Lezione 6 Nucleo, Immagine e Teorema della Dimensione. 1 Definizione di Nucleo e Immagine

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Lezione 6 Nucleo, Immagine e Teorema della Dimensione. 1 Definizione di Nucleo e Immagine"

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 APPLICAZIONI LINEARI 1. Esercizi Esercizio 1. Date le seguenti applicazioni lineari (1) f : R 2 R 3 definita da f(x, y) = (x 2y, x + y, x + y); (2) g : R 3 R 2 definita da g(x, y, z) = (x + y, x y); (3)

Dettagli

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

Lezioni di Geometria e Algebra. Fulvio Bisi, Francesco Bonsante, Sonia Brivio Lezioni di Geometria e Algebra Fulvio Bisi, Francesco Bonsante, Sonia Brivio CAPITOLO 4 Applicazioni lineari 1. Definizioni ed esempi. In questo capitolo ci proponiamo di studiare le funzioni tra spazi

Dettagli

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai

Dettagli

ESERCIZI APPLICAZIONI LINEARI

ESERCIZI APPLICAZIONI LINEARI ESERCIZI APPLICAZIONI LINEARI PAOLO FACCIN 1. Esercizi sulle applicazioni lineari 1.1. Definizioni sulle applicazioni lineari. Siano V, e W spazi vettoriali, con rispettive basi B V := (v 1 v n) e B W

Dettagli

Applicazioni lineari

Applicazioni lineari Applicazioni lineari Esempi di applicazioni lineari Definizione. Se V e W sono spazi vettoriali, una applicazione lineare è una funzione f: V W tale che, per ogni v, w V e per ogni a, b R si abbia f(av

Dettagli

Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari

Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari Versione ottobre novembre 2008 Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari Contenuto 1. Applicazioni lineari 2. L insieme delle

Dettagli

Parte 6. Applicazioni lineari

Parte 6. Applicazioni lineari Parte 6 Applicazioni lineari A Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Applicazioni fra insiemi, 2 Applicazioni lineari tra spazi vettoriali, 2 3 Applicazioni lineari da R n a R

Dettagli

Applicazioni lineari

Applicazioni lineari CAPITOLO 8 Applicazioni lineari Esercizio 8.. Sia T : R 3 R 3 l applicazione definita da T(x,x,x 3 ) = (x,x,x 3 ). Stabilire se T è lineare. Esercizio 8.. Verificare che la funzione determinante definita

Dettagli

LEZIONE 16. Proposizione 16.1.2. Siano V e W spazi vettoriali su k = R, C. Se f: V W

LEZIONE 16. Proposizione 16.1.2. Siano V e W spazi vettoriali su k = R, C. Se f: V W LEZIONE 16 16.1. Applicazioni lineari iniettive e suriettive. Ricordo le seguenti due definizioni valide per applicazioni di qualsiasi tipo ϕ: X Y fra due insiemi. L applicazione ϕ si dice iniettiva se

Dettagli

f(x, y, z) = (x + ky + z, x y + 2z, x + y z) f(x, y, z) = (x + 2y z, x + y z, x + 2y) F (f(x)) = (f(0), f(1), f(2))

f(x, y, z) = (x + ky + z, x y + 2z, x + y z) f(x, y, z) = (x + 2y z, x + y z, x + 2y) F (f(x)) = (f(0), f(1), f(2)) Algebra Lineare e Geometria Analitica Politecnico di Milano Ingegneria Applicazioni Lineari 1. Sia f : R 3 R 3 l applicazione lineare definita da f(x, y, z) = (x + ky + z, x y + 2z, x + y z) per ogni (x,

Dettagli

Siano V e W due spazi vettoriali. La definizione seguente é è tra quelle basilari per il corso di Matematica B. L : V W

Siano V e W due spazi vettoriali. La definizione seguente é è tra quelle basilari per il corso di Matematica B. L : V W Matematica B - a.a 2006/07 p. 1 Siano V e W due spazi vettoriali. La definizione seguente é è tra quelle basilari per il corso di Matematica B. Definizione 1. La funzione L : V W si dice una applicazione

Dettagli

Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica

Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica Esame di Geometria (Prof. F. Tovena) Argomenti: Proprietà di nucleo e immagine di una applicazione lineare. dim V = dim

Dettagli

3 Applicazioni lineari e matrici

3 Applicazioni lineari e matrici 3 Applicazioni lineari e matrici 3.1 Applicazioni lineari Definizione 3.1 Siano V e W dei K spazi vettoriali. Una funzione f : V W è detta applicazione lineare se: i u, v V, si ha f(u + v = f(u + f(v;

Dettagli

LEZIONE 17. B : kn k m.

LEZIONE 17. B : kn k m. LEZIONE 17 17.1. Isomorfismi tra spazi vettoriali finitamente generati. Applichiamo quanto visto nella lezione precedente ad isomorfismi fra spazi vettoriali di dimensione finita. Proposizione 17.1.1.

Dettagli

Lezione 9: Cambio di base

Lezione 9: Cambio di base Lezione 9: Cambio di base In questa lezione vogliamo affrontare uno degli argomenti piu ostici per lo studente e cioè il cambio di base all interno di uno spazio vettoriale, inoltre cercheremo di capire

Dettagli

Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria - Edile ed Edile-Architettura

Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria - Edile ed Edile-Architettura Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria - Edile ed Edile-Architettura Primo Esonero del corso di Geometria Docente F. Flamini, Roma, 2//28 SOLUZIONI COMPITO I ESONERO Esercizio.

Dettagli

Matrice rappresent. Base ker e img. Rappresentazione cartesiana ker(f) + im(f).

Matrice 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

Dettagli

FOGLIO 4 - Applicazioni lineari. { kx + y z = 2 x + y kw = k. 2 k 1

FOGLIO 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

Dettagli

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

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

Dettagli

Esercizi su lineare indipendenza e generatori

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

Dettagli

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

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

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

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

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

Dettagli

Algebra Lineare e Geometria

Algebra Lineare e Geometria Algebra Lineare e Geometria Corso di Laurea in Ingegneria Elettronica A.A. 2013-2014 Prova d esame del 16/06/2014. 1) a) Determinare la matrice associata all applicazione lineare T : R 3 R 4 definita da

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

Dettagli

1 Applicazioni Lineari tra Spazi Vettoriali

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

Dettagli

Diagonalizzazione di matrici e applicazioni lineari

Diagonalizzazione di matrici e applicazioni lineari CAPITOLO 9 Diagonalizzazione di matrici e applicazioni lineari Esercizio 9.1. Verificare che v = (1, 0, 0, 1) è autovettore dell applicazione lineare T così definita T(x 1,x 2,x 3,x 4 ) = (2x 1 2x 3, x

Dettagli

Elementi di Algebra Lineare Applicazioni lineari

Elementi di Algebra Lineare Applicazioni lineari Elementi di Algebra Lineare Applicazioni lineari Cristina Turrini UNIMI - 2015/2016 Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 18 index Applicazioni lineari 1 Applicazioni lineari

Dettagli

LE FIBRE DI UNA APPLICAZIONE LINEARE

LE FIBRE DI UNA APPLICAZIONE LINEARE LE FIBRE DI UNA APPLICAZIONE LINEARE Sia f:a B una funzione tra due insiemi. Se y appartiene all immagine di f si chiama fibra di f sopra y l insieme f -1 y) ossia l insieme di tutte le controimmagini

Dettagli

STRUTTURE ALGEBRICHE

STRUTTURE ALGEBRICHE STRUTTURE ALGEBRICHE Operazioni in un insieme Sia A un insieme non vuoto; una funzione f : A A A si dice operazione binaria (o semplicemente operazione), oppure legge di composizione interna. Per definizione

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza

Dettagli

APPLICAZIONI LINEARI

APPLICAZIONI 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

Dettagli

CORSO DI LAUREA INF TWM ANNO DI IMMATRICOLAZIONE MATRICOLA

CORSO DI LAUREA INF TWM ANNO DI IMMATRICOLAZIONE MATRICOLA COGNOME NOME CORSO DI LAUREA INF TWM ANNO DI IMMATRICOLAZIONE MATRICOLA SIMULAZIONE SCRITTO DI MATEMATICA DISCRETA, SECONDA PARTE Per ottenere la sufficienza bisogna rispondere in modo corretto ad almeno

Dettagli

FUNZIONI ELEMENTARI - ESERCIZI SVOLTI

FUNZIONI 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

Dettagli

x 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.

x 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0. Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini

Dettagli

Spazi lineari - PARTE II - Felice Iavernaro. Dipartimento di Matematica Università di Bari. 9 e 16 Marzo 2007

Spazi lineari - PARTE II - Felice Iavernaro. Dipartimento di Matematica Università di Bari. 9 e 16 Marzo 2007 Spazi lineari - PARTE II - Felice Iavernaro Dipartimento di Matematica Università di Bari 9 e 16 Marzo 2007 Felice Iavernaro (Univ. Bari) Spazi lineari 9-16/03/2007 1 / 17 Condizionamento dei sistemi lineari

Dettagli

LEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0

LEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0 LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è

Dettagli

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

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

Dettagli

II Spazi vettoriali ed applicazioni lineari

II Spazi vettoriali ed applicazioni lineari II Spazi vettoriali ed applicazioni lineari Nel capitolo precedente abbiamo visto come assumano un ruolo importante nello studio dello Spazio Euclideo la sua struttura di spazio affine e quindi di spazio

Dettagli

Nel seguito, senza ulteriormente specificarlo, A indicherà un anello commutativo con identità.

Nel seguito, senza ulteriormente specificarlo, A indicherà un anello commutativo con identità. 1 ANELLI Definizione 1.1. Sia A un insieme su cui sono definite due operazioni +,. (A, +, ) si dice Anello se (A, +) è un gruppo abeliano è associativa valgono le leggi distributive, cioè se a, b, c A

Dettagli

Lezioni del corso di Geometria e Algebra. prof. Michele Mulazzani dott. Alessia Cattabriga

Lezioni del corso di Geometria e Algebra. prof. Michele Mulazzani dott. Alessia Cattabriga Lezioni del corso di Geometria e Algebra prof Michele Mulazzani dott Alessia Cattabriga AA 20001/2002 Indice 1 Equazioni e sistemi lineari 4 11 Alcune strutture algebriche 4 12 Operazioni standard su K

Dettagli

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

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

Dettagli

DIARIO DEL CORSO DI ALGEBRA A.A. 2012/13 DOCENTE: ANDREA CARANTI

DIARIO DEL CORSO DI ALGEBRA A.A. 2012/13 DOCENTE: ANDREA CARANTI DIARIO DEL CORSO DI ALGEBRA A.A. 2012/13 DOCENTE: ANDREA CARANTI Lezione 1. lunedí 17 settembre 2011 (1 ora) Presentazione del corso. Esercizio: cosa succede a moltiplicare per 2, 3, 4,... il numero 052631578947368421,

Dettagli

Algebra lineare for dummies

Algebra lineare for dummies Algebra lineare for dummies Sergio Polini 26 settembre 22 Indice Premessa 2 Spazi vettoriali 3. Definizione................................ 3.2 Sottospazi vettoriali........................... 3.3 Indipendenza

Dettagli

Anno 5 Funzioni inverse e funzioni composte

Anno 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:

Dettagli

UNIVERSITÀ CATTOLICA DEL SACRO CUORE. Facoltà di Scienze Matematiche, Fisiche e Naturali

UNIVERSITÀ CATTOLICA DEL SACRO CUORE. Facoltà di Scienze Matematiche, Fisiche e Naturali UNIVERSITÀ CATTOLICA DEL SACRO CUORE Facoltà di Scienze Matematiche, Fisiche e Naturali APPROFONDIMENTI DI ALGEBRA M. Chiara Tamburini Anno Accademico 2013/2014 Indice Prefazione iii I Moduli su un anello

Dettagli

(V) (FX) Z 6 è un campo rispetto alle usuali operazioni di somma e prodotto.

(V) (FX) Z 6 è un campo rispetto alle usuali operazioni di somma e prodotto. 29 giugno 2009 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola

Dettagli

Lezione 7: Il Teorema di Rouché-Capelli

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

Dettagli

Corrispondenze e funzioni

Corrispondenze 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

Dettagli

APPLICAZIONI LINEARI

APPLICAZIONI LINEARI APPLICAZIONI LINEARI Esercizi Esercizio Date le seguenti applicazioni lineari f : R 2 R 3 definita da fx y = x 2y x + y x + y; 2 g : R 3 R 2 definita da gx y z = x + y x y; 3 h : Rx] 2 R 2 definita da

Dettagli

G. Pareschi GENERALITÀ SULLE FUNZIONI. CARDINALITÀ

G. 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

Dettagli

4. Operazioni elementari per righe e colonne

4. Operazioni elementari per righe e colonne 4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:

Dettagli

Chiusura lineare. N.B. A può essere indifferentemente un insieme, finito o no, o un sistema. Es.1. Es.2

Chiusura lineare. N.B. A può essere indifferentemente un insieme, finito o no, o un sistema. Es.1. Es.2 Chiusura lineare Def. Sia A V (K) con A. Si dice copertura lineare (o chiusura lineare) di A, e si indica con L(A), l insieme dei vettori di V che risultano combinazioni lineari di un numero finito di

Dettagli

ISTITUZIONI DI MATEMATICA I. (prof. M.P.Cavaliere) SPAZI VETTORIALI SU R

ISTITUZIONI DI MATEMATICA I. (prof. M.P.Cavaliere) SPAZI VETTORIALI SU R ISTITUZIONI DI MATEMATICA I (prof MPCavaliere) SPAZI VETTORIALI SU R Abbiamo visto parlando dei numeri complessi che i punti P del piano possono essere determinati da coppie di numeri reali, se è dato

Dettagli

1 Regole generali per l esame. 2 Libro di Testo

1 Regole generali per l esame. 2 Libro di Testo FACOLTÀ DI INGEGNERIA Corso di GEOMETRIA E ALGEBRA (mn). (Ing. per l Ambiente e il Territorio, Ing. Informatica - Sede di Mantova) A.A. 2008/2009. Docente: F. BISI. 1 Regole generali per l esame L esame

Dettagli

Esame di Geometria - 9 CFU (Appello del 28 gennaio 2013 - A)

Esame 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

Dettagli

Geometria I A. Algebra lineare

Geometria I A. Algebra lineare UNIVERSITÀ CATTOLICA DEL SACRO CUORE Facoltà di Scienze Matematiche, Fisiche e Naturali Geometria I A. Algebra lineare Prof.ssa Silvia Pianta Anno Accademico 22/23 Indice Spazi vettoriali 7 Definizione

Dettagli

Esercizi di GEOMETRIA I - Algebra Lineare B = , calcolare A A t A + I

Esercizi di GEOMETRIA I - Algebra Lineare B = , calcolare A A t A + I Esercizi di GEOMETRIA I - Algebra Lineare. Tra le seguenti matrici, eseguire tutti i prodotti possibili: 2 ( ) A = 0 3 4 B = 2 0 0 2 D = ( 0 ) E = ( ) 4 4 2 C = 2 0 5 F = 4 2 6 2. Data la matrice A = 0

Dettagli

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

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

Dettagli

ALGEBRA I: MODULI. Abbiamo indicato con 0 A, 1 A lo zero e l unità nell anello A e con 0 M l elemento neutro del gruppo abeliano (M, +).

ALGEBRA I: MODULI. Abbiamo indicato con 0 A, 1 A lo zero e l unità nell anello A e con 0 M l elemento neutro del gruppo abeliano (M, +). ALGEBRA I: MODULI 1 GENERALITÀ SUGLI A-MODULI Il concetto di A-modulo generalizza quello di spazio vettoriale su un campo K Definizione 11 Sia A un anello commutativo con unità Un A-modulo è un insieme

Dettagli

APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI

APPUNTI 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....................................

Dettagli

ALGEBRA I: CARDINALITÀ DI INSIEMI

ALGEBRA I: CARDINALITÀ DI INSIEMI ALGEBRA I: CARDINALITÀ DI INSIEMI 1. CONFRONTO DI CARDINALITÀ E chiaro a tutti che esistono insiemi finiti cioè con un numero finito di elementi) ed insiemi infiniti. E anche chiaro che ogni insieme infinito

Dettagli

Anno 3. Classificazione delle funzioni

Anno 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.

Dettagli

Capitolo I STRUTTURE ALGEBRICHE ELEMENTARI

Capitolo I STRUTTURE ALGEBRICHE ELEMENTARI Capitolo I STRUTTURE ALGEBRICHE ELEMENTARI In matematica, per semplificare la stesura di un testo, si fa ricorso ad un linguaggio specifico. In questo capitolo vengono fornite in maniera sintetica le nozioni

Dettagli

APPENDICE NOZIONI BASE E VARIE

APPENDICE NOZIONI BASE E VARIE pag. 131 Appendice: Nozioni base e varie G. Gerla APPENDICE NOZIONI BASE E VARIE 1. Funzioni e relazioni di equivalenza Questi appunti sono rivolti a persone che abbiano già una conoscenza elementare della

Dettagli

Le funzioni reali di variabile reale

Le 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

Dettagli

R X X. RELAZIONE TOTALE Definizione: Si definisce relazione totale tra x e y se dati X,Y diversi dall'insieme vuoto

R X X. RELAZIONE TOTALE Definizione: Si definisce relazione totale tra x e y se dati X,Y diversi dall'insieme vuoto PRODOTTO CARTESIANO Dati due insiemi non vuoti X e Y si definisce prodotto cartesiano: X Y ={ x, y x X, y Y } attenzione che (x,y) è diverso da (y,x) perchè (x,y)={x,{y}} e (y,x)={y,{x}} invece sono uguali

Dettagli

Esercitazione 6 - Soluzione

Esercitazione 6 - Soluzione Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione

Dettagli

2 FUNZIONI REALI DI VARIABILE REALE

2 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

Dettagli

Funzione Una relazione fra due insiemi A e B è una funzione se a ogni elemento di A si associa uno e un solo elemento

Funzione Una relazione fra due insiemi A e B è una funzione se a ogni elemento di A si associa uno e un solo elemento TERIA CAPITL 9. ESPNENZIALI E LGARITMI. LE FUNZINI Non si ha una funzione se anche a un solo elemento di A non è associato un elemento di B, oppure ne sono associati più di uno. DEFINIZINE Funzione Una

Dettagli

ALGEBRA I: ARITMETICA MODULARE E QUOZIENTI DI ANELLI

ALGEBRA I: ARITMETICA MODULARE E QUOZIENTI DI ANELLI ALGEBRA I: ARITMETICA MODULARE E QUOZIENTI DI ANELLI 1. CLASSI DI RESTO E DIVISIBILITÀ In questa parte sarò asciuttissimo, e scriverò solo le cose essenziali. I commenti avete potuto ascoltarli a lezione.

Dettagli

Appunti di Algebra Lineare

Appunti di Algebra Lineare Appunti di Algebra Lineare Indice 1 I vettori geometrici. 1 1.1 Introduzione................................... 1 1. Somma e prodotto per uno scalare....................... 1 1.3 Combinazioni lineari e

Dettagli

Funzioni. Funzioni /2

Funzioni. 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

Dettagli

CAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI

CAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI CAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI 1. REGOLA DI CRAMER Sia S un sistema lineare di n ( 2) equazioni in n incognite su un campo K : a 11 x 1 + a 12 x 2 + + a 1n x n

Dettagli

11. Le funzioni composte

11. Le funzioni composte . Le funzioni composte Definizione Date le due funzioni f A B e g D C, dove f[ A] D, si dice funzione composta di f e g la funzione h A C che ad ogni elemento a Afa corrispondere l elemento g(()) f a Ce

Dettagli

Note di matematica per microeconomia

Note di matematica per microeconomia Note di matematica per microeconomia Luigi Balletta Funzioni di una variabile (richiami) Una funzione di variabile reale ha come insieme di partenza un sottoinsieme di R e come insieme di arrivo un sottoinsieme

Dettagli

Forme bilineari e prodotti scalari. Definizione Dato lo spazio vettoriale V (K) sul campo K, una funzione. b :

Forme bilineari e prodotti scalari. Definizione Dato lo spazio vettoriale V (K) sul campo K, una funzione. b : Forme bilineari e prodotti scalari Definizione Dato lo spazio vettoriale V (K) sul campo K, una funzione b : { V V K ( v, w) b( v, w), si dice forma bilineare su V se per ogni u, v, w V e per ogni k K:

Dettagli

Università degli Studi di Roma La Sapienza Laurea in Ingegneria Energetica A.A. 2014-2015 Programma del corso di Geometria Prof.

Università degli Studi di Roma La Sapienza Laurea in Ingegneria Energetica A.A. 2014-2015 Programma del corso di Geometria Prof. Università degli Studi di Roma La Sapienza Laurea in Ingegneria Energetica A.A. 2014-2015 Programma del corso di Geometria Prof. Antonio Cigliola Prerequisiti Logica elementare. Principio di Induzione.

Dettagli

Geometria nel piano complesso

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

Dettagli

L anello dei polinomi

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

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

LEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE

LEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE LEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE FLAVIO ANGELINI Sommario Queste note hanno lo scopo di indicare a studenti di Economia interessati alla finanza quantitativa i concetti essenziali

Dettagli

Prova scritta di Geometria 2 Prof. M. Boratynski

Prova 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

Dettagli

MATRICI E DETERMINANTI

MATRICI E DETERMINANTI MATRICI E DETERMINANTI 1. MATRICI Si ha la seguente Definizione 1: Un insieme di numeri, reali o complessi, ordinati secondo righe e colonne è detto matrice di ordine m x n, ove m è il numero delle righe

Dettagli

Esercitazioni in Maple

Esercitazioni in Maple Esercitazioni in Maple 6 giugno 2007 Capitolo 1 Prima esercitazione 1.1 Anelli di polinomi Per cominciare bisogna dichiarare un anello di polinomi. Possiamo lavorare con un qualsiasi anello di tipo dove

Dettagli

Considero 2x e sostituisco elemento del dominio con x, 2(-3)=6, oppure e il doppio?

Considero 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

Dettagli

19. Inclusioni tra spazi L p.

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

Dettagli

Indice generale. Modulo 1 Algebra 2

Indice generale. Modulo 1 Algebra 2 Indice generale Modulo 1 Algebra 2 Capitolo 1 Scomposizione in fattori. Equazioni di grado superiore al primo 1.1 La scomposizione in fattori 2 1.2 Raccoglimento a fattor comune 3 1.3 Raccoglimenti successivi

Dettagli

Funzioni. Parte prima. Daniele Serra

Funzioni. 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

Dettagli

Richiami di algebra lineare e geometria di R n

Richiami 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

Dettagli

Funzioni 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 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

Dettagli

EQUAZIONI DIFFERENZIALI Esercizi svolti. y = xy. y(2) = 1.

EQUAZIONI DIFFERENZIALI Esercizi svolti. y = xy. y(2) = 1. EQUAZIONI DIFFERENZIALI Esercizi svolti 1. Determinare la soluzione dell equazione differenziale (x 2 + 1)y + y 2 =. y + x tan y = 2. Risolvere il problema di Cauchy y() = 1 2 π. 3. Risolvere il problema

Dettagli

Prodotto libero di gruppi

Prodotto 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

Dettagli

Appunti di. Algebra Superiore. Rosario Strano

Appunti di. Algebra Superiore. Rosario Strano Appunti di Algebra Superiore Rosario Strano A cura di Giuseppe Bilotta. Dattiloscritti con AMS-L A TEX. Indice Parte I. Teoria di Galois 5 Capitolo I. Estensioni di campi 7 1. Richiami 7 2. Estensioni

Dettagli

Metodi iterativi per sistemi lineari

Metodi iterativi per sistemi lineari Metodi iterativi per sistemi lineari Dario A. Bini, Università di Pisa 30 ottobre 2013 Sommario Questo modulo didattico contiene risultati relativi ai metodi iterativi per risolvere sistemi di equazioni

Dettagli

ESERCIZI SVOLTI. 1) Dimostrare che l insieme. non è ricorsivo. Soluzione: Definiamo l insieme

ESERCIZI SVOLTI. 1) Dimostrare che l insieme. non è ricorsivo. Soluzione: Definiamo l insieme ESERCIZI SVOLTI 1) Dimostrare che l insieme Allora notiamo che π non è vuoto perché la funzione ovunque divergente appartiene all insieme avendo per dominio l insieme. Inoltre π non coincide con l insieme

Dettagli

6. Calcolare le derivate parziali prime e seconde, verificando la validità del teorema di Schwarz:

6. Calcolare le derivate parziali prime e seconde, verificando la validità del teorema di Schwarz: FUNZIONI DI PIU VARIABILI Esercizi svolti. Determinare il dominio delle seguenti funzioni e rappresentarlo graficamente : (a) f log( x y ) (b) f log(x + y ) (c) f y x 4 (d) f sin(x + y ) (e) f log(xy +

Dettagli

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

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

Dettagli