LEZIONE 12. v = α 1 v α n v n =

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "LEZIONE 12. v = α 1 v α n v n ="

Transcript

1 LEZIONE Combinazioni lineari. Definizione Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono scalari α 1,..., α n k tali che v = α 1 v α n v n = n α i v i. i=1 Il sottoinsieme di V costituito dai vettori che sono combinazione lineare di v 1,..., v n si indica con L(v 1,..., v n ). L insieme L(v 1,..., v n ) si dice generato da v 1,..., v n ed i vettori v 1,..., v n si dicono generatori di L(v 1,..., v n ). Qualora esistano v 1,..., v n V tali che V = L(v 1,..., v n ), lo spazio V si dice finitamente generato. Per capire meglio il concetto di combinazione lineare prendiamo in considerazione alcuni esempi. Esempio Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Allora 0 V = 0v v n ovvero il vettore nullo è sempre combinazione lineare di un qualsiasi insieme di vettori Esempio Fissato nello spazio ordinario S 3 un sistema di riferimento cartesiano ortogonale O ı j k, in V 3 (O) rimangono definiti tre versori ı, j, k: per il Teorema di Decomposizione ogni vettore geometrico v V 3 (O) si può decomporre come v = a ı + b j + c k per opportuni a, b, c R. Quindi V 3 (O) = L( ı, j, k ), ovvero ı, j, k sono generatori di V 3 (O): in particolare V 3 (O) è finitamente generato. 1 Typeset by AMS-TEX

2 COMBINAZIONI LINEARI Esempio In R 3 si considerino i vettori e 1 = (1, 0, 0) ed e 2 = (0, 1, 0). Allora v = (3, 2, 1) L(e 1, e 2 ), cioè v non è combinazione lineare di e 1, e 2. Infatti l equazione vettoriale v = αe 1 + βe 2 si scrive per esteso (3, 2, 1) = α(1, 0, 0) + β(0, 1, 0), Confrontando le componenti nelle stessa posizione dei vettori al primo ed al secondo membro otteniamo il sistema α = 3 β = 2 0 = 1 che, ovviamente, non ammette soluzioni. Quindi e 1 ed e 2 non sono generatori di R 3. Invece v = (3, 2, 0) L(e 1, e 2 ) cioè v è combinazione lineare di e 1, e 2. Infatti l equazione vettoriale v = αe 1 + βe 2 si traduce in (3, 2, 0) = α(1, 0, 0) + β(0, 1, 0), quindi, confrontando le componenti nelle stessa posizione dei vettori al primo ed al secondo membro, nel sistema α = 3 β = 2 0 = 0 avente soluzione (α, β) = (3, 2). Più in generale gli elementi di L(e 1, e 2 ), cioè i vettori che sono combinazione lineare di e 1 ed e 2, sono tutti e soli i vettori del tipo (α, β, 0) al variare di α, β R, cioè L(e 1, e 2 ) = { (x 1, x 2, x 3 ) R 3 x 3 = 0 }. Verificare per esercizio che L(e 1, e 2 ) è un sottospazio vettoriale di R 3. Esempio In R 3 si considerino i vettori e 1 = (1, 0, 0), e 2 = (0, 1, 0) e e 3 = (0, 0, 1). Allora ogni vettore di R 3 è combinazione lineare di e 1, e 2, e 3 : infatti (x 1, x 2, x 3 ) = x 1 (1, 0, 0) + x 2 (0, 1, 0) + x 3 (0, 0, 1). Quindi R 3 = L(e 1, e 2, e 3 ), ovvero e 1, e 2, e 3 generano R 3 : in particolare R 3 è finitamente generato.

3 LEZIONE 12 3 Più in generale sia k = R, C. In k n si considerino i vettori e 1,..., e n così definiti: e i ha tutte le componenti nulle tranne la i esima che vale 1. Allora e 1,..., e n sono generatori di k n. Infatti scelto x = (x 1,..., x n ) k n si ha x 1 (1, 0, 0, 0,..., 0, 0)+ x 2 (0, 1, 0, 0,..., 0, 0)+ x 3 (0, 0, 1, 0,..., 0, 0)+. x n (0, 0, 0, 0,..., 0, 1) = (x 1, x 2, x 3, x 4,..., x n 1, x n ) cioè x = x 1 e 1 + +x n e n. In particolare k n = L(e 1,..., e n ) è finitamente generato. Esempio In C 2,2 si considerino i vettori ( ) ( ) E 1,1 =, E 0 0 1,2 =, E 0 0 2,1 = Allora ( a1,1 a 1,2 a 2,1 a 2,2 ) ( ), E 2,2 = ( ) ( ) ( ) ( ) ( ) = a 1,1 + a 0 0 1,2 + a 0 0 2,1 + a 1 0 2,2, 0 1 quindi C 2,2 = L(E 1,1, E 1,2, E 2,1, E 2,2 ), ovvero E 1,1, E 1,2, E 2,1, E 2,2 sono generatori di C 2,2 : in particolare C 2,2 è finitamente generato. Più in generale in k m,n si consideri per ogni coppia di indici (i, j), con 1 i m e 1 j n, la matrice E i,j avente tutte le entrate nulle tranne quella in posizione (i, j) che vale 1. Allora le matrici E i,j con 1 i m e 1 j n sono generatori di k m,n, cioè k m,n = L(E i,j 1 i m, 1 j n). In particolare k m,n è finitamente generato. Osservazione In tutti gli esempi presi in considerazione sopra la scrittura di un dato vettore come combinazione lineare dei vettori dati è unica. Questo non è detto che accada in generale, cioè uno stesso vettore può essere scritto in più di un modo come combinazione lineare di un insieme di vettori. Per esempio in R 3 si considerino i tre vettori v 1 = (1, 1, 1), v 2 = (2, 3, 0), v 3 = ( 3, 2, 1). Allora (si veda l Esempio ) 0(1, 1, 1) + 0(2, 3, 0) + 0( 3, 2, 1) = = (0, 0, 0) = 1(1, 1, 1) + 1(2, 3, 0) + 1( 3, 2, 1). Il lettore verifichi per esercizio che il vettore 0 R 3 combinazione lineare dei vettori v 1, v 2, v 3. si scrive in infiniti modi come

4 COMBINAZIONI LINEARI Non tutti gli spazi vettoriali sono finitamente generati come mostra il seguente Esempio Si consideri l insieme k[x] dei polinomi nella variabile x a coefficienti in k = R, C. k[x] è uno spazio vettoriale su k con l usuale operazione di somma di polinomi e di prodotto di un polinomio per una costante in k. Infatti k[x] poiché contiene tutti i polinomi costanti, in particolare il polinomio nullo. Inoltre le operazioni di somma e prodotto si possono definire a partire dalla successione dei coefficienti del polinomio utilizzando le operazioni di somma e prodotto definite in k. Per esempio se allora p(x) = a 0 + a 1 x + a 2 x 2 + a 3 x a n x n +... αp(x) = αa 0 + αa 1 x + αa 2 x 2 + αa 3 x αa n x n Poiché la somma ed il prodotto di numeri soddisfano le condizioni (S1), (S2), (S3), (S4), (P1), (P2), (SP1), (SP2), anche le operazioni di somma e prodotto in k[x] soddisfano le stesse proprietà. Si noti che in k[x] si possono considerare i polinomi formati da un solo addendo, cioè i polinomi della forma p(x) = ax n ove a k ed n Z, n 0: tali polinomi particolari si dicono monomi nell indeterminata x. Se a 0 si definisce grado di ax n il numero deg(ax n ) = n, mentre se a = 0 si pone deg(0) =. Un polinomio nell indeterminata x è, dunque, una qualsiasi somma finita di monomi che possiamo assumere di grado diverso (altrimenti ne consideriamo la somma): il grado deg(p) di un polinomio p(x) è il grado massimo dei monomi che compaiono nella sua scrittura. Si noti che deg(p + q) max{ deg(p), deg(q) }, deg(αp) deg(p) per ogni α k e p(x), q(x) k[x]. Si noti che esistono monomi e, quindi, polinomi di ogni grado. Verifichiamo che k[x] non è finitamente generato. Consideriamo un qualsiasi insieme finito di polinomi p 1 (x),..., p n (x) k[x] e sia d = max{ deg(p i ) i = 1,..., n }. Allora se p(x) L(p 1 (x),..., p n (x)) k[x] segue che deg(p) d, dunque, comunque si scelgano p 1 (x),..., p n (x) k[x], esistono polinomi che non sono loro combinazione lineare (per esempio quelli di grado maggiore di d). Altri esempi sono forniti dagli spazi di funzioni R I, C p (I), p 0, ove I R è un intervallo aperto. Infatti, per esempio, si consideri R[x] come sottospazio di R R, C p (R) con la naturale identificazione di un polinomio con la funzione polinomiale corrispondente: vedremo più avanti che se V è uno spazio vettoriale finitamente generato allora tali sono tutti i suoi sottospazi. Poiché R[x] non è finitamente generato allora nè R R nè C p (R) possono esserlo. Si noti che in tutti gli esempi presi in esame sopra l insieme generato da un certo numero di vettori di uno spazio vettoriale V viene ad essere, di fatto, un sottospazio vettoriale di V, eventualmente coincidente con V stesso. Questo è un fatto del tutto generale come dimostra la seguente

5 LEZIONE 12 5 Proposizione Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Allora l insieme L(v 1,..., v n ) è un sottospazio vettoriale di V. Inoltre ( ) L(v 1,..., v n ) = L(v 1 ) + + L(v n ). Dimostrazione. Iniziamo a verificare la prima parte dell enunciato nel caso n = 1. In questo caso le combinazioni lineari di v 1 sono esattamente i vettori della forma α 1 v 1 al variare di α 1 k, cioè i multipli di v 1. In particolare 0 V = 0v 1 L(v 1 ). Se poi consideriamo α 1v 1, α 1v 1 L(v 1 ), si ha α 1v 1 + α 1v 1 = (α 1 + α 1)v 1 L(v 1 ). Infine, se consideriamo α k e α 1 v 1 L(v 1 ), si ha α(α 1 v 1 ) = (αα 1 )v 1 L(v 1 ). Concludiamo che L(v 1 ) è un sottospazio vettoriale di V. A questo punto si osservi che gli elementi di L(v 1,..., v n ) sono tutti e soli i vettori della forma α 1 v α n v n : poiché α i v i L(v i ) per ogni i = 1,..., n, segue l identità ( ). Poiché, quindi, L(v 1,..., v n ) è somma di sottospazi vettoriali di V, per , esso è a sua volta sottospazio vettoriale di V. Ciò conclude la dimostrazione dell enunciato. Per tale motivo, dora innanzi, chiameremo L(v 1,..., v n ) il sottospazio vettoriale di V generato dai vettori v 1,..., v n. Si noti che se conosciamo gli insiemi di generatori di due sottospazi siamo anche in grado di determinare un insieme di generatori per la loro somma: infatti Corollario Sia V uno spazio vettoriale su k = R, C e W, W V sottospazi finitamente generati. Allora anche W + W è finitamente generato. Inoltre se W = L(w 1,..., w n ), W = L(w 1,..., w n ) si ha W + W = L(w 1,..., w n, w 1,..., w n ). Dimostrazione. Utilizzando ripetutamente la formula ( ) si ottiene L(w 1,..., w n )+L(w 1,..., w n ) = =L(w 1) + + L(w n ) + L(w 1 ) + + L(w n ) = =L(w 1,..., w n, w 1,..., w n ). Ciò dimostra completamente l enunciato.

6 DIPENDENZA LINEARE Concludiamo che un insieme di generatori per la somma di sottospazi finitamente generati è l unione di insiemi di generatori per ciascuno dei sottospazi Dipendenza lineare. Definizione Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. I vettori v 1,..., v n si dicono linearmente dipendenti se esistono scalari α 1,..., α n k non tutti nulli tali che α 1 v α n v n = 0 V. In caso contrario i vettori v 1,..., v n si dicono linearmente indipendenti. Quindi dei vettori v 1,..., v n sono linearmente indipendenti se per ogni scelta di scalari α 1,..., α n k non tutti nulli risulta α 1 v α n v n 0 V. Un altro modo per definire la lineare indipendenza è il seguente: i vettori v 1,..., v n sono linearmente indipendenti se l equazione in V α 1 v α n v n = 0 V ha (α 1,..., α n ) = 0 k n k n come unica soluzione, mentre sono linearmente dipendenti se ha soluzioni non nulle. Esempio Sia V uno spazio vettoriale su k = R, C e si considerino i vettori v 1,..., v n. Allora 1 0 V + 0v 1 + 0v v n = 0 V, cioè 0 V, v 1, v 2,..., v n sono linearmente dipendenti. In particolare, se in un insieme di vettori c è il vettore nullo, allora l insieme è costituiito da vettori linearmente dipendenti. Più in generale siano v 1,..., v n V linearmente dipendenti e siano α 1,..., α n k non tutti nulli tali che α 1 v α n v n = 0 V : pertanto nella relazione di dipendenza lineare α 1 v α n v n + 0v n v m = 0 V non tutti gli scalari sono nulli, quindi anche v 1,..., v n, v n+1,..., v m sono linearmente dipendenti. Esempio Fissato nello spazio ordinario S 3 un sistema di riferimento cartesiano ortogonale O ı j k, in V 3 (O) i tre versori ı, j, k sono linearmente indipendenti: infatti 0 = a ı + b j + c k se e solo se 0 = 0 = a ı + b j + c k = a 2 + b 2 + c 2 ovvero se e solo se a = b = c = 0.

7 LEZIONE 12 7 Esempio In R 3 i tre vettori v 1 = (1, 1, 1), v 2 = (2, 3, 0), v 3 = ( 3, 2, 1) sono linearmente dipendenti poiché 1(1, 1, 1) + 1(2, 3, 0) + 1( 3, 2, 1) = (0, 0, 0). Invece i vettori e 1 = (1, 0, 0), e 2 = (0, 1, 0), e 3 = (0, 0, 1) sono linearmente indipendenti poiché α 1 (1, 0, 0) + α 2 (0, 1, 0) + α 3 (0, 0, 1) = (α 1, α 2, α 3 ) che è nullo se e solo se α 1 = α 2 = α 3 = 0. Esempio In k n i vettori e 1,..., e n sono linearmente indipendenti. Similmente in k m,n i vettori E i,j, 1 i m, 1 j n, sono linearmente indipendenti. Osservazione Si noti che le definizioni di lineare dipendenza ed indipendenza non dipendono dall ordine dei vettori. Ovvero se dei vettori sono linearmente dipendenti od indipendenti in un fissato ordine lo sono in qualsiasi altro. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V. Ci domandiamo cosa significhi che uno, due, tre od n vettori siano linearmente dipendenti. Dire che v 1 è linearmente dipendente equivale ad affermare che esiste α 1 k \{ 0 } tale che α 1 v 1 = 0 V : per la legge di annullamento del prodotto ciò significa che v 1 = 0 V : quindi un vettore è linearmente dipendente se e solo se è nullo. Dire che v 1 e v 2 sono linearmente dipendenti equivale ad affermare che esistono α 1, α 2 k non contemporaneamente nulli tali che α 1 v 1 + α 2 v 2 = 0 V : supponiamo che sia α 2 0. Allora sommando ad ambo i membri delle relazione di dipendenza lineare l opposto di α 1 v 1 e moltiplicando ambo i membri della relazione così ottenuta per α 1 2 (che esiste perché α 2 0), si ottiene v 2 = ( α 1 /α 2 )v 1, cioè uno dei vettori è multiplo dell altro (cioè è sua combinazione lineare). Viceversa, se ciò accade, diciamo v 2 = λv 1 per qualche λ k, sommando ad ambo i membri l opposto di λv 1 si ottiene la relazione di dipendenza lineare ( λ)v 1 + 1v 2 = 0 V, i cui coefficienti non sono tutti nulli (infatti 1 0): quindi due vettori sono linearmente dipendenti se e solo se uno dei due è multiplo dell altro.

8 DIPENDENZA LINEARE Dire che v 1, v 2 e v 3 sono linearmente dipendenti equivale ad affermare che esistono α 1, α 2, α 3 k non contemporaneamente nulli tali che α 1 v 1 + α 2 v 2 + α 3 v 3 = 0 V : supponiamo che sia α 3 0. Allora sommando ad ambo i membri delle relazione di dipendenza lineare l opposto di α 1 v 1 + α 2 v 2 e moltiplicando ambo i membri della relazione così ottenuta per α 1 3 (che esiste perché α 3 0), si ottiene v 3 = ( α 1 /α 3 )v 1 + ( α 2 /α 3 )v 2, cioè uno dei vettori è combinazione lineare dei rimanenti. Viceversa, se ciò accade, diciamo v 3 = λ 1 v 1 + λ 2 v 2 per qualche λ 1, λ 2 k, sommando ad ambo i membri l opposto di λ 1 v 1 + λ 2 v 2 si ottiene la relazione di dipendenza lineare ( λ 1 )v 1 + ( λ 2 )v 2 + 1v 3 = 0 V, i cui coefficienti non sono tutti nulli (infatti 1 0): quindi tre vettori sono linearmente dipendenti se e solo se uno di loro è combinazione lineare dei rimanenti. Esempio Consideriamo i tre vettori v 1 = (1, 1, 1), v 2 = (2, 3, 0), v 3 = ( 3, 2, 1) dell Esempio : i tre vettori sono linearmente dipendenti e si ha ( 1)(1, 1, 1) + ( 1)(2, 3, 0) = ( 3, 2, 1). Quanto detto sopra, con le modifiche del caso, è alla base della dimostrazione di Proposizione Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. i) I vettori v 1,..., v n sono linearmente dipendenti se e solo se uno di loro è combinazione lineare dei rimanenti. ii) I vettori v 1,..., v n sono linearmente dipendenti se e solo se uno di loro è combinazione lineare di quelli che lo precedono. Dimostrazione. I vettori v 1,..., v n sono linearmente dipendenti se e solo se esistono α 1,..., α n k non contemporaneamente nulli tali che se, per fissare le idee, α n 0 si ottiene α 1 v α n v n = 0 V : v n = ( α 1 /α n )v ( α n 1 /α n )v n 1,

9 cioè uno dei vettori è combinazione lineare dei rimanenti. Viceversa, se ciò accade, diciamo LEZIONE 12 9 v n = λ 1 v λ n 1 v n 1 per qualche λ 1,..., λ n 1 k, si ottiene la relazione di dipendenza lineare ( λ 1 )v ( λ n 1 )v n 1 + 1v n = 0 V, i cui coefficienti non sono tutti nulli, quindi v 1,..., v n sono linearmente dipendenti. Ciò dimostra completamente i). Per quanto riguarda ii) è chiaro che se esiste m tale che v m L(v 1,..., v m 1 ) allora i vettori sono linearmente dipendenti dalla parte i) dell enunciato. Viceversa supponiamo che v 1,..., v n siano linearmente dipendenti e sia α 1 v α n v n = 0 V una loro relazione di dipendenza lineare a coefficienti α 1,..., α n k non tutti nulli. Poniamo m = max{ i = 1,..., n α i 0 }: ciò significa che nella relazione di dipendenza lineare α i = 0 per i m + 1. Quindi tale relazione di dipendenza lineare è del tipo α 1 v α m v m = 0 V con α m 0: per quanto visto sopra v m = (α 1 /α m )v ( α m 1 /α m )v m 1 ovvero v m L(v 1,..., v m 1 ).

LEZIONE 13. v =α 1 v α i 1 v i 1 + α i v i = =α 1 v α i 1 v i 1 + α i (λ 1 v λ i 1 v i 1 ) =

LEZIONE 13. v =α 1 v α i 1 v i 1 + α i v i = =α 1 v α i 1 v i 1 + α i (λ 1 v λ i 1 v i 1 ) = LEZIONE 13 13.1. Il metodo degli scarti. Sia dato uno spazio vettoriale V su k = R, C e siano v 1,..., v n V. Quanto visto nella lezione precedente ci suggerisce il seguente algoritmo per stabilire se

Dettagli

LEZIONE 11. s V : V V V (v 1, v 2 ) v 1 + v 2 = s V (v 1, v 2 ), p V : k V V. per cui valgono:

LEZIONE 11. s V : V V V (v 1, v 2 ) v 1 + v 2 = s V (v 1, v 2 ), p V : k V V. per cui valgono: LEZIONE 11 11.1. Spazi vettoriali ed esempi. La nozione di spazio vettoriale generalizza quanto visto nelle lezioni precedenti: l insieme k m,n delle matrici m n a coefficienti in k = R, C, l insieme V

Dettagli

Spazi Vettoriali ed Applicazioni Lineari

Spazi Vettoriali ed Applicazioni Lineari Spazi Vettoriali ed Applicazioni Lineari 1. Sottospazi Definizione. Sia V uno spazio vettoriale sul corpo C. Un sottoinsieme non vuoto W di V è un sottospazio vettoriale di V se è chiuso rispetto alla

Dettagli

Elementi di Algebra Lineare Spazi Vettoriali

Elementi 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

Dettagli

NOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n

NOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n NOTE DI ALGEBRA LINEARE 2- MM 9 NOVEMBRE 2 Combinazioni lineari e generatori Sia K un campo e V uno spazio vettoriale su K Siano v,, v n vettori in V Definizione Un vettore v V si dice combinazione lineare

Dettagli

i) la somma e il prodotto godano delle proprietà associativa, commutativa e distributiva;

i) la somma e il prodotto godano delle proprietà associativa, commutativa e distributiva; 1 Spazi vettoriali 11 Definizioni ed assiomi Definizione 11 Un campo è un insieme K dotato di una operazione somma K K K, (x, y) x + y e di una operazione prodotto K K K, (x, y) xy tali che i) la somma

Dettagli

LEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g

LEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g LEZIONE 3 3.. Matrici fortemente ridotte per righe. Nella precedente lezione abbiamo introdotto la nozione di soluzione di un sistema di equazioni lineari. In questa lezione ci poniamo il problema di descrivere

Dettagli

LEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati.

LEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati. LEZIONE 2 2 Sistemi di equazioni lineari Definizione 2 Un equazione lineare nelle n incognite x, x 2,, x n a coefficienti reali, è un equazione della forma (2 a x + a 2 x 2 + + a n x n = b, ove a j, b

Dettagli

LEZIONE 15. Esempio L applicazione f: R 3 R 2. è lineare. Infatti si ha che se α R, (x, y, z) R 3 risulta

LEZIONE 15. Esempio L applicazione f: R 3 R 2. è lineare. Infatti si ha che se α R, (x, y, z) R 3 risulta LEZIONE 15 15.1. Applicazioni lineari ed esempi. Definizione 15.1.1. Siano V e W spazi vettoriali su k = R, C. Un applicazione f: V W si dice k lineare se: (AL1) per ogni v 1, v 2 V si ha f(v 1 + v 2 )

Dettagli

LEZIONE 5. AX = 0 m,1.

LEZIONE 5. AX = 0 m,1. LEZIONE 5 5 isoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per quanto visto nella precedente lezione, sappiamo di poter trasformare,

Dettagli

ESERCIZI sui VETTORI

ESERCIZI sui VETTORI ESERCIZI sui VETTORI 1. Calcolare la somma di v 1 (2, 3) e v 2 (1, 4). 2. Calcolare la somma di v 1 (1, 5, 4) e v 2 (6, 8, 2). 3. Calcolare il prodotto di α = 2 e v 1 (1, 4). 4. Calcolare il prodotto di

Dettagli

1 Indipendenza lineare e scrittura unica

1 Indipendenza lineare e scrittura unica Geometria Lingotto. LeLing7: Indipendenza lineare, basi e dimensione. Ārgomenti svolti: Indipendenza lineare e scrittura unica. Basi e dimensione. Coordinate. Ēsercizi consigliati: Geoling. Indipendenza

Dettagli

0.1 Spazi Euclidei in generale

0.1 Spazi Euclidei in generale 0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo

Dettagli

Corso di Geometria Lezione II: Spazi vettoriali

Corso di Geometria Lezione II: Spazi vettoriali .. Corso di Geometria Lezione II: Spazi vettoriali F. Baldassarri 8 ottobre 2013 Definizione di spazio vettoriale Uno spazio vettoriale su un campo C (ad es. Q,R,C,{0, 1}) è un insieme V dotato di due

Dettagli

Parte 4. Spazi vettoriali

Parte 4. Spazi vettoriali Parte 4. Spazi vettoriali A. Savo Appunti del Corso di Geometria 23-4 Indice delle sezioni Spazi vettoriali, 2 Prime proprietà, 3 3 Dipendenza e indipendenza lineare, 4 4 Generatori, 6 5 Basi, 8 6 Sottospazi,

Dettagli

Pagine 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 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

Dettagli

LEZIONE 9. Figura 9.1.1

LEZIONE 9. Figura 9.1.1 LEZIONE 9 9.1. Equazioni cartesiane di piani. Abbiamo visto come rappresentare parametricamente un piano. Un altro interessante metodo di rappresentazione di un piano nello spazio è tramite la sua equazione

Dettagli

LEZIONE 8. Figura 8.1.1

LEZIONE 8. Figura 8.1.1 LEZIONE 8 8.1. Equazioni parametriche di rette. In questo paragrafo iniziamo ad applicare quanto spiegato sui vettori geometrici per dare una descrizione delle rette nel piano e nello spazio. Sia r S 3

Dettagli

LEZIONE 1 C =

LEZIONE 1 C = LEZIONE 1 11 Matrici a coefficienti in R Definizione 111 Siano m, n Z positivi Una matrice m n a coefficienti in R è un insieme di mn numeri reali disposti su m righe ed n colonne circondata da parentesi

Dettagli

Esercizi svolti. delle matrici

Esercizi svolti. delle matrici Esercizi svolti. astratti. Si dica se l insieme delle coppie reali (x, y) soddisfacenti alla relazione x + y è un sottospazio vettoriale di R La risposta è sì, perchè l unica coppia reale che soddisfa

Dettagli

Capitolo IV SPAZI VETTORIALI EUCLIDEI

Capitolo 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.

Dettagli

LEZIONE 9. k, tenendo conto delle formule che permettono di calcolare il prodotto scalare ed il prodotto vettoriale, otteniamo

LEZIONE 9. k, tenendo conto delle formule che permettono di calcolare il prodotto scalare ed il prodotto vettoriale, otteniamo LEZIONE 9 9.1. Prodotto misto. Siano dati i tre vettori geometrici u, v, w V 3 (O) definiamo prodotto misto di u, v e w il numero u, v w. Fissiamo un sistema di riferimento O ı j k in S 3. Se u = u x ı

Dettagli

LEZIONE Equazioni matriciali. Negli Esempi e si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = R m,n, B = (b i,h ) 1 i m

LEZIONE Equazioni matriciali. Negli Esempi e si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = R m,n, B = (b i,h ) 1 i m LEZIONE 4 41 Equazioni matriciali Negli Esempi 336 e 337 si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = B 2,, AX p = B p aventi la stessa matrice incompleta A Tale tipo di problema si presenta

Dettagli

LEZIONE 15. (15.1.2) p(x) = a 0 x n + a 1 x n a n 1 x + a n = a h x n h.

LEZIONE 15. (15.1.2) p(x) = a 0 x n + a 1 x n a n 1 x + a n = a h x n h. LEZIONE 15 15.1. Polinomi a coefficienti complessi e loro e loro radici. In questo paragrafo descriveremo alcune proprietà dei polinomi a coefficienti complessi e delle loro radici. Già nel precedente

Dettagli

SPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi:

SPAZI 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)

Dettagli

Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)

Autovalori 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)

Dettagli

ALGEBRA E GEOMETRIA Esercizi Corso di Laurea in Chimica - anno acc. 2015/2016 docente: Elena Polastri,

ALGEBRA E GEOMETRIA Esercizi Corso di Laurea in Chimica - anno acc. 2015/2016 docente: Elena Polastri, ALGEBRA E GEOMETRIA Esercizi Corso di Laurea in Chimica - anno acc. 05/06 docente: Elena Polastri, plslne@unife.it Esercizi 3: SPAZI VETTORIALI e MATRICI Combinazioni lineari di vettori.. Scrivere il vettore

Dettagli

3x 2 = 6. 3x 2 x 3 = 6

3x 2 = 6. 3x 2 x 3 = 6 Facoltà di Scienze Statistiche, Algebra Lineare 1 A, GParmeggiani LEZIONE 7 Sistemi lineari Scrittura matriciale di un sistema lineare Def 1 Un sistema di m equazioni ed n incognite x 1, x 2, x n, si dice

Dettagli

LEZIONE i i 3

LEZIONE i i 3 LEZIONE 5 51 Determinanti In questo lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli

Dettagli

SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n

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

Dettagli

LEZIONE 12. Y = f(x) = f( x j,1 f(e j ) = x j,1 A j = AX = µ A (X),

LEZIONE 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

Dettagli

Sistemi lineari e spazi vettoriali 1 / 14

Sistemi lineari e spazi vettoriali 1 / 14 Sistemi lineari e spazi vettoriali 1 / 14 Sistemi lineari 2 / 14 Studieremo sistemi lineari costituiti da m equazioni in n incognite (m,n N, m,n 1): cioè a 11 x 1 + +a 1n x n = b 1 a 21 x 1 + +a 2n x n

Dettagli

Geometria analitica: rette e piani

Geometria analitica: rette e piani Geometria analitica: rette e piani Equazioni del piano Intersezioni di piani. Rette nello spazio Fasci di piani e rette Intersezioni fra piani e rette Piani e rette ortogonali Piani di forma parametrica

Dettagli

Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016.

Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016. Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016 Di seguito si riporta il riassunto degli argomenti svolti; i riferimenti sono a parti del Cap8 Elementi di geometria e algebra lineare Par5

Dettagli

Complemento ortogonale e proiezioni

Complemento ortogonale e proiezioni Complemento ortogonale e proiezioni Dicembre 9 Complemento ortogonale di un sottospazio Sie E un sottospazio di R n Definiamo il complemento ortogonale di E come l insieme dei vettori di R n ortogonali

Dettagli

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

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

Dettagli

Appunti su Indipendenza Lineare di Vettori

Appunti 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

Dettagli

LEZIONE 27. C = { P = (x, y) x 2 /a 2 y 2 /b 2 = 1 }. C si dice iperbole di semiassi a e b (in forma canonica). L equazione

LEZIONE 27. C = { P = (x, y) x 2 /a 2 y 2 /b 2 = 1 }. C si dice iperbole di semiassi a e b (in forma canonica). L equazione LEZIONE 27 27.1. Ellisse, iperbole, parabola. Nelle prossime lezioni illustreremo come la teoria delle forme quadratiche e della riduzione ortogonale si applichi allo studio di alcuni oggetti geometrici

Dettagli

LEZIONE 3. Typeset by AMS-TEX

LEZIONE 3. Typeset by AMS-TEX LEZIONE 3 3 Risoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per la Proposizione 236 sappiamo di poter trasformare, con operazioni

Dettagli

Sistemi di equazioni lineari

Sistemi di equazioni lineari Sistemi di equazioni lineari A. Bertapelle 25 ottobre 212 Cos è un sistema lineare? Definizione Un sistema di m equazioni lineari (o brevemente sistema lineare) nelle n incognite x 1,..., x n, a coefficienti

Dettagli

3/10/ Divisibilità e massimo comun divisore

3/10/ Divisibilità e massimo comun divisore MCD in N e Polinomi 3/10/2013 1 Divisibilità e massimo comun divisore 1.1 Divisibilità in N In questa sezione introdurremo il concetto di divisibilità e di massimo comun divisore di due numeri naturali

Dettagli

Geometria e Topologia I (U1-4) 2006-mag-10 61

Geometria e Topologia I (U1-4) 2006-mag-10 61 Geometria e Topologia I (U1-4) 2006-mag-10 61 (15.9) Teorema. Consideriamo il piano affine. Se A A 2 (K) è un punto e r una retta che non passa per A, allora esiste unica la retta per A che non interseca

Dettagli

Matematica Discreta e Algebra Lineare (per Informatica)

Matematica 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

Dettagli

x1 + 2x 2 + 3x 3 = 0 nelle tre incognite x 1, x 2, x 3. Possiamo risolvere l equazione ricavando l incognita x 1 x 1 = 2x 2 3x 3 2r 1 3r 2 x 2 x 3

x1 + 2x 2 + 3x 3 = 0 nelle tre incognite x 1, x 2, x 3. Possiamo risolvere l equazione ricavando l incognita x 1 x 1 = 2x 2 3x 3 2r 1 3r 2 x 2 x 3 Matematica II -..9 Spazio delle soluzioni di un sistema lineare omogeneo.. Consideriamo l equazione lineare omogenea nelle tre incognite x, x, x 3. x + x + 3x 3 = Possiamo risolvere l equazione ricavando

Dettagli

Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite

Si 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

Dettagli

Appunti di ALGEBRA LINEARE

Appunti di ALGEBRA LINEARE Appunti di ALGEBRA LINEARE Corso di Laurea in Chimica A. A. 2009/200 Capitolo SPAZI VETTORIALI In matematica si incontrano spesso insiemi di elementi su cui sono definite delle operazioni che godono di

Dettagli

Lezioni di Algebra Lineare I. Le nozioni di base sugli spazi vettoriali

Lezioni di Algebra Lineare I. Le nozioni di base sugli spazi vettoriali Lezioni di Algebra Lineare I. Le nozioni di base sugli spazi vettoriali Versione settembre 8 Contenuto. Combinazioni lineari di vettori. Sottospazi vettoriali 3. Sottospazio vettoriale generato da un insieme

Dettagli

LEZIONE 4. { x + y + z = 1 x y + 2z = 3

LEZIONE 4. { x + y + z = 1 x y + 2z = 3 LEZIONE 4 4.. Operazioni elementari di riga. Abbiamo visto, nella precedente lezione, quanto sia semplice risolvere sistemi di equazioni lineari aventi matrice incompleta fortemente ridotta per righe.

Dettagli

Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari

Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare

Dettagli

Prodotto interno (prodotto scalare definito positivo)

Prodotto 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

Dettagli

Appunti sui Codici di Reed Muller. Giovanni Barbarino

Appunti sui Codici di Reed Muller. Giovanni Barbarino Appunti sui Codici di Reed Muller Giovanni Barbarino Capitolo 1 Codici di Reed-Muller I codici di Reed-Muller sono codici lineari su F q legati alle valutazioni dei polinomi sullo spazio affine. Per semplicità

Dettagli

Spazi affini e combinazioni affini.

Spazi affini e combinazioni affini. Spazi affini e combinazioni affini. Morfismi affini. Giorgio Ottaviani Abstract Introduciamo il concetto di combinazione affine in uno spazio affine, e in base a questo, ne caratterizziamo i sottospazi.

Dettagli

Definizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im

Definizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im APPUNTI ed ESERCIZI su matrici, rango e metodo di eliminazione di Gauss Corso di Laurea in Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 23 Aprile 2010 Matrici, rango e metodo

Dettagli

LEZIONE 23. ax 2 + bxy + cy 2 + dx + ey + f

LEZIONE 23. ax 2 + bxy + cy 2 + dx + ey + f LEZIONE 23 23.1. Riduzione delle coniche a forma canonica. Fissiamo nel piano un sistema di riferimento Oxy e consideriamo un polinomio di grado 2 in x, y a meno di costanti moltiplicative non nulle, diciamo

Dettagli

Fissiamo nel piano un sistema di riferimento cartesiano ortogonale O, x, y, u.

Fissiamo nel piano un sistema di riferimento cartesiano ortogonale O, x, y, u. Fissiamo nel piano un sistema di riferimento cartesiano ortogonale O, x, y, u. Definizione Una conica è il luogo dei punti, propri o impropri, reali o immaginari, che con le loro coordinate omogenee (x,

Dettagli

LEZIONE 8. k e w = wx ı + w y j + w z. k di R 3 definiamo prodotto scalare di v e w il numero

LEZIONE 8. k e w = wx ı + w y j + w z. k di R 3 definiamo prodotto scalare di v e w il numero LEZINE 8 8.1. Prodotto scalare. Dati i vettori geometrici v = v x ı + v y j + v z k e w = wx ı + j + k di R 3 definiamo prodotto scalare di v e w il numero v, w = ( v x v y v z ) w x = v x + v y + v z.

Dettagli

Prodotto scalare e norma

Prodotto scalare e norma Capitolo 7 Prodotto scalare e norma Riprendiamo ora lo studio dei vettori da un punto di vista più geometrico. È noto, per esempio dalla Fisica, che spesso è comodo visualizzare un vettore del piano o

Dettagli

Analisi Matematica 1 e Matematica 1 Geometria Analitica: Rette

Analisi Matematica 1 e Matematica 1 Geometria Analitica: Rette Analisi Matematica 1 e Matematica 1 Geometria Analitica: Rette Annalisa Amadori e Benedetta Pellacci amadori@uniparthenope.it pellacci@uniparthenope.it Università di Napoli Parthenope Contenuti Nel Piano

Dettagli

4 Autovettori e autovalori

4 Autovettori e autovalori 4 Autovettori e autovalori 41 Cambiamenti di base Sia V uno spazio vettoriale tale che dim V n Si è visto in sezione 12 che uno spazio vettoriale ammette basi distinte, ma tutte con la medesima cardinalità

Dettagli

Giovanna Carnovale. October 18, Divisibilità e massimo comun divisore

Giovanna Carnovale. October 18, Divisibilità e massimo comun divisore MCD in N e Polinomi Giovanna Carnovale October 18, 2011 1 Divisibilità e massimo comun divisore 1.1 Divisibilità in N In questa sezione introdurremo il concetto di divisibilità e di massimo comun divisore

Dettagli

SPAZI VETTORIALI CON PRODOTTO SCALARE A =

SPAZI VETTORIALI CON PRODOTTO SCALARE A = SPAZI VETTORIALI CON PRODOTTO SCALARE Esercizi Esercizio. Nello spazio euclideo standard (R 2,, ) sia data la matrice 2 3 A = 3 2 () Determinare una base rispetto alla quale A sia la matrice di un endomorfismo

Dettagli

a + 2b + c 3d = 0, a + c d = 0 c d

a + 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,

Dettagli

Prodotto scalare e ortogonalità

Prodotto 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

Dettagli

Matematica per Analisi dei Dati,

Matematica per Analisi dei Dati, Matematica per Analisi dei Dati, 230209 1 Spazio vettoriale R n Sia n un intero positivo fissato Lo spazio vettoriale R n e l insieme delle n ple ordinate di numeri reali, che rappresenteremo sempre come

Dettagli

DIAGONALIZZAZIONE. M(f) =

DIAGONALIZZAZIONE. 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,

Dettagli

Geometria analitica del piano pag 12 Adolfo Scimone

Geometria 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

Dettagli

Lezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari

Lezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari Lezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari In questa lezione ci dedicheremo a studiare a fondo quali proprietà della matrice dei coefficienti di un sistema (e della

Dettagli

ALGEBRA I: SOLUZIONI QUINTA ESERCITAZIONE 9 maggio 2011

ALGEBRA I: SOLUZIONI QUINTA ESERCITAZIONE 9 maggio 2011 ALGEBRA I: SOLUZIONI QUINTA ESERCITAZIONE 9 maggio 2011 Esercizio 1. Usando l algoritmo euclideo delle divisioni successive, calcolare massimo comune divisore e identità di Bézout per le seguenti coppie

Dettagli

Spazi vettoriali euclidei.

Spazi vettoriali euclidei. Spazi vettoriali euclidei Prodotto scalare, lunghezza e ortogonalità in R n Consideriamo lo spazio vettoriale R n = { =,,, n R}, n con la somma fra vettori e il prodotto di un vettore per uno scalare definiti

Dettagli

Parte 7. Autovettori e autovalori

Parte 7. Autovettori e autovalori Parte 7. Autovettori e autovalori A. Savo Appunti del Corso di Geometria 23-4 Indice delle sezioni Endomorfismi, 2 Cambiamento di base, 3 3 Matrici simili, 6 4 Endomorfismi diagonalizzabili, 7 5 Autovettori

Dettagli

RETTE 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. 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

Dettagli

Sottospazi vettoriali. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni.

Sottospazi 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.

Dettagli

ESERCIZI VARI su SPAZI VETTORIALI. Si giustifichi la risposta ad ogni esercizio ( o parte di esercizio ) posto in forma di domanda.

ESERCIZI VARI su SPAZI VETTORIALI. Si giustifichi la risposta ad ogni esercizio ( o parte di esercizio ) posto in forma di domanda. ESERCIZI VARI su SPAZI VETTORIALI Si giustifichi la risposta ad ogni esercizio ( o parte di esercizio ) posto in forma di domanda. Esercizio. Dimostrare che i vettori in R sono linearmente indipendenti

Dettagli

Soluzione. (a) L insieme F 1 e linearmente indipendente; gli insiemi F 2 ed F 3 sono linearmente

Soluzione. (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

Dettagli

LEZIONE 10. S(C,ρ) Figura 10.1

LEZIONE 10. S(C,ρ) Figura 10.1 LEZIONE 10 10.1. Sfere nello spazio. In questa lezione studieremo alcuni oggetti geometrici non lineari, circonferenze e sfere nello spazio A 3. Poiché le proprietà delle circonferenze nel piano sono del

Dettagli

La 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. 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

Dettagli

2 Sistemi lineari. Metodo di riduzione a scala.

2 Sistemi lineari. Metodo di riduzione a scala. Sistemi lineari. Metodo di riduzione a scala. Esercizio.1 Utilizzando il metodo di eliminazione di Gauss, risolvere i seguenti sistemi lineari: 1. 3. x 1 x + 3x 3 = 1 x 1 x x 3 = x 1 + x + 3x 3 = 5 x 1

Dettagli

Esercitazione 6 - Soluzione

Esercitazione 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

Dettagli

ESERCIZI DI ALGEBRA LINEARE (D) A = A = A = R 2,2. D5 Dire come bisogna scegliere i parametri h e k affinché la

ESERCIZI DI ALGEBRA LINEARE (D) A = A = A = R 2,2. D5 Dire come bisogna scegliere i parametri h e k affinché la ESERCIZI DI ALGEBRA LINEARE (D) D1 Nello spazio vettoriale R 2,2 si consideri l insieme { V = X R 2,2 XA = AX, A = ( 1 1 1 2 )} delle matrici che commutano con A. Verifiare che V = L(I 2, A). Verificare

Dettagli

1.1 Coordinate sulla retta e nel piano; rette nel piano

1.1 Coordinate sulla retta e nel piano; rette nel piano 1 Sistemi lineari 11 Coordinate sulla retta e nel piano; rette nel piano Coordinate sulla retta Scelti su una retta un primo punto O (origine) ed un diverso secondo punto U (unita ), l identificazione

Dettagli

Geometria della programmazione lineare

Geometria della programmazione lineare Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi Definizione Sia a un vettore non

Dettagli

Introduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari

Introduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari Introduzione soft alla matematica per l economia e la finanza Marta Cardin, Paola Ferretti, Stefania Funari Capitolo Sistemi di equazioni lineari.8 Il Teorema di Cramer Si consideri un generico sistema

Dettagli

1 Estensioni in C, automorfismi, polinomi.

1 Estensioni in C, automorfismi, polinomi. Lezioni del 15,18,20,22 aprile, II. Registro dettagliato 1 Estensioni in C, automorfismi, polinomi. 1.1 Estensioni di sottocampi di C. Una coppia di campi, uno contenuto nell altro, si dice estensione

Dettagli

M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA STRUTTURE ALGEBRICHE

M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA STRUTTURE ALGEBRICHE M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA STRUTTURE ALGEBRICHE Operazioni in un insieme Sia A un insieme non vuoto; una funzione f : A A A si dice operazione binaria (o semplicemente

Dettagli

ESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA

ESERCIZI 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

Dettagli

dipendenti. Cosa possiamo dire sulla dimensione di V?

dipendenti. Cosa possiamo dire sulla dimensione di V? Esercizi Esercizi. In uno spazio vettoriale V ci sono tre vettori v, v 2, v linearmente indipendenti. Cosa possiamo dire sulla dimensione di V? 2. In uno spazio vettoriale V ci sono tre vettori v, v 2,

Dettagli

0.1 Condizione sufficiente di diagonalizzabilità

0.1 Condizione sufficiente di diagonalizzabilità 0.1. CONDIZIONE SUFFICIENTE DI DIAGONALIZZABILITÀ 1 0.1 Condizione sufficiente di diagonalizzabilità È naturale porsi il problema di sapere se ogni matrice sia o meno diagonalizzabile. Abbiamo due potenziali

Dettagli

Parte 8. Prodotto scalare, teorema spettrale

Parte 8. Prodotto scalare, teorema spettrale Parte 8. Prodotto scalare, teorema spettrale A. Savo Appunti del Corso di Geometria 3-4 Indice delle sezioni Prodotto scalare in R n, Basi ortonormali, 4 3 Algoritmo di Gram-Schmidt, 7 4 Matrici ortogonali,

Dettagli

Intersezione e somma di sottospazi vettoriali

Intersezione e somma di sottospazi vettoriali Capitolo 6 Intersezione e somma di sottospazi vettoriali 6.1 Introduzione Ricordiamo le definizioni di intersezione e somma di due sottospazi vettoriali. Anche in questo caso rimandiamo al testo di geometria

Dettagli

Appunti di matematica per le Scienze Sociali Parte 1

Appunti di matematica per le Scienze Sociali Parte 1 Appunti di matematica per le Scienze Sociali Parte 1 1 Equazioni 1.1 Definizioni preliminari 1.1.1 Monomi Si definisce monomio ogni prodotto indicato di fattori qualsiasi, cioè uguali o diseguali, numerici

Dettagli

Esercizi di Geometria - 1

Esercizi di Geometria - 1 Esercizi di Geometria - Samuele Mongodi - smongodi@snsit Di seguito si trovano alcuni esercizi assai simili a quelli che vi troverete ad affrontare nei test e negli scritti dell esame Non è detto che vi

Dettagli

Lezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige. Fulvio Bisi, Francesco Bonsante, Sonia Brivio

Lezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige. Fulvio Bisi, Francesco Bonsante, Sonia Brivio Lezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige Fulvio Bisi, Francesco Bonsante, Sonia Brivio Riportiamo di seguito gli errata corrige principali, aggiornati alla data

Dettagli

ESERCIZI DI MATEMATICA DISCRETA ANNO 2006/2007

ESERCIZI DI MATEMATICA DISCRETA ANNO 2006/2007 ESERCIZI DI MATEMATICA DISCRETA ANNO 6/7 //7 () Ridurre la seguente matrice ad una a scala ridotta utilizzando il metodo di Gauss-Jordan. Soluzione. () Determinare quante e quali sono le matrici a scala

Dettagli

Lezione 7: Il Teorema di Rouché-Capelli

Lezione 7: Il Teorema di Rouché-Capelli Lezione 7: Il Teorema di Rouché-Capelli In questa lezione vogliamo rivisitare i sistemi lineari e dare alcuni risultati che ci permettono di determinare dato un sistema lineare se ammette soluzioni e da

Dettagli

Il teorema di Rouché-Capelli

Il teorema di Rouché-Capelli Luciano Battaia Questi appunti (1), ad uso degli studenti del corso di Matematica (A-La) del corso di laurea in Commercio Estero dell Università Ca Foscari di Venezia, campus di Treviso, contengono un

Dettagli

Dipendenza e indipendenza lineare (senza il concetto di rango)

Dipendenza e indipendenza lineare (senza il concetto di rango) CAPITOLO 5 Dipendenza e indipendenza lineare (senza il concetto di rango) Esercizio 5.1. Scrivere un vettore w R 3 linearmente dipendente dal vettore v ( 1, 9, 0). Esercizio 5.2. Stabilire se i vettori

Dettagli

Capitolo 1 Vettori applicati e geometria dello spazio

Capitolo 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

Dettagli

MATEMATICA PRIMO COMPITINO SOLUZIONE DI ALCUNI ESERCIZI PRIMA PARTE. Esercizio 1. (Testo B) Determina, motivando la risposta, se la funzione f : R R

MATEMATICA PRIMO COMPITINO SOLUZIONE DI ALCUNI ESERCIZI PRIMA PARTE. Esercizio 1. (Testo B) Determina, motivando la risposta, se la funzione f : R R ANNO ACCADEMICO 25 6 SCIENZE GEOLOGICHE E SCIENZE NATURALI E AMBIENTALI MATEMATICA PRIMO COMPITINO SOLUZIONE DI ALCUNI ESERCIZI PROFF MARCO ABATE E MARGHERITA LELLI-CHIESA PRIMA PARTE Esercizio (Testo

Dettagli

Esercizi 1 Spazi vettoriali. { (x, y, z) R 3 (x, y, z) (2, 2, 2) } ;

Esercizi 1 Spazi vettoriali. { (x, y, z) R 3 (x, y, z) (2, 2, 2) } ; Esercizi 1 Spazi vettoriali Esercizio. Si dica quali dei seguenti sottoinsiemi di R 3 sono sottospazi vettoriali su R: { (x y z R 3 x y z Z } ; { (x y z R 3 x y z Q } ; { (x y z R 3 (x y z (2 2 2 } ; {

Dettagli

Elementi di Algebra Lineare Applicazioni lineari

Elementi di Algebra Lineare Applicazioni lineari Elementi di Algebra Lineare Applicazioni lineari Cristina Turrini UNIMI - 2016/2017 Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra Lineare 1 / 50 index Applicazioni lineari 1 Applicazioni lineari

Dettagli