1 Richiami Di Matematica

Richiami e definizioni di concetti
matematici.
Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

DEF: Si chiama direzione D, l’insieme delle rette parallele ad
una retta data:
Consideriamo un punto x su una retta D 0 appartenente all’insieme

D. Prendiamo inoltre un’altra retta A appartenente al medesimo
piano di D.
DEF: Si chiama proiezione di x su A secondo la direzione D
l’intersezione tra D 0 e A. Indichiamo la proiezione con il simbolo
p(x).

DEF: Si chiama trasformazione una funzione che associa un
punto di applicazione x del piano P con un punto p(x) del
medesimo piano.
DEF: Si chiama vettore v una trasformazione di un qualsiasi

punto x in p(x) avente lunghezza v secondo la direzione D.
Gli elementi che caratterizzano il vettore sono:

modulo o norma (distanza tra x e p(x));
direzione;
verso.

DEF: si chiama versore un vettore di modulo 1.
DEF: si chiama vettore nullo un vettore di modulo 0.
DEF: dato un vettore v si chiama vettore opposto il vettore

−v .

Operazioni con i vettori
La somma del vettore u e del vettore v è un vettore w

avente lo stesso punto di applicazione comune di u e di v ed è
dato dalla diagonale del parallelogramma individuato dai due
vettori originari.
moltiplicazione tra uno scalare a ed un vettore v :
è un vettore definito sulla stessa direzione di v , la cui norma è
pari al prodotto tra la norma di v e lo scalare ed il cui verso è
lo stesso di v se a > 0 ed è opposto a quello di v se a < 0.

DEF: si chiama spazio vettoriale o lineare un insieme E i
cui elementi sono detti vettori e tale che per ogni elemento sono
definite le operazioni di somma tra vettori e di moltiplicazione per
uno scalare.
DEF: si chiama combinazione lineare tra due vettori v e w il
vettore c definito come c = λv + αw .
DEF: dato un insieme di vettori non nulli, essi si dicono
linearmente indipendenti se e solo se la loro combinazione
lineare dà il vettore nullo solamente nel caso in cui siano nulli tutti
gli scalari. In simboli:
v , w e z sono linearmente indipendenti se:

λv + αw + γ z = 0 ⇐⇒ λ, α, γ = 0
Il numero massimo di vettori linearmente indipendenti definiti in

uno spazio dà la dimensione dello stesso.
DEF: Si chiama base l’insieme di vettori linearmente indipendenti
aventi il medesimo punto di applicazione. Tale punto di
applicazione comune si chiama origine.
DEF: base ortogonale è una base i cui vettori appartengono a

direzioni poste a 90◦ ;
DEF: base ortonormale è una base ortogonale i cui vettori

sono versori.
L’aspetto notevole degli spazi vettoriali è che qualunque spazio R p

di dimensione p può essere generato da una base.

Esiste corrispondenza biunivoca tra insiemi ordinati di numeri e
vettori. Facciamo un esempio in R 2 :


Notiamo che il vettore a può essere espresso come combinazione

lineare della base ortonormale definita in R 2 : a = y j + x i .

Notiamo che il vettore a può essere espresso come combinazione

lineare della base ortonormale definita in R 2 : a = y j + x i .
Notiamo inoltre che la coppia ordinata di scalari (x, y ) rappresenta
le coordinate del punto P. Ciò è vero per ogni punto possibile del
piano, il che significa che ad ogni coppia di punti è associato un
vettore con punto di applicazione nell’origine.
La coppia ordinata (x, y ) in R 2 si chiama componente del
vettore a . È possibile estendere il ragionamento in uno spazio
R p dove ciascun vettore ha come componente un p − pla ordinata
di numeri.
In termini più formali diciamo che un vettore v ∈ E è scomponibile

in un numero di componenti pari al numero di vettori linearmente
indipendenti di E .

Ancora sulla somma di vettori
Consideriamo il vettore c ottenuto come somma di due vettori a e

b e riscriviamo questi ultimi alla luce di quanto appena detto:
c = a + b = (xa i + ya j ) + (xb i + yb j ) =
= (xa + xb ) i + (ya + yb ) j
Analogamente:
d = a − b = (xa i + ya j ) + (−xb i − yb j ) =
= (xa − xb ) i + (ya − yb ) j

Un aspetto importante sul quale torneremo tra breve è il concetto

di vettore somma e di vettore differenza.





L’aspetto da tenere presente è che il vettore differenza a − b può

essere visto anche come congiungente i punti A e B rappresentati
dai vettori a e b rispettivamente:

Richiami minimi di trigonometria
Dato un cerchio di raggio OA, definiamo le due quantità:

AH
sin(θ) =
OA
OH
cos(θ) =
OA
E’ facile vedere che cos(θ) è dato dal rapporto tra la lunghezza
(norma) del vettore c e la lunghezza del vettore a .
Calcolo della norma (modulo) di un vettore
Sia dato un vettore a ∈ R 2 :
Dal teorema di Pitagora (parte destra del grafico) appare evidente

che la norma di a è:
ka k = x 2 + y 2
p
ove x ed y sono le componenti del vettore.

Ricordando quanto visto da un punto di visto trigonometrico,
valgono le seguenti importanti uguaglianze:
kc k
ka k = (1)
cos(θ)
kc k = ka k · cos(θ) (2)
La relazione 2 ci ritornerà molto utile nel seguito. Si noti che il

vettore c è la proiezione di a lungo una direzione perpendicolare a
quella generata dal versore i .
Distanza (o metrica)
DEF: la Distanza (o metrica), d(A, B) tra due punti qualunque

definiti nello spazio R p , è una funzione che ha come dominio R p e
come codominio R (R p → R ) e che gode delle seguenti proprietà:
1 Non negatività: d(A, B) ≥ 0;
2 Simmetria: d(A, B) = d(B, A)
3 identità: A = B ↔ d(A, B) = 0
4 disuguaglianza triangolare:
d(A, B) ≤ d(A, C ) + d(B, C )
Uno spazio su cui è definita una distanza è detto spazio metrico.

Per i nostri fini, la distanza serve per comprendere quanto due
oggetti (punti) sono somiglianti tra loro.

Prodotto scalare
Il prodotto scalare tra due vettori a e b definiti su R p è una
operazione che associa alla coppia di vettori a = (a1 , a2 , · · · ap ),
b = (b1 , b2 , · · · bp ) un numero reale (cioè un punto in R 1 ) cosı̀
definito:
ha · b i = a1 b1 + a2 b2 + a3 b3 + · · · + ap bp =
p
ai b i = a 0 b = b 0 a
X
=
i=1
E’ possibile dimostrare che vale la seguente relazione tra prodotto

scalare, norma e angolo formato dai vettori a e b :
ha · b i = ka k · kb k · cos(θ)

Prodotto scalare tra un vettore ed un versore
Riprendiamo l’ultima espressione del prodotto scalare modificandola
in modo che uno dei due vettori abbia norma unitaria:
ha · e1 i = ka k · ke1 k · cos(θ)


Proiettiamo a ortogonalmente alla direzione

identificata da e1 :




Sappiamo che ka ∗k = ka k · cos(θ)


Sappiamo che ka ∗k = ka k · cos(θ)
Segue, quindi, che ha · e1 i = ka k · ke1 k · cos(θ) = ka ∗k.

Cioè il prodotto scalare tra vettore e versore dà la norma del
vettore ottenuto come proiezione ortogonale di a sulla direzione
identificata da e1 .
Se anziché avere un versore ho un vettore qualunque b è facile

capire che ottengo: ha · b i = ka k · kb k · cos(θ) = kb k · ka ∗k.
Cioè il prodotto scalare tra vettore e vettore dà kb k volte la norma

del vettore ottenuto come proiezione ortogonale di a sulla direzione
identificata da b .

Notiamo che:
1 Se θ = 90◦ → ha · b i = 0 essendo cos(θ) = 0;
2 Se θ < 90◦ → ha · b i > 0 in quanto cos(θ) > 0;
3 Se θ > 90◦ → ha · b i < 0 in quanto cos(θ) < 0;
Inoltre:
ha · a i = ka k · ka k · cos(θ) = ka k2
in quanto θ = 0◦ e quindi cos(θ) = 1.

Quindi il prodotto scalare di un vettore per se stesso restituisce il
quadrato delle sua lunghezza.

Proprietà del prodotto scalare
Siano dati tre vettori a , b e c definiti nello stesso spazio metrico

R p e lo scalare k. Valgono le seguenti proprietà:
1 ha · b i = hb · a i (simmetria e commutatività);
2 ha · (b + c )i = ha · b i + ha · c i (distributività rispetto alla
somma);
3 hk a · b i = k ha · b i;
4 ha · a i > 0 per a 6= 0.
Esercizio: verificare la proprietà 2.

Relazione tra prodotto scalare e distanza
Riprendiamo la figura sul vettore differenza:
E’ facile capire che valgono le seguenti relazioni:
d(A, B) = ka − b k
d 2 (A, B) = ha − b , a − b i = ka − b k2
Si dimostra (facciamolo!) inoltre che:
d 2 (A, B) = ka k2 + kb k2 − 2 ka k kb k cos(θ) = ka k2 + kb k2 − 2 ha · b i
Vettori, angoli e distanze in funzione della base di
riferimento
A seconda della base di riferimento cambiano le distanze tra punti
e gli angoli di riferimento:

riferimento

riferimento
I vettori sono ortogonali.

riferimento

riferimento
I vettori non sono più ortogonali ed è

cambiata pure la distanza tra i punti A e B.

Ecco perché occorre sempre definire la metrica M di riferimento
dello spazio nel quale si opera.
In termini generali, ridefiniamo la distanza tra due punti, la norma
di un vettore ed il prodotto scalare tra due vettori come segue:
q
d(A, B) = ha − b , a − b iM = (a − b )0 M(a − b ) = ka − b kM ;
p
ha · b iM = a 0 M b ;
√
ka kM = a 0 M a

Matrici
DEF: Una matrice è una tabella ordinata di vettori (punti).
 
a11 a12 ··· a1p
 a21 a22 ··· a2p 
An,p =
 ···
 (3)
··· ··· ··· 
an1 an2 ··· anp
Le dimensioni della matrice (n, p) definiscono il numero di vettori e

la dimensione dello spazio su cui sono definiti.

Esempio
Siano dati i seguenti tre punti definiti nello spazio R 2 :
La matrice A corrispondente ai tre punti è:

1 4 5
A2,3 = (4)
4 3 1

Principali tipi di matrici
Matrice Simbolo Definizione

Nulla O Insieme di vettori nulli
Trasposta A0 , AT Scambia le righe con colonne
Quadrata Ann N.ro righe = n.ro colonne
Diagonale diag (A),D Quadrata con elementi extradiagonali nulli
Scalare K Diagonale con elementi pari a k
Identità I Diagonale con elementi pari a 1
Unitaria U Rettangolare con elementi pari a 1
Idempotente A2 = A
Simmetrica A = A0
Ortogonale Matrice i cui vettori colonna sono una base
ortonormale AA0 = I
Inversa A−1 AA−1 = I

Operazioni definite sulle matrici
Date due matrici A e B di dimensioni appropriate ed uno scalare k,

sono definite le seguenti tre operazioni:
1 Somma A + B;
2 Moltiplicazione per uno scalare kA;
3 Moltiplicazione tra due matrici A · B.

Operazioni definite sulle matrici: somma di due matrici
Siano date le matrici A e B cosı̀ composte:
   
a11 a12 ··· a1p b11 b12 ··· b1p
 a21 a22 ··· a2p   b21 b22 ··· b2p 
An,p =
 ···
 ; Bn,p =  .
··· ··· ···   ··· ··· ··· ··· 
an1 an2 ··· anp bn1 bn2 ··· bnp
Allora abbiamo che:

 
a11 + b11 a12 + b12 ··· a1p + b1p
 a21 + b21 a22 + b22 ··· a2p + b2p 
Cn,p = An,p + Bn,p = 
 ··· ··· ··· ··· 
an1 + bn1 an2 + bn2 ··· anp + bnp

Operazioni definite sulle matrici: prodotto per uno scalare
Sia data una matrice An,p e uno scalare k. Il prodotto kA è una

matrice Cn,p definita come segue:
 
ka11 ka12 ··· ka1p
 ka21 ka22 ··· ka2p 
Cn,p = k · An,p =
 ···
;
··· ··· ··· 
kan1 kan2 ··· kanp

Operazioni definite sulle matrici: prodotto tra due matrici
Siano date le seguenti due matrici An,p e Bp,k .
   
a11 a12 ··· a1p b11 b12 ··· b1k
 a21 a22 ··· a2p 
  b21 b22 ··· b2k 
An,p =
 ··· ; Bp,k =  .
··· ··· ···   ··· ··· ··· ··· 
an1 an2 ··· anp bp1 bn2 ··· bpk
Il prodotto A · B è una matrice Cn,k definita come segue:
 Pp Pp Pp
a1j bj1 a b ··· a b

j=1
Pp Ppj=1 1j j2 Ppj=1 1j jk

j=1 a2j bj1 j=1 a2j bj2 ··· j=1 a2j bjk

Cn,k = An,p · Bp,k = 

Pp · · · Pp · · · ··· Pp · · ·

j=1 anj bj1 j=1 anj bj2 ··· j=1 anj bjk
E’ immediato verificare che A · B 6= B · A

Operazioni definite sulle matrici: prodotto tra due matrici
Un caso particolare di prodotto tra matrici di notevole importanza è
il prodotto tra una matrice ed un vettore di dimensioni appropriate:
Cn,1 = An,p · pp,1
Trattiamo ora un caso particolare molto utile in seguito. Sia data

una matrice quadrata Ap,p ed un vettore xp,1 . Il prodotto A · x è
una funzione che trasforma p punti di R p in un punto di R p . In
parole povere è una specie di “condensazione” di un insieme di
punti in un unico punto.
Ap,p · xp,1 = bp,1
Un problema interessante che affronteremo a breve è la ricerca di

quel vettore x in grado di trasformare A in b.
Traccia di una matrice e prodotto scalare tra matrici
Data una matrice quadrata An,n , la sua traccia è definita come la

somma degli elementi lungo la diagonale principale:
n
X
tr (A) = = aii
i=1
Date due matrici An,p e Bn,p è definito il prodotto scalare tra esse
come segue:
hA · Bi = tr (A · B 0 )

Proprietà della traccia
Date due matrici A e B e due scalari k e λ, la traccia gode delle

seguenti proprietà:
1 tr (kAp,p + λBp,p ) = ktr (Ap,p ) + λtr (Bp,p );
2 tr (An,m · Bm,n ) = tr (Bm,n · An,m );
3 tr (Ap,p ) = tr (A0p,p );
4 tr (An,m · A0m,n ) = tr (A0m,n · An,m );
5 la traccia di una matrice Ap,p è pari alla somma dei suoi
autovalori1 .
1
Si veda più avanti per la definizione di autovalore
Determinante di una matrice
DEF: Il determinante di una matrice quadrata Ap,p è definito

come la somma dei prodotti degli elementi di una riga qualunque
per i rispettivi complementi algebrici.
Da un punto di vista geometrico, il determinante è una quantità
correlata con l’ipervolume della figura geometrica identificata dai p
punti della matrice A.
Più precisamente il (valore assoluto) del determinante è pari alla
variazione ottenuta dall’ipervolume identificato dai p punti della
matrice A rispetto all’ipervolume ottenuto dalla base ortonormale.

Esempio
Supponiamo di avere la matrice seguente:

2 4
A2,2 =
4 3
corrispondente alla rappresentazione grafica seguente:
det(A) = 2 · 3 − 4 · 4 = −10; ciò significa che l’area del

parallelogramma a sinistra (vettori blu) è 10 volte quella del
quadrato a destra (vettori arancioni).
Proprietà del determinante
Date due matrici A e B, di dimensioni appropriate, sono definite le

seguenti proprietà del determinante:
1 det(A) = det(A0 );
2 Se una riga o una colonna di A sono nulle allora det(A) = 0;
3 Se una riga (colonna) di A può essere espressa come
combinazione lineare di altre righe (colonne), allora
det(A) = 0;
4 det(A · B) = det(B) · det(A);
5 det(A + B) 6= det(B) + det(A);
6 il det(A) è pari al prodotto degli autovalori ad essa associati.
Se det(A) = 0 A è detta matrice singolare.

Rango di una matrice
DEF 1: Il rango r di una matrice An,p è pari al massimo numero di

righe linearmente indipendenti; ne consegue che r ≤ min(n, p).
Qualora An,p avesse r = min(n, p) diciamo che essa ha rango
pieno.
DEF 2: Il rango r di una matrice An,p è pari all’ordine della
matrice quadrata più grande avente determinante diverso da zero.

Sistemi di equazioni lineari
Un sistema di n equazioni lineari in p incognite è definito nel modo
seguente:


 a11 x1 + a12 x2 + · · · +a1p xp = b1
a21 x1 + a22 x2 + · · · +a2p xp = b2

(5)

 ··· ··· ··· ···
an1 x1 + an2 x2 + · · · +anp xp = bn

ove A e b sono noti e x è incognito. Se b = 0 il sistema lineare (5)

è detto omogeneo. Il sistema 5 può essere scritto in modo
compatto utilizzando la notazione matriciale seguente:
An,p · xp,1 = bn,1
Qualora A fosse quadrata (ad esempio n, n2 ) e se det(A) 6= 0 la
soluzione (unica) del sistema (5) è data da:
xn,1 = A−1
n,n · bn,1
2
Lo stesso varrebbe -mutatis mutandis - se A fosse p, p.
Sistemi di equazioni lineari
Il sistema lineare omogeneo seguente:
An,n · xn,1 = 0 (6)
ammette sempre la soluzione (detta impropria) x = 0; si dimostra

che il sistema (6) ammette soluzioni proprie se e solo se
det(A) = 0.

Autovalori e autovettori
Sia A una matrice quadrata. Ci domandiamo sotto quali condizioni

esistono uno scalare λ ed un vettore x tali che:
An,n xn,1 = λxn,1 (7)
λ è detto autovalore (o radice caratteristica) e x

autovettore.
Quindi l’autovettore è un vettore particolare in quanto se gli
applico una trasformazione lineare (cioè la matrice), esso non
cambia direzione. Può al massimo cambiare verso (λ < 0) oppure
6 1).
lunghezza (|λ| =

Autovalori e autovettori
Riscriviamo il sistema (7) come segue:
An,n xn,1 − λxn,1 = 0

(An,n − λIn,n ) · xn,1 = 0
Le soluzioni sono quelle del sistema omogeneo e, come detto, tali

soluzioni sono proprie se e solo se det(An,n − λIn,n ) = 0.
Sviluppando il det(An,n − λIn,n ) otteniamo una equazione (detta
equazione caratteristica) di grado n in cui l’incognita è λ.
L’equazione caratteristica ammette n soluzioni.

Proprietà degli autovalori
Sia data una matrice An,n . Sono definite le seguenti proprietà:

1 Gli autovalori di A sono uguali a quelli di A0 . Gli autovettori
sono invece, in generale, diversi;
tr (A) = ni=1 λi ;
P
2
det(A) = ni=1 λi .
Q
3

Matrici simmetriche ad elementi reali
Tali matrici sono estremamente importanti in statistica perché esse

sono molto frequenti. Ne costituiscono un esempio le matrici di
varianza-covarianza, di correlazione, di distanza, di similarità.
Data una matrice simmetrica ad elementi reali An,n , valgono le
seguenti importanti proprietà:
1 gli autovalori sono reali;
2 gli autovettori sono ortogonali;
3 il rango di A è pari al numero dei suoi autovalori non nulli.

Forme quadratiche
Siano dati una matrice simmetrica An,n ed un vettore xn,1 . La

seguente espressione è detta forma quadratica:
XX
Q(x) = x 0 Ax = aij xi xj (8)
i j
Si noti che la forma quadratica (8) è uno scalare. Si noti anche che
per x = 0 la forma quadratica è nulla.
DEF: Se una forma quadratica Q(x) > 0 per ogni x 6= 0 allora essa
è detta definita positiva.
DEF: Se Q(x) ≥ 0 per ogni x 6= 0 allora si dice la forma
quadratica è semidefinita positiva. In questo caso gli
autovalori di An,n sono tutti non negativi.

Forme quadratiche: proprietà
Sia data una forma quadratica Q(x) definita positiva. Valgono le

seguenti proprietà:
1 Gli autovalori di An,n sono tutti strettamenti positivi;
2 il rango di An,n è pari a n;
3 An,n è diagonalizzabile, cioé esiste una matrice ortogonale
Pn,n tale che:
 
λ1 0 ··· 0
0 λ2 ··· 0 
P −1 AP = D = 


 ··· ··· ··· ··· 
0 0 ··· λn
E’ possibile dimostrare che gli elementi della matrice diagonale D

sono gli autovalori di A. Si dimostra inoltre che la matrice
ortogonale P è formata dagli autovettori di A.

Forme bilineari
DEF: data una matrice An,p e due vettori xn,1 e yp,1 , si definisce
forma bilineare la seguente espressione:
p
n X
X
0
B = x Ay = aij xi yj (9)
i=1 j=1

1 Richiami Di Matematica

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

1 Richiami Di Matematica

Titolo originale:

Caricato da

Copyright:

Richiami e definizioni di concetti

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Consideriamo un punto x su una retta D 0 appartenente all’insieme

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

DEF: Si chiama vettore v una trasformazione di un qualsiasi

Gli elementi che caratterizzano il vettore sono:

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

DEF: si chiama vettore nullo un vettore di modulo 0.

DEF: dato un vettore v si chiama vettore opposto il vettore

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

La somma del vettore u e del vettore v è un vettore w

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

v , w e z sono linearmente indipendenti se:

Il numero massimo di vettori linearmente indipendenti definiti in

DEF: base ortogonale è una base i cui vettori appartengono a

DEF: base ortonormale è una base ortogonale i cui vettori

L’aspetto notevole degli spazi vettoriali è che qualunque spazio R p

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Notiamo che il vettore a può essere espresso come combinazione

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Notiamo che il vettore a può essere espresso come combinazione

In termini più formali diciamo che un vettore v ∈ E è scomponibile

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Consideriamo il vettore c ottenuto come somma di due vettori a e

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Un aspetto importante sul quale torneremo tra breve è il concetto

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Un aspetto importante sul quale torneremo tra breve è il concetto

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Un aspetto importante sul quale torneremo tra breve è il concetto

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

L’aspetto da tenere presente è che il vettore differenza a − b può

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Dato un cerchio di raggio OA, definiamo le due quantità:

Dal teorema di Pitagora (parte destra del grafico) appare evidente

ove x ed y sono le componenti del vettore.

La relazione 2 ci ritornerà molto utile nel seguito. Si noti che il

DEF: la Distanza (o metrica), d(A, B) tra due punti qualunque

Uno spazio su cui è definita una distanza è detto spazio metrico.

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

E’ possibile dimostrare che vale la seguente relazione tra prodotto

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Proiettiamo a ortogonalmente alla direzione

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Proiettiamo a ortogonalmente alla direzione

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Proiettiamo a ortogonalmente alla direzione

Sappiamo che ka ∗k = ka k · cos(θ)

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Proiettiamo a ortogonalmente alla direzione

Sappiamo che ka ∗k = ka k · cos(θ)

Segue, quindi, che ha · e1 i = ka k · ke1 k · cos(θ) = ka ∗k.

Se anziché avere un versore ho un vettore qualunque b è facile

Cioè il prodotto scalare tra vettore e vettore dà kb k volte la norma

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

in quanto θ = 0◦ e quindi cos(θ) = 1.

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

Siano dati tre vettori a , b e c definiti nello stesso spazio metrico

Esercizio: verificare la proprietà 2.

Maria Felice Arezzo mariafelice.arezzo@uniroma1.it

E’ facile capire che valgono le seguenti relazioni: