Spazi vettoriali euclidei.
|
|
- Irene Cocco
- 6 anni fa
- Visualizzazioni
Transcript
1 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 rispettivamente da + y := + y n + y n, λ := λ λ n, = n, y = y y n, λ R Definizione (Prodotto scalare) Dati due vettori e y in R n, il prodotto scalare y fra e y è il numero reale y := y + + n y n Il prodotto scalare gode delle seguenti proprietà (i) (Proprietà commutativa) Per ogni, y R n y = y ; (ii) (Proprietà distributiva) Per ogni, y, z R n (y + z) = y + z; (iii) (Omogeneità) Per ogni, y R n ed ogni λ R λ( y) = (λ) y = (λy); (iv) (Positività) Per ogni R n 0, = 0 se e soltanto se = 0 Dimostrazione La dimostrazione segue immediatamente dalle definizioni Il punto (i) segue da y = y + + n y n = y + + y n n = y Il punto (ii) segue da (y + z) = (y + z ) + + n (y n + z n ) = = y + z + + n y n + n z n = = y + z
2 Confrontando le quantità λ( y) = λ( y + + n y n ) = λ y + + λ n y n, (λ) y = (λ )y + + (λ n )y n = λ y + + λ n y n, (λy) = (λy ) + + n (λy n ) = λ y + + λ n y n, otteniamo (iii) Per dimostrare (iv), osserviamo che = n Poiché i quadrati di numeri reali sono sempre non negativi, si ha che 0 Se = 0, chiaramente = 0 Viceversa, se per un vettore R n vale = 0, allora n = 0 Ciò è possibile solo se = = n = 0 Mediante il prodotto scalare definiamo in R n nozioni di lunghezza, distanza, ortogonalità e angolo Definizione La norma o lunghezza di un vettore R n è definita da = = n Nel piano cartesiano R 2, questo fatto è precisamente l enunciato del Teorema di Pitagora Fig La norma di un vettore in R 2 e di un vettore in R 3 Definizione La distanza fra i punti e y in R n è definita da d(, y) := y In particolare, coincide con la distanza di dall origine La norma gode delle seguenti proprietà: (i) (Omogeneità) λ = λ, per ogni λ R (ii) (Disuguaglianza di Cauchy-Schwarz) y y, per ogni, y R n 2
3 (iii) (Disuguaglianza triangolare) + y + y, per ogni, y R n Dimostrazione Il punto (i) segue da λ = λ λ2 2 n = λ n = λ (ii) Se = 0 oppure y = 0 la disuguaglianza è chiaramente soddisfatta Supponiamo adesso 0 e y 0 Consideriamo un vettore della forma z = α + βy, per α, β R Per le proprietà (i)(ii)(iii)(iv) del prodotto scalare, abbiamo che z z = α β 2 y 2 + 2αβ y 0, α, β R In particolare, per α = y 2 e β = y, troviamo y y 2 ( y) 2 + y 2 ( y) 2 = y 4 2 y 2 ( y) 2 0 Dividendo per y 2 0, otteniamo ( y) 2 2 y 2 che è equivalente alla disuguaglianza cercata (iii) La disuguaglianza triangolare è equivalente alla disuguaglianza + y 2 ( + y ) 2 Direttamente dalle definizioni e dalla disuguaglianza di Cauchy-Schwarz abbiamo come richiesto + y 2 = ( + y) ( + y) = 2 + y y 2 + y y = ( + y ) 2, Nel piano cartesiano R 2, la disuguaglianza triangolare dice appunto che nel triangolo di vertici 0,, + y, la lunghezza del lato 0( + y) è minore o uguale alla somma delle lunghezze dei lati 0 e ( + y) + y y Fig2 La disuguaglianza triangolare in R 2 Definizione Due vettori, y R n si dicono ortogonali se y = 0 Questo si indica con y L ortogonalità fra due vettori e y è anche caratterizzata dalla relazione d(, y) = d(, y) 3
4 Tale relazione è infatti equivalente a y 2 = + y y y = 2 + y 2 2 y y = 0 y - Fig3 Ortogonalità fra vettori in R 2 A partire dalla disuguaglianza di Cauchy-Schwarz possiamo definire una nozione di angolo fra vettori non nulli in R n Da essa segue infatti che dati 0 e y 0, per cui esiste un unico angolo θ [0, π] tale che cos θ = y y, y y () Definizione Definiamo θ = cos y y [0, π] come l angolo fra e y in Rn \ {0} In particolare, due vettori non nulli e y risultano ortogonali se e solo se l angolo fra essi è θ = π/2 Dall equazione (), otteniamo la seguente relazione fra il prodotto scalare fra due vettori e le loro norme y = y cos θ Osservazione Nel piano cartesiano R 2, la stessa relazione si può ottenere applicando la regola del coseno al triangolo di vertici 0, e y, i cui lati hanno lunghezze, y e y Ne segue che y 2 = 2 + y 2 2 y cos ϕ Dalla definizione stessa della norma abbiamo ( y ) 2 + ( 2 y 2 ) 2 = y 2 + y y cos ϕ e quindi 2 y 2 2 y 2 = 2 y = 2 y cos ϕ come richiesto 4
5 y -y θ y cosθ y sinθ Fig4 La regola del coseno La proiezione ortogonale π y () di un vettore su un vettore y 0 è un vettore π y ()) = cy multiplo di y caratterizzato dalla proprietà ( π y ()) y = 0 In altre parole, la proiezione ortogonale di un vettore su un vettore y 0 determina una scomposizione del vettore nella somma di un vettore parallelo a y e un vettore ortogonale a y = z + π y (), z = π y (), z y (2) Risulta π y () = cos θ y y = y y y y π () y y Fig5 La proiezione ortogonale del vettore sul vettore y 5
6 2 Basi ortonormali Procedimento di ortonormalizzazione di Gram-Schmidt Definizione Un sottoinsieme {X,, X k } di R n si dice un insieme ortogonale se i suoi elementi sono a due a due ortogonali fra loro Esercizio Gli elementi di un insieme ortogonale sono linearmente indipendenti Definizione Una base ortonormale di R n è una base {e,, e n } i cui elementi hanno norma uno e sono a due a due ortogonali: e = = e n =, e i e j = 0, i j ( ) / 2 Esempio I vettori { /, 2 ( ) / 2 / } formano una base ortonormale di R 2 2 Esempio I vettori { cos θ sin θ, 0 sin θ cos θ 0, 0 0 } formano una base ortonormale di R 3 Esempio La base canonica di R n 0 0 { 0,,, 0 } 0 0 è una base ortonormale Il metodo di ortonormalizzazione di Gram-Schmidt permette di ottenere una base ortonormale di R n a partire da una base qualsiasi Sia {v,, v n } una base di R n Allora i vettori u =v u 2 =v 2 v 2 u u u u u 3 =v 3 v 3 u u u u v 3 u 2 u 2 u 2 u 2 = u n =v n v n u u v n u n u n u u u n u n sono a due a due ortogonali (cfr equazione (2)) Inoltre, poiché per ogni j n, anche i vettori {u,, u n } formano una base di R n Infine i vettori span{v,, v j } = span{u,, u j }, (3) formano una base ortonormale di R n {e = u u,, e n = u n u n } 6
7 Esempio Sia data la base {v = 0, v 2 = u = 0 0 0, v 3 = u 2 = 0 0 /2 0 = u 3 = 0 0 } di R 3 Allora i vettori /2 0 /2 /2 0 /2 = 0 0 formano una base ortogonale di R 3 e i vettori e = 0, e 2 = 2 /2 0, e 3 = 0 2 /2 0 formano una base ortonormale di R 3 Osservazione Sia U R n il sottospazio generato dai primi k vettori {v,, v k } della base {v,, v n } di R n Dalla relazione (3) segue che i vettori {u,, u k }, ottenuti nel corso del procedimento di ortonormalizzazione di Gram-Schmidt, sono una base ortogonale di U Esercizio Dato un sottospazio U in R n di dimensione k, esiste una base ortonormale di R n {u,, u k, u k+,, u n } con la proprietà che {u,, u k } è una base ortonormale di U e {u k+,, u n } è una base ortonormale di U In altre parole, data una base ortonormale di U, essa può essere completata ad una base ortonormale di R n Sia B = {v,, v n } una base ortogonale di R n e sia R n Allora le coordinate di in B sono date da = v v v,, n = v n v n v n In particolare, se la base B è ortonormale, le coordinate di in B sono date da = v,, n = v n Dimostrazione Il vettore si scrive in modo unico come combinazione lineare degli elementi di B = v + + n v n Per j n, da cui v j = v j v + + v j n v n = j v j v j, j = v j v j v j 7
8 3 Complementi ortogonali Proiezioni ortogonali Sia U un sottoinsieme di R n Definizione Un vettore R n si dice ortogonale a U se è ortogonale a tutti gli elementi di U L ortogonale U di U è per definizione U := { R n u = 0, u U} Proposizione U è un sottospazio vettoriale di R n Dimostrazione Siano, y U, λ R e sia u un arbitrario elemento di U Dalle proprietà del prodotto scalare e dalle ipotesi segue che ( + y) u = u + y u = = 0, (λ) u = λ u = λ0 = 0 In altre parole, + y U e λ U, per ogni λ R, come richiesto Esempio (i) Sia U = { } R 3 2 Allora U = { = 0} è la retta per l origine ortogonale a 2 3 (ii) Sia U = { 3 } R 3 Allora U = { = 0} è il piano per l origine ortogonale a 3 3 (iii) Sia U = { 3, 0 } R 3 Allora U = { { = 0 } è la retta per l origine = 0 parallela a 0 3 r r Fig6 Il complemento ortogonale ad una retta in R 3 8
9 Se U è un sottospazio vettoriale di R n di dimensione k e {u,, u k } è una base di U, allora u = 0 U = Rn u k = 0 In questo caso, U è un sottospazio vettoriale di dimensione n k Dimostrazione Sia U Segue immediatamente dalla definizione che u = = u k = 0 Viceversa, supponiamo che soddisfi il sistema u = = u k = 0 Poiché un arbitrario elemento di U si scrive come u = α u + + α k u k, si ha u = α u + + α k u k = 0 In altre parole, U Questa caratterizzazione esprime U come lo spazio delle soluzioni di un sistema lineare omogeneo di k equazioni indipendenti Di conseguenza, U ha dimensione n k Esercizio Verificare che U U = {O} Se U è un sottospazio vettoriale di R n, il sottospazio U si chiama complemento ortogonale di U Lo spazio R n si decompone infatti come somma diretta di U e U R n = U U U U = {O} In particolare, ogni elemento R n si scrive in modo unico come somma di un elemento in U e un elemento in U = U + U, U U, U U, e vale 2 = U 2 + U 2 Definizione Per definizione i vettori U e U sono rispettivamente le proiezioni ortogonali di su U e su U U = π U () U = π U () Calcolo della proiezione ortogonale di un vettore su un sottospazio Proposizione Sia U un sottospazio di R n e sia {u,, u k } una qualunque base ortogonale di U Sia R n un vettore Allora la proiezione ortogonale di su U è data da U = π U () = u u u u + + u k u k u k u k Dimostrazione Sia {u,, u k, u k+,, u n } una base ortogonale di R n che completa {u,, u k } In particolare, {u k+,, u n } è una base ortogonale di U In questa base, = u u u u + + u k u k u k u k + u k+ u k+ u k+ u k+ + + u n u n u n u n Per l unicità di U e di U, segue che U = π U () = u u u u + + u k u k u k u k e analogamente U = π U () = u k+ u k+ u k+ u k+ + + u n u n u n u n 9
10 Osservazione L applicazione π U : R n R n, π U (), che ad un vettore associa la sua proiezione ortogonale sul sottospazio U, è un applicazione lineare Vale infatti π U (α + βy) = απ U () + βπ U (y), α, β R,, y R n Inoltre, la proiezione ortogonale di su U è data dalla somma delle proiezioni di sui singoli vettori ortogonali {u,, u k } Esercizio Sia un vettore in R 3 La proiezione ortogonale π() di sul piano β passante per l origine di equazione a + b 2 + c 3 = 0 è data da π() = λn, ove λ = n n n, n = a b c Sol Sia π() la proiezione ortogonale di sul piano β Allora π() è un vettore perpendicolare a β e dunque soddisfa π() = λn per un opportuno scalare λ Poiché π() appartiene a β vale n π() = 0, da cui si ricava λn n = n e quindi λ = n n n come richiesto π β () β Fig7 La proiezione del vettore sul piano β La proiezione ortogonale di un vettore su un sottospazio U è il punto di U più vicino ad Proposizione Sia U un sottospazio di R n, sia R n e sia U la proiezione ortogonale di su U Allora, per ogni u U d(, U ) d(, u) Dimostrazione Sia u U un elemento arbitrario L identità u = U + U u, con U U, U u U 0
11 scompone di u come somma di due vettori ortogonali In particolare implica u 2 = U 2 + U u 2 e U 2 u 2 U u come richiesto Definizione La distanza di un vettore da un sottospazio U è per definizione la distanza fra e la sua proiezione ortogonale su U d(, U) = d(, U ) In particolare, se U, allora U = e d(, U) = 0 4 Un applicazione: il metodo dei minimi quadrati I sistemi lineari che si incontrano nelle applicazioni pratiche dell algebra lineare spesso sono incompatibili e non hanno soluzioni Il metodo dei minimi quadrati è un procedimento per trovare il miglior sostituto alle soluzioni di un sistema lineare incompatibile e si basa sul fatto che la proiezione ortogonale di un vettore su un sottospazio è il punto del sottospazio ad esso più vicino Esempio Supponiamo che, secondo una certa teoria, esista un rapporto di tipo lineare fra due quantità fisiche X e Y : Y = λx + µ per certe costanti λ e µ che dipendono dalla situazione Effettuando varie misurazioni delle quantità X e Y, si cerca di risalire alle costanti λ e µ Nella figura, ogni punto rappresenta i dati di un esperimento Per esempio il punto P = (3, ) corrisponde ad un esperimento i cui risultati erano X = 3 e Y = P P 2 P 3 P Fig8 I dati Si verifica facilmente che non esiste una retta y = λ + µ passante per tutti i punti P i In altre parole, il sistema lineare = 3λ + µ 2 = 7λ + µ 3 = 0λ + µ 4 = 4λ + µ
12 non ha soluzioni λ, µ Con il metodo dei minimi quadrati si trovano dei valori λ 0 e µ 0 che, in un certo senso, sono ottimali rispetto ai dati trovati La retta corrispondente y = λ 0 + µ 0, pur non passando per i punti P i, sarà quella che si avvicina di più ad essi Il metodo Sia a a 2 a n a 2 a 22 a n2 a m a 2m a nm un sistema lineare di m equazioni in n incognite Scriviamo questo sistema come A = b Il sistema ha soluzioni se e soltanto se il vettore b è contenuto nell immagine della applicazione A : R n R m data dalla moltiplicazione per la matrice A Se il sistema non ha soluzioni, possiamo cercare un vettore 0 R n tale che A 0 sia più vicino possibile al vettore b R n : 2 n = b b 2 b m A 0 b A b, R n Il punto nell immagine di A che è più vicino a b è la proiezione ortogonale b di b sullo spazio Im(A) È ragionevole considerare una soluzione 0 del sistema A = b come una buona soluzione approssimativa del sistema originale Il Teorema ci dice come trovare 0 senza calcolare la proiezione b Teorema Le soluzioni del sistema A = b coincidono con le soluzioni del sistema di n equazioni in n incognite t A A = t Ab Dimostrazione Sia 0 una soluzione del sistema t A A = t Ab Equivalentemente t A (A 0 b) = 0 Questo vuol dire che il vettore A 0 b è perpendicolare ad ogni riga della matrice t A e quindi ad ogni colonna della matrice A Siccome Im(A) è lo span delle colonne di A, questo significa che A 0 b è ortogonale all immagine della matrice A L unico vettore b in R m con la proprietà che b b è perpendicolare a Im(A) è la proiezione ortogonale del vettore b sull immagine di A Di conseguenza, A 0 = b e le soluzioni del sistema t A A = t Ab sono anche soluzioni del sistema A = b Il viceversa è immediato I sistemi lineari che si considerano in molte applicazioni pratiche sono incompatibili perche sovradeterminati, ossia perche hanno più equazioni che incognite Precisamente, sono del tipo A = b, con rango(a) massimo, rango(a) < rango(a b) Il Teorema 2, dice che per tali sistemi esiste un unica soluzione 0 del sistema t A A = t Ab, che rappresenta la miglior soluzione approssimativa del sistema originale Teorema 2 Il sistema t A A = t Ab ha un unica soluzione se e solo se le colonne della matrice A sono linearmente indipendenti Come applicazione, cerchiamo una soluzione approssimativa è 3 7 λ 2 =, 0 µ λ dell esempio sopra Il sistema A = b µ
13 risulta incompatibile e soddisfa le ipotesi del Teorema 2 Calcoliamo t A A e t Ab Il sistema t AA = t Ab è t A A = ( t Ab = ( ( λ Questo sistema ha un unica soluzione data da λ = µ ) 3 7 = 0 4 ) λ = µ ) 2 = , = , µ = = L equazione della retta che passa più vicina ai punti P i è quindi Y = 0327X 0282 Per curiosità calcoliamo λ b = A e controlliamo che la soluzione è effettivamente buona Questo vuol dire che il vettore b è µ vicino al vettore dei termini noti b Troviamo 3 07 λ A µ = = Infatti, gli errori sono relativamente piccoli: 03, 00, 00 e 03 3
14 5 Il prodotto vettoriale in R 3 Introduciamo adesso il prodotto vettoriale in R 3 che ad una coppia di vettori, y R 3 associa un terzo vettore y R 3, ortogonale ai primi due Si noti che il prodotto vettoriale non è definito nel piano R 2, né in R n per n > 3 È una nozione che esiste solo in R3 Definizione Siano, y R 3 Il prodotto vettoriale y di e y è il vettore di R 3 definito da y = 2y 3 3 y 2 3 y y 3 y 2 2 y Proposizione Siano, y R 3 Il prodotto vettoriale y gode delle seguenti proprietà: (i) y = y; (ii) Il vettore y è perpendicolare sia ad che a y: ( y) = 0, y ( y) = 0; (iii) La norma di y soddisfa dove ϕ è l angolo fra e y y = y sen ϕ, Dimostrazione (i) Direttamente dalla definizione, abbiamo y = y 2 3 y 3 2 y 3 y 3 = y y 2 y 2 Per dimostrare (ii), calcoliamo ( y) = 2 2y 3 3 y 2 3 y y 3 3 y 2 2 y Similmente troviamo y ( y) = 0 Per la parte (iii) abbiamo 2 y 2 sen 2 ϕ = 2 y 2 ( cos 2 ϕ) = ( 2 y 3 3 y 2 ) + 2 ( 3 y y 3 ) + 3 ( y 2 2 y ) = 0 = 2 y 2 ( y) 2 = ( )(y 2 + y y 2 3) ( y + 2 y y 3 ) 2 = 2 y y y y y y y y y y y 2 y 3 = ( y 2 2 y ) 2 + ( y 3 3 y ) 2 + ( 2 y 3 3 y 2 ) 2 = y 2 Estraendo le radici quadrate, troviamo l uguaglianza cercata Questo conclude la dimostrazione della proposizione 4
15 6 Volumi In questo paragrafo, richiamiamo un importante interpretazione geometrica del determinante di una matrice quadrata Ci limitiamo a dimostrarla nei casi 2 2 e 3 3 Proposizione L area del parallelogramma di vertici di vertici 0,, y e + y in R 2 è data da ( y y 2 2 y = det 2 y 2 ) Dimostrazione Sia A l area del parallelogramma in questione uguale a y sen ϕ, l area risulta Poiché l altezza del parallelogramma è A = y sen ϕ Allora A 2 = 2 y 2 sen 2 ϕ = 2 y 2 ( cos 2 ϕ) = 2 y 2 ( y cos ϕ) 2 = ( )(y 2 + y2) 2 ( y + 2 y 2 ) 2 = ( y 2 2 y ) 2 Estraendo le radici quadrate troviamo A = y 2 2 y come richiesto y +y ϕ y sinϕ Fig9 Il paralellogramma di vertici 0,, y e + y Corollario L area del parallogramma di vertici 0,, y e + y è uguale al modulo del prodotto vettoriale y di e y Inoltre, dati due vettori e y, l area del triangolo di vertici 0,, y risulta uguale a 2 det y 2 y 2 5
16 y 0 Fig0 Il triangolo di vertici 0,, y Proposizione Il parallelepipedo di spigoli i vettori, y e z in R 3 ha volume V uguale a V = y 2 z 3 + y z z 2 y 3 z 2 y 3 y 2 z 3 z y 2 3 = det y z 2 y 2 z 2 3 y 3 z 3 Dimostrazione Il volume V del parallelepipedo di spigoli, y e z è uguale all area del parallelogramma di vertici 0,, y e + y moltiplicata per l altezza L altezza è uguale alla lunghezza della proiezione del vettore z sulla retta che passa per 0 e y y θ z y ϕ Fig Il parallelepipedo di spigoli, y e z Per la proposizione precedente, l area del parallelogramma è uguale a y sen ϕ, ove ϕ è l angolo fra i vettori e y, e la lunghezza della proiezione di z sulla retta per 0 e y è uguale a z cos ϑ, ove ϑ è l angolo fra i vettori z e y Il volume V è quindi dato da V = y sen ϕ z cos ϑ = y z cos ϑ = z ( y) = z ( 2 y 3 3 y 2 ) + z 2 ( 3 y y 3 ) + z 3 ( y 2 2 y ) 6
17 Osserviamo infine che l espressione z ( 2 y 3 3 y 2 )+z 2 ( 3 y y 3 )+z 3 ( y 2 2 y ) coincide col determinante della matrice y z 2 y 2 z 2, 3 y 3 z 3 e ciò completa la dimostrazione della proposizione 7
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
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
DettagliProdotto interno (prodotto scalare definito positivo)
Contenuto Prodotto scalare. Lunghezza, ortogonalità. Sistemi e basi ortonormali. Somma diretta: V = U U. Proiezioni. Teorema di Pitagora, disuguaglianza di Cauchy-Schwarz. Angoli. Federico Lastaria. Analisi
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
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
DettagliCapitolo IV SPAZI VETTORIALI EUCLIDEI
Capitolo IV SPAZI VETTORIALI EUCLIDEI È ben noto che in VO 3 si possono considerare strutture più ricche di quella di spazio vettoriale; si pensi in particolare all operazioni di prodotto scalare di vettori.
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,
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
DettagliCorso di Geometria Lezione II: Spazi vettoriali
.. Corso di Geometria Lezione II: Spazi vettoriali F. Baldassarri 8 ottobre 2013 Definizione di spazio vettoriale Uno spazio vettoriale su un campo C (ad es. Q,R,C,{0, 1}) è un insieme V dotato di due
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
Dettagli0.1 Spazi Euclidei in generale
0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo
DettagliLa lunghezza dei vettori e legata alle operazioni sui vettori nel modo seguente: Consideriamo due vettori v, w e il vettore v + w loro somma.
Matematica II, 20.2.. Lunghezza di un vettore nel piano Consideriamo il piano vettoriale geometrico P O. Scelto un segmento come unita, possiamo parlare di lunghezza di un vettore v P O rispetto a tale
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
DettagliLEZIONE 8. k e w = wx ı + w y j + w z. k di R 3 definiamo prodotto scalare di v e w il numero
LEZINE 8 8.1. Prodotto scalare. Dati i vettori geometrici v = v x ı + v y j + v z k e w = wx ı + j + k di R 3 definiamo prodotto scalare di v e w il numero v, w = ( v x v y v z ) w x = v x + v y + v z.
DettagliProdotto scalare e ortogonalità
Prodotto scalare e ortogonalità 12 Novembre 1 Il prodotto scalare 1.1 Definizione Possiamo estendere la definizione di prodotto scalare, già data per i vettori del piano, ai vettori dello spazio. Siano
Dettagli15 luglio Soluzione esame di geometria - Ing. gestionale - a.a COGNOME... NOME... N. MATRICOLA... ISTRUZIONI
15 luglio 01 - Soluzione esame di geometria - Ing. gestionale - a.a. 01-01 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono
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
Dettagli= (cioè le due terne di numeri direttori ( devono essere ) proporzionali). Tale uguaglianza non è verificata, poiché risulta ρ
Alcuni esercizi sullo spazio euclideo R Nel seguito R indicherà lo spazio euclideo tridimensionale standard, dotato del riferimento cartesiano naturale (pag 56-57 del libro Nota: gli esercizi proposti
DettagliProdotto 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 federico.lastaria@polimi.it Prodotto scalare in R n. Piani nello spazio. 19 Dicembre 2016 Indice 1 Prodotto scalare nello spazio 2
DettagliGeometria Analitica nello Spazio
Geometria Analitica nello Spazio Andrea Damiani 4 marzo 2015 Equazione della retta - forma parametrica Se sono dati il punto A(x 0, y 0, z 0 ) e il vettore v (v x, v y, v z ), il generico punto P (x, y,
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
Dettagliax 1 + bx 2 + c = 0, r : 2x 1 3x 2 + 1 = 0.
. Rette in R ; circonferenze. In questo paragrafo studiamo le rette e le circonferenze in R. Ci sono due modi per descrivere una retta in R : mediante una equazione cartesiana oppure mediante una equazione
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
Dettagli1.[25 punti] Risolvere il seguente sistema di equazioni lineari al variare del parametro reale λ: X +Y +Z = 2. X 2Y +λz = 2
Università di Modena e Reggio Emilia Facoltà di Scienze MM.FF.NN. PROVA SCRITTA DI GEOMETRIA A del 27 giugno 2011 ISTRUZIONI PER LO SVOLGIMENTO. Scrivere cognome, nome, numero di matricola in alto a destra
DettagliMatrici simili. Matrici diagonalizzabili.
Matrici simili. Matrici diagonalizzabili. Definizione (Matrici simili) Due matrici quadrate A, B si dicono simili se esiste una matrice invertibile P tale che B = P A P. () interpretazione: cambio di base.
DettagliSpazi euclidei, endomorfismi simmetrici, forme quadratiche. R. Notari
Spazi euclidei, endomorfismi simmetrici, forme quadratiche R. Notari 14 Aprile 2006 1 1. Proprietà del prodotto scalare. Sia V = R n lo spazio vettoriale delle n-uple su R. Il prodotto scalare euclideo
Dettagli(P x) (P y) = x P t (P y) = x (P t P )y = x y.
Matrici ortogonali Se P è una matrice reale n n, allora (P x) y x (P t y) per ogni x,y R n (colonne) Dim (P x) y (P x) t y (x t P t )y x t (P t y) x (P t y), CVD Ulteriori caratterizzazioni delle matrici
DettagliGeometria 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
DettagliAUTOVALORI, AUTOVETTORI, AUTOSPAZI
AUTOVALORI, AUTOVETTORI, AUTOSPAZI. Esercizi Esercizio. Sia f : R 3 R 3 l endomorfismo definito da f(x, y, z) = (x+y, y +z, x+z). Calcolare gli autovalori ed una base per ogni autospazio di f. Dire se
DettagliCORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA
CORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA FOGLIO DI ESERCIZI 1 GEOMETRIA 2009/10 Esercizio 1.1 (2.2). Determinare l equazione parametrica e Cartesiana della retta dello spazio (a) Passante per i
DettagliAppunti di ALGEBRA LINEARE
Appunti di ALGEBRA LINEARE Corso di Laurea in Chimica A. A. 2009/200 Capitolo SPAZI VETTORIALI In matematica si incontrano spesso insiemi di elementi su cui sono definite delle operazioni che godono di
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
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
DettagliNOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n
NOTE DI ALGEBRA LINEARE 2- MM 9 NOVEMBRE 2 Combinazioni lineari e generatori Sia K un campo e V uno spazio vettoriale su K Siano v,, v n vettori in V Definizione Un vettore v V si dice combinazione lineare
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
DettagliSoluzione. a) Per la bilinearità e la simmetria del prodotto scalare, b) Si sfruttano la bilinearità e la simmetria del prodotto scalare.
Esercizi svolti 4 Problemi guida 117 IL PRODOTTO SCALARE Problema 41 a) Dimostra che (v + w) (v w) = v 2 w 2 b) Dimostra che v w = 1 4 [ v + w 2 v w 2 ] Soluzione a) Per la bilinearità e la simmetria del
DettagliCorso di Geometria BIAR, BSIR Esercizi 10: soluzioni
Corso di Geometria 2010-11 BIAR, BSIR Esercizi 10: soluzioni 1 Geometria dello spazio Esercizio 1. Dato il punto P 0 = ( 1, 0, 1) e il piano π : x + y + z 2 = 0, determinare: a) Le equazioni parametriche
DettagliAppunti sul corso di Complementi di Matematica (modulo Analisi)
Appunti sul corso di Complementi di Matematica (modulo Analisi) prof. B.Bacchelli. 04 - Vettori topologia in R n : Riferimenti: R.Adams, Calcolo Differenziale 2. Cap. 1.2: In R n : vettori, somma, prodotto
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
DettagliEsercizi 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
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
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
DettagliEsercitazione: 16 novembre 2009 SOLUZIONI
Esercitazione: 16 novembre 009 SOLUZIONI Esercizio 1 Scrivere [ ] equazione vettoriale, parametrica [ ] e cartesiana della retta passante 1 per il punto P = e avente direzione d =. 1 x 1 Soluzione: Equazione
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,
DettagliGeometria 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
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
DettagliProdotto scalare, ortogonalitá e basi ortonormali
CAPITOLO 0 Prodotto scalare, ortogonalitá e basi ortonormali Esercizio 0.. Dati i seguenti vettori di R si calcoli il prodotto scalare (v i,v j per i,j =,,...,6: v = (6,3 v = (,0 v 3 = (, v 4 = (,0 v 5
DettagliSi consideri il sistema a coefficienti reali di m equazioni lineari in n incognite
3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x
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
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
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
Dettaglix n i sima pos. x, y = x T y = x i y i R. i=1
1 Elementi di Algebra Lineare In questo capitolo introduttivo al corso di Calcolo Numerico per la laurea triennale in Informatica, saranno presentate una serie di definizioni e proprietà di matrici e dei
DettagliTUTTO (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
DettagliArgomenti Capitolo 1 Richiami
Argomenti Capitolo 1 Richiami L insieme dei numeri reali R si rappresenta geometricamente con l insieme dei punti di una retta orientata su cui sia stato fissato un punto 0 e un segmento unitario. L insieme
DettagliEsercizi di Geometria Affine
Esercizi di Geometria Affine Sansonetto Nicola dicembre 01 Geometria Affine nel Piano Esercizio 1. Nel piano affine standard A (R) dotato del riferimento canonico, si consideri la retta τ di equazione
DettagliSoluzione facsimile 2 d esame di geometria - Ingegneria gestionale - a.a ISTRUZIONI
Soluzione facsimile d esame di geometria - Ingegneria gestionale - a.a. 00-004 COGNOME......................................... NOME......................................... N. MATRICOLA................
DettagliCorso di Geometria BIAR, BSIR Esercizi 8: soluzioni
Corso di Geometria 2010-11 BIAR, BSIR Esercizi 8: soluzioni Esercizio 1. a) Disegnare la retta r di equazione cartesiana x 2y 4 = 0. b) Determinare l equazione cartesiana della retta r 1 passante per P
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
Dettagli20 gennaio Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...
0 gennaio 010 - Soluzione esame di geometria - 1 crediti Ingegneria gestionale - a.a. 009-010 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore.
DettagliGEOMETRIA /2009 II
Universita degli Studi di Roma - "Tor Vergata" - Facolta Ingegneria Esercizi GEOMETRIA Edile e Edile-Architettura - a.a. 008/009 II Emisemestre - Settimana - Foglio 0 Docente: Prof. F. Flamini - Tutore:
DettagliParte 9. Geometria del piano
Parte 9. Geometria del piano A. Savo Appunti del Corso di Geometria 2013-14 Indice delle sezioni 1 Vettori geometrici del piano, 1 2 Lo spazio vettoriale VO 2, 3 3 Sistemi di riferimento, 8 4 Equazioni
DettagliParte 11. Geometria dello spazio II
Parte 11. Geometria dello spazio II A. Savo Appunti del Corso di Geometria 2010-11 Indice delle sezioni 1 Il prodotto scalare, 1 2 Distanze, angoli, aree, 4 3 Il prodotto vettoriale, 6 4 Condizioni di
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
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
DettagliRETTE E PIANI. ove h R. Determinare i valori di h per cui (1) r h e α sono incidenti ed, in tal caso, determinare l angolo ϑ h da essi formato;
RETTE E PIANI Esercizi Esercizio 1. Nello spazio con riferimento cartesiano ortogonale Oxyz si considerino la retta r h ed il piano α rispettivamente di equazioni x = 1 + t r h : y = 1 t α : x + y + z
DettagliLEZIONE 12. v = α 1 v α n v n =
LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono
DettagliCapitolo 1 Vettori applicati e geometria dello spazio
Capitolo 1 Vettori applicati e geometria dello spazio Marco Robutti Facoltà di ingegneria Università degli studi di Pavia Tutorato di geometria e algebra lineare Anno accademico 2014-2015 Definizione (Vettore
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
DettagliEsercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente
Esercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente Dati i vettori di R (i) Calcolare il prodotto scalare v w, (ii) Stabilire se v e w sono ortogonali, (ii) Stabilire
DettagliSistemi 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
DettagliEsercizi geometria analitica nello spazio. Corso di Laurea in Informatica. Docente: Andrea Loi. Correzione
Esercizi geometria analitica nello spazio Corso di Laurea in Informatica Docente: Andrea Loi Correzione 1. Denotiamo con P 1, P 13, P 3, P 1, P, P 3, P i simmetrici di un punto P rispetto ai piani coordinati
DettagliEsercizi di Geometria e Algebra Lineare C.d.L. Ingegneria Meccanica
Esercizi di Geometria e Algebra Lineare C.d.L. Ingegneria Meccanica 1) Dati i vettori a = (2, 4), b = (1, 2), c = ( 1, 1), d = (3, 6), stabilire se c e d appartengono a Span(a, b}). 2) Nello spazio vettoriale
DettagliESERCIZI 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
DettagliVETTORI NELLO SPAZIO ORDINARIO ,
VETTORI E GEOMETRIA ANALITICA 1 VETTORI NELLO SPAZIO ORDINARIO Vettori ordinari ed operazioni. Dipendenza ed indipendenza lineare, basi. Prodotto scalare, proiezioni, angoli. Prodotto vettoriale e prodotto
DettagliGeometria analitica del piano pag 12 Adolfo Scimone
Geometria analitica del piano pag 12 Adolfo Scimone Fasci di rette Siano r e r' due rette distinte di equazioni r: ax + by + c r': a' x + b' y + c' Consideriamo la retta combinazione lineare delle due
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)
DettagliGeometria analitica del piano pag 25 Adolfo Scimone. Equazione della retta perpendicolare ad una retta data passante per un punto
Geometria analitica del piano pag 5 Adolfo Scimone Equazione della retta perpendicolare ad una retta data passante per un punto Consideriamo una retta r di equazione r: ax by sia P ( x y), un punto del
DettagliEsercizi svolti. Geometria analitica: rette e piani
Esercizi svolti. Sistemi di riferimento e vettori. Dati i vettori v = i + j k, u =i + j + k determinare:. il vettore v + u ;. gli angoli formati da v e u;. i vettore paralleli alle bisettrici di tali angoli;
Dettaglia + 2b + c 3d = 0, a + c d = 0 c d
SPAZI VETTORIALI 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x,
DettagliMetodi 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
DettagliMiglior approssimazione in spazi euclidei
Miglior approssimazione in spazi euclidei 15 gennaio 2009 1 Introduzione astratta Sia E uno spazio vettoriale dotato di un prodotto interno (, ) (talvolta un tale spazio è detto euclideo, cf. [7, p.148]),
DettagliEsame di Geometria - 9 CFU (Appello del 14 gennaio A)
Esame di Geometria - 9 CFU (Appello del 4 gennaio 24 - A) Cognome: Nome: Nr.matricola: Corso di laurea: Esercizio. Si considerino le rette s : { x x 2 2x 3 = 2 3x x 2 =, { x + x s 2 : 2 x 3 = x 2 =.. Stabilire
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
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
DettagliLEZIONE 13. v =α 1 v α i 1 v i 1 + α i v i = =α 1 v α i 1 v i 1 + α i (λ 1 v λ i 1 v i 1 ) =
LEZIONE 13 13.1. Il metodo degli scarti. Sia dato uno spazio vettoriale V su k = R, C e siano v 1,..., v n V. Quanto visto nella lezione precedente ci suggerisce il seguente algoritmo per stabilire se
DettagliPolitecnico di Torino Facoltà di Architettura. Raccolta di esercizi proposti nelle prove scritte
Politecnico di Torino Facoltà di Architettura Raccolta di esercizi proposti nelle prove scritte relativi a: algebra lineare, vettori e geometria analitica Esercizio. Determinare, al variare del parametro
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
DettagliGEOMETRIA PIANA. 1) sia verificata l uguaglianza di segmenti AC = CB (ossia C è punto medio del segmento AB);
VETTORI E GEOMETRIA ANALITICA 1 GEOMETRIA PIANA Segmenti e distanza tra punti. Rette in forma cartesiana e parametrica. Posizioni reciproche di due rette, parallelismo e perpendicolarità. Angoli e distanze.
DettagliEsercizi di geometria analitica negli spazi affini Giorgio Ottaviani
Esercizi di geometria analitica negli spazi affini Giorgio Ottaviani Percorse a cavallo duemila chilometri di steppa russa, superó gli Urali, entró in Siberia, viaggió per quaranta giorni fino a raggiungere
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
DettagliRisoluzione di sistemi lineari
Risoluzione di sistemi lineari Teorema (Rouché-Capelli) Dato il sistema di m equazioni in n incognite Ax = b, con A M at(m, n) b R n x R n [A b] si ha che: matrice dei coefficienti, vettore dei termini
DettagliMetodo dei minimi quadrati e matrice pseudoinversa
Scuola universitaria professionale della Svizzera italiana Dipartimento Tecnologie Innovative Metodo dei minimi quadrati e matrice pseudoinversa Algebra Lineare Semestre Estivo 2006 Metodo dei minimi quadrati
DettagliEquivalentemente, 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
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
DettagliVettori nel Piano e nello Spazio
Vettori nel Piano e nello Spazio Caratteristiche di un vettore Componenti di un vettore e Vettore applicato all origine Vettore definito da due punti Operazioni unarie sul vettore Lunghezza di un vettore
DettagliI. 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
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
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).
DettagliSpazi Vettoriali ed Applicazioni Lineari
Spazi Vettoriali ed Applicazioni Lineari 1. Sottospazi Definizione. Sia V uno spazio vettoriale sul corpo C. Un sottoinsieme non vuoto W di V è un sottospazio vettoriale di V se è chiuso rispetto alla
DettagliREGISTRO DELLE ESERCITAZIONI
UNIVERSITA DEGLI STUDI DI GENOVA FACOLTA DI SCIENZE MATEMATICHE, FISICHE E NATURALI REGISTRO DELLE ESERCITAZIONI del Corso UFFICIALE di GEOMETRIA A tenute dal prof. Domenico AREZZO nell anno accademico
Dettagli