Lezione 4: Base e dimensione
|
|
- Ignazio Angelini
- 5 anni fa
- Visualizzazioni
Transcript
1 Lezione 4: Base e dimensione 1 Base: definizione ed esempi Come la parola stessa suggerisce, il concetto di base di uno spazio vettoriale e fondamentale e racchiude tutte le informazioni necessarie a ricostruire lo spazio vettoriale stesso. Vediamo alcuni esempi per motivarci, prima di procedere nelle definizioni e proposizioni. Esempio 1.1. Nella lezione precedente abbiamo visto diversi esempi di insiemi di generatori dello spazio vettoriale R, come: R = Span{(1, 0), (0, 1)} = Span{(1, 0), (0, 1), (1, 1)} Se ad un insieme che genera R aggiungiamo un vettore, questo insieme continua a generare R per la proposizione 1.5 della lezione 3. La domanda che ci poniamo e : come possiamo trovare un insieme minimale, cioe il piu piccolo possibile, di generatori per lo spazio R? Sempre la proposizione 1.5 della lezione 3 ci viene in aiuto: se eliminiamo vettori che sono combinazione lineare degli altri lo span non cambia, come l equazione ( ) ci esemplifica chiaramente. Nell esempio che stiamo esaminando possiamo eliminare il vettore (1, 1) in quanto combinazione lineare di (1, 0) e (0, 1): (1, 1) = (1, 0) + (0, 1) e lo span non cambia. Se ora proviamo pero a ridurre ulteriormente l insieme di generatori lo span cambia. Infatti Span{(1, 0)} e la sola retta delle ascisse, mentre Span{(0, 1)} e la sola retta delle ordinate. Dunque se eliminiamo uno dei due vettori (1, 0) e (0, 1) l insieme generato cambia, non ci sono in altre parole generatori superflui. Non ci puo essere sfuggita l importante differenza tra i due insiemi: {(1, 0), (0, 1)} e {(1, 0), (0, 1), (1, 1)}. Il primo e linearmente indipendente, mentre il secondo e linearmente dipendente. Quindi abbiamo visto in questo esempio che a partire da un insieme di generatori possiamo eliminare uno ad uno i generatori che sono combinazione lineare degli altri, fino a giungere ad un insieme linearmente indipendente in cui appunto nessun vettore e combinazione lineare degli altri (proposizione 1.8 della lezione 3). A questo punto non possiamo piu eliminare vettori senza cambiare lo span. La prossima proposizione formalizza le conclusioni dell esempio precedente e ci fornisce un algoritmo per arrivare ad un sistema minimale di generatori (come vedremo tale sistema sara denominato base). 1
2 Proposizione 1.. Sia V = Span{v 1,...,v n }. Allora esiste un sottoinsieme di vettori linearmente indipendenti di { v 1...v n } che genera V. Dimostrazione: Passo uno. V = Span{ v 1,...,v n } per ipotesi. Se v 1...v n sono linearmente indipendenti allora abbiamo dimostrato l enunciato. Altrimenti uno dei vettori, supponiamo v n, e combinazione lineare degli altri. Per la proposizione 1.5 vista nella lezione precedente: V = Span{ v 1,...,v n } = Span{ v 1,...,v n 1 }. Passo due. V = Span{ v 1,...v, n 1 } dal passo uno. Se v 1,...,v n 1 sono linearmente indipendenti allora abbiamo terminato. Altrimenti uno dei vettori, supponiamo v n 1, e combinazione lineare degli altri. Per la proposizione 1.5 vista nella lezione 3: V = Span{ v 1...v n } = Span{ v 1...v n 1 } = Span{ v 1...v n }. E chiaro che dopo un numero finito di passi si arriva ad un insieme in cui nessun vettore e combinazione lineare degli altri, dunque ad un insieme linearmente indipendente (proposizione 1.8 lezione 3). Siamo pronti per la definizione di base. Definizione 1.3. Sia V uno spazio vettoriale. L insieme {v 1,...,v n } si dice base se: 1. I vettori v 1,...,v n sono linearmente indipendenti,. I vettori v 1,...,v n generano V. Teorema 1.4. Una base di uno spazio vettoriale V e un insieme minimale di generatori di V. un insieme massimale di vettori linearmente indipendenti. Dimostrazione: Il primo punto e una conseguenza della dimostrazione della proposizione precedente, infatti ad ogni passo eliminiamo un vettore combinazione lineare degli altri, senza modificare lo span e al termine otteniamo un insieme di generatori che e anche linearmente indipendente, cioe una base. Il secondo punto e una conseguenza diretta delle definizioni. Infatti se ho un insieme massimale di vettori linearmente indipendenti allora significa
3 che aggiungendo un vettore, questo necessariamente e combinazione lineare degli altri e quindi per definizione i vettori generano V (ogni vettore dello spazio e loro combinazione lineare). Esempio 1.5. Siano dati in R 3 [x] l insieme di vettori: x 3, x,, 5, x +, 3x, 7x, x 3 Vogliamo trovare una base per il sottospazio vettoriale generato. La procedura che seguiamo non e quella standard, ma solo una esemplificazione della procedura descritta nella proposizione 1.. Innanzitutto vediamo subito che 5 e combinazione lineare di : 5 = (/5). Dunque possiamo eliminare il vettore 5. Allo stesso modo possiamo eliminare 7x = ( 7/3)3x e anche x 3 = (x 3 ). Dunque abbiamo: W = Span{x 3, x,, 5, x +, 3x, 7x, x 3 } = Span{x 3, x,, x +, 3x}. Ora notiamo che x + = 1/3 3x +, dunque: W = Span{x 3, x,, x +, 3x} = Span{x 3, x,, 3x}. Per verificare che questi vettori sono linearmente indipendenti e quindi formano una base per W dobbiamo mostrare che l equazione: ax + bx + c + 3dx = 0 e soddisfatta soltanto per a = b = c = d = 0, ma cio e chiaro (un polinomio e identicamente nullo se sono nulli tutti i suoi coefficienti). Percio {x 3, x,, 3x} e base di W. Lasciamo per esercizio allo studente il fatto che W = R. Vedremo piu avanti che quest ultima affermazione e ovvia utilizzando il concetto di dimensione. Sorge spontanea la domanda: dato uno spazio vettoriale V, esiste sempre una base per V? La risposta e affermativa, anche se noi vedremo la dimostrazione soltanto per gli spazi vettoriali finito dimensionali e cioe gli spazi vettoriali generati da un numero finito di vettori. Proposizione 1.6. Dato uno spazio vettoriale V {0} finito dimensionale e cioe generato da un numero finito di vettori v 1,...,v n allora esiste una base di V. 3
4 Proof. Per ipotesi V = Span{v 1...v n }. Allora per il teorema 1. abbiamo che esiste un sottoinsieme linearmente indipendente di {v 1...v n } che genera V, cioe una base. Osservazione 1.7. Non tutti gli spazi vettoriali hanno dimensione finita. Ad esempio lo spazio R[x] dei polinomi di qualsiasi grado e infinito dimensionale. Infatti se esistesse una base per R[x] con un numero finito di elementi con N e loro grado massimo, il polinomio x N+1 non potrebbe essere generato dagli elementi della base e quindi abbiamo ottenuto una contraddizione. (Nella dimostrazione per assurdo ricordiamo che negando la tesi e si cerca di ottenere una contraddizione o una negazione dell ipotesi). Tuttavia anche per gli spazi vettoriali infinito dimensionali abbiamo ugualmente il teorema di esistenza della base: la dimostrazione e un solo un po piu difficile e non la vediamo qui. Nel caso particolare di R[x] una base necessiaramente deve contenere un numero infinito di elementi ad esempio lo studente e invitato a verificare che {1, x, x, x 3,... } e base. Il concetto di dimensione Uno spazio vettoriale, come gia sappiamo, ammette diverse basi, tuttavia, come vedremo, tutte le basi hanno lo stesso numero di elementi che si dice dimensione dello spazio vettoriale. E difficile che lo studente comprenda subito l importanza di questo numero associato ad uno spazio vettoriale. Per motivarlo, basti dire che e veramente una chiave di volta per risolvere innumerevoli esercizi molto rapidamente e in modo indolore. Per poter definire con precisione la dimensione e necessario prima il teorema del completamento. La dimostrazione di questo teorema non e particolarmente istruttiva e per il momento la omettiamo. Teorema.1. Teorema del completamento Sia v 1...v n un insieme di vettori linearmente indipendenti in uno spazio vettoriale finito dimensionale V. Se B = {w 1,..., w m } e una base di V (sappiamo che ne esiste sempre almeno una) allora possiamo sempre aggiungere a v 1,...,v n m n vettori v n+1,...,v m B in modo da ottenere una base di V. Vedremo al termine di questa lezione che e possibile mettere in azione in modo molto esplicito il teorema del completamento in R n e completare ad una base di R n un qualunque insieme di vettori dati linearmente indipendenti. 4
5 Proposizione.. Tutte le basi di uno stesso spazio vettoriale hanno lo stesso numero di elementi. Dimostrazione: Siano B 1 = {v 1... v n } e B = {w 1...w m } due basi di V, con n m. Dal teorema del completamento possiamo completare l insieme B 1 linearmente indipendente ad una base di V. Tuttavia poiche B 1 e gia base e dunque e un insieme massimale di vettori linearmente indipendenti, non possiamo aggiungere nessun vettore ancora linearmente indipendente e quindi n = m.. Definizione.3. Il numero degli elementi di una base di uno spazio vettoriale si dice dimensione dello spazio vettoriale. Vediamo ora delle basi particolarmente semplici dette basi canoniche per gli spazi vettoriali incontrati fino ad ora e dunque le dimensioni relative. Lasciamo allo studente la verifica che si tratta effettivamente di basi. R n. La base canonica e data da B = {e 1,...,e n }, ove e i è il vettore che ha 1 nella posizione i e 0 nelle altre posizioni. Ad esempio una base di R 3 e B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}. R n [x]. La base canonica e data da B = {x n, x n 1,...,x, 1}. M m,n. La base canonica e data da B = {e 1,1,...,e m,n }, ove e i,j è la matrice che ha 1 nella posizione {( (i, j) e 0) nelle ( altre posizioni. ) ( Ad esempio una base di M,3 e B =,,, ) ( ), ( ), ( )}, La conoscenza delle basi canoniche ci dice subito la dimensione dei vari spazi vettoriali: dim(r n ) = n, dim(r n )[x] = n + 1, dim(m m,n ) = mn Se uno tiene bene a mente questo fatto molti esercizi diventano semplicissimi. Ad esempio ci chiediamo l insieme (1,, 1), (1, 1, 5), (, 3, 1) (0, 1, 0) 5
6 e una base di R 3? Risposta immediata: l insieme non puo essere una base poiche sappiamo che tutte le basi in R 3 hanno precisamente 3 elementi e l insieme dato ne ha 4! La proposizione che enunciamo di sotto e particolarmente utile per gli esercizi. Proposizione.4. Sia V uno spazio vettoriale di dimensione n e sia W un ssv di V. Allora: 1. dim(w) dim(v ),. dim(w) = dim(v ) se e solo se V = W. Dimostrazione: (1) Poiche W e contenuto in V non possiamo scegliere in W piu vettori linearmente indipendenti che in V e dunque la dimensione di W (cioe il numero degli elementi di una base che sono un insieme massimale di vettori linearmente indipendenti) non puo essere piu grande di quella di V. () Se dim(w) = dim(v ) significa che una base di W e anche una base di V, dunque ogni vettore di V e combinazione lineare di vettori in W e dunque appartiene a W. Se V = W e chiaro che la dimensione e la stessa. Vediamo ora come questo teorema ci semplifica notevolmente gli esercizi. Esempio.5. Consideriamo l esercizio visto in precedenza: Si dimostri che B = {(1, 1), (, 0)} è una base di R. Nello svolgimento precedente abbiamo dovuto verificare che i due vettori fossero linearmente indipendenti e che generassero tutto R. Tuttavia la lineare indipendenza era ovvia in quanto i vettori non sono uno multiplo dell altro, mentre per la generazione abbiamo dovuto fare dei calcoli. Ora vediamo che i calcoli sono superflui, infatti abbiamo trovato vettori linearmente indipendenti in R, pertanto il sottospazio che generano ha dimensione due. Dunque per il teorema precedente deve essere uguale a R. Senza fare alcun calcolo! Analogamente, in un esempio visto in precedenza abbiamo dimostrato che i vettori x 3, x,, 3x sono linearmente indipendenti. Allora dato che sono 4, possiamo subito concludere senza fare calcoli che sono una base di R 3 [x], percio W = Span{x 3, x,, 3x} = R 3 [x]. Vogliamo ora vedere che una base e un modo efficiente di rappresentare vettori in uno spazio vettoriale. Vediamo un esempio. 6
7 Esempio.6. In R sappiamo che tutti i vettori sono combinazioni lineari dei due vettori della base canonica e 1 = (1, 0), e = (0, 1). Possiamo inoltre verificare che ogni vettore in R non solo e combinazione lineare di e 1 e e ma lo e in modo unico. Infatti se prendiamo il vettore (, 3), possiamo scrivere (, 3) = (1, 0) + 3(0, 1) e i numeri e 3 sono gli unici scalari che ci danno (, 3) come combinazione lineare di (1, 0), (0, 1). Diverso e il discorso se invece prendiamo i tre vettori (1, 0), (0, 1) e (1, 1). Infatti abbiamo gia capito che il vettore (1, 1) e in qualche modo superfluo, cioe sappiamo che: Span{(1, 0), (0, 1), (1, 1)} = Span{(1, 0), (0, 1)} e questo perche (1, 1) e combinazione lineare di (1, 0) e (0, 1). Cio si riflette nel fatto che un vettore in R non e piu combinazione lineare in modo unico di questi tre vettori. Infatti (, 3) = (1, 0) + (0, 1) + (1, 1) = 0(1, 0) + (0, 1) + (1, 1). Il concetto di unicita di espressione visto nell esempio precedente e il contenuto della seguente proposizione. Teorema.7. Se B = {v 1,...,v n } è una base ordinata per lo spazio vettoriale V (cioe abbiamo fissato un ordine nell insieme dei vettori) e bv V allora esiste ed è unica la n upla di scalari (α 1,..., α n ) tale che bv = α 1 v α n v n Dimostrazione: Essendo B un sistema di generatori ogni v V si scrive come combinazione lineare degli elementi di B, cioè esistono scalari α 1,...,α n tali che: v = α 1 v α n v n. Dimostriamo l unicità di tale combinazione: supponiamo che sia anche Sottraendo queste due equazioni v = β 1 v β n v n. 0 = (α 1 β 1 )v (α n β n )v n da cui α 1 β 1 =... = α n β n = 0 in virtù della lineare indipendenza dei vettori di B, e dunque α 1 = β 1,...,α n = β n. Gli scalari (α 1,...,α n ) si dicono le componenti di v V nella base B o anche le coordinate di v rispetto alla base B. 7
8 Esercizio. Si dimostri che B = {(1, 1), (, 0)} è una base di R e si determinino le componenti di v = ( 3, 1) rispetto a questa base. Soluzione: chiaramente i vettori di B sono linearmente indipendenti in quanto (, 0) non è multiplo di (1, 1). Dimostriamo che sono un sistema di generatori. Sia (x, y) R e cerchiamo a, b R tali che (x, y) = a(1, 1) + b(, 0) = (a + b, a) dovrà dunque essere a = y e, pertanto b = x+y e ciò è sempre possibile. In particolare ( 3, 1) = ( 1)(1, 1) + ( 1)(, 0) e dunque le componenti di v sulla base B sono ( 1, 1) B. Esercizi Determinare una base dei seguenti sottospazi vettoriali. 1) Il sottospazio dei polinomi a coefficienti reali di grado 4. ) Il sottospazio di R 4 dato da A B dove A = (1, 0, 0, 0), (0, 1, 0, 0) e B = {(x, y, z, t) R 4 x = t = 0}. 3 L algoritmo di Gauss come metodo pratico per la risoluzione di problemi di algebra lineare Abbiamo gia visto che per determinare se un certo numero di vettori in R n sono linearmente indipendenti e necessario risolvere un sistema lineare omogeneo cioe del tipo Ax = 0. In modo analogo anche per vedere se i vettori generano lo spazio e necessario risolvere un sistema lineare questa volta non omogeneo, ma del tipo Ax = b. Dunque e chiaro che l algoritmo di Gauss e di grande aiuto in problemi legati alla lineare dipendenza o indipendenza e al concetto di generazione o piu in generale al concetto di base. Quello che vogliamo vedere in questa lezione e come sia possibile usare direttamente l algoritmo di Gauss, senza dover impostare un sistema lineare. Osserviamo che se abbiamo una matrice A M m,n (R) possiamo considerare le sue righe come tanti vettori di R n, tali vettori si dicono i vettori 8
9 riga di A. Ad esempio se A = R 1 = (0, 1, 3) e R = (, 1, 1). ( ), i suoi vettori riga sono Proposizione 3.1. Data una matrice A M m,n (R) le operazioni elementari di riga non cambiano lo span del sottospazio di R n generato dai vettori riga di A. Dimostrazione. Ricordiamo che le operazioni elementari di ricga sono: a) Lo scambio tra due righe. b) Moltiplicazione di una riga per uno scalare. c) La somma ad una riga di una combinazione lineare delle altre (a) e (b) sono immediate. (c) e una conseguenza delle proposizioni viste sugli argomenti: vettori linearmente dipendenti e combinazioni lineari. Importante: Le operazioni di riga non cambiano lo span dei vettori di riga ma cambiano lo span dei vettori colonna! (Si invitano gli studenti a verificare questo fatto per convincersene). Proposizione 3.. Se una matrice A e a scala per riga, i suoi vettori riga sono linearmente indipendenti. Dimostrazione. Verifica diretta. Vediamo ora un esempio di come applicare queste due proposizione agli esercizi. Esempio 3.3. Si considerino i vettori di R 3 : v 1 = 3, 0 v = 1, v 3 =. 1 3 a) Si dica se sono linearmente indipendenti. Sono una base di R 3? b) Si trovi una base del sottospazio W che generano e se ne calcoli la dimensione. La matrice: 3 1 A =
10 ha forma ridotta: Dalla proposizione 3.1 abbiamo che 0 W = Span v 1 = 3, v = 1, v 3 = = = Span u 1 = 0,u = Abbiamo trovato che il sottospazio W e generato da due vettori u 1 e u linearmente indipendenti (vedi Proposizione 3.). Dunque {u 1, u } e una base per W che dunque ha dimensione. Dato che per il Teorema 1.4 il numero di vettori in una base e il massimo numero di vettori linearmente indipendenti nello spazio vettoriale, abbiamo dunque che v 1, v, v 3 sono linearmente dipendenti. Dunque non possono essere una base di R 3. Vediamo in generale come si deve procedere per decidere se v 1,...,v k R n sono linearmente indipendenti e per trovare una base del sottospazio da loro generato, cioe formalizziamo schematicamente quello che abbiamo imparato dall esempio precedente. Scriviamo la matrice che ha come righe i vettori v 1,...,v k (sara una matrice k n). Usando l algoritmo di Gauss scriviamo la matrice A in forma ridotta scala per righe. Se il numero di vettori non nulli che formano le righe di A in forma ridotta e uguale a k allora i vettori v 1,...,v k R n sono linearmente indipendenti altrimenti sono dipendenti. Se sono indipendenti allora sono una base del sottospazio W generato da v 1,...,v k, altrimenti i vettori non nulli che formano le righe di A in forma ridotta formano una base di W. 10
11 Ora invece riportiamo schematicamente come si ricava una base da un insieme di generatori di un sottospazio vettoriale. Sia W = Span{u 1,...,u k } R n Scriviamo la matrice che ha come righe i vettori u 1,...,u k (sara una matrice k n). Usando l algoritmo di Gauss scriviamo la matrice A in forma ridotta scala per righe. I vettori non nulli che formano le righe di A in forma ridotta sono una base per W. Il numero di righe non nulle in A in forma ridotta si dice il rango di A ed e chiaramente uguale alla dimensione del sottospazio W generato dalle righe della matrice A. Il rango e anche uguale alla dimensione del sottospazio generato dalle colonne di A, tuttavia una base di questo spazio NON e data dalle righe di A in forma ridotta, in quanto le operazioni di riga cambiano lo span delle colonne. Adesso invece vediamo in azione il teorema del completamento descritto sopra. Metodo per ottenere il completamento di una base di un sottospazio W R n ad una base di R n Sia W R n un sottospazio vettoriale dato come span di w 1,...,w k. Dai discorsi precedenti sappiamo come ottenere una base di W. Ci chiediamo ora come completarla ad una base di R n. Vediamo come procedere. Scriviamo la matrice che ha come righe i vettori w 1,...,w k (sara una matrice k n). Usando l algoritmo di Gauss scriviamo la matrice A in forma ridotta scala per righe. I vettori che completano ad una base di R n saranno ottenuti aggiungendo gli elementi della base canonica corrispondenti ai gradini mancanti nella forma scale per righe di A. (Nell esempio precedente bisogna aggiungere il vettore (0, 0, 1)). 11
12 Osservazione Osserviamo a questo punto che, se B = {v 1,...,v n } è una base ordinata per lo spazio vettoriale V, possiamo considerare la funzione f : V R n che ad ogni vettore associa le sue coordinate, cioè scriviamo v V come combinazione lineare degli elementi di B, v = α 1 v α n v n, e poniamo f(v) = (α 1,...,α n ). Per il teorema.7 si ha che f è una applicazione biunivoca. Inoltre se v ha coordinate (α 1,..., α n ) e λ R è uno scalare, allora le coordinate di λv sono (λα 1,...,λα n ), mentre se w è un altro vettore, le cui coordinate sono (β 1,...,β n ), allora le coordinate di v + w = (α 1 + β 1,..., α n + β n ). Lo studente è invitato a verificare le due asserzioni fatte or ora, che comunque riprenderemo anche in seguito, quando parleremo di isomorfismi di spazi vettoriali. Per ora ci limiteremo ad osservare che grazie a queste proprieta anziche operare sui vettori facendo delle loro combinazioni lineari possiamo operare sulle loro coordinate, e poi da esse risalire nuovamente ai vettori. Vediamo un esempio. Dati i polinomi x +3x 1, x+3, x +x+ R [x], vogliamo stabilire se sono linearmente indipendenti, e se sono una base di R [x]. Consideriamo la base canonica B = {x, x, 1} di R [x]. Rispetto ad essa, le coordinate dei polinomi sono 0 v 1 = 3, v = 1, v 3 =. 1 3 Possiamo quindi procedere come nell esempio 3.3 e facendo esattamente gli stessi calcoli si ottiene che una base di W e data dai polinomi le cui coordinate sono u 1 = 0,u = 1. Tornando ai polinomi, si ha che W = Span{x +3x 1, x+3, x +x+} = Span{x +4, x+3}, quindi i 3 polinomi di partenza non sono una base di R [x]. Esercizi 1. Stabilire per quali valori di k i seguenti polinomi di R [x] sono linearmente indipendenti: x + 3x + 5, kx + 4x + k, x + x 3. [Soluz: k ] 1
13 . Trovare una base di Span{(1, 0, 3), (, 3, 0), (1, 1, 1)} e completarla ad una base di R Stabilire se x 3 x appartiene a Span{x 3 + x + x, x + x, x }. 4. Stabilire quali dei seguenti insiemi di vettori generano R a) S 1 = 0, 0, 3, b) S = 1, 0, 6, Stabilire per quali valori di k il polinomio k x + x + 1 appartiene a Span{x x, x + 3x + 1}. [Soluz: k ± 3] 6. Stabilire se i vettori v 1 = (1, 1),v = ( 1, 1),v 3 = (, 1) sono linearmente indipendenti. Essi generano R? 7. Stabilire per quali valori di k il vettore w = ( 1, k, 1) appartiene a Span{(1, 1, 0), (k, k, 1), ( 1, k, 1)}. (Attenzione: in questo caso e preferibile non usare l algoritmo di Gauss. Perche?) 8. Stabilire per quali valori di k i vettori v 1 = (1, k, 0),v = (1, 0, 3),v 3 = ( 1, 0, k + ) sono linearmente indipendenti. [Soluz: k 0 e k 1] 9. Stabilire per quali valori di k il polinomio x +k appartiene a Span{x + kx, x (k + 1)x k}. (Anche in questo caso e preferibile non usare l algoritmo di Gauss). 10. Siano v 1 = (1, 1, 1, 0),v = (, 0,, 1),v 3 = ( 1, 1, 1, 1). Si determini una base di Span{v 1,v,v 3 } e la si completi ad una base di R 4. Inoltre si determini per quali valori di k il vettore w = (k, 0, k, k) appartiene a Span{v 1,v,v 3 }. 11. Sia A = {(x, y, z) R 3 x y + z = 0 e x y = 0}. Dimostrare che A e un sottospazio di R 3 e trovarne una base. {( ) } a b 1. Sia M = M b a, (R) a, b R. Dimostrare che M e un sottospazio di M, (R) e calcolarne la dimensione. 13
14 {( ) Dimostrare che B = ( ) 3 coordinate dei vettori e 1 ( 1, 1 ( 0 1 )} e una base di R e trovare le ) rispetto a tale base. 14
NOTE 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
DettagliEsempio. L immagine di f è l insieme dei vettori w = (w 1, w 2 ) R 2 che hanno w 1 = w 2. Quindi:
Nucleo, immagine e loro proprietà [Abate, 5.2] Data una applicazione lineare f : V W, chiamiamo nucleo di f l insieme N(f) := { v V : f(v) = 0 W } Se S V è un sottoinsieme del dominio, indichiamo con f(s)
DettagliLezione 3: Span, indipendenza lineare
Lezione 3: Span indipendenza lineare Nella lezione scorsa abbiamo visto la definizione di spazio vettoriale e di sottospazio. Ora cerchiamo di descrivere questi oggetti in modo piu efficiente. 1 Combinazione
DettagliEsempi. In R 2, le coppia (2, 5) è combinazione lineare dei vettori (0, 1) e (1, 1). Infatti:
Combinazioni lineari [Abate, 4.2] Sia V uno spazio vettoriale e v 1, v 2,..., v n dei vettori di V. Diremo che un vettore w V è combinazione lineare dei vettori v 1,..., v n se esistono a 1, a 2,..., a
DettagliCorso di Geometria BIAR, BSIR Esercizi 4: soluzioni
Corso di Geometria - BIAR, BSIR Esercizi : soluzioni Esercizio. Sono dati i seguenti sistemi lineari omogenei nelle incognite x, y, z: { x + y z = x + y z = x + y z = S : x y + z =, S :, S 3 : x 3y =,
DettagliRango di una matrice e teorema di Rouché-Capelli
Rango di una matrice e teorema di Rouché-Capelli Sappiamo che a una matrice m n, A, è associata l applicazione lineare L A : R n R m, L A (X) = AX, X R n. Definizione 1. Lo spazio nullo di A, N (A), è
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 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
DettagliEsercizi di geometria per Fisica / Fisica e Astrofisica
Esercizi di geometria per Fisica / Fisica e Astrofisica Foglio 3 - Soluzioni Esercizio. Stabilire se i seguenti sottoinsiemi di R 3 sono sottospazi vettoriali: (a) S = {(x y z) R 3 : x + y + z = }. (b)
DettagliEsercizi svolti. delle matrici
Esercizi svolti. astratti. Si dica se l insieme delle coppie reali (x, y) soddisfacenti alla relazione x + y è un sottospazio vettoriale di R La risposta è sì, perchè l unica coppia reale che soddisfa
Dettaglidipendenti. Cosa possiamo dire sulla dimensione di V?
Esercizi Esercizi. In uno spazio vettoriale V ci sono tre vettori v, v 2, v linearmente indipendenti. Cosa possiamo dire sulla dimensione di V? 2. In uno spazio vettoriale V ci sono tre vettori v, v 2,
Dettagli1 Indipendenza lineare e scrittura unica
Geometria Lingotto. LeLing7: Indipendenza lineare, basi e dimensione. Ārgomenti svolti: Indipendenza lineare e scrittura unica. Basi e dimensione. Coordinate. Ēsercizi consigliati: Geoling. Indipendenza
DettagliDim. Usare la chiusura rispetto al prodotto esterno (vedi appunti lezione o libri di testo).
ESERCIZI PER CASA di GEOMETRIA per il Corso di Laurea di Scienze dei Materiali, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 28 maggio 29 Sottospazi di uno spazio vettoriale, sistemi
DettagliAnalisi dei dati corso integrato - Algebra lineare, e a b c 0. le soluzioni del sistema lineare omogeneo x d e f 2. a b c.
Analisi dei dati corso integrato - Algebra lineare 4.3.8 e 5.3.8-1 1. Nella lezione precedente abbiamo definito lo spazio nullo e lo spazio delle colonne di una matrice; ora definiamo lo spazio delle righe
DettagliCorso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni. 5. Rango
Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof Fabio Perroni 5 Rango Definizione 1 Sia A M m,n (K) una matrice m n a coefficienti nel campo K Il rango
DettagliGEOMETRIA 1 seconda parte
GEOMETRIA 1 seconda parte Cristina Turrini C. di L. in Fisica - 2014/2015 Cristina Turrini (C. di L. in Fisica - 2014/2015) GEOMETRIA 1 1 / 40 index Spazi vettoriali 1 Spazi vettoriali 2 Sottospazi 3 Sistemi
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
DettagliGeometria per Fisica e Astrofisica
Geometria per Fisica e Astrofisica Soluzione esercizi - Foglio 3 Esercizio. Risolvere i seguenti sistemi lineari al variare dei parametri reali α β e k < < (a) x + y z = αx + αy + βz = x + y z = β. (b)
DettagliParte 4. Spazi vettoriali
Parte 4. Spazi vettoriali A. Savo Appunti del Corso di Geometria 23-4 Indice delle sezioni Spazi vettoriali, 2 Prime proprietà, 3 3 Dipendenza e indipendenza lineare, 4 4 Generatori, 6 5 Basi, 8 6 Sottospazi,
DettagliAlgebra Lineare. a.a Gruppo A-H. Prof. P. Piazza Soluzioni del compito pomeridiano del 6/12/2004
Algebra Lineare. a.a. 004-05. Gruppo A-H. Prof. P. Piazza Soluzioni del compito pomeridiano del 6/1/004 Esercizio 1. Siano V e W due spazi vettoriali e sia F : V W un isomorfismo (quindi F è lineare e
DettagliSoluzioni primi compitini - Geometria 1
Soluzioni primi compitini - Geometria Caterina Vernieri Ottobre 7 Le soluzioni proposte non sono state riviste dai professori Soluzioni Primi Compitini - G I compitino 7//3 Esercizio Al variare di α R
DettagliAPPUNTI SULLA DIAGONALIZZAZIONE Corso Prof. F.Podestà, a.a
APPUNTI SULLA DIAGONALIZZAZIONE Corso Prof FPodestà, aa 003-004 Sia V uno spazio vettoriale e sia f : V V una applicazione lineare una tale applicazione da uno spazio vettoriale in se stesso è chiamata
Dettaglia + 2b + c 3d = 0, a + c d = 0 c d
SPAZI VETTORIALI 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x,
DettagliPer capire meglio il concetto di combinazione lineare prendiamo in considerazione alcuni esempi.
Lezione 14 14.1 Combinazioni lineari Definizione 14.1. Sia V uno spazio vettoriale su un campo K = R, C esiano v 1,...,v n 2 V vettori fissati. Un vettore v 2 V si dice combinazione lineare di v 1,...,v
DettagliCorso di Laurea in Fisica. Geometria. a.a Prof. P. Piazza Soluzione compito a casa del 24/10/09
Corso di Laurea in Fisica. Geometria. a.a. 29-. Prof. P. Piazza Soluzione compito a casa del 24//9 Soluzione esercizio. Siano A e B due matrici simmetriche e λ un numero reale. Dobbiamo mostrare che anche
Dettaglir 2 r 2 2r 1 r 4 r 4 r 1
SPAZI R n 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x, y, z)
DettagliLezione 5: Applicazioni Lineari. 1 Definizione di applicazione lineare
Lezione 5: Applicazioni Lineari Le applicazioni lineari sono funzioni tra spazi vettoriali che ne rispettano la struttura, cioe che conservano le operazioni di somma tra vettori e moltiplicazione di un
DettagliEsercizi di Geometria 1 - Foglio 3bis
Esercizi di Geometria - Foglio 3bis Alessandro Rubin (alex.rubin@outlook.com) Si ringrazia Ricardo Tzantzoglou per il codice L A TEX condiviso dicembre 7 Esercizio. Sia f : V W un applicazione e G = {(v,
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
DettagliFederica Gregorio e Cristian Tacelli
1 Sistemi lineari Federica Gregorio e Cristian Tacelli Un sistema lineare m n (m equazioni in n incognite) è un insieme di equazioni lineari che devono essere soddisfatte contemporaneamente a 11 x 1 +
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra Lineare 1 / 41 index Spazi vettoriali
DettagliIntersezione e somma di sottospazi vettoriali
Capitolo 7 Intersezione e somma di sottospazi vettoriali 7.1 Introduzione Ricordiamo le definizioni di intersezione e somma di due sottospazi vettoriali. Anche in questo caso rimandiamo al testo di geometria
DettagliLezione Il metodo degli scarti
Lezione 15 15.1 Il metodo degli scarti Sia dato uno spazio vettoriale V su un campo K = R, C esianov 1,...,v n 2 V vettori fissati. Quanto visto nella lezione precedente ci suggerisce il seguente algoritmo
DettagliCorso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni. 3. Sistemi di equazioni lineari
Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof Fabio Perroni 3 Sistemi di equazioni lineari Siano m, n N \ {}, sia K un campo Definizione a) Un sistema
DettagliIntersezione e somma di sottospazi vettoriali
Capitolo 6 Intersezione e somma di sottospazi vettoriali 6.1 Introduzione Ricordiamo le definizioni di intersezione e somma di due sottospazi vettoriali. Anche in questo caso rimandiamo al testo di geometria
DettagliSottospazi vettoriali
Capitolo 6 Sottospazi vettoriali 6.1 Introduzione Riprendiamo un argomento già studiato ampiamente nel corso di Geometria, i sottospazi vettoriali di uno spazio vettoriale. Ci limiteremo a darne la definizione,
DettagliDefinizione 1 Un insieme (V, +, ) dotato delle due operazioni: - + somma di elementi v 1 V, v 2 V ;
Spazi vettoriali Definizione Un insieme (V, +, ) dotato delle due operazioni: - + somma di elementi v V, v V ; - prodotto per uno scalare λ K, (K campo); e chiuso rispetto ad esse, è uno spazio vettoriale
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
DettagliNote per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta. Metodi per il calcolo del rango di una matrice
Note per le esercitazioni di Geometria 1 a.a. 2007/08 A. Lotta Versione del 21/12/07 Metodi per il calcolo del rango di una matrice Sia A M m,n (K). Denotiamo con A (i) la riga i-ma di A, i {1,..., m}.
DettagliESERCIZI DI MATEMATICA DISCRETA ANNO 2006/2007
ESERCIZI DI MATEMATICA DISCRETA ANNO 6/7 //7 () Ridurre la seguente matrice ad una a scala ridotta utilizzando il metodo di Gauss-Jordan. Soluzione. () Determinare quante e quali sono le matrici a scala
DettagliESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro
ESERCIZI DI ALGEBRA LINEARE Vincenzo Di Gennaro Sono raccolti, in ordine cronologico, gli esercizi di Algebra Lineare proposti nelle prove scritte per i vari corsi di Geometria 1 che ho tenuto presso la
DettagliCORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA
CORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA FOGLIO DI ESERCIZI 4 GEOMETRIA 2008/09 Esercizio 4.1 (5.10). Dati i vettori di R 3 : v 1 (1, 1, 2), v 2 (2, 4, 6), v 3 ( 1, 2, 5), v 4 (1, 1, 10) determinare
DettagliGEOMETRIA 1 terza parte
GEOMETRIA 1 terza parte Cristina Turrini C. di L. in Fisica - 2014/2015 Cristina Turrini (C. di L. in Fisica - 2014/2015) GEOMETRIA 1 1 / 32 index Applicazioni lineari 1 Applicazioni lineari 2 Nucleo e
DettagliNote sull algoritmo di Gauss
Note sull algoritmo di Gauss 29 settembre 2009 Generalità Un sistema lineare di m equazioni in n incognite x,..., x n è un espressione del tipo: a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n
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
DettagliArgomenti trattati nella settimana novembre Il libro cui faccio riferimento, se non specificato altrimenti, è Lang, Algebra lineare
Argomenti trattati nella settimana 23-27 novembre 2009 Il libro cui faccio riferimento, se non specificato altrimenti, è Lang, Algebra lineare 1 Sistemi lineari; 2 applicazioni lineari; Sistemi lineari;
DettagliCORSI DI LAUREA IN MATEMATICA E FISICA
CORSI DI LAUREA IN MATEMATICA E FISICA FOGLIO DI ESERCIZI # 6 GEOMETRIA 1 Esercizio 6.1 (Esercizio 5.1). Scrivere un vettore w R 3 linearmente dipendente dal vettore v ( 1, 9, 0). Per esempio il vettore
DettagliMauro Saita, Esercizio 1.1 Determinare tutti i sottospazi vettoriali degli spazi vettoriali R, IR 2, IR 3 motivando
CORSO DI ALGEBRA LINEARE: Esercitazione n.1 del 20/12/2004. Mauro Saita, e-mail: maurosaita@tiscalinet.it 1 Spazi vettoriali. Sottospazi. Esercizio 1.1 Determinare tutti i sottospazi vettoriali degli spazi
Dettagli- ciascun autovalore di T ha molteplicità geometrica uguale alla moltplicitaà algebrica.
Lezioni del 14.05 e 17.05 In queste lezioni si sono svolti i seguenti argomenti. Ripresa del teorema generale che fornisce condizioni che implicano la diagonalizzabilità, indebolimento delle ipotesi, e
DettagliAppunti di Algebra Lineare. Spazi Vettoriali
Appunti di Algebra Lineare Spazi Vettoriali aprile 3 La Biblioteca è una sfera il cui centro esatto è qualsiasi esagono e la cui circonferenza è inaccessibile. J. L. Borges Finzioni - La Biblioteca di
DettagliLezione 7: Il Teorema di Rouché-Capelli
Lezione 7: Il Teorema di Rouché-Capelli In questa lezione vogliamo rivisitare i sistemi lineari e dare alcuni risultati che ci permettono di determinare dato un sistema lineare se ammette soluzioni e da
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
DettagliI. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.
ESERCIZI SVOLTI DI ALGEBRA LINEARE (Sono svolti alcune degli esercizi proposti nei fogli di esercizi su vettori linearmente dipendenti e vettori linearmente indipendenti e su sistemi lineari ) I. Foglio
DettagliCorso di Laurea in Fisica. Geometria 1. a.a Gruppo B. Prof. P. Piazza Soluzioni compito a casa del 17/11/06 B =
Corso di Laurea in Fisica. Geometria. a.a. 26-7. Gruppo B. Prof. P. Piazza Soluzioni compito a casa del 7//6 Soluzione esercizio. Sia B {e, e 2 } e sia B {v, v 2 }. La matrice B del cambiamento di base
DettagliCORSO DI GEOMETRIA APPLICAZIONI LINEARI E MATRICI A.A. 2018/2019 PROF. VALENTINA BEORCHIA
CORSO DI GEOMETRIA APPLICAZIONI LINEARI E MATRICI AA 2018/2019 PROF VALENTINA BEORCHIA INDICE 1 Matrici associate a un applicazione lineare 1 2 Cambiamenti di base 4 3 Diagonalizzazione 6 1 MATRICI ASSOCIATE
DettagliIl Teorema Spettrale. 0.1 Applicazioni lineari simmetriche ed hermitiane
0.1. APPLICAZIONI LINEARI SIMMETRICHE ED HERMITIANE 1 Il Teorema Spettrale In questa nota vogliamo esaminare la dimostrazione del Teorema Spettrale e studiare le sue conseguenze per quanto riguarda i prodotti
DettagliUniversità degli Studi di Bergamo Modulo di Geometria e Algebra Lineare (vecchio programma) 2 settembre 2013 Tema A
Università degli Studi di Bergamo Modulo di Geometria e Algebra Lineare (vecchio programma) settembre 013 Tema A Tempo a disposizione: ore. Calcolatrici, libri e appunti non sono ammessi. Ogni esercizio
DettagliEsercizi di Geometria Spazi vettoriali e sottospazi - indipendenza lineare
Esercizi di Geometria Spazi vettoriali e sottospazi - indipendenza lineare 1. Quali dei seguenti sottoinsiemi sono sottospazi di R 3? Motivare la risposta. (a) {(x, y, 1) x, y R} (b) {(0, y, 0) y R} (c)
DettagliEsercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria
Esercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria Avvertenze In quanto segue tutti i vettori hanno il medesimo punto d origine O l origine dello spazio cartesiano. Possiamo
DettagliGeometria BAER A.A. Canale I Foglio esercizi 4
Geometria BAER A.A. Canale I Foglio esercizi 4 Esercizio. Si trovino basi degli spazi delle soluzioni dei seguenti sistemi lineari Soluzione: Sol(S ) = L[ x + 3x x 3 + 5x 4 = S : x + 3x x 3 + x 4 = S x
DettagliCapitolo 2 Spazi vettoriali Esercizi svolti Tutorato di geometria e algebra lineare. Marco Robutti
Capitolo 2 Spazi vettoriali Esercizi svolti Tutorato di geometria e algebra lineare Marco Robutti 5 Ottobre 27 Introduzione Gli esercizi di questo capitolo riguardano i seguenti argomenti: Dato un insieme,
Dettagli0.1 Coordinate in uno spazio vettoriale
0.. COORDINATE IN UNO SPAZIO VETTORIALE 0. Coordinate in uno spazio vettoriale Sia V uno spazio vettoriale di dimensione finita n costruito sul campo K. D ora in poi, ogni volta che sia fissata una base
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
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a Prova scritta del TESTO E SOLUZIONI
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a. 014-01 Prova scritta del 1-6-01 TESTO E SOLUZIONI Avvertenze: A. Per il recupero del primo esonero svolgere gli esercizi
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 Soluzione Tutorato 3 3
DettagliLezione del 5 dicembre. Sottospazi vettoriali.
Lezione del 5 dicembre. Sottospazi vettoriali. 1. Sottospazi vettoriali. Identificato lo spazio con R 3 tramite un sistema di riferimento cartesiano ortogonale, consideriamo un piano passante per l origine
DettagliESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro
ESERCIZI DI ALGEBRA LINEARE Vincenzo Di Gennaro Sono raccolti, in ordine cronologico, gli esercizi di Algebra Lineare proposti nelle prove scritte per i vari corsi di Geometria che ho tenuto presso la
DettagliUN BREVE VIAGGIO ATTRAVERSO GLI SPAZI VETTORIALI 1
asdf UN BREVE VIAGGIO ATTRAVERSO GLI SPAZI VETTORIALI 4 November 2011 Con questo articolo, stavolta, proviamo a compiere un "viaggetto" attraverso gli spazi vettoriali. Come sempre avremo a che fare con
DettagliLezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige. Fulvio Bisi, Francesco Bonsante, Sonia Brivio
Lezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige Fulvio Bisi, Francesco Bonsante, Sonia Brivio DA GENNAIO 2015 1 Da gennaio 2015 Riportiamo di seguito gli errata corrige
Dettagli1. Complemento ortogonale di un vettore non nullo Abbiamo visto che nel piano
Geometria e Algebra (II), 11.12.12 1. Complemento ortogonale di un vettore non nullo Abbiamo visto che nel piano P O i vettori ortogonali ad un dato vettore non nullo descrivono una retta per O, e nello
DettagliESERCIZI VARI su SPAZI VETTORIALI. Si giustifichi la risposta ad ogni esercizio ( o parte di esercizio ) posto in forma di domanda.
ESERCIZI VARI su SPAZI VETTORIALI Si giustifichi la risposta ad ogni esercizio ( o parte di esercizio ) posto in forma di domanda. Esercizio. Dimostrare che i vettori in R sono linearmente indipendenti
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
DettagliCORSO DI MATEMATICA II Prof. Paolo Papi ESERCIZI. 1). Stabilire quali dei seguenti sottoinsiemi di V sono sottospazi vettoriali. (a) V = R 3.
CORSO DI MATEMATICA II Prof Paolo Papi ESERCIZI ) Stabilire quali dei seguenti sottoinsiemi di V sono sottospazi vettoriali (a) V = R 3 () W = {(x,,x 3 ) x,x 3 R} (2) W 2 = {(x,,x 3 ) x,x 3 R} (3) W 3
DettagliCORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI
CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SISTEMI di EQUAZIONI LINEARI Lo studente ha forse già incontrato i sistemi di equazioni lineari alla scuola secondaria Con il termine equazione
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
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
DettagliSistemi di equazioni lineari
Sistemi di equazioni lineari Siano X 1,, X n indeterminate Un equazione lineare (o di primo grado) nelle incognite X 1,, X n a coefficienti nel campo K è della forma a 1 X 1 + + a n X n = b, a i, b K,
DettagliNote sui sistemi lineari per il Corso di Geometria per Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 4 Maggio 2010
Note sui sistemi lineari per il Corso di Geometria per Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 4 Maggio 21 Sistemi lineari. Un sistema lineare di n 1 equazioni in m incognite
Dettagli1 Addendum su Diagonalizzazione
Addendum su Diagonalizzazione Vedere le dispense per le definizioni di autovettorre, autovalore e di trasformazione lineare (o matrice) diagonalizzabile. In particolare, si ricorda che una condizione necessaria
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Esercizi Esercizio Date le seguenti applicazioni lineari f : R 2 R 3 definita da fx y = x 2y x + y x + y; 2 g : R 3 R 2 definita da gx y z = x + y x y; 3 h : Rx] 2 R 2 definita da
DettagliDipendenza e indipendenza lineare (senza il concetto di rango)
CAPITOLO 5 Dipendenza e indipendenza lineare (senza il concetto di rango) Esercizio 5.1. Scrivere un vettore w R 3 linearmente dipendente dal vettore v ( 1, 9, 0). Esercizio 5.2. Stabilire se i vettori
DettagliUNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA
UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA II Parziale - Compito B 3/05/005 A. A. 004 005 ) Risolvere il seguente sistema
DettagliAlgebra lineare Ingegneria chimica 2018/2019 Seconda esercitazione guidata
Algebra lineare Ingegneria chimica 2018/2019 Seconda esercitazione guidata Massimo Caboara Esercizio 1 (A5) Siano dati i due R sottospazi vettoriali di R[x] 3 U = Span(x 3 +x 2 +7x+2, x 3 +2x 2 +31x+1,
DettagliMatematica per Analisi dei Dati,
Matematica per Analisi dei Dati, 09.03.09 1. Sia n in intero positivo fissato, e sia V un sottospazio di R n. Il massimo numero di vettori linearmente indipendenti in V viene detto dimensione di V, e viene
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Cristina Turrini UNIMI - 2018/2019 Cristina Turrini (UNIMI - 2018/2019) Elementi di Algebra Lineare 1 / 32 index Spazi vettoriali 1 Spazi vettoriali 2 Sottospazi
DettagliQuesta lezione si riferisce al Cap.4 Basi e dimensione, Par.4.3 L algoritmo di Gauss come un metodo pratico..., pp
Lezione del 05.04 Questa lezione si riferisce al Cap.4 Basi e dimensione, Par.4.3 L algoritmo di Gauss come un metodo pratico..., pp.83 86. Problema I. Dato un insieme di m vettori di uno spazio R n, determinare
DettagliUNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA
UNIVERSITÀ DEGLI STUDI DI TERAMO FACOLTÀ DI SCIENZE POLITICHE CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA II Parziale - Compito C 3/5/25 A. A. 24 25 ) Risolvere il seguente sistema
DettagliMatematica discreta 1 [145016]
Facoltà di Scienze Matematiche, Fisiche e Naturali anno accademico 2008/09 Registro dell'attività didattica Matematica discreta 1 [145016] Attività didattica: Attività didattica [codice] Corso di studio
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
DettagliA titolo di esempio proponiamo la risoluzione del sistema sia con il metodo della matrice inversa sia con il metodo di Cramer.
) Trovare le soluzioni del seguente sistema lineare: x+ y+ z = 3x y + z = 0 x + 5y 4z = 5 Osserviamo in primo luogo che il sistema dato è un sistema quadrato di tre equazioni in tre incognite, precisamente
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA
Cognome Nome Matricola FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Ciarellotto, Esposito, Garuti Prova del 21 settembre 2013 Dire se è vero o falso (giustificare le risposte. Bisogna necessariamente rispondere
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
Dettagli1 Rette nel piano ordinario. Rette e piani nello spazio ordinario
1 Rette nel piano ordinario. Rette e piani nello spazio ordinario 1.1 Vettori applicati Nel seguito denotiamo con P l insieme dei punti del piano ordinario, e con S l insieme dei punti dello spazio ordinario.
Dettagli[Si può fare una dimostrazione valida per ogni scelta di u, che sfrutti solo la linearità del prodotto scalare]
Università di Bergamo Anno accademico 20182019 Primo anno di Ingegneria Foglio 7 Geometria e Algebra Lineare Sottospazi, basi e dimensione Esercizio 7.1. Sia u = (1, 1, 1) e si consideri il sottoinsieme
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
Dettagli1 o ESONERO DI ALGEBRA (Studenti di Informatica canale D Andrea) 10 Novembre 2014 Soluzione
1 o ESONERO DI ALGEBRA (Studenti di Informatica canale D Andrea) 10 Novembre 2014 Soluzione 1. Scrivere la matrice associata all applicazione lineare T : R 3 R 4 definita da T (x, y, z) (2x + y z, 3y +
DettagliUniversità degli Studi di Bergamo Modulo di Geometria e Algebra Lineare (nuovo programma) 2 settembre 2013 Tema A
Università degli Studi di Bergamo Modulo di Geometria e Algebra Lineare (nuovo programma) settembre 013 Tema A Tempo a disposizione: ore e mezza Calcolatrici, libri e appunti non sono ammessi Ogni esercizio
Dettagli