Geometria I A. Algebra lineare

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Geometria I A. Algebra lineare"

Transcript

1 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

2

3 Indice Spazi vettoriali 7 Definizione ed esempi Prime proprietà Sottospazi vettoriali Combinazioni lineari e chiusura Indipendenza e dipendenza lineare Basi di uno spazio vettoriale Somme ed intersezioni di sottospazi Dipendenza e indipendenza lineare e matrici Cambiamento di base Sistemi lineari 53 Sistemi lineari a coefficienti in un campo K Risolubilità di un sistema Determinazione delle soluzioni di un sistema Sistemi quadrati Sistemi lineari omogenei Equivalenza di sistemi lineari ed eliminazione di Gauss Equivalenza di sistemi lineari Il metodo di eliminazione di Gauss A. Riduzione di un sistema quadrato ad un sistema triangolare superiore B. Sistemi rettangolari: riduzione a scala

4 4 INDICE 3 Applicazioni lineari o omomorfismi 77 Omomorfismi: definizione e prime proprietà Rappresentazione scalare degli omomorfismi Nucleo e immagine di un omomorfismo Sistemi lineari e omomorfismi vettoriali Composizione di omomorfismi Composizione di omomorfismi e prodotto di matrici Tecniche di calcolo Rappresentazione dei sottospazi Autovettori e autovalori; diagonalizzabilità 5 Autovettori, autovalori e autospazi Polinomio caratteristico Diagonalizzazione

5

6 6 INDICE

7 Capitolo Spazi vettoriali Nel corso del seguente Capitolo, K = (K, +, ) indicherà un generico campo, i cui elementi verranno detti scalari. Definizione ed esempi (..) Definizione Sia V un insieme non vuoto, i cui elementi verranno detti vettori. Diciamo che V ha la struttura di spazio vettoriale su K se valgono i seguenti assiomi: (SV ) esiste un operazione binaria + definita su V tale che (V, +) è un gruppo abeliano; (SV 2) esiste un applicazione (detta moltiplicazione per uno scalare o prodotto esterno) definita da { K V V (k, v) kv, verificante le seguenti condizioni: per ogni a,b K e per ogni v,w V (a + b)v = av +bv ; a(v +w) = av +aw ; (ab)v = a(bv) ; v = v. 7

8 8 CAPITOLO. SPAZI VETTORIALI Nel seguito, denoteremo con V (K) un generico spazio vettoriale su K. (..2) Esempio Sia (K, +, ) un campo. Allora (K, +) è un gruppo abeliano. Se su K 2 = K K si definisce (x,y ), (x 2,y 2 ) K 2 : (x,y ) +(x 2,y 2 ) = (x + x 2,y + y 2 ) si può dedurre che (K 2, +) è un gruppo abeliano. Definiamo poi tra K e K 2 la seguente operazione: { K K 2 K 2 (k, (x,y)) (kx,ky). Allora tale operazione è un prodotto esterno, ovvero verifica le quattro proprietà della Definizione (..). Pertanto K 2 (K) è uno spazio vettoriale. Dimostrazione. Lasciamo per esercizio la dimostrazione che (K 2, +) è un gruppo abeliano. Siano a,b K e (x,y) K 2. Allora (a + b)(x,y) = ((a + b)x, (a + b)y) = (ax + bx,ay + by) = = (ax,ay) +(bx,by) = a(x,y) +b(x,y), da cui segue la prima proprietà del prodotto esterno. Inoltre: (x,y) = (x, y) = (x,y). Le rimanenti proprietà di tale operazione possono essere verificate per esercizio. (..3) Osservazione Siano n N con n 2 e (K, +, ) un campo. Sia K n := {(x,...,x n ) : x i K, i =,...,n}. Definiamo (x,...,x n ) +(y,...,y n ) := (x + y,...,x n + y n ). Allora (K n, +) è un gruppo abeliano. Inoltre, ponendo { K K n K n (k, (x,...,x n )) (kx,...,kx n ),

9 2. PRIME PROPRIETÀ 9 si ottiene un prodotto esterno. Pertanto, K n (K) è uno spazio vettoriale. Dimostrazione. La verifica può essere svolta per esercizio. (..4) Esempio Sia { n } R[x] := a h x h : a h R, n N, h= l insieme di tutti i polinomi a coefficienti reali e nell indeterminata x. Allora R[x] è uno spazio vettoriale su R se definiamo la somma tra vettori come l usuale somma tra polinomi ed un prodotto esterno dato da ( n ) n k a h x h := ka h x h. h= h= Dimostrazione. La verifica può essere svolta per esercizio. 2 Prime proprietà (.2.) Proposizione Siano V (K) uno spazio vettoriale. Allora per ogni k,k,....,k n K e per ogni v,v,...,v n V risulta k(v v n ) = kv kv n, e (k...k n )v = k (k 2...(k n,v)). Dimostrazione. La verifica può essere svolta per esercizio. (.2.2) Proposizione Siano V (K) uno spazio vettoriale, k K e v V. Allora kv = se, e solo se, k = oppure v =.

10 CAPITOLO. SPAZI VETTORIALI Dimostrazione. Supponiamo che k = oppure v =. Sia dapprima k =. Allora per ogni µ K e per ogni v V, calcolando in due modi diversi ( + µ)v, risulta ( + µ)v = v +µv, e Allora, in (V, +) otteniamo: ( + µ)v = µv. v +µv = µv, da cui v =. Sia ora v =. Per ogni k K e per ogni w V risulta: k( +w) = k +kw, e k( +w) = kw. Pertanto, in (V, +), osserviamo che k +kw = kw, da cui k =. Supponiamo, viceversa, che kv =. Se k =, abbiamo la tesi. Supponiamo allora che k. Allore esiste k K. Pertanto, ricordando la proprietà prima dimostrata, otteniamo: kv = v = v = (k k)v = k (kv) = k =. (.2.3) Proposizione Siano V (K) uno spazio vettoriale, k K e v V. Allora risulta ( k)v = kv = k( v).

11 2. PRIME PROPRIETÀ Dimostrazione. Ricordando la proposizione precedente, abbiamo ( k)v +kv = ( k + k)v = v =, da cui ( k)v = kv. Inoltre, ricordando le proprietà del prodotto esterno, abbiamo: k( v) +kv = k( v +v) = k =, da cui k( v) = (kv), da cui la tesi. Esercizi. Si consideri R 2 e si stabilisca se è uno spazio vettoriale su R rispetto alle seguenti operazioni: per ogni (x,y ), (x 2,y 2 ), (x,y) R 2 e per ogni k R () (x,y ) + (x 2,y 2 ) = (x + x 2, ) e k(x,y) = (kx,ky); (2) (x,y ) + (x 2,y 2 ) = (x,y + y 2 ) e k(x,y) = (kx,ky); (3) (x,y ) + (x 2,y 2 ) = (x x 2,y y 2 ) e k(x,y) = ( x k,y k). 2. Siano K un campo ed A un insieme non vuoto. Si consideri l insieme V = {f : A K : f è funzione}. Definiamo su V le seguenti operazioni per ogni f,g V e per ogni k K: { A K f +g : x f(x) + g(x), e { A K k f : x kf(x). Dimostrare che (V, +, ) è uno spazio vettoriale su K.

12 2 CAPITOLO. SPAZI VETTORIALI 3 Sottospazi vettoriali (.3.) Definizione Siano V (K) uno spazio vettoriale e W V, con W. Diciamo che W è un sottospazio vettoriale di V (K) (e scriveremo W V ) se (a) per ogni w,w 2 W si ha w + w 2 W ; (b) per ogni w W e per ogni α K si ha αw W. (.3.2) Osservazione La definizione precedente implica che W(K) è esso stesso uno spazio vettoriale. Infatti (W, +) è un gruppo abeliano poichè W è chiuso rispetto alla somma, la proprietà associativa viene ereditata da V (K), l elemento neutro di W coincide con che appartiene a W poichè per ogni w W si ha w =, l elemento opposto di w W risulta essere w = w W. Inoltre W è chiuso rispetto al prodotto esterno ereditato da V (K) e le properietà di prodotto esterno sono anch esse ereditate. É interessante considerare anche alcuni casi particolari: se W = V, parleremo di sottospazio improprio, mentre se W = {}, parleremo di sottospazio banale. (.3.3) Proposizione (Criterio di riconoscimento per i sottospazi) Siano V (K) uno spazio vettoriale e W V con W. Allora sono fatti equivalenti: (a) W è un sottospazio vettoriale di V (K); (b) per ogni w,w 2 W e per ogni α,β K risulta αw + βw 2 W. Dimostrazione. (a) = (b). Supponiamo che W V. Siano w,w 2 W e α,β K. Dal fatto che W è un sottospazio vettoriale di V (K) risulta αw W e βw 2 W. Pertanto, αw + βw 2 W. (b) = (a). Scegliamo in particolare α = β =. Allora w +w 2 = w +w 2 W. Se ora β =, abbiamo αw + w 2 = αw W. Da queste due proprietà e per l arbitrarietà di w,w 2 W e α K, segue la tesi. D ora in poi poniamo scriveremo w + w 2 per indicare w +w 2.

13 3. SOTTOSPAZI VETTORIALI 3 (.3.4) Esercizio Nello spazio vettoriale R 2 (R) si consideri W = { (x,y) R 2 : y = 2x }. Provare che W è un sottospazio vettoriale di R 2 (R). Soluzione. Osserviamo che W poichè (, ) W. Sia w = (x, 2x) W e w 2 = (y, 2y) W. Siano α,β R. Allora αw + βw 2 = α(x, 2x) + β(y, 2y) = (αx, 2αx) + (βy, 2βy) = = (αx + βy, 2(αx + βy)) = (z, 2z) W, pertanto W è un sottospazio vettoriale di R 2 (R). (.3.5) Esercizio Nello spazio vettoriale R[x] si consideri W = R 2 [x] = { a + a x + a 2 x 2 : a,a,a 2 R }. Provare che W è un sottospazio vettoriale di R[x]. Soluzione. Osserviamo che W poichè il polinomio nullo (indicato con R[x] ) e i polinomi di grado zero appartengono a W. Siano ora w = a + a x + a 2 x 2, w 2 = b + b x + b 2 x 2 due vettori di W. Siano inoltre α,β R. Segue che αw + βw 2 =... = (αa + βb ) + (αa + βb )x + (αa 2 + βb 2 )x 2 W, pertanto risulta che W è un sottospazio vettoriale di R[x]. Esercizi. Sia V (K) = R 2 (R). Si dica se i seguenti insiemi sono sottospazi vettoriali: W = { (x,y) R 2 : x 2 + y 2 = },

14 4 CAPITOLO. SPAZI VETTORIALI W 2 = { (x,y) R 2 : x 2 + y 2 = }, W 3 = { (x,y) R 2 : x = 2y }. 2. Nello spazio vettoriale V (R) dei vettori geometrici, siano u,v due vettori non nulli ed aventi direzioni distinte ( u v ). Si dica se i seguenti insiemi sono sottospazi vettoriali di V (R): W = {λu : λ R}, W 2 = {u,v}, W 3 = W {v}. 3. Nello spazio vettoriale V (R) si considerino due vettori v v 2 tali che v v 2. Definiamo W = {λv + µv 2 : λ,µ R}. Provare che W è un sottospazio vettoriale di V (R). 4. In C 3, si dica se A = { (x,y,z) C 3 : x 2 + y 2 + z 2 = } è un sottospazio vettoriale. 5. In R[x], si dica se i seguenti sottoinsiemi sono sottospazi vettoriali (indichiamo con deg(f(x)) il grado del polinomio f(x) R[x]): W = {p(x) R[x] : deg(p(x)) = 3} ; W 2 = {p(x) R[x] : deg(p(x)) 3} ; W 3 = {p(x) R[x] : p() = } ; W 4 = {p(x) R[x] : p() = } ; W 5 = {p(x) R[x] : p(x) è irriducibile}.

15 4. COMBINAZIONI LINEARI E CHIUSURA 5 6. Sia V (K) uno spazio vettoriale su K, W un sottospazio di V (K) e v V (K). Dimostrare che l insieme v + W = {v + w : w W } è un sottospazio vettoriale di V (K) se e solo se v W. 7. Si determinino i polinomi p(t) R[t] in modo tale che il grafico Γ = {(t,p(t)) : t R} sia un sottospazio vettoriale di R Si dica se il sottoinsieme di R 2 X = { (x,y) R 2 : x = y 2} è un sottospazio vettoriale di R 2. 4 Combinazioni lineari e chiusura (.4.) Definizione Siano V (K) uno spazio vettoriale, v,...,v n V e λ,...,λ n K. Chiamiamo combinazione lineare dei vettori v,...,v n a coefficienti λ,...,λ n il vettore n λ i v i. i= (.4.2) Esempio Si considerino in R 2 i vettori v = (, ), v 2 = (, ), v 3 = (2, ) e gli scalari λ =, λ 2 = e λ 3 =. Allora 3 λ i v i = (, ). (.4.3) Osservazione Se i coefficienti di una combinazione lineare sono tutti nulli, cioè se λ i = per ogni i =,...,n, allora n λ i v i =. (.4.4) Definizione Siano V (K) uno spazio vettoriale e A un sottoinsieme non vuoto di V. Chiamiamo chiusura di A (e la indichiamo con A ) 2 l insieme di 2 Alcuni Autori indicano la chiusura di A con Span(A) o con C(A). i= i=

16 6 CAPITOLO. SPAZI VETTORIALI tutti i vettori di V che si ottengono come combinazione lineare di un numero finito di vettori di A: { } n A := w = λ i v i : v i A, λ i K, n N. i= (.4.5) Osservazione Siano V (K) uno spazio vettoriale e A un sottoinsieme non vuoto di V. Supponiamo che A = {v,...,v n }. Allora A = {λ v λ n v n : λ,...,λ n K}. Se ora supponiamo che A = {}, risulta A = {}. (.4.6) Esempio In R 3 sia A = {(,, ), (2,, )}. Allora A = {λ(,, ) + µ(2,, ) : λ,µ R} = {{(λ + 2µ,λ, ) : λ,µ R}} = = {(x,y, ) : x,y R}. (.4.7) Esempio In R 2 sia A = {(, ), (, )}. Allora A = R 2. Infatti: A = {λ(, ) + µ(, ) : λ,µ R} = {(λ,µ) : λ,µ R} = R 2. Più in generale, in K 2 sia A = {(, ), (, )}. Allora A = K 2. Ancora più in generale, in K n sia A = {(,,...,), (,,,...,),...,(,...,, )}. con A = n. Allora A = K n. (.4.8) Teorema Siano V (K) uno spazio vettoriale e A un sottoinsieme non vuoto di V. Allora valgono i seguenti fatti: (a) A è un sottospazio vettoriale di V (K); (b) A è il più piccolo sottospazio vettoriale di V (K) che contiene A (ovvero per ogni W V tale che A W, risulta A W).

17 4. COMBINAZIONI LINEARI E CHIUSURA 7 Dimostrazione. (a) Usiamo il criterio di riconoscimento per provare che A è un sottospazio. Osserviamo A perchè tra le combinazioni lineari c è anche quella a coefficienti tutti nulli, pertanto A. Siano ora u = n α i u i A e v = m β j v j A, con u i,v j A per ogni i =,...,n e per ogni j =,...,m. Allora, per ogni λ,µ K abbiamo: ( n ) ( m ) λu + µv = λ α i u i + µ β j v j = i= i= j= = (λα )u (λα n )u n + (µβ )v (µβ m )v m. Poichè u i,v j A per ogni i =,...,n e per ogni j =,...,m, questa è ancora una combinazione lineare di un numero finito di vettori di A, quindi è un vettore di A. (b) Innanzi tutto proiamo che A A. Infatti, sia w A. Allora j= w = w + v v n, comunque si scelgano v 2,...,v n A. Segue che w A. Sia A W V. Sia dunque n λ i v i A (con v i A per ogni i =,...,n). i= Poichè v,...,v n W e W V, allora λ i v i W per ogni i =,...,n e pertanto n λ i v i W, da cui A W. i= A norma di questo teorema, diremo che A è il sottospazio generato da A. (.4.9) Proposizione (Proprietà della chiusura) Siano V (K) uno spazio vettoriale e A,B due sottoinsiemi non vuoti di V. Allora valgono i seguenti fatti: (a) se A B risulta A B ; (b) A = A ; (c) se A B e B A risulta A = B.

18 8 CAPITOLO. SPAZI VETTORIALI Dimostrazione. Si lasciano come esercizio la verifica delle proprietà (a) e (b). Dimostriamo la (c). Dalla (a) si ha che A B. Inoltre, per ipotesi B A, quindi dalla proprietà (a) si ha B A = A per la proprietà (b). Segue quindi la tesi. (.4.) Definizione Siano V (K) uno spazio vettoriale e B un sottoinsieme non vuoto di V. Diremo che B è in sistema (o insieme) di generatori di V (K) se B = V. Più in generale, se W V (K) è un sottospazio vettoriale e G un sottoinsieme non vuoto di W, diremo che G è in sistema di generatori di W se G = W. (.4.) Definizione Sia V (K) uno spazio vettoriale. Diciamo che V (K) è finitamente generato se possiede un sistema finito B di generatori. Esercizi Nella risoluzione dei seguenti esercizi si osservi che in alcuni di essi si è ricondotti a discutere sull esistenza di soluzioni di un opportuno sistema di equazioni lineari.. Si dica se R 2 e K n sono finitamente generati. 2. In R 3 si dica se l insieme B = {(, 2, ), (,, )} è un insieme di generatori. 3. In R 3 sia B = {(2,, ), (,, ), (,, )}. Verificare che B = R Si determinino in R 3 le chiusure dei seguenti sottoinsiemi di vettori: A = {(,, ), (2,, ), (3,, ), (,, )} ; B = {(2,, ), (,, /2), (,, )} ;

19 5. INDIPENDENZA E DIPENDENZA LINEARE 9 C = {(x 3,x, + y) : x,y R}. 5. Siano V (R) uno spazio vettoriale e v,v 2,v 3 V (R). Si dimostri che v,v 2,v 3 = v,v 2 + kv 3,v 3 per ogni k R. 5 Indipendenza e dipendenza lineare Siano V (K) uno spazio vettoriale e A = {v,...,v n } un insieme di n vettori di V (K). (.5.) Definizione Diciamo che i vettori di A sono linearmente indipendenti o liberi quando l unica combinazione lineare dei vettori di A che dia il vettore nullo è quella a coefficienti tutti nulli, ossia n λ i v i = = λ =... = λ n =. i= (.5.2) Definizione Diciamo che i vettori di A sono linearmente dipendenti o legati quando esiste una combinazione lineare dei vettori di A a coefficienti non tutti nulli che dia il vettore nullo, ossia esistono λ,...,λ n K non tutti nulli, tali che n λ i v i =. i= (.5.3) Esercizio Si consideri in R 2 l insieme A = {(, ), (2, 3)}. Verificare se l insieme A è libero. Soluzione. Siano α,β R con α (, )+β (2, 3) = (, ). Allora (α+2β,α+3β) = (, ), da cui { α + 2β =, α + 3β =. Segue che α = β =, pertanto A è libero, ovvero i vettori (, ) e (2, 3) sono linearmente indipendenti in R 2.

20 2 CAPITOLO. SPAZI VETTORIALI (.5.4) Esercizio Si consideri in R 2 l insieme A = {( 4, 6), (2, 3)}. Verificare se l insieme A è libero. Soluzione. Impostiamo la stessa relazione vista nell esercizo precedente per capire se A è un insieme libero o legato. Siano α,β R con α( 4, 6) + β(2, 3) = (, ). Precedendo in modo analogo all esercizio precedente si perviene al sistema { 2α 4β =, 3α 6β =. Tale sistema ha per soluzione α = 2β, per ogni β R. Tale sistema ha, quindi, infinite soluzioni: oltre ad α = e β =, anche tutte le coppie della forma (2, ), (4, 2),... sono soluzioni del sistema. Dunque i vettori di A sono legati. Si noti che nello svolgimento di ciascuno dei due esercizi precedenti è stato necessario impostare un sistema lineare omogeneo di cui si è discussa l unicità della soluzione. (.5.5) Osservazione Siano V (K) uno spazio vettoriale e A = {v}. Allora, ricordando la Proposizione (.2.2), λv = implica che v = oppure λ =. Quindi, se v =, allora λ può essere uno scalare qualunque, anche non nullo, e ciò significa che in questo caso l insieme A è legato; se invece v, allora deve necessariamente essere λ =, dunque A è libero. Supponiamo ora che A = {,v 2,...,v n }. Allora + v v n =, pertanto, ogni insieme di vettori che contiene il vettore nullo è legato. In generale, possiamo provare il seguente (.5.6) Teorema Sia V (K) uno spazio vettoriale e v,...,v n n vettori in V. Allora sono fatti equivalenti: (a) i vettori v,...,v n sono linearmente dipendenti; (b) esiste un j {,...,n} tale che v j si può scrivere come combinazione lineare dei rimanenti (n ) vettori.

21 5. INDIPENDENZA E DIPENDENZA LINEARE 2 Dimostrazione. (a) = (b). Poniamo A = {v,...,v n }. Supponiamo che A sia legato, ossia esistono λ,...,λ n K, non tutti nulli, tali che (.5.7) λ v λ n v n =. Non è restrittivo supporre λ. scalarmente la (.5.7) per λ, otteniamo: ovvero da cui che è la tesi. Allora esiste λ K. Moltiplicando λ (λ v λ n v n ) = λ =, λ λ v + λ λ 2 v λ λ n v n =, v = λ λ 2 v 2... λ λ n v n, (b) = (a). Supponiamo, ad esempio, v = α 2 v α n v n. Segue che v α 2 v 2... α n v n =. Questa è una combinazione lineare dei vettori v,...,v n che dà e i cui coefficienti sono non tutti nulli, poichè il primo è. Allora l insieme A = {v,...,v n } è legato, ovvero i vettori v,...,v n sono linearmente dipendenti. (.5.8) Osservazione Il Teorema (.5.6) afferma che, se i vettori di A sono linearmente dipendenti, allora un opportuno vettore di A è combinazione lineare dei rimanenti. Ciò non significa che un qualsiasi vettore di A sia combinazione dei rimanenti. Dalla dimostrazione del teorema precedente risulta infatti che in un insieme di vettori linearmente dipendenti è possibile esprimerne uno come combinazione lineare

22 22 CAPITOLO. SPAZI VETTORIALI degli altri, purchè il suo coefficiente nella combinazione lineare che dà il vettore nullo sia diverso da zero. (.5.9) Esempio In R 3 si consideri l insieme A = {v = (,, ),v 2 = (2,, ),v 3 = (, 2, ),v 4 = (,, )}. Risulta allora che 2v v 2 +v 3 +v 4 =. Quindi i vettori di A sono linearmente dipendenti e infatti, per esempio, il vettore v 3 è combinazione lineare degli altri: v 3 = v 2 2v + v 4, ma v 4 non è combinazione lineare di v, v 2 e v 3. (.5.) Proposizione Siano V (K) uno spazio vettoriale, A = {v,...,v n } B, con B sottoinsieme finito di V. Se A è legato allora anche B è legato. Dimostrazione. Per ipotesi, esistono α,...,α n K non tutti nulli tali che n α i v i =. Poniamo i= B = {v,...,v n,w...,w k }. Tuttavia n k = α i v i + w j, i= j= e i coefficienti della precedente combinazione lineare non sono tutti nulli. Segue che B è legato. (.5.) Osservazione La precedente proposizione equivale ad affermare che se un sottoinsieme finito B V è libero, allora ogni suo sottoinsieme non vuoto è libero. D altra parte, se consideriamo un sottoinsieme finito B V, se ogni suo sottoinsieme non vuoto è libero risulta banalmente che B stesso è libero. Ha perciò senso estendere nel seguente modo la definizione di sottoinsiemi liberi e legati anche al caso in cui questi non siano necessariamente finiti:

23 5. INDIPENDENZA E DIPENDENZA LINEARE 23 (.5.2) Definizione Diciamo un sottoinsieme A V è libero (o che i suoi vettori sono linearmente indipendenti) quando ogni sottoinsieme finito di A è libero. In caso contrario, diremo che A è legato (o che i suoi vettori sono linearmente dipendenti). (.5.3) Proposizione Siano V (K) uno spazio vettoriale e A = {v,...,v n }, A = {v,...,v n,w} due sottoinsiemi di V. Supponiamo che A sia libero ed A sia legato. Allora w è combinazione lineare di v,...,v n. In altre parole, w A. Dimostrazione. Per ipotesi, esistono α,...,α n,α n+ K non tutti nulli tali che (.5.4) α v α n v n + α n+ w =. Considerando il coefficiente α n+, osserviamo che se fosse α n+ = la (.5.4) diventerebbe n α i v i = a coefficienti non tutti nulli, per cui A sarebbe legato, i= contro l ipotesi. Allora è necessariamente α n+, pertanto esiste αn+ K e w = α n+α v... α n+α n v n, cioè w è combinazione lineare di v,...,v n. Le due osservazioni che seguono cominciano a gettare luce sull importanza della nozione di indipendenza lineare pur in ambiti apparentemente distinti, quali sono quello degli spazi vettoriali e quello dei sistemi lineari. (.5.5) Osservazione Siano V (K) uno spazio vettoriale ed A = {v,...,v n } un sottoinsieme di V. Supponiamo che V (K) = A. Ci chiediamo se i v i sono tutti essenziali per generare V. Se, per esempio, v n è combinazione lineare di v,...,v n, allora v n {v,...,v n }, e quindi, da {v,...,v n,v n } {v,...,v n }, ricordando la (c) della Proposizione (.4.9), otteniamo: {v,...,v n } = {v,...,v n,v n } = A = V. Pertanto, per generare V bastano v,...,v n.

24 24 CAPITOLO. SPAZI VETTORIALI (.5.6) Osservazione Nel sistema lineare x + y + z =, 2x y + z =, 3x + 2z =, la terza equazione è combinazione lineare delle prime due. Allora ogni terna (x,y,z) che è soluzione di { x + y + z =, 2x y + z =, è soluzione anche del sistema di partenza. Indipendenza lineare corrisponde dunque ad essenzialità ed economia. Non è poi casuale l aver scelto di trattare come esempio un sistema lineare: si capirà più avanti quanto stretto e indissolubile sia in realtà il legame fra la teoria degli spazi vettoriali e quella dei sistemi di equazioni lineari. Del resto qualche cenno su questo legame si è già visto in precedenza, quando sono stati utilizzati sistemi lineari per risolvere questioni riguardanti generatori, chiusure, indipendenza e dipendenza lineare (Esercizi di pag 7 ed.5.3,.5.4) Esercizi. In R 2 (R) si verifichi se gli insiemi A = {(, ), (, )} B = {(, ), (, ), (, )} sono liberi o legati. 2. In R[x] si stabilisca se l insieme A = {x,x + x 2,x 2 + 4x} è libero o legato. 3. Nello spazio vettoriale reale V delle funzioni f : R R, si dica se i seguenti sottoinsiemi sono liberi o legati: A = {α, cos, sin} B = {β, cos 2, sin 2 },

25 6. BASI DI UNO SPAZIO VETTORIALE 25 dove, per ogni x R, si ha α(x) = 2 e β(x) =. 4. In C 2 (R) si stabilisca se l insieme A = {( + i,i), ( + i, )} è libero o legato. 5. Siano w,w 2,w 3 tre vettori di uno spazio vettoriale V (K). Supponiamo che w, w 2 e w 3 siano linearmente indipendenti. Si può affermare che (w w 2 ), (w + w 2 ) e w 3 sono linearmente indipendenti? 6 Basi di uno spazio vettoriale (.6.) Definizione Sia V (K) uno spazio vettoriale. Una base di V (K) è un insieme non vuoto B di vettori tali che: (a) B = V, ovvero B è un insieme di generatori per V (K); (b) B è libero, cioè ogni suo sottoinsieme finito è libero (cfr. (.5.2). Se B = {e,...,e n } è una base finita ed introduciamo un ordinamento tra i vettori di B, ovvero consideriamo B come una n-upla ordinata di vettori, parliamo di base ordinata B = (e,...,e n ). (.6.2) Osservazione Se V = {}, allora V non ha vettori linearmente indipendenti e quindi non ha base. (.6.3) Esempio In R 2 (R) l insieme B = {(, ), (, )} è una base. In modo analogo, in K 2 (K) l insieme B è una base di K 2 (K). In generale, in K n (K), l insieme B = {(,,...,), (,,,...,),...,(,...,, )}, B = n,

26 26 CAPITOLO. SPAZI VETTORIALI è una base. Tale base viene chiamata base canonica di K n. (.6.4) Esempio Si consideri { n } K n [x] := h= a h x h : a i K, i =,...,n. Allora una possibile base per K n [x] è data da B = {,x,x 2,...,x n }, con B = n+. Se consideriamo ora { n } K[x] := h= a h x h : n N, a i K, i =,...,n, abbiamo che una possibile base per K[x] è data da B = {,x,x 2,...,}, pertanto B =. (.6.5) Esercizio In R 2 (R) si consideri l insieme B = {(, ), (, 2)}. Si dica se B è una base di R 2 (R). Soluzione. Sia v = (a,b) R 2 un generico vettore. Ci chiediamo se esistono x,y R tali che x(, ) + y(, 2) = v. Basta scegliere x = a (a b)/3 e y = (a b)/3. Segue che B = R 2. Verifichiamo ora che i vettori di B sono linearmente indipendenti. Sia = x(, ) + y(, 2). Con semplici calcoli, si può verificare che risulta necessariamente x = y =, da cui B è una base di R 2 (R). (.6.6) Teorema Sia V (K) uno spazio vettoriale finitamente generato e non banale. Allora V (K) ammette almeno una base. Dimostrazione. Diamo una traccia della dimostrazione. Per ipotesi, esiste un insieme A = {v,...,v n }

27 6. BASI DI UNO SPAZIO VETTORIALE 27 con A = V e v,...,v n non sono tutti nulli poichè V (K) {}. Se A è libero, allora A è la base cercata. Se A è legato, allora uno dei vettori di A è combinazione lineare dei rimanenti. Sia v n = n α i v i. Consideriamo allora l insieme i= A = {v,...,v n }, quindi A A e A A, pertanto A = A = V. Deduciamo che anche A è un insieme di n elementi che genera V. Ripetiamo su A le considerazioni fatte su A: se A è libero, allora A è una base per V, altrimenti uno dei vettori di A è combinazione lineare dei rimanenti n 2 vettori. Supponiamo che v n = n 2 β i v i. Consideriamo allora l insieme i= A 2 = {v,...,v n 2 }, quindi A 2 A e A A 2, pertanto A 2 = A = V, cioè anche A 2 è un insieme di generatori per V. Se A 2 è libero, allora è una base per V, altrimenti si continua come nei passi precedenti. Il processo deve avere un termine perchè A è finito: esisterà quindi un insieme A p = {v,...,v p } tale che A p = V ed A p è libero. Allora A p è la base cercata. (.6.7) Corollario Sia V (K) uno spazio vettoriale e A un sottoinsieme finito di generatori per V (K). Allora si può sempre estrarre da A una base per V (K). Dimostreremo ora alcune proprietà fondamentali degli spazi vettoriali finitamente generati (accenniamo solo che alcune di queste proprietà possono essere estese anche al caso non finitamente generato) e delle loro basi. (.6.8) Teorema Siano V (K) uno spazio vettoriale e B = (v,...,v n ) una base ordinata per V (K). Allora ogni vettore di V (K) si può scrivere in uno ed un solo modo come combinazione lineare dei vettori di B.

28 28 CAPITOLO. SPAZI VETTORIALI Dimostrazione. Per ipotesi si ha B = V. Sia v V un generico vettore. Allora v = n x i v i, i= per certi x,...,x n K. Supponiamo che v = n y i v i. i= Segue che n n n = v v = x i v i y i v i = (x i y i )v i. i= i= i= Dal fatto che B è un insieme libero, deve essere x i y i = per ogni i =,...,n, da cui x i = y i per ogni i =,...,n. Il teorema appena dimostrato è di importanza fondamentale nella teoria degli spazi vettoriali finitamente generati, in quanto, come illustriamo nella seguente osservazione, permette, una volta effettuata la scelta di una base, di identificare ciascun vettore dello spazio con una n-upla ordinata di elementi di K (dove n è la cardinalità della base), ovvero di identificare lo spazio dato con lo spazio K n. (.6.9) Osservazione Siano V (K) uno spazio vettoriale e B = (e,...e n ) una base ordinata di V (K). Per ogni v V (K) si ha v = n x i e i e la n-upla ordinata (x,...,x n ) è univocamente associata a v. Ne nasce un applicazione V K n ϕ B : v = n x i e i (x,...,x n ). i= Chiamiamo la n-upla (x...,x n ) =: x le componenti del vettore v rispetto alla base B. L applicazione ϕ B è una bijezione: infatti ogni n-upla ordinata (x,...,x n ) K n individua una ed una sola controimmagine ϕ B (x,...,x n ) = v = i= n x i e i V. i=

29 6. BASI DI UNO SPAZIO VETTORIALE 29 Tale biiezione ϕ B, che dipende dalla scelta di una base ordinata B = (e,...,e n ) di V (K), ci permette di identificare ogni vettore v = n x i e i di V (K) con la n-upla ordinata delle sue componenti (x,...,x n ) K n. Se ora si sceglie un altra base B di V (K), cambierà ovviamente la rappresentazione del vettore v come combinazione lineare rispetto agli elementi di B, cambierà la biiezione ϕ B, cambieranno quindi le componenti del vettore v rispetto alla nuova base. Ci poniamo quindi due domande: i= () tali componenti cambieranno anche in numero (cioè i vettori di B possono essere in numero diverso da quelli di B)? (2) come si esprimeranno le nuove componenti in funzione delle precedenti? Alla seconda domanda risponderemo in seguito. Per rispondere alla prima domanda, enunciamo il seguente teorema e i successivi corollari (in particolare il terzo). (.6.) Teorema (di Steinitz o del completamento della base) Siano V (K) uno spazio vettoriale finitamente generato e B = {e,...,e n } una sua base. Se A = {v,...,v p } è un insieme di p (p n) vettori linearmente indipendenti, allora è possibile formare una nuova base aggiungendo n p vettori opportunamente scelti in Bai vettori di A. Tralasciamo la dimostrazione di questo teorema, ma per comprenderne meglio il contenuto rimandiamo al successivo esercizio.6.6. (.6.) Corollario Siano V (K) uno spazio vettoriale, B = {e,...,e n } una base di V (K) ed A = {v,...,v n } un sottoinsieme libero di n vettori di V. Allora A è una base per V (K). Dimostrazione. É una conseguenza immediata del Teorema (.6.). Infatti, in questo caso, p = n e quindi n p =.

30 3 CAPITOLO. SPAZI VETTORIALI (.6.2) Corollario Siano V (K) uno spazio vettoriale, B = {e,...,e n } una base di V (K) ed A = {v,...,v n } un sottoinsieme di generatori per V (K), ossia A = V. Allora A è una base per V (K). Dimostrazione. Dal Corollario (.6.7) deduciamo che si può estrarre da A una base A = {v,...,v p } con p n e, poichè A è già una base, ad essa possiamo aggiungere = n p vettori per formare una nuova base. Segue che p = n, da cui A = A. (.6.3) Corollario Siano V (K) uno spazio vettoriale finitamente generato e A, B due basi di V (K). Allora A = B. Dimostrazione. Supponiamo che A = p e B = n, con p n. Dal Teorema di Steinitz segue subito che p = n. L ultimo corollario ci assicura dunque che in uno spazio vettoriale finitamente generato tutte le basi hanno la stessa cardinalità (si noti che tale risultato si può ottenere, con i metodi dell aritmetica transfinita, anche per spazi non finitamente generati; per una trattazione completa di questo caso si rimanda per esempio ai Complementi al Capitolo 4 del testo M. Abate, Geometria, McGraw-Hill, Milano, 996). Sarà quindi ben posta la seguente (.6.4) Definizione Sia V (K) uno spazio vettoriale. Se esiste un n N tale che V (K) ammetta una base di n vettori, chiamiamo dimensione di V (K) lo scalare n. Indicheremo la dimensione di V (K) con dim(v (K)) oppure con dim K (V ) o, più semplicemente, con dimv. Se V (K) = {}, conveniamo che la dimensione di V (K) sia zero. Se tale intero n non esiste, diremo che V (K) ha dimensione infinita. Se dim(v (K)) = n, useremo anche la notazione V n (K). (.6.5) Osservazione Sia V n (K) uno spazio vettoriale di dimensione n. Allora:

31 6. BASI DI UNO SPAZIO VETTORIALE 3 (a) ogni insieme di n vettori linearmente indipendenti è una base di V n (K) (è il corollario (.6.); (b) in V n (K), n è il massimo numero di vettori linearmente indipendenti. La parte (b) dell Osservazione può essere dimostrata per esercizio dal lettore. Vediamo ora un esercizio che illustra il Teorema di Steinitz. (.6.6) Esercizio In R 4 si considerino i vettori v = (,,, ), v 2 = (, 2, 3, 4). Si dimostri che A = {v,v 2 } è un sottoinsieme di R 4 libero. Si completi poi A ad una base di R 4. Soluzione. I vettori v e v 2 sono linearmente indipendenti. Infatti il sistema α + β =, 2β =, α + 3β =, 4β =, ammette come unica soluzione α = β =. Completiamo ora A ad una base di R 4, procedendo nel modo seguente: Scriviamo v come combinazione lineare dei vettori della base canonica di R 4, indicata con B = {e,...,e 4 }: v = e + e 2 + e 3 + e 4. Sostituiamo, nella base B, il vettore v al posto di uno qualunque degli e i che compaiono con coefficiente non nullo nella combinazione lineare che esprime v : B = (v,e 2,e 3,e 4 ). Scriviamo v 2 come combinazione lineare dei vettori di B : v 2 = v + 2e 2 + 2e 3 + 4e 4.

32 32 CAPITOLO. SPAZI VETTORIALI Sostituiamo v 2 al posto di uno qualunque dei vettori di B (escluso v ) che compaiono con coefficiente non nullo: B 2 = (v,v 2,e 3,e 4 ). Abbiamo così completato A alla nuova base B 2. Si lascia come esercizio di controllare che in effetti B e B 2 sono basi per R 4. I vari passi dello svolgimento del precedente esercizio ricalcano i passi della dimostrazione del Teorema di Steinitz. Elenchiamo ora alcune proprietà dei sottospazi legate al concetto di dimensione. (.6.7) Proposizione Sia V n (K) uno spazio vettoriale. Allora esistono sottospazi vettoriali W di V n (K) tale che dimw = h per ogni h n. Dimostrazione. Se n =, scegliamo W = {} = V. Sia ora n >. Per h =, sia W = {} V. Basterà poi prendere una base {e,...,e n } di V n (K) e, per ogni h n, considerare W h := e,...,e h. (.6.8) Proposizione Siano V n (K) uno spazio vettoriale e W un sottospazio vettoriale di V n (K). Allora dimw n. In particolare, ogni sottospazio di uno spazio vettoriale di dimensione finita n ha dimensione finita m n. Dimostrazione. Sia m = dimw e sia B = {w,...,w m } una base per W. Ragioniamo per assurdo. Supponiamo quindi che m > n. Dal fatto che B è libero, abbiamo che B = {w,...,w n } è a sua volta libero per.5. e quindi è una base per V n (K): da ciò segue che w n+,...,w m sono esprimibili come combinazione lineare di w,...,w n. Ne segue che B è un insieme legato, il che è assurdo.

33 6. BASI DI UNO SPAZIO VETTORIALE 33 (.6.9) Proposizione Siano V n (K) uno spazio vettoriale e U, W due sottospazi vettoriali di V n (K). Supponiamo che U W e dimu = dimw. Allora U = W. Dimostrazione. Sia dimu = m e sia B = {u,...,u m } una base di U. Dal fatto che U W, segue che B W. Inoltre, poichè dimu = dimw, risulta che B è base anche di W. Allora W = B = U. Esercizi. Verificare che l insieme B = {,x,x 2,...,x n } è una base per K n [x]. 2. Determinare la dimensione di C(R) e di C(C). 3. Sia Mat 3 (R) l insieme delle matrici 3 3 a coefficienti reali. Determinare una base per Mat 3 (R). 4. In R 3 si consideri il vettore v = (4, 8, 8). Determinare le componenti di v rispetto alla base canonica di R 3 e rispetto alla base B = {v = (, 2, ),v 2 = (,, 2),v 3 = (,, )}. 5. Verificare se i seguenti sottoinsiemi sono generatori per R 3 [x]: A = {x,x +,x 2 }, B = {x 2 +, 2x,x 3,x + 2}, C = {x +,x 2 + x,x 3 + x,x 3 + x 2, 2x}.

34 34 CAPITOLO. SPAZI VETTORIALI 6. Dimostrare che le funzioni sin t, sin(2t),..., sin(nt) sono linearmente indipendenti su R, qualunque sia l intero n. 7. Si consideri lo spazio vettoriale di tutte le funzioni reali definite per t ], + [. Dimostrare che le seguenti coppie di funzioni sono linearmente indipendenti: t, t, et, log t. 8. Si determinino i valori di t R affinchè l insieme A = {(2,t), (t, 2)} sia una base di R Si dimostri che l insieme A = {(a,c), (b,d)} è una base di R 2 se e solo se ad bc. 7 Somme ed intersezioni di sottospazi (.7.) Teorema Siano V (K) uno spazio vettoriale e U, W due sottospazi vettoriali di V (K). Allora U W è un sottospazio vettoriale di V (K). Dimostrazione. Notiamo innanzi tutto che U W. Possiamo quindi usare il criterio di riconoscimento di sottospazi. Siano v,v 2 U W e α,β K. Allora v,v 2 U e v,v 2 W. Dal fatto che sia U sia W sono sottospazi di V (K), segue che αv +βv 2 U e αv +βv 2 W. Pertanto αv +βv 2 U W, da cui la tesi. Generalizzando ad un numero finito qualsiasi n N di sottospazi:

35 7. SOMME ED INTERSEZIONI DI SOTTOSPAZI 35 (.7.2) Corollario Siano V (K) uno spazio vettoriale e W,...,W t sottospazi vettoriali di V (K) Allora t W i = W... W t è un sottospazio vettoriale di V (K). Dimostrazione. La verifica può essere svolta per esercizio. i= (.7.3) Osservazione Siano V (K) uno spazio vettoriale e U, W due sottospazi di V (K). Allora, in generale, non è detto che U W sia un sottospazio vettoriale di V (K). (.7.4) Definizione Siano V (K) uno spazio vettoriale e U, W due sottospazi di V (K). Si definisce somma dei due sottospazi l insieme U + W := {u + w : u U, w W }. (.7.5) Osservazione Siano V (K) uno spazio vettoriale e U, W due sottospazi di V (K). Allora U W U + W. Dimostrazione. La verifica è immediata se si considera che U = {u + : u U} U + W e W = { + w : w W } U + W. (.7.6) Teorema Siano V (K) uno spazio vettoriale e U, W due sottospazi di V (K). Allora valgono i seguenti fatti: (a) U + W è un sottospazio vettoriale di V (K); (b) U + W è il più piccolo sottospazio vettoriale di V (K) che contiene sia U che W, dunque U + W = U W.

36 36 CAPITOLO. SPAZI VETTORIALI Dimostrazione. (a) Utilizziamo il criterio di riconoscimento dei sottospazi poichè U + W (in quanto U,W U + W). Siano v,v 2 U + W e α,β K. Dal fatto che v U + W esistono u U e w W tali che v = u + w. Dal fatto che v 2 U + W esistono u 2 U e w 2 W tali che v 2 = u 2 + w 2. Allora αv + βv 2 = α(u + w ) + β(u 2 + w 2 ) = (αu + βu 2 ) + (αw + βw 2 ) U + W. (b) Esercizio. Generalizzando ad un qualunque t N: (.7.7) Definizione Siano V (K) uno spazio vettoriale e V,...,V t sottospazi vettoriali di V (K). Definiamo somma dei t sottospazi vettoriali l insieme V V t := {v v t : v i V i, i =,...t}. (.7.8) Teorema Siano V (K) uno spazio vettoriale e V,...,V t sottospazi vettoriali di V (K). Allora valgono i seguenti fatti: (a) V V t è un sottospazio vettoriale di V (K); (b) V V t = V... V t. Dimostrazione. É sufficiente imitare la dimostrazione del Teorema (.7.6). (.7.9) Definizione Siano V (K) uno spazio vettoriale e U, W due sottospazi vettoriali di V (K). Diciamo che U e W sono in somma diretta se U W = {}, e in tal caso scriveremo U W V. In particolare V (K) è somma diretta di U e W se (a) V = U + W; (b) U W = {}.

37 7. SOMME ED INTERSEZIONI DI SOTTOSPAZI 37 In tal caso scriveremo V = U W e diremo che W (risp. U) è complemento diretto di U (risp. di W) in V. Diremo anche che V si fattorizza nei sottospazi U e W. (.7.) Teorema Siano V = V n (K) uno spazio vettoriale di dimensione finita n N e U un sottospazio vettoriale di V. Allora esiste un complemento diretto per U. Dimostrazione. Sia r = dimu. Sia B U = {u,...,u r } una base di U. Per il Teorema di Steinitz, si potrà completare B U ad una base B = {u,...,u r,w,...,w n r } di V. Allora V = U + W, dove W = {w,...,w n r }, con U W = {} perchè se ci fosse un vettore non nullo nell intersezione, questo sarebbe combinazione lineare sia degli u i che dei w i, il che implicherebbe che gli u i,w i siano linearmente dipendenti, in contraddizione col fatto che formano una base per V. Pertanto U + W = U W. Si noti che il complemento diretto di un sottospazio non è univocamente determinato. Osserviamo inoltre che il precedente risultato si può ottenere anche per spazi vettoriali non finitamente generati. (.7.) Esempio In K 2 siano U = {(x, ) : x K}, W = {(,y) : y K}. Allora K 2 = U W. (.7.2) Esempio In K 3 si considerino i sottospazi U = (,, ), (,, ) W = (,, ). Allora K 3 = U W. (.7.3) Esempio In K 3 si considerino i sottospazi U = (,, ), (,, ), W = (,, ), (,, ).

38 38 CAPITOLO. SPAZI VETTORIALI Allora K 3 = U + W, ma U W = (,, ) {}. Il seguente teorema chiarisce il l importanza del concetto di somma diretta mettendo in luce il significato del termine fattorizzarsi: (.7.4) Teorema Siano V (K) uno spazio vettoriale e U, W due sottospazi di V (K). Allora si ha V = U W se, e solo se, ogni vettore v V si può scrivere in uno ed un solo modo come somma di un vettore di U e di un vettore di W. Dimostrazione. Innanzi tutto osserviamo che ogni vettore v V si può scrivere come somma di un vettore di U e di un vettore di W se e solo se V = U + W per definizione di somma di sottospazi vettoriali. Dobbiamo dunque provare soltanto l equivalenza della condizione U W = {} con l unicità della rappresentazione di un generico vettore v V come somma di un vettore di U ed uno di W. Sia dunque U W = {}. Allora se v = u + w = u 2 + w 2 con u i U, w i W per i =, 2, risulta u u 2 = w 2 w U W, da cui u u 2 = e w 2 w =, pertanto u = u 2 e w = w 2. Viceversa, se ogni v V ammette un unica rappresentazione v = u+w con u U e w W e se x U W, abbiamo v = u + w = u + w dove u = u + x U e w = w x W. Allora, per ipotesi, deve essere u = u e w = w da cui x = e dunque U W = {}. Anche qui possiamo generalizzare la nozione ad un numero finito qualsiasi t N di sottospazi vettoriali. (.7.5) Definizione Siano V (K) uno spazio vettoriale e V,...,V t sottospazi vettoriali di V (K). Diciamo che V (K) è somma diretta di V,...,V t se (a) V = V V t ; (b) V i (V V i + V i V t ) = {} per ogni i =...t.

39 7. SOMME ED INTERSEZIONI DI SOTTOSPAZI 39 In tal caso scriveremo V = V... V t, oppure V = t V i. i= (.7.6) Teorema Siano V (K) uno spazio vettoriale e V,...,V t sottospazi vettoriali di V (K). Allora V = t V i se, e solo se, per ogni v V esistono e sono unici i vettori v V,...,v t V t tali che v = t v i. i= (.7.7) Osservazione Siano V (K) uno spazio vettoriale e U,W,V,...,V t sottospazi vettoriali di V (K). In generale scriveremo U W V anzichè U + W V, t t V i V anzichè V i V, i= i= i= quando U W = {} o, rispettivamente, V i V j = {} per ogni i,j =,...,t con i j e parleremo di somma diretta dei sottospazi dati. Ci chiediamo ora se dati due sottospazi vettoriali U e W di uno spazio vettoriale V (K) è possibile calcolare la dimensione di U W e di U + W conoscendo le dimensioni di U e di W. (.7.8) Lemma Siano V (K) uno spazio vettoriale, U, W due sottospazi vettoriali di V (K) e G U, G W due sistemi di generatori rispettivamente per U e W. Allora G U G W è un sistema di generatori per U + W. Dimostrazione. Sia v U + W. Esistono u U e w W tali che v = u + w. Poniamo G U = {u,...,u r }, G W = {w,...,w s }. Allora u = r α i u i e w = s β j w j. Pertanto: i= j= v = r s α i u i + β j w j G U G W, i= j= da cui la tesi.

40 4 CAPITOLO. SPAZI VETTORIALI (.7.9) Osservazione Se dunque U e W sono due sottospazi vettoriali di V (K) e B U, B W due basi rispettivamente di U e W, risulta che B U B W è un sistema di generatori per U + W ma, si noti, non necessariamente una base. Infatti i vettori di B U B W potrebbero essere linearmente dipendenti ed anzi si dimostra che ciò avviene esattamente quando i due sottospazi hanno intersezione non banale. In tal modo si prova anche che la differenza fra dimu + dimw e dim(u + W) è data proprio dalla dimensione dell intersezione: tale risultato (di cui qui si omette la dimostrazione che si può trovare sui testi citati in bibliografia) si può esprimere enunciando il seguente (.7.2) Teorema (formula di Grassmann) Siano V (K) uno spazio vettoriale e siano U, W due sottospazi di V (K) finitamente generati. Allora si ha: dim(u W) < +, dim(u + W) < + e dimu + dimw = dim(u + W) + dim(u W). (.7.2) Osservazione Dalla formula precedente risulta che dim(u + W) = dim U + dim W se, e solo se, dim(u W) =, cioè la dimensione del sottospazio somma di due sottospazi U e V coincide con la somma delle dimensioni se e solo i due sottospazi U e V sono in somma diretta. Esercizi. Si considerino in R 3 i sottospazi U = { (x,y,z) R 3 : x 2y + z = }, W = { (x,y,z) R 3 : 2x + z = }. Si chiede di (a) determinare il sottospazio U W;

41 7. SOMME ED INTERSEZIONI DI SOTTOSPAZI 4 (b) provare che R 3 = U + W ma che R 3 non è somma diretta di U e di W; (c) dare un esempio di un sottospazio Z complemento diretto di U. 2. Si consideri lo spazio vettoriale R R delle funzioni di variabile reale a valori reali e siano P e D i sottoinsiemi di R R cosituiti rispettivamente dalle funzioni pari o dispari, cioè P = {f : R R : f(x) = f( x), x R}, D = {g : R R : g( x) = g(x), x R}. Provare che P e D sono sottospazi di R R. Dimostrare che R R = P D e rappresentare ogni funzione f R R come somma di una funzione pari e di una funzione dispari. (Suggerimento: si tenga presente che qualunque sia f R R si ha al variare di x R.) f(x) = 2 (f(x) + f( x)) + (f(x) f( x)), 2 3. Siano V (K) uno spazio vettoriale e U, W due sottospazi vettoriali di V (K). Dimostrare che valgono i seguenti fatti: (a) U W è un sottospazio vettoriale di V (K) se e solo se U W oppure W U; (b) U + W = W se e solo se U W. 4. Si consideri l insieme Mat n (R) delle matrici n n ad elementi reali di ordine n. (a) Verificare che Mat n (R) è uno spazio vettoriale reale rispetto alle operazioni si somma di matrici e di prodotto di un numero reale per una matrice. Di che dimensione è? (b) In Mat n (R) si considerino i sottoinsiemi Sym n (R) e Skw n (R) costituiti rispettivamente dalle matrici simmetriche e antisimmetriche. Si provi che Sym n (R) e Skw n (R) sono sottospazi vettoriali di Mat n (R) ed inoltre che Mat n (R) = Sym n (R) Skw n (R).

42 42 CAPITOLO. SPAZI VETTORIALI 5. Siano V (K) uno spazio vettoriale e S, S 2 due sottoinsiemi di V (K). Si dimostri che S S 2 = S + S Si considerino i sottospazi di R 4 U = (3,, 5, 2), (, 5, 2, ), (,,, ) e U 2 = (, 3, 2, 2), (, 3, 2, 4), (2, 6, 2, 5). Si dimostri che R 4 = U U 2. Sia ora e i l i-esimo vettore della base canonica di R 4, si ponga v = 4e + 8e 2 + 8e 3 + 3e 4. Trovare u U e u 2 U 2 tali che v = u + u Dati i seguenti sottospazi vettoriali di R 4 U = (,, 3, ), (,,, ), W = (,, 4, ), (,, 2, ), (, 3, 5, 3), trovare una base per U, W, U + W e per U W. 8 Dipendenza e indipendenza lineare e matrici Le considerazioni che abbiamo appena fatto ci permettono di legare la dipendenza e indipendenza lineare di vettori ai determinanti di opportune matrici. Prima di mostrare questo legame, premettiamo un osservazione fondamentale: (.8.) Osservazione Se in V n (K) si fissa una base ordinata B e si considera la bijezione ϕ B : V K n definita nell osservazione (.6.9), si può provare con una semplice verifica che, v, w V (K), α K: () ϕ B (v + w) = ϕ B (v) + ϕ B (w), (2) ϕ B (α v) = α ϕ B (v).

43 8. DIPENDENZA E INDIPENDENZA LINEARE E MATRICI 43 Queste due proprietà si esprimono dicendo che ϕ B conserva le operazioni di spazio vettoriale (addizione vettoriale e moltiplicazione per scalari). (.8.2) Teorema Si consideri in uno spazio vettoriale V = V n (K) di dimensione n un insieme S = {v,...,v n } V di n vettori. Allora sono fatti equivalenti: (a) l insieme S è libero; (b) se A è la matrice che ha sulle colonne (o sulle righe) le componenti dei vettori di S rispetto ad una prefissata base B di V n (K), risulta det(a). Dimostrazione. L insieme S è libero se, e solo se, ϕ B (S) è un insieme libero di vettori di K n (si provi questa asserzione per esercizio!) se, e solo se, det(a). (.8.3) Osservazione Il Teorema (.8.2) è una caratterizzazione per insiemi S liberi (con S = n) in uno spazio vettoriale V n (K). Pertanto abbiamo anche che S è legato se, e solo se, det(a) =, essendo A la matrice che ha sulle colonne (o sulle righe) le componenti dei vettori di S rispetto ad una prefissata base B di V n (K). E importante notare fin da ora che è possibile e, vedremo presto, operativamente molto utile, identificare le n-uple ordinate di K n, componenti dei vettori di V n (K) rispetto ad una fissata base B, con matrici-colonna (vettori-colonna) di Mat n, (K): ciò è reso possibile dal fatto che, in tale identificazione, le operazioni vettoriali di addizione e moltiplicazione per scalari vengono conservate, esattamente come abbiamo notato per la ϕ B nell osservazione (.8.). (.8.4) Esempio Si consideri in R 4 l insieme S = 2,,, 2. Allora la matrice A che ha sulle colonne le componenti dei vettori di S rispetto

44 44 CAPITOLO. SPAZI VETTORIALI alla base canonica è data da A = 2 2. Si può verificare che det(a) = 3. Allora S è libero, quindi è una base di R 4. Sia ora V n (K) uno spazio vettoriale di dimensione n e sia S = {v,...,v m } un sottoinsieme di V n (K) con m n. Vogliamo anche in questo caso collegare la lineare indipendenza o dipendenza dei vettori di S ai determinanti di opportune matrici. (.8.5) Definizione Sia A Mat n,m (K). Chiamiamo minore di ordine p una matrice quadrata di ordine p ottenuta da A sopprimendo (n p) righe ed (m p) colonne (dove p min{n,m}). Un minore si dice singolare se il suo determinante è zero. (.8.6) Esempio Sia A Mat 2,3 (R) la matrice data da [ ] 2 5 A =. I minori di ordine uno corrispondono a ciascun elemento a ij della matrice A. I minori di ordine due si ottengono dalla matrice A sopprimendo una colonna: [ ] [ ] [ ] ,,. Osserviamo che l ultimo minore è singolare. Attenzione però: per ottenere i minori di ordine dato di una matrice è necessario rispettare rigorosamente la definizione; per esempio, facendo sempre riferimanto alla matrice A del precedente esempio, la seguente matrice [ ] 2 che si può estrarre da A non è un minore di A, in quanto è stata ottenuta sopprimendo due termini, rispettivamente dalla prima e dalla seconda riga di A, che

45 8. DIPENDENZA E INDIPENDENZA LINEARE E MATRICI 45 però non appartengono alla stessa colonna. (.8.7) Teorema Siano V n (K) uno spazio vettoriale di dimensione n e S = {v,...,v m } V un insieme di m vettori con m n. Allora sono fatti equivalenti: (a) l insieme S è libero; (b) nella matrice A Mat n,m (K) che ha per colonne (o per righe) le componenti dei vettori di S rispetto ad una prefissata base di V n (K), esiste un minore di ordine m non singolare. La dimostrazione di questo teorema viene proposta come esercizio (attenzione: non facile!). Il teorema precedente può essere formulato in modo equivalente mediante il seguente (.8.8) Teorema Siano V n (K) uno spazio vettoriale di dimensione n e S = {v,...,v m } V un insieme di m vettori con m n. Allora sono fatti equivalenti: (a) l insieme S è legato; (b) nella matrice A Mat n,m (K) che ha per colonne (o per righe) le componenti dei vettori di S rispetto ad una prefissata base di V n (K), tutti i minori di ordine m sono singolari. (.8.9) Osservazione Il Teorema (.8.2) è un caso particolare del Teorema (.8.7) quando m = n = dim(v n (K)). (.8.) Esercizio In R 4 si consideri l insieme S = 2, 2,. 2

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

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1 LEZIONE 14 141 Dimensione di uno spazio vettoriale Abbiamo visto come l esistenza di una base in uno spazio vettoriale V su k = R, C, permetta di sostituire a V, che può essere complicato da trattare,

Dettagli

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

Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. CAPITOLO 7 Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. Esercizio 7.1. Determinare il rango delle seguenti matrici al variare del parametro t R. 1 4 2 1 4 2 A 1 = 0 t+1 1 A 2 = 0 t+1 1

Dettagli

ESERCIZI 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

Esercizi su lineare indipendenza e generatori

Esercizi su lineare indipendenza e generatori Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v

Dettagli

Algebra 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Dettagli

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

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

Dettagli

1 Applicazioni Lineari tra Spazi Vettoriali

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

Dettagli

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

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

4. Operazioni binarie, gruppi e campi.

4. Operazioni binarie, gruppi e campi. 1 4. Operazioni binarie, gruppi e campi. 4.1 Definizione. Diremo - operazione binaria ovunque definita in A B a valori in C ogni funzione f : A B C - operazione binaria ovunque definita in A a valori in

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

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

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

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

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

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

L anello dei polinomi

L anello dei polinomi L anello dei polinomi Sia R un anello commutativo con identità. È possibile costruire un anello commutativo unitario, che si denota con R[x], che contiene R (come sottoanello) e un elemento x non appartenente

Dettagli

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

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

Dettagli

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 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 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

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

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

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

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

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

(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

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

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

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

Dettagli

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

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

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

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

Dettagli

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

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

Esercizi risolti di Geometria e Algebra. Fulvio Bisi, Francesco Bonsante, Sonia Brivio Esercizi risolti di Geometria e Algebra Fulvio Bisi, Francesco Bonsante, Sonia Brivio Quest opera è stata rilasciata con licenza Creative Commons Attribuzione - Non commerciale- Non opere derivate 3.0

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

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

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

Dettagli

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

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

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

Dettagli

10. Insiemi non misurabili secondo Lebesgue.

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

Dettagli

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

09 - Funzioni reali di due variabili reali

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

Dettagli

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

CORSO DI LAUREA IN INGEGNERIA.

CORSO DI LAUREA IN INGEGNERIA. CORSO DI LAUREA IN INGEGNERIA. FOGLIO DI ESERCIZI 4 GEOMETRIA E ALGEBRA LINEARE 2010/11 Esercizio 4.1 (2.2). Determinare l equazione parametrica e Cartesiana della retta dello spazio (a) Passante per i

Dettagli

3 GRAFICI DI FUNZIONI

3 GRAFICI DI FUNZIONI 3 GRAFICI DI FUNZIONI Particolari sottoinsiemi di R che noi studieremo sono i grafici di funzioni. Il grafico di una funzione f (se non è specificato il dominio di definizione) è dato da {(x, y) : x dom

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 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

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

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

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

Dettagli

Rette e curve, piani e superfici

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

Dettagli

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

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

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

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

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

STRUTTURE ALGEBRICHE

STRUTTURE ALGEBRICHE STRUTTURE ALGEBRICHE 1. Operazioni algebriche binarie Dato un insieme M, chiamiamo operazione algebrica binaria definita su M una qualunque applicazione f che associa ad ogni coppia ordinata (a, b) di

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

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

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

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

Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria Elettronica

Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria Elettronica Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria Elettronica Terzo Appello del corso di Geometria e Algebra II Parte - Docente F. Flamini, Roma, 7/09/2007 SVOLGIMENTO COMPITO III APPELLO

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

Parte I. Relazioni di ricorrenza

Parte I. Relazioni di ricorrenza Parte I Relazioni di ricorrenza 1 Capitolo 1 Relazioni di ricorrenza 1.1 Modelli Nel seguente capitolo studieremo le relazioni di ricorrenza. Ad esempio sono relazioni di ricorrenza a n = a n 1 + n, a

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

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

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

definizione e notazione (direzione,verso modulo), v V, lo spazio ( insieme)

definizione e notazione (direzione,verso modulo), v V, lo spazio ( insieme) 1 Spazi vettoriali 1.1 Richiami ai vettori freccia definizione e notazione (direzione,verso modulo), v V, lo spazio ( insieme) dei vettori esiste la operazione binaria sul sostegno V che chiameremo somma(regola

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

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

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

Applicazioni del calcolo differenziale allo studio delle funzioni

Applicazioni del calcolo differenziale allo studio delle funzioni Capitolo 9 9.1 Crescenza e decrescenza in piccolo; massimi e minimi relativi Sia y = f(x) una funzione definita nell intervallo A; su di essa non facciamo, per ora, alcuna particolare ipotesi (né di continuità,

Dettagli

Geometria nel piano complesso

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

Dettagli

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

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

SPAZI METRICI. Uno spazio metrico X con metrica d si indica con il simbolo (X, d). METRICI 1

SPAZI METRICI. Uno spazio metrico X con metrica d si indica con il simbolo (X, d). METRICI 1 SPAZI METRICI Nel piano R 2 o nello spazio R 3 la distanza fra due punti è la lunghezza, o norma euclidea, del vettore differenza di questi due punti. Se p = (x, y, z) è un vettore in coordinate ortonormali,

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

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

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

Dettagli

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

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

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

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

Dettagli

19. Inclusioni tra spazi L p.

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

Dettagli

Parte 2. Metodi Matematici per la Meccanica Quantistica. Spazi di pre-hilbert e spazi di Hilbert. Gianpiero CATTANEO

Parte 2. Metodi Matematici per la Meccanica Quantistica. Spazi di pre-hilbert e spazi di Hilbert. Gianpiero CATTANEO Parte Metodi Matematici per la Meccanica Quantistica Spazi di pre-hilbert e spazi di Hilbert Gianpiero CATTANEO 10 giugno 008 Indice I - Spazi con Prodotto Interno e Spazi di Hilbert 5 1 Spazi con Prodotto

Dettagli