n copie 1. ω è multilineare, ovvero è lineare in tutte le variabili. in altre parole:
|
|
- Andrea Amato
- 5 anni fa
- Visualizzazioni
Transcript
1 Lo spazio vettoriale delle forme multilineari antisimmetriche Sia V uno spazio vettoriale di dimensione n su un campo K, di caratteristica diversa da 2, ovvero tale che + 0 in K. Tale ipotesi è necessaria in quanto esistono campi, anche di uso quotidiano come il campo F 2 con due elementi, nei quali vale invece + = 0. Questo implica che = in K rendendo insensato quel che stiamo per dire in questa sezione. Lo spazio vettoriale n V delle forme multilineari antisimmetriche di grado n su V è definito come segue: tali che n V = {ω : V V V K} }{{} n copie. ω è multilineare, ovvero è lineare in tutte le variabili. in altre parole: ω(v,..., v i, λ v i, + λ 2 v i,2, v i+,... v n ) = λ ω(v,..., v i, v i,, v i+,... v n ) + λ 2 ω(v,..., v i, v i,2, v i+,... v n ) per ogni i =,..., n; 2. ω è antisimmetrica, ovvero per ogni permutazione σ dell insieme {, 2,..., n} si ha ω(v σ(), v σ(2),..., v σ(n) ) = ( ) σ ω(v, v 2,..., v n ), dove ( ) σ indica il segno della permutazione σ, ovvero vale se σ è data da un numero pari di scambi, e vale se σ è data da un numero dispari di scambi. Osserviamo che, se ω è multilineare, l antisimmetria è equivalente al fatto che ogni qual volta due argomenti di ω sono uguali, il valore di ω è zero: ω(v,..., v i, w, v i+,..., v j, w, v j+,..., v n ) = 0. Per convincersi di questo basta osservare che se ω è antisimmetrica, allora scambiando la variabile che oppuca il posto i con quella che occupa il posto j corrisponde a fare esattamente uno scambio, e poiché è dispari, l espressione deve cambiare segno: ω(v,..., v i, v i, v i+,..., v j, v j, v j+,..., v n ) = ω(v,..., v i, v j, v i+,..., v j, v i, v j+,..., v n ) A questo punto, ponendo v i = v j = w si ha la tesi. Vice versa, se ω(v,..., v i, w, v i+,..., v j, w, v j+,..., v n ) = 0 per ogni w, allora ponendo w = v i + v j si ottiene 0 = ω(v,..., v i, v i + v j, v i+,..., v j, v i + v j, v j+,..., v n ) = ω(v,..., v i, v i, v i+,..., v j, v i, v j+,..., v n )+ + ω(v,..., v i, v i, v i+,..., v j, v j, v j+,..., v n )+ + ω(v,..., v i, v j, v i+,..., v j, v i, v j+,..., v n )+ + ω(v,..., v i, v j, v i+,..., v j, v j, v j+,..., v n ) = ω(v,..., v i, v i, v i+,..., v j, v j, v j+,..., v n )+ + ω(v,..., v i, v j, v i+,..., v j, v i, v j+,..., v n ),
2 ovvero l antisimmetria. Osserviamo inoltre che conseguenze immediate della multilinearità e dell antisimmetria sono:. ω(v,..., v i, 0, v i+,..., v n ) = 0; 2. ω(v,..., v i, v i + λv j, v i+,..., v n ) = ω(v..., v n ), i j; cioè il valore di ω non cambia se si sostituisce l i-esimo vettore con l i-esimo vettore più un arbitrario multiplo scalare del j-esimo vettore (con i j). La struttura di spazio vettoriale su n V è quella ovvia: (ω + η)(v,..., v n ) := ω(v,..., v n ) + η(v,..., v n ); (λω)(v,..., v n ) := λ(ω(v,..., v n )). Proposizione.Lo spazio vettoriale n V ha dimensione uguale ad. Dimostrazione. Sia V = {e,..., e n } una base di V. Consideriamo l applicazione Φ : n V K definita da Φ(ω) = ω(e,..., e n ) È immediato osservare che Φ è un applicazione lineare. Inoltre è iniettiva. Supponiamo infatti che ω sia un elemento del nucleo di Φ e siano v,..., v n vettori arbitrari di V. Poiché B è una base di V, avremo v i = v j i e j, per oppurtuni elementi v j i K. Allora dalla multilinearità di ω si ha ω(v,..., v n ) = ω(v i e i,... v in n e in ) v i vin n ω(e i,... e in ). Nell ultima espressione, come argomento di ω comapiono i vettori della base B; usiamo l antisimmetria per riordinarli: ω(e i,... e in ) = ɛ i,...,i n ω(e,..., e n ), dove ɛ i,...,i n è il simbolo totalmente antisimmetrico (o simbolo di Levi-Civita), definito da + se i, 2 i 2,... è una permutazione pari; ɛ i,...,i n = se i, 2 i 2,... è una permutazione dispari; 0 se i, 2 i 2,... non è una permutazione. Ad esempio: ɛ,3,2 = ; ɛ 2,3, = +; ɛ,, 3 = 0. 2
3 Avendo introdotto queste notazioni abbiamo ω(v,..., v n ) = ɛ i,...,i n v i vin n ω(e,..., e n ) = ɛ i,...,i n v i vin n Φ(ω) = 0, in quanto avevamo supposto ω ker(φ). Riassumento, se Φ(ω) = 0, allora ω = 0 (in quanto è nulla calcolata su un qualunque argomento), il che prova l iniettività di Φ. Mostriamo ora la suriettività di Φ. Poiché K è generato da K, basterà mostrare che esiste una forma multilineare antisimmetrica ω B tale che Φ(ω B ) =. Da quanto appena osservato sull iniettività di Φ segue subito che esiste un unico possibile candidato per ω B, vale a dire: ω B (v,..., v n ) := ɛ i,...,i n v i vin n. L espressione a destra dell uguale è effettivamente una forma multilineare antisimmetrica. La multilinearità si vede osservando che l espressione ɛ i,...,i n v i vin n è, rispetto ad ognuno dei vettori v i, un espressione omogenea di primo grado nelle coordinate v j i ; l antisimmetria è data dalla presenza del simbolo totalmente antisimmetrico. Abbiamo dunque dimostrato che Φ è un isomorismo tra lo spazio vettoriale n V e lo spazio vettoriale K. Poiché dim K (K) =, si ha la tesi. È importante osservare che nel corso della dimostrazione abbiamo anche mostrato che, fissata comunque una base B = {e,..., e n } di V esiste ed è unica una forma multilineare antisimmetrica ω B, di grado n, tale che ω B (e,..., e n ) =. Esempio. Sia V = R 2, e sia B la base canonica. Allora, se ( ( a c v = ; v b) =, d) si ha: ω B (v, v 2 ) = ad bc. Il determinante di un endomorfismo Alla definizone del determinante di un endomorfismo premettiamo un semplice lemma: se W è uno spazio vettoriale di dimensione su K allora lo spazio vettoriale End(W ) degli endomorfismi di W è canonicamente isomorfo al campo K. Infatti, qualunque sia la dimensione di W l applicazione K End(W ) 3
4 data da λ λ Id è lineare e iniettiva. Se inoltre W ha dmensione, allora è un applicazione lineare iniettiva tra spazi della stessa dimensione finita, e dunque è un isomorfismo. Questo fatto si può anche vedere nel modo seguente: sia {e} una base di W. Allora se ϕ : W W è un endomorfismo, ϕ è completamente determinato dal suo valore su e. Poiché e è una base di W si avrà ϕ(e) = λ ϕ,e e, dove λ ϕ,e K è uno scalare dipendente (a priori) da ϕ e da e. Cambiando base si vede però subito che λ ϕ,e è in effetti indipendente da e, e dipende solamente da ϕ. Comunque lo si sia dimostrato, quel che importa è il significato del lemma: se W è uno spazio vettoriale di dimensione, tutti e soli i suoi automorfismi sono le moltiplicazioni per gli scalari. Sia ora V uno spazio di dimensione n, e sia ϕ : V V un endomorfismo. Per ω n V, poniamo (ϕ ω)(v,..., v n ) := ω(ϕ(v ),..., ϕ(v n )). Si vede subito che ϕ ω è ancora un elemento di n V, e che ϕ : n V n V è lineare. Ma abbiamo dimostrato che n V ha dimensione, quindi ϕ dev essere la moltiplicazione per uno scalare, dipendente solamente da ϕ. Questo scalare prende il nome di determinante dell endomorfismo ϕ e si indica con det(ϕ) K. Tutto quanto abbiamo detto finora si può riassumere dicendo che det(ϕ) è quello scalare caratterizzato dall identità Le seguenti proprietà sono immediate:. det(id V ) =. ϕ ω = det(ϕ) ω, ω n V. 2. det(ϕ ψ) = det(ϕ) det(ψ) (formula di Binet). Come corollario otteniamo che, se ϕ è invertibile, allora det(ϕ ) det(ϕ) = det(ϕ ϕ) =, dunque se ϕ è invertibile, anche il suo determinante è invertibile e si ha det(ϕ ) = det(ϕ) È interessante osservare che vale anche il viceversa. Si ha cioè: Proposizione. Sia ϕ : V V un endomorfismo di uno spazio vettoriale di dimensione finita. Allora ϕ è invertibile se e solo se det(ϕ) è diverso da zero. Dimostrazione. Abbiamo appena dimostrato che se ϕ è invertibile, allora anche det(ϕ) è invertibile. Poiché det(ϕ) è un elemento del campo K, essere invertibile è equivalente ad essere diverso da zero. Viceversa, supponiamo che ϕ non sia invertibile e mostriamo che in questo caso si ha det(ϕ) = 0. Poiché ϕ è un 4
5 endomorfismo di uno spazio vettoriale di dimensione finita, la non invertibilità di ϕ equivale alla sua non iniettività, dunque esiste un vettore e diverso da 0 in V tale che ϕ(e ) = 0. Poiché e 0, l insieme {e } è un sistema di vettori linearmente indipendenti, e possiamo dnque completarlo a una base B = {e, e 2,... e n } di V. Sia ω B la forma antisimmetrica di grado n associata a questa base. Dalla definizione di determinate e di ω B abbiamo Ma ϕ(e ) = 0, dunque det(ϕ) = det(ϕ)ω B (e,..., e n ) = ω B (ϕ(e ),..., ϕ(e n )). ω B (ϕ(e ), ϕ(e 2 ),..., ϕ(e n )) = ω B (0, ϕ(e 2 ),..., ϕ(e n )) = 0. Come corollario immediato della proposizione precedente abbiamo che, se ω è una forma multilineare antisimmetrica di grado n su V con ω 0, allora un insieme di n vettori {v,..., v n } di V è una base se e solo se ω(v,..., v n ) 0. Infatti, sia B = {e,..., e n } una base di V. Poiché dim K ( n V ) = e ω 0, si avrà ω = kω B, con k 0, k K. Inoltre, per la proprietà universale delle basi, esiste ed è unica un applicazione lineare ϕ : V V tale che ϕ(e i ) = v i per ogni i =,..., n, e sappiamo che ϕ è un isomorfismo se e solo se {v,..., v n } è una base. Allora la tesi sege immeditamente dall identità ω(v,..., v n ) = det(ϕ)ω(e,..., e n ) = k det(ϕ). Il calcolo esplicito dei determinanti Vediamo ora come calcolare esplicitamente il determinante di un endomorfismo ϕ quando sia nota la matrice che lo rappresenta rispetto ad una data base B = {e,..., e n } di V. Per far questo basta ricordare la definizione del determinante di ϕ e il fatto che esiste (ed è unica) una forma multilineare antisimmetrica ω B tale che ω B (E,..., e n ) =. Si ha infatti det(ϕ) = det(ϕ)ω B (e,..., e n ) = ω B (ϕ(e ),..., ϕ(e n )). Se A è la matrice che rappresenta l endomorfismo ϕ rispetto alla base B, allora ϕ(e i ) = A j i e j e dunque, ripetendo i calcoli fatti all inizio di questa nota, ω B (ϕ(e ),..., ϕ(e n )) = ω B (A i e i,... A in n e in ) = ɛ i,...,i n A i Ain n In definitiva abbiamo trovato la formula esplicita det(ϕ) = ɛ i,...,i n A i Ain n. Da notare che, poiché lo scalare det(ϕ) è intrinsecamente definito, esso non dipende dalla scelta della base B. Otteniamo così il seguente risultato non banale: nonostante i coefficienti (A j i ) dipendano dalla base che si è scelta per rappresentare l endomorfismo ϕ come una matrice, l espressione ɛ i,...,i n A i Ain n è invariante per cambiamenti di base. 5
6 La formula di Laplace La formula di Laplace è la riduzione del calcolo del valore di una forma multilineare antisimmetrica di grado n su uno spazio vettoriale di dmensione n al calcolo dei valori di n forme multilineari antisimmetriche di grado n su spazi vettoriali di dimensione n. Non è altro che la generalizzazione ad n dimensioni delle classiche formule della geometria elementare Area parallelogramma = Base Altezza Volume parallelepipedo = Area di base Altezza Sia V uno spazio vettoriale di dimensione n e sia B = {e,..., e n } una sua base. Per ogni i =,..., n indichiamo con B i B il sottoinsieme ottenuto togliendo il vettore e i da B, e con V i V il sottospazio generato da B i. Osserviamo che B i è una base di V i, che dunque ha dimensione n. Indichiamo inoltre con ι i : V i V l inclusione e con π i : V V i la proiezione di V su V i data da π i : v j i v j e j. Notiamo che π i ι i = Id Vi, mentre se v V si ha v = ι i π i (v) + v i e i, per ogni i =,..., n. Da notare che in questa formula non c è una sommatoria sottointesa su i. Infatti è vero che l indice i compare ripetuto in alto e in basso nell addendo a destra, ma i è solo in basso nell addendo a sinistra! Più esplicitamente, abbiamo le formule v = ι π (v) + v e ; v = ι 2 π 2 (v) + v 2 e 2 ;... Infine, sempre per ogni i =,..., n consideriamo le applicazioni definite da η i : V i V }{{} i K n copie η i (v,..., v i, v i+,..., v n ) = ω B (ι i (v ),..., v i, e i, ι i (v i+ ),..., ι i (v n )). È immediato osservare che η i è una forma multilineare antisimmetrica di grado n su V i. Inlotre, calcolando η i sui vettori della base B i di V i si ottiene, dunque η i = ω Bi. Siano ora {v,..., v n } n arbitrari vettori di V, e calcoliamo ω B (v,..., v i, e i, v i+,..., v n ). Scrivendo v j = ι i π i (v j ) + v i j e i e sfruttando la multilinearità e l antisimmetria di ω B troviamo ω B (v,..., v i, e i, v i+,..., v n ) = ω B (ι i π i (v ),..., ι i π i (v i ), e i, ι i π i (v i+ ),..., ι i π i (v n )) = ω Bi (π i (v ),..., π i (v i ), π i (v i+ ),..., π i (v n )). 6
7 Possiamo ora calcolare ω B (v,..., v n ) in termini delle forme ω Bi. Scrivendo il vettore v k come v k = v i k e i, troviamo infatti ω B (v,..., v n ) = vkω i B (v,..., v k, e i, v k+,..., v n ) n = ( ) k+i vkω i B (v,..., v i, e i, v i,..., v k, v k+,..., v n ) = = i= n ( ) k+i vkω i Bi (π i (v ),..., π i (v i ), π i (v i ),..., π i (v k ), π i (v k+ ),..., π i (v n )) i= n ( ) k+i vkω i Bi (π i (v ),..., π i (v k ), π i (v k+ ),..., π i (v n )) i= L utilizzo pratico della formula di Laplace è molto più semplice di quanto la sua formulazione stratta potrebbe lasciar supporre. Vediamolo in un esempio. Sia ϕ : R 3 R 3 l endomorfismo rappresentato, rispetto alla base canonica B, dalla matrice Vogliamo calcolare det(ϕ). Abbiamo visto che dove v = det(ϕ) = ω B (v, v 2, v 3 ), 2 ; v 2 = ; v 3 = 2. 2 Applichiamo la formula di Laplace scrivendo il vettore v 2 come combinazione lineare dei vettori della base canonica (chiaramente potremmo fare lo stesso anche con v o con v 3 ). Si ha v 2 = 2e + 3e 2 + 5e 3. Inoltre Dunque π (v ) = π (v 3 ) = det(ϕ) = ω B (v, v 2, v 3 ) ( 2 ) ; π 2 (v ) = ( 2) ; π 2 (v 3 ) = ( ) ; π 3 (v ) = ( ) 2 ; π 2 3 (v 3 ) = ( 2) ( ) 2 = 2 ω B (π (v ), π (v 3 )) + 3 ω B2 (π 2 (v ), π 2 (v 3 )) 5 ω B (π 3 (v ), π 3 (v 3 )) ( ) ( ) ( ) = 2 det + 3 det 5 det = 2(4 + ) + 3(2 2) 5( + 4) = 35. 7
8 Riassumendo, lo sviluppo di Laplace rispetto alla seconda colona del determinante di ϕ è det 2 2 ( ) ( ) ( ) = 2 det + 3 det 5 det, e il calcolo del determinante di una matrice 3 3 è stato ridotto al calcolo di 3 determinanti di matrici 2 2. La formula di Cramer Sia ω una forma multilineare antisimmetrica di gardo n su uno spazio vettoriale V di dimensione n, e siano {v,..., v n, w} n + vettori di V. Allora si ha l identità ω(v,..., v n )w = ω(w, v 2,..., v n )v + ω(v, w, v 3,..., v n )v ω(v,..., v n, w)v n. (identità di Cramer). Dimostriamaola dapprima nel caso in cui {v,..., v n } sia una base di V. Fissiamo i vettori {v,..., v n } e consideriamo le due applicazioni lineari ϕ, ψ : V V definite da ϕ :w ω(v,..., v n )w ψ :w ω(w, v 2,..., v n )v + ω(v, w, v 3,..., v n )v ω(v,..., v n, w)v n. Allora dimostrare l identità di Cramer si riduce a dimostrare che ϕ = ψ. Poiché due applicazioni lineari coincidono se e solo se coincidono su una base dello spazio vettoriale di partenza, e poiché stiamo supponendo che {v,..., v n } sia una base di V, la dimostrazione dell identità di Cramer in questo caso si riduce a verificare ϕ(v i ) = ψ(v i ) per ogni i =,..., n, il che è immediato. Dimostriamo ora la formula nel caso in cui {v,..., v n } non siano una base. In questo caso ω(v,..., v n ) = 0 e dunque la formula di Cramer si riduce all identità ω(w, v 2,..., v n )v + ω(v, w, v 3,..., v n )v ω(v,..., v n, w)v n = 0 quando {v,..., v n } non è una base di V. Poiché V ha dimensione n, {v,..., v n } non è una base se e solo se i vettori {v,..., v n } sono linearmente dipendenti. A meno di rinumerare i vettori possiamo supporre sia v n ad essere linearmente dipendente da {v,..., v n. Esisteranno cioè scalari λ i tali che v n = λ v + + λ n v n. Adesso osserviamo che per multilinearità ed antisimmetria si ha ω(v,..., v i, w, v i+,..., v n ) = λ i ω(v,..., v i, w, v i+,..., v i ) = λ i ω(v,..., v n, w), 8
9 per ogni i =,..., n. Dunque ( ) n n ω(v,..., v i, w, v i+,..., v n )v i = ω(v,..., v n, w) λ i v i i= ovvero l identità di Cramer. = ω(v,..., v n, w)v n, Una tipica (ed immediata) applicazione della formula di Cramer è la seguente: sia ω una forma non nulla, e sia B = {v,..., v n } una base di V. Allora le coordinate w i di un vettore w rispetto alla base B sono date da w i = ω(v,..., v i, w, v i+,..., v n ). ω(v,..., v n ) i= La formaula di Cramer può essere utilizzata per la soluzione dei sistemi lineari con n equazioni in n incognite, come nell esempio seguente. Supponiamo di voler risolvere il sistema lineare { x + 2y = 4 x y = con x, y R. Questo sistema è equivalenta all equazione vettoriale in R 2, dove v = x v + y v 2 = w ( ) ( ) 2 ; v 2 = ; w = ( ) 4. Dalla formula di Cramer, indicata con B la base canonica di R 2, abbiamo ovvero cioè da cui ω B (v, v 2 )w = ω B (w, v 2 )v + ω B (v, w)v 2, ( ) 2 det w = det ( ) 4 v + det 3 w = 3 v 3 v 2, w = v + v 2 e ne ricaviamo { x = y = ( ) 4 v 2, Osserviamo inoltre che ω B (v, v 2 ) = 3 0 ci dice anche che {v, v 2 } è una base di R 2 e dunque quella appena trovata è anche l unica soluzione del sistema dato. 9
Algebra 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
Dettaglip(ϕ) = a 0 Id + a 1 ϕ + + a n ϕ n,
1. Autospazi e autospazi generalizzati Sia ϕ: V V un endomorfismo. Allora l assegnazione x ϕ induce un morfismo di anelli ρ: K[x] End K (V ). Più esplicitamente, al polinomio p dato da viene associato
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
DettagliCorso di Laurea in Fisica. Geometria. a.a Canale 3 Prof. P. Piazza Magiche notazioni
Corso di Laurea in Fisica. Geometria. a.a. 23-4. Canale 3 Prof. P. Piazza Magiche notazioni Siano V e W due spazi vettoriali e sia T : V W un applicazione lineare. Fissiamo una base B per V ed una base
DettagliLeLing12: Ancora sui determinanti.
LeLing2: Ancora sui determinanti. Ārgomenti svolti: Sviluppi di Laplace. Prodotto vettoriale e generalizzazioni. Rango e determinante: i minori. Il polinomio caratteristico. Ēsercizi consigliati: Geoling
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
DettagliNOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n
NOTE DI ALGEBRA LINEARE 2- MM 9 NOVEMBRE 2 Combinazioni lineari e generatori Sia K un campo e V uno spazio vettoriale su K Siano v,, v n vettori in V Definizione Un vettore v V si dice combinazione lineare
DettagliEquivalentemente, le colonne di A sono linearmente indipendenti se e solo se
Lezioni di Algebra Lineare. Versione novembre 2008 VI. Il determinante Il determinante det A di una matrice A, reale e quadrata, è un numero reale associato ad A. Dunque det è una funzione dall insieme
DettagliCORSO DI GEOMETRIA DETERMINANTE A.A. 2018/2019 PROF. VALENTINA BEORCHIA
CORSO DI GEOMETRIA DETERMINANTE AA 2018/2019 PROF VALENTINA BEORCHIA INDICE 1 Definizione induttiva di determinante 1 2 Caratterizzazione delle matrici quadrate di rango massimo 5 3 Regole di Laplace 6
Dettagli2. Determinare le dimensioni dei seguenti sottospazi W ed esibirne due basi basi diverse, quando è possibile:
aa 5-6 Esercizi 5 Basi dimensione e coordinate Soluzioni Apostol: Sezione 5 Esercizi 6a 7 8 9 Determinare le dimensioni dei seguenti sottospazi W ed esibirne due basi basi diverse quando è possibile: i
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
DettagliDeterminante. Sia M(n, n, K) lo spazio delle matrici quadrate n n a coefficienti in un campo K, vogliamo provare il seguente Teorema:
Determinante 1 Proprieta Sia M(n, n, K) lo spazio delle matrici quadrate n n a coefficienti in un campo K, vogliamo provare il seguente Teorema: Theorem 1.1 Esiste un unica mappa F dallo spazio delle matrici
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
DettagliFattorizzazione QR e matrici di Householder
Fattorizzazione QR e matrici di Householder ottobre 009 In questa nota considereremo un tipo di fattorizzazione che esiste sempre nel caso di matrici quadrate non singolari ad entrate reali. Definizione
DettagliAnno Accademico 2016/2017
Mod. 136/1 ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA Anno Accademico 2016/2017 Scuola di Scienze Corsi di Laurea o di Diploma Triennale in Matematica (nuovo ordinamento) Insegnamento Geometria I Docente
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
Dettagli1 2 1 x = Quando sapremo calcolare i determinanti potremo ricavare:
5 NOVEMBRE 2009 Esempio: Risolviamo il sistema: 3x + 2y + 4z = 1 2x y + z = 0 x + 2y + 3z = 1 1 2 4 3 1 4 3 2 1 0 1 1 2 0 1 2 1 0 1 2 3 1 1 3 1 2 1 x =, y =, z = 3 2 4 3 2 4 3 2 4 2 1 1 2 1 1 2 1 1 1 2
DettagliProposizione 2 Il polinomio minimo di t corrisponde all annullatore minimale di M V.
Fogli NON riletti. Grazie per ogni segnalazione di errori. L esempio qui sviluppato vuole mostrare in concreto il significato dei risultati trattati a lezione e qui velocemente riassunti. Si assume che
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
Dettagli14 febbraio Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...
COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi
DettagliAnno Accademico 2017/2018
Mod. 136/1 ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA Anno Accademico 2017/2018 Scuola di Scienze Corsi di Laurea o di Diploma Triennale in Matematica (nuovo ordinamento) Insegnamento Geometria I Docente
DettagliPROGRAMMA del corso di. GEOMETRIA 1 - Algebra Lineare. Laurea Triennale in Matematica. Anno Accademico 2007/08. docente : Bruno Zimmermann
PROGRAMMA del corso di GEOMETRIA 1 - Algebra Lineare Laurea Triennale in Matematica Anno Accademico 2007/08 docente : Bruno Zimmermann (Il presente programma è stato redatto sulla base degli appunti del
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)
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 27 GIUGNO 2016
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 7 GIUGNO 06 MATTEO LONGO Ogni versione del compito contiene solo due tra i quattro esercizi 6-7-8-9. Esercizio. Considerare
DettagliGeometria 3 primo semestre a.a
Geometria 3 primo semestre a.a. 2014-2015 Esercizi Forme differenziali Ricordiamo alcune definizioni date a lezione. s-forma definite da Siano ω una k-forma e φ una ω = I a I dx I, φ = J b J dx J Definizione
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
Dettagli8 novembre Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...
COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi
DettagliParte 8. Prodotto scalare, teorema spettrale
Parte 8. Prodotto scalare, teorema spettrale A. Savo Appunti del Corso di Geometria 3-4 Indice delle sezioni Prodotto scalare in R n, Basi ortonormali, 4 3 Algoritmo di Gram-Schmidt, 7 4 Matrici ortogonali,
DettagliENDOMORFISMI. NOTE DI ALGEBRA LINEARE
ENDOMORFISMI. NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 15 GENNAIO 2011 1. Endomorfismi e sottospazi invarianti Definizione 1.1. Sia V uno spazio vettoriale su K. Un endomorfismo di V è una qualsiasi
DettagliA =, c d. d = ad cb. c d A =
Geometria e Algebra (II), 271112 1 Definizione D ora innanzi, al posto di dire matrice quadrata di tipo n n o matrice quadrata n n diremo matrice quadrata di ordine n o in breve matrice di ordine n Il
DettagliNozioni di algebra multilineare
Capitolo 2 Nozioni di algebra multilineare Siano V e W spazi vettoriali di dimensione finita su un campo K (K = R, C). Sia L(V, W ) lo spazio vettoriale, di dimensione infinita, avente come base gli elementi
DettagliCorso di Geometria Ing. Informatica e Automatica Test 1: soluzioni
Corso di Geometria Ing. Informatica e Automatica Test : soluzioni k Esercizio Data la matrice A = k dipendente dal parametro k, si consideri il k sistema lineare omogeneo AX =, con X = x x. Determinare
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
DettagliContenuti aggiuntivi su matrici e determinanti, Dimostrazioni del Capitolo 3
Contenuti aggiuntivi su matrici e determinanti, Dimostrazioni del Capitolo 3 Dimostrazione 310 Sia W = L(C A ) K Osserviamo che S è una base di W Infatti S è indipendente, inoltre ogni vettore di W dipende
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
Dettagli13 febbraio Soluzione esame di geometria - Ing. gestionale - a.a COGNOME... NOME... N. MATRICOLA... ISTRUZIONI
febbraio 0 - Soluzione esame di geometria - Ing. gestionale - a.a. 0-0 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono stati
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
DettagliATTENZIONE: : giustificate le vostre argomentazioni! Geometria Canale 3. Lettere J-PE (Prof P. Piazza) Esame scritto del 12/02/2014. Compito A.
Geometria Canale. Lettere J-PE (Prof P. Piazza) Esame scritto del 12/02/2014. Compito A. Nome e Cognome: Numero di Matricola: Esercizio Punti totali Punteggio 1 7 2 6 6 4 6+1 5 6+2 Totale 1+ ATTENZIONE:
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
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,
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
DettagliSpazio degli omomorfismi
Capitolo 13 Spazio degli omomorfismi 13.1 Introduzione Ecco un argomento totalmente nuovo. Abbiamo visto che ad ogni omomorfismo tra spazi vettoriali di dimensione finita possiamo associare una matrice
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)
DettagliSpazi affini e combinazioni affini.
Spazi affini e combinazioni affini. Morfismi affini. Giorgio Ottaviani Abstract Introduciamo il concetto di combinazione affine in uno spazio affine, e in base a questo, ne caratterizziamo i sottospazi.
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
DettagliGEOMETRIA PER FISICI ELENCO DEGLI ARGOMENTI TRATTATI DURANTE LE LEZIONI
GEOMETRIA PER FISICI 2016-17 ELENCO DEGLI ARGOMENTI TRATTATI DURANTE LE LEZIONI 1. MARTEDÌ 4 OTTOBRE 2016 Informazioni organizzative. Chiacchiere. Panoramica sul corso. Tre esempi di linearità. 2. GIOVEDÌ
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
DettagliPrimi elementi di combinatoria Federico Lastaria, Analisi e Geometria 1
Politecnico di Milano. Scuola di Ingegneria Industriale e dell Informazione Analisi e Geometria 1 Federico Lastaria Primi elementi di combinatoria 11 Ottobre 2016 Indice 1 Elementi di combinatoria 2 1.1
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
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a Prima prova di esonero TESTO E SOLUZIONI
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a. 2017-2018 Prima prova di esonero TESTO E SOLUZIONI 1. Determinare, utilizzando esclusivamente operazioni elementari,
DettagliLezioni di Algebra Lineare V. Autovalori e autovettori
Lezioni di Algebra Lineare V. Autovalori e autovettori Versione novembre 2008 Contenuto 1. Cambiamenti di base 2. Applicazioni lineari, matrici e cambiamenti di base 3. Autovalori e autovettori 2 1. Cambiamenti
Dettagli1 Esercizi 13. 3x + λy + 2z = 0 (1 λ)x + 5y + 3z = 0 3x + 2y + z = 0
1 Esercizi 13 1. Discutere le soluzioni del sistema seguente al variare del parametro λ R. 3x + λy + 2z 0 (1 λ)x + 5y + 3z 0 3x + 2y + z 0 Soluzione. Si tratta di un SLO 3 3 e sappiamo che tale sistema
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
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Fra le applicazioni definite tra spazi vettoriali sono particolarmente significative quelle che conservano le operazioni, dette applicazioni lineari. Definizione Siano V, W due k-s.v.
Dettagli10. Il gruppo Speciale Lineare SL(V )
1 2 3 4 5 6 7 8 9 1 10. Il gruppo Speciale Lineare SL(V ) Siano F un campo e V uno spazio vettoriale di dimensione n su F. Indichiamo con GL(V ) l insieme delle applicazioni lineari biiettive di V in sé.
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
DettagliSOLUZIONI DELL APPELLO B DEL CORSO GE110 8 LUGLIO 2019
SOLUZIONI DELL APPELLO B DEL CORSO GE 8 LUGLIO 9 ESERCIZIO (8 punti) Si consideri lo spazio vettoriale C 4 con base canonica {e, e, e 3, e 4 } Si consideri l operatore lineare Φ End(C 4 ) univocamente
DettagliCambio di base. Capitolo Introduzione. 8.2 Cambio di base
apitolo 8 ambio di base 8 Introduzione Sappiamo che, fissata una base finita in uno spazio vettoriale, ad ogni vettore sono associate le coordinate relative a tale base In questo capitolo vediamo che tali
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
DettagliProdotto tensoriale e algebra multilineare
Prodotto tensoriale e algebra multilineare Siano V e W due spazi vettoriali di dimensione finita sul campo K. All interno del corso abbiamo definito il prodotto tensoriale w v di un vettore w W e di una
DettagliEndomorfismi nilpotenti, diagrammi di Young e basi di Jordan
Endomorfismi nilpotenti, diagrammi di Young e basi di Jordan Sia V uno spazio vettoriale su C e sia ν : V V un suo endomorfismo. L applicazione ν si dice nilpotente se esiste un intero positivo N tale
DettagliSpazi vettoriali. Indipendenza lineare.
Spazi vettoriali Indipendenza lineare Nel piano vettoriale G 2, fissato un punto O ed identificati i vettori con i segmenti orientati con origine in O, informalmente si puo dire che che due vettori sono
DettagliGE110 - Geometria 1. Esame Scritto B 16 Luglio 2010
GE0 - Geometria Esame Scritto B 6 Luglio 200 COGNOME e NOME : Problema : Problema 2: Problema 3: 2 Problema. Si consideri il sottoinsieme S := j v := «i, w := + i «ff i + di C 2. i (i) Dopo aver esibito
DettagliGeometria BAER Canale A-K Esercizi 8
Geometria BAER 6-7 Canale A-K Esercizi 8 Esercizio Si consideri il sottospazio (a) Si trovi una base ortonormale di U (b) Si trovi una base ortonormale di U U = L v =, v, v 3 = (c) Si scriva la matrice
DettagliPer le risposte utilizza gli spazi predisposti. Quando richiesto, il procedimento va esposto brevemente, ma in maniera comprensibile.
COGNOME............................... NOME..................................... Punti ottenuti Esame di geometria Scrivi cognome e nome negli spazi predisposti in ciascuno dei tre fogli. Per ogni domanda
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
DettagliAutovalori, Autovettori, Diagonalizzazione.
Autovalori Autovettori Diagonalizzazione Autovalori e Autovettori Definizione Sia V uno spazio vettoriale sul campo K = R o C e sia T : V V un endomorfismo Un vettore non nullo v V \ {O} si dice autovettore
DettagliSe con e indichiamo l elemento neutro di in G, e deve appartenere ad H.
Abbiamo visto a lezione che una sottoalgebra B di un algebra A è identificabile con l immagine di un omomorfismo iniettivo a valori in A. Una sottoalgebra B di A è in particolare un sottoinsieme non vuoto
DettagliParte 5. Sottospazi. A. Savo Appunti del Corso di Geometria
Parte 5. Sottospazi A. Savo Appunti del Corso di Geometria 03-4 Indice delle sezioni Sottospazi di R n, Equazioni di un sottospazio di R n, 3 3 Sottospazio intersezione, 6 4 Sottospazio somma, 8 5 Formula
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
Dettagli12 gennaio Soluzione esame di geometria - Ing. gestionale - a.a COGNOME... NOME... N. MATRICOLA... ISTRUZIONI
COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi
DettagliCorso di Geometria BIAR, BSIR Esercizi 3: soluzioni
Corso di Geometria - BIAR, BSIR Esercizi : soluzioni Rango e teorema di Rouché-Capelli Esercizio. Calcolare il rango di ciascuna delle seguenti matrici: ( ) ( ) ( ) A =, A =, A =, A 4 = ( ). a a a Soluzione.
DettagliA.A CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO SPECIALE 1.
A.A. 2015-2016. CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO SPECIALE 1. Nota preliminare. Nell esercizio S. 1. 5. non vi è alcuna ragione per restringersi ai campi finiti
DettagliTrapani. Dispensa di Geometria, x 1 x 2.x n. (x 1 y 1 ) (x n y n ) 2.
2006 Trapani Dispensa di Geometria, 1 Distanze Siano P e Q punti di R n con P di coordinate allora la distanza tra P e Q e P Q = x 1 x 2 x n (x 1 y 1 ) 2 + (x n y n ) 2 e Q di coordinate Siano Σ 1 e Σ
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 =,
DettagliCorso di Laurea in Matematica - Esame di Geometria 1. Prova scritta del 7 settembre 2015
Corso di Laurea in Matematica - Esame di Geometria 1 Prova scritta del 7 settembre 215 Cognome Nome Numero di matricola Voto ATTENZIONE. Riportare lo svolgimento completo degli esercizi. corretti, non
DettagliSui determinanti e l indipendenza lineare di vettori
Sui determinanti e l indipendenza lineare di vettori 1 Si dice che m vettori v 1, v 2,,v m di R n sono linearmente indipendenti, se una loro combinazione lineare può dare il vettore nullo solo se i coefficienti
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
DettagliOperatori nilpotenti, diagrammi di Young e basi di Jordan
Operatori nilpotenti, diagrammi di Young e basi di Jordan Sia V uno spazio vettoriale su C e sia ν : V V un suo endomorfismo. L applicazione ν si dice nilpotente se esiste un intero positivo N tale che
DettagliCorso di Geometria BIAR, BSIR Esercizi 2: soluzioni
Corso di Geometria 2- BIAR, BSIR Esercizi 2: soluzioni Esercizio Calcolare il determinante della matrice 2 3 : 3 2 a) con lo sviluppo lungo la prima riga, b) con lo sviluppo lungo la terza colonna, c)
DettagliSpazi proiettivi. 16 novembre Completamento proiettivo di uno spazio affine
Spazi proiettivi 16 novembre 2009 1 Completamento proiettivo di uno spazio affine Definizione 1. Una geometria è una coppia ordinata (P, L) di insiemi con: 1. Ogni elemento di L è un sottoinsieme di P;
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 per il corso di Geometria Corso di laurea in Ing. Edile/Architettura. 4 Sistemi lineari. Metodo di eliminazione di Gauss Jordan
Note per il corso di Geometria 2006-07 Corso di laurea in Ing. Edile/Architettura Sistemi lineari. Metodo di eliminazione di Gauss Jordan.1 Operazioni elementari Abbiamo visto che un sistema di m equazioni
DettagliAnno Accademico 2015/2016
Mod. 136/1 ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA Anno Accademico 2015/2016 Scuola di Scienze Corsi di Laurea o di Diploma Triennale in Matematica (nuovo ordinamento) Insegnamento Geometria I Docente
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
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 +
DettagliDETERMINANTI (PRIMA PARTE). NOTE DI ALGEBRA LINEARE
DETERMINANTI (PRIMA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 10 DICEMBRE 2010 1. Una formula per il determinante Iniziamo con il definire, per ogni n 0 e per ogni matrice A M n,n (K) un scalare
DettagliEsercizi di Geometria 1 - Foglio 1
Esercizi di Geometria 1 - Foglio 1 Alessandro Rubin (alex.rubin@outlook.com) Si ringrazia Ricardo Tzantzoglou per il codice L A TEX condiviso 22 dicembre 2017 Esercizio 1. Sia V uno spazio vettoriale sul
Dettagli0.1 Condizione sufficiente di diagonalizzabilità
0.1. CONDIZIONE SUFFICIENTE DI DIAGONALIZZABILITÀ 1 0.1 Condizione sufficiente di diagonalizzabilità È naturale porsi il problema di sapere se ogni matrice sia o meno diagonalizzabile. Abbiamo due potenziali
Dettaglia a 1n A = a n1... a nn a 11 x a 1n x n = b 1 a n1 x a nn x n = b n ] sono determinati. 2- La matrice A = [ a ij
Recupero. 2, Determinanti. 1. Determinanti Consideriamo una matrice A = a 11... a 1n.. a n1... a nn quadrata di ordine n ad elementi in R. Sappiamo che sono equivalenti la affermazioni 1- tutti i sistemi
Dettagli11 luglio Soluzione esame di geometria - Ing. gestionale - a.a COGNOME... NOME... N. MATRICOLA... ISTRUZIONI
COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi
DettagliGeometria BAER Canale A-K Esercizi 8
Geometria BAER Canale A-K Esercizi 8 Esercizio. Si consideri il sottospazio U = L v =, v, v 3 =. (a) Si trovino le equazioni cartesiane ed una base ortonormale di U. (b) Si trovi una base ortonormale di
Dettagli25 ottobre Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...
COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi
DettagliMatrici jordanizzabili
Capitolo 17 Matrici jordanizzabili 17.1 Introduzione Abbiamo visto che non tutte le matrici sono simili a matrici diagonali. Mostreremo in questo capitolo che alcune matrici sono simili a matrici di Jordan.
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI GENNAIO 2015 DOCENTE: M. LONGO
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI GENNAIO 2015 DOCENTE: M. LONGO 1. Domande Domanda 1. Dire quando una funzione f : X Y tra dee insiemi X ed Y si dice iniettiva.
DettagliPROGRAMMA DEL CORSO DI GEOMETRIA E ALGEBRA. A.A
PROGRAMMA DEL CORSO DI GEOMETRIA E ALGEBRA. A.A. 2010-11 DOCENTE TITOLARE: FRANCESCO BONSANTE 1. Geometria analitica dello spazio (1) vettori applicati e lo spazio E 3 O: operazioni su vettori e proprietà.
Dettaglia p a (p) (a + 1) p = i=0 sono noti come coefficienti binomiali 2 e sono numeri interi (a + 1) p a p + 1 (p) (a + 1) p a + 1 (p)
Appunti quarta settimana Iniziamo con un risultato molto importante che ha svariate conseguenze e che3 sarà dimostrato in modi diversi durante il corso: Esercizio 1.[Piccolo teorema di Fermat] Dimostrare
Dettagli19 settembre Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...
COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi
Dettagli