LEZIONE 17. B : kn k m.
|
|
- Martina Zanella
- 8 anni fa
- Visualizzazioni
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 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
DettagliLEZIONE 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
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Esercizi Esercizio 1. Sia f: R 3 R 2 (x, y, z) (x + 2y + z, y + z). (1) Verificare che f è lineare. (2) Determinare una base di ker(f) e stabilire se f è iniettiva. (3) Calcolare w
DettagliLEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0
LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi
DettagliParte 6. Applicazioni lineari
Parte 6 Applicazioni lineari A Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Applicazioni fra insiemi, 2 Applicazioni lineari tra spazi vettoriali, 2 3 Applicazioni lineari da R n a R
Dettaglif(x, y, z) = (x + ky + z, x y + 2z, x + y z) f(x, y, z) = (x + 2y z, x + y z, x + 2y) F (f(x)) = (f(0), f(1), f(2))
Algebra Lineare e Geometria Analitica Politecnico di Milano Ingegneria Applicazioni Lineari 1. Sia f : R 3 R 3 l applicazione lineare definita da f(x, y, z) = (x + ky + z, x y + 2z, x + y z) per ogni (x,
Dettagli1 Applicazioni Lineari tra Spazi Vettoriali
1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!
DettagliApplicazioni lineari
Applicazioni lineari Esempi di applicazioni lineari Definizione. Se V e W sono spazi vettoriali, una applicazione lineare è una funzione f: V W tale che, per ogni v, w V e per ogni a, b R si abbia f(av
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI 1. Esercizi Esercizio 1. Date le seguenti applicazioni lineari (1) f : R 2 R 3 definita da f(x, y) = (x 2y, x + y, x + y); (2) g : R 3 R 2 definita da g(x, y, z) = (x + y, x y); (3)
DettagliESERCIZI APPLICAZIONI LINEARI
ESERCIZI APPLICAZIONI LINEARI PAOLO FACCIN 1. Esercizi sulle applicazioni lineari 1.1. Definizioni sulle applicazioni lineari. Siano V, e W spazi vettoriali, con rispettive basi B V := (v 1 v n) e B W
DettagliLEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1
LEZIONE 14 141 Dimensione di uno spazio vettoriale Abbiamo visto come l esistenza di una base in uno spazio vettoriale V su k = R, C, permetta di sostituire a V, che può essere complicato da trattare,
DettagliESERCIZI DI ALGEBRA LINEARE E GEOMETRIA
ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai
Dettagli2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione
Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza
DettagliLezione 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
Dettaglix 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.
Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini
Dettagli3 Applicazioni lineari e matrici
3 Applicazioni lineari e matrici 3.1 Applicazioni lineari Definizione 3.1 Siano V e W dei K spazi vettoriali. Una funzione f : V W è detta applicazione lineare se: i u, v V, si ha f(u + v = f(u + f(v;
DettagliUniversità degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica
Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica Esame di Geometria (Prof. F. Tovena) Argomenti: Proprietà di nucleo e immagine di una applicazione lineare. dim V = dim
DettagliLezione 9: Cambio di base
Lezione 9: Cambio di base In questa lezione vogliamo affrontare uno degli argomenti piu ostici per lo studente e cioè il cambio di base all interno di uno spazio vettoriale, inoltre cercheremo di capire
DettagliLezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari
Versione ottobre novembre 2008 Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari Contenuto 1. Applicazioni lineari 2. L insieme delle
DettagliLEZIONE 31. B i : R n R. R m,n, x = (x 1,..., x n ). Allora sappiamo che è definita. j=1. a i,j x j.
LEZIONE 31 31.1. Domini di funzioni di più variabili. Sia ora U R n e consideriamo una funzione f: U R m. Una tale funzione associa a x = (x 1,..., x n ) U un elemento f(x 1,..., x n ) R m : tale elemento
DettagliSiano V e W due spazi vettoriali. La definizione seguente é è tra quelle basilari per il corso di Matematica B. L : V W
Matematica B - a.a 2006/07 p. 1 Siano V e W due spazi vettoriali. La definizione seguente é è tra quelle basilari per il corso di Matematica B. Definizione 1. La funzione L : V W si dice una applicazione
Dettagli18.1 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
Dettagli4. Operazioni elementari per righe e colonne
4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliDiagonalizzazione di matrici e applicazioni lineari
CAPITOLO 9 Diagonalizzazione di matrici e applicazioni lineari Esercizio 9.1. Verificare che v = (1, 0, 0, 1) è autovettore dell applicazione lineare T così definita T(x 1,x 2,x 3,x 4 ) = (2x 1 2x 3, x
DettagliSTRUTTURE ALGEBRICHE
STRUTTURE ALGEBRICHE Operazioni in un insieme Sia A un insieme non vuoto; una funzione f : A A A si dice operazione binaria (o semplicemente operazione), oppure legge di composizione interna. Per definizione
DettagliEsercizi su lineare indipendenza e generatori
Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v
DettagliParte 3. Rango e teorema di Rouché-Capelli
Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici
DettagliIniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora:
Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: G.C.D.( a d, b d ) = 1 Sono state introdotte a lezione due definizioni importanti che ricordiamo: Definizione
DettagliCORSO DI LAUREA INF TWM ANNO DI IMMATRICOLAZIONE MATRICOLA
COGNOME NOME CORSO DI LAUREA INF TWM ANNO DI IMMATRICOLAZIONE MATRICOLA SIMULAZIONE SCRITTO DI MATEMATICA DISCRETA, SECONDA PARTE Per ottenere la sufficienza bisogna rispondere in modo corretto ad almeno
DettagliI 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
DettagliCorrispondenze e funzioni
Corrispondenze e funzioni L attività fondamentale della mente umana consiste nello stabilire corrispondenze e relazioni tra oggetti; è anche per questo motivo che il concetto di corrispondenza è uno dei
DettagliAnello commutativo. Un anello è commutativo se il prodotto è commutativo.
Anello. Un anello (A, +, ) è un insieme A con due operazioni + e, dette somma e prodotto, tali che (A, +) è un gruppo abeliano, (A, ) è un monoide, e valgono le proprietà di distributività (a destra e
Dettagli4 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,
DettagliChiusura lineare. N.B. A può essere indifferentemente un insieme, finito o no, o un sistema. Es.1. Es.2
Chiusura lineare Def. Sia A V (K) con A. Si dice copertura lineare (o chiusura lineare) di A, e si indica con L(A), l insieme dei vettori di V che risultano combinazioni lineari di un numero finito di
DettagliFUNZIONI ELEMENTARI - ESERCIZI SVOLTI
FUNZIONI ELEMENTARI - ESERCIZI SVOLTI 1) Determinare il dominio delle seguenti funzioni di variabile reale: (a) f(x) = x 4 (c) f(x) = 4 x x + (b) f(x) = log( x + x) (d) f(x) = 1 4 x 5 x + 6 ) Data la funzione
Dettagli19. Inclusioni tra spazi L p.
19. Inclusioni tra spazi L p. Nel n. 15.1 abbiamo provato (Teorema 15.1.1) che, se la misura µ è finita, allora tra i corispondenti spazi L p (µ) si hanno le seguenti inclusioni: ( ) p, r ]0, + [ : p
DettagliUniversita degli Studi di Roma Tor Vergata Facolta di Ingegneria - Edile ed Edile-Architettura
Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria - Edile ed Edile-Architettura Primo Esonero del corso di Geometria Docente F. Flamini, Roma, 2//28 SOLUZIONI COMPITO I ESONERO Esercizio.
DettagliLE FIBRE DI UNA APPLICAZIONE LINEARE
LE FIBRE DI UNA APPLICAZIONE LINEARE Sia f:a B una funzione tra due insiemi. Se y appartiene all immagine di f si chiama fibra di f sopra y l insieme f -1 y) ossia l insieme di tutte le controimmagini
Dettagli2 FUNZIONI REALI DI VARIABILE REALE
2 FUNZIONI REALI DI VARIABILE REALE 2.1 CONCETTO DI FUNZIONE Definizione 2.1 Siano A e B due insiemi. Una funzione (o applicazione) f con dominio A a valori in B è una legge che associa ad ogni elemento
DettagliAlgebra Lineare e Geometria
Algebra Lineare e Geometria Corso di Laurea in Ingegneria Elettronica A.A. 2013-2014 Prova d esame del 16/06/2014. 1) a) Determinare la matrice associata all applicazione lineare T : R 3 R 4 definita da
Dettagli1. PRIME PROPRIETÀ 2
RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,
DettagliRango: Rouchè-Capelli, dimensione e basi di spazi vettoriali.
CAPITOLO 7 Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. Esercizio 7.1. Determinare il rango delle seguenti matrici al variare del parametro t R. 1 4 2 1 4 2 A 1 = 0 t+1 1 A 2 = 0 t+1 1
DettagliLezioni di Geometria e Algebra. Fulvio Bisi, Francesco Bonsante, Sonia Brivio
Lezioni di Geometria e Algebra Fulvio Bisi, Francesco Bonsante, Sonia Brivio CAPITOLO 4 Applicazioni lineari 1. Definizioni ed esempi. In questo capitolo ci proponiamo di studiare le funzioni tra spazi
DettagliProdotto libero di gruppi
Prodotto libero di gruppi 24 aprile 2014 Siano (A 1, +) e (A 2, +) gruppi abeliani. Sul prodotto cartesiano A 1 A 2 definiamo l operazione (x 1, y 1 ) + (x 2, y 2 ) := (x 1 + x 2, y 1 + y 2 ). Provvisto
Dettagli10. Insiemi non misurabili secondo Lebesgue.
10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi
DettagliCorso 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
DettagliParte 2. Determinante e matrice inversa
Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice
DettagliAPPLICAZIONI LINEARI. B si definisce surriettiva. 9 quando ogni elemento di. B risulta IMMAGINE di. almeno un elemento di A.
APPLICAZIONI LINEARI Siano V e W due spazi vettoriali, di dimensione m ed n sullo stesso campo di scalari R. Una APPLICAZIONE ƒ : V W viene definita APPLICAZIONE LINEARE od OMOMORFISMO se risulta, per
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
DettagliFederico Lastaria. Analisi e Geometria 2. Matrici simmetriche. Il teorema spettrale. 1/24
Contenuto Endomorfismi auto-aggiunti. Matrici simmetriche. Il teorema spettrale Gli autovalori di una matrice simmetrica sono tutti reali. (Dimostrazione fatta usando i numeri complessi). Dimostrazione
DettagliG. Pareschi GENERALITÀ SULLE FUNZIONI. CARDINALITÀ
G. Pareschi GENERALITÀ SULLE FUNZIONI. CARDINALITÀ 1. Definizione di funzione Definizione 1.1. Siano X e Y due insiemi. Una funzione f da X a Y è un sottoinsieme del prodotto cartesiano: f X Y, tale che
DettagliFUNZIONI CONVESSE. + e x 0
FUNZIONI CONVESSE Sia I un intervallo aperto di R (limitato o illimitato) e sia f(x) una funzione definita in I. Dato x 0 I, la retta r passante per il punto P 0 (x 0, f(x 0 )) di equazione y = f(x 0 )
DettagliLa 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
DettagliPer lo svolgimento del corso risulta particolarmente utile considerare l insieme
1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R
DettagliProva 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
DettagliSpazi lineari - PARTE II - Felice Iavernaro. Dipartimento di Matematica Università di Bari. 9 e 16 Marzo 2007
Spazi lineari - PARTE II - Felice Iavernaro Dipartimento di Matematica Università di Bari 9 e 16 Marzo 2007 Felice Iavernaro (Univ. Bari) Spazi lineari 9-16/03/2007 1 / 17 Condizionamento dei sistemi lineari
DettagliSulle funzioni di W 1,p (Ω) a traccia nulla
Sulle funzioni di W 1,p () a traccia nulla Sia u W 1,p (R n ) e supponiamo che il supp u, essendo un aperto di R n. Possiamo approssimare u con una successione di funzioni C il cui supporto è contenuto
DettagliProdotto 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
DettagliProof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme
G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero
DettagliApplicazioni lineari
CAPITOLO 8 Applicazioni lineari Esercizio 8.. Sia T : R 3 R 3 l applicazione definita da T(x,x,x 3 ) = (x,x,x 3 ). Stabilire se T è lineare. Esercizio 8.. Verificare che la funzione determinante definita
DettagliG. Pareschi ALGEBRE DI BOOLE. 1. Algebre di Boole
G. Pareschi ALGEBRE DI BOOLE 1. Algebre di Boole Nel file precedente abbiamo incontrato la definizione di algebra di Boole come reticolo: un algebra di Boole e un reticolo limitato, complementato e distributivo.
Dettagli1 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
DettagliUna 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
DettagliOttimizazione vincolata
Ottimizazione vincolata Ricordiamo alcuni risultati provati nella scheda sulla Teoria di Dini per una funzione F : R N+M R M di classe C 1 con (x 0, y 0 ) F 1 (a), a = (a 1,, a M ), punto in cui vale l
Dettagli1 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:
DettagliALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE
ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è
DettagliTutorato di GE110. Universitá degli Studi Roma Tre - Corso di Laurea in Matematica
Universitá degli Studi Roma Tre - Corso di Laurea in Matematica Tutorato di GE110 A.A. 2014-2015 - Docente: Prof. Angelo Felice Lopez Tutori: Federico Campanini e Giulia Salustri Soluzioni Tutorato 13
Dettaglix 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
DettagliFunzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : = y
Funzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : ' = y y' = Consideriamo il punto P(,5) se eseguiamo tra trasformazione
DettagliFOGLIO 4 - Applicazioni lineari. { kx + y z = 2 x + y kw = k. 2 k 1
FOGLIO 4 - Applicazioni lineari Esercizio 1. Si risolvano i seguenti sistemi lineari al variare di k R. { x y + z + 2w = k x z + w = k 2 { kx + y z = 2 x + y kw = k Esercizio 2. Al variare di k R trovare
DettagliEsame di Geometria - 9 CFU (Appello del 28 gennaio 2013 - A)
Esame di Geometria - 9 CFU (Appello del 28 gennaio 23 - A) Cognome: Nome: Nr.matricola: Corso di laurea: Esercizio. Nello spazio R 3, siano dati il piano e i punti P = (, 2, ), Q = (2,, ). π : x + 2y 3
DettagliFUNZIONE. Si scrive: A B f: A B x y=f(x) (si legge: f funzione da A in B) x f y= f(x)
1 FUNZIONE Dati gli insiemi A e B, si definisce funzione da A in B una relazione o legge o corrispondenza che ad ogni elemento di A associa uno ed un solo elemento di B. Si scrive: A B f: A B f() (si legge:
DettagliRICHIAMI 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
DettagliCAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI
CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI Abbiamo studiato successioni e serie numeriche, ora vogliamo studiare successioni e serie di funzioni. Dato un insieme A R, chiamiamo successione di funzioni
DettagliMATEMATICA 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
DettagliMATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni.
MATEMATICA. Sistemi lineari in due equazioni due incognite. Date due equazioni lineari nelle due incognite x, y come ad esempio { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliCONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t)
CONTINUITÀ E DERIVABILITÀ Esercizi proposti 1. Determinare lim M(sin) (M(t) denota la mantissa di t) kπ/ al variare di k in Z. Ove tale limite non esista, discutere l esistenza dei limiti laterali. Identificare
DettagliESERCIZI 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
DettagliIL CALCOLO VETTORIALE (SUPPLEMENTO AL LIBRO)
IL CALCOLO VETTORIALE SUPPLEMENTO AL LIBRO CLAUDIO BONANNO Contents. Campi di vettori e operatori 2. Il lavoro di un campo di vettori 5 2.. Lavoro e campi conservativi 6 2.2. Lavoro e campi irrotazionali:
DettagliAppunti 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
DettagliDOMINI A FATTORIZZAZIONE UNICA
DOMINI A FATTORIZZAZIONE UNICA CORSO DI ALGEBRA, A.A. 2012-2013 Nel seguito D indicherà sempre un dominio d integrità cioè un anello commutativo con unità privo di divisori dello zero. Indicheremo con
DettagliSUCCESSIONI 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.
DettagliNel 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
DettagliEquazioni alle differenze finite (cenni).
AL 011. Equazioni alle differenze finite (cenni). Sia a n } n IN una successione di numeri reali. (Qui usiamo la convenzione IN = 0, 1,,...}). Diremo che è una successione ricorsiva o definita per ricorrenza
DettagliALGEBRA 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
Dettagli1.1. 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
DettagliCorso 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
Dettaglix (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:
DettagliA 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
DettagliLuigi 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,
DettagliSulla 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
DettagliEQUAZIONI 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
DettagliII 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
Dettagli1 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
DettagliIntroduzione 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...
DettagliFunzioni. Parte prima. Daniele Serra
Funzioni Parte prima Daniele Serra Nota: questi appunti non sostituiscono in alcun modo le lezioni del prof. Favilli, né alcun libro di testo. Sono piuttosto da intendersi a integrazione di entrambi. 1
DettagliAnno 3. Classificazione delle funzioni
nno 3 Classificazione delle funzioni 1 Introduzione In questa lezione affronteremo lo studio delle principali proprietà delle funzioni, imparando a classificarle e a compiere alcune operazioni su esse.
DettagliRette e piani con le matrici e i determinanti
CAPITOLO Rette e piani con le matrici e i determinanti Esercizio.. Stabilire se i punti A(, ), B(, ) e C(, ) sono allineati. Esercizio.. Stabilire se i punti A(,,), B(,,), C(,, ) e D(4,,0) sono complanari.
Dettagli