Gruppi di Lie Introduzione alla Geometria Simplettica

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Gruppi di Lie Introduzione alla Geometria Simplettica"

Transcript

1 Gruppi di Lie Introduzione alla Geometria Simplettica Massimiliano Povero 12 maggio Elementi di Multialgebra Sia V uno spazio vettoriale di dimensione n su un campo K e indichiamo con E {e 1,..., e n } una base di tale spazio. Ogni elemento x V è una combinazione lineare degli elementi della base E a coefficienti in K, cioè x j x ie j, x j K. La base E induce un identificazione di V con K n mediante la funzione E : V K n x x E (x 1,..., x n ) t. Il pedice E indica la base rispetto cui gli elementi di V sono scritti. Lo spazio duale V di V è lo spazio Hom(V, K) delle forme K lineari su V. La base naturale di questo spazio è la base duale E (ω 1,..., ω n ) derivante dalla base E di V mediante la relazione ω j (x) x j. Gli elementi della base duale sono cioè applicazioni lineari che associano ad ogni elemento x V la j esima componente x j rispetto alla base E. Si ha ovviamente ω j (e k ) δ jk. La dimensione dello spazio duale risulta la stessa dello spazio di partenza V. Quindi per ogni forma X si ha X j X iω j. Dall identificazione precedente ad ogni X V corrisponde un vettore riga X E (X 1,..., X n ) K n. In questo modo l applicazione di una forma X ad un elemento x di V si riduce al prodotto scalare standard di due vettori, infatti X(x) ( n ) X j ω j x k e k j k1 X j x k δ jk X j x k ω j (e k ) X j x j X E, x E. A questo punto consideriamo lo spazio Bil(V) delle forme K bilineari da V V a K. Per determinarne una base osserviamo che Bil(V) può essere considerato come lo spazio V V. Infatti prese due forme X, Y di V si ha (X Y )(x, y) : X(x)Y (y) K. Allora risulta evidente come scrivere una base: fissata la base E in V e la base E in V si ha Bil(V) span {ω j ω k }. Quindi la dimensione dello spazio è pari a n 2. Per definizione si pone ω jk : ω j ω k. Ogni forma b bilineare viene identificata mediante la base {ω jk } in una matrice B E tale che j1 1

2 2 ( B E ) jk b jk b(e j, e k ). Per ogni x, y V si ha b(x, y) b jk (ω j ω k )(x, y) b jk x j y k x t E B E y E. ( n ) ( n ) b jk ω j x l e l ω k y m e n Ogni forma bilineare b può essere scritta nella forma b a+ω con a b + bt forma simmetrica e ω b bt 1 forma anti-simmetrica. Lo spazio Bil(V) può esse- 2 2 re cioè decomposto nella somma S 2 (V) 2 (V) dove S2 (V) è lo spazio delle forme bilineari simmetriche e 2 (V) quello delle forme bilineari anti-simmetriche. Estendiamo ora il concetto di forme bilineari introducendo la seguente definizione: DEFINIZIONE 1 (Tensori covarianti di rango p). Sia V uno spazio vettoriale di dimensione n con base E {e 1,..., e n }. Un tensore covariante di rango p è una funzione K polilineare in p variabili: l1 T : V... V K (x 1,..., x p ) T (x 1,..., x p ). Lo spazio dei tensori covarianti di rango p è uno spazio vettoriale Ten p (V) V p. Come nel caso delle forme bilineari una base naturale è data dagli elementi della forma ω j1...j p : ω j1... ω jp. Ogni elemento T Ten p (V) può essere quindi scritto T t j1...j p ω j1...j p j 1,...,j p 1 dove t j1...j p T (e j1,..., e jp ). La base E induce quindi un identificazione tra lo spazio Ten p (V) dei tensori di ordine p e lo spazio delle matrici generalizzate K n,...,n. Infatti ogni tensore T viene identificato con la sua matrice generalizzata T E [t j1...j p ] ji 1,...,n. Lo spazio dei tensori covarianti di rango p è uno spazio vettoriale di dimensione n p. Infatti ogni indice j p della base {ω j1...j p } può assumere n valori. Se consideriamo lo spazio Ten (V) di tutti i tensori di qualunque rango otteniamo un algebra con l operazione di moltiplicazione data dal prodotto tensoriale. Per ogni T, R Ten V, si definisce il tensore T R come T R j 1,...,j p1 j 1,...,j p,k 1,...,k p 1 t j1...j p ω j1...j p k 1,...,k p1 m1 r k1...k q ω k1...k q t j1...j p r k1...k q ω j1...j pk 1...k q, di rango p + q. Come nel caso delle forme bilineari anche lo spazio dei tensori covarianti può essere decomposto in due sottospazi: lo spazio dei p tensori simmetrici e quello dei p tensori anti-simmetrici. 1 L operazione di trasposizione applicata alla forma b si riferisce alla trasposizione della matrice associata nella base E o equivalentemente si ha b t (x, y) b(y, x), x, y V.

3 3 Tensori Simmetrici Sia S p (V) Ten p (V) lo spazio dei p tensori simmetrici cioè S p (V) {A Ten p (V) : A(x 1,..., x p ) A(x σ(1),..., x σ(p) )} dove σ S p è una qualunque permutazione di p elementi. DEFINIZIONE 2 (Prodotto tensoriale simmetrico). Siano X 1,..., X p V. Il prodotto tensoriale simmetrico : V p S p (V) è un applicazione definita come X 1... X p : 1 X σ(1)... X σ(p). p! σ S p Fissata una base E in V si ha in S k (V) la base {ω (j1...j p )} : {ω j1... ω jp }. Inoltre lo spazio S (V) di tutti i tensori simmetrici è un algebra con il prodotto tensoriale simmetrico. Per ogni A, B S (V) si ha A B a j1...j p ω j1...j p b k1...k q ω k1...k q j 1,...,j p 1 j 1,...,j p,k 1,...,k p1 k 1,...,k p1 a j1...j p b k1...k q ω (j1...j p k 1...k q ). Tensori Anti-simmetrici Definiamo, come per i tensori simmetrici, lo spazio p (V) dei p tensori antisimmetrici, cioè p (V) {ω Ten p(v) : ω(x 1,..., x p ) ( 1) par(σ) ω(x σ(1),..., x σ(p) )} dove par(σ) 1 se la permutazione è dispari e par(σ) 0 se la permutazione è pari. DEFINIZIONE 3 (Prodotto tensoriale anti-simmetrico). Siano X 1,..., X p V. Il prodotto tensoriale anti-simmetrico : V p p (V) è un applicazione definita come X 1... X p : 1 ( 1) par(σ) X σ(1)... X σ(p). p! σ S p In questo caso la base di p (V) è definita come ω [j 1...j p ] : ω j1... ω jp, j 1 <... < j p. Gli elementi delle base non possono cioè avere due indici uguali quindi la dimensione dello spazio p (V) è pari al numero di sottoinsiemi di p elementi distinti in un insieme di n elementi, cioè dim p (V) ( n p). L algebra (V) in questo caso non è uno spazio infinito dimensionale poichè (V) {0} per ogni p > n. Allora si ha p e dim (V) + (V) p (V) 0 (V) + 1 (V) n (V) n ( n p p0 p0 ) 2 n.

4 4 2 Geometria Simplettica Lineare DEFINIZIONE 4 (Spazio vettoriale simplettico). Uno spazio vettoriale simplettico è una coppia (V, ω) dove V è uno spazio vettoriale di dimensione finita e ω 2 (V) non degenere cioè ω(x, y) 0 y V x 0. Un immediata conseguenza della definizione è che la dimensione dello spazio V deve essere necessariamente pari. Infatti fissata una base E in V abbiamo che la matrice associata alla forma bilineare ω è una matrice A anti-simmetrica. Si ha quindi det(a) det( t A) ( 1) dim V det(a) e poichè ω è non degenere cioè la matrice A è non singolare si ha dim V 2n con n N. Un primo esempio di spazio vettoriale simplettico è dato da R 2n : sia E {x 1,..., x 2n } una base di tale spazio e E {dx 1,..., dx 2n } la base del duale che sappiamo può essere identificato con R 2n2. Una generica forma ω 2 (R2n ) non degenere può essere scritta nella forma ω 2 b jk dx j dx k, con [b jk ] matrice non degenere. Tramite la definizione di prodotto tensoriale anti-simmetrico definiamo da cui in questa nuova base dx j dx k 1 2 (dx j dy k dx k dy j ) ω 2 ω jk dx j dx k con [ω jk ] parte anti-simmetrica di [b jk ]. Se la matrice [ω jk ] ha la forma [ ] 0 In [ω jk ] J I n 0 allora si parla di forma simplettica standar e la si indica con ω 0. In questo caso l espressione esplicita di tale forma è ω 0 dx j dx j+n. j1 Usualmente nel caso di (R 2n, ω 0 ) come spazio simplettico si usa indicare le x j+n con y j in modo da scrivere la forma simplettica standard nel seguente modo ω 0 dx j dy j. j1 2 Più precisamente gli elementi di R 2n sono vettori colonna mentre gli elementi del duale possono essere identificati con vettori riga quindi sempre con lo spazio R 2n.

5 5 É immediato quindi che per ogni coppia di vettori x, y R 2n si ha ω 0 (x, y) t xjy. La coppia (R 2n, ω 0 ) è uno spazio simplettico; come vedremo più avanti ogni spazio simplettico è localmente isomorfo a tale spazio che per questo assume un importanza notevole. Consideriamo a questo punto l n esima potenza esterna della forma ω 0, si ricava facilmente che ω n 0 ω 0... ω 0 n!dx 1 dy 1... dx n dy n, cioè si ha che ω n 0 è una forma di volume e quindi non si annulla mai. DEFINIZIONE 5 (Complemento simplettico). Sia U un sottospazio di V spazio vettoriale simplettico con forma ω, si definisce complemento simplettico di U il sottospazio U ω {x V : ω(x, y) 0 y U}. Il sottospazio U si dice isotropo se U U ω, coisotropo se U ω U, simplettico se U U ω {0} e infinie lagrangiano se U U ω. Il complemento simplettico non è necessariamente trasversale ad U ω : ESEMPIO 1. Sia (V, ω) uno spazio vettoriale simplettico, x V non nullo e consideriamo U span{x}. Risulta che U U ω, infatti poichè ogni elemento di U è proporzionale ad x si ha ω(λx, µx) λµω(x, x) 0 λ, µ R. LEMMA 1 (Caratterizzazione dei sottospazi simplettici). Dato (V, ω) spazio vettoriale simplettico, un sottospazio U di V è simplettico se e solo se (U, ω U ) è uno spazio vettoriale simplettico. Dimostrazione. Sia U simplettico e consideriamo x U : ω(x, y) 0 y U allora x U ω ma poichè U U ω {0} si ha x 0 cioè la forma ω ristretta ad U è non degenere e quindi (U, ω U ) è uno spazio vettoriale simplettico. Viceversa sia (U, ω U ) spazio vettoriale simplettico e consideriamo x U U ω, poichè ω U è non degenere si ha che se ω(x, y) 0 y U allora x 0 e quindi U U ω {0} cioè U è simplettico. LEMMA 2. Per ogni sottospazio U di V si ha dim U + dim U ω dim V, Dimostrazione. Definiamo l applicazione ι ω : V x ω(x, ) V U ωω U che associa ad ogni elemento di V una forma lineare. Poichè la forma ω è non degenere risulta che ι ω è un isomorfismo e quindi identifica U ω con U in V da cui la tesi poichè è noto che dim U + dim U dim V. Per il secondo assero notiamo che ovviamente U U ωω e che, usando il primo asserto su U ω al posto di U, dim U + dim U ω dim U ω + dim U ωω dim V quindi dim U dim U ωω da cui la tesi.

6 6 DEFINIZIONE 6. Dati due spazi vettoriali simplettici (V 1, ω 1 ), (V 2, ω 2 ) si definisce simplettomorfismo lineare un isomorfismo tra spazi vettoriali Ψ : V 1 V 2 che conserva la struttura simplettica cioè tale che Ψ ω 1 ω 2 dove in generale (Ψ ω)(x, y) ω(ψx, Ψy). TEOREMA 1. Sia (V, ω) uno spazio vettoriale simplettico di dimensione 2n. Esiste una base E {e 1,..., e n, f 1,..., f n } tale che ω(e j, e k ) ω(f j, f k ) 0 ω(e j, f k ) δ jk, la base E è detta base simplettica. Inoltre esiste un isomorfismo Ψ : R 2n V tale che Ψ ω ω 0. Utilizzando la definizione precedente il teorema afferma che ogni spazio vettoriale simplettico di dimensione 2n è simplettomorfo allo spazio standard (R 2n, ω 0 ). Dimostrazione. [per induzione su dim V] Sia n 1 allora poichè ω è non degenere esistono e 1, f 1 tali che ω(e 1, f 1 ) 1. Lo spazio U span{e 1, f 1 } insieme alla forma ω è uno spazio simplettico di dimensione 2 quindi il suo complemento simplettico è uno spazio di dimensione 2n 2 dal lemma 2. Lo spazio U ω risulta anch esso uno spazio vettoriale simplettico poichè preso u U ω U si ha u λe 1 + µf 1 e 0 ω(e 1, u) λω(e 1, e 1 ) + µω(e 1, f 1 ) µ 0 ω(e 1, u) λω(f 1, e 1 ) + µω(f 1, f 1 ) λ quindi u 0. Dall ipotesi induttiva esiste quindi una base simplettica {e 2,..., e n, f 2,..., f n } di U ω e poichè abbiamo V U U ω, la base E {e 1,..., e n, f 1,..., f n } forma una base simplettica per V. Definiamo ora la mappa Ψz x j e j + y j f j j1 con z (x 1,..., x n, y 1,..., y n ) R 2n e verifichiamo che Ψ ω ω 0 : siano z, z R 2n (Ψ ω)(z, z) ω(ψz, Ψ z) ω x j e j + y j f j, x k e k + ỹ k f k j1 k1 (x j ỹ k y j x k )δ jk (x j ỹ j y j x j ) j1 ω 0 (z, z). COROLLARIO 1. Sia V uno spazio vettoriale di dimensione 2n, una forma ω 2 (V) è non degenere se e solo se ω n ω... ω 0. Dimostrazione. Supponiamo ω degenere allora esiste x 0 tale che ω(x, y) 0 y V. Scegliamo in V una base {x 1,..., x 2n } tale che x 1 x da cui ω n (x 1,..., x 2n ) 0. Viceversa sia ω non degenere allora ω n è proporzionale ad ω0 n che essendo una forma di volume non si annulla mai.

7 7 Concentriamo ora l attenzione sull insieme dei simplettomorfismi lineari da (R 2n, ω 0 ) in se stesso. Tali applicazioni possono essere pensate come matrici reali 2n 2n e prendono il nome di matrici simplettiche. Esse sono caratterizzate dalla relazione Ψ ω 0 ω 0 PROPOSIZIONE 1. La relazione Ψ ω 0 ω 0 è equivalente a t ΨJΨ J. Dimostrazione. Poichè ω(x, y) t xjy per ogni x, y R 2n si ha da cui la tesi. (Ψ ω 0 )(x, y) ω 0 (Ψx, Ψy) t x t ΨJΨy In generale i simplettomorfismi lineari su uno spazio simplettico (V, ω) formano un gruppo che indichiamo con Sp(V, ω). Se V R 2n con la forma simplettica standard si usa la notazione Sp(2n) gruppo delle matrici simplettiche 2n 2n a valorireali. OSSERVAZIONE 1. Dal teorema di Binet applicato alla relazione t ΨJΨ J si ha che ogni matrice simplettica ha determinante ±1. In particolare il determinante è sempre pari ad uno poichè dalla relazione Ψ ω 0 ω 0 e dal fatto che ω0 n è una forma di volume su R 2n segue che cioè det(ψ) 1. 3 Varietà Simplettiche ω 0 ω 0 det(ψ)ω 0 ω 0 In geometria giocano un ruolo significativo le varietà Riemanniane, cioè varietà dotate di un prodotto scalare simmetrico non degenere su ogni spazio tangente. Un altro modo per introdurre una struttura su di una varietà è quello di dotarla di un prodotto scalare anti-simmetrico non degenere che dipenda in maniera differenziabile sulla varietà. Questo da origine alle varietà simplettiche la cui geometria è considerevolmente diversa da quella delle varietà Riemanniane. Tra i principali risultati, il Teorema di Darboux, il Teorema di Stabilità di Moser e varie versioni del Teorema degli Intorni Simplettici (per approfondimenti si vedano [F, MS]). Consideriamo una varietà M di dimensione 2n, ricordiamo che parlare di un prodotto scalare anti-simmetrico non degenere è equivalente a parlare di una forma simplettica su di un opportuno spazio vettoriale. In questo caso lo spazio sarà lo spazio tangente alla varietà in un punto p. Diamo quindi la seguente definizione: DEFINIZIONE 7 (Varietà Simplettica). Una varietà liscia di dimensione pari M è detta simplettica se su di essa è definita una 2-forma differenziale ω 2 ω jk (x)dx j dx k, j, k 1,..., m tale che (i) la forma sia non degenere cioè la matrice dei coefficienti (ω jk (x)) sia non singolare; (ii) la forma sia chiusa cioè dω 0 dove d è l operatore di differenziazione esterna. Tale forma viene talvolta detta struttura differenziale su M. In realtà come nel caso delle varietà Riemanniane abbiamo un campo di forme anti-simmetriche

8 8 ω : M p ω p 2 T pm che ad ogni punto della varietà associa in maniera liscia una 2-forma algebrica ω p. Esempi i) L esempio più semplice di varietà simplettica è lo spazio (R 2n, ω 0 ) dove con ω 0 indichiamo questa volta la forma differenziale ω 0 : M p (ω 0 ) p 2 T pr 2n 2 (R2n ). ii) La sfera S 2 con la forma differenziale con x S 2, u, v T x S 2. ω : x ω p (u, v) : x, u v iii) In generale una qualunque superficie orientabile con la sua forma di area standar è una varietà simplettica. La condizione i) nella definizione di varietà simplettica implica che ogni spazio (T p M, ω p ) sia uno spazio vettoriale simplettico e da qui la necessità che la varietà abbia dimensione pari. Inoltre il fatto che in generale ω n non si annulli mai implica che ogni varietà simplettica è orientabile. Per mostrare un ultima conseguenza delle condizioni della definizione 7 sulla forma ω abbiamo bisogno di introdurre due concetti base della teoria delle varietà: DEFINIZIONE 8 (Fibrati tangente e cotangente). Sia M una varietà di dimensione m qualunque, in ogni punto p M esiste lo spazio tangente T p M (risp. lo spazio cotangente T pm). Si definisce fibrato tangente (risp. cotangente) l unione di tutti gli spazi tangenti (risp. cotangenti) al variare di p in M, si ha cioè TM T p M, T M T pm. p M p M OSSERVAZIONE 2. Ogni punto dello spazio tangente è una coppia (p, X p ) dove p M e X p T p M; quindi intuitivamente si può dedurre che il fibrato tangente sia uno spazio di dimensione 2m. Il fibrato a differenza dello spazio tangente ha una struttura più complicata di quella di spazio vettoriale, infatti se consideriamo la proiezione π : TM (p, X) p M abbiamo che ogni fibra π 1 (p) T p M. Quindi il fibrato tangente è una varietà differenziabile, di dimensione pari al doppio della varietà cui è riferito, lineare in ogni sua fibra. Lo stesso ragionamento vale ovviamente per il fibrato cotangente. A questo punto possiamo osservare che la non degenaretazza della forma ω implica l esistenza di un isomorfismo canonico tra il fibrato tangente e il fibrato cotangente della varietà definito come TM X ω(x, ) T M. Questo in particolare mostra che lo spazio dei campi vettoriali su M è l insieme delle 1 forme su M sono isomorfi. A questo punto possiamo enunciare uno dei principali risultati della teoria delle varietà simplettiche che mette in luce la netta differenza con le varietà Riemanniane. Infatti una metrica Riemanniana

9 9 può essere ridotta alla forma canonica diagonale in un singolo punto tramite una scelta appropriata di coordinate locali. In questo senso la geometria simplettica e quella Riemanniana sono simili. C è però una differenza fondamentale, è noto infatti che non è possibile ridurre alla forma canonica diagonale una metrica Riemanniana in un intero intorno poichè questo potrebbe essere impedito dalla presenza di un tensore di curvatura Riemanniana non nullo (che è un invariante per cambiamenti di coordinate). Una struttura simplettica invece può essere sempre ridotta alla forma canonica tramite un cambiamento di coordinate in un intero intorno, seppur sufficientemente piccolo. TEOREMA 2 (di Darboux). Ogni forma simplettica ω su M (dim M 2n) è localmente diffeomorfa alla forma standard ω 0 su R 2n. Dimostrazione. [idea] La dimostrazione del teorema si basa sostanzialmente nell applicare il teorema 1 su ogni spazio vettoriale T p M con p U intorno sufficientemente piccolo. Infatti per ogni p U esiste un simplettomorfismo Ψ p : T p M R 2n tale che Ψ ω p ω 0. Se si dimostra che il campo vettoriale Ψ : p M Ψ p Sp(T p M, ω p ) è differenziabile si ottiene la tesi. In altre parole, data una forma simplettica ω su M, in ogni punto p M è possibile trovare un intorno ed un sistema di coordinate (p 1,..., p n, q 1,..., q n ) dette coordinate simplettiche nelle quali ω può essere scritta come dp j dq j. j1 Concludiamo con un esempio di varietà simplettica particolarmente interessante in quanto associata alle algebre di Lie. Sia G un grupo di Lie di matrici e g la sia algebra di Lie, ricordiamo che la rappresentazione aggiunta di G è definita come Ad : G Aut(g) g Ad g dove Ad g x : gxg 1 per ogni x g. Il differenziale di tale rappresentazione definisce la rappresentazione di algebre di Lie ad : g Der(g) x ad x dove ad x y : [x, y] per ogni y g. É possibile definire analogamente un altra rappresentazione di G sul duale di g, in questo caso si parla di rappresentazione co-aggiunta in quanto si opera su i co-vettori di g. Definiamo quindi in analogia alla rappresentazione precedente Ad : G Aut(g ) g Ad g dove (Ad gx)x : X(Ad g 1x) per ogni x g, X g. Il differenziale di tale rappresentazione definisce la rappresentazione di algebre di Lie ad : g Der(g ) x ad x dove (ad xx)y X([x, y]) per ogni y g, X g. Di interesse sono le orbite della rappresentazione co-aggiunta cioè gli insiemi O(X) {Ad gx : g G} g che possono essere dotati di una struttura simplettica. Costruiamo quindi la

10 10 struttura simplettica sulle orbite della rappresentazione co-aggiunta: sia X g e O(X) la sua orbita, dimostraimo il seguente lemma. LEMMA 3. Lo spazio tangente all orbita O(X) nel punto X è lo spazio dei vettori della forma ad xx con x g. Dimostrazione. Ogni vettore tangente all orbita O(X) nel punto X g è dato dalla formula θ d dt Ad exp(tx)x t0 con x g. Sia {e 1,..., e n } una base di g e {ω 1,..., ω n } la corrispettiva base duale di g, allora si ha X k X kω k e θ k θ kω k da cui θ j θ(e j ). Usando la definizione però otteniamo θ j ( ) d dt Ad exp(tx)x e j t0 d dt X ( ) Ad exp( tx) e j t0 ( ) d X dt Ad exp( tx) e j t0 X( [x, e j ]) (ad xx)e j quindi si ha θ ad xx come richiesto. Quindi da questo lemma si ha che in generale dato un vettore tangente θ su T X O(X) esiste, in maniera non unica, un elemento x θ g tale che Definiamo quindi θ ad x θ X. ω X (θ 1, θ 2 ) : X([x θ1, x θ2 ]) detta struttura simplettica standard (forma di Kostant-Kirillov). Riferimenti bibliografici [F] Fomenko A.T. Symplectic Geometry. Advanced Studies in Contemporary Mathematics, Moscow. [MS] McDuff D. and Salamon D. Introduction to Symplectic Topology. Clarendon Press, Oxford. [M] Muller S. Introduction to Symplectic Topology, Talk 1. Articolo. [M] Muller S. Introduction to Symplectic Topology, Talk 2. Articolo.

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

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

Dettagli

Forme bilineari simmetriche

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

Dettagli

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

Geometria e Topologia I (U1-4) 2006-mag-10 61 Geometria e Topologia I (U1-4) 2006-mag-10 61 (15.9) Teorema. Consideriamo il piano affine. Se A A 2 (K) è un punto e r una retta che non passa per A, allora esiste unica la retta per A che non interseca

Dettagli

1-Forme Differenziali

1-Forme Differenziali 1-Forme Differenziali 30 novembre 2011 1 Definizioni di base Siano n N e A R n un insieme aperto. Con (R n ) denotiamo il duale topologico di R n, cioè l insieme (R n ) = {p : R n R : R-lineari e continue}.

Dettagli

1. Funzioni implicite

1. Funzioni implicite 1. Funzioni implicite 1.1 Il caso scalare Sia X R 2 e sia f : X R. Una funzione y : (a, b) R si dice definita implicitamente dall equazione f(x, y) = 0 in (a, b) quando: 1. (x, y(x)) X x (a, b); 2. f(x,

Dettagli

Capitolo IV SPAZI VETTORIALI EUCLIDEI

Capitolo IV SPAZI VETTORIALI EUCLIDEI Capitolo IV SPAZI VETTORIALI EUCLIDEI È ben noto che in VO 3 si possono considerare strutture più ricche di quella di spazio vettoriale; si pensi in particolare all operazioni di prodotto scalare di vettori.

Dettagli

Prodotti scalari e matrici

Prodotti 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

LeLing12: Ancora sui determinanti.

LeLing12: Ancora sui determinanti. LeLing2: Ancora sui determinanti. Ārgomenti svolti: Sviluppi di Laplace. Prodotto vettoriale e generalizzazioni. Rango e determinante: i minori. Il polinomio caratteristico. Ēsercizi consigliati: Geoling

Dettagli

Le derivate parziali

Le 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

Dettagli

Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite

Si 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

Dettagli

Sviluppi e derivate delle funzioni elementari

Sviluppi 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

Dettagli

0.1 Spazi Euclidei in generale

0.1 Spazi Euclidei in generale 0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo

Dettagli

LeLing9: Prodotto tra matrici.

LeLing9: 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

Dettagli

La forma normale di Schur

La forma normale di Schur La forma normale di Schur Dario A Bini, Università di Pisa 30 ottobre 2013 Sommario Questo modulo didattico contiene risultati relativi alla forma normale di Schur, alle sue proprietà e alle sue applicazioni

Dettagli

Esercitazione 6 - Soluzione

Esercitazione 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

Dettagli

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

LEZIONE 12. Y = f(x) = f( x j,1 f(e j ) = x j,1 A j = AX = µ A (X), LEZIONE 1 1.1. Matrice di un applicazione lineare. Verifichiamo ora che ogni applicazione lineare f: R n R m è della forma µ A per un unica A R m,n. Definizione 1.1.1. Per ogni j 1,..., n indichiamo con

Dettagli

Riassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.

Riassumiamo 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

Dettagli

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

(P x) (P y) = x P t (P y) = x (P t P )y = x y. Matrici ortogonali Se P è una matrice reale n n, allora (P x) y x (P t y) per ogni x,y R n (colonne) Dim (P x) y (P x) t y (x t P t )y x t (P t y) x (P t y), CVD Ulteriori caratterizzazioni delle matrici

Dettagli

GAAL: Capitolo dei prodotti scalari

GAAL: Capitolo dei prodotti scalari GAAL: Capitolo dei prodotti scalari Teorema di Rappresentazione rappresentabile Aggiunto Autoaggiunto Unitariamente diagonalizzabile Teorema spettrale reale Accoppiamento Canonico Forme bilineari Prodotti

Dettagli

3. Vettori, Spazi Vettoriali e Matrici

3. Vettori, Spazi Vettoriali e Matrici 3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e

Dettagli

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

Similitudine (ortogonale) e congruenza (ortogonale) di matrici. Lezione del 4 giugno. Il riferimento principale di questa lezione e costituito da parti di: 2 Forme bilineari, quadratiche e matrici simmetriche associate, 3 Congruenza di matrici simmetriche, 5 Forme

Dettagli

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

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

Dettagli

Trapani. Dispensa di Geometria, x 1 x 2.x n. (x 1 y 1 ) (x n y n ) 2.

Trapani. 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

Dettagli

Elementi di Algebra Lineare Applicazioni lineari

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

Dettagli

Parte 8. Prodotto scalare, teorema spettrale

Parte 8. Prodotto scalare, teorema spettrale Parte 8. Prodotto scalare, teorema spettrale A. Savo Appunti del Corso di Geometria 3-4 Indice delle sezioni Prodotto scalare in R n, Basi ortonormali, 4 3 Algoritmo di Gram-Schmidt, 7 4 Matrici ortogonali,

Dettagli

LEZIONE i i 3

LEZIONE i i 3 LEZIONE 5 51 Determinanti In questo lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli

Dettagli

Algebra Lineare ed Elementi di Geometria Corso di Laurea in Matematica Applicata MODULO 1

Algebra Lineare ed Elementi di Geometria Corso di Laurea in Matematica Applicata MODULO 1 Algebra Lineare ed Elementi di Geometria Corso di Laurea in Matematica Applicata MODULO 1 Prof. Lidia Angeleri Anno accademico 2015-2016 1 1 appunti aggiornati in data 14 gennaio 2016 Indice I Gruppi 3

Dettagli

Spazi vettoriali euclidei.

Spazi vettoriali euclidei. Spazi vettoriali euclidei Prodotto scalare, lunghezza e ortogonalità in R n Consideriamo lo spazio vettoriale R n = { =,,, n R}, n con la somma fra vettori e il prodotto di un vettore per uno scalare definiti

Dettagli

Elementi di Algebra Lineare Matrici e Sistemi di Equazioni Lineari

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

Dettagli

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

Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) April 14, 2011 (alcune note non complete sugli argomenti trattati: eventuali completamenti saranno aggiunti)

Dettagli

Algebra lineare Geometria 1 11 luglio 2008

Algebra 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 =

Dettagli

Spazi Vettoriali ed Applicazioni Lineari

Spazi 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

Dettagli

Contenuti delle lezioni di Geometria 4 a.a 2015/2016 Marina Bertolini

Contenuti delle lezioni di Geometria 4 a.a 2015/2016 Marina Bertolini Contenuti delle lezioni di Geometria 4 a.a 2015/2016 Marina Bertolini 29 febbraio 2016 Lezioni 1 e 2 Introduzione al corso e informazioni di carattere organizzativo. Definizione di spazio topologico localmente

Dettagli

22 Coniche proiettive

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

Dettagli

Prodotto scalare, covarianza e controvarianza, tensore metrico

Prodotto scalare, covarianza e controvarianza, tensore metrico Prodotto scalare, covarianza e controvarianza, tensore metrico Marco Bonvini 29 settembre 2005 1 Prodotto scalare Sia V spazio lineare su R; dati u, v V il loro prodotto scalare, indicato con (u, v), è:

Dettagli

Appunti su Indipendenza Lineare di Vettori

Appunti 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

Dettagli

SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE

SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE. Esercizi Esercizio. In R calcolare il modulo dei vettori,, ),,, ) ed il loro angolo. Esercizio. Calcolare una base ortonormale del sottospazio

Dettagli

Appunti di Geometria - 3

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

Dettagli

Risoluzione di sistemi lineari sparsi e di grandi dimensioni

Risoluzione di sistemi lineari sparsi e di grandi dimensioni Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica

Dettagli

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

Punti di massimo o di minimo per funzioni di n variabili reali Punti di massimo o di minimo per funzioni di n variabili reali Dati f : A R n R ed X 0 A, X 0 si dice : punto di minimo assoluto se X A, f ( x ) f ( X 0 ) punto di massimo assoluto se X A, f ( x ) f (

Dettagli

1 Indipendenza lineare e scrittura unica

1 Indipendenza lineare e scrittura unica Geometria Lingotto. LeLing7: Indipendenza lineare, basi e dimensione. Ārgomenti svolti: Indipendenza lineare e scrittura unica. Basi e dimensione. Coordinate. Ēsercizi consigliati: Geoling. Indipendenza

Dettagli

Nozioni di algebra multilineare

Nozioni di algebra multilineare Capitolo 2 Nozioni di algebra multilineare Siano V e W spazi vettoriali di dimensione finita su un campo K (K = R, C). Sia L(V, W ) lo spazio vettoriale, di dimensione infinita, avente come base gli elementi

Dettagli

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

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

Dettagli

Esercizi per Geometria II Geometria euclidea e proiettiva

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

Dettagli

8. Completamento di uno spazio di misura.

8. 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

Dettagli

LEZIONE 12. v = α 1 v α n v n =

LEZIONE 12. v = α 1 v α n v n = LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono

Dettagli

LEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g

LEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g LEZIONE 3 3.. Matrici fortemente ridotte per righe. Nella precedente lezione abbiamo introdotto la nozione di soluzione di un sistema di equazioni lineari. In questa lezione ci poniamo il problema di descrivere

Dettagli

I teoremi della funzione inversa e della funzione implicita

I 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

Dettagli

Geometria della programmazione lineare

Geometria 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

Metodi per la risoluzione di sistemi lineari

Metodi per la risoluzione di sistemi lineari Metodi per la risoluzione di sistemi lineari Sistemi di equazioni lineari. Rango di matrici Come è noto (vedi [] sez.0.8), ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante

Dettagli

Sistemi lineari e spazi vettoriali 1 / 14

Sistemi lineari e spazi vettoriali 1 / 14 Sistemi lineari e spazi vettoriali 1 / 14 Sistemi lineari 2 / 14 Studieremo sistemi lineari costituiti da m equazioni in n incognite (m,n N, m,n 1): cioè a 11 x 1 + +a 1n x n = b 1 a 21 x 1 + +a 2n x n

Dettagli

11. Misure con segno.

11. Misure con segno. 11. Misure con segno. 11.1. Misure con segno. Sia Ω un insieme non vuoto e sia A una σ-algebra in Ω. Definizione 11.1.1. (Misura con segno). Si chiama misura con segno su A ogni funzione ϕ : A R verificante

Dettagli

Spazi affini e combinazioni affini.

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

Dettagli

OPERAZIONI SU SPAZI DI HILBERT. Nel seguito introdurremo i concetti di prodotto diretto e somma diretta di due spazi di Hilbert.

OPERAZIONI SU SPAZI DI HILBERT. Nel seguito introdurremo i concetti di prodotto diretto e somma diretta di due spazi di Hilbert. 2/7 OPERAZIONI SU SPAZI DI HILBERT 11/12 1 OPERAZIONI SU SPAZI DI HILBERT Dati due spazi di Hilbert H (1) e H (2) si possono definire su di essi operazioni il cui risultato è un nuovo spazio di Hilbert

Dettagli

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

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

Dettagli

SPAZI METRICI COMPLETI

SPAZI METRICI COMPLETI Capitolo 1 SPAZI METRICI COMPLETI Sia dato uno spazio metrico (X, d). Definizione 1.1 Una successione {x n } si dice successione di Cauchy se ε > 0 n 0 n, m n 0 = d(x n x m ) < ε (1.1) Esercizio 1.1 Dimostrare

Dettagli

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

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

Dettagli

1 Il polinomio minimo.

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

Dettagli

LEZIONE 5. AX = 0 m,1.

LEZIONE 5. AX = 0 m,1. LEZIONE 5 5 isoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per quanto visto nella precedente lezione, sappiamo di poter trasformare,

Dettagli

Complemento ortogonale e proiezioni

Complemento ortogonale e proiezioni Complemento ortogonale e proiezioni Dicembre 9 Complemento ortogonale di un sottospazio Sie E un sottospazio di R n Definiamo il complemento ortogonale di E come l insieme dei vettori di R n ortogonali

Dettagli

Omomorfismi e matrici

Omomorfismi e matrici Capitolo 12 Omomorfismi e matrici 121 Introduzione Nel corso di Geometria è stato visto come associare una matrice ad un omomorfismo tra spazi vettoriali Rimandiamo al testo del corso per esempi e esercizi

Dettagli

Parte 12b. Riduzione a forma canonica

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

Dettagli

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

Esercizio 2. Consideriamo adesso lo spazio di funzioni V = {f : [0, 1] R}. Dire quali dei seguenti insiemi di funzioni sono sottospazi. 1 Esercizi 1.1 Spazi vettoriali Studiare gli insiemi definiti di seguito, e verificare quali sono spazi vettoriali e quali no. Per quelli che non lo sono, dire quali assiomi sono violati. x 1, x 2, x 3

Dettagli

Compiti di geometria & algebra lineare. Anno: 2004

Compiti 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

Dettagli

4 Autovettori e autovalori

4 Autovettori e autovalori 4 Autovettori e autovalori 41 Cambiamenti di base Sia V uno spazio vettoriale tale che dim V n Si è visto in sezione 12 che uno spazio vettoriale ammette basi distinte, ma tutte con la medesima cardinalità

Dettagli

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

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

Dettagli

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

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

Dettagli

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

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

Dettagli

Fissiamo 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. 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,

Dettagli

Somma diretta di sottospazi vettoriali

Somma 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

Dettagli

I determinanti. a11 a A = 12 a 21 a 22

I determinanti. a11 a A = 12 a 21 a 22 I determinanti. Queste note, basate sugli appunti delle lezioni, riepilogano rapidamente la definizione e le proprietà del determinante. Vengono inoltre illustrati i metodi di calcolo e alcune dimostrazioni.

Dettagli

Quadriche Maurizio Cornalba 7/6/2016

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

Dettagli

Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016.

Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016. Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016 Di seguito si riporta il riassunto degli argomenti svolti; i riferimenti sono a parti del Cap8 Elementi di geometria e algebra lineare Par5

Dettagli

1. Richiami. v = x 2 + y 2.

1. Richiami. v = x 2 + y 2. Gli elementi del prodotto cartesiano 1 Richiami R 2 = x, y R} sono detti vettori Ogni vettore v è una coppia ordinata ed i numeri reali x e y sono detti le componenti di v In particolare si denota con

Dettagli

(2) se A A, allora A c A; (3) se {A n } A, allora +

(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

Dettagli

Metodi per la risoluzione di sistemi lineari

Metodi per la risoluzione di sistemi lineari Metodi per la risoluzione di sistemi lineari 1 Sistemi di equazioni lineari 1.1 Determinante di matrici quadrate Ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante della matrice

Dettagli

Algebre di Lie in caratteristica 0. Denis Nardin

Algebre di Lie in caratteristica 0. Denis Nardin Algebre di Lie in caratteristica 0 Denis Nardin 21 febbraio 2012 Capitolo 1 Proprietà generali In questo seminario parlerò di algebre di Lie su di un campo k algebricamente chiuso e di caratteristica 0.

Dettagli

Esercizi svolti. delle matrici

Esercizi svolti. delle matrici Esercizi svolti. astratti. Si dica se l insieme delle coppie reali (x, y) soddisfacenti alla relazione x + y è un sottospazio vettoriale di R La risposta è sì, perchè l unica coppia reale che soddisfa

Dettagli

i) la somma e il prodotto godano delle proprietà associativa, commutativa e distributiva;

i) 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

Dettagli

Esercizi di Complementi di Matematica (L-Z) a.a. 2015/2016

Esercizi 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

Dettagli

3. Successioni di insiemi.

3. 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

Dettagli

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

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

Dettagli

Richiami di algebra lineare

Richiami di algebra lineare 2 Richiami di algebra lineare 2.1 Prodotto scalare, prodotto vettoriale e prodotto misto Sia V lo spazio vettoriale tridimensionale ordinario, che dotiamo di una base ortonormale (e 1, e 2, e 3 ), e i

Dettagli

ELEMENTI DI GEOMETRIA PROIETTIVA

ELEMENTI DI GEOMETRIA PROIETTIVA ELEMENTI DI GEOMETRIA PROIETTIVA SANSONETTO NICOLA 1. Introduzione Questi appunti delle Lezioni di una parte del modulo di Elementi di Geometria per il corso di Algebra Lineare con Elementi di Geometria

Dettagli

x 1 Fig.1 Il punto P = P =

x 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

Dettagli

1 Successioni di funzioni

1 Successioni di funzioni Analisi Matematica 2 Successioni di funzioni CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 6 SERIE DI POTENZE Supponiamo di associare ad ogni n N (rispettivamente ad ogni n p, per qualche

Dettagli

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

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

Dettagli

Operatori antisimmetrici

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

Dettagli

ESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro

ESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro ESERCIZI DI ALGEBRA LINEARE Vincenzo Di Gennaro Sono raccolti, in ordine cronologico, gli esercizi di Algebra Lineare proposti nelle prove scritte per i vari corsi di Geometria che ho tenuto presso la

Dettagli

Matematica per Analisi dei Dati,

Matematica 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

Dettagli

Topologia, continuità, limiti in R n

Topologia, continuità, limiti in R n Topologia, continuità, limiti in R n Ultimo aggiornamento: 18 febbraio 2017 1. Preliminari Prima di iniziare lo studio delle funzioni di più variabili, in generale funzioni di k variabili e a valori in

Dettagli

Sistemi lineari - Parte Seconda - Esercizi

Sistemi 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

PROGRAMMA del corso di. GEOMETRIA 1 - Algebra Lineare. Laurea Triennale in Matematica. Anno Accademico 2007/08. docente : Bruno Zimmermann

PROGRAMMA del corso di. GEOMETRIA 1 - Algebra Lineare. Laurea Triennale in Matematica. Anno Accademico 2007/08. docente : Bruno Zimmermann PROGRAMMA del corso di GEOMETRIA 1 - Algebra Lineare Laurea Triennale in Matematica Anno Accademico 2007/08 docente : Bruno Zimmermann (Il presente programma è stato redatto sulla base degli appunti del

Dettagli

Approssimazione di dati e funzioni

Approssimazione di dati e funzioni Approssimazione di dati e funzioni Richiamiamo i principali metodi di approssimazione polinomiale di un insieme di dati (x i, y i ), i = 0,..., n. Le ordinate y i possono essere i valori assunti nei nodi

Dettagli

ESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA

ESERCIZI 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

Dettagli

APPLICAZIONI LINEARI

APPLICAZIONI LINEARI APPLICAZIONI LINEARI Esercizi Esercizio Date le seguenti applicazioni lineari f : R 2 R 3 definita da fx y = x 2y x + y x + y; 2 g : R 3 R 2 definita da gx y z = x + y x y; 3 h : Rx] 2 R 2 definita da

Dettagli

Analisi dei dati corso integrato - Algebra lineare,

Analisi 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,

Dettagli

FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA

FONDAMENTI 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

Dettagli

Appunti sui Codici di Reed Muller. Giovanni Barbarino

Appunti 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

Dettagli

Esercizi di Geometria - 2

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

Dettagli