Applicazioni lineari Flashcards

1
Q

def applicazione lineare

A

siano V e V’ due spazi vettoriali. Una funzione T: V –> V’ si dice applicazione lineare se è additiva e omogenea

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

L’immagine di una combinazione lineare coincide con la combinazione lineare delle immagini con gli stessi coefficienti, dim

A

chiarire

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

isomorfismo

A

applicazione lineare biunivoca T: V –> V’ (di cui V e V’ sono detti isomorfi)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

sia T: V –> V’ app. lineare. Se V1, V2 ∈ V sono dipendenti, anche T(V1), T(V2) T(Vk) ∈ V’ lo sono, dim

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Sia B una base di V composta da n-vettori. Allora k vettori w1,w2,wk son k>n sono linearmente dipendenti. dim

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

V ha dimensione finita n se una base di V ha n vettori. Altrimenti ha dimensione infinita

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Teorema del completamento delle basi

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

eq parametriche

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

eq cartesiane

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Formula di Grassman

A

dati due sottospazi vettoriali U e W di V definiamo
1. sottospazio intersezione
2. sottospazio somma

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Teorema collegato alla formula di Grassman

A

dim(U ∩ W) + dim (U + W) = dim U + dim W

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

sottospazi supplementari

A

se U ∩ W = o, allora U+ W si dice somma diretta e si scrive U ⊕ W ( se rispetta queste due regola allora U e W sono sottospazi supplementari

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Se U e W sono sottospazi supplementari ogni v che appartiene a V si scrive in modo unico come somma di un vettore di U e uno di W

A

dimostro con unicità del vettore, per assurdo faccio che un vettore di V è la somma di due diversi vettori di W e U.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Sottospazi affini

A

Sia W un sottospazio vettoriale di V. Un sottospazio affine di giacitura W è un sottoinsieme del tipo L contenuto in V:
-L = v0 + W (per ogni w appartenente a W) dove v0 è un vettore qualsiasi di V
dim L = dim W

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Sia S l’insieme di soluzioni di un sistema lineare AX=B. Se non è vuoto e S è un sottospazio affine di Rn allora
S= v0 + w dove v0 è una soluzione del sistema e w è l’insieme delle soluzioni del sistema omogeneo associato. DIM

A
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Matrice associata a T

A

Si T: V–>V’ un’applicazione lineare, dimV=n, dimV’=m.
Fissiamo una base B con n vettori e una base B’ con m vettori. La matrice associata rispetto alle basi all’applicazione lineare è formata dalle colonne di FB’(T(vn)).

17
Q

In coordinate T agisce come moltiplicazione della matrice associata rispetto alle basi quad dim

A
18
Q

cos’è il nucleo di un’applicazione lineare

A

Sia T un’applicazione lineare dimV=n. Il nucleo di T è quel vettore di V che ha come immagine un vettore nullo.

19
Q

KerT è un sottospazio vettoriale di V di dimKerT=n-rgA (dove A è una qualsiasi matrice associata rispetto alle basi scelte)

A

dimostrazione con il fatto che il KerT non è vuoto, quindi contiene il vettore nullo per il fatto che l’immagine del vettore nullo è il vettore nullo. dimostro che KerT è chiuso rispetto a somma e rispetto a prodotto.

20
Q

T è iniettiva se e solo se il KerT= 0 DIM

A
21
Q

Sottospazio immagine

A

Sia T un’applicazione lineare. L’immagine di T è il sottospazio vettoriale T(v): ImT=T(v)…
In parole povere ImT è il sottospazio vettoriale formato dalle immagini di V.

22
Q

Teorema nullità + rango ( della dimensione)

A

dim KerT + dim ImT = dimV