Documente Academic
Documente Profesional
Documente Cultură
Ingegneria Industriale
20112012
Rocco Chiriv`
Dipartimento di Matematica e Fisica
Universit`a del Salento
rocco.chirivi@unisalento.it
Esame
Modalit`
a desame
Prova scritta.
(a) 5 domande a risposta multipla 10 punti:
2 punti per risposta esatta,
0 punti per risposta non data,
-0.5 punti per risposta errata.
(b) Un esercizio di calcolo 10 punti.
(c) Un esercizio teorico 10 punti.
Si supera lo scritto con 18 punti.
Uno scritto superato vale anche per tutti gli
appelli successivi, se non si consegna un nuovo
scritto.
Prova orale: opzionale.
Se non si fa lorale voto esame = voto scritto,
Se si fa lorale voto esame = media voto
scritto e voto orale.
Se non si accetta il voto allorale si rif`a lo scritto.
I numeri
Numeri
Operazioni
Operazioni
Definizione. Una operazione su un unsieme X `e
unapplicazione
X X X
(a, b) 7 a b.
1. Z Z 3 (a, b) 7 a + b Z `e unoperazione.
2. Q Q 3 (a, b) 7
a+b
2
Q `e unoperazione.
sopra
sono
Gruppi
Gruppi
Un insieme non vuoto G con unoperazione si dice
gruppo se:
loperazione `e associativa,
esiste un elemento e in G per cui per ogni g G si
ha
g e = e g = g,
e si chiama elemento neutro,
per ogni g G esiste g 0 G per cui:
g g 0 = g 0 g = e,
g 0 si chiama inverso di g e si indica con g 1.
Se inoltre `e commutativa allora G si dice abeliano.
1. (Z, +), (Q, +), (R, +) e (C, +) sono gruppi
abeliani,
4
Gruppi
.
.
.
2. Q = Q \ {0}, R = R \ {0}, e C = C \ {0} sono
gruppi con la moltiplicazione.
Un sottoinsieme H di un gruppo (G, ) si dice
sottogruppo se `e (H, ) `e un gruppo.
1. Linsieme P Z dei numeri pari `e un sottogruppo
di (Z, +),
2. linsieme D Z dei numeri dispari non `e un
sottogruppo di (Z, +).
Anelli
Anelli
Campi
Campi
0
0
1
1
1
0
0
1
0
0
0
1
0
1
`e un campo!
7
Spazi vettoriali
Spazi vettoriali
Sia K un campo, un gruppo abeliano (V, +) con
unapplicazione
K V V
(, v) 7 v,
si dice spazio vettoriale su K se per ogni , K e
u, v V si ha:
( v) = () v,
( + ) v = v + v,
(u + v) = u + v,
1 v = v.
Gli elementi di V sono detti vettori, quelli di K scalari.
Lelemento neutro 0 per la somma + di V `e detto
vettore nullo.
Esercizio: provare che 0 v = 0 per ogni vettore v.
8
Spazi vettoriali
x1
x2
n
x1
y1
x 1 + y1
x2 y2 x2 + y2
. + . =
..
. .
xn
yn
x n + yn
e
x1
x1
x2 x2
.. = .. .
xn
xn
Allora Rn con +, `e uno spazio vettoriale su R.
2. Linsieme dei polinomi R[t] con coefficienti in R `e
uno spazio vettoriale con le operazioni di somma di
polinomi e moltiplicazione tra reali e polinomi.
9
Spazi vettoriali
a1,1 a1,2
a2,1 a2,2
.
..
.
an,1 an,2
a1,m
a2,m
..
an,m
10
Spazi vettoriali
Sottospazi vettoriali
Un sottoinsieme non vuoto W di uno spazio vettoriale
V su K si dice sottospazio vettoriale se: per ogni
u, v W e K si ha u + v W e u W .
1. Se W `e il sottoinsieme di Rn delle nuple con
prima coordinata nulla, allora W `e un sottospazio
vettoriale di Rn.
2. Linsieme Rn[t] dei polinomi a coefficienti in R
e grado minore o uguale ad n `e un sottospazio
vettoriale di R[t].
3. Se U `e un sottospazio vettoriale allora 0 U .
Perch`e? `e vero il viceversa?
4. I sottospazi vettoriali del piano R2 sono: {0}, le
rette passanti per 0 e tutto il piano.
5. I sottospazi vettoriali di R3 sono: {0}, le rette
passanti per 0, i piani passanti per 0 e tutto lo
spazio.
11
Spazi vettoriali
12
Spazi vettoriali
Proposizione. U W `e il pi`
u grande sottospazio
vettoriale contenuto in U e W , U + W `e il pi`
u piccolo
sottospazio vettoriale contenente U e W .
Dimostrazione. U W `e contenuto in U e W ed `e un
sottospazio vettoriale. Viceversa se Z `e un sottospazio
vettoriale contenuto in U e in W allora Z `e contenuto
in U W .
U + W `e un sottospazio vettoriale e contiene U =
{u + 0 | u U } e W = {0 + w | w W }. Viceversa
se Z `e un sottospazio vettoriale che contiene U e W
allora Z deve contenere anche u + w per ogni u U
e w W , quindi Z contiene U + W .
13
Spazi vettoriali
Se U W = 0 allora U + W si scrive U W e si
dice somma diretta.
Proposizione. La somma di U e W `e diretta se e
solo se ogni z U + W si scrive in modo unico come
z = u + w con u U e w W .
Dimostrazione. Supponiamo che la somma sia diretta
e siano z = u + w e z = u0 + w0 due scritture di z
con u, u0 U e w, w0 W . Vogliamo far vedere che
u = u0 e w = w0. Infatti da u + w = z = u0 + w0
abbiamo u u0 = w w0, ma il primo membro `e in
U e il secondo membro `e in W . Quindi u u0 = 0
e w w0 = 0 visto che U W = 0, cio`e u = u0 e
w = w0.
Viceversa supponiamo che la scrittura sia unica e
proviamo che U W = 0. Sia z U W , allora
abbiamo le due scritture z = z + 0 e z = 0 + z.
Essendo la scrittura unica abbiamo z = 0.
14
Spazi vettoriali
Combinazioni lineari
si
chiama
1v1 + 2v2 + + r vr
dove 1, 2, . . . , r sono scalari.
La combinazione lineare 0 con 1 = 2 = = r = 0
si dice banale.
I vettori v1, v2, . . . , vr si dicono linearmente indipendenti se lunica combinazione lineare che fa 0 `e quella
banale. Altrimenti si dicono linearmente dipendenti.
1. I vettori di R3
1
0 ,
0
1
1 ,
0
1
1
1
Spazi vettoriali
2. I vettori di R3
1
0 ,
0
2
3
3
1
1 ,
1
1 1
0 1
,
1 0
1 1
Spazi vettoriali
Spazi vettoriali
1
0
.
e1 = .
,
.
0
0
1
.
e2 = .
,...,
.
0
.
en =
0
0
0
..
1
Spazi vettoriali
19
Spazi vettoriali
Basi
Spazi vettoriali
Kr
t
(1, . . . , r )
`e una bigezione.
21
Spazi vettoriali
Esistenza basi
Spazi vettoriali
Spazi vettoriali
0
1
2
2
1
0
0 , 1 , 2 , 1 , 0 , 0
1
1
0
2
1
0
`e un insieme di generatori per R3 ed estrarre da esso
una base.
24
Spazi vettoriali
2
1
0 , 0
1
0
di R3 sono linearmente indipendenti e completarli ad
una base.
25
Spazi vettoriali
Teorema. Sia
{w1, w2, . . . , wm} L(v1, v2, . . . , vn).
Allora se m > n i vettori w1, w2, . . . , wm sono
dipendenti.
Dimostrazione. Se uno dei vettori w1, w2, . . . , wm `e
nullo la tesi `e vera, quindi assumiamo che siano tutti
non nulli.
Procediamo per induzione su n. Se n = 1 allora
m 2 e i vettori w1, w2, . . . , wm sono tutti in L(v1),
cio`e sono tutti multipli di v1. In particolare w1 = av1,
w2 = bv2 e quindi w2 = ab w1 (in quanto a 6= 0) e
quindi w1 e w2 sono dipendenti.
Supponiamo n > 1 e la tesi vera per n 1.
Possiamo scrivere
wj = 1,j v1 + 2,j v2 + + n,j vn
26
Spazi vettoriali
n,m
n,2
w1 , . . . , w m
w1 L(v1, . . . , vn1)
n,1
n,1
27
Spazi vettoriali
Corollario. Sia V spazio vettoriale finitamente generato. Allora tutte le basi di V hanno lo stesso numero di
elementi.
Dimostrazione. Siano B, B 0 due basi di V con n e n0
elementi rispettivamente. Abbiamo
B 0 V = L(B),
B V = L(B 0)
allora, dal teorema precedente, n0 n e n n0, cio`e
n0 = n.
Si chiama dimensione, dim V , di uno spazio vettoriale V finitamente generato il numero di elementi
di una sua (qualsiasi) base. Se V non `e finitamente
generato si pone dim V = .
28
Spazi vettoriali
Esercizi.
1. Che dimensione ha Rn?
2. Provare che Rn[t] ha dimensione n + 1.
3. Provare che dim Rn,m = nm.
4. Calcolare la dimensione del sottospazio vettoriale di
R4 generato dai vettori
0
1
1
0 1 1
,
1 1 , 0 .
1
0
1
5. Sia V linsieme delle matrici A R3,3 per cui
A + tA = 0. Provare che V `e un sottospazio
vettoriale (matrici antisimmetriche) e calcolarne la
dimensione.
29
Spazi vettoriali
vettori generano R4
1
0
3
, 1 .
5 1
0
0
30
Spazi vettoriali
31
Esercizio.
vettori
Spazi vettoriali
1
1
1
1
1
3
u1 = , u2 =
, u3 =
1
1
1
1
1
3
e W il sottospazio generato dai vettori
3
1
1
1
2
2
w1 =
0 , w2 = 1 , w3 = 3 .
1
2
2
Calcolare dim U , dim W , dim U W e dim(U + W ).
32
Spazi vettoriali
3
a+b
2a + 2b 1
=
b
1
2a + 2b
che `e impossibile. Quindi w1, w2, w3 `e una base di W
e si ha dim W = 3.
Un sistema di generatori di U + W `e dato da
u1, u2, u3, w1, w2, w3. (Perch`e?) Possiamo quindi
estrarre una base per U + W .
33
Spazi vettoriali
34
Spazi vettoriali
Spazi vettoriali
Sia allora
a1v1+ +ahvh+b1u1+ +bpup+c1w1+ +cq wq = 0.
Vogliamo provare che i coefficienti sono tutti nulli. Se
.
poniamo w = c1w1 cq wq W , visto che
w = a1v1 + + ahvh + b1u1 + + bpup,
abbiamo w U W e quindi
w = d1v1 + + dhvh
per opportuni scalari d1, d2, . . . , dh. Cio`e
d1v1 + + dhvh + c1w1 + + cq wq = 0
per definizione di w. Ma allora d1 = d2 = = dh =
c1 = c2 = = cq = 0 visto che v1, v2, . . . , wq `e una
36
Spazi vettoriali
37
Spazi vettoriali
0
2a
| a R}
U = {
a
a
x
y
V = {
z
t
verificare la formula
k R il vettore
| x + y = z t = 0},
1
1
0
k
`e un elemento di U + V ?
38
Spazi vettoriali
39
Matrici
Matrici
Una matrice a coefficienti in un campo K `e una
tabella
1 0 3
1
3
B=
, A = 1 0 2 .
3 1
3 1 1
allora B `e una sottomatrice di A. In particolare si
chiama minore una sottomatrice quadrata.
40
Matrici
0 1
2 43 7
,
0
t
A= 1
2
3
4
Matrici
identit`
a se quadrata diagonale con tutti 1 sulla
diagonale.
di permutazione se in ogni riga ed ogni colonna
c`e un solo 1 e tutti 0,
nulla se aij = 0 per ogni i e j.
Due matrici A = (aij ), B = (bij ) Kn,m si
possono sommare e si definisce
C = A + B,
C = (cij ),
.
cij = aij + bij .
Inoltre se K allora
A = (aij ).
Cos` Kn,m `e uno spazio vettoriale di dimensione nm
su K.
42
Matrici
Esercizi.
1. Provare che t(A + B) = tA + tB e t(A) = tA.
2. Se A `e quadrata provare che
. 1
A0 = (A + tA)
2
`e simmetrica e
. 1
A1 = (A tA)
2
`e antisimmetrica. Inoltre
A = A0 + A1
e quindi ogni matrice `e somma di una simmetrica e
di una antisimmetrica.
43
Matrici
Prodotto di matrici
Date le matrici
A = (aij ) Kn,m
B = (bij ) Km,h
definiamo
C = (ci,j ) Kn,h
C = A B,
con
m
X
.
cij =
ai,r br,j .
r=1
Esempio. Date
A=
1 0 1
2 3 4
,
0 3 1 0
4
1
B= 1 1
0 0
2 2
determinare A B. Ha senso B A?
44
Matrici
Matrici
Esercizi.
1. Decidere se le due matrici
0 1
1 0
,
0 0
0 0
commutano o meno.
2. Sia
1
A = 0 .
3
Calcolare tA, AtA e tAA.
3. Provare che t(AB) = tB tA.
4. Provare che se A e B commutano allora (AB)k =
Ak B k per ogni k 1.
5. Provare che se A Kn,n e I Kn,n `e la matrice
identit`a allora AI = A = IA.
46
Matrici
1 1
0 1
,
1 2
0 0
,
a b
c d
.
47
Matrici
Determinante
Sia A = (aij ) Kn,n. Fissato un coefficiente
ahk , sia Ahk Kn1,n1 il minore di A ottenuto
cancellando la riga hesima e la colonna kesima. Se
1 2 0
A = 0 1 1
1 1 3
allora, ad esempio,
1 1
,
A11 =
1 3
A31 =
2 0
1 1
Vediamo ora
determinante
A23 =
una
,
A22 =
1 2
1 1
1 0
1 3
definizione
,
.
ricorsiva
di
Kn,n 3 A 7 det A K.
48
Matrici
n
X
j=1
a b
c d
K2,2
n
X
i=1
49
Matrici
a b c
A = d e f K3,3
g h i
e f
h i
b det
d f
g i
+c
d e
g h
Matrici
Esercizi.
1. Calcolare il determinante della matrice
1 2 0
1 2 0
0 1 1 = 0 1 1
1 1 3
1 1 3
1 2
0 1 =
1 1
= 3 + 2 + 1 = 0.
2. Provare che
a b c d
0 e f g
det
0 0 h i = aehl.
0 0 0 l
Matrici
Proposizione.
a11
a21
det
..
..
an,1
a01,j
a02,j
a001,j
a002,j
a0n,j + a00n,j
+
+
a01,j
a02,j
a1,n
a2,n
..
an,n
a11
a1,n
a21
a2,n
+
det .
.
.
.
.
.
an,1 a0n,j an,n
00
a11 a1,j a1,n
a21 a002,j a2,n
det
..
..
..
.
an,1 a00n,j an,n
Se una matrice ha una colonna che `e somma di due
colonne allora il suo determinante `e la somma dei
determinanti delle matrici con le singole colonne. Lo
stesso risultato si ha se una matrice ha una riga che `e
somma di due righe.
Dimostrazione. Siano A la matrice data e A0 e A00
le matrici con le singole colonne. Sviluppando per la
52
Matrici
Pn
Pn
i+j 0
00
(1)
(a
+
a
i,j
i,j ) det Ai,j
i=1
i=1 (1)
i+j 0
ai,j
det Ai,j
Pn
i+j 00
(1)
ai,j det Ai,j
i=1
a11
a21
det
..
..
an,1
det
Se si moltiplica
il determinante
a1,j
a2,j
an,j
a1,n
a2,n
..
=
an,n
Matrici
Pn
i=1 (1)
i+j
Pn
i+j
(1)
ai,j det Ai,j
i=1
= det A0.
Corollario. det(A) = n det A.
Teorema. Se si scambiano due righe o due colonne di
una matrice il determinante cambia segno.
Corollario. Se una matrice ha due righe uguali o
due colonne uguali allora il suo determinante `e nullo.
Dimostrazione. Infatti scambiando le righe il determinante dovrebbe sia cambiare segno che rimanere lo
stesso. Lo stesso ragionamento per le colonne.
54
Matrici
Matrici
Corollario. Se le colonne di una matrice sono linearmente dipendenti (come vettori di Kn) allora il
determinante `e nullo.
Dimostrazione. Se le colonne di A sono linearmente dipendenti allora una di esse, diciamo Aj , `e
combinazione lineare delle altre:
Aj = 1A1 + + j1Aj1 + j+1Aj+1 + + nAn
per alcuni scalari 1, . . . , j1, j+1, . . . , n.
Dal corollario precedente det A = det A0 con A0 la
matrice A a cui alla colonna jesima `e stata sostituita
la colonna nulla. Ma det A0 = 0 e quindi la tesi.
Teorema. [Binet] Se A, B Kn,n allora det(AB) =
det A det B.
Si prova facilmente per induzione su n che se
A Rn,n allora:
Osservazione. det A = det tA.
56
Matrici
n
X
uh,k vk .
k=1
Consideriamo ora la matrice B = (uh,k ) Kn,n. Abbiamo BA = I e quindi det(B) det(A) = 1 da cui
det A 6= 0.
Esercizio. Determinare per
sono dipendenti i vettori
1
2
0
, ,
1
1
0
1
0
0
,
1
1
1
2
.
0
0
57
Matrici
1
Adj(A).
det A
58
Matrici
Esercizi.
1. Calcolare linversa della matrice
1/2 0 1
0 4 1 .
4 0 2
2. Data la matrice
0 1 1
1 0 1
1 1 0
verificare che A2 A 2I = 0. Dedurne che A `e
invertibile e calcolare A1.
3. Se A `e invertibile esiste un intero h per cui Ah = 0?
4. Provare che linsieme delle matrici n n invertibili
`e un gruppo.
59
Matrici
60
Matrici
Esercizi.
1. Calcolare il rango della matrice
1 3 2 5
6 2 4 3 .
2 6 4 10
2. Determinare, in funzione del parametro , il rango
della matrice
1 1
1 1 .
1 1
61
Matrici
1 1 2
0 1 2 ,
1 1 3
1 0 0
0 1 0
0 0 1
Matrici
Matrici
64
Matrici
0 1 0 2 3
0 0 7 1 5
0 0 0 0 2
0 0 0 0 0
`e a scalini. Mentre la matrice
0 1 0 2 3
0 0 7 1 5
0 0 5 0 2
0 2 0 0 0
non `e a scalini.
65
Matrici
0 0 2 3 1
A = 0 1 1 4 2 .
0 2 1 1 1
1. Scambio la prima e la seconda riga
0 1 1 4 2
0 0 2 3 1
0 2 1 1 1
2. sottraggo dalla terza riga il doppio della prima
0 1 1 4 2
0 0 2
3 1
0 0 3 7 5
66
Matrici
0 1 1
4
3
A0 = 0 0 2
0 0 0 23
2
2
1 .
13
2
1
0
1
0
2 1 2 0
0 0
0 0
.
2 1
3 0
0 1
1 1
67
Matrici
Matrici
Matrici
1
1
0
1
0
2
1
1
, v4 =
, v2 = , v3 =
v1 =
3
1
1
2
4
2
1
3
Soluzione.
Consideriamo la matrice con colonne
v1, v2, v3 e v4
1
1
A=
2
3
0 1 1
1 2 0
.
1 1 3
1 2 4
70
Matrici
1 0 1 1
0 1 1 1
A=
0 0 0 0
0 0 0 0
quindi V ha dimensione 2 e i vettori nella matrice
iniziale corrispondenti alle colonne con i pivot, cio`e v1
e v2, formano una sua base.
Osservazione. Lalgoritmo di Gauss `e equivalente allalgoritmo per estrarre una base da un insieme di
generatori.
71
Matrici
1
0 1
A = 1 1 2 .
0
2 3
Consideriamo la nuova
1
A = 1
0
0 1 1 0 0
1 2 0 1 0
2 3 0 0 1
1
0 1 1 0 0
1 1 2 0 1 0
0
2 3 0 0 1
1 0 1 1 0 0
0 1 3 1 1 0
0 2 3 0 0 1
72
Matrici
1 0 1 1 0 0
0 1 3 1 1 0 .
0 0 9 2 2 1
Visto che il rango `e 3 la matrice `e invertibile. Procediamo a rendere ogni pivot 1, dividendo ogni riga per
il suo pivot. Otteniamo
1
0
0
1 0 1
0 1 3 1 1
0 .
0 0 1 2/9 2/9 1/9
Ora, partendo dallultima colonna, annulliamo tutti gli
elementi sopra i pivot.
1 0 1
1
0
0
0 1 3 1 1
0
0 0 1 2/9 2/9 1/9
1 0 1
1
0
0
0 1 0 1/3 1/3 1/3
0 0 1 2/9
2/9 1/9
Matrici
7 2 1
1
3 3 3
B=
9
2
2
1
Allora A1 = B.
Dimostrazione (cenno). Facciamo vedere che la procedura sopra
utilizzata calcola effettivamente linversa.
Siano (A0|B0), (A1|B1), . . ., (Ar |Br ) le varie matrici
ottenute con mosse elementari partendo da (A0|B0) = (A|I)
fino a (Ar |Br ) = (I|B). Proviamo che Bh = Ah A1 per
ogni h = 0, 1, . . . , r . Da ci`
o si ha B = Br = Ar A1 =
I A1 = A1, cio`e la tesi.
Procediamo per induzione su h. Per h = 0 vale B0 =
I = A A1 = A0 A1 e quindi il nostro asserto `e vero.
Osserviamo che la matrice (Ah+1|Bh+1) si ottiene da una mossa
elementare da (Ah|Bh) e che, per induzione, Bh = Ah A1.
Analizzando i tre tipi di mosse elementari concludiamo che usando
Bh = Ah A1 si ricava Bh+1 = Ah+1 A1.
74
Applicazioni lineari
Applicazioni Lineari
Definizione. Siano U e V due spazi vettoriali su un
campo K. Unapplicazione
f : U V
si dice lineare se:
f (u1 + u2) = f (u1) + f (u2) per ogni u1, u2 U ,
f (u) = f (u) per ogni K e u U .
Esercizi.
1. Provare che lapplicazione
x
2x y + z
R3 3 y 7
R2
x + 3z
z
`e lineare.
75
Applicazioni lineari
R2 3
x
y
x
7 y R3
0
x
x
R2
R3 3 y 7
y
z
`e lineare? `e iniettiva? `e suriettiva?
5. Quali sono le applicazioni lineari da R in R?
76
Applicazioni lineari
Applicazioni lineari
Applicazioni lineari
x
xz
y
xy
4
R4 .
R 3
0
z
t
yz
Proposizione. Se u1, u2, . . . , un `e un sistema di generatori per U e f : U V `e unapplicazione lineare
allora f (u1), f (u2), . . . , f (un) `e un sistema di generatori per Im f . In particolare se U `e finitamente
generato allora anche Im f `e finitamente generato.
Dimostrazione. Se u U allora esistono scalari
1, . . . , n per cui
u = 1u1 + + nun
e allora
f (u) = 1f (u1) + + nf (un).
79
Applicazioni lineari
Applicazioni lineari
Applicazioni lineari
Applicazioni lineari
Applicazioni lineari
f 0(1u1 + + nun)
1f 0(u1) + + nf 0(un)
1 v 1 + + n v n
f (u)
1
2
.
x
Quanto vale f y ?
z
Esercizio. Esiste unapplicazione lineare f : R2 R2
per cui f (e1) = e2, f (e2) = e1 e e1 + e2 Ker(f )?
84
Applicazioni lineari
Applicazioni lineari
86
Applicazioni lineari
87
Applicazioni lineari
Esercizi.
1. Data lapplicazione lineare
R2 3
x
y
2x y
3x + y R3
y
1
1
,
per R2
1
1
1
0
1
1 , 0 , 0 per R3.
1
1
1
88
Applicazioni lineari
2. Data la matrice
x
fA
?
y
1 1
1 0
quanto
vale
cB
cC
A
Rm
Rn
dove m = dim U , n = dim V e cB e cC sono le (funzioni) coordinate relative. Cio`e cC (f (u)) = fA(cB (u))
per ogni u U .
Dimostrazione. Indichiamo con e1, . . . , em la base
standard di Rm.
Per j = 1, . . . , m abbiamo
fA(cB (uj )) = fA(ej ) = A ej . Ma A ej `e la j
esima colonna di A, che `e data dal vettore colonna
delle coordinate rispetto a C di f (uj ), cio`e cC (f (uj )).
Questo prova che le due applicazioni lineari fA cB e
89
Applicazioni lineari
=
=
=
=
90
Applicazioni lineari
Applicazioni lineari
f
)
=
M
(g)
M
B
C
B (f ).
.
.
Dimostrazione. Siano A = MCB (f ), B = MD
C (g) e
C = MD
B (g f ). Per u U abbiamo
fBA(cB (u)) =
=
=
=
=
=
BA cB (u)
fB (fA(cB (u)))
fB (cC (f (u)))
cD (g(f (u))
cD ((g f )(u))
fC (cB (u)).
Applicazioni lineari
R3[t] 3 p 7
d
(p) R3[t].
dt
0
0
A=
0
0
1
0
0
0
0
2
0
0
0
0
.
3
0
93
Applicazioni lineari
cB
Id
cB0
B
7
X0
X
0
dove B `e la matrice MB
a nelle
B (Id) associata allidentit`
basi B e B 0. Cio`e B `e la matrice le cui colonne sono i
coefficienti delle combinazioni lineari che scrivono i vettori u1, u2, . . . , un in termini dei vettori v1, v2, . . . , vn.
Dal diagramma abbiamo quindi X 0 = BX. La matrice
B si chiama matrice del cambiamento di base da B
a B0.
94
Applicazioni lineari
Esercizi.
1. Date le basi
1
0
B={
,
},
0
1
1
1
B0 = {
,
}
1
1
0
0
1
C = { 0 , 1 , 0 },
1
0
0
0
1
1
C 0 = { 1 , 0 , 1 }
1
0
1
di R3 calcolare la matrice di cambiamento di base
da C a C 0.
95
Applicazioni lineari
Applicazioni lineari
x
y
2x y
= x + y .
x + 2y
97
Applicazioni lineari
98
Sistemi
..
Sistemi
compatibile se e solo se rg A = rg A.
100
Sistemi
xy
y + z
2x z
x+y+z
=
=
=
=
1
0
1
1.
101
Sistemi
Se abbiamo un sistema con m equazioni e m incognite e il rango della matrice dei coefficienti e della
matrice completa `e m allora possiamo scrivere esplicitamente le soluzioni. Infatti, visto che A `e invertibile,
da AX = B abbiamo X = A1B. E possibile inoltre
provare
Teorema. (Metodo di Cramer) Le soluzioni di AX = B
nel caso n = m, rg A = m sono date da
xj =
det Aj
,
det A
j = 1, . . . , m
102
Autovettori e autovalori
Autovettori e Autovalori
Sia f : V V un endomorfismo. Diciamo che
v V , v 6= 0, `e un autovettore di autovalore per
f se f (v) = v. In generale diremo che R `e un
autovalore di f se esiste un autovettore di autovalore
.
Definiamo inoltre polinomio caratteristico di f
il polinomio pf (t) = det(f t Id) nellindeterminata
t. Ricordiamo che questo determinante pu`
o essere
calcolato scegliendo una (qualsiasi!) base B di V e
calcolando il determinante di MB
e la
B (f ) t I dove I `
matrice identit`a.
Possiamo scrivere la condizione f (v) = v come
(f Id)v = 0, cio`e v Ker(f v). Visto che
v 6= 0, ne ricaviamo che `e un autovalore per f se e
solo se il nucleo di f Id non `e banale. Lapplicazione
f Id in particolare non deve essere invertibile, da
cui det(f Id) = 0. Abbiamo quindi provato
Osservazione. Gli autovalori di f sono le radici del suo
polinomio caratteristico.
103
Autovettori e autovalori
x
y
f y 7 x + z .
z
x+y
Scegliendo la base canonica per R3 abbiamo la
seguente matrice associata ad f
0 1 0
1 0 1
1 1 0
e quindi per il polinomio caratteristico di f
t 1 0
pf (t) = det 1 t 1
1
1 t
= (t + 1)3
= (t + 1)(t2 t + 1).
E quindi f ha il solo autovalore = 1.
104
Dato R,
definiamo
dellendomorfismo f relativo a come
Autovettori e autovalori
lautospazio
V () = Ker(f Id).
Per quanto visto sopra V () `e linsieme formato dallo
0 e dagli autovettori di f di autovalore . (Quindi, in
particolare V () = 0 se non `e un autovalore di f .)
Si chiama molteplicit`
a geometrica dellautovalore
.
il numero g() = dim V (). Ovviamente g() 1
visto che `e un autovalore.
Esercizio. Calcolare gli autospazi dellendomorfismo
dellesercizio precedente.
Definiamo molteplicit`
a algebrica, indicata con
a(), di un autovalore lordine di come radice di
pf (t): se pf (t) = (t )a q(t) e q(t) non ha come
radice, allora la molteplicit`a algebrica `e lesponente a.
Esempio. Negli esempi precedenti 1 ha molteplicit`a
algebrica 1.
105
Autovettori e autovalori
106
Autovettori e autovalori
1 0 0
0 2 0
B
MB (f ) =
.
.
0 0 n
cio`e la matrice associata in una base di autovettori `e
diagonale.
Diciamo che una matrice A `e diagonalizzabile se
esiste una matrice B simile ad A con B diagonale.
Quindi un endomorfismo `e semplice se la sua matrice,
rispetto ad una base qualsiasi, `e diagonalizzabile.
107
Autovettori e autovalori
x
x + hz
f
R3 3 y 7 3x + 2y + z R3.
z
hx + z
108
Forme bilineari
Forme Bilineari
Definizione. Sia V uno spazio vettoriale di dimensione
finita su R, unapplicazione : V V R si dice
forma bilineare se per ogni R e u, v, w V
valgono le seguenti:
(u + v, w) = (u, w) + (v, w),
(u, w) = (u, w),
(u, v + w) = (u, v) + (u, w),
(u, v) = (u, v).
Esempi.
1. Lapplicazione : R3 R3 R definita da
x1
x2
( y1 , y2 ) = x1x2 + y1y2 + z1z2
z1
z2
109
Forme bilineari
x1
x2
,
) = x1y2 y1x2
y1
y2
110
Forme bilineari
MB () =
111
Forme bilineari
1 0 1
0 1 0
1 0 1
x1
x2
nella base canonica, calcolare ( y1 , y2 ).
z1
z2
112
Forme bilineari
Forme bilineari
x1
x2
( y1 , y2 ) = x1y2 z1x2
z1
z2
nelle basi B = {e1, e2, e3} e B = {e1 + e2, e1 + e3, e2 +
e3} e verificare la formula di cambiamento di base.
Osserviamo che se `e una forma bilineare su V
allora si ha (0, v) = 0 per ogni v V . (Dimostrare!)
In generale possono per`
o esistere anche u 6= 0 per cui
(u, v) = 0 per ogni v V . Le forme bilineari per cui
questo non succede sono particolarmente importanti:
Definizione. Una forma bilineare su V si dice non
degenere se (u, v) = 0 per ogni v V implica che
u = 0. Altrimenti si dice degenere.
114
Forme bilineari
Esercizi.
1. La forma su R3
x1
x2
( y1 , y2 ) = x1z2 y1x2
z1
z2
`e degenere.
2. La forma su R3
x2
x1
( y1 , y2 ) = x1y2 y1x2 + z1z2
z1
z2
`e non degenere.
Osservazione. La forma `e non degenere se e solo se
det MB () 6= 0. (In qualche base B e quindi in tutte.)
115
Forme bilineari
Forma canonica
Forme bilineari
117
Forme bilineari
MB () =
1
1
1
0
118
Forme bilineari
119
Forme bilineari
x2
x1
2. su R3, ( y1 , y2 ) = 2x1x2 x1y2
z2
z1
y1x2 + 2y1y2 y1z2 z1y2 + 2z1z2,
x2
x1
3. su R3, ( y1 , y2 ) = 2x1x2 x1y2
z2
z1
x1z2 y1x2 + 2y1y2 y1z2 z1x1 z1y2 + 2z1z2.
120
Spazi euclidei
Spazi Euclidei
(v, v).
Spazi euclidei
Spazi euclidei
da cui la tesi.
123
Spazi euclidei
x1
y1
x2 y2
(
.. , .. ) = x1y1 + x2y2 + + xnyn.
xn
yn
`e un prodotto scalare. Esso viene detto prodotto
scalare standard o canonico per Rn. Si provi che esso
coincide con
u v = |u||v|cos
con angolo tra u e v.
124
Spazi euclidei
Ortonormalizzazione
Spazi euclidei
V . Definiamo
w1
v1
w2
v2
w3
v3
wn
vn
=
=
=
=
=
=
..
=
=
u1
w1/|w1|
u2 (v1, u2)v1
w2/|w2|
u3 (v1, u3)v1 (v2, u3)v2
w3/|w3|
un (v1, un)v1 (vn1, un)vn1
wn/|wn| .
E ora facile provare che v1, v2, . . . , vn sono ortonormali. Essi sono linearmente indipendenti per losservazione precedente e sono quindi una base essendo in
numero di n = dim V .
Spazi euclidei
1
0
0
1 , 1 , 0
0
1
1
costruire una base ortonormale per R3.
127
Spazi euclidei
Complemento Ortogonale
Spazi euclidei
Spazi euclidei
.
u U . E facile provare che la mappa pU (v) = u `e
lineare; essa si chiama proiezione ortogonale su U .
Sia U il sottospazio di R4 generato dai
1
1
2 1
0 , 2 .
1
0
Calcolare una base ortonormale del complemento ortogonale di U rispetto al prodotto scalare standard di
R4 .
Esercizio.
vettori
130
Geometria analitica
Geometria analitica
Geometria analitica
Geometria analitica
134
Geometria analitica
Rette di R3
Definizione. Una retta `e un sottospazio affine di
dimensione 1.
Dati due punti v0, v1 la retta r da essi determinata
`e data da
v0 + L(v1 v0).
Un punto v appartiene ad r, quindi, se e solo se
esiste R per cui v = v0 + (v1 v0). In altri
termini questa `e lequazione parametrica della retta
passante per v0 e di direzione v1 v0. Le coordinate
di v1 v0, che `e un vettore parallelo alla retta, si
chiamano parametri direttori. Se inoltre v1 v0 ha
norma 1 allora essi vengono detti coseni direttori.
Due rette sono quindi parallele se hanno parametri
direttori proporzionali.
Perpendicolari se i loro
parametri direttori lo sono. Due rette si dicono
sghembe se non esiste un piano che le contenga
entrambe.
135
Geometria analitica
x y + 2z 1 = 0
x+y+z+3 = 0
Geometria analitica
x = 3 + 2t
y = 2
z = 2 t/2
x = 11 4s
y = 2
z = s
x = z
y = z
r :
x = 2z + 1
y = z + 2
137
Geometria analitica
Sfere e Circonferenze
Dato un punto c R3 e un numero reale r 0,
chiamiamo sfera di raggio r e centro c linsieme dei
punti v per cui |v c| = r, cio`e dei punti distanti r da
c.
Se c = (xc, yc, p
zc) e v = (x, y, z) allora lequazione
|vc| = r diventa (x xc)2 + (y yc)2 + (z zc)2 =
r, o, equivalentemente
(x xc)2 + (y yc)2 + (z zc)2 = r2.
E questa lequazione cartesiana della sfera di centro c
e raggio r.
Viceversa ogni equazione del tipo
x2 + y 2 + z 2 + 2ax + 2by + 2cz + d = 0
se a2 + b2 + c2 d 0 rappresenta
una sfera di centro
c = (a, b, c) e raggio r = a2 + b2 + c2 d.
138
Geometria analitica
139
Esercizi
Esercizi Risolti.
Esercizio 1. Determinare per quali valori di h R
lapplicazione bilineare
x1
x2
( y1 , y2 ) = x1x2+hy1y2y1z2y2z1+hz1z2
z1
z2
definisce un prodotto scalare su R3 e ortonormalizzare
i vettori
1
1
1
0 , 1 , 1
1
0
0
rispetto a per h = 2.
Soluzione La matrice associata a nella base canonica
`e
1 0
0
A = 0 h 1 .
0 1 h
Essendo A simmetrica, `e una forma simmetrica. Il
polinomio caratteristico di A `e (1 t)((h t)2 1) =
140
Esercizi
141
Esercizi
x = 0
2y + 2z + t = 0
142
Esercizi
143
Esercizi
x
(h + 1)x
x + hy
f ( y ) =
z
2(1 h)x 2hy hz
`e semplice.
Soluzione. Il polinomio caratteristico della matrice
h+1
0
0
1
h
0
2h + 2 2h h
associata ad f nella base canonica `e (h + 1 t)(h
t)(h t), quindi per h 6= 0 e h 6= 1/2 le tre radici
h, h, h + 1 sono distinte e quindi f `e semplice.
Invece per h = 0 la radice 0 ha molteplicit`a algebrica 2 e la radice 1 ha molteplicit`a algebrica 1. Si
tratta quindi di controllare se lautospazio di 0 (cio`e il
144
Esercizi
1 0 0
1 0 0 ,
2 0 0
quindi il rango di f `e 1, da cui dim ker f = 2.
Lendomorfismo `e semplice anche per h = 0.
Per h = 1/2 la radici sono 1/2 con molteplicit`a algebrica 2 e 1/2 con molteplicit`a algebrica 1.
Dobbiamo quindi calcolare la molteplicit`a geometrica
di 1/2. La matrice associata ad f 1/2 Id `e
0 0 0
1 1 0 ,
3 1 0
che ha rango 2. Quindi la molteplicit`a geometrica di
1/2 `e 1, lendomorfismo non `e semplice per h = 1/2.
145
Esercizi
1
1 1 2
0 2 1 4
x = 3/2t 1
y = 1/2t 2
z = t.
146
Esercizi
147
Esercizio 5.
parametriche
Esercizi
x = 3 + 2t
y = 2
z = 2 t/2
x = 11 4s
y = 2
z = s
Esercizi
Per scrivere le equazioni cartesiano dobbiamo eliminare il parametro dalle equazioni. Per esempio usando
la prima forma abbiamo t = 2 2z che sostituito nella
prima equazione diventa x = 7 4z. Le equazioni
cartesiane della retta sono quindi x + 4z 7 = 0 e
y 2 = 0.
149
Esercizi
x = z
y = z
r0 :
x = 2z + 1
y = z + 2
Esercizi
Esercizi
f (f (f (x, y, z)))
f (f (y, z, x))
f (z, x, y)
(x, y, z).
152
Esercizi
1 0
0
A = h h 1
h 0 h + 1
associata ad f nella base canonica di R3 deve avere
rango massimo. Cio`e il suo determinante deve essere
non nullo. Tale determinante vale h(h + 1) quindi f `e
un isomorfismo per h 6= 0, 1.
Per h = 0 il polinomio caratteristico di f `e t(1
t)2. Quindi f ha i due autovalori 0 e 1. Visto che 0
ha molteplicit`a algebrica 1 essa avr`a anche molteplicit`a
geometrica 1, cio`e lautospazio V (0) (che `e il nucleo di
153
Esercizi
0 0
0
0 1 1
0 0
0
e quindi soluzioni (1, 0, 0)+(0, 1, 1) con , R.
Una sua base `e quindi (1, 0, 0), (0, 1, 1).
Concludiamo che (0, 1, 0), (1, 0, 0), (0, 1, 1) `e una
base di autovettori per f (quando h = 0). In tale base
la matrice di f `e ovviamente
0 0 0
0 1 0 .
0 0 1
154
Esercizi
Esercizio 9.
Calcolare una base degli autospazi
dellendomorfismo di R4
f (x, y, z, t) = (2x, x + 2y, t, z).
2
1
0
0
0
2
0
0
0
0
0
1
0
0
1
0
coefficienti
1
1
0
0
Esercizi
0 0
0
1 0
0
0 1 1
0 1 1
1
0
0
0
0 0 0
1 0 0
.
0 1 1
0 0 0
3
1
0
0
0
3
0
0
0
0
1
1
0
0
1
1
156
3
0
0
0
Esercizi
0
3
0
0
0
0
1
0
0
0
.
1
0
0
1
0
0
0 0
0
0 0
0
0 2 1
0 1 2
1 0
0 0
0 0
0 0
0 0
1 2
.
0 3
0 0
157
Esercizi
158
Versioni