Spazi Vettoriali I. March 31, 2015
|
|
- Leonzio Rubino
- 4 anni fa
- Visualizzazioni
Transcript
1 Spazi Vettoriali I March 31, Introduzione Abbiamo visto che l insieme dei vettori fisici, del piano o dello spazio, l insieme R n dellle n-uple ordinate di numer reali e l insieme M m n delle matrici reali di taglia m n hanno una proprietà che li accomuna: su entrambi gli insiemi sono definite due operazioni, l addizione e la moltiplicazione per uno scalare. Queste operazioni godono di proprietà molto simili formalmente ad alcune delle proprietà aritmetiche dei numeri che ne rendono il calcolo molto agevole. Questa struttura formale che definiremo nelle prossime righe si presenta anche in altre situazioni. Ad esempio l insieme S = x Ax = 0} delle soluzioni di un sistema lineare omogeneo soddisfa le seguenti due condizioni la somma di elementi di S (soluzioni del sistema) è un elemento di S (una soluzione del sistema), il prodotto di uno scalare per un elemento di S (una soluzione del sistema) è un elemento di S (una soluzione del sistema). Quindi anche su S sono definite un addizione ed una moltiplicazione per uno scalare. Altro esempio: consideriamo l equazione differenziale y + y = 0 e osserviamo che, se y 1 (x), y 2 (x) sono due soluzioni dell equazione, ovvero due funzioni che soddisfano l equazione, anche y 1 (x) + y 2 (x) è una soluzione e lo è anche cy 1 (x) qualunque sia lo scalare c. Si impara in effetti dall Analisi che la soluzione generale dell equazione è data da c 1 sin x + c 2 cos x ove c 1, c 2 sono costanti arbitrarie. Segue che anche sull insieme delle soluzioni di questa equazione differenziale si trova la stessa struttura. Questa osservazione vale non solo per questa particolare equazione ma anche, in generale, per la classe delle equazioni differenziali lineari omogenee. La nozione di spazio vettoriale che ci accingiamo ad esporre unifica tutte queste situazioni, almeno per gli aspetti fondamentali. Un primo vantaggio è di tipo economico, non occorre ritrovare in ogni diversa situazione concreta i risultati di base che accomunano tutti gli insiemi dotati delle due operazioni di addizione e di moltiplicazione per uno scalare (più le regole di calcolo dette assiomi della struttura). Un secondo vantaggio viene dalla pulizia dei ragionamenti, tipica delle situazioni in cui i fondamenti del discorso sono chiari ed espliciti. 2 Campi Definizione Un campo K è un insieme sul quale sono definite due operazioni + e (dette addizione e moltiplicazione, rispettivamente): dati due elementi x, y K esistono due unici elementi x + y e x y di K. 1 Queste due operazioni soddisfano le seguenti condizioni, valide per tutti gli elementi a, b, c di K. C1) a + b = b + a, ab = ba (commutatività di addizione e moltiplicazione) C2) (a + b) + c = a + (b + c), (ab)c = a(bc) (associatività di addizione e moltiplicazione) C3) Esistono elementi distinti 0 e 1 di K tali che 0 + a = a e 1a = a (esistenza di elementi neutri per addizione e moltiplicazione) C4) Per ogni elemento a in K ed ogni elemento non nullo b in K esistono elementi c e d in K tali che a + c = 0 e bd = 1 1 Di solito non si scrive il, x y = xy, tranne in alcuni casi, p. es. 2 3 e 23 hanno significati diversi. 1
2 (esistenza di inversi per addizione e moltiplicazione) C5) a(b + c) = ab + ac (distributività di moltiplicazione su addizione) Gli elementi x + y e xy si dicono la somma ed il prodotto, rispettivamente, di x e y. Gli elemnti 0, 1 in (C3) sono chiamati zero e uno, risp. Gli elementi c, d in (C4) sono detti, rispettivamente, opposto di a ed inverso di b. Esempi 1. L insieme dei numeri razionali Q e l insieme dei numeri reali R sono campi con le operazioni usuali. 2. Il sottoinsieme Q[ 2]: = a + b 2 a, b Q} di R con le operazioni indotte dalle operazioni di R, è un campo. Ad esempio, per trovare l inverso di a + b 2, con b 0, bisogna trovare x, y tali che (a + b 2)(x + y 2) = 1. Si trova il sistema ax + 2by = 1 bx + ay = 0 che ha determinante a 2 2b 2 0 (ricordare che 2 non è un numero razionale!). Con la regola di Cramer si trova (a + b 2) 1 a = a 2 2b 2 b 2 a 2 2b 2 (Più brevemente, basta osservare che (a + b 2)(a b 2) = a 2 2b 2.) 3. Definiremo più avanti i numeri complessi che daranno un altro esempio di campo, denotato con C. 4. Gli insiemi dei numeri interi Z e dei numeri reali non negativi R 0 con le operazioni usuali non sono campi, in entrambi i casi la condizione (C4) non è soddisfatta. 5. L insieme F 2 = 0, 1} con le seguenti tabelle operative L esempio precedente si può generalizzare ai campi di interi modulari. Si costruiscono così: si parte da un numero primo p, un numero naturale divisibile solo per 1 e per se stesso, ad esempio p = 2, 3, 5, 7, 11,.... Si considera l insieme F p = 0, 1, 2,..., p 1} e per x, y F p la somma x y ed il prodotto x y sono definiti da x y = resto della divisione dell intero x + y per p x y = resto della divisione dell intero xy per p Ad esempio, se p = 5, otteniamo le seguenti tabelle operative La dimostrazione che con queste operazioni F p è un campo non è difficile, ma la tralascio perché in questo corso useremo solo i numeri reali e, quando definiremo autovalori e autovettori, i numeri complessi. Vale la pena di osservare comunque che in questi campi succede un fenomeno nuovo: se si somma 1 p volte si ottiene = p1 = 0. Questi corpi che contengono solo un numero finito di elementi giocano un ruolo importante nella Teoria dei Numeri ma anche, in ambito applicativo, nella Crittografia. Facciamo vedere che regole ben note dell algebra dei numeri reali valgono in un campo qualunque. Regole di cancellazione Se a, b, c sono elementi arbitrari di un campo K, allora valgono gli asserti seguenti. 2
3 1) Se a + b = c + b, allora a = c. 2) Se ab = cb, con b 0, allora a = c. dim. 1) Se d è opposto di b, sommando d ad ambo i membri dell identità a + b = c + b, si ottiene (a + b) + d = (c + b) + d C2 a + (b + d) = c + (b + d) C4 a + 0 = c + 0 C3 a = c. 2) Se d è inverso di b 0, moltiplicando d ad ambo i membri dell identità ab = cb, si ottiene (ab)d = (cb)d C2 a(bd) = c(bd) C4 a1 = c1 C3 a = c. Corollario Gli elementi neutri 0 e 1 sono unici; opposto ed inverso sono unici. dim. Supponiamo che 0 K soddisfi 0 + a = a per ogni a K. Da 0 + a = a, per ogni a K, segue che 0 + a = 0 + a per ogni a K e quindi 0 = 0 per la regola di cancellazione. Similmente si dimostrano gli altri asserti. Dunque ogni elemento a K ha un unico opposto che si denota con a e, se a 0, ha un unico inverso che si denota con a 1 o anche con 1 a. Segue che ( a) = a e (a 1 ) 1 = a. La sottrazione e la divisione sono definite da a b = a + ( b), a b = ab 1. Altre proprietà della moltiplicazione dei numeri reali valgono in ogni campo. Teorema Siano a, b elementi arbitrari di un campo. Valgono gli asserti seguenti. 1) a0 = 0. 2) ( a)b = a( b) = (ab). 3) ( a)( b) = ab. dim. 1) Da = 0 e (C5) segue che 0 + a0 = a0 = a(0 + 0) = a0 + a0. Cancellando, si ottiene a0 = 0. 2) Per definizione, (ab) è l unico elemento di K tale che ab + ( (ab)) = 0. Quindi per dimostrare che ( a)b = (ab), basta dimostrare che ab + ( a)b = 0. Da (C5) e da (1) segue che ab + ( a)b = [a + ( a))]b = 0b = 0. Analogamente si dimostra che a( b) = (ab). 3) Applicando (2) due volte otteniamo ( a)( b) = [a( b)] = [ (ab)] = ab. 3 Definizione di Spazio Vettoriale Ricordo che se X e Y sono insiemi, il prodotto cartesiano di X e Y, denotato con X Y è l insieme delle coppie ordinate (x, y) con x X e y Y. La definizione si estende ad un numero qualunque di fattori X 1 X 2... X n = (x 1, x 2,..., x n ) x 1 X 1, x 2 X 2,..., x n X n } Uno spazio vettoriale sul campo K è un insieme V sul quale sono definite due operazioni, l addizione e la moltiplicazione per uno scalare V V V, (v, w) v + w K V V, (c, v) cv sottoposte alle condizioni seguenti. SV1) Proprietà commutativa dell addizione. Per ogni v, w in V v + w = w + v SV2) Proprietà associativa dell addizione. Per ogni u, v, w in V (u + v) + w = u + (v + w) SV3) Elemento neutro per l addizione. Esiste un elemento 0 in V tale che, per ogni v in V v + 0 = v 3
4 SV4) Esistenza di un opposto. Per ogni v in V, esiste un elemento w in V tale che v + w = 0 SV5) Elemento neutro della moltiplicazione per scalari. Per ogni v in V, 1v = v SV6) Proprietà associativa della moltiplicazione per scalari. Per ogni a, b in K ed ogni v in V (ab)v = a(bv) SV7) Proprietà distributiva della moltiplicazione per scalari sull addizione vettoriale. Per ogni a in K ed ogni v, w in V a(v + w) = av + aw SV8) Proprietà distributiva della moltiplicazione per scalari sull addizione scalare. Per ogni a, b in K ed ogni v in V (a + b)v = av + bv Da (SV3) segue che V è non vuoto, perché contiene almeno l elemento 0. Gli elementi di V si dicono vettori (astratti). Gli elementi del campo K si dicono scalari. Per i vettori usiamo la stessa notazione con caratteri in grassetto (a stampa, caratteri sottolineati nella scrittura a mano) per analogia con il calcolo letterale con le n-uple. Vedremo esempi di spazi vettoriali in cui i vettori non sono n-uple. I vettori v +w e cv si dicono, rispettivamente, la somma di v e w e il prodotto di c e v. La proprietà (SV2) permette di scrivere la somma di più di due vettori in V senza usare le parentesi e senza che vi sia ambiguità. Esempi 1. Sappiamo che i vettori fisici, nel piano o nello spazio, formano uno spazio vettoriale sul campo reale. Sono caratterizzati da lunghezza, direzione e verso. La somma di due vettori è data dalla regola del parallelogramma. Il prodotto per uno scalare cambia la scala di un vettore e, se lo scalare è negativo anche il verso, ma la direzione resta la stessa. 2. L insieme K n delle n-uple ordinate di elementi di K, n 1. Sappiamo che è uno spazio vettoriale su K con le operazioni (a 1, a 2,..., a n ) + (b 1, b 2,..., b n ) = (a 1 + b 1, a 2 + b 2,..., a n + b n ), c(a 1, a 2,..., a n ) = (ca 1, ca 2,..., ca n ). 3. L insieme M m n (K) delle matrici di taglia m n ad elementi nel campo K. Sappiamo che è uno spazio vettoriale su K con le operazioni A = (a ij ), B = (b ij ), A + B = (a ij + b ij ), ca = (ca ij ) 4. Sia X un insieme non vuoto e sia K un campo. Denotiamo con F(X, K) l insieme delle funzioni a valori scalari f : X K. Ricordo che f = g vuol dire f(x) = g(x) per ogni x in X. Definiamo (f + g)(x) = f(x) + g(x) (cf)(x) = cf(x) Essendo una novità rispetto a quanto visto finora, verifico pazientemente tutte le condizioni SV1- SV8. Sono tutte conseguenze delle proprietà delle operazioni del campo K. SV1) (f +g)(x) = (x)+g(x) = g(x)+f(x) f +g = g+f (proprietà commutativa dell addizione di K) SV2) [(f +g)+h](x) = (f +g)(x)+h(x) = [f(x)+g(x)]+h(x) = f(x)+[g(x)+h(x)] = f(x)+(g+h)(x) = [f + (g + h)](x) (f + g) + h = f + (g + h) (proprietà associativa dell addizione di K) SV3) Denotiamo con 0 la funzione costantemente uguale a 0, 0 (x) = 0 per ogni x in X (f + 0)(x) = f(x) + 0(x) = f(x) + 0 = f(x) f + 0 = f 4
5 SV4) Denotiamo con f la funzione definita da ( f)(x) = f(x). [f + ( f)](x) = f(x) + ( f(x)) = f(x) f(x) = 0 f + ( f) = 0 SV5) (1f)(x) = 1f(x) = f(x) 1f = f SV6) [(ab)f](x) = (ab)f(x) = a(bf(x)) = a[(bf)(x)] = [a(bf)](x) (ab)f = a(bf) SV7) (proprietà associativa della moltiplicazione di K) [a(f + g)](x) = a(f + g)(x) = a[f(x) + g(x)] = af(x) + ag(x) = (af)(x) + (ag)(x) = (af + ag)(x) SV8) a(f + g) = af + ag (proprietà distributiva di K) [(a+b)f](x) = (a+b)f(x) = af(x)+bf(x) = (af)(x)+(bf)(x) = (af+bf)(x) (a+b)f = af+bf (proprietà distributiva di K) 5. Denotiamo con P(K) F(K, K) l insieme dei polinomi a coefficienti in K. Ricordo che un polinomio p(x) è un espressione del tipo p(x) = a n x n + a n 1 x n a 1 x + a 0, a 0, a 1,..., a n K per qualche n 0. Se a n 0, si dice che il polinomio ha grado n. Il polinomio che ha tutti i coefficienti uguali a 0 si dice il polinomio nullo che denoteremo ancora con 0. Porremo uguale a 1 il grado del polinomio nullo. Sia q(x) un altro polinomio q(x) = b m x m + b m 1 x m b 1 x + b 0. Se il campo contiene infiniti elementi (ad esempio se K = R, C), i polinomi p(x) e q(x) sono uguali se e solo n = m e a i = b i per i = 0, 1, 2,..., n. Per definire la somma di due polinomi, pareggiamo il monomio di grado massimo nelle espressioni di p(x) e q(x). Per fissare le idee, supponiamo m < n, e poniamo q(x) = b n x n + b n 1 x n b 0 con b n =... = b m+1 = 0. Possiamo definire p(x) + q(x) = (a n + b n )x n + (a n 1 + b n 1 )x n (a 1 + b 1 )x + (a 0 + b 0 ) cp(x) = ca n x n + ca n 1 x n ca 1 x + ca 0 Vale grado (p(x) + q(x)) maxgrado p(x), grado q(x)}. Lasciamo al lettore la verifica che P(K) è uno spazio vettoriale su K. 6. Una successione (a n ) in K è una funzione N K, n a n. Si può anche scrivere (a n ) = (a 1, a 2, a 3,...) (infiniti termini). Denotiamo con K = F(N, K) l insieme delle successioni. Definiamo (a n ) + (b n ) = (a n + b n ) c(a n ) = (ca n ) È facile verificare che queste operazioni coincidono con quelle definite in F(N, K) (ad una successione (a n ) è associata la funzione f : N K, f(n) = a n e, viceversa, ad una funzione f : N K, è associata la successione a n = f(n)). Segue che K è uno spazio vettoriale. 7. Siano V e W due spazi vettoriali sul campo K. Definiamo su V W le operazioni (v 1, w 1 ) + (v 2, w 2 ) = (v 1 + v 2, v 2 + w 2 ) c(v, w) = (cv, cw) Con queste operazioni V W è uno spazio vettoriale detto il prodotto cartesiano di V e W. 8. Se V = 0} è un insieme con un solo elemento 0, ponendo = 0 a0 = 0 per ogni a in K 5
6 si vede facilmente che V è uno spazio vettoriale. Si dice lo spazio vettoriale nullo. 9. Definiamo su K 2 le seguenti operazioni (a 1, a 2 ) + (b 1, b 2 ) = (a 1 + a 2, a 2 b 2 ) c(a 1, a 2 ) = (ca 1, ca 2 ) È facile verificare che (SV1), (SV2) e (SV8) non sono soddisfatte e quindi K 2 con queste operazioni non è uno spazio vettoriale. Vediamo adesso alcune conseguenze delle regole fondamentali SV1-SV8 (dette anche assiomi della teoria degli spazi vettoriali). Teorema Sia V uno spazio vettoriale su K. 1) Se u, v, w in V sono tali che u + w = v + w, allora u = v. (Regola di cancellazione) 2) L elemento neutro dell addizione è unico. 3) Per ogni v in K, esiste un unico opposto che denoteremo con v. 4) 0v = 0 per ogni v in V. 5) a0 = 0 per ogni a in K. 6) ( a)v = (av) = a( v) per ogni a in K ed ogni v in V. dim. 1) Sia z un opposto di w. Da u + w = v + w, sommando z da entrambe le parti, si ottiene (u + w) + z = (v + w) + z. Da (SV2) segue che u + (w + z) = v + (w + z) e quindi, per (SV4), u + 0 = v + 0. Da (SV3) segue infine che u = v. 2) Sia 0 un altro elemento neutro per l addizione. Dunque abbiamo v + 0 = v = 0 + v per ogni v in V. Segue che 0 SV3 = = 0. 3) Supponiamo che w, w siano opposti di v. Oltre a (SV4) abbiamo anche v + w SV1 = w + v = 0. Segue w SV3 = w + 0 SV4 = w + (v + w) SV2 = (w + v) + w = 0 + w SV3 = w 4) Abbiamo 0v + 0v SV8 = (0 + 0)v = 0v SV3 = 0v + 0 SV1 = 0 + 0v (1) 0v = 0 5) Simile a (4), la lascio al lettore. 6) Da (3) segue che il vettore (av) è l unico elemento tale che av + [ (av)] = 0. Ma av + ( a)v SV8 = [a + ( a)]v = 0v (4) = 0 e dunque (av) = ( a)v. In particolare abbiamo ( 1)v = v. Segue a( v) = a[( 1)v] SV6 = [a( 1)]v = ( a)v Da questo Teorema segue che il calcolo letterale su uno spazio vettoriale è quello a cui siamo abituati. Il vettore 0 si dice il vettore nullo. La sottrazione di vettori è definita da v w = v + ( w) Attenzione, si può dividere per uno scalare non nullo, ma non si può dividere per un vettore. 4 Sottospazi Definizione Un sottoinsieme W di uno spazio vettoriale V su un campo K si dice un sottospazio di V se W è uno spazio vettoriale su K con le operazioni di addizione e moltiplicazione per uno scalare definite su V. In ogni spazio vettoriale V, abbiamo sempre due sottospazi, detti i sottospazi triviali di V, lo spazio stesso V e ill sottospazio nullo 0} di V. Per controllare che un sottoinsieme è un sottospazio per fortuna non serve fare tutte le verifiche SV1-SV8. Le proprietà SV1, SV2, SV5, SV6, SV7, SV8 sono valide per tutti gli elementi dello spazio vettoriale e quindi anche per tutti gli elementi di un qualunque sottoinsieme. Quindi affinché 6
7 un sottoinsieme W di uno spazio vettoriale sia un sottospazio basta verificare che l addizione di V ristretta a W W dà un applicazione W W W e la moltiplicazione per uno scalare su V ristretta a K W dà un applicazione K W W e che valgano le proprietà SV3 e SV4. Più esplicitamente, un sottoinsieme W di uno spazio vettoriale V è un sottospazio se e solo se 1. W è chiuso rispetto all addizione se x W e y W, allora x + y W. 2. W è chiuso rispetto alla moltiplicazione per scalari 3. W ha uno zero. 4. Ogni elemento di W ha un opposto in W. se c K e x W, allora cx W. Il Teorema che segue fa vedere che lo zero di W deve coincidere con lo zero di V e che la condizione 4 qui sopra è superflua. Teorema Siano V uno spazio vettoriale sul campo K e W un suo sottoinsieme. Allora W è un sottospazio di V se e solo se sono soddisfatte le tre condizioni seguenti con le operazioni di V (a) 0 W. (b) se x W e y W, allora x + y W. (c) se c K e x W, allora cx W. dim. Supponiamo che W sia un sottospazio di V. Allora W è uno spazio vettoriale con le operazioni di addizione e moltiplicazione per uno scalare di V. Segue che le condizioni (b) e (c) sono soddisfatte. Se 0 è lo zero di W, abbiamo x + 0 = x per ogni x W. D altra parte, sappiamo che x + 0 = x perché x è un vettore di V. Per l unicità dello zero segue che 0 = 0. Segue che la condizione (a) è soddisfatta. Viceversa, se le condizioni (a), (b) e (c) sono soddisfatte, per quanto visto sopra, è sufficiente far vedere che l opposto di ciascun elemento di W appartiene a W. Ma se x W, allora ( 1)x W per la condizione (c). Ma il Teorema della sezione precedente ci assicura che ( 1)x = x. Segue che W è sottospazio di V. La prima cosa da fare per verificare che un sottoinsieme S di uno spazio vettoriale V è un sottospazio, è verificare se 0 sta o non sta in S. Se un sottoinsieme S di uno spazio vettoriale V non contiene il vettore nullo, S non può essere un sottospazio. Osservazione Sia V uno spazio vettoriale. Se U e W sono sottospazi di V e U W, allora U è sottospazio dello spazio vettoriale W. Se W è sottospazio di V e U è sottospazio di W, allora U è sottospazio di V. Esempi 1. Sia A una matrice m n. Lo spazio nullo o nucleo di A, che denotiamo con N(A), è l insieme delle soluzioni del sistema lineare omogeneo Ax = 0 N(A) = x K n Ax = 0} Dimostriamo che N(A) è un sottospazio di K n. Verifichiamo le condizioni (a), (b) e (c) del Teorema. (a) Sappiamo che 0 è sempre soluzione di un sistema omogeneo, dunque 0 N(A). (b) Se x, y N(A), allora Ax = 0 e Ay = 0 da cui segue A(x + y) = Ax + Ay = = 0 e quindi x + y N(A). (c) Se c K e x N(A), allora Ax = 0 e A(cx) = cax = c0 = L insieme delle soluzioni di un sistema lineare non omogeneo Ax = b con b 0 non è un sottospazio perché 0 non è soluzione del sistema. Se c 0 è una soluzione particolare del sistema, Ac 0 = b, l insieme delle soluzioni del sistema è dato da c 0 + N(A) = c 0 + x x N(A)} Infatti, se x N(A), da A(c 0 + x) = b + 0 = b segue che c 0 + x è soluzione. Viceversa, se y è soluzione, Ay = b, allora A(y c 0 ) = Ay Ac 0 = b b = 0. Segue che x: = y c 0 N(A) e y = c 0 + x c 0 + N(A). 3. Sia W = Sim n (K) M n (K) l insieme delle matrici simmetriche di ordine n 2. Sappiamo che la matrice nulla è una matrice simmetrica e quindi 0 W. Se A, B W, A = A t e B = B t, allora 7
8 (A + B) t = A t + B t = A + B e quindi A + B W. Se c K, A W, allora (ca) t = ca t = ca e quindi ca W. Segue che W è un sottospazio di M n (K). 4. Sia W = Diag n (K) M n (K) l insieme delle matrici diagonali di ordine n 2. Sappiamo che la matrice nulla è una matrice diagonale e quindi 0 W. Se A = diag (a 1, a 2,..., a n ) e B = diag (b 1, b 2,..., b n ), A + B = diag (a 1 + b 1, a 2 + b 2,..., a n + b n ) e quindi A + B W. Se c K e A = diag (a 1, a 2,..., a n ), ca = diag (ca 1, ca 2,..., ca n ) e quindi ca W. 5. Sia X un insieme e sia x 0 un fissato elemento di X. Sia W : = f F(X, K) f(x 0 ) = 0}. La funzione costante uguale a zero 0 è chiaramente nulla anche in x 0 e dunque 0 W. Se f, g W, allora f(x 0 ) = 0 e g(x 0 ) = 0. Segue che f(x 0 ) + g(x 0 ) = (f + g)(x 0 ) = 0 e quindi f + g W. Se c K e f W, f(x 0 ) = 0 cf(x 0 ) = (cf)(x 0 ) = 0 e quindi cf W. Segue che W è un sottospazio di F(X, K). 6. Lo spazio vettoriale P(K) dei polinomi a coefficienti in K è un sottospazio di F(K, K). 7. Sia n 0 un intero. Sia W = P n (K) P(K) l insieme dei polinomi di grado n a coefficienti in K. Facciamo vedere che W è un sottospazio di P(K). Poiché il polinomio nullo 0 ha grado -1, 0 W. Se p(x), q(x) W, allora grado (p(x) + q(x)) maxgrado p(x), grado q(x)} n e quindi p(x) + q(x) W. Se c K, grado (cp(x)) grado p(x) n e quindi cp(x) W. Invece l insieme dei polinomi che hanno grado esattamente uguale ad n non è un sottospazio di P(K) perché non contiene il vettore nullo che ha grado 1 < n. 8. Sia I R un intervallo aperto. Sia C k (I) F(I, R), k = 0, 1, 2,..., l insieme delle funzioni k volte derivabili con derivate continue nell intervallo I (per k = 0, sono le funzioni continue, per k = le funzioni che hanno derivate di ogni ordine, tipo i polinomi, le funzioni razionali, le funzioni trascendenti elementari, sin, cos, exp, log,...). Facciamo vedere che W = C k (I) è un sottospazio di F(I, R). Intanto la funzione nulla ha derivate di ciascun ordine e quindi 0 W. Poiché (f + g) = f + g, (f + g) = f + g,..., (f + g) (k) = f (k) + g (k), se f, g W, allora f + g W. Se c R, f W, (cf) = cf, (cf) = cf,..., (cf) (k) = cf (k), e quindi cf W. Si ha P(R) C (I)... C k (I)... C 2 (I) C 1 (I) C 0 (I) F(I, R). Si dimostra facilmente che ciascun termine in questa catena di spazi vettoriali è sottospazio dello spazio che lo precede. 9. Consideriaamo una equazione differenziale lineare omogenea di ordine n 1 a 0 (x)y n + a 1 (x)y n a n 1 y + a n (x)y = 0 ove a 0, a 1,..., a n sono funzioni in F(I, R), I intervallo. Una soluzione dell equazione è una funzione y(x) C n (I) tale che a 0 (x)y(x) n + a 1 (x)y(x) n a n 1 y(x) + a n (x)y(x) = 0 per ogni x I. L insieme delle soluzioni dell equazione fè un sottospazio di C n (I). 10. L insieme delle successioni convergenti è un sottospazio di R. L insieme delle successioni infinitesime (convergenti a zero) è un sottospazio dello spazio vettoriale delle successioni convergenti. 5 Intersezione e somma di sottospazi Proposizione Sia V uno spazio vettoriale. Se W i } è una famiglia di sottospazi di V, allora W : = i W i = x V x W i per ogni indice i} è un sottospazio di V. dim. Poiché 0 W i per ogni indice i, 0 W. Se x, y W, allora x, y W i per ogni i. Poiché ciascun W i è un sottospazio di V, x+y W i per ogni i e quindi x+y W. Similmente si procede con la moltiplicazione per uno scalare. Siano S 1 ed S 2 sottoinsiemi dello spazio vettoriale V. La somma S 1 + S 2 di S 1 ed S 2 è l insieme definito da S 1 + S 2 = x + y x S 1, y S 2 } V Proposizione Siano W 1 e W 2 sottospazi dello spazio vettoriale V. Allora (a) La somma W 1 + W 2 è un sottospazio di V. (b) Ogni sottospazio di V che contiene entrambi i sottospazi W 1 e W 2 contiene anche la somma W 1 + W 2. 8
9 dim. (a) Poiché 0 W 1 W 2 e 0 = 0+0, 0 W 1 +W 2. Se x 1 +x 2 W 1 +W 2 e y 1 +y 2 W 1 +W 2 con x 1, y 1 W 1 e x 2, y 2 W 2, allora (x 1 + x 2 ) + (y 1 + y 2 ) = (x 1 + y 1 ) + (x + y 2 ) W 1 + W 2 perché x 1 + y 1 W 1 e x 2 + y 2 W 2 essendo W 1 e W 2 sottospazi di V. Similmente, se c K, c(x 1 + x 2 ) = cx 1 + cx 2 W 1 + W 2. (b) Se W è un sottospazio che contiene sia W 1 che W 2, allora W contiene x 1 +x 2 per ogni x 1 W 1 ed ogni x 2 W 2 e quindi contiene la somma W 1 + W 2. Possiamo dire che la somma di due sottospazi è il minimo sottospazio (rispetto all inclusione ) contenente i due sottospazi. Siano V uno spazio vettoriale e W 1, W 2 sottospazi di V. Diremo che lo spazio vettoriale V è somma diretta di W 1 e W 2 e scriveremo V = W 1 W 2 se (1) W 1 W 2 = 0}, (2) V = W 1 + W 2. Esempi 1. Sia V = K n, n 2. Siano 1 p, q n interi tali che p + q = n. Poniamo W 1 = (a 1, a 2,..., a p, 0,..., 0) (a 1, a 2,..., a p ) K p }, W 2 = (0,..., 0, a p+1, a p+2,..., a n ) (a p+1, a p+2,..., a n ) K q }. Gli insiemi W 1 e W 2 sono sottospazi di V e V = W 1 W Sia V = P(K) e sia W 1 (risp. W 2 ) l insieme dei polinomi che hanno i coefficienti delle potenze pari (risp. dispari)i di x uguali a 0. Gli insiemi W 1 e W 2 sono sottospazi di V e V = W 1 W Sia V = M n (K) con K campo infinito. Sia W 1 (risp. W 2 ) l insieme delle matrici simmetriche (risp. antisimmetriche) di ordine n. Gli insiemi W 1 e W 2 sono sottospazi di V. Se A è una matrice di ordine n, allora si vede facilmente che 1 2 (A + At 1 ) W 1, 2 (A At ) W 2. Poiché A = 1 2 (A+At )+ 1 2 (A At ), abbiamo V = W 1 +W 2. Inoltre, poiché l unica matrice simmetrica e anche antisimmetrica è la matrice nulla, abbiamo W 1 W 2 = 0} e pertanto V = W 1 W Sia V = M m n (K). Definiamo W 1 = A = (a ij V a ij = 0 se i > j}, W 2 = A = (a ij V a ij = 0 se i j}. Gli insiemi W 1 e W 2 sono sottospazi di V e V = W 1 W Sia V M n (K) il sottospazio delle matrici triangolari superiori. Sia W 1 il sottospazio delle matrici diagonali di ordine n e sia W 2 = A = (a ij ) M n (K) a ij = 0 se i j}. L insieme W 2 è un sottospazio di V e V = W 1 W 2. Proposizione Sia V uno spazio vettoriale e siano W 1 e W 2 sottospazi di V. Allora V = W 1 W 2 se e solo se ogni elemento di V si scrive in uno ed un solo modo come somma di un elemento di W 1 e di un elemento di W 2. dim. Se V = W 1 W 2, allora V = W 1 + W 2 e quindi per ogni v V esistono x 1 W 1 e x 2 W 2 tali che v = x 1 + x 2. Se v = x 1 + x 2 = y 1 + y 2 con y 1 W 1 e y 2 W 2, allora (x 1 + x 2 ) (y 1 + y 2 ) = (x 1 y 1 ) + (x 2 y 2 ) = 0 da cui segue (x 1 y 1 ) = (x 2 y 2 ). Poiché x 1 y 1 W 1 e (x 2 y 2 ) W 2, segue che x 1 y 1 = (x 2 y 2 ) W 1 W 2 = 0} e quindi x 1 = y 1 e x 2 = y 2. Viceversa, supponiamo che per ogni v V esistano unici x 1 W 1 e x 2 W 2 tali che v = x 1 + x 2. Se x W 1 W 2, allora da x = x + 0 = 0 + x segue che x = 0 e quindi W 1 W 2 = 0}. Segue che V = W 1 W 2. Terminologia Prodotto cartesiano di insiemi. Spazio vettoriale. Assiomi. Vettori. Scalari. Addizione. Moltiplicazione per scalari. Somma di vettori. Prodotto di uno scalare per un vettore. Vettore nullo. Spazio vettoriale nullo. Opposto. Sottrazione. Funzioni a valori scalari. Polinomio. Grado di un polinomio. Polinomio nullo. Successione. Prodotto cartesiano di spazi vettoriali. Sottospazio. Sottospazi triviali. Sottospazio nullo. Chiusura rispetto all addizione di vettori e alla moltiplicazione per scalari. Spazio nullo o nucleo di una matrice. Intersezione di sottospazi. Somma di sottoinsiemi. Somma di sottospazi. Somma diretta di sottospazi. 9
10 Saper fare Elencare ed identificare gli assiomi di spazio vettoriale. Conoscere gli esempi fondamentali di spazi vettoriali (vettori fisici, n-uple, matrici, funzioni a valori scalari, polinomi) con le relative operazioni. Identificare negli esempi concreti il vettore nullo e l opposto di ciascun vettore. Verificare se un sottoinsieme di uno spazio vettoriale è o non è un sottospazio. Calcolare lo spazio nullo di una matrice. Riconoscere se uno spazio vettoriale è somma diretta di suoi sottospazi. Vero o Falso? Uno spazio vettoriale può avere più di un vettore nullo. L opposto di un vettore in uno spazio vettoriale V è unico. Se v è un vettore di uno spazio vettoriale V e a, b sono scalari tali che av = bv, allora a = b. In ogni spazio vettoriale ax = ay implica che x = y. Se v e w sono vettori di uno spazio vettoriale V, allora ( v)+( w) è l opposto di v + w. L insieme dei numeri interi Z con le operazioni usuali di addizione e moltiplicazione è uno spazio vettoriale. L insieme 0, 1} R è uno spazio vettoriale con le operazioni usuali. L insieme x 2 x R} è uno spazio vettoriale con le operazioni usuali. In P(K) si possono sommare solo polinomi con lo stesso grado. Se p(x) e q(x) sono polinomi in P(K) di grado n, allora p(x) + q(x) ha grado n. Se p(x) è un polinomio di grado n in P(K) e c è uno scalare non nullo, allora cp(x) ha grado n. Uno scalare non nullo è un polinomio in P(K) di grado zero. Due funzioni f e g in F(X, K) sono uguali se e solo se assumono lo stesso valore in ogni elemento di x. Sia V = R 2. Le operazioni (a 1, a 2 ) + (b 1, b 2 ) = (a 1 + b 1, a 2 b 2 ) e c(a 1, a 2 ) = (ca 1, a 2 ) rendono V uno spazio vettoriale su R. Sia V = R 2. Le operazioni (a 1, a 2 ) + (b 1, b 2 ) = (a 1 +2b 1, a 2 +3b 2 ) e c(a 1, a 2 ) = (ca 1, ca 2 ) rendono V uno spazio vettoriale su R L insieme vuoto è un sottospazio di ogni spazio vettoriale. Se V è uno spazio vettoriale diverso dallo spazio vettoriale nullo, allora V contiene un sottospazio W tale che W V. L intersezione di due sottoinsiemi di uno spazio vettoriale V è un sottospazio di V. Le soluzioni di un qualunque sistema lineare di m equazioni in n incognite a coefficienti nel campo K formano un sottospazio di K n. I punti di R 2 che stanno sulla retta di equazione y = mx + q formano un sottospazio se e solo se q = 0. L insieme S delle matrici ( ) a a + 1, a R 0 b è un sottospazio di M 2 (R). L inseme delle matrici 2 2 con determinante uguale a zero è un sottospazio di M 2 (R). L insieme S = (x, y) R 2 xy 0} è un sottospazio di R 2. Se m < n lo spazio vettoriale R m è un sottospazio di R n. Un sottoinsieme S di uno spazio vettoriale V chiuso rispetto alla moltiplicazione per scalari contiene il vettore nullo. Sia V = R 3 e sia W 1 = (x, y, z) R 3 z = 0}, W 2 = (x, y, z) R 3 y = 0}, W 3 = (x, y, z) R 3 x = 0}. Allora V = W 1 W 2 W 3. L unione insiemistica di due sottospazi di uno spazio vettoriale V è un sottospazio di V. L intersezione di due sottospazi di uno spazio vettoriale è il sottospazio nullo. 10
11 Esercizi Esercizio Sia R >0 l insieme dei numeri reali positivi. Definiamo su R >0 le seguenti operazioni x y = xy c x = x c Determinare se con queste operazioni R >0 è uno spazio vettoriale. Esercizio Sull insieme M 2 (R) definire l addizione A B = AB e usare la solita moltiplicazione per scalari. Determinare quale degli assiomi di spazio vettoriale sono soddisfatti da M 2 (R) con queste nuove operazioni. Esercizio Determinare se W è un sottospazio di V. 1. V = R 3, W = (u, v, u ) u, v R}. 2. V = M 2 (R), W = A = (a ij ) a 22 = 2a 11, a 12 = a 21 }. 3. V = F(R, R), W = f f( x) = f(x)}. 4. V = P 2 (R), W = a + bx + cx 2 abc = 0}. 5. V = R 3, W = (x, y, z) x 2 + y 2 + z 2 1}. 6. V = P(R), W = a 0 + a 1 x a n x n, a i = 0 per i dispari }. Esercizio Sia V = C 0 ([0, 1]) lo spazio vettoriale delle funzioni continue nell intervallo [0, 1]. Determinare se W = f V 1 è un sottospazio di V. Esercizio Si considerino i seguenti sottoinsiemi di R 3 0 } f(t) dt = 0 W 1 = (x, y, z) R 3 x = 3y, z = y}, W 2 = (x, y, z) R 3 2x 7y + z = 0}, W 3 = (x, y, z) R 3 x 4y z = 0}. Quale dei tre insiemi è un sottospazio di R 3? Determinare W 1 W 2, W 1 W 3 e W 2 W 3. Esercizio Sia V = M n (K). Sia W 1 = A = (a ij ) V a ij = 0 quando i j} e W 2 l insieme delle matrici simmetriche. Far vedere che W 1 e W 2 sono sottospazi di V e dimostrare che V = W 1 W 2. 11
ALGEBRA DELLE MATRICI
ALGEBRA DELLE MATRICI March 8, 2015 1 Definizioni e notazioni Una matrice è una tabella rettangolare le cui entrate sono numeri organizzati in righe orizzontali e colonne verticali. Esempio 1 2 A = 4 0
Dettaglii) la somma e il prodotto godano delle proprietà associativa, commutativa e distributiva;
1 Spazi vettoriali 11 Definizioni ed assiomi Definizione 11 Un campo è un insieme K dotato di una operazione somma K K K, (x, y) x + y e di una operazione prodotto K K K, (x, y) xy tali che i) la somma
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
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
DettagliInsiemi 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
DettagliSottospazi vettoriali
Capitolo 6 Sottospazi vettoriali 6.1 Introduzione Riprendiamo un argomento già studiato ampiamente nel corso di Geometria, i sottospazi vettoriali di uno spazio vettoriale. Ci limiteremo a darne la definizione,
DettagliLEZIONE 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
DettagliM.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA STRUTTURE ALGEBRICHE
M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA STRUTTURE ALGEBRICHE Operazioni in un insieme Sia A un insieme non vuoto; una funzione f : A A A si dice operazione binaria (o semplicemente
Dettagli1 PRELIMINARI 1.1 NOTAZIONI. denota l insieme vuoto. a A si legge a appartiene a A oppure a è elemento di A.
1 PRELIMINARI 1.1 NOTAZIONI denota l insieme vuoto. a A si legge a appartiene a A oppure a è elemento di A. B A si legge B è un sottoinsieme di A e significa che ogni elemento di B è anche elemento di
DettagliSistemi Lineari I. March 22, 2015
Sistemi Lineari I March 22, 205 Sistemi lineari Nel seguito denoteremo con K il campo reale o il campo complesso e con K n l insieme delle n-uple ordinate di elementi di K Sia D un sottoinsieme di K n
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
DettagliLEZIONE 12. v = α 1 v α n v n =
LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
DettagliDefinizione 1 Un insieme (V, +, ) dotato delle due operazioni: - + somma di elementi v 1 V, v 2 V ;
Spazi vettoriali Definizione Un insieme (V, +, ) dotato delle due operazioni: - + somma di elementi v V, v V ; - prodotto per uno scalare λ K, (K campo); e chiuso rispetto ad esse, è uno spazio vettoriale
DettagliGruppi, anelli, campi e polinomi: le prime definizioni.
Gruppi, anelli, campi e polinomi: le prime definizioni. Ilaria Del Corso 1 GRUPPI Definizione 1.1. Sia G un insieme, G e sia un operazione su G. Si dice che (G, ) è un gruppo se 1. è associativa, ossia
DettagliSpazi vettoriali. Vettori geometrici. Spazi vettoriali R n. Spazi vettoriali.
Spazi vettoriali Vettori geometrici. Spazi vettoriali R n. Spazi vettoriali. Piano vettoriale geometrico G 2 Il contesto del discorso che svolgiamo in questa parte e il piano della geometria elementare,
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA INDUSTRIALE 27 GENNAIO 2014
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA INDUSTRIALE 27 GENNAIO 2014 DOCENTE: MATTEO LONGO Rispondere alle domande di Teoria in modo esauriente e completo. Svolgere il maggior numero di esercizi
Dettagli2. Fra tutti i rettangoli inscritti in una circonferenza, determinare quello di area massima.
2. Fra tutti i rettangoli inscritti in una circonferenza, determinare quello di area massima. 3. Fra tutti i cilindri a base rotonda inscritti in una sfera, determinare quello di volume massimo. 4. Dimostrare
DettagliCapitolo 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.
DettagliApplicazioni lineari simmetriche e forme quadratiche reali.
Applicazioni lineari simmetriche e forme quadratiche reali 1 Applicazioni lineari simmetriche Consideriamo lo spazio IR n col prodotto scalare canonico X Y = t XY = x 1 y 1 + + x n y n Definizione Un applicazione
DettagliGeometria BAER A.A. Canale I Foglio esercizi 4
Geometria BAER A.A. Canale I Foglio esercizi 4 Esercizio. Si trovino basi degli spazi delle soluzioni dei seguenti sistemi lineari Soluzione: Sol(S ) = L[ x + 3x x 3 + 5x 4 = S : x + 3x x 3 + x 4 = S x
DettagliProposizione (relazione fra V, opposti in R e opposti in V ).
Lezione del 20.03. Ci sono vari tipi di strutture che conducono al concetto di spazio vettoriale, in particolare quelle sugli insiemi R n di ennuple di numeri reali (n = 1, 2, 3,...) e quelle sugli insiemi
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
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
Dettagliy + P(x) y + Q(x) y = 0 y(x) = c 1y 1(x) + c 2 y 2(x).
Proposizione 4. Se y 1(x) e y (x) sono soluzioni linearmente indipendenti di y + P(x) y + Q(x) y = 0 ogni altra soluzione della stessa equazione si scrive nella forma per una scelta opportuna delle costanti
Dettaglinota 1. Aritmetica sui numeri interi.
nota 1. Aritmetica sui numeri interi. Numeri interi. Numeri primi. L algoritmo di Euclide per il calcolo del mcd. Equazioni diofantee di primo grado. Congruenze. Il Teorema Cinese del Resto. 1 0. Numeri
DettagliIntroduciamo ora un altro campo, formato da un numero finito di elementi; il campo delle classi resto modulo n, con n numero primo.
Capitolo 3 Il campo Z n 31 Introduzione Introduciamo ora un altro campo, formato da un numero finito di elementi; il campo delle classi resto modulo n, con n numero primo 32 Le classi resto Definizione
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra Lineare 1 / 41 index Spazi vettoriali
DettagliMatematica per le scienze sociali Elementi di base. Francesco Lagona
Matematica per le scienze sociali Elementi di base Francesco Lagona University of Roma Tre F. Lagona (francesco.lagona@uniroma3.it) 1 / 24 Outline 1 Struttura del corso 2 Algebra booleana 3 Algebra degli
DettagliLe matrici. Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1.
Le matrici Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1. Siano m, n N\{0}. Una matrice m n a coefficienti in K è una tabella di m n elementi di K disposti
Dettagli(V) (FX) L unione di due basi di uno spazio vettoriale è ancora una base dello spazio vettoriale.
8 gennaio 2009 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola
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
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
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
DettagliPer capire meglio il concetto di combinazione lineare prendiamo in considerazione alcuni esempi.
Lezione 14 14.1 Combinazioni lineari Definizione 14.1. Sia V uno spazio vettoriale su un campo K = R, C esiano v 1,...,v n 2 V vettori fissati. Un vettore v 2 V si dice combinazione lineare di v 1,...,v
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
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Cristina Turrini UNIMI - 2018/2019 Cristina Turrini (UNIMI - 2018/2019) Elementi di Algebra Lineare 1 / 32 index Spazi vettoriali 1 Spazi vettoriali 2 Sottospazi
Dettagli1.1 Matrici a coefficienti in R. Vi sono alcuni casi particolari che vale la pena evidenziare:
Lezione Matrici a coefficienti in R Definizione Siano m, n Z numeri interi positivi Una matrice m n acoefficientiinrèuninsiemedimn numeri reali disposti su m righe ed n colonne circondata da parentesi
Dettagli1 Cenni di teoria degli insiemi
1 Cenni di teoria degli insiemi 1.1. Siano A, B, C,... insiemi. Scriveremo a A, a / A per affermare rispettivamente che l elemento a appartiene all insieme A e che l elemento a non appartiene ad A. Diremo
DettagliLEZIONE 1 C =
LEZIONE 1 11 Matrici a coefficienti in R Definizione 111 Siano m, n Z positivi Una matrice m n a coefficienti in R è un insieme di mn numeri reali disposti su m righe ed n colonne circondata da parentesi
DettagliLEZIONE 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
DettagliInsiemi con una operazione
CAPITOLO 3 Insiemi con una operazione Lo studio dell algebra è cominciato con la manipolazione di espressioni dapprima numeriche e via via sempre più simboliche; si pensa infatti che la stessa parola algebra
DettagliAPPUNTI PER IL CORSO DI MATEMATICA APPLICATA. 1. Lezione 1 Richiamo brevemente alcune notazioni della teoria degli insiemi.
APPUNTI PER IL CORSO DI MATEMATICA APPLICATA ERNESTO DE VITO - UNIVERSITÀ DI GENOVA, ITALY 1. Lezione 1 Richiamo brevemente alcune notazioni della teoria degli insiemi. insieme vuoto N insieme dei numeri
DettagliInsiemi numerici. Teoria in sintesi NUMERI NATURALI
Insiemi numerici Teoria in sintesi NUMERI NATURALI Una delle prime attività matematiche che viene esercitata è il contare gli elementi di un dato insieme. I numeri con cui si conta 0,,,. sono i numeri
Dettaglinota 1. Aritmetica sui numeri interi.
nota 1. Aritmetica sui numeri interi. Numeri interi. Numeri primi. L algoritmo di Euclide per il calcolo del mcd. Equazioni diofantee di primo grado. Congruenze. Il Teorema Cinese del Resto. 1 0. Numeri
Dettagli1 Introduzione alle matrici quadrate 2 2 a coefficienti in R.
1 Introduzione alle matrici quadrate 2 2 a coefficienti in R Per introdurre il concetto di matrice, a 2 righe e 2 colonne, iniziamo col considerare griglie o tabelle di numeri Gli elementi della griglia,
DettagliI teoremi della funzione inversa e della funzione implicita
I teoremi della funzione inversa e della funzione implicita Appunti per il corso di Analisi Matematica 4 G. Mauceri Indice 1 Il teorema della funzione inversa 1 Il teorema della funzione implicita 3 1
Dettaglix 1 Fig.1 Il punto P = P =
Geometria di R 2 In questo paragrafo discutiamo le proprietà geometriche elementari del piano Per avere a disposizione delle coordinate nel piano, fissiamo un punto, che chiamiamo l origine Scegliamo poi
Dettagli1.1 Esempio. Siano A = {11, f, β,,, } e B = {x, 11,,,, α, γ} e le seguenti leggi:
1. Relazioni. 1 Dati due insiemi possiamo stabilire in modo del tutto arbitrario una legge che associ elementi di un insieme ad elementi dell altro insieme. Ovviamente, data la totale arbitrarietà di tale
DettagliAppunti di Geometria - 2
Appunti di Geometria - Samuele Mongodi - s.mongodi@sns.it Cambi di base e applicazioni lineari Richiami Sia V uno spazio vettoriale di dimensione n sul campo K, con base assegnata e,..., e n } (ad esempio
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
DettagliNUMERI REALI. x(y + z) = xy + xz. Nel seguito faremo uso delle seguenti notazioni. IR+ 0 = {x IR : 0 x} IR 0 = {x IR : 0 x}
NUMERI REALI In quanto segue non diremo che cosa è un numero reale ma definiremo per via assiomatica l insieme dei numeri reali. Insieme che denotiamo con IR. L insieme dei numeri reali è un campo totalmente
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2015/2016 Antonio Lanteri e Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 37 index Spazi vettoriali
Dettagli0.1 Spazi Euclidei in generale
0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo
DettagliQualche informazione su gruppi e anelli
Qualche informazione su gruppi e anelli 1. Gruppi e sottogruppi: prime proprietà Cominciamo subito scrivendo la definizione formale di gruppo. Definizione 0.1. Un gruppo G è un insieme non vuoto dotato
DettagliElementi di Algebra e di Matematica Discreta Strutture algebriche: anelli
Elementi di Algebra e di Matematica Discreta Strutture algebriche: anelli Cristina Turrini UNIMI - 2016/2017 Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra e di Matematica Discreta 1 / 29 index
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2017/2018 Antonio Lanteri e Cristina Turrini (UNIMI - 2017/2018) Elementi di Algebra Lineare 1 / 37 index Spazi vettoriali
DettagliALGEBRA LINEARE E GEOMETRIA: ESERCIZI 5. Indice. 2. Esercizi 5
ALGEBRA LINEARE E GEOMETRIA: ESERCIZI 5 Indice 1. Principali definizioni 1 2. Esercizi 5 Operazioni con le matrici 1. Principali definizioni Ricordiamo le principali definizioni legate alle matrici a coefficienti
DettagliRelazioni e Principio di Induzione
Relazioni e Principio di Induzione Giovanna Carnovale October 12, 2011 1 Relazioni Dato un insieme S, un sottoinsieme fissato R del prodotto cartesiano S S definisce una relazione ρ tra gli elementi di
DettagliSistemi lineari 1 / 41
Sistemi lineari 1 / 41 Equazioni lineari Una equazione lineare a n incognite, è una equazione del tipo: a 1 x 1 + a 2 x 2 + + a n x n = b, dove a 1,,a n,b sono delle costanti (numeri) reali. I simboli
DettagliMATRICI E SISTEMI LINEARI
MATRICI E SISTEMI LINEARI - PARTE I - Felice Iavernaro Dipartimento di Matematica Università di Bari 27 Febbraio 2006 Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 1 / 1 Definizione
Dettagli1 Linguaggio degli insiemi
Lezione 1, Analisi, 18.09.2017 1 Linguaggio degli insiemi Ricordiamo di seguito in modo informale le prime notazioni e nozioni sugli insiemi. Il discorso sugli insiemi si sviluppa a partire dai termini
DettagliGeometria 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
DettagliDefinizione. Siano a, b Z. Si dice che a divide b se esiste un intero c Z tale che. b = ac.
0. Numeri interi. Sia Z = {..., 3, 2, 1, 0, 1, 2, 3,...} l insieme dei numeri interi e sia N = {1, 2, 3,...} il sottoinsieme dei numeri interi positivi. Sappiamo bene come addizionare, sottrarre e moltiplicare
DettagliUN BREVE VIAGGIO ATTRAVERSO GLI SPAZI VETTORIALI 1
asdf UN BREVE VIAGGIO ATTRAVERSO GLI SPAZI VETTORIALI 4 November 2011 Con questo articolo, stavolta, proviamo a compiere un "viaggetto" attraverso gli spazi vettoriali. Come sempre avremo a che fare con
Dettagli3 Soluzione di sistemi lineari
3 Soluzione di sistemi lineari Prima di addentrarci nello studio dei metodi numerici, è doveroso introdurre le matrici e alcune strutture particolari di matrici nonchè alcuni concetti fondamentali quali
DettagliParte 4. Spazi vettoriali
Parte 4. Spazi vettoriali A. Savo Appunti del Corso di Geometria 23-4 Indice delle sezioni Spazi vettoriali, 2 Prime proprietà, 3 3 Dipendenza e indipendenza lineare, 4 4 Generatori, 6 5 Basi, 8 6 Sottospazi,
Dettaglif(xy) = f(x + y) ( f(x) + f(y) ) Problema 6 (WC15-5). Siano a, b, c reali positivi tali che ab + bc + ca = 1. Dimostrare che c + 6 3a 1
Problema (WC5-). Siano a, b e c reali positivi tali che a 3 + b 3 + c 3 = a 4 + b 4 + c 4. vale: a a 2 + b 4 + c 4 + b a 4 + b 2 + c 4 + c a 4 + b 4 + c 2 Problema 2 (WC5-2old). Determinare tutte le funzioni
DettagliGeometria 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
DettagliRichiami di Algebra Lineare
Richiami di Algebra Lineare Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2012 Rossi Algebra Lineare 2012 1 / 59 Vettori Prodotto interno a : (n 1) b : (n 1) a b = a 1 b 1 +
DettagliAPPLICAZIONI. Im f = {b B a A tale che f (a) = b}.
APPLICAZIONI Diremo applicazione (o funzione) da un insieme A ad un insieme B una legge f che associa ad ogni elemento a A uno ed un solo elemento b B. Scriviamo f : A B e il corrispondente o immagine
DettagliMatematica II
Matematica II 29..0. Somma di due matrici. Siano m ed n due interi positivi fissati. Date due matrici A, B R m n di tipo m n, sommando a ciascun elemento di A il corrispondente elemento di B, si ottiene
Dettagli(P x) (P y) = x P t (P y) = x (P t P )y = x y.
Matrici ortogonali Se P è una matrice reale n n, allora (P x) y x (P t y) per ogni x,y R n (colonne) Dim (P x) y (P x) t y (x t P t )y x t (P t y) x (P t y), CVD Ulteriori caratterizzazioni delle matrici
DettagliIntroduzione alla Matematica per le Scienze Sociali - parte II
Introduzione alla Matematica per le Scienze Sociali - parte II Lucrezia Fanti Istituto Nazionale per l Analisi delle Politiche Pubbliche (INAPP) lucrezia.fanti@uniroma1.it Lucrezia Fanti Intro Matematica
DettagliRELAZIONI, FUNZIONI, INSIEMI NUMERICI. 1. Relazioni. Siano X e Y due insiemi non vuoti. Si definisce il prodotto cartesiano
RELAZIONI, FUNZIONI, INSIEMI NUMERICI C. FRANCHI 1. Relazioni Siano X e Y due insiemi non vuoti. Si definisce il prodotto cartesiano X Y := {(x, y) x X, y Y } dove con (x, y) si intende la coppia ordinata
DettagliLEZIONE 8. k e w = wx ı + w y j + w z. k di R 3 definiamo prodotto scalare di v e w il numero
LEZINE 8 8.1. Prodotto scalare. Dati i vettori geometrici v = v x ı + v y j + v z k e w = wx ı + j + k di R 3 definiamo prodotto scalare di v e w il numero v, w = ( v x v y v z ) w x = v x + v y + v z.
DettagliAppunti di matematica per le Scienze Sociali Parte 1
Appunti di matematica per le Scienze Sociali Parte 1 1 Equazioni 1.1 Definizioni preliminari 1.1.1 Monomi Si definisce monomio ogni prodotto indicato di fattori qualsiasi, cioè uguali o diseguali, numerici
DettagliAlgebra lineare. Laboratorio di programmazione e calcolo CdL in Chimica. Pierluigi Amodio
Algebra lineare Laboratorio di programmazione e calcolo CdL in Chimica Pierluigi Amodio Dipartimento di Matematica Università di Bari pierluigi.amodio@uniba.it http://dm.uniba.it/ amodio A.A. 2016/17 P.
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
DettagliPrecorsi di matematica
Precorsi di matematica Francesco Dinuzzo 12 settembre 2005 1 Insiemi Il concetto di base nella matematica moderna è l insieme. Un insieme è una collezione di elementi. Gli elementi di un insieme vengono
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
DettagliAPPUNTI DI ALGEBRA LINEARE
APPUNTI DI ALGEBRA LINEARE. Definizione Si dice spazio vettoriale (sul campo dei numeri reali R) un insieme V per il quale siano definite l operazione interna di somma (che ad ogni coppia di vettori e
DettagliMATRICI E OPERAZIONI
MATRICI E SISTEMI MATRICI E OPERAZIONI Matrici, somma e prodotto (definizioni, esempi, non commutatività del prodotto, legge di annullamento del prodotto Potenze e inverse di matrici quadrate (definizioni
DettagliEsercizi di Geometria - Foglio 1 Corso di Laurea in Fisica 24 Settembre 2003
Esercizio 1.1 Esercizi di Geometria - Foglio 1 Corso di Laurea in Fisica 24 Settembre 2003 1. Teoria elementare degli insiemi Descrivere in modo esplicito i seguenti insiemi: (i) L = {x x e una lettera
Dettagli1 Definizione di gruppo
Università degli studi di Roma Tre Corso di Laurea Triennale in Matematica, a.a. 2003/2004 AL2 - Algebra 2, gruppi anelli e campi Soluzioni 3 ottobre 2004 1 Definizione di gruppo 1. Determinare quali dei
DettagliCORSO DI LAUREA IN INGEGNERIA DELLE TELECOMUNICAZIONI
CORSO DI LAUREA IN INGEGNERIA DELLE TELECOMUNICAZIONI FOGLIO DI ESERCIZI # GEOMETRIA E ALGEBRA 009/0 Esercizio.. Dati i vettori di R : v (,, ), v (, 4, 6), v (,, 5), v 4 (,, 0) determinare se v 4 è combinazione
DettagliLezioni di ISTITUZIONI di MATEMATICA (gruppo 3)
Lezioni di ISTITUZIONI di MATEMATICA (gruppo 3) Nicola Durante 2011-12 Abstract 1 Insiemi numerici (Lezione del 5.10.11) 1.1 Cenni di teoria degli insiemi Richiamiamo brevemente alcuni simboli usati in
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)
DettagliINSIEMI. INSIEME = gruppo di oggetti di tipo qualsiasi detti elementi dell insieme.
INSIEMI INSIEME = gruppo di oggetti di tipo qualsiasi detti elementi dell insieme. Un insieme è definito quando viene dato un criterio non ambiguo che permette di stabilire se l oggetto appartiene o no
Dettaglimisura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x
4. Geometria di R 3. Questo paragrafo è molto simile al paragrafo : tratta infatti delle proprietà geometriche elementari dello spazio R 3. Per assegnare delle coordinate nello spazio, fissiamo innanzitutto
Dettaglimisura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x
4. Geometria di R 3. Questo paragrafo è molto simile al paragrafo : tratta infatti delle proprietà geometriche elementari dello spazio R 3. Per assegnare delle coordinate nello spazio, fissiamo innanzitutto
DettagliGruppi, spazi e sottospazi vettoriali
CAPITOLO 3 Gruppi, spazi e sottospazi vettoriali Esercizio 3.1. Dimostrare che l insieme { a G = b forma un gruppo rispetto al prodotto tra matrici. a,b R, a,b Esercizio 3.2. Sia R[x] l insieme dei polinomi
Dettagli1 Relazione di congruenza in Z
1 Relazione di congruenza in Z Diamo ora un esempio importante di relazione di equivalenza: la relazione di congruenza modn in Z. Definizione 1 Sia X = Z, a,b Z ed n un intero n > 1. Si dice a congruo
DettagliCorso di Matematica e Statistica 3 Algebra delle matrici. Una tabella rettangolare: la matrice. Una tabella rettangolare: la matrice
Pordenone Corso di Matematica e Statistica 3 Algebra delle UNIVERSITAS STUDIORUM UTINENSIS Giorgio T. Bagni Facoltà di Scienze della Formazione Dipartimento di Matematica e Informatica Università di Udine
DettagliRichiami di algebra delle matrici a valori reali
Richiami di algebra delle matrici a valori reali Vettore v n = v 1 v 2. v n Vettore trasposto v n = (v 1, v 2,..., v n ) v n = (v 1, v 2,..., v n ) A. Pollice - Statistica Multivariata Vettore nullo o
DettagliR 2 e i numeri complessi
L. Chierchia. Dipartimento di Matematica e Fisica, Università Roma Tre 1 R e i numeri complessi 1. R come spazio vettoriale R, ossia l insieme delle coppie ordinate x, y con x e y in R è uno spazio vettoriale
Dettagli