LEZIONE 11. s V : V V V (v 1, v 2 ) v 1 + v 2 = s V (v 1, v 2 ), p V : k V V. per cui valgono:
|
|
- Raffaella Gentili
- 6 anni fa
- Visualizzazioni
Transcript
1 LEZIONE Spazi vettoriali ed esempi. La nozione di spazio vettoriale generalizza quanto visto nelle lezioni precedenti: l insieme k m,n delle matrici m n a coefficienti in k = R, C, l insieme V 2 (O) dei vettori geometrici del piano e quello V 3 (O) dei vettori geometrici dello spazio, applicati in un punto O. Definizione Uno spazio vettoriale su k = R, C è un insieme non vuoto V munito di due applicazioni s V : V V V (v 1, v 2 ) v 1 + v 2 = s V (v 1, v 2 ), per cui valgono: p V : k V V (α, v) αv = p V (α, v), (S1) per ogni v 1, v 2 V si ha v 1 + v 2 = v 2 + v 1 (la somma è commutativa); (S2) per ogni v 1, v 2, v 3 V si ha v 1 + (v 2 + v 3 ) = (v 1 + v 2 ) + v 3 (la somma è associativa); (S3) esiste l elemento neutro per la somma, cioè un elemento 0 V V tale che 0 V + v = v, per ogni v V ; (S4) per ogni v V esiste un elemento opposto di v, cioè w V tale che v + w = 0 V ; (P1) per ogni v V si ha 1v = v; (P2) per ogni α 1, α 2 k e v V si ha α 1 (α 2 v) = (α 1 α 2 )v; (SP1) per ogni α 1, α 2 k e v V si ha (α 1 + α 2 )v = α 1 v + α 2 v; (SP2) per ogni α k e v 1, v 2 V si ha α(v 1 + v 2 ) = αv 1 + αv 2. Gli elementi di V vengono detti vettori, quelli di k scalari. Osservazione Di elementi neutri rispetto alla somma ne esiste uno solo. Infatti se 0 V fosse un altro elemento neutro avremmo da (S3) le due relazioni 0 V + 0 V = 0 V ed 0 V + 0 V = 0 V : poiché la somma è commutativa da (S1) segue che 0 V = 0 V. In uno spazio vettoriale vale la legge di annullamento del prodotto, cioè 1 Typeset by AMS-TEX
2 SPAZI VETTORIALI ED ESEMPI Proposizione Sia V uno spazio vettoriale su k = R, C e siano α k, v V. Allora αv = 0 V se e solo se è soddisfatta almeno una delle condizioni α = 0, v = 0 V. Dimostrazione. Se α = 0 allora = 0: moltiplicando ambo i membri per v e sfruttando (SP2) si ha 0v + 0v = 0v. Sia w V tale che 0v + w = 0 V (ne esiste almeno uno da (S4)). Allora 0v = 0v + (0v + w) = (0v + 0v) + w = 0v + w = 0 V. Similmente si procede per dimostrare che α0 V αv = 0 V. Se α 0 allora Ciò conclude la dimostrazione v = 1v = (α 1 α)v = α 1 (αv) = α 1 0 V = 0 V. Passiamo a studiare l unicità dell opposto = 0 V. Viceversa supponiamo che Osservazione L elemento w indicato in (S4) è unico e coincide con ( 1)v. Infatti dalla relazione 0 = 1 + ( 1) abbiamo che 0 V = 0v = (1 + ( 1))v = v + ( 1)v, cioè ( 1)v è un opposto di v. Se w fosse un altro elemento con la stessa proprietà, da (S4) seguirebbe v + w = 0 V = v + ( 1)v dunque w = w + 0 V = w + (v + ( 1)v) = (w + v) + ( 1)v = 0 V + ( 1)v = ( 1)v. D ora innanzi indicheremo l unico opposto di v V con il simbolo v. Gli scalari entrano in gioco nel momento in cui si introduce il prodotto per scalari. Per esempio osserviamo che R è spazio vettoriale su R con le operazioni di somma e prodotto che in esso sono definite. In modo simile C è uno spazio vettoriale su C. Notiamo però che se ci restringiamo a considerare solo il prodotto di numeri complessi per numeri reali, C viene ad essere uno spazio vettoriale su R. Procediamo ora a dare alcuni esempi di spazi vettoriali. Esempio Consideriamo l insieme k m,n delle matrici m n a coefficienti in k = R, C. Nella prima lezione abbiamo definito delle operazioni di somma e prodotto per uno scalare in tale insieme: precisamente se α k e abbiamo posto A = (a i,j ) 1 i m, B = (b i,j ) 1 i m (a i,j ) 1 i m + (b i,j ) 1 i m α (a i,j ) 1 i m = (a i,j + b i,j ) 1 i m. = (αa i,j ) 1 i m Tali operazioni soddisfano le prorietà (S1), (S2), (S3), (S4), (P1), (P2), (SP1), (SP2), dunque k m,n con tali operazioni viene ad essere uno spazio vettoriale su k.,
3 LEZIONE 11 3 Esempio Consideriamo l insieme V 2 (O) dei vettori geometrici nel piano. Nella lezione in cui li abbiamo introdotti per la prima volta abbiamo definito per via geometrica la somma con la regola del parallelogramma ed il prodotto per uno scalare reale. Abbiamo visto che tali operazioni soddisfano le proprietà (S1), (S2), (S3), (S4), (P1), (P2), (SP1), (SP2), dunque V 2 (O) con tali operazioni viene ad essere uno spazio vettoriale su R. Analogamente V 3 (O) con le operazioni a suo tempo definite viene ad essere anch esso uno spazio vettoriale su R. Esempio Sia I R un intervallo non vuoto. Possiamo allora considerare l insieme R I delle funzioni a valori reali f: I R. Osserviamo che R I : infatti la funzione costantemente nulla 0 I : I R definita da 0 I (x) = 0 per ogni x I vi appartiene. In tale insieme introduciamo le operazioni di somma e prodotto come segue. Se f, g R I poniamo f + g: I R come la funzione che per x I vale (f + g)(x) = f(x) + g(x). Se f R I ed α R poniamo αf: I R come la funzione che per x I vale (αf)(x) = αf(x). Per verificare che R I è, con tali operazioni, uno spazio vettoriale su R bisogna verificare se tali operazioni soddisfano le proprietà della definizione Verifichiamo (S1). A tale scopo si considerino f, g R I : poiché per ogni x I i numeri reali f(x)+g(x) e g(x)+f(x) coincidono, segue, per definizione, che f +g = g +f. Coloro i quali, in modo analogo, verificheranno tutte le proprietà della Definizione , si renderanno conto che tutto dipende dal fatto che il codominio delle funzioni considerate è uno spazio vettoriale. Infatti è vero più un generale che se X è un insieme e V è uno spazio vettoriale su k allora l insieme V X delle funzioni f: X V a valori in V con le operazioni naturali di somma di funzioni e prodotto di una funzione per uno scalare è, a sua volta, uno spazio vettoriale su k. Esempio Nel seguito indicheremo con k n l insieme delle n uple ordinate di elementi di k = R, C: quindi un elemento di k n è una sequenza (x 1, x 2,..., x n ) di n elementi x 1, x 2,..., x n k. Possiamo definire (x 1, x 2,..., x n ) + (y 1, y 2,..., y n ) = (x 1 + y 1, x 2 + y 2,..., x n + y n ), α(x 1, x 2,..., x n ) = (αx 1, αx 2,..., αx n ), per ogni scelta di (x 1, x 2,..., x n ), (y 1, y 2,..., y n ) k n ed α k. Si noti che gli elementi di k n si possono identificare naturalmente (togliendo le virgole) con le matrici in k 1,n e, in tale identificazione, le operazioni introdotte in k n vengono a corrispondere alle operazioni di somma di matrici e di prodotto di una matrice per uno scalare definite in k 1,n. In particolare k 1 si può identificare naturalmente con k 1,1 = k. Segue che k n è uno spazio vettoriale: poiché si può anche identificare naturalmente con k n,1, molto spesso utilizzeremo il simbolo k n sia per indicare le matrici riga sia le matrici colonna.
4 SOTTOSPAZI VETTORIALI ED ESEMPI Sottospazi vettoriali ed esempi. Definizione Sia V uno spazio vettoriale su k = R, C e sia W V non vuoto. W si dice sottospazio vettoriale di V se W, munito delle due applicazioni (s V ) W W e (p V ) k W, è uno spazio vettoriale su k. Andiamo ad analizzare la definizione per capire meglio come verificare che un sottoinsieme W di uno spazio vettoriale V sia un suo sottospazio. Innanzi tutto osserviamo che deve essere W per definizione. Inoltre vogliamo che le applicazioni (s V ) W W e (p V ) k W rendano W uno spazio vettoriale su k. Poiché, a priori, si ha che (s V ) W W : W W V, (p V ) k W : k W V, ciò significa che tali applicazioni devono avere di fatto immagine contenuta in W ovvero vogliamo che la somma di due elementi di W sia ancora un elemento di W (un sottoinsieme con tale proprietà si dice chiuso rispetto alla somma) e che il prodotto di uno scalare per un elemento di W sia ancora un elemento di W (un sottoinsieme con tale proprietà si dice chiuso rispetto al prodotto per scalari). Supponiamo che ciò accada. Poiché le proprietà (S1), (S2), (P1), (P2), (SP1), (SP2) della Definizione valgono per ogni scelta dei vettori v, v 1, v 2, v 3 V e degli scalari α, α 1, α 2 k, necessariamente valgono se ci restringiamo a considerare solo elementi in W. Perciò rimangono da verificare solo (S3) ed (S4). Per verificare (S3) si osservi che W è non vuoto, quindi contiene almeno un vettore w: poiché W è chiuso rispetto al prodotto per scalari si ha anche che 0 V = 0w W, quindi in W c è un elemento neutro per la somma (lo stesso di V ). Infine, per verificare (S4), si osservi che se w W V, dall Osservazione segue w = ( 1)w W, ovvero se W contiene un elemento contiene anche il suo opposto. Quanto visto dimostra il seguente criterio Proposizione Sia V uno spazio vettoriale su k = R, C e sia W V. W è sottospazio vettoriale di V se e solo se è non vuoto ed è chiuso rispetto alla somma ed al prodotto per scalari definiti in V. Si noti che se W è sottospazio di V allora, come visto sopra, 0 V W e W è chiuso rispetto alla somma ed al prodotto per scalari definiti in V. Viceversa se 0 V W e W è chiuso rispetto alla somma ed al prodotto per scalari definiti in V allora W è sottospazio vettoriale di V per il precedente criterio. Quanto detto dimostra Proposizione Sia V uno spazio vettoriale su k = R, C e sia W V. W è sottospazio vettoriale di V se e solo se 0 V W ed è chiuso rispetto alla somma ed al prodotto per scalari definiti in V. Diamo ora alcuni esempi di sottospazi utilizzando i criteri enunciati sopra.
5 Esempio In R 2 si consideri l insieme LEZIONE 11 5 W = { (x, y) R 2 y = 0 }. Osseviamo che gli elementi di W sono tutte e sole le coppie (x, y) con y = 0 ed x R. In particolare, se si identifica R 2 con il piano ordinario con fissato sistema di riferimento O ı j, l insieme W rappresenta l asse delle ascisse. Si noti che 0 R 2 = (0, 0) W. Siano poi (x, 0), (x, 0) W : allora (x, 0) + (x, 0) = (x + x, 0 + 0) = (x + x, 0), dunque è un elemento di W. Infine siano α R e (x, 0) W : allora α(x, 0) = (αx, α0) = (αx, 0), dunque è anch esso un elemento di W. Concludiamo che W è un sottospazio vettoriale di R 2. Esempio In R 2 si consideri l insieme W = { (x, y) R 2 x + y = 0 }. In particolare, se si identifica R 2 con il piano ordinario con fissato sistema di riferimento O ı j, l insieme W rappresenta la bisettrice del secondo e quarto quadrante. Osseviamo che gli elementi di W sono tutte e sole le coppie del tipo (x, x) con x R. In particolare 0 R 2 = (0, 0) = (0, 0) W. Siano poi (x, x ), (x, x ) W : allora (x, x ) + (x, x ) = (x + x, x x ) = (x + x, (x + x )), dunque è un elemento di W. Infine siano α R e (x, x) W : allora α(x, x) = (αx, α( x)) = (αx, (αx)), dunque è anch esso un elemento di W. Concludiamo che W è un sottospazio vettoriale di R 2. Esempio Siano a, b R. In R 2 si consideri l insieme W = { (x, y) R 2 ax + by = 0 }. In particolare, se si identifica R 2 con il piano ordinario con fissato sistema di riferimento O ı j, l insieme W rappresenta o l intero piano oppure una retta per l origine. Chiaramente a0+b0 = 0, dunque 0 R 2 = (0, 0) W. Siano poi (x, y ), (x, y ) W : allora ax + by = ax + by = 0, dunque a(x +x )+b(y +y ) = ax +ax +by +by = (ax +by )+(ax +by ) = 0+0 = 0, cioè (x, y ) + (x, y ) = (x + x, y + y ) è un elemento di W. Infine siano α R e (x, y) W : allora ax + by = 0, dunque a(αx) + b(αy) = αax + αby = α(ax + by) = α0 = 0, cioè α(x, y) = (αx, αy) è anch esso un elemento di W. Concludiamo che W è un sottospazio vettoriale di R 2. Si noti che i sottospazi considerati negli Esempi e sono casi particolari di questo esempio: precisamente l Esempio si ottiene considerando a = 1, b = 0, l Esempio considerando a = b = 1.
6 SOTTOSPAZI VETTORIALI ED ESEMPI Esempio Sia A k m,n. In k n,p si consideri l insieme W = { X k n,p AX = 0 m,p }. Chiaramente la matrice nulla 0 n,p k n,p appartiene a W. Siano poi X, X W : ciò significa che AX = AX = 0 m,p. Allora A(X + X ) = AX + AX = 0 m,p + 0 m,p = 0 m,p, cioè X + X W. Siano infine α k ed X W : ciò significa che AX = 0 m,p. Allora A(αX) = αax = α0 m,p = 0 m,p, cioè αx W. Concludiamo che W è un sottospazio vettoriale di R 2. Si noti che i sottospazi considerati nell Esempio sono casi particolari di questo esempio: infatti siamo nel caso m = p = 1, n = 2, A = (a b). Abbiamo quindi dimostrato che l insieme delle soluzioni di una qualsiasi equazione matriciale omogenea è un sottospazio di k n,p : dimostreremo più avanti che vale anche il viceversa, ovvero ogni sottospazio di k n,p è insieme delle soluzioni di una qualche (sempre più d una) equazione matriciale omogenea. Esempio Sia I R un intevallo non vuoto che, per comodità, supponiamo aperto, diciamo I =]a, b[. Abbiamo già verificato in precedenza (vedi l Esempio ) che l insieme R I delle funzioni f: I R è uno spazio vettoriale. Si consideri il sottoinsieme C 0 (I) = { f R I f continua in tutto I }. Osserviamo che la funzione identicamente nulla 0 I : I R è continua (come tutte le funzioni costanti), dunque 0 I C 0 (I). Se f, g C 0 (I) la loro somma f + g è ancora in C 0 (I). Infine se f C 0 (I) ed α R allora anche αf è in C 0 (I). Concludiamo che C 0 (I) è un sottospazio di R I. Più in generale, per ogni k 1, consideriamo l insieme C p (I) = { f R I f derivabile p volte in tutto I con f (p) C 0 (I) }. Da quanto visto nel corso di Analisi Matematica I segue che C p (I) è sottospazio vettoriale di R I per ogni p. Si noti che C p (I) è sottospazio vettoriale di ogni C q (I) con 0 q p. Diamo ora alcuni esempi di insiemi che non sono sottospazi. Daremo tre esempi mostrando che possono valere due delle tre proprietà, senza che necessariamente debba valere anche la terza.
7 LEZIONE 11 7 Esempio Siano a, b, c R con c 0. In R 2 si consideri l insieme W = { (x, y) R 2 ax + by = c }. In particolare, se si identifica R 2 con il piano ordinario con fissato sistema di riferimento O ı j, l insieme W o è vuoto oppure rappresenta una retta non passante per l origine. Chiaramente a0 + b0 + c = c 0, dunque 0 R 2 = (0, 0) W : in particolare W non è un sottospazio di R 2 in forza della Proposizione Più in generale se A k m,n e B k m,p \ { 0 m,p } l insieme W = { X k n,p AX = B }. non può essere sottospazio vettoriale di k n,p perché non contiene mai 0 n,p. Ricordo che se l equazione matriciale AX = B ha almeno una soluzione X 0 allora l insieme delle sue soluzioni è { X 0 + Y AY = 0 m,p }. Quindi, pur non essendo W un sottospazio, può essere ottenuto traslando un sottospazio (l insieme delle soluzioni dell equazione matriciale omogenea associata) di una stessa soluzione fissata X 0. Esempio In R 2 si consideri l insieme W = { (x, y) R 2 xy = 0 }. Gli elementi di W sono tutte e sole le coppie aventi almeno una componente nulla. In particolare, se si identifica R 2 con il piano ordinario con fissato sistema di riferimento O ı j, l insieme W rappresenta l unione degli assi coordinati. Chiaramente 00 = 0, dunque 0 R 2 = (0, 0) W. Siano α R e (x, y) W : allora xy = 0, dunque (αx)(αy) = α 2 xy = α 2 0 = 0, cioè α(x, y) = (αx, αy) è anch esso un elemento di W. Nonostante ciò W non è un sottospazio poiché non è chiuso rispetto alla somma. Infatti (1, 0), (0, 1) W ma (1, 1) = (1, 0) + (0, 1) W. Esempio In R 2 si consideri l insieme W = { (x, y) R 2 x 0, y 0 }. Gli elementi di W sono tutte e sole le coppie aventi le componenti non negative. In particolare, se si identifica R 2 con il piano ordinario con fissato sistema di riferimento O ı j, l insieme W rappresenta il primo quadrante. Chiaramente 0 0, dunque 0 R 2 = (0, 0) W. Siano poi (x, y ), (x, y ) W : allora x, y, x, y 0, dunque x + x, y + y 0, cioè (x, y ) + (x, y ) =
8 ALCUNE OPERAZIONI NOTEVOLI FRA SOTTOSPAZI (x +x, y +y ) è un elemento di W. Nonostante ciò W non è un sottospazio poiché non è chiuso rispetto al prodotto per scalari. Infatti (1, 1) W ma 1(1, 1) = ( 1, 1) W. Si noti che se V è uno spazio vettoriale su k = R, C allora esso contiene come sottoinsiemi sia se stesso sia { 0 V }. Chiaramente entrambe questi sottoinsiemi sono sottospazi vettoriali di V. Tali sottospazi, che ci sono sempre, vengono detti sottospazi banali di V Alcune operazioni notevoli fra sottospazi. Sia V uno spazio vettoriale su k = R, C e siano W e W due suoi sottospazi. Ci domandiamo se, tramite le operazioni insiemistiche usuali (differenza, intersezione, unione), si ottengono ancora sottospazi. Una prima osservazione più o meno banale è che la differenza W \ W non è mai un sottospazio. Infatti 0 V W, W dunque 0 V W \ W. Consideriamo ora il caso dell intersezione. Proposizione Sia V uno spazio vettoriale su k = R, C e siano W, W sottospazi vettoriali di V. Allora W W è un sottospazio vettoriale di V. Dimostrazione. Poiché 0 V W, W si ha 0 V W W. Siano ora w 1, w 2 W W : ciò significa che w 1, w 2 W, dunque w 1 +w 2 W (perché W è un sottospazio), e w 1, w 2 W, dunque w 1 +w 2 W (perché anche W è un sottospazio), sicché w 1 +w 2 W W ovvero W W è chiuso rispetto alla somma. Siano infine α k e w W W : ciò significa che w W, dunque αw W (perché W è un sottospazio), e w W, dunque αw W (perché anche W è un sottospazio), sicché αw W W ovvero W W è chiuso rispetto al prodotto per scalari. Concludiamo che W W è un sottospazio vettoriale di V grazie alla Proposizione Esempio Siano a, b, c, a, b, c R. In R 3 siano dati i sottoinsiemi W = { (x, y, z) R 3 a x + b y + c z = 0 }, W = { (x, y, z) R 3 a x + b y + c z = 0 }. Innanzi tutto il lettore verifichi per esercizio che W e W sono sottospazi. Allora W W è l insieme delle terne (x, y, z) R 3 che appartengono sia a W che a W, quindi delle terne (x, y, z) R 3 che soddisfano simultaneamente le equazioni a x + b y + c z = a x + b y + c z = 0, ovvero W W è l insieme delle soluzioni del sistema omogeneo { a x + b y + c z = 0 a x + b y + c z = 0.
9 LEZIONE 11 9 Si noti che tale insieme è un sottospazio di R 3 sia perché è intersezione di sottospazi (si veda Proposizione ) sia dall Esempio La Proposizione vale per l intersezione di un numero qualsiasi (anche infinito) di sottospazi, cioè Proposizione Sia V uno spazio vettoriale su k = R, C e siano W j sottospazi vettoriali di V per j J, opportuno insieme di indici. Allora j J W j è un sottospazio vettoriale di V. Esempio Sia I R un intevallo non vuoto che per comodità supponiamo aperto, diciamo I =]a, b[. Abbiamo già verificato in precedenza (si veda l Esempio ) che l insieme C p (I) delle funzioni f: I R derivabili fino all ordine p con derivata p esima continua è un sottospazio vettoriale di R I (o C 0 (I)). Definiamo C (I) = p 0 C p (I). Per quanto detto sopra C (I) è un sottospazio vettoriale di R I (o di C p (I) per p 0). I suoi elementi sono le funzioni definite su I aventi derivate di ogni ordine. Passiamo ora ad esaminare il caso dell unione. Proposizione Sia V uno spazio vettoriale su k = R, C e siano W, W V sottospazi vettoriali di V. Allora W W è un sottospazio vettoriale di V se e solo se o W W, ed in tal caso W W = W, oppure W W, ed in tal caso W W = W. Dimostrazione. È chiaro che se W W allora W W = W, mentre se W W allora W W = W, dunque W W è banalmente un sottospazio in questi due casi. Viceversa supponiamo che W W e W W. Allora esistono w W \W e w W \ W. Si consideri w = w + w : se fosse w W W allora o w W o w W. Nel primo caso si dovrebbe avere w = w w W, nel secondo w = w w W, in contrasto con la scelta fatta. Concludiamo che w W W. In sostanza l unione non è quasi mai un sottospazio. È però comodo avere una nozione che generalizzi la nozione di unione nell insieme dei sottospazi di uno spazio vettoriale dato. Definizione Sia V uno spazio vettoriale su k = R, C e siano W, W V sottoinsiemi non vuoti. Definiamo somma di W e W l insieme W + W = { v V w W, w W : v = w + w }. Osservazione Se 0 V W allora w + 0 V W + W per ogni w W, dunque W W +W. In particolare se 0 V W, W allora W W W +W.
10 ALCUNE OPERAZIONI NOTEVOLI FRA SOTTOSPAZI Esempio Siano A k m,n e B k m,p. Supponiamo che l equazione matriciale AX = B abbia almeno una soluzione X 0 k n,p : allora sappiamo che { X k n,p AX = B } = { X 0 } + { X k n,p AX = 0 m,p }. Si noti che 0 n,p { X k n,p AX = 0 m,p } e, infatti, X 0 { X 0 } + { X k n,p AX = 0 m,p }. L importanza della somma sta nella seguente Proposizione Sia V uno spazio vettoriale su k = R, C e siano W, W sottospazi vettoriali di V. Allora W +W è sottospazio vettoriale di V e se W V è un qualsiasi sottospazio contenente W e W allora W + W W. Dimostrazione. Poiché 0 V W, W si ha 0 V + 0 V W + W. Siano ora v 1, v 2 W + W : ciò significa che esistono w 1, w 2 W e w 1, w W tali che v 1 = w 1 + w 1 e v 2 = w 2 + w 2. Allora v 1 + v 2 =(w 1 + w 1 ) + (w 2 + w 2 ) = w 1 + w 1 + w 2 + w 2 = =w 1 + w 2 + w 1 + w 2 = (w 1 + w 2) + (w 1 + w 2 ) W + W, ovvero W + W è chiuso rispetto alla somma. Siano infine α k e v W +W : ciò significa che esistono w W e w W tali che v = w + w. Allora αv = α(w + w ) = αw + αw = (αw ) + (αw ) W + W, ovvero W + W è chiuso rispetto al prodotto per scalari. Concludiamo che W + W è un sottospazio vettoriale di V grazie alla Proposizione Sia poi W V un sottospazio vettoriale contenente W e W : se v W + W esistono w W W e w W W tali che v = w + w, sicché v W (perché W è un sottospazio, quindi è chiuso rispetto alla somma), da cui si deduce che W + W W. Molto spesso si riassume la Proposizione dicendo che se W e W sono sottospazi vettoriali di V allora W +W è il più piccolo sottospazio di V contenente W W (rispetto alla relazione di ordine parziale sull insieme dei sottospazi di V dato dall inclusione). 2
i) la somma e il prodotto godano delle proprietà associativa, commutativa e distributiva;
1 Spazi vettoriali 11 Definizioni ed assiomi Definizione 11 Un campo è un insieme K dotato di una operazione somma K K K, (x, y) x + y e di una operazione prodotto K K K, (x, y) xy tali che i) la somma
DettagliLEZIONE 12. v = α 1 v α n v n =
LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono
DettagliLEZIONE 13. v =α 1 v α i 1 v i 1 + α i v i = =α 1 v α i 1 v i 1 + α i (λ 1 v λ i 1 v i 1 ) =
LEZIONE 13 13.1. Il metodo degli scarti. Sia dato uno spazio vettoriale V su k = R, C e siano v 1,..., v n V. Quanto visto nella lezione precedente ci suggerisce il seguente algoritmo per stabilire se
DettagliLEZIONE 15. Esempio L applicazione f: R 3 R 2. è lineare. Infatti si ha che se α R, (x, y, z) R 3 risulta
LEZIONE 15 15.1. Applicazioni lineari ed esempi. Definizione 15.1.1. Siano V e W spazi vettoriali su k = R, C. Un applicazione f: V W si dice k lineare se: (AL1) per ogni v 1, v 2 V si ha f(v 1 + v 2 )
DettagliLEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g
LEZIONE 3 3.. Matrici fortemente ridotte per righe. Nella precedente lezione abbiamo introdotto la nozione di soluzione di un sistema di equazioni lineari. In questa lezione ci poniamo il problema di descrivere
DettagliLEZIONE 1 C =
LEZIONE 1 11 Matrici a coefficienti in R Definizione 111 Siano m, n Z positivi Una matrice m n a coefficienti in R è un insieme di mn numeri reali disposti su m righe ed n colonne circondata da parentesi
DettagliLEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati.
LEZIONE 2 2 Sistemi di equazioni lineari Definizione 2 Un equazione lineare nelle n incognite x, x 2,, x n a coefficienti reali, è un equazione della forma (2 a x + a 2 x 2 + + a n x n = b, ove a j, b
DettagliLEZIONE 5. AX = 0 m,1.
LEZIONE 5 5 isoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per quanto visto nella precedente lezione, sappiamo di poter trasformare,
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
DettagliLEZIONE 12. Y = f(x) = f( x j,1 f(e j ) = x j,1 A j = AX = µ A (X),
LEZIONE 1 1.1. Matrice di un applicazione lineare. Verifichiamo ora che ogni applicazione lineare f: R n R m è della forma µ A per un unica A R m,n. Definizione 1.1.1. Per ogni j 1,..., n indichiamo con
DettagliLEZIONE 4. { x + y + z = 1 x y + 2z = 3
LEZIONE 4 4.. Operazioni elementari di riga. Abbiamo visto, nella precedente lezione, quanto sia semplice risolvere sistemi di equazioni lineari aventi matrice incompleta fortemente ridotta per righe.
DettagliLEZIONE 5. Typeset by AMS-TEX
LEZINE 5 5.1. Vettori geometrici. In questo lezione inizieremo a studiare enti geometrici ben noti quali punti, segmenti (orientati), rette, piani nel piano A 2 e nello spazio A 3 affini (cioè in cui valgono
DettagliLEZIONE 30. Se x = 1 si dice che x è un versore. Se poi y = (y 1,..., y n ) R n poniamo. Ricordiamo che vale la cosiddetta disuguaglianza triangolare
LEZIONE 30 30.1. Insiemi aperti e chiusi in R n. Nel corso di Analisi sono state introdotte alcune nozioni di topologia di R, come la nozione di aperto, di chiuso, di punto d accumulazione. Lo scopo di
DettagliSPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi:
SPAZI VETTORIALI Esercizi Esercizio. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi: V := { (a, a, a) V a R }, V 2 := { (a, b, a) V a, b R }, V 3 := { (a, 2a, a + b)
DettagliLEZIONE Equazioni matriciali. Negli Esempi e si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = R m,n, B = (b i,h ) 1 i m
LEZIONE 4 41 Equazioni matriciali Negli Esempi 336 e 337 si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = B 2,, AX p = B p aventi la stessa matrice incompleta A Tale tipo di problema si presenta
DettagliMatematica per Analisi dei Dati,
Matematica per Analisi dei Dati, 230209 1 Spazio vettoriale R n Sia n un intero positivo fissato Lo spazio vettoriale R n e l insieme delle n ple ordinate di numeri reali, che rappresenteremo sempre come
DettagliLEZIONE 8. k e w = wx ı + w y j + w z. k di R 3 definiamo prodotto scalare di v e w il numero
LEZINE 8 8.1. Prodotto scalare. Dati i vettori geometrici v = v x ı + v y j + v z k e w = wx ı + j + k di R 3 definiamo prodotto scalare di v e w il numero v, w = ( v x v y v z ) w x = v x + v y + v z.
DettagliGeometria e Topologia I (U1-4) 2006-mag-10 61
Geometria e Topologia I (U1-4) 2006-mag-10 61 (15.9) Teorema. Consideriamo il piano affine. Se A A 2 (K) è un punto e r una retta che non passa per A, allora esiste unica la retta per A che non interseca
DettagliLEZIONE 9. Figura 9.1.1
LEZIONE 9 9.1. Equazioni cartesiane di piani. Abbiamo visto come rappresentare parametricamente un piano. Un altro interessante metodo di rappresentazione di un piano nello spazio è tramite la sua equazione
DettagliI teoremi della funzione inversa e della funzione implicita
I teoremi della funzione inversa e della funzione implicita Appunti per il corso di Analisi Matematica 4 G. Mauceri Indice 1 Il teorema della funzione inversa 1 Il teorema della funzione implicita 3 1
Dettaglimisura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x
4. Geometria di R 3. Questo paragrafo è molto simile al paragrafo : tratta infatti delle proprietà geometriche elementari dello spazio R 3. Per assegnare delle coordinate nello spazio, fissiamo innanzitutto
DettagliLEZIONE 6. Typeset by AMS-TEX
LEZINE 6 6.1. Vettori geometrici. In questo lezione inizieremo a studiare enti geometrici ben noti quali punti, segmenti (orientati), rette, piani nel piano S 2 e nello spazio S 3 ordinari (cioè in cui
DettagliLEZIONE 27. C = { P = (x, y) x 2 /a 2 y 2 /b 2 = 1 }. C si dice iperbole di semiassi a e b (in forma canonica). L equazione
LEZIONE 27 27.1. Ellisse, iperbole, parabola. Nelle prossime lezioni illustreremo come la teoria delle forme quadratiche e della riduzione ortogonale si applichi allo studio di alcuni oggetti geometrici
DettagliSistemi lineari e spazi vettoriali 1 / 14
Sistemi lineari e spazi vettoriali 1 / 14 Sistemi lineari 2 / 14 Studieremo sistemi lineari costituiti da m equazioni in n incognite (m,n N, m,n 1): cioè a 11 x 1 + +a 1n x n = b 1 a 21 x 1 + +a 2n x n
DettagliLEZIONE 3. Typeset by AMS-TEX
LEZIONE 3 3 Risoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per la Proposizione 236 sappiamo di poter trasformare, con operazioni
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliAnalisi Matematica 1 e Matematica 1 Geometria Analitica: Rette
Analisi Matematica 1 e Matematica 1 Geometria Analitica: Rette Annalisa Amadori e Benedetta Pellacci amadori@uniparthenope.it pellacci@uniparthenope.it Università di Napoli Parthenope Contenuti Nel Piano
DettagliSi consideri il sistema a coefficienti reali di m equazioni lineari in n incognite
3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x
DettagliLEZIONE i i 3
LEZIONE 5 51 Determinanti In questo lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli
DettagliCorso di Geometria Lezione II: Spazi vettoriali
.. Corso di Geometria Lezione II: Spazi vettoriali F. Baldassarri 8 ottobre 2013 Definizione di spazio vettoriale Uno spazio vettoriale su un campo C (ad es. Q,R,C,{0, 1}) è un insieme V dotato di due
DettagliLe 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
Dettagli8. Completamento di uno spazio di misura.
8. Completamento di uno spazio di misura. 8.1. Spazi di misura. Spazi di misura completi. Definizione 8.1.1. (Spazio misurabile). Si chiama spazio misurabile ogni coppia ordinata (Ω, A), dove Ω è un insieme
DettagliLezione 2: Spazi Vettoriali
Lezione 2: Spazi Vettoriali In questa lezione vogliamo introdurre il vero protagonista dell algebra lineare: lo spazio vettoriale. Si tratta di una astrazione che comprende concetti che già ben conosciamo;
Dettagli2. I numeri reali e le funzioni di variabile reale
. I numeri reali e le funzioni di variabile reale Introduzione Il metodo comunemente usato in Matematica consiste nel precisare senza ambiguità i presupposti, da non cambiare durante l elaborazione dei
DettagliLezioni di ISTITUZIONI di MATEMATICA (gruppo 3)
Lezioni di ISTITUZIONI di MATEMATICA (gruppo 3) Nicola Durante 2011-12 Abstract 1 Insiemi numerici (Lezione del 5.10.11) 1.1 Cenni di teoria degli insiemi Richiamiamo brevemente alcuni simboli usati in
DettagliGruppi, spazi e sottospazi vettoriali
CAPITOLO 3 Gruppi, spazi e sottospazi vettoriali Esercizio 3.1. Dimostrare che l insieme { a G = b forma un gruppo rispetto al prodotto tra matrici. a,b R, a,b Esercizio 3.2. Sia R[x] l insieme dei polinomi
DettagliPagine di Algebra lineare. di premessa al testo Pagine di Geometria di Sara Dragotti. Parte terza: SISTEMI LINEARI
Pagine di Algebra lineare di premessa al testo Pagine di Geometria di Sara Dragotti Parte terza: SISTEMI LINEARI 1. Definizioni Dato un campo K ed m 1 polinomi su K in n indeterminate di grado non superiore
DettagliForme bilineari simmetriche
Forme bilineari simmetriche Qui il campo dei coefficienti è sempre R Definizione 1 Sia V uno spazio vettoriale Una forma bilineare su V è una funzione b: V V R tale che v 1, v 2, v 3 V b(v 1 + v 2, v 3
DettagliLEZIONE 10. S(C,ρ) Figura 10.1
LEZIONE 10 10.1. Sfere nello spazio. In questa lezione studieremo alcuni oggetti geometrici non lineari, circonferenze e sfere nello spazio A 3. Poiché le proprietà delle circonferenze nel piano sono del
DettagliCapitolo IV SPAZI VETTORIALI EUCLIDEI
Capitolo IV SPAZI VETTORIALI EUCLIDEI È ben noto che in VO 3 si possono considerare strutture più ricche di quella di spazio vettoriale; si pensi in particolare all operazioni di prodotto scalare di vettori.
DettagliESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA
ESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA Foglio 4 Esempio. Sia V = P 5 (R) lo spazio dei polinomi di grado strettamente minore di 5. Si considerino i seguenti sottoinsiemi di V (i) Dimostrare
DettagliLEZIONE 9. k, tenendo conto delle formule che permettono di calcolare il prodotto scalare ed il prodotto vettoriale, otteniamo
LEZIONE 9 9.1. Prodotto misto. Siano dati i tre vettori geometrici u, v, w V 3 (O) definiamo prodotto misto di u, v e w il numero u, v w. Fissiamo un sistema di riferimento O ı j k in S 3. Se u = u x ı
DettagliSpazi affini e combinazioni affini.
Spazi affini e combinazioni affini. Morfismi affini. Giorgio Ottaviani Abstract Introduciamo il concetto di combinazione affine in uno spazio affine, e in base a questo, ne caratterizziamo i sottospazi.
Dettaglix 1 Fig.1 Il punto P = P =
Geometria di R 2 In questo paragrafo discutiamo le proprietà geometriche elementari del piano Per avere a disposizione delle coordinate nel piano, fissiamo un punto, che chiamiamo l origine Scegliamo poi
DettagliLEZIONE 8. Figura 8.1.1
LEZIONE 8 8.1. Equazioni parametriche di rette. In questo paragrafo iniziamo ad applicare quanto spiegato sui vettori geometrici per dare una descrizione delle rette nel piano e nello spazio. Sia r S 3
DettagliLEZIONE 23. ax 2 + bxy + cy 2 + dx + ey + f
LEZIONE 23 23.1. Riduzione delle coniche a forma canonica. Fissiamo nel piano un sistema di riferimento Oxy e consideriamo un polinomio di grado 2 in x, y a meno di costanti moltiplicative non nulle, diciamo
DettagliEsercitazioni di Algebra e Geometria
Esercitazioni di Algebra e Geometria Anno Accademico 2011 2012 Dott.ssa Elisa Pelizzari e-mail elisa.peli@libero.it Esercitazioni: lunedì 14.30 16.30 venerdì 14.30 16.30 Ricevimento studenti: venerdì 13.00
DettagliOsservazione 1.1 Si verifica facilmente che esiste un unica relazione d ordine totale su Q che lo renda un campo ordinato.
1 Numeri reali Definizione 1.1 Un campo ordinato è un campo K munito di una relazione d ordine totale, compatibile con le operazioni di somma e prodotto nel senso seguente: 1. a, b, c K, a b = a + c b
Dettagli0.1 Spazi Euclidei in generale
0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo
DettagliRegistro Lezioni di Algebra lineare del 15 e 16 novembre 2016.
Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016 Di seguito si riporta il riassunto degli argomenti svolti; i riferimenti sono a parti del Cap8 Elementi di geometria e algebra lineare Par5
DettagliAPPUNTI DI TEORIA DEGLI INSIEMI. L assioma della scelta e il lemma di Zorn Sia {A i } i I
APPUNTI DI TEORIA DEGLI INSIEMI MAURIZIO CORNALBA L assioma della scelta e il lemma di Zorn Sia {A i } i I un insieme di insiemi. Il prodotto i I A i è l insieme di tutte le applicazioni α : I i I A i
DettagliProdotto scalare e ortogonalità
Prodotto scalare e ortogonalità 12 Novembre 1 Il prodotto scalare 1.1 Definizione Possiamo estendere la definizione di prodotto scalare, già data per i vettori del piano, ai vettori dello spazio. Siano
DettagliDefinizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im
APPUNTI ed ESERCIZI su matrici, rango e metodo di eliminazione di Gauss Corso di Laurea in Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 23 Aprile 2010 Matrici, rango e metodo
DettagliComplementi di Analisi Matematica Ia. Carlo Bardaro
Complementi di Analisi Matematica Ia Carlo Bardaro Capitolo 1 Elementi di topologia della retta reale 1.1 Intorni, punti di accumulazione e insiemi chiusi Sia x 0 IR un fissato punto di IR. Chiameremo
DettagliTopologia, continuità, limiti in R n
Topologia, continuità, limiti in R n Ultimo aggiornamento: 18 febbraio 2017 1. Preliminari Prima di iniziare lo studio delle funzioni di più variabili, in generale funzioni di k variabili e a valori in
DettagliCirconferenze del piano
Circonferenze del piano 1 novembre 1 Circonferenze del piano 1.1 Definizione Una circonferenza è il luogo dei punti equidistanti da un punto fisso, detto centro. La distanza di un qualunque punto della
DettagliTesti consigliati e contatti
Testi consigliati e contatti P.Bonacini, M. G. Cinquegrani, L. Marino, Algebra lineare: esercizi svolti, Cavallotto Edizioni, Catania P. Bonacini, M. G. Cinquegrani, L. Marino, Geometria analitica: esercizi
Dettaglix1 + 2x 2 + 3x 3 = 0 nelle tre incognite x 1, x 2, x 3. Possiamo risolvere l equazione ricavando l incognita x 1 x 1 = 2x 2 3x 3 2r 1 3r 2 x 2 x 3
Matematica II -..9 Spazio delle soluzioni di un sistema lineare omogeneo.. Consideriamo l equazione lineare omogenea nelle tre incognite x, x, x 3. x + x + 3x 3 = Possiamo risolvere l equazione ricavando
DettagliM.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA STRUTTURE ALGEBRICHE
M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA STRUTTURE ALGEBRICHE Operazioni in un insieme Sia A un insieme non vuoto; una funzione f : A A A si dice operazione binaria (o semplicemente
DettagliOperazioni tra matrici e n-uple
CAPITOLO Operazioni tra matrici e n-uple Esercizio.. Date le matrici 0 4 e dati λ = 5, µ =, si calcoli AB, BA, A+B, B A, λa+µb. Esercizio.. Per ognuna delle seguenti coppie di matrici A, B e scalari λ,
DettagliLEZIONE 15. (15.1.2) p(x) = a 0 x n + a 1 x n a n 1 x + a n = a h x n h.
LEZIONE 15 15.1. Polinomi a coefficienti complessi e loro e loro radici. In questo paragrafo descriveremo alcune proprietà dei polinomi a coefficienti complessi e delle loro radici. Già nel precedente
DettagliNOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n
NOTE DI ALGEBRA LINEARE 2- MM 9 NOVEMBRE 2 Combinazioni lineari e generatori Sia K un campo e V uno spazio vettoriale su K Siano v,, v n vettori in V Definizione Un vettore v V si dice combinazione lineare
DettagliEquazione della retta tangente al grafico di una funzione
Equazione della retta tangente al grafico di una funzione Abbiamo già visto che in un sistema di assi cartesiani ortogonali, è possibile determinare l equazione di una retta r non parallela agli assi coordinati,
DettagliDEFINIZIONE Un vettore (libero) è un ente geometrico rappresentato da un segmento orientato caratterizzato da tre parametri:
DEFINIZIONE Un vettore (libero) è un ente geometrico rappresentato da un segmento orientato caratterizzato da tre parametri: 1. modulo: la lunghezza del segmento 2. direzione: coincidente con la direzione
DettagliAlcune nozioni di calcolo differenziale
Alcune nozioni di calcolo differenziale G. Mastroeni, M. Pappalardo 1 Limiti per funzioni di piu variabili Supporremo noti i principali concetti algebrici e topologici relativi alla struttura dello spazio
DettagliSpazi Vettoriali ed Applicazioni Lineari
Spazi Vettoriali ed Applicazioni Lineari 1. Sottospazi Definizione. Sia V uno spazio vettoriale sul corpo C. Un sottoinsieme non vuoto W di V è un sottospazio vettoriale di V se è chiuso rispetto alla
DettagliNote sui sistemi lineari
Note sui sistemi lineari Sia K un campo e siano m e n due numeri interi positivi. Sia A M(m n, K) e sia b K m. Consideriamo il sistema lineare Ax = b nell incognita x K n (o, se preferite, nelle incognite
Dettagli(P x) (P y) = x P t (P y) = x (P t P )y = x y.
Matrici ortogonali Se P è una matrice reale n n, allora (P x) y x (P t y) per ogni x,y R n (colonne) Dim (P x) y (P x) t y (x t P t )y x t (P t y) x (P t y), CVD Ulteriori caratterizzazioni delle matrici
DettagliParte 10. Geometria dello spazio I
Parte 10. Geometria dello spazio I A. Savo Appunti del Corso di Geometria 2013-14 Indice delle sezioni 1 Lo spazio vettoriale V 3 O, 1 2 Dipendenza e indipendenza lineare in V 3 O, 2 3 Sistema di riferimento
DettagliProdotto scalare e norma
Capitolo 7 Prodotto scalare e norma Riprendiamo ora lo studio dei vettori da un punto di vista più geometrico. È noto, per esempio dalla Fisica, che spesso è comodo visualizzare un vettore del piano o
DettagliRichiami sugli insiemi numerici
Richiami sugli insiemi numerici denota l insieme vuoto cioè l insieme privo di elementi. N = {1, 2, 3,...} denota l insieme dei numeri naturali. Z = {..., 2, 1, 0, 1, 2,...} denota l insieme dei numeri
DettagliAppunti di ALGEBRA LINEARE
Appunti di ALGEBRA LINEARE Corso di Laurea in Chimica A. A. 2009/200 Capitolo SPAZI VETTORIALI In matematica si incontrano spesso insiemi di elementi su cui sono definite delle operazioni che godono di
DettagliCapitolo 1. Gli strumenti. 1.1 Relazioni
Capitolo 1 Gli strumenti Consideriamo un insieme X. In geometria siamo abituati a considerare insiemi i cui elementi sono punti ad esempio, la retta reale, il piano cartesiano. Più in generale i matematici
DettagliSpazi vettoriali euclidei.
Spazi vettoriali euclidei Prodotto scalare, lunghezza e ortogonalità in R n Consideriamo lo spazio vettoriale R n = { =,,, n R}, n con la somma fra vettori e il prodotto di un vettore per uno scalare definiti
DettagliMassimi e minimi vincolati
Massimi e minimi vincolati Data una funzione G C 1 (D), dove D è un aperto di R 2, sappiamo bene dove andare a cercare gli eventuali punti di massimo e minimo relativi. Una condizione necessaria affinché
DettagliEsercitazione di Analisi Matematica II
Esercitazione di Analisi Matematica II Barbara Balossi 06/04/2017 Esercizi di ripasso Esercizio 1 Sia data l applicazione lineare f : R 3 R 3 definita come f(x, y, z) = ( 2x + y z, x 2y + z, x y). a) Calcolare
DettagliRELAZIONI e CORRISPONDENZE
RELAZIONI e CORRISPONDENZE Siano X e Y due insiemi non vuoti si chiama relazione tra X e Y un qualunque sottoinsieme del prodotto cartesiano: X x Y = {(x,y): x X, y Y} L insieme costituito dai primi (secondi)
DettagliFUNZIONI. }, oppure la
FUNZIONI 1. Definizioni e prime proprietà Il concetto di funzione è di uso comune per esprimere la seguente situazione: due grandezze variano l una al variare dell altra secondo una certa legge. Ad esempio,
Dettagli1 Prodotto cartesiano di due insiemi 1. 5 Soluzioni degli esercizi 6
1 PRODOTTO CARTESIANO DI DUE INSIEMI 1 I-4 R 2 ed R 3 Piano e spazio cartesiani Indice 1 Prodotto cartesiano di due insiemi 1 2 Rappresentazione di R 2 sul piano cartesiano 2 3 Sottoinsiemi di R 2 e regioni
Dettagli1 Introduzione alle matrici quadrate 2 2 a coefficienti in R.
1 Introduzione alle matrici quadrate 2 2 a coefficienti in R Per introdurre il concetto di matrice, a 2 righe e 2 colonne, iniziamo col considerare griglie o tabelle di numeri Gli elementi della griglia,
DettagliELEMENTI di TEORIA degli INSIEMI
ELEMENTI di TEORI degli INSIEMI & 1. Nozioni fondamentali. ssumeremo come primitivi il concetto di insieme e di elementi di un insieme. Nel seguito gli insiemi saranno indicati con lettere maiuscole (,,C,...)
DettagliProdotto scalare e prodotto vettoriale. Elisabetta Colombo
Corso di Approfondimenti di Matematica Biotecnologie, Anno Accademico 2010-2011, http://users.mat.unimi.it/users/colombo/programmabio.html Vettori Vettori 1 2 3 4 di di Ricordiamo il in R n Dati a = (a
DettagliUniversità degli Studi di Palermo Facoltà di Economia. CdS Sviluppo Economico e Cooperazione Internazionale. Appunti del corso di Matematica
Università degli Studi di Palermo Facoltà di Economia CdS Sviluppo Economico e Cooperazione Internazionale Appunti del corso di Matematica 02 - I Numeri Reali Anno Accademico 2013/2014 D. Provenzano, M.
DettagliInsiemi di numeri reali
Capitolo 1 1.1 Elementi di teoria degli insiemi Se S è una totalità di oggetti x, si dice che S è uno spazio avente gli elementi x. Se si considerano alcuni elementi di S si dice che essi costituiscono
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2015/2016 Antonio Lanteri e Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 37 index Spazi vettoriali
DettagliX Settimana = 0 R. = 0 R x, x R. + (x 0 R. ) x 0 R = = x 0 R
X Settimana 1 Elementi basilari della teoria degli anelli (I parte) Un anello (R, +, ) è un insieme non vuoto R dotato di due operazioni (binarie), denotate per semplicità con i simboli + e + : R R R,
Dettagli1. Funzioni implicite
1. Funzioni implicite 1.1 Il caso scalare Sia X R 2 e sia f : X R. Una funzione y : (a, b) R si dice definita implicitamente dall equazione f(x, y) = 0 in (a, b) quando: 1. (x, y(x)) X x (a, b); 2. f(x,
DettagliSPAZI VETTORIALI CON PRODOTTO SCALARE A =
SPAZI VETTORIALI CON PRODOTTO SCALARE Esercizi Esercizio. Nello spazio euclideo standard (R 2,, ) sia data la matrice 2 3 A = 3 2 () Determinare una base rispetto alla quale A sia la matrice di un endomorfismo
Dettagli3. OPERAZIONI TRA CLASSI 2
INSIEMI 1. Elementi e Classi Lo scopo di questo primo capitolo è di introdurre in maniera rigorosa le nozioni di classe e insieme, e di studiarne le principali proprietà. Nel seguito useremo il termine
DettagliLEZIONE 13. Figura 13.1
LEZIONE 3 Ritorniamo al nostro rettangolo R di vertici A = (, ), B = (, ), C = (, 3), D = (, 3) a partire dal segmento OU unitario di estremi l origine O ed il punto U = (, ). y D C R A B O Figura 3. Tra
Dettagli1 Ampliamento del piano e coordinate omogenee
1 Ampliamento del piano e coordinate omogenee Vogliamo dare una idea, senza molte pretese, dei concetti che stanno alla base di alcuni calcoli svolti nella classificazione delle coniche. Supponiamo di
DettagliNUMERI REALI. x(y + z) = xy + xz. Nel seguito faremo uso delle seguenti notazioni. IR+ 0 = {x IR : 0 x} IR 0 = {x IR : 0 x}
NUMERI REALI In quanto segue non diremo che cosa è un numero reale ma definiremo per via assiomatica l insieme dei numeri reali. Insieme che denotiamo con IR. L insieme dei numeri reali è un campo totalmente
DettagliUniversità degli Studi di Palermo Facoltà di Economia. Dipartimento di Scienze Economiche, Aziendali e Statistiche. Appunti del corso di Matematica
Università degli Studi di Palermo Facoltà di Economia Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 03 - I Numeri Reali Anno Accademico 2015/2016 M. Tumminello,
DettagliTeoria degli Insiemi
Teoria degli Insiemi Docente: Francesca Benanti Ottobre 2017 1 Teoria degli Insiemi La Teoria degli Insiemi è una branca della matematica creata alla fine del diciannovesimo secolo principalmente dal matematico
DettagliRETTE E PIANI. ove h R. Determinare i valori di h per cui (1) r h e α sono incidenti ed, in tal caso, determinare l angolo ϑ h da essi formato;
RETTE E PIANI Esercizi Esercizio 1. Nello spazio con riferimento cartesiano ortogonale Oxyz si considerino la retta r h ed il piano α rispettivamente di equazioni x = 1 + t r h : y = 1 t α : x + y + z
Dettagli1 Funzioni reali di una variabile reale
1 Funzioni reali di una variabile reale Qualche definizione e qualche esempio che risulteranno utili più avanti Durante tutto questo corso studieremo funzioni reali di una variabile reale, cioè Si ha f
DettagliLEZIONE 24. a 1,1 x 2 + a 2,2 y 2 + a 3,3 z 2 + 2a 1,2 xy + 2a 1,3 xz+ + 2a 2,3 yz + 2a 1,4 x + 2a 2,4 y + 2a 3,4 z + a 4,4 = 0 (24.1.
LEZIONE 24 24.1. Riduione delle quadriche a forma canonica. Fissiamo nello spaio un sistema di riferimento Oxy e consideriamo un polinomio q(x, y, ) di grado 2 in x, y, a meno di costanti moltiplicative
DettagliLezione 9: Le matrici
Lezione 9: Le matrici Ancora un po di sistemi in generale: le notazioni Nella lezione precedente abbiamo visto vari esempi di sistemi lineari in cui si verificavano i seguenti casi: una sola soluzione,
DettagliLezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari
Lezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari In questa lezione ci dedicheremo a studiare a fondo quali proprietà della matrice dei coefficienti di un sistema (e della
DettagliSomma diretta di sottospazi vettoriali
Capitolo 8 Somma diretta di sottospazi vettoriali 8.1 Introduzione Introduciamo un caso particolare di somma di due sottospazi vettoriali: la somma diretta. Anche questo argomento è stato visto nel corso
Dettagli