Sottospazi vettoriali

Slides:



Advertisements
Presentazioni simili
Calcolo vettoriale E.F. Orsega – Università Ca’ Foscari di Venezia
Advertisements

MATLAB.
I sistemi di equazioni di I grado
ITCG MOSE’ BIANCHI ANNO SCOLASTICO
I SISTEMI LINEARI.
MATEMATICA PER L’ECONOMIA
Dipartimento di Economia
SISTEMI LINEARI Definizione Metodo di Cramer Metodo di eliminazione.
Capitolo 8 Sistemi lineari.
Autovalori e autovettori
MATLAB.
MATLAB.
MATLAB.
MATLAB. Scopo della lezione Programmare in Matlab Funzioni Cicli Operatori relazionali Esercizi vari.
MATLAB.
METODI EQUAZIONI DIFFERENZIALI Funzioni che mettono in relazione una variabile indipendente ( es. x), una sua funzione ( es. y = f(x) ) e la.
COORDINATE POLARI Sia P ha coordinate cartesiane
LE MATRICI.
Cinematica del braccio di un robot
Implementazione del problema della approssimazione ai minimi quadrati Camillo Bosco Corso di Analisi Numerica A.A
Fisica 2 18° lezione.
Identità È un’uguaglianza valida per qualsiasi valore attribuito alla x 2x + x = 3x se x =5 2*5 +5 =3* = 15 se x=8 2*8 + 8 =3*8 16.
= 2x – 3 x Definizione e caratteristiche
Definizione e caratteristiche
Definizione e caratteristiche
Algebra delle Matrici.
Lezione 3) Cenni di teoria dell’elasticità, sforzi e deformazioni, l’equazione delle onde elastiche.
Algebra lineare.
Teoria e Tecniche del Riconoscimento
RICHIAMI ELEMENTARI DI ALGEBRA MATRICIALE
LE EQUAZIONI.
SISTEMI D’EQUAZIONI ED EQUAZIONI DIFFERENZIALI LINEARI.
Costruzione di Interfacce Lezione 4 Nozioni di geometria per la grafica
Costruzione di Interfacce Lezione 4 Geometria per la grafica
MATLAB.
MATLAB.
MATLAB. …oggi… Programmare in Matlab Programmare in Matlab Funzioni Funzioni Cicli Cicli Operatori relazionali Operatori relazionali Indipendenza lineare,
SISTEMI LINEARI.
Sistemi di equazioni lineari
Polinomi, integrazione e ottimizzazione
INGEGNERIA CLINICA E BIOMEDICA
STATISTICA a.a METODO DEI MINIMI QUADRATI REGRESSIONE
Introduzione all’algebra lineare
Studente Claudia Puzzo
Le matrici e I Sistemi lineari.
Equazioni di 2° grado.
Lezione 13 Equazione di Klein-Gordon Equazione di Dirac (prima parte)
Spazi vettoriali astratti Somma e prodotto di n-ple Struttura di R n.
Lezione multimediale a cura della prof.ssa Maria Sinagra
I Sistemi lineari classe 3 A inf a.s
EQUAZIONI DI SECONDO GRADO
Università di L’Aquila Claudio Arbib Ricerca Operativa

Prof. Cerulli – Dott.ssa Gentili
Prof. Cerulli – Dott.ssa Gentili
Stabilità per E.D.O. (I): STABILITÀ LINEARIZZATA
Scomposizione della devianza
DATA MINING PER IL MARKETING
Sistemi compatibili (Il metodo di Fourier-Motzkin)
Cationi e Anioni in cerca di nuovi partner ;o)
Metodo di Cramer Dato il sistema lineare a due incognite per risolvere il sistema dobbiamo costruire 3 matrici. È detta matrice un qualsiasi gruppo di.
MATEMATICA PER L’ECONOMIA e METODI QUANTITATIVI PER LA FINANZA a. a
Un sistema di equazioni di primo grado (lineari) ammette soluzioni (una o infinite) se e solo se il rango (caratteristica) della matrice completa è uguale.
Sistemi di equazioni lineari. Sistemi di primo grado di due equazioni a due incognite Risolvere un sistema significa trovare la coppia di valori x e y.
Raccogliamo x al primo membro e 2 al secondo:
Ancora sulle equazioni di secondo grado….. Equazione di secondo grado completa Relazione tra le soluzioni di un'equazione di secondo grado.
Lezione n° 8 - Matrice di base. - Soluzioni di base ammissibili. - Relazione tra vertici di un poliedro e soluzioni basiche. - Teorema fondamentale della.
Lezione n° 10 Algoritmo del Simplesso: - Coefficienti di costo ridotto - Condizioni di ottimalità - Test dei minimi rapporti - Cambio di base Lezioni di.
Prof. Cerulli – Dott. Carrabs
Teoria dei Sistemi di Trasporto Tematica 4: Elementi minimi di teoria della probabilità.
Transcript della presentazione:

Sottospazi vettoriali

Sottospazi vettoriali Sia V uno spazio vettoriale. Un sottospazio è un sottoinsieme non vuoto S (sottoinsieme di V) è chiuso rispetto: alla somma: - per ogni s, t in S, vale s + t appartiene ad S; e al prodotto per gli scalari: - s appartenente ad S e λ appartenente ad R, vale che λs appartiene ad S.

Considero due elementi di S Esempio 1 S = X1 X2 x1-2X2= 0 E’ un sottospazio di R2? Considero due elementi di S 2a a 2b b Verifico se la loro somma è elemento di S 2a+2b a+b 2(a+b) (a+b) = 2a a λ 2a λ a λ Verifico se è λ a è elemento di S =

Verifico se è λ v è elemento di S. Non è detto Esempio 2 T = X1 X2 X2≥ 0 E’ un sottospazio di R2? Considero due elementi di S la loro somma è un elemento di S perché la somma di due numeri positivi o nulli è ancora un numero positivo o nullo Verifico se è λ v è elemento di S. Non è detto NON è UN SOTTOSPAZIO

Generatori Sia V uno spazio vettoriale considerare un insieme di vettori di v si dice che n vettori sono un sistema di generatori di V se ogni vettore può essere espresso come combinazione lineare degli n vettori.

Combinazione lineare di vettori Dati due o più vettori u1, u2, … un , se si moltiplica ciascuno di essi per un numero arbitrario (diverso da zero) e poi si sommano i vettori così ottenuti, si ottiene una combinazione lineare dei vettori dati.

Combinazione lineare di vettori Quindi se: w = c1u1 + c2u2 + … + cnun (dove c1, c2,…, cn sono numeri non tutti nulli) diciamo che il vettore w è una combinazione lineare dei vettori u1, u2, … un. Es.: u = (2; 3; -5); v = (1; 0; 4) w = 2u + v = (4; 6; -10) + (1; 0; 4) = (5; 6; -6) w è una combinazione lineare dei vettori u e v.

Esempio di combinazione Siano v1=          , v2=          v3=          tre vettori di uno spazio tridimensionale. Esempio di combinazioni lineari è : 5 -3 +4

Dipendenza lineare tra vettori N vettori (due o più) (u1; u2; …; un) si dicono linearmente dipendenti se ciascuno di essi si può esprimere come combinazione lineare degli altri n-1 vettori. Ciò equivale a dire che la combinazione lineare degli n vettori è nulla (uguale al vettore nullo) per valori dei coefficienti ci non tutti nulli.

Sono linearmente dipendenti

Vettori linearmente indipendenti Siano un insieme di vettori di uno spazio vettoriale X Siano scalari Se sussiste la seguente relazione

Come stabilire dipendenza/indipendenza di vettori Fare combinazione lineare dei vettori dati Scrivere il sistema di equazioni nei parametri (sono le incognite del sistema) Risolvere il sistema Se le soluzioni sono tutte nulle i vettori sono linearmente indipendenti, se almeno una soluzione è non nulla allora sono linearmente dipendenti.

Si considerino i vettori v1= v2= v3= a)dire se i tre vettori sono linearmente dipendenti ; b) dire quale tra i tre vettori è combinazione lineare dei restanti. a) Consideriamo una generica combinazione lineare nulla dei tre vettori: λ1 +λ2 +λ3 = In base alla definizione dobbiamo verificare se tale uguaglianza è verificata con almeno uno, tra gli scalari λ1 , λ 2  , λ 3,  non nullo.

Le soluzioni del sistema sono date da λ1 = 0 , λ2 = -2 λ3, λ3 = λ3, ; ad esempio   λ1 = 0 , λ2 = -2, λ3 =1. Poichè vi sono due scalari diversi da zero i tre vettori sono linearmente dipendenti. b) I vettori che sono esprimibili come combinazione lineare dei restanti vettori sono quelli associati a scalari diversi da zero ;

Si considerino i vettori v1=         v2= v3= Dire se i seguenti vettori sono linearmente dipendenti o indipendenti Il sistema ha per unica soluzione quella nulla, λ1 =  λ2 =  λ3 =0, e quindi i vettori sono linearmente indipendenti.

Spanning a Space Sia X uno spazio vettoriale lineare, e sia un sottoinsieme di X. Possiamo dire che il sottoinsieme , “spanna” cioè genera lo spazio X se e solo se N.B. La dimensione di uno spazio è costituito dal numero minimo di vettori che generano lo spazio

Base Un sistema di generatori v1,v2,…..vn di uno spazio vettoriale V, costituito da vettori linearmente indipendenti è detto base di V Base = n° minimo di generatori = n° massimo di vettori linearmente indipendenti V={ v : v= a1v1+...+apvp } dim(V)=p.

Come faccio a stabilire se i vettori dati formano una base? Costruisco una matrice con i vettori dati come colonne Calcolo il rango Stabilisco se sono linearmente indipendenti (n° di vettori linearmente indipendenti = rango)