La notazione di Dirac

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "La notazione di Dirac"

Transcript

1 La notazione di Dirac Marcello Colozzo 1 Introduzione. Il Teorema di Riesz Assegnato uno spazio di Hilbert H, consideriamo il suo spazio duale: 1 INTRODUZIONE. IL TEOREMA DI RIESZ H = hom(h,c), (1) Cioèglielementidi H sonogliomomorfismidahac(consideratospaziovettorialesucmedesimo): φ : H C (2) φ : ξ φ(ξ) C, ξ H detti anche funzionali lineari o forme lineari algebriche. Riesce: dim( H) = (dimh) (dimc) = dimh, (3) cioè H e H sono isodimensionali. Per un noto teorema, segue che essi sono isomorfi. Teorema 1 (Teorema di Riesz) dove, denota il prodotto scalare in H. φ ( H) =!ˆφ H φ(ξ) = ˆφ,ξ, ξ H (4) Dimostrazione. Facciamo riferimento alla fig. 1, dove è visibile l azione di un elemento φ ( H) su un qualunque vettore ξ di H. Consideriamo il kernel dell operatore lineare φ: kerφ = {ξ H φ(ξ) = 0} (5) Come è noto, si tratta di un sottospazio di H la cui dimensione si dice nullità di φ: Se N (φ) = dimh def = n + si ha N (φ) = dimkerφ (6) kerφ = H = φ è il funzionale nullo : φ(ξ) = 0, ξ H In tal caso la(4) è immediatamente verificata dal vettore nullo di H e l asserto è banale. Consideriamo quindi N (φ) < n Riesce dove (kerφ) è il supplementare ortogonale di kerφ: H = kerφ (kerφ), (7) η (kerφ) η,ξ = 0, ξ kerφ (8) Per definizione di somma diretta, si ha: ( ) ξ H,! ξ kerφ,ξ (kerφ) kerφ (kerφ) ξ = ξ (ker) +ξ (kerφ) (9) 1

2 1 INTRODUZIONE. IL TEOREMA DI RIESZ Cioè, ogni vettore di H si decompone in modo univoco nella ( somma di un) vettore di kerφ e (kerφ). È univocamente definita la coppia ordinata di proiettori ˆπ kerφ, ˆπ (kerφ) : Poniamo avendosi Dalla (9) segue Applicando φ a primo e secondo membro della (13): ˆπ kerφ ξ = ξ kerφ, ˆπ (kerφ) ξ = ξ (kerφ), ξ H (10) ξ kerφ = ξ 1, ξ (kerφ) = λη, (λ C), (11) ξ 1,η = 0 (12) ξ = ξ 1 +λη, ξ H (13) φ(ξ) = φ(ξ 1 +λη) = φ è lineare φ(ξ 1 ) }{{} +λφ(η) = λφ(η) (14) =0 = ξ 1 kerφ Moltiplicando scalarmente primo e secondo membro della (13) per η: Per η 0 dividiamo membro a membro le (14)-(15): η,ξ = η,ξ 1 }{{} =0 = η (kerφ) +λ η,η = λ η,η (15) φ(ξ) η,ξ = φ(η) η,η, da cui che può essere scritta come Eseguiamo la posizione onde φ(ξ) = φ(η) η,ξ, ξ H, (16) η,η φ(η) φ(ξ) = η,η η,ξ φ(ξ) = ˆφ def (17) = φ(η) η, (18) η,η ˆφ,ξ, ξ H, con ˆφ (kerφ) {0} = ˆφ H univocamente definito dalla (18). Conclusione 2 In corrispondenza di un qualunque funzionale lineare φ dello spazio duale H, è univocamente definito un vettore ˆφ di H tale che il valore assunto da φ su un arbitrario vettore ξ di H, è dato dal prodotto scalare di ˆφ per ξ. La predetta corrispondenza è un applicazione Ω da H a H : Ω : ( H) H (19) Ω : φ ˆφ = Ω(φ), φ ( H) 2

3 1 INTRODUZIONE. IL TEOREMA DI RIESZ Ξ Φ Φ Ξ Figura 1: Un elemento φ dello spazio duale H, associa al vettore ξ lo scalare φ(ξ). 3

4 1 INTRODUZIONE. IL TEOREMA DI RIESZ Dalla (18): Comunque prendiamo φ 1,φ 2 ( H): Chiaramente onde Cioè Ω(φ) = φ(η) η,η η, η (kerφ) {0} (20) Ω(φ 1 ) = φ 1(η) η,η η, Ω(φ 2) = φ 2(η) φ = φ 1 +φ 2 = φ ( H), Ω(φ) = [φ 1(η)+φ 2 (η)] η = φ 1(η) η,η η,η η + φ 2(η) η,η η η,η η (21) Ω(φ) = Ω(φ 1 )+Ω(φ 2 ), φ 1,φ 2 ( H) (22) Inoltre, comunque prendiamo φ ( H) e λ C si ha (λφ) ( H). Segue ovvero Le (22)-(23) possono essere inglobate in Ω(λφ) = λ φ(η) η,η η, Ω(λφ) = λ Ω(φ), φ ( H), λ C (23) Ω(λφ 1 +µφ 2 ) = λ Ω(φ 1 )+µ Ω(φ 2 ), φ 1,φ 2 ( H), λ,µ C (24) La proprietà (24) implica che l applicazione Ω che associa il funzionale φ al vettore ˆφ è antilineare. L azione di Ω è illustrata in (2). L applicazione (19) è invertibile: Ω 1 : H ( H) (25) Ω 1 : η ˆη = Ω 1 (η), η H ed è facile convincersi che Ω 1 è a sua volta antilineare. Conclusione 3 Abbiamo dunque una corrispondenza biunivoca tra uno spazio di Hilbert e il suo duale: a ogni φ ( H) corrisponde univocamente ˆφ H tale che φ(ξ) = ˆφ,ξ, ξ H. Viceversa, a ogni η H corrisponde univocamente ˆη ( H) tale che ˆη(ξ) = η,ξ, ξ H. Osservazione 4 Chiamiamo la predetta corrispodenza biunivoca, corrispondenza duale. In simboli: η H CD ˆη ( H), (26) dove CD sta per corrispondenza duale. 4

5 1 INTRODUZIONE. IL TEOREMA DI RIESZ Φ Φ Figura 2: Ad ogni funzionale φ ( H) possiamo associare univocamente attraverso un applicazione antilineare Ω un vettore ˆφ H tale che φ(ξ) = ˆφ,ξ, ξ H. 5

6 2 LA NOTAZIONE DI DIRAC 2 La notazione di Dirac Fino ad ora abbiamo denotato gli elementi di H con simboli del tipo: ξ,η,... (27) e gli elementi di H con simboli del tipo φ,ψ,... (28) Dirac, invece, indica gli elementi di H con simboli del tipo: ξ, η,... (29) e li chiama vettori ket. Un qualunque funzionale φ ( H) Dirac lo indica con φ e lo chiama vettore bra. Ricapitolando: ξ H, φ ( H) (30) Come indichiamo con questa notazione il valore assunto da φ su ξ, cioè lo scalare φ(ξ)? La risposta più ovvia è: φ ξ e si legge bra(c)ket. La (26) nella notazione di Dirac si scrive: η H CD η ( H) (31) con η ( H) η ξ = valore assunto dal funzionale lineare η su ξ (32) In altri termini, non utilizziamo più il simbolo ˆη per denotare il funzionale univocamente associato al vettore η, bensì il simbolo η. Per quanto precede, si ha: φ ξ = valore assunto dal funzionale φ sul vettore ξ H (33) Per il teorema (1):!ˆφ H φ ξ = ˆφ,ξ, ξ H (34) Tuttavia φ ξ = ˆφ,ξ è un espressione ibrida, nel senso che il primo membro è in notazione di Dirac, mentre il secondo membro è in notazione usuale. Per uniformità di notazione, dovremmo scrivere: φ ξ = φ, ξ Tale identità suggerisce semplicemente di adottare il simbolo φ ξ per il prodotto scalare tra i vettori φ, ξ H. Quindi in generale, comunque prendiamo i vettori ket ξ, η H, il loro prodotto scalare lo denotiamo con η ξ. Per definizione di prodotto scalare in uno spazio di Hilbert, si ha: η ξ = ξ η (35) Dalla antilinearità di Ω 1 : Ω 1 (λη) = λ Ω 1 (η), che nella notazione di Dirac si scrive: Ω 1 (λ η) = λ Ω 1 ( η) = η λ Cioè λ η CD η λ (36) Vediamo come si esprimono alcune operazioni tipiche utilizzando la notazione di Dirac. 6

7 2 LA NOTAZIONE DI DIRAC 2.1 Componenti di un vettore in una base ortonormale Sia data una base ortornormale: {e k } H e k,e k = δ kk, con k,k = 1,2,...,n = dimh, (37) essendo δ kk la delta di Kronecker. Abbiamo ξ H =!(c 1,c 2,...,c n ) C n ξ = dove c 1,...,c n sono le componenti del vettore ξ nella base (37): c k e k, c k = e k,ξ, k = 1,2,...,n, (38) che si ottiene moltiplicando scalarmente per e k primo e secondo membro di ξ = c k e k Infatti: cioè la (38). Segue: Passando alla notazione di Dirac: che può essere scritta come: Ciò implica e k,ξ = c k e k,e k = k =1 ξ = ξ = c k δ kk, k =1 e k,ξe k (39) e k e k ξ, (40) ( ) ξ = e k e k ξ, ξ H (41) e k e k = ˆ1, (42) dove ˆ1 è l operatore identità. La (42) è nota come relazione di completezza in H, nel senso che esprime la completezza del sistema di vettori { e 1,..., e n }. D altra parte il proiettore lungo e k è: giacché ˆπ k = e k e k, (43) ˆπ k ξ = e k e k ξ, ξ H, ovvero la componente di ξ nella direzione di e k. Ne consegue che la relazione di completezza può scriversi: ˆπ k = ˆ1, come appunto deve essere. 7

8 2 LA NOTAZIONE DI DIRAC 2.2 Prodotto scalare in termini di componenti. Presi i vettori ξ = e k e k ξ, η = e k e k η, (44) il prodotto scalare si può formalmente scrivere: η ξ = η (ˆ1 ξ ) = η ˆ1 ξ Tenendo conto della (42): ( ) η ξ = η e k e k ξ = η e k e k ξ = η e k e k ξ Per la (35): η ξ = e k η e k ξ (45) Se η = ξ otteniamo il quadrato della norma di ξ: ξ 2 = e k ξ e k ξ = e k ξ 2 (46) 2.3 Cambiamento di base Siano{ e k }e{ e k }duebasiortonormalidiunostessospaziodihilberth. Ivettori e k siesprimono come combinazione lineare dei vettori della prima base. Lo sviluppo si ottiene facilmente osservando che formalmente possiamo scrivere: e k = ˆ1 e k (47) Ma ˆ1 = Σ h e h e h, per cui e k = e h e h e k = α hk e h, (48) dove elemento di matrice di che è la matrice di passaggio dalla base { e k } alla base { e k }. Riesce α hk def = e h e k, (49) P = (α hk ), (50) P M C (n), (51) 8

9 2 LA NOTAZIONE DI DIRAC essendo M C (n) lo spazio vettoriale i cui elementi sono le matrici quadrate di ordine n sul campo complesso. Viceversa: e k = ˆ1 e k (52) Esprimiamo l operatore identità nel seguente modo: ˆ1 = e h e h, (53) per cui e k = essendo elemento di matrice di e h e h e k = α hk e h, (54) α hk = e h e k, (55) P = (α hk), (56) quale matrice di passaggio dalla base { e k } alla base { e k}. Per stabilire il legame tra le matrici P e P riscriviamo la (54): e k = α hk e h (57) Fissiamo ora la nostra attenzione sulla (48). Ridefiniamo l indice muto della sommatoria: e k = α ik e i, i=1 e l indice libero k: e h = α ih e i (58) che va sostituita nel secondo membro della (57): i=1 e k = = α hk i=1 i=1 α ih e i α hkα ih e i Cioè D altra parte onde la (59) diventa: α hkα ih e i e k = 0 (59) i=1 e k = δ ki e i, (60) i=1 α hkα ih e i δ ki e i = 0 i=1 i=1 9

10 2 LA NOTAZIONE DI DIRAC Invertendo l ordine delle sommatorie: ( ) α hkα ih δ ki e i = 0 (61) Definiamo gli scalari: λ (k) i = i=1 (α hkα ih ) δ ki, i = 1,2,...,n per un assegnato k {1,...,n} (62) In tal modo la (61) diventa: i=1 λ (k) i e i = 0 = λ (k) 1 = λ (k) 2 =... = λ (k) n = 0, k {1,2,...,n}, giacché { e i } è linearmente indipendente. Dalla (62): α hkα ih = δ ki P P = 1, (63) essendo 1 la matrice identità di ordine n. Allo stesso modo si dimostra Ne concludiamo che P è la matrice inversa di P: PP = 1 (64) P = P 1 (65) 10

Elementi di Algebra Lineare Applicazioni lineari

Elementi di Algebra Lineare Applicazioni lineari Elementi di Algebra Lineare Applicazioni lineari Cristina Turrini UNIMI - 2015/2016 Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 18 index Applicazioni lineari 1 Applicazioni lineari

Dettagli

Prodotto scalare e norma

Prodotto 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

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

Prodotto interno (prodotto scalare definito positivo)

Prodotto interno (prodotto scalare definito positivo) Contenuto Prodotto scalare. Lunghezza, ortogonalità. Sistemi e basi ortonormali. Somma diretta: V = U U. Proiezioni. Teorema di Pitagora, disuguaglianza di Cauchy-Schwarz. Angoli. Federico Lastaria. Analisi

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

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

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

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

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

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

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

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 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

Operatori C, P e T. Stati fisici. Osservabili (II) Osservabili. prof. Domenico Galli

Operatori C, P e T. Stati fisici. Osservabili (II) Osservabili. prof. Domenico Galli Stati fisici Operatori C, P e T prof. Domenico Galli Temi di Fisica delle Particelle Elementari al LHC Dottorato di ricerca in Fisica, Bologna Uno stato fisico è rappresentato da un vettore di stato (ket)

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

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

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

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 Algebra Lineare Spazi Vettoriali

Elementi di Algebra Lineare Spazi Vettoriali Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2015/2016 Antonio Lanteri e Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 37 index Spazi vettoriali

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

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

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

Un quaternione è un numero complesso con quattro componenti anziché due. Si scrive così :

Un quaternione è un numero complesso con quattro componenti anziché due. Si scrive così : Un quaternione è un numero complesso con quattro componenti anziché due. Si scrive così : Q = q r + q i i + q j j + q k k ove le quantità q sono numeri reali e i, j e k sono tre unità immaginarie. Quando

Dettagli

0.1 Coordinate in uno spazio vettoriale

0.1 Coordinate in uno spazio vettoriale .1. COORDINATE IN UNO SPAZIO VETTORIALE 1.1 Coordinate in uno spazio vettoriale Sia V uno spazio vettoriale di dimensione finita n costruito sul campo K. D ora in poi, ogni volta che sia fissata una base

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

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

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

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

Sui determinanti e l indipendenza lineare di vettori

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

Dettagli

Analisi Matematica 1 e Matematica 1 Geometria Analitica: Rette

Analisi Matematica 1 e Matematica 1 Geometria Analitica: Rette Analisi Matematica 1 e Matematica 1 Geometria Analitica: Rette Annalisa Amadori e Benedetta Pellacci [email protected] [email protected] Università di Napoli Parthenope Contenuti Nel Piano

Dettagli

SPAZI DUALI. NOTE DI ALGEBRA LINEARE

SPAZI DUALI. NOTE DI ALGEBRA LINEARE SPAZI DUALI. NOTE DI ALGEBRA LINEARE 200- MARCO MANETTI: 4 DICEMBRE 200. Spazi di applicazioni lineari Dati due spazi vettoriali V, W indichiamo con L(V, W ) l insieme di tutte le applicazioni lineari

Dettagli

REGISTRO DELLE LEZIONI

REGISTRO 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

Dettagli

1 Equazioni parametriche e cartesiane di sottospazi affini di R n

1 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

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

Inversa di una matrice

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

Dettagli

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

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

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

Dettagli

misura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x

misura. 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

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

Pagine di Algebra lineare. di premessa al testo Pagine di Geometria di Sara Dragotti. Parte terza: SISTEMI LINEARI

Pagine di Algebra lineare. di premessa al testo Pagine di Geometria di Sara Dragotti. Parte terza: SISTEMI LINEARI Pagine di Algebra lineare di premessa al testo Pagine di Geometria di Sara Dragotti Parte terza: SISTEMI LINEARI 1. Definizioni Dato un campo K ed m 1 polinomi su K in n indeterminate di grado non superiore

Dettagli

Caso di A non regolare

Caso di A non regolare Caso di A non regolare December 2, 2 Una matrice A è regolare quando è quadrata e in corrispondenza di ogni autovalore di molteplicità algebrica m si ha una caduta di rango pari proprio a m Ovvero: rk

Dettagli

Funzioni vettoriali di variabile scalare

Funzioni vettoriali di variabile scalare Capitolo 11 Funzioni vettoriali di variabile scalare 11.1 Curve in R n Abbiamo visto (capitolo 2) come la posizione di un punto in uno spazio R n sia individuata mediante le n coordinate di quel punto.

Dettagli

24.1. Ritorno al gruppo delle trasformazioni di Möbius Lo spazio proiettivo degli stati di un qubit.

24.1. Ritorno al gruppo delle trasformazioni di Möbius Lo spazio proiettivo degli stati di un qubit. 4.1. Ritorno al gruppo delle trasformazioni di Möbius. 4.1.1. Lo spazio proiettivo degli stati di un qubit. Il qubit è il sistema quantistico più semplice che esista: un sistema i cui stati possibili possono

Dettagli

CODICI CICLICI. TEORIA DEI CODICI CORSO DI GRAFI E COMBINATORIA A.A Prof.ssa Bambina Larato - Politecnico di Bari

CODICI CICLICI. TEORIA DEI CODICI CORSO DI GRAFI E COMBINATORIA A.A Prof.ssa Bambina Larato - Politecnico di Bari CODICI CICLICI TEORIA DEI CODICI CORSO DI GRAFI E COMBINATORIA A.A. 2011-2012 Prof.ssa Bambina Larato - [email protected] Politecnico di Bari CODICI CICLICI Qualche richiamo Sia F=GF(q) e sia F[x] l insieme

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

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

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

TUTTO (o quasi tutto ) SULLA RETTA di Leonardo Calconi

TUTTO (o quasi tutto ) SULLA RETTA di Leonardo Calconi TUTTO (o quasi tutto ) SULLA RETTA di Leonardo Calconi LA RETTA COME INSIEME CONTINUO La retta è una delle più antiche espressioni di continuità, definita da Euclide mediante i postulati 1, che affermano

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

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

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

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

Dettagli

ESERCIZI sui VETTORI

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

Dettagli

LEZIONE 8. k e w = wx ı + w y j + w z. k di R 3 definiamo prodotto scalare di v e w il numero

LEZIONE 8. k e w = wx ı + w y j + w z. k di R 3 definiamo prodotto scalare di v e w il numero LEZINE 8 8.1. Prodotto scalare. Dati i vettori geometrici v = v x ı + v y j + v z k e w = wx ı + j + k di R 3 definiamo prodotto scalare di v e w il numero v, w = ( v x v y v z ) w x = v x + v y + v z.

Dettagli

Parte 7. Autovettori e autovalori

Parte 7. Autovettori e autovalori Parte 7. Autovettori e autovalori A. Savo Appunti del Corso di Geometria 23-4 Indice delle sezioni Endomorfismi, 2 Cambiamento di base, 3 3 Matrici simili, 6 4 Endomorfismi diagonalizzabili, 7 5 Autovettori

Dettagli

Geometria analitica del piano pag 32 Adolfo Scimone

Geometria analitica del piano pag 32 Adolfo Scimone Geometria analitica del piano pag 32 Adolfo Scimone CAMBIAMENTI DI SISTEMA DI RIFERIMENTO Consideriamo il piano cartesiano R 2 con un sistema di riferimento (O,U). Se introduciamo in R 2 un secondo sistema

Dettagli

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

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

Dettagli

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

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

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

Analisi Funzionale Cap. 2: Spazi di Hilbert

Analisi Funzionale Cap. 2: Spazi di Hilbert Analisi Funzionale Cap. 2: Spazi di Hilbert Gabriele H. Greco Dipartimento di Matematica Università di Trento 38050 POVO (Trento) Italia e-mail: [email protected] http://www.science.unitn.it/ greco

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

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

Lezioni di Algebra Lineare I. Le nozioni di base sugli spazi vettoriali

Lezioni di Algebra Lineare I. Le nozioni di base sugli spazi vettoriali Lezioni di Algebra Lineare I. Le nozioni di base sugli spazi vettoriali Versione settembre 8 Contenuto. Combinazioni lineari di vettori. Sottospazi vettoriali 3. Sottospazio vettoriale generato da un insieme

Dettagli

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

Prodotto scalare. Piani nello spazio Federico Lastaria, Analisi e Geometria 1. Politecnico di Milano Corso di Analisi e Geometria 1 Politecnico di Milano Corso di Analisi e Geometria 1 Federico Lastaria [email protected] Prodotto scalare in R n. Piani nello spazio. 19 Dicembre 2016 Indice 1 Prodotto scalare nello spazio 2

Dettagli

SPAZI VETTORIALI CON PRODOTTO SCALARE A =

SPAZI VETTORIALI CON PRODOTTO SCALARE A = SPAZI VETTORIALI CON PRODOTTO SCALARE Esercizi Esercizio. Nello spazio euclideo standard (R 2,, ) sia data la matrice 2 3 A = 3 2 () Determinare una base rispetto alla quale A sia la matrice di un endomorfismo

Dettagli

Introduzione al Metodo agli Elementi Finiti (FEM) (x, y) Γ Tale formulazione viene detta Formulazione forte del problema.

Introduzione al Metodo agli Elementi Finiti (FEM) (x, y) Γ Tale formulazione viene detta Formulazione forte del problema. Introduzione al Metodo agli Elementi Finiti (FEM) Consideriamo come problema test l equazione di Poisson 2 u x 2 + 2 u = f(x, y) u = f y2 definita su un dominio Ω R 2 avente come frontiera la curva Γ,

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

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

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

Dettagli

Sistemi sovradeterminati

Sistemi sovradeterminati Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m trovare una soluzione del sistema sovradeterminato Ax = b significa cercare di esprimere un vettore di R m come combinazione lineare di

Dettagli

SPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi:

SPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi: SPAZI VETTORIALI Esercizi Esercizio. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi: V := { (a, a, a) V a R }, V 2 := { (a, b, a) V a, b R }, V 3 := { (a, 2a, a + b)

Dettagli

X Settimana = 0 R. = 0 R x, x R. + (x 0 R. ) x 0 R = = x 0 R

X Settimana = 0 R. = 0 R x, x R. + (x 0 R. ) x 0 R = = x 0 R X Settimana 1 Elementi basilari della teoria degli anelli (I parte) Un anello (R, +, ) è un insieme non vuoto R dotato di due operazioni (binarie), denotate per semplicità con i simboli + e + : R R R,

Dettagli

Parte 4. Spazi vettoriali

Parte 4. Spazi vettoriali Parte 4. Spazi vettoriali A. Savo Appunti del Corso di Geometria 23-4 Indice delle sezioni Spazi vettoriali, 2 Prime proprietà, 3 3 Dipendenza e indipendenza lineare, 4 4 Generatori, 6 5 Basi, 8 6 Sottospazi,

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

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

Capitolo XI GEOMETRIA LINEARE AFFINE EUCLIDEA

Capitolo XI GEOMETRIA LINEARE AFFINE EUCLIDEA Capitolo XI GEOMETRIA LINEARE AFFINE EUCLIDEA 1. Spazi affini euclidei Se, in luogo dello spazio affine costruito a partire dallo spazio vettoriale R n, si considera quello associato allo spazio euclideo

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

2 Sistemi lineari. Metodo di riduzione a scala.

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

Dettagli

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

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