Sei sulla pagina 1di 14

COORDINATE

Si parla di coordinate cartesiane in tutte le dimensioni, retta, piano, spazio. Esiste una corrispondenza biunivoca (una
identificazione) tra l’insieme dei punti di una retta e i numeri reali.
L’insieme delle rette r ≈ R
L’insieme dei piani π ≈ R x R
L’insieme degli spazi ∑≈ R x R x R
In matematica si dice che sono due insiemi 1 a 1.

1) Fissiamo 0 come origine, fissiamo un punto P ∈ r → x ∈ R


X > 0 se P segue 0 sulla reta; x< 0 se P precede 0 sulla retta. X si dice ascissa di P.
2) Prendiamo 2 rette perpendicolari, fissiamo l’orientazione. L’origine è l’intersezione. Fissiamo la stessa unità di misura
ad entrambe (sistema monometrico). Prendiamo un punto P e mandiamo le parallele. P1 la indico con X e P2 con Y.
P ∈ π → (x; y) ∈ R2 dove X è l’ascissa di P1 sulla retta orizzontale e Y l’ascissa di P2 sulla retta verticale. Cioè X è ascissa
di P e Y l’ordinata. (x; y) sono le coordinate di P.
3) Analogamente si identifica lo spazio tridimensionale con R3 nel modo seguente. Fissiamo le unità di misura.
P ∈ ∑ → (x; y; z) ∈ R3 dove X è l’ascissa di P1 cioè ascissa di P, Y è ascissa di P2 cioè ordinata di P e Z è l’ascissa di P3
cioè la quota di P. (x; y; z) sono le coordinate di P.

VETTORI NEL PIANO E NELLO SPAZIO


Si dice vettore applicato una coppia di punti ordinata del piano o nello spazio. AB: A è il punto di applicazione, B il punto finale.
I punti partono da A e terminano in B.
Proprietà di un vettore: ha un verso, una direzione, un modulo(lunghezza).
Due vettori applicati si dicono equivalenti quando hanno lo stesso modulo, verso e direzione. Cambia soltanto il punto di
applicazione.

1-Insieme quoziente del piano.


Assegnato un vettore applicato, e raggruppando in uno stesso insieme tutti gli altri vettori ad esso equivalenti, otteniamo la
classe di equivalenza individuata dai vettori di partenza. Prendendo un altro vettore del piano non appartenente alla classe
precedente, costruisco una nuova classe di equivalenza. In questo modo ripartisco l’insieme dei vettori del piano in
sottoinsiemi che coprono l’insieme dei vettori che sono tra loro disgiunti.
Ogni vettore applicato AB ha un suo equivalente applicato nell’origine cioè ∀ AB vettore applicato ∃ un vettore equivalente ad
AB applicato in O cioè ∃ un punto P ∈ π tc AB ≈ OP. Dunque la classe di equivalenza è individuata da OP ma essendo che per
ogni classe O fisso, allora le classi sono individuate dal punto finale.

2-Operazioni nell’insieme dei punti del piano


Dati A (a1; a2); B (b1; b2); K ∈ R.
L’operazione interna +: π X π→ π – (A, B) → A+B = (a1+b1; a2+b2)
L’operazione esterna *: R X π→ π – (K, A) → K*A = (K*a1; K*a2)

Proposizione: Siano A (a1; a2; a3) B (b1; b2; b3) C (c1; c2; c3) D (d1; d2; d3). Il vettore AB è equivalente al vettore CD se solo se
B-A = D-C.

Significato geometrico della somma di due punti nel piano: Consideriamo il vettore AB ≈ CD ⇔ B-A = D-C in particolare A=0
allora B - 0 = D-C ovvero B = D-C quindi il punto D è la diagonale del parallelogramma.
Significato geometrico del prodotto: K*A ci fornisce un vettore con la stessa direzione e verso di A.

3-Generalità
Due vettori sono paralleli se hanno la stessa direzione. A // B ⇔ ∃ k ∈ R tc B=K*A

𝑎1 +𝑏1 𝑎2 +𝑏2 𝑎3 +𝑏3


Punto medio di un segmento AB: M ( 2
; 2 ; 2 )

Condizione di complanarità nello spazio (non ha senso nel piano): Dati A, B, C,


A complanare con BC ⇔ ∃ H, K ∈ R tc A = KB + HC; A è combinazione lineare di B e C secondo i coefficienti K e H.
4-Prodotto Scalare
Prodotto scalare tra due vettori: E’ un’applicazione che ha come insieme
{Spazio dei vettori} X {spazio dei vettori} → R – in simboli - A, B → A • B = a1*b1+a2*b2+a3*b3

Proprietà:
-commutativa o simmetrica: A*B = B*A
-distributiva: A*(B+C) = A*B+A*C
-omogeneità: λA*B = A* λB
I*I= 1; J*J = 1; K*K=1; I*J=0; I*K = 0; J*K = 0
Ogni volta che viene assegnato sullo spazio un prodotto scalare, è possibile definire la norma di un vettore.
Norma di A: ||A|| = √𝐴 • 𝐴 =√𝑎12 + 𝑎22 + 𝑎32 = lunghezza di OA. ||A|| è anche detto modulo di A.
D (A, B) = ||B-A|| =√(B − A) • (B − A) = √(𝑏1 − 𝑎1)2 + (𝑏2 − 𝑎2)2 + (𝑏3 − 𝑎3)2 = distanza fra i punti A e B

𝐴 1
Versore di un vettore: Sia A un vettore, si definisce versore del vettore A (versA) = ||A|| =𝐴 ∗ ||A||
Il modulo del versore è 1: ||versA||=1
I versori degli assi sono: I (1, 0, 0), J (0, 1, 0) e K (0, 0, 1).

Angolo tra due vettori: Dati A, B vettori, si definisce angolo, l’angolo convesso definito dalle rette OA e OB.
𝐴∗𝐵
Geometricamente parlando, ci permette di calcolare l’angolo compreso tra i due vettori. Cos(T)=
||𝐴||∗||𝐵||

5-Prodotto vettoriale
I J K Consideriamo due vettori nello spazio su cui è fissato un sistema di coordinate cartesiano A=u=aI+bJ+cK &
A B C B=v= a1I+b1J+c1K, si definisce prodotto vettoriale del vettore A col vettore B il vettore nello spazio A^B=
A1 B1 C1 (b*c1-b1*c) *I – (a*c1-a1*c) *J + (a*b1-a1*b) *K o equivalentemente A^B= (b*c1-b1*c; a*c1-a1*c; a*b1-a1*b).
Una rappresentazione è data dalla matrice formale.
I^I=0; J^J=0; I^K=J; I^J=K; J^K=I; K^J=-I
Proprietà:
-antisimmetrica: u^v = -v^u
-distributiva: u^(v^w) =u^v+u^w
-omogeneità: λ*u^v=u^λv

Il prodotto vettoriale u^v è uguale al vettore avente:


Modulo = ||u||*||v||*sen(T) (angolo convesso);
Direzione = perpendicolare al piano;
Verso tc la terna sia positivamente orientata.

Geometricamente parlando, il modulo del prodotto vettoriale u^v rappresenta l’area del parallelogramma generato da u e v.

6-Combinazione lineare
Si dice combinazione lineare dei vettori u1, u2, u3, secondo gli scalari λ1, λ2, λ3 l’espressione ∑in ui* λi.
I vettori si dicono linearmente dipendenti se la combinazione lineare secondo gli scalari non tutti diversi da 0, è uguale a 0.
I vettori si dicono linearmente indipendenti se la combinazione lineare secondo gli scalari tutti nulli è uguale a 0.

Proposizione: Due vettori sono paralleli nel piano o complanari nello spazio se sono dipendenti.
Dimostrazione: u//v ⇒ ∃ k ∈ R tc v=k*u ⇒k*u-v=0 ⇒ u e v sono linearmente dipendenti.
Di conseguenza esistono nel piano λ1 e λ2 tc λ1*u+λ2*v=0 cioè u=-λ2/λ1*v e quindi u//v mentre nello spazio esistono piano
λ1, λ2 e λ3 diversi da 0 tc λ1*u+λ2*v+ λ3*w=0 cioè w=-λ1/λ3*u- λ2/ λ3*v = ku - hv ⇒w complanare.
SPAZIO VETTORIALE
Lo spazio vettoriale è un insieme di vettori che permette di ricostruire, mediante combinazioni lineari, tutti i vettori dello
spazio.
Proprietà:
1. commutativa: u + v=v + u ∀ u, v ∈ V
2. associativa: (v1+v2) +v3= v1 + (v2+v3) ∀ v1, v2, v3 ∈ V
3. elemento neutro: ∃ 0v ∈ V tc 0v + u=u
4. ∀ u ∈ V ∃ un altro vettore –u tc u + (-u) = 0v
5. (a*b) *v=a*(b*v) ∀ v ∈ V e ∀ a, b ∈ R
6. a*(u + v) = a*u + a*v ∀ u, v ∈ V e ∀ a ∈ R
7. (a*b) *u=a*u + b*u ∀ u ∈ V e ∀ a, b ∈ R
8. 1*u=u ∀ u ∈ V

Esempi di spazi vettoriali:


1 vettori nel piano
1.1 Vettori nello spazio
2 Rn
3 Insieme delle matrici Mmxn
4 P, insieme dei polinomi di grado minore o uguale a n

1-Rn
+: Rn X Rn → Rn – (x, y) → x + y = (x1+y1; x2+y2+…+xn+yn) ∀ x, y ∈ π
*: R X Rn → Rn – (λ, y) → λ *y = (λ *y1; λ *y2+… +λ*yn) ∀ λ ∈ R, ∀ y ∈ π
Questo gruppo soddisfa le 8 precedenti proprietà per cui è un gruppo abeliano cioè un gruppo che gode della proprietà
commutativa.

2-Mmxn
+: Mmxn X Mmxn → Mmxn – (A, B) → A + B = (ai;j+bi;j) ∀ A, B ∈ Mmxn; A=(ai;j) e B=(bi;j)
*: R X Mmxn → Mmxn – (λ, B) → λ *B = (λ *bi;j) ∀ λ ∈ R, ∀ B ∈ Mmxn; B=(bi;j)
Questo gruppo soddisfa le 8 precedenti proprietà per cui è un gruppo abeliano.
Se la matrice ha una sola riga, è uno spazio delle matrici riga, viceversa è uno spazio delle matrici colonna.

3-P
L’insieme dei polinomi è uno spazio vettoriale rispetto alle operazioni
+: p(x) + q(x) = am*xm + … + an-1*xn-1 + (an + bn) * xn +…+ (a0+b0)
*: λ *p(x) = λ* am*xm + … + λ * a1 * x1 +…+ λ *a0

4-Sottospazio vettoriale
Sia V uno spazio vettoriale, e sia S un sottoinsieme di V. Supponiamo S ≠ ∅. S si dice sottospazio vettoriale di V se sono
verificate le seguenti proprietà:
-chiusura rispetto alla somma: ∀ v1, v2 ∈ S: v1+v2 ∈ S
-chiusura rispetto al prodotto: ∀ λ ∈ R, ∀ v ∈ S: λ *v ∈ S
Ogni sottospazio contiene necessariamente il vettore nullo infatti poiché ∃ v ∈ S ∃ –v ∈ S tc v + (-v) =0 ⇒ –v = v* λ con λ =(-1)
RETTE NEL PAINO
1-Equazione parametrica di una retta
Vogliamo determinare l’equazione della retta per un punto P0 e parallelo ad un vettore. Supponiamo il vettore V(l; m) e il
punto P0(x0;y0) e P(x; y).
P ∈ r ⇔ P-P0 // v ⇔ ∃ r ∈ R tc P-P0=k*v ⇔ ∃ k ∈ R tc (x-x0; y-y0) = k (l; m) ⇔ ∃ k ∈ R tc (x-x0; y-y0) =
x − x0 = k ∗ l x = k ∗ l + x0
= (k*l; k*m)⇔ { ⇒ {
y − y0 = k ∗ m y = k ∗ m + y0
Sono equazioni parametriche della retta r. K è il parametro al variare del quale si ottengono tutti i punti della retta r.

2-Equazione normale della retta


Equazione che passa per 2 punti distinti. Siano P1(x1; y1= e P2(x2; y2)
P(x; y) ∈ r ⇔ P-P1 // P2-P1 ⇔ ∃ K ∈ R tc P-P1 = k(P2-P1) ⇔ ∃ K ∈ R tc (x-x1; y-y1) = k*(x2-x1; y1-y2)
x − x1 = k ∗ (x2 − x1) 1 𝑥1+𝑥2 𝑦1+𝑦2
Cioè P(x; y) ∈ r ⇔ { Per k=0 ⇒ P=P1; k=1 ⇒ P=P2; k=2⇒ P =Medio ( ; 2 ) – Quindi se
y − y1 = k ∗ (y2 − y1) 2
0<k<1 allora è l’equazione del segmento P1P2.
Usando in questo caso la formula, si può comunque calcolare l’equazione della retta con denotatore nullo, l’equazione è il
numeratore eguagliano a 0; per convenzione x-x1=0 con x2-x1=0. D qui si ottiene (x-x1)(y2-y1)=(y-y1)(x2-x1) cioè ⇒
ax+by+c=0 con a=y2-y1 e b=x1-x2. Si chiama equazione cartesiana implicita della retta. Da questa a sua volta si ricava la
−1 −𝑐
esplicita; y= 𝑏 𝑥 𝑏 = mx+q
𝑥−𝑥1 𝑦−𝑦1 𝑥−𝑥1 𝑦−𝑦1
Da queste relazioni si ricava k=𝑥2−𝑥1 & k=𝑦2−𝑦1 quindi 𝑥2−𝑥1 = 𝑦2−𝑦1 ovvero l’equazione della retta sotto forma di
𝑥 − 𝑥1 = 0 ⇒ x = x1
rapporti uguali. Se x2=x1 allora l’equazione diventa {
𝑦 − 𝑦1 = 𝑘 ∗ (𝑦2 − 𝑦1)

3-Equazione di una retta mediante un vettore ortogonale


Data r passante per P0 e perpendicolare/ortogonale al vettore n(a; b).
P(x; y) ∈ r ⇔ P-P0 ⊥ n ⇔ (x-x0; y-y0) ⊥ (a; b) ⇔ a(x-x0) + b(y-y0) =0

BASI E DIMENSIONI
Sia v uno spazio vettoriale, la sua dimensione può essere finita o infinita. N vettori costituiscono una Base di v se sono
linearmente indipendente(1) e generano ogni vettore del sottospazio dato si può esprimere come una loro combinazione
lineare(2). Si prova che tutte le basi di uno spazio vettoriale hanno lo stesso numero di elementi per cui la Dimensione dello
spazio vettoriale (dimV) è il numero degli elementi di una qualsiasi base.

Consideriamo lo spazio di vettori nel piano {I;J} soddisfano (1) e (2) di base
(1) I e J sono linearmente indipendenti
(2) OP=Ix+Jy con OP(x;y)
dimV=2
M2(R)
1 0 0 1 0 0 0 0
E1= ( ) E2= ( ) E3= ( ) E4= ( )
0 0 0 0 1 0 0 1
E’ facile verificare che i vettori {e1;e2;e3;e4} costituiscono una base dello spazio vettoriale M2(R). Per la prima proprietà si
considera la combinazione lineare nulla e si verifica che i coefficienti son tutti nulli:
0 0 λ1 λ2
λ1*e1+ λ2*e2+ λ3*e3+ λ4*e4= ( ) =( ) sono linearmente indipendente
0 0 λ3 λ4
𝑥 𝑦 λ1 λ2
vi = ( ) λ1*x+ λ2*y+ λ3*z+ λ4*t= ( ) ⇒ λ1=x – λ2=y – λ3=z – λ4=t
𝑧 𝑡 λ3 λ4
{e1;e2;e3;e4} sono base canonica

Le componenti di un vettore sono le sue coordinate.


Proposizione: Se {v1;v2;...;vn} base di V allora la dimensione è uguale a n ovvero il numero delle basi. Ogni vettore si esprime
in un unico modo come combinazione lineare degli elementi della base. Per questo ha senso parlare di componente di un
vettore rispetto ad una base in quanto risulta univocamente individuate.
APPLICAZIONI LINEARI
Siano V e W due spazi vettoriali, si dice applicazione lineare in V e W ogni applicazione F: V→W che gode delle seguenti
proprietà:
-F(v1+v2)=F(v1)+F(v2)
-F(λv)= λF(v)
Quando il dominio e il codominio coincidono, F: V→V, si parla di endomorfismo.
Esempio: Sia F: R2→R2, F(x,y) →(3x+y;x-y). Verifichiamo se è un’applicazione lineare.
In primis F(v1+v2)=F(v1)+P(v2) quindi poniamo v1=(x1;y1), v2=(x2,y2), v1+v2=(x1+x2;y1+y2) quindi
F(x1+x2;y1+y2) = F(3(x1+x2)+y1+y2; x1+x2-(y1+y2))=
= F(3x1+3x2+y1+y2; x1+x2-y1-y2)=
= F((3x1+y1)+(3x2 +y2); (x1-y1)+(x2-y2))=
=F(x1;y1)+F(x2;y2) = F(v1)+P(v2)

In secondo F(λv)= λF(v) quindi F(λx, λy)=


=F(3λx+λy; λx-λy)=
=F(λ(3x+y); λ(x-y))= λF(x;y)

Il nucleo di un’applicazione lineare è l’insieme dei vettori che hanno come immagine 0.
Ker(F)={v ∈ V | F(v)=0}
Essendo quindi Ker(F) un sottospazio dello spazio V, allora la dimensione sarà minore: 0≤dim(Ker(F)) ≤dim(V)
Se dim(Ker(F)) = 0 allora l’unico elemento del nucleo è il vettore nullo.
Se dim(Ker(F)) = dim(V) allora il nucleo è V stesso e quindi tutti gli elementi di v hanno immagine nulla.
Il nucleo è importante perché ci dice che F è iniettiva se e solo se ker(F) ={0}

L’immagine di un’applicazione lineare è l’insieme delle w tale che F(v)=w


Im(F)= {w ∈W | ∃ F(v)=w}
L’immagine è un sottospazio di W.

Proposizione fondamentale: Si prova che dim(Im(F)) + dim(Ker(F)) = dim(V).

Non sempre una base di v si trasforma in base di wpoiché si prova che ogni applicazione lineare trasforma un sistema di
generatori di V in un sistema di generatori per W ma non sempre trasforma vettori linearmente indipendenti di V vettori
linearmente indipendenti di W.
Sia F: V→W suriettiva
Siano {v1; v2;...;vn} base di V ⇒{f(v1);f(v2)...f(vn)}
Vogliamo provare che per ogni w ∈ W, w è combinazione lineare di f(v1); f(v2);...;f(vn)
∀ w ∈ Im(F) ∃ v ∈ V tc f(v)=w;
∀ v ∈ V ∃ λ1... λn tc v= λ1v1+ ....+ λnvn
F(v)=f(λ1v1+ ....+ λnvn)= λ1f(v1)...+λnf(vn)=w

Proposizione: {v1…vn} base di v se e solo se {f(v1)…f(vn)} è un sistema generatore per ImF.


Proposizione: {v1…vn} base di v se e solo se {f(v1)…f(vn)} base di ImF
Dimostrazione: f(v1)…f(vn) sono linearmente indipendenti?
λ1f(v1)+…+ λnf(vn)= 0w ⇒ f(λ1v1)+…+f(λnvn) = 0w ⇒ f(λ1v1+…+ λnvn) = 0w ⇒ λ1v1+…+ λnvn ∈ KerF cioè finisce
nello zero perché è ingettiva ed è soltanto uguale allo 0 di v quindi λ1v1+…+ λnvn = 0v cioè v1…vn sono linearmente
indipendenti e λ1=…=λn =0w. (in altri termini siccome la somma da 0, allora f0 dà ancora 0…)

Se F oltre ad essere ingettiva è anche surgettiva allora esso trasforma una base di v in una base di w poiché ImF=W.
Definizione: un’applicazione lineare bigettiva con inversa lineare si dice isomorfismo.
MATRICE ASSOCIATA AD UN APPLICAZIONE LINEARE
Sia F un applicazione lineare, dimV=n, dimW=m. Calcoliamo le immagini di tutti gli elementi della base di V
F(v1)= a11w1+a21w2+am1wn
F(v2)= a12w1+a22w2+am2wn
𝑎11 ⋯ 𝑎𝑛1
A=( ⋮ ⋱ ⋮ ) la matrice A ha m righe ed n colonne, m x n.
𝑎𝑚1 ⋯ 𝑎𝑚𝑛
Osserviamo che al variare anche di una della 2 basi assegnate, la matrice associata cambia.
𝑥1
Se v è un vettore di V avente il vettore X = 𝑥2 come componenti rispetto alla base {vi} cioè se v=x1v1+…+xnvn allora il
𝑥𝑛
𝑦1
vettore immagine f(v) ha componenti Y=𝑦2 rispetto a {wj} cioè f(v)=y1w1+…+ynwn allora Y la possiamo ricavare da A*X.
𝑦𝑛
SPAZI AFFINI
Ricordiamoci che uno spazio vettoriale deve contenere necessariamente lo zero. Indichiamo con W un sottospazio. Una retta
non passante per l'origine, parallela a W che relazione ha con W? Rappresenta un sottospazio affine, nel caso specifico di R2
una retta affine. In generale si dice sottospazio affine dello spazio vettoriale V un sottoinsieme di V i cui elementi sono del
tipo v0+w con w ∈ W sottospazio di V. Quindi A= {v ∈ V | v = v0+w tc w ∈ W}.
Definizioni: Dimensione dello spazio affine A= dim W cioè dim A=dim W.
Se dim W =0, A è un punto affine; se dim W =1, A è una retta; se dim W =2, A è un piano.
Esempio: Consideriamo V=R2 e prendiamo W= {λv1 | λ ∈ R} e v1= (2,1)
0 ∈ W, quindi W genericamente rappresenta una retta passante per l'origine. Considerando P0 = v0 = OP = (3,2), scriviamo
la retta affine passante per P0 e avente come direzione w.
x = 3 + 2λ
(x,y) ∈ A ⇔ (x,y) = (3,2) + λ (2,1) = (3+2λ, 2 + λ) quindi {
𝑦= 2 + λ

EQUAZIONI PARAMETRICHE DI UNA RETTA NELLO SPAZIO VETTORIALE


Per ottenere l'equazione della retta nello spazio abbiamo bisogno di un punto e di una giacitura.
Siano P0= (x0, y0, z0) v=(l,m,n)
P(x,y,z) ∈ R ⇔ P0P// v ⇔ ∃ λ ∈ R tc P0P = λ v ⇔ (x-x0,y-y0,z-z0)= λ (l,m,n) [equazione parametrica di una retta passante per
P0 e avente come direzione il vettore (l,m,n)]
Osservazione: Questo vuol dire che un punto generico di r è del tipo (x0+λ l, y0+ λ m, z0+ λ n).
Esempio: Scrivere l'equazione della retta passante per P0 ( -1,2,4) e giacitura (l,m,n) = (2,1,-3)
x = −1 + 2λ
r: { y = 2 + λ
𝑧 = 4 − 3λ
Grazie all'equazione della retta è possibile scrivere il generico punto della retta P (-1 +2λ, 2+λ, 4-3λ)
EQUAZIONE DELLA RETTA NELLO SPAZIO PASSANTE PER DUE PUNTI
Siano P1(x1,y1,z1) P2(x2,y2,z2)
P(x,y,z) ∈ r ⇔ P1P // P2P ⇔ ∃ λ ∈ R tc (x-x1,y-y1,z-z1)=λ ( x2-x1,y2-y1,z2-z1)
x − x1 = λ (x2 − x1) = l
{y − y1 = λ (y2 − y1) = m
𝑧 − z1 = λ (z2 − z1) = n
Dal sistema ricavando λ si ottiene
𝑥−𝑥1 y−y1 𝑧−𝑧1
x2−x1
= y2−y1 = z2−z1 [Equazione della retta sotto forma di rapporti uguali]
Osservazione: Dalla equazione sotto forma di rapporti uguali ricordiamo che il vettore P1P2 è parallelo alla retta per cui
𝑥−𝑥1 y−y1 𝑧−𝑧1
possiamo rendere le coordinate di P1e P2 uguali a l,m,n: l = m = n
Osservazione: I parametri di direzione sono definiti almeno di un fattore differenziale.
Dal sistema si deduce che per λ=0, P ∈ r, P=P1; per λ=1, P ∈ r, P=P2; per 0<λ<1 ∈ r, tutti i valori da P1 a P2; per x=1/2,
𝑥1+𝑥2 y2+y1 𝑧2+𝑧1
P ∈ r, 𝑥 = 2 ; 𝑦 = 2 ; 𝑧 = 2
Esempio: Scrivere la retta passante per i punti P1(2,-2,3) P2 (4,1,-4). Applichiamo la seconda formula
𝑥−2 𝑧−3
𝑥−2 y+2 𝑧−3 = piano α
2 −7
= = ⇒ {y+2 𝑧−3 ⇒ r= α ∩ 𝛽
2 3 −7
= 𝑝𝑖𝑎𝑛𝑜 𝛽
3 −7
Esempio: Scrivere l'equazione della retta passante per P(1,-2,3) e avente come giacitura di v=(-1,1,2)
𝑥−1 𝑧−3
𝑥−1 y+2
𝑧−3 −1
= 2 2𝑥 + 𝑧 − 5 = 0 piano α
= = 2 ⇒{ y+2 𝑧−3 ⇒ { Alfa e beta si dicono equazioni ridotte della retta.
−1 1
= 2𝑦 − 𝑧 + 7 = 0 𝑝𝑖𝑎𝑛𝑜 𝛽
1 2
−1
−𝑧 5 |𝑙 2
𝑥 = 2 +2
1
{ z 7 ⇒ r |𝑚 (a z si assegna 1, a x il coefficiente di z nell’equazione con incognita x, a y il coefficiente di z nell’equazione con incognita y)
𝑦 =2−2 2
|𝑛 1
CONDIZIONE DI PARALLELISMO DI DUE RETTE NELLO SPAZIO
𝑙1 m1 𝑛1
Assegnate due rette r1//r ⇔ v1//v ⇔ ∃ k ∈ R tc v1= k*v cioè (l1,m1,n1)=k(l,m,n) cioè k= l = m
= 𝑛

CONDIZIONE DI PERPENDICOLARITÀ TRA DUE RETTE NELLO SPAZIO


Consideriamo r e r1, r perpendicolare r1 se i vettori sono ortogonali ⇔ v1•v=0 ⇔ l1*l + n1*n+m1*m=0
Siamo v(-1,-2,1) v0(1,1,1)
Determinare la retta per Q perpendicolare a r.
𝑥−𝑥0 𝑦−𝑦0 𝑧−𝑧0 𝑥−1 𝑦−1 𝑧−1
r: 𝑙1
= 𝑚1 = 𝑛1 = 𝑙1 = 𝑚1 = 𝑛1
Per essere perpendicolare il prodotto scalare dev'essere nullo quindi: v•v0= v• (l1,m1,n1)=-l1-2m1+n1=0
Si può assegnare un valore arbitrario ad l1 e m1 purché n1 sia ricavato dalla formula. Per esempio l1=-1, m1=1,
quindi n1= -1+2=1. La formula, andando a sostituire l1 m1 n1, è quindi r: -x+1=y-1=z-1
CAMBIAMENTO DI BASI
Sia V uno spazio vettoriale e {v1} sua base. Si dice matrice di passaggio della base v1 alla base v’i la matrice associata
all'endomorfismo identico rispetto alle basi fissate.
F: V→V
F(v1)= a11v1+a21v2+…+an1vn
F(v2)= a12v1+a22v2+…+an2vn

F(vn)= a1nvn+a2nvn+…+annvn
𝑎11 ⋯ 𝑎1𝑛
A=( ⋮ ⋱ ⋮ )
𝑎𝑛1 ⋯ …
Si osserva che la matrice passaggio dalla basa v1 alla base vi si ottiene esprimendo ogni vettore della prima base rispetto alla
seconda base. I coefficienti di v2 rispettano la seconda colonna di A e così via.
Esempio: V=R2 {v1,v2} basi v1=(1,0) v2=(0,-1) {v’1,v’2} basi v’1=(0,1) v’2=(-1,0)
Calcolare la matrice di passaggio dalla base v1 a v’1.
v1= λv’1+ μv’2
(1,0) = λ(0,1) + μ(-1,0) = (-μ, λ)
0 −1
A=( )
1 0
AUTOVALORI E AUTOVETTORI
Sia V sottoinsieme di R e f un endomorfismo su V. Un vettore v non nullo si dice autovettore di f se ∃ λ ∈ R tc f(v)=λ v.
λ prende il nome di autovalore di v f si dice autospazio relativo all’autovalore λ, l’insieme che indichiamo con
Vλ ={v∈V | f(v)=λ v} (NB: 0v appartiene all’autospazio ma non è autovettore!)

Consideriamo f(x; y) =(5*x,2*y), f : R2→R2. Verificare che v (7,0) è autovettore di f avente λ =5 come autovalore.
F(v)=f(7,0)=f(5*7,2*0)=5(7,0)=5v

La dimensione dell’autospazio Vλ si chiama molteplicità geometrica mentre il numero dei λ si chiama molteplicità algebrica
infatti 1< dim Vλ <molteplicità algebrica

MATRICI SIMILI
A e B si dicono matrici simili se esiste C invertibile tc A=C-1*B*C. Si prova che matrici associate allo stesso endomorfismo f
rispetto a basi diverse sono tra loro simili Matrici simili hanno lo stesso determinante:
det(A)=det(C-1*B*C)=det(C-1)*det(B)*det(C)=det(B)
Sia Anxn, si dice polinomio caratteristico il determinante della matrice A-λ*In dove λ è l’incognita del polinomio e In è la
λ 0 0 𝑎11 − λ ⋯ 𝑎1𝑛
matrice unità di ordine n, più precisamente: A-λ*In = A(aij)- (0 λ 0) =( ⋮ ⋱ ⋮ )
0 0 λ 𝑎𝑛1 ⋯ 𝑎𝑛𝑛 − λ
det(A-λ*In)=polinomio caratteristico. Se lo poniamo uguale a zero diventa equazione caratteristica.
Matrici simili hanno stesso polinomio: det(A-λ*In) = det(B-λ*In)

Come si calcolano gli autovettori? Sia F: V→V, λ autovalore di f, λ è soluzione dell’equazione caratteristica della matrice
associata a f rispetto ad una qualsiasi base. Per questo motivo si dice anche che λ autovalore di f è anche autovalore di una
matrice A associata a f. Ottenuti i λ, si va, volta per volta, a sostituire alla matrice A; da essa si ricavano le varie equazioni e,
messe a sistema, si risolvono. Il risultato è l’autovettore v.
DIAGONALIZZAZIONE
Si dice che una matrice A è diagonalizzabile se è simile ad una matrice diagonale cioè ∃ C invertibile tc D=C-1*A*C ovvero
C*D=A*C. Relativamente alla diagonalizzazione ci si pone un duplice problema:
1-vedere quanto A è diagonalizzabile;
2-se è diagonalizzabile capire com’è fatta la matrice D diagonale simile ad A.
Osservazione: una matrice avente gli autovalori non tutti reali non è diagonalizzabile.
Sia Anxn, si prova che A è diagonalizzabile se e solo se dim Vλ=molteplicità algebrica di λi, cioè λi è un generico autovalore.
Corollario: se A ammette autovalori distinti allora è diagonalizzabile.
Dimostrazione: 1< dim Vλ <molteplicità algebrica
Sia A diagonalizzabile, se v1, v2…vn sono n autovettori linearmente indipendenti relativi agli autovalori λ1, λ2… λn allora A è
λ1 0 0 𝑥1 𝑥2 𝑥𝑛
simile alla matrice diagonale D = ( 0 λ2 0 ) e la matrice C (tc D = C-1*A*C) è data da C= (𝑦1 𝑦2 𝑦𝑛 )(x1 e y1 sono le
0 0 λn . .1 . .2 ..n
componenti di v1, x2 e y2 sono le componenti di v2 e cosi via…)
1 −1 1−λ −1
Esempio 1: Sia A =( ). Matrice caratteristica =( ).
5 −1 5 −1 − λ
Polinomio caratteristico = (1- λ)*(-1- λ)+5= ±2i. A non è diagonalizzabile perché gli autovalori sono numeri complessi.
3 1
Esempio 2(completo): Sia A=( ).
0 1
3−λ 1
 Matrice caratteristica = ( )
0 1−λ
1 0
 Polinomio caratteristico = (3- λ)*(1- λ)=3 e 1 quindi D=( ).
0 3
 Autospazio relativo a ciascun autovalore:
o V1 x ∈ R2 tc Ax=1x
o V3 x ∈ R2 tc Ax=3x
3 1 3𝑥 + 𝑦 = 𝑥 𝑦 = −2𝑥
 Ax= λx, x=(𝑦𝑥 ) ⇒ ( ) ∗ (𝑦𝑥 ) = 1 ∗ (𝑦𝑥 ) ⇔ (3𝑥+𝑦 ) = (𝑦𝑥 )⇔{ ={ da qui V1= {(x,-2x) | x ∈ R},
0 1 𝑦 𝑦=𝑦 𝑥=𝑥
dim V1=1.
3 1 3𝑥 + 𝑦 = 3𝑥 𝑥 = 𝑥
 Ax= λx, x=(𝑦𝑥 ) ⇒ ( ) ∗ (𝑦𝑥 ) = 3 ∗ (𝑦𝑥 ) ⇔ (3𝑥+𝑦 ) = ( 3𝑥
)⇔{ ={ 𝑦 = 0 da qui V3= {(x,0) | x ∈ R},
0 1 𝑦 3𝑦 𝑦 = 3𝑦
dim V3=1.
1 1
 La matrice C è data dalle generiche basi: base V1 = v1=(1,-2); base V3=v3=(1,0); C=( )
−2 0
 Verifica relazione C*D=A*C:
1 3 3−2=1 3
C*D( )=, A*C=( ). I prodotti sono uguali, la relazione è verificata.
−2 0 −2 0
EQUAZIONI VARIE
 Del piano passante per un punto e perpendicolare ad un vettore: P(x0,y0,z0), v(a,b,c): a(x-x0)+b(y-y0)+c(z-z0)=0
 Condizione di parallelismo e perpendicolarità tra piani: π: ax+by+cz+d=0, π’: a’x+b’y+c’z+d’=0,
𝑑′
o π// π’ ⇔ n(a,b,c)//n’(a’,b’,c’) ⇔ ∃ k ≠ 0 tc a’=ka, b’=kb, c’=kc ⇒ π// π’:ax+by+cz+ 𝑘 =0
 Condizione di perpendicolarità tra 2 piani: π ⊥ π’ n ⊥ n’ ⇔ n•n’=0
 Equazione di una retta come intersezione di piani: una retta nello spazio può essere pensata come intersezione di 2
piani. Osservazione: la retta ha infinite coppie di piani che la individuano.
 Condizione di parallelismo e perpendicolarità fra retta e piano nello spazio:
o π//r ⇔n ⊥ r ⇔ al+bm+cn=0
o π⊥ r ⇔n // r ⇔∃ k ≠ 0 tc a=kl, b=km, c=kn
ax + by + cz + d = 0
 Equazione fasci di piani avente come assi una retta: Sia r una retta dello spazio, r: {
a’x + b’y + c’z + d’ = 0
o sia 𝒻 il fascio di r ,𝒻(r): λ*( ax+by+cz+d)+ μ*( a’x+b’y+c’z+d’)=0
o r c 𝒻(r) p(𝑥, 𝑦, 𝑧) ∈ R ⇔ a𝑥,+b𝑦+c𝑧+d=0 ∧ a’𝑥,+b’𝑦+c’𝑧+d’=0
o per λ=0 e μ≠0 si ottiene π’, per λ≠0 e μ=0 si ottiene π,per cui (λ μ,)≠(0,0)
o Supponendo per λ≠0 e dividendo l’equazione per λ, l’equazione diventa
(ax+by+cz+d)+ k*(a’x+b’y+c’z+d’)=0, questo fascio è detto fascio aperto perché in questo modo non
otterremo mai π.
x = 3z + 1
o Esempio: p(1,1,1), r: { 𝒻(r): (x-3z-1) + k(y-z+2) = 0.
y=z−2
o Sostituiamo a x, y, z il punto: (1-3-1) + k(1-1+2) = 0 ⇒ k=3/2
 Angolo tra due piani nello spazio: supponiamo di avere π e π’
|𝑎∗𝑎 ′ +𝑏∗𝑏′ +𝑐∗𝑐 ′ |
o cos 𝑎 =
√𝑎 2 +𝑏2 +𝑐 2 ∗√𝑎′2 +𝑏′2 +𝑐′2
 Angolo retta piano: supponiamo di avere π e r
|𝑎∗𝑙+𝑏∗𝑚+𝑐∗𝑛|
o sen 𝑎 =
√𝑎 2 +𝑏2 +𝑐 2 ∗√𝑙 2 +𝑚2 +𝑛2
 Distanza di un punto da un piano: supponiamo π e P0(x0,y0,z0)
|𝑎∗𝑥0+𝑏∗𝑦0+𝑐∗𝑧0|
o d(P0,π)=
√𝑎 2 +𝑏2 +𝑐 2
SUPERFICIE DELLO SPAZIO
Si dice superficie l’insieme (o luogo) dei punti dello spazio le cui coordinate soddisfano l’equazione del tipo F(x; y; z)=0. La
sfera è una superficie nello spazio perché un punto p(x; y; z) ∈ S(c; r) con c=( α; β; γ) ⇔ d(P;
c)=r=√(𝑥 − 𝛼)2 + (𝑦 − 𝛽)2 + (𝑧 − 𝛾)2 ⇔ 𝑟 2 = (𝑥 − α)2 + (𝑦 − 𝛽)2 + (𝑧 − 𝛾)2 (equazione della sfera).
Si dice curva nello spazio l’intersezione di 2 superfici cioè l’insieme dei punti dello spazio soddisfacenti un sistema del tipo
F(x, y, z) = 0
{
G(x, y, z) = 0
CILINDRI
Si dice cilindro nello spazio una superficie definita come il luogo geometrico delle rette dello spazio che si poggiano su una
curva c detta curva direttrice e parallele ad una retta r che si dice direzione delle generatrici.
𝑥2 + 𝑦2 + 𝑧2 = 3
Esercizio: Ricavare l’equazione del cilindro avente come curva direttrice la circonferenza c { e v = 2i+j+3k
𝑦+𝑧 =1
𝑥−𝑥0 𝑧−𝑧0
𝑥02 + 𝑦02 + 𝑧02 = 3 l
= n
P0∈c, P0=(x0,y0,z0) ⇒ { g[P0 // v] = { y−y0 𝑧−𝑧0
𝑦0 + 𝑧0 = 1 =
m n
2 2 2 𝑥02 + 𝑦02 + 𝑧02 = 3
𝑥0 + 𝑦0 + 𝑧0 = 3 −3𝑦+𝑧+3
𝑦0 + 𝑧0 = 1 𝑧0 =
4
Si mettono a sistema tutte le equazioni 𝑥−𝑥0 𝑧−𝑧0 l=2, m= 1, n =3 ⇒ 3𝑦−𝑧+1
l
= n 𝑦0 =
y−y0 𝑧−𝑧0 4
{ = 2𝑥−𝑦−𝑧−1
m n { 𝑥0 =
2
2𝑥−𝑦−𝑧−12 3𝑦−𝑧+12 −3𝑦+𝑧+32
Sostituendo si ottiene: 2
+ 4 + 4
=3
CONI
Sia assegnata la curva c nello spazio. Si dice cono di vertice il punto v e curva c, il luogo delle rette passanti per v che si
poggiano sulla curva c. Le rette che si poggiano si dicono generatrici del cono
𝑥−1 𝑧−2
2 2 = −2
Esercizio: v(1,-1,2) c ={𝑥 + 𝑦 = 1 x0−1
si prende un punto P0∈c. Si scrive la retta g[v, P0] = { y+1 𝑧−2 . Si mettono tutte le
𝑧=0 = −2
y0+1
equazioni a sistema e si svolte come per il cilindro.

CONICHE E QUADRICHE (coniche sono nel piano, quadriche nello spazio)


Si dice conica l'insieme dei punti del piano soddisfacenti l'equazione del tipo a11x2+a22y2+2a12xy+2a13x+2a23y+a33=0
𝑎11 𝑎12 𝑎13
Si ricava la matrice 𝑎12 𝑎22 𝑎23
𝑎13 𝑎23 𝑎33
Se il suo rango é:
1 doppiamente degenere (formata da due rette coincidenti), c = {r, r}
2 semplicemente degenere c = {r, s}, rette distinte, si calcolano le componenti
3 non degenere (elisse, parabola iperbole): se il complementare di a33 è <0 elisse, = 0 parabola, >0 iperbole.

Le quadriche sono superfici dello spazio rappresentate da un’equazione di secondo grado nelle variabili x, y, z. Sono la
naturale generalizzazione delle coniche: Q=a11x2+a22y2+a33z2+2a12xy+2a13xz+2a23yz +2a14x+2a24y+2a34z+ a44=0
𝑎11 𝑎12 𝑎13 𝑎14
Si ricava la matrice 𝑎12 𝑎22 𝑎23 𝑎24
𝑎13 𝑎23 𝑎33 𝑎34
𝑎14 𝑎24 𝑎34 𝑎44
Se il suo rango è:
4 non degenere (ellissoide, iperboloide, paraboloide)
3 Specializzati (coni, cilindri)
2 Semplicemente Degenere (π1uπ2)
1Doppiamente Degenere (π1uπ1)

EQUAZIONI CONICHE DELLE QUADRICHE


ELLISSOIDE 𝑥2 𝑦2 𝑧2
+ + =1
𝑎2 𝑏 2 𝑐 2
IPERBOLOIDE 1 FALDA 𝑥2 𝑦2 𝑧2
+ − =−1
𝑎2 𝑏 2 𝑐 2
2 2
IPERBOLOIDE 2 FALDE 𝑥 𝑦 𝑧2
− − =1
𝑎2 𝑏 2 𝑐 2
PARABOLOIDE IPERBOLICO 𝑥2 𝑦2
− = 𝑐𝑧
𝑎2 𝑏 2
PARABOLOIDE ELITTICO 𝑥2 𝑦2
+ = 𝑐𝑧
𝑎2 𝑏 2
2 2
CONO QUADRICO 𝑥 𝑦 𝑧2
+ − =0
𝑎2 𝑏 2 𝑐 2
CILINDRO PARABOLICO 𝑦 = 𝑎𝑥 2
CILINDRO ELITTICO 𝑥2 𝑦2
+ =1
𝑎2 𝑏 2
2 2
CILINDRO IPERBOLICO 𝑥 𝑦
− =1
𝑎2 𝑏 2
DOPPIAMENTE DEGENERE (x + y + z)2 = 0
SEMPLICEMENTE DEGENERE (𝑥 + 𝑦 + 𝑧) ∗ (𝑥 + 𝑦) = 0
SUPERFICI DI ROTAZIONE
Si dice superficie di rotazione la superficie generata dalla rotazione i una curva attorno alla retta. La retta si dice asse della
superficie di rotazione.

𝑆: 𝑑𝑖 𝑐𝑒𝑛𝑡𝑟𝑜 𝑐 ∈ 𝑅 𝑒 𝑟𝑎𝑔𝑔𝑖𝑜 𝑃𝐶
∁: {
𝜋: 𝑝𝑖𝑎𝑛𝑜 𝑝𝑒𝑟 𝑃 𝑒 ⊥ r

RETTE SGHEMBE
Due rette nello spazio si dicono sghembe quando la loro intersezione è vuota e non sono paralleli. La retta di minima
distanza fra due rette sghembe è l’unica retta perpendicolare ad entrambe le rette.
[𝑅𝑆] ⊥ r
𝑆𝑖𝑎𝑛𝑜 𝑟 𝑒 𝑠 𝑑𝑢𝑒 𝑟𝑒𝑡𝑡𝑒, 𝑅 ∈ 𝑟 𝑒 𝑆 ∈ 𝑠, 𝑟𝑒𝑡𝑡𝑎 [𝑅𝑆]: {
[𝑅𝑆] ⊥ s
MATRICI
1-Generalità
Si dice matrice Amxn la tabella di numeri reali e complessi.
Due matrici si dicono uguali se ai=bi;j per ogni i e per ogni j.
La Matrice Trasposta è la matrice ottenuta scambiando le righe con le colonne (AT).
La matrice i cui elementi sono tutti zero si dice matrice nulla.
La matrice opposta è la matrice avente gli elementi opposti della matrice data (-A).
La matrice è quadrata se m=n.
La diagonale di una matrice è formata dagli elementi ai;i.
Una matrice quadrata si dice simmetrica se A = AT.
La matrice diagonale è quella matrice avente gli elementi non appartenenti alla diagonale nulli.
La matrice unità è la matrice diagonale avente gli elementi della diagonale uguali a 1 (I).
Una matrice quadrata si dice triangolare se per ogni i>j si ha che a i;j=0.

2-Operazioni
Somma tra matrici mxn: A+B= (ai;j+bi;j)
Il prodotto tra matrici o prodotto riga-colonna tra A e B è uguale alla matrice C=(ci;k) con ci;k = aik*bk;j se e solo se il
numero di righe della matrice A è uguale al numero di colonne della matrice B.
Proprietà:
A(BC)=(AB)C – associativa
A(B+C)=AB+AC – distributiva destra
(B+C)A=BA+CA – distributiva sinistra
Non vale la proprietà commutativa.

La matrice ennesima di A è An=A*A*A... n volte.


Se A è una matrice quadrata: I*A=A*I=A - 0*A=A*0=0
La trasposta di un prodotto (A*B)T=BT*AT

3-Determinante
Il determinante di una matrice quadrata è un numero reale
Se n=1 allora det(A)=a
Se n=2 allora det(A)=(a11+a22) – (a12+a21)
SE n=3 si applica la formula di Sarrus
SE n =>4 si applica la regola di Laplace det(A)=∑(-1)i+j*det(Aij)

Il complemento algebrico è il determinate della matrice non avente la i-esima riga e j-esima colonna di un dato ai;j.

Proprietà determinante:
1- det(A)=det(AT);
2- scambiando due righe o due colonne il det(A) cambia di segno;
3- se tutti gli elementi di una riga o colonna sono 0, il determinante sarà 0;
4- se due righe o due colonne di una matrice sono proporzionali o uguali il determinante sarà 0;
5- se si moltiplicano gli elementi di una riga o colonna per un numero reale k, il determinante sarà=det(A)*k;
6- il determinante di A non cambia se sommiamo ad una riga un’altra riga moltiplicata per k. Stesso per le colonne;
7- det(A*B) = det(A)* det(B) secondo il teorema di Binet;
Data una matrice di ordine mxn si dice minore di ordine r, con r <={m,n}, la matrice quadrata che si ottiene dalla
matrice A interessando m righe ed m colonne.
Si dice che una matrice ha rango r se si può estrarre un minore di ordine r con determinante diverso da zero e con i
minori di ordine maggiore di r con determinante tutti 0.

4-Matrice inversa
Una matrice quadrata è invertibile se e solo se il determinante della matrice è diverso da 0.
(−1)𝑖+𝑗 det(𝐴𝑗𝑖)
Data A (ai;j)la sua inversa A-1(xi;j) è data dalla formula xi;j= det(𝐴)
Per trovare la matrice inversa bisogna prima accertarsi che la matrice sia quadrata e il suo determinante non sia nullo.
Dopodiché si considera la matrice dei complementi algebrici degli elementi di A, si considera poi la matrice che si ottiene
dall’ultima dividendo ogni elemento per il determinante. Infine di quest’ultima matrice si fa la trasposta.
det(A-1)=1/det(A); oppure det(A-1)= det(𝐴𝑖𝑗)/det(A)n.
A*A-1=A-1*A=I & (A*B)-1=B-1*A-1
SISTEMI LINEARI
1-Generalità
Si dice lineare quando si può scrivere a1x1+a2x2…+anxn=n con a ∈ R. Se l’equazione ammette la soluzione nulla è
omogenea. La ennupla ordinata di numeri reali (k1,k2…) si dice soluzione dell’equazione se accade che
a1k1+a2k2+…ankn=b.

2-Teorema di Rouche-Capelli
Un sistema lineare ha soluzione se e solo se il rango della matrice completa è uguale al rango della matrice incompleta.
Rank(A)=Rank(A,B)

3-Teorema di Kramer
Dato un sistema di m equazioni in n incognite esso ha una e una sola soluzione se e solo se il determinante è diverso dal
valore nullo.
Ki una incognita della equazione; D è il determinante del sistema; Di è il determinante del sistema con al posto della i-
esima colonna i risultati: ki = Di / D.
Con la regola di Kramer si possono risolvere sistemi di m equazioni in n incognite. Dato un sistema di m equazioni in n
incognite si possono presentare i seguenti casi:
1- Rank(A)=m=n: si applica Kramer dopo aver verificato che il determinante non è nullo.
2- Rank(A)=m<n: la compatibilità è sempre garantita dal teorema Rouche-Capelli
3- Rank(A)<m: non è assicurata la compatibilità, bisogna verificarlo col teorema Rouche-Capelli.
Il minore che permette di calcolare il determinante di A è detto minore fondamentale.