Forme bilineari e prodotti scalari
|
|
- Massimo Mariotti
- 5 anni fa
- Visualizzazioni
Transcript
1 Forme bilineari e prodotti scalari Avvertenza: Gli argomenti che esponiamo brevemente in queste note sono tutti trattati in maggior dettaglio nel capitolo del libro di testo Abate De Fabritiis. Nel corso copriremo solo parte di quel materiale e con un ordine degli argomenti leggermente diverso. Per questo motivo forniamo queste note non esaustive, che vanno intese come una guida schematica alla lettura del testo. Forme bilineari Definizione. Consideriamo due vettori u = (u,..., u n ) t, v = (v,..., v n ) t R n. Definiamo il loro prodotto scalare standard u, v R n = v t u = u v u n v n () dove il prodotto dei due vettori è il prodotto riga per colonna. Spesso, se non ci sarà rischio di confusione indicheremo il prodotto scalare standard con. Il prodotto scalare standard di R n, scegliendo assi cartesiani ortogonali e identificando i versori di quegli assi con la base canonica di R n, coincide con il prodotto scalare geometrico definito come il prodotto delle lunghezze di due vettori per il coseno dell angolo compreso. In queste note generalizzeremo questa nozione. Definizione 2. Sia V uno spazio vettoriale. Una forma bilineare su V è un applicazione α : V V R che verifica le seguenti proprietà: dati u, v, w V, k R a) α(u + v, w) = α(u, w) + α(v, w) b) α(ku, v) = kα(u, v) c) α(u, v + w) = α(u, v) + α(u, w) d) α(u, kv) = kα(u, v) Le quattro proprietà si possono riassumere dicendo che α è lineare in entrambe le variabili. Se inoltre si ha u, v V α(u, v) = α(v, u) diciamo che α è una forma bilineare simmetrica. Si verifica facilmente che il prodotto scalare standard di R n è una forma bilineare simmetrica.
2 Esempio. Sia V = R n, A Mat(n) una matrice, possiamo definire una forma bilineare α A ponendo α A (u, v) = v t Au. La bilinearità segue dal fatto che il prodotto di matrici (a destra e a sinistra è lineare). Prendendo A = I, la matrice identità, abbiamo il prodotto scalare standard di R n. D altra parte, una volta scelta una base, possiamo rappresentare qualsiasi forma bilineare con una matrice, poichè, come nel caso delle applicazioni lineari, una forma è determinata in maniera unica dai valori che assume su una base di V, più precisamente sulle coppie di elementi di una base. Proposizione 3. Sia V uno spazio vettoriale, B = {u,..., u n } una base di V. a ij R, i =,..., n j =,..., n, allora esiste un unica forma bilineare α : V V R, tale che α(u j, u i ) = a ij. dim: Se v = x u +... x n u n, w = y u y n u n sono vettori di V, definiamo α(w, v) =x (a y a n y n ) x n (a n y a nn y n ) = =x y a + x y 2 a x y n a n +... x n y a n +... x n y n a nn = n = x i y j a ij = x t Ay i,j= L applicazione α è una forma bilineare poichè le coordinate sono lineari, dunque se v ha coordinate x rispetto a B α(v + v, w) = (x + x ) t Ay = x t Ay + (x ) t Ay e le altre proprietà si verificano in modo analogo. Inoltre poichè le coordinate dei vettori u i, u j rispetto alla base B sono date rispettivamente dai vettori della base canonica e i, e j abbiamo che α(u j, u i ) = e t i Ae j = a ij. Per mostrare l unicità supponiamo che β sia una forma bilineare tale che β(u j, u i ) = a ij per i, j =,... n. Allora applicando la linearità nella seconda variabile β(w, v) = β(w, x u +... x n, u n ) = x β(w, u ) +... x n β(w.u n ) e, applicando la linearità nella prima variabile a ciascun addendo, otteniamo β(w, v) = x β(y u +... y n u n, u ) +... x n β(y u +... y n u n.u n ) = x y β(u, u ) x y n β(u n, u ) x n y n β(u n, u n ) = x t Ay visto che β(u j, u i ) = a ij. Dunque β(w, v) = α(w, v). 2
3 Osservazione 4. La notazione usata in queste note, non è l unica possibile: in effetti si può anche usare la convenzione (nel caso di R n ) α(x, y) = x t Ay. La scelta è stata fatta per seguire il libro di testo. Comunque nel caso delle forme simmetriche, α(x, y) = α(y, x) e non c è differenza tra le due scelte. Definizione 5. Se α : V V R è una forma bilineare, B = {u,..., u n } una base di V la matrice associata ad α rispetto alla base B è la matrice con coefficienti a ij = β(u i, u j ). Esempio 2. La matrice del prodotto scalare standard di R n rispetto alla base canonica è l identità infatti { se i = j e t je i = δ ij := 0 se i j (δ ij così definita si chiama simbolo di Kronecker). Consideriamo ora una la base B di R 2 data dai vettori u = (2, ) t, u 2 = (, ) t. Abbiamo u, u = 5, u, u 2 = u 2, u = 3, u 2, u 2 = 2, dunque la matrice del prodotto standard rispetto a questa base è ( ) 5 3 A =. 3 2 Il vettore (x, y) t R 2 ha coordinate (x y, 2y x) rispetto a B, dunque il calcolo del prodotto standard dei vettori (a, b) t, (c, d) t usando la matrice A è ( ) a b (c d, 2d c)a = ac + bd 2b a Possiamo anche fare lo stesso calcolo usando la bilinearità: ( ( ( ( 2 2 (a b) + (2b a), (c d) + (2d c) = ) ) ) ) ( ( ( ( ( ( =(c d) (a b) + (2b a), + (2d c) (a b) + (2b a), = ) ) ) ) ) ) ( ( ( ( ( ( ( ( =(c d)(a b), + (c d)(2b a), + (2d c)(a b), + (2d c)(2b a), = ) ) ) ) ) ) ) ) =(a b)(c d)5 + ((c d)(2b a) + (2d c)(a b))3 + (2d c)(2b a)2 = ac + bd Proposizione 6. Data una forma bilineare α : V V R, sia A la sua matrice associata rispetto a una base B e sia B un altra base di V. Allora la matrice associata ad α rispetto a B è la matrice A = ( B M B ) t A B M B, dove B M B, qui per brevità M, è la matrice di passaggio da B a B dim: La dimostrazione è simile a quella vista per le applicazioni lineari: se v i, v j sono due vettori della base B, le loro coordinate rispetto a B sono i vettori e i, e j, mentre le loro cordinate rispetto a B sono i vettori Me i, Me j, le colonne i e j di M. Allora calcolando α(v i, v j ) nelle coordinate rispetto alla base B, detti m ij i coefficienti di M e a ij quelli abbiamo a ij = α(v i, v j) = (Me j ) t AMe i = e t jm t AMe i = e t j(m t AM)e i = (M t AM) ij. 3
4 Quindi il coefficiente i, j della matrice A è il coefficiente i, j della matrice M t AM. La relazione tra matrici che rappresentano la stessa forma bilineare rispetto a basi diverse si chiama congruenza. Definizione 7. Siano A, B Mat(n) due matrici quadrate. congruente ad A se esiste una matrice invertibile M tale che B si dice B = M t AM Esercizio. Dimostrare che a) La congruenza di matrici è una relazione di equivalenza. b) Matrici congruenti hanno lo stesso rango Esempio 3. Sia V lo spazio delle funzioni continue su un intervallo (a, b), o più semplicemente lo spazio dei polinomi R n [x] (dove però la forma dipende dalla scelta di un intervallo di integrazione; in queste note possiamo supporre a = 0, b = ) Possiamo definire una forma bilineare simmetrica f, g = b a f(x)g(x)dx. Per chi non ha visto gli integrali, si può definire sulla base canonica di R n [x] b a x k dx = k + (bk+ a k+ ) e poi estendere per linearità. In generale, per calcolare b a f(x)dx si trova una qualsiasi funzione F (x) tale che df dx = f(x) e si calcola F (b) F (a). Poichè due funzioni che hanno la stessa derivata differiscono per una funzione (localmente) costante, la differenza non dipende dalla particolare F scelta. La forma bilineare così definita si chiama prodotto scalare L 2 ed è molto importante in analisi. Se prendiamo V = R 3 [x] calcoliamo la matrice di questa forma:, = 0 dx =,, x = 0 xdx = 2,, x2 = 3, x, x = /3, x, x 2 = /4, x 2, x 2 = /5, quindi la matrice della forma bilineare rispetto alla base canonica di R 3 [x] è A = Se prendiamo come base B di V i polinomi, 2x, 6 x+x2 possiamo usare la matrice A per calcolare rapidamente tutti i prodotti scalari che servono
5 per calcolare la matrice di, rispetto a questa base e troviamo la matrice 0 0 B = Si può verificare per esercizio che se M è la matrice di passaggio dalla base canonica a B abbiamo M t AM = B. Prodotti scalari È chiaro che forme bilineari simmetriche hanno come matrice associata rispetto a una qualsiasi base una matrice simmetrica. D ora in poi ci limiteremo a considerare forme bilineari simmetriche. Queste hanno anche un altro nome: Definizione 8. Una forma bilineare simmetrica si dice anche prodotto scalare. Definizione 9. Sia α : V V R una forma bilineare simmetrica. la forma quadratica associata ad α, q α : V R si definisce come q α (v) = α(v, v) Il nome forma quadratica deriva dal fatto che una volta scelta una base B di V, possiamo rappresentare una forma bilineare α con una matrice A e allora q α (v) è un polinomio omogeneo di grado 2 nelle coordinate (x,..., x n ) t di v rispetto a B: p α (v) = α(v, v) = x t Ax = n n n x i ( a ij x j ) = a ij x i x j i= j= ij= Osservazione 0. Gli insiemi delle forme bilineari simmetriche e delle forme quadratiche su V sono due spazi vettoriali (esercizio) isomorfi in quanto isomorfi (sebbene in un modo che dipende dalla scelta di una base) allo spazio delle matrici simmetriche di ordine la dimensione di V (esercizio). L isomorfismo però non dipende dalla scelta di una base: come abbiamo visto alla forma bilineare α associamo la forma quadratica q α ; l inversa è data dalla formula di polarizzazione, che data una forma quadratica q definisce una forma bilineare α q α q (u, v) = (q(u + v) q(u) q(v)) 2 Definizione. Sia α : V V Diciamo che α è R un forma bilineare simmetrica. Degenere se u V v V α(u, v) = 0 5
6 Definita positiva (negativa) se u V u 0 α(u, u) > 0 (< 0) Semidefinita positiva (negativa) se u V α(u, u) 0 ( 0) Indefinita se esistono v, w V tali che α(v, v) > 0, α(w, w) < 0, ossia α non è definita positiva o negativa. La stessa terminologia si usa anche per le forme quadratiche. Definizione 2. Sia α : V V R un prodotto scalare. Il nucleo o radicale di α è V = {u V v V, α(u, v) = 0} Inoltre (anche se queste definizioni si usano soprattutto nel caso di prodotti scalari definiti positivi), diciamo che due vettori u, v V sono ortogonali se α(u, v) = 0, e se U V è un sottospazio il complemento ortogonale di U (rispetto ad α è U = {v V u U, α(u, v) = 0} Nell esempio (3) abbiamo calcolato una base ortogonale (per il prodotto scalare L 2 ) di R 3 [x] Teorema 3. Sia α : V V R un prodotto scalare. Allora α è degenere se e solo se la matrice di α rispetto a una base qualsiasi di V non ha rango massimo. dim: Sia A la matrice associata rispetto a una base B = {v,..., v n } di V. Supponiamo che il rango di A non sia massimo. Allora esiste un vettore di R n, c = (c,..., c n ) t 0 tale che Ac = 0, quindi per qualsiasi v V, posto u = c v + + c n v n, se b R n è il vettore delle coordinate di v rispetto a B, abbiamo α(u, v) = b t Ac = b t 0 = 0. Viceversa supponiamo che u = c v + + c n v n V, u 0. Allora α(u, v i ) = (e i ) t Ac = 0 i =,..., n. Dunque ogni componente del vettore Ac è zero, visto che se a = (a,..., a n ) t R n, allora (e i ) t a = a i. Dunque Ac = 0 e c 0, quindi A non ha rango massimo. 2 Esempio 4. La forma con matrice A = ( 2 ) rispetto alla base canonica di R 2 è definita negativa: il determinante è 3 (quindi n.b. il determinante è positivo, ma la forma è definita negativa), quindi la forma è non degenere. Calcolando ( ) ( ) ( ) 2 a 2a + b (a, b)( ) = (a, b)( ) = 2(a 2 +ab+b 2 ) = ((a+b) 2 +a 2 +b 2 ) 2 b a + 2b 6
7 che è sempre minore di zero se (a, b) non è il vettore nullo. Calcoliamo la matrice della stessa forma α rispetto alla base u = (, 0), u 2 = (, 2): abbiamo α(u, u 2 ) = α(u 2, u ) = 0 α(u, u ) = 2 α(u 2, u 2 ) = 6 dunque la matrice rispetto a questa base è la matrice A = ( ). Possiamo anche verificare che detta M la matrice di passaggio dalla base canonica alla base u, u 2 abbiamo A = M t AM. Esempio 5. Consideriamo ora la forma α con matrice rispetto alla base canonica A = ( 0 0 ). In questo caso per i vettori e i della base canonica α(e i, e i ) = 0 e il determinante non è zero, quindi la forma non è degenere. Come trovare una base con vettori su cui la forma quadratica associata non è nulla? Abbiamo α(e, e 2 ) =, dunque ( ) ( ) α(e +e 2, e +e 2 ) = (, )A = 2, α(e e 2, e e 2 ) = (, )A = 2 Se M è la matrice di passaggio abbiamo M t AM = ( ). Esercizio. Si dimostri che se α : V V R è indefinita, allora esiste un vettore v 0 tale che α(v, v) = 0. Esempio 6. Consideriamo la forma bilineare α con matrice rispetto alla base canonica 0 A = 0 2 La matrice ha rango 2, quindi la forma è degenere. Come si capisce dalla dimostrazione del teorema (3), il radicale V è il nucleo dell applicazione lineare con matrice canonica A, dunque in questo caso è generato dal vettore (,, ) t. Rispetto alla base (, 0, 0) t, (0,, 0) t, (,, ) t la forma ha come matrice 0 0 A = e come nell esempio precedente rispetto alla base (,, 0) t, (,, 0) t, (,, ) t la matrice è ancora diagonale A = In effetti abbiamo il seguente teorema 7
8 Teorema 4. Data una forma bilineare simmetrica α : V V R esiste una base B = {u,..., u n } di V tale che la matrice associata ad α rispetto a B sia diagonale con i primi p elementi della diagonale uguali a, i successivi q elementi della diagonale uguali a e gli ultimi n p q elementi nulli. Per il momento non dimostriamo il teorema che dimostreremo in seguito come conseguenza di un altro teorema, il teorema spettrale. D altra parte una dimostrazione diretta può essere data utilizzando il procedimento visto negli esempi precedenti per trovare una base rispetto alla quale la matrice associata alla forma sia diagonale. Essenzialmente si trova una base di V, u,..., u k e la si estende aggiungendo vettori u j, j = k +,..., n tali che si abbia α(u j, u j ) 0 e α(u i, u j ) = 0 per i < j (vedremo un procedimento simile nel caso di forme definite positive). Posto quindi { α(uj, u j ) se α(u j, u j ) > 0 a j = α(u j, u j ) se α(u j, u j ) < 0 il vettore v = aj u j avrà la proprietà che α(v j, v j ) = ±. Vediamo però che i numeri p, q non dipendono dalla base B Proposizione 5. Sia α : V V R una forma bilineare simmetrica, B una base rispetto alla quale la matrice di α è in forma di Sylvester. Allora p è la dimensione massima di un sottospazio di V sul quale la restrizione di α è definita positiva. Di conseguenza p, q non dipendono dalla base B. dim: Siano {v i }, i =,..., n i vettori di B. Allora per i p abbiamo che α(v i, v i ) =, per p + i p + q, α(v i, v i ) = e per p + q + i n, α(v i, v i ) = 0. Supponiamo che U sia un sottospazio sul quale la restrizione di α è definita positiva e supponiamo che dim U > p. Posto W = L[v p+,..., v n, abbiamo che la restrizione di α su W è semidefinita negativa. Per la formula di Grassmann n dim (U +W ) = dim U +dim W dim (U W ) > p+n p dim (U W ). Quindi, poichè la seconda diseuguaglianza è stretta dovremmo avere dim (U W ) > 0 quindi nell intersezione dovrebbe esserci un vettore non nullo. Però detto u questo vettore dovremmo avere α(u, u) > 0 visto che u U, ma anche α(u, u) 0 poichè u W. dunque p è la dimensione massima che può avere un sottospazio sul quale α sia definita positiva. Ora p + q non dipende dalla base B, poichè è il rango della matrice di α, o, in maniera equivalente, la codimensione di V, quindi q = p + q p non dipende dalla base. Definizione 6. La coppia di numeri (p, q) si dice segnatura della forma bilineare α e della forma quadratica associata. 8
9 Osserviamo che una forma è non degenere se e solo se p+q = n = dim V. Definizione 7. Un prodotto scalare definito positivo α : V V R si dice metrica. Spesso lo indicheremo con,. La radice della forma quadratica q α associata ad una metrica (dunque definita positiva) si dice norma associata alla metrica e si indica q α (v) = v 2 α Esempio 7. Vediamo una serie di esempi di metriche:. Il prodotto scalare standard di R n. Più in generale, una matrice A congruente alla matrice I definisce una metrica su R n con prodotto scalare v t Au. 2. Sia V lo spazio delle funzioni continue su un intervallo (a, b), o lo spazio dei polinomi R n [x], allora il prodotto scalare L 2 è una metrica. 3. V = R 3 [x] poniamo p, q = p( )q( ) + p(0)q(0) + p()q(). 4. Questo esempio non è una metrica, ma è importante nella teoria della relatività ristretta: in R 4 poniamo u, v = u v + u 2 v 2 + u 3 v 3 u 4 v 4 Proposizione 8. Sia, una metrica su V. i) (Disuguaglianza di Schwartz) u, v V, u, v u v ii) (Disuguaglianza triangolare) u, v V, u v u + v u + v Le dimostrazioni si trovano sul libro. Uno spazio vettoriale munito di una metrica si dice spazio metrico. In uno spazio metrico possiamo definire distanze e angoli: Definizione 9. Sia (V,, ) uno spazio metrico, u, v V. Definiamo la distanza di u, v e l angolo θ tra u e v: d(u, v) = u v cos θ = u, v u v La disuguaglianza di Schwartz implica che, come deve essere, il coseno è compreso tra e. Se identifichiamo il piano con R 2 il prodotto scalare standard induce le nozioni di distanza e angolo usuali: in effetti coincide con il prodotto scalare di vettori geometrici definito come u v = u v cos θ Le applicazioni lineari tra due spazi metrici che conservano le proprietà metriche si dicono isometrie (lineari) o trasformazioni ortogonali. Definizione 20. Siano (V,, V ), (W,, W ) spazi metrici, f : V W un applicazione lineare. Diciamo che f è una trasformazione ortogonale se u, v V, f(u), f(v) W = u, v V 9
10 Per l osservazione (0) f è un isometria se e solo se u V f(u) W = u V. Esempio 8. Se consideriamo R 2 con la metrica standard, vedremo che le trasformazioni ortogonali sono le rotazioni e le riflessioni. In generale le coordinate rispetto a una base non sono un isometria di uno spazio vettoriale V con R n con la metrica standard, ad esempio identificando la base canonica di R n [x] con la base canonica di R n abbiamo un isomorfismo ma non un isometria visto che, x L 2 0 = e, e 2. Definizione 2. Sia (V,, ) uno spazio metrico, una base ortonormale di V è una base B = {u,..., u n } tale che i, j =,..., n u i, u j = δ ij Quindi la matrice associata al una qualsiasi metrica rispetto ad una base ortonormale è la matrice identità, e le coordinate rispetto a una qualsiasi base ortonormale danno un isometria di (V,, ) con R n dotato della metrica standard. D altra parte se indichiamo con, A la forma bilineare di R n x, y A = y t Ax abbiamo visto che data una base B di uno spazio metrico (V,, ), se A è la matrice associata a, rispetto a B, x, y R n le coordinate dei vettori u, v sempre rispetto a B, abbiamo u, v = u, v A quindi le coordinate rispetto a B sono un isometria di (V,, ) con (R n,, A ). Di fatto, grazie a queste due osservazioni, possiamo lavorare in coordinate anche quando studiamo gli spazi metrici, o scegliendo una base ortonormale dello spazio V, o lavorando in R n con un opportuna metrica. Per questo motivo enunciamo queste propietà in una proposizione Proposizione 22. Sia (V,, ) uno spazio metrico. i) Se B è una base ortonormale di V, allora le coordinate rispetto a B sono un isomorfismo e un isometria di (V,, ) con R n dotato della metrica standard. ii) Se A è la matrice di, rispetto ad una qualsiasi base B di V, allora le coordinate rispetto a B sino un isomorfismo e un isometria di (V,, ) con (R n,, A ) 0
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
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
DettagliUniversita degli Studi di Roma Tor Vergata Facolta di Ingegneria: Elettronica. Corso di Geometria ed Algebra Docente F. Flamini
Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria: Elettronica Corso di Geometria ed Algebra Docente F. Flamini Capitolo IV - 3: Teorema Spettrale degli operatori autoaggiunti e Teorema
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
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)
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,
DettagliDaniela Lera A.A
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2016-2017 Richiami Algebra Lineare Spazio normato Uno spazio lineare X si dice normato se esiste una funzione
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
DettagliGeometria e Topologia I 18 maggio
Geometria e Topologia I 18 maggio 2005 64 17 Mappe affini (17.1) Definizione. Siano X e Y due spazi affini sullo stesso campo K. Una funzione f : X Y si dice affine (anche, mappa affine o trasformazione
DettagliSpazi vettoriali euclidei.
Spazi vettoriali euclidei Prodotto scalare, lunghezza e ortogonalità in R n Consideriamo lo spazio vettoriale R n = { =,,, n R}, n con la somma fra vettori e il prodotto di un vettore per uno scalare definiti
DettagliGeometria BAER Canale I Esercizi 9
Geometria BAER Canale I Esercizi 9 Esercizio 1. Si trovi la matrice del prodotto standard di R 3 rispetto alle basi B = (2, 0, 1) t, (1, 0, 2) t, (1, 1, 1) t } e D = (2, 2, 1) t, ( 1, 2, 2) t, (2, 1, 2)
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
DettagliCorso di Laurea in Fisica. Geometria. a.a Prof. P. Piazza Diagonalizzazione delle forme bilineari simmetriche
Corso di Laurea in Fisica. Geometria. a.a. 2009-10. Prof. P. Piazza Diagonalizzazione delle forme bilineari simmetriche Sia V uno spazio vettoriale reale. Sia 1. Osservazioni preliminari. : V V R un
DettagliCorso di Geometria Lezione II: Spazi vettoriali
.. Corso di Geometria Lezione II: Spazi vettoriali F. Baldassarri 8 ottobre 2013 Definizione di spazio vettoriale Uno spazio vettoriale su un campo C (ad es. Q,R,C,{0, 1}) è un insieme V dotato di due
DettagliSpazi 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
Dettagli1. Complemento ortogonale di un vettore non nullo Abbiamo visto che nel piano
Geometria e Algebra (II), 11.12.12 1. Complemento ortogonale di un vettore non nullo Abbiamo visto che nel piano P O i vettori ortogonali ad un dato vettore non nullo descrivono una retta per O, e nello
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
DettagliGAAL: Capitolo dei prodotti scalari
GAAL: Capitolo dei prodotti scalari Teorema di Rappresentazione rappresentabile Aggiunto Autoaggiunto Unitariamente diagonalizzabile Teorema spettrale reale Accoppiamento Canonico Forme bilineari Prodotti
DettagliA =, c d. d = ad cb. c d A =
Geometria e Algebra (II), 271112 1 Definizione D ora innanzi, al posto di dire matrice quadrata di tipo n n o matrice quadrata n n diremo matrice quadrata di ordine n o in breve matrice di ordine n Il
DettagliCorso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni. 5. Rango
Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof Fabio Perroni 5 Rango Definizione 1 Sia A M m,n (K) una matrice m n a coefficienti nel campo K Il rango
DettagliEndomorfismi simmetrici
Endomorfismi simmetrici Endomorfismo simmetrico: Dato uno spazio vettoriale metrico V e un endomorfismo T appartenente a V. L endomorfismo si definisce simmetrico se e solo se (T(v),v2)=(v,T(v2)) per ogni
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
DettagliEsercitazioni di Geometria A: spazi euclidei
Esercitazioni di Geometria A: spazi euclidei 9-10 marzo 2016 Esercizio 1 Sia V uno spazio vettoriale sul campo K = R e si consideri una base B = {e 1, e 2, e 3 }. Si consideri la matrice a coefficienti
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
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
DettagliLa formula di Taylor per funzioni di più variabili
La formula di Taylor per funzioni di più variabili Il polinomio di Taylor Due variabili. Sia A R 2 un aperto, f : A R una funzione sufficientemente regolare, (x, y) un punto di A. Sia (h, k) un vettore
DettagliATTENZIONE: : giustificate le vostre argomentazioni! Geometria Canale 3. Lettere J-PE (Prof P. Piazza) Esame scritto del 12/02/2014. Compito A.
Geometria Canale. Lettere J-PE (Prof P. Piazza) Esame scritto del 12/02/2014. Compito A. Nome e Cognome: Numero di Matricola: Esercizio Punti totali Punteggio 1 7 2 6 6 4 6+1 5 6+2 Totale 1+ ATTENZIONE:
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
DettagliGEOMETRIA 1 quarta parte
GEOMETRIA 1 quarta parte Cristina Turrini C. di L. in Fisica - 2014/2015 Cristina Turrini (C. di L. in Fisica - 2014/2015) GEOMETRIA 1 1 / 36 index Forme bilineari 1 Forme bilineari 2 Il caso reale: spazi
DettagliGeometria BAER A.A. Canale I Foglio esercizi 4
Geometria BAER A.A. Canale I Foglio esercizi 4 Esercizio. Si trovino basi degli spazi delle soluzioni dei seguenti sistemi lineari Soluzione: Sol(S ) = L[ x + 3x x 3 + 5x 4 = S : x + 3x x 3 + x 4 = S x
DettagliAppunti di Geometria - 2
Appunti di Geometria - Samuele Mongodi - s.mongodi@sns.it Cambi di base e applicazioni lineari Richiami Sia V uno spazio vettoriale di dimensione n sul campo K, con base assegnata e,..., e n } (ad esempio
DettagliGeometria UNO Prodotti hermitiani
Geometria UNO Prodotti hermitiani Corso di Laurea in Matematica Anno Accademico 2013/2014 Alberto Albano 2 aprile 2014 Queste note sono un riassunto delle lezioni di.... I fatti principali sono contenuti
DettagliGE210 Geometria e algebra lineare 2 A.A. 2018/2019
GE210, I Semestre, Crediti 9 GE210 Geometria e algebra lineare 2 A.A. 2018/2019 Prof. Angelo Felice Lopez 1. Forme bilineari e forme quadratiche Forme bilineari, simmetriche ed antisimmetriche. Esempi:
DettagliCapitolo 3 Matrici. Marco Robutti. Facoltà di ingegneria Università degli studi di Pavia. Anno accademico
Capitolo 3 Matrici Marco Robutti Facoltà di ingegneria Università degli studi di Pavia Anno accademico 2017-2018 Tutorato di geometria e algebra lineare Definizione (Matrice) Una matrice A M R (k, n) è
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Fra le applicazioni definite tra spazi vettoriali sono particolarmente significative quelle che conservano le operazioni, dette applicazioni lineari. Definizione Siano V, W due k-s.v.
DettagliFattorizzazione QR e matrici di Householder
Fattorizzazione QR e matrici di Householder ottobre 009 In questa nota considereremo un tipo di fattorizzazione che esiste sempre nel caso di matrici quadrate non singolari ad entrate reali. Definizione
DettagliNOTE 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
Dettagli3. Elementi di Algebra Lineare.
CALCOLO NUMERICO Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari 3. Elementi di Algebra Lineare. 1 Sistemi lineari Sia A IR m n, x IR n di n Ax = b è un vettore di m componenti.
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
DettagliCapitolo IV SPAZI VETTORIALI EUCLIDEI
Capitolo IV SPAZI VETTORIALI EUCLIDEI È ben noto che in VO 3 si possono considerare strutture più ricche di quella di spazio vettoriale; si pensi in particolare all operazioni di prodotto scalare di vettori.
DettagliAppunti di ALGEBRA LINEARE
Appunti di ALGEBRA LINEARE Corso di Laurea in Chimica A. A. 2009/200 Capitolo SPAZI VETTORIALI In matematica si incontrano spesso insiemi di elementi su cui sono definite delle operazioni che godono di
DettagliPROGRAMMA DEL CORSO DI GEOMETRIA E ALGEBRA. A.A
PROGRAMMA DEL CORSO DI GEOMETRIA E ALGEBRA. A.A. 2010-11 DOCENTE TITOLARE: FRANCESCO BONSANTE 1. Geometria analitica dello spazio (1) vettori applicati e lo spazio E 3 O: operazioni su vettori e proprietà.
Dettagli22 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
DettagliGEOMETRIA 1 ottava parte
GEOMETRIA 1 ottava parte Cristina Turrini C. di L. in Fisica - 214/215 Cristina Turrini (C. di L. in Fisica - 214/215) GEOMETRIA 1 1 / 15 index 1 Cristina Turrini (C. di L. in Fisica - 214/215) GEOMETRIA
DettagliUniversita 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
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
DettagliProdotto 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
Dettaglix n i sima pos. x, y = x T y = x i y i R. i=1
1 Elementi di Algebra Lineare In questo capitolo introduttivo al corso di Calcolo Numerico per la laurea triennale in Informatica, saranno presentate una serie di definizioni e proprietà di matrici e dei
DettagliPROGRAMMA DEL CORSO DI GEOMETRIA E ALGEBRA. A.A
PROGRAMMA DEL CORSO DI GEOMETRIA E ALGEBRA. A.A. 2011-12 DOCENTE TITOLARE: FRANCESCO BONSANTE 1. Geometria analitica dello spazio (1) vettori applicati e lo spazio E 3 O: operazioni su vettori e proprietà.
DettagliEsercizi Di Geometria 1 (BAER) Canale 1
Esercizi Di Geometria 1 (BAER) Canale 1 SETTIMANA 9 (23 29 Novembre 2015) da consegnare Mercoledi 2 Dicembre. Esercizio 1. Sia E = (V,, ) uno spazio metrico finito dimensionale. sottospazio vettoriale
DettagliUna approssimazione allo spazio della fisica classica. Spazi affini euclidei.
Una approssimazione allo spazio della fisica classica. Spazi affini euclidei. Federico Lastaria. Analisi e Geometria 1. Una introduzione allo spazio della fisica classica. 1/20 Lo spazio E 3 (il piano
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
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
Dettaglii) la somma e il prodotto godano delle proprietà associativa, commutativa e distributiva;
1 Spazi vettoriali 11 Definizioni ed assiomi Definizione 11 Un campo è un insieme K dotato di una operazione somma K K K, (x, y) x + y e di una operazione prodotto K K K, (x, y) xy tali che i) la somma
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
DettagliII Università degli Studi di Roma
Versione preliminare gennaio TOR VERGATA II Università degli Studi di Roma Dispense di Geometria. Capitolo 3. 7. Coniche in R. Nel Capitolo I abbiamo visto che gli insiemi di punti P lineare di primo grado
DettagliSpazi Vettoriali ed Applicazioni Lineari
Spazi Vettoriali ed Applicazioni Lineari 1. Sottospazi Definizione. Sia V uno spazio vettoriale sul corpo C. Un sottoinsieme non vuoto W di V è un sottospazio vettoriale di V se è chiuso rispetto alla
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
Dettagli14 febbraio Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...
COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi
DettagliRango di una matrice e teorema di Rouché-Capelli
Rango di una matrice e teorema di Rouché-Capelli Sappiamo che a una matrice m n, A, è associata l applicazione lineare L A : R n R m, L A (X) = AX, X R n. Definizione 1. Lo spazio nullo di A, N (A), è
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
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
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,
DettagliGeometria analitica: curve e superfici
Geometria analitica: curve e superfici geometriche algebriche e matrici e isometrie Riduzione Invarianti Studio di coniche Intersezione con rette e tangenti in forma parametrica 006 Politecnico di Torino
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
DettagliGeometria I. Esercizi svolti.
Geometria I. Esercizi svolti. Alcuni esercizi svolti dal mio libro Appunti di Geometria I (Pitagora Editore). Es..5, p. 64. Siano F, H due sotto spazi vettoriali del k-spazio vettoriale E. Se H F, allora
Dettagli25 - Funzioni di più Variabili Introduzione
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 25 - Funzioni di più Variabili Introduzione Anno Accademico 2013/2014 M. Tumminello
DettagliCORSO ALGEBRA LINEARE 2006/07
CORSO ALGEBRA LINEARE 2006/07 Modalità d esame Gli appelli d esame saranno tenuti durante i periodi di sospensione della didattica (fine gennaio fine febbraio, metà giugno fine luglio, settembre). L esame
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
DettagliParte 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
DettagliA.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,
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
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
Dettagli8 novembre Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...
COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi
DettagliGEOMETRIA 1 terza parte
GEOMETRIA 1 terza parte Cristina Turrini C. di L. in Fisica - 2014/2015 Cristina Turrini (C. di L. in Fisica - 2014/2015) GEOMETRIA 1 1 / 32 index Applicazioni lineari 1 Applicazioni lineari 2 Nucleo e
DettagliDim. Usare la chiusura rispetto al prodotto esterno (vedi appunti lezione o libri di testo).
ESERCIZI PER CASA di GEOMETRIA per il Corso di Laurea di Scienze dei Materiali, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 28 maggio 29 Sottospazi di uno spazio vettoriale, sistemi
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
DettagliElementi di Algebra Lineare
Elementi di Algebra Lineare Corso di Calcolo Numerico, a.a. 2009/2010 Francesca Mazzia Dipartimento di Matematica Università di Bari 13 Marzo 2006 Francesca Mazzia (Univ. Bari) Elementi di Algebra Lineare
DettagliAPPUNTI DI ALGEBRA LINEARE
APPUNTI DI ALGEBRA LINEARE. Definizione Si dice spazio vettoriale (sul campo dei numeri reali R) un insieme V per il quale siano definite l operazione interna di somma (che ad ogni coppia di vettori e
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
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
DettagliAppunti sui Codici di Reed Muller. Giovanni Barbarino
Appunti sui Codici di Reed Muller Giovanni Barbarino Capitolo 1 Codici di Reed-Muller I codici di Reed-Muller sono codici lineari su F q legati alle valutazioni dei polinomi sullo spazio affine. Per semplicità
DettagliDIARIO DEL CORSO DI MATHEMATICS FOR DATA SCIENCE TRENTO, A.A. 2018/19 DOCENTI: ANDREA CARANTI, SIMONE UGOLINI
DIARIO DEL CORSO DI MATHEMATICS FOR DATA SCIENCE TRENTO, A.A. 2018/19 DOCENTI: ANDREA CARANTI, SIMONE UGOLINI Nota. La descrizione di lezioni non ancora svolte si deve intendere come una previsione/pianificazione.
DettagliFacoltà di INGEGNERIA E ARCHITETTURA Anno Accademico 2016/17 Registro lezioni del docente ZUDDAS FABIO
Facoltà di INGEGNERIA E ARCHITETTURA Anno Accademico 2016/17 Registro lezioni del docente ZUDDAS FABIO Attività didattica GEOMETRIA E ALGEBRA [IN/0079] Periodo di svolgimento: Secondo Semestre Docente
DettagliGeometria BAER I canale Foglio esercizi 2
Geometria BAER I canale Foglio esercizi Esercizio. ( ) Data la matrice, determinare tutte le matrici X Mat( ) tali che AX = 0 e tutte le matrici Y Mat( ) tali che Y 0. ( ) ( ) ( ) x y x + z y + w Soluzione:
DettagliCORSO DI GEOMETRIA DETERMINANTE A.A. 2018/2019 PROF. VALENTINA BEORCHIA
CORSO DI GEOMETRIA DETERMINANTE AA 2018/2019 PROF VALENTINA BEORCHIA INDICE 1 Definizione induttiva di determinante 1 2 Caratterizzazione delle matrici quadrate di rango massimo 5 3 Regole di Laplace 6
DettagliRichiami di Algebra Lineare
Richiami di Algebra Lineare Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2015 Rossi Algebra Lineare 2015 1 / 41 Vettori Prodotto interno a : (n 1) b : (n 1) a b = a 1 b 1 +
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
Dettagli4. Sottospazi vettoriali Piani e rette in E 3 O
Indice Prefazione i Capitolo 0. Preliminari 1 1. Insiemistica e logica 1 1.1. Insiemi 1 1.2. Insiemi numerici 2 1.3. Logica matematica elementare 5 1.4. Ancora sugli insiemi 7 1.5. Funzioni 10 1.6. Composizione
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
DettagliRichiami di Algebra Lineare
Appendice A Richiami di Algebra Lineare In questo capitolo sono presentati alcuni concetti di algebra lineare L algebra lineare è quella branca della matematica che si occupa dello studio di vettori, spazi
Dettagli5. Richiami: R n come spazio euclideo
5. Richiami: R n come spazio euclideo 5.a Prodotto scalare Dati due vettori in R n, si misurano le rispettive lunghezze e l angolo (senza il segno) fra essi mediante il prodotto scalare. Il prodotto scalare
DettagliNome:. Data:. 1. Discutere la natura della conica di equazione
Nome:. Data:. ISTRUZIONI. Riportare le soluzioni in bella copia negli spazi appositi sotto ciascun esercizio, usare eventualmente anche il retro del foglio. Non aggiungere altri fogli. La soluzione deve
DettagliLezioni di Algebra Lineare V. Autovalori e autovettori
Lezioni di Algebra Lineare V. Autovalori e autovettori Versione novembre 2008 Contenuto 1. Cambiamenti di base 2. Applicazioni lineari, matrici e cambiamenti di base 3. Autovalori e autovettori 2 1. Cambiamenti
DettagliQuadriche 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 )
DettagliMinimi quadrati. Sistemi iperdeterminati. 27 novembre 2008
Minimi quadrati 27 novembre 2008 In questa nota si indicherà sempre con V uno spazio vettoriale reale di dimensione finita n. Definizione 1. Una norma su V è una funzione : V R tale che x, y V e λ R: 1.
DettagliMercoledì 3 ottobre (11-13, 2 ore). Preliminari:
Geometria e Algebra- Diario delle lezioni C.d.L. in Bionigegneria L. Stoppino, Università di Pavia, a.a. 2018/2019 Tutti i riferimenti sono al testo [BBB] Fulvio Bisi, Francesco Bonsante, Sonia Brivio:
Dettagli