M B B. Ciò si può riassumere con un diagramma commutativo (cioè il percorso fatto in verso equivale a quello fatto nell'altro): f V B W C id V id W V B W C f 11) Sviluppo del determinante secondo Laplace Sia A = (a ij ) K n,n e sia α ij = ( 1) i+j A ij (complemento algebrico di a ij ); allora deta = a 11 α 11 + a 12 α a 1n α 1n (per la riga 1). In generale si ha deta = a i1 α i1 + a i2 α i a in α in per la riga i-esima. Per la colonna j-esima si ha invece l'espressione generale: deta = a 1j α 1j + a 2j α 2j a ij α ij. 12) Relazione tra molteplicità algebrica e geometrica di un autovettore Sia V un K-spazio vettoriale e sia φ End(V ). Siano λ un autovalore di φ di molteplicità m(λ) e V λ il relativo autospazio; allora 1 dim(v λ ) m(λ), dove dim(v λ ) è detta molteplicità geometrica, che è sempre minore o uguale alla molteplicità algebrica m(λ). 13) Metodo per determinare se una matrice è diagonalizzabile Sia A K n,n e sia φ = K n K n l'endomorsmo associato ad A rispetto alla base canonica. La matrice A è diagonalizzabile se e solo se φ è semplice. Si procede nel seguente modo: 1) si calcola il polinomio caratteristico P φ (λ) = P A (λ) = det(a λi n ) di φ e si trovano le sue radici ossia gli autovalori λ 1,..., λ s ; 2) se j λ j / K si può subito dire che A non è diagonalizzabile 3) se λ j K allora: 1) se m(λ j ) dim(v λj ) allora A non è diagonalizzabile 2) se m(λ j ) = dim(v λj ) allora A è diagonalizzabile 4) se A è diagonalizzabile è simile ad una matrice diagonale lungo la cui diagonale ci sono λ 1,..., λ s ripetuti secondo la loro molteplicità. Inoltre = P 1 AP con P = M Bε la matrice del cambio base B di autovettori alla base canonica ε. 14) Teorema di caratterizzazione degli endomorsmi semplici Sia V un K-spazio vettoriale e φ End(V ). Se λ 1,..., λ s sono le radici di P φ (λ) di molteplicità m(λ 1 ),..., m(λ s ), rispettivamente sono equivalenti: 8
9 1) φ è semplice 2) esiste una base B di V fatta da autovettori 3) V è somma diretta degli autospazi: V = V λ1... V λs 4) λ j K e m(λ j ) = dim(v λj ) j = 1,..., s 15) Equazione della retta per due punti di E n Dati 2 punti distinti A e B in A n (R) esiste una ed una sola retta passante per A e B ed una sua possibile equazione vettoriale è data da: r : P = A + λ(b A). 16) Equazione del piano per tre punti di E n Dati 3 punti A, B, C in A 3 (R) distinti e non allineati esiste ed è unico il piano che li contiene ed una sua possibile equazione vettoriale è data da: π : P = A + λ(b A) + µ(c A). 17) Metodo di ortonormalizzazione di Gram - Schimdt Sia B = (v 1,...,, v n ) una base di R n. Posti: e 1 = e 2 = e 3 =... e n = v1 v 1 v2 (v2 e1)e1 v 2 (v 2 e 1)e 1 v3 [(v3 e1)e1+(v3 e2)e2] v 3 [(v 3 e 1)e 1+(v 3 e 2)e 2] vn n 1 j=1 (vn ei)ei v n n 1 j=1 (vn ei)ei si ha che e 1,..., e n costituiscono una base ortonormale. 18) Equazione normale della retta in E 2 Data un retta r di E 2 di equazione vettoriale P = A + λv e u un vettore ortogonale a r, cioè Sr = L(u) si dice equazione normale della retta r la: (P A) u = 0 e si ha che P r (P A) u = 0 19) Formula della distanza punto piano in E 3 Sia A = (α, β, γ) un punto di E 3 e sia π : ax + by + cz + d = 0 un piano di E 3. Allora la distanza tra il punto ed il piano è data dalla formula: d(a, π) : aα+bβ+cγ (a2 +b 2 +c 2 ) 20) Distanza tra retta e piano paralleli in E 3 9
10 Siano r e π una retta ed un piano paralleli in E 3. Allora: d(r, π) = d(p, π) dove P è un punto qualunque di r. 21) Caratterizzazione delle matrici ortogonali Una matrice A R n,n si dice ortogonale se e solo se t AA = I n, cioè se t A = A 1. Se A è ortogonale allora det(a) = ±1. 22) Caratterizzazione degli endomorsmi autoaggiunti in termini di autospazi Sia φ End(V ) un endomorsmo semplice e siano V λ1,..., V λs i suoi autospazi. Allora φ è autoaggiunto se e solo se i suoi autospazi sono a due a due ortogonali, cioè V λi V λj i j. 10
11 DIMOSTRAZIONI A) Sia V un K-spazio vettoriale e W V. Allora W è un sottospazio vettoriale di V se e solo se W è chiuso rispetto alla somma ed al prodotto per scalare. Innanzitutto W è chiuso rispetto a somma e prodotto per ipotesi. Poichè le proprietà associativa e commutativa valgono in V allora valgono anche in W. Basta mostrare che W ha elemento neutro (zero) e opposto di ogni suo elemento. Se 0 V W allora 0 V è zero di W, infatti w W si ha: 0 V + w = w + 0 V = w poichè w V. Dall'ipotesi di chiusura del prodotto si ha che 0 K w W w W, ma contemporaneamente si ha che 0 K w = 0 V, quindi 0 V W. Inne se w W allora w = ( 1)w W. B) Siano W 1 e W 2 due sottospazi di un K-spazio vettoriale V e sia W 1 + W 2 = {v V v = w 1 + w 2 ; w 1 W 1, w 2 W 2 }. Allora W 1 + W 2 è il più piccolo sottospazio vettoriale di V contenente W 1 W 2. 1) presi λ, λ K v, v W 1 + W 2, si deniscono: v = w 1 + w 2 v = w 1 + w 2 dove w 1, w 1 W 1 w 2, w 2 W 2. Si ha: ) λv + λ v = λ (w 1 + w 2 ) + λ (w 1 + w 2 = ( ) ( ) λw 1 + λ w 1 + λw 2 + λ w 2 e visto che W 1 e W 2 sono sottospazi si ha che λw 1 +λ w 1 W 1 e λw 2 +λw 2 W 2 da cui segue che W 1 + W 2 è un S.S.V. di V. 2) si dimostra poi che W 1 W 2 W 1 + W 2. Infatti se: w 1 W 1 w 1 = w V W 1 + W 2 w 2 W 2 w 2 = w V W 1 + W 2 3) per provare che è il più piccolo sottospazio si prova che è contenuto in un qualunque sottospazio Z che contenga W 1 W 2. Allora w 1 W 1, w 2 W 2 si ha w 1 + w 2 Z quindi Z W 1 + W 2. C) Sia V un K-spazio vettoriale e v 1,..., v n V, allora L(v 1,..., v n ) è un S.S.V. di V. Basta dimostrare che L(v 1,..., v n ) è chiuso rispetto somma e prodotto per scalare: 1) per somma: siano v, v due elementi di L(v 1,..., v n ). Allora esistono scalari λ 1,..., λ n e µ 1,..., µ n tali che v = λ 1 v 1,..., λ n v n e v = µ 1 v 1,..., µ n v n. Quindi la loro somma è: 11
12 v + v = (λ 1 v 1,..., λ n v n ) + (µ 1 v 1,..., µ n v n ) = (λ 1 + µ 1 ) v 1 + (λ 2 + µ 2 ) v (λ n + µ n ) v n quindi v + v L(v 1,..., v n ). 2) per prodotto: siano λ K e v = λ 1 v λ n v n L(v 1,..., v n ). Allora: λv = λλ 1 v λ n v n = (λλ 1 )v (λλ n )v n quindi λv L(v 1,..., v n ). D) L'insieme K [x] con le sue usuali operazioni tra polinomi è un K- spazio vettoriale di dimensione innita. Siano i polinomi p(x) = a 0 + a 1 x a n x n + 0x n x m e q(x) = b 0 + b 1 x b n x n b m x m e uno scalare λ K ; date le operazioni: 1) p(x) + q(x) = (a 0 + b 0 ) + (a 1 + b 1 )x (a n + b n )x n b m x m 2) λp(x) = λa 0 + λa 1 x λa n x n rispetto a tali operazioni K(x) è un K-spazio vettoriale, infatti l'opposto di p(x) è il polinomio p(x) = a 0 a 1 x... a n x n, l'elemento neutro è il polinomio nullo p(x) = 0 e così via. E) Un insieme di vettori I = {v 1,..., v n } è libero se e solo se ogni elemento di L(v 1,..., v n ) si scrive in modo unico come combinazione lineare dei v i. Si assume che I sia libero e che esista un vettore v L(v 1,..., v n ) che si scrive con 2 diverse combinazioni lineari, ovvero esistono scalari λ 1,..., λ n e µ 1,..., µ n tali che λ 1 v λ n v n = µ 1 v µ n v n. Allora: (λ 1 µ 1 )v (λ n µ n )v n = 0 V perchè v 1,..., v n sono linearmente indipendenti. Quindi i coecienti si annullano: λ 1 µ 1 = λ 2 µ 2 =... = λ n µ n = 0 cioè λ i = µ i i = 1,..., n quindi non esiste alcun elemento di L(v 1,..., v n ) che si scrive in 2 modi distinti, ossia ogni vettore si scrive in maniera unica. Viceversa si assuma che ogni v L(v 1,..., v n ) si scriva in modo unico come combinazione lineare di v 1,..., v n. In particolare 0 V si scrive in maniera unica: 0 K v K v n = 0 V Si prenda ora una generica combinazione lineare λ 1 v λ n v n = 0 V ; per l'unicità della scrittura di 0 V deve essere λ i = 0 i = 1,..., n. Dunque v 1,..., v n sono linearmente indipendenti F) Data un'applicazione lineare f : V W, allora f(0 V ) = 0 W e f( v) = f(v) per ogni v V. Si ricorda una proprietà importante delle applicazioni lineari: 12
13 f(ax) = af(x) Da questa si ha che: 1) f(0 V ) = f(0 K v) = 0 K f(v) = 0 W 2) f( v) = f(( 1) v) = ( 1)f(v) = f(v) G) Data un'applicazione lineare f : V W, ker(f) e Im(f) sono S.S.V. di V. 1) siano v, v ker(f) e λ, λ K. Si vuole provare che λv + λ v ker(f), cioè che f(λv + λ v ) 0 W. Per ipotesi f(v) = 0 W = f(v ), allora per le proprietà delle applicazioni lineari: f(λv + λ v ) = λf(v) + λ f(v ) = 0 W quindi ker(f) è un S.S.V. di V. 2) si dimostra che è chiuso rispetto a somma e prodotto per scalare. Siano w, w Im(f) ovvero esistono v, v V tali che f(v) = w e f(v ) = w ; allora per le proprietà delle applicazioni lineari: λw + λ w = λf(v) + λ f(v ) = f(λv) + f(λ v ) = f(λv + λ v ) λw + λ w Im(f) H) Siano V e W due K-spazi vettoriali della stessa dimensione. Allora V e W sono isomor. Si costruisce un semplice isomorsmo: siano B = (b 1,..., b n ) e C = (c 1,..., c n ) basi di V e W rispettivamente. Si costruisce una funzione f denita come: f(v i ) = w i i = 1,..., n, estesa per linearità: se v = (λ 1 b λ n b n ) V allora f(v) = λ 1 f(b 1 ) λ n f(b n ) = λ 1 c λ n c n. Poiché M B,C f = I n e ρ(i n ) = n allora f è un isomorsmo. I) Dato un sistema lineare omogeneo in n incognite, il suo spazio delle soluzioni è un sottospazio di R n. Si usa il criterio di S.S.V. : 1) siano X 1, X 2 due soluzioni di Σ, cioè AX 1 = 0 e AX 2 = 0. Allora: A(X 1 + X 2 ) = AX 1 + AX 2 = 0 ossia anche la somma di soluzioni è una soluzione, cioè X 1 + X 2 S(Σ) 2) siano X una soluzione del sistema e λ R. Allora: A(λX) = 0 = λax = 0 che è ancora una soluzione, ossia λx S(Σ). Quindi S(Σ) è un S.S.V. di R n. L) Due matrici A, B K n,n sono simili se e solo se esiste P GL(n) tale che P 1 AP = B Sia A B, allora esistono un endomorsmo φ : K n K n e due basi B e C di K n tali che A = Mφ BB e B = Mφ CC. Pertanto: 13
14 B = M BC AM CB dove M CB è invertibile e (M CB ) 1 = M BC, quindi P = M CB. Viceversa sia P una matrice invertibile tale che B = P 1 AP ; le colonne di P sono una base C di K n, allora P = M Cε quindi P 1 = M εc. Sia φ = fa εε l'endomorsmo di K n associato alla matrice A rispetto alla base canonica, da cui A = Mφ εε. Pertanto: B = P 1 AP = M εc Mφ εεm Cε = Mφ CC Si conclude che anche B è associata allo stesso endomorsmo φ e A e B sono simili. M) Se φ End(V ) e λ è un suo autovalore, allora V λ (insieme dei relativi autovettori) è un S.S.V. di V. Si ricorda la denizione di autospazio: V λ = {v V : φ(v) = λv}. Siano v 1, v 2 V λ e µ 1, µ 2 R. Si vuole dimostrare che µ 1 v 1 + µ 2 v 2 V λ : φ(µ 1 v 1 + µ 2 v 2 ) = µ 1 φ(v 1 ) + µ 2 φ(v 2 ) = µ 1 λv 1 + µ 2 λv 2 = λ(µ 1 v 1 + µ 2 v 2 ) N) In uno spazio vettoriale euclideo un insieme nito di vettori non nulli a due a due ortogonali è un insieme libero. Si consideri una combinazione lineare nulla dei vettori v 1,..., v n V {0 V } : λ 1 v λ s v s = 0 V. Allora: 0 = v i (λ 1 v λ s v s ) = λ 1 (v i v 1 ) λ s (v i v s ) = λ i v i 2 e poichè v i 0 V allora λ i = 0. Ripetendo il procedimento per ogni i deve essere λ 1 =... = λ s = 0. O) Se W è un sottospazio di uno spazio vettoriale euclideo V, allora W è un sottospazio di V. Siano v 1, v 2 W cioè v 1 w = 0, v 2 w = 0 w W. Dunque per qualsiasi λ 1, λ 2 R si ha: (λ 1 v 1 +λ 2 v 2 ) w = λ 1 v 1 w+λ 2 v 2 w = λ 1 (v 1 w)+λ 2 (v 2 w) = 0, w W, pertanto λ 1 v 1 + λ 2 v 2 W. P) Dati due punti esiste ed è unica la retta passante per i due punti stessi. Dati due punti A e B in A 2 (R) o A 3 (R) si ha che l'equazione vettoriale della retta è: r : P = A + λ(b A) r passa per A quando λ = 0 e per B quando λ = 1. Una retta passante per A ha equazione vettoriale P = A + µv con v R 2 o R 3. Inoltre r passa per B se e solo se vale B = A + µ 0 v per un opportuno µ 0 quindi se e solo se B A = µ 0 v. Allora: P = A + µ µ 0 (B A) = A + λ(b A) Dunque L(v) = L(B A). 14
15 Q) Formula della distanza punto - retta (nel piano) Siano una retta r : ax + by + c = 0 di E 2 e A = (α, β) un punto di E 2. Allora l'equazione della distanza della retta dal punto è: d(a, r) = aα+bβ+c (a2 +b 2 ) Sia û = ± (a,b) (a2 +b 2 ) il versore ortogonale. Allora: d(a, r) = (α x,β y) (a,b) (a 2 +b 2 ) ponendo nell'ultimo passaggio xa yb = c. 1 aα+bβ+c = aα + bβ xa yb = (a 2 +b 2 ) (a 2 +b 2 ) R) Intersezione di due rette nello spazio (casi possibili). Siano due rette r ed r di equazioni: { a1 x + b r : 1 y + c 1 z + d 1 = 0 a 2 x + b 2 y + c 2 z + d 2 = 0 r : { a 1x + b 1y + c 1z + d 1 = 0 a 2x + b 2y + c 2z + d 2 = 0 L'intersezione r r è data dalle soluzioni del sistema a cui sono associate le matrici A e (A, B): a 1 b 1 c 1 a 1 b 1 c 1 d 1 A = a 2 b 2 c 2 a 1 b 1 c (A, B) = a 2 b 2 c 2 d 2 1 a 1 b 1 c 1 d 1 a 2 b 2 c 2 a 2 b 2 c 2 d 2 sono possibili 4 casi: 1) ρ(a) = ρ(a, B) = 2 : il sistema ha soluzioni, quindi r = r 2) ρ(a) = ρ(a, B) = 3 : il sistema ha una sola soluzione, e quindi l'intersezione è il punto P 3) ρ(a) = 2 ; ρ(a, B) = 3 : non ci sono soluzioni, le due rette sono parallele: r r 4) ρ(a) = 3 ; ρ(a, B) = 4 : non ci sono soluzioni le due rette sono sghembe S) Intersezione di due piani nello spazio (casi possibili) Siano π e π due piani di equazioni cartesiane: π : ax + by + cz + d = 0 π : a x + b y + c z + d = 0 La loro intersezione π π è data dalle soluzioni del sistema a cui sono associate le matrici A e (A, B): ( ) ( ) a b c a b c d A = a b c (A, B) = a b c d sono possibili 3 casi: 15
16 1) ρ(a) = ρ(a, B) = 1 : il sistema ha 2 soluzioni, quindi π = π 2) ρ(a) = ρ(a, B) = 2 : il sistema ha soluzioni, l'intersezione dei due piani è una retta 3) ρ(a) = 1 ρ(a, B) = 2 : il sistema non ha soluzioni, l'intersezione è l'insieme vuoto e quindi π π T) Sia V un K-spazio vettoriale e φ End(V ) ; se λ 1, λ 2 K sono autovalori distinti e 0 V v i V λi, i = 1, 2 allora v 1 e v 2 sono linearmente indipendenti. Si ha v 1 0 per ipotesi, e si suppone che v i non è combinazione lineare di v 1,..., v i 1 per ogni i 2. Sia, per assurdo, i 0 il primo indice per il quale la proprietà non vale. Dunque {v 1,..., v i0 1} è libero, e v i0 è combinazione lineare dei precedenti, cioè: v i0 = α 1 v α i0 1v i0 1 ( ) Applicando φ ad entrambi i membri, e tenendo conto che i v i sono autovettori di autovalore λ i, si ha: φ(v i0 ) = λ i0 v i0 = α 1 λ 1 v α i0 1λ i0 1v i0 1 Dalla ( ) segue che: λ i0 (α 1 v α i0 1v i0 1) = α 1 λ 1 v α i0 1λ i0 1v i0 1 e quindi: α 1 (λ 1 λ i0 )v α i0 1(λ i0 1 λ i0 )v i0 1 = 0 V Poiché {v 1,..., v i0 1} è libero i coecienti di tale combinazione lineare sono nulli, e visto che gli autovalori sono distinti per ipotesi si ha α 1 =... = α i0 1 = 0 e quindi v i0 = 0 V contro l'ipotesi. U) In E 3 (cioè R 3 con il prodotto scalare euclideo) provare le 4 proprietà del prodotto scalare Posti v = (x 1,..., x n ) e w = (y 1,..., y n ) si ha: 1) v w = w v = (x 1,..., x n ) (y 1,..., y n ) = x 1 y x n y n = y 1 x y n x n = (y 1,..., y n ) (x 1,..., x n ) 2) (a 1 w 1 + a 2 w 2 ) (x 1,..., x n ) = a 1 w 1 x a 1 w 1 x n + a 2 w 2 x a 2 w 2 x n = a 1 (w 1 x w 1 x n ) + a 2 (w 2 x w 2 x n ) = a 1 (w 1 (x 1,..., x n )) + a 2 (w 2 (x 1,..., x n )) ossia anche: = (a 1 w 1 + a 2 w 2 ) v = a 1 (w 1 v) + a 2 (w 2 v) 3) e 4) v v = (x 1,..., x n ) (x 1,..., x n ) = x x 2 n = n i = 1 x 2 i 0 V) In E 3 (cioè R 3 con il prodotto scalare euclideo) provare le 3 proprietà caratterizzanti la norma Posto v = (x 1,..., x n ) le proprietà sono: 16
17 1) e 2) v = (x 1,..., x n ) = (x x2 n) = n Σ i = 1 x 2 i 0 3) a v = a (x 1,..., x n ) = ax ax n = a (x 1,..., x n ) = a v Z) Siano φ End(V ), B base ortonormale di V e A = Mφ BB è autoaggiunto se e solo se A è simmetrica.. Allora φ Sia A una matrice simmetrica. Si vuole provare che φ(v) w = v φ(w) v, w V. Denotando con X e Y le colonne delle componenti rispetto a B di v e w rispettivamente, si ha: φ(x) Y = t (AX)Y = ( t A t X) Y = t X ( t AY ) = t X (AY ) = X φ(y ) e poichè A simmetrica allora A = t A. Viceversa sia φ autoaggiunto; se B = (e 1,..., e n ) e: a a 1n.. A =.... a n1... a nn allora : φ(e 1 ) = a 11 e a n1 e n... φ(e n ) = a 1n e a nn e n Poichè φ è autoaggiunto i, j si ha: φ(e i ) e j = e i φ(e j ) da cui: a ji = (a 1i e a ni e n ) e j = e i (a 1j e a nj e n ) = a ij 17
18 NOTE AGGIUNTIVE Gruppo abeliano Sia G un insieme e una sua operazione binaria; G si dice gruppo commutativo o abeliano se valgono le seguenti proprietà: 1) è associativa 2) esiste in G un elemento neutro e rispetto a 3) ogni elemento di G ammette inverso (opposto) 4) vale la proprietà commutativa: a b = b a a, b G inoltre, se valgono solo le prime 3 proprietà allora (G,, e) si dice gruppo. Anello commutativo Un insieme (A, +, 0,, 1) si dice anello commutativo se: 1) (A, +, 0) è un gruppo commutativo 2) il prodotto è associativo 3) 1 è l'elemento neutro rispetto al prodotto 4) a (b + c) = a b + a c a, b, c A 5) il prodotto è commutativo inoltre, se valgono solo le prime 4 proprietà A si dice anello. Campo L'anello commutativo K si dice campo se ogni suo elemento non nullo ammette inverso moltiplicativo. Endomorsmo Sia V un K-spazio vettoriale; un'applicazione lineare φ : V V si dice endomorsmo di V. Lo spazio vettoriale degli endomorsmi di V, L(V, V )si indica con End(V ). Vettori linearmente indipendenti Dato un insieme I = {v 1,..., v n } di vettori di un K-spazio vettoriale V, tali vettori si dicono linearmente indipendenti su K se il vettore nullo si ottiene come loro combinazione lineare soltanto con coecienti nulli cioè λ 1 v λ n v n λ 1 =... = λ n = 0 K In tal caso l'insieme I si dice libero. 18
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA
Cognome Nome Matricola FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Ciarellotto, Esposito, Garuti Prova del 21 settembre 2013 Dire se è vero o falso (giustificare le risposte. Bisogna necessariamente rispondere
Dettagli(VX) (F) Se A e B sono due matrici simmetriche n n allora anche A B è una matrice simmetrica.
5 luglio 010 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola
DettagliEsercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria
Esercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria Avvertenze In quanto segue tutti i vettori hanno il medesimo punto d origine O l origine dello spazio cartesiano. Possiamo
DettagliGEOMETRIA E ALGEBRA LINEARE Soluzioni Appello del 17 GIUGNO Compito A
Soluzioni Appello del 17 GIUGNO 2010 - Compito A a) Se h = 7 il sistema ha infinite soluzioni (1 variabile libera), mentre se h 7 la soluzione è unica. b) Se h = 7 allora Sol(A b) = {( 7z, 5z + 5, z),
DettagliAutovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)
Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) April 14, 2011 (alcune note non complete sugli argomenti trattati: eventuali completamenti saranno aggiunti)
DettagliREGISTRO DELLE LEZIONI
UNIVERSITA DEGLI STUDI DI GENOVA FACOLTA DI SCIENZE MATEMATICHE, FISICHE E NATURALI REGISTRO DELLE LEZIONI del Corso UFFICIALE di GEOMETRIA B tenute dal prof. Domenico AREZZO nell anno accademico 2006/2007
DettagliEsercitazione di Geometria I 13 dicembre Esercizio 1. Esercizio 2. Esercizio 3
Esercitazione di Geometria I 13 dicembre 2008 a. Completa la seguente definizione: i vettori v 1, v 2,..., v n del K-spazio vettoriale V si dicono linearmente dipendenti se... b. Siano w 1, w 2, w 3 vettori
Dettagli(2) Dato il vettore w = (1, 1, 1), calcolare T (w). (3) Determinare la matrice A associata a T rispetto alla base canonica.
1. Applicazioni lineari Esercizio 1.1. Sia T : R 2 R 3 l applicazione lineare definita sulla base canonica di R 2 nel seguente modo: T (e 1 ) = (1, 2, 1), T (e 2 ) = (1, 0, 1). a) Esplicitare T (x, y).
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2015/2016 Antonio Lanteri e Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 37 index Spazi vettoriali
DettagliMATRICI E SISTEMI LINEARI
- - MATRICI E SISTEMI LINEARI ) Calcolare i seguenti determinanti: a - c - d - e - f - g - 8 7 8 h - ) Calcolare per quali valori di si annullano i seguenti determinanti: a - c - ) Calcolare il rango delle
DettagliEsame di Geometria - 9 CFU (Appello del 14 gennaio A)
Esame di Geometria - 9 CFU (Appello del 4 gennaio 24 - A) Cognome: Nome: Nr.matricola: Corso di laurea: Esercizio. Si considerino le rette s : { x x 2 2x 3 = 2 3x x 2 =, { x + x s 2 : 2 x 3 = x 2 =.. Stabilire
DettagliCorso di Geometria Ing. Informatica e Automatica Test 1: soluzioni
Corso di Geometria Ing. Informatica e Automatica Test : soluzioni k Esercizio Data la matrice A = k dipendente dal parametro k, si consideri il k sistema lineare omogeneo AX =, con X = x x. Determinare
DettagliCapitolo IV SPAZI VETTORIALI EUCLIDEI
Capitolo IV SPAZI VETTORIALI EUCLIDEI È ben noto che in VO 3 si possono considerare strutture più ricche di quella di spazio vettoriale; si pensi in particolare all operazioni di prodotto scalare di vettori.
DettagliEsercizi Applicazioni Lineari
Esercizi Applicazioni Lineari (1) Sia f : R 4 R 2 l applicazione lineare definita dalla legge f(x, y, z, t) = (x + y + z, y + z + t). (a) Determinare il nucleo di f, l immagine di f, una loro base e le
DettagliSapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A ESERCIZI DA CONSEGNARE prof.
Sapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A. 2015-2016 ESERCIZI DA CONSEGNARE prof. Cigliola Consegna per Martedì 6 Ottobre Esercizio 1. Una matrice quadrata A si
DettagliCompiti di geometria & algebra lineare. Anno: 2004
Compiti di geometria & algebra lineare Anno: 24 Anno: 24 2 Primo compitino di Geometria e Algebra 7 novembre 23 totale tempo a disposizione : 3 minuti Esercizio. [8pt.] Si risolva nel campo complesso l
DettagliElementi di Algebra Lineare Applicazioni lineari
Elementi di Algebra Lineare Applicazioni lineari Cristina Turrini UNIMI - 2015/2016 Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 18 index Applicazioni lineari 1 Applicazioni lineari
DettagliTempo a disposizione: 150 minuti. 1 È dato l endomorfismo f : R 3 R 3 definito dalle relazioni
Università degli Studi di Catania Anno Accademico 2014-2015 Corso di Laurea in Informatica Prova in itinere di Matematica Discreta (12 CFU) 17 Aprile 2015 Prova completa Tempo a disposizione: 150 minuti
DettagliLa retta nel piano. Supponiamo che la retta r sia assegnata attraverso un suo punto P 0 (x 0, y 0 ) e un vettore v (l, m) che ne indichi la direzione.
La retta nel piano Equazioni vettoriale e parametriche di una retta Supponiamo che la retta r sia assegnata attraverso un suo punto P 0 (x 0, y 0 ) e un vettore v (l, m) che ne indichi la direzione. Condizione
DettagliEsercizi di Geometria e Algebra Lineare C.d.L. Ingegneria Meccanica
Esercizi di Geometria e Algebra Lineare C.d.L. Ingegneria Meccanica 1) Dati i vettori a = (2, 4), b = (1, 2), c = ( 1, 1), d = (3, 6), stabilire se c e d appartengono a Span(a, b}). 2) Nello spazio vettoriale
DettagliEsercizi per Geometria II Geometria euclidea e proiettiva
Esercizi per Geometria II Geometria euclidea e proiettiva Filippo F. Favale 8 aprile 014 Esercizio 1 Si consideri E dotato di un riferimento cartesiano ortonormale di coordinate (x, y) e origine O. Si
DettagliEsercizi di Complementi di Matematica (L-Z) a.a. 2015/2016
Esercizi di Complementi di Matematica (L-Z) a.a. 2015/2016 Prodotti scalari e forme bilineari simmetriche (1) Sia F : R 2 R 2 R un applicazione definita da F (x, y) = x 1 y 1 + 3x 1 y 2 5x 2 y 1 + 2x 2
DettagliEsercizi di ripasso: geometria e algebra lineare.
Esercizi di ripasso: geometria e algebra lineare. Esercizio. Sia r la retta passante per i punti A(2,, 3) e B(,, 2) in R 3. a. Scrivere l equazione cartesiana del piano Π passante per A e perpendicolare
DettagliProdotto scalare e ortogonalità
Prodotto scalare e ortogonalità 12 Novembre 1 Il prodotto scalare 1.1 Definizione Possiamo estendere la definizione di prodotto scalare, già data per i vettori del piano, ai vettori dello spazio. Siano
Dettagli15 luglio Soluzione esame di geometria - Ing. gestionale - a.a COGNOME... NOME... N. MATRICOLA... ISTRUZIONI
15 luglio 01 - Soluzione esame di geometria - Ing. gestionale - a.a. 01-01 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono
DettagliDIAGONALIZZAZIONE. M(f) =
DIAGONALIZZAZIONE Esercizi Esercizio 1. Sia f End(R 3 ) associato alla matrice M(f) = 0 1 2 0. 2 (1) Determinare gli autovalori di f e le relative molteplicità. (2) Determinare gli autospazi di f e trovare,
DettagliCapitolo 1 Vettori applicati e geometria dello spazio
Capitolo 1 Vettori applicati e geometria dello spazio Marco Robutti Facoltà di ingegneria Università degli studi di Pavia Tutorato di geometria e algebra lineare Anno accademico 2014-2015 Definizione (Vettore
DettagliAlgebra lineare Geometria 1 11 luglio 2008
Algebra lineare Geometria 1 11 luglio 2008 Esercizio 1. Si considerino la funzione: { R f : 3 R 3 (α, β, γ) ( 2β α γ, (k 1)β + (1 k)γ α, 3β + (k 2)γ ) dove k è un parametro reale, e il sottospazio U =
DettagliApplicazioni lineari e diagonalizzazione. Esercizi svolti
. Applicazioni lineari Esercizi svolti. Si consideri l applicazione f : K -> K definita da f(x,y) = x + y e si stabilisca se è lineare. Non è lineare. Possibile verifica: f(,) = 4; f(,4) = 6; quindi f(,4)
DettagliMATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE
DIAGONALIZZAZIONE 1 MATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE Matrici ortogonali e loro proprietà. Autovalori ed autospazi di matrici simmetriche reali. Diagonalizzazione mediante matrici
DettagliLe matrici. Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1.
Le matrici Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1. Siano m, n N\{0}. Una matrice m n a coefficienti in K è una tabella di m n elementi di K disposti
DettagliEsame di Geometria - 9 CFU (Appello del 20 Giugno A)
Esame di Geometria - 9 CFU (Appello del 20 Giugno 2012 - A) Cognome: Nome: Nr.matricola: Corso di laurea: Esercizio 1. Siano dati, al variare del parametro k R, i piani: π 1 : x 2y + 2z = 2, π 2 : z =
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Esercizi Esercizio Date le seguenti applicazioni lineari f : R 2 R 3 definita da fx y = x 2y x + y x + y; 2 g : R 3 R 2 definita da gx y z = x + y x y; 3 h : Rx] 2 R 2 definita da
DettagliSoluzione. (a) L insieme F 1 e linearmente indipendente; gli insiemi F 2 ed F 3 sono linearmente
1. Insiemi di generatori, lineare indipendenza, basi, dimensione. Consideriamo nello spazio vettoriale R 3 i seguenti vettori: v 1 = (0, 1, ), v = (1, 1, 1), v 3 = (, 1, 0), v 4 = (3, 3, ). Siano poi F
Dettagli3. Vettori, Spazi Vettoriali e Matrici
3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
DettagliProdotto interno (prodotto scalare definito positivo)
Contenuto Prodotto scalare. Lunghezza, ortogonalità. Sistemi e basi ortonormali. Somma diretta: V = U U. Proiezioni. Teorema di Pitagora, disuguaglianza di Cauchy-Schwarz. Angoli. Federico Lastaria. Analisi
DettagliEsercizi svolti per Geometria 1 per Fisici 2008/09
Esercizi svolti per Geometria 1 per Fisici 2008/09 F.Pugliese January 25, 2009 Abstract In queste note svolgerò alcuni esercizi sulla parte del corso che mi riguarda; si tenga presente che si tratta solo
Dettagli10 dicembre Soluzione esame di geometria - Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...
10 dicembre 003 - Soluzione esame di geometria - Ingegneria gestionale - a.a. 003-004 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura 3 ore. ISTRUZIONI
Dettagliii 1.20 Rango di una matrice Studio dei sistemi lineari Teoremi di Cramer e Rouché-Capelli......
Indice Prefazione vii 1 Matrici e sistemi lineari 1 1.1 Le matrici di numeri reali................. 1 1.2 Nomenclatura in uso per le matrici............ 3 1.3 Matrici ridotte per righe e matrici ridotte
DettagliALGEBRA LINEARE. [Nozioni Fondamentali] A CURA DI ALESSANDRO PAGHI. PROFESSORE: Antonio Pasini (
ALGEBRA LINEARE [Nozioni Fondamentali] A CURA DI ALESSANDRO PAGHI PROFESSORE: Antonio Pasini ( http://www3.diism.unisi.it/people/person.php?id=3 ) LINK AL CORSO ANNO 2013/2014: http://www3.diism.unisi.it/fac/index.php?bodyinc=didattica/inc.insegnamento.php&id=54635&aa=2013
Dettagliappuntiofficinastudenti.com 1. Strutture algebriche e polinomi
1. Strutture algebriche e polinomi Cenni su linguaggio di Teoria degli Insiemi: appartenenza, variabili, quantificatori, negazione, implicazione, equivalenza, unione, intersezione, prodotto cartesiano,
Dettagli1. Sistemi lineari. Definizione. Un sistema lineare di m equazioni in n incognite è un sistema di equazioni della forma
Dispense di Algebra Lineare per Ingegneria Sistemi lineari Definizione Un sistema lineare di m equazioni in n incognite è un sistema di equazioni della forma a x +a x + +a n x n = b a x +a x + +a n x n
DettagliApplicazioni lineari e diagonalizzazione pagina 1 di 5
pplicazioni lineari e diagonalizzazione pagina 1 di 5 PPLIZIONI LINERI 01. Dire quali delle seguenti applicazioni tra IR-spazi vettoriali sono lineari a. f :IR 2 IR 3 f(x y =(x y πy b. f :IR 3 IR 3 f(x
DettagliEsercitazione di Analisi Matematica II
Esercitazione di Analisi Matematica II Barbara Balossi 06/04/2017 Esercizi di ripasso Esercizio 1 Sia data l applicazione lineare f : R 3 R 3 definita come f(x, y, z) = ( 2x + y z, x 2y + z, x y). a) Calcolare
Dettagli( ) TEORIA DELLE MATRICI. A. Scimone a.s pag 1
. Scimone a.s 1997 98 pag 1 TEORI DELLE MTRICI Dato un campo K, definiamo matrice ad elementi in K di tipo (m, n) un insieme di numeri ordinati secondo righe e colonne in una tabella rettangolare del tipo
Dettagli6. Spazi euclidei ed hermitiani
6. Spazi euclidei ed hermitiani 6.1 In [GA] 5.4 abbiamo definito il prodotto scalare fra vettori di R n (che d ora in poi chiameremo prodotto scalare standard su R n ) e abbiamo considerato le seguenti
DettagliFormulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010
Formulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010 In quetsa dispensa: V è uno spazio vettoriale di dimensione d sul campo complesso C generato dai vettori v 1,..., v d. Le variabili m,
DettagliElementi di Algebra Lineare. Spazio Vettoriale (lineare)
Elementi di Algebra Lineare Spazio Vettoriale (lineare) Uno spazio vettoriale su un corpo F è una quadrupla (X, F, +, ) costituita da: un insieme di elementi X, detti vettori, un corpo F, i cui elementi
DettagliQUADERNI DIDATTICI. Dipartimento di Matematica. Esercizi di Geometria ealgebralinearei Corso di Studi in Fisica
Università ditorino QUADERNI DIDATTICI del Dipartimento di Matematica E Abbena, G M Gianella Esercizi di Geometria ealgebralinearei Corso di Studi in Fisica Quaderno # 6 - Aprile 003 Gli esercizi proposti
DettagliRichiami di algebra delle matrici
Richiami di algebra delle matrici (S. Terzi) 1. SPAZI VETTORIALI I. ALCUNE DEFINIZIONI 1) Definizione di spazio vettoriale Sia S un insieme di vettori di ordine n. S è detto spazio lineare se e' un insieme
DettagliGeometria analitica del piano pag 12 Adolfo Scimone
Geometria analitica del piano pag 12 Adolfo Scimone Fasci di rette Siano r e r' due rette distinte di equazioni r: ax + by + c r': a' x + b' y + c' Consideriamo la retta combinazione lineare delle due
DettagliEsercizi di Geometria - 2
Esercizi di Geometria - 2 Samuele Mongodi - s.mongodi@sns.it La prima sezione contiene alcune domande aperte e alcune domande verofalso, come quelle che potrebbero capitare nel test. E consigliabile, nel
DettagliLEZIONE 12. Y = f(x) = f( x j,1 f(e j ) = x j,1 A j = AX = µ A (X),
LEZIONE 1 1.1. Matrice di un applicazione lineare. Verifichiamo ora che ogni applicazione lineare f: R n R m è della forma µ A per un unica A R m,n. Definizione 1.1.1. Per ogni j 1,..., n indichiamo con
DettagliAppunti di algebra lineare. Federico G. Lastaria. Mauro Saita. Politecnico di Milano. gennaio 2008
1 Appunti di algebra lineare Federico G. Lastaria Mauro Saita Politecnico di Milano gennaio 2008 Email degli autori: federico.lastaria@polimi.it maurosaita@tiscalinet.it 2 Indice 1 Spazi vettoriali e Applicazioni
DettagliSomma diretta di sottospazi vettoriali
Capitolo 8 Somma diretta di sottospazi vettoriali 8.1 Introduzione Introduciamo un caso particolare di somma di due sottospazi vettoriali: la somma diretta. Anche questo argomento è stato visto nel corso
DettagliCorso di Geometria BIAR, BSIR Esercizi 2: soluzioni
Corso di Geometria 2- BIAR, BSIR Esercizi 2: soluzioni Esercizio Calcolare il determinante della matrice 2 3 : 3 2 a) con lo sviluppo lungo la prima riga, b) con lo sviluppo lungo la terza colonna, c)
Dettaglix 1 Fig.1 Il punto P = P =
Geometria di R 2 In questo paragrafo discutiamo le proprietà geometriche elementari del piano Per avere a disposizione delle coordinate nel piano, fissiamo un punto, che chiamiamo l origine Scegliamo poi
DettagliCorso di Geometria BIAR, BSIR Esercizi 10: soluzioni
Corso di Geometria 2010-11 BIAR, BSIR Esercizi 10: soluzioni 1 Geometria dello spazio Esercizio 1. Dato il punto P 0 = ( 1, 0, 1) e il piano π : x + y + z 2 = 0, determinare: a) Le equazioni parametriche
Dettagli= (cioè le due terne di numeri direttori ( devono essere ) proporzionali). Tale uguaglianza non è verificata, poiché risulta ρ
Alcuni esercizi sullo spazio euclideo R Nel seguito R indicherà lo spazio euclideo tridimensionale standard, dotato del riferimento cartesiano naturale (pag 56-57 del libro Nota: gli esercizi proposti
DettagliSOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
DettagliNote per il corso di Geometria e algebra lineare 2009-10 Corso di laurea in Ing. Elettronica e delle Telecomunicazioni
Note per il corso di Geometria e algebra lineare 009-0 Corso di laurea in Ing. Elettronica e delle Telecomunicazioni Spazi di n-uple e matrici. I prodotti cartesiani RR R e RRR R 3, costituiti dalle coppie
DettagliDipartimento di Matematica Corso di laurea in Matematica Compiti di Geometria II assegnati da dicembre 2000 a dicembre 2003
Dipartimento di Matematica Corso di laurea in Matematica Compiti di Geometria assegnati da dicembre 2000 a dicembre 2003 11/12/2000 n R 4 sono assegnati i punti A(3, 0, 1, 0), B(0, 0, 1, 0), C(2, 1, 0,
DettagliMATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI
MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI LE MATRICI DEFINIZIONE: Una matrice è un insieme di numeri disposti su righe e colonne. 1 3 7 M = 2 5 1 M è
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI 1 APPLICAZIONI LINEARI Applicazioni lineari tra spazi R n spazi di matrici spazi di polinomi e matrice associata rispetto ad una coppia di basi Endomorismi e matrice associata rispetto
DettagliEsercizi di Algebra Lineare. Claretta Carrara
Esercizi di Algebra Lineare Claretta Carrara Indice Capitolo. Operazioni tra matrici e n-uple. Soluzioni 3 Capitolo 2. Rette e piani 5. Suggerimenti 9 2. Soluzioni 20 Capitolo 3. Gruppi, spazi e sottospazi
DettagliEsercitazione 6 - Soluzione
Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliDefinizione 1 Una applicazione f : V W, con V, W spazi vettoriali sul campo K si dice lineare se conserva le combinazioni lineari:
Applicazioni lineari Definizione Una applicazione f : V W, con V, W spazi vettoriali sul campo K si dice lineare se conserva le combinazioni lineari: f(αv + βv 2 ) = αf(v ) + βf(v 2 ) v, v 2 V, α, β K.
DettagliInversa di una matrice
Geometria Lingotto. LeLing: La matrice inversa. Ārgomenti svolti: Inversa di una matrice. Unicita e calcolo della inversa. La inversa di una matrice. Il gruppo delle matrici invertibili. Ēsercizi consigliati:
DettagliCorso di Matematica e Statistica 3 Algebra delle matrici. Una tabella rettangolare: la matrice. Una tabella rettangolare: la matrice
Pordenone Corso di Matematica e Statistica 3 Algebra delle UNIVERSITAS STUDIORUM UTINENSIS Giorgio T. Bagni Facoltà di Scienze della Formazione Dipartimento di Matematica e Informatica Università di Udine
Dettagli1) Quali dei seguenti sottoinsiemi del campo dei numeri reali ℝ sono sottospazi vettoriali?
Geometria I lezione del 30 settembre 2013 Presentazione del corso. Nozioni e notazioni: concetti primitivi di insieme, elemento ed appartenenza. Insiemi numerici: i numeri naturali ℕ, gli interi ℤ, i numeri
DettagliFerruccio Orecchia. esercizi di GEOMETRIA 1
A01 102 Ferruccio Orecchia esercizi di GEOMETRIA 1 Copyright MCMXCIV ARACNE editrice S.r.l. www.aracneeditrice.it info@aracneeditrice.it via Raffaele Garofalo, 133 A/B 00173 Roma (06) 93781065 ISBN 978
Dettaglia + 2b + c 3d = 0, a + c d = 0 c d
SPAZI VETTORIALI 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x,
DettagliSottospazi vettoriali. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni.
Politecnico di Torino. Sottospazi vettoriali. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni. Argomenti: Sottospazi. Generatori. Confrontando sottospazi: intersezione.
DettagliMatematica Discreta e Algebra Lineare (per Informatica)
Matematica Discreta e Algebra Lineare (per Informatica) Docente: Alessandro Berarducci Anno accademico 2016-2017, versione 14 Marzo 2017 Tipiche domande d esame La seguente lista di domande non intende
DettagliESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA
ESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA Foglio 4 Esempio. Sia V = P 5 (R) lo spazio dei polinomi di grado strettamente minore di 5. Si considerino i seguenti sottoinsiemi di V (i) Dimostrare
DettagliAlgebra 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
Dettagli1 Coniche. s (x, y, t ) (1) 1 (x, y, t )F r 2
1 Coniche Studieremo le curve nel piano euclideo, cioè nel piano con un sistema di riferimento cartesiano ortogonale fissato, oppure nel completamento proiettivo di questo piano, ottenuto con l introduzione
DettagliRICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI. a 11 a 12 a 1n a 21 a 22 a 2n. a m1 a m2 a mn
RICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI LUCIA GASTALDI 1. Matrici. Operazioni fondamentali. Una matrice A è un insieme di m n numeri reali (o complessi) ordinati, rappresentato nella tabella
DettagliSISTEMI DI RADICI. Tesina per la Laurea Quadriennale in Matematica. Professore: Rita Fioresi. Studente: Marzia Dalla Venezia
SISTEMI DI RADICI Tesina per la Laurea Quadriennale in Matematica Professore: Rita Fioresi Studente: Marzia Dalla Venezia Capitolo 1 Sistemi di radici Sia V uno spazio vettoriale nito-dimensionale euclideo
DettagliESERCIZI MATEMATICA GENERALE - Canale III
ESERCIZI MATEMATICA GENERALE - Canale III Vettori Prof. A. Fabretti 1 A.A. 009/010 1 Dati in R i vettori v = (1,,, u = (,, 1 e w = (,, calcolare: a la combinazione lineare u + v + 4 w b il prodotto scalare
DettagliEsercizi di GEOMETRIA e ALGEBRA LINEARE (Ingegneria Ambientale e Civile - Curriculum Ambientale)
Esercizi di GEOMETRIA e ALGEBRA LINEARE (Ingegneria Ambientale e Civile - Curriculum Ambientale). Tra le seguenti matrici, eseguire tutti i prodotti possibili: 2 ( ) A = 0 3 4 B = C = 2 2 0 0 2 D = ( 0
Dettagliottenuta scambiando in A, le righe con le colonne, così, ad esempio, posto
MATRICI Si chiama matrice di m righe ed n colonne una tabella costituita da m n numeri (detti elementi), disposti in m righe orizzontali ed in n colonne verticali, racchiusi tra due parentesi tonde. (1)
DettagliEsercizi 2. Soluzioni. 1. Siano dati i vettori 1 1, 1 R 3.
Esercizi. Soluzioni.. Siano dati i vettori,, R. (i) Far vedere che formano una base di R. (ii) Ortonormalizzarla col metodo di Gram-Schmidt. (iii) Calcolare le coordinate del vettore X = 5 Sol. (i) Usiamo
Dettagli= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con
Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti su m righe e n colonne. I numeri che compaiono nella tabella si dicono elementi della matrice. La loro individuazione
DettagliSi consideri il sistema a coefficienti reali di m equazioni lineari in n incognite
3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x
DettagliProva teorica di algebra lineare e geometria del 6 marzo 2009 VERSIONE A
Prova teorica di algebra lineare e geometria del 6 marzo 9 VERSIONE A Nome e cognome: Matricola: Attenzione: riportare i dati personali su ogni foglio consegnato Esercizio. Sia Ax = v un sistema lineare
Dettagli5 Un applicazione: le matrici di rotazione
5 Un applicazione: le matrici di rotazione 51 Rotazioni nel piano di un angolo ϑ Si vuole considerare il caso della rotazione nel piano di un vettore di R di un angolo ϑ assegnato Chiaramente si tratta
DettagliArgomenti Capitolo 1 Richiami
Argomenti Capitolo 1 Richiami L insieme dei numeri reali R si rappresenta geometricamente con l insieme dei punti di una retta orientata su cui sia stato fissato un punto 0 e un segmento unitario. L insieme
DettagliPagine di Algebra lineare. di premessa al testo Pagine di Geometria di Sara Dragotti. Parte terza: SISTEMI LINEARI
Pagine di Algebra lineare di premessa al testo Pagine di Geometria di Sara Dragotti Parte terza: SISTEMI LINEARI 1. Definizioni Dato un campo K ed m 1 polinomi su K in n indeterminate di grado non superiore
DettagliRETTE E PIANI. ove h R. Determinare i valori di h per cui (1) r h e α sono incidenti ed, in tal caso, determinare l angolo ϑ h da essi formato;
RETTE E PIANI Esercizi Esercizio 1. Nello spazio con riferimento cartesiano ortogonale Oxyz si considerino la retta r h ed il piano α rispettivamente di equazioni x = 1 + t r h : y = 1 t α : x + y + z
DettagliVettori e matrici. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Vettori e matrici Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utentiunifeit/lorenzopareschi/ lorenzopareschi@unifeit Lorenzo Pareschi Univ Ferrara
Dettagli1 Equazioni parametriche e cartesiane di sottospazi affini di R n
2 Trapani Dispensa di Geometria, Equazioni parametriche e cartesiane di sottospazi affini di R n Un sottospazio affine Σ di R n e il traslato di un sottospazio vettoriale. Cioe esiste un sottospazio vettoriale
Dettagli1 Cenni di teoria degli insiemi
1 Cenni di teoria degli insiemi 1.1. Siano A, B, C,... insiemi. Scriveremo a A, a / A per affermare rispettivamente che l elemento a appartiene all insieme A e che l elemento a non appartiene ad A. Diremo
DettagliEndomorfismi e matrici simmetriche
CAPITOLO Endomorfismi e matrici simmetriche Esercizio.. [Esercizio 5) cap. 9 del testo Geometria e algebra lineare di Manara, Perotti, Scapellato] Calcolare una base ortonormale di R 3 formata da autovettori
DettagliApplicazioni Lineari. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni.
Politecnico di Torino. Applicazioni Lineari. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni. Argomenti: Basi e coordinate. Applicazioni lineari. Matrici come applicazioni
DettagliAutovalori ed autovettori di una matrice
Autovalori ed autovettori di una matrice Lucia Gastaldi DICATAM http://www.ing.unibs.it/gastaldi/ Indice 1 Definizioni di autovalori ed autovettori Autovalori ed autovettori 2 Metodo delle potenze 3 Calcolo
DettagliSPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi:
SPAZI VETTORIALI Esercizi Esercizio. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi: V := { (a, a, a) V a R }, V 2 := { (a, b, a) V a, b R }, V 3 := { (a, 2a, a + b)
DettagliParte 12a. Trasformazioni del piano. Forme quadratiche
Parte 12a Trasformazioni del piano Forme quadratiche A Savo Appunti del Corso di Geometria 2013-14 Indice delle sezioni 1 Trasformazioni del piano, 1 2 Cambiamento di coordinate, 8 3 Forme quadratiche,
Dettagli