(P x) (P y) = x P t (P y) = x (P t P )y = x y.
|
|
- Ottaviano Corradini
- 7 anni fa
- Visualizzazioni
Transcript
1 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 ortogonali: Teorema Sia P una matrice n n Le condizioni seguenti su P sono equivalenti: (i) P è matrice ortogonale, (ii) (P x) (P y) x y per ogni x,y R n (P conserva il prodotto scalare), (iii) P x x, per ogni x R n (P conserva le norme) Dim (i) (ii) Sappiamo che P è ortogonale se e solo se P è invertibile e P P t Segue (P x) (P y) x P t (P y) x (P t P )y x y (ii) (iii) P x (P x) (P x) x x x (iii) (i) Facciamo vedere che se P (x x n ), ove x, x n sono le colonne di P, allora {x x n } è una base ortonormale di R n È x i P e i, ove e,, e n sono i vettori della base standard di R n Segue x i P e i e i Se i j x i + x j P e i + P e j P (e i + e j ) e i + e j x i + x j D altra parte x i + x j x i + x j + x i x j da cui segue x i x j 0 CVD Ulteriori proprietà delle matrici ortogonali: Teorema Siano P, Q matrici ortogonali n n Allora: (i) det P ±, (ii) P Q è una matrice ortogonale, (iii) P è una matrice ortogonale, (iv) P t è una matrice ortogonale Dim solo di (i) Gli altri asserti sono facili e si lasciano come esercizi per il lettore Da P t P n segue det(p t P ) Utilizzando il Teorema di Binet e ricordando che det P det(p t ), si ricava (det P ) e quindi det P ± CVD L insieme delle matrici ortogonali di ordine n si denota usualmente con O n Dal teorema precedente O n risulta essere un gruppo rispetto al prodotto di matrici (righe per colonne) È detto il gruppo ortogonale (di ordine n) L insieme delle matrici ortogonali con det si denota con SO n ed è un sottogruppo di O n L insieme delle matrici ortogonali con det si denota con O n Chiaramente non è un sottogruppo di O n, ma O n P SO n, ove P è una qualunque matrice ortogonale con det P, ad esempio 0 0 P Rotazioni del piano Sia θ R e sia x R Denotiamo con R θ (x) il vettore ottenuto ruotando in senso antiorario il vettore x attorno all origine (disegno) L applicazione R θ : R R, x R θ (x) si dice rotazione antioraria di angolo θ Teorema L applicazione R θ è una applicazione lineare La sua matrice standard ( la matrice rispetto alla base standard) è la matrice θ sin θ sin θ θ Dim Consideriamo due vettori x, y R (applicati all origine) Sappiamo che il vettore x + y è la diagonale del parallelogramma individuato da x e y Applicando R θ, tutto il parallelogramma viene ruotato e si ottiene il parallelogramma individuato dai vettori R θ (x) e R θ (y) La diagonale di quest ultimo parallelogramma è dunque R θ (x) + R θ (y) D altra parte la diagonale del parallelogramma ruotato si ottiene ruotando la diagonale del parallelogramma da cui siamo partiti che è dunque R θ (x + y) (disegno) Segue che R θ (x + y) R θ (x) + R θ (y)
2 Con un argomento simile (disegno) si dimostra anche che R θ (ax) ar θ (x), a R Si verifica poi facilmente (disegno e trigonometria elementare) che θ sin θ R θ (e ), R sin θ θ (e ) θ CVD In particolare (abuso di notazione: useremo la stessa notazione R θ per denotare anche la sua matrice standard) 0 sin 0 0 R 0 sin 0 0 0, R / sin 0 sin 0 sin 0 R sin 0, R / sin sin ( ) ( R /6 6 sin 6 sin 6, R / sin 6 sin ) Si verifica facilmente che le colonne di R θ sono ortonormali o anche che R t θ R θ Pertanto la matrice R θ è una matrice ortogonale D altra parte è geometricamente è evidente che R θ conserva le norme Inoltre è chiaro che R θ R φ R φ R θ R θ+φ Esplicitando (θ + φ) sin(θ + φ) θ sin θ φ sin φ sin(θ + φ) (θ + φ) sin θ θ sin φ φ ( θ φ sin θ sin φ ) (sin θ φ + θ sin φ) sin θ φ + θ sin φ θ φ sin θ sin φ si ottengono le formule di addizione per seno e eno Riflessioni del piano Sia L una retta del piano R passante per l origine, (L è un sottospazio vettoriale di dim di R Se x è un vettore (applicato all origine), denotiamo con s L (x) il vettore ottenuto da x per riflessione rispetto alla retta L (disegno; se la punta di x è il punto P, tracciare la retta r per P ortogonale ad L; sia Q il piede di r su L; la punta di s L (x) è il simmetrico di P rispetto a Q su r) Se L u e L v con u v, u v 0, si verifica facilmente che s L (u) u, s L (v) v e s L (x) x (x v)v Si verifica facilmente dalla formula (ma si può ripetere pari pari l argomento geometrico usato per la rotazione) che s L : R R è applicazione lineare Chiaramente s L conserva le norme (verificarlo 0 per esercizio dalla formula) La matrice di s L rispetto alla base (ortonormale) (u, v) è 0 Esercizio Trovare le matrici standard delle riflessioni rispetto ai due assi coordinati Trovare la matrice standard di s L quando L è la retta (per l origine) di pendenza m Trasformazioni ortogonali del piano Rotazioni e riflessioni sono esempi di trasformazioni ortogonali del piano, ovvero trasformazioni lineari T : R R tali che T (x) x, per ogni x R Chiaramente le matrici standard delle trasformazioni ortogonali sono matrici ortogonali e viceversa, se una trasformazione lineare ha matrice standard ortogonale, è una trasformazione ortogonale Teorema Sia T : R R una trasformazione ortogonale del piano con matrice standard P (i) Se det P, allora T è una rotazione (ii) Se det P, allora T è una riflessione a c Dim Supponiamo che P Poiché P è matrice ortogonale, le sue colonne hanno norma b d : a + b e c + d Esistono dunque angoli θ, φ tali che a θ, b sin θ e c φ, d sin φ Poiché le due colonne sono ortogonali, possiamo scegliere θ, φ in modo che φ θ ± /
3 (disegno) Primo caso: φ θ + / Segue φ (θ + /) sin θ, sin φ sin(θ + /) θ, θ sin θ P sin θ θ che è la matrice standard della rotazione R θ Inoltre θ sin θ det P det sin θ θ Secondo caso: φ θ / Segue φ (θ /) sin θ, sin φ sin(θ /) θ, θ sin θ P sin θ θ Segue che il polinomio caratteristico di P è det(p t ) t (Tr P )t + det P t (t + )(t ) Segue che P e quindi T ha autovalori e Se u e v sono i corrispondenti autovettori, allora u v 0, T (u) u e T (v) v Segue che T è la riflessione rispetto alla retta L u Inoltre θ sin θ det P det sin θ θ CVD Osservazione È immediato verificare che θ sin θ θ sin θ 0 sin θ θ sin θ θ 0 Quindi nel caso det T, T è lariflessione rispetto all asse delle ascisse seguita da una rotazione antioraria Chiaramente (disegno) i vettori che formano angolo θ/ con e sono uniti Segue che l autovettore (normalizzato) relativo all autovalore è θ u sin θ Trasformazioni ortogonali in dimensione superiore Teorema Gli autovalori di una trasformazione ortogonale sono ± oppure coppie di numeri complessi coniugati di modulo Dim Sia P una matrice ortogonale e sia λ C un suo autovalore; sia 0 v C n un autovettore corrispondente: P v λv Coniugando e trasponendo questa uguaglianza, si ottiene, tenuto conto che P è matrice reale, v t P t λv t Segue v t v v t P t P v λλv t v e quindi λλ λ Segue che λ ± se λ è reale, o λ e iθ, θ R, se λ non è reale CVD Corollario Se n e T SO, T id R, allora T è una rotazione attorno ad una retta passante per l origine Dim Facciamo vedere che dall ipotesi che det T segue che è autovalore di T Osserviamo che T ha almeno un autovalore reale perché il polinomio caratteristico è un polinomio a coefficienti reali di grado tre che ha quindi una radice reale Questa radice è o Se tutte le radici sono reali, almeno una deve essere uguale a (perché il loro prodotto è det T per ipotesi) Se due radici sono complesse coniugate, la terza radice reale non può essere : (a+ib)(a ib)( ) (a +b ) che non può essere uguale ad Quindi è autovalore di T Se u R è il corrispondente autovettore, allora T (u) u Posto L u, è T (L ) L : infatti, se u v 0, 0 u v T (u) T (v) u T (v) Segue che T (L ) L e quindi, essendo T invertibile, T (L ) L Segue che T L è una trasformazione ortogonale del piano L Poiché det T L, T L è una rotazione CVD
4 Esempio La matrice ortogonale 0 0 P ha polinomio caratteristico t (t )(t +t+) L autovettore corrispondente all autovalore è (,, ) Quindi P è una rotazione attorno alla retta L (,, ) La trasformazione ortogonale P L del piano L ha polinomio caratteristico t + t + Quindi det P L e troviamo conferma che P L è una rotazione Qual è l angolo di rotazione θ? Deve essere θ tr P L e quindi θ / Isometrie euclidee Una trasformazione F : R n R n si dice una isometria, se T (x) T (y) x y per ogni x, y R n A differenza delle trasformazioni ortogonali, qui non supponiamo che T sia un applicazione lineare Una isometria conserva le distanze tra punti (qui conviene pensare x, y come punti piuttosto che vettori, consideriamo R n come spazio affine) Una trasformazione ortogonale è una isometria: se T è lineare T (x) T (y) T (x y) x y Inoltre, ogni isometria che sia anche lineare è una trasformazione ortogonale T (x) T (x) 0 T (x) T (0) x 0 x Una traslazione di vettore v è l applicazione T v : R n R n definita da T v (x) x + v Se v 0, allora T v non è lineare perché T v (0) v 0 (T 0 id R n è lineare) Ma T v è una isometria: T v (x) T v (y) (x + v) (y + v) x y È facile verificare che la composizione di isometrie è una isometria (esercizio) Segue che, se T è una trasformazione ortogonale e T v è una traslazione, allora la composizione T v T è una isometria Facciamo ora vedere il fatto notevole che ogni isometria si può rappresentare come composizione di una trasformazione ortogonale seguita da una traslazione Teorema Sia T : R n R n una isometria tale che T (0) 0 (i) T (x) x, per ogni x R n (ii) T (x) T (y) x y, per ogni x, y R n (iii) T è lineare (iv) T è una trasformazione ortogonale Dim (i) è facile (esercizio) (ii) Siano x, y R n È T (x) T (y) T (x) T (x) T (y) + T (y), x y x x y + y Il risultato segue subito da T (x) T (y) x y (iii) Da (i) e (ii) segue T (x + y) T (x) T (y) ( T (x + y) T (x) T (y) ) (T (x + y) T (x) T (y) ) T (x + y) + T (x) + T (y) T (x + y) T (x) T (x + y) T (y) + T (x) T (y) x + y + x + y (x + y) x (x + y) y + x y 0 (verificare l ultima uguaglianza) Segue che T (x + y) T (x) + T (y) Similmente si dimostra che T (ax) at (x), a R (iv) Segue subito da (iii) e (i) CVD Sia F una isometria di R n Sia T : R n R n definita da T (x) F (x) F (0)
5 Allora T è una isometria e T (0) F (0) F (0) 0 Segue dal Teorema ora visto che T è una trasformazione ortogonale Inoltre per ogni x R n Posto v F (0), si ottiene F (x) T (x) + F (0) F (x) (T v T )(x) T (x) + v Poiché una traslazione (non identica) non è un applicazione lineare, non è rappresentata da una matrice Ma essendo il calcolo con le matrici molto efficiente, il seguente espediente è molto utile anche se a prima vista sembra una complicazione L idea è di rappresentare un punto x di R n mediante una colonna (n + ) ( x x) le cui componenti sono dette le coordinate omogenee di x Se P è la matrice della trasformazione ortogonale T, la isometria T v T è rappresentata dalla matrice (qui scritta a blocchi) 0 0, v P v P x v + P x Questo formalismo trova la sua naturale collocazione nel contesto della geometria proiettiva x n 5
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
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
DettagliRicordiamo 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
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
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
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
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
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)
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
DettagliClassificazione delle coniche.
Classificazione delle coniche Ora si vogliono studiare i luoghi geometrici rappresentati da equazioni di secondo grado In generale, non è facile riconoscere a prima vista di che cosa si tratta, soprattutto
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
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
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
Dettagli1 Distanza di un punto da una retta (nel piano)
Esercizi 26/10/2007 1 Distanza di un punto da una retta (nel piano) Sia r = {ax + by + c = 0} una retta. Sia P = (p 1, p 2 ) R 2 un punto che non sta sulla retta r. Vogliamo vedere se si può parlare di
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
DettagliEsercizio 2. Consideriamo adesso lo spazio di funzioni V = {f : [0, 1] R}. Dire quali dei seguenti insiemi di funzioni sono sottospazi.
1 Esercizi 1.1 Spazi vettoriali Studiare gli insiemi definiti di seguito, e verificare quali sono spazi vettoriali e quali no. Per quelli che non lo sono, dire quali assiomi sono violati. x 1, x 2, x 3
DettagliElementi 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
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
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,
DettagliLeLing9: Prodotto tra matrici.
Geometria Lingotto LeLing9: Prodotto tra matrici Ārgomenti svolti: Prodotto tra matrici Dimostrazione del teorema del rango L algebra delle matrici quadrate: Il prodotto tra matrici non e commutativo Rotazioni
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
DettagliCompiti di geometria & algebra lineare. Anno: 2004
Compiti di geometria & algebra lineare Anno: 24 Anno: 24 2 Primo compitino di Geometria e Algebra 7 novembre 23 totale tempo a disposizione : 3 minuti Esercizio. [8pt.] Si risolva nel campo complesso l
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
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
DettagliParte 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,
DettagliDIARIO DEL CORSO DI GEOMETRIA E ALGEBRA LINEARE
DIARIO DEL CORSO DI GEOMETRIA E ALGEBRA LINEARE DOCENTI: S. MATTAREI (TITOLARE), G. VIGNA SURIA, D. FRAPPORTI Prima settimana. Lezione di martedí 23 febbraio 2010 Introduzione al corso: applicazioni dell
DettagliEsercizi 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
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
DettagliGeometria BATR-BCVR Esercizi 9
Geometria BATR-BCVR 2015-16 Esercizi 9 Esercizio 1. Per ognuna delle matrici A i si trovi una matrice ortogonale M i tale che Mi ta im sia diagonale. ( ) 1 1 2 3 2 A 1 = A 2 1 2 = 1 1 0 2 0 1 Esercizio
DettagliPunti di massimo o di minimo per funzioni di n variabili reali
Punti di massimo o di minimo per funzioni di n variabili reali Dati f : A R n R ed X 0 A, X 0 si dice : punto di minimo assoluto se X A, f ( x ) f ( X 0 ) punto di massimo assoluto se X A, f ( x ) f (
Dettagli5 Un applicazione: le matrici di rotazione
5 Un applicazione: le matrici di rotazione 51 Rotazioni nel piano di un angolo ϑ Si vuole considerare il caso della rotazione nel piano di un vettore di R di un angolo ϑ assegnato Chiaramente si tratta
DettagliEsercizi 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
DettagliPer 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
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
Dettagli2 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
Dettagli1 Cambiamenti di coordinate nel piano.
Cambiamenti di coordinate nel piano.. Coordinate cartesiane Coordinate cartesiane su una retta. Sia r una retta: dare un sistema di coordinate su r significa fissare un punto O di r e un vettore u = U
DettagliMatematica per Analisi dei Dati,
Matematica per Analisi dei Dati, 230209 1 Spazio vettoriale R n Sia n un intero positivo fissato Lo spazio vettoriale R n e l insieme delle n ple ordinate di numeri reali, che rappresenteremo sempre come
DettagliEsercizi di ripasso: geometria e algebra lineare.
Esercizi di ripasso: geometria e algebra lineare. Esercizio. Sia r la retta passante per i punti A(2,, 3) e B(,, 2) in R 3. a. Scrivere l equazione cartesiana del piano Π passante per A e perpendicolare
DettagliEsercitazione di Geometria I 13 dicembre Esercizio 1. Esercizio 2. Esercizio 3
Esercitazione di Geometria I 13 dicembre 2008 a. Completa la seguente definizione: i vettori v 1, v 2,..., v n del K-spazio vettoriale V si dicono linearmente dipendenti se... b. Siano w 1, w 2, w 3 vettori
DettagliLa matematica del CAD. Vettori e Matrici
La matematica del CAD Vettori e Matrici IUAV Disegno Digitale Camillo Trevisan I programmi CAD riducono tutti i problemi geometrici in problemi analitici: la proiezione di un punto su un piano viene, ad
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
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
Dettagli4 Autovettori e autovalori
4 Autovettori e autovalori 41 Cambiamenti di base Sia V uno spazio vettoriale tale che dim V n Si è visto in sezione 12 che uno spazio vettoriale ammette basi distinte, ma tutte con la medesima cardinalità
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,
DettagliDEFINIZIONE Un vettore (libero) è un ente geometrico rappresentato da un segmento orientato caratterizzato da tre parametri:
DEFINIZIONE Un vettore (libero) è un ente geometrico rappresentato da un segmento orientato caratterizzato da tre parametri: 1. modulo: la lunghezza del segmento 2. direzione: coincidente con la direzione
DettagliEsercizi 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
Dettagli1 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
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
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
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
DettagliDidattica della Matematica per il triennio Geometria sintetica e geometria analitica
Didattica della Matematica per il triennio Geometria sintetica e geometria analitica anno acc. 2012/2013 Univ. degli Studi di Milano Cristina Turrini (Univ. degli Studi di Milano) Didattica della Matematica
DettagliAlgebra lineare Geometria 1 11 luglio 2008
Algebra lineare Geometria 1 11 luglio 2008 Esercizio 1. Si considerino la funzione: { R f : 3 R 3 (α, β, γ) ( 2β α γ, (k 1)β + (1 k)γ α, 3β + (k 2)γ ) dove k è un parametro reale, e il sottospazio U =
Dettagli2. Coordinate omogenee e trasformazioni del piano
. Coordinate omogenee e trasformazioni del piano Nella prima sezione si è visto come la composizione di applicazioni lineari e di traslazioni porta ad una scomoda combinazione di prodotti matriciali e
DettagliTrapani. Dispensa di Geometria, x 1 x 2.x n. (x 1 y 1 ) (x n y n ) 2.
2006 Trapani Dispensa di Geometria, 1 Distanze Siano P e Q punti di R n con P di coordinate allora la distanza tra P e Q e P Q = x 1 x 2 x n (x 1 y 1 ) 2 + (x n y n ) 2 e Q di coordinate Siano Σ 1 e Σ
DettagliInformatica Grafica. Un introduzione
Informatica Grafica Un introduzione Rappresentare la Geometria Operabile da metodi di calcolo automatici Grafica Vettoriale Partiamo dalla rappresentazione di un punto... Spazi Vettoriale SPAZI VETTORIALI
DettagliESERCIZI 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
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
DettagliTrasformazioni geometriche del piano e dello spazio.
Trasformazioni geometriche del piano e dello spazio.. Generalità. Una trasformazione di IR n è un applicazione bigettiva f : IR n IR n. Le trasformazioni si possono comporre tra loro: se f e g sono due
Dettagli(f g)(x) = f(g(x)), (f (g h))(x) = f(g(h(x))) = ((f g) h)(x).
Trasformazioni geometriche di R In questo paragrafo studiamo alcune trasformazioni geometriche del piano R Per trasformazioni si intendono sempre delle applicazioni bigettive f : R R Le trasformazioni
Dettagli1 Equazioni parametriche e cartesiane di sottospazi affini di R n
2 Trapani Dispensa di Geometria, Equazioni parametriche e cartesiane di sottospazi affini di R n Un sottospazio affine Σ di R n e il traslato di un sottospazio vettoriale. Cioe esiste un sottospazio vettoriale
DettagliSPAZI VETTORIALI CON PRODOTTO SCALARE A =
SPAZI VETTORIALI CON PRODOTTO SCALARE Esercizi Esercizio. Nello spazio euclideo standard (R 2,, ) sia data la matrice 2 3 A = 3 2 () Determinare una base rispetto alla quale A sia la matrice di un endomorfismo
DettagliVolumi 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
DettagliVettori. Capitolo Vettori applicati e vettori liberi
apitolo 3 Vettori 3.1 Vettori applicati e vettori liberi In questo numero introduciamo il concetto di vettore geometrico su una retta, nel piano e nello spazio che ci consentirà di sviluppare un linguaggio
Dettagli0.1 Condizione sufficiente di diagonalizzabilità
0.1. CONDIZIONE SUFFICIENTE DI DIAGONALIZZABILITÀ 1 0.1 Condizione sufficiente di diagonalizzabilità È naturale porsi il problema di sapere se ogni matrice sia o meno diagonalizzabile. Abbiamo due potenziali
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,
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(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
Dettagliossia può anche essere localizzato univocamente sul piano complesso con la sua forma polare.
ALGEBRA COMPLESSA Nel corso dei secoli gli insiemi dei numeri sono andati man mano allargandosi per rispondere all esigenza di dare soluzione a equazioni e problemi sempre nuovi I numeri complessi sono
DettagliLEZIONE 13. Figura 13.1
LEZIONE 3 Ritorniamo al nostro rettangolo R di vertici A = (, ), B = (, ), C = (, 3), D = (, 3) a partire dal segmento OU unitario di estremi l origine O ed il punto U = (, ). y D C R A B O Figura 3. Tra
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
DettagliCondizione di allineamento di tre punti
LA RETTA L equazione lineare in x e y L equazione: 0 con,,, e non contemporaneamente nulli, si dice equazione lineare nelle due variabili e. Ogni coppia ; tale che: 0 si dice soluzione dell equazione.
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
DettagliX = 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(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).
DettagliParte 7. Autovettori e autovalori
Parte 7. Autovettori e autovalori A. Savo Appunti del Corso di Geometria 23-4 Indice delle sezioni Endomorfismi, 2 Cambiamento di base, 3 3 Matrici simili, 6 4 Endomorfismi diagonalizzabili, 7 5 Autovettori
DettagliSoluzioni agli Esercizi di Geometria e Algebra per Ingegneria Aerospaziale (nuovo ordinamento)
Soluzioni agli Esercizi di Geometria e Algebra per Ingegneria Aerospaziale (nuovo ordinamento) Relazioni 1) Quali delle seguenti relazioni sono di equivalenza? x, y R {0} xry x/y Q x, y Z xry x + y è divisibile
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
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
DettagliFissiamo nel piano un sistema di riferimento cartesiano ortogonale O, x, y, u.
Fissiamo nel piano un sistema di riferimento cartesiano ortogonale O, x, y, u. Definizione Una conica è il luogo dei punti, propri o impropri, reali o immaginari, che con le loro coordinate omogenee (x,
DettagliRette e piani nello spazio Federico Lastaria, Analisi e Geometria 1. Politecnico di Milano Corso di Analisi e Geometria 1
ette e piani nello spazio Federico Lastaria, Analisi e Geometria 1 Politecnico di Milano Corso di Analisi e Geometria 1 Federico Lastaria federico.lastaria@polimi.it ette e piani nello spazio. 9 Gennaio
DettagliLezione 5 Geometria Analitica 1
Lezione 5 Geometria Analitica 1 Donato A Ciampa In questa lezione richiameremo alcune nozioni della geometria analitica, quali le trasformazioni del piano in se stesso e le varie equazioni relative alla
Dettagli1 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
DettagliAnalisi Matematica II - INGEGNERIA Gestionale - B 20 luglio 2017 Cognome: Nome: Matricola:
Analisi Matematica II - INGEGNERIA Gestionale - B luglio 7 Cognome: Nome: Matricola: IMPORTANTE: Giustificare tutte le affermazioni e riportare i calcoli essenziali Esercizio [8 punti] Data la matrice
Dettagli2 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
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
DettagliLEZIONE 27. C = { P = (x, y) x 2 /a 2 y 2 /b 2 = 1 }. C si dice iperbole di semiassi a e b (in forma canonica). L equazione
LEZIONE 27 27.1. Ellisse, iperbole, parabola. Nelle prossime lezioni illustreremo come la teoria delle forme quadratiche e della riduzione ortogonale si applichi allo studio di alcuni oggetti geometrici
DettagliOperatori 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
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
DettagliTutoraggio 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
DettagliEndomorfismi e matrici simmetriche
CAPITOLO Endomorfismi e matrici simmetriche Esercizio.. [Esercizio 5) cap. 9 del testo Geometria e algebra lineare di Manara, Perotti, Scapellato] Calcolare una base ortonormale di R 3 formata da autovettori
DettagliESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro
ESERCIZI DI ALGEBRA LINEARE Vincenzo Di Gennaro Sono raccolti, in ordine cronologico, gli esercizi di Algebra Lineare proposti nelle prove scritte per i vari corsi di Geometria che ho tenuto presso la
DettagliGEOMETRIA I Corso di Geometria I (seconda parte)
Corso di Geometria I (seconda parte) anno acc. 2009/2010 Cambiamento del sistema di riferimento in E 3 Consideriamo in E 3 due sistemi di riferimento ortonormali R e R, ed un punto P (x, y, z) in R. Lo
DettagliGeometria analitica: rette e piani
Geometria analitica: rette e piani Equazioni del piano Intersezioni di piani. Rette nello spazio Fasci di piani e rette Intersezioni fra piani e rette Piani e rette ortogonali Piani di forma parametrica
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
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
DettagliDipartimento di Matematica Corso di laurea in Matematica Compiti di Geometria II assegnati da dicembre 2000 a dicembre 2003
Dipartimento di Matematica Corso di laurea in Matematica Compiti di Geometria assegnati da dicembre 2000 a dicembre 2003 11/12/2000 n R 4 sono assegnati i punti A(3, 0, 1, 0), B(0, 0, 1, 0), C(2, 1, 0,
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
DettagliAnalisi dei dati corso integrato - Algebra lineare,
Analisi dei dati corso integrato - Algebra lineare, 050308-2 1 Ortogonalita nel piano Sia fissato nel piano un sistema di riferimento cartesiano ortogonale monometrico, con origine in O Tranne avviso contrario,
DettagliCorso di Laurea in Matematica - A.A. 2003/2004 Geometria Analitica I Esonero - 21 novembre 2003 (Proff. Marco Manetti e Riccardo Salvati Manni)
I Esonero - 21 novembre 2003 Esercizio 1. Per ogni n>0 sia B n M n (R) la matrice simmetrica di coefficienti b ij = i + j 2, i,j =1,...,n. Determinare rango e segnatura di B 1,B 2 e B 3. Soluzione. Si
Dettagli