LEZIONE 17. B : kn k m.

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "LEZIONE 17. B : kn k m."

Transcript

1 LEZIONE Isomorfismi tra spazi vettoriali finitamente generati. Applichiamo quanto visto nella lezione precedente ad isomorfismi fra spazi vettoriali di dimensione finita. Proposizione Siano V e W spazi vettoriali su k = R, C finitamente generati. Allora V = W se e solo se dim k (V ) = dim k (W ). Dimostrazione. Supponiamo che f: V W sia un isomorfismo. Siano = (v 1,..., v n ) e D = (w 1,..., w m ) basi di V e W rispettivamente. Allora possiamo considerare la composizione g = [ ] D f [ ] 1 : kn k m. Essendo composizione di applicazioni lineari, g è lineare. Essendo composizione di applicazioni biiettive, g è biiettiva. Concludiamo che g è un isomorfismo. Tramite le usuali identificazioni k n = k n,1 e k m = k m,1 l isomorfismo g si identifica con un isomorfismo k n,1 k m,1 che, necessariamente (si veda l Esempio ), è della forma µ A per una qualche matrice A k m,n. Allora dim k (V ) = n = m = dim k (W ) (si veda l Esempio ). Viceversa sia dim k (V ) = dim k (W ) e siano = (v 1,..., v n ) e D = (w 1,..., w n ) basi di V e W rispettivamente. Allora dalla Proposizione segue l esistenza di due applicazioni lineari f: V W e g: W V tali che f(v i ) = w i e g(w i ) = v i, i = 1,..., n, rispettivamente. Consideriamo l applicazione lineare g f: V V. Allora g f(v i ) = g(f(v i )) = g(w i ) = v i, i = 1,..., n. D altra parte anche l applicazione identica id V : V V è lineare e soddisfa la condizione id V (v i ) = v i, i = 1,..., n. Per il Corollario si ha dunque g f = id V : analogamente, scambiando i ruoli di f e g, si ottiene f g = id W. Concludiamo che f è un applicazione lineare biiettiva, cioè un isomorfismo, quindi V = W. Esempio Sia k = R, C. Riprendiamo in considerazione i sottospazi T S n (k) e Sim n (k) di k n,n. Nell Esempio abbiamo visto che dim k (T S n (k)) = n(n + 1)/2. Se A k n,n allora A + t A Sim n (k). In particolare è definita l applicazione f: T S n (k) Sim n (k) A A + t A. 1 Typeset by AMS-TEX

2 ISOMORFISMI TRA SPAZI VETTORIALI FINITAMENTE GENERATI Se A = (a i,j ) 1 i,j n T S n (k) allora f(a) = = (b i,j ) 1 i,j n Sim n (k) dove a i,j se i < j, ( ) b i,j = 2a i,i se i = j, a j,i se i > j. Chiaramente se α k e A T S n (k) allora f(αa) = αa + t (αa) = αa + α t A = α(a + t A) = αf(a). Se, A, A T S n (k) allora f(a + A ) = A + A + t (A + A ) = A + A + t A + t A = = A + t A + A + t A = f(a ) + f(a ). Quindi f è k lineare. L applicazione f è un isomorfismo. Infatti f è suriettiva. Infatti se = (b i,j ) 1 i,j n Sim n (k) risulta = f(a) con A = (a i,j ) 1 i,j n T S n (k) definita da b i,j se i < j, a i,j = b i,i /2 se i = j, 0 se i > j. Inoltre f è iniettiva, cioè ker(f) = { 0 n,n }: se A = (a i,j ) 1 i,j n T S n (k) è tale che f(a) = 0 n,n, dalla relazione ( ) segue che a i,j = 0 = 2a i,i, ovvero A = 0 n,n. Il Corollario garantisce dunque che dim k (Sim n (k)) = dim n (T S n (k)) = n(n + 1)/2, come anticipato nell Esempio Similmente si consideri Alt n (k) = { A k n,n t A = A }. Si verifichi che Alt n (k) è un sottospazio vettoriale di k n,n e che l applicazione è un isomorfismo: in particolare g: ST S n (k) Alt n (k) A A t A dim k (Alt n (k)) = dim n (ST S n (k)) = n(n 1)/2

3 LEZIONE Matrice di un applicazione lineare. Siano V e W spazi vettoriali su k = R, C finitamente generati e siano = (v 1,..., v n ) e D = (w 1,..., w m ) basi di V e W rispettivamente. Come abbiamo visto nella dimostrazione della Proposizione invece di studiare direttamente un applicazione k lineare f: V W, può risultare più agevole comporla con opportuni isomorfismi con spazi vettoriali semplici come k n = k n,1 e k m = k m,1 e studiare l applicazione k lineare composta k n,1 k m,1 utilizzando quanto visto negli Esempi , e Se f: V W è un applicazione k lineare, possiamo costruire il diagramma V [ ] 1 k n f g W [ ] D k m k n,1 k m,1 ove, per definizione, si è posto g = [ ] 1 f [ ] D. Chiaramente g è k lineare (cfr. Proposizione ). Identificando k n e k m con k n,1 e k m,1 rispettivamente, in forza dell Esempio , segue l esistenza di una matrice A k m,n tale che l applicazione k n,1 k m,1 indotta dal diagramma sopra sia µ A. La matrice A dipende sia da f che dalle basi e D. Si noti che le colonne di A sono µ A (E j,1 ) = ([ ] D f [ ] 1 )(E j,1): poiché [ ] 1 (E j,1) = v j, segue che le colonne di A non sono altro che ([ ] D f)(v j ) = [f(v j )] D : cioè la j esima colonna di A sono le componenti rispetto alla base fissata nel codominio di f (disposte in colonna!) del j esimo vettore della base fissata nel dominio di f. Definizione Siano V e W spazi vettoriali su k = R, C finitamente generati, = (v 1,..., v n ) e D = (w 1,..., w m ) basi di V e W rispettivamente. Se f: V W è un applicazione k lineare definiamo la matrice di f rispetto alle basi e D la matrice M D (f) avente per colonne le componenti delle immagini dei vettori di rispetto a D. È opportuno osservare che V = k n e W = k m la matrice M(f) di f non è altro che la matrice di f rispetto alle basi canoniche nel senso della definizione data sopra. Esempio Si consideri l applicazione f: R 1 [x] R 2 [x] p(x) xp(x) : Chiaramente se α R e p 1 (x), p 2 (x) R 1 [x] si ha f(αp(x)) = x(αp(x)) = α(xp(x)) = αf(p(x)), f(p 1 (x) + p 2 (x)) = x(p 1 (x) + p 2 (x)) = xp 1 (x) + xp 2 (x) = f(p 1 (x)) + f(p 2 (x)),

4 MATRICE DI UN APPLICAZIONE LINEARE cioè f è R lineare. Si considerino le basi = (1, x) in R 1 [x] e D = (1, x, x 2 ) in R 2 [x]: determiniamo M D (f). Risulta quindi [f(1)] D = [x] D = (0, 1, 0), [f(x)] D = [x 2 ] D = (0, 0, 1) M D (f) = Si noti che [f(a + bx)] D = M D (f)[a + bx]. Si noti che X ker(g) k n,1 se e solo se ([ ] D f [ ] 1 )(X) = 0 m,1, se e solo se, posto v = [ ] 1 (X), si ha [f(v)] D = ([ ] D f)(v) = 0 m,1, se e solo se f(v) = ([ ] 1 D [ ] D f)(v) = [ ] 1 D (0 m,1) = 0 W ovvero se e solo se v = [ ] 1 (X) ker(f). In particolare restringendo [ ] 1 a ker(g) = ker(µ A) otteniamo un isomorfismo fra ker(g) (che si identifica naturalmente con ker(µ A )) e ker(f). Similmente restringendo [ ] 1 a im(f) otteniamo un isomorfismo fra im(f) eim(g) (che si identifica naturalmente con im(µ A )). Per il Corollario dim k (im(f)) = dim k (im(µ A )) = rk(a), dim k (ker(f)) = dim k (ker(µ A )) = n rk(a) (si veda ), quindi abbiamo immediatamente il seguente risultato, spesso chiamato Teorema della dimensione: esso non è altro che il Teorema di Rouché Capelli. Proposizione Siano V e W spazi vettoriali su k = R, C finitamente generati. Se f: V W è un applicazione k lineare si ha dim k (V ) = dim k (ker(f)) + dim k (im(f)). Il seguente corollario è immediata conseguenza della precedente proposizione (si veda anche l Esempio ) Corollario Siano V e W spazi vettoriali su k = R, C finitamente generati, f: V W un applicazione k lineare. i) Se f è iniettiva allora dim k (V ) dim k (W ). ii) Se f è suriettiva allora dim k (V ) dim k (W ). Quanto visto sopra ci permette di studiare un applicazione lineare tra spazi vettoriali di dimensione finita in modo più facile, studiando la sua matrice rispetto a basi fissate (comode).

5 Esempio Si consideri l applicazione LEZIONE 17 5 f: R 2 [x] R 2,2 ( ) a + bx + cx 2 a + b a + c. b c b c Il lettore verifichi che f è lineare. Fissiamo le basi = (1, x, x 2 ) e D = (E 1,1, E 1,2, E 2,1, E 2,2 ) in R 2 [x] e R 2,2 rispettivamente. Poiché [( )] 1 1 [f(1)] D = = (1, 1, 0, 0), 0 0 D [( )] 1 0 [f(x)] D = = (1, 0, 1, 1), 1 1 D [( )] [f(x )] D = = (0, 1, 1, 1), 1 1 segue che la matrice di A rispetto alle basi e D è A = Chiaramente dim(ker(f)) = dim(ker(µ A )) = 3 rk(a) = 1, dim(im(f)) = dim(im(µ A )) = rk(a) = 2. Quindi f non è né iniettiva né suriettiva. Se poi vogliamo essere più precisi circa ker(f) ed im(f), ci riduciamo a studiare ker(µ A ) e im(µ A ). Risolvendo il sistema AX = 0 4,1 otteniamo ker(µ A ) = { t ( a a a ) a R }, quindi, con l usuale identificazione di R 4 con R 4,1, ker(f) = { p(x) R 2 [x] [p(x)] ker(µ A ) } = = { a ax ax 2 a R } = L(1 x x 2 ) : in particolare dim R (ker(f)) = 1, come già visto sopra. Una conseguenza immediata è che 0 2,2 = f(1 x x 2 ) = f(1) f(x) f(x 2 ) ovvero f(x 2 ) = f(1) f(x), sicché im(f) = L(f(1), f(x), f(x 2 )) = L(f(1), f(x)). Poiché f(x) L(f(1)), segue che dim R (im(f)) = 2, come già visto sopra. D

6 MATRICE DI UN APPLICAZIONE LINEARE Esempio Ricordiamo che nell esempio abbiamo verificato che, se v 0 V 3 (O) è un vettore fissato, risulta im( v 0 ) = { w V 3 (O) v V 3 (O) tale che w = v v 0 } v 0 = { w V 3 (O) w, v 0 = 0 } Chiaramente se v 0 = 0, risulta im( v 0 ) = L( 0). Se, invece, v 0 0, l Esempio ci permette di affermare che dim R (ker( v 0 )) = 1, dunque la Proposizione implica dim R (im( v 0 )) = 2. D altra parte v 0 è un sottospazio di V 3 (O) (esercizio) non contenente v 0 : poiché dim R (V 3 (O)) = 3 segue che dim R ( v 0 ) 2. Essendo im( v 0 ) v 0 segue allora che deve valere l uguaglianza, come anticipato. Si noti che, fissato un sistema di riferimento 0 ı j k, risulta v 0 = a ı + b j + c k. La matrice di v 0 rispetto alla stessa base = ( ı, j, k) fissata nel dominio e codominio è A = 0 c b c 0 a b a 0. Esempio Si considerino in R 3 i vettori v 1 = (1, 2, 1), v 2 = (1, 0, 1), v 3 = (1, 0, 2) ed in R 2,2 i vettori A 1 = ( ) 1 0, A = ( ) 1 1, A = ( ) Poiché rk = rk = segue che v 1, v 2, v 3 sono linearmente indipendenti, quindi, per la Proposizione si ha che = (v 1, v 2, v 3 ) è una base di R 3. In particolare esiste un unica applicazione lineare f: R 3 R 2,2 tale che f(v i ) = A i, i = 1, 2, 3, in forza di Vogliamo studiare tale applicazione. A tale scopo scriviamone la matrice rispetto a basi opportunamente scelte nel dominio e nel codominio. Nel dominio abbiamo varie scelte possibili: potremmo per esempio scegliere la base canonica C. Per semplificare al massimo la forma della matrice e, di conseguenza, i calcoli la scelta migliore è, in realtà, quella di prendere la base = (v 1, v 2, v 3 ). Anche nel codominio possiamo fare molte scelte lecite: per esempio potremmo prendere la base E = (E 1,1, E 1,2, E 2,1, E 2,2 ). Ancora per semplificare al massimo i conti una buona scelta può essere quella di prendere D = (A 1, A 2, E 1,2, E 2,1 ) (verificare, per esercizio, che D è base di R 2,2 ).

7 LEZIONE 17 7 Poiché f(v 1 ) = A 1 = 1A 1 + 0A 2 + 0E 1,2 + 0E 2,1, f(v 2 ) = A 2 = 0A 1 + 1A 2 + 0E 1,2 + 0E 2,1, f(v 3 ) = A 3 = 1A 1 + 1A 2 + 0E 1,2 + 0E 2,1, segue che [f(v 1 )] D = (1, 0, 0, 0), [f(v 2 )] D = (0, 1, 0, 0), [f(v 3 )] D = (1, 1, 0, 0), sicché M D (f) = Per semplificare le notazioni sia A = M D (f). Poiché, come è facile vedere dalla matrice, una base di im(µ A ) R 4,1 è (E 1,1, E 2,1 ) corrispondente, tramite l usuale identificazione R 4 = R 4,1, con (e 1, e 2 ), e risulta A 1 = [ ] 1 D (e 1), A 2 = [ ] 1 D (e 2), segue che im(f) ha per base (A 1, A 2 ). Ancora è facile vedere che ker(µ A ) è generato dal singolo vettore E = t ( ) corrispondente, tramite l usuale identificazione R 3 = R 3,1, con e = (1, 1, 1). Poiché (1, 2, 0) = v 1 + v 2 v 3 = [ ] 1 (e), segue che ker(f) è generato dal vettore (1, 2, 0). Per esercizio calcolare MC E(f): si verifichi che M C E(f) M D (f) e che procedendo come fatto sopra con la matrice MC E(f) in luogo di M D (f) si riottengono gli stessi risultati Endomorfismi. Proposizione Siano V e W spazi vettoriali su k = R, C finitamente generati con dim k (V ) = dim k (W ). Sia f: V W un applicazione lineare. Le seguenti affermazioni sono equivalenti: i) f è iniettiva; ii) f è suriettiva; iii) f è un isomorfismo. Dimostrazione. Chiaramente l affermazione iii) implica sia l affermazione i) che l affermazione ii). Supponiamo che valga i), cioè che f è iniettiva. In tal caso dim k (ker(f)) = 0: per la Proposizione e per l ipotesi segue allora che dim k (W ) = dim k (V ) = dim k (im(f)), quindi im(f) = W poiché hanno la stessa dimensione e im(f) W è sottospazio vettoriale (si veda la Proposizione ). Concludiamo che f è suriettiva, quindi è un isomorfismo. Supponiamo che valga ii), cioè che f sia suriettiva. In tal caso dim k (V ) = dim k (W ) = dim k (im(f)), quindi dim k (ker(f)) = 0 per la Proposizione Concludiamo che f è iniettiva, quindi è un isomorfismo. Vediamo ora un esempio che illustra l utilità della precedente proposizione. Esempio Si consideri l applicazione f: C 3 C 2 [x] (a, b, c) (a + (a + b)x + (a + b + c)x 2 ).

8 ENDOMORFISMI Chiaramente (a, b, c) ker(f) se e solo se a + (a + b)x + (a + b + c)x 2 = 0 se e solo se a = a + b = a + b + c = 0, cioè se e solo se (a, b, c) = (0, 0, 0). In particolare f è iniettiva: per la Proposizione possiamo concludere che f è un isomorfismo senza doverne studiare la suriettività. Ad un analogo risultato si poteva arrivare osservando che la matrice di f rispetto alla base canonica di C 3 ed alla base (1, x, x 2 ) di C 2 [x] è che è invertibile A = , Chiaramente la Proposizione si applica, in particolare, al caso V = W, purché V sia finitamente generato. Definizione Sia V uno spazio vettoriale su k = R, C. Un endomorfismo di V è un applicazione lineare f: V V. Chiaramente la Proposizione si applica agli endomorfismi di spazi vettoriali finitamente generati. Essa non è valida se si lavora con spazi non finitamente generato come mostra il seguente esempio. Esempio Esistono endomorfismi suriettivi ma non iniettivi. Infatti sia I =]a, b[ R non vuoto. Nell Esempio abbiamo osservato che l applicazione D: C (I) C (I) è lineare. Tale applicazione non è iniettiva, ma è suriettiva per un ben noto risultato di analisi. Esistono endomorfismi iniettivi ma non suriettivi. Infatti sia k = R, C e si consideri l applicazione f: k[x] k[x] p(x) xp(x). Si verifichi che f è lineare. Chiaramente f è iniettiva, ma non è suriettiva perché i polinomi costanti non sono in im(f). Le applicazioni lineari del precedente esempio sono particolari esempi di endomorfismi.

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

LEZIONE 21 [ ] D [ ] 1. k n. k m. k n,1 k m,1

LEZIONE 21 [ ] D [ ] 1. k n. k m. k n,1 k m,1 LEZIONE 21 21.1. Matrice di un applicazione lineare. Siano V e W spazi vettoriali su k = R, C finitamente generati e siano = (v 1,..., v n ) e = (w 1,..., w m ) basi di V e W rispettivamente. Come abbiamo

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

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

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

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

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

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

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

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

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

Dettagli

ESERCIZI 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

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

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

Dettagli

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 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

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

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 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

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

LEZIONE 31. B i : R n R. R m,n, x = (x 1,..., x n ). Allora sappiamo che è definita. j=1. a i,j x j.

LEZIONE 31. B i : R n R. R m,n, x = (x 1,..., x n ). Allora sappiamo che è definita. j=1. a i,j x j. LEZIONE 31 31.1. Domini di funzioni di più variabili. Sia ora U R n e consideriamo una funzione f: U R m. Una tale funzione associa a x = (x 1,..., x n ) U un elemento f(x 1,..., x n ) R m : tale elemento

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

18.1 Applicazioni lineari tra spazi di dimensione finita. i=1. i=1. 1,...,x 00 n), allora[v 0 + v 00 ] B =(x x 00. i=1. i=1

18.1 Applicazioni lineari tra spazi di dimensione finita. i=1. i=1. 1,...,x 00 n), allora[v 0 + v 00 ] B =(x x 00. i=1. i=1 Lezione 8 8. Applicazioni lineari tra spazi di dimensione finita Siano V e W spazi vettoriali su K = R, C ed f : V! W un applicazione K lineare. Supponiamo che V sia finitamente generato: allora sappiamo

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

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

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

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

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

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

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora:

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: G.C.D.( a d, b d ) = 1 Sono state introdotte a lezione due definizioni importanti che ricordiamo: Definizione

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

I tre concetti si possono descrivere in modo unitario dicendo che f e iniettiva, suriettiva, biiettiva se e solo se per ogni b B l equazione

I tre concetti si possono descrivere in modo unitario dicendo che f e iniettiva, suriettiva, biiettiva se e solo se per ogni b B l equazione Lezioni del 29 settembre e 1 ottobre. 1. Funzioni iniettive, suriettive, biiettive. Sia f : A B una funzione da un insieme A ad un insieme B. Sia a A e sia b = f (a) B l elemento che f associa ad a, allora

Dettagli

Corrispondenze e funzioni

Corrispondenze e funzioni Corrispondenze e funzioni L attività fondamentale della mente umana consiste nello stabilire corrispondenze e relazioni tra oggetti; è anche per questo motivo che il concetto di corrispondenza è uno dei

Dettagli

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

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

Dettagli

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

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

FUNZIONI ELEMENTARI - ESERCIZI SVOLTI

FUNZIONI ELEMENTARI - ESERCIZI SVOLTI FUNZIONI ELEMENTARI - ESERCIZI SVOLTI 1) Determinare il dominio delle seguenti funzioni di variabile reale: (a) f(x) = x 4 (c) f(x) = 4 x x + (b) f(x) = log( x + x) (d) f(x) = 1 4 x 5 x + 6 ) Data la funzione

Dettagli

19. Inclusioni tra spazi L p.

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

Dettagli

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

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

2 FUNZIONI REALI DI VARIABILE REALE

2 FUNZIONI REALI DI VARIABILE REALE 2 FUNZIONI REALI DI VARIABILE REALE 2.1 CONCETTO DI FUNZIONE Definizione 2.1 Siano A e B due insiemi. Una funzione (o applicazione) f con dominio A a valori in B è una legge che associa ad ogni elemento

Dettagli

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

1. PRIME PROPRIETÀ 2

1. PRIME PROPRIETÀ 2 RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,

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

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

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

10. Insiemi non misurabili secondo Lebesgue.

10. Insiemi non misurabili secondo Lebesgue. 10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi

Dettagli

Corso di Calcolo Numerico

Corso di Calcolo Numerico Corso di Calcolo Numerico Dottssa MC De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Corso di Calcolo Numerico - Dottssa MC De Bonis

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

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

1 Serie di Taylor di una funzione

1 Serie di Taylor di una funzione Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita

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

G. Pareschi GENERALITÀ SULLE FUNZIONI. CARDINALITÀ

G. Pareschi GENERALITÀ SULLE FUNZIONI. CARDINALITÀ G. Pareschi GENERALITÀ SULLE FUNZIONI. CARDINALITÀ 1. Definizione di funzione Definizione 1.1. Siano X e Y due insiemi. Una funzione f da X a Y è un sottoinsieme del prodotto cartesiano: f X Y, tale che

Dettagli

FUNZIONI CONVESSE. + e x 0

FUNZIONI CONVESSE. + e x 0 FUNZIONI CONVESSE Sia I un intervallo aperto di R (limitato o illimitato) e sia f(x) una funzione definita in I. Dato x 0 I, la retta r passante per il punto P 0 (x 0, f(x 0 )) di equazione y = f(x 0 )

Dettagli

La funzione è continua nel suo dominio perchè y = f(x) è composizione di funzioni continue. Il punto x = 0 è un punto isolato per D f.

La funzione è continua nel suo dominio perchè y = f(x) è composizione di funzioni continue. Il punto x = 0 è un punto isolato per D f. FUNZIONI CONTINUE - ALCUNI ESERCIZI SVOLTI SIMONE ALGHISI 1. Continuità di una funzione Dati un insieme D R, una funzione f : D R e x 0 R, si è detto che f è continua in x 0 se sono soddisfatte le seguenti

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme 1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R

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

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

Sulle funzioni di W 1,p (Ω) a traccia nulla

Sulle funzioni di W 1,p (Ω) a traccia nulla Sulle funzioni di W 1,p () a traccia nulla Sia u W 1,p (R n ) e supponiamo che il supp u, essendo un aperto di R n. Possiamo approssimare u con una successione di funzioni C il cui supporto è contenuto

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

Proof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme

Proof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero

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

G. Pareschi ALGEBRE DI BOOLE. 1. Algebre di Boole

G. Pareschi ALGEBRE DI BOOLE. 1. Algebre di Boole G. Pareschi ALGEBRE DI BOOLE 1. Algebre di Boole Nel file precedente abbiamo incontrato la definizione di algebra di Boole come reticolo: un algebra di Boole e un reticolo limitato, complementato e distributivo.

Dettagli

1 Giochi a due, con informazione perfetta e somma zero

1 Giochi a due, con informazione perfetta e somma zero 1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una

Dettagli

Una ricetta per il calcolo dell asintoto obliquo. Se f(x) è asintotica a mx+q allora abbiamo f(x) mx q = o(1), da cui (dividendo per x) + o(1), m =

Una ricetta per il calcolo dell asintoto obliquo. Se f(x) è asintotica a mx+q allora abbiamo f(x) mx q = o(1), da cui (dividendo per x) + o(1), m = Una ricetta per il calcolo dell asintoto obliquo Se f() è asintotica a m+q allora abbiamo f() m q = o(1), da cui (dividendo per ) m = f() q + 1 f() o(1) = + o(1), mentre q = f() m = o(1). Dunque si ha

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

1 Estensione in strategia mista di un gioco

1 Estensione in strategia mista di un gioco AVVERTENZA: Di seguito trovate alcuni appunti, poco ordinati e poco formali, che uso come traccia durante le lezioni. Non sono assolutamente da considerarsi sostitutivi del materiale didattico. Riferimenti:

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

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

Dettagli

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

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

Dettagli

x u v(p(x, fx) q(u, v)), e poi

x u v(p(x, fx) q(u, v)), e poi 0.1. Skolemizzazione. Ogni enunciato F (o insieme di enunciati Γ) è equisoddisfacibile ad un enunciato universale (o insieme di enunciati universali) in un linguaggio estensione del linguaggio di F (di

Dettagli

Funzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : = y

Funzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : = y Funzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : ' = y y' = Consideriamo il punto P(,5) se eseguiamo tra trasformazione

Dettagli

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

FOGLIO 4 - Applicazioni lineari. { kx + y z = 2 x + y kw = k. 2 k 1 FOGLIO 4 - Applicazioni lineari Esercizio 1. Si risolvano i seguenti sistemi lineari al variare di k R. { x y + z + 2w = k x z + w = k 2 { kx + y z = 2 x + y kw = k Esercizio 2. Al variare di k R trovare

Dettagli

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

FUNZIONE. Si scrive: A B f: A B x y=f(x) (si legge: f funzione da A in B) x f y= f(x)

FUNZIONE. Si scrive: A B f: A B x y=f(x) (si legge: f funzione da A in B) x f y= f(x) 1 FUNZIONE Dati gli insiemi A e B, si definisce funzione da A in B una relazione o legge o corrispondenza che ad ogni elemento di A associa uno ed un solo elemento di B. Si scrive: A B f: A B f() (si legge:

Dettagli

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

CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI

CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI Abbiamo studiato successioni e serie numeriche, ora vogliamo studiare successioni e serie di funzioni. Dato un insieme A R, chiamiamo successione di funzioni

Dettagli

MATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010

MATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010 elementi di teoria dei grafi anno acc. 2009/2010 Grafi semplici Un grafo semplice G è una coppia ordinata (V(G), L(G)), ove V(G) è un insieme finito e non vuoto di elementi detti vertici o nodi di G, mentre

Dettagli

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

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

Dettagli

LE FUNZIONI A DUE VARIABILI

LE FUNZIONI A DUE VARIABILI Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre

Dettagli

CONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t)

CONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t) CONTINUITÀ E DERIVABILITÀ Esercizi proposti 1. Determinare lim M(sin) (M(t) denota la mantissa di t) kπ/ al variare di k in Z. Ove tale limite non esista, discutere l esistenza dei limiti laterali. Identificare

Dettagli

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

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

Dettagli

IL CALCOLO VETTORIALE (SUPPLEMENTO AL LIBRO)

IL CALCOLO VETTORIALE (SUPPLEMENTO AL LIBRO) IL CALCOLO VETTORIALE SUPPLEMENTO AL LIBRO CLAUDIO BONANNO Contents. Campi di vettori e operatori 2. Il lavoro di un campo di vettori 5 2.. Lavoro e campi conservativi 6 2.2. Lavoro e campi irrotazionali:

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

DOMINI A FATTORIZZAZIONE UNICA

DOMINI A FATTORIZZAZIONE UNICA DOMINI A FATTORIZZAZIONE UNICA CORSO DI ALGEBRA, A.A. 2012-2013 Nel seguito D indicherà sempre un dominio d integrità cioè un anello commutativo con unità privo di divisori dello zero. Indicheremo con

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE Una funzione reale di una variabile reale f di dominio A è una legge che ad ogni x A associa un numero reale che denotiamo con f(x). Se A = N, la f è detta successione di numeri reali.

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

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

ALGEBRA I: CARDINALITÀ DI INSIEMI

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

Dettagli

1.1. Spazi metrici completi

1.1. Spazi metrici completi SPAZI METRICI: COMPLETEZZA E COMPATTEZZA Note informali dalle lezioni 1.1. Spazi metrici completi La nozione di convergenza di successioni è centrale nello studio degli spazi metrici. In particolare è

Dettagli

Corso di Matematica per la Chimica

Corso di Matematica per la Chimica Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano

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

A i è un aperto in E. i=1

A i è un aperto in E. i=1 Proposizione 1. A è aperto se e solo se A c è chiuso. Dimostrazione. = : se x o A c, allora x o A = A o e quindi esiste r > 0 tale che B(x o, r) A; allora x o non può essere di accumulazione per A c. Dunque

Dettagli

Luigi Piroddi piroddi@elet.polimi.it

Luigi Piroddi piroddi@elet.polimi.it Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,

Dettagli

Sulla monotonia delle funzioni reali di una variabile reale

Sulla monotonia delle funzioni reali di una variabile reale Liceo G. B. Vico - Napoli Sulla monotonia delle funzioni reali di una variabile reale Prof. Giuseppe Caputo Premetto due teoremi come prerequisiti necessari per la comprensione di quanto verrà esposto

Dettagli

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

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

Dettagli

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

1 Insiemi e terminologia

1 Insiemi e terminologia 1 Insiemi e terminologia Assumeremo come intuitiva la nozione di insieme e ne utilizzeremo il linguaggio come strumento per studiare collezioni di oggetti. Gli Insiemi sono generalmente indicati con le

Dettagli

Introduzione Ordini parziali e Reticoli Punti fissi

Introduzione Ordini parziali e Reticoli Punti fissi Introduzione Ordini parziali e Reticoli Punti fissi By Giulia Costantini (819048) & Giuseppe Maggiore (819050) Table of Contents ORDINE PARZIALE... 3 Insieme parzialmente ordinato... 3 Diagramma di Hasse...

Dettagli

Funzioni. Parte prima. Daniele Serra

Funzioni. Parte prima. Daniele Serra Funzioni Parte prima Daniele Serra Nota: questi appunti non sostituiscono in alcun modo le lezioni del prof. Favilli, né alcun libro di testo. Sono piuttosto da intendersi a integrazione di entrambi. 1

Dettagli

Anno 3. Classificazione delle funzioni

Anno 3. Classificazione delle funzioni nno 3 Classificazione delle funzioni 1 Introduzione In questa lezione affronteremo lo studio delle principali proprietà delle funzioni, imparando a classificarle e a compiere alcune operazioni su esse.

Dettagli

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