16.1 Dimensione di uno spazio vettoriale

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "16.1 Dimensione di uno spazio vettoriale"

Transcript

1 Lezione 6 6 Dimensione di uno spazio vettoriale Abbiamo visto nella lezione precedente come l esistenza di una base in uno spazio vettoriale V su un campo K permetta di sostituire a V,chepuòessere complicato da trattare, uno spazio K n,inmanieracheleoperazionisiconservinotramitetale identificazione: ci poniamo il problema di capire se tale numero n (che chiameremo tra poco dimensione dello spazio V )èinqualchemodounattributointrinsecodiv La definizione di dimensione è giustificata dal seguente risultato fondamentale Lemma 6 (Lemma di Steinitz) Sia V uno spazio vettoriale su K = R, Se v,,v n 2 V sono generatori e w,,w m 2 V sono linearmente indipendenti, allora vale m 6 n Dimostrazione Poiché i vettori v,,v n 2 V sono generatori di V,esistonoscalaria i,j 2 K, 6 i 6 m, 6 j 6 n, taliche 8 a, v + a,2 v 2 + a,3 v a,n v n + a,n v n = w a >< 2, v + a 2,2 v 2 + a 2,3 v a 2,n v n + a 2,n v n = w 2 a 3, v + a 3,2 v 2 + a 3,3 v a 3,n v n + a 3,n v n = w 3 >: a m, v + a m,2 v 2 + a m,3 v a m,n v n + a m,n v n = w m (6) Dalla famiglia di identità vettoriali (6) otteniamo una matrice A =(a i,j ) 6i6m 2 K m,n ;ogni 6j6n operazione elementare su A equivale ad un analoga operazione sulle identità di (6) on un numero finito di operazioni elementari di riga di tipo E possiamo trasformare A in una nuova matrice ridotta per righe A =(a i,j ) 2 K m,n corrispondente a delle nuove identità 6i6m 6j6n vettoriali aventi come termini noti certe combinazioni lineari dei vettori w,,w m Poiché ogni identità (6) contiene un vettore w i eivettoriw,,w m sono linearmente indipendenti, dopo tali operazioni il termine noto dell i esima identità conterrà ancora il vettore w i con coefficiente Se per assurdo fosse m>n,almenounarigadia (per fissare le idee diciamo quella di indice m) sarebbenulla,quindiavremmounarelazionedidipendenzalinearedeltipo V =v +v 2 + +v n = b w + + b m w m +w m che non è possibile se, come stiamo supponendo, i vettori w,,w m sono linearmente indipendenti oncludiamo che m 6 n 59

2 6 orollario 62 Sia V uno spazio vettoriale su K = R, esianob =(v,,v n ) e D =(w,,w m ) due basi di V Alloram = n Dimostrazione Poiché v,,v n sono generatori di V e w,,w m sono linearmente indipendenti, per il Lemma 6 risulta m 6 n Similmente,poichéw,,w m sono generatori di V e v,,v n sono linearmente indipendenti, ancora per il Lemma 6 risulta anche m > n Quindi in uno spazio vettoriale finitamente generato e non nullo tutte le basi hanno lo stesso numero di elementi Questa osservazione ci permette di introdurre la seguente definizione Definizione 63 (Dimensione di uno spazio vettoriale) Sia V uno spazio vettoriale finitamente generato su K = R, La dimensione di V èilnumerodim K (V ) definito come segue: se V = { V },poniamodim K (V )=; se V 6= { V }, dim K (V ) èilnumerodielementidiunaqualsiasisuabase; Nel caso in cui il campo K sia evidente dal contesto, si scrive semplicemente dim(v ) Se lo spazio V non è finitamente generato, allora poniamo per convenzione dim K (V )=, ev èdettospaziovettorialedidimensioneinfinita Esempio 64 Dall Esempio 57 segue che la base canonica =(e,e 2,e 3 ) èuna base di R 3,quindidim R (R 3 )=3 Più in generale, sia K = R, Alloralabasecanonica =(e,,e n ) di K n (si veda ancora l Esempio 57) è formata da n vettori, dunque dim K (K n )=n Esempio 65 Dall Esempio 58 segue che lo spazio vettoriale 2,2 ha come base B =(E,,E,2,E 2,,E 2,2 ),quindidim ( 2,2 )=4 Più in generale, se K = R,, alloradim K (K m,n )=mn Esempio 66 Sia V uno spazio vettoriale su PoichéR, allorav èanche uno spazio vettoriale su R: l operazionedisommarimanelastessa,quelladiprodotto per uno scalare si ottiene restringendo quella definita in V a R V V Per esempio èunospaziovettorialesu, 2 èlinearmenteindipendentee genera come spazio vettoriale su, poichéa+bi =(a+bi), dunquedim () =, come già sappiamo D altra parte èanchespaziovettorialesur Daquestopuntodivista non è più generatore di su R: infattiselofosseognisuoelementosarebbecombinazione lineare di acoefficientiinr e, in questo modo, possiamo ottenere solo i numeri complessi con parte immaginaria nulla Per generare su R occorrono almeno due elementi: per esempio ed i sono generatori di su R, poichéa + bi =(a) + (b)i per ogni a, b 2 R Inoltre essi sono linearmente indipendenti: infatti se a, b 2 R, risulta a + bi =se e solo se a = b = oncludiamo che dim R () =2 Più in generale si può dimostrare che se dim (V )=n, alloradim R (V )=2n oncludiamo il paragrafo con la seguente conseguenza della Proposizione 59

3 Proposizione 67 Sia V 6= { V } uno spazio vettoriale su un campo K = R, Se dim K (V )=n e v,,v n 2 V,leseguentiaffermazionisonoequivalenti: (i) v,,v n 2 V sono generatori di V ; (ii) v,,v n 2 V sono linearmente indipendenti; (iii) (v,,v n ) èbasediv 6 Dimostrazione Se i vettori v,,v n 2 V sono generatori di V scartando eventualmente alcuni di loro otteniamo una base di V :poichéognibasediv ècostituitadan vettori, non è necessario scartare niente, cioè v,,v n sono già linearmente indipendenti Viceversa, se i vettori v,,v n 2 V sono linearmente indipendenti, aggiungendo eventualmente altri vettori otteniamo una base di V :poichéognibasediv ècostituitadan vettori, non ènecessarioaggiungereniente,cioèw,,w n sono già generatori di V Quindi (i) vale se e solo se vale (ii), dunque sono equivalenti a (iii) Esempio 68 In R 4 si considerino i vettori v =(, 2,,), v 2 =(3/2, 7,, p 2), v 3 =(,,, 3/7), v 4 =(, 3,, ) Larelazionedidipendenzalineare v + 2 v v v 4 = R 4 tra di loro si traduce immediatamente nel sistema omogeneo >< 2 = = = >: p = Èfacilevederechel unicasoluzioneditalesistemaè = 2 = 3 = 4 =,cioèi vettori v,v 2,v 3,v 4 sono linearmente indipendenti Per la Proposizione 67 concludiamo che essi sono anche generatori di R 4 senza doverlo verificare direttamente In particolare B =(v,v 2,v 3,v 4 ) èunabasedir 4 62 Dimensione di sottospazi Sia V uno spazio vettoriale finitamente generato su un campo K = R, esiaw V un suo sottospazio vettoriale: in questo paragrafo ci occuperemo di rispondere alle domande naturali W èfinitamentegenerato?seloè,cisonolegamitradim K (W ) e dim K (V )? Proposizione 69 Sia V uno spazio vettoriale finitamente generato su un campo K = R, AlloraognisottospaziovettorialeW V èfinitamentegenerato Inoltre si ha che dim K (W ) 6 dim K (V ) e dim K (W ) = dim K (V ) se e solo se W = V Dimostrazione Se W = { V } la tesi è ovviamente verificata Supponiamo che W 6= { V } non sia finitamente generato Allora esiste w 2 W \{ V }: risulta L(w ) W,quindideveesisterew 2 2 W \L(w )Percostruzionew e w 2 sono linearmente indipendenti e, per ipotesi, deve esistere w 3 2 W \L(w,w 2 ) In questo modo riusciamo a costruire una successione di vettori { w i } i2n W tale che, per ogni N 2 N, ivettoriw,,w N 2 W sono linearmente indipendenti In particolare ciò dovrebbe

4 62 accadere anche per N =dim K (V )+,ilcheèassurdoperchécontraddiceillemma6,visto che i vettori w,,w N sono in W,quindiinV Quindi W èfinitamentegenerato;sia(w,,w m ) una sua base Poiché w,,w m 2 W V sono linearmente indipendenti (perché formano una base di W ), allora dim K (W )=m 6 dim K (V ), di nuovo per il Lemma 6 hiaramente se W = V allora dim K (W ) = dim K (V ) = n Viceversa, se dim K (W ) = dim K (V )=n, alloraesisteuninsiemedivettorilinearmenteindipendentiw,,w n di W V, quindi w,,w n generano V per la Proposizione 67: poiché W V segue W = V Esempio 6 In R 4 si considerino i cinque vettori v = (, 2,, ), v 2 = (2,,, ), v 3 =(,,, ), v 4 =(,,, ), v 5 =(4, 4,, ) alcoliamo la dimensione del sottospazio W = L(v,v 2,v 3,v 4,v 5 ) R 4 Abbiamo visto nell Esempio 5 che B =(v,v 2,v 4 ) èunabasediw R 4,quindidim(W )=3< 4: inparticolare W (R 4 Esempio 6 Sia A =(a i,j ) 6i6m 6j6n 2 K m,n Abbiamo verificato nell Esempio 34 che l insieme W delle soluzioni in K n,p del sistema omogeneo AX = m,p èun sottospazio Poiché K n,p èfinitamentegenerato,èlecitocalcolareladimensionedi W PoichéladimensionediW dipende solo dal sottospazio W enondallamatrice A, possiamosupporrechea sia fortemente ridotta per righe e, per fissare le idee, possiamo anche supporre che il suo pivot sulla i esima riga si trovi nella colonna i esima Quindi, posto r =rk(a), ilsistemaax = m,p èdellaforma a,r+ a,r+2 a,n a 2,r+ a 2,r+2 a 2,n a r,r+ a r,r+2 a r,n X = m,p A (62) Indicando con X i la i esima riga di X, seguechelesoluzionidelsistema(62) dipendono dai parametri (vettoriali) liberi X r+,,x n Per semplicità limitiamoci, d ora in poi, a studiare il caso p =,cioèx 2 K n, Le soluzioni del sistema (62) sono allora tutte e sole le matrici colonna della forma a,r+ X r+ a,r+2 X r+2 a,n X n a 2,r+ X r+ a 2,r+2 X r+2 a 2,n X n B dove a r,r+ X r+ a r,r+ X r+2 a r,n X n X r+ X r+2 X n = A nx j=r+ j X j,

5 63 r+ = a,r+ a 2,r+ a r,r+, r+2 = B a,r+2 a 2,r+2 a r,r+2, n = B a,n a 2,n a r,n A In particolare W = L( r+, r+2,, n ) Inoltre la relazione di dipendenza lineare r+ r+ + r+2 r n n = K n, si traduce in un sistema le cui ultime n r equazioni sono r+ = r+2 = = n = oncludiamo che r+, r+2,, n sono generatori linearmente indipendenti di W che, quindi, ha dimensione dim K (W ) = n r = n rk(a) In particolare il rango di una matrice dipende solo dalla matrice stessa e non dalle operazioni elementari fatte su di essa per calcolarlo, comegiàanticipato senza dimostrazione nella Lezione 3! Se, invece, p > 2, illettoreverifichichedim K (W )=(n stesso procedimento rk(a))p seguendo lo Esempio 62 Si consideri il sottoinsieme di K n,n costituito dalle matrici triangolari superiori: TS n (K) ={ A =(a i,j ) 6i,j6n 2 K n,n a i,j =se i>j} Osserviamo che TS n (K) èunsottospaziovettorialedik n,n ;infattilamatricenulla n,n 2 TS n (K) InoltreseA =(a i,j ) 6i,j6n e B =(b i,j ) 6i,j6n 2 TS n (K) e 2 K, le entrate di indici (i, j) di A + B edi A sono a i,j + b i,j e a i,j,chesonodunquenulle se i>j,cioèa + B e A sono triangolari superiori Poiché K n,n èfinitamentegenerato,taledeveesserets n (K): calcoliamone la dimensione Si noti che E i,j 2 TS n (K) per ogni i, j =,,n con i 6 j Tali matrici sono linearmente indipendenti e possiamo scrivere una qualsiasi matrice a, a,2 a,3 a 2,2 a 2,3 A = a 3,3 A come combinazione lineare A = a, E, + a,2 E,2 + a,3 E,3 + + a 2,2 E 2,2 + a 2,3 E 2,3 + + a 3,3 E 3,3 +, ovvero TS n (K) =L(E i,j i, j =,,n, i<j) Dunque, fissato un ordine, tali matrici formano una base di TS n (K): inparticolare

6 64 dim K (TS n )=n +(n ) + (n 2) + +2+=n(n +)/2 Si considerino i sottoinsiemi di K n,n costituiti dalle matrici triangolari inferiori, strettamente triangolari superiori, strettamente triangolari inferiori, cioè rispettivamente TI n (K) ={ A =(a i,j ) 6i,j6n 2 K n,n a i,j =se i<j}, STS n (K) ={ A =(a i,j ) 6i,j6n 2 K n,n a i,j =se i > j }, STI n (K) ={ A =(a i,j ) 6i,j6n 2 K n,n a i,j =se i 6 j } ome esercizio, il lettore dimostri che STS n (K), TI n (K) e STI n (K) sono sottospazi vettoriali di K n,n enedeterminibasi,verificandochedim K (TI n )=n(n +)/2 e dim K (STS n )=dim K (STI n )=n(n )/2 Esempio 63 L esempio precedente è un caso particolarmente fortunato in cui l intersezione di una base dello spazio vettoriale V con il sottospazio W,dà una base di W :purtroppononèsemprecosìsiconsideriilsottoinsiemedik n,n costituito dalle matrici simmetriche, cioè Sim n (K) ={ A 2 K n,n t A = A } Osserviamo che Sim n (K) èunsottospaziovettorialedik n,n Infatti n,n 2 Sim n (K); se A, B 2 Sim n (K) e 2 K, perleproprietàcheleganolatrasposizioneallasomma di matrici ed al prodotto di matrici per scalari, si ha A + B = t A + t B = t (A + B), A = t A = t ( A), cioè A + B, A 2 Sim n (K) Poiché K n,n èfinitamentegenerato,taledeveesseresim n (K) Per calcolare la sua dimensione restringiamoci, per semplicità, al caso n =2, K = R: tratteremoil caso generale più avanti In questo caso sappiamo che una base di R 2,2 èdatada B =(E,,E,2,E 2,,E 2,2 ) Da un lato osserviamo che non ogni matrice di R 2,2 è simmetrica, dunque sicuramente dim R (Sim 2 (R)) 6 3 < 4 = dim R (R 2,2 ) Dall altro gli elementi della base B che sono in Sim 2 (R) sono E, ed E 2,2,chesono linearmente indipendenti, dunque dim R (Sim 2 (R)) > 2 Se fosse dim R (Sim 2 (R)) = 2, per la Proposizione 67 seguirebbe che E, ed E 2,2 sarebbero generatori di (Sim 2 (R)) Tuttaviapoiché a, a, E, + a 2,2 E 2,2 = a 2,2 èchiarochee, ed E 2,2 non sono sufficienti a generare Sim 2 (R): concludiamoche dim R (Sim 2 (R)) > 3 e, quindi, dim R (Sim 2 (R)) = 3 Per costruire una base di Sim 2 (R) èsufficientetrovarealloratrematricisimmetriche linearmente indipendenti: due, E, ed E 2,2,leabbiamogià,quindibasta

7 65 determinare una terza matrice simmetrica che non sia in L(E,,E 2,2 ),cioèchenon sia diagonale Posto allora E,2 = segue che B =(E,,E 2,2, E,2 ) èbasedisim 2 (R) B Vedremo più avanti che dim K (Sim n (K)) = dim K (TS n (K)) = n(n +)/2 Si noti però che Sim n (K) 6= TS n (K) pur avendo la stessa dimensione, infatti non è vero che due sottospazi della stessa dimensione coincidono! 63 Rango e dimensione Proposizione 64 Siano K = R, e A =(a i,j ) 6i6m 2 K m,n una matrice 6j6n Posto v i =(a i,,,a i,n ) 2 K n, i =,,m, risulta w j =(a,j,,a m,j ) 2 K m, j =,,n, rk(a) =dim K (L(v,,v m )) = dim K (L(w,,w n )) = rk( t A) Dimostrazione Nel paragrafo 42 abbiamo definito il rango di una matrice A =(a i,j ) 6i6m 6j6n come il numero di righe non nulle di una matrice A =(a i,j ) 6i6m 6j6n 2 K m,n 2 K m,n ridotta per righe ed equivalente per righe ad A Per dimostrare la prima parte della tesi è sufficiente far vedere che ogni tipo di operazione elementare di riga, pur cambiando le righe di A, nonmutailsottospaziocheessegenerano Poiché esse coinvolgono al massimo due righe per volta, possiamo ridurci a studiare il caso m =2 ÈchiarocheL(v,v 2,)=L(v 2,v,), cioèloscambiodirighe(operazioneelementaree3) non muta la dimensione Poiché v = v + 2 v 2 + se e solo se per ogni 2 K\{ } si ha v = ( v )+ 2 v 2 +, segue che L(v,v 2,)=L( v,v 2,), cioèlamoltiplicazionediunarigaperunoscalarenon nullo (operazione elementare E2) non muta la dimensione Infine v = v + 2 v 2 + se e solo se per ogni 2 K si ha v = (v + v 2 )+( 2 )v 2 + equindil(v,v 2,)=L(v + (operazione elementare E) non muta la dimensione Posto vi =(a i,,,a i,n ) 2 Kn, i =,,m,concludiamoche v 2,v 2,), cioèsommareadunarigaunmultiplodiun altra dim K (L(v,,v m )) = dim K (L(v,,v m)) = rk(a )=rk(a) Poiché le righe di t A coincidono con le colonne di A, ilragionamentofattosopradimostraanche che dim K (L(w,,w n )) = rk( t A) Sia r =rk(a) Allora è possibile estrarre dall insieme v,,v m un sottoinsieme di r vettori linearmente indipendenti che generano L(v,,v m ):perfissareleideesupponiamocheessisiano v,,v r Alloraabbiamodellerelazionidellaforma 8 v i = v i per i =,,r >< v r+ = r+, v + r+,2 v 2 + r+,3 v r+,r v r >: v m = m, v + m,2 v 2 + m,3 v m,r v r

8 66 Eguagliando le componenti j esime al primo ed al secondo membro di tali equazioni, otteniamo 8 a i,j = a i,j per i =,,r >< a r+,j = r+, a,j + r+,2 a 2,j + r+,3 a 3,j + + r+,r a r,j >: a m,j = m, a,j + m,2 a 2,j + m,3 a 3,j + + m,r a r,j Posto u =(,,,,, r+,,, m, ), u 2 =(,,,,, r+,2,, m,2 ), u 3 =(,,,,, r+,3,, m,3 ), u r =(,,,,r, r+,r,, m,r ), segue allora che w j = a,j u + a 2,j u 2 + a 3,j u a r,j u r,cioèl(w,,w n ) L(u,,u r ), dunque rk( t A)=dim K (L(w,,w n )) dim K (L(u,,u r )) 6 r =rk(a) Sostituendo ora A con t A eripetendoilragionamentootteniamork(a) =rk( tt A) 6 rk( t A) sicché, in conclusione, risulta rk(a) =rk( t A) e, perciò, la tesi è completamente dimostrata Osservazione 65 Quasi sempre la definizione di rango di una matrice viene data utilizzando la proprietà sopra, che non dipende dalla riduzione operata, dicendo che il rango di A 2 K m,n èladimensionedelsuospazioriga,cioèdelsottospazio di K n generato dalle sue righe, e del suo spazio colonna, cioè del sottospazio di K m generato dalle sue colonne Poiché tale dimensione si calcola a partire da una base dello spazio riga, cioè da un insieme massimale di vettori linearmente indipendenti dello spazio riga, talvolta si dice anche che il rango di A 2 K m,n èilmassimonumerodisuerigheocolonne linearmente indipendenti Vogliamo ora utilizzare la Proposizione 64, descrivendo un altro metodo per determinare basi di uno spazio vettoriale V finitamente generato su un campo K = R, apartiredaunsuoinsiemedigeneratoriodisuoivettorilinearmente indipendenti AtalescopofissiamounabaseB =(w,,w n ) di V evettoriv,,v m 2 V Supponiamo che [v i ] B =(a i,,,a i,n ) 2 K n per i =,,mpoiché [ v + + m v m ] B = [v ] B + + m [v m ] B, allora v,,v m sono linearmente dipendenti se e solo la stessa proprietà vale per [v ] B,,[v m ] B 2 K n Quindi dim K (L(v,,v m )) coincide con il rango della matrice A =(a i,j ) 6i6m avente come riga i esima le componenti del vettore v i rispetto 6j6n alla base B fissata Illustriamo questa osservazione con un paio di esempi

9 67 Esempio 66 In R 5 siano dati i vettori v =(,, 2,, 3), v 2 =(2,,,, ), v 3 =(, 2,,, ) FissatalabasecanonicadiR 5,lamatriceA definita sopra è 2 3 A 2 A, 2 che è ridotta per righe Quindi v,v 2,v 3 sono linearmente indipendenti Esempio 67 Si considerino in 2,2 le matrici +i i/2 3 A = i 2 i, A 2 =, i 2 A 3 = +2i, A 3i 2 4 = +2i Sia B =(E,,E,2,E 2,,E 2,2 ) la base di 2,2 definita nell Esempio 58 Allora [A ] B =(, +i, i 2,i ), [A 2 ] B =(i/2, 3,i 2, ), [A 3 ] B =(, +2i, 3i 2, ), [A 4 ] B =(, +2i,, ) eladimensionedim (L(A,A 2,A 3,A 4 )) coincide con il rango della matrice +i i 2 i Bi/2 3 i +2i 3i 2 A +2i che è ridotta per righe: pertanto dim (L(A,A 2,A 3,A 4 )) = 4 = dim ( 2,2 )Quindi ivettoria,a 2,A 3,A 4 sono linearmente indipendenti e (A,A 2,A 3,A 4 ) èunabase di 2,2 Quanto visto suggerisce un metodo per calcolare la dimensione del sottospazio generato da un insieme di vettori v,,v m linearmente indipendenti di uno spazio vettoriale V,determinarneunabaseecompletarlaabasediV Si può considerare la matrice A le cui righe sono le componenti dei vettori v,,v m rispetto ad una fissata base B: per calcolare la dimensione ed una base del sottospazio L(v,,v m ) basta allora ridurre per righe A ottenendo una matrice A ridotta per righe e poi considerare i vettori di V le cui componenti rispetto a B sono dati da tali righe Per completare tale base a base di V, in forza della Proposizione 64, basta aggiungere alle righe non nulle della matrice A esattamente dim K (V ) rk(a) righe non nulle in modo che la matrice finale abbia rango dim K (V ) epoiconsiderarei vettori di V aventi quelle righe come componenti rispetto alla base B

10 68 Esempio 68 Èfacileverificarecheivettoriv,v 2,v 3,e 2,e 3 dell Esempio 66 sono linearmente indipendenti Infatti la matrice A definita sopra è A = B A, che è ridotta per righe ed ha rango 5 In particolare (v,v 2,v 3,e 2,e 3 ) èbasedir 5 Ad un analoga conclusione si giungerebbe scegliendo in luogo di e 2,e 3 altri vettori, purché la matrice risultante A rimanga ridotta per righe: per esempio possiamo scegliere v 4 =(,,,, ) e v 5 =(,,,, 7/33) Qualora la matrice A non fosse ridotta per righe, si potrebbe procedere analogamente riducendola prima per righe e poi studiando la matrice A così ottenuta: infatti ogni operazione di riga sulla matrice A equivale ad un operazione sull insieme dei vettori v,,v m che non cambia lo spazio L(v,,v m ) ma solo l insieme dei suoi generatori Esempio 69 In R 2,2 si considerino le matrici 2 A =, A 2 = 3, A 3 = 2 2 Vogliamo stabilire se A,A 2,A 3 sono linearmente indipendenti o meno e, nel caso lo siano, trovare una base di R 2,2 che li contenga Si consideri la base B =(E,,E,2,E 2,,E 2,2 ) di R 2,2 :allora [A ] B =(,,, ), [A 2 ] B =(, 2, 3, ), [A 3 ] B =(2,, 2, ) La matrice avente come righe le componenti di tali matrici rispetto alla base B è A 2 3 A 2 2 on operazioni elementari di riga otteniamo R 2!R 2 R R A 3!R A R 2$R 2 A = A Le righe di A sono le componenti rispetto a B delle matrici 2 3 B = A =, B 2 =, B 3 =, 2 che sono linearmente indipendenti, perchè le loro componenti rispetto a B sono le righe non nulle di una matrice ridotta per righe, cioè A

11 Per determinare una base di R 2,2 contenente A,A 2,A 3,èsufficientedeterminare una matrice A 4 62 L(A,A 2,A 3 ) A tale scopo basta determinare una matrice A 4 tale che [A 4 ] B 62 L((,,, ), (, 2, 3, ), (2,, 2, )) = L((,,, ), (, 2,, ), (, 3, 2, )) 69 Per fare questo è sufficiente determinare una matrice 4 4 di rango 4 elecui prime tre righe coincidano con le righe di A,peresempio A = B 3 2 A Quindi scegliamo A 4 = E,2 e B =(A,A 2,A 3,A 4 ) èlabaserichiestadir 2,2 Esempio 62 Si consideri l insieme K[x] dei polinomi nell indeterminata x a coefficienti in K: nell Esempio 48 abbiamo visto che esso è uno spazio vettoriale non finitamente generato Il motivo è che il grado di un polinomio può essere grande a piacere; per ovviare a tale problema, per ogni n >, sipuòintrodurreil sottoinsieme K[x] n = { p(x) 2 K[x] deg(p) 6 n } Osserviamo che K[x] n èunsottospaziovettorialedik[x]: infattiilpolinomionullo (che, per definizione, ha grado ) èink[x] n per ogni n > Inoltre la somma di due polinomi di grado non maggiore di n èancoraunpolinomiodigradonon maggiore di n eilprodottodiunpolinomiodigradononmaggioredin per uno scalare 2 K èancoraunpolinomiodigradononmaggioredin Rispetto a K[x], ilsottospaziok[x] n ha il vantaggio di essere finitamente generato Infatti se p(x) 2 K[x] n si ha p(x) =a + a x + a 2 x a n x n + a n x n ove a i 2 K per i =,,n oncludiamo che K[x] n = L(,x,x 2,,x n,x n ) K[x] i domandiamo quale sia la dimensione di K[x] n (come spazio vettoriale su K) Poiché per generare K[x] n bastano n + suoi elementi, precisamente i monomi,x,x 2,,x n,x n,risultadim K (K[x] n ) 6 n + Inoltre tali monomi sono linearmente indipendenti: infatti una loro combinazione lineare non è altro che un polinomio e, per definizione, un polinomio è nullo se e solo se tutti i suoi coefficienti sono nulli! oncludiamo che B =(,x,x 2,,x n,x n ) èunabasedik[x] n,quindi dim K (K[x] n )=n + Ogni altra base di K[x] n ècostituitadan+ vettori Per verificare che n+ polinomi in K[x] n formano una base basta verificare che sono linearmente indipendenti

12 7 per la Proposizione 67 Per esempio sia a 2 K esiconsideril insiemeordinatodi n +polinomi B =(,x a, (x a) 2,,(x a) n, (x a) n ) Tali polinomi sono linearmente indipendenti poiché nessuno di loro è combinazione lineare dei precedenti: per convincersene basta osservare che il grado dell h esimo polinomio è h Quindi se p(x) 2 K[x] n esistono scalari a,,a n tali che p(x) =a + a (x a)+a 2 (x a) a n (x a) n + a n (x a) n : questo è lo sviluppo di Taylor di p(x) di punto iniziale a e, nel corso di Analisi, viene solitamente osservato che a = p(a) e a h =(d h p(x)/dx h )(a) per h > Esempio 62 In R[x] 3 si considerino i polinomi p (x) =+x + x 2 + x 3, p 2 (x) = 2x +3x 2, p 3 (x) =x 2x 3, p 4 (x) =2+4x 2 x 3, p 5 (x) =3x 2x 2 + x 3 : vogliamo stabilire se questi 5 polinomi sono linearmente indipendenti e, nel caso non lo siano, trovare una base di W = L(p (x),p 2 (x),p 3 (x),p 4 (x),p 5 (x)) R[x] 3 Osserviamo subito che dim(r[x] 3 )=4,perciòcinquepolinomidevonoessere linearmente dipendenti per il Lemma 6 Si consideri la base B =(,x,x 2,x 3 ) di R[x] 3 Allora [p (x)] B =(,,, ), [p 2 (x)] B =(, 2, 3, ), [p 3 (x)] B =(,,, 2), [p 4 (x)] B =(2,, 4, ), [p 5 (x)] B =(, 3, 2, ) La matrice avente come righe le componenti dei polinomi dati rispetto alla base B è 2 3 A = B 2 4 A 3 2 on operazioni elementari di riga otteniamo R 2!R 2 R R A 4!R 4 2R! 3 2 B 2 R 2 $R 3! 2 B A R 3!R 3 +3R 2 R 4!R 4 +2R 2 R 5!R 5 3R! 2 2 R 4!R 4 R 3 R B 2 7 5!R 5 +R 3 2! B 2 2 A = A 2 7

13 7 Le righe di A sono le componenti rispetto a B dei polinomi q (x) =+x + x 2 + x 3, q 2 (x) =x 2x 3, q 3 (x) =2x 2 7x 3 che sono linearmente indipendenti, perchè le loro componenti rispetto a B sono le righe di una matrice ridotta per righe, cioè A Inoltre si ha W = L(p (x),p 2 (x),p 3 (x),p 4 (x),p 5 (x)) = L(q (x),q 2 (x),q 3 (x)) In particolare la terna (q (x),q 2 (x),q 3 (x)) èunabasediw,dunquedim(w )=3e W R[x] 3 hi si voglia convincere dell uguaglianza direttamente osservi che L(p (x),p 2 (x),p 3 (x),p 4 (x),p 5 (x)) = L(q (x),q 2 (x),q 3 (x)) q (x) =p (x), q 2 (x) =p 3 (x), q 3 (x) =p 2 (x) p (x)+3p 3 (x) quindi q (x),q 2 (x),q 3 (x) 2L(p (x),p 2 (x),p 3 (x),p 4 (x),p 5 (x)); nededuciamol inclusione L(q (x),q 2 (x),q 3 (x)) L(p (x),p 2 (x),p 3 (x),p 4 (x),p 5 (x)) Viceversa, p (x) =q (x), p 2 (x) =q 3 (x)+q (x) 3q 2 (x), p 3 (x) =q 2 (x), p 4 (x) =q 3 (x)+2q (x) 2q 2 (x), p 5 (x) = q 3 (x)+3q 2 (x) quindi p (x),p 2 (x),p 3 (x),p 4 (x),p 5 (x) 2L(q (x),q 2 (x),q 3 (x)): in particolare abbiamo l inclusione L(q (x),q 2 (x),q 3 (x)) L(p (x),p 2 (x),p 3 (x),p 4 (x),p 5 (x)) Per esercizio il lettore completi l insieme q (x),q 2 (x),q 3 (x) abasedir[x] 3 64 La formula di Grassmann oncludiamo la lezione con un ultimo risultato importante Proposizione 622 (Formula di Grassmann) Sia V uno spazio vettoriale su un campo K = R, Se U, W V sono sottospazi vettoriali finitamente generati allora dim K (U)+dim K (W )=dim K (U \ W )+dim K (U + W ) (64) Dimostrazione Se U e W sono finitamente generati lo stesso vale per U + W,dallaProposizione 4 Poiché U \ W è sottospazio di W che è finitamente generato, esso stesso è finitamente generato Sia (v,,v n ) una base di U \ W :inparticolareu \ W = L(v,,v n )Poichév,,v n 2 U, W sono vettori linearmente indipendenti, per la Proposizione 59 li possiamo completare a basi di U e W rispettivamente; in altre parole, esistono u,,u p 2 U e w,,w q 2 W tali che (v,,v n,u,,u p ) sia una base di U e (v,,v n,w,,w q ) sia una base di W In particolare u,,u p,w,,w q 62 U \ W = L(v,,v n ) Ancora dalla Proposizione 4 i vettori v,,v m,u,,u p,w,,w q sono generatori di U + W Verifichiamo che sono linearmente indipendenti: si consideri la relazione di dipendenza lineare

14 72 v + + n v n + u + + p u p + w + + q w q = V Poiché v + + n v n + u + + p u p 2 U e ( w + + q w q ) 2 W coincidono, essi appartengono a U \ W :inparticolareesistono,, n 2 K tali che v + + n v n + u + + p u p = ( w + + q w q )= v + + n v n Dall uguaglianza ( w + + q w q )= v + + n v n segue v + + n v n + w + + q w q = V : poiché (v,,v n,w,,w q ) èunabasediw si ha = = n = = = q =,perciò v + + n v n + u + + p u p = = V :d altraparte(v,,v n,u,,u p ) èunabase di U, dunquesihaanche = = n = = = p = oncludiamo che dim K (U) =n + p, dim K (W )=n + q, dim K (U \ W )=n e dim K (U + W )= n + p + q, cheimplicalaformula(64) Osservazione 623 Se riscriviamo la Formula di Grassmann (64) come dim K (U + W ) = dim K (U)+dim K (W ) dim K (U \ W ), segue che la dimensione della somma di due sottospazi è sempre minore o uguale alla somma delle dimensioni L uguaglianza vale se e solo se risulta dim K (U \ W )=, se e solo se U \ W = { V } Quando questo accade, si parla di somma diretta di due sottospazi, e si indica con U W (invece che solo U + W ) Esempio 624 Si considerino v =(, 2, 3, 4), v 2 =(,,, 5), v 3 =(2,, 3, 3), v 4 =(,,, ), v 5 =(,, 2, 5) in R 4 eisottospazi V = L(v,v 2,v 3 ), W = L(v 4,v 5 ) R 4 Il lettore verifichi per esercizio che dim(v )=3e dim(w )=2 Allora V \ W contiene vettori non nulli Infatti applicando la formula di Grassmann dim(v \ W ) = dim(v )+dim(w ) dim(v + W )=3+2 dim(v + W ) Poiché V + W R 4 si ha dim(v + W ) 6 dim(r 4 )=4,quindidim(V \ W ) >, quindi V \ W 6= { R 4 } Esempio 625 Osserviamo che ogni matrice A 2 K n,n può essere scritta come somma di una matrice triangolare superiore e di una matrice strettamente triangolare inferiore, cioè K n,n = TS n (K)+STI n (K) PoichéTS n (K) \ STI n (K) = n,n, dalla Proposizione 622 segue (si veda l Esempio 62) dim K (STI n (K)) = dim K (TS n (K) \ STI n (K)) + dim K (TS n (K)) + STI n (K)) dim K (TS n (K)) = + n 2 n(n +)/2 =n(n )/2

Per capire meglio il concetto di combinazione lineare prendiamo in considerazione alcuni esempi.

Per 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

Dettagli

LEZIONE 12. v = α 1 v α n v n =

LEZIONE 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

Dettagli

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

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

Dettagli

Corso di Geometria BIAR, BSIR Esercizi 4: soluzioni

Corso 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 =,

Dettagli

NOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n

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

Dettagli

LEZIONE 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. 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

Dettagli

Esempio. L immagine di f è l insieme dei vettori w = (w 1, w 2 ) R 2 che hanno w 1 = w 2. Quindi:

Esempio. 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)

Dettagli

Esempi. In R 2, le coppia (2, 5) è combinazione lineare dei vettori (0, 1) e (1, 1). Infatti:

Esempi. 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

Dettagli

Rango di una matrice e teorema di Rouché-Capelli

Rango 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

Dettagli

Intersezione e somma di sottospazi vettoriali

Intersezione 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

Dettagli

Intersezione e somma di sottospazi vettoriali

Intersezione 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

Dettagli

Lezione Il metodo degli scarti

Lezione 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

Dettagli

LEZIONE 5. AX = 0 m,1.

LEZIONE 5. AX = 0 m,1. LEZIONE 5 5 isoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per quanto visto nella precedente lezione, sappiamo di poter trasformare,

Dettagli

Esercizi di geometria per Fisica / Fisica e Astrofisica

Esercizi 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)

Dettagli

SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n

SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,

Dettagli

a + 2b + c 3d = 0, a + c d = 0 c d

a + 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,

Dettagli

Geometria Prova scritta, appello unico, sessione autunnale Corso di laurea in fisica A.A 2017/2018 Canali A C, e L Pa

Geometria Prova scritta, appello unico, sessione autunnale Corso di laurea in fisica A.A 2017/2018 Canali A C, e L Pa Geometria Prova scritta, appello unico, sessione autunnale Corso di laurea in fisica A.A 27/28 Canali A C, e L Pa Durata: 2 ore e 3 minuti Simone Diverio Alessandro D Andrea Paolo Piccinni 7 settembre

Dettagli

Corso 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 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

Dettagli

LEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g

LEZIONE 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

Dettagli

Definizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im

Definizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im APPUNTI ed ESERCIZI su matrici, rango e metodo di eliminazione di Gauss Corso di Laurea in Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 23 Aprile 2010 Matrici, rango e metodo

Dettagli

1 Indipendenza lineare e scrittura unica

1 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

Dettagli

Geometria BAER A.A. Canale I Foglio esercizi 4

Geometria 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

Dettagli

Parte 5. Sottospazi. A. Savo Appunti del Corso di Geometria

Parte 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

Dettagli

SPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi:

SPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi: SPAZI VETTORIALI Esercizi Esercizio. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi: V := { (a, a, a) V a R }, V 2 := { (a, b, a) V a, b R }, V 3 := { (a, 2a, a + b)

Dettagli

CORSO 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. 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

Dettagli

Sottospazi vettoriali

Sottospazi 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,

Dettagli

Lezione Operazioni elementari di riga

Lezione Operazioni elementari di riga Lezione 4 4. Operazioni elementari di riga Nella lezione precedente abbiamo visto un metodo per risolvere un sistema lineare la cui matrice dei coefficienti sia fortemente ridotta per righe, o anche solo

Dettagli

Lezione Risoluzione di sistemi

Lezione Risoluzione di sistemi Lezione Risoluzione di sistemi Sia AX = B un sistema di equazioni lineari, con la sua matrice completa associate (A B) Per la Proposizione sappiamo di poter trasformare con operazioni elementari di riga

Dettagli

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

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

Dettagli

dipendenti. Cosa possiamo dire sulla dimensione di V?

dipendenti. 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,

Dettagli

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 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 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

Dettagli

CORSO 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 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

Dettagli

Spazi Vettoriali ed Applicazioni Lineari

Spazi 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

Dettagli

Parte 4. Spazi vettoriali

Parte 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,

Dettagli

LEZIONE Equazioni matriciali. Negli Esempi e si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = R m,n, B = (b i,h ) 1 i m

LEZIONE Equazioni matriciali. Negli Esempi e si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = R m,n, B = (b i,h ) 1 i m LEZIONE 4 41 Equazioni matriciali Negli Esempi 336 e 337 si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = B 2,, AX p = B p aventi la stessa matrice incompleta A Tale tipo di problema si presenta

Dettagli

Esercizi svolti. delle matrici

Esercizi 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

Dettagli

Dim. Usare la chiusura rispetto al prodotto esterno (vedi appunti lezione o libri di testo).

Dim. 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

Dettagli

LEZIONE 4. { x + y + z = 1 x y + 2z = 3

LEZIONE 4. { x + y + z = 1 x y + 2z = 3 LEZIONE 4 4.. Operazioni elementari di riga. Abbiamo visto, nella precedente lezione, quanto sia semplice risolvere sistemi di equazioni lineari aventi matrice incompleta fortemente ridotta per righe.

Dettagli

Analisi 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, 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

Dettagli

Lezione 7: Il Teorema di Rouché-Capelli

Lezione 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

Dettagli

Corso 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 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

Dettagli

Lezione Diagonalizzazione di matrici

Lezione Diagonalizzazione di matrici Lezione 2 2. Diagonalizzazione di matrici Come visto nella precedente lezione, in generale, data una matrice A 2 K n,n con K = R, C,nonèimmediatocheesistasempreunabasecostituitadasuoiautovettori. Definizione

Dettagli

CORSO DI GEOMETRIA APPLICAZIONI LINEARI E MATRICI A.A. 2018/2019 PROF. VALENTINA BEORCHIA

CORSO 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

Dettagli

LEZIONE 11. s V : V V V (v 1, v 2 ) v 1 + v 2 = s V (v 1, v 2 ), p V : k V V. per cui valgono:

LEZIONE 11. s V : V V V (v 1, v 2 ) v 1 + v 2 = s V (v 1, v 2 ), p V : k V V. per cui valgono: LEZIONE 11 11.1. Spazi vettoriali ed esempi. La nozione di spazio vettoriale generalizza quanto visto nelle lezioni precedenti: l insieme k m,n delle matrici m n a coefficienti in k = R, C, l insieme V

Dettagli

r 2 r 2 2r 1 r 4 r 4 r 1

r 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)

Dettagli

Lezione 4: Base e dimensione

Lezione 4: Base e dimensione 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

Dettagli

Somma diretta di sottospazi vettoriali

Somma diretta di sottospazi vettoriali Capitolo 8 Somma diretta di sottospazi vettoriali 8.1 Introduzione Introduciamo un caso particolare di somma di due sottospazi vettoriali: la somma diretta. Anche questo argomento è stato visto nel corso

Dettagli

CORSI DI LAUREA IN MATEMATICA E FISICA

CORSI 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

Dettagli

Corso di Geometria Ing. Informatica e Automatica Test 1: soluzioni

Corso 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

Dettagli

LEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati.

LEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati. LEZIONE 2 2 Sistemi di equazioni lineari Definizione 2 Un equazione lineare nelle n incognite x, x 2,, x n a coefficienti reali, è un equazione della forma (2 a x + a 2 x 2 + + a n x n = b, ove a j, b

Dettagli

Definizione 1 Un insieme (V, +, ) dotato delle due operazioni: - + somma di elementi v 1 V, v 2 V ;

Definizione 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

Dettagli

Geometria per Fisica e Astrofisica

Geometria 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)

Dettagli

Geometria e Topologia I (U1-4) 2006-mag-10 61

Geometria 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

Dettagli

Note 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 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

Dettagli

Pagine di Algebra lineare. di premessa al testo Pagine di Geometria di Sara Dragotti. Parte terza: SISTEMI LINEARI

Pagine di Algebra lineare. di premessa al testo Pagine di Geometria di Sara Dragotti. Parte terza: SISTEMI LINEARI Pagine di Algebra lineare di premessa al testo Pagine di Geometria di Sara Dragotti Parte terza: SISTEMI LINEARI 1. Definizioni Dato un campo K ed m 1 polinomi su K in n indeterminate di grado non superiore

Dettagli

UNIVERSITÀ 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 Prima prova di esonero TESTO E SOLUZIONI UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a. 011-01 Prima prova di esonero TESTO E SOLUZIONI 1. Per h, k R si consideri il sistema lineare kx 1 + hx + X 4 = 1

Dettagli

Lezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari

Lezione 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

Dettagli

Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite

Si 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

Dettagli

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

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

Dettagli

Sistemi di equazioni lineari

Sistemi di equazioni lineari Sistemi di equazioni lineari A. Bertapelle 25 ottobre 212 Cos è un sistema lineare? Definizione Un sistema di m equazioni lineari (o brevemente sistema lineare) nelle n incognite x 1,..., x n, a coefficienti

Dettagli

Prima prova in itinere di Geometria (Corso di laurea in Fisica, Canali A-C e D-O) Prof. Barucci e Piccinni 29 novembre 2011

Prima prova in itinere di Geometria (Corso di laurea in Fisica, Canali A-C e D-O) Prof. Barucci e Piccinni 29 novembre 2011 Prima prova in itinere di Geometria (Corso di laurea in Fisica, Canali A-C e D-O) Prof Barucci e Piccinni 29 novembre 2011 a Scrivere subito canale, cognome e nome b Utilizzare questi fogli per le risposte

Dettagli

Insiemi di generatori, dipendenza lineare e basi

Insiemi di generatori, dipendenza lineare e basi Insiemi di generatori, dipendenza lineare e basi July 4, 2015 1 Insiemi di generatori Nel seguito V è uno spazio vettoriale sul campo K. Definizione. Una combinazione lineare di vettori v 1, v 2,..., v

Dettagli

Contenuti aggiuntivi su matrici e determinanti, Dimostrazioni del Capitolo 3

Contenuti 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

Dettagli

LEZIONE 3. Typeset by AMS-TEX

LEZIONE 3. Typeset by AMS-TEX LEZIONE 3 3 Risoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per la Proposizione 236 sappiamo di poter trasformare, con operazioni

Dettagli

Equivalentemente, le colonne di A sono linearmente indipendenti se e solo se

Equivalentemente, 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

Dettagli

GEOMETRIA 1 seconda parte

GEOMETRIA 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

Dettagli

1 Spazi vettoriali. Sottospazi.

1 Spazi vettoriali. Sottospazi. CORSO DI ALGEBRA LINEARE. A.A. 004-005. Esercitazione del 10 Gennaio 005. (Prof. Mauro Saita, e-mail: maurosaita@tiscalinet.it) 1 Spazi vettoriali. Sottospazi. Esercizio 1.1 Siano v 1 = (, 5, 1, 3), v

Dettagli

1 Addendum su Diagonalizzazione

1 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

Dettagli

LEZIONE 16 A = Verifichiamo se qualcuna fra le entrate a di A è suo autovalore. determinare per quale entrata a di A risulta rk(a ai 2 ) 1.

LEZIONE 16 A = Verifichiamo se qualcuna fra le entrate a di A è suo autovalore. determinare per quale entrata a di A risulta rk(a ai 2 ) 1. LEZIONE 16 16.1. Autovalori, autovettori ed autospazi di matrici. Introduciamo la seguente definizione. Definizione 16.1.1. Siano k = R, C e A k n,n. Un numero λ k si dice autovalore di A su k) se rka

Dettagli

Fattorizzazione QR e matrici di Householder

Fattorizzazione 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

Dettagli

Matematica per Analisi dei Dati,

Matematica 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

Dettagli

Capitolo IV SPAZI VETTORIALI EUCLIDEI

Capitolo IV SPAZI VETTORIALI EUCLIDEI Capitolo IV SPAZI VETTORIALI EUCLIDEI È ben noto che in VO 3 si possono considerare strutture più ricche di quella di spazio vettoriale; si pensi in particolare all operazioni di prodotto scalare di vettori.

Dettagli

Geometria BAER I canale Foglio esercizi 2

Geometria BAER I canale Foglio esercizi 2 Geometria BAER I canale Foglio esercizi 2 Esercizio 1. Calcolare il determinante e l inversa (quando esiste) della matrice ( ) cos θ sin θ R θ =, θ [0, 2π] sin θ cos θ Soluzione: Il determinante ( é cos

Dettagli

APPUNTI SULLA DIAGONALIZZAZIONE Corso Prof. F.Podestà, a.a

APPUNTI 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

Dettagli

2. ALCUNI ESERCIZI SVOLTI

2. ALCUNI ESERCIZI SVOLTI SPAZI E SOTTOSPAZI VETTORIALI 3 2. ALCUNI ESERCIZI SVOLTI Elementi di teoria sugli spazi vettoriali K n, K m,n, R [x], R n [x] verranno richiamati via via, a commento del testo di alcuni esercizi. L asterisco

Dettagli

2. Determinare le dimensioni dei seguenti sottospazi W ed esibirne due basi basi diverse, quando è possibile:

2. 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

Dettagli

Lezione Determinanti

Lezione Determinanti Lezione 6 6 Determinanti In questa lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli

Dettagli

1. Complemento ortogonale di un vettore non nullo Abbiamo visto che nel piano

1. 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

Dettagli

LEZIONE 4. Le sottomatrici 2 2 di A sono. Invece ( 1 3 non è sottomatrice di A.

LEZIONE 4. Le sottomatrici 2 2 di A sono. Invece ( 1 3 non è sottomatrice di A. LEZIONE 4 4 Determinanti In questa lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli

Dettagli

UNIVERSITÀ 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 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

Dettagli

ESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro

ESERCIZI 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

Dettagli

CORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA

CORSO 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

Dettagli

LEZIONE i 0 3 Le sottomatrici 2 2 di A sono. 1 2 i i 3. Invece (

LEZIONE i 0 3 Le sottomatrici 2 2 di A sono. 1 2 i i 3. Invece ( LEZIONE 6 6 Determinanti In questa lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli

Dettagli

LEZIONE i i 3

LEZIONE i i 3 LEZIONE 5 51 Determinanti In questo lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli

Dettagli

Note 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. 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}.

Dettagli

Corso di Geometria BIAR, BSIR Esercizi 3: soluzioni

Corso 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.

Dettagli

Argomenti trattati nella settimana novembre Il libro cui faccio riferimento, se non specificato altrimenti, è Lang, Algebra lineare

Argomenti 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;

Dettagli

Geometria BAER I canale Foglio esercizi 5

Geometria BAER I canale Foglio esercizi 5 Geometria BAER I canale Foglio esercizi 5 Esercizio. Si considerino i sottospazi di R 4 : E = L[v =, v = Si trovi una base di E F. ] F = L[w = 3, w = 4, w 3 = Soluzione: Osserviamo che w 3 = w + w, dunque

Dettagli

LEZIONE 25. P si dice speciale se det(p ) = 1 non

LEZIONE 25. P si dice speciale se det(p ) = 1 non LEZIONE 5 5.. Matrici ortogonali. Facciamo una breve digressione su un importante famiglia di matrici, quelle ortogonali. Definizione 5... P R n,n si dice ortogonale se t P I n. Prima di dare esempi di

Dettagli

Appunti su Indipendenza Lineare di Vettori

Appunti su Indipendenza Lineare di Vettori Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo

Dettagli

0.1 Condizione sufficiente di diagonalizzabilità

0.1 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

Dettagli

SISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5.

SISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5. SISTEMI LINEARI Esercizi Esercizio. Risolvere, se possibile, i seguenti sistemi: x y z = 0 x + y + z = 3x + y + z = 0 x y = 4x + z = 0, x y z = 0. Svolgimento. Procediamo con operazioni elementari di riga

Dettagli

Soluzione della prova scritta di di Algebra lineare del 10 giugno Esercizio 1

Soluzione della prova scritta di di Algebra lineare del 10 giugno Esercizio 1 Soluzione della prova scritta di di Algebra lineare del 0 giugno 05 Esercizio (a) La matrice A che rappresenta f rispetto alle basi assegnate è la seguente: A = 0 0 0 (b) Applicando il metodo di Gauss

Dettagli

LEZIONE 12. Y = f(x) = f( x j,1 f(e j ) = x j,1 A j = AX = µ A (X),

LEZIONE 12. Y = f(x) = f( x j,1 f(e j ) = x j,1 A j = AX = µ A (X), LEZIONE 1 1.1. Matrice di un applicazione lineare. Verifichiamo ora che ogni applicazione lineare f: R n R m è della forma µ A per un unica A R m,n. Definizione 1.1.1. Per ogni j 1,..., n indichiamo con

Dettagli

Geometria e Topologia I 18 maggio

Geometria e Topologia I 18 maggio Geometria e Topologia I 18 maggio 2005 64 17 Mappe affini (17.1) Definizione. Siano X e Y due spazi affini sullo stesso campo K. Una funzione f : X Y si dice affine (anche, mappa affine o trasformazione

Dettagli

CORSO DI GEOMETRIA DETERMINANTE A.A. 2018/2019 PROF. VALENTINA BEORCHIA

CORSO 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

Dettagli

Geometria BAER Test di autovalutazione del 31/10/18

Geometria BAER Test di autovalutazione del 31/10/18 Geometria BAER Test di autovalutazione del 3//8 LEGGERE ATTENTAMENTE PRIMA DI ANDARE ALL INIZIO DEL TEST ALLA PAGINA SUCCESSIVA. NON LEGGERE LE DOMANDE PRIMA DI INIZIARE IL TEST Il test NON É VALUTATO

Dettagli

Forme bilineari simmetriche

Forme 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

Dettagli