Siano V e W due spazi vettoriali. La definizione seguente é è tra quelle basilari per il corso di Matematica B. L : V W
|
|
- Anna Maria Baldi
- 8 anni fa
- Visualizzazioni
Transcript
1 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 lineare se verifica le proprietá L(v + V w) = L(v) + W L(w) L(λ v) = λ L(v) λ R v, w V Prima sommare due vettori in V e poi fare l immagine della somma equivale a fare prima le immagini dei due vettori e poi farne la somma in W ; l immagine del prodotto di uno scalare per un vettore di V equivale a moltiplicare per quello scalare in W l immagine del vettore. Una funzione lineare, si dice, conserva le
2 Funzioni lineari - Definizioni p. 2 operazioni di somma e di prodotto per uno scalare. Talvolta è più conveniente pensare alla linearità nella maniera equivalente: L(λ v + µw) = λ L(v) + µ L(w) per ogni scelta di v, w V e λ, µ R; cioè L è lineare se l immagine di una combinazione lineare in V è la combinazione lineare delle immagini in W. Esempio 2. La funzione nulla L : R n R m, tale che L(x) = 0 R m è ovviamente lineare. Esempio 3. Per ogni spazio vettoriale V, la funzione identica I V : V V, tale che L(x) = x è anch essa ovviamente lineare. Esempio 4. La funzione L : R 3 R 3 tale che L(x, y, z) = (x, y, 0)
3 Matematica B - a.a 2006/07 p. 3 è lineare. Verichiamolo. Da un lato L((x 1, x 2, x 3 )+(y 1, y 2, y 3 )) = L((x 1 +y 1, x 2 +y 2, x 3 +y 3 )) = (x 1 +y 1, x 2 +y 2, d altro lato L((x 1, x 2, x 3 ))+L((y 1, y 2, y 3 )) = (x 1, x 2, 0)+(y 1, y 2, 0) = (x 1 +y 1, x 2 +y 2, 0) Inoltre L(λ(x 1, x 2, x 3 )) = L((λx 1, λx 2, λx 3 )) = (λx 1, λx 2, 0)) e λl((x 1, x 2, λ(x 1, x 2, 0) = (λx 1, λx 2, 0). Esempio 5. La funzione dell esempio precedente ha un significato geometrico evidente, essa è la proiezione p di un punto di R 3 (lo spazio ordinario ) sul piano xy (veramente il piano z = 0), ossia p : R 3 R 3 ; p(x, y, z) = (x, y, 0). Verificare che p p = p.
4 Funzioni lineari - Definizioni p. 4 Esempio 6. Se A M m,n (R) (matrici m n) e x = l applicazione x Ax x 1 x 2. x n allora è lineare tra R n e R m. Infatti la moltiplicazione di matrici ha la proprietá A(x 1 + R n x 2 ) = Ax 1 + R m Ax 2 e A(λx) = λax. Dalla definzione di linearitá, discende immediatamente il fatto che: Se L è lineare allora L(0 V ) = 0 W. Infatti L(0 V ) = L(0 0 V ) = 0 L(0 V ) = 0 W.
5 Matematica B - a.a 2006/07 p. 5 quindi condizione necessaria (ma non sufficiente: si veda l esempio 8) affinché la funzione L tra V e W sia lineare è che mandi il vettore nullo di V nel vettore nullo di W. Esempio 7. La funzione L(x, y) = (2x, y + 1) da R 2 in se stesso NON è lineare: infatti L((0, 0)) = (0, 1) (0, 0). Esempio 8. La funzione L(x, y) = (2x, x 2 ) da R 2 in se stesso NON è lineare. É vero che L((0, 0)) = (0, 0), ma, ad esempio, L((1, 1) + (1, 1)) = L((2, 2)) = (4, 4), che è diverso da L((1, 1)) + L((1, 1)) = (2, 1) + (2, 1) = (4, 2). Definizione 9. Una funzione lineare L : V W biiettiva viene detta isomorfismo tra V e W. Se due spazi sono isomorfi (cioè tra di essi esiste un isomorfismo) scriveremo V = W. Definizione 10. Una funzione lineare L : V endomorfismo di V. V si chiama
6 Funzioni lineari - Nucleo e Immagine p. 6 Definizione 11. Sia L : V W una funzione lineare. 1. il nucleo di L è l insieme ker L = {v V : L(v) = 0 W }. 2. l immagine di L è l insieme Imm(L) = {w W : v V, w = L(v)} Il nucleo è un sottoinsieme del dominio fatto dai vettori che hanno come immagine lo zero del codominio. Possiamo dire che è la controimmagine del vettore nullo di W : ker L = L (0 W ); l immagine è... l immagine di L come funzione, cioè l insieme dei vettori del codominio che sono immagini di qualche vettore del dominio tramite L. Teorema 12. Sia L : V W una funzione lineare. 1. ker L è un sottospazio di V.
7 Matematica B - a.a 2006/07 p Imm(L) è un sottospazio di W. Dimostrazione. 1. Se v 1, v 2 ker L e λ, µ R allora L(λv 1 + µv 2 ) = λl(v 1 ) + µl(v 2 ) = λ0 W + µ0 W = 0 W : quindi λv 1 + µv 2 ker L. 2. Se w 1, w 2 Imm(L) allora esistono v 1, v 2 V tali che L(v 1 ) = w 1, L(v 2 ) = w 2. Quindi L(λv 1 + µv 2 ) = λw 1 + µw 2 Imm(L) per ogni λ, µ R. Esempio 13. Sia p x : R 3 R 3 tale che p x (x, y, z) = (x, 0, 0) (proiezione sull asse x). Tale applicazione è lineare. Si ha Imm(p x ) = {(x, 0, 0) : x R}, mentre ker p x = {(0, x, y) : x, y R}. Esempio 14. Sia p xy : R 3 R 3 tale che p x (x, y, z) = (x, y, 0) (proiezione sul piano xy). Tale applicazione è lineare. Si ha Imm(p xy ) = {(x, y, 0) : x, y R}, mentre ker p xy = {(0, 0, y) : y R}.
8 Funzioni lineari - Nucleo e Immagine p. 8 Esempio 15. Sia D : P n P n la funzione che ad ogni polinomio associa il suo polinomio derivato: a 0 + a 1 x + + a n x n a 1 + 2a 2 x + + na n x n 1. Tale applicazione è lineare, grazie alle note proprietá dell operazione di derivazione sulle funzioni reali. Si ha Imm(D) = P n 1 (lo spazio dei polinomi con un grado in meno), mentre ker D = {a 0 : a 0 R} (polinomi costanti). Definizione 16. Data L lineare tra V e W, la dimensione di ker L si dice nullitá di L, la dimensione di Imm L si dice rango di L. Con le applicazioni lineari tra due spazi vettoriali si può costruire un nuovo spazio vettoriale. Infatti, se V e W sono spazi vettoriali su R ed f e g sono applicazioni lineari da V a W allora è facile verificare che f + g : V W
9 Matematica B - a.a 2006/07 p. 9 e, per ogni c R, cf : V W, sono applicazioni lineari sempre da V a W. Dunque, Definizione 17. La collezione delle applicazioni lineari tra due spazi vettoriali V e W è anche esso uno spazio vettoriale, indicato con L(V, W ) (oppure com Hom (V, W )). I vettori di questo spazio sono applicazioni (lineari). Se dim V = n e dim W = m qual è la dimensione di questo nuovo spazio L(V, W )? Come si descrive una sua base? Torneremo presto su questo argomento. Nucleo ed immagine di un applicazione lineare sono sottospazi, rispettivamente del dominio e del codominio. Si può generalizzare e dimostrare (esercizio) il
10 Applicazioni lineari e indipendenza p. 10 Teorema 18. Sia f è lineare tra V e W. 1. Se W 1 è sottospazio di W allora f (W 1 ) è sottospazio di V 2. Se V 1 è sottospazio di V allora f(v 1 ) è sottospazio di W. Sia f un applicazione lineare tra V e W. Il fatto che v 1,..., v n siano linearmente indipendenti in V non comporta che f(v 1 ),..., f(v n ) siano pure loro linearmente indipendenti in W. Si pensi alla proiezione sull asse x dell esempio 13. I vettori (1, 2, 3) e (1, 3, 2) sono indipendenti, ma p x ((1, 2, 3)) e p x ((1, 3, 2)) non lo sono, poiché entrambe uguali a (1, 0, 0). Piuttosto: Teorema 19. Se v 1,..., v n sono linearmente dipendenti in V allora anche f(v 1 ),..., f(v n ) sono linearmente dipendenti in W. Dimostrazione. Facile esercizio
11 Matematica B - a.a 2006/07 p. 11 Il prossimo teorema dice qualcosa di interessante sul nucleo di un applicazione lineare. Teorema 20. Sia f una applicazione lineare tra V e W. Allora le seguenti affermazioni sono equivalenti: 1. f è iniettiva 2. ker f = {0 V } 3. per ogni base B di V accade che f(b) è un insieme indipendente di W. Dimostrazione Una conseguenza da sottolineare è questa: una funzione lineare tra V e W conserva il rango di una famiglia
12 Teorema della dimensione p. 12 di vettori di V se e solo se è iniettiva, cioè se e solo se il suo nucleo è il sottospazio nullo di V. Teorema 21 (della dimensione). Sia L un applicazione lineare tra gli spazi vettoriali V e W di dimensione finita; allora dim ker L + dim Imm L = dim V. Dimostrazione. Sia u 1,..., u k una base per ker L; sappiamo che possiamo estendere questa ad una base u 1,..., u k, u k+1,..., u n di V. Sia v i = L(u i ) per k + 1 i n. La tesi sará dimostrata se facciamo vedere che i v i sono una base per Imm L. Sono indipendenti: supponiamo che n k i=1 λ iv k+i = 0 W. Allora n k i=1 λ iv k+i = n k i=1 λ il(u k+i ) = L( n k i=1 λ iu k+i ) = 0 W e quindi
13 Matematica B - a.a 2006/07 p. 13 n k i=1 λ iu k+i ker L. Poiché u 1,..., u k sono una base per ker L, abbiamo scalari µ i,..., µ k tali che n k i=1 λ iu k+i = k j=1 µ ju j, cioè k ( µ j )u j + j=1 n k i=1 λ i u k+i ) = 0 W. Poiché la famiglia u 1,..., u k, u k+1,..., u n è indipendente, abbiamo che µ j = 0 = λ i per ogni i, j. Sono generatori: sia x Imm L e supponiamo x = L(v). Allora abbiamo v = n i=1 λ iu i per qualche ennupla di scalari λ i R. Perciò x = L(v) = L( n i=1 λ iu i ) = n i=1 λ il(u i ) = n i=k+1 λ il(u i ), poiché risulta L(u i ) = 0 W per 1 i k. Dal teorema dimostrato segue il Corollario 22. Siano V e W spazi vettoriali con la stessa dimen-
14 Composizione di applicazioni lineari p. 14 sione n 1. Un applicazione lineare L : V W è iniettiva se e solo se è suriettiva. Dimostrazione. Esercizio Osservazione 23. Possiamo avere un isomorfismo L tra spazi vettoriali V e W di dimensioni diverse? Se L è isomorfismo, in particolare ker L = {0 V }, perché L è iniettivo. Pertanto dim Imm L = n = dim V : ma Imm L = W, perché L è suriettivo, quindi dim W = n. Si conclude che possiamo avere isomorfismi solo tra spazi vettoriali della stessa dimensione (finita). Si vedrá presto anche di più: se due spazi vettoriali hanno la stessa dimensione finita allora sono necessariamente isomorfi. Vogliamo vedere come si comportano le applicazioni lineari rispetto alla composizione di funzioni. Siano f : V W e g : W U due applicazioni lineari. La funzione composta g f è ancora una
15 Matematica B - a.a 2006/07 p. 15 funzione lineare da V a U. Infatti: (g f)(v 1 +v 2 ) = g(f(v 1 +v 2 ) = g(f(v 1 ) + f(v 2 )) = g(f(v 1 )) + g(f(v 2 )) Quest ultima espressione è esattamente (g f)(v 1 ) + (g f)(v 2 ). Analoga verifica per vedere che (g f)(λv) = λ(g f)(v) per ogni λ R. Esempio 24. Siano V = R 2, W = R 3 e U = R 2. f(x, y) = (x, x+y, y) e g(x, y, z) = (y x, y z) due funzioni lineari. Abbiamo (g f)(x, y) = g(f(x, y)) = g(x, x+y, y) = (x+y x, x+y y) = (y, x). La funzione composta è lineare. Geometricamente, nel piano R 2 riferito alla base canonica, è la simmetria ortogonale sulla retta y = x. Esempio 25. Riprendiamo l applicazione D di derivazione sullo spazio dei polinomi di grado al massimo n. La funzione composta D D applicata al polinomio p(x) ha il significato di derivare due
16 Applicazioni lineari e coordinate p. 16 volte p(x). Abbiamo facilmente: ker(d D) = {ax + b : a, b R} e Imm (D D) = P n 2. Sia L un applicazione lineare tra V n e W m (gli esponenti sono le dimensioni finite del dominio e del codominio). Sia E = {v 1,..., v n } una base per V n e F = {w 1,..., w m } una base per W m. Per conoscere l applicazione L, come si fa per una generica funzione, si può dare la regola di assegnazione per ogni elemento del dominio. Ma le funzioni lineari sono, da questo punto di vista, speciali. Infatti l azione di L sul dominio è perfettamente nota quando se ne conosca l azione sulla base E. Vediamo perché: ogni vettore di x V n si scrive e quindi x = x 1 v x n v n L(x) = L(x 1 v x n v n ) = x 1 L(v 1 ) + + x n L(v n ).
17 Matematica B - a.a 2006/07 p. 17 Quindi, se conosciamo L(v 1 ),..., L(v n ) allora possiamo trovare l immagine di un qualsiasi vettore x V n. Questa è la specialitá delle funzioni lineari. Conviene fissare bene questo concetto. Se allora L(v 1 ) = a 11 w a m1 w m L(v 2 ) = a 12 w a m2 w m. = + +. L(v n ) = a 1n w a mn w m L(x) = x 1 L(v 1 ) + + x n L(v n ) = x 1 (a 11 w a m1 w m ) + + x n (a 1n w a mn w m ) = (a 11 x a 1n x n )w (a m1 x a mn x n )w m.
18 Applicazioni lineari e coordinate p. 18 Guardando ai coefficienti dell immagine di x rispetto alla base F, notiamo che si possono ottenere attraverso il prodotto righe per colonne delle due matrici a 11 a a 1n a 21 a a 2n a m1 a m2... a mn Pertanto tutta l informazione sulla funzione L è contenuta nella matrice a 11 a a 1n a 21 a a 2n a m1 a m2... a mn sulle cui colonne ci sono le coordinate delle immagini dei vettori della base E rispetto alla base F. Diciamo che questa è la matrice x 1 x 2. x n E.
19 Matematica B - a.a 2006/07 p. 19 di rappresentazione dell applicazione L rispetto alle basi scelte: la indicheremo con A EF L. Se y è l immagine di x tramite L, quindi, a livello di coordinate nelle basi scelte, abbiamo x 1 y 1 x 2 y 2 A EF L. x n E Osservazione 26. Si rifletta bene su quanto è accaduto: fissate due basi, una nel dominio V n e l altra nel codominio W m, ogni applicazione lineare tra i due spazi è individuata da una matrice di tipo m n: le colonne di tale matrice sono le m-ple delle coordinate delle immagini degli n vettori della base del dominio rispetto alla base del codominio. =. y m F.
20 Applicazioni lineari e coordinate p. 20 Esempio 27. Sia L : R 3 R 2 data da L(x, y, z) = (2x y, y + z). Fissiamo la base E = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} nel dominio e la base F = {(1, 0), (0, 1)} nel codominio (le basi canoniche). La matrice di rappresentazione di L sará di tipo 2 3 ed avrá sulle colonne le coordinate delle immagini dei vettori della base canonica di R 3 rispetto alla base canonica di R 2. L((1, 0, 0)) = (2, 0), L((0, 1, 0)) = ( 1, 1), L((0, 0, 1)) = (0, 1). Quindi A EF L = [ 2 1 ] Se vogliamo trovare l immagine del vettore x = (2, 4, 1) E tramite L possiamo usare la definizione data: L((2, 4, 1) E ) = (4 4, 4 + 1) F = (0, 5) F
21 Matematica B - a.a 2006/07 p. 21 ma possiamo anche usare il prodotto righe per colonne [ ] [ ] = F Esempio 28. Sia f l endomorfismo di R 2 definito da f((x, y)) = (2y, x). Scegliendo la base canonica E sia nel dominio che nel codominio abbiamo: quindi f((1, 0) E ) = (0, 1) E, A EE f = E f((0, 1) E ) = (2, 0) E [ ] Se cambiamo la base nel codominio, prendendo F = {(0, 1), (2, 0)} allora abbiamo f((1, 0) E ) = (1, 0) F, f((0, 1) E ) = (0, 1) F
22 L(V, W ) e M mn (R) p. 22 quindi A EF f = [ ] Notiamo che abbiamo la matrice identica di ordine 2, anche se l applicazione non è l identitá di R 2. L ultimo esempio (in realtá tutto ciò che abbiamo detto fin dall inizio) fa capire come la matrice associata ad un applicazione lineare non sia affatto canonica : cambiando le basi nel dominio e/o nel codominio la stessa applicazione lineare viene rappresentata da matrici diverse. Sappiamo che l insieme delle applicazioni lineari L(V, W ) è uno spazio vettoriale con le operazioni di somma tra funzioni e prodotto per uno scalare definite puntualmente. Anche lo spazio delle matrici M mn (R) è uno spazio vettoriale con le operazioni di somma tra matrici e moltiplicazione per scalare. Non è difficile osservare che
23 Matematica B - a.a 2006/07 p. 23 se f : U V g : U V sono lineari con matrici [f] e [g] rispetto a due basi scelte, si ha che la funzione somma f + g e la funzione λf hanno matrici, rispetto a quelle basi, [f] + [g] e λ[f]. Vale, cioè la proprietá: [f + g] = [f] + [g] [λ f] = λ [f] Pertanto la funzione che ad ogni elemento di L(V, W ) associa in M mn (R) la sua matrice di rappresentazione rispetto a due basi è lineare; di più, essa è proprio biiettiva. Teorema 29. Siano U e V spazi vettoriali reali di dimensioni rispettive n ed m (n, m 1). Siano {u 1,..., u n } una base di U e {v 1,..., v m } una base di V. L applicazione L : L(V, W ) M mn (R)
24 L(V, W ) e M mn (R) p. 24 che associa ad ogni trasformazione lineare φ : U V la matrice A = (a ij ) definita dalle relazioni φ(u j ) = m a ij v i, i=1 j = 1,.., n è un isomorfismo dello spazio vettoriale L(V, W ) sullo spazio vettoriale M mn (R). Dimostrazione. L è iniettiva perché due applicazioni lineari diverse danno immagini diverse di almeno un elemento della base di U. Quindi le matrici associate hanno almeno un entrata diversa. Che sia suriettiva è ovvio: data la matrice (a ij ) si definisce φ come φ(u j ) = m i=1 a ijv i, j = 1,.., n. Allora L(φ) = (a ij ). La collezione di matrici {E ij : 1 i m, 1 j n}
25 Matematica B - a.a 2006/07 p. 25 che hanno 1 in posizione ij e zero altrove, sono una base per M mn (R). Infatti ogni A = (a ij ) M mn (R) si scrive come A = m i=1 n a ij E ij. j=1 Ad esempio, per m = 2 ed n = 3 si ha [ ] [ ] [ ] a b c = a + b d e f d [ 0 0 ] e [ 0 0 ] Come conseguenza importante abbiamo che + f + c dim L(V, W ) = dim M mn (R) = mn. [ ] [ 0 0 ]
26 L(V, W ) e M mn (R) p. 26 Ora che sappiamo la dimensione, viene spontaneo chiedersi quali siano le applicazioni lineari e ij corrispondenti alle matrici E ij, cosí da costruire esplicitamente una base per L(V, W ). Se v 1,..., v n e w 1,..., w m sono basi di V e W, ponendo e ij (v k ) = { 0W se k j se k = j v i k = 1... n, ovvero, ricordando la funzione δ di Kronecker, e ij (v k ) = δ jk w i, k = 1... n, si trova che la matrice di e ij rispetto alle basi date è proprio E ij. Quindi la collezione delle applicazioni e ij : V W è una base per L(V, W ). Osservazione 30. Nel teorema 29 abbiamo fissato in V e W due basi. La loro scelta è assolutamente arbitraria. Ciò significa che
27 Matematica B - a.a 2006/07 p. 27 ogni matrice rappresenta un applicazione lineare tra due spazi di opportune dimensioni rispetto a qualsiasi coppia di basi vengano scelte. Ad esempio, la matrice quadrata A = rispetto alla base E = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} sia nel dominio che nel codominio di R 3 dá l applicazione f x x 0 0 y = y y = y, z z z z E mentre rispetto alla base F = {(0, 1), (1, 0)} (nel dominio e codominio) dá l applicazione g x y 0 x y = x x = 0. z z z z F E F
28 Þ L(V, W ) e M mn (R) p. 28 Úµ Úµ Ý Ú La prima interpretazione ci dà la proiezione sul piano yz, la seconda quella sul piano xz. Ü Il teorema 29 dice che ogni applicazione lineare è descritta da una matrice e ogni matrice descrive un applicazione lineare. A questo punto possiamo unificare i concetti di rango di una matrice e rango di un applicazione lineare:
29 Matematica B - a.a 2006/07 p. 29 Teorema 31. Il rango di una matrice è uguale al rango di ogni applicazione lineare da essa rappresentata. Dimostrazione. Supponiamo A sia una matrice m n. Dati V di dimensione n e W di dimensione m, con basi rispettivamente B e C, A rappresenta una qualche applicazione lineare f, tra questi due spazi rispetto alle basi scelte, la cui immagine {f(v) : v V } = {f(a 1 b a n b n ) : a 1,..., a n R} = = {a 1 f(b 1 ) + + a n f(b n ) : a 1,..., a n R} è lo spazio generato da f(b 1 ),..., f(b n ). Il rango di f è la dimensione di questo spazio. Il rango della matrice A, d altra parte, è il suo rango per righe, oppure quello per colonne: è lo stesso. Questo è la dimensione dello spazio delle colonne della matrice, che è lo spazio generato dai
30 L(V, W ) e M mn (R) p. 30 vettori [f(b 1 )] C,..., [f(b n ] C. Per vedere che i due spazi hanno la stessa dimensione ricordiamo che la rappresentazione di uno spazio attraverso la scelta di una base dá un isomorfismo W R m. Relazioni lineari tra i vettori dell immagine di f in W si traducono nelle stesse relazioni lineari tra i vettori delle coordinate in R m, cioè (0 W = a 1 f(b 1 )+ +a n f(b n ) (0 R m = a 1 [f(b 1 )] C + +a n f(b n )] C ). Quindi un sottoinsieme dell immagine è indipendente se e solo se il corrispondente sottoinsieme dello spazio delle colonne lo è. Ciò significa che il numero massimo di vettori indipendenti nei due spazi è lo stesso, cioè i due spazi hanno la stessa dimensione. Utile conseguenza (dimostrare per esercizio):
31 Matematica B - a.a 2006/07 p. 31 Corollario 32. Se la matrice A rappresenta un applicazione lineare f, allora 1. f è suriettiva se e solo se il rango di A è uguale al numero delle sue righe, 2. f è iniettiva se e solo se il rango di A è uguale al numero delle sue colonne, 3. (se A è quadrata) f è un isomorfismo se e solo se A è non singolare. Esempio 33. Qualunque applicazione lineare rappresentata dalla matrice dev essere tra un dominio di dimensione 3 ad 1 3 2
32 Prodotto di matrici e composizione p. 32 un codominio di dimensione 4; inoltre, poiché ha rango 2 (provare la riduzione gaussiana), l immagine dell applicazione corrispondente ha dimensione 2. [ ] 0 1 Esempio 34. La matrice rappresenta un isomorfismo 1 2 [ 2 1 tra due qualunque spazi di dimensione 2; invece la matrice 4 2 non può essere quella di alcun isomorfismo. ] Vogliamo vedere, ora, come rappresentare la composizione di due applicazioni lineari. Mostriamo che essa ha il corrispettivo matriciale nel prodotto righe per colonne. Siano U, V e W spazi vettoriali di dimensioni m, n e p rispettivamente, e f : U m V n e g : V n W p applicazioni lineari.
33 Matematica B - a.a 2006/07 p. 33 Abbiamo U m f V n g W p e il volo diretto Vale il seguente U m g f W p. Teorema 35. Siano B U = {u 1,..., u m }, B V = {v 1,..., v n }, B W = {w 1,..., w p } basi dei tre spazi e [f] la n m matrice di f, [g] la p n matrice di g, [g f] la p m matrice di g f (le matrici siano riferite alle basi date sopra) Allora [g f] = [g][f]. Dimostrazione. Vediamo innanzitutto che la speranza è fondata: [g f] e [g][f] sono entrambe matrici di tipo p m.
34 Prodotto di matrici e composizione p. 34 L elemento nel posto (i, j) di [g f] è il coefficiente (coordinate) di w i in [g f](u j ). Per definizione [g f](u j ) = g f(u j ) = = g f 1j v f nj v n = = g(f 1j v 1 ) + + g(f nj v n ) = = f 1j g(v 1 ) + + f nj g(v n ) Ma per λ = 1,..., n, il coefficiente di w i in g(v λ ) è precisamente g iλ ed è chiaro che il coefficiente TOTALE di w i nella somma è la somma dei coefficienti di w i nei vari termini della somma. Dunque, il coefficiente di w i in [g f](u j ) risulta g i1 f 1j +g i2 f 2j +
35 Matematica B - a.a 2006/07 p g in f nj ossia f 1j ( ) gi,1 g i,2 g i,n f 2j... f nj che è anche l elemento del posto (i, j) del prodotto matriciale [g][f]. La composizione di applicazioni lineari ha la controparte nel prodotto di matrici. Applicazioni lineari e matrici sono sempre più operativamente la stessa cosa. Continuando sulla stessa vena: Teorema 36. Sia f un isomorfismo tra gli spazi vettoriali U e V. Allora dim U = dim V (giá visto) e, se E ed F sono due basi di U e V rispettivamente, A EF f è invertibile e risulta A F E f 1 = (A EF f ) 1.
36 Cambiamenti di base p. 36 Viceversa, se f è una trasformazione lineare tra U e V (stessa dimensione) con matrice di rappresentazione A EF f invertibile, allora f è un isomorfismo tra U e V. La matrice dell isomorfismo inverso f 1 è l inversa della matrice dell isomorfismo f. Altra analogia operativa assai utile. È assai utile indagare come si può passare da una rappresentazione matriciale ad un altra di una stessa applicazione lineare: l idea è quella di cercare, se possibile, quella più semplice o espressiva. Iniziamo a vedere che rapporto esiste tra due diverse basi in uno stesso spazio vettoriale. Siano E = {v 1,..., v n } e E = {w 1,..., w n } due basi di uno spazio vettoriale V e siano (x 1,..., x n ) le componenti di un vettore v rispetto alla prima base e (y 1,..., y n ) le componenti rispetto la
37 Matematica B - a.a 2006/07 p. 37 seconda base. v = x 1 v x n v n = y 1 w y n w n Cerchiamo la relazione tra gli x i e gli y j. Certamente (e senza fantasia) si può scrivere ciascuno dei v i in termini dei w j v i = a 1i w 1 + a 2i w a ni w n e questo per i = 1, 2,..., n. Sostituendo questi valori nell equazione per v troviamo che v = x 1 v x n v n = y 1 w y n w n = x 1 (a 11 w 1 + a 21 w a n1 w n ) + + x n (a 1n w 1 + a 2n w a nn w n )
38 Cambiamenti di base p. 38 Ma poiché i w j costituiscono una base dobbiamo avere l uguaglianza dei loro coefficienti nel rappresentare v come una loro combinazione lineare. Si riconosce facilmente la seguente equazione matriciale per descrivere il cambio di coordinate: y 1. y n = a 11 a 1n.. a n1 a nn x 1. x n La matrice A = a 11 a 1n.. a n1 a nn si chiama matrice di cambio base: per la precisione A è la matrice del cambio di base dalla base E alla base E perché se conosciamo
39 Matematica B - a.a 2006/07 p. 39 le coordinate di v rispetto alla prima base la matrice A ci procura quelle di v rispetto alla seconda base. Indichiamo la matrice di cambiamento base con A E E. Ovviamente, dato che le due basi sono di pari dignità, si può fare il giochetto simmetrico: partire dalle coordinate in termini della base w j e trovarle in termini della base v i. Se B è la relativa matrice di cambio di coordinate dalla base w j alla base v i allora si avrà, con gli x k e gli y j come sopra che x 1 b 11 b 1n y 1. =... x n b n1 b nn y n b 11 b 1n a 11 a 1n x 1 =..... b n1 b nn a n1 a nn x n
40 Cambiamenti di base p. 40 Da questo si desume facilmente che BA = I n : quindi B = A 1, fatto intuibile se si pensa che B deve in qualche modo operare recuperando il cambiamento fatto da A. Quindi A 1 = B E E Esempio 37. Troviamo la matrice P di passaggio dalla base B = {1, x, 2x 2 } alla base C = {x, 1 x, x 2 } nello spazio P 2. Le colonne di P, che sará di ordine 3, sono le coordinate dei vettori di B rispetto alla base C. 1 = 1x + 1(1 x) + 0x 2 x = 1x + 0(1 x) + 0x 2 2x 2 = 0x + 0(1 x) + 2x 2
41 Matematica B - a.a 2006/07 p. 41 Ecco la matrice P = Dato p(x) = 3x x 2, le sue coordinate rispetto alla base B sono (0, 3, 1) 2 B. Le coordinate di p(x) rispetto alla base C sono = In effetti: 3 x + 0 (1 x) 1 x 2 = 3x x 2. La matrice di passaggio da C a B è P 1 = B C
42 Cambiamenti di base p. 42 Osservazione 38. Abbiamo visto che le matrici di cambio di base sono invertibili. Vale anche il viceversa: ogni matrice invertibile può essere pensata come matrice di cambio di base. Ma tra quali basi? Data una base B = {v 1,..., v n } e la matrice invertibile P, si può pensare a P come matrice di passaggio da una base C = {w 1,..., w n } (che non conosciamo) alla base B. Le colonne di P rappresentano nell ordine le coordinate nella base B dei vettori della base C, quindi i w i sono definiti da w i = a 1i v a ni v n. D altra parte, possiamo anche pensare che P sia la matrice del cambiamento dalla base B alla base C (che non conosciamo). Allora per trovare C basta prendere la matrice inversa P 1 che sará quella del cambiamento dalla base C alla B e allora le sue colonne saranno le coordinate rispetto a B dei vettori della base C. Morale: fissata una base B di uno spazio vettoriale V di dimensione n, possiamo identificare le matrici invertibili di M n e l insieme delle basi di V : ogni matrice invertibile P può essere vista come quella
43 Matematica B - a.a 2006/07 p. 43 di un cambiamento di base dalla base C alla base B, nel senso che le colonne di P sono nell ordine le coordinate dei vettori di C. Esempio 39. La matrice A = è invertibile. Sia V = R 3. Fissiamo B, la base canonica. La matrice A si può interpretare come una matrice di cambio dalla base C formata dai vettori delle sue colonne, (1, 1, 0), ( 1, 0, 1), (0, 2, 1) alla base canonica. Se (x, y, z) sono le coordinate di un vettore rispetto alla base C, allora quelle dello stesso vettore rispetto alla base canonica sono x y = z x y x + 2z. y + z
44 Cambiamenti di base p. 44 Vogliamo dare, ora, una interpretazione del cambiamento di base utilizzando l applicazione identica. Sia L : V W applicazione lineare, sia v 1,..., v n una base di V e w 1,..., w k una base di W. Conosciamo ormai la ricetta : se A è la matrice che ha sulle colonne le componenti di L(v 1 ),..., L(v n ) rispetto alla base w 1,..., w k, allora A è la matrice di L rispetto le basi {v i } i=1,...,n e {w j } j=1,...,m. Possiamo utilizzare questa ricetta in riferimento alle matrici di cambiamento di base. Infatti, date due basi v i e w i per V si può considerare l applicazione identica I : V V, cioè tale che I(x) = x. Essa è sicuramente lineare, e dunque si può considerarla come applicazione in cui il dominio V e il codominio W coincidono. Ma non siamo obbligati a scegliere la stessa base in partenza e in arrivo : nel dominio usiamo la base v e nel codominio usiamo la base w.
45 Matematica B - a.a 2006/07 p. 45 Sia, quindi, A la matrice che scaturisce usando la ricetta applicata all applicazione identica: A ha sulle colonne le coordinate dei vettori I(v i ), e quindi proprio v i, rispetto alla base dei w i. Indicando con x i le coordinate rispetto la base v i e y i le coordinate rispetto alla base w i, si ha che y 1. y n = A Dunque, una matrice non singolare arbitraria si può considerare come la matrice associata all applicazione identica, scegliendo opportune basi nel dominio e nel codominio. Osservazione 40. Sia L : V n W m applicazione lineare (dove gli apici indicano la dimensione degli spazi vettoriali). Vogliamo x 1. x n.
46 Cambiamenti di base p. 46 vedere se tra tutte le matrici associate ad L ne esiste qualcuna di particolarmente semplice. Ricordiamo che vale la relazione dim ker(l) + dim Imm(L) = n. Sia w 1,..., w r una base per Imm(L); estendiamo ad una base w 1..., w r, w r+1,..., w m di W. Poi siano v 1,..., v r vettori di V tali che L(v i ) = w i per 1 i r e siano v r+1,..., v n una base del nucleo di L. Allora la matrice di L
47 Matematica B - a.a 2006/07 p. 47 rispetto a questi basi assume la forma [ ] Ir 0 = dove ci sono r righe non-nulle. Possiamo guardare la questione facendo uso del concetto di equivalenza. Diciamo che due trasformazioni lineari f e g da V n W m sono equivalenti se esistono trasformazioni invertibili H : W W e
48 Cambiamenti di base p. 48 K : V V tali per cui f = H g K. (Provare per esercizio che questa è una buona relazione di equivalenza). A livello matriciale questo vuole dire proprio che si può trasformare la matrice di g in quella di f tramite operazioni elementari sulle righe e sulle colonne. In ogni classe di equivalenza c è una e una sola matrice del tipo indicato sopra. Dunque tali matrici sono scelte canoniche per rappresentare l insieme quoziente, cioè l insieme delle classi di equivalenza. Da questo punto di vista, una matrice quadrata è non singolare se e solo se è equivalente alla matrice identica (del suo ordine), cioè rappresenta l identitá in due opportune basi. Osservazione 41. L applicazione nulla sará sempre rappresentata, qualsiasi scelta si faccia delle basi con la matrice nulla. Le matrici di passaggio consentono di stabilire una relazione tra le matrici associate ad una stessa applicazione lineare f quando si
49 Matematica B - a.a 2006/07 p. 49 considerino basi diverse. Siano B e B basi di V, C e C basi di W ed f una applicazione lineare da V a W. Consideriamo l applicazione identica di V, I V e quella di W, I W. Si osservi lo schema di composizione: V E I V VE f WF I W W F il prodotto finale è l applicazione f tra V, con la base E, e W con la base F. In effetti, si parte da un vettore v di V espresso nella base E, lo trasformiamo nello stesso vettore espresso però nella base E; ora si applica f al vettore trovato arrivendo all immagine f(v) espressa rispetto alla base F e, infine, si scrive f(v) rispetto alla base F. Tutto ciò, a livello matriciale, si traduce nel prodotto (attenzione all ordine) A E F f = P F F A EF f P E E.
50 Cambiamenti di base p. 50 In particolare notiamo che, poiché le matrici di passaggio base sono invertibili, il rango di A E F f è uguale al rango di A EF f : tutte le matrici associate ad una stessa applicazione lineare hanno lo stesso rango. Veniamo al caso particolare di un endomorfismo f : V V ; date due basi B e B di V, la relazione generale tra le matrici diventa A BB f = P B BA B B f P B B, ovvero, indicando con P la matrice di passaggio da B a B abbiamo Moltiplicando a destra per P 1 relazione equivalente A BB f = P 1 A B B f P. P A BB f P 1 = A B B f. e a sinistra per P, si trova la
51 Matematica B - a.a 2006/07 p. 51 Esempio 42. Sia f : R 2 R 3 data da f((x, y)) = (x y, 2x, x + 2y), troviamo la matrice di rappresentazione rispetto alle basi canoniche K 2 e K 3 di R 2 ed R 3 e quella rispetto alle basi B = {(0, 1), (1, 1)} del dominio e C = {(1, 1, 0), (0, 1, 0), (0, 1, 1)} del codominio. Per la prima basta incolonnare le immagini dei vettori della base canonica di R 2 in una matrice 3 2: Per la seconda abbiamo A K 2K 3 f = A BC f = P K3 CA K 2K 3 f P B K2. Per P B K2 la cosa è immediata, poiché abbiamo le coordinate dei vettori di B rispetto K 2 : basta metterli in colonna su una matrice
52 Cambiamenti di base p Per P K3 C, invece, dobbiamo esprimere i vettori della base canonica di R 3 nella base C = {c 1, c 2, c 3 }. Risolvendo il sistema c 1 = e 1 + e 2 c 2 = e 2 c 3 = e 2 + e 3 rispetto ai vettori e i della base canonica, troviamo e 1 = c 1 c 2, e 2 = c 2, e 3 = c 2 + c 3, Ecco, quindi, la matrice di passaggio base da K 3 a C: P K3 C = (sulle colonne le coordinate dei vettori della base canonica rispetto alla base C).
53 Matematica B - a.a 2006/07 p. 53 Concludendo A BC f = [ ] = Vogliamo ora guardare alla risoluzione di un sistema lineare dal punto di vista delle applicazioni lineari tra spazi vettoriali. Data la matrice reale A M mn e il vettore b R m, un sistema lineare si propone di trovare tutti i vettori x R n tali che Ax = b. Nel linguaggio degli spazi vettoriali, in corrispondenza della matrice A possiamo considerare l unica applicazione lineare ϕ : R n R m che ha matrice A rispetto alle basi canoniche dei due spazi. Risolvere il sistema significa determinare i vettori di R n che vengono mandati in b da ϕ, cioè ϕ 1 (b) = {ξ R n : ϕ(ξ) = b}.
54 Sistemi lineari e applicazioni lineari p. 54 La controimmagine di un vettore in un applicazione lineare è ϕ 1 (b) = { se b / Imm(ϕ) x 0 + ker ϕ = {x 0 + k : k ker ϕ} se ϕ(x 0 ) = b Il fatto che un sistema sia compatibile, quindi, si può caratterizzare con la seguente Proposizione 43. Data l applicazione ϕ : R n R m, con matrice di rappresentazione A rispetto alle basi canoniche, ed un vettore b R m, le seguenti affermazioni sono equivalenti: 1. b Immϕ 2. b è combinazione lineare delle colonne della matrice A 3. rango(a b)=rango(a)
55 Matematica B - a.a 2006/07 p. 55 Dimostrazione : ricordiamo che Immϕ =< ϕ(e 1 ),..., ϕ(e n ) >, dove gli e i sono i vettori della base canonica di R n, e che le colonne di A sono proprio le coordinate dei ϕ(e i ) rispetto alla base canonica di R m : è chiaro che rango(a b) rango(a), dato che tutte le colonne della seconda matrice sono anche nella prima. I due ranghi quindi coincidono se la colonna b è combinazione lineare delle colonne della matrice A : se i due ranghi sono uguali, il vettore b R m si scrive come combinazione lineare delle colonne di A, ovvero devono esistere costanti reali a 1,..., a n tali che b = a 1 ϕ(e 1 ) + a n ϕ(e n ) = ϕ(a 1 e a n e n ). Ricordiamo, ora, che gli elementi k ker ϕ sono i vettori di R n tali che Ak = 0, cioè tutte e sole le soluzioni del sistema omogeneo
56 Sistemi lineari e applicazioni lineari p. 56 associato al sistema Ax = b. Inoltre, se rango(ϕ) = rango (A) = r allora, dal teorema 21, la dimensione di ker ϕ è uguale a n r. Raccogliendo tutte queste osservazioni ri-enunciamo il Teorema 44 (di Rouché - Capelli). Il sistema di equazioni lineari Ax = b, con A M mn e b R m, ha soluzione se e solo se rango(a b) =rango(a) = r. In tal caso, ogni soluzione si ottiene sommando ad una soluzione particolare del sistema, ogni soluzione del sistema omogeneo associato Ax = 0. Le soluzioni di quest ultimo formano uno spazio vettoriale reale di dimensione n r. Soluzione generale = soluzione particolare più soluzione dell omogeneo associato è senz altro un utile e significativo slogan sulla struttura risolutiva di un sistema lineare.
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
DettagliParte 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
DettagliAPPLICAZIONI 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)
Dettagli1 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 "!$%!
DettagliLezione 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
DettagliESERCIZI 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
DettagliDimensione 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
DettagliLEZIONE 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
Dettagli2.1 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
DettagliESERCIZI 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
DettagliLEZIONE 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
DettagliLEZIONE 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.
DettagliAlgebra Lineare e Geometria
Algebra Lineare e Geometria Corso di Laurea in Ingegneria Elettronica A.A. 2013-2014 Prova d esame del 16/06/2014. 1) a) Determinare la matrice associata all applicazione lineare T : R 3 R 4 definita da
DettagliLezione 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
Dettaglix 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
DettagliEsercizi 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
DettagliParte 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
DettagliLE 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
DettagliUniversità 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
DettagliEquazioni 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
DettagliSTRUTTURE 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
DettagliParte 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
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
Dettagli4. 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:
DettagliLEZIONE 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,
DettagliMATEMATICA. { 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
DettagliDiagonalizzazione 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
DettagliLezioni 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
DettagliFUNZIONI ELEMENTARI - ESERCIZI SVOLTI
FUNZIONI ELEMENTARI - ESERCIZI SVOLTI 1) Determinare il dominio delle seguenti funzioni di variabile reale: (a) f(x) = x 4 (c) f(x) = 4 x x + (b) f(x) = log( x + x) (d) f(x) = 1 4 x 5 x + 6 ) Data la funzione
DettagliCorrispondenze e funzioni
Corrispondenze e funzioni L attività fondamentale della mente umana consiste nello stabilire corrispondenze e relazioni tra oggetti; è anche per questo motivo che il concetto di corrispondenza è uno dei
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliIniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora:
Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: G.C.D.( a d, b d ) = 1 Sono state introdotte a lezione due definizioni importanti che ricordiamo: Definizione
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Esercizi Esercizio 1. Sia f: R 3 R 2 (x, y, z) (x + 2y + z, y + z). (1) Verificare che f è lineare. (2) Determinare una base di ker(f) e stabilire se f è iniettiva. (3) Calcolare w
DettagliAnello 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
DettagliProdotto libero di gruppi
Prodotto libero di gruppi 24 aprile 2014 Siano (A 1, +) e (A 2, +) gruppi abeliani. Sul prodotto cartesiano A 1 A 2 definiamo l operazione (x 1, y 1 ) + (x 2, y 2 ) := (x 1 + x 2, y 1 + y 2 ). Provvisto
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
Dettagli1. 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,
Dettaglif(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,
DettagliFUNZIONE. Si scrive: A B f: A B x y=f(x) (si legge: f funzione da A in B) x f y= f(x)
1 FUNZIONE Dati gli insiemi A e B, si definisce funzione da A in B una relazione o legge o corrispondenza che ad ogni elemento di A associa uno ed un solo elemento di B. Si scrive: A B f: A B f() (si legge:
Dettagli15 febbraio 2010 - Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a. 2009-2010 COGNOME... NOME... N. MATRICOLA...
15 febbraio 010 - Soluzione esame di geometria - 1 crediti Ingegneria gestionale - a.a. 009-010 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura
DettagliFederico 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
DettagliAPPLICAZIONI 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
Dettagli3 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;
Dettagli3 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
DettagliEsame di Geometria - 9 CFU (Appello del 28 gennaio 2013 - A)
Esame di Geometria - 9 CFU (Appello del 28 gennaio 23 - A) Cognome: Nome: Nr.matricola: Corso di laurea: Esercizio. Nello spazio R 3, siano dati il piano e i punti P = (, 2, ), Q = (2,, ). π : x + 2y 3
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
DettagliPer lo svolgimento del corso risulta particolarmente utile considerare l insieme
1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R
DettagliRango: 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
DettagliLEZIONE 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
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano
DettagliCONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t)
CONTINUITÀ E DERIVABILITÀ Esercizi proposti 1. Determinare lim M(sin) (M(t) denota la mantissa di t) kπ/ al variare di k in Z. Ove tale limite non esista, discutere l esistenza dei limiti laterali. Identificare
DettagliRICHIAMI 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
DettagliFunzioni. Funzioni /2
Funzioni Una funzione f è una corrispondenza tra due insiemi A e B che a ciascun elemento di A associa un unico elemento di B. Si scrive: f : A B l'insieme A si chiama il dominio della funzione f, l'insieme
DettagliInsiemi di livello e limiti in più variabili
Insiemi di livello e iti in più variabili Insiemi di livello Si consideri una funzione f : A R, con A R n. Un modo per poter studiare il comportamento di una funzione in più variabili potrebbe essere quello
DettagliCORSO 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
DettagliTeoria in sintesi 10. Attività di sportello 1, 24 - Attività di sportello 2, 24 - Verifica conclusiva, 25. Teoria in sintesi 26
Indice L attività di recupero 6 Funzioni Teoria in sintesi 0 Obiettivo Ricerca del dominio e del codominio di funzioni note Obiettivo Ricerca del dominio di funzioni algebriche; scrittura del dominio Obiettivo
Dettagli2 FUNZIONI REALI DI VARIABILE REALE
2 FUNZIONI REALI DI VARIABILE REALE 2.1 CONCETTO DI FUNZIONE Definizione 2.1 Siano A e B due insiemi. Una funzione (o applicazione) f con dominio A a valori in B è una legge che associa ad ogni elemento
DettagliOttimizazione vincolata
Ottimizazione vincolata Ricordiamo alcuni risultati provati nella scheda sulla Teoria di Dini per una funzione F : R N+M R M di classe C 1 con (x 0, y 0 ) F 1 (a), a = (a 1,, a M ), punto in cui vale l
DettagliSpazi 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
DettagliEsempi di funzione. Scheda Tre
Scheda Tre Funzioni Consideriamo una legge f che associa ad un elemento di un insieme X al più un elemento di un insieme Y; diciamo che f è una funzione, X è l insieme di partenza e X l insieme di arrivo.
Dettagli10. 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
DettagliProof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme
G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero
DettagliFunzioni. Parte prima. Daniele Serra
Funzioni Parte prima Daniele Serra Nota: questi appunti non sostituiscono in alcun modo le lezioni del prof. Favilli, né alcun libro di testo. Sono piuttosto da intendersi a integrazione di entrambi. 1
Dettagli4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0
Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice
DettagliELEMENTI DI ALGEBRA LINEARE E GEOMETRIA Corso di Laurea Ingegneria Edile-Architettura
Cognome Nome Matricola ELEMENTI DI ALGEBRA LINEARE E GEOMETRIA Corso di Laurea Ingegneria Edile-Architettura (Primo appello/ii prova parziale 15/6/15 - Chiarellotto-Urbinati) Per la II prova: solo esercizi
DettagliCONCETTO DI LIMITE DI UNA FUNZIONE REALE
CONCETTO DI LIMITE DI UNA FUNZIONE REALE Il limite di una funzione è uno dei concetti fondamentali dell'analisi matematica. Tramite questo concetto viene formalizzata la nozione di funzione continua e
DettagliCapitolo 2. Operazione di limite
Capitolo 2 Operazione di ite In questo capitolo vogliamo occuparci dell operazione di ite, strumento indispensabile per scoprire molte proprietà delle funzioni. D ora in avanti riguarderemo i domini A
DettagliRETTE, PIANI, SFERE, CIRCONFERENZE
RETTE, PIANI, SFERE, CIRCONFERENZE 1. Esercizi Esercizio 1. Dati i punti A(1, 0, 1) e B(, 1, 1) trovare (1) la loro distanza; () il punto medio del segmento AB; (3) la retta AB sia in forma parametrica,
DettagliI tre concetti si possono descrivere in modo unitario dicendo che f e iniettiva, suriettiva, biiettiva se e solo se per ogni b B l equazione
Lezioni del 29 settembre e 1 ottobre. 1. Funzioni iniettive, suriettive, biiettive. Sia f : A B una funzione da un insieme A ad un insieme B. Sia a A e sia b = f (a) B l elemento che f associa ad a, allora
DettagliTutorato 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
DettagliChiusura 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
DettagliAnno 3. Classificazione delle funzioni
nno 3 Classificazione delle funzioni 1 Introduzione In questa lezione affronteremo lo studio delle principali proprietà delle funzioni, imparando a classificarle e a compiere alcune operazioni su esse.
DettagliAppunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti.
Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Def. Si dice equazione differenziale lineare del secondo ordine
Dettagli09 - 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
DettagliLE FUNZIONI E LE LORO PROPRIETÀ
LE FUNZIONI E LE LORO PROPRIETÀ LE FUNZIONI REALI DI VARIABILE REALE COSA SONO LE FUNZIONI Dati due sottoinsiemi A e B non vuoti di R, una FUNZIONE da A a B è una relazione che associa ad ogni numero reale
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliTrasformazioni Geometriche 1 Roberto Petroni, 2011
1 Trasformazioni Geometriche 1 Roberto etroni, 2011 Trasformazioni Geometriche sul piano euclideo 1) Introduzione Def: si dice trasformazione geometrica una corrispondenza biunivoca che associa ad ogni
DettagliProva scritta di Geometria 2 Prof. M. Boratynski
10/9/2008 Es. 1: Si consideri la forma bilineare simmetrica b su R 3 associata, rispetto alla base canonica {e 1, e 2, e 3 } alla matrice 3 2 1 A = 2 3 0. 1 0 1 1) Provare che (R 3, b) è uno spazio vettoriale
DettagliLezioni 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
DettagliGrandezze scalari e vettoriali
Grandezze scalari e vettoriali Esempio vettore spostamento: Esistono due tipi di grandezze fisiche. a) Grandezze scalari specificate da un valore numerico (positivo negativo o nullo) e (nel caso di grandezze
Dettagli19. 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
Dettagli4 Dispense di Matematica per il biennio dell Istituto I.S.I.S. Gaetano Filangieri di Frattamaggiore EQUAZIONI FRATTE E SISTEMI DI EQUAZIONI
119 4 Dispense di Matematica per il biennio dell Istituto I.S.I.S. Gaetano Filangieri di Frattamaggiore EQUAZIONI FRATTE E SISTEMI DI EQUAZIONI Indice degli Argomenti: TEMA N. 1 : INSIEMI NUMERICI E CALCOLO
DettagliFUNZIONE REALE DI UNA VARIABILE
FUNZIONE REALE DI UNA VARIABILE Funzione: legge che ad ogni elemento di un insieme D (Dominio) tale che D R, fa corrispondere un elemento y R ( R = Codominio ). f : D R : f () = y ; La funzione f(): A
DettagliMATEMATICA 2001. p = 4/6 = 2/3; q = 1-2/3 = 1/3. La risposta corretta è quindi la E).
MATEMATICA 2001 66. Quale fra le seguenti affermazioni è sbagliata? A) Tutte le funzioni ammettono la funzione inversa B) Una funzione dispari è simmetrica rispetto all origine C) Una funzione pari è simmetrica
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliLuigi Piroddi piroddi@elet.polimi.it
Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,
DettagliCAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI
CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI Abbiamo studiato successioni e serie numeriche, ora vogliamo studiare successioni e serie di funzioni. Dato un insieme A R, chiamiamo successione di funzioni
DettagliRette e piani con le matrici e i determinanti
CAPITOLO Rette e piani con le matrici e i determinanti Esercizio.. Stabilire se i punti A(, ), B(, ) e C(, ) sono allineati. Esercizio.. Stabilire se i punti A(,,), B(,,), C(,, ) e D(4,,0) sono complanari.
DettagliFunzione reale di variabile reale
Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A
DettagliEQUAZIONI DIFFERENZIALI. 1. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x 2 log t (d) x = e t x log x (e) y = y2 5y+6
EQUAZIONI DIFFERENZIALI.. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x log t (d) x = e t x log x (e) y = y 5y+6 (f) y = ty +t t +y (g) y = y (h) xy = y (i) y y y = 0 (j) x = x (k)
DettagliALGEBRA: 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
DettagliProposta di soluzione della prova di matematica Liceo scientifico di Ordinamento - 2014
Proposta di soluzione della prova di matematica Liceo scientifico di Ordinamento - 14 Problema 1 Punto a) Osserviamo che g (x) = f(x) e pertanto g () = f() = in quanto Γ è tangente all asse delle ascisse,
DettagliMATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010
elementi di teoria dei grafi anno acc. 2009/2010 Grafi semplici Un grafo semplice G è una coppia ordinata (V(G), L(G)), ove V(G) è un insieme finito e non vuoto di elementi detti vertici o nodi di G, mentre
DettagliProva parziale di Geometria e Topologia I - 5 mag 2008 (U1-03, 13:30 16:30) 1/8. Cognome:... Nome:... Matricola:...
Prova parziale di Geometria e Topologia I - 5 mag 2008 (U1-03, 13:30 16:30) 1/8 Cognome:................ Nome:................ Matricola:................ (Dare una dimostrazione esauriente di tutte le
DettagliUniversita 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.
DettagliCONI, CILINDRI, SUPERFICI DI ROTAZIONE
CONI, CILINDRI, SUPERFICI DI ROTAZIONE. Esercizi x + z = Esercizio. Data la curva x, calcolare l equazione del cilindro avente γ y = 0 come direttrice e con generatrici parallele al vettore v = (, 0, ).
DettagliProiezioni Grafica 3d
Proiezioni Grafica 3d Giancarlo RINALDO rinaldo@dipmat.unime.it Dipartimento di Matematica Università di Messina ProiezioniGrafica 3d p. 1 Introduzione Il processo di visualizzazione in 3D è intrinsecamente
DettagliBasi di matematica per il corso di micro
Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione
DettagliProdotto 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