LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v a 1,n 1 v n 1 + a 1,n v n = w 1
|
|
- Maria Di Gregorio
- 8 anni fa
- Visualizzazioni
Transcript
1 LEZIONE 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, il più semplice spazio k n per qualche n, in maniera che le operazioni si conservino tramite tale identificazione: ci poniamo il problema di capire se tale numero n è in qualche modo una proprietà intrinseca di V La nozione di dimensione si basa sul seguente risultato fondamentale, detto Lemma di Steinitz Lemma 1411 Sia V uno spazio vettoriale su k = R, C Se v 1,, v n V sono generatori e w 1,, w m V sono linearmente indipendenti allora m n Dimostrazione Poiché i vettori v 1,, v n V sono generatori di V esistono scalari a i,j k, 1 i m, 1 j n, tali che a 1,1 v 1 + a 1,2 v 2 + a 1,3 v a 1,n 1 v n 1 + a 1,n v n = w 1 (14111) a 2,1 v 1 + a 2,2 v 2 + a 2,3 v a 2,n 1 v n 1 + a 2,n v n = w 2 a 3,1 v 1 + a 3,2 v 2 + a 3,3 v a 3,n 1 v n 1 + a 3,n v n = w 3 a m,1 v 1 + a m,2 v 2 + a m,3 v a m,n 1 v n 1 + a m,n v n = w m Abbiamo dunque una matrice A = (a i,j ) 1 i m k m,n Ogni operazione elementare sulla matrice equivale ad un analoga operazione sulle equazioni del sistema 1 j n vettoriale (14111) In particolare noi sappiamo che con un numero finito di operazioni elementari di riga di tipo E1 possiamo trasformare A in una nuova matrice ridotta per righe A = (a i,j ) k m,n corrispondente ad un nuovo sistema vettoriale avente 1 i m 1 j n come termini noti certe combinazioni lineari dei vettori w 1,, w m Poiché ogni equazione del sistema (14111) contiene un vettore w i e w 1,, w m sono linearmente indipendenti, dopo tali operazioni il termine noto dell i esima equazione conterrà ancora il vettore w i con coefficiente 1 Se fosse m > n almeno una riga, per fissare le idee diciamo quella di indice m, di A sarebbe nulla, quindi avremmo una relazione di dipendenza lineare del tipo 0 V = 0v 1 + 0v v n = b 1 w b m 1 w m 1 + 1w m 1 Typeset by AMS-TEX
2 2 141 DIMENSIONE DI UNO SPAZIO VETTORIALE che non è possibile se, come stiamo supponendo, i vettori w 1,, w m sono linearmente indipendenti Concludiamo che m n La più importante conseguenza del precedente lemma è Corollario 1412 Sia V uno spazio vettoriale su k = R, C Allora se B = (v 1,, v n ) e D = (w 1,, w m ) sono basi di V risulta m = n Dimostrazione Poiché v 1,, v n sono generatori di V e w 1,, w m sono linearmente indipendenti, per il Lemma 1411 risulta m n D altra parte, poiché w 1,, w m sono generatori di V e v 1,, v n sono linearmente indipendenti, ancora per il Lemma 1411 risulta anche m n In particolare ciò significa che 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 1413 Sia V uno spazio vettoriale su k = R, C finitamente generato Se V { 0 V } definiamo dimensione di V il numero dim k (V ) di elementi di una qualsiasi sua base Se V = { 0 V } poniamo dim k (V ) = 0 Nel caso in cui il campo k sia evidente dal contesto, si scrive semplicemente dim(v ) Esempio 1414 Poiché una base di R 3 è la base canonica C = (e 1, e 2, e 3 ) (si veda Esempio 1325), segue che dim R (R 3 ) = 3 Più in generale sia k = R, C Allora la base canonica C = (e 1,, e n ) di k n (si veda l Esempio 1326) è formata da n vettori, dunque dim k (k n ) = n Esempio 1415 Lo spazio vettoriale C 2,2 ha B = (E 1,1, E 1,2, E 2,1, E 2,2 ) come base, quindi dim C (C 2,2 ) = 4 (si veda l esempio 1327) Più in generale se k = R, C, dim k (k m,n ) = mn Esempio 1416 Sia V uno spazio vettoriale su C Poiché R C, allora V è anche uno spazio vettoriale su R: l operazione di somma rimane la stessa, quella di prodotto per uno scalare si ottiene restringendo quella definita in V a R V C V Per esempio C è uno spazio vettoriale su C, 1 C è linearmente indipendente e genera C come spazio vettoriale su C, poiché a+bi = (a+bi)1, dunque dim C (C) = 1, come già sappiamo dall Esempio 1414 D altra parte C è anche spazio vettoriale su R Da questo punto di vista 1 non è più generatore di C su R: infatti se lo fosse ogni suo elemento sarebbe combinazione lineare di 1 a coefficienti in R e, in questo modo, possiamo ottenere solo i numeri complessi con parte immaginaria nulla Per generare C su R occorrono almeno due elementi: per esempio 1 ed i sono generatori di C su R, poiché a + bi = (a)1 + (b)i per ogni a, b R Inoltre sono linearmente indipendenti: infatti se a, b R, risulta a + bi = 0 se e solo se s = b = 0, per definizione di 0 in C Concludiamo che dim R (C) = 2 Più in generale si può dimostrare che se dim C (V ) = n allora dim R (V ) = 2n Concludiamo il paragrafo con la seguente conseguenza della Proposizione 1328
3 LEZIONE 14 3 Proposizione 1417 Sia V { 0 V } uno spazio vettoriale su k = R, C Se dim k (V ) = n e v 1,, v n V, le seguenti affermazioni sono equivalenti: i) v 1,, v n V sono generatori di V ; ii) v 1,, v n V sono linearmente indipendenti; iii) (v 1,, v n ) è base di V Dimostrazione Se i vettori v 1,, v n V sono generatori di V scartando eventualmente alcuni di loro potremmo ottenere una base di V : poiché ogni base di V è costituita da n vettori, non è dunque necessario scartare niente, cioè v 1,, v n sono già linearmente indipendenti Viceversa, se i vettori v 1,, v n V sono linearmente indipendenti, aggiungendo eventualmente alcuni altri vettori potremmo ottenere una base di V : poiché ogni base di V è costituita da n vettori, non è dunque necessario aggiungere niente, cioè w 1,, w n sono già generatori di V Quindi i) vale se e solo se vale ii), dunque sono equivalenti a iii) Esempio 1418 In R 4 si considerino v 1 = (1, 2, π, 0), v 2 = (3/2, 117, 0, 2), v 3 = (0, 1, 0, 3/7), v 4 = (0, 3, 0, 0) La relazione di dipendenza lineare fra di loro α 1 v 1 +α 2 v 2 +α 3 v 3 +α 4 v 4 = 0 R 4 si traduce immediatamente nel sistema omogeneo α α 2 = 0 2α 1 117α 2 + α 3 + 3α 4 = 0 πα 1 = 0 2α2 3 7 α 3 = 0 : è facile vedere che l unica soluzione di tale sistema è α 1 = α 2 = α 3 = α 4 = 0, cioè i vettori v 1, v 2, v 3, v 4 sono linearmente indipendenti Per la Proposizione 1417, concludiamo che essi sono anche generatori di R 4 senza doverlo verificare direttamente In particolare B = (v 1, v 2, v 3, v 4 ) è una base di R Dimensione di sottospazi Sia V uno spazio vettoriale su k = R, C finitamente generato Nel corso del precedente paragrafoabbiamo introdotto la definizione di dimensione di V Se W V è un suo sottospazio vettoriale viene allora naturale porsi alcune domande: W è finitamente generato? Se sì, ci sono legami tra dim k (W ) e dim k (V )? Proposizione 1421 Sia V uno spazio vettoriale su k = R, C finitamente generato Allora ogni sottospazio vettoriale W V è finitamente generato Inoltre si ha che dim k (W ) dim k (V ) e dim k (W ) = dim k (V ) se e solo se W = V Dimostrazione Se W = { 0 V } la tesi è ovviamente verificata Supponiamo che W non sia finitamente generato Allora esiste w 1 W \{ 0 V }: risulta L(w 1 ) W, quindi deve esistere w 2 W \ L(w 1 ) Per costruzione w 1 e w 2 sono linearmente indipendenti e, per ipotesi, deve esistere w 3 W \ L(w 1, w 2 )
4 4 142 DIMENSIONE DI SOTTOSPAZI In questo modo riusciamo a costruire una successione di vettori { w i } i N W tale che, per ogni N N, i vettori w 1,, w N W sono linearmente indipendenti In particolare ciò dovrebbe accadere anche per N = dim k (V ) + 1, il che è assurdo perché i vettori w 1,, w N sono in W, quindi in V (si veda il Lemma di Steinitz) Poiché W { 0 V } è finitamente generato ha basi: sia (w 1,, w m ) una sua base Poiché w 1,, w m W V sono linearmente indipendenti (perché formano una base di W ), allora dim k (W ) = m dim k (V ) dal Lemma di Steinitz Chiaramente se W = V allora dim k (W ) = dim k (V ) = n Viceversa, se ciò accade, esiste un insieme di vettori linearmente indipendenti w 1,, w n di W V, quindi w 1,, w n generano V per la Proposizione 1417: poiché W V segue W = V Esempio 1423 In R 4 si considerino i vettori v 1 = (1, 2, 1, 1), v 2 = (2, 1, 1, 0), v 3 = (0, 0, 0, 0), v 4 = (1, 1, 0, 0), v 5 = (4, 4, 0, 1) Calcoliamo la dimensione di W = L(v 1, v 2, v 3, v 4, v 5 ) R 4 Abbiamo visto nell Esempio 1412 che B = (v 1, v 2, v 4 ) è una base di W R 4, quindi dim(w ) = 3 < 4: in particolare W R 4 Esempio 1424 Sia A = (a i,j ) 1 i m k m,n Abbiamo verificato nell Esempio 1 j n 1225 che l insieme W delle soluzioni in k n,p del sistema omogeneo AX = 0 m,p è un sottospazio Poiché k n,p è finitamente generato è lecito calcolare la dimensione di W Poiché la dimensione di W dipende solo da W ma non da A, possiamo supporre che A 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), il sistema AX = 0 m,p è della forma (14241) a 1,r+1 a 1,r+2 a 1,n a 2,r+1 a 2,r+2 a 2,n a r,r+1 a r,r+2 a r,n X = 0 m,p Indicando con X i la i esima riga di X, segue che le soluzioni del Sistema (14241) dipendono dai parametri (vettoriali) liberi X r+1,, X n Per semplicità limitiamoci, d ora in avanti, a studiare il caso p = 1 lasciando al lettore l analisi del caso p 2 secondo la stessa procedura Quindi, da adesso in poi, X k n,1 Le soluzioni del Sistema (14241) sono allora tutte e sole le
5 LEZIONE 14 5 matrici colonna della forma a 1,r+1 X r+1 a 1,r+2 X r+2 a 1,n X n a 2,r+1 X r+1 a 2,r+2 X r+2 a 2,n X n a r,r+1 X r+1 a r,r+1 X r+2 a r,n X n X r+1 = X r+2 X n ove n j=r+1 C j X j C r+1 = t ( a 1,r+1 a 2,r+1 a r,r ), C r+2 = t ( a 1,r+2 a 2,r+2 a r,r ), C n = t ( a 1,n a 2,n a r,n ) In particolare W = L(C r+1, C r+2,, C n ) Inoltre la relazione di dipendenza lineare α r+1 C r+1 + α r+2 C r α n C n = 0 k n,1 si traduce in un sistema le cui ultime n r equazioni sono α r+1 = α r+2 = = α n = 0 Concludiamo che C r+1, C r+2,, C 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 come già anticipato senza dimostrazione nella Lezione 3! Se, invece p 2 si verifichi che dim k (W ) = (n rk(a))p Esempio 1425 Si consideri il sottoinsieme di k n,n triangolari superiori, cioè T S n (k) = { A = (a i,j ) 1 i,j n k n,n a i,j = 0 se i > j } costituito dalle matrici Innanzi tutto osserviamo che T S n (k) è un sottospazio vettoriale di k n,n Infatti 0 n,n T S n (k) Se A = (a i,j ) 1 i,j n, B = (b i,j ) 1 i,j n T S n (k) ed λ k le entrate di indici (i, j) di A + B e di λa sono a i,j + b i,j e λa i,j, dunque è nulla se i > j, cioè A + B, λa T S n (k) Poiché k n,n è finitamente generato tale deve essere T S n (k), dunque ha senso calcolarne la dimensione Si noti che E i,j T S n (k) per ogni i, j = 1,, n con i j Tali matrici sono linearmente indipendenti e A = a 1,1 a 1,2 a 1,3 0 a 2,2 a 2,3 0 0 a 3,3 = a 1,1E 1,1 + a 1,2 E 1,2 + a 1,3 E 1, a 2,2 E 2,2 + a 2,3 E 2,3 + + a 3,3 E 3,3 +,
6 6 142 DIMENSIONE DI SOTTOSPAZI ovvero T S n (k) = L(E i,j i, j = 1,, n, i < j) Dunque, fissato un ordine, tali matrici formano una base di T S n (k): in particolare dim k (T S n ) = n + (n 1) + (n 2) = n(n + 1)/2 Si considerino i sottoinsiemi di k n,n costituiti dalle matrici triangolari inferiori, strettamente triangolari superiori, strettamente triangolari inferiori, cioè rispettivamente T I n (k) = { A = (a i,j ) 1 i,j n k n,n a i,j = 0 se i < j }, ST S n (k) = { A = (a i,j ) 1 i,j n k n,n a i,j = 0 se i j }, ST I n (k) = { A = (a i,j ) 1 i,j n k n,n a i,j = 0 se i j } Anche ST S n (k), T I n (k) e ST I n (k) sono sottospazi vettoriali di k n,n (Esercizio) Determinarne basi, verificando che dim k (T I n ) = n(n + 1)/2 e dim k (ST S n ) = dim k (ST I n ) = n(n 1)/2 Esempio 1426 Non sempre si è così fortunati che l intersezione di una base dello spazio vettoriale V con il sottospazio W, dà una base di W, come nell esempio precedente Si consideri il sottoinsieme di k n,n costituito dalle matrici simmetriche, cioè Sim n (k) = { A k n,n t A = A } Innanzi tutto osserviamo che Sim n (k) è un sottospazio vettoriale di k n,n Infatti 0 n,n Sim n (k) Se A, B Sim n (k) ed λ k, per le proprietà che legano la trasposizione alla somma di matrici ed al prodotto di matrici per scalari, si ha A + B = t A + t B = t (A + B), λa = λ t A = t (λa), cioè A + B, λa Sim n (k) Poiché k n,n è finitamente generato tale deve essere Sim n (k), dunque ha senso calcolarne la dimensione Restringiamoci al caso n = 2, k = R: tratteremo il caso generale più avanti In questo caso sappiamo che una base di R 2,2 è data da B = (E 1,1, E 1,2, E 2,1, E 2,2 ) (si veda l Esempio 1426) Da un lato osserviamo che non ogni matrice di R 2,2 è simmetrica, dunque dim R (Sim 2 (R)) 3 < 4 = dim R (R 2,2 ) Dall altro le matrici di B che sono in Sim 2 (R) sono solo E 1,1 ed E 2,2, dunque dim R (Sim 2 (R)) 2 Se valesse l uguaglianza per la Proposizione 1417 seguirebbe che E 1,1 ed E 2,2 sarebbero generatori di dim R (Sim 2 (R)) Poiché a1,1 0 a 1,1 E 1,1 + a 2,2 E 2,2 = 0 a 2,2 è chiaro che E 1,1 ed E 2,2 non sono sufficienti a generare Sim 2 (R): concludiamo che dim R (Sim 2 (R)) 3 e, quindi, dim R (Sim 2 (R)) = 3 Per costruire una base di Sim 2 (R) è sufficiente trovare allora tre matrici simmetriche linearmente indipendenti: due, E 1,1 ed E 2,2, le abbiamo già, quindi basta determinare una terza
7 LEZIONE 14 7 matrice simmetrica che non sia in L(E 1,1, E 2,2 ), cioè che non sia diagonale Posto allora 0 1 E 1,2 = 1 0 segue che B = (E 1,1, E 2,2, E 1,2 ) è base di Sim 2 (R) Vedremo più avanti che dim k (Sim n (k)) = dim k (T S n (k)) = n(n + 1)/2 Si noti che Sim n (k) T S n (k) pur avendo essi la stessa dimensione, ovvero non è vero che due sottospazi della stessa dimensione coincidono 143 Rango di matrici Abbiamo già visto che verificare che certi vettori v 1,, v m V sono linearmente indipendenti è particolaramente facile se compaiono molti zeri fra le loro componenti (si veda l Esempio 1418) Questa osservazione è del tutto generale e si basa sulla seguente Proposizione 1431 Sia k = R, C e sia A = (a i,j ) 1 i m k m,n Posto v i = 1 j n (a i,1,, a i,n ) k n e w j = (a 1,j,, a m,j ) k m, i = 1,, m, j = 1,, n, risulta rk(a) = dim k (L(v 1,, v m )) = dim k (L(w 1,, w n )) = rk( t A) Dimostrazione Ricordiamo che abbiamo definito il rango di una matrice A = (a i,j ) 1 i m 1 j n k m,n come il numero di righe non nulle di una matrice A = (a i,j ) 1 i m 1 j n k m,n ridotta per righe ed equivalente per righe ad A Per dimostrare la prima parte della tesi è sufficiente osservare che ogni tipo di operazione elementare di riga, pur cambiando le righe di A, non muta il sottospazio che esse generano Poiché esse coinvolgono al massimo due righe per volta, possiamo ridurci a studiare il caso m = 2 È chiaro che L(v 1, v 2, ) = L(v 2, v 1, ), cioè lo scambio di righe (operazione elementare E3) non muta la dimensione Dovrebbe essere chiaro che v = α 1 v 1 +α 2 v 2 + se e solo se per ogni λ k\{ 0 } si ha v = α 1 λ 1 (λv 1 ) + α 2 v 2 + Quindi L(v 1, v 2, ) = L(λv 1, v 2, ), cioè la moltiplicazione di una riga per uno scalare non nullo (operazione elementare E2) non muta la dimensione Infine v = α 1 v 1 + α 2 v 2 + se e solo se per ogni λ k si ha v = α 1 (v 1 + λv 2 ) + (α 2 λα 1 )v 2 + Quindi L(v 1, v 2, ) = L(v 1 +λv 2, v 2, ), cioè sommare ad una riga un multiplo di un altra (operazione elementare E1) non muta la dimensione Posto v i = (a i,1,, a i,n ) kn, i = 1,, m, concludiamo che dim k (L(v 1,, v m )) = dim k (L(v 1,, v m)) = rk(a ) = rk(a) Poiché le righe di t A coincidono con le colonne di A, quanto visto sopra dimostra anche dim k (L(w 1,, w n )) = rk( t A)
8 8 143 RANGO DI MATRICI Sia r = rk(a) Allora è possibile estrarre dall insieme v 1,, v m un sottoinsieme di r vettori linearmente indipendenti che generano L(v 1,, v m ): per fissare le idee siano v 1,, v r Allora abbiamo delle relazioni della forma v i = v i i = 1,, r v r+1 = α r+1,1 v 1 + α r+1,2 v 2 + α r+1,3 v α r+1,r v r v m = α m,1 v 1 + α m,2 v 2 + α m,3 v α m,r v r Eguagliando le componenti j esime al primo ed al secondo membro di tali equazioni, otteniamo Posto a i,j = a i,j i = 1,, r a r+1,j = α r+1,1 a 1,j + α r+1,2 a 2,j + α r+1,3 a 3,j + + α r+1,r a r,j a m,j = α m,1 a 1,j + α m,2 a 2,j + α m,3 a 3,j + + α m,r a r,j u 1 = (1, 0, 0,, 0, α r+1,1,, α m,1 ), u 2 = (0, 1, 0,, 0, α r+1,2,, α m,2 ), u 3 = (0, 0, 1,, 0, α r+1,3,, α m,3 ), u r = (0, 0, 0,, r, α r+1,r,, α m,r ) segue allora che w j = a 1,j u 1 + a 2,j u 2 + a 3,j u a r,j u r, cioè L(w 1,, w n ) L(u 1,, u r ), dunque rk( t A) = dim k (L(w 1,, w n )) dim k (L(u 1,, u r )) r = rk(a) Sostituendo ora A con t A e ripetendo il ragionamento di cui sopra otteniamo anche che rk(a) = rk( tt A) rk( t A) sicché, in conclusione, risulta rk(a) = rk t A) e, perciò, la tesi risulta completamente dimostrata 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 k m,n è la dimensione del suo spazio riga, cioè del sottospazio 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 che il rango di A k m,n è il massimo numero di sue righe o colonne linearmente indipendenti
9 LEZIONE 14 9 Vogliamo ora utilizzare la proposizione vista sopra per descrivere un altro metodo per determinare basi di uno spazio vettoriale su k = R, C finitamente generato V, a partire da un suo insieme di generatori o di suoi vettori linearmente indipendenti A tale scopo fissiamo una base B = (w 1,, w n ) di V e siano v 1,, v m V Supponiamo che [v i ] B = (a i,1,, a i,n ) k n per i = 1,, m Allora v 1,, v m sono linearmente dipendenti se e solo se tali sono [v 1 ] B,, [v m ] B k n, poiché [α 1 v α m v m ] B = α 1 [v 1 ] B + + α m [v m ] B (si vedano le osservazioni dopo la definizione 1423) Quindi dim k (L(v 1,, v m )) coincide con il rango della matrice A = (a i,j ) 1 i m avente come riga i esima le 1 j n componenti del vettore v i rispetto alla base B fissata Illustriamo questa osservazione con un paio di esempi Esempio 1432 In R 5 siano dati v 1 = (1, 1, 2, 1, 3), v 2 = (2, 1, 1, 0, 1), v 3 = (0, 2, 1, 0, 1) Fissata la base canonica di R 5, la matrice A definita sopra è A = che è ridotta per righe Concludiamo che v 1, v 2, v 3 sono linearmente indipendenti Esempio 1433 Si considerino in C 2,2 le matrici i i/2 3 A 1 = i 2 i 1, A 2 =, i i i A 3 =, A 3i = 0 0 Sia B = (E 1,1, E 1,2, E 2,1, E 2,2 ) la base di C 2,2 definita nell Esempio 1415 Allora [A 1 ] B = (1, 1 + i, i 2, i 1 ), [A 2 ] B = (i/2, 3, i 2, 0), [A 3 ] B = (0, 1 + 2i, 3i 2, 0), [A 4 ] B = (0, 1 + 2i, 0, 0) e dim C (L(A 1, A 2, A 3, A 4 )) coincide con il rango della matrice i i 2 i 1 i/2 3 i i 3i i 0 0 che è ridotta per righe: pertanto dim C (L(A 1, A 2, A 3, A 4 )) = 4 = dim C (C 2,2 ) Quindi A 1, A 2, A 3, A 4 sono linearmente indipendenti, sicché (A 1, A 2, A 3, A 4 ) è una base di C 2,2 Quanto visto suggerisce un metodo per calcolare la dimensione del sottospazio generato da un insieme di vettori v 1,, v m linearmente indipendenti di uno spazio vettoriale V, determinarne una base e completarla a base di V
10 RANGO DI MATRICI Infatti si può considerare la matrice A le cui righe sono le componenti dei vettori v 1,, v m rispetto ad una fissata base B: per calcolare la dimensione ed una base del sottospazio L(v 1,, 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 1417, 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 ) e poi considerare i vettori di V aventi quelle righe come componenti rispetto alla base B Esempio 1434 Si noti che, nell esempio precedente, è facile verificare che v 1, v 2, v 3, e 2, e 3 sono linearmente indipendenti Infatti la matrice A definita sopra è A = che è ridotta per righe ed ha rango rk(a) = 5 In particolare (v 1, v 2, v 3, e 2, e 3 ) è base di R 5 Ad un analoga conclusione si sarebbe giunti scegliendo in luogo di e 2, e 3 altri vettori, purché la matrice risultante A rimanesse ridotta per righe: per esempio v 4 = (0, 1, 0, 0, π) e v 5 = (0, 0, 0, 0, 17/33) Se 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 1,, v m che non cambia lo spazio L(v 1,, v m ) ma solo l insieme dei suoi generatori Esempio 1435 In R 2,2 si considerino le matrici A 1 = 1 1, A = 1 2, A = 2 1 : 2 1 vogliamo stabilire se A 1, A 2, A 3 sono linearmente indipendenti o no e, nel caso lo siano, vogliamo trovare una base di R 2,2 che li contiene Si consideri la base B = (E 1,1, E 1,2, E 2,1, E 2,2 ) di R 2,2 : allora [A 1 ] B = (1, 1, 1, 1), [A 2 ] B = (1, 2, 3, 1), [A 3 ] B = (2, 1, 2, 1) La matrice avente come righe le componenti di tali matrici rispetto alla base B è A =
11 Con operazioni elementari di riga otteniamo A R 2 R 2 R 1 R 3 R 3 R LEZIONE R 2 R = A Le righe di A sono le componenti rispetto a B delle matrici B 1 = A 1 = 1 1, B = 1 2, B = che sono linearmente indipendenti, perchè le loro componenti rispetto a B sono le righe di una matrice ridotta per righe, cioè A Per determinare una base di R 2,2 contenente A 1, A 2, A 3, è sufficiente determinare una matrice A 4 L(A 1, A 2, A 3 ) A tale scopo è sufficiente determinare una matrice A 4 tale che [A 4 ] B L((1, 1, 1, 1), (1, 2, 3, 1), (2, 1, 2, 1)) = = L((1, 1, 1, 1), (1, 2, 1, 0), (0, 3, 2, 0)) Per fare questo è sufficiente determinare una matrice 4 4 di rango 4 e le cui prime tre righe coincidano con le righe di A, per esempio A = In particolare, scelta A 4 = E 1,2, l insieme B = (A 1, A 2, A 3, A 4 ) è la base richiesta di R 2,2 14A Appendice 14A1 Lo spazio k n [x] Abbiamo visto che l insieme k[x] dei polinomi nell indeterminata x a coefficienti in k è uno spazio vettoriale non finitamente generato Il problema essenziale è che il grado di un polinomio può essere grande quanto si vuole (si veda l Esempio 1318) Per ovviare a tale problema, per ogni n 0, si può introdurre il sottoinsieme k n [x] = { p(x) k[x] deg(p) n } Si noti che il polinomio nullo (che, per definizione, ha grado ) è in k n [x] per ogni n 0 Inoltre la somma di due polinomi di grado non maggiore di n è ancora un polinomio di grado non maggiore di n e il prodotto di un polinomio di grado
12 12 14A APPENDICE non maggiore di n per uno scalare λ k è ancora un polinomio di grado non maggiore di n Concludiamo che k n [x] è un sottospazio vettoriale di k[x] Rispetto a k[x] il sottospazio k n [x] ha il vantaggio di essere finitamente generato Infatti se p(x) k n [x] si ha p(x) = a 0 + a 1 x + a 2 x a n 1 x n 1 + a n x n ove a i k per i = 0,, n Concludiamo che k n [x] = L(1, x, x 2,, x n 1, x n ) k[x] Per quanto visto sopra ha senso domandarsi quale sia la dimensione di k n [x] (come spazio vettoriale su k) Poiché per generare k n [x] bastano n + 1 suoi elementi, precisamente 1, x, x 2,, x n 1, x n, risulta dim k (k n [x]) n + 1 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! Concludiamo che B = (1, x, x 2,, x n 1, x n ) è una base di k n [x], sicché dim k (k n [x]) = n + 1 Ogni altra base di k n [x] è costituita da n + 1 vettori Per verificare che n + 1 polinomi in k n [x] formano una base basta verificare che sono linearmente indipendenti per la Proposizione 1417 Per esempio sia a k e si consideri l insieme ordinato di n+1 polinomi B = (1, x a, (x a) 2,, (x a) n 1, (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 1! Quindi se p(x) k n [x] esistono scalari a 0,, a n tali che p(x) = a 0 + a 1 (x a) + a 2 (x a) a n 1 (x a) n 1 + a n (x a) n : questo è lo sviluppo di Taylor di p(x) di punto iniziale a e, nel corso di analisi, verrà osservato che a 0 = p(a) e a h = (d h p(x)/dx h )(a) per h 1 Esempio 14A11 In R 3 [x] si considerino i polinomi p 1 (x) = 1 + x + x 2 + x 3, p 2 (x) = 1 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 p 1 (x), p 2 (x), p 3 (x), p 4 (x), p 5 (x) sono linearmente indipendenti o no e, nel caso non lo siano, vogliamo trovare una base di W = L(p 1 (x), p 2 (x), p 3 (x), p 4 (x), p 5 (x)) R 3 [x] Innanzi tutto osserviamo che dim(r 3 [x]) = 4, dunque ogni base di R 3 [x] è costituita da esattamente quattro polinomi, quindi un sistema di generatori di R 3 [x] è costituito da quattro elementi e, perciò cinque polinomi devono essere linearmente dipendenti per il Lemma 1411 Si consideri la base B = (1, x, x 2, x 3 ) di R 3 [x] Allora [p 1 (x)] B = (1, 1, 1, 1), [p 2 (x)] B = (1, 2, 3, 0), [p 3 (x)] B = (0, 1, 0, 2), [p 4 (x)] B = (2, 0, 4, 1), [p 5 (x)] B =
13 LEZIONE (0, 3, 2, 1) La matrice avente come righe le componenti dei polinomi dati rispetto alla base B è A = Con operazioni elementari di riga otteniamo A R 2 R 2 R 1 R 4 R 4 2R R 2 R 3 R 4 R 4 R 3 R 5 R 5 +R = A R 3 R 3 +3R 2 R 4 R 4 +2R 2 R 5 R 5 3R 2 Le righe di A sono le componenti rispetto a B dei polinomi q 1 (x) = 1+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 1 (x), p 2 (x), p 3 (x), p 4 (x), p 5 (x)) = L(q 1 (x), q 2 (x), q 3 (x)) In particolare la terna ordinata (q 1 (x), q 2 (x), q 3 (x)) è una base di W, dunque dim(w ) = 3 e W R 3 [x] Chi si voglia convincere dell uguaglianza L(p 1 (x), p 2 (x), p 3 (x), p 4 (x), p 5 (x)) = L(q 1 (x), q 2 (x), q 3 (x)) direttamente osservi che q 1 (x) = p 1 (x), q 2 (x) = p 3 (x), q 3 (x) = p 2 (x) p 1 (x) + 3p 3 (x) quindi q 1 (x), q 2 (x), q 3 (x) L(p 1 (x), p 2 (x), p 3 (x), p 4 (x), p 5 (x)): abbiamo, perciò, l inclusione L(q 1 (x), q 2 (x), q 3 (x)) L(p 1 (x), p 2 (x), p 3 (x), p 4 (x), p 5 (x)) Viceversa p 1 (x) = q 1 (x), p 2 (x) = q 3 (x) + q 1 (x) 3q 2 (x), p 3 (x) = q 2 (x), p 4 (x) = q 3 (x) + 2q 1 (x) 2q 2 (x), p 5 (x) = q 3 (x) + 3q 2 (x) quindi p 1 (x), p 2 (x), p 3 (x), p 4 (x), p 5 (x) L(q 1 (x), q 2 (x), q 3 (x)): in particolare abbiamo l inclusione L(q 1 (x), q 2 (x), q 3 (x)) L(p 1 (x), p 2 (x), p 3 (x), p 4 (x), p 5 (x)) Per esercizio il lettore completi l insieme q 1 (x), q 2 (x), q 3 (x) a base di R 3 [x] 14A2 La formula di Grassmann Un ultimo risultato importante è il seguente, noto come formula di Grassmann
14 14 14A APPENDICE Proposizione 14A21 Sia V uno spazio vettoriale su k = R, C Se U, W V sono sottospazi vettoriali finitamente generati allora (14A211) dim k (U) + dim k (W ) = dim k (U W ) + dim k (U + W ) Dimostrazione Se U e W sono finitamente generati tale è U + W (si veda il Corollario 13110) Poiché U W è sottospazio di W che è finitamente generato, esso stesso è finitamente generato Sia (v 1,, v n ) una base di U W : in particolare U W = L(v 1,, v n ) Poiché v 1,, v n U, W sono vettori linearmente indipendenti, per la Proposizione 1428 esistono u 1,, u p U e w 1,, w q W tali che (v 1,, v n, u 1,, u p ) sia una base di U e (v 1,, v n, w 1,, w q ) sia una base di W : in particolare u 1,, u p, w 1,, w q U W = L(v 1,, v n ) Dal Corollario i vettori v 1,, v m, u 1,, u p, w 1,, w q sono generatori di U +W Verifichiamo che sono linearmente indipendenti A tale scopo si consideri la relazione di dipendenza lineare α 1 v α n v n + β 1 u β p u p + γ 1 w γ q w q = 0 V Poiché α 1 v α n v n + β 1 u β p u p U e (γ 1 w γ q w q ) W coincidono, essi appartengono a U W : in particolare esistono λ 1,, λ n k tali che α 1 v α n v n + β 1 u β p u p = (γ 1 w γ q w q ) = λ 1 v λ n v n Dall uguaglianza (γ 1 w γ q w q ) = λ 1 v λ n v n segue λ 1 v λ n v n + γ 1 w γ q w q = 0 V : poiché (v 1,, v n, w 1,, w q ) è una base di W si ha λ 1 = = λ n = γ 1 = = γ q = 0, perciò α 1 v α n v n + β 1 u β p u p = = 0 V : d altra parte (v 1,, v n, u 1,, u p ) è una base di U, dunque si ha anche α 1 = = α n = β 1 = = β p = 0 Concludiamo che dim k (U) = n + p, dim k (W ) = n + q, dim k (U W ) = n e dim k (U + W ) = n + p + q, che implica la Formula (14A211) Esempio 14A22 Siano V R 3 un sottospazio vettoriale di dimensione 2, W = L(2, 3, 1) R 3 e supponiamo di sapere che dim(v + W ) = 2: allora V W = L(4, 6, 2) Infatti, dalle ipotesi, applicando la formula di Grassmann dim(v W ) = dim(v ) + dim(w ) dim(v + W ) = = 1 Poiché V W W che ha dimensione 1, dal confronto delle dimensioni, per la Proposizione 1421, segue che V W = W, quindi V W = W = L(2, 3, 1) = L(4, 6, 2)
15 LEZIONE Esempio 14A23 Siano dati i vettori v 1 = (1, 2, 3, 4), v 2 = (1, 1, 0, 5), v 3 = (2, 1, 3, 3), v 4 = (1, 1, 1, 1), v 5 = (1, 1, 2, 5) in R 4 Consideriamo i sottospazi V = L(v 1, v 2, v 3 ), W = L(v 4, v 5 ) R 4 Verificare per esercizio che dim(v ) = 3 e 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 ) = dim(v + W ) Poiché V + W R 4 si ha dim(v + W ) dim(r 4 ) = 4, sicché dim(v W ) 1, quindi V W { 0 R 4 } Esempio 14A24 Si noti che ogni matrice A k n,n può essere decomposta nella somma di una matrice triangolare superiore e di una matrice strettamente triangolare inferiore Ciò significa che k n,n = T S n (k) + ST I n (k) Poiché T S n (k) ST I n (k) = 0 n,n, dalla Formula di Grassmann segue (si veda l Esempio 1425) dim k (ST I n (k)) = dim k (T S n (k) ST I n (k)) + dim k (T S n (k)) + ST I n (k))+ dim k (T S n (k)) = 0 + n 2 n(n + 1)/2 = n(n 1)/2
LEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0
LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliLEZIONE 17. B : kn k m.
LEZIONE 17 17.1. Isomorfismi tra spazi vettoriali finitamente generati. Applichiamo quanto visto nella lezione precedente ad isomorfismi fra spazi vettoriali di dimensione finita. Proposizione 17.1.1.
DettagliLEZIONE 16. Proposizione 16.1.2. Siano V e W spazi vettoriali su k = R, C. Se f: V W
LEZIONE 16 16.1. Applicazioni lineari iniettive e suriettive. Ricordo le seguenti due definizioni valide per applicazioni di qualsiasi tipo ϕ: X Y fra due insiemi. L applicazione ϕ si dice iniettiva se
DettagliParte 3. Rango e teorema di Rouché-Capelli
Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici
Dettagli4. Operazioni elementari per righe e colonne
4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:
Dettagli1 Applicazioni Lineari tra Spazi Vettoriali
1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!
DettagliParte 6. Applicazioni lineari
Parte 6 Applicazioni lineari A Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Applicazioni fra insiemi, 2 Applicazioni lineari tra spazi vettoriali, 2 3 Applicazioni lineari da R n a R
Dettagli2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione
Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza
Dettaglix 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.
Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini
DettagliEsercizi su lineare indipendenza e generatori
Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Esercizi Esercizio 1. Sia f: R 3 R 2 (x, y, z) (x + 2y + z, y + z). (1) Verificare che f è lineare. (2) Determinare una base di ker(f) e stabilire se f è iniettiva. (3) Calcolare w
DettagliApplicazioni lineari
Applicazioni lineari Esempi di applicazioni lineari Definizione. Se V e W sono spazi vettoriali, una applicazione lineare è una funzione f: V W tale che, per ogni v, w V e per ogni a, b R si abbia f(av
DettagliESERCIZI DI ALGEBRA LINEARE E GEOMETRIA
ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai
DettagliLEZIONE 31. B i : R n R. R m,n, x = (x 1,..., x n ). Allora sappiamo che è definita. j=1. a i,j x j.
LEZIONE 31 31.1. Domini di funzioni di più variabili. Sia ora U R n e consideriamo una funzione f: U R m. Una tale funzione associa a x = (x 1,..., x n ) U un elemento f(x 1,..., x n ) R m : tale elemento
DettagliDiagonalizzazione di matrici e applicazioni lineari
CAPITOLO 9 Diagonalizzazione di matrici e applicazioni lineari Esercizio 9.1. Verificare che v = (1, 0, 0, 1) è autovettore dell applicazione lineare T così definita T(x 1,x 2,x 3,x 4 ) = (2x 1 2x 3, x
Dettagli1. PRIME PROPRIETÀ 2
RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,
DettagliESERCIZI APPLICAZIONI LINEARI
ESERCIZI APPLICAZIONI LINEARI PAOLO FACCIN 1. Esercizi sulle applicazioni lineari 1.1. Definizioni sulle applicazioni lineari. Siano V, e W spazi vettoriali, con rispettive basi B V := (v 1 v n) e B W
DettagliLezione 9: Cambio di base
Lezione 9: Cambio di base In questa lezione vogliamo affrontare uno degli argomenti piu ostici per lo studente e cioè il cambio di base all interno di uno spazio vettoriale, inoltre cercheremo di capire
DettagliParte 2. Determinante e matrice inversa
Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
DettagliLezione 6 Nucleo, Immagine e Teorema della Dimensione. 1 Definizione di Nucleo e Immagine
Lezione 6 Nucleo, Immagine e Teorema della Dimensione In questa lezione entriamo nel vivo della teoria delle applicazioni lineari. Per una applicazione lineare L : V W definiamo e impariamo a calcolare
DettagliLE FIBRE DI UNA APPLICAZIONE LINEARE
LE FIBRE DI UNA APPLICAZIONE LINEARE Sia f:a B una funzione tra due insiemi. Se y appartiene all immagine di f si chiama fibra di f sopra y l insieme f -1 y) ossia l insieme di tutte le controimmagini
DettagliRango: Rouchè-Capelli, dimensione e basi di spazi vettoriali.
CAPITOLO 7 Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. Esercizio 7.1. Determinare il rango delle seguenti matrici al variare del parametro t R. 1 4 2 1 4 2 A 1 = 0 t+1 1 A 2 = 0 t+1 1
DettagliA i è un aperto in E. i=1
Proposizione 1. A è aperto se e solo se A c è chiuso. Dimostrazione. = : se x o A c, allora x o A = A o e quindi esiste r > 0 tale che B(x o, r) A; allora x o non può essere di accumulazione per A c. Dunque
DettagliEquazioni alle differenze finite (cenni).
AL 011. Equazioni alle differenze finite (cenni). Sia a n } n IN una successione di numeri reali. (Qui usiamo la convenzione IN = 0, 1,,...}). Diremo che è una successione ricorsiva o definita per ricorrenza
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI 1. Esercizi Esercizio 1. Date le seguenti applicazioni lineari (1) f : R 2 R 3 definita da f(x, y) = (x 2y, x + y, x + y); (2) g : R 3 R 2 definita da g(x, y, z) = (x + y, x y); (3)
DettagliLezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari
Versione ottobre novembre 2008 Lezioni di Algebra Lineare III. Applicazioni lineari e matrici Struttura algebrica delle soluzioni dei sistemi lineari Contenuto 1. Applicazioni lineari 2. L insieme delle
DettagliIniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora:
Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: G.C.D.( a d, b d ) = 1 Sono state introdotte a lezione due definizioni importanti che ricordiamo: Definizione
DettagliUniversità degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica
Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica Esame di Geometria (Prof. F. Tovena) Argomenti: Proprietà di nucleo e immagine di una applicazione lineare. dim V = dim
Dettagli10. Insiemi non misurabili secondo Lebesgue.
10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
DettagliChiusura lineare. N.B. A può essere indifferentemente un insieme, finito o no, o un sistema. Es.1. Es.2
Chiusura lineare Def. Sia A V (K) con A. Si dice copertura lineare (o chiusura lineare) di A, e si indica con L(A), l insieme dei vettori di V che risultano combinazioni lineari di un numero finito di
DettagliAlgebra Lineare e Geometria
Algebra Lineare e Geometria Corso di Laurea in Ingegneria Elettronica A.A. 2013-2014 Prova d esame del 16/06/2014. 1) a) Determinare la matrice associata all applicazione lineare T : R 3 R 4 definita da
DettagliALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE
ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è
DettagliSiano V e W due spazi vettoriali. La definizione seguente é è tra quelle basilari per il corso di Matematica B. L : V W
Matematica B - a.a 2006/07 p. 1 Siano V e W due spazi vettoriali. La definizione seguente é è tra quelle basilari per il corso di Matematica B. Definizione 1. La funzione L : V W si dice una applicazione
Dettagli3 Applicazioni lineari e matrici
3 Applicazioni lineari e matrici 3.1 Applicazioni lineari Definizione 3.1 Siano V e W dei K spazi vettoriali. Una funzione f : V W è detta applicazione lineare se: i u, v V, si ha f(u + v = f(u + f(v;
DettagliProof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme
G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero
DettagliMATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010
elementi di teoria dei grafi anno acc. 2009/2010 Grafi semplici Un grafo semplice G è una coppia ordinata (V(G), L(G)), ove V(G) è un insieme finito e non vuoto di elementi detti vertici o nodi di G, mentre
DettagliSTRUTTURE ALGEBRICHE
STRUTTURE ALGEBRICHE Operazioni in un insieme Sia A un insieme non vuoto; una funzione f : A A A si dice operazione binaria (o semplicemente operazione), oppure legge di composizione interna. Per definizione
DettagliOGNI SPAZIO VETTORIALE HA BASE
1 Mimmo Arezzo OGNI SPAZIO VETTORIALE HA BASE CONVERSAZIONE CON ALCUNI STUDENTI DI FISICA 19 DICEMBRE 2006 2 1 Preliminari Definizione 1.0.1 Un ordinamento parziale (o una relazione d ordine parziale)
DettagliPer lo svolgimento del corso risulta particolarmente utile considerare l insieme
1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R
DettagliMATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni.
MATEMATICA. Sistemi lineari in due equazioni due incognite. Date due equazioni lineari nelle due incognite x, y come ad esempio { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un
DettagliCapitolo 2. Operazione di limite
Capitolo 2 Operazione di ite In questo capitolo vogliamo occuparci dell operazione di ite, strumento indispensabile per scoprire molte proprietà delle funzioni. D ora in avanti riguarderemo i domini A
DettagliRICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come
RICHIAMI SULLE MATRICI Una matrice di m righe e n colonne è rappresentata come A = a 11 a 12... a 1n a 21 a 22... a 2n............ a m1 a m2... a mn dove m ed n sono le dimensioni di A. La matrice A può
DettagliDOMINI A FATTORIZZAZIONE UNICA
DOMINI A FATTORIZZAZIONE UNICA CORSO DI ALGEBRA, A.A. 2012-2013 Nel seguito D indicherà sempre un dominio d integrità cioè un anello commutativo con unità privo di divisori dello zero. Indicheremo con
Dettaglix u v(p(x, fx) q(u, v)), e poi
0.1. Skolemizzazione. Ogni enunciato F (o insieme di enunciati Γ) è equisoddisfacibile ad un enunciato universale (o insieme di enunciati universali) in un linguaggio estensione del linguaggio di F (di
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliEsercizio 1 Dato il gioco ({1, 2, 3}, v) con v funzione caratteristica tale che:
Teoria dei Giochi, Trento, 2004/05 c Fioravante Patrone 1 Teoria dei Giochi Corso di laurea specialistica: Decisioni economiche, impresa e responsabilità sociale, A.A. 2004/05 Soluzioni degli esercizi
Dettagli19. Inclusioni tra spazi L p.
19. Inclusioni tra spazi L p. Nel n. 15.1 abbiamo provato (Teorema 15.1.1) che, se la misura µ è finita, allora tra i corispondenti spazi L p (µ) si hanno le seguenti inclusioni: ( ) p, r ]0, + [ : p
DettagliUniversita degli Studi di Roma Tor Vergata Facolta di Ingegneria - Edile ed Edile-Architettura
Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria - Edile ed Edile-Architettura Primo Esonero del corso di Geometria Docente F. Flamini, Roma, 2//28 SOLUZIONI COMPITO I ESONERO Esercizio.
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliFederico Lastaria. Analisi e Geometria 2. Matrici simmetriche. Il teorema spettrale. 1/24
Contenuto Endomorfismi auto-aggiunti. Matrici simmetriche. Il teorema spettrale Gli autovalori di una matrice simmetrica sono tutti reali. (Dimostrazione fatta usando i numeri complessi). Dimostrazione
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dottssa MC De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Corso di Calcolo Numerico - Dottssa MC De Bonis
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliLuigi Piroddi piroddi@elet.polimi.it
Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,
Dettagli( x) ( x) 0. Equazioni irrazionali
Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza
DettagliSulle funzioni di W 1,p (Ω) a traccia nulla
Sulle funzioni di W 1,p () a traccia nulla Sia u W 1,p (R n ) e supponiamo che il supp u, essendo un aperto di R n. Possiamo approssimare u con una successione di funzioni C il cui supporto è contenuto
DettagliAppunti sulla Macchina di Turing. Macchina di Turing
Macchina di Turing Una macchina di Turing è costituita dai seguenti elementi (vedi fig. 1): a) una unità di memoria, detta memoria esterna, consistente in un nastro illimitato in entrambi i sensi e suddiviso
DettagliSpazi lineari - PARTE II - Felice Iavernaro. Dipartimento di Matematica Università di Bari. 9 e 16 Marzo 2007
Spazi lineari - PARTE II - Felice Iavernaro Dipartimento di Matematica Università di Bari 9 e 16 Marzo 2007 Felice Iavernaro (Univ. Bari) Spazi lineari 9-16/03/2007 1 / 17 Condizionamento dei sistemi lineari
Dettagliu 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k
Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure
DettagliRette e piani con le matrici e i determinanti
CAPITOLO Rette e piani con le matrici e i determinanti Esercizio.. Stabilire se i punti A(, ), B(, ) e C(, ) sono allineati. Esercizio.. Stabilire se i punti A(,,), B(,,), C(,, ) e D(4,,0) sono complanari.
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliMetodi Stocastici per la Finanza
Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2011-2012 Lezione 6 Indice 1 Il metodo bootstrap 2 Esercitazione 3 Interpolazione
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliMatematica generale CTF
Equazioni differenziali 9 dicembre 2015 Si chiamano equazioni differenziali quelle equazioni le cui incognite non sono variabili reali ma funzioni di una o più variabili. Le equazioni differenziali possono
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano
DettagliFunzioni. Parte prima. Daniele Serra
Funzioni Parte prima Daniele Serra Nota: questi appunti non sostituiscono in alcun modo le lezioni del prof. Favilli, né alcun libro di testo. Sono piuttosto da intendersi a integrazione di entrambi. 1
DettagliIl principio di induzione e i numeri naturali.
Il principio di induzione e i numeri naturali. Il principio di induzione è un potente strumento di dimostrazione, al quale si ricorre ogni volta che si debba dimostrare una proprietà in un numero infinito
DettagliCORSO DI LAUREA INF TWM ANNO DI IMMATRICOLAZIONE MATRICOLA
COGNOME NOME CORSO DI LAUREA INF TWM ANNO DI IMMATRICOLAZIONE MATRICOLA SIMULAZIONE SCRITTO DI MATEMATICA DISCRETA, SECONDA PARTE Per ottenere la sufficienza bisogna rispondere in modo corretto ad almeno
DettagliCORSO DI LAUREA IN INGEGNERIA.
CORSO DI LAUREA IN INGEGNERIA. FOGLIO DI ESERCIZI 4 GEOMETRIA E ALGEBRA LINEARE 2010/11 Esercizio 4.1 (2.2). Determinare l equazione parametrica e Cartesiana della retta dello spazio (a) Passante per i
DettagliRette e curve, piani e superfici
Rette e curve piani e superfici ) dicembre 2 Scopo di questo articolo è solo quello di proporre uno schema riepilogativo che metta in luce le caratteristiche essenziali delle equazioni di rette e curve
DettagliOttimizazione vincolata
Ottimizazione vincolata Ricordiamo alcuni risultati provati nella scheda sulla Teoria di Dini per una funzione F : R N+M R M di classe C 1 con (x 0, y 0 ) F 1 (a), a = (a 1,, a M ), punto in cui vale l
Dettagli1 Giochi a due, con informazione perfetta e somma zero
1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una
DettagliRETTE, PIANI, SFERE, CIRCONFERENZE
RETTE, PIANI, SFERE, CIRCONFERENZE 1. Esercizi Esercizio 1. Dati i punti A(1, 0, 1) e B(, 1, 1) trovare (1) la loro distanza; () il punto medio del segmento AB; (3) la retta AB sia in forma parametrica,
DettagliProdotto libero di gruppi
Prodotto libero di gruppi 24 aprile 2014 Siano (A 1, +) e (A 2, +) gruppi abeliani. Sul prodotto cartesiano A 1 A 2 definiamo l operazione (x 1, y 1 ) + (x 2, y 2 ) := (x 1 + x 2, y 1 + y 2 ). Provvisto
DettagliLezione del 28-11-2006. Teoria dei vettori ordinari
Lezione del 8--006 Teoria dei vettori ordinari. Esercizio Sia B = {i, j, k} una base ortonormale fissata. ) Determinare le coordinate dei vettori v V 3 complanari a v =,, 0) e v =, 0, ), aventi lunghezza
DettagliEsempio. Approssimazione con il criterio dei minimi quadrati. Esempio. Esempio. Risultati sperimentali. Interpolazione con spline cubica.
Esempio Risultati sperimentali Approssimazione con il criterio dei minimi quadrati Esempio Interpolazione con spline cubica. Esempio 1 Come procedere? La natura del fenomeno suggerisce che una buona approssimazione
DettagliMATRICI E DETERMINANTI
MATRICI E DETERMINANTI 1. MATRICI Si ha la seguente Definizione 1: Un insieme di numeri, reali o complessi, ordinati secondo righe e colonne è detto matrice di ordine m x n, ove m è il numero delle righe
DettagliLezioni di Geometria e Algebra. Fulvio Bisi, Francesco Bonsante, Sonia Brivio
Lezioni di Geometria e Algebra Fulvio Bisi, Francesco Bonsante, Sonia Brivio CAPITOLO 4 Applicazioni lineari 1. Definizioni ed esempi. In questo capitolo ci proponiamo di studiare le funzioni tra spazi
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
DettagliL espressione torna invece sempre vera (quindi la soluzione originale) se cambiamo contemporaneamente il verso: 1 < 0.
EQUAZIONI E DISEQUAZIONI Le uguaglianze fra espressioni numeriche si chiamano equazioni. Cercare le soluzioni dell equazione vuol dire cercare quelle combinazioni delle lettere che vi compaiono che la
Dettagli1 Insiemi e terminologia
1 Insiemi e terminologia Assumeremo come intuitiva la nozione di insieme e ne utilizzeremo il linguaggio come strumento per studiare collezioni di oggetti. Gli Insiemi sono generalmente indicati con le
DettagliESEMPIO 1: eseguire il complemento a 10 di 765
COMPLEMENTO A 10 DI UN NUMERO DECIMALE Sia dato un numero N 10 in base 10 di n cifre. Il complemento a 10 di tale numero (N ) si ottiene sottraendo il numero stesso a 10 n. ESEMPIO 1: eseguire il complemento
DettagliAppunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti.
Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Def. Si dice equazione differenziale lineare del secondo ordine
DettagliPercorsi di matematica per il ripasso e il recupero
Giacomo Pagina Giovanna Patri Percorsi di matematica per il ripasso e il recupero 2 per la Scuola secondaria di secondo grado UNITÀ CAMPIONE Edizioni del Quadrifoglio à t i n U 1 Sistemi di primo grado
DettagliAlcuni complementi sulle successioni
Alcuni complementi sulle successioni 1 (Teorema del confronto) Siano {a n } e {b n } due successioni regolari tali che si abbia a n b n n N. (1) Allora: a n b n. (2) Dim. Sia L = a n ed L = b n. Se L =
Dettagli15 febbraio 2010 - Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a. 2009-2010 COGNOME... NOME... N. MATRICOLA...
15 febbraio 010 - Soluzione esame di geometria - 1 crediti Ingegneria gestionale - a.a. 009-010 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura
Dettaglix (x i ) (x 1, x 2, x 3 ) dx 1 + f x 2 dx 2 + f x 3 dx i x i
NA. Operatore nabla Consideriamo una funzione scalare: f : A R, A R 3 differenziabile, di classe C (2) almeno. Il valore di questa funzione dipende dalle tre variabili: Il suo differenziale si scrive allora:
DettagliParticelle identiche : schema (per uno studio più dettagliato vedi lezione 2) φ 1
Particelle identiche : schema (per uno studio più dettagliato vedi lezione ) Funzioni d onda di un sistema composto Sistema costituito da due particelle (eventualmente identiche) H φ q H φ H ψ φ φ stato
DettagliCAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI
CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI Abbiamo studiato successioni e serie numeriche, ora vogliamo studiare successioni e serie di funzioni. Dato un insieme A R, chiamiamo successione di funzioni
DettagliG. Pareschi ALGEBRE DI BOOLE. 1. Algebre di Boole
G. Pareschi ALGEBRE DI BOOLE 1. Algebre di Boole Nel file precedente abbiamo incontrato la definizione di algebra di Boole come reticolo: un algebra di Boole e un reticolo limitato, complementato e distributivo.
Dettagli4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale
4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale Spazi Metrici Ricordiamo che uno spazio metrico è una coppia (X, d) dove X è un insieme e d : X X [0, + [ è una funzione, detta metrica,
Dettagli16.1 Dimensione di uno spazio vettoriale
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
Dettagli2 Argomenti introduttivi e generali
1 Note Oltre agli esercizi di questa lista si consiglia di svolgere quelli segnalati o assegnati sul registro e genericamente quelli presentati dal libro come esercizio o come esempio sugli argomenti svolti
DettagliAlgebra lineare for dummies
Algebra lineare for dummies Sergio Polini 26 settembre 22 Indice Premessa 2 Spazi vettoriali 3. Definizione................................ 3.2 Sottospazi vettoriali........................... 3.3 Indipendenza
DettagliPolitecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).
Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................
DettagliFASCI DI RETTE. scrivere la retta in forma esplicita: 2y = 3x + 4 y = 3 2 x 2. scrivere l equazione del fascio di rette:
FASCI DI RETTE DEFINIZIONE: Si chiama fascio di rette parallele o fascio improprio [erroneamente data la somiglianza effettiva con un fascio!] un insieme di rette che hanno tutte lo stesso coefficiente
Dettagli