Prodotti scalari e matrici

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Prodotti scalari e matrici"

Transcript

1 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 finito dimensionale su k e le matrici M n (k) di ordine n, una volta che sia stata fissata una base per V. Cominciamo con la definizione di forma bilineare. Sia V spazio vettoriale finito dimensionale sul campo k. Definizione 1.1. La funzione g : V V k si dice una forma bilineare se: 1. g(u+u,v) = g(u,v)+g(u,v), g(u,v+v ) = g(u,v)+g(u,v ) per ogni u, u, v, v V. 2. g(λu,v) = λg(u,v), g(u,µv) = µg(u,v)per ogni u, v V e per ogni λ, µ k. g si dice simmetrica se g(u,v) = g(v,u). Una forma bilineare simmetrica si dice un prodotto scalare su V. Sia B = {v 1,...,v n } una base fissata in V. Ogni vettore di V si esprime in modo unico come combinazione lineare degli elementi in B. Dati u e w vettori in V possiamo scrivere: u = u 1 v 1 + +u n v n, w = w 1 v 1 + +w n v n, Grazie alle proprieta (1) e (2) della definizione?? possiamo scrivere: g(u,v) = n u i w j g(v i,v j ) (1) i,j=1 Dunque la forma g e determinata se conosciamo i numeri c ij = g(v i,v j ) cioe se conosciamo la matrice C = (c ij ) M n (k). 1

2 Viceversa la formula (??) ci permette di definire univocamente una forma bilineare g data una matrice C = (c ij ). Infatti possiamo subito definire: c c 1n v 1 g(u,v) = (u) t B C(v) B = (u 1...u n )... c n1... c nn ove u 1 (u) B =. u n, (v) B = sono le coordinate di u e v rispetto alla base B. v 1. Notiamo ora che g e simmetrica se e solo se la matrice corrispondente C = (c ij ) e simmetrica cioe C = C t. Infatti poiche g(u,v) k, g(u,v) t = g(u,v), v n g(u,v) = (u) t B C(v) B = ((u) t B C(v) B) t = (v) t B Ct (u) B Inoltre per la simmetria g(u,v) = g(v,u) dunque g(u,v) = (v) t BC t (u) B = g(v,u) = (v) t BC(u) B Prendendo u = v i e v = v j otteniamo che c ij = c ji cioe che la matrice C e simmetrica. Abbiamo pertanto dimostrato il seguente risultato. Proposizione 1.2. Sia V spazio vettoriale finito dimensionale sul campo k e sia B una sua base fissata. Esiste una corrispondenza biunivoca tra le forme bilineari g e le matrici in M n (k). In tale corrispondenza: g(v 1,v 1 )... g(v 1,v n ) g C =.. g(v n,v 1 )... g(v n,v n ) v n g(u,w) = (u) t B C(v)t B C ove (u) B denota la colonna delle coordinate del vettore u rispetto la base B. I prodotti scalari (non necessariamente non degeneri o definiti positivi) corrispondono alle matrici simmetriche in M n (k). 2

3 Vediamo un esempio concreto. Esempio 1.3. Consideriamo la matrice: ( ) 2 1 C = 1 2 C e associata al prodotto scalare (u 1,u 2 ),(v 1,v 2 ) = 2u 1 v 1 +u 1 v 2 +u 2 v 1 + 2u 2 v 2. Infatti: ( ) ( )( ) 2 1 v1 u1 u 2 = u v 1 +2u 1 v 2 +2u 2 v 1 +u 2 v 2 v 2 2 Prodotti scalari e cambio di base Sia k = R, in altre parole, consideriamo spazi vettoriali finito dimensionali e reali, anche se quanto diciamo ha perfettamente senso per un campo generico k. Ci chiediamo ora come cambia una matrice simmetrica associata ad un dato prodotto scalare in R n, fissata la base canonica, se decidiamo di cambiare base. Ricordiamo in analogia quanto visto per le applicazioni lineari: al variare della base, la matrice associata ad una applicazione lineare puo assumere varie forme (ad esempio se riesco a trovare una base di autovettori, la matrice associata e diagonale), tuttavia l applicazione lineare non cambia! La situazione qui e del tutto analoga: la matrice associata ad un prodotto scalare dato puo assumere aspetti molto diversi tra loro e tuttavia il prodotto scalare ad essa associato (nelle varie basi) resta lo stesso! Vedremo che sorprendentemente fissato un prodotto scalare in R n e sempre possibile scegliere una base ortonormale (rispetto al prodotto scalare standard in R n ) rispetto alla quale la matrice associata al prodotto scalare dato e diagonale. Questo risultato straordinario prende il nome di Teorema spettrale e lo vedremo in dettaglio in seguito. Esiste naturalmente anche una versione anche per il campo complesso. Sia N la matrice del cambio di base, in altre parole N e la matrice associata all applicazione identica ove abbiamo fissato una data base B nel dominio e la base canonica nel codominio. N = M B,C (id) 3

4 Abbiamo allora che per ogni vettore u R n : (u) B = N 1 (u) C, (u) C = N(u) B ove (u) B denota la colonna delle coordinate del vettore u rispetto la base B. 1 Supponiamoche, fissatalabasecanonicainr n, C sialamatrice(simmetrica) associata ad un prodotto scalare fissato. Vogliamo determinare qual e la matrice C associata allo stesso prodotto scalare nella base B. Sostituiamo pertanto i vettori generici nell espressione del prodotto scalare dato: u,v = (u) t C C(v) C = (N(u) B ) t C(N(v) B ) = (u) t B Nt CN(v) B Abbiamo pertanto ottenuto che fissata la base B la matrice associata ad un prodotto scalare con matrice C rispetto alla base canonica e : C = N t CN ove N e la matrice del cambio di base (come sopra). Vediamo l esempio precedente. Esempio 2.1. Consideriamo il prodotto scalare associato nella base canonica a ( ) 2 1 C = 1 2 Supponiamo di scegliere come base B = {v 1 = e 1,v 2 = e 1 +e 2 }: ( ) 1 1 N =, 0 1 La matrice C associata al medesimo prodotto scalare nella base B e : ( )( )( ) ( ) C = = Consideriamo il prodotto scalare di v 1 e v 2 cioe e 1,e 1 + e 2 utilizzando prima la base canonica e poi la base B e verifichiamo che il risultato e lo stesso. e 1,e 1 +e 2 = ( 1 0 )( )( ) = e 1 +2e 2,e 1 +e 2 = ( 1 0 )( )( ) = Ricordiamo che la matrice N ha per colonne i vettori della base B espressi in termini dei vettori della base canonica. 4

5 Osservazione 2.2. E utile confrontare la formula del cambio di base per una applicazione lineare e quella del cambio di base per un prodotto scalare. Due matrici A e B rappresentano la stessa applicazione lineare (in basi diverse) se e solo se sono simili, cioe esiste una matrice invertibile P: B = P 1 AP. Due matrici A e B rappresentano lo stesso prodotto scalare (in basi diverse) seesolo se esiste una matricep invertibile taleche B = P t AP. E chiaro guardando queste due formule che matrici con la proprieta P t = P 1, cioe tali che la loro trasposta coincide con l inversa, rivestono una importanza particolare e la prossima sezione e dedicata ad uno studio piu approfondito proprio di queste matrici. 3 Matrici ortogonali In questa sezione vogliamo definire un insieme di matrici estremamente importanti per una comprensione piu approfondita del concetto di prodotto scalare: le matrici ortogonali. Consideriamo lospaziovettorialer n dotatodelprodottoscalarestandard e cioe : u,v = u v = u 1 v u n v n ove u = (u 1...u n ), v = (v 1...v n ) in R n. Definizione 3.1. Una matrice A M n (R) si dice ortogonale se conserva il prodotto scalare cioe se: Au,Av = u,v L insieme delle matrici ortogonali si indica con O(n). Le matrici ortogonali godono di molte proprieta che riassumiamo in una proposizione. Proposizione 3.2. Sia A una matrice quadrata n n. Le seguenti affermazioni sono equivalenti. 1. A e ortogonale, cioe Au,Av = u,v. 5

6 2. A conserva la norma dei vettori, cioe : Au,Au = u,u. 3. A t A = I = A t A ove I e la matrice identita e A t denota la matrice trasposta. 4. Le colonne (righe) di A formano una base ortonormale. 5. Sia T A : R n R n, T A u = Au ove esprimiamo i vettori nella base canonica di R n. Se B e base ortonormale allora le immagini dei vettori in B formano una base ortonormale. Proof. (1) (2). Una delle due implicazioni e immediata. Per l altra si consideri: A(u v),a(u v) = (u v),(u v) Da cui segue subito Au,Au = u,u. (1) (3). Il prodotto scalare standard di due vettori u, v scritti come colonne, cioe nelle loro coordinate rispetto alla base canonica, puo essere espresso come il prodotto righe per colonne : Dunque abbiamo che: v 1 u t v = (u 1...u n ). v n Au,Av = (Au) t (Av) = u t (A t A)v ricordando che se X e Y sono matrici abbiamo (XY) t = Y t X t. Allora u t (A t A)v = u t v per ogni u e v se e solo se A e ortogonale. Notiamo che con C = A t A mentre e t i (At A)e j = c ij e t i e j = δ ij ove δ ij = 1 se i = j e vale zero altrimenti (δ ij si dice delta di Kronecker). Dunque abbiamo A t A = I 6

7 inquanto abbiamo mostrato che le matrici C = A t AeI sono uguali elemento per elemento. (3) (4). Se v 1,...v n sono i vettori colonna di A l equazione A t A = I equivale a: v i v j = 0, i j, v i v i = 1. dunque tali colonne formano una base ortonormale. (4) (5). Immediato Osservazione 3.3. Il determinante di una matrice ortogonale puo essere solo ±1. Infatti det(a t A) = det(a t )det(a) = det(a) 2 = det(i) = 1 perche il determinante di una matrice e uguale al determinante della trasposta (fatto non del tutto ovvio che comunque non abbiamo dimostrato). InoltreseAe ortogonalee immediatochesiaa 1 chea t sianoortogonali. Corollario 3.4. Se A e B sono matrici ortogonali allora AB e una matrice ortogonale. In particolare abbiamo che O(n) l insieme delle matrici ortogonali forma un gruppo rispetto all operazione di moltiplicazione per uno scalare. Vediamo alcuni esempi salienti di matrici ortogonali. Esempio Rotazioni in R 2 : ( ) cos(t) sin(t) A = sin(t) cos(t) 2. Riflessione rispetto alla retta x = y in R 2 : ( ) 0 1 A = 1 0 7

GAAL: Capitolo dei prodotti scalari

GAAL: 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

Dettagli

(P x) (P y) = x P t (P y) = x (P t P )y = x y.

(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

Dettagli

Parte 8. Prodotto scalare, teorema spettrale

Parte 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,

Dettagli

Esercizi per Geometria II Geometria euclidea e proiettiva

Esercizi per Geometria II Geometria euclidea e proiettiva Esercizi per Geometria II Geometria euclidea e proiettiva Filippo F. Favale 8 aprile 014 Esercizio 1 Si consideri E dotato di un riferimento cartesiano ortonormale di coordinate (x, y) e origine O. Si

Dettagli

Inversa di una matrice

Inversa di una matrice Geometria Lingotto. LeLing: La matrice inversa. Ārgomenti svolti: Inversa di una matrice. Unicita e calcolo della inversa. La inversa di una matrice. Il gruppo delle matrici invertibili. Ēsercizi consigliati:

Dettagli

LeLing12: Ancora sui determinanti.

LeLing12: 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

Dettagli

3. Vettori, Spazi Vettoriali e Matrici

3. 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

Dettagli

Similitudine (ortogonale) e congruenza (ortogonale) di matrici.

Similitudine (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

Dettagli

Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)

Autovalori 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)

Dettagli

6. Spazi euclidei ed hermitiani

6. Spazi euclidei ed hermitiani 6. Spazi euclidei ed hermitiani 6.1 In [GA] 5.4 abbiamo definito il prodotto scalare fra vettori di R n (che d ora in poi chiameremo prodotto scalare standard su R n ) e abbiamo considerato le seguenti

Dettagli

Geometria e Topologia I (U1-4) 2006-mag-10 61

Geometria 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

Forme bilineari simmetriche

Forme bilineari simmetriche Forme bilineari simmetriche Qui il campo dei coefficienti è sempre R Definizione 1 Sia V uno spazio vettoriale Una forma bilineare su V è una funzione b: V V R tale che v 1, v 2, v 3 V b(v 1 + v 2, v 3

Dettagli

Capitolo IV SPAZI VETTORIALI EUCLIDEI

Capitolo 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.

Dettagli

0.1 Spazi Euclidei in generale

0.1 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

Dettagli

Spazi euclidei, endomorfismi simmetrici, forme quadratiche. R. Notari

Spazi euclidei, endomorfismi simmetrici, forme quadratiche. R. Notari Spazi euclidei, endomorfismi simmetrici, forme quadratiche R. Notari 14 Aprile 2006 1 1. Proprietà del prodotto scalare. Sia V = R n lo spazio vettoriale delle n-uple su R. Il prodotto scalare euclideo

Dettagli

Punti di massimo o di minimo per funzioni di n variabili reali

Punti 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 (

Dettagli

Cambio di base. Capitolo Introduzione. 8.2 Cambio di base

Cambio di base. Capitolo Introduzione. 8.2 Cambio di base apitolo 8 ambio di base 8 Introduzione Sappiamo che, fissata una base finita in uno spazio vettoriale, ad ogni vettore sono associate le coordinate relative a tale base In questo capitolo vediamo che tali

Dettagli

Esercizi di Geometria - 2

Esercizi di Geometria - 2 Esercizi di Geometria - 2 Samuele Mongodi - s.mongodi@sns.it La prima sezione contiene alcune domande aperte e alcune domande verofalso, come quelle che potrebbero capitare nel test. E consigliabile, nel

Dettagli

Operazioni tra matrici e n-uple

Operazioni 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,

Dettagli

Endomorfismi e matrici simmetriche

Endomorfismi 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

Dettagli

Appunti di Geometria - 3

Appunti di Geometria - 3 Appunti di Geometria - 3 Samuele Mongodi - smongodi@snsit Cambi di base nel duale Richiami Sia V uno spazio vettoriale di dimensione n sul campo K e sia V il suo duale Supponiamo di avere fissate due basi

Dettagli

Esercizi sulle coniche (prof.ssa C. Carrara)

Esercizi sulle coniche (prof.ssa C. Carrara) Esercizi sulle coniche prof.ssa C. Carrara Alcune parti di un esercizio possono ritrovarsi in un altro esercizio, insieme a parti diverse. È un occasione per affrontarle da un altra angolazione.. Determinare

Dettagli

Corso di Geometria BIAR, BSIR Esercizi 2: soluzioni

Corso di Geometria BIAR, BSIR Esercizi 2: soluzioni Corso di Geometria 2- BIAR, BSIR Esercizi 2: soluzioni Esercizio Calcolare il determinante della matrice 2 3 : 3 2 a) con lo sviluppo lungo la prima riga, b) con lo sviluppo lungo la terza colonna, c)

Dettagli

Appendice 1. Spazi vettoriali

Appendice 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

Dettagli

Operatori antisimmetrici

Operatori antisimmetrici Operatori antisimmetrici F. Pugliese November 9, 2011 Abstract In questa breve nota ricordiamo le principali proprietà degli endomorfismi antisimmetrici di uno spazio vettoriale euclideo. Nel caso di spazi

Dettagli

Esercizi sulle coniche (prof.ssa C. Carrara)

Esercizi sulle coniche (prof.ssa C. Carrara) Esercizi sulle coniche prof.ssa C. Carrara Alcune parti di un esercizio possono ritrovarsi in un altro esercizio, insieme a parti diverse. È un occasione per affrontarle più volte.. Stabilire il tipo di

Dettagli

Corso di Laurea in Fisica. Geometria. a.a Canale 3 Prof. P. Piazza Magiche notazioni

Corso di Laurea in Fisica. Geometria. a.a Canale 3 Prof. P. Piazza Magiche notazioni Corso di Laurea in Fisica. Geometria. a.a. 23-4. Canale 3 Prof. P. Piazza Magiche notazioni Siano V e W due spazi vettoriali e sia T : V W un applicazione lineare. Fissiamo una base B per V ed una base

Dettagli

Prodotto scalare. Piani nello spazio Federico Lastaria, Analisi e Geometria 1. Politecnico di Milano Corso di Analisi e Geometria 1

Prodotto scalare. Piani nello spazio Federico Lastaria, Analisi e Geometria 1. Politecnico di Milano Corso di Analisi e Geometria 1 Politecnico di Milano Corso di Analisi e Geometria 1 Federico Lastaria federico.lastaria@polimi.it Prodotto scalare in R n. Piani nello spazio. 19 Dicembre 2016 Indice 1 Prodotto scalare nello spazio 2

Dettagli

Esercizi di ripasso: geometria e algebra lineare.

Esercizi 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

Dettagli

LEZIONE 12. Y = f(x) = f( x j,1 f(e j ) = x j,1 A j = AX = µ A (X),

LEZIONE 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

Dettagli

Vettori e matrici. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara

Vettori e matrici. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara Vettori e matrici Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utentiunifeit/lorenzopareschi/ lorenzopareschi@unifeit Lorenzo Pareschi Univ Ferrara

Dettagli

ESERCIZI sui VETTORI

ESERCIZI sui VETTORI ESERCIZI sui VETTORI 1. Calcolare la somma di v 1 (2, 3) e v 2 (1, 4). 2. Calcolare la somma di v 1 (1, 5, 4) e v 2 (6, 8, 2). 3. Calcolare il prodotto di α = 2 e v 1 (1, 4). 4. Calcolare il prodotto di

Dettagli

Spazi affini e combinazioni affini.

Spazi affini e combinazioni affini. Spazi affini e combinazioni affini. Morfismi affini. Giorgio Ottaviani Abstract Introduciamo il concetto di combinazione affine in uno spazio affine, e in base a questo, ne caratterizziamo i sottospazi.

Dettagli

SPAZI VETTORIALI CON PRODOTTO SCALARE A =

SPAZI 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

Dettagli

Esercizi di Geometria - 1

Esercizi 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

Dettagli

Esercizio 2. Consideriamo adesso lo spazio di funzioni V = {f : [0, 1] R}. Dire quali dei seguenti insiemi di funzioni sono sottospazi.

Esercizio 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

Dettagli

SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE

SPAZI 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

Dettagli

Soluzione. (a) L insieme F 1 e linearmente indipendente; gli insiemi F 2 ed F 3 sono linearmente

Soluzione. (a) L insieme F 1 e linearmente indipendente; gli insiemi F 2 ed F 3 sono linearmente 1. Insiemi di generatori, lineare indipendenza, basi, dimensione. Consideriamo nello spazio vettoriale R 3 i seguenti vettori: v 1 = (0, 1, ), v = (1, 1, 1), v 3 = (, 1, 0), v 4 = (3, 3, ). Siano poi F

Dettagli

Esercizi 2. Soluzioni. 1. Siano dati i vettori 1 1, 1 R 3.

Esercizi 2. Soluzioni. 1. Siano dati i vettori 1 1, 1 R 3. Esercizi. Soluzioni.. Siano dati i vettori,, R. (i) Far vedere che formano una base di R. (ii) Ortonormalizzarla col metodo di Gram-Schmidt. (iii) Calcolare le coordinate del vettore X = 5 Sol. (i) Usiamo

Dettagli

Corso 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 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

Dettagli

Volumi in spazi euclidei 12 dicembre 2014

Volumi in spazi euclidei 12 dicembre 2014 Volumi in spazi euclidei 12 dicembre 2014 1 Definizioni In uno spazio euclideo reale V di dimensione n siano dati k n vettori linearmente indipendenti e sia Π := Π(v 1 v 2... v k ) il parallelepipedo generato

Dettagli

Complemento ortogonale e proiezioni

Complemento 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

Dettagli

ESERCIZI DI ALGEBRA LINEARE (D) A = A = A = R 2,2. D5 Dire come bisogna scegliere i parametri h e k affinché la

ESERCIZI DI ALGEBRA LINEARE (D) A = A = A = R 2,2. D5 Dire come bisogna scegliere i parametri h e k affinché la ESERCIZI DI ALGEBRA LINEARE (D) D1 Nello spazio vettoriale R 2,2 si consideri l insieme { V = X R 2,2 XA = AX, A = ( 1 1 1 2 )} delle matrici che commutano con A. Verifiare che V = L(I 2, A). Verificare

Dettagli

4 Autovettori e autovalori

4 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

Dettagli

ii 1.20 Rango di una matrice Studio dei sistemi lineari Teoremi di Cramer e Rouché-Capelli......

ii 1.20 Rango di una matrice Studio dei sistemi lineari Teoremi di Cramer e Rouché-Capelli...... Indice Prefazione vii 1 Matrici e sistemi lineari 1 1.1 Le matrici di numeri reali................. 1 1.2 Nomenclatura in uso per le matrici............ 3 1.3 Matrici ridotte per righe e matrici ridotte

Dettagli

22 Coniche proiettive

22 Coniche proiettive Geometria e Topologia I (U1-4) 2006-giu-06 95 22 Coniche proiettive (22.1) Definizione. Sia K[x 0, x 1,..., x n ] l anello dei polinomi nelle indeterminate (variabili) x 0, x 1,..., x n. Un polinomio di

Dettagli

LEZIONE 12. v = α 1 v α n v n =

LEZIONE 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

Dettagli

Universita degli Studi di Roma - "Tor Vergata" - Facolta Ingegneria Esercizi GEOMETRIA (Edile-Architettura e dell Edilizia) CONICHE DI

Universita degli Studi di Roma - Tor Vergata - Facolta Ingegneria Esercizi GEOMETRIA (Edile-Architettura e dell Edilizia) CONICHE DI Universita degli Studi di Roma - "Tor Vergata" - Facolta Ingegneria Esercizi GEOMETRIA (Edile-Architettura e dell Edilizia) CONICHE DI R. Docente: Prof. F. Flamini Esercizi Riepilogativi Svolti Esercizio

Dettagli

Parte 7. Autovettori e autovalori

Parte 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

Sapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A ESERCIZI DA CONSEGNARE prof.

Sapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A ESERCIZI DA CONSEGNARE prof. Sapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A. 2015-2016 ESERCIZI DA CONSEGNARE prof. Cigliola Consegna per Martedì 6 Ottobre Esercizio 1. Una matrice quadrata A si

Dettagli

Esercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria

Esercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria Esercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria Avvertenze In quanto segue tutti i vettori hanno il medesimo punto d origine O l origine dello spazio cartesiano. Possiamo

Dettagli

Equivalentemente, le colonne di A sono linearmente indipendenti se e solo se

Equivalentemente, le colonne di A sono linearmente indipendenti se e solo se Lezioni di Algebra Lineare. Versione novembre 2008 VI. Il determinante Il determinante det A di una matrice A, reale e quadrata, è un numero reale associato ad A. Dunque det è una funzione dall insieme

Dettagli

Elementi di Algebra Lineare Applicazioni lineari

Elementi di Algebra Lineare Applicazioni lineari Elementi di Algebra Lineare Applicazioni lineari Cristina Turrini UNIMI - 2016/2017 Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra Lineare 1 / 50 index Applicazioni lineari 1 Applicazioni lineari

Dettagli

( ) TEORIA DELLE MATRICI. A. Scimone a.s pag 1

( ) TEORIA DELLE MATRICI. A. Scimone a.s pag 1 . Scimone a.s 1997 98 pag 1 TEORI DELLE MTRICI Dato un campo K, definiamo matrice ad elementi in K di tipo (m, n) un insieme di numeri ordinati secondo righe e colonne in una tabella rettangolare del tipo

Dettagli

2 Sistemi lineari. Metodo di riduzione a scala.

2 Sistemi lineari. Metodo di riduzione a scala. Sistemi lineari. Metodo di riduzione a scala. Esercizio.1 Utilizzando il metodo di eliminazione di Gauss, risolvere i seguenti sistemi lineari: 1. 3. x 1 x + 3x 3 = 1 x 1 x x 3 = x 1 + x + 3x 3 = 5 x 1

Dettagli

1 Il polinomio minimo.

1 Il polinomio minimo. Abstract Il polinomio minimo, così come il polinomio caratterisico, è un importante invariante per le matrici quadrate. La forma canonica di Jordan è un approssimazione della diagonalizzazione, e viene

Dettagli

Applicazioni lineari e diagonalizzazione pagina 1 di 5

Applicazioni 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

Dettagli

2 2 2 A = Il Det(A) = 2 quindi la conica è non degenere, di rango 3.

2 2 2 A = Il Det(A) = 2 quindi la conica è non degenere, di rango 3. Studio delle coniche Ellisse Studiare la conica di equazione 2x 2 + 4xy + y 2 4x 2y + 2 = 0. Per prima cosa dobbiamo classificarla. La matrice associata alla conica è: 2 2 2 A = 2 2 2 Il DetA = 2 quindi

Dettagli

Prodotto scalare, ortogonalitá e basi ortonormali

Prodotto scalare, ortogonalitá e basi ortonormali CAPITOLO 0 Prodotto scalare, ortogonalitá e basi ortonormali Esercizio 0.. Dati i seguenti vettori di R si calcoli il prodotto scalare (v i,v j per i,j =,,...,6: v = (6,3 v = (,0 v 3 = (, v 4 = (,0 v 5

Dettagli

Parte 12a. Trasformazioni del piano. Forme quadratiche

Parte 12a. Trasformazioni del piano. Forme quadratiche Parte 12a Trasformazioni del piano Forme quadratiche A Savo Appunti del Corso di Geometria 2013-14 Indice delle sezioni 1 Trasformazioni del piano, 1 2 Cambiamento di coordinate, 8 3 Forme quadratiche,

Dettagli

X = x + 1. X = x + 1

X = x + 1. X = x + 1 CONICHE. Esercizi Esercizio. Classificare, ridurre a forma canonica (completando i quadrati), e disegnare le seguenti coniche: γ : x y + x = 0; γ : x + 4x y + = 0; γ 3 : x + y + y + 0 = 0; γ 4 : x + y

Dettagli

Ricordiamo brevemente come possono essere rappresentate le rette nel piano: 1) mediante un'equazione cartesiana. = ( p 1

Ricordiamo brevemente come possono essere rappresentate le rette nel piano: 1) mediante un'equazione cartesiana. = ( p 1 Introduzione Nella computer grafica, gli oggetti geometrici sono definiti a partire da un certo numero di elementi di base chiamati primitive grafiche Possono essere punti, rette e segmenti, curve, superfici

Dettagli

Introduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari

Introduzione soft alla matematica per l economia e la finanza. Marta Cardin, Paola Ferretti, Stefania Funari Introduzione soft alla matematica per l economia e la finanza Marta Cardin, Paola Ferretti, Stefania Funari Capitolo Sistemi di equazioni lineari.8 Il Teorema di Cramer Si consideri un generico sistema

Dettagli

Corso di Calcolo Numerico

Corso di Calcolo Numerico Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 7 - CALCOLO NUMERICO CON MATRICI Richiami teorici Operazioni fondamentali Siano A = {a ij } e B = {b ij }, i = 1,..., m, j = 1,..., n due

Dettagli

Parte 5. Sottospazi. A. Savo Appunti del Corso di Geometria

Parte 5. Sottospazi. A. Savo Appunti del Corso di Geometria Parte 5. Sottospazi A. Savo Appunti del Corso di Geometria 03-4 Indice delle sezioni Sottospazi di R n, Equazioni di un sottospazio di R n, 3 3 Sottospazio intersezione, 6 4 Sottospazio somma, 8 5 Formula

Dettagli

Definizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im

Definizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im APPUNTI ed ESERCIZI su matrici, rango e metodo di eliminazione di Gauss Corso di Laurea in Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 23 Aprile 2010 Matrici, rango e metodo

Dettagli

Corso di Geometria Ing. Informatica e Automatica Test 1: soluzioni

Corso di Geometria Ing. Informatica e Automatica Test 1: soluzioni Corso di Geometria Ing. Informatica e Automatica Test : soluzioni k Esercizio Data la matrice A = k dipendente dal parametro k, si consideri il k sistema lineare omogeneo AX =, con X = x x. Determinare

Dettagli

Esame di Geometria - 9 CFU (Appello del 14 gennaio A)

Esame di Geometria - 9 CFU (Appello del 14 gennaio A) Esame di Geometria - 9 CFU (Appello del 4 gennaio 24 - A) Cognome: Nome: Nr.matricola: Corso di laurea: Esercizio. Si considerino le rette s : { x x 2 2x 3 = 2 3x x 2 =, { x + x s 2 : 2 x 3 = x 2 =.. Stabilire

Dettagli

Parte 12b. Riduzione a forma canonica

Parte 12b. Riduzione a forma canonica Parte 2b. Riduzione a forma canonica A. Savo Appunti del Corso di Geometria 202-3 Indice delle sezioni. Coniche, 2. Esempio di riduzione, 4 3. Teoremi fondamentali, 6 4. Come determinare l equazione canonica,

Dettagli

Testi consigliati e contatti

Testi consigliati e contatti Testi consigliati e contatti P.Bonacini, M. G. Cinquegrani, L. Marino, Algebra lineare: esercizi svolti, Cavallotto Edizioni, Catania P. Bonacini, M. G. Cinquegrani, L. Marino, Geometria analitica: esercizi

Dettagli

Vettori applicati. Capitolo Richiami teorici. Definizione 1.1 Un sistema di vettori applicati Σ è un insieme

Vettori applicati. Capitolo Richiami teorici. Definizione 1.1 Un sistema di vettori applicati Σ è un insieme Capitolo 1 Vettori applicati 1.1 Richiami teorici Definizione 1.1 Un sistema di vettori applicati Σ è un insieme {(P i,v i ), P i E, v i V, i = 1,...,N}, (1.1) dove P i è detto punto di applicazione del

Dettagli

Tutoraggio di Algebra Lineare e Geometria. Correzione del tema d'esame del 28/2/2006

Tutoraggio di Algebra Lineare e Geometria. Correzione del tema d'esame del 28/2/2006 Tutoraggio di Algebra Lineare e Geometria Correzione del tema d'esame del 8//6 Esercizio. Si considerino in R 4 i vettori : v =, v =, v = / / a) si dica se tali vettori sono linearemente indipendenti e

Dettagli

Soluzione. a) Per la bilinearità e la simmetria del prodotto scalare, b) Si sfruttano la bilinearità e la simmetria del prodotto scalare.

Soluzione. a) Per la bilinearità e la simmetria del prodotto scalare, b) Si sfruttano la bilinearità e la simmetria del prodotto scalare. Esercizi svolti 4 Problemi guida 117 IL PRODOTTO SCALARE Problema 41 a) Dimostra che (v + w) (v w) = v 2 w 2 b) Dimostra che v w = 1 4 [ v + w 2 v w 2 ] Soluzione a) Per la bilinearità e la simmetria del

Dettagli

NOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n

NOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n NOTE DI ALGEBRA LINEARE 2- MM 9 NOVEMBRE 2 Combinazioni lineari e generatori Sia K un campo e V uno spazio vettoriale su K Siano v,, v n vettori in V Definizione Un vettore v V si dice combinazione lineare

Dettagli

Esercitazione: 16 novembre 2009 SOLUZIONI

Esercitazione: 16 novembre 2009 SOLUZIONI Esercitazione: 16 novembre 009 SOLUZIONI Esercizio 1 Scrivere [ ] equazione vettoriale, parametrica [ ] e cartesiana della retta passante 1 per il punto P = e avente direzione d =. 1 x 1 Soluzione: Equazione

Dettagli

MATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE

MATRICI 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

Dettagli

Intersezione e somma di sottospazi vettoriali

Intersezione e somma di sottospazi vettoriali Capitolo 6 Intersezione e somma di sottospazi vettoriali 6.1 Introduzione Ricordiamo le definizioni di intersezione e somma di due sottospazi vettoriali. Anche in questo caso rimandiamo al testo di geometria

Dettagli

I. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.

I. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ. ESERCIZI SVOLTI DI ALGEBRA LINEARE (Sono svolti alcune degli esercizi proposti nei fogli di esercizi su vettori linearmente dipendenti e vettori linearmente indipendenti e su sistemi lineari ) I. Foglio

Dettagli

ESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro

ESERCIZI 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

Dettagli

Determinanti. Definizione ed esempi. Definizione ed esempi. Proprietà dei determinanti Rango di matrici

Determinanti. Definizione ed esempi. Definizione ed esempi. Proprietà dei determinanti Rango di matrici Introduzione S S S Rango di matrici Si dice sottomatrice d'una matrice data la matrice ottenuta selezionando un certo numero di righe e di colonne della matrice iniziale. Lezione 24.wpd 08/01/2011 XXIV

Dettagli

1 Coniche. s (x, y, t ) (1) 1 (x, y, t )F r 2

1 Coniche. s (x, y, t ) (1) 1 (x, y, t )F r 2 1 Coniche Studieremo le curve nel piano euclideo, cioè nel piano con un sistema di riferimento cartesiano ortogonale fissato, oppure nel completamento proiettivo di questo piano, ottenuto con l introduzione

Dettagli

0.1 Condizione sufficiente di diagonalizzabilità

0.1 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

Dettagli

1 Cambiamenti di riferimento nel piano

1 Cambiamenti di riferimento nel piano 1 Cambiamenti di riferimento nel piano Siano date due basi ortonormali ordinate di V : B = ( i, j) e B = ( i, j ) e supponiamo che i = a i + b j j = c i + d j allora per un generico vettore v V abbiamo

Dettagli

Per le risposte utilizza gli spazi predisposti. Quando richiesto, il procedimento va esposto brevemente, ma in maniera comprensibile.

Per le risposte utilizza gli spazi predisposti. Quando richiesto, il procedimento va esposto brevemente, ma in maniera comprensibile. COGNOME............................... NOME..................................... Punti ottenuti Esame di geometria Scrivi cognome e nome negli spazi predisposti in ciascuno dei tre fogli. Per ogni domanda

Dettagli

15 luglio Soluzione esame di geometria - Ing. gestionale - a.a COGNOME... NOME... N. MATRICOLA... ISTRUZIONI

15 luglio Soluzione esame di geometria - Ing. gestionale - a.a COGNOME... NOME... N. MATRICOLA... ISTRUZIONI 15 luglio 01 - Soluzione esame di geometria - Ing. gestionale - a.a. 01-01 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono

Dettagli

Quadriche Maurizio Cornalba 7/6/2016

Quadriche Maurizio Cornalba 7/6/2016 Quadriche Maurizio Cornalba 7/6/2016 Sia K un campo. Informalmente, una ipersuperficie (algebrica) nello spazio proiettivo P n K è il luogo dei punti [t 0 : t 1 : : t n ] tali che (t 0, t 1,..., t n )

Dettagli

A.A. 2014/2015 Corso di Algebra Lineare

A.A. 2014/2015 Corso di Algebra Lineare A.A. 2014/2015 Corso di Algebra Lineare Stampato integrale delle lezioni Massimo Gobbino Indice Lezione 01: Vettori geometrici nel piano cartesiano. Operazioni tra vettori: somma, prodotto per un numero,

Dettagli

Sui determinanti e l indipendenza lineare di vettori

Sui determinanti e l indipendenza lineare di vettori Sui determinanti e l indipendenza lineare di vettori 1 Si dice che m vettori v 1, v 2,,v m di R n sono linearmente indipendenti, se una loro combinazione lineare può dare il vettore nullo solo se i coefficienti

Dettagli

Complementi di Algebra e Fondamenti di Geometria

Complementi di Algebra e Fondamenti di Geometria Complementi di Algebra e Fondamenti di Geometria Capitolo 3 Forma canonica di Jordan M. Ciampa Ingegneria Elettrica, a.a. 29/2 Capitolo 3 Forma canonica di Jordan Nel Capitolo si è discusso il problema

Dettagli

Lezione 8: Determinante e Inversa

Lezione 8: Determinante e Inversa Lezione 8: Determinante e Inversa In questa lezione vogliamo descrivere due concetti fondamentali, il determinante, che è un numero associato ad ogni matrice quadrata, e l inversa di una matrice. L importanza

Dettagli

(2) Dato il vettore w = (1, 1, 1), calcolare T (w). (3) Determinare la matrice A associata a T rispetto alla base canonica.

(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).

Dettagli

Spazi vettoriali euclidei.

Spazi 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

Dettagli

Anno 4 Matrice inversa

Anno 4 Matrice inversa Anno 4 Matrice inversa 1 Introduzione In questa lezione parleremo della matrice inversa di una matrice quadrata: definizione metodo per individuarla Al termine della lezione sarai in grado di: descrivere

Dettagli

Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari

Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017 Elementi di Algebra Lineare

Dettagli

Lezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari

Lezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari Lezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari In questa lezione ci dedicheremo a studiare a fondo quali proprietà della matrice dei coefficienti di un sistema (e della

Dettagli

Vettori e geometria analitica in R 3 1 / 25

Vettori e geometria analitica in R 3 1 / 25 Vettori e geometria analitica in R 3 1 / 25 Sistemi di riferimento in R 3 e vettori 2 / 25 In fisica, grandezze fondamentali come forze, velocità, campi elettrici e magnetici vengono convenientemente descritte

Dettagli

LEZIONE i i 3

LEZIONE 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

Dettagli

La retta nel piano. Supponiamo che la retta r sia assegnata attraverso un suo punto P 0 (x 0, y 0 ) e un vettore v (l, m) che ne indichi la direzione.

La retta nel piano. Supponiamo che la retta r sia assegnata attraverso un suo punto P 0 (x 0, y 0 ) e un vettore v (l, m) che ne indichi la direzione. La retta nel piano Equazioni vettoriale e parametriche di una retta Supponiamo che la retta r sia assegnata attraverso un suo punto P 0 (x 0, y 0 ) e un vettore v (l, m) che ne indichi la direzione. Condizione

Dettagli

Equazioni di Stato: soluzione tramite la matrice esponenziale

Equazioni di Stato: soluzione tramite la matrice esponenziale Equazioni di Stato: soluzione tramite la matrice esponenziale A. Laudani November 15, 016 Un po di Sistemi Consideriamo il problema di Cauchy legato allo stato della nostra rete elettrica {Ẋ(t) = A X(t)

Dettagli

Fondamenti di Algebra Lineare e Geometria TEMA A

Fondamenti di Algebra Lineare e Geometria TEMA A Fondamenti di Algebra Lineare e Geometria Ingegneria Aerospaziale ed Ingegneria dell Energia - Canale B Secondo Appello - luglio TEMA A Risolvere i seguenti esercizi motivando adeguatamente ogni risposta.

Dettagli