LEZIONE 25. P si dice speciale se det(p ) = 1 non
|
|
- Amando Gianmarco Pellegrini
- 5 anni fa
- Visualizzazioni
Transcript
1 LEZIONE Matrici ortogonali. Facciamo una breve digressione su un importante famiglia di matrici, quelle ortogonali. Definizione 5... P R n,n si dice ortogonale se t P I n. Prima di dare esempi di matrici ortogonali, facciamo alcune osservazioni. Osservazione 5... Si noti che la matrice identità I n è ortogonale in base alla definizione data: anche ogni matrice ottenuta da I n cambiando segno ad una o più delle sue entrate è ortogonale. Sia P R n,n ortogonale. i) Poiché t P I n, segue che P è invertibile e P = t P : in particolare si ha anche P t I n. In maniera analoga si dimostra che se P t I n allora anche t P I n, cioè P è ortogonale se e solo se P t I n. ii) Si ha = det(i n )=det( t PP)=det( t P )det(p)=det(p),dunquedet(p)=±: quanto sopra osservato sulla matrice identità ci permette di a ermare che esistono matrici di entrambe i tipi. iii) Poiché la riga i esima di t P è la colonna i esima P i di P, la condizione t P I n si può leggere dicendo che il prodotto scalare standard (si veda l Esempio 4..5 con la solita identificazione di R n con R n, ) delle colonne P i e P j di P è i,j : in altre parole una matrice è ortogonale se e solo se le sue colonne sono un insieme ortonormale, rispetto al prodotto scalare standard, di n vettori di R n,. iv) In maniera simile, poiché anche P t I n, anche le righe di P formano un insieme ortonormale, rispetto al prodotto scalare standard, di n vettori di R,n. Le matrici ortogonali si dividono, quindi, in due classi non vuote, quelle con determinante e quelle con determinante. Ha senso dare un nome a questi due tipi di matrici. Definizione 5... Sia P R n,n ortogonale. speciale det(p )=. P si dice speciale se det(p ) = non Grazie a quanto osservato sopra, siamo perciò in grado di dare esempi non banali di matrici ortogonali. Esempio Le matrici di R, P A, P A, Typeset by AMS-TEX
2 5.. MATRICI ORTOGONALI sono ortogonali. La prima è non speciale, la seconda speciale. Esempio Determiniamo tutte le matrici ortogonali d ordine. Sia p, p, R, p, p, ortogonale. La condizione P t I si traduce allora nel sistema 8 >< p, + p, = p, p, + p, p, = >: p, + p, =. La prima e la terza equazione implicano l esistenza di #, ' [, ] tali che p, =, p, =, p, =sin#, p, = cos #. La seconda equazione è allora equivalente a = sin # cos # =sin(# '). In particolare, a meno di multipli di, sideveavereo' = # ovvero ' + = #. Nel primo caso, (in tal caso P è ortogonale speciale) nel secondo (in tal caso P è ortogonale non speciale). Esempio Si considerino nel piano due sistemi di riferimento O~ı~ e O~ı ~. Assumiamo che O~ı ~ sia ruotato di un angolo ' in senso antiorario rispetto a O~ı~ y x' y' v O ϕ x Figura 5..6.
3 LEZIONE 5 Dato ~v = x~ı + y~, vogliamo determinare la decomposizione ~v = x ~ı + v y~. Si deve avere ~ı = a~ı + b~, ~ = c~ı + d~ e si ha, per la Proposizione 4..6 ii), a = h~ı,~ı i =, b = h~ı,~ i =sin', c = h~,~ı i =, d = h~,~ i =. Se ora considero ~v = x ~ı + y ~ = x~ı + y~, sostituendo le espressioni ottenute sopra di ~ı e ~ in funzione di ~ı e ~, tenendo conto che (~ı,~ ) è una base di V (O), si ottiene x x y =. y Concludiamo che le matrici ortogonali speciali corrispondono alle rotazioni nel piano. Per questo spesso indichiamo con R ' la matrice. Un analoga interpretazione può essere data per matrici ortogonali in R n,n con n. 5.. Diagonalizzazione ortogonale per matrici simmetriche. Come abbiamo visto, ogni matrice A Sim n (R) è diagonalizzabile (si veda la Proposizione..). Il risultato principale di questa sezione è che la matrice che diagonalizza può essere scelta ortogonale, quindi tale che P = t P. Infatti siano,..., h R gli autovalori a due a due distinti di A. In ciascuno degli autospazi E A ( j ) fisso una base, diciamo B j =(P j,,...,p j,mj )ovem j = m a ( j,a)= m g ( j,a). Per la Proposizione 4..5 B j può essere supposta ortonormale rispetto al prodotto scalare standard di R n, (si veda l Esempio 4..5 con la solita identificazione di R n, con R n ). Si noti che autovettori di A relativi ad autovalori distinti sono fra loro ortogonali. Infatti, se P i E A ( i )ep j E A ( j ) con i 6= j, allora j t P i P j = t P i (AP j )= t P i AP j = t P i t AP j = t (AP i )P j = i t P i P j. Quindi ( j i ) t P i P j = : poiché j 6= i segue j i 6=, dunque t P i P j = necessariamente. Quanto detto ci permette di a ermare che è sempre possibile trovare una base ortonormale di autovettori di A, ovvero una matrice ortogonale P R n,n tale che P AP sia diagonale. Più precisamente Proposizione 5... Sia A Sim n (R). Allora esiste una matrice ortogonale P R n,n tale che P A t P AP sia diagonale. La matrice P può essere scelta speciale. Illustriamo quato detto con un esempio.
4 4 5.. DIAGONALIZZAZIONE ORTOGONALE PER MATRICI SIMMETRICHE Esempio 5... Sia A Come già visto nell Esempio.., gli autovalori di A sono e e E A ( ) = L( t ( ), t ( )), E A () = L( t ( )). Per ottenere una matrice ortogonale P che diagonalizzi A è necessario determinare tre autovettori P,P,P ortonormali. A tale scopo basta determinare basi ortonormali in E A ( ) e E A (). Per quanto riguarda E A () basta andare a scegliere in esso un versore, ad esempio consideriamo P = Invece il discorso è un po più complicato in E A ( ). Iniziamo a determinare un versore, per esempio P = Per determinare P cerchiamo R tale che i vettori P e X A A siano ortogonali. Si ha che hp,x i =(+ )/ p. A che = /, dunque possiamo scegliere P = 6 ché hp,x i =sideveavere Quindi la matrice ortogonale cercata è p p p6 p p p6 p p6 C P è speciale e risulta P A t P
5 Per esercizio si verifichi invece che P = è non speciale e che ancora risulta P AP = t P AP = LEZIONE 5 5 p p p6 p p p6 p p6 C
h, i: V V! R (v 1,v 2 ) 7! hv 1,v 2 i ! R v 7! hv, v 0 i èlineare. Perlacommutativitàdelprodottoscalaresegueanchelalinearità dell applicazione
Lezione. Prodotti scalari Definizione. (Prodotto scalare). Sia V uno spazio vettoriale su R. Un prodotto scalare su V è un applicazione tale che valgono i seguenti assiomi: h, i: V V! R (v,v ) 7! hv,v
DettagliLezione Diagonalizzazione ortogonale per matrici simmetriche
Lezione 22 22. Diagonalizzazione ortogonale per matrici simmetriche La Proposizione 2. afferma che ogni matrice simmetrica reale è diagonalizzabile su R: ilrisultatoprincipalediquestasezioneèchelamatricechediagonalizzapuò
DettagliLEZIONE 16 A = Verifichiamo se qualcuna fra le entrate a di A è suo autovalore. determinare per quale entrata a di A risulta rk(a ai 2 ) 1.
LEZIONE 16 16.1. Autovalori, autovettori ed autospazi di matrici. Introduciamo la seguente definizione. Definizione 16.1.1. Siano k = R, C e A k n,n. Un numero λ k si dice autovalore di A su k) se rka
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
DettagliDIAGONALIZZAZIONE. M(f) =
DIAGONALIZZAZIONE Esercizi Esercizio 1. Sia f End(R 3 ) associato alla matrice M(f) = 0 1 2 0. 2 (1) Determinare gli autovalori di f e le relative molteplicità. (2) Determinare gli autospazi di f e trovare,
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) :
DettagliProdotto scalare e matrici < PX,PY >=< X,Y >
Prodotto scalare e matrici Matrici ortogonali Consideriamo in R n il prodotto scalare canonico < X,Y >= X T Y = x 1 y 1 + +x n y n. Ci domandiamo se esistono matrici P che conservino il prodotto scalare,
DettagliLEZIONE i i 3
LEZIONE 5 51 Determinanti In questo lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli
DettagliLEZIONE i 0 3 Le sottomatrici 2 2 di A sono. 1 2 i i 3. Invece (
LEZIONE 6 6 Determinanti In questa lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli
DettagliENDOMORFISMI. ove B := (v 1,v 2,v 3 ). (1) Determinare gli autovalori di f e le relative molteplicità algebriche e geometriche.
ENDOMORFISMI Esercizi Esercizio 1 Siano v 1 := T (1, 1, 1, 0), v 2 := T (0, 1, 2, 1), v 3 := T (0, 0, 1, 1) Consideriamo V := L(v 1,v 2,v 3 ) R 4 e sia f End R (V ) associato alla matrice A := MB B (f)
DettagliDIAGONALIZZAZIONE E FORME QUADRATICHE / ESERCIZI PROPOSTI
M.GUIDA, S.ROLANDO, 204 DIAGONALIZZAZIONE E FORME QUADRATICHE / ESERCIZI PROPOSTI L asterisco contrassegna gli esercizi più difficili o che possono considerarsi meno basilari. Autovalori, autospazi e diagonalizzazione
DettagliDIAGONALIZZAZIONE / ESERCIZI SVOLTI
M.GUIDA, S.ROLANDO, 015 1 DIAGONALIZZAZIONE / ESERCIZI SVOLTI L asterisco contrassegna gli esercizi meno basilari (perché più difficili o di approfondimento). Stabilire se la matrice A = 1 1 0 0 R 3,3
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
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 (
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
Dettagli(P x) (P y) = x P t (P y) = x (P t P )y = x y.
Matrici ortogonali Se P è una matrice reale n n, allora (P x) y x (P t y) per ogni x,y R n (colonne) Dim (P x) y (P x) t y (x t P t )y x t (P t y) x (P t y), CVD Ulteriori caratterizzazioni delle matrici
DettagliLEZIONE 23. ax 2 + bxy + cy 2 + dx + ey + f
LEZIONE 23 23.1. Riduzione delle coniche a forma canonica. Fissiamo nel piano un sistema di riferimento Oxy e consideriamo un polinomio di grado 2 in x, y a meno di costanti moltiplicative non nulle, diciamo
DettagliMATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE
DIAGONALIZZAZIONE 1 MATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE Matrici ortogonali e loro proprietà. Autovalori ed autospazi di matrici simmetriche reali. Diagonalizzazione mediante matrici
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.
DettagliEndomorfismi e matrici simmetriche
CAPITOLO Endomorfismi e matrici simmetriche Esercizio.. [Esercizio 5) cap. 9 del testo Geometria e algebra lineare di Manara, Perotti, Scapellato] Calcolare una base ortonormale di R 3 formata da autovettori
DettagliAlgebra lineare e geometria AA Appunti sul cambio di base in uno spazio vettoriale
Algebra lineare e geometria AA. -7 Appunti sul cambio di base in uno spazio vettoriale Matrice di un applicazione lineare Siano V e W due spazi vettoriali su un campo K {R, C}, entrambi finitamente generati,
DettagliAUTOVALORI, AUTOVETTORI, AUTOSPAZI
AUTOVALORI, AUTOVETTORI, AUTOSPAZI. Esercizi Esercizio. Sia f : R 3 R 3 l endomorfismo definito da f(x, y, z) = (x+y, y +z, x+z). Calcolare gli autovalori ed una base per ogni autospazio di f. Dire se
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
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)
DettagliLEZIONE 13. Figura 13.1
LEZIONE 3 Ritorniamo al nostro rettangolo R di vertici A = (, ), B = (, ), C = (, 3), D = (, 3) a partire dal segmento OU unitario di estremi l origine O ed il punto U = (, ). y D C R A B O Figura 3. Tra
Dettagli24.1 Coniche e loro riduzione a forma canonica
Lezione 24 24. Coniche e loro riduzione a forma canonica Fissiamo nel piano un sistema di riferimento Oxy e consideriamo un polinomio di grado 2 in x, y amenodicostantimoltiplicativenonnulle,diciamo ax
DettagliGeometria BAER I canale Foglio esercizi 2
Geometria BAER I canale Foglio esercizi 2 Esercizio 1. Calcolare il determinante e l inversa (quando esiste) della matrice ( ) cos θ sin θ R θ =, θ [0, 2π] sin θ cos θ Soluzione: Il determinante ( é cos
DettagliEsame di GEOMETRIA 27 giugno ore 11
Esame di GEOMETRIA 27 giugno 2011 - ore 11 Istruzioni: Scrivere cognome, nome, matricola in STAMPATELLO negli appositi spazi. Per ogni quiz nella prima parte, indicare l affermazione giudicata corretta
DettagliGeometria BAER Canale A-K Esercizi 11
Geometria BAER 6-7 Canale A-K Esercizi Esercizio. Scrivere la matrice delle seguenti trasformazioni ortogonali del piano (a Proiezione ortogonale sulla retta x + y = (b Rotazione di π/4 seguita da riflessione
DettagliApplicazioni lineari e diagonalizzazione pagina 1 di 5
pplicazioni lineari e diagonalizzazione pagina 1 di 5 PPLIZIONI LINERI 01. Dire quali delle seguenti applicazioni tra IR-spazi vettoriali sono lineari a. f :IR 2 IR 3 f(x y =(x y πy b. f :IR 3 IR 3 f(x
DettagliEsercizi di ripasso: geometria e algebra lineare.
Esercizi di ripasso: geometria e algebra lineare. Esercizio. Sia r la retta passante per i punti A(2,, 3) e B(,, 2) in R 3. a. Scrivere l equazione cartesiana del piano Π passante per A e perpendicolare
DettagliApplicazioni lineari e diagonalizzazione
Applicazioni lineari e diagonalizzazione Autospazi Autovettori e indipendenza lineare Diagonalizzabilità e autovalori 2 2006 Politecnico di Torino 1 Esempio (1/6) Utilizzando un esempio già studiato, cerchiamo
DettagliProdotti scalari e matrici
Prodotti scalari e matrici 1 Forme bilineari e matrici In questa sezione vogliamo studiare la corrispondenza biunivoca che esiste tra l insieme delle forme bilineari su di un certo spazio vettoriale V
DettagliAlgebra lineare e geometria AA Esercitazione del 14/6/2018
Algebra lineare e geometria AA. 2017-2018 Esercitazione del 14/6/2018 1) Siano A, B due matrici n n tali che 0 < rk(a) < rk(b) = n. (a) AB è invertibile. (b) rk(ab) = nrk(b). (c) det(ab) = det(a). (d)
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,
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
Dettagli1 Esercizi di ripasso 4
Esercizi di ripasso 4. Determinare k in modo che il piano kx + 2y 6z + = 0 sia parallelo al piano x + y z + = 0. Soluzione. La condizione di parallelismo richiede che ( ) k 2 6 rg = Ne segue che k = e
DettagliNOME COGNOME MATRICOLA CANALE
NOME COGNOME MATRICOLA CANALE Fondamenti di Algebra Lineare e Geometria Proff. R. Sanchez - T. Traetta - C. Zanella Ingegneria Gestionale, Meccanica e Meccatronica, dell Innovazione del Prodotto, Meccatronica
DettagliESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro
ESERCIZI DI ALGEBRA LINEARE Vincenzo Di Gennaro Sono raccolti, in ordine cronologico, gli esercizi di Algebra Lineare proposti nelle prove scritte per i vari corsi di Geometria 1 che ho tenuto presso la
DettagliGeometria e algebra lineare 7/2/2018 Corso di laurea in Ing. Elett. Tel., Ing. Inf. Org. e Informatica Correzione
Geometria e algebra lineare 7//08 Corso di laurea in Ing. Elett. Tel., Ing. Inf. Org. e Informatica Correzione A Esercizio A Siano r la retta passante per i punti A = (0,, 0) e B = (,, ) ed s la retta
DettagliCorso di Studi in Fisica. Geometria e Algebra Lineare II Prova scritta del 6 luglio 2009
Corso di Studi in Fisica Geometria e Algebra Lineare II Prova scritta del 6 luglio 009 Esercizio 1. Si considerino le matrici 3 1 1 3 1 1 A = 0 4 0, B = 3 1 3 1 1 3 0 a. (4 punti) Dimostrare che A e B
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
DettagliLeLing12: Ancora sui determinanti.
LeLing2: Ancora sui determinanti. Ārgomenti svolti: Sviluppi di Laplace. Prodotto vettoriale e generalizzazioni. Rango e determinante: i minori. Il polinomio caratteristico. Ēsercizi consigliati: Geoling
DettagliCapitolo IX DIAGONALIZZAZIONE DI MATRICI SIMMETRICHE
Capitolo IX DIAGONALIZZAZIONE DI MATRICI SIMMETRICHE 1. Matrici ortogonali Ricordiamo che, nel Cap. VII, abbiamo studiato le matrici di cambio di base in un R spazio vettoriale. In tale occasione, abbiamo
DettagliUniversità degli Studi di Bergamo Modulo di Geometria e Algebra Lineare (vecchio programma) 2 settembre 2013 Tema A
Università degli Studi di Bergamo Modulo di Geometria e Algebra Lineare (vecchio programma) settembre 013 Tema A Tempo a disposizione: ore. Calcolatrici, libri e appunti non sono ammessi. Ogni esercizio
DettagliGeometria BAER Canale A-K Esercizi 8
Geometria BAER Canale A-K Esercizi 8 Esercizio. Si consideri il sottospazio U = L v =, v, v 3 =. (a) Si trovino le equazioni cartesiane ed una base ortonormale di U. (b) Si trovi una base ortonormale di
DettagliScomposizione ai valori singolari.
Scomposizione ai valori singolari. Sia A R m n una matrice, non necessariamente quadrata. Si potrebbe considerare anche una matrice complessa ottenendo risultati analoghi. Abbiamo: Osservazione AA T R
Dettagli0.1 Condizione sufficiente di diagonalizzabilità
0.1. CONDIZIONE SUFFICIENTE DI DIAGONALIZZABILITÀ 1 0.1 Condizione sufficiente di diagonalizzabilità È naturale porsi il problema di sapere se ogni matrice sia o meno diagonalizzabile. Abbiamo due potenziali
DettagliAutovalori e autovettori di una matrice quadrata
Autovalori e autovettori di una matrice quadrata Data la matrice A M n (K, vogliamo stabilire se esistono valori di λ K tali che il sistema AX = λx ammetta soluzioni non nulle. Questo risulta evidentemente
DettagliGeometria BAER Canale I Esercizi 12
Geometria BAER Canale I Esercizi Esercizio. x = 0 x = Date le rette r : y = t e s : y = t, si verifichi che sono sghembe e si scrivano le equazioni z = t z = t parametriche di una retta r ortogonale ed
Dettagli11 settembre Soluzione esame di geometria - Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...
COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura 3 ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi
DettagliParte 7. Autovettori e autovalori
Parte 7. Autovettori e autovalori A. Savo Appunti del Corso di Geometria 23-4 Indice delle sezioni Endomorfismi, 2 Cambiamento di base, 3 3 Matrici simili, 6 4 Endomorfismi diagonalizzabili, 7 5 Autovettori
Dettagli(2) Dato il vettore w = (1, 1, 1), calcolare T (w). (3) Determinare la matrice A associata a T rispetto alla base canonica.
1. Applicazioni lineari Esercizio 1.1. Sia T : R 2 R 3 l applicazione lineare definita sulla base canonica di R 2 nel seguente modo: T (e 1 ) = (1, 2, 1), T (e 2 ) = (1, 0, 1). a) Esplicitare T (x, y).
DettagliComplemento ortogonale e proiezioni
Complemento ortogonale e proiezioni Dicembre 9 Complemento ortogonale di un sottospazio Sie E un sottospazio di R n Definiamo il complemento ortogonale di E come l insieme dei vettori di R n ortogonali
DettagliNote per il corso di Geometria Corso di laurea in Ing. Elettronica e delle Telecomunicazioni
Note per il corso di Geometria 9- Corso di laurea in Ing. Elettronica e delle Telecomunicazioni Prodotto scalare e matrici simmetriche. Il prodotto scalare consente di introdurre in uno spazio vettoriale
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
DettagliESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro
ESERCIZI DI ALGEBRA LINEARE Vincenzo Di Gennaro Sono raccolti, in ordine cronologico, gli esercizi di Algebra Lineare proposti nelle prove scritte per i vari corsi di Geometria che ho tenuto presso la
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 27 GIUGNO 2016
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 7 GIUGNO 06 MATTEO LONGO Ogni versione del compito contiene solo due tra i quattro esercizi 6-7-8-9. Esercizio. Considerare
DettagliLEZIONE 5. AX = 0 m,1.
LEZIONE 5 5 isoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per quanto visto nella precedente lezione, sappiamo di poter trasformare,
DettagliINGEGNERIA EDILE ARCHITETTURA ELEMENTI DI ALGEBRA LINEARE E GEOMETRIA 19 GIUGNO 2012
INGEGNERIA EDILE ARCHITETTURA ELEMENTI DI ALGEBRA LINEARE E GEOMETRIA 19 GIUGNO 2012 MATTEO LONGO Esercizio 1. Al variare del parametro a R, si consideri l applicazione lineare L a : R R definita dalle
Dettagli4 Autovettori e autovalori
4 Autovettori e autovalori 41 Cambiamenti di base Sia V uno spazio vettoriale tale che dim V n Si è visto in sezione 12 che uno spazio vettoriale ammette basi distinte, ma tutte con la medesima cardinalità
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 Geometria - 1
Esercizi di Geometria - Samuele Mongodi - smongodi@snsit Di seguito si trovano alcuni esercizi assai simili a quelli che vi troverete ad affrontare nei test e negli scritti dell esame Non è detto che vi
DettagliLEZIONE 13. v =α 1 v α i 1 v i 1 + α i v i = =α 1 v α i 1 v i 1 + α i (λ 1 v λ i 1 v i 1 ) =
LEZIONE 13 13.1. Il metodo degli scarti. Sia dato uno spazio vettoriale V su k = R, C e siano v 1,..., v n V. Quanto visto nella lezione precedente ci suggerisce il seguente algoritmo per stabilire se
DettagliSISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5.
SISTEMI LINEARI Esercizi Esercizio. Risolvere, se possibile, i seguenti sistemi: x y z = 0 x + y + z = 3x + y + z = 0 x y = 4x + z = 0, x y z = 0. Svolgimento. Procediamo con operazioni elementari di riga
DettagliCapitolo 8 Forme quadratiche e loro applicazioni Esercizi svolti Tutorato di geometria e algebra lineare. Marco Robutti
Capitolo 8 Forme quadratiche e loro applicazioni Esercizi svolti Tutorato di geometria e algebra lineare Marco Robutti 5 Ottobre 2017 1 Introduzione Gli esercizi di questo capitolo riguardano i seguenti
DettagliLEZIONE 12. Y = f(x) = f( x j,1 f(e j ) = x j,1 A j = AX = µ A (X),
LEZIONE 1 1.1. Matrice di un applicazione lineare. Verifichiamo ora che ogni applicazione lineare f: R n R m è della forma µ A per un unica A R m,n. Definizione 1.1.1. Per ogni j 1,..., n indichiamo con
DettagliUniversità degli Studi di Bergamo Matematica II (5 e 7,5 crediti) 5 luglio 2013 Tema A
Università degli Studi di Bergamo Matematica II (5 e 7,5 crediti) 5 luglio 2013 Tema A Tempo a disposizione: 1 ora e mezza. Calcolatrici, libri e appunti non sono ammessi. Ogni esercizio va iniziato all
DettagliLEZIONE Equazioni matriciali. Negli Esempi e si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = R m,n, B = (b i,h ) 1 i m
LEZIONE 4 41 Equazioni matriciali Negli Esempi 336 e 337 si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = B 2,, AX p = B p aventi la stessa matrice incompleta A Tale tipo di problema si presenta
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
DettagliErrata corrige. p. 10 riga 5 del secondo paragrafo: misurare
Errata corrige p. 9 esercizio 5. Modificare testo dell esercizio come segue: Dati una retta r e un punto P, esistono infiniti piani per P paralleli a r: si tratta dei piani che contengono la retta s per
DettagliGeometria Appello I Sessione Invernale Corso di laurea in fisica A.A 2018/2019 Canali A C, L Pa, Pb Z
Geometria Appello I Sessione Invernale Corso di laurea in fisica A.A 8/9 Canali A C, L Pa, Pb Z Durata: ore e 3 minuti Alessandro D Andrea Simone Diverio Paolo Piccinni Riccardo Salvati Manni 5 giugno
DettagliLEZIONE 11. s V : V V V (v 1, v 2 ) v 1 + v 2 = s V (v 1, v 2 ), p V : k V V. per cui valgono:
LEZIONE 11 11.1. Spazi vettoriali ed esempi. La nozione di spazio vettoriale generalizza quanto visto nelle lezioni precedenti: l insieme k m,n delle matrici m n a coefficienti in k = R, C, l insieme V
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 +
DettagliAppendice 3. Rotazioni
Appendice 3. Rotazioni Indice 1 Tensori ortogonali 2 2 Rotazioni e simmetrie in uno spazio di dimensione 2 2 3 Tensori ortogonali in uno spazio di dimensione 3 4 4 Rotazioni in uno spazio di dimensione
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 8 LUGLIO 2015
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 8 LUGLIO 2015 MATTEO LONGO Svolgere entrambe le parti (Teoria ed Esercizi Si richiede la sufficienza su entrambe le parti 1
DettagliSimilitudine (ortogonale) e congruenza (ortogonale) di matrici.
Lezione del 4 giugno. Il riferimento principale di questa lezione e costituito da parti di: 2 Forme bilineari, quadratiche e matrici simmetriche associate, 3 Congruenza di matrici simmetriche, 5 Forme
Dettagli12 gennaio Commenti esame di geometria - Ing. gestionale - a.a
Questo documento riporta commenti, approfondimenti o metodi di soluzione alternativi per alcuni esercizi dell esame Ovviamente alcuni esercizi potevano essere risolti utilizzando metodi ancora diversi
DettagliPROVE D'ESAME DI MATEMATICA DISCRETA A.A. 2010/2011
PROVE D'ESAME DI MATEMATICA DISCRETA A.A. 200/20 07/06/20 () In R 3 [t], lo spazio vettoriale dei polinomi nella variabile t di grado al piú 3, sia u = t 2 5t + 6 e w = t 3 + t 2 t. (a) Determinare una
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
DettagliLAUREA IN INGEGNERIA CIVILE Corso di Matematica 2 II a prova di accertamento Padova Docenti: Chiarellotto - Cantarini TEMA n.
LAUREA IN INGEGNERIA CIVILE Corso di Matematica II a prova di accertamento Padova 10-1-07 Docenti: Chiarellotto - Cantarini TEMA n.1 PARTE 1. Quesiti preliminari Stabilire se le seguenti affermazioni sono
DettagliGeometria BAER Canale I Esercizi 11
Geometria BAER Canale I Esercizi 11 Esercizio 1. Data la retta x = t r : y = t z = 1 si trovi il punto A di r tale che l angolo di r con il vettore AO sia π/2, e il punto B di r tale che l angolo di r
DettagliIsometrie e cambiamenti di riferimento
Isometrie e cambiamenti di riferimento Isometrie Le isometrie sono trasformazioni del piano o dello spazio che conservano angoli e distanze. Esempi sono le rotazioni del piano, le riflessioni in una retta
DettagliLEZIONE 8. k e w = wx ı + w y j + w z. k di R 3 definiamo prodotto scalare di v e w il numero
LEZINE 8 8.1. Prodotto scalare. Dati i vettori geometrici v = v x ı + v y j + v z k e w = wx ı + j + k di R 3 definiamo prodotto scalare di v e w il numero v, w = ( v x v y v z ) w x = v x + v y + v z.
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,
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:
DettagliSPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi:
SPAZI VETTORIALI Esercizi Esercizio. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi: V := { (a, a, a) V a R }, V 2 := { (a, b, a) V a, b R }, V 3 := { (a, 2a, a + b)
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
Dettagli10 luglio Soluzione esame di geometria - Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...
10 luglio 014 - Soluzione esame di geometria - Ingegneria gestionale - a.a. 01-014 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI
DettagliEsame di Geometria - 9 CFU (Appello del 20 Giugno A)
Esame di Geometria - 9 CFU (Appello del 20 Giugno 2012 - A) Cognome: Nome: Nr.matricola: Corso di laurea: Esercizio 1. Siano dati, al variare del parametro k R, i piani: π 1 : x 2y + 2z = 2, π 2 : z =
DettagliI teoremi della funzione inversa e della funzione implicita
I teoremi della funzione inversa e della funzione implicita Appunti per il corso di Analisi Matematica 4 G. Mauceri Indice 1 Il teorema della funzione inversa 1 Il teorema della funzione implicita 3 1
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 8 SETTEMBRE 2015 VERSIONE A
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 8 SETTEMBRE 015 VERSIONE A DOCENTE: MATTEO LONGO 1. Domande. Esercizi Esercizio 1 (8 punti). Al variare del parametro a R, considerare
DettagliCORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA
CORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA II PROVA DI ACCERTAMENTO, FILA A GEOMETRIA 19/06/008 Esercizio 0.1. Si consideri il seguente endomorfismo di R 4 T (x, y, z, w) = ( x + y + z + w, y + z,
Dettagli5 Un applicazione: le matrici di rotazione
5 Un applicazione: le matrici di rotazione 51 Rotazioni nel piano di un angolo ϑ Si vuole considerare il caso della rotazione nel piano di un vettore di R di un angolo ϑ assegnato Chiaramente si tratta
DettagliRETTE E PIANI. ove h R. Determinare i valori di h per cui (1) r h e α sono incidenti ed, in tal caso, determinare l angolo ϑ h da essi formato;
RETTE E PIANI Esercizi Esercizio 1. Nello spazio con riferimento cartesiano ortogonale Oxyz si considerino la retta r h ed il piano α rispettivamente di equazioni x = 1 + t r h : y = 1 t α : x + y + z
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 ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su MATRICI SIMILI, AUTOVALORI e DIAGONALIZZABILITÀ
CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su MATRICI SIMILI, AUTOVALORI e DIAGONALIZZABILITÀ Matrici simili Torniamo su di un aspetto precedentemente solo sfiorato (si veda una delle osservazioni
Dettagli