Lezione 6 Nucleo, Immagine e Teorema della Dimensione. 1 Definizione di Nucleo e Immagine
|
|
- Stefania Cicci
- 8 anni fa
- Visualizzazioni
Transcript
1 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 il nucleo ker(l) e l immagine Im(L), sottospazi vettoriali, rispettivamente, del dominio V e del codominio W. Il Teorema della dimensione mette in relazione le dimensioni di questi due sottospazi con la dimensione di V; piu precisamente ci dice che dim(v) = dim(ker(l)) + dim(im(l)). Come vedremo questa semplice uguaglianza ha importanti conseguenze e ci aiuta a semplificare notevolmente gli esercizi. 1 Definizione di Nucleo e Immagine Definizione 1.1. Siano V e W due spazi vettoriali e sia L : V W un applicazione lineare. Si dice nucleo di L l insieme dei vettori di V la cui immagine è il vettore nullo di W. Tale insieme si indica con kerl. ker(l) = {v V L(v) = 0 }. Si dice immagine di L l insieme dei vettori di W che sono immagini di qualche vettore appartenente al dominio V, cioe Im(L) = {w W w = L(v), v V}. Vediamo subito qualche esempio. Esempio Consideriamo D : R[x] R[x], D(p(x)) = p (x). Come abbiamo visto la derivata e un applicazione lineare che va dall insieme dei polinomi all insieme dei polinomi. Ci chiediamo quali siano i polinomi che vengono mandati in zero, cioe D(p(x)) = 0. Dall analisi sappiamo che sono tutti e soli i polinomi costanti. Dunque ker(d) = {c c R}. Vediamo ora l immagine di D. Ci chiediamo quali siano i polinomi che sono derivata di altri polinomi. Dall analisi sappiamo che sono tutti i polinomi (che infatti si possono integrare). 2. Consideriamo ora l applicazione lineare L : R 3 R 2, L(e 1 ) = 2e 1 e 2, L(e 2 ) = e 1, L(e 3 ) = e 1 + 2e 2. Dalla lezione precedente sappiamo che 1
2 L(x,y,z) = (2x+y+z, x+2z). Vogliamo determinare nucleo e immagine di L. ker(l) e l insieme dei vettori che vengono mandati nello zero, cioe ker(l) = {(x,y,z) L(x,y) = (2x+y +z, x+2z) = (0,0)} = = {(x,y,z) 2x+y +z = 0, x+2z = 0} = = {(x,y,z) x = 2z,y = 2x z = 5z} = {(2z, 5z,z)} = = Span{(2, 5,1)}. Lasciamo per il momento da parte il calcolo dell immagine, che rivedremo piu avanti in dettaglio. Il fatto che le applicazioni lineari siano definite in modo da conservare le due operazioni proprie degli spazi vettoriali, fa si che sia nucleo che immagine di una data applicazione lineare siano sottospazi vettoriali. Proposizione 1.3. Sia L : V W un applicazione lineare. 1. Il nucleo di L è un sottospazio vettoriale del dominio V. 2. L immagine di L è un sottospazio vettoriale del codominio W. Proof. (1) Dobbiamo verificare che ker(l) sia chiuso rispetto alla somma di vettori e alla moltiplicazione di un vettore per uno scalare. Cominciamo con la somma. Siano u e v in kerl. Allora L(u) = L(v) = 0 e quindi L(u+v) = L(u) +L(v) = 0+0 = 0. Ora il prodotto per uno scalare. Se α K si ha L(αu) = αl(u) = α0 = 0. (2) Vediamo ora le stesse due proprieta per Im(L). Siano w 1,w 2 ImL. Allora esistono v 1,v 2 V tali che L(v 1 ) = w 1 e L(v 2 ) = w 2. Dunque w 1 +w 2 = L(v 1 )+L(v 2 ) = L(v 1 +v 2 ) ImL e αw 1 = αl(v 1 ) = L(αv 1 ) Im(L) per ogni α R. Proposizione 1.4. Sia L : V W un applicazione lineare. Allora il ssv Im(L) e generato dall immagine di una qualsiasi base di V, cioe se v 1...v n e base di V: Im(L) = Span{L(v 1 )...L(v n )}. Proof. Im(L) consiste di tutti i vettori L(v) per ogni v V. Sia v 1...v n una base. Allora v = λ 1 v λ n v n. Dunque: L(v) = L(λ 1 v λ n v n ) = λ 1 L(v 1 )+ +λ n L(v n ) Span{L(v 1 )...L(v n )}. 2
3 Riprendiamo l esempio precedente. Esempio 1.5. Vogliamo calcolare una base per l immagine dell applicazione lineare L : R 3 R 2, L(e 1 ) = 2e 1 e 2, L(e 2 ) = e 1, L(e 3 ) = e 1 +2e 2. Dalla proposizione precedente sappiamo che Im(L) = Span{2e 1 e 2,e 1,e 1 +2e 2 }. Osserviamo che Im(L) R 2 e facilmente vediamo che due vettori tra i generatori sono linearmente indipendenti. Possiamo dunque concludere che sono una base di R 2 e dunque che Im(L) = R 2. Vedremo meglio nella prossima sezione un metodo generale per il calcolo di nucleo e immagine di una applicazione lineare. Nucleo e immagine sono legate all iniettivita e suriettivita dell applicazione lineare data. Richiamiamo brevemente questi concetti basilari. Definizione 1.6. Sia data una funzione tra due insiemi A e B, f : A B. 1. Diciamo che f e iniettiva se quando accade che f(x) = f(y) allora x = y, cioe due elementi distinti x e y non possono mai avere la stessa immagine. 2. Diciamo che f e suriettiva se ogni elemento di B e immagine di un elemento di A, cioe il codominio di f coincide con l immagine di f. 3. Diciamo che f e biettiva o biunivoca se ad ogni elemento del dominio corrisponde uno ed un solo elemento del codominio e viceversa. 4. Diciamo che f e invertibile se esiste una funzione g : B A detta inversa di f, tale che f g = id B, g f = id A, ove id A : A A e la funzione identita che associa ad ogni elemento se stesso, cioe id A (a) = a. Proposizione 1.7. Sia f : A B una funzione tra due insiemi A e B. 1. f e biettiva se e solo se e iniettiva e suriettiva. 2. f e biettiva se e solo se e invertibile. Non riportiamo la dimostrazione di questo enunciato, che comunque lo studente puo trovare in qualsiasi libro di algebra elementare. Ritorniamo ora alle applicazioni lineari. Proposizione 1.8. Sia L : V W un applicazione lineare. 1. L è iniettiva se e solo se ker(l) = {0}, cioe il suo nucleo è il sottospazio nullo del dominio V. 2. L e suriettiva se e solo se Im(L) = W, cioe l immagine coincide con il codominio. 3
4 Proof. (1) Sia L iniettiva. Mostriamo che se L e iniettiva allora ker(l) = {0}. Se u ker(l) allora L(u) = 0 = L(0) e poiche L e iniettiva, cio implica u = 0. Se viceversa assumiamo kerl = (0), supponiamo che L(u) = L(v). Allora L(u v) = 0 e dunque poiche u v ker(l) = {0} si ha che u v = 0, quindi u = v, il che prova l iniettività. (2) e esattamente la definizione di suriettivita. La prossima proposizione ci dice che le applicazioni lineari iniettive conservano la lineare indipendenza. Proposizione 1.9. Siano v 1,...,v p vettori linearmente indipendenti nello spazio vettoriale V e sia L : V W un applicazione lineare iniettiva. Allora L(v 1 ),...,L(v p ) sono linearmente indipendenti in W. Dim. Sia α 1 L(v 1 ) + +α p L(v p ) = 0. Allora L(α 1 v 1 + +α p v p ) = 0 e poichè L è iniettiva ne segue α 1 v 1 + +α p v p = 0. Ma poichè v 1,...,v p sono vettori linearmente indipendenti in V deve essere α 1 =... = α p = 0. 2 Il Teorema della dimensione e il concetto di isomorfismo Teorema 2.1. Sia L : V W applicazione lineare. Allora dim V = dim(ker L) + dim(iml) (1) Proof. Sia{u 1,...,u r }unabaseperilssvkerl. Perilteoremadelcompletamento possiamo completare tale insieme di vettori linearmente indipendenti ad una base di V. B = {u 1,...,u r,w r+1,...,w n }. Se proviamo che B 1 = {L(w r+1 ),...,L(w n )} è una base per ImL il teorema è dimostrato in quanto r = dim(ker(l), n = dim(v) e n r = dim(im(l) (cioe il numero di vettori in B 1 ). Certamente B 1 è un sistema di generatori per ImL per la Proposizione 1.4. Ora mostriamo che sono linearmente indipendenti. Sia 4
5 α r+1 L ( w r+1 )+ α n L(w n ) = 0 Allora L(α r+1 w 1 + α n w n ) = 0 e dunque w = α r+1 w 1 + α n w n appartiene al nucleo di L. Dunque w = α 1 u 1 + α r u r, ovvero α r+1 w 1 + α n w n (α 1 u 1 + α r u r ) = 0 ed essendo B una base per V questo implica α 1 =... = α n = 0, concludendo la prova del teorema. La formula (1) pone delle restrizioni sulla tipologia e sull esistenza di applicazioni lineari tra due spazi vettoriali dati e quindi e di grande aiuto per gli esercizi. Proposizione 2.2. Siano V e W due spazi vettoriali. 1. Se dimv > dimw non esistono applicazioni lineari iniettive da V in W. 2. Se dimv < dimw non esistono applicazioni lineari suriettive da V in W. Proof. E una semplice applicazione di (1). Se L : V W è un applicazione lineare iniettiva allora dim(ker L) = 0 e dunque dim V = dim(iml). Essendo ImL un sottospazio di W risulta dimv dimw. Similmente se L : V W è suriettiva risulta ImL = W e pertanto dimw = dimv dim(kerl). Esempio 2.3. Si consideri l applicazione lineare di R 4 R 2 f(e 1 ) = e 1 e 2, f(e 2 ) = 3e 1 4e 2, f(e 3 ) = e 1 5e 2, f(e 4 ) = 3e 1 +e 2. L applicazione e iniettiva? E suriettiva? E biunivoca? Dal teorema precedente (senza fare alcun calcolo) stabiliamo che l applicazione non puo essere iniettiva. La sua immagine e generata dai vettori: e 1 e 2, 3e 1 4e 2, e 1 5e 2, 3e 1 + e 2, poiche almeno due sono linearmente indipendenti, essi formano una base di R 2 e dunque l applicazione e suriettiva. Poiche non e iniettiva non e biunivoca. Passiamo ora al concetto di isomorfismo. Definizione 2.4. Un applicazione lineare L : V W si dice isormorfismo se e invertibile, cioe se e iniettiva e suriettiva. In questo caso i due spazi V e W si dicono isomorfi e si scrive V = W. 5
6 Esempio 2.5. Consideriamo l applicazione lineare L : R 2 [x] R 3, L(1) = (1,0,0), L(x) = (0,1,0), L(x 2 ) = (0,0,1). Questa applicazione e invertibile. Per vederlo possiamo calcolare il nucleo e vedere che e zero e calcolare l immagine e vedere che e tutto R 3. Alternativamente possiamo dare l applicazione lineare T : R 3 R 2 [x], T(e 1 ) = 1, T(e 2 ) = x, T(e 3 ) = x 2 e verificare che e l inversa di L (fare queste verifiche per esercizio!). Dunque R 2 [x] e R 3 sono isomorfi. In qualche modo e come se fossero lo stesso spazio, in quanto abbiamo realizzato una corrispondenza biunivoca che ad un vettore di R 2 [x] fa corrispondere uno ed un solo vettore in R 3. Questa corrispondenza conserva inoltre le operazioni di somma di vettori e moltiplicazione di una vettore per uno scalare. Ci eravamo infatti gia accorti che, una volta fissata una base in R 2 [x], ogni vettore si scrive usando 3 coordinate, proprio come un vettore inr 3. Una volta scritto il vettore nelle coordinatedella base ad esempio {1,x,x 2 } a tutti gli effetti possiamo trattarlo come un elemento di R 3. Ad esempio possiamo applicare l algoritmo di Gauss ad un insieme di vettori per trovare se sono linearmente indipendenti, possiamo ricavare una base del ssv che generano etc etc. Il prossimo teorema e particolarmente importante in quanto ci dice che non solo R 2 [x], ma ogni spazio vettoriale finito dimensionale e isomorfo a R N per un certo N. Quindi i calcoli che noi facciamo in R N si possono applicare a tutti questi spazi, anche molto strani, usando le coordinate dei vettori in una base fissata. Teorema 2.6. Due spazi vettoriali V e W sono isomorfi se e solo se hanno uguale dimensione. Proof. Se dimv = dimw = n allora siano {u 1,...,u n } e {w 1,...,w n } due basi di V e W rispettivamente. Allora l applicazione lineare L : V W tale che L(v i ) = w i per ogni i = 0,...,n è un isomorfismo. Viceversa, se due spazi vettoriali sono isomorfi tra loro allora esiste una applicazione lineare L : V W tale che dim(ker L) = 0 e dim(iml) = dimw; applicando (2.1) si ottiene dimv = dimw. Corollario 2.7. M m,n = R mn, R d [x] = R d+1. Esercizi: Dire quali delle seguenti applicazioni lineari sono isomorfismi: 1. L : R 3 R 3, L(x,y,z) = (z,y,x); 6
7 2. L : R 3 R 2, L(x,y,z) = (7x 5z,x+4y); 3. L : R 3 R 3, tale che L(1,0,0) = (2,0,0), L(0,1,0) = (2,1,0), L(0,0,1) = (2,1,6); 3 Calcolo del Nucleo e dell Immagine Questa sezione e estremamente importante per gli esercizi in quanto ci fornisce dei metodi pratici per il calcolo di una base per il nucleo e per l immagine di una applicazione lineare data. Calcolo del nucleo Supponiamo di avere un applicazione lineare f : R n R m e di voler calcolare una base per il nucleo. Scriviamo f(x) come f(x) = Ax per un opportuna matrice A, m n. Allora per definizione di nucleo abbiamo: ker(f) = {x R n Ax = 0} cioe il nucleo ci viene dato come ssv in R n definito da un sistema lineare di equazioni. Ma abbiamo gia visto questo tipo di esercizio e dunque sappiamo come calcolarne una base: riduciamo il sistema usando l algoritmo di Gauss e otteniamo direttamente ker(f) come span dei vettori di una base. Vediamo un esempio concreto. Esempio 3.1. Si consideri l applicazione lineare: f : R 4 R 2 f(e 1 ) = e 2, f(e 2 ) = 3e 1 4e 2, f(e 3 ) = e 1, f(e 4 ) = 3e 1 +e 2. Calcolare una base per il nucleo. Vediamo subito che l immagine ha dimensione 2 (perche?) e pertanto sappiamo gia che il nucleo ha pure dimensione 2 = 4 2. Calcoliamo la matrice di f rispetto alle basi canoniche: ( ) A = Pertanto: ker(f) = {(x,y,z,t) 3y z +t = 0, x 4y +t = 0} = {(x,y,z,t) z = t+3y,x = 4y t} = {(4y t,y,t+3y,t)} = = Span{(4,1,3,0),( 1,0,1,1)}. 7
8 Calcolo dell immagine Supponiamo di avere un applicazione lineare f : R n R m e di voler calcolare una base per l immagine. Scriviamo f(x) come f(x) = Ax per un opportuna matrice A, m n. Allora per definizione di immagine abbiamo: Im(f) = Span{immagine dei vettori base canonica} = Span{colonne dia}. A questo punto e sufficiente applicare l algoritmo di Gauss ai vettori colonna di A (che naturalmente per fare l algoritmo di Gauss devo scrivere come righe). Vediamo un esempio. Esempio 3.2. Sia f : R 3 R 4 definita come f(x,y,z) = (x,2x,x+y z, y). La matrice associata e : A = Se applichiamo l algoritmo di Gauss vediamo che i tre vettori dati (colonne di A) sono linearmente indipendenti e percio formano una base dell immagine. Esercizi: Si determini una base per il nucleo delle seguenti applicazioni lineari: 1. L : R 3 R 3, L(x,y,z) = (x,x,x); 2. L : R 4 M 2 2 (R), L(x 1,x 2,x 3,x 4 ) = ( x1 +x 2 +x 3 x 1 +x 3 x 2 0 ) 3. L : R 2 R 4, L(x,y) = (x+y,x+y,x+y,x+y); 4. L : R 3 R 3, L(x,y,z) = (z,x+y +z,x+y z); 5. L : R 3 R 3, L(x,y,z) = (2(x y),x+2z,y +2z). Esercizi 8
9 1. Sia data l applicazione lineare f : R 2 R 2 f(e 1 ) = 3e 1 3e 2, f(e 2 ) = 2e 1 2e 2. Si calcolino ker e Im. 2. Sia data l applicazione lineare f : R 3 R 3 f(x,y,z) = (x+2z,y + z, z). E un isomorfismo? Motivare la risposta. 3. Sia data l applicazione lineare f : R 3 R 3 f(x,y,z) = (x + z,y + z,z). Trovare una base per Ker e Im. L applicazione e iniettiva, suriettiva, biunivoca? 4. Sia data l applicazione lineare f : R 2 R 3 f(e 1 ) = e 1 + e 2 e 3, f(e 2 ) = 2e 1 2e 2 e 3. Si calcoli il nucleo e l immagine. L applicazione data e iniettiva, e suriettiva, e biunivoca? 5. Sia data l applicazione f : R 2 R 2 f(x,y) = (x + 2ky,x y). Si calcolino i valori di k per cui tale applicazione e lineare. 6. Sia data l applicazione lineare f : R 4 R 2 f(x,y,z,t) = (2x t,3y x+2z t). Si calcolino il nucleo e l immagine di f. 7. Sia data l applicazione lineare: T : R 3 R 3 (x,y,z) ( x+y z,z,x y) a) Trovare una base per ker(t) e Im(T). b) Dire se l applicazione data e iniettiva, suriettiva, biunivoca. Motivare la risposta. c) L applicazione e invertibile? 8. Sia data l applicazione lineare: T : R 2 R 2 (x,y) ( x+y,2x 2y) a) Trovare una base per ker(t) e Im(T). b) Dire se l applicazione data e iniettiva, suriettiva, biunivoca. Motivare la risposta. 9. Determinare, se possibile, una applicazione lineare suriettiva T : R 3 R 2 e una applicazione lineare iniettiva F : R 4 R 3. 9
10 10. Esistono applicazioni iniettive T : R 3 R 4? Se si, trovarne una, se no, motivare la risposta. 11. Sia data l applicazione lineare: T : R 3 R 4 (x,y,z) (x+y z,z,x+y,z) a) Trovare una base per ker(t) e Im(T). b) Dire se l applicazione data e iniettiva, suriettiva, biunivoca. Motivare la risposta. 12. Sia T l applicazione lineare definita nella base canonica di dominio e codominio da ( ) 1 4 A = a 0 Determinare al variare di a ker(t) e Im(T). 13. Sia T l applicazione lineare definita nella base canonica di dominio e codominio dalla matrice: A = a 3 Si dica per quali valori di a T e un isomorfismo. 14. Sia T l applicazione lineare definita nella base canonica di dominio e codominio dalla matrice: A = Si calcoli una base per ker(t) e Im(T). 15. Sia : R 3 R 4 l applicazione lineare definita da: T(x,y,z) = (x + 2z,y,2x+3y+4z,3x y+6z). Trovare una base di per ker(t) e una base di Im(T) e verificare il teorema della dimensione. T è iniettiva? [Soluzione: Una base di ker(t) è {( 2,0,1)} e una base di Im(T) è {(1,0,2,3),(0,1,3, 1)}, dim(kert) = 1, dim(imt) = 2 e dim(r 3 ) = 3 = 1+2 = dim(kert)+dim(imt), T non è iniettiva]. 10
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
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)
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
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
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
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
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
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
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.
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
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,
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
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
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 "!$%!
DettagliMatrice rappresent. Base ker e img. Rappresentazione cartesiana ker(f) + im(f).
Due Matrici A,B. Ker f = ker g. 1- Ridurre a scala A e B e faccio il sistema. 2 Se Vengono gli stessi valori allora, i ker sono uguali. Cauchy 1 autovalore, 1- Metto a matrice x1(0),x2(0),x3(0) e la chiamo
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
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
DettagliApplicazioni lineari
CAPITOLO 8 Applicazioni lineari Esercizio 8.. Sia T : R 3 R 3 l applicazione definita da T(x,x,x 3 ) = (x,x,x 3 ). Stabilire se T è lineare. Esercizio 8.. Verificare che la funzione determinante definita
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.
DettagliSiano V e W due spazi vettoriali. La definizione seguente é è tra quelle basilari per il corso di Matematica B. L : V W
Matematica B - a.a 2006/07 p. 1 Siano V e W due spazi vettoriali. La definizione seguente é è tra quelle basilari per il corso di Matematica B. Definizione 1. La funzione L : V W si dice una applicazione
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,
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
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
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
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
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
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
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
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;
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
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
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
DettagliCORSO DI ALGEBRA (M-Z) Prof. A. Venezia
CORSO DI ALGEBRA (M-Z) Prof. A. Venezia 2018-19 Complementi ed Esercizi APPLICAZIONI LINEARI Siano V e V spazi vettoriali sul campo K. Una applicazione L: V V si dice lineare se: 1 AL. L(v+w) = L(v) +
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
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
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....................................
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
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
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
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:
DettagliAnno 5 Funzioni inverse e funzioni composte
Anno 5 Funzioni inverse e funzioni composte 1 Introduzione In questa lezione impareremo a definire e ricercare le funzioni inverse e le funzioni composte. Al termine di questa lezione sarai in grado di:
DettagliFOGLIO 4 - Applicazioni lineari. { kx + y z = 2 x + y kw = k. 2 k 1
FOGLIO 4 - Applicazioni lineari Esercizio 1. Si risolvano i seguenti sistemi lineari al variare di k R. { x y + z + 2w = k x z + w = k 2 { kx + y z = 2 x + y kw = k Esercizio 2. Al variare di k R trovare
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.
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
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
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
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
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
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
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
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
DettagliG. Pareschi ALGEBRE DI BOOLE. 1. Algebre di Boole
G. Pareschi ALGEBRE DI BOOLE 1. Algebre di Boole Nel file precedente abbiamo incontrato la definizione di algebra di Boole come reticolo: un algebra di Boole e un reticolo limitato, complementato e distributivo.
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
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
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
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,
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
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
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
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
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
DettagliFunzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : = y
Funzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : ' = y y' = Consideriamo il punto P(,5) se eseguiamo tra trasformazione
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.
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
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:
Dettagli.y 6. .y 4. .y 5. .y 2.y 3 B C C B. B f A B f -1
Funzioni FUNZIONI Una funzione è una relazione fra due insiemi non vuoti e, che associa ad ogni elemento uno e un solo elemento. In simboli si scrive: = oppure. x 1. x..y B C.y 5 x 4..y 4 L elemento è
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
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
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
DettagliLe funzioni reali di variabile reale
Prof. Michele Giugliano (Gennaio 2002) Le funzioni reali di variabile reale ) Complementi di teoria degli insiemi. A) Estremi di un insieme numerico X. Dato un insieme X R, si chiama maggiorante di X un
DettagliCONTINUITÀ E DERIVABILITÀ Esercizi risolti
CONTINUITÀ E DERIVABILITÀ Esercizi risolti. Determinare kπ/ [cos] al variare di k in Z. Ove tale ite non esista, discutere l esistenza dei iti laterali. Identificare i punti di discontinuità della funzione
DettagliEsercitazione del 16-11-11 Analisi I
Esercitazione del 6-- Analisi I Dott.ssa Silvia Saoncella silvia.saoncella 3[at]studenti.univr.it a.a. 00-0 Esercizio. Determinare se la funzione f() è continua nel suo dominio sin se 0 f() = 0 se = 0
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
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
DettagliMetodi Stocastici per la Finanza
Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2011-2012 Lezione 6 Indice 1 Il metodo bootstrap 2 Esercitazione 3 Interpolazione
DettagliMatematica 1 - Corso di Laurea in Ingegneria Meccanica
Matematica 1 - Corso di Laurea in Ingegneria Meccanica Esercitazione su massimi e minimi vincolati 9 dicembre 005 Esercizio 1. Considerare l insieme C = {(x,y) R : (x + y ) = x } e dire se è una curva
DettagliAlgebra lineare for dummies
Algebra lineare for dummies Sergio Polini 26 settembre 22 Indice Premessa 2 Spazi vettoriali 3. Definizione................................ 3.2 Sottospazi vettoriali........................... 3.3 Indipendenza
DettagliMatematica generale CTF
Equazioni differenziali 9 dicembre 2015 Si chiamano equazioni differenziali quelle equazioni le cui incognite non sono variabili reali ma funzioni di una o più variabili. Le equazioni differenziali possono
DettagliFUNZIONI CONVESSE. + e x 0
FUNZIONI CONVESSE Sia I un intervallo aperto di R (limitato o illimitato) e sia f(x) una funzione definita in I. Dato x 0 I, la retta r passante per il punto P 0 (x 0, f(x 0 )) di equazione y = f(x 0 )
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
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
DettagliG. Pareschi GENERALITÀ SULLE FUNZIONI. CARDINALITÀ
G. Pareschi GENERALITÀ SULLE FUNZIONI. CARDINALITÀ 1. Definizione di funzione Definizione 1.1. Siano X e Y due insiemi. Una funzione f da X a Y è un sottoinsieme del prodotto cartesiano: f X Y, tale che
DettagliMATRICI E DETERMINANTI
MATRICI E DETERMINANTI 1. MATRICI Si ha la seguente Definizione 1: Un insieme di numeri, reali o complessi, ordinati secondo righe e colonne è detto matrice di ordine m x n, ove m è il numero delle righe
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
DettagliRichiami di algebra lineare e geometria di R n
Richiami di algebra lineare e geometria di R n combinazione lineare, conica e convessa spazi lineari insiemi convessi, funzioni convesse rif. BT.5 Combinazione lineare, conica, affine, convessa Un vettore
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
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
DettagliSulle funzioni di W 1,p (Ω) a traccia nulla
Sulle funzioni di W 1,p () a traccia nulla Sia u W 1,p (R n ) e supponiamo che il supp u, essendo un aperto di R n. Possiamo approssimare u con una successione di funzioni C il cui supporto è contenuto
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
DettagliLe equazioni. Diapositive riassemblate e rielaborate da prof. Antonio Manca da materiali offerti dalla rete.
Le equazioni Diapositive riassemblate e rielaborate da prof. Antonio Manca da materiali offerti dalla rete. Definizione e caratteristiche Chiamiamo equazione l uguaglianza tra due espressioni algebriche,
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
DettagliTrasformate di Laplace
TdL 1 TdL 2 Trasformate di Laplace La trasformata di Laplace e un OPERATORE funzionale Importanza dei modelli dinamici Risolvere equazioni differenziali (lineari a coefficienti costanti) Tempo t Dominio
DettagliDOMINI A FATTORIZZAZIONE UNICA
DOMINI A FATTORIZZAZIONE UNICA CORSO DI ALGEBRA, A.A. 2012-2013 Nel seguito D indicherà sempre un dominio d integrità cioè un anello commutativo con unità privo di divisori dello zero. Indicheremo con
DettagliIL CALCOLO VETTORIALE (SUPPLEMENTO AL LIBRO)
IL CALCOLO VETTORIALE SUPPLEMENTO AL LIBRO CLAUDIO BONANNO Contents. Campi di vettori e operatori 2. Il lavoro di un campo di vettori 5 2.. Lavoro e campi conservativi 6 2.2. Lavoro e campi irrotazionali:
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
DettagliTeoria degli insiemi
Teoria degli insiemi pag 1 Easy Matematica di dolfo Scimone Teoria degli insiemi Il concetto di insieme si assume come primitivo, cioè non riconducibile a concetti precedentemente definiti. Sinonimi di
DettagliConsidero 2x e sostituisco elemento del dominio con x, 2(-3)=6, oppure e il doppio?
Avvertenza: Le domande e a volte le risposte, sono tratte dal corpo del messaggio delle mails in cui non si ha a disposizione un editor matematico e quindi presentano una simbologia non corretta, ma comprensibile
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,
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
Dettagli