Richiami di algebra lineare

Похожие документы
Capitolo IV SPAZI VETTORIALI EUCLIDEI

3. Vettori, Spazi Vettoriali e Matrici

1 Applicazioni lineari

Esercitazione di Analisi Matematica II

Esercizi svolti. delle matrici

Prodotto scalare, covarianza e controvarianza, tensore metrico

Le matrici. Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1.

Spazi vettoriali euclidei.

Soluzione. (a) L insieme F 1 e linearmente indipendente; gli insiemi F 2 ed F 3 sono linearmente

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

Appunti su Indipendenza Lineare di Vettori

Testi consigliati e contatti

1) Quali dei seguenti sottoinsiemi del campo dei numeri reali ℝ sono sottospazi vettoriali?

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

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

Analisi Matematica 1 e Matematica 1 Geometria Analitica: Rette

Operatori antisimmetrici

VETTORI NELLO SPAZIO ORDINARIO ,

0.1 Spazi Euclidei in generale

Vettori e matrici. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara

Il determinante. Calcolo del determinante di matrici particolari. matrici di ordine 2: sia. a11 a A = allora

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

Richiami di algebra delle matrici a valori reali

SPAZI VETTORIALI CON PRODOTTO SCALARE A =

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

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

1- Geometria dello spazio. Vettori

LEZIONE 12. v = α 1 v α n v n =

Argomenti Capitolo 1 Richiami

Corso di Matematica Generale M-Z Dipartimento di Economia Universitá degli Studi di Foggia ALGEBRA LINEARE. Giovanni Villani

Analisi matematica Esercizi di Algebra Lineare: Parte I.

A.A. 2014/2015 Corso di Algebra Lineare

Prodotto scalare e norma

a + 2b + c 3d = 0, a + c d = 0 c d

Complementi 3 - Richiami di algebra tensoriale

RANGO DI UNA MATRICE ρ(a)

ESERCIZI sui VETTORI

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

Quadriche Maurizio Cornalba 7/6/2016

Lezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige. Fulvio Bisi, Francesco Bonsante, Sonia Brivio

Elementi di Algebra Lineare. Spazio Vettoriale (lineare)

Richiami di algebra delle matrici

LEZIONE 2. ( ) a 1 x 1 + a 2 x a n x n = b, ove a j, b R sono fissati.

Fondamenti di ALGEBRA LINEARE E GEOMETRIA

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

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

Elementi di Algebra Lineare Applicazioni lineari

SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE

(VX) (F) Se A e B sono due matrici simmetriche n n allora anche A B è una matrice simmetrica.

Somma diretta di sottospazi vettoriali

0.1 Coordinate in uno spazio vettoriale

NORMA DI UN VETTORE. Una NORMA VETTORIALE su R n è una funzione. : R n R +

Prodotti scalari e matrici

= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con

Applicazioni lineari e diagonalizzazione pagina 1 di 5

Vettori nel Piano e nello Spazio

2 Sistemi lineari. Metodo di riduzione a scala.

Esercitazione 6 - Soluzione

La notazione di Dirac

Prodotto scalare e prodotto vettoriale. Elisabetta Colombo

Parte 8. Prodotto scalare, teorema spettrale

ossia può anche essere localizzato univocamente sul piano complesso con la sua forma polare.

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

Esercitazione di Geometria I 13 dicembre Esercizio 1. Esercizio 2. Esercizio 3

Corso di Geometria BIAR, BSIR Esercizi 2: soluzioni

ALGEBRA VETTORIALE Corso di Fisica per la Facoltà di Farmacia, Università Gabriele D Annunzio, Chieti-Pescara, Cosimo Del Gratta 2008

Spazi Vettoriali ed Applicazioni Lineari

ESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA

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

1 Lezione 1: CALCOLO TENSORIALE - parte 1

LeLing12: Ancora sui determinanti.

Matrici. Prof. Walter Pugliese

MATRICI E SISTEMI LINEARI

Appunti di Geometria - 3

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)

1 Prodotto cartesiano di due insiemi 1. 5 Soluzioni degli esercizi 6

Elementi di Algebra Lineare Spazi Vettoriali

Транскрипт:

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 e j =: δ ij, dove δ ij è il simbolo di Kronecker. Di ogni vettore v V possiamo dare la rappresentazione in questa base: v = v i e i, 1 v i := v e i ; (2.1) di due vettori a, b V possiamo esprimere il prodotto scalare nella forma a b = (a i e i ) (b j e j ) = a i b j e i e j = a i b j δ ij = a i b i. (2.2) L operazione di prodotto vettoriale associa ad ogni coppia ordinata di vettori (a, b) il vettore a b, che si può rappresentare nella base prescelta nel modo seguente: a b = (a b) k e k, (a b) k = (a i e i ) (b j e j ) e k = e ijk a i b j, e ijk := e i e j e k, (2.3) dove e ijk è il simbolo di Ricci, definito valendosi della nozione di prodotto misto di tre vettori. Tutte queste nozioni sono note fin dalla prima parte del nostro studio, il corso di Meccanica dei Solidi 1, cui si rimanda per maggiori dettagli. Qui di seguito vogliamo introdurre una nuova nozione di prodotto, il prodotto diadico. 1 Si ricordi che la presenza di una coppia di indici ripetuti sottointende l esecuzione di una somma di termini monomi, uno per ogni determinazione ammessa degli indici: qui, ad esempio, v ie i = v 1e 1 + v 2e 2 + v 3e 3.

6 2 Richiami di algebra lineare 2.2 Prodotto diadico Data una coppia ordinata di vettori (a, b), il loro prodotto diadico a b trasforma linearmente V in sé, nel modo seguente: (a b)v = (b v)a, v V. (2.4) Facendo anche riferimento alla Figura 2.1, si vede che, in base a questa a b b a span( a) Figura 2.1. definizione, tutti i vettori in V sono mandati in span(a), la retta generata dal primo elemento della diade a b. In particolare, tutti i vettori del semispazio verso il quale punta il secondo elemento della diade sono trasformati in vettori con lo stesso verso di a, e vanno a comporre la semiretta {αa α > 0}; tutti i vettori nel piano perpendicolare a b sono trasformati nel vettore 0; tutti gli altri vanno a comporre la semiretta {αa α < 0}. 2.3 Tensori del secondo ordine Ogni combinazione lineare di diadi è una trasformazione lineare di V in sé. Valendoci della nozione di prodotto diadico, possiamo costruire, partendo dalla base ortonormale scelta per V, una base ortonormale per la collezione Lin di tutti i tensori del secondo ordine, cioè, la collezione di tutte le trasformazioni lineari di V in sé. 2 2.3.1 Base ortonormale per lo spazio dei tensori Un modo per procedere alla costruzione richiamata nel titolo è cominciare da una diade costituita da vettori della base, ad esempio, e 1 e 2. L applicazione della definizione (2.3) ci restituisce 2 Per economia di scrittura, rinunciamo ad usare la notazione più precisa Lin(V ), in luogo di Lin, dato che V sarà l unico spazio vettoriale soggiacente alle nostre manipolazioni algebriche.

2.3 Tensori del secondo ordine 7 (e 1 e 2 )v = (e 2 v)e 1 = v 2 e 1 ovvero, usando una rappresentazione matriciale, e 1 e 2 v 1 v 2 = v 2 0, v V ; v 3 0 l arbitrarietà di scelta di v implica che la matrice di e 1 e 2 ha l aspetto 0 1 0 0 0 0. 0 0 0 Similmente si mostra che la matrice di e 1 e 1 ha l aspetto 1 0 0 0 0 0 0 0 0 e che, in generale, l unico elemento non nullo della matrice associata a e i e j è quello che si trova i-esima riga e j-esima colonna e vale 1. Una combinazione lineare delle 9 diadi costruibili con i vettori della base ortonormale di V restituisce qualunque matrice 3 3: [M] = M ij [e i e j ]. Per mostrare che le diadi e i e j costituiscono effettivamente una base ortonormale, introduciamo la nozione di prodotto scalare tra diadi: Allora, a b c d := (a c)(b d). (2.5) e i e j e h e k = (e i e h )(e j e k ) = δ ih δ jk ; quindi ognuna delle diadi e i e j ha modulo 1 ed è ortogonale a tutte le altre. Di una trasformazione lineare V di V in sé si può definire il prodotto scalare con una diade a b: V a b := (Vb) a, (2.6) e dare la rappresentazione conseguente: V = V ij e i e j, V ij := V e i e j (2.7) (si noti l identità di struttura, niente affatto casuale, di questa rappresentazione di un tensore del secondo ordine e della rappresentazione (2.1) di un vettore). La nozione (2.6) ci permette di definire il tensore trasposto V T di un dato tensore V: è quell unico tensore che soddisfa la relazione V T a b = V b a a, b V. (2.8)

8 2 Richiami di algebra lineare I numeri reali V ij sono le componenti del tensore V nella base ortonormale che abbiamo costruito per Lin e coincidono con gli elementi della matrice associata a V relativamente a quella stessa base. In particolare, le componenti di V T risultano essere V T ij = V ji, mentre per il tensore identità I si ha che I = e i e i, I ij = δ ij. (2.9) 2.3.2 Traccia e determinante La traccia di un tensore V è per definizione il numero reale tr V := (V e i e i ) = quanto al determinante di V, si ha: V ii ; (2.10) det V := Ve 1 Ve 2 Ve 3 = e ijk A i1 A j2 A k3. (2.11) Osservazione. La nozione di operatore di traccia si da nel modo più conveniente specificandone l azione sulle diadi: tr (a b) := a b, a, b V. (2.12) Poichè l operatore così definito è lineare, quando di un tensore V si consideri una rappresentazione in componenti V = V ij e i e j, si trova che la definizione (2.10) è una conseguenza immediata della definizione (2.12): tr V = tr (V ij e i e j ) = V ij tr (e i e j ) = V ij (e i e j ) = V ij δ ij = V ii. 2.3.3 Composizione e prodotto scalare di tensori La composizione AB di due tensori A e B è il tensore così definito: (AB)v := A(Bv) v V ; (2.13) in forza di questa definizione, le matrici corrispondenti si compongono con la familiare regola righe per colonne : (AB) ik = A ij B jk. Non è difficile convincersi che Lin è uno spazio vettoriale con prodotto interno, di dimensione pari a 9: la nozione di prodotto tra due elementi qualunque di Lin è naturalmente completamente coerente con le definizioni (2.5) e (2.6), che abbiamo dato in precedenza, e ha la forma seguente:

2.3 Tensori del secondo ordine 9 A B := tr (AB T ) (2.14) Segue da questa definizione che il prodotto scalare di due tensori si può valutare, proprio come il prodotto scalare di due vettori, come somma dei prodotti delle loro omologhe componenti in una base ortonormale: (si riveda la formula (2.2)). A B = A ij B ij (2.15) 2.3.4 Tensori simmetrici e tensori antisimmetrici Due tensori, il cui prodotto scalare sia nullo, si dicono tra loro perpendicolari. In particolare, come si verifica facilmente, ogni tensore simmetrico S, cioè, ogni tensore che obbedisce la condizione S = 1 2 (S + ST ), (2.16) è perpendicolare ad ogni tensore antisimmetrico W, cioè, ad ogni tensore che obbedisce la condizione W = 1 2 (W WT ). 3 (2.17) Le collezioni dei tensori simmetrici e antisimmetrici, che indichiamo rispettivamente con Sym e Skw, sono due sottospazi complementari di Lin: Lin = Sym Skw, (2.18) tra loro ortogonali, l uno di dimensione 6, l altro di dimensione 3. È agevole costruire due basi ortonormali per questi due sottospazi; si trova B 1 := e 1 e 1, B 2 := e 2 e 2, B 3 := e 3 e 3, B 4 := 2 1/2 (e 1 e 2 + e 2 e 1 ), B 5 := 2 1/2 (e 1 e 3 + e 3 e 1 ), B 6 := 2 1/2 (e 2 e 3 + e 3 e 2 ), per Sym e, per Skw, C 1 := 2 1/2 (e 1 e 2 e 2 e 1 ), C 2 := 2 1/2 (e 1 e 3 e 3 e 1 ), C 3 := 2 1/2 (e 2 e 3 e 3 e 2 ). In termini di queste basi, un tensore simmetrico S ha la rappresentazione 3 Si osservi che le condizioni (2.16) e (2.17) sono equivalenti, rispettivamente, alle condizioni S = S T e W = W T.

10 2 Richiami di algebra lineare 6 S = S i B i, S i = S B i ; (2.19) un tensore antisimmetrico W, la rappresentazione W = W i C i, W i = S C i. (2.20) È facile verificare, ad esempio, che S 4 = S 12 = Se 2 e 1 = S 21 = Se 1 e 2.