2/1 SPAZI DI HILBERT 08/09 1 SPAZI DI HILBERT
|
|
- Costanza Franchini
- 5 anni fa
- Visualizzazioni
Transcript
1 2/1 SPAZI DI HILBERT 08/09 1 SPAZI DI HILBERT Uno spazio H è uno spazio di Hilbert se gode delle seguenti proprietà: 1) è uno spazio vettoriale, cioè sono definite, con risultato in H, l addizione f + g di due elementi e la moltiplicazione af di un elemento per un numero (complesso) con tutte le usuali proprietà; in particolare esiste l elemento nullo, che possiamo indicare con 0, neutro per l addizione e risultato della moltiplicazione per 0 di un qualsiasi elememto; 2) è dotato di un prodotto scalare g, f, hermitiano, lineare nel secondo fattore e antilineare nel primo e strettamente positivo, cioè con le proprietà f, g = g, f, g, af = a g, f, f, f 0, f, f = 0 solo se f = 0, 3) è completo (la proprietà è definita nel seguito); 4) è separabile (la proprietà è definita nel seguito). In generale diremo vettori o anche punti gli elementi di H. Possono darsi due casi: n) esistono n e non più di n vettori linearmente indipendenti, ) esistono infiniti vettori linearmente indipendenti. Nota Nel caso n, le proprietà 3 e 4 seguono da 1 e 2. Esempi Sono spazi di Hilbert concreti lo spazio l n delle n uple di numeri complessi; lo spazio l 2 delle successioni di numeri complessi a modulo quadrato sommabili; lo spazio L 2 (R) delle funzioni complesse in R a modulo quadrato integrabili, ove si associno al medesimo elemento le funzioni diverse al più in un insieme di misura nulla; lo spazio L 2 (R 3 ) delle funzioni complesse in R 3 a modulo quadrato integrabili, ove si associno al medesimo elemento le funzioni diverse al più in un insieme di misura nulla. Nei diversi casi le operazioni lineari sono definite nel modo ovvio e il prodotto scalare da n in l n, se f = {f i }, g = {g i }, g, f = 1 i g i f i, in l 2, se f = {f i }, g = {g i }, g, f = 1 i g i f i, in L 2 (R), se f = f(x), g = g(x), g, f = dx g (x)f(x), in L 2 (R 3 ), se f = f(x), g = g(x), g, f = dx g (x)f(x). R 3 R
2 2/1 SPAZI DI HILBERT 08/09 2 Ortogonalità e lunghezza Due vettori f e g si dicono ortogonali se f, g = 0. Il numero reale non negativo f = f, f si dice lunghezza o norma di f ( f = 0 se e solo se f = 0). Dati due vettori f e g la lunghezza f g della loro differenza costituisce la loro distanza. Disuguaglianze Disuguaglianza triangolare: f + g f + g (l uguaglianza vale solo se f e g coincidono tranne che per un fattore reale non negativo). Disuguaglianza di Schwarz: f, g f g (l uguaglianza vale solo se f e g coincidono tranne che per un fattore). Indipendenza lineare I vettori di un set si dicono linearmente indipendenti quando l annullarsi di una qualsiasi combinazione lineare di vettori del set implica l annullarsi di tutti i coefficienti, (finita) k a k f k = 0 a k = 0. Varietà lineari Un set di vettori si dice varietà lineare se contiene tutte le combinazioni lineari di suoi elementi. Dato un qualsiasi set di vettori S, il set di tutte le combinazioni lineari di suoi elementi è una varietà lineare che si dice varietà lineare generata (o sottesa) da S. Nello spazio di Hilbert L 2 (R) sono esempi di varietà lineari lo spazio S (R) L 2 (R) delle funzioni derivabili infinite volte a decrescenza rapida e lo spazio C 0 (R) S (R) delle funzioni derivabili infinite volte a supporto compatto. Analogamente S (R 3 ) e C 0 (R 3 ) in L 2 (R 3 ).
3 2/1 SPAZI DI HILBERT 08/09 3 Continuità, limiti, punti limite Il concetto di distanza di due vettori permette, nel modo usuale, di introdurre la nozione di continuità di una funzione e di definire la convergenza di una successione a un limite. Una funzione F (f) definita in H, a valori di numero o di vettore, si dice continua in f 0 se per ogni ɛ > 0 esiste un δ (> 0) tale che F (f) F (f 0 ) < ɛ se F è a valori di numero, f f 0 < δ = F (f) F (f 0 ) < ɛ se F è a valori di vettore. Le funzioni a valori di vettore a f e f + g e a valore di numero g, f sono ovunque funzioni continue dei loro argomenti. Una successione di vettori f 1, f 2,... ha limite f (o converge a f) se la successione di numeri f 1 f, f 2 f,... converge a zero. Affermare che lo spazio H è completo significa che ogni successione di elementi che soddisfa la condizione di Cauchy ammette limite (in H ). I concetti di convergenza e limite permettono a loro volta di definire la convergenza di una serie e il valore della sua somma quali convergenza e limite della successione delle somme parziali. Un punto (vettore) è un punto limite di un set S se è il limite di una successione estratta da S. Un set S si dice chiuso se contiene tutti i suoi punti limite. Un set S si dice denso in H (o ovunque denso) se i suoi punti limite riempiono tutto H. Nello spazio L 2 (R) le varietà lineari S (R) e C 0 (R) sono non chiuse e ovunque dense. Analogamente in L 2 (R 3 ) le varietà lineari S (R 3 ) e C 0 (R 3 ). Affermare che lo spazio H è separabile significa che esiste una successione densa in H. La proprietà di separabilità può essere descritta intuitivamente dicendo che le dimensioni di H, se infinite, sono numerabili.
4 2/1 SPAZI DI HILBERT 08/09 4 Varietà lineari chiuse o sottospazi Una varietà lineare che sia anche chiusa si dice varietà lineare chiusa. Aggiungendo a una (alla) varietà lineare (generata da S) i suoi punti limite si ottiene una (la) varietà lineare chiusa ([S], detta generata da S). Una varietà lineare chiusa in uno spazio di Hilbert è essa stessa uno spazio di Hilbert con le stesse operazioni vettoriali e lo stesso prodotto scalare, cioè è un sottospazio. Viceversa, ogni sottospazio di uno spazio di Hilbert è una varietà lineare chiusa. Nota In uno spazio di Hilbert finitodimensionale tutte le varietà lineari sono chiuse. Esempio La varietà generata da un set di n vettori f 1,..., f n, costituita dalle combinazioni lineari è un sottospazio di dimensioni pari al numero di vettori linearmente indipendenti nel set. n 1 ia if i, Sottospazi propri e impropri Il sottospazio costituito dallo spazio di Hilbert H stesso e il sottospazio [0] (che diremo a zero dimensioni) generato dal vettore 0 e costituito solo da questo sono detti sottospazi impropri. Tutti gli altri sottospazi sono detti propri. Operazioni su sottospazi Se S e T sono due sottospazi, anche la loro intersezione S T è un sottospazio. Se S e T sono due sottospazi ortogonali (S T ), cioè tali che ogni elemento di ciascuno sia ortogonale a tutti gli elementi dell altro, la varietà lineare generata da S e T è chiusa e quindi è un sottospazio, che si dice somma diretta di S e T e si indica con S T. Se T è un sottospazio contenuto in un altro sottospazio S, il set degli elementi di S ortogonali a tutti gli elementi di T è un sottospazio, che si dice complemento ortogonale di T in S e si indica con S T. Vale la relazione T = S (S T ).
5 2/1 SPAZI DI HILBERT 08/09 5 Ortonormalità e ortonormalizzazione Un set di vettori di norma 1 e mutuamente ortogonali si dice ortonormale (non necessariamente completo nel senso e con le proprietà precisate nel seguito). In uno spazio di Hilbert a n dimensioni ogni set ortonormale ha al massimo n elementi. In uno spazio di Hilbert infinitodimensionale, in conseguenza dell assunta separabilità, ogni set ortonormale è finito o numerabilmente infinito. L ortonormalità di un set di vettori {e i } si traduce nelle relazioni e j, e i = δ ij. I vettori di un set ortonormale sono sempre linearmente indipendenti. Data una qualsiasi successione (finita o infinita) di vettori, si può sempre costruire una successione di vettori ortonormali che genera la stessa varietà lineare (ad esempio, con il processo di ortonormalizzazione di Schmidt). Proprietà di un set ortonormale Sia e 1, e 2,... un set ortonormale. Allora (le affermazioni o assunzioni di convergenza sono vuote se il set è finito) la serie k a k e k converge se e solo se k a k 2 converge; da f = a k e k (la convergenza è assunta) segue e k, f = a k ; k per ogni f, posto a k = e k, f, la serie f = a k e k converge e f f è ortogonale a e 1, e 2,...; k per ogni f, g, la serie e k, g e k, f converge; inoltre, nel caso f = g, e k, f 2 f 2. k k
6 2/1 SPAZI DI HILBERT 08/09 6 Set ortonormali completi Sia e 1, e 2,... un set ortonormale. Allora ciascuna delle condizioni che seguono è necessaria e sufficiente per ciascuna delle altre: il sottospazio generato dal set ortonormale coincide con H ; il set ortonormale non è sottoinsieme proprio di alcun altro set ortonormale; per ogni f (1) f = k a k e k, dove a k = e k, f ; per ogni f, g, (2) g, f = k e k, g e k, f. Un set ortonormale che goda di tali proprietà si dice completo. In uno spazio di Hilbert a n dimensioni un set ortonormale è completo se e solo se ha n elementi. In uno spazio di Hilbert infinitodimensionale un set ortonormale se è completo è certamente infinito. Esistenza di set ortonormali completi In conseguenza della separabilità, esiste in H un set ortonormale completo. Ovviamente ciò è vero anche in ogni sottospazio (escluso [0]). Isomorfismi Tutti gli spazi di Hilbert aventi un uguale numero finito di dimensioni sono isomorfi. Tutti gli spazi di Hilbert infinitodimensionali sono isomorfi.
7 2/1 SPAZI DI HILBERT 08/09 7 OPERATORI NEGLI SPAZI DI HILBERT Un operatore A è una funzione definita in un sottoinsieme D(A) (dominio di A) di H con valori in H (codominio di A è l insieme dei valori). Il valore della funzione corrispondente a f si indica con Af. Due operatori A e B sono uguali e si scrive A = B se D (A) = D (B) e in tale dominio Af = Bf. La moltiplicazione per un numero a è un operatore ovunque definito che sarà indicato con a. In particolare l operatore identità sarà indicato con 1 e l operatore nullo con 0. Dati due operatori A e B, gli operatori somma A + B e prodotto AB sono definiti da (A + B)f = Af + Bf, (AB)f = A(Bf), nei domini in cui le scritture a secondo membro sono definite. Si usano le notazioni A = ( 1)A, A B = A + ( B); A 0 = 1, A 1 = A, A 2 = AA,.... Se, per un dato A, Af = Ag implica f = g, A ha un inverso A 1 definito nel codominio di A. Se il dominio di un operatore è denso in H diremo che esso è densamente definito. Considereremo unicamente operatori densamente definiti. Operatori lineari Un operatore A si dice lineare se ha per dominio una varietà lineare e A(f + g) = Af + Ag, A(af) = a(af). Considereremo unicamente operatori lineari (con una sola eccezione). Proprietà delle operazioni Le operazioni A + B e aa godono di tutte le proprietà del calcolo tra numeri, compresa la commutatività aa = Aa se A è lineare. Il prodotto gode della proprietà associativa (AB)C = A(BC) = ABC. Il prodotto gode della proprietà distributiva rispetto al primo fattore (A + B)C = AC + BC. Se A è lineare (e il suo dominio comprende i codomini di B e C), gode anche della proprietà distributiva rispetto al secondo fattore A(B + C) = AB + AC. Il prodotto non gode in generale della proprietà commutativa. Se per due particolari operatori A e B si ha AB = BA, si dice che A e B commutano. Se A e B hanno inversi, anche AB ha inverso dato da (AB) 1 = B 1 A 1.
8 2/1 SPAZI DI HILBERT 08/09 8 Commutatori Dati due operatori A e B il loro commutatore [ A,B ] è l operatore definito da (3) [ A,B ] = AB BA. Si verificano facilmente le seguenti proprietà formali dei commutatori (per la cui validità può essere necessario restringere il dominio di alcune espressioni che vi compaiono): [ ] [ ] (4.1) B,A = A,B, [ ] [ ] (4.2) ca,b = c A,B, [ ] [ ] [ ] (4.3) A + B,C = A,C + B,C, [ ] [ ] [ ] (4.4) AB,C = A B,C + A,C B, [[ ] ] [[ ] ] [[ ] ] (4.5) A,B,C + B,C,A + C,A,B = 0. Si noti la completa analogia con le proprietà formali delle parentesi di Poisson della meccanica classica. Operatori lineari continui Un operatore lineare continuo in 0 è continuo in tutto il suo dominio. Un operatore lineare L si dice limitato se esiste una costante C per cui (5) Lf C f per ogni f in D(L) o equivalentemente (6) g, Lf C f g per ogni f in D(L) e ogni g. Gli operatori lineari continui sono limitati e viceversa. Un operatore lineare densamente definito e continuo (limitato) può sempre e in modo unico essere esteso per continuità a tutto H. Supporremo sempre che tale estensione sia stata fatta. In uno spazio di Hilbert finitodimensionale tutti gli operatori lineari sono limitati.
9 2/1 SPAZI DI HILBERT 08/09 9 Coniugato hermitiano di un operatore limitato Sia L un operatore lineare densamente definito e limitato (che pertanto può essere considerato ovunque definito per continuità). Per ogni vettore g, l espressione g, Lf è una funzione (funzionale) lineare continua di f. Per il teorema di Riesz Fréchet, esiste sempre un vettore h tale che g, Lf = h, f Si dimostra facilmente che h (ovviamente unico) è una funzione lineare continua di g e pertanto definisce ovunque un operatore lineare limitato L, detto coniugato hermitiano (o anche aggiunto) di L, che è tale che (7) g, Lf = L g, f Si ha evidentemente (L ) = L, (al) = a L, (L + M) = L + M, (ML) = L M. Nota Abbiamo usato lo stesso simbolo per indicare il coniugato hermitiano di un operatore e il coniugato complesso di un numero. Poiché il coniugato hermitiano dell operatore di moltiplicazione per un numero è l operatore di moltiplicazione per il numero coniugato complesso, la notazione non dà luogo a inconvenienti. Un altro simbolo spesso usato per il coniugato hermitiano di un operatore è (daga). Operatori hermitiani Un operatore lineare densamente definito S si dice hermitiano (o anche simmetrico) se (8) g, Sf = Sg, f per ogni f e g in D(S). Ovviamente un operatore limitato è hermitiano se e solo se coincide con il suo coniugato hermitiano e per esso la relazione (8) vale ovunque. Per un operatore hermitiano la condizione (6) per essere limitato si riduce a (9) f, Sf C f 2 per ogni f in D(S), cioè (10) C f 2 f, Sf C f 2 per ogni f in D(S). Se solo la prima (la seconda) disuguaglianza è soddisfatta, con C positivo, nullo o negativo, l operatore hermitiano si dice limitato inferiormente (superiormente); in particolare un operatore hermitiano si dice positivo se (11) f, Sf 0 per ogni f in D(S).
10 2/1 SPAZI DI HILBERT 08/09 10 Aggiunto di un operatore non limitato Gli spazi di Hilbert che si considerano nell ambito della meccanica quantistica sono di regola infinitodimensionali, come ad esempio L 2 (R 3 ). Possono allora esistere operatori lineari non limitati che, anche se densamente definiti, non possono essere estesi per continuità a tutto lo spazio. Molti operatori di importanza fondamentale in meccanica quantistica, come ad esempio l operatore H in L 2 (R 3 ), sono appunto operatori lineari non limitati densamente definiti. Per un operatore lineare L anche non limitato ma densamente definito è possibile definire un operatore aggiunto L il cui dominio D (L ) è costituito da tutti i vettori g per cui vale la relazione (7) per ogni f appartenente a D (L). Operatori autoaggiunti Un operatore lineare A anche non limitato ma densamente definito si dice autoaggiunto se A = A (la condizione comprende anche D (A) = D (A )). Per un operatore autoaggiunto A vale la relazione (12) g, Af = Ag, f per ogni f e g in D(A). Un operatore hermitiano S può non essere autoaggiunto poiché è S S se D (S ) è un estensione propria di D (S). Tuttavia se l operatore hermitiano S è limitato D (S) e D (S ) coincidono con l intero spazio e S è anche autoaggiunto. Gli operatori hermitiani di interesse in meccanica quantistica se non limitati sono comunque densamente definiti e, di regola, sono tali che una loro estensione è autoaggiunta. Noi sottintenderemo sempre che tale estensione autoaggiunta, che è unica, sia stata fatta e, nei capitoli successivi, considereremo i termini hermitiano e autoaggiunto come sinonimi. L importanza degli operatori autoaggiunti in meccanica quantistica discende dal fatto che per essi valgono teoremi che permettono di associare all operatore una grandezza fisica.
11 2/1 SPAZI DI HILBERT 08/09 11 Operatori isometrici e unitari Operatori isometrici Un operatore lineare I si dice isometrico se (13) If = f per ogni f in D(I) o equivalentemente (14) Ig, If = g, f per ogni f, g in D(I). Un operatore isometrico è limitato (con C = 1) e, se densamente definito, può essere esteso per continuità a tutto H. La condizione (14) di isometria si scrive anche (15) I I = 1. Nota Un operatore isometrico non può trasformare vettori distinti nel medesimo vettore ed è quindi sempre dotato di inverso I 1 che è pure isometrico. In uno spazio di Hilbert infinitodimensionale l inverso I 1 può non essere ovunque definito anche se l operatore I è ovunque definito. Operatori unitari Un operatore U isometrico, ovunque definito e dotato di inverso ovunque definito si dice unitario. Il suo inverso U 1 è anch esso unitario. Il confronto della relazione U 1 U = 1 con la relazione di isometria U U = 1 mostra che U 1 = U. Pertanto un operatore unitario gode di entrambe le proprietà (16.1) (16.2) U U = 1, U U = 1. Viceversa un operatore che goda di entrambe tali proprietà è unitario. Nota Un operatore isometrico ovunque definito il cui codominio sia l intero spazio di Hilbert ha necessariamente inverso ovunque definito e pertanto è unitario. Nota In uno spazio di Hilbert finitodimensionale ogni operatore isometrico è anche unitario.
12 2/1 SPAZI DI HILBERT 08/09 12 OPERATORI DI PROIEZIONE Sia S un sottospazio. Allora ogni h H può essere scomposto in modo unico in due componenti h = f + g, f S, g H S. Il vettore f si dice proiezione di h su S ; posto f = P S h, P S è un operatore definito ovunque detto operatore di proiezione (o proiettore o proiezione) su S. Si ha evidentemente P H S = 1 P S. Se S = H, P H = 1; se S = [0], P [0] = 0. S è il set di tutti i P S h (cioè è il codominio di P S ); S è anche il set delle soluzioni dell equazione P S h = h; H S è il set delle soluzioni dell equazione P S h = 0. Proprietà e caratterizzazione dei proiettori L operatore P S ha le seguenti proprietà per ogni f, g H P S (f + g) = P S f + P S g, P S (af) = ap S f, g, P S f = P S g, f, P S (P S f) = P S f, cioè è lineare, hermitiano e idempotente. Un operatore E definito ovunque è un proiettore, cioè E = P S per un sottospazio S, se e solo se è hermitiano e idempotente, cioè g, Ef = Eg, f, E 2 = E. Si noti che la linearità di E non è fra le proprietà richieste e quindi segue da queste. Se E è un proiettore, anche 1 E lo è, e viceversa. Il sottospazio S è determinato in modo unico da E. Per ogni proiettore P (17) 0 f, P f f, f, cioè P è positivo e limitato da 1. Ogni proiettore, essendo limitato e hermitiano, è autoaggiunto.
13 2/1 SPAZI DI HILBERT 08/09 13 Operazioni su proiettori Siano P S e P T due proiettori. Allora (18) (19) (20) l operatore P S P T è un proiettore se e solo se P S P T = P T P S, e in tale caso P S P T = P S T ; l operatore P S + P T è un proiettore se e solo se S T (ovvero P S P T = 0 e equivalentemente P T P S = 0), e in tale caso P S + P T = P S T ; l operatore P S P T è un proiettore se e solo se T S (ovvero P S P T = P T e equivalentemente P T P S = P T ), e in tale caso P S P T = P S T.
14 2/1 SPAZI DI HILBERT 08/09 14 PROBLEMI AGLI AUTOVALORI Dato un operatore lineare L in uno spazio di Hilbert l equazione (21) Lf = lf dove l è un numero e f un vettore diverso da 0 si dice equazione agli autovalori dell operatore L. Se l, f è una coppia che soddisfa l equazione (21), l si dice autovalore di L e f autovettore di L appartenente (o corrispondente) all autovalore l. Per ogni operatore lineare L Lf = lf Lg = lg = L(af + bg) = l(af + bg), cioè combinazioni lineari di autovettori appartenenti al medesimo autovalore sono autovettori appartenenti a esso autovalore, cioè gli autovettori sono organizzati per varietà lineari (autovarietà, se chiuse autospazi) individuate dagli autovalori. Se a un autovalore corrisponde un autovarietà più che unidimensionale si dice che l autovalore è degenere. Nota Per distinguere l una dall altra le coppie autovalore autovettore e per indicare la corrispondenza tra autovalore e autovettore si usano indici. Se non c è degenerazione la notazione è del tipo Lf n = l n f n, con la quale si rinuncia a denotare il fattore arbitrario sempre presente in f n. In caso di degenerazione sono possibili due notazioni, Lf n = l n f n (può essere l n = l m per n m) oppure Lf nl = l n f nl (si intende che l n l m per n m), dove, per un dato n, l corre, ad esempio, su un set di vettori linearmente indipendenti nell autovarietà corrispondente a l n.
15 2/1 SPAZI DI HILBERT 08/09 15 Problema agli autovalori di operatori hermitiani Per un operatore hermitiano S = f, Sf = f, sf = s f, f Sf = sf = = Sf, f = sf, f = s f, f = (s s ) f, f = 0, e quindi gli autovalori di un operatore hermitiano sono reali. Ancora per un operatore hermitiano S Sf = s 1 f = g, Sf = g, s 1 f = s 1 g, f = Sg = s 2 g = Sg, f = s 2 g, f = s 2 g, f = (s 1 s 2 ) g, f = 0 e quindi autovettori di un operatore hermitiano appartenenti ad autovalori distinti sono ortogonali. In conclusione, per un operatore hermitiano, gli autovalori sono reali, gli autovettori si organizzano per varietà lineari mutuamente ortogonali individuate dagli autovalori. Se l operatore hermitiano è un proiettore P S si ha P S f = f per ogni f S, P S f = 0 per ogni f H S, cioè gli autovalori di P S sono 1 e 0 e i corrispondenti autospazi sono rispettivamente S e H S. Nota Si possono sempre scegliere autovettori linearmente indipendenti in modo che costituiscano un sistema ortonormale, cioè, f n, f n = δ nn nella notazione Sf n = s n f n, oppure, f n l, f nl = δ nn δ ll nella notazione Sf nl = s n f nl.
16 2/1 SPAZI DI HILBERT 08/09 16 Problema agli autovalori di operatori isometrici Per un operatore isometrico I If = i f = f, f = If, If = i f, i f = i 2 f, f = i 2 = 1, cioè gli autovalori di un operatore isometrico sono di modulo 1. Inoltre (I I = 1) If = i f = f = I i f = i I f = I f = i f, cioè l aggiunto di un operatore isometrico ha gli stessi autovettori dell operatore e autovalori complessi coniugati. Ancora If = i 1 f = g, If = g, i 1 f = i 1 g, f = = (i 1 i 2 ) g, f = 0 Ig = i 2 g = I g = i 2 g = I g, f = i 2 g, f = i 2 g, f e quindi autovettori di un operatore isometrico appartenenti ad autovalori distinti sono ortogonali. In conclusione, per un operatore isometrico, gli autovalori sono di modulo 1, gli autovettori si organizzano per varietà lineari mutuamente ortogonali individuate dagli autovalori.
17 2/1 SPAZI DI HILBERT 08/09 17 RAPPRESENTAZIONI Un set {e i } ortonormale ( e j, e i = δ ij ) e completo in H, che si dice anche base ortonormale, individua una rappresentazione. Rappresentativo di un vettore Per ogni f, secondo la proprietà (1) della base ortonormale, scriviamo f = i f ie i, dove f i = e i, f. La corrispondenza, ovviamente biunivoca, f {f i } dipende dalla scelta della base. Le componenti f i di f, (22) f i = e i, f, costituiscono il rappresentativo di f nella rappresentazione individuata dalla base {e i }. Condizione di nullità di un vettore La condizione f i e i, f = 0, per ogni i, è equivalente alla condizione f = 0. Prodotto scalare In termini delle componenti, secondo il teorema espresso dalla realzione (2), il prodotto scalare si scrive (23) g, f = i g i f i. Nota L introduzione di una base ortonormale e della relativa rappresentazione trasforma qualsiasi spazio di Hilbert nello spazio l n oppure l 2 secondoché lo spazio è n dimensionale o infinitodimensionale. Nota In ciascuno degli spazi concreti l n e l 2 la rappresentazione associata alla particolare base ortonormale definita da (e i ) j = δ ij è tale che la j esima componente di un vettore è uguale al j esimo elemento della n upla o della successione associata al vettore, cioè, se f = {f i }, (f) j = f j. Una base cosiffatta è detta base canonica (o brevemente autobase) di l n o l ; 2 la rappresentazione corrispondente può essere detta autorappresentazione. Anche negli spazi concreti L 2 (R) e L 2 (R 3 ) si può considerare un autorappresentazione, ma occorrerà prima generalizzare il concetto di rappresentazione.
18 2/1 SPAZI DI HILBERT 08/09 18 Rappresentativo di un operatore Sia L un operatore lineare densamente definito e limitato, definito ovunque per continuità. Posto g = Lf, usando la definizione (22) e le linearità di L e del prodotto scalare nel secondo fattore, si può scrivere g i = e i, Lf = e i, L f je j = e i, f jle j = e i, Le j f j, j j j cioè (24) g i = L ijf j dove L ij = e i, Le j. j La corrispondenza, ovviamente biunivoca, L {L ij } dipende dalla scelta della base. Gli elementi di matrice L ij di L, (25) L ij = e i, Le j costituiscono il rappresentativo di L nella rappresentazione individuata dalla base {e i }. Condizioni di nullità di un operatore Sempre con riferimento a un operatore limitato ovunque definito, la condizione L ij e i, Le j = 0, per ogni i, j, è equivalente alla condizione L = 0. La condizione L ii e i, Le i = 0, per ogni i, equivale all annullarsi dei soli elementi di matrice diagonali di L e pertanto non implica L = 0. Tuttavia la condizione f, Lf = 0, per ogni f H, implica L = 0. Infatti, posto f = k f ke k, l ultima condizione si scrive k f ke k, L l f le l kl f k f l e k, Le l = 0. Scegliendo f = e i + e j (cioè f k = δ ik + δ jk ) e f = e i + i e j (cioè f k = δ ik + i δ jk ) si ottiene nei due casi e quindi e i, Le j = 0. kl (δ ik + δ jk )(δ il + δ jl ) e k, Le l = e i, Le j + e j, Le i = 0, kl (δ ik i δ jk )(δ il + i δ jl ) e k, Le l = i ( e i, Le j e j, Le i ) = 0,
19 2/1 SPAZI DI HILBERT 08/09 19 Operazioni sugli operatori In termini di elementi di matrice le operazioni sugli operatori si scrivono (26) (27) (28) (aa) ij = aa ij, (A + B) ij = A ij + B ij, (AB) ij = k A ikb kj. Le espressioni al secondo membro delle (23), (24) e (28) possono essere interpretate come prodotti secondo la regola righe per colonne rispettivamente di una riga per una colonna, di una matrice quadrata per una colonna e di una matrice quadrata per una matrice quadrata. Operatore aggiunto Gli elementi di matrice dell operatore aggiunto sono dati da (29) (L ) ij = L ji. La condizione di hermiticità di un operatore S si scrive quindi (30) S ij = S ji. Condizioni di isometria e unitarietà In termini degli elementi di matrice le condizioni (31) U jiu jk = δ ik, j }{{} (o.n.tà delle colonne) j U iju kj = δ ik }{{} (o.n.tà delle righe) equivalgono all isometria (la prima) e all unitarietà (entrambe). Rappresentativo di un operatore nella rappresentazione dei suoi autovettori Sia L un operatore lineare tale che esista un sistema completo {u i } di autovettori (normalizzati) mutuamente ortogonali. Introdotta la base {e i = u i }, il rappresentativo di L è dato da L ij = e i, Le j = u i, Lu j = l i δ ij. Dunque in tale base la matrice rappresentativa è diagonale e i suoi elementi diagonali sono gli autovalori. Per questo motivo si usa spesso l espressione "diagonalizzare l operatore L" per "risolvere il problema agli autovalori dell operatore L".
20 2/1 SPAZI DI HILBERT 08/09 20 Cambiamenti di rappresentazione Accanto alla "vecchia" base ortonormale {e i } si consideri una "nuova" base ortonormale {ẽ i }. Definiamo un operatore lineare α tale che (32) ẽ i = α e i. La condizione di ortonormalità della nuova base è evidentemente l isometria di α (34) α α = 1. La completezza della nuova base (assunta l ortonormalità) implica δ ij = e j, e i = ẽ k, e j ẽ k, e i = α e k, e j α e k, e i k k = e k, α e j e k, α e i = α e j, α e i = e j, αα e i, k cioè (35) αα = 1. L operatore α è quindi unitario. Conviene introdurre anche la relazione inversa alla (32) (36) e i = β ẽ i, dove (37) β = α 1 = α. Nuovi rappresentativi I rappresentativi nella nuova base, f j di un vettore f e L kl di un operatore L, sono legati ai rappresentativi nella vecchia base dalle relazioni f i = ẽ i, f = α e i, f = e i, βf = (βf) i = j β ijf j L ij = ẽ i, L ẽ j = α e i, L α e j = e i, βlα e j = (βlα) ij = kl β ikl kl α lj. Le matrici β ij e α ij sono i rappresentativi di β e α nella vecchia base e sono date da β ij = ẽ i, e j, α ij = e i, ẽ j.
SOTTOSPAZI INVARIANTI
2/2 OPERATORI NEGLI SPAZI DI HILBERT FINITODIMENSIONALI 08/09 1 SOTTOSPAZI INVARIANTI Riduzione di un operatore a un sottospazio Se A è un qualunque operatore lineare, H un sottospazio di H e P il proiettore
DettagliPROPRIETÀ GENERALI. L equazione di Schrödinger, per una particella che si muove in un campo di forze corrispondente all energia potenziale V (x, t),
1/3 STUDIO PRELIMINARE DELL EQUAZIONE DI SCHRÖDINGER 10/11 1 PROPRIETÀ GENERALI L equazione di Schrödinger, per una particella che si muove in un campo di forze corrispondente all energia potenziale V
DettagliCapitolo IV SPAZI VETTORIALI EUCLIDEI
Capitolo IV SPAZI VETTORIALI EUCLIDEI È ben noto che in VO 3 si possono considerare strutture più ricche di quella di spazio vettoriale; si pensi in particolare all operazioni di prodotto scalare di vettori.
DettagliOPERAZIONI SU SPAZI DI HILBERT. Nel seguito introdurremo i concetti di prodotto diretto e somma diretta di due spazi di Hilbert.
2/7 OPERAZIONI SU SPAZI DI HILBERT 11/12 1 OPERAZIONI SU SPAZI DI HILBERT Dati due spazi di Hilbert H (1) e H (2) si possono definire su di essi operazioni il cui risultato è un nuovo spazio di Hilbert
DettagliPROBLEMA AGLI AUTOVALORI DI UN OPERATORE LINEARE
2/2 OPERATORI NEGLI SPAZI DI HILBERT FINITODIMENSIONALI 11/12 1 PROBLEMA AGLI AUTOVALORI DI UN OPERATORE LINEARE Esistenza di almeno una coppia autovalore autovettore Sia L un operatore lineare nello spazio
DettagliVETTORI. Finora abbiamo considerato uno spazio di Hilbert H con elementi f, g,... tra i quali è definito un prodotto scalare indicato con il simbolo,.
2/6 NOTAZIONE DI DIRAC 11/12 1 VETTORI Finora abbiamo considerato uno spazio di Hilbert H con elementi f, g,... tra i quali è definito un prodotto scalare indicato con il simbolo,. È possibile costruire
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 +
Dettagli11/3 IRRIDUCIBILITÀ NELLO SPAZIO DI HILBERT 10/11 1 IRRIDUCIBILITÀ
11/3 IRRIDUCIBILITÀ NELLO SPAZIO DI HILBERT 10/11 1 IRRIDUCIBILITÀ Sistemi irriducibili di operatori in uno spazio di Hilbert Un insieme o sistema di operatori {A, B,...} in uno spazio di Hilbert H si
DettagliAPPUNTI DI ALGEBRA LINEARE
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
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:
DettagliAppendice B ANALISI FUNZIONALE. 1 Spazi di Banach
Appendice B ANALISI FUNZIONALE In questo capitolo si introducono gli spazi di Banach e di Hilbert, gli operatori lineari e loro spettro. Inoltre si discutono gli operatori compatti su uno spazio di Hilbert.
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.
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
DettagliGAAL: Capitolo dei prodotti scalari
GAAL: Capitolo dei prodotti scalari Teorema di Rappresentazione rappresentabile Aggiunto Autoaggiunto Unitariamente diagonalizzabile Teorema spettrale reale Accoppiamento Canonico Forme bilineari Prodotti
Dettagli0.1 Spazi Euclidei in generale
0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo
DettagliApplicazioni bilineari e matrici.
Il caso reale Applicazioni bilineari e matrici Sia g un prodotto scalare su R n Ricordo che un prodotto scalare su R n è un applicazione g : R n R n R che soddisfa le seguenti condizioni: Per ogni v ;
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
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
DettagliAppunti di ALGEBRA LINEARE
Appunti di ALGEBRA LINEARE Corso di Laurea in Chimica A. A. 2009/200 Capitolo SPAZI VETTORIALI In matematica si incontrano spesso insiemi di elementi su cui sono definite delle operazioni che godono di
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
DettagliDaniela Lera A.A
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2016-2017 Richiami Algebra Lineare Spazio normato Uno spazio lineare X si dice normato se esiste una funzione
DettagliSpazi vettoriali euclidei.
Spazi vettoriali euclidei Prodotto scalare, lunghezza e ortogonalità in R n Consideriamo lo spazio vettoriale R n = { =,,, n R}, n con la somma fra vettori e il prodotto di un vettore per uno scalare definiti
DettagliFattorizzazione QR e matrici di Householder
Fattorizzazione QR e matrici di Householder ottobre 009 In questa nota considereremo un tipo di fattorizzazione che esiste sempre nel caso di matrici quadrate non singolari ad entrate reali. Definizione
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 +
DettagliAutovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)
Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) April 14, 2011 (alcune note non complete sugli argomenti trattati: eventuali completamenti saranno aggiunti)
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
DettagliIl Teorema Spettrale. 0.1 Applicazioni lineari simmetriche ed hermitiane
0.1. APPLICAZIONI LINEARI SIMMETRICHE ED HERMITIANE 1 Il Teorema Spettrale In questa nota vogliamo esaminare la dimostrazione del Teorema Spettrale e studiare le sue conseguenze per quanto riguarda i prodotti
DettagliPROGRAMMA DEL CORSO DI GEOMETRIA E ALGEBRA. A.A
PROGRAMMA DEL CORSO DI GEOMETRIA E ALGEBRA. A.A. 2010-11 DOCENTE TITOLARE: FRANCESCO BONSANTE 1. Geometria analitica dello spazio (1) vettori applicati e lo spazio E 3 O: operazioni su vettori e proprietà.
DettagliLEZIONE 1 C =
LEZIONE 1 11 Matrici a coefficienti in R Definizione 111 Siano m, n Z positivi Una matrice m n a coefficienti in R è un insieme di mn numeri reali disposti su m righe ed n colonne circondata da parentesi
DettagliMatrici simili. Matrici diagonalizzabili.
Matrici simili. Matrici diagonalizzabili. Definizione (Matrici simili) Due matrici quadrate A, B si dicono simili se esiste una matrice invertibile P tale che B = P A P. () interpretazione: cambio di base.
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,
DettagliSistemi lineari e spazi vettoriali 1 / 14
Sistemi lineari e spazi vettoriali 1 / 14 Sistemi lineari 2 / 14 Studieremo sistemi lineari costituiti da m equazioni in n incognite (m,n N, m,n 1): cioè a 11 x 1 + +a 1n x n = b 1 a 21 x 1 + +a 2n x n
DettagliPROGRAMMA DEL CORSO DI GEOMETRIA E ALGEBRA. A.A
PROGRAMMA DEL CORSO DI GEOMETRIA E ALGEBRA. A.A. 2011-12 DOCENTE TITOLARE: FRANCESCO BONSANTE 1. Geometria analitica dello spazio (1) vettori applicati e lo spazio E 3 O: operazioni su vettori e proprietà.
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
Dettagliλ : autovalore di ĵ 2, H λ : corrispondente autospazio di ĵ 2.
6/ TEORIA GENERALE DEL MOMENTO ANGOLARE 9/ TEORIA GENERALE DEL MOMENTO ANGOLARE In un qualsiasi spazio di Hilbert H, siano ĵ x ĵ, ĵ y ĵ 2 e ĵ z ĵ 3 tre operatori autoaggiunti con il significato di componenti
DettagliSpazi di Funzioni. Docente:Alessandra Cutrì. A. Cutrì e Metodi Matematici per l ingegneria Ing. Gestionale
Spazi di Funzioni Docente:Alessandra Cutrì Spazi vettoriali normati Uno spazio Vettoriale V si dice NORMATO se è definita su V una norma, cioè una funzione che verifica: v 0 e v = 0 v = 0 λv = λ v λ R(o
DettagliGEOMETRIA 1 quarta parte
GEOMETRIA 1 quarta parte Cristina Turrini C. di L. in Fisica - 2014/2015 Cristina Turrini (C. di L. in Fisica - 2014/2015) GEOMETRIA 1 1 / 36 index Forme bilineari 1 Forme bilineari 2 Il caso reale: spazi
DettagliElementi di Algebra Lineare. Spazio Vettoriale (lineare)
Elementi di Algebra Lineare Spazio Vettoriale (lineare) Uno spazio vettoriale su un corpo F è una quadrupla (X, F, +, ) costituita da: un insieme di elementi X, detti vettori, un corpo F, i cui elementi
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
DettagliAppendice 1. Spazi vettoriali
Appendice. Spazi vettoriali Indice Spazi vettoriali 2 2 Dipendenza lineare 2 3 Basi 3 4 Prodotto scalare 3 5 Applicazioni lineari 4 6 Applicazione lineare trasposta 5 7 Tensori 5 8 Decomposizione spettrale
DettagliMatematica II, aa
Matematica II, aa 2011-2012 Il corso si e svolto su cinque temi principali: sistemi lineari, algebra delle matrici, determinati, spazio vettoriale R n, spazio euclideo R n ; per ogni tema descrivo gli
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
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
DettagliREGISTRO DELLE LEZIONI
UNIVERSITA DEGLI STUDI DI GENOVA FACOLTA DI SCIENZE MATEMATICHE, FISICHE E NATURALI REGISTRO DELLE LEZIONI del Corso UFFICIALE di GEOMETRIA B tenute dal prof. Domenico AREZZO nell anno accademico 2006/2007
DettagliFormulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010
Formulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010 In quetsa dispensa: V è uno spazio vettoriale di dimensione d sul campo complesso C generato dai vettori v 1,..., v d. Le variabili m,
DettagliArgomento della lezione N. 1. Argomento della lezione N. 2. Argomento della lezione N. 12. Argomento della lezione N. 11
C. Presilla Modelli e Metodi Matemacici della Fisica a.a. 2011/2012 2 Argomento della lezione N. 1 Fondamenti assiomatici. L unità immaginaria Argomento della lezione N. 2 Moduli e coniugati. Disuguaglianza
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
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Fra le applicazioni definite tra spazi vettoriali sono particolarmente significative quelle che conservano le operazioni, dette applicazioni lineari. Definizione Siano V, W due k-s.v.
DettagliEsercizi del Corso di Istituzioni di Analisi Superiore, I modulo
sercizi del Corso di Istituzioni di Analisi Superiore, I modulo 1. sercizi su massimo e minimo limite 1. lim inf a n lim sup a n 2. Se a n b n per ogni n N, allora lim inf a n lim inf b n. Vale anche lim
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
DettagliEsercizio 2. Consideriamo adesso lo spazio di funzioni V = {f : [0, 1] R}. Dire quali dei seguenti insiemi di funzioni sono sottospazi.
1 Esercizi 1.1 Spazi vettoriali Studiare gli insiemi definiti di seguito, e verificare quali sono spazi vettoriali e quali no. Per quelli che non lo sono, dire quali assiomi sono violati. x 1, x 2, x 3
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
DettagliSottospazi vettoriali
Capitolo 6 Sottospazi vettoriali 6.1 Introduzione Riprendiamo un argomento già studiato ampiamente nel corso di Geometria, i sottospazi vettoriali di uno spazio vettoriale. Ci limiteremo a darne la definizione,
DettagliMODELLI e METODI MATEMATICI della FISICA. Programma dettagliato del corso - A.A
MODELLI e METODI MATEMATICI della FISICA Programma dettagliato del corso - A.A. 2018-19 Lezione 1, 25 febbraio 2019: Organizzazione del corso. Introduzione ai numeri complessi. Rappresentazione cartesiana
Dettagli0. Introduzione al linguaggio matematico
Prof. Lidia Angeleri Università di Verona, 2009/2010 Algebra Lineare ed Elementi di Geometria Programma svolto nel Modulo Algebra Lineare 0. Introduzione al linguaggio matematico 1. Insiemi 1.1 Esempi
DettagliLe 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
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.
DettagliSPAZI VETTORIALI CON PRODOTTO SCALARE A =
SPAZI VETTORIALI CON PRODOTTO SCALARE Esercizi Esercizio. Nello spazio euclideo standard (R 2,, ) sia data la matrice 2 3 A = 3 2 () Determinare una base rispetto alla quale A sia la matrice di un endomorfismo
DettagliFacoltà di Ingegneria Corsi di Laurea in Ingegneria Navale ed Ingegneria Industriale. Programma del corso di GEOMETRIA
Facoltà di Ingegneria Corsi di Laurea in Ingegneria Navale ed Ingegneria Industriale Programma del corso di GEOMETRIA Anno Accademico 2016-2017 Prof. Dario Portelli In questo programma ho cercato di raggruppare
Dettagli1.1 Matrici a coefficienti in R. Vi sono alcuni casi particolari che vale la pena evidenziare:
Lezione Matrici a coefficienti in R Definizione Siano m, n Z numeri interi positivi Una matrice m n acoefficientiinrèuninsiemedimn numeri reali disposti su m righe ed n colonne circondata da parentesi
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
DettagliDefinizione 1 Un insieme (V, +, ) dotato delle due operazioni: - + somma di elementi v 1 V, v 2 V ;
Spazi vettoriali Definizione Un insieme (V, +, ) dotato delle due operazioni: - + somma di elementi v V, v V ; - prodotto per uno scalare λ K, (K campo); e chiuso rispetto ad esse, è uno spazio vettoriale
DettagliParte 8. Prodotto scalare, teorema spettrale
Parte 8. Prodotto scalare, teorema spettrale A. Savo Appunti del Corso di Geometria 3-4 Indice delle sezioni Prodotto scalare in R n, Basi ortonormali, 4 3 Algoritmo di Gram-Schmidt, 7 4 Matrici ortogonali,
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.
DettagliEsercizi Di Geometria 1 (BAER) Canale 1
Esercizi Di Geometria 1 (BAER) Canale 1 SETTIMANA 9 (23 29 Novembre 2015) da consegnare Mercoledi 2 Dicembre. Esercizio 1. Sia E = (V,, ) uno spazio metrico finito dimensionale. sottospazio vettoriale
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
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
DettagliArgomento della Lezione N. 1 Argomento della Lezione N. 2 Argomento della Lezione N. 11 Argomento della Lezione N. 12 Introduzione al corso.
Argomento della Lezione N. 1 Argomento della Lezione N. 2 Argomento della Lezione N. 11 Argomento della Lezione N. 12 Introduzione al corso. Il campo C dei numeri complessi. Fondamenti assiomatici del
DettagliEnrico Borghi RAPPRESENTAZIONI DI GRUPPI
Enrico Borghi APPESENTAZIONI DI GUPPI È dato un gruppo G e uno spazio vettoriale n-dimensionale V (F). Si dice rappresentazione lineare del gruppo G in V un omomorfismo di G nello spazio vettoriale L(V,V
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
DettagliPunti di massimo o di minimo per funzioni di n variabili reali
Punti di massimo o di minimo per funzioni di n variabili reali Dati f : A R n R ed X 0 A, X 0 si dice : punto di minimo assoluto se X A, f ( x ) f ( X 0 ) punto di massimo assoluto se X A, f ( x ) f (
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
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
DettagliEsercitazione di Analisi Matematica II
Esercitazione di Analisi Matematica II Barbara Balossi 06/04/2017 Esercizi di ripasso Esercizio 1 Sia data l applicazione lineare f : R 3 R 3 definita come f(x, y, z) = ( 2x + y z, x 2y + z, x y). a) Calcolare
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,
DettagliFormalismo della Meccanica Quantistica
Formalismo della Meccanica Quantistica Le funzioni d onda devono appartenere allo spazio delle funzioni a quadrato sommabile, denotato con L 2 ψ L 2 = ψ( r) 2 d 3 r ψ < () Lo spazio delle funzioni a quadrato
Dettagli0 1 k. k k k +4. b) Posto k = 0, si calcoli l inversa di A e l inversa di T.
Esercizi per il Parziale 2, Prof. Fioresi, 2018 1. Cambi di base, determinante e inversa 1. Si trovino le coordinate del vettore v = (1, 1,2) espresso nella base canonica, rispetto alla base B = {(1, 4,3),(5,3,
DettagliSpazi di Funzioni. Docente:Alessandra Cutrì. A. Cutrì e Metodi Matematici per l ingegneria Ing. Gestionale
Spazi di Funzioni Docente:Alessandra Cutrì Spazi vettoriali normati Nel piano (R 2 ) e nello spazio ( R 3 ) sappiamo che la lunghezza di un vettore v si esprime rispettivamente come Se v = (v 1, v 2 )
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
DettagliUniversità degli Studi di Palermo Facoltà di Economia. CdS Sviluppo Economico e Cooperazione Internazionale. Appunti del corso di Matematica
Università degli Studi di Palermo Facoltà di Economia CdS Sviluppo Economico e Cooperazione Internazionale Appunti del corso di Matematica 02 - I Numeri Reali Anno Accademico 2013/2014 D. Provenzano, M.
Dettagli0. Introduzione al linguaggio matematico
Prof. Lidia Angeleri Università di Verona, 2012/13 Algebra Lineare ed Elementi di Geometria Programma svolto nel Modulo Algebra Lineare 0. Introduzione al linguaggio matematico 1. Insiemi 1.1 Esempi 1.2
DettagliUniversita degli Studi di Roma Tor Vergata Facolta di Ingegneria: Elettronica. Corso di Geometria ed Algebra Docente F. Flamini
Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria: Elettronica Corso di Geometria ed Algebra Docente F. Flamini Capitolo IV - 3: Teorema Spettrale degli operatori autoaggiunti e Teorema
DettagliInsiemi di numeri reali
Capitolo 1 1.1 Elementi di teoria degli insiemi Se S è una totalità di oggetti x, si dice che S è uno spazio avente gli elementi x. Se si considerano alcuni elementi di S si dice che essi costituiscono
DettagliB0 1 C A A C A , x y a h g 1 0 g f c 1
Questa è una breve raccolta di esercizi, che verrà aggiornata man mano che andremo avanti nel corso. Se il testo di alcuni esercizi non vi è chiaro, non spaventatevi, e venite a parlarne con me. Prometto
DettagliNORMA DI UN VETTORE. Una NORMA VETTORIALE su R n è una funzione. : R n R +
NORMA DI UN VETTORE Una NORMA VETTORIALE su R n è una funzione. : R n R + {0}, che associa ad ogni vettore x R n di componenti x i, i = 1,..., n, uno scalare in modo che valgano le seguenti proprietà:
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
DettagliOperazioni tra matrici e n-uple
CAPITOLO Operazioni tra matrici e n-uple Esercizio.. Date le matrici 0 4 e dati λ = 5, µ =, si calcoli AB, BA, A+B, B A, λa+µb. Esercizio.. Per ognuna delle seguenti coppie di matrici A, B e scalari λ,
DettagliSpazi Vettoriali ed Applicazioni Lineari
Spazi Vettoriali ed Applicazioni Lineari 1. Sottospazi Definizione. Sia V uno spazio vettoriale sul corpo C. Un sottoinsieme non vuoto W di V è un sottospazio vettoriale di V se è chiuso rispetto alla
Dettagli1. Martedì 1/10/2013, ore: 2(2) Introduzione al corso: problemi ben posti, condizionamento, stabilità, complessità
Registro delle lezioni di MATEMATICA APPLICATA Corsi di Laurea in Biomedica 6 CFU - A.A. 2013/2014 docente: Dott.ssa Luisa Fermo ultimo aggiornamento: 18 dicembre 2013 1. Martedì 1/10/2013, 12 14. ore:
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
DettagliCorso Matematica Discreta Anno accademico Lista domande per l orale breve.
Corso Matematica Discreta Anno accademico 2015-2016 Lista domande per l orale breve. 1. Dimostrare una delle leggi che coinvolgono l intersezione, l unione, il complementare di insiemi contenute nel Teorema
DettagliSPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE
SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE. Esercizi Esercizio. In R calcolare il modulo dei vettori,, ),,, ) ed il loro angolo. Esercizio. Calcolare una base ortonormale del sottospazio
DettagliLEZIONE 12. v = α 1 v α n v n =
LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono
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
DettagliCORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SPAZI VETTORIALI
CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SPAZI VETTORIALI In questa dispensa sono raccolte alcune nozioni fondamentali sugli spazi vettoriali. Un sul margine destro indica la fine
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
DettagliGeometria e Topologia I (U1-4) 2006-mag-10 61
Geometria e Topologia I (U1-4) 2006-mag-10 61 (15.9) Teorema. Consideriamo il piano affine. Se A A 2 (K) è un punto e r una retta che non passa per A, allora esiste unica la retta per A che non interseca
Dettagli