Capitolo IV SPAZI VETTORIALI EUCLIDEI
|
|
- Livia Pasquali
- 7 anni fa
- Visualizzazioni
Transcript
1 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. Con tale ulteriore strutture si possono introdurre i concetti di ortogonalità di vettori e distanza tra punti; così facendo si fornisce a VO 3 la struttura classica usata nella geometria euclidea. In questo capitolo estenderemo ad un R-spazio vettoriale qualunque la struttura di V 3 O pensato come R-spazio vettoriale dotato di prodotto scalare. Vedremo inoltre come in tali spazi si possano definire delle basi speciali (quelle ortonormali). 1. Prodotto scalare, norma, ortogonalità 1.1. Esempio. Il prodotto scalare usuale in V 3 O, tenuto conto dell isomorfismo V3 O = R 3 (e della Proposizione 3.6. Cap II), induce naturalmente un applicazione definita da: : R 3 R 3 R. (x 1, x 2, x 3 ) (y 1, y 2, y 3 ) = x 1 y 1 + x 2 y 2 + x 3 y 3. Si verificano le seguenti proprietà: per ogni (x 1, x 2, x 3 ), (y 1, y 2, y 3 ) R 3 e a, b R si ha i) (x 1, x 2, x 3 ) (y 1, y 2, y 3 ) = x 1 y 1 + x 2 y 2 + x 3 y 3 = = y 1 x 1 + y 2 x 2 + y 3 x 3 = (y 1, y 2, y 3 ) (x 1, x 2, x 3 ) ii) (a(x 1, x 2, x 3 ) + b(y 1, y 2, y 3 )) (z 1, z 2, z 3 ) = (ax 1 + by 1 )z 1 + (ax 2 + by 2 )z 2 + (ax 3 + by 3 )z 3 = a(x 1 z 1 + x 2 z 2 + x 3 z 3 ) + b(y 1 z 1 + y 2 z 2 + by 3 z 3 ) = a(x 1, x 2, x 3 ) (z 1, z 2, z 3 ) + b(y 1, y 2, y 3 ) (z 1, z 2, z 3 ) iii) iv) (x 1, x 2, x 3 ) (x 1, x 2, x 3 ) = x x x (x 1, x 2, x 3 ) (x 1, x 2, x 3 ) = 0 (x 1, x 2, x 3 ) = (0, 0, 0). Le precedenti proprietà portano alla seguente definizione generale Definizione. Sia V un R-spazio vettoriale di dimensione finita. Diciamo prodotto scalare in V a valori reali un applicazione : V V R denotata da (v, w) v w tale che, per ogni v, w, v 1, v 2 V e per ogni a 1, a 2 R si ha: i) v w = w v; ii) (a 1 v 1 + a 2 v 2 ) w = a 1 (v 1 w) + a 2 (v 2 w); iii) v v 0; iv) v v = 0 v = 0 V. In tal caso utilizzeremo la notazione (V, ), intendendo che V è un R-spazio vettoriale dotato di prodotto scalare (a volte si dice anche che la coppia (V, ) è uno spazio euclideo). Brundu-Landi, Note di Algebra lineare e Geometria,
2 Usando la linearità sul primo argomento e la simmetria (come negli assiomi i) e ii)) si deduce la linearità anche sul secondo argomento. In maniera sintetica si dice anche che un prodotto scalare è una forma bilineare simmetrica Esempio. E ovvio che il prodotto scalare definito in VO 3 è un prodotto scalare nel senso di 1.2. Analogamente l applicazione dell Esempio 1.1 è un prodotto scalare per lo spazio R 3. Tale prodotto scalare in R 3 non è l unico come si vede dall esempio seguente. Sia p : R 3 R 3 R l applicazione definita da p((x 1, x 2, x 3 ), (y 1, y 2, y 3 )) = 2x 1 y 1 + 3x 2 y 2 + x 3 y 3. Poiché p è bilineare simmetrica (come si verifica facilmente), soddisfa le proprietà i) e ii) della Definizione 1.2. Resta da provare che p(v, v) 0 ed che vale l uguaglianza se e solo se v = 0. Ciò è chiaro in quanto p(v, v) = 2v v v 2 3, dove v = (v 1, v 2, v 3 ). Estendiamo ad R n in maniera diretta il prodotto scalare su R 3 dato in Definizione. Si dice prodotto scalare canonico su R n l applicazione definita da : R n R n R (x 1,..., x n ) (y 1,..., y n ) = x 1 y x n y n. La coppia (R n, ) si dice spazio euclideo e si denota E n. Per l applicazione precedente, gli assiomi di prodotto scalare sono di facile verifica: i) (x 1,..., x n ) (y 1,..., y n ) = x 1 y x n y n = y 1 x y n x n = (y 1,..., y n ) (x 1,..., x n ); ii) è lasciata al lettore; iii) (x 1,..., x n ) (x 1,..., x n ) = n i=1 x2 i 0; iv) (x 1,..., x n ) (x 1,..., x n ) = 0 n i=1 x2 i = 0 x i = 0, i (x 1,..., x n ) = (0,..., 0) Definizione. Sia (V, ) un R-spazio vettoriale con prodotto scalare. L applicazione : V R, v v = v v si dice norma; il numero reale v si dice norma di v, per ogni v V Esempio. In E n = (R n, ) la norma di un vettore assume la forma: (x 1,..., x n ) = n x 2 i. In particolare in E 3 si ha (x 1, x 2, x 3 ) = x x2 2 + x2 3. Si hanno immediatamente le proprietà: i=1 38 Capitolo IV - Spazi vettoriali euclidei
3 1.5. Proposizione. Sia (V, ) un R-spazio vettoriale con prodotto scalare; allora: i) v 0; ii) v = 0 v = 0 V ; iii) av = a v. Due importanti risultati sulla norma sono i seguenti: 1.6. Proposizione. (Disuguaglianza di Schwarz). Sia (V, ) un R-spazio vettoriale con prodotto scalare e siano v, w V. Allora v w v w. Dimostrazione. Se v = 0 V oppure w = 0 V la tesi è vera. Siano dunque entrambi i vettori 0 V. Con a = w e b = v, per 1.2. iii) si ha 0 av ±bw 2 = (av ±bw) (av ±bw) = a 2 v 2 ± 2ab(v w)+b 2 w 2 = 2ab( v w ± v w). Poiché sia a sia b sono scalari positivi, possiamo semplificarli ottenendo, v w v w da cui la tesi. 1.6.bis Definizione. Angolo tra vettori. La disuguaglianza precedente può essere scritta come: v w v w 1, ovvero 1 v w v w 1. Esiste quindi un angolo α, con 0 α π, tale che v w v w = cos α in analogia al caso dei vettori geometrici in Cap. II, Proposizione. (Disuguaglianza triangolare o di Minkowski). Sia (V, ) un R-spazio vettoriale con prodotto scalare e siano v, w V. Allora v + w v + w. Dimostrazione. Si osservi dapprima che v w v w v w, dove la prima disuguaglianza segue dalla definizione di valore assoluto e la seconda è quella di Schwarz. Pertanto v + w 2 = (v + w) (v + w) = v 2 +2(v w)+ w 2 v 2 +2 v w + w 2 = ( v + w ) 2 da cui la tesi Definizione. Sia (V, ) un R-spazio vettoriale con prodotto scalare e siano v, w V ; v e w si dicono ortogonali se v w = 0. Vediamo ora una serie di proprietà riguardanti l ortogonalità: Brundu-Landi, Note di Algebra lineare e Geometria,
4 1.9. Proposizione. Siano (V, ) un R-spazio vettoriale con prodotto scalare e v, w 1,, w s V ; se v è ortogonale a w i per ogni i, allora v è ortogonale ad ogni combinazione lineare di w 1,, w s. Dimostrazione. Per ipotesi v w i = 0 per ogni i; dunque per la bilinearità del prodotto scalare, per ogni scelta di scalari λ 1,..., λ s, si ha v (λ 1 w λ s w s ) = λ 1 (v w 1 ) λ s (v w s ) = Proposizione. Siano (V, ) un R-spazio vettoriale con prodotto scalare e v 1,, v s vettori non nulli di V tali che v i v j = 0 per ogni i j. Allora v 1,, v s sono linearmente indipendenti. Dimostrazione. Si consideri una combinazione lineare nulla dei vettori dati: λ 1 v λ s v s = 0 V. Sia v i {v 1,, v s }; allora 0 = v i (λ 1 v λ s v s ) = λ 1 (v i v 1 ) λ s (v i v s ) = λ i v i 2 ; poiché v i 0 V, allora λ i = 0. Ripetendo il procedimento per ogni vettore v i, si ottiene che deve essere λ 1 = = λ s = Definizione. Sia (V, ) un R-spazio vettoriale con prodotto scalare e sia W V un sottospazio vettoriale. Si dice ortogonale di W l insieme: W = {v V v w = 0, w W } Proposizione. Sia (V, ) un R-spazio vettoriale con prodotto scalare e sia W V un suo sottospazio vettoriale. Allora: i) W è un sottospazio vettoriale di V. ii) W W = {0 V }, quindi la somma di W e W è diretta. Dimostrazione. i) Siano v 1, v 2 W, cioè v 1 w = 0 e v 2 w = 0 per ogni w W ; dunque, comunque scelti λ 1, λ 2 R, si ha (λ 1 v 1 + λ 2 v 2 ) w = λ 1 (v 1 w) + λ 2 (v 2 w) = 0 per ogni w W ; pertanto λ 1 v 1 + λ 2 v 2 W. ii) Sia w W W, allora w w = 0; dunque w = 0 V Osservazione. Sia W = L(w 1,..., w s ) V. Allora W = {v V v w i = 0, i = 1,..., s}. Infatti, l inclusione è ovvia, mentre segue da Esempio. Sia W = L((1, 0, 1)) E 3. Per 1.13 W = {(x, y, z) E 3 (x, y, z) (1, 0, 1) = 0} = {(x, y, z) E 3 x + z = 0} cioè W = L((1, 0, 1), (0, 1, 0)). 40 Capitolo IV - Spazi vettoriali euclidei
5 Esempio. Sia W E 4 definito da Ancora per 1.13 W = W = L((1, 1, 1, 0), (2, 1, 0, 1)). { { } (x, y, z, t) E 4 (x, y, z, t) (1, 1, 1, 0) = 0 (x, y, z, t) (2, 1, 0, 1) = 0 dunque basta calcolare le soluzioni del sistema lineare { x y + z = 0 2x + y + t = 0 che sono, ad esempio, { z = y x t = 2x y, con x, y che non sono fissate dalle equazioni e prendono quindi valori arbitrari. Assegnando a essi i valori più semplici possibili (x, y) = (1, 0) e (x, y) = (0, 1), una possibile espressione per lo spazio ortogonale è data da W = L((1, 0, 1, 2), (0, 1, 1, 1)). 2. Basi ortonormali In uno spazio vettoriale con prodotto scalare, avendo introdotto le nozioni di ortogonalità e di norma, si può richiedere ai vettori di una base di verificare le analoghe proprietà geometriche degli elementi della terna naturale (la base) di VO 3, ovvero essere di norma 1 e mutuamente ortogonali Definizione. Sia I = {v 1,..., v r } con v i V ; I si dice ortonormale se i vettori v i sono a due a due ortogonali ed hanno norma 1, cioè se { 1, se i = j ; v i v j = δ ij = 0, se i j Osservazione. Da 1.10 si ha che ogni insieme ortonormale è libero Definizione. Una base B di (V, ) si dice ortonormale se è un insieme ortonormale. E chiaro che la base (i, j, k) di V 3 O e la base canonica di Rn sono basi ortonormali Osservazione. Sia B = (e 1,..., e n ) una base ortonormale di (V, ) e sia v V ; le componenti di v rispetto ad B assumono una forma particolare: Infatti, se v = (v e 1 )e (v e n )e n. v = a 1 e a n e n basta considerare i prodotti scalari di v con i vettori della base B: v e 1 = a 1,..., v e n = a n. Pertanto le componenti di un vettore rispetto ad una base ortonormale si ottengono moltiplicando scalarmente il vettore per gli elementi della base scelta. Brundu-Landi, Note di Algebra lineare e Geometria,
6 2.5. Definizione. Sia B = (e 1,..., e n ) una base ortonormale di (V, ) e sia v V. I vettori (v e 1 )e 1,..., (v e n )e n in cui si decompone v si dicono proiezioni ortogonali di v lungo e 1,..., e n, rispettivamente. In un spazio vettoriale con prodotto scalare una base ortonormale gioca un ruolo centrale. Infatti con essa il prodotto scalare assume la stessa forma del prodotto scalare canonico in E n Proposizione. Sia B = (e 1,..., e n ) una base ortonormale di (V, ) e siano v, w V. Posti v = (a 1,..., a n ) B e w = (b 1,..., b n ) B, allora v w = a 1 b a n b n. Dimostrazione. Dalla bilinearità del prodotto scalare e dal fatto che e i e j = δ ij. Il seguente metodo non solo permette il calcolo di una base ortonormale negli esempi, ma prova anche, in generale, l esistenza di una tale base. Esso prende il nome di procedimento di ortonormalizzazione di Gram Schmidt Metodo di Gram Schmidt. Sia B = (v 1,..., v n ) una base di (V, ). Posti e 1 = v 1 v 1, e 2 = v 2 (v 2 e 1 )e 1 v 2 (v 2 e 1 )e 1,, e n = v n n 1 i=1 (v n e i )e i v n n 1 i=1 (v n e i )e i vogliamo dimostrare che e 1,..., e n costituiscono una base ortonormale di V. Chiaramente e 1,..., e n hanno norma 1. Verificheremo che e 1,..., e n sono a due a due ortogonali per induzione; cioè supporremo che e 1,..., e h siano a due a due ortogonali e proveremo allora che anche e 1,..., e h+1 lo sono. Per l ipotesi induttiva, basta provare che e h+1 è ortogonale a e 1,..., e h. Sia dunque k un intero tale che 1 k h, allora e h+1 e k = v h+1 h i=1 (v h+1 e i )e i v h+1 h i=1 (v h+1 e i )e i e k = v h h+1 e k i=1 ((v h+1 e i )(e i e k )) v h+1 h i=1 (v = h+1 e i )e i v h+1 e k v h+1 e k = v h+1 h i=1 (v h+1 e i )e i = 0 dove l ultima uguaglianza segue dal fatto che e i e k = 0 per l ipotesi induttiva. Inoltre per 2.2 sono linearmente indipendenti e pertanto costituiscono una base ortonormale di V Esempio. Sia V = L(v 1, v 2 ) E 4, dove v 1 = (1, 1, 0, 0), v 2 = (0, 2, 1, 1); vogliamo determinare una base ortonormale di V con il metodo di Gram Schmidt. e 1 = v ( ) 1 1 v 1 = 1 2,, 0, 0 ; 2 si ponga f 2 = v 2 (v 2 e 1 )e 1 e quindi e 2 = f 2 ( f 2 = (0, 2, 1, 1) (0, 2, 1, 1) f 2. Si ha dunque )) ( 1 1, 0, 0 2, 2 ( 1 2, ) 1, 0, 0 = 2 Quindi = (0, 2, 1, 1) (1, 1, 0, 0) = ( 1, 1, 1, 1). e 2 = ( 1 2, 1 2, 1 2, 1 ) Capitolo IV - Spazi vettoriali euclidei
7 2.8. Teorema. Sia (V, ) di dimensione finita. Allora V ha una base ortonormale. Dimostrazione. Poiché V ha dimensione finita, ammette una base che basta ortonormalizzare con Gram Schmidt Teorema. Sia (V, ) di dimensione finita e sia {e 1,..., e r } un insieme ortonormale di vettori di V ; allora si può completare tale insieme ad una base ortonormale (e 1,..., e r, e r+1,..., e n ) di V. Dimostrazione. Per il teorema di completamento ad una base (Cap. III, 4.15), si completi l insieme libero {e 1,..., e r } ad una base B = (e 1,..., e r, v r+1,..., v n ) di V. Poi si ortonormalizzi B; si noti che il metodo di Gram Schmidt applicato a B non altera i primi r vettori, che sono già ortonormali Corollario. Sia (V, ) di dimensione n e sia W un sottospazio vettoriale di V. Allora: i) dim(w ) + dim(w ) = n; ii) V = W W ; iii) (W ) = W. Dimostrazione. i) Sia (e 1,..., e r ) una base ortonormale di W ; si completi, per 2.9, ad una base ortonormale (e 1,..., e r, e r+1,..., e n ) di V. Poiché e r+1,..., e n sono ortogonali ai precedenti vettori della base, sono ortogonali ad ogni vettore di W per 1.9; dunque e r+1,..., e n W. Pertanto dim(w ) n r, cioè dim(w ) + dim(w ) n. D altra parte per il punto ii) di la somma di W e W è diretta. quindi da 5.5. Cap III, si ha dim(w ) + dim(w ) = dim(w W ) n e ciò prova la tesi. ii) Per i) si ha dim(w W ) = dim(w ) + dim(w ) = n = dim(v ) e quindi la tesi. iii) Mostriamo dapprima che (W ) W. Per definizione (W ) = {v V v w = 0, w W }. Se v W, allora v w = 0 per ogni w W, dunque W (W ). Si applichi ora la i) al sottospazio W : si ha dim(w ) + dim((w ) ) = n. Confrontando tale uguaglianza con i), si ottiene dim((w ) ) = dim(w ). Quindi W e (W ) sono uno sottospazio dell altro e hanno la stessa dimensione. Pertanto per 1.14 coincidono. Si osservi che, l uguaglianza (W ) = W vale poichè lo spazio ambiente V è finito dimensionale. In generale, vale l inclusione (W ) W Esempio. Nell esempio abbiamo calcolato il sottospazio ortogonale del sottospazio W di E 3, dove W = L((1, 0, 1)), ottenendo che W = L((1, 0, 1), (0, 1, 0)). Chiaramente dim(w ) + dim(w ) = = 3 = dim(e 3 ). Si può fare l analoga verifica per i sottospazi dell esempio Brundu-Landi, Note di Algebra lineare e Geometria,
8 3. Prodotto hermitiano Il prodotto scalare canonico in R n può essere esteso allo spazio vettoriale complesso C n con una semplice variazione Definizione. Si dice prodotto hermitiano canonico su C n l applicazione definita da : C n C n C (z 1,..., z n ) (w 1,..., w n ) = z 1 w z n w n, dove ᾱ denota il complesso coniugato di un numero complesso α (vedi 4.1, Cap. I). La coppia (C n, ) si dice spazio euclideo complesso o spazio hermitiano. L applicazione precedente gode di proprietà simili al caso reale, delle quali omettiamo la dimostrazione. Per denotare i vettori di C n scriveremo z = (z 1,..., z n ) ecc Proposizione. Per ogni z, w, v C n e a, b C, valgono le seguenti proprietà: i) w z = z w; ii) (az + bw) v = āz v + bw v ; mentre v (az + bw) = av z + bv w; iii) z z = n i=1 z i 2 0. iv) z z = 0 z = (0,..., 0) C n. Da notare che l uso del complesso coniugato nella definizione del prodotto hermitiano è dovuto alla necessità che, come al punto iii), il prodotto scalare di un vettore per se stesso sia positivo. Inoltre dal punto ii) il prodotto hermitiano è anti-lineare nel primo argomento mentre continua ad aversi linearità sul secondo argomento. Analogamente al caso reale, in (C n, ) la norma di un vettore è definita come: (z 1,..., z n ) = (z 1,..., z n ) (z 1,..., z n ) = n z i 2. Da notare che anche in questo caso la norma di un vettore è sempre non negativa e si annulla se e solo se il vettore è nullo, ovvero z = 0 C n = (0,..., 0). i=1 44 Capitolo IV - Spazi vettoriali euclidei
Prodotto interno (prodotto scalare definito positivo)
Contenuto Prodotto scalare. Lunghezza, ortogonalità. Sistemi e basi ortonormali. Somma diretta: V = U U. Proiezioni. Teorema di Pitagora, disuguaglianza di Cauchy-Schwarz. Angoli. Federico Lastaria. Analisi
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
Dettagli6. 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
DettagliProdotto scalare e norma
Capitolo 7 Prodotto scalare e norma Riprendiamo ora lo studio dei vettori da un punto di vista più geometrico. È noto, per esempio dalla Fisica, che spesso è comodo visualizzare un vettore del piano o
Dettaglimisura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x
4. Geometria di R 3. Questo paragrafo è molto simile al paragrafo : tratta infatti delle proprietà geometriche elementari dello spazio R 3. Per assegnare delle coordinate nello spazio, fissiamo innanzitutto
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2015/2016 Antonio Lanteri e Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 37 index Spazi vettoriali
DettagliSomma diretta di sottospazi vettoriali
Capitolo 8 Somma diretta di sottospazi vettoriali 8.1 Introduzione Introduciamo un caso particolare di somma di due sottospazi vettoriali: la somma diretta. Anche questo argomento è stato visto nel corso
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.
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
DettagliEsercizi 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
Dettaglix 1 Fig.1 Il punto P = P =
Geometria di R 2 In questo paragrafo discutiamo le proprietà geometriche elementari del piano Per avere a disposizione delle coordinate nel piano, fissiamo un punto, che chiamiamo l origine Scegliamo poi
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
DettagliESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA
ESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA Foglio 4 Esempio. Sia V = P 5 (R) lo spazio dei polinomi di grado strettamente minore di 5. Si considerino i seguenti sottoinsiemi di V (i) Dimostrare
DettagliVettori 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
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA
Cognome Nome Matricola FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Ciarellotto, Esposito, Garuti Prova del 21 settembre 2013 Dire se è vero o falso (giustificare le risposte. Bisogna necessariamente rispondere
DettagliLa lunghezza dei vettori e legata alle operazioni sui vettori nel modo seguente: Consideriamo due vettori v, w e il vettore v + w loro somma.
Matematica II, 20.2.. Lunghezza di un vettore nel piano Consideriamo il piano vettoriale geometrico P O. Scelto un segmento come unita, possiamo parlare di lunghezza di un vettore v P O rispetto a tale
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
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)
Dettaglix1 + 2x 2 + 3x 3 = 0 nelle tre incognite x 1, x 2, x 3. Possiamo risolvere l equazione ricavando l incognita x 1 x 1 = 2x 2 3x 3 2r 1 3r 2 x 2 x 3
Matematica II -..9 Spazio delle soluzioni di un sistema lineare omogeneo.. Consideriamo l equazione lineare omogenea nelle tre incognite x, x, x 3. x + x + 3x 3 = Possiamo risolvere l equazione ricavando
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,
DettagliI numeri complessi. Andrea Corli 31 agosto Motivazione 1. 2 Definizioni 1. 3 Forma trigonometrica di un numero complesso 3
I numeri complessi Andrea Corli 3 agosto 009 Indice Motivazione Definizioni 3 Forma trigonometrica di un numero complesso 3 4 Radici di un numero complesso 4 5 Equazioni di secondo grado e il teorema fondamentale
DettagliSi consideri il sistema a coefficienti reali di m equazioni lineari in n incognite
3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x
Dettagli0.1 Coordinate in uno spazio vettoriale
.1. COORDINATE IN UNO SPAZIO VETTORIALE 1.1 Coordinate in uno spazio vettoriale Sia V uno spazio vettoriale di dimensione finita n costruito sul campo K. D ora in poi, ogni volta che sia fissata una base
DettagliPagine di Algebra lineare. di premessa al testo Pagine di Geometria di Sara Dragotti. Parte terza: SISTEMI LINEARI
Pagine di Algebra lineare di premessa al testo Pagine di Geometria di Sara Dragotti Parte terza: SISTEMI LINEARI 1. Definizioni Dato un campo K ed m 1 polinomi su K in n indeterminate di grado non superiore
DettagliForme 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
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
DettagliQUADERNI DIDATTICI. Dipartimento di Matematica. Esercizi di Geometria ealgebralinearei Corso di Studi in Fisica
Università ditorino QUADERNI DIDATTICI del Dipartimento di Matematica E Abbena, G M Gianella Esercizi di Geometria ealgebralinearei Corso di Studi in Fisica Quaderno # 6 - Aprile 003 Gli esercizi proposti
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
Dettagli(VX) (F) Se A e B sono due matrici simmetriche n n allora anche A B è una matrice simmetrica.
5 luglio 010 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola
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)
DettagliCorso 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
DettagliCAPITOLO 3 ELEMENTI DI ALGEBRA LINEARE, STATISTICA E ANALISI MATEMATICA
CAPITOLO 3 ELEMENTI DI ALGEBRA LINEARE, STATISTICA E ANALISI MATEMATICA Dal punto di vista matematico, l analisi esplorativa dei dati è basata su alcuni elementi di algebra lineare, di geometria affine
Dettaglia + 2b + c 3d = 0, a + c d = 0 c d
SPAZI VETTORIALI 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x,
DettagliEsercizi 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
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
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
DettagliArgomenti Capitolo 1 Richiami
Argomenti Capitolo 1 Richiami L insieme dei numeri reali R si rappresenta geometricamente con l insieme dei punti di una retta orientata su cui sia stato fissato un punto 0 e un segmento unitario. L insieme
DettagliProdotto scalare. Piani e rette 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 n. Piani e rette nello spazio. 17 Gennaio 2016 Indice 1 Prodotto scalare nello spazio
DettagliLezione 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
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,
DettagliProdotto scalare e prodotto vettoriale. Elisabetta Colombo
Corso di Approfondimenti di Matematica Biotecnologie, Anno Accademico 2010-2011, http://users.mat.unimi.it/users/colombo/programmabio.html Vettori Vettori 1 2 3 4 di di Ricordiamo il in R n Dati a = (a
DettagliProdotto scalare e ortogonalità
Prodotto scalare e ortogonalità 12 Novembre 1 Il prodotto scalare 1.1 Definizione Possiamo estendere la definizione di prodotto scalare, già data per i vettori del piano, ai vettori dello spazio. Siano
DettagliMatematica Discreta e Algebra Lineare (per Informatica)
Matematica Discreta e Algebra Lineare (per Informatica) Docente: Alessandro Berarducci Anno accademico 2016-2017, versione 14 Marzo 2017 Tipiche domande d esame La seguente lista di domande non intende
DettagliEsercizi 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
DettagliSviluppi e derivate delle funzioni elementari
Sviluppi e derivate delle funzioni elementari In queste pagine dimostriamo gli sviluppi del prim ordine e le formule di derivazioni delle principali funzioni elementari. Utilizzeremo le uguaglianze lim
DettagliComplementi 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(2) se A A, allora A c A; (3) se {A n } A, allora +
1. Spazi di misura In questo paragrafo accenneremo alla nozione di spazio di misura. Definizione 1. Sia X un insieme non vuoto. Una famiglia A di sottoinsiemi di X è una σ-algebra se : (1) A; (2) se A
DettagliParte 4. Spazi vettoriali
Parte 4. Spazi vettoriali A. Savo Appunti del Corso di Geometria 23-4 Indice delle sezioni Spazi vettoriali, 2 Prime proprietà, 3 3 Dipendenza e indipendenza lineare, 4 4 Generatori, 6 5 Basi, 8 6 Sottospazi,
Dettagliii 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
DettagliParte 10. Geometria dello spazio I
Parte 10. Geometria dello spazio I A. Savo Appunti del Corso di Geometria 2013-14 Indice delle sezioni 1 Lo spazio vettoriale V 3 O, 1 2 Dipendenza e indipendenza lineare in V 3 O, 2 3 Sistema di riferimento
DettagliSoluzione. (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(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
DettagliGeometria Analitica nello Spazio
Geometria Analitica nello Spazio Andrea Damiani 4 marzo 2015 Equazione della retta - forma parametrica Se sono dati il punto A(x 0, y 0, z 0 ) e il vettore v (v x, v y, v z ), il generico punto P (x, y,
DettagliMATRICI E SISTEMI LINEARI
- - MATRICI E SISTEMI LINEARI ) Calcolare i seguenti determinanti: a - c - d - e - f - g - 8 7 8 h - ) Calcolare per quali valori di si annullano i seguenti determinanti: a - c - ) Calcolare il rango delle
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).
DettagliFerruccio Orecchia. esercizi di GEOMETRIA 1
A01 102 Ferruccio Orecchia esercizi di GEOMETRIA 1 Copyright MCMXCIV ARACNE editrice S.r.l. www.aracneeditrice.it info@aracneeditrice.it via Raffaele Garofalo, 133 A/B 00173 Roma (06) 93781065 ISBN 978
DettagliEsercizi di Algebra Lineare. Claretta Carrara
Esercizi di Algebra Lineare Claretta Carrara Indice Capitolo. Operazioni tra matrici e n-uple. Soluzioni 3 Capitolo 2. Rette e piani 5. Suggerimenti 9 2. Soluzioni 20 Capitolo 3. Gruppi, spazi e sottospazi
DettagliAnalisi Matematica 1 e Matematica 1 Geometria Analitica: Rette
Analisi Matematica 1 e Matematica 1 Geometria Analitica: Rette Annalisa Amadori e Benedetta Pellacci amadori@uniparthenope.it pellacci@uniparthenope.it Università di Napoli Parthenope Contenuti Nel Piano
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
DettagliEsame 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
DettagliCorso 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
Dettagli1 Applicazioni lineari
1 Applicazioni lineari 1 Applicazioni lineari 1.1 Definizione Si considerino lo spazio tridimensionale euclideo E e lo spazio vettoriale V ad esso associato. Definizione. 1.1. Sia A una applicazione di
DettagliLa 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
DettagliLe derivate parziali
Sia f(x, y) una funzione definita in un insieme aperto A R 2 e sia P 0 = x 0, y 0 un punto di A. Essendo A un aperto, esiste un intorno I(P 0, δ) A. Preso un punto P(x, y) I(P 0, δ), P P 0, possiamo definire
DettagliInversa 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:
DettagliGli insiemi N, Z e Q. I numeri naturali
Università Roma Tre L. Chierchia 1 Gli insiemi N, Z e Q Il sistema dei numeri reali (R, +,, ) può essere definito tramite sedici assiomi: quindici assiomi algebrici (si veda ad esempio 2.3 in [Giusti,
Dettaglivettori V Sia inoltre l angolo che il primo vettore deve percorrere per sovrapporsi al secondo. * **
Prodotto scalare di vettori. Consideriasmo due vettori u e v e siano O e O due rappresentanti applicati in O. Indichiamo come al solito con u = O la norma (cioè l intensità) del vettore u Sia inoltre l
DettagliEsercizi svolti. Geometria analitica: rette e piani
Esercizi svolti. Sistemi di riferimento e vettori. Dati i vettori v = i + j k, u =i + j + k determinare:. il vettore v + u ;. gli angoli formati da v e u;. i vettore paralleli alle bisettrici di tali angoli;
Dettagli3. Successioni di insiemi.
3. Successioni di insiemi. Per evitare incongruenze supponiamo, in questo capitolo, che tutti gli insiemi considerati siano sottoinsiemi di un dato insieme S (l insieme ambiente ). Quando occorrerà considerare
DettagliCapitolo 1 Vettori applicati e geometria dello spazio
Capitolo 1 Vettori applicati e geometria dello spazio Marco Robutti Facoltà di ingegneria Università degli studi di Pavia Tutorato di geometria e algebra lineare Anno accademico 2014-2015 Definizione (Vettore
DettagliSapienza 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
DettagliForme quadratiche e coniche. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni.
Forme quadratiche e coniche. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni. Argomenti: Prodotto scalare. Matrici simmetriche e forme quadratiche. Diagonalizzazione
DettagliEsercizi svolti per Geometria 1 per Fisici 2008/09
Esercizi svolti per Geometria 1 per Fisici 2008/09 F.Pugliese January 25, 2009 Abstract In queste note svolgerò alcuni esercizi sulla parte del corso che mi riguarda; si tenga presente che si tratta solo
DettagliDAI NUMERI NATURALI AI NUMERI RAZIONALI
DAI NUMERI NATURALI AI NUMERI RAZIONALI 1. L insieme dei numeri naturali Nel sistema assiomatico ZF, l Assioma dell infinito stabilisce che: Esiste un insieme A, i cui elementi sono insiemi e tale che
Dettagli8. Completamento di uno spazio di misura.
8. Completamento di uno spazio di misura. 8.1. Spazi di misura. Spazi di misura completi. Definizione 8.1.1. (Spazio misurabile). Si chiama spazio misurabile ogni coppia ordinata (Ω, A), dove Ω è un insieme
DettagliApplicazioni lineari e diagonalizzazione. Esercizi svolti
. Applicazioni lineari Esercizi svolti. Si consideri l applicazione f : K -> K definita da f(x,y) = x + y e si stabilisca se è lineare. Non è lineare. Possibile verifica: f(,) = 4; f(,4) = 6; quindi f(,4)
DettagliParte 11. Geometria dello spazio II
Parte 11. Geometria dello spazio II A. Savo Appunti del Corso di Geometria 2010-11 Indice delle sezioni 1 Il prodotto scalare, 1 2 Distanze, angoli, aree, 4 3 Il prodotto vettoriale, 6 4 Condizioni di
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
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
DettagliALGEBRA I: SOLUZIONI QUINTA ESERCITAZIONE 9 maggio 2011
ALGEBRA I: SOLUZIONI QUINTA ESERCITAZIONE 9 maggio 2011 Esercizio 1. Usando l algoritmo euclideo delle divisioni successive, calcolare massimo comune divisore e identità di Bézout per le seguenti coppie
Dettagli= (cioè le due terne di numeri direttori ( devono essere ) proporzionali). Tale uguaglianza non è verificata, poiché risulta ρ
Alcuni esercizi sullo spazio euclideo R Nel seguito R indicherà lo spazio euclideo tridimensionale standard, dotato del riferimento cartesiano naturale (pag 56-57 del libro Nota: gli esercizi proposti
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
DettagliCapitolo 1. Gli strumenti. 1.1 Relazioni
Capitolo 1 Gli strumenti Consideriamo un insieme X. In geometria siamo abituati a considerare insiemi i cui elementi sono punti ad esempio, la retta reale, il piano cartesiano. Più in generale i matematici
DettagliAppunti sul corso di Complementi di Matematica mod. Analisi prof. B.Bacchelli - a.a. 2010/2011.
Appunti sul corso di Complementi di Matematica mod. Analisi prof. B.Baccelli - a.a. 2010/2011. 06 - Derivate, differenziabilità, piano tangente, derivate di ordine superiore. Riferimenti: R.Adams, Calcolo
DettagliI.T.I.S «G. MARCONI» - PADOVA Via Manzoni, 80 Tel.: Fax
I.T.I.S «G. MARCONI» - PADOVA Via Manzoni, 80 Tel.: 049.80.40.211 Fax 049.80.40.277 marconi@provincia.padova.it www.itismarconipadova.it Settore tecnologico Indirizzo meccanica meccatronica ed energia
DettagliAppunti sul corso di Complementi di Matematica (modulo Analisi)
Appunti sul corso di Complementi di Matematica (modulo Analisi) prof. B.Bacchelli. 04 - Vettori topologia in R n : Riferimenti: R.Adams, Calcolo Differenziale 2. Cap. 1.2: In R n : vettori, somma, prodotto
DettagliEsercitazioni di geometria /2009 (Damiani) Il polinomio minimo. I) Definizione del polinomio minimo.
Esercitazioni di geometria 2-2008/2009 (Damiani) Il polinomio minimo I) Definizione del polinomio minimo. Siano k un campo, A un anello (associativo) unitario, k Z(A) A un omomorfismo di anelli unitari
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
DettagliGeometria della programmazione lineare
Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi Definizione Sia a un vettore non
Dettagli= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con
Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti su m righe e n colonne. I numeri che compaiono nella tabella si dicono elementi della matrice. La loro individuazione
DettagliProdotto 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
DettagliLezioni di Algebra Lineare I. Le nozioni di base sugli spazi vettoriali
Lezioni di Algebra Lineare I. Le nozioni di base sugli spazi vettoriali Versione settembre 8 Contenuto. Combinazioni lineari di vettori. Sottospazi vettoriali 3. Sottospazio vettoriale generato da un insieme
Dettagli1 Principio di Induzione
1 Principio di Induzione Per numeri naturali, nel linguaggio comune, si intendono i numeri interi non negativi 0, 1,, 3, Da un punto di vista insiemistico costruttivo, a partire dall esistenza dell insieme
DettagliEsercizi di Complementi di Matematica (L-Z) a.a. 2015/2016
Esercizi di Complementi di Matematica (L-Z) a.a. 2015/2016 Prodotti scalari e forme bilineari simmetriche (1) Sia F : R 2 R 2 R un applicazione definita da F (x, y) = x 1 y 1 + 3x 1 y 2 5x 2 y 1 + 2x 2
DettagliSottospazi vettoriali. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni.
Politecnico di Torino. Sottospazi vettoriali. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni. Argomenti: Sottospazi. Generatori. Confrontando sottospazi: intersezione.
DettagliUn quaternione è un numero complesso con quattro componenti anziché due. Si scrive così :
Un quaternione è un numero complesso con quattro componenti anziché due. Si scrive così : Q = q r + q i i + q j j + q k k ove le quantità q sono numeri reali e i, j e k sono tre unità immaginarie. Quando
Dettaglik=0 a k k=0 a k, quando si voglia precisare qual è l indice iniziale: si possono infatti considerare anche serie del tipo k=1 a k, k=50 a k,
2.2 Serie Le serie numeriche sono semplicemente successioni reali o complesse di tipo particolare, che però, per la loro importanza pratica e teorica, meritano una trattazione a parte. Data una successione
DettagliEsercitazione 6 - Soluzione
Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione
DettagliALGEBRA I: ASSIOMI DI PEANO E PROPRIETÀ DEI NUMERI NATURALI
ALGEBRA I: ASSIOMI DI PEANO E PROPRIETÀ DEI NUMERI NATURALI 1. GLI ASSIOMI DI PEANO Come puro esercizio di stile voglio offrire una derivazione delle proprietà elementari dei numeri naturali e delle operazioni
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
Dettagli