Anteprima
Vedrai una selezione di 14 pagine su 65
Appunti Algebra Pag. 1 Appunti Algebra Pag. 2
Anteprima di 14 pagg. su 65.
Scarica il documento per vederlo tutto.
Appunti Algebra Pag. 6
Anteprima di 14 pagg. su 65.
Scarica il documento per vederlo tutto.
Appunti Algebra Pag. 11
Anteprima di 14 pagg. su 65.
Scarica il documento per vederlo tutto.
Appunti Algebra Pag. 16
Anteprima di 14 pagg. su 65.
Scarica il documento per vederlo tutto.
Appunti Algebra Pag. 21
Anteprima di 14 pagg. su 65.
Scarica il documento per vederlo tutto.
Appunti Algebra Pag. 26
Anteprima di 14 pagg. su 65.
Scarica il documento per vederlo tutto.
Appunti Algebra Pag. 31
Anteprima di 14 pagg. su 65.
Scarica il documento per vederlo tutto.
Appunti Algebra Pag. 36
Anteprima di 14 pagg. su 65.
Scarica il documento per vederlo tutto.
Appunti Algebra Pag. 41
Anteprima di 14 pagg. su 65.
Scarica il documento per vederlo tutto.
Appunti Algebra Pag. 46
Anteprima di 14 pagg. su 65.
Scarica il documento per vederlo tutto.
Appunti Algebra Pag. 51
Anteprima di 14 pagg. su 65.
Scarica il documento per vederlo tutto.
Appunti Algebra Pag. 56
Anteprima di 14 pagg. su 65.
Scarica il documento per vederlo tutto.
Appunti Algebra Pag. 61
1 su 65
D/illustrazione/soddisfatti o rimborsati
Disdici quando
vuoi
Acquista con carta
o PayPal
Scarica i documenti
tutte le volte che vuoi
Estratto del documento

Osservazione 4.2.1

Coincidono con l'insieme deve avere almeno 3 equazioni. Come calcolare però se i due sottospazi sono presentati come span di certi vettori? Consideriamo per esempio e in definiti così:

U = < 21, 42, 73 >, < -1, 2, -12 >

W = < 1, 0, 0 >, < 2, 1, -6 >, < -1, -1, 1 >

Un metodo per calcolare è quello di esprimere e come soluzioni di un sistema lineare. Cominciamo da U. Per prima cosa si scrive la matrice:

1 2 x 1

0 1 x 3

3 1 x 4

-1 2 x 5

Ora riduciamo la matrice (senza incognite) a scalini per righe:

1 2 x 1

0 1 x 3

0 0 2x + x1 3

0 0 13x + 4x + x1 3 4

  1. −2x0 + x1 = 0
  2. −13x0 + 4x1 + x2 = 0
  3. −17x0 + 5x1 + x2 = 0
  4. x0 + x1 + 2x2 = 0
  5. −5x0 + 7x1 + 2x2 + 5x3 = 0

Tale matrice ha rango 2 se e solo se i coefficienti soddisfano il sistema:

  1. −2x0 + x1 = 0
  2. −13x0 + 4x1 + x2 = 0
  3. −17x0 + 5x1 + x2 = 0

Ora dobbiamo fare la stessa cosa con W. Scriviamo quindi la matrice:

1 0 0 x1
2 1 1 x2
−3 0 1 x3
−2 −1 −6 x4
−1 −1 1 x5

E riduciamola a scalini per righe:

1 0 0 x1
0 1 1 x2
0 0 2 x3 + x4 + 2x5
0 0 0 2x3 + 7x4 + 5x5

La matrice ha rango 3 se e solo se i coefficienti soddisfano il sistema:

  1. x1 = 0
  2. x2 = 0
  3. 2x3 + x4 + 2x5 = 0
  4. 2x3 + 7x4 + 5x5 = 0

Uniamo i due sistemi ottenuti e otteniamo:

  1. −2x0 + x1 = 0
  2. −13x0 + 4x1 + x2 = 0
  3. −17x0 + 5x1 + x2 = 0
  4. x0 + x1 + 2x2 = 0
  5. −5x0 + 7x1 + 2x2 + 5x3 = 0
  6. x1 = 0
  7. x2 = 0
  8. 2x3 + x4 + 2x5 = 0
  9. 2x3 + 7x4 + 5x5 = 0

Se risolviamo questo sistema, otteniamo la soluzione per i valori di x0, x1, x2, x3, x4, x5.

otteniamo una base di U. Per verificare che i calcoli siano corretti basta vedere se la dimensione risulta uguale a quella prevista dalla formula di Grassmann. 314.3 Somma diretta di sottospazi Si dice che due sottospazi U e W di uno spazio vettoriale sono in somma diretta U ∩ W = {O}. In questo caso, come sappiamo dalla formula di Grassmann, la dimensione di U + W è "la massima possibile", ovvero dim(U) + dim(W). Vale anche il viceversa, ossia due sottospazi sono in somma diretta se e solo se dim(U + W) = dim(U) + dim(W). Quando siamo sicuri che U + W è la somma di due sottospazi che sono in somma diretta, al posto di possiamo scrivere: U + W ⊕ U ∩ W. In particolare, per avere una base di U + W basta fare l'unione di una base di U ∩ W con una base di U + W. Attenzione: un sottospazio vettoriale di V che non è uguale a U possiede in generale molti complementari. Per esempio, in un piano passante per l'origine

Il tuo compito è formattare il testo fornito utilizzando tag html.

ATTENZIONE: non modificare il testo in altro modo, NON aggiungere commenti, NON utilizzare tag h1;

ha per complementare una qualunque retta passante per l'origine e che non giace sul piano. In generale dati sottospazi di uno spazio vettoriale, si dice k U, ..., U V1 k che tali sottospazi sono in somma diretta se, per ogni i = 1, ..., k, l'intersezione di U_i con la somma di tutti gli altri è uguale a {O}, ovvero U_i ∩ (U_1 + ... + U_k) = {O}, dove il simbolo ∩ indica che nella somma si è saltato il termine Û_i.

In tal caso per indicare si può usare la notazione: U_1 + ... + U_k ⊕ ... ⊕ U U_1 k.

325 Applicazioni lineari e matrici invertibili

5.1 Endomorfismi lineari invertibili

Consideriamo uno spazio vettoriale di dimensione n su un campo e una applicazione lineare L: V → K. Una tale applicazione lineare si dice endomorfismo lineare di V. Indicheremo con End(V) l'insieme di tutti gli endomorfismi lineari di V.

di V. Un endomorfismo di V è invertibile se e solo se ha rango n. La funzione inversa è anch'essa un'applicazione lineare. Proposizione 5.1.2. Rango: Dati due spazi V e W, entrambi di dimensione n, e una applicazione lineare L: VW, l'applicazione lineare è invertibile se e solo se ha rango n. Inoltre, se l'applicazione inversa ha rango n, essa è anch'essa lineare. Osservazione 5.1.3: Abbiamo invece già osservato che se V e W hanno dimensioni diverse, rispettivamente m e n, nessuna applicazione lineare da V a W può essere invertibile. Infatti, avendo L: VW, in mente la relazione che lega la dimensione del nucleo di L all'immagine di L, si ha che: dim(Imm(L)) + dim(Ker(L)) = dim(V), - se m > n, allora la dimensione di Imm(L) è al massimo n. Quindi la dimensione di Ker(L) è almeno m - n, ovvero maggiore di 0, e non è iniettiva. - se m < n, allora la dimensione di Imm(L) è al massimo m. Quindi la dimensione di Ker(L) è almeno n - m, ovvero maggiore di 0, e non è suriettiva.

< n Imm(L) m.la dimensione di è minore della dimensione di , e non èImm(L) W Lsurgettiva.Se fissiamo una base di , ad ogni endomorfismo viene associata∈V L End(V )una matrice Se è invertibile, consideriamo l’inversa e−1∈[L] M at (K). L Ln×nla matrice ad essa associata Visto che vale−1 −1 −1◦ ◦[L ]. L L = L L = I,−1 −1[L ][L] = [L][L ] = [I] = IDunque la matrice è invertibile e ha per inversa Possiamo afferma-−1[L] [L ].re anche il viceversa: se la matrice associata ad un endomorfismo lineare è[L]invertibile allora anche è invertibile e la sua inversa è l’applicazione associataLalla matrice −1[L ]. Una matrice è invertibile se e solo se il suo∈A M at (K)Corollario 5.1.4. n×nrango è n. 335.2 Metodo per trovare l’inversa di una matriceCome abbiamo visto nel paragrafo precedente, il problema di trovare un’inversadi si

Può tradurre nel problema di trovare l'inversa in L End(V) Mat(K)n×n di una matrice data. In questo paragrafo descriviamo un metodo per trovare l'inversa di una matrice in A Mat(K).n×n. Una matrice in forma a scalini per righe (o per colonne) ridotta, si dice se ha tutti i pivot uguali a 1. Una matrice può essere portata in forma a scalini per righe (o colonne) ridotta e normalizzata, attraverso un numero finito di operazioni elementari. Consideriamo la matrice:

Esempio:

A =
[3 2 1]
[1 1 0]

Che ha rango 3, dunque è invertibile, e calcoliamo la sua inversa. Per prima cosa formiamo la matrice:

(AI) =
[3 2 1 1 0 0]
[0 1 1 0 1 0]
[1 1 0 0 0 1]

Ora con delle operazioni elementari di riga portiamola in forma a scalini per righe ridotta, per esempio nel seguente modo: si sottrae alla prima riga la terza moltiplicata per 3:

[1 0 -3 -3 0 3]
[0 1 1 0 1 0]
[1 1 0 0 0 1]

→ 0 1 1 0 1 00 1 1 0 1 0   1 1 0 0 0 11 1 0 0 0 1poi si somma alla prima riga la seconda   −1 −3 −30 1 1 0 0 0 2 1 1→ 0 1 1 0 1 00 1 1 0 1 0    1 1 0 0 0 11 1 0 0 0 1a questo punto si permutano le righe e si ottiene 1 1 0 0 0 10 1 1 0 1 0 −30 0 2 1 1Per ottenere la forma a scalini ridotta, moltiplichiamo l’ultima riga per 12 1 1 0 0 0 10 1 1 0 1 0 12 12 32−0 0 1 34sottraiamo alla seconda riga la terza riga 1 1 0 0 0 11 1 30 1 0 2 2 21 1 32−0 0 1 2 2infine sottriamo alla prima riga la seconda:1 12 12 − −1 0 0 21 1 3−0 1 0 2 2 21 1 3−0 0 1 2 2 2La matrice 12 11 − −2 21 1 3−B =  2 2 21 1 3−2 2 2è l’inversa di A.Perchè il metodo funziona ?Consideriamo una matrice e cerchiamo la sua inversa;∈A M at (K)n×nsupponiamo che abbia rangoA n.Per prima cosa creiamo una

matrice ponendo accanto le colonne di×n 2ne quelle di Indicheremo tale matrice con A I. (AI).

Adesso possiamo agire con operazioni elementari di riga in modo da ridurre la matrice in forma a scalini per righe ridotta. Poichè ha rango anche A n, (AI) ha rango n. Un modo per rendersene conto è il seguente: il rango di è n. (AI) minore o uguale a n visto che ha n righe ed è maggiore o uguale a n visto che individuiamo facilmente n colonne linearmente indipendenti.

Allora quando la matrice viene ridotta in forma a scalini per righe (AI) ridotta, deve avere esattamente n scalini, dunque deve avere la forma n. (IB).

Affermiamo che la matrice che si ricava dalla matrice precedente è proprio B l'inversa di A che cercavamo.

Infatti agire con operazioni di riga equivale a moltiplicare a sinistra la matrice A per una matrice invertibile di formato n × n, dunque:

×(AI) U n × n,

U (AI) = (IB)

Per come è definito il prodotto righe per colonne,

U (AI) = (U A U I)

Dalle u

Dettagli
A.A. 2021-2022
65 pagine
SSD Scienze matematiche e informatiche MAT/02 Algebra

I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher FedericoBustaffa di informazioni apprese con la frequenza delle lezioni di Algebra lineare e matematica discreta e studio autonomo di eventuali libri di riferimento in preparazione dell'esame finale o della tesi. Non devono intendersi come materiale ufficiale dell'università Università degli Studi di Pisa o del prof Scienze matematiche Prof.