APPUNTI DI ALGEBRA LINEARE
|
|
- Sabina Carbone
- 6 anni fa
- Visualizzazioni
Transcript
1 APPUNTI DI ALGEBRA LINEARE. Definizione Si dice spazio vettoriale (sul campo dei numeri reali R) un insieme V per il quale siano definite l operazione interna di somma (che ad ogni coppia di vettori e y associa il vettore +y) e l operazione esterna detta moltiplicazione scalare (che ad ogni numero reale λ e ad ogni vettore associa il vettore λ ), soddisfacenti gli otto assiomi che seguono: A) ( ) + z = + (y + z) per tutti i vettori, y, z V A2) = y + per tutti i vettori, y V A3) esiste 0 V tale che + 0 = 0 + = per tutti i vettori V A4) per ogni V esiste un elemento V tale che + = + = 0 A5) λ( ) = λ + λ y per tutti i vettori, y V, per ogni scalare λ R A6) (λ + µ) = λ + µ per ogni vettore V, per tutti gli scalari λ, µ R A7) (λµ) = λ(µ ) per ogni vettore V, per tutti gli scalari λ, µ R A8) = per ogni vettore V Osservazione L elemento neutro per la somma, il vettore nullo 0, è unico. L elemento opposto, la cui esistenza è garantita dall assioma A4, è, per ogni vettore dato, univocamente determinato. 2. Esempi Per ogni intero positivo n si consideri l insieme delle ennuple reali: R n = { (, 2,, n ), 2,, n R } All insieme R n si può dare struttura di spazio vettoriale definendo somma e moltiplicazione scalare tramite le relazioni (, 2,, n ) + (y, y 2,, y n ) = (, 2 2,, n n ) λ(, 2,, n ) = (λ, λ 2,, λ n ) per tutte le ennuple (, 2,, n ), (y, y 2,, y n ) R n e per ogni scalare λ R. Altri spazi vettoriali sono, per opportune operazioni che non esplicitiamo, l insieme dei vettori geometrici (classi di equivalenza di segmenti orientati) dello spazio o del piano. Il più piccolo spazio vettoriale è l insieme {0} che contiene soltanto il vettore nullo; tale spazio è detto spazio nullo. Dati gli interi positivi m e n, si dice matrice (reale) a m righe e n colonne ogni collezione ordinata di numeri reali ( ij ), per i =, 2,, m e j =, 2,, n. La notazione standard è m n mn
2 Nell insieme delle matrici m n (o di ordine (m,n)) si possono definire l operazione di somma: 2 m 2 22 n y y + 2 mn ym e di moltiplicazione scalare: λ 2 m 2 22 n λ λ = 2 mn λm y2 y22 y λ λ 2 22 yn y = ymn λ λ λ n mn Con tali operazioni, l insieme delle matrici m n diviene uno spazio vettoriale (per ogni m, n > 0). 2 m 22 m n mn n mn 3. Teorema Se V è una spazio vettoriale su R, allora i) 0 = 0 per ogni vettore V ii) ( ) = per ogni vettore V iii) λ0 = 0 per ogni scalare λ R Osservazione In virtù di ii), l elemento opposto di, indicato con, viene denotato con Definizione Un sottoinsieme non vuoto X di uno spazio vettoriale V su R è un sottospazio vettoriale di V se, e solo se, X è uno spazio vettoriale su R rispetto alle operazioni ereditate da V. 5. Esempi Gli insiemi {(, 2,0), 2 R } e {(t, 3t,-t) t R } sono sottospazi di R 3. L insieme {(0,0)} è il sottospazio nullo di R Teorema Un sottoinsieme X di V è un sottospazio vettoriale di V se, e solo se, X è chiuso per la somma e la moltiplicazione scalare, ossia se (e solo se) λ + µ y X per tutti i vettori, y X e per tutti gli scalari λ, µ R. 7. Definizione Dato un sottoinsieme X di V, si dice sottospazio generato da X il più piccolo sottospazio di V contenente X, ossia l intersezione di tutti i sottospazi di V contenenti X. Tale sottospazio verrà denotato con X. Osservazione Se X è l insieme vuoto, il sottospazio generato da X è lo spazio nullo: = { 0} invece, l insieme X è non vuoto, allora si ha { v V m N,,,, X, λ, λ,, λ R tali che v = λ + λ, λ } X = 2 m 2 m m m. Se,
3 8. Definizione I vettori, 2,, m si dicono linearmente dipendenti se, e solo se, esistono m scalari non tutti nulli λ, λ 2,, λ m R tali che λ + λ λ m m = 0 I vettori si dicono linearmente indipendenti se, e solo se, non sono linearmente dipendenti. 9. Esempi I vettori (0,6,2), (-6,0,6), (2,3,4), dello spazio R 3 sono linearmente dipendenti. I vettori (,0,,0), (0,0,6,), (2,,0,-2) dello spazio R 4 sono linearmente indipendenti. 0. Teorema I vettori, 2,, m sono linearmente dipendenti se, e solo se, esiste k {,2,,m} tale che il vettore k appartenga al sottospazio generato dai rimanenti m vettori: k X ove X = {, 2,, m } { k }. Definizione Si dice base di uno spazio vettoriale V un sottoinsieme di vettori linearmente indipendenti che genera V. 2. Esempi L insieme {(0,6,2), (-6,0,6), (2,3,4)} è una base dello spazio R 3. Un altra base di R 3 è {(,0,0), (0,,0), (0,0,)}. L insieme {(2,0,3), (0,8,0), (-,0,), (5,6,7)} genera R 3 ma non è costituito da vettori linearmente indipendenti. 3. Definizione Si dice base canonica dello spazio R n l insieme {e, e 2,, e n } ove, per ogni k =, 2,, n il vettore e k ha uguali a zero tutte le componenti, con l eccezione della k-esima, che è uguale a uno: e k = (0,,0,,0,,0). Per lo spazio R 4, ad esempio, si ha e = (,0,0,0), e 2 = (0,2,0,0), e 3 = (0,0,,0), e 4 = (0,0,0,). 4. Teorema Tutte le basi di uno spazio vettoriale V hanno lo stesso numero di vettori. 5. Definizione Si dice dimensione dello spazio vettoriale V il numero di vettori contenuti in una base. La dimensione di V si denoterà con dimv. 6. Esempi La dimensione dello spazio R n è pari a n. La dimensione dello spazio dei vettori geometrici del piano è 2. La dimensione dello spazio nullo è zero: dim{0}= Teorema Sia {b, b 2,, b n } una base per lo spazio vettoriale V. Per ogni vettore v di V è univocamente determinata una ennupla di numeri reali (λ, λ 2,, λ n ) tali che 3
4 v = λ b + λ 2 b λ n b n I numeri reali λ, λ 2,, λ n si dicono componenti di v rispetto alla base {b, b 2,, b n }. 8. Definizione Siano U e V spazi vettoriali su R. Una funzione f : U V si dice trasformazione lineare se, e solo se, sono soddisfatte le seguenti condizioni: i) f( ) = f () + f ( y) per tutti i vettori, y U ii) f (λ) = λ f () per ogni vettore U, per ogni scalare λ R 9. Esempi La funzione f : R 2 R 2 definita dalla relazione f (, 2 ) = ( + 2, 2 ). In generale, l applicazione f(, 2 ) = (a +b 2, c +d 2 ) è lineare per qualsiasi scelta dei parametri reali a, b, c, d. La funzione g : R 2 R 3 definita dalla relazione g(, 2 ) = ( + 2 +, +2 2, ) non è lineare. 20. Teorema La funzione f : U V è una trasformazione lineare se, e solo se: f(λ + µy) = λf() + µf( y) per tutti i vettori, y U e per tutti gli scalari λ, µ R. 2. Teorema Siano f : U V e g : V W trasformazioni lineari. Allora, la composizione go f : U W è una applicazione lineare. 22. Teorema Siano B ={u, u 2,, u n } e B ={v, v 2,, v m } basi rispettivamente degli spazi vettoriali U e V e sia ove i =,2,,m e j =,2,,n, tali che f (λ f : U V una trasformazione lineare. Allora, esistono m n numeri reali a ij, m n u + λ 2u2 + + λ nun ) = aijλ j i= j= v I coefficienti (a ij ), distribuiti in una tabella di m righe e n colonne, costituiscono la matrice di f, relativamente alle basi B e B : i a a2 am a2 a22 a an a amn 23. Esempio L applicazione f : R 3 R 2 definita da f ( u + u u v + v ) = (2 2 ) + ( ) 2 4
5 è la trasformazione lineare la cui matrice, relativamente alle basi {u,u 2,u 3 } di R 3 e {v,v 2 } di R 2, è Se {u, u 2, u 3 } è la base canonica di R 3 e {v, v 2 } è la base canonica di R 2, allora f si scrive f (, 2, 3 ) = (2 2, ) In forma matriciale, indicando come vettori colonna gli elementi di R 3 e R 2, si può scrivere y y 2 = 2 4 Meno usata è la scrittura = [ y y ] [ ] 2 in cui gli elementi di R 3 e R 2 sono vettori riga. 24. Definizione Nell insieme di tutte le trasformazioni lineari da uno spazio U a uno spazio V si possono definire le operazioni di somma: ( f + g)() = f() + g() e di moltiplicazione per uno scalare: (λf)() = λf(), per ogni λ R e per tutte le trasformazioni lineari f, g : U V. La struttura algebrica risultante si denota con L(U,V). 25. Teorema La struttura L(U,V) è uno spazio vettoriale su R di dimensione mn, essendo n la dimensione di U e m la dimensione di V. 26. Definizione Se A = (a ij ) è una matrice m n e B = (b jk ) è una matrice n p, si può definire il prodotto C = AB (matrice m p) ponendo, per ogni i =,2,,n e per ogni k =,2,,p c ik = n h= a ih b hk Tale operazione si dice prodotto righe per colonne, perché, per determinare ciascun elemento c ik, si sommano i prodotti, elemento per elemento, della riga i-esima riga di A:[ a a a ] per la k-esima colonna di B: bk b 2k bnk 27. Teorema Siano f : U V e g : V W trasformazioni lineari e siano A e B rispettivamente le matrici di f e g relativamente alle basi {a, a 2,, a n } di U, {b, b 2,, b m } di V e {c, c 2,, c p } di W. Allora, la trasformazione g f ha matrice C = BA. i i2 in 5
6 28. Definizioni Una matrice di ordine (m,n) si dice quadrata (di ordine n) se m = n; in caso diverso, si dice rettangolare. Si dice diagonale principale di una matrice quadrata ( ij ), l insieme degli elementi ii :, 22,, nn. Gli elementi n, 2,n-,, k,n-k,, n costituiscono, invece, la diagonale secondaria. Se gli elementi al di sopra della diagonale principale sono tutti nulli, la matrice si dice triangolare inferiore; se sono nulli gli elementi al di sotto della diagonale principale, la matrice si dice triangolare superiore; se tutti gli elementi distinti dalla diagonale principale sono nulli, la matrice si dice diagonale. La matrice quadrata di ordine n I n, che ha ogni elemento della diagonale principale uguale a uno, e tutti gli altri uguali a zero, si dice matrice unità o identica (di ordine n). Si scrive I n = (δ ij ), ove δ ij, detto delta di Kronecker, è definito dalle relazioni δ ij = 0 se i se i = j j per i = j =,2,n Esempi La matrice 6 5 è quadrata, di ordine 3. La diagonale principale è 0 4 costituita dagli elementi 3,5,4, quella secondaria dagli elementi 2,5,0. Le seguenti matrici sono rispettivamente triangolare inferiore, triangolare superiore, diagonale, matrice identica di ordine 3: Definizione Si dice matrice trasposta della matrice A = (a ij ), la matrice che si ottiene da A scambiando le righe con le colonne. Tale matrice si denota con A T. Se indichiamo con (b ij ) gli elementi di A T, valgono le relazioni b hk = a kh per ogni h =,2,m, e per ogni k =,2,n. 3. Esempio La matrice A = ha per trasposta la matrice A T = Definizioni Dato l insieme A, si dice permutazione di A ogni funzione σ: A A che risulti biunivoca. Si dice ordine della permutazione σ il più piccolo intero positivo k tale che σ k = i, ove i è l identità di A. (Se l insieme A è finito, l ordine k è sempre ben definito.) La permutazione si dice pari se k è pari, dispari in caso contrario. 33. Definizione Si dice determinante della matrice quadrata A = (a ij ), il numero reale Det (A) = σ Π( n) ( ) segn(σ) a,σ() a 2,σ(2) a n,σ( n) 6
7 ove П(n) è l insieme delle permutazioni dei numeri {, 2,, n} e segn(n) è la funzione, definita in П(n) che vale 0 se σ è una permutazione pari e se σ è una permutazione dispari. 34. Teorema Se A e B sono matrici quadrate di ordine n, si ha Det(AB) = Det(A)Det(B). 35. Teorema Se A è una matrice quadrata e A T è la sua trasposta, si ha Det(A T ) = Det(A). 36. Definizione La matrice quadrata A, di ordine n, si dice invertibile se, e solo se, esiste una matrice quadrata di ordine n, che si denota con A -, tale che AA - = A - A = I n. 37. Teorema La matrice quadrata A è invertibile se, e solo se, Det(A) Teorema Se A è una matrice invertibile allora, Det(A - ) =/Det(A). 39. Teorema Una trasformazione lineare f è invertibile se, e solo se, la matrice di f, relativamente a una qualsiasi coppia di basi, ha determinante non nullo. 40. Definizioni Data la matrice quadrata di ordine n A = (a ij ), per ogni i e per ogni j si può considerare la matrice quadrata, di ordine n, ottenuta eliminando da A la i-esima riga e la j-esima colonna. Il determinante di tale matrice si dice minore complementare di a ij e sarà denotato con C ij. Si dice complemento algebrico dell elemento a ij la quantità A ij =( ) i+j C ij. 4. Teorema Data una matrice quadrata A = (a ij ) di ordine n, si ha, per ogni i =,2,,n, n k = aik Aik = Inoltre, per i j, risulta n k= a = 0. ik A jk Det(A). 42. Teorema Sia A = (a ij ) una matrice quadrata invertibile di ordine n. Posto A - =(b ij ), si ha, per ogni i e per ogni j: b ij = A ji Det(A) ove A ji è il complemento algebrico di a ji. 7
8 ESERCIZI. Verificare se i seguenti sono insiemi di vettori linearmente dipendenti o indipendenti: i) a = (,0,4), b = (-,3,0) ii) a = (0,2,), b = (2/3,0,), c = (,-,). 2. Verificare se i seguenti sono insiemi di generatori dello spazio vettoriale R 2 : i) a = (,0), b = (-,3) ii) a = (2,5), b = (0,7), c = (-,3). 3. Verificare che i vettori a = (3,0,2) e b = (2,,) sono linearmente indipendenti e trovare un vettore c tale che {a, b, c} sia una base di R Determinare le componenti del vettore (3,4) rispetto alla base b = (,2), b 2 = (-,3). 5. Determinare le componenti del vettore (,y) rispetto alla base b = (,2), b 2 = (-,3). 6. Determinare le componenti del vettore (,y,z) rispetto alla base b = (,0,), b 2 = (-,0,0), b 3 = (,,0). 7. Indichiamo con E ={e,e 2 } la base canonica dello spazio vettoriale R 2 e con U ={u,u 2 } l insieme dei vettori u = 2e e 2, u 2 = e +3e 2. i) Verificare che U è una base di R 2. ii) La matrice dell applicazione lineare f : R 2 R 2, relativamente alle basi canoniche di dominio e codominio è A = 2. Determinare la matrice B di f rispetto alle basi U (per il dominio) ed E (per il codominio). iii) Determinare la matrice di f rispetto alle basi U (per il dominio) e U (per il codominio). iv) La matrice dell applicazione lineare g : R 2 R 2, relativamente alle basi U (per il dominio) e U (per il codominio), è C = 0. Determinare la matrice D di g rispetto alle basi canoniche È data la matrice A = i) Verificare che Det(A) 0 e trovare la matrice inversa A -. ii) Calcolare A 2 e A 3. Verificare che si ha (A 2 ) - = (A - ) 2 e (A 3 ) - = (A - ) È data la matrice L = 2 / 3 2 / 3 / 2 0. Determinare tutte le matrici X tali che XL = LX = X. 8
Le matrici. Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1.
Le matrici Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1. Siano m, n N\{0}. Una matrice m n a coefficienti in K è una tabella di m n elementi di K disposti
DettagliMATRICI. Matrici Una matrice A con n-righe e m-colonne, ad elementi reali, è una tabella con la seguente forma: a 2 m. a n m) i j R, 1 i n, 1 j m.
MATRICI Matrici Una matrice A con n-righe e m-colonne, ad elementi reali, è una tabella con la seguente forma: 11 a 12 a 1 3 a 1m A=(a a 21 a 2 3 a 2m con a a n1 a n2 a n 3 a nm i j R, 1 i n, 1 j m. per
DettagliNozioni e notazioni: concetti primitivi di insieme, elemento ed appartenenza.
Geometria I lezione del 30 settembre 2013 Presentazione del corso. Nozioni e notazioni: concetti primitivi di insieme, elemento ed appartenenza. Insiemi numerici: i numeri naturali, gli interi, i numeri
Dettaglix n i sima pos. x, y = x T y = x i y i R. i=1
1 Elementi di Algebra Lineare In questo capitolo introduttivo al corso di Calcolo Numerico per la laurea triennale in Informatica, saranno presentate una serie di definizioni e proprietà di matrici e dei
DettagliCapitolo 3 Matrici. Marco Robutti. Facoltà di ingegneria Università degli studi di Pavia. Anno accademico
Capitolo 3 Matrici Marco Robutti Facoltà di ingegneria Università degli studi di Pavia Anno accademico 2017-2018 Tutorato di geometria e algebra lineare Definizione (Matrice) Una matrice A M R (k, n) è
DettagliALGEBRA LINEARE E GEOMETRIA: ESERCIZI 5. Indice. 2. Esercizi 5
ALGEBRA LINEARE E GEOMETRIA: ESERCIZI 5 Indice 1. Principali definizioni 1 2. Esercizi 5 Operazioni con le matrici 1. Principali definizioni Ricordiamo le principali definizioni legate alle matrici a coefficienti
DettagliArgomento 12 Matrici
Argomento 2 Matrici 2 Vettori di R n eoperazioni I Vettore di R n : x =(x i ) i=n =(x i ) n i=,conx i R componenti di x I R n = spazio dei vettori reali a n componenti = spazio vettoriale reale n-dimensionale
DettagliCorso di Matematica Generale M-Z Dipartimento di Economia Universitá degli Studi di Foggia ALGEBRA LINEARE. Giovanni Villani
Corso di Matematica Generale M-Z Dipartimento di Economia Universitá degli Studi di Foggia ALGEBRA LINEARE Giovanni Villani Matrici Definizione 1 Si definisce matrice di tipo m n una funzione che associa
Dettagli4. Richiami: sistemi lineari e matrici
4 Richiami: sistemi lineari e matrici Vettori 4a Combinazioni lineari Indichiamo con R n l insieme delle n-uple ordinate di elementi di R, { } R n := x = (x 1, x 2,, x n ) x i R, i = 1,,n Si dice che x
DettagliMatrici. Prof. Walter Pugliese
Matrici Prof. Walter Pugliese Le matrici Una matrice è un insieme di numeri reali organizzati in righe e colonne. Se n è il numero delle righe e m e il numero delle colonne si dice che la matrice è di
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Cristina Turrini UNIMI - 2018/2019 Cristina Turrini (UNIMI - 2018/2019) Elementi di Algebra Lineare 1 / 32 index Spazi vettoriali 1 Spazi vettoriali 2 Sottospazi
DettagliAPPLICAZIONI. Im f = {b B a A tale che f (a) = b}.
APPLICAZIONI Diremo applicazione (o funzione) da un insieme A ad un insieme B una legge f che associa ad ogni elemento a A uno ed un solo elemento b B. Scriviamo f : A B e il corrispondente o immagine
DettagliElementi di Algebra Matriciale. (richiami)
Elementi di Algebra Matriciale Definizione di matrice (richiami) Matrice quadrata, diagonale, identità, triangolare, simmetrica Matrice trasposta Principali operazioni su matrici e vettori: somma, sottrazione,
DettagliRichiami di Algebra Lineare
Richiami di Algebra Lineare Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2012 Rossi Algebra Lineare 2012 1 / 59 Vettori Prodotto interno a : (n 1) b : (n 1) a b = a 1 b 1 +
DettagliPreCorso di Matematica - PCM Corso M-Z
PreCorso di Matematica - PCM Corso M-Z DOCENTE: M. Auteri Outline Docente: Auteri PreCorso di Matematica 2016 2 Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti
DettagliElementi di Algebra Lineare Applicazioni lineari
Elementi di Algebra Lineare Applicazioni lineari Cristina Turrini UNIMI - 2016/2017 Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra Lineare 1 / 50 index Applicazioni lineari 1 Applicazioni lineari
DettagliMATRICI E SISTEMI LINEARI
MATRICI E SISTEMI LINEARI - PARTE I - Felice Iavernaro Dipartimento di Matematica Università di Bari 27 Febbraio 2006 Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 1 / 1 Definizione
Dettagli( ) TEORIA DELLE MATRICI. A. Scimone a.s pag 1
. Scimone a.s 1997 98 pag 1 TEORI DELLE MTRICI Dato un campo K, definiamo matrice ad elementi in K di tipo (m, n) un insieme di numeri ordinati secondo righe e colonne in una tabella rettangolare del tipo
DettagliAlgebra lineare. Laboratorio di programmazione e calcolo CdL in Chimica. Pierluigi Amodio
Algebra lineare Laboratorio di programmazione e calcolo CdL in Chimica Pierluigi Amodio Dipartimento di Matematica Università di Bari pierluigi.amodio@uniba.it http://dm.uniba.it/ amodio A.A. 2016/17 P.
DettagliOperazioni tra matrici. Moltiplicazione per uno Scalare Moltiplicare ogni elemento della matrice per lo scalare. Sia c = 3
Operazioni tra matrici Definizione di matrice a ij è un elemento di A a ij è detto l elemento ij-esimo di A Moltiplicazione per uno Scalare Moltiplicare ogni elemento della matrice per lo scalare. Sia
DettagliRichiami di Algebra Lineare
Richiami di Algebra Lineare Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2015 Rossi Algebra Lineare 2015 1 / 41 Vettori Prodotto interno a : (n 1) b : (n 1) a b = a 1 b 1 +
DettagliAnno Accademico 2015/2016
Mod. 136/1 ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA Anno Accademico 2015/2016 Scuola di Scienze Corsi di Laurea o di Diploma Triennale in Matematica (nuovo ordinamento) Insegnamento Geometria I Docente
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2015/2016 Antonio Lanteri e Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 37 index Spazi vettoriali
DettagliRichiami di Algebra Lineare
Appendice A Richiami di Algebra Lineare In questo capitolo sono presentati alcuni concetti di algebra lineare L algebra lineare è quella branca della matematica che si occupa dello studio di vettori, spazi
DettagliAnno Accademico 2017/2018
Mod. 136/1 ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA Anno Accademico 2017/2018 Scuola di Scienze Corsi di Laurea o di Diploma Triennale in Matematica (nuovo ordinamento) Insegnamento Geometria I Docente
DettagliMATRICI E SISTEMI LINEARI
1 Rappresentazione di dati strutturati MATRICI E SISTEMI LINEARI Gli elementi di una matrice, detti coefficienti, possono essere qualsiasi e non devono necessariamente essere omogenei tra loro; di solito
DettagliCorso di Matematica per la Chimica. Dott.ssa Maria Carmela De Bonis a.a
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Spazio dei vettori Il primo oggetto matematico che definiamo sarà il vettore. Partendo dai numeri reali come rappresentazione dei punti della retta reale R,
DettagliSi noti che la matrice trasposta A ha lo stesso determinante. Questa proprietà è generale;
Ottavio Serra Matrici e determinanti In questa nota estenderemo a matrici quadrate di ordine n qualsiasi il concetto di determinante introdotto nelle scuole secondarie per matrici di ordine 2 come tecnica
DettagliAPPLICAZIONI LINEARI O OMOMORFISMI
42 APPLICAZIONI LINEARI O OMOMORFISMI Definizione 9 Dati due spazi vettoriali U e V sullo stesso campo K, una applicazione f : U V è detta lineare o omomorfismo se soddisfa le seguenti due condizioni:
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra Lineare 1 / 41 index Spazi vettoriali
DettagliAnno Accademico 2016/2017
Mod. 136/1 ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA Anno Accademico 2016/2017 Scuola di Scienze Corsi di Laurea o di Diploma Triennale in Matematica (nuovo ordinamento) Insegnamento Geometria I Docente
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2017/2018 Antonio Lanteri e Cristina Turrini (UNIMI - 2017/2018) Elementi di Algebra Lineare 1 / 37 index Spazi vettoriali
DettagliMatematica discreta 1 [145016]
Facoltà di Scienze Matematiche, Fisiche e Naturali anno accademico 2008/09 Registro dell'attività didattica Matematica discreta 1 [145016] Attività didattica: Attività didattica [codice] Corso di studio
DettagliRichiami di Algebra Lineare
Università di Pavia Richiami di Algebra Lineare Eduardo Rossi Vettori a : (n 1) b : (n 1) Prodotto interno a b = a 1 b 1 + a 2 b 2 +... + a n b n Modulo (lunghezza): a = a 2 1 +... + a2 n Vettori ortogonali:
DettagliRichiami di algebra lineare
2 Richiami di algebra lineare 2.1 Prodotto scalare, prodotto vettoriale e prodotto misto Sia V lo spazio vettoriale tridimensionale ordinario, che dotiamo di una base ortonormale (e 1, e 2, e 3 ), e i
Dettagli= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con
Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti su m righe e n colonne. I numeri che compaiono nella tabella si dicono elementi della matrice. La loro individuazione
DettagliVETTORI E MATRICI. Ing. Nicola Cappuccio 2014 U.F.5 ELEMENTI SCIENTIFICI ED ELETTRONICI APPLICATI AI SISTEMI DI TELECOMUNICAZIONI
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 I VETTRORI E MATRICI (RICHIAMI) Ad ogni matrice quadrata a coefficienti reali è possibile associare un numero reale, detto determinante, calcolato
DettagliElementi di Algebra Lineare Il determinante
Elementi di Algebra Lineare Cristina Turrini UNIMI - 2015/2016 Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 17 index 1 2 Sottomatrici e minori Cristina Turrini (UNIMI - 2015/2016)
DettagliRichiami di algebra delle matrici
Richiami di algebra delle matrici (S. Terzi) 1. SPAZI VETTORIALI I. ALCUNE DEFINIZIONI 1) Definizione di spazio vettoriale Sia S un insieme di vettori di ordine n. S è detto spazio lineare se e' un insieme
Dettagli(V) (FX) L unione di due basi di uno spazio vettoriale è ancora una base dello spazio vettoriale.
8 gennaio 2009 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola
DettagliCORSO DI ALGEBRA (M-Z) Prof. A. Venezia
CORSO DI ALGEBRA (M-Z) Prof. A. Venezia 2015-16 Complementi ed Esercizi 1. AUTOVETTORI e AUTOVALORI di ENDOMORFISMI e MATRICI Una applicazione lineare avente per dominio e condominio lo stesso spazio vettoriale
Dettagli3. Elementi di Algebra Lineare.
CALCOLO NUMERICO Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari 3. Elementi di Algebra Lineare. 1 Sistemi lineari Sia A IR m n, x IR n di n Ax = b è un vettore di m componenti.
DettagliDIARIO DEL CORSO DI MATHEMATICS FOR DATA SCIENCE TRENTO, A.A. 2018/19 DOCENTI: ANDREA CARANTI, SIMONE UGOLINI
DIARIO DEL CORSO DI MATHEMATICS FOR DATA SCIENCE TRENTO, A.A. 2018/19 DOCENTI: ANDREA CARANTI, SIMONE UGOLINI Nota. La descrizione di lezioni non ancora svolte si deve intendere come una previsione/pianificazione.
DettagliMATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI
MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI LE MATRICI DEFINIZIONE: Una matrice è un insieme di numeri disposti su righe e colonne. 1 3 7 M = 2 5 1 M è
DettagliDeterminanti. Definizione ed esempi. Definizione ed esempi. Proprietà dei determinanti Rango di matrici
Introduzione S S S Rango di matrici Si dice sottomatrice d'una matrice data la matrice ottenuta selezionando un certo numero di righe e di colonne della matrice iniziale. Lezione 24.wpd 08/01/2011 XXIV
DettagliGEOMETRIA 1 terza parte
GEOMETRIA 1 terza parte Cristina Turrini C. di L. in Fisica - 2014/2015 Cristina Turrini (C. di L. in Fisica - 2014/2015) GEOMETRIA 1 1 / 32 index Applicazioni lineari 1 Applicazioni lineari 2 Nucleo e
DettagliEsempio. L immagine di f è l insieme dei vettori w = (w 1, w 2 ) R 2 che hanno w 1 = w 2. Quindi:
Nucleo, immagine e loro proprietà [Abate, 5.2] Data una applicazione lineare f : V W, chiamiamo nucleo di f l insieme N(f) := { v V : f(v) = 0 W } Se S V è un sottoinsieme del dominio, indichiamo con f(s)
DettagliIl prodotto tra matrici non è commutativo. Nelle notazioni precedenti, ponendo n = p e m = q si hanno:
L anello delle matrici Esempio. Siano A = [ ] 0 1 3 0 2 1, B = 1 2 0 0 1 2 3 4, 1 0 calcolare AB e BA. Osservazioni Siano A Mat m,n (K) e B Mat p,q (K). Il prodotto AB è definito se n = p. Si ha AB Mat
Dettagli1) Quali dei seguenti sottoinsiemi del campo dei numeri reali ℝ sono sottospazi vettoriali?
Geometria I lezione del 30 settembre 2013 Presentazione del corso. Nozioni e notazioni: concetti primitivi di insieme, elemento ed appartenenza. Insiemi numerici: i numeri naturali ℕ, gli interi ℤ, i numeri
DettagliErrata Corrige del testo Elementi di Algebra Lineare
Errata Corrige del testo Elementi di Algebra Lineare A continuazione appaiono il numero di pagina e la riga +r (dall'alto verso il basso) oppure -r (dal basso verso l'alto) dove si fa una correzione del
DettagliLo scopo della teoria dei determinanti è di definire una funzione. det : M n R. sia calcolabile facendo somme e prodotti delle entrate delle matrici
Determinanti 1 / 44 Lo scopo della teoria dei determinanti è di definire una funzione det : M n R chiamata determinante tale che: sia calcolabile facendo somme e prodotti delle entrate delle matrici det(a)
DettagliDim. Usare la chiusura rispetto al prodotto esterno (vedi appunti lezione o libri di testo).
ESERCIZI PER CASA di GEOMETRIA per il Corso di Laurea di Scienze dei Materiali, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 28 maggio 29 Sottospazi di uno spazio vettoriale, sistemi
DettagliMATRICI e DETERMINANTI. Prof.ssa Maddalena Dominijanni
MATRICI e DETERMINANTI Le matrici non sono altro che tabelle di elementi ordinati per righe e colonne. Se m = n la matrice si dice quadrata Matrice quadrata di ordine 3 Matrice rettangolare di tipo 2 3
DettagliGEOMETRIA 1 seconda parte
GEOMETRIA 1 seconda parte Cristina Turrini C. di L. in Fisica - 2015/2016 Cristina Turrini (C. di L. in Fisica - 2015/2016) GEOMETRIA 1 1 / 52 index Applicazioni lineari 1 Applicazioni lineari 2 Nucleo
Dettagli3 Soluzione di sistemi lineari
3 Soluzione di sistemi lineari Prima di addentrarci nello studio dei metodi numerici, è doveroso introdurre le matrici e alcune strutture particolari di matrici nonchè alcuni concetti fondamentali quali
DettagliEsercizi di geometria per Fisica / Fisica e Astrofisica
Esercizi di geometria per Fisica / Fisica e Astrofisica Foglio 3 - Soluzioni Esercizio. Stabilire se i seguenti sottoinsiemi di R 3 sono sottospazi vettoriali: (a) S = {(x y z) R 3 : x + y + z = }. (b)
DettagliRichiami di Algebra Lineare
Richiami di Algebra Lineare Fabrizio Silvestri December 14, 010 Matrice Sia R il campo dei numeri reali. Si indica con R m n l insieme delle matrici ad elementi reali con m righe ed n colonne. Se A R n
DettagliCORSO DI GEOMETRIA APPLICAZIONI LINEARI E MATRICI A.A. 2018/2019 PROF. VALENTINA BEORCHIA
CORSO DI GEOMETRIA APPLICAZIONI LINEARI E MATRICI AA 2018/2019 PROF VALENTINA BEORCHIA INDICE 1 Matrici associate a un applicazione lineare 1 2 Cambiamenti di base 4 3 Diagonalizzazione 6 1 MATRICI ASSOCIATE
DettagliGEOMETRIA 1 Autovalori e autovettori
GEOMETRIA 1 Autovalori e autovettori Gilberto Bini - Anna Gori - Cristina Turrini 2018/2019 Gilberto Bini - Anna Gori - Cristina Turrini (2018/2019) GEOMETRIA 1 1 / 28 index Matrici rappresentative "semplici"
DettagliCorso di Matematica e Statistica 3 Algebra delle matrici. Una tabella rettangolare: la matrice. Una tabella rettangolare: la matrice
Pordenone Corso di Matematica e Statistica 3 Algebra delle UNIVERSITAS STUDIORUM UTINENSIS Giorgio T. Bagni Facoltà di Scienze della Formazione Dipartimento di Matematica e Informatica Università di Udine
DettagliRichiami di algebra delle matrici a valori reali
Richiami di algebra delle matrici a valori reali Vettore v n = v 1 v 2. v n Vettore trasposto v n = (v 1, v 2,..., v n ) v n = (v 1, v 2,..., v n ) A. Pollice - Statistica Multivariata Vettore nullo o
DettagliDefinizioni e operazioni fondamentali
MATRICI Definizioni e operazioni fondamentali Autovalori e autovettori Potenza Esponenziale Limiti, derivate e integrali Illustrazioni dal Testo di Riferimento per gentile concessione degli Autori 1 DEFINIZIONI
DettagliIntroduzione allo Scilab Parte 4: matrici; esempi.
Introduzione allo Scilab Parte 4: matrici; esempi. Felice Iavernaro Dipartimento di Matematica Università di Bari http://dm.uniba.it/ iavernaro felix@dm.uniba.it 20 Giugno 2007 Felice Iavernaro (Univ.
Dettagli2 Sistemi lineari. Metodo di riduzione a scala.
Sistemi lineari. Metodo di riduzione a scala. Esercizio.1 Utilizzando il metodo di eliminazione di Gauss, risolvere i seguenti sistemi lineari: 1. 3. x 1 x + 3x 3 = 1 x 1 x x 3 = x 1 + x + 3x 3 = 5 x 1
DettagliCORSO DI MATEMATICA II Prof. Paolo Papi ESERCIZI. 1). Stabilire quali dei seguenti sottoinsiemi di V sono sottospazi vettoriali. (a) V = R 3.
CORSO DI MATEMATICA II Prof Paolo Papi ESERCIZI ) Stabilire quali dei seguenti sottoinsiemi di V sono sottospazi vettoriali (a) V = R 3 () W = {(x,,x 3 ) x,x 3 R} (2) W 2 = {(x,,x 3 ) x,x 3 R} (3) W 3
Dettagliossia può anche essere localizzato univocamente sul piano complesso con la sua forma polare.
ALGEBRA COMPLESSA Nel corso dei secoli gli insiemi dei numeri sono andati man mano allargandosi per rispondere all esigenza di dare soluzione a equazioni e problemi sempre nuovi I numeri complessi sono
DettagliESAME DI GEOMETRIA. 6 febbraio 2002 CORREZIONE QUIZ
ESAME DI GEOMETRIA 6 febbraio CORREZIONE QUIZ. La parte reale di ( + i) 9 è positiva. QUIZ Si può procedere in due modi. Un primo modo è osservare che ( + i) =i, dunque ( + i) 9 =(+i)(i) 4 = 4 ( + i) :
DettagliGEOMETRIA 1 seconda parte
GEOMETRIA 1 seconda parte Cristina Turrini C. di L. in Fisica - 2014/2015 Cristina Turrini (C. di L. in Fisica - 2014/2015) GEOMETRIA 1 1 / 40 index Spazi vettoriali 1 Spazi vettoriali 2 Sottospazi 3 Sistemi
DettagliUN BREVE VIAGGIO ATTRAVERSO GLI SPAZI VETTORIALI 1
asdf UN BREVE VIAGGIO ATTRAVERSO GLI SPAZI VETTORIALI 4 November 2011 Con questo articolo, stavolta, proviamo a compiere un "viaggetto" attraverso gli spazi vettoriali. Come sempre avremo a che fare con
Dettagli1 2 1 x = Quando sapremo calcolare i determinanti potremo ricavare:
5 NOVEMBRE 2009 Esempio: Risolviamo il sistema: 3x + 2y + 4z = 1 2x y + z = 0 x + 2y + 3z = 1 1 2 4 3 1 4 3 2 1 0 1 1 2 0 1 2 1 0 1 2 3 1 1 3 1 2 1 x =, y =, z = 3 2 4 3 2 4 3 2 4 2 1 1 2 1 1 2 1 1 1 2
DettagliEsempi. In R 2, le coppia (2, 5) è combinazione lineare dei vettori (0, 1) e (1, 1). Infatti:
Combinazioni lineari [Abate, 4.2] Sia V uno spazio vettoriale e v 1, v 2,..., v n dei vettori di V. Diremo che un vettore w V è combinazione lineare dei vettori v 1,..., v n se esistono a 1, a 2,..., a
DettagliCORSO DI ALGEBRA (M-Z) Prof. A. Venezia
CORSO DI ALGEBRA (M-Z) Prof. A. Venezia 2018-19 Complementi ed Esercizi APPLICAZIONI LINEARI Siano V e V spazi vettoriali sul campo K. Una applicazione L: V V si dice lineare se: 1 AL. L(v+w) = L(v) +
DettagliSOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
DettagliCORSO DI MATEMATICA DISCRETA I (ALGEBRA) Prof. Paolo Papi ESERCIZI
CORSO DI MATEMATICA DISCRETA I (ALGEBRA) Prof. Paolo Papi ESERCIZI ). Siano A, B, C insiemi. Provare che (A B) C = A (B C) A (B C) =(A B) (A C) C(A B) =C(A) C(B). 2). Definiamo la differenza simmetrica
DettagliIntroduzione all algebra delle matrici. Appunti a cura di Lara Ercoli
Introduzione all algebra delle matrici ppunti a cura di Lara Ercoli Indice Definizioni 3. Matrici particolari............................ 4 2 Operazioni con le matrici 8 2. Somma di matrici.............................
DettagliAlgebra delle matrici
Algebra delle matrici Metodo di Gauss-Jordan per l inversione di una matrice. Nella lezione scorsa abbiamo visto che un modo per determinare l eventuale inversa di una matrice quadrata A consiste nel risolvere
DettagliSistemi lineari. Sia A R m n, x R n Ax = b è un vettore di m componenti. a m,1 x 1 + a m,2 x a m,n x n = b m
1 Sistemi lineari. Sia A R m n, x R n Ax = b è un vettore di m componenti. Numero di operazioni per calcolare b: m n moltiplicazioni m (n 1) addizioni. a 1,1 x 1 + a 1,2 x 2 +... + a 1,n x n = b 1 a 2,1
DettagliAPPUNTI SULLA DIAGONALIZZAZIONE Corso Prof. F.Podestà, a.a
APPUNTI SULLA DIAGONALIZZAZIONE Corso Prof FPodestà, aa 003-004 Sia V uno spazio vettoriale e sia f : V V una applicazione lineare una tale applicazione da uno spazio vettoriale in se stesso è chiamata
DettagliAlgebra lineare. {ax 2 + bx + c R 2 [x] : 2a + 3b = 1} a b c d. M(2, 2) : a + c + d = 2. a b. c d
Algebra lineare 1. Riconoscere se il seguente insieme costituisce uno spazio vettoriale. In caso affermativo trovarne la dimensione e una base. (R n [x] denota lo spazio dei polinomi nell indeterminata
DettagliGeometria Prova scritta, appello unico, sessione autunnale Corso di laurea in fisica A.A 2017/2018 Canali A C, e L Pa
Geometria Prova scritta, appello unico, sessione autunnale Corso di laurea in fisica A.A 27/28 Canali A C, e L Pa Durata: 2 ore e 3 minuti Simone Diverio Alessandro D Andrea Paolo Piccinni 7 settembre
DettagliTesti consigliati e contatti
Testi consigliati e contatti P.Bonacini, M. G. Cinquegrani, L. Marino, Algebra lineare: esercizi svolti, Cavallotto Edizioni, Catania P. Bonacini, M. G. Cinquegrani, L. Marino, Geometria analitica: esercizi
DettagliRANGO DI UNA MATRICE ρ(a)
RANGO DI UNA MATRICE (A) a,... a A M M am,... a, n mn, K É il massimo ordine di un minore estratto con determinante non nullo. Equivalentemente è il massimo numero di righe (colonne) linearmente indipendenti.
DettagliAutovalori e autovettori
Autovalori e autovettori Definizione 1 (per endomorfismi). Sia V uno spazio vettoriale su di un campo K e f : V V un suo endomorfismo. Si dice autovettore per f ogni vettore x 0 tale che f(x) = λx, per
DettagliAppunti di Geometria - 2
Appunti di Geometria - Samuele Mongodi - s.mongodi@sns.it Cambi di base e applicazioni lineari Richiami Sia V uno spazio vettoriale di dimensione n sul campo K, con base assegnata e,..., e n } (ad esempio
DettagliALGEBRA C. MALVENUTO
ALGEBRA CANALE A-L ESAME SECONDA PARTE SECONDO ESONERO 27 GENNAIO 22 C. MALVENUTO Istruzioni. Completare subito la parte inferiore di questa pagina con il proprio nome, cognome e firma. Scrivere solamente
DettagliUniversità degli Studi di Bergamo Modulo di Geometria e Algebra Lineare (vecchio programma) 2 luglio 2014 Tema A
Università degli Studi di Bergamo Modulo di Geometria e Algebra Lineare (vecchio programma) 2 luglio 24 Tema A Tempo a disposizione: 2 ore. Calcolatrici, libri e appunti non sono ammessi. Ogni esercizio
Dettagli3. Vettori, Spazi Vettoriali e Matrici
3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e
Dettagli25 - Funzioni di più Variabili Introduzione
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 25 - Funzioni di più Variabili Introduzione Anno Accademico 2013/2014 M. Tumminello
DettagliRango di una matrice e teorema di Rouché-Capelli
Rango di una matrice e teorema di Rouché-Capelli Sappiamo che a una matrice m n, A, è associata l applicazione lineare L A : R n R m, L A (X) = AX, X R n. Definizione 1. Lo spazio nullo di A, N (A), è
DettagliUniversità degli Studi di Bergamo Modulo di Geometria e Algebra Lineare (vecchio programma) 24 gennaio 2013 Tema A
Università degli Studi di Bergamo Modulo di Geometria e Algebra Lineare (vecchio programma) 24 gennaio 23 Tema A Tempo a disposizione: 2 ore. Calcolatrici, libri e appunti non sono ammessi. Ogni esercizio
DettagliFacoltà di Scienze Statistiche, Algebra Lineare 1 A, G. Parmeggiani - Programma
Facoltà di Scienze Statistiche, Algebra Lineare 1 A, G. Parmeggiani - Programma Il testo di riferimento è: Appunti di Algebra Lineare, Gregorio, Parmeggiani, Salce 06/12/04 Matrici. Esempi. Tipi particolari
DettagliMatrici e sistemi. Geometria. Matrici e operazioni tra matrici. Operazioni elementari e riduzione Sistemi lineari Matrici invertibili Determinante
Geometria Matrici e sistemi Operazioni elementari e riduzione Sistemi lineari Matrici invertibili Determinante 2 2006 Politecnico di Torino 1 Matrici e sistemi Matrici: definizione e notazioni Somma e
DettagliDeterminante. Sia M(n, n, K) lo spazio delle matrici quadrate n n a coefficienti in un campo K, vogliamo provare il seguente Teorema:
Determinante 1 Proprieta Sia M(n, n, K) lo spazio delle matrici quadrate n n a coefficienti in un campo K, vogliamo provare il seguente Teorema: Theorem 1.1 Esiste un unica mappa F dallo spazio delle matrici
Dettagli3. Vettori, Spazi Vettoriali e Matrici
3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e
DettagliEsercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria
Esercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria Avvertenze In quanto segue tutti i vettori hanno il medesimo punto d origine O l origine dello spazio cartesiano. Possiamo
Dettagli(VX) (F) Se A e B sono due matrici simmetriche n n allora anche A B è una matrice simmetrica.
5 luglio 010 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola
Dettagliil determinante che si ottiene da A, sopprimendo la i - esima riga e la j - esima colonna. Si definisce complemento algebrico dell'elemento a ij
Determinanti Sia data la matrice quadrata a... a n a a n =...... a... a n nn Chiamiamo determinante di il numero det o che ad essa viene associato. det = a a... a... a... a n n n... a nn Un generico elemento
DettagliElementi di Algebra Lineare
Elementi di Algebra Lineare Corso di Calcolo Numerico, a.a. 2009/2010 Francesca Mazzia Dipartimento di Matematica Università di Bari 13 Marzo 2006 Francesca Mazzia (Univ. Bari) Elementi di Algebra Lineare
DettagliTEMPUS PECUNIA EST COLLANA DI MATEMATICA PER LE SCIENZE ECONOMICHE FINANZIARIE E AZIENDALI
TEMPUS PECUNIA EST COLLANA DI MATEMATICA PER LE SCIENZE ECONOMICHE FINANZIARIE E AZIENDALI 2 Direttore Beatrice VENTURI Università degli Studi di Cagliari Comitato scientifico Umberto NERI University of
Dettagli