Analisi complessa/Campi e spazi vettoriali: differenze tra le versioni
Contenuto cancellato Contenuto aggiunto
Nessun oggetto della modifica |
cambio avanzamento a 100% |
||
Riga 1:
{{Analisi complessa}}
==Campo==
Si dice '''campo''' un insieme <math>\mathbb{E}</math> sul quale siano definite le due operazioni algebriche fondamentali di addizione e moltiplicazione e le relative proprietà formali, se <math>x, y, z\in E</math> allora:
;per l'addizione
#<math>x + y \in \mathbb{E}</math> (''chiusura rispetto all'addizione'')
#<math>x + y = y + x\!</math> (''proprietà commutativa'')
#<math>( x + y ) + z =x + ( y + z)\!</math> (''prorpietà associativa'')
#<math> \exists 0 \in \mathbb{E} : \forall x \in \mathbb{E} :x + 0 = x</math> (''elemento neutro reispetto all'addizione'')
#<math>\forall x \in \mathbb{E}\quad\exists -x \in E:x+(-x)=0</math> (''elemento opposto'')
;per la moltiplicazione
#<math>x\cdot y\in \mathbb{E}</math> (''chiusura rispetto alla moltiplicazione'')
#<math>x \cdot y = y \cdot x</math> (''proprietà commutativa rispetto alla moltiplicazione'')
#<math>( x \cdot y ) \cdot z =x \cdot(y \cdot z)</math> (''proprietà associativa rispetto alla moltiplicazione'')
#<math>\exists 1 \in E : \forall x \in \mathbb{E}\quad 1 \cdot x = x</math> (''elemento neutro rispetto alla moltiplicazione'')
#<math>\forall x\in \mathbb{E}\setminus{\{0\}}\quad\exists 1/x \in E: x \cdot(1/x)=1</math> (''elemento inverso rispetto alla moltiplicazione'')
#<math>x\cdot( y + z)=x\cdot y + x \cdot z</math> (''proprietà distributiva dell'addizione rispetto alla moltiplicazione'')
'''Esempi''':Gli insiemi dei numeri reali e dei numeri complessi, <math>\mathbb{R}</math>
e <math>\mathbb{C}</math>
sono due esempi molto importanti di campi.
==Spazio vettoriale==
;Definizione:Si dice '''spazio vettoriale''' rispetto ad un campo <math>\mathbb{E}</math> un insieme <math>V</math> sul quale siano definite le operazioni di somma e di moltiplicazione per uno scalare, che godono delle seguenti proprieta':
;Proprietà:
allora
#<math>\mathbf{x} + \mathbf{y} = \mathbf{y} + \mathbf{x}</math>
#<math> ( \mathbf{x} + \mathbf{y} ) + \mathbf{z} = \mathbf{x} + ( \mathbf{y} + \mathbf{z} )</math>
#<math>\exists \mathbf{0} \in V : \forall \mathbf{x} \in V : \mathbf{x}+\mathbf{0} = \mathbf{x}</math>
#<math>\forall \mathbf{x} : \exists-\mathbf{x} : \mathbf{x} + ( - \mathbf{x})=\mathbf{0}</math>
#<math>\alpha\mathbf{x}\in V</math>
#<math>\alpha(\beta\mathbf{x})=(\alpha\cdot\beta)\mathbf{x}</math>
#<math>\alpha(\mathbf{x}+\mathbf{y})=\alpha\mathbf{x}+\alpha\mathbf{y}</math>
#<math>(\alpha+\beta)\mathbf{x}=\alpha\mathbf{x}+\beta\mathbf{x}</math>
*Gli elementi di uno spazio vettoriale si dicono '''vettori''', ed il vettore
::<math>\mathbf{v}=\sum_{i}c_{i}\mathbf{x}_{i}</math>
:si dice '''combinazione lineare''' dei vettori <math>\mathbf{x}_{i}\in V</math> con coefficienti <math> c_i\in\mathbb{E}</math>;
*Se <math>S\subseteq V</math>, l'insieme <math><S>\!</math> di tutte le combinazioni lineari finite dei vettori contenuti in <math>S</math> si dice '''inviluppo lineare (span)''' di <math>S</math>, oppure si dice che <math><S>\!</math> genera (spans) <math>S</math>.
*I vettori <math>\mathbf{x}_1,\ldots,\mathbf{x}_{k}</math> si dicono '''linearmente indipendenti''' se
::<math>\sum_{i=1}^{k}c_{i}\mathbf{x}_i=\mathbf{0}:\Rightarrow c_{i}=0\quad\forall i=1,\ldots,k</math>
:si dicono '''dipendenti''' in caso contrario.
*Se uno spazio vettoriale <math>V</math> contiene ''r'' vettori linearmente indipendenti ma non ne contiene ''r+1'' si dice che ha '''dimensione''' ''r'', e si scrive <math>\dim V=r</math>.
*Un insieme <math>S</math> di vettori si dice indipendente se tutti i sottoinsiemi finiti di vettori di <math>S</math> sono linearmente indipendenti.
*Un sottoinsieme <math>B\subseteq V</math> che generi <math>V</math> e sia composto da vettori linearmente indipendenti si dice '''base''' di <math>V</math>.
È opportuno sottolineare che una base vettoriale è tale se genera tutti i vettori di <math>V</math> come combinazioni lineari di un numero finito di vettori della base stessa.
==Teorema 2.3.3.==
Se uno spazio vettoriale e' generato da un insieme di ''r'' vettori, allora <math>\dim V \leq r</math>.
Se <math>\dim V=r</math> allora:
#Un insieme di <math>r</math> vettori genera <math>V</math> se e solo se gli <math>r</math> vettori sono linearmente indipendenti
#<math>V</math> ha almeno una base, ed ogni base consiste di <math>r</math> vettori.
#Se <math> \mathbf{y_i}_{i=1}^{s}</math> con <math>1\leq s\leq r</math>, ed i vettori <math>\mathbf{y}_{i}</math> sono linearmente indipendenti, esiste una base di <math>V</math> che contiene i vettori <math>\mathbf{y}_{i}</math>.
==Sottospazio==
;Definizione 2.3.4.:Un sottoinsieme <math>M\subset V</math> è un '''sottospazio''' dello spazio vettoriale <math>V</math> se è a sua volta uno spazio vettoriale, rispetto alla somma ed alla moltiplicazione per scalare definite in <math>V</math>.
In altri termini, è un sottospazio se:
<math>\forall \mathbf{z},\mathbf{w} \in M, \alpha \in \mathbb{E}</math> si ha:
#<math>\alpha \mathbf{z} \in M</math>
.
==Insieme convesso==
Un sottoinsieme <math>E\in V</math> si dice '''convesso''' se per ogni <math>\mathbf{x},\mathbf{y}\in E</math>,con <math>0<t<1\!</math>, si ha che:
::<math>\mathbf{z}=t\mathbf{y}+(1-t)\mathbf(x)\in E</math>;
;Osservazioni:Chiaramente, ogni sottospazio e' convesso, e se un insieme <math>E</math> è convesso, lo e' anche il suo '''traslato'''
::<math>E+\mathbf{w}= \{\mathbf{x}+\mathbf{w} : \mathbf{x} \in E\}</math>.
==Applicazioni lineari==
;Definizione 2.3.5.:Un'applicazione <math>A</math> da uno spazio vettoriale <math>X</math> ad uno spazio vettoriale <math>Y</math> si dice '''lineare''' se <math>\forall\mathbf{x},\mathbf{y}\in X,\alpha,\beta\in \mathbb{E}</math>
::<math>A(\alpha\mathbf{x}+\beta\mathbf{y})=\alpha A(\mathbf{x})+\beta A(\mathbf{y})</math>.
*Le applicazioni lineari da <math>X</math> in <math>X</math> si dicono '''operatori lineari''' su <math>X</math>.
;Definizione 2.3.6.:Un'applicazione lineare <math>L:X \rightarrow \mathbb{C}</math> si dice '''funzionale lineare'''.
*L'insieme dei vettori in <math>X</math> tali che <math>Lx=0</math> si dice '''kernel''' (nocciolo, o nucleo) del funzionale <math>L</math>.
:In altre parole si definisce il kernel di un funzionale ''L'', il seguente insieme:
::<math>Ker(L):=\{\mathbf{x}\in X: L\mathbf{x}=0\}</math>
[[Categoria:Analisi complessa|Campi e Spazi Vettoriali]]
{{Avanzamento|100%|15 febbraio 2009}}
|