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

Dimensione: px
Iniziare la visualizzazioe della pagina:

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

Transcript

1 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 risiede soprattutto nel fatto che le applicazioni lineari possono essere espresse mediante matrici 2 Definizione di applicazione lineare Siano V e W due spazi vettoriali su R Un applicazione f : V W è detta lineare se soddisfa le seguenti condizioni (a) per ogni u, v V è f(u + v) = f(u) + f(v), (b) per ogni α R e ogni v V è f(αv) = αf(v) Ad esempio, l applicazione f : R n f(x) = y, dove x = x x n, R 2 definita da y = [ x x n ], è lineare Infatti soddisfa (a) e (b) Invece l applicazione definita da f(x) = y, dove x = x x n non è lineare, perché non soddisfa la (a), y = [ x x n ],

2 9 Capitolo 2 Matrici 22 Lo spazio vettoriale delle applicazioni lineari L insieme L delle applicazioni lineari da V a W è uno spazio vettoriale se si definiscono le operazioni di addizione e di moltiplicazione per scalare nel modo seguente (f + g) : V W e (αf) : V W (f + g)(v) = f(v) + g(v), (αf)(v) = αf(v) L elemento O di L risulta l applicazione f tale che f(v) = per ogni v V Se lo spazio W coincide con V, si può considerare anche l applicazione identica i V, cioè quella per cui i V (v) = v per ogni v V Inoltre date due applicazioni lineari f : V W e g : U V, l applicazione composta f g : U W è ancora un applicazione lineare Per definire un applicazione lineare da V a W è sufficiente assegnare i valori che l applicazione assume sui vettori di una base di V Vale infatti il seguente teorema 23 Teorema Siano V e W due spazi vettoriali su R, con dim V = n, e sia {v,, v n } una base di V Fissati n elementi z,, z n di W, esiste ed è unica l applicazione lineare f L tale che z i = f(v i ) per i =,, n () Dim Per ogni v V si può scrivere in modo unico v = n α i v i definisce f(v) = α i z i i= i= Si È facile verificare che l applicazione così definita soddisfa la () e che è lineare L unicità dell applicazione segue dall unicità della rappresentazione di v Ad esempio, l applicazione lineare f : R 2 f(x) = y, dove x = [ x R 2 tale che ] x + x, y = 2, x

3 Capitolo 2 Matrici 2 viene definita sulla base canonica {e, e 2 } di R 2 nel modo seguente f(e ) =, f(e 2 ) = Si ha infatti per ogni x R 2, x = x e + e 2, f(x) = x f(e ) + f(e 2 ) = [ x x ] + [ x2 ] [ x + x = 2 x ] Si noti che non è richiesto che i vettori z,, z n siano linearmente indipendenti (cosa che non sarebbe possibile se fosse dim W < n) e neppure che siano tutti distinti Ad esempio, l applicazione f : R 3 f(x) = y, dove x = x x 3 R 2 tale che [ x + x, y = 2 viene definita sulla base canonica {e, e 2, e 3 } di R 3 nel modo seguente f(e ) =, f(e 2 ) =, f(e 3 ) = Si ha infatti per ogni x R 3, x = x e + e 2 + x 3 e 3, f(x) = x f(e ) + f(e 2 ) + x 3 f(e 3 ) = [ x x 3 ], ] x2 x + x + + = 2 x 3 x 3 L applicazione f : R n f(x) = y, dove x = R 2 tale che x x n, y = [ x x n ], viene definita sulla base canonica {e, e 2,, e n } di R n nel modo seguente f(e i ) =, per i =,, n

4 2 Capitolo 2 Matrici Si ha infatti per ogni x R n, f(x) = x i f(e i ) = i= x = n x i e i, i= [ x + x x i = x n i= ] 24 Matrice associata ad una applicazione lineare Siano {v,, v n } una base di R n e {w,, w m } una base di R m Un applicazione lineare f : R n R m risulta definita, per il teorema 22, dai valori f(v ),, f(v n ) R m, cioè in termini della base di R m dagli scalari a ij, per i =,, m e j =,, n tali che f(v ) = a w + a 2 w a m w m, f(v 2 ) = a 2 w + a 22 w a m2 w m, f(v n ) = a n w + a 2n w a mn w m Questi scalari si possono disporre in forma di tabella con m righe ed n colonne a a 2 a n a A = 2 a 22 a 2n a m a m2 a mn a cui si dà il nome di matrice associata ad f Viceversa, data una matrice A di elementi reali a ij, per i =,, m e j =,, n, risulta definita l applicazione lineare (2) Si stabilisce quindi una corrispondenza biunivoca tra l insieme L delle applicazioni lineari da R n a R m e l insieme R m n delle matrici ad elementi reali con m righe ed n colonne Ad esempio, consideriamo l applicazione f : R 3 R 2 definita sulla base canonica {e, e 2, e 3 } di R 3 da 2 f(e ) =, f(e 2 ) =, f(e 3 ) = 3 Se anche in R 2 si sceglie la base canonica, che chiameremo {ɛ, ɛ 2 } per distinguerla da quella di R 3, risulta f(e ) = ɛ + ɛ 2, f(e 2 ) = 2ɛ ɛ 2, f(e 3 ) = 3ɛ 2, e la matrice associata ad f è A = 2 3 (2)

5 25 Prodotto di matrice per vettore Capitolo 2 Matrici 22 Dato un vettore v di R n, si esprimono v e f(v) in termini delle basi di R n e R m : m v = x j v j e f(v) = y i w i j= Vogliamo trovare la relazione fra i coefficienti x j e i coefficienti y i Si ha, per linearità i= f(v) = x j f(v j ) = x j m j= j= i= a ij w i = m ( n a ij x j )w i, i= j= da cui y i = a ij x j per i =,, m (3) j= Questa relazione si può esprimere in termini della matrice A e dei due vettori x R n e y R m, le cui componenti sono rispettivamente gli x j e gli y i, mediante un operazione definita su R m n R n, a valori in R m, che viene indicata con y = Ax (4) e detta prodotto di matrice per vettore Graficamente si ha y i = a i a i2 a in x x n 26 Lo spazio vettoriale R m n Dalle proprietà di linearità segue in modo naturale che se A e B sono due matrici associate alle applicazioni lineari f e g rispettivamente, all applicazione f + g è associata la matrice C = A + B, i cui elementi sono c ij = a ij + b ij, e all applicazione αf, con α scalare, è associata la matrice C = αa, i cui elementi sono c ij = αa ij

6 23 Capitolo 2 Matrici Su R m n si sono così definite le operazioni di addizione e di moltiplicazione per scalare, ed è facile verificare che R m n è uno spazio vettoriale su R, in cui l elemento neutro è la matrice O con tutti gli elementi nulli 27 Alcune definizioni Sia A R m n (i numeri m e n indicano le dimensioni di A) Se m = n la matrice è detta quadrata (in tal caso m è l ordine di A) Gli elementi a ij tali che i = j vengono detti elementi diagonali o principali di A e formano la diagonale principale di A Una matrice quadrata è diagonale se a ij = per i j; scalare se è diagonale e a ii = α R; triangolare superiore (inferiore) se a ij = per i > j (per i < j ); triangolare superiore (inferiore) in senso stretto se a ij = per i j (per i j ); tridiagonale se a ij = per i j > Una particolare matrice diagonale è la matrice identica I I = È facile verificare che la matrice I di ordine n è associata all applicazione identica da R n a R n, se si sceglie la stessa base sui due spazi Una matrice B ottenuta da A eliminando un certo numero di righe e colonne è detta sottomatrice di A Per esempio dalla matrice A = si può ottenere la sottomatrice di ordine

7 Capitolo 2 Matrici Prodotto di matrici Oltre all applicazione f : R n R m consideriamo anche un applicazione g : R p R n, dove in R p si fissa la base {u,, u p } All applicazione f è associata la matrice A R m n, all applicazione g è associata la matrice B R n p Vogliamo determinare la matrice C R m p associata alla applicazione composta f g : R p R m Esprimendo g(u j ), per j =,, p in termini della base di R n, si ha g(u j ) = b kj v k, k= quindi per la linearità della f e per la (2) f(g(u j )) = b kj f(v k ) = b kj m k= k= i= a ik w i = m ( n a ik b kj )w i i= k= Gli elementi c ij della matrice C risultano quindi c ij = a ik b kj, per i =,, m, j =,, p (5) k= La (5) definisce un operazione da R m n R n p in R m p, indicata con C = A B (6) e detta prodotto di matrici Il prodotto (6) si chiama anche prodotto riga per colonna perché il generico elemento di C risulta per la (5) uguale al prodotto scalare tra la i-esima riga di A e la j-esima colonna di B Graficamente si ha c ij = a i a i2 a in b j b 2j È evidente che è possibile moltiplicare due matrici A e B solo se il numero delle colonne di A è uguale al numero delle righe di B A parte questo, A potrebbe anche avere una sola riga e quindi coincidere con un vettore x T o B una sola colonna e quindi coincidere con un vettore x, come nel caso del prodotto (4) di matrice per vettore b nj

8 25 Capitolo 2 Matrici risulta Per esempio, dati i due vettori x y T = x = [, 2, ] T, e y = [2,, 3] T, 2 [ 2 3 ] = Attenzione a non confondere questo prodotto con il prodotto scalare fra vettori, che dà come risultato lo scalare x T y = 7 L elemento neutro rispetto alla moltiplicazione è la matrice identica I, associata all applicazione identica i R n 29 Il prodotto di matrici non è commutativo Nel caso m = p, è definita anche l applicazione g f a cui è associata la matrice BA In generale è f g g f e quindi AB BA, cioè il prodotto di matrici non è commutativo Ad esempio, fissiamo in R 3 la base canonica {e, e 2, e 3 } e consideriamo le due applicazioni f, g : R 3 R 3 definite da f(e ) = e 2, f(e 2 ) = e 3, f(e 3 ) = e, g(e ) = e + e 2, g(e 2 ) =, g(e 3 ) = e 3 Le due matrici associate a f e g sono A =, B = Alla applicazione f g è associata la matrice AB =, mentre alla applicazione g f è associata la matrice BA =

9 2 Matrice inversa Capitolo 2 Matrici 26 Un applicazione lineare f : R n R n si dice invertibile se esiste un altra applicazione g : R n R n tale che le due applicazioni composte g f e f g sono uguali all applicazione identica, g f = f g = i R n g è detta applicazione inversa di f e si indica con f Sia A R n n la matrice associata ad f Se f è invertibile, si dice che A è invertibile e la matrice associata ad f è detta matrice inversa di A e si indica con A Dalla definizione risulta AA = A A = I Ad esempio, consideriamo l applicazione f : R 2 base canonica da f(e ) = 2e e 2, f(e 2 ) = 2e 2 R 2 definita sulla La matrice associata è 2 A = (7) 2 È facile verificare che A 2 = 4A 4I, da cui si ricava che A 4 A2 = I, cioè A ( I 4 A) = ( I 4 A) A = I Ne segue che A = I /2 4 A = (8) /4 /2 Quindi l applicazione f è invertibile e l applicazione inversa f è definita da f (e ) = 2 e 4 e 2, f (e 2 ) = 2 e 2 Nel seguito si vedrà come il calcolo dell inversa di una matrice, quando esiste, possa essere affrontato con procedimenti di carattere generale Consideriamo le due applicazioni f, g : R n R n e le corrispondenti matrici associate A e B R n n Se f e g sono invertibili, anche l applicazione h = f g è invertibile e risulta h = g f, come è facile verificare Da questo segue che (AB) = B A

10 27 Capitolo 2 Matrici 2 Matrice trasposta È spesso utile, come vedremo più avanti, considerare una matrice come un insieme di vettori colonna affiancati; vi sono però molte proprietà che valgono anche quando alle colonne si sostituiscono le righe della matrice In questi casi è utile sfruttare la notazione di trasposizione già introdotta per i vettori Se A R m n, la matrice trasposta è la matrice A T ottiene scrivendo le righe come colonne Ad esempio 2 3 A =, A T = È facile dimostrare che valgono le proprietà di R n m che si (A T ) T = A, (A + B) T = A T + B T, (A B) T = B T A T, (A T ) = (A ) T 22 Immagine, nucleo e rango di una matrice Sia A R m n Si definisce immagine di A l insieme S(A) = {y R m : y = Ax per qualche x R n } e nucleo di A l insieme N(A) = {x R n : Ax = } È facile dimostrare che S(A) è un sottospazio di R m e N(A) è un sottospazio di R n Si definisce rango di A il numero 23 Teorema rk(a) = dim S(A) Sia A R m n rk(a) è uguale al numero delle colonne linearmente indipendenti di A Dim Sia {e,, e n } la base canonica di R n e sia c il numero delle colonne linearmente indipendenti di A Per i =,, n sia a i = Ae i la i-esima colonna di A Poiché a i S(A), è c dim S(A) Consideriamo poi un qualsiasi y S(A), quindi esiste x R n tale che y = Ax e si ha x = x i e i, i= y = A x i e i = i= x i Ae i = i= x i a i i=

11 Capitolo 2 Matrici 28 Quindi y può essere espresso come combinazione delle colonne di A, delle quali c sono linearmente indipendenti, cioè ogni y S(A) risulta combinazione lineare delle c colonne linearmente indipendenti di A Ad esempio, consideriamo la matrice (detta diade) di R n n A = x y T, dove x, y R n, x, y A ha rango Infatti le colonne di A sono i vettori y x, y 2 x,, y n x, che sono a due a due linearmente dipendenti 24 Teorema Sia A R m n Allora dim S(A) + dim N(A) = n Dim Se fosse dim S(A) =, sarebbe S(A) = {} e quindi N(A) = R n e dim N(A) = n Consideriamo allora il caso che dim S(A) = r > e sia {y,, y r } una base di S(A) Siano v,, v r R n tali che Av i = y i per i =,, r Distinguiamo due casi: a) Se N(A) {}, esiste una base {u,, u s } di N(A) con s I vettori v,, v r, u,, u s di R n sono linearmente indipendenti Sia infatti z = r s α i v i + β i u i = i= i= una loro combinazione nulla, risulta ( r s ) = A α i v i + β i u i = i= i= r s α i Av i + β i Au i = i= i= r α i y i, i= da cui segue che α i = per i =,, r perché gli y i per i =,, r formano una base Resta che z = s β i u i =, i= ma anche qui risulta β i = per i =,, s perché gli u i per i =,, s formano una base Ne segue che r + s n Vediamo adesso che i vettori

12 29 Capitolo 2 Matrici v,, v r, u,, u s formano una base di R n Per ogni v R n è Av S(A), per cui esistono γ,, γ r tali che Av = r γ i y i = i= r r γ i Av i = A γ i v i, i= i= da cui ( A v r ) γ i v i = i= Quindi v r γ i v i N(A) ed esistono δ,, δ s tali che i= r v γ i v i = i= s δ i u i, cioè v = i= r s γ i v i + δ i u i i= i= Perciò n = r + s b) Se N(A) = {}, cioè dim(n(a)) =, si segue lo stesso procedimento del caso a) tralasciando i vettori u,, u s Si dimostra quindi che ogni v R n è combinazione lineare di v,, v r e quindi che {v,, v r } è una base di R n e che n = r Se si applica il teorema 24 alla matrice trasposta A T R n m si ricava la relazione dim S(A T ) + dim N(A T ) = m (9) Consideriamo ad esempio A = Dal teorema 23, per determinare dim S(A) = rk(a) basta calcolare quante sono le colonne linearmente indipendenti di A applicando al sistema lineare Ax = il procedimento di riduzione a forma a scalini anticipato nell esercizio 5 del Capitolo, e che verrà descritto più adeguatamente nel seguito Si ottengono dal sistema iniziale x + + x 3 + x 4 = x + x 3 x 4 = x + x 3 =

13 Capitolo 2 Matrici 3 i sistemi e x + + x 3 + x 4 = 2 2x 4 = x 4 = x + + x 3 + x 4 = 2 2x 4 = = da cui risulta rk(a) = 2, poiché 2 sono le equazioni del sistema finale con coefficienti non tutti nulli Dal teorema 24 si ha immediatamente dim N(A) = 4 dim S(A) = 2 In modo analogo si verifica che dim S(A T ) = 2 e, dalla (9), dim N(A T ) = 25 Teorema S(A) = N(A T ) Dim Sia x N(A T ), quindi A T x = Per ogni y S(A) è y = Az per qualche z R n, e quindi x T y = x T (Az) = (x T A)z = (A T x) T z = z T (A T x) = Quindi x risulta ortogonale a tutti gli y S(A), per cui x S(A) Ne segue che N(A T ) S(A) () Viceversa, sia x S(A) Allora x T (Az) = per ogni z R n Ma x T (Az) = (A T x) T z = per ogni z R n, cioè A T x (R n ) = {}, quindi x N(A T ) Ne segue che Da () e () segue la tesi S(A) N(A T ) () Poiché S(A) e N(A T ) sono entrambi sottospazi di R m, dal teorema 6 segue che S(A) N(A T ) = R m, da cui dim S(A) + dim N(A T ) = m (2) Dal confronto fra la (9) e la (2) si ricava che dim S(A) = dim S(A T ) (3)

14 3 Capitolo 2 Matrici Per il teorema 23 dim S(A) dà il numero delle colonne linearmente indipendenti di A e dim S(A T ) dà il numero delle colonne linearmente indipendenti di A T, cioè delle righe linearmente indipendenti di A Dalla (3) segue che in una matrice il numero delle colonne linearmente indipendenti, e quindi il rango, coincide con il numero delle righe linearmente indipendenti 26 Teorema Una matrice A R n n è invertibile se e solo se N(A) = {} Dim Sia N(A) = {} Dal teorema 24 segue che dim S(A) = n, quindi S(A) = R n e per ogni y R n esiste x R n tale che Ax = y Verifichiamo che x è unico Se esistesse x x tale che y = Ax, sarebbe A(x x) =, quindi x x N(A), cioè x x = Si può allora definire un applicazione g : R n R n tale che g(y) = x; è facile verificare che g è lineare Sia B R n n la matrice associata a g Risulta By = x, quindi y = Ax = ABy e x = By = BAx per ogni x, y R n Perciò AB = BA = I e B = A Viceversa, supponiamo che A esista Per ogni x N(A) è Ax =, da cui segue che x = A Ax = A = e quindi la tesi Dai teoremi 24 e 26 segue che una matrice A è invertibile se e solo se rk(a) = n, cioè se e solo se A ha n righe (e colonne) linearmente indipendenti 27 Cambiamento di base Date due basi diverse {v,, v n } e {v,, v n} di R n, si chiama matrice del cambiamento di base la matrice P associata all applicazione identica i R n : R n R n, dove su R n come spazio di definizione si considera la base {v,, v n} e su R n come spazio di arrivo si considera la base {v,, v n } Gli elementi p ij di P sono tali che v i = i R n(v i) = p ji v j, i =,, n j= Se le due basi coincidono, cioè v i = v i per i =,, n, risulta P = I Ad esempio, consideriamo in R 3 le due basi {v, v 2, v 3 } e {v, v 2, v 3}, dove v =, v 2 =, v 3 =, (4)

15 v =, v 2 = Poiché, come è facile verificare, è, v 3 = Capitolo 2 Matrici 32 3 (5) v = v v 2, v 2 = v 2 v 3, v 3 = 2v + v 2 2v 3, la matrice del cambiamento di base è P = 2 (6) 2 La matrice associata ad una applicazione f : R n R m dipende dalle basi scelte in R n e R m Sia A la matrice associata all applicazione f quando in R n si considera la base {v,, v n } e in R m si considera la base {w,, w m } Vogliamo adesso vedere come cambia la matrice associata all applicazione quando si cambiano la base di R n in {v,, v n} e la base di R m in {w,, w m} Siano P la matrice del cambiamento di base in R n, associata a i R n, e Q la matrice del cambiamento di base in R m, associata a i R m Poiché f(v) = f(i R n(v)) = i R m (f(i R n(v))) = (i R m f i R n)(v), per la (6) la matrice B associata all applicazione f quando in R n si considera la base {v,, v n} e in R m si considera la base {w,, w m} è così legata alla matrice A B = Q AP, ovvero A = QBP (7) Se n = m e v i = w i e v i = w i per i =,, n, allora P = Q e B = P AP, ovvero A = P BP (8) Ad esempio, consideriamo l applicazione f : R 3 R 2 definita sulla base {v, v 2, v 3 } di R 3 data in (4) nel modo seguente f(v ) =, f(v 2 ) = Se in R 2 fissiamo la base canonica [ w =, f(v 3 ) = ], w 2 =,

16 33 Capitolo 2 Matrici è f(v ) = w, f(v 2 ) = w + w 2, f(v 3 ) = w 2, e la matrice associata ad f risulta A = Cambiamo adesso le basi In R 3 scegliamo la base {v, v 2, v 3} data in () e R 2 la base {w, w 2}, dove w = 2w w 2 = 2, w 2 = 2w 2 = 2 Le matrici dei cambiamenti di base sono per R 3 la P data in () e per R 2 Q = [ 2 ] 2 (Q è la stessa matrice chiamata A in (7)) Rispetto alle nuove basi all applicazione f risulta associata la matrice B = Q AP e per la (8) è B = [ /2 /4 /2 ] 2 = 2 /2 3/2 /2 /4 /4 Quindi sulle nuove basi l applicazione f è definita da f(v ) = 2 w 2, f(v 2) = 2 w + 4 w 2, f(v 3) = 3 2 w + 4 w 2

17 Capitolo 2 Matrici Esercizi Siano V e W due spazi vettoriali Verificare che l insieme L delle applicazioni lineari da V a W è uno spazio vettoriale rispetto alle usuali operazioni di addizione di applicazioni e di moltiplicazione per scalare 2 Dire se le seguenti applicazioni da R n a R m sono lineari e, in caso affermativo, definire l applicazione sui vettori della base canonica di R n e scrivere la matrice associata: ( ) x a) per n = 2 e m = 2 f, x + =, + ( [ ] ) x b) per n = 2 e m = 3 f, = x, ( [ ] ) x c) per n = 2 e m = 3 f, = x, d) per n = 3 e m = 2 f ( x, x 3 ) [ x + x = 3 2 ] 3 Dare agli elementi della matrice a b c d dei valori numerici reali e scrivere l applicazione lineare a cui è associata la matrice A rispetto alla base canonica o rispetto ad altre basi 4 Dare una interpretazione geometrica dell applicazione lineare a cui è associata la matrice cos θ sin θ A =, sin θ cos θ per θ R 5 Verificare che l insieme di R m n delle matrici aventi m righe e n colonne è uno spazio vettoriale rispetto alle usuali operazioni di addizione di matrici e di moltiplicazione per scalare 6 Un sottoinsieme di R n n si dice chiuso rispetto all operazione di moltiplicazione, se date due matrici A e B appartenenti al sottoinsieme, anche il prodotto A B appartiene al sottoinsieme Dire quali

18 35 Capitolo 2 Matrici dei seguenti sottoinsiemi di R n n sono chiusi rispetto all operazione di moltiplicazione: a) b) c) d) matrici scalari, matrici triangolari superiori (inferiori), matrici triangolari superiori (inferiori) in senso stretto matrici tridiagonali 7 Calcolare i prodotti AB e BA nei seguenti casi: 2 2 a) A =, B =, b) A =, B =, c) A =, B = Costruire due matrici A e B R 2 2 tali che AB BA A T B AB T A T B T B T A T 9 Data costruire A n per n A =, Si dice che due matrici A e B commutano se AB = BA a) Costruire due matrici A e B di ordine 2 che commutano; b) dimostrare che le matrici diagonali commutano; c) dimostrare che la relazione (A + B) (A B) = A 2 B 2 vale se e solo se A e B commutano; d) dimostrare che per ogni A le due matrici B = A i e C = A j, i, j interi positivi, commutano; e) verificare che le sole matrici di R n n che commutano con ogni matrice di R n n sono le matrici scalari Verificare che se A e B commutano, anche A T e B T commutano e A e B, se esistono, commutano

19 2 Capitolo 2 Matrici 36 Dire se i seguenti sottoinsiemi di R n n sono sottospazi vettoriali: a) matrici tali che A 2 = A, b) matrici che commutano con una matrice quadrata T, c) matrici tridiagonali 2 3 Sia A = Calcolare A e determinare due scalari α e β tali che αa 2 + βa = I Da questa relazione ricavare A 4 Verificare che valgono le proprietà (A T ) T = A, (A + B) T = A T + B T, (AB) T = B T A T, (A T ) = (A ) T 5 Sia A R m n Verificare che S(A) è un sottospazio di R n e che N(A) è un sottospazio di R m 6 Siano A R n n e x R n Considerare la successione di vettori 7 x i = Ax i, i = 2, 3, Se per un k è x k e x k+ =, allora i vettori x,,, x k sono linearmente indipendenti (Traccia: considerare k i= A Risulta che α i = per i =,, k) α i x i = e moltiplicare per A k, A k 2,, Siano A e B R n n Dimostrare le seguenti relazioni: a) rk(a + B) rka + rkb; b) rka + rkb n rk(ab) min {rka, rkb} (Traccia: b) per la prima disuguaglianza, notare che dim N(AB) dim N(A) + dim N(B) e sfruttare il teorema 24, per la seconda, notare che le colonne (risp le righe) di AB sono combinazioni lineari delle colonne di A (risp delle righe di B)) 8 Sia A R n n Verificare che N(A T A) = N(A), S(A T A) = S(A T ) (Traccia: se Ax =, allora A T Ax = e quindi N(A) N(A T A); viceversa se A T Ax = e per assurdo Ax, il vettore y = Ax è

20 37 Capitolo 2 Matrici tale che y, y S(A) e y N(A T ), ma ciò non è possibile perché N(A T ) = S(A) La seconda relazione deriva dalla prima tenendo conto che N(A) = S(A T ) ) 9 Siano x, y, u, v R n Determinare nucleo e rango delle due matrici A = xy T, B = xy T + uv T 2 In R 3 si considerano le basi {e, e 2, e 3 } e {u, u 2, u 3 }, dove u = [,, ] T, u 2 = [,, ] T, u 3 = [,, ] T a) Scrivere la matrice P che fa passare dalla prima alla seconda base e la matrice Q che fa passare dalla seconda alla prima b) Verificare che P = Q c) Sia A = 2 2 la matrice associata all applicazione f : R 3 R 3 quando la base considerata in R 3 è quella canonica Scrivere la matrice B associata alla stessa applicazione quando la base di R 3 viene cambiata nella {u, u 2, u 3 } 2 Data una matrice A reale quadrata di dimensione 2 e un vettore x R 2 si consideri lo scalare α = x T Ax Verificare che esistono matrici non nulle A tali che α = per ogni scelta di x 22 Assegnato un vettore v = [v, v 2 ] T R 2, si consideri l applicazione f : R 2 R 2 così definita: f(x) = vx T v Dire se f è un applicazione lineare, e in tal caso determinare la matrice ad essa associata se su R 2 si sceglie la base canonica 23 Si consideri l applicazione f : R 4 R 4 così definita: x + + 2x 3 + 2x 4 x + 2x 3 + x 4 f(x) = x + + 2x 3 + 2x 4 x + x 3 per ogni x = [x x 3 x 4 ] T R 4 Si dica se f è lineare e, in tal caso, si determini la matrice ad essa associata quando in R 4 si considera la base canonica Infine si determini la dimensione dell immagine di f,

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

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

RICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come

RICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come RICHIAMI SULLE MATRICI Una matrice di m righe e n colonne è rappresentata come A = a 11 a 12... a 1n a 21 a 22... a 2n............ a m1 a m2... a mn dove m ed n sono le dimensioni di A. La matrice A può

Dettagli

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

(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

Matematica B - a.a 2006/07 p. 1

Matematica B - a.a 2006/07 p. 1 Matematica B - a.a 2006/07 p. 1 Definizione 1. Un sistema lineare di m equazioni in n incognite, in forma normale, è del tipo a 11 x 1 + + a 1n x n = b 1 a 21 x 1 + + a 2n x n = b 2 (1) = a m1 x 1 + +

Dettagli

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

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

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

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

Dettagli

GEOMETRIA I Corso di Geometria I (seconda parte)

GEOMETRIA I Corso di Geometria I (seconda parte) Corso di Geometria I (seconda parte) anno acc. 2009/2010 Cambiamento del sistema di riferimento in E 3 Consideriamo in E 3 due sistemi di riferimento ortonormali R e R, ed un punto P (x, y, z) in R. Lo

Dettagli

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

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

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

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

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

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

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

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

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

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

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

AL. Algebra vettoriale e matriciale

AL. Algebra vettoriale e matriciale PPENDICI L. lgebra vettoriale e matriciale Vettori Somma di vettori: struttura di gruppo Come abbiamo richiamato nell introduzione vi sono delle grandezze fisiche caratterizzabili come vettori, cioè tali

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

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

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

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

Metodi diretti per la soluzione di sistemi lineari

Metodi diretti per la soluzione di sistemi lineari Metodi diretti per la soluzione di sistemi lineari N Del Buono 1 Introduzione Consideriamo un sistema di n equazioni in n incognite a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1, a 21 x 1 + a 22 x

Dettagli

Applicazioni lineari

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

Dettagli

Insiemi con un operazione

Insiemi con un operazione Capitolo 3 Insiemi con un operazione 3.1 Gruppoidi, semigruppi, monoidi Definizione 309 Un operazione binaria su un insieme G è una funzione: f : G G G Quindi, un operazione binaria f su un insieme G è

Dettagli

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

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

Dettagli

15 febbraio 2010 - Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a. 2009-2010 COGNOME... NOME... N. MATRICOLA...

15 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

Dettagli

Corso di Analisi Numerica - AN1. Parte 2: metodi diretti per sistemi lineari. Roberto Ferretti

Corso di Analisi Numerica - AN1. Parte 2: metodi diretti per sistemi lineari. Roberto Ferretti Corso di Analisi Numerica - AN1 Parte 2: metodi diretti per sistemi lineari Roberto Ferretti Richiami sulle norme e sui sistemi lineari Il Metodo di Eliminazione di Gauss Il Metodo di Eliminazione con

Dettagli

Corso di Analisi Numerica

Corso di Analisi Numerica Corso di Laurea in Ingegneria Informatica Corso di Analisi Numerica 8 - METODI ITERATIVI PER I SISTEMI LINEARI Lucio Demeio Dipartimento di Scienze Matematiche 1 Norme e distanze 2 3 4 Norme e distanze

Dettagli

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

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

Dettagli

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

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

Lezione 6 Nucleo, Immagine e Teorema della Dimensione. 1 Definizione di Nucleo e Immagine Lezione 6 Nucleo, Immagine e Teorema della Dimensione In questa lezione entriamo nel vivo della teoria delle applicazioni lineari. Per una applicazione lineare L : V W definiamo e impariamo a calcolare

Dettagli

x (x i ) (x 1, x 2, x 3 ) dx 1 + f x 2 dx 2 + f x 3 dx i x i

x (x i ) (x 1, x 2, x 3 ) dx 1 + f x 2 dx 2 + f x 3 dx i x i NA. Operatore nabla Consideriamo una funzione scalare: f : A R, A R 3 differenziabile, di classe C (2) almeno. Il valore di questa funzione dipende dalle tre variabili: Il suo differenziale si scrive allora:

Dettagli

Federico Lastaria. Analisi e Geometria 2. Matrici simmetriche. Il teorema spettrale. 1/24

Federico Lastaria. Analisi e Geometria 2. Matrici simmetriche. Il teorema spettrale. 1/24 Contenuto Endomorfismi auto-aggiunti. Matrici simmetriche. Il teorema spettrale Gli autovalori di una matrice simmetrica sono tutti reali. (Dimostrazione fatta usando i numeri complessi). Dimostrazione

Dettagli

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU 9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A LU 9.1 Il metodo di Gauss Come si è visto nella sezione 3.3, per la risoluzione di un sistema lineare si può considerare al posto

Dettagli

Autovalori e Autovettori

Autovalori e Autovettori Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2008-2009 Autovalori e Autovettori Definizione Siano A C nxn, λ C, e x C n, x 0, tali che Ax = λx. (1) Allora

Dettagli

I polinomi 1; x;x 2 ;x 3 sono linearmente indipendenti; infatti. 0= 1 1+ 2 x+ 3 x 2 + 4 x 3 =) 1 = 2 == 4 =0

I polinomi 1; x;x 2 ;x 3 sono linearmente indipendenti; infatti. 0= 1 1+ 2 x+ 3 x 2 + 4 x 3 =) 1 = 2 == 4 =0 ASPETTI TEORICI Spazio vettoriale Un insieme qualunque di inniti elementi V = fv i g si dice uno spazio vettoriale sull'insieme dei numeri reali R se: { E possibile denire un'operazione binaria fra gli

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

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

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

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

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

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

Equazioni alle differenze finite (cenni).

Equazioni alle differenze finite (cenni). AL 011. Equazioni alle differenze finite (cenni). Sia a n } n IN una successione di numeri reali. (Qui usiamo la convenzione IN = 0, 1,,...}). Diremo che è una successione ricorsiva o definita per ricorrenza

Dettagli

Esercizi di Algebra Lineare. Claretta Carrara

Esercizi di Algebra Lineare. Claretta Carrara Esercizi di Algebra Lineare Claretta Carrara Indice Capitolo 1. Operazioni tra matrici e n-uple 1 1. Soluzioni 3 Capitolo. Rette e piani 15 1. Suggerimenti 19. Soluzioni 1 Capitolo 3. Gruppi, spazi e

Dettagli

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

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

Equazione del calore e funzioni trigonometriche.

Equazione del calore e funzioni trigonometriche. CAPITOLO 1 Equazione del calore e funzioni trigonometriche. 1.1. Spazi vettoriali trigonometrici Il concetto di spazio vettoriale euclideo dovrebbe essere familiare al lettore di queste note. Per comodità

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

Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti.

Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Def. Si dice equazione differenziale lineare del secondo ordine

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

Lezione 6. Divisibilità e divisori. Teorema di divisione euclidea. Algoritmo delle divisioni successive.

Lezione 6. Divisibilità e divisori. Teorema di divisione euclidea. Algoritmo delle divisioni successive. Lezione 6 Prerequisiti: L'insieme dei numeri interi. Lezione 5. Divisibilità e divisori. Teorema di divisione euclidea. Algoritmo delle divisioni successive. Questa è la prima lezione dedicata all'anello

Dettagli

Funzioni in più variabili

Funzioni in più variabili Funzioni in più variabili Corso di Analisi 1 di Andrea Centomo 27 gennaio 2011 Indichiamo con R n, n 1, l insieme delle n-uple ordinate di numeri reali R n4{(x 1, x 2,,x n ), x i R, i =1,,n}. Dato X R

Dettagli

SISTEMI LINEARI QUADRATI: METODI ITERATIVI

SISTEMI LINEARI QUADRATI: METODI ITERATIVI SISTEMI LINEARI QUADRATI: METODI ITERATIVI CALCOLO NUMERICO e PROGRAMMAZIONE SISTEMI LINEARI QUADRATI:METODI ITERATIVI p./54 RICHIAMI di ALGEBRA LINEARE DEFINIZIONI A R n n simmetrica se A = A T ; A C

Dettagli

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

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

Dettagli

Analisi 2. Argomenti. Raffaele D. Facendola

Analisi 2. Argomenti. Raffaele D. Facendola Analisi 2 Argomenti Successioni di funzioni Definizione Convergenza puntuale Proprietà della convergenza puntuale Convergenza uniforme Continuità e limitatezza Teorema della continuità del limite Teorema

Dettagli

Ricerca Operativa 2. Introduzione al metodo del Simplesso

Ricerca Operativa 2. Introduzione al metodo del Simplesso Ricerca Operativa 2. Introduzione al metodo del Simplesso Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema di ottimizzazione vincolata è definito dalla massimizzazione

Dettagli

Le matrici. Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1.

Le matrici. Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1. Le matrici Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1. Siano m, n N\{0}. Una matrice m n a coefficienti in K è una tabella di m n elementi di K disposti

Dettagli

Rette e piani con le matrici e i determinanti

Rette 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.

Dettagli

09 - Funzioni reali di due variabili reali

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

Dettagli

4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale

4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale 4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale Spazi Metrici Ricordiamo che uno spazio metrico è una coppia (X, d) dove X è un insieme e d : X X [0, + [ è una funzione, detta metrica,

Dettagli

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

Corso di Laurea in Matematica. Dispense del corso di ALGEBRA II

Corso di Laurea in Matematica. Dispense del corso di ALGEBRA II Corso di Laurea in Matematica Dispense del corso di ALGEBRA II a.a. 2012 2013 2 Indice I GRUPPI 5 1 Operazioni 7 1.1 Operazioni associative............................ 7 1.2 Matrici.....................................

Dettagli

Prova parziale di Geometria e Topologia I - 5 mag 2008 (U1-03, 13:30 16:30) 1/8. Cognome:... Nome:... Matricola:...

Prova parziale di Geometria e Topologia I - 5 mag 2008 (U1-03, 13:30 16:30) 1/8. Cognome:... Nome:... Matricola:... Prova parziale di Geometria e Topologia I - 5 mag 2008 (U1-03, 13:30 16:30) 1/8 Cognome:................ Nome:................ Matricola:................ (Dare una dimostrazione esauriente di tutte le

Dettagli

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

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

Dettagli

RETTE, PIANI, SFERE, CIRCONFERENZE

RETTE, 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,

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

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

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

Fondamenti di Automatica

Fondamenti di Automatica Fondamenti di Automatica Analisi dei sistemi dinamici Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 0532 974839 E-mail: marcello.bonfe@unife.it pag. 1 Analisi dei

Dettagli

4. Proiezioni del piano e dello spazio

4. Proiezioni del piano e dello spazio 4. Proiezioni del piano e dello spazio La visualizzazione di oggetti tridimensionali richiede di ottenere una vista piana dell'oggetto. Questo avviene mediante una sequenza di operazioni. Innanzitutto,

Dettagli

Ottimizazione vincolata

Ottimizazione 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

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

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

PARTE TERZA. STATISTICA DESCRITTIVA MULTIDIMENSIONALE (Analisi delle Relazioni)

PARTE TERZA. STATISTICA DESCRITTIVA MULTIDIMENSIONALE (Analisi delle Relazioni) PARTE TERZA STATISTICA DESCRITTIVA MULTIDIMESIOALE (Analisi delle Relazioni) La notazione matriciale 3 III.. LA OTAZIOE MATRICIALE III... L analisi statistica dei fenomeni multivariati L intrinseca complessità

Dettagli

Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Lezione n 4

Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Lezione n 4 Lezioni di Ricerca Operativa Lezione n 4 - Problemi di Programmazione Matematica - Problemi Lineari e Problemi Lineari Interi - Forma Canonica. Forma Standard Corso di Laurea in Informatica Università

Dettagli

u 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k

u 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure

Dettagli

1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc.

1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc. Classi Numeriche 1 1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc. In questo breve capitolo richiamiamo le definizioni delle classi numeriche fondamentali, già note al lettore,

Dettagli