LA FORMA DI JORDAN DI UN ENDOMORFISMO

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "LA FORMA DI JORDAN DI UN ENDOMORFISMO"

Transcript

1 LA FORMA DI JORDAN DI UN ENDOMORFISMO FILIPPO BRACCI 1 POLINOMIO MINIMO E POLINOMIO CARATTERISTICO Sia V uno spazio vettoriale di dimensione finita N 1 su K con K = R, C Indichiamo con End(V ) lo spazio delle applicazioni lineari da V in V Sia T End(V ) Osserviamo che per un polinomio p(x) K[x] è ben definito p(t ) nel modo seguente: se p(x) = a 0 + a 1 x + a n x n allora p(t ) = a 0 Id + a 1 T + + a n T n End(V ), dove T j = T T j-volte Possiamo allora definire I T = {p K[x] : p(t ) = 0}, dove 0 è ovviamente l operatore nullo che associa ad ogni v V l elemento neutro 0 Si prova subito che I T è un ideale di K[x] Lemma 11 I T K[x] e I T {0} Dimostrazione È chiaro che I T K[x] Inoltre End(V ) ha dimensione N 2 Dato che Id, T,, T N 2 sono N 2 +1 vettori di End(V ) devono essere necessariamente linearmente indipendenti e dunque esistono a 0,, a N 2 K tali che a 0 Id + + a N 2T N 2 = 0, e pertanto il polinomio a a N 2x N 2 I T che dunque non è ridotto al solo 0 Dato che K è un campo ne segue che K[x] è un anello euclideo e pertanto è a ideali principali (PID) In particolare esiste un (unico) polinomio monico µ T (x) K[x] tale che I T = µ T (x) Definizione 12 Il polinomio µ T (x) si dice il polinomio minimo di T Nota 13 (1) Sia R un automorfismo di V Dato che (RT R 1 ) m = RT m R 1, ne segue che p(rt R 1 ) = Rp(T )R 1 In particolare endomorfismi simili hanno lo stesso polinomio minimo (2) Il polinomio minimo è caratterizzato dall essere quel polinomio monico p di grado minimo tale che p(t ) = 0 (3) End(V ) è un K[x]-modulo tramite la mappa K[x] p p(t ) End(V ) Fissiamo una base di V e associamo a T in tal base la (N N)-matrice A In base all osservazione 131 è possibile parlare di polinomio minimo della matrice A 1

2 2 F BRACCI Definizione 14 Il polinomio caratteristico di un T End(V ) è definito tramite Le radici di p T (λ) si dicono gli autovalori di T p T (λ) = det(λid T ) Si dice che un vettore v V \ {0} è un autovettore di T se T v = λv per qualche λ K Si noti che v V \ {0} è un autovettore di T se e solo se (T λid)v = 0 per qualche λ K In particolare v V \ {0} è un autovettore di T se e solo se l operatore λid T non è invertibile, ovvero se e solo se det(λid T ) = 0 Pertanto λ è un autovalore di T se e solo se esiste un autovettore (non nullo) v di T tale che T v = λv Si definisce V λ = {v V : T v = 0} È facile verificare che V λ = {0} se e solo se λ non è un autovalore di T Se λ K è un autovalore di T allora V λ si chiamo l autospazio di T relativo all autovalore λ Il nome autospazio suggerisce che effettivamente V λ sia uno spazio vettoriale In effetti vale Teorema 15 Sia λ K un autovalore di T Allora V λ è un sottospazio vettoriale di V Dimostrazione Occorre provare che V λ è chiuso rispetto alla somma e al prodotto per uno scalare Siano v, w V λ Allora T (v + w) = T (v) + T (w) = λv + λw = λ(v + w) e pertanto v + w V λ In modo simile si dimostra che V λ è chiuso rispetto al prodotto per uno scalare Definizione 16 Sia λ K un autovalore di T End(V ) La molteplicità algebrica ma(λ) è definita come la molteplicità della radice λ nel polinomio caratteristico p T (x) In altri termini ma(λ) = α se (x λ) α divide p T (x) e (x λ) α+1 non divide p T (x) La molteplicità geometrica di λ è definita da mg(λ) = dimv λ Lemma 17 Per un autovalore λ K di T vale mg(λ) ma(λ) Dimostrazione Poniamo β = mg(λ) Allora esiste una base {v 1,, v β, v β+1,, v N } di V tale che V λ = v 1,, v β In tale base la matrice A = (a ij ) associata a T è tale che a jj = λ per j = 1,, β, a ij = 0 per 1 i < j β, 1 j < i β Pertanto un calcolo diretto mostra che (x λ) β divide p T (x) e dunque β ma(λ) come volevasi Proposizione 18 Siano α, β K due autovalori di T Se α β allora V α V β = {0} In particolare per ogni v V α \{0} e w V β \{0} si ha che v e w sono linearmente indipendenti Dimostrazione Se v V α V β allora αv = T (v) = βv e dunque (α β)v = 0 Dato che α β 0 ciò implica che v = 0 Definizione 19 Sia W V un sottospazio vettoriale di V Si dice che W è T -invariante se T w W per ogni w W Un sottospazio W V che sia T -invariante si dice T -irriducibile (o semplicemente irriducibile) se per ogni sottospazio W W che sia T -invariante risulta W = W oppure W = {0}

3 FORMA DI JORDAN 3 Se v è un autovettore di T allora v è T -invariante (e irriducibile) Viceversa se W è un sottospazio unidimensionale di V T -invariante, allora ogni w W \ {0} è un autovettore di T Più in generale V λ è T -invariante (ma può essere o meno irriducibile) Definizione 110 Un applicazione lineare T End(V ) si dice triangolarizzabile se esiste una base {v 1,, v N } di V tale che gli spazi V j = v 1,, v j siano T -invarianti per ogni j = 1,, N Osserviamo che se T è triangolarizzabile, e la base {v 1,, v N } realizza tale triangolarizzazione, allora v 1 è un autovettore per T Più in generale la matrice associata a T nell base {v 1,, v N } è una matrice triangolare superiore (ovvero tale che A = (a ij ) con a ij = 0 per i > j, i, j = 1,, N) Teorema 111 Sono equivalenti: (1) T è triangolarizzabile (2) Il polinomio caratteristico p T (x) si scompone nel prodotto di fattori lineari La dimostrazione è omessa in questa versione In particolare si ha la prima differenza fondamentale tra spazi vettoriali reali e complessi: Corollario 112 Se V è uno spazio vettoriale su C allora ogni T End(V ) è triangolarizzabile Dimostrazione Sia T End(V ) Per il teorema 111 si ha che T è triangolarizzabile se e solo se P T (x) = (x λ 1 ) α1 (x λ r ) α r, per qualche r N, λ j C e α j N tale che α 1 + α r = N Ma per il teorema fondamentale dell algebra questo è sempre vero Si ha inoltre Teorema 113 (Hamilton-Caley) p T (T ) = 0 La dimostrazione è omessa in questa versione Come conseguenza diretta si ha Corollario 114 Il polinomio minimo µ T (x) divide il polinomio caratteristico p T (x) In particolare deg(µ T (x)) N Vediamo adesso le relazioni tra autovalori e polinomio minimo Proposizione 115 Se λ è un autovalore di T End(V ) allora (x λ) divide il polinomio minimo µ T (x) Dimostrazione Sia v V \ {0} tale che T v = λv Si consideri l ideale di K[x] definito da I T,v := {q K[x] : q(t )v = 0} Chiaramente (x λ) I T,v Ma K[x] è un dominio di integrità ad ideali principali, ed essendo (x λ) il polinomio monico di grado minimo (le costanti non nulle non stanno in I T,v ) in I T,v

4 4 F BRACCI ne segue che (x λ) è un generatore di I T,v Ora, per definizione, µ T (T )v = 0 e pertanto µ T (x) I T,v e dunque (x λ) divide µ T (x) Mettendo assieme il Corollario 114 e la Proposizione 115 si ottiene il seguente risultato: Proposizione 116 Sia T End(V ) e supponiamo che il polinomio caratteristico di T sia dato da p T (x) = (x λ 1 ) α1 (x λ r ) α r dove λ j K,con λ j λ i se i j, r N, 1 α j N e α α r = N Allora il polinomio minimo µ T (x) è dato da con 1 β j α j Esempio 117 Sia T : C 2 seguente matrice: µ T (x) = (x λ 1 ) β1 (x λ r ) β r C 2 definito da T (x, y) = A(x, y) t, dove A è definita dalla A = ( ) Un calcolo diretto ci dà p T (λ) = (λ 1) 2 Per il teorema 113 si ha che µ T può essere λ 1 oppure (λ 1) 2 Si scarta subito la prima possibilità dato che T Id 0 Dunque µ T (λ) = (λ 1) 2 2 DIAGONALIZZAZIONE DI ENDOMORFISMI Definizione 21 Un operatore T End(V ) si dice diagonalizzabile se esiste una base di V formata da autovettori di T Dunque T è diagonalizzabile se esistono v 1,, v N vettori linearmente indipendenti tali che T v j = λ j v j per qualche λ j K Nella base {v 1,, v N } che diagonalizza T la matrice associata a T è la matrice diagonale A che ha come entrate λ j, ovvero A = (a ij ) con a ij = 0 per i j e a jj = λ j per i, j = 1,, N Teorema 22 (1) Se T possiede N autovalori distinti allora T è diagonalizzabile (2) T è diagonalizzabile se e solo se esistono r autovalori distinti λ 1,, λ r K tali che r dimv λi = N i=1 (3) T è diagonalizzabile se e solo se esistono r autovalori distinti λ 1,, λ r K tali che V = V λ1 V λr (4) T è diagonalizzabile se e solo se il polinomio caratteristico p T (x) si spezza nel prodotto di fattori lineari e la molteplicità geometrica di ogni autovalore eguaglia la molteplicità algebrica

5 FORMA DI JORDAN 5 Dimostrazione 1 Siano λ 1,, λ N gli N autovalori distinti Allora dimv λj 1 Per j = 1,, N, sia v j V λj un autovettore (non nullo) di T Occorre e basta provare che {v 1,, v N } sono linearmente indipendenti Ma questo segue subito dalla Proposizione 18 Infatti, supponiamo per assurdo v j = i j a iv i Allora v j V λj e d altra parte v j i j V λi Ma V λj i j V λi = {0} e pertanto v j = 0, contraddizione 2 Se T è diagonalizzabile è chiaro che la somma delle dimensioni degli autospazi è N Viceversa per ogni j si sceglie una base di V λj indicata da {v1, j, v j β j } (dove β j = dimv λj ) Nuovamente per la Proposizione 18 i vettori {v1, 1, vβ 1 1,, vβ r r } sono linearmente indipendenti, ma dato che sono N sono una base di V e quindi T è diagonalizzabile 3 Segue dal punto 2 precedente e dalla Proposizione 18 4 Se il polinomio caratteristico si spezza nel prodotto di fattori lineari distinti significa che esistono r 1 autovalori distinti λ 1,, λ r tali che ma(λ 1 ) + + ma(λ r ) = N Se mg(λ j ) = ma(λ j ) per ogni j allora (per definizione di molteplicità geometrica) risulta dimv λj = N e si applica il punto 2 Il viceversa è ovvio Un criterio più fine per la diagonalizzazione è il seguente, la cui dimostrazione richiede però il teorema di decomposizione primaria ed è posticipata alla sezione successiva: Teorema 23 T è diagonalizzabile se e solo se il polinomio minimo µ T (x) si spezza nel prodotto di fattori lineari distinti, vale a dire se esistono λ 1,, λ r K tutti distinti tali che µ T (x) = (x λ 1 ) (x λ r ) 3 IL TEOREMA DI DECOMPOSIZIONE PRIMARIA NEL CASO DI SPEZZAMENTO LINEARE DEL POLINOMIO CARATTERISTICO In questa sezione supponiamo V uno spazio vettoriale di dimensione N su K = R, C e T End(V ) Se p T (x) è il polinomio caratteristico di T supponiamo che si spezzi in fattori lineari: p T (x) = (x λ 1 ) α1 (x λ r ) α r con r, α j numeri naturali strettamente maggiori di zero tali che α α r = N e λ j C con λ j λ i se i j Per la Proposizione 116 il polinomio minimo µ T (x) è allora dato da µ T (x) = (x λ 1 ) β1 (x λ r ) β r con 1 β j α j Osserviamo che se K = C allora per il teorema fondamentale dell algebra il polinomio caratteristico si spezza sempre in fattori lineari Definizione 31 L autospazio generalizzato E λj relativo all autovalore λ j di T è definito tramite E λj = Ker(λ j Id T ) α j Enunciamo adesso le proprietà basilari di E λj : Teorema 32 (Decomposizione Primaria) Se il polinomio caratteristico di T si spezza in fattori lineari valgono le seguenti:

6 6 F BRACCI (1) E λj è un sottospazio T -invariante (2) V λj E λj (3) V = E λ1 E λr (4) Il polinomio caratteristico di T Ej è dato da (x λ j ) α j (5) dime λj = α j (6) Il polinomio minimo di T Eλj è dato da (x λ j ) β j Dimostrazione 1 Notiamo che (λ j Id T ) T = T (λ j Id T ) Pertanto iterando questa relazione si ottiene (λ j Id T ) s T = T (λ j Id T ) s per ogni s 1 Dunque se v E λj allora (λ j Id T ) s v = 0 per qualche 1 s α j Pertanto per l osservazione precedente si ha (λ j Id T ) s T v = T (λ j Id T ) s v = T 0 = 0, e allora T v E λj 2 Dato che V λj = Ker(λ j Id T ) Ker(λ j Id T ) s per ogni s 1, allora V λj E λj 3Proviamo che E λ1 + + E λr = V Siano p j (x) = i j (x λ i) α i per j = 1,, r I polinomi p j (x) per j = 1,, r non hanno fattori comuni di grado positivo in C[x], ne segue che esistono h 1 (x),, h r (x) C[x] tali che p 1 (x)h 1 (x) + + p r (x)h r (x) = 1 Poniamo V j = p j (T )V Dalla relazione precedente segue che V = V V r, dato che ogni v V si può scrivere come v = p 1 (T )u p r (T )u r, con u j = h j (T )v Dato che p T (T )v = 0 per il Teorema 113, ne segue che V j Ker(λ j Id T ) α j = E λj e pertanto E λ1 + + E λr = V Proviamo adesso che E λj ( i j E λ i ) = {0} Diamo la dimostrazione per j = 1 Sia 0 v E λ1 e supponiamo v = u u r con u j E λj Allora p 1 (T )u k = 0 per k = 2,, r e pertanto deve essere p 1 (T )v = 0 Per quanto visto in precedenza risulta v = p 1 (T )v p r (T )v r, dove v j = h j (T )v Essendo però p j (T )v = 0 per j 1 (dato che v E λ1 ), ne segue che p l (T )v l = 0 e dunque v = p 1 (T )h 1 (T )v = h 1 (T )p 1 (T )v = 0 contro l ipotesi su v 4 Per semplificare le notazioni poniamo T j = T Eλj Per i punti 2 e 3 risulta che l unico autovalore di T j su E λj è λ j Pertanto il polinomio caratteristico di T j è dato da p Tj (x) = (x λ j ) s j per qualche s j 1, e s j = dime λj Vogliamo provare che s j = α j Per farlo scegliamo una base {v 1,, v N } di V in modo tale che i primi s 1 vettori siano una base di E λ1, i successivi s 2 vettori siano un base di E λ2 e cosi via (è possibile farlo per il punto 4) Inoltre utilizzando il Corollario 112 su ciascun T j si può assumere che tale base triangolarizzi T In tale base la matrice A associata a T è una matrice triangolare superiore tale che a ii = λ 1 per

7 i = 1,, s 1, a ii = λ 2 per i = s 1 + 1, s 1 + s 2, etc, e si ha N p T (x) = (x a ii ) FORMA DI JORDAN 7 i=1 Pertanto s j = α j per ogni j 5 Segue subito dal punto 5 e dalla definizione di polinomio caratteristico 6 Sia µ j (x) il polinomio minimo di T j = T Eλj Per il punto 5 e per il Corollario 114 risulta che µ j (x) = (x λ j ) s j per qualche 1 s j α j Dato che µ T (T )v = 0 per ogni v V, ne segue che µ j (x) divide µ T (x) per j = 1,, r e dunque s j β j D altra parte, poniamo p(x) = µ 1 (x) µ r (x) Poichè ogni v V si scrive come somma di u u r per qualche u j E λj risulta che p(t )v = 0 e dunque µ T (x) divide p(x) e pertanto s j β j, da cui la tesi Possiamo adesso dimostrare il Teorema 23 Dimostrazione del Teorema 23 Se T è diagonalizzabile la matrice A associata a T in una base che diagonalizza T è una matrice diagonale Un calcolo diretto mostra allora che il polinomio minimo di T si spezza nel prodotto di fattori lineari distinti Viceversa, supponiamo che µ T (x) sia il prodotto di fattori lineari distinti Per il teorema di decomposizione primaria possiamo scegliere una base {v 1,, v N } di V in modo che i primi α 1 vettori formino una base di E λ1, i successivi α 2 vettori formino una base di E λ2, etc Vogliamo (e basta) provare che ogni v j è un autovettore di T Ma il polinomio minimo di T Eλj è (x λ j ) per il teorema di decomposizione primaria Dunque per ogni v E λj vale (T λ j Id)v = 0 In particolare ogni v j è un autovettore, come volevasi 4 DECOMPOSIZIONE SECONDARIA In questa sezione ci preoccuperemo di trovare una decomposizione T -invariante di E λj per j = 1,, r, nelle ipotesi del Teorema 32 Fissiamo dunque λ j Per semplificare le notazioni poniamo λ = λ j, α = α j e β = β j Per il Teorema 32, si ha che il polinomio caratteristico di T Eλ è p j (x) = (x λ) α e il suo polinomio minimo è µ j (x) = (x λ) β Definizione 41 Un sottospazio W E λ si dice un sottospazio ciclico se esiste w 0 W tale che ogni altro w W è della forma p(t )w 0 per qualche p(x) K[x] Il vettore w 0 si dice un generatore ciclico di W Vale il seguente risultato: Teorema 42 (Teorema di decomposizione secondaria) Esiste una decomposizione T -invariante di E λ data da (41) E λ = E λ 1 E λ ma(λ), tale che ogni Ej λ è un sottospazio ciclico Inoltre se n j = dimej λ, e si ordinano in modo che 1 nma(λ) n 1, risulta che (1) n 1 = β

8 8 F BRACCI (2) (x λ) nj è il polinomio minimo di T E λ j (3) Ogni altra decomposizione T -invariante di E λ in sottospazi ciclici ha ma(λ) componenti e su ogni componente la restrizione di T ha polinomio minimo (x λ) n j per j = 1,, ma(λ) Prima di dare la dimostrazione del Teorema 42, premettiamo alcune considerazioni: Definizione 43 I polinomi (x λ) n 1,, (x λ) n ma(λ) si dicono i divisori elementari di T su E λ Più in generale, facendo variare λ j si ottiene una collezione {(x λ 1 ) n1 1,, (x λr ) nr ma(λr) } di polinomi che sono detti i divisori elementari di T Il Teorema 32 e il Teorema 42 affermano che i divisori elementari di T sono univocamente determinati e determinano univocamente T a meno di coniugio con automorfismi di V In altri termini Proposizione 44 Siano T, T due endomorfismi di V tali che il polinomio caratteristico p T (x) di T e il polinomio caratteristico p T (x) di T si spezzano in fattori lineari T e T hanno gli stessi divisori elementari se e solo se esiste un automorfismo S di V tale che T = S T S 1 Dimostrazione Se T e T sono coniugati allora hanno ovviamente gli stessi divisori elementari Viceversa, applicando dai Teoremi 32 e 42 si ottengono due decomposizioni di V per T e T L isomorfismo S si realizza allora mandano ogni generatore ciclico della T -decomposizione nel corrispondente generatore ciclico della T -decomposizione I dettagli sono lasciati come esercizio Nota 45 Il Teorema 42 non afferma gli spazi Ej λ sono univocamente determinati, visto che, come sarà chiaro dalla dimostrazione, dipendono dal generatore ciclico (che non è unico) Procediamo adesso alla dimostrazione del Teorema 42 La dimostrazione è costruttiva e fornisce un metodo pratico per trovare la decomposizione secondaria e più in particolare sarà utilizzata per trovare la forma di Jordan di T Dimostrazione del Teorema 42 Se β = 1 allora T è diagonalizzabile su E λ per il Teorema 23 e non c è niente da dimostrare (ogni Ej λ è generato da un autovettore di T ) Supponiamo β > 1 Dato che µ j (T ) = (x λ) β, esiste v 0 tale che (T λid) β 1 (v) 0 Osserviamo che (T λid) β 1 (E λ ) V λ poichè (T λid) β (E λ ) = {0} Dunque costruiamo la seguente catena di sottospazi: {0} Im(T λid) β 1 (E λ ) V λ Im(T λid) β 2 (E λ ) V λ V λ I Posto k β 1 = dimim(t λid) β 1 (E λ ) V λ, prendiamo una base u β 1 1,β 1,, uβ 1 k β 1,β 1 di Im(T λid) β 1 (E λ ) V λ Poniamo S = (T λid) Dato che ogni u β 1 l,β 1 è immagine di (T λid) β 1 v = S β 1 v per qualche v E λ (che non sarà unico dato che ogni altra combinazione del tipo v+u con u V λ risolve lo stesso sistema) si possono trovare u 0 1,β 1,, u0 β 1,β 1 E λ tali che per l = 1,, k β 1 u β 1 l,β 1 = Sβ 1 (u 0 l,β 1)

9 FORMA DI JORDAN 9 Poniamo u j l,β 1 = Sj (u 0 l,β 1 ) per l = 1,, k β 1 e j = 1,, β 2 Si pone allora E λ l = u 0 l,β 1,, u β 1 l,β 1 per l = 1,, k β 1 (A I ) Si dimostra che dime λ l = β per l = 1,, k β 1 e E λ i E λ j = {0} per i j Posticipiamo la dimostrazione di (A I ) e procediamo nella costruzione degli spazi Ej λ Poniamo k i = dimim(t λid) i (E λ ) V λ per i = 0,, β 2 II Se k β 2 > k β 1 allora esistono dei vettori u β 2 k β 1 +1,β 1,, uβ 2 k β 2,β 1 tutti non nulli, tali che u β 1 1,β 1,, uβ 1 k β 1,β 1, uβ 2 k β 1 +1,β 1,, uβ 2 k β 2,β 1 sono una base di Im(T λid)β 2 (E λ ) V λ Come prima si possono trovare dei vettori u 0 k β 1 +1,β 2,, u0 k β 2,β 2 E λ tali che per l = k β 1 + 1,, k β 2 u β 2 l,β 2 = Sβ 2 (u 0 l,β 2) Poniamo u j l,β 2 = T j (u 0 l,β 2 ) per l = k β 1 + 1,, k β 2 e j = 1,, β 2 Si pone allora E λ l = u 0 l,β 2,, u β 2 l,β 2 per l = k β 1 + 1,, k β 2 e j = 1,, β 2 (A II ) Si dimostra che dime λ l = β 2 per l = k β 1 + 1,, k β 2 e E λ i E λ j = {0} per i j La dimostrazione di (A II ) è posticipata Se k β 1 = k β 2 si salta il punto II e si passa la punto III seguente: III Se k β 3 > k β 2 si ragiona come nel punto II costruendo k β 3 k β 2 catene di vettori u j l,β 3 per j = 0,, β 3 e l = k β 2 + 1,, k β3 Si definiscono poi gli spazi E λ l = u 0 l,β 3,, u β 3 l,β 3 per l = k β 2 + 1,, k β 3 e j = 1,, β 3 Si prova poi (A III ) Si dimostra che dimel λ = β 3 per l = k β 2 + 1,, k β 3 e Ei λ Ej λ = {0} per i j Se k β 3 = k β 2 si salta il punto III Si passa poi al punto IV ripetendo il punto II se k β 4 > k β 3 Si prosegue in questo modo poi fino ad arrivare a confrontare k β (β 1) e k 0 = ma(λ) Si nota che ogni dim(ej λ V λ ) = 1 e pertanto gli Ej λ sono ma(λ) Inoltre se v E λ risulta (T λid) β l (v) = 0 per qualche l = 1,, β 1 Allora v appartiene allo spazio generato da u β l β 1,1,, uβ l β 1,k β 1, u 0 β l,k β l 1,, u 0 β l,k β l che è contenuto dunque nella somma degli Ej λ Proviamo adesso (A I ),, (A x ) Per prima cosa, posto u = u 0 j,β l si vuole provare che u, Su,, S β l u sono linearmente indipendenti (qui l = 1,, β e j = k β l 1,, k β l ) Infatti se a 0 u + a β l S β l u = 0 allora applicando S β l si ottiene a 0 S β l u = 0 ed essendo S β l u 0 per costruzione, risulta a 0 = 0 Si applica poi S β l+1 e si ottiene a 1 = 0 e cosi via fino a a β l = 0 Questo dimostra che le dimensioni dei vari Ej λ sono quelle volute Proviamo poi che E i E j = {0} per i j Supponiamo che E i = u, Su,, S β a 1 u e E j = v, Sv,, S β b 1 v per certi 0 a, b β, con S β a 1 u e S β b 1 v linearmente indipendenti Possiamo anche suppore a b Si vede subito che u,, S b a 1 u non possono

10 10 F BRACCI appartenere a E j poiché S β b (S j u) = 0 solo se j b a Poniamo w = S β a u e E i = w,, S β b 1 w Basta allora dimostrare che S j w E j per j = 0,, β b 1 Sia S j w = a 0 v + + a β b 1 S β b 1 v Applicando S β b 1 a tale identità si ottiene S j+β b 1 w = a 0 S β b 1 v, da cui a 0 = 0 se j > 0 poichè S j+β b 1 w = 0 e se j = 0 nuovamente a 0 = 0 poichè S β b 1 w = S β a 1 u e S β b 1 v sono linearmente indipendenti Si procede cosi applicando successivamente S β b 2,, S, Id per ottenere a 1 = = a β b 1 = 0 Per terminare la dimostrazione del teorema occorre verificare (1), (2) e (3) Ma (1) e (2) sono immediati dalla definizione di E λ j Per la (3), sia E λ = W 1 W m una decomposizione T -invariante in sottospazi ciclici Sia w 1 un generatore ciclico di W 1 Allora esiste 1 s β tale che (T λid) s w 1 = 0 ma (T λid) s 1 w 1 0 Vogliamo dimostrare che W 1 = w 1,, S s 1 w 1 Sia w W 1 Allora w = p(t )w 1 per qualche p(x) K[x] È facile verificare che allora esiste q(x) K[x] tale che w = q(s)w 1 Infatti se w = a 0 T w 1 allora w = a 0 Sw 1 + λw 1 Per induzione supponiamo sia vero per tutti i polinomi fino al grado m 1 Allora dato che S m = (T λid) m = T m +h(t ) con degh(x) < m e dunque T m = S m h(t ), se w = p(t )w 1 = a m T m w 1 + +a 0 w 1 si ha w = a m S m w 1 +g(t )w 1 con g(x) di grado minore di m, e per induzione si ha il risultato Dunque w 1 è un generatore S-ciclico di W 1 Dunque per ogni w W 1 esiste un polinomio q(x) di grado m tale che w = q(s)w 1 = a 0 w 1 + +a m S m w 1 Ma poichè S j w 1 = 0 per j s si ha w = a 0 w a s 1 S s 1 w 1 Ragionando come in precedenza quando abbiamo trovato la dimensione degli E λ j, si vede che w 1, Sw 1,, S s 1 w 1 sono linearmente indipendenti Si noti che il polinomio minimo di T ristretto a W 1 è (x λ) s e dunque la dimensione di W 1 coincide con il grado del polinomio minimo di T ristretto a W 1 Si ripete il ragionamento per tutti i W j Si nota che per ogni W j risulta dim(w j V λ ) = 1 e quindi risulta m = ma(λ) Ordiniamo in modo decrescente i W j in base alla loro dimensione Sia η k il numero di spazi W j di dimensione k Occorre e basta provare che gli η k sono univocamente determinati da S Dalla base di W j si vede subito che dim(w j S l (E λ )) = 0 se l dimw j, mentre dim(w j S l (E λ )) = dimw j l se l < dimw j Pertanto ogni spazio di dimensione β k (con k = 0,, β) contribuisce con (β k) (β j) = j k vettori linearmente indipendenti ad una base di Im(S β j ) (dove 0 < j < k) Pertanto si ha, per 0 j < β dim ImS β j = jη β + (j 1)η β η j+1 Da qui si vede subito che η β è determinato solo da S, dunque anche η β 1 è determinato solo da S e cosi via tutti gli altri 5 LA FORMA DI JORDAN Definizione 51 Una matrice A quadrata m m si dice un blocco di Jordan di dimensione m relativo a λ C se a ii = λ, a i+1,i = 1 per i = 1,, m, e tutte le altre entrate a ij = 0 se i j, j + 1 Una matrice N N J si dice matrice di Jordan se è una matrice a blocchi, in cui ogni blocco è di Jordan

11 FORMA DI JORDAN 11 Definizione 52 Sia T End(V ) Si dice che T è riducibile in forma di Jordan se esiste una base (detta base di Jordan per T ) di V in cui la matrice associata a T sia una matrice di Jordan Teorema 53 (Esistenza della forma di Jordan) Sia T End(V ) L endomorfismo T è riducibile in forma di Jordan se e solo se il suo polinomio caratteristico p T (x) si spezza nel prodotto di fattori lineari Dimostrazione Se T è riducibile in forma di Jordan basta calcolare p T (x) per la matrice associata a T nella base di Jordan per T e verificare che è prodotto di fattori lineari Viceversa si applica il Teorema 32 e il Teorema 42 Dato che ogni E λ j k è ciclico, per ogni j, k si sceglie un generatore ciclico v jk tale che, (T λ j Id) n jk vjk = 0 (dove n jk = dime λ j k ) Si pone allora e jk l = (T λ j Id) njk l v jk, per l = 1,, n jk Per la scelta fatta risulta che {e jk l }, ordinata in modo che e jk l+1 segua ejk l per ogni j, k, è una base di V, e si verifica subito che la matrice associata a T in tale base è una matrice di Jordan Teorema 54 (Unicità della forma di Jordan) La forma di Jordan di T End(V ) quando esiste è unica a meno di coniugio In altri termini, se A è una matrice di Jordan di T in una data base di V e B è una matrice di Jordan di T in un altra base, allora esiste una matrice C invertibile tale che B = C 1 AC Dimostrazione Notiamo che se A è una matrice di Jordan associata a T in una qualche base, allora lo spazio V ha una decomposizione in sottospazi T -invarianti ciclici (su ognuno di tali sottospazi T è dato da un blocco di Jordan di A) Si vede subito che ognuno di tali sottospazi è contenuto in un (unico) autospazio generalizzato di T e dunque l unicità segue dal Teorema 42 Per il teorema precedente è possibile parlare di numero dei blocchi di Jordan di T di una certa dimensione relativi ad un autovalore In effetti, come si vede dalla dimostrazione dei due precedenti teoremi, T ha un blocco di dimensione k relativo all autovalore λ j se e solo se nella decomposizione spettrale di V relativa a T esiste E λ j s di dimensione k Poniamo η j k = numero di blocchi di Jordan di dimensione k relativi a λ j Teorema 55 (Proprietà della forma di Jordan) Sia T End(V ) tale che p T (x) = (x λ 1 ) α1 (x λ r ) α r e µ T (x) = (x λ 1 ) β1 (x λ r ) β r Allora (1) α j = η j 1 + 2η j β j η j β j (2) η j β j 1 (3) η j η j β j = mg(λ j ) = dimv λj (4) dim[im(t λ j Id) β j k E λj ] = k 1 l=0 (k l)ηj β j l per k = 1,, β j 1 (5) η j β j k = dim[im(t λ jid) β j k+1 V λj ] dim[im(t λ j Id) β j k V λj ]

12 12 F BRACCI (6) η j k = 2dimKer(T λ jid) k dimker(t λ j Id) k+1 dimker(t λ j Id) k 1 Dimostrazione I punti dall 1 al 5 si ricavano direttamente dalla dimostrazione del Teorema 32 e 42 e dalle osservazioni precedenti Per quanto riguarda il punto 6, si nota che dim[im(t λ j Id) β j k E λj ] = rk(t λ j Id) β j k Eλj = α j dimker(t λ j Id) β j k Eλj = α j dimker(t λ j Id) β j k, poichè l operatore (T λ j Id) β j k è invertibile su i j E λi Dalla formula 4, tenendo conto che α j = dimker(t λ j Id) β j si ha la formula

GEOMETRIA 1 Autovalori e autovettori

GEOMETRIA 1 Autovalori e autovettori GEOMETRIA 1 Autovalori e autovettori Gilberto Bini - Anna Gori - Cristina Turrini 2018/2019 Gilberto Bini - Anna Gori - Cristina Turrini (2018/2019) GEOMETRIA 1 1 / 28 index Matrici rappresentative "semplici"

Dettagli

CORSO DI GEOMETRIA APPLICAZIONI LINEARI E MATRICI A.A. 2018/2019 PROF. VALENTINA BEORCHIA

CORSO DI GEOMETRIA APPLICAZIONI LINEARI E MATRICI A.A. 2018/2019 PROF. VALENTINA BEORCHIA CORSO DI GEOMETRIA APPLICAZIONI LINEARI E MATRICI AA 2018/2019 PROF VALENTINA BEORCHIA INDICE 1 Matrici associate a un applicazione lineare 1 2 Cambiamenti di base 4 3 Diagonalizzazione 6 1 MATRICI ASSOCIATE

Dettagli

Autovalori, Autovettori, Diagonalizzazione.

Autovalori, Autovettori, Diagonalizzazione. Autovalori Autovettori Diagonalizzazione Autovalori e Autovettori Definizione Sia V uno spazio vettoriale sul campo K = R o C e sia T : V V un endomorfismo Un vettore non nullo v V \ {O} si dice autovettore

Dettagli

APPUNTI SULLA DIAGONALIZZAZIONE Corso Prof. F.Podestà, a.a

APPUNTI SULLA DIAGONALIZZAZIONE Corso Prof. F.Podestà, a.a APPUNTI SULLA DIAGONALIZZAZIONE Corso Prof FPodestà, aa 003-004 Sia V uno spazio vettoriale e sia f : V V una applicazione lineare una tale applicazione da uno spazio vettoriale in se stesso è chiamata

Dettagli

CORSO DI ALGEBRA (M-Z) Prof. A. Venezia

CORSO DI ALGEBRA (M-Z) Prof. A. Venezia CORSO DI ALGEBRA (M-Z) Prof. A. Venezia 2015-16 Complementi ed Esercizi 1. AUTOVETTORI e AUTOVALORI di ENDOMORFISMI e MATRICI Una applicazione lineare avente per dominio e condominio lo stesso spazio vettoriale

Dettagli

Autovalori e autovettori

Autovalori e autovettori Autovalori e autovettori Definizione 1 (per endomorfismi). Sia V uno spazio vettoriale su di un campo K e f : V V un suo endomorfismo. Si dice autovettore per f ogni vettore x 0 tale che f(x) = λx, per

Dettagli

p(ϕ) = a 0 Id + a 1 ϕ + + a n ϕ n,

p(ϕ) = a 0 Id + a 1 ϕ + + a n ϕ n, 1. Autospazi e autospazi generalizzati Sia ϕ: V V un endomorfismo. Allora l assegnazione x ϕ induce un morfismo di anelli ρ: K[x] End K (V ). Più esplicitamente, al polinomio p dato da viene associato

Dettagli

Lezioni di Algebra Lineare V. Autovalori e autovettori

Lezioni di Algebra Lineare V. Autovalori e autovettori Lezioni di Algebra Lineare V. Autovalori e autovettori Versione novembre 2008 Contenuto 1. Cambiamenti di base 2. Applicazioni lineari, matrici e cambiamenti di base 3. Autovalori e autovettori 2 1. Cambiamenti

Dettagli

Diagonalizzabilità di endomorfismi

Diagonalizzabilità di endomorfismi Capitolo 16 Diagonalizzabilità di endomorfismi 16.1 Introduzione Nei capitoli precedenti abbiamo definito gli endomorfismi su uno spazio vettoriale E. Abbiamo visto che, dato un endomorfismo η di E, se

Dettagli

Criteri di diagonalizzabilità Maurizio Cornalba 18/12/2013

Criteri di diagonalizzabilità Maurizio Cornalba 18/12/2013 Criteri di diagonalizzabilità Maurizio Cornalba 8/2/203 Sia K un campo e sia P (t) un polinomio a coefficienti in K. Se a K, la molteplicità di a come radice di P (t), che indicheremo con m a, è il massimo

Dettagli

Parte 7. Autovettori e autovalori

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

Dettagli

AUTOVALORI. NOTE DI ALGEBRA LINEARE

AUTOVALORI. NOTE DI ALGEBRA LINEARE AUTOVALORI. NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 21 GENNAIO 2011 1. Il polinomio minimo Sia f : V V un endomorfismo lineare di uno spazio vettoriale di dimensione finita sul campo K. Per ogni

Dettagli

Proposizione 2 Il polinomio minimo di t corrisponde all annullatore minimale di M V.

Proposizione 2 Il polinomio minimo di t corrisponde all annullatore minimale di M V. Fogli NON riletti. Grazie per ogni segnalazione di errori. L esempio qui sviluppato vuole mostrare in concreto il significato dei risultati trattati a lezione e qui velocemente riassunti. Si assume che

Dettagli

Endomorfismi tra spazi vettoriali

Endomorfismi tra spazi vettoriali 182 Capitolo 7 Endomorfismi tra spazi vettoriali 7.1 Endomorfismi Definizione 820 Dato uno spazio vettoriale E su un campo K, un endomorfismo di E è un omomorfismo di E in E. Nota 821 Gli endomorfismi

Dettagli

Corso di Matematica Discreta. Anno accademico Appunti sulla diagonalizzazione.

Corso di Matematica Discreta. Anno accademico Appunti sulla diagonalizzazione. Corso di Matematica Discreta. Anno accademico 2008-2009 Appunti sulla diagonalizzazione. Autovalori e autovettori di un endomorfismo lineare. Sia T : V V una applicazione lineare da uno spazio vettoriale

Dettagli

Definizione. Sia f : V V un endomorfismo e λ R. Se esiste v V non nullo tale che

Definizione. Sia f : V V un endomorfismo e λ R. Se esiste v V non nullo tale che Autovalori ed autovettori [Abate, 131] Sia f : V V un endomorfismo e λ R Se esiste v V non nullo tale che f(v) = λv, diremo che λ è un autovalore di f e che v è un autovettore di f associato a λ Lezioni

Dettagli

Applicazioni lineari e diagonalizzazione

Applicazioni lineari e diagonalizzazione Applicazioni lineari e diagonalizzazione Autospazi Autovettori e indipendenza lineare Diagonalizzabilità e autovalori 2 2006 Politecnico di Torino 1 Esempio (1/6) Utilizzando un esempio già studiato, cerchiamo

Dettagli

0.1 Coordinate in uno spazio vettoriale

0.1 Coordinate in uno spazio vettoriale 0.. COORDINATE IN UNO SPAZIO VETTORIALE 0. Coordinate in uno spazio vettoriale Sia V uno spazio vettoriale di dimensione finita n costruito sul campo K. D ora in poi, ogni volta che sia fissata una base

Dettagli

1 Addendum su Diagonalizzazione

1 Addendum su Diagonalizzazione Addendum su Diagonalizzazione Vedere le dispense per le definizioni di autovettorre, autovalore e di trasformazione lineare (o matrice) diagonalizzabile. In particolare, si ricorda che una condizione necessaria

Dettagli

Geometria UNO Il polinomio minimo

Geometria UNO Il polinomio minimo Geometria UNO Il polinomio minimo Corso di Laurea in Matematica Anno Accademico 2013/2014 Alberto Albano 5 marzo 2014 Queste note sono un riassunto delle lezioni di venerdì 8 marzo e martedì 11 marzo.

Dettagli

ENDOMORFISMI. NOTE DI ALGEBRA LINEARE

ENDOMORFISMI. NOTE DI ALGEBRA LINEARE ENDOMORFISMI. NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 15 GENNAIO 2011 1. Endomorfismi e sottospazi invarianti Definizione 1.1. Sia V uno spazio vettoriale su K. Un endomorfismo di V è una qualsiasi

Dettagli

Applicazioni lineari e diagonalizzazione

Applicazioni lineari e diagonalizzazione Autovalori e autovettori Matrici associate a applicazioni lineari Endomorfismi semplici e matrici diagonalizzabili Prodotti scalari e Teorema Spettrale nel caso generale 2 2006 Politecnico di Torino 1

Dettagli

DIAGONALIZZAZIONE. M(f) =

DIAGONALIZZAZIONE. M(f) = DIAGONALIZZAZIONE Esercizi Esercizio 1. Sia f End(R 3 ) associato alla matrice M(f) = 0 1 2 0. 2 (1) Determinare gli autovalori di f e le relative molteplicità. (2) Determinare gli autospazi di f e trovare,

Dettagli

ENDOMORFISMI. ove B := (v 1,v 2,v 3 ). (1) Determinare gli autovalori di f e le relative molteplicità algebriche e geometriche.

ENDOMORFISMI. ove B := (v 1,v 2,v 3 ). (1) Determinare gli autovalori di f e le relative molteplicità algebriche e geometriche. ENDOMORFISMI Esercizi Esercizio 1 Siano v 1 := T (1, 1, 1, 0), v 2 := T (0, 1, 2, 1), v 3 := T (0, 0, 1, 1) Consideriamo V := L(v 1,v 2,v 3 ) R 4 e sia f End R (V ) associato alla matrice A := MB B (f)

Dettagli

Parte 8. Prodotto scalare, teorema spettrale

Parte 8. Prodotto scalare, teorema spettrale Parte 8. Prodotto scalare, teorema spettrale A. Savo Appunti del Corso di Geometria 3-4 Indice delle sezioni Prodotto scalare in R n, Basi ortonormali, 4 3 Algoritmo di Gram-Schmidt, 7 4 Matrici ortogonali,

Dettagli

Esercitazioni di geometria /2009 (Damiani) Il polinomio minimo. I) Definizione del polinomio minimo.

Esercitazioni di geometria /2009 (Damiani) Il polinomio minimo. I) Definizione del polinomio minimo. Esercitazioni di geometria 2-2008/2009 (Damiani) Il polinomio minimo I) Definizione del polinomio minimo. Siano k un campo, A un anello (associativo) unitario, k Z(A) A un omomorfismo di anelli unitari

Dettagli

0.1 Condizione sufficiente di diagonalizzabilità

0.1 Condizione sufficiente di diagonalizzabilità 0.1. CONDIZIONE SUFFICIENTE DI DIAGONALIZZABILITÀ 1 0.1 Condizione sufficiente di diagonalizzabilità È naturale porsi il problema di sapere se ogni matrice sia o meno diagonalizzabile. Abbiamo due potenziali

Dettagli

Applicazioni lineari simmetriche e forme quadratiche reali.

Applicazioni lineari simmetriche e forme quadratiche reali. Applicazioni lineari simmetriche e forme quadratiche reali 1 Applicazioni lineari simmetriche Consideriamo lo spazio IR n col prodotto scalare canonico X Y = t XY = x 1 y 1 + + x n y n Definizione Un applicazione

Dettagli

- ciascun autovalore di T ha molteplicità geometrica uguale alla moltplicitaà algebrica.

- ciascun autovalore di T ha molteplicità geometrica uguale alla moltplicitaà algebrica. Lezioni del 14.05 e 17.05 In queste lezioni si sono svolti i seguenti argomenti. Ripresa del teorema generale che fornisce condizioni che implicano la diagonalizzabilità, indebolimento delle ipotesi, e

Dettagli

LEZIONE 12. v = α 1 v α n v n =

LEZIONE 12. v = α 1 v α n v n = LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono

Dettagli

Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria: Elettronica. Corso di Geometria ed Algebra Docente F. Flamini

Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria: Elettronica. Corso di Geometria ed Algebra Docente F. Flamini Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria: Elettronica Corso di Geometria ed Algebra Docente F. Flamini Capitolo IV - 3: Teorema Spettrale degli operatori autoaggiunti e Teorema

Dettagli

APPLICAZIONI LINEARI O OMOMORFISMI

APPLICAZIONI LINEARI O OMOMORFISMI 42 APPLICAZIONI LINEARI O OMOMORFISMI Definizione 9 Dati due spazi vettoriali U e V sullo stesso campo K, una applicazione f : U V è detta lineare o omomorfismo se soddisfa le seguenti due condizioni:

Dettagli

Il Teorema Spettrale. 0.1 Applicazioni lineari simmetriche ed hermitiane

Il Teorema Spettrale. 0.1 Applicazioni lineari simmetriche ed hermitiane 0.1. APPLICAZIONI LINEARI SIMMETRICHE ED HERMITIANE 1 Il Teorema Spettrale In questa nota vogliamo esaminare la dimostrazione del Teorema Spettrale e studiare le sue conseguenze per quanto riguarda i prodotti

Dettagli

Elementi di Algebra Lineare Spazi Vettoriali

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

Dettagli

AL210 - Appunti integrativi - 7

AL210 - Appunti integrativi - 7 AL210 - Appunti integrativi - 7 Prof. Stefania Gabelli - a.a. 2016-2017 Fattorizzazione in anelli di polinomi Poiché l anello dei polinomi K[X] in una indeterminata X su un campo K è un dominio euclideo,

Dettagli

Elementi di Algebra Lineare Spazi Vettoriali

Elementi di Algebra Lineare Spazi Vettoriali Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra Lineare 1 / 41 index Spazi vettoriali

Dettagli

ESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro

ESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro ESERCIZI DI ALGEBRA LINEARE Vincenzo Di Gennaro Sono raccolti, in ordine cronologico, gli esercizi di Algebra Lineare proposti nelle prove scritte per i vari corsi di Geometria 1 che ho tenuto presso la

Dettagli

Matrici jordanizzabili

Matrici jordanizzabili Capitolo 17 Matrici jordanizzabili 17.1 Introduzione Abbiamo visto che non tutte le matrici sono simili a matrici diagonali. Mostreremo in questo capitolo che alcune matrici sono simili a matrici di Jordan.

Dettagli

Autovalori e autovettori di una matrice quadrata

Autovalori e autovettori di una matrice quadrata Autovalori e autovettori di una matrice quadrata Data la matrice A M n (K, vogliamo stabilire se esistono valori di λ K tali che il sistema AX = λx ammetta soluzioni non nulle. Questo risulta evidentemente

Dettagli

1 Il polinomio minimo.

1 Il polinomio minimo. Abstract Il polinomio minimo, così come il polinomio caratterisico, è un importante invariante per le matrici quadrate. La forma canonica di Jordan è un approssimazione della diagonalizzazione, e viene

Dettagli

Diagonalizzazione di matrici: autovalori, autovettori e costruzione della matrice diagonalizzante 1 / 13

Diagonalizzazione di matrici: autovalori, autovettori e costruzione della matrice diagonalizzante 1 / 13 Diagonalizzazione di matrici: autovalori, autovettori e costruzione della matrice diagonalizzante 1 / 13 Matrici diagonali 2 / 13 Ricordiamo che una matrice quadrata si dice matrice diagonale se a ij =

Dettagli

Rango di una matrice e teorema di Rouché-Capelli

Rango di una matrice e teorema di Rouché-Capelli Rango di una matrice e teorema di Rouché-Capelli Sappiamo che a una matrice m n, A, è associata l applicazione lineare L A : R n R m, L A (X) = AX, X R n. Definizione 1. Lo spazio nullo di A, N (A), è

Dettagli

Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni. 5. Rango

Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni. 5. Rango Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof Fabio Perroni 5 Rango Definizione 1 Sia A M m,n (K) una matrice m n a coefficienti nel campo K Il rango

Dettagli

Compiti di geometria & algebra lineare. Anno: 2004

Compiti di geometria & algebra lineare. Anno: 2004 Compiti di geometria & algebra lineare Anno: 24 Anno: 24 2 Primo compitino di Geometria e Algebra 7 novembre 23 totale tempo a disposizione : 3 minuti Esercizio. [8pt.] Si risolva nel campo complesso l

Dettagli

Elementi di Algebra Lineare Applicazioni lineari

Elementi di Algebra Lineare Applicazioni lineari Elementi di Algebra Lineare Applicazioni lineari Cristina Turrini UNIMI - 2016/2017 Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra Lineare 1 / 50 index Applicazioni lineari 1 Applicazioni lineari

Dettagli

Complemento ortogonale e proiezioni

Complemento ortogonale e proiezioni Complemento ortogonale e proiezioni Dicembre 9 Complemento ortogonale di un sottospazio Sie E un sottospazio di R n Definiamo il complemento ortogonale di E come l insieme dei vettori di R n ortogonali

Dettagli

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

Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) April 14, 2011 (alcune note non complete sugli argomenti trattati: eventuali completamenti saranno aggiunti)

Dettagli

FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 27 GIUGNO 2016

FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 27 GIUGNO 2016 FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 7 GIUGNO 06 MATTEO LONGO Ogni versione del compito contiene solo due tra i quattro esercizi 6-7-8-9. Esercizio. Considerare

Dettagli

Capitolo IX DIAGONALIZZAZIONE DI MATRICI SIMMETRICHE

Capitolo IX DIAGONALIZZAZIONE DI MATRICI SIMMETRICHE Capitolo IX DIAGONALIZZAZIONE DI MATRICI SIMMETRICHE 1. Matrici ortogonali Ricordiamo che, nel Cap. VII, abbiamo studiato le matrici di cambio di base in un R spazio vettoriale. In tale occasione, abbiamo

Dettagli

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

NOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n NOTE DI ALGEBRA LINEARE 2- MM 9 NOVEMBRE 2 Combinazioni lineari e generatori Sia K un campo e V uno spazio vettoriale su K Siano v,, v n vettori in V Definizione Un vettore v V si dice combinazione lineare

Dettagli

Elementi di Algebra Lineare Spazi Vettoriali

Elementi di Algebra Lineare Spazi Vettoriali Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2017/2018 Antonio Lanteri e Cristina Turrini (UNIMI - 2017/2018) Elementi di Algebra Lineare 1 / 37 index Spazi vettoriali

Dettagli

SOLUZIONI DELL APPELLO B DEL CORSO GE110 8 LUGLIO 2019

SOLUZIONI DELL APPELLO B DEL CORSO GE110 8 LUGLIO 2019 SOLUZIONI DELL APPELLO B DEL CORSO GE 8 LUGLIO 9 ESERCIZIO (8 punti) Si consideri lo spazio vettoriale C 4 con base canonica {e, e, e 3, e 4 } Si consideri l operatore lineare Φ End(C 4 ) univocamente

Dettagli

0. Introduzione al linguaggio matematico

0. Introduzione al linguaggio matematico Prof. Lidia Angeleri Università di Verona, 2009/2010 Algebra Lineare ed Elementi di Geometria Programma svolto nel Modulo Algebra Lineare 0. Introduzione al linguaggio matematico 1. Insiemi 1.1 Esempi

Dettagli

Corso di Geometria Ing. Informatica e Automatica Test 1: soluzioni

Corso 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

Dettagli

FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI GENNAIO 2015 DOCENTE: M. LONGO

FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI GENNAIO 2015 DOCENTE: M. LONGO FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI GENNAIO 2015 DOCENTE: M. LONGO 1. Domande Domanda 1. Dire quando una funzione f : X Y tra dee insiemi X ed Y si dice iniettiva.

Dettagli

Gruppi, anelli, campi e polinomi: le prime definizioni.

Gruppi, anelli, campi e polinomi: le prime definizioni. Gruppi, anelli, campi e polinomi: le prime definizioni. Ilaria Del Corso 1 GRUPPI Definizione 1.1. Sia G un insieme, G e sia un operazione su G. Si dice che (G, ) è un gruppo se 1. è associativa, ossia

Dettagli

ESERCIZI DI GEOMETRIA E ALGEBRA LINEARE (II PARTE) In ogni sezione gli esercizi sono tendenzialmente ordinati per difficoltà crescente.

ESERCIZI DI GEOMETRIA E ALGEBRA LINEARE (II PARTE) In ogni sezione gli esercizi sono tendenzialmente ordinati per difficoltà crescente. ESERCIZI DI GEOMETRIA E ALGEBRA LINEARE (II PARTE) versione: 24 maggio 27 In ogni sezione gli esercizi sono tendenzialmente ordinati per difficoltà crescente Autovettori e autovalori Esercizio Trova gli

Dettagli

GEOMETRIA 1 seconda parte

GEOMETRIA 1 seconda parte GEOMETRIA 1 seconda parte Cristina Turrini C. di L. in Fisica - 2014/2015 Cristina Turrini (C. di L. in Fisica - 2014/2015) GEOMETRIA 1 1 / 40 index Spazi vettoriali 1 Spazi vettoriali 2 Sottospazi 3 Sistemi

Dettagli

{Geometria per [Fisica e (Fisica e Astrofisica)]}

{Geometria per [Fisica e (Fisica e Astrofisica)]} {Geometria per [Fisica e (Fisica e Astrofisica)]} Foglio 9 - Soluzioni Esercizio (facoltativo) Un quadrato magico reale di ordine n è una matrice di M n n (R) tale che sommando gli elementi di ogni sua

Dettagli

Esempio. L immagine di f è l insieme dei vettori w = (w 1, w 2 ) R 2 che hanno w 1 = w 2. Quindi:

Esempio. L immagine di f è l insieme dei vettori w = (w 1, w 2 ) R 2 che hanno w 1 = w 2. Quindi: Nucleo, immagine e loro proprietà [Abate, 5.2] Data una applicazione lineare f : V W, chiamiamo nucleo di f l insieme N(f) := { v V : f(v) = 0 W } Se S V è un sottoinsieme del dominio, indichiamo con f(s)

Dettagli

0.1 Spazi Euclidei in generale

0.1 Spazi Euclidei in generale 0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo

Dettagli

0 0 c. d 1. det (D) = d 1 d n ;

0 0 c. d 1. det (D) = d 1 d n ; Registro Lezione di Algebra lineare del 23 novembre 216 1 Matrici diagonali 2 Autovettori e autovalori 3 Ricerca degli autovalori, polinomio caratteristico 4 Ricerca degli autovettori, autospazi 5 Matrici

Dettagli

Elementi di Algebra Lineare. Spazio Vettoriale (lineare)

Elementi di Algebra Lineare. Spazio Vettoriale (lineare) Elementi di Algebra Lineare Spazio Vettoriale (lineare) Uno spazio vettoriale su un corpo F è una quadrupla (X, F, +, ) costituita da: un insieme di elementi X, detti vettori, un corpo F, i cui elementi

Dettagli

Applicazioni lineari e diagonalizzazione. Esercizi svolti

Applicazioni lineari e diagonalizzazione. Esercizi svolti . Applicazioni lineari Esercizi svolti. Si consideri l applicazione f : K -> K definita da f(x,y) = x + y e si stabilisca se è lineare. Non è lineare. Possibile verifica: f(,) = 4; f(,4) = 6; quindi f(,4)

Dettagli

Prova scritta di Geometria 1 Docente: Giovanni Cerulli Irelli 20 Gennaio 2017

Prova scritta di Geometria 1 Docente: Giovanni Cerulli Irelli 20 Gennaio 2017 Prova scritta di Geometria Docente: Giovanni Cerulli Irelli Gennaio 7 Esercizio. Si considerino i seguenti tre punti dello spazio euclideo: P :=, Q :=, R :=.. Dimostrare che P, Q ed R non sono collineari.

Dettagli

Elementi di Algebra Lineare Spazi Vettoriali

Elementi di Algebra Lineare Spazi Vettoriali Elementi di Algebra Lineare Spazi Vettoriali Cristina Turrini UNIMI - 2018/2019 Cristina Turrini (UNIMI - 2018/2019) Elementi di Algebra Lineare 1 / 32 index Spazi vettoriali 1 Spazi vettoriali 2 Sottospazi

Dettagli

3. Determinare dimensione a basi per l annullatore ker(f) e per il complemento. Esercizio 2. Sia V uno spazio vettoriale reale di dimensione finita d.

3. Determinare dimensione a basi per l annullatore ker(f) e per il complemento. Esercizio 2. Sia V uno spazio vettoriale reale di dimensione finita d. Esercizi --- 5-- Esercizio. Sia f =: L A : R 4 R 4, ove A = 3 e sia B =:.. Dimostrare che B è una base di R 4.. Determinare la matrice di L A nella base B. 3. Determinare dimensione a basi per l annullatore

Dettagli

2 Complementi di teoria degli operatori

2 Complementi di teoria degli operatori 2 Complementi di teoria degli operatori Richiamiamo le proprietà sulla diagonalizzazione degli operatori Sia V uno spazio vettoriale 12 su K di dimensione finita, V = {v 1,, v n } una base di V e T : V

Dettagli

ESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro

ESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro ESERCIZI DI ALGEBRA LINEARE Vincenzo Di Gennaro Sono raccolti, in ordine cronologico, gli esercizi di Algebra Lineare proposti nelle prove scritte per i vari corsi di Geometria che ho tenuto presso la

Dettagli

PROGRAMMA del corso di. GEOMETRIA 1 - Algebra Lineare. Laurea Triennale in Matematica. Anno Accademico 2007/08. docente : Bruno Zimmermann

PROGRAMMA del corso di. GEOMETRIA 1 - Algebra Lineare. Laurea Triennale in Matematica. Anno Accademico 2007/08. docente : Bruno Zimmermann PROGRAMMA del corso di GEOMETRIA 1 - Algebra Lineare Laurea Triennale in Matematica Anno Accademico 2007/08 docente : Bruno Zimmermann (Il presente programma è stato redatto sulla base degli appunti del

Dettagli

0. Introduzione al linguaggio matematico

0. Introduzione al linguaggio matematico Prof. Lidia Angeleri Università di Verona, 2012/13 Algebra Lineare ed Elementi di Geometria Programma svolto nel Modulo Algebra Lineare 0. Introduzione al linguaggio matematico 1. Insiemi 1.1 Esempi 1.2

Dettagli

AM2: Tracce delle lezioni- Settimana 12 SISTEMI DI EQUAZIONI DIFFERENZIALI LINEARI

AM2: Tracce delle lezioni- Settimana 12 SISTEMI DI EQUAZIONI DIFFERENZIALI LINEARI AM2: Tracce delle lezioni- Settimana 12 SISTEMI DI EQUAZIONI DIFFERENZIALI LINEARI Sia A = (a ij ), i, j = 1,..., n matrice n n. Le soluzioni del sistema differenziale lineare di n equazioni nelle n incognite

Dettagli

La forma normale di Schur

La forma normale di Schur La forma normale di Schur Dario A Bini, Università di Pisa 30 ottobre 2013 Sommario Questo modulo didattico contiene risultati relativi alla forma normale di Schur, alle sue proprietà e alle sue applicazioni

Dettagli

LA DIAGONALIZZAZIONE. asdf. Polinomi di matrici. 30 January 2012

LA DIAGONALIZZAZIONE. asdf. Polinomi di matrici. 30 January 2012 asdf LA DIAGONALIZZAZIONE 30 January 2012 L'intento di questo articolo è di affrontare, si spera sempre nel modo più corretto e chiaro possibile, la trattazione di un argomento importante nell'ambito dell'algebra

Dettagli

UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a Prova scritta del TESTO E SOLUZIONI

UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a Prova scritta del TESTO E SOLUZIONI UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a. 014-01 Prova scritta del 1-6-01 TESTO E SOLUZIONI Avvertenze: A. Per il recupero del primo esonero svolgere gli esercizi

Dettagli

Fondamenti di Algebra Lineare e Geometria - DII - Ingegneria Aerospaziale Test di preparazione alla seconda prova parziale del

Fondamenti di Algebra Lineare e Geometria - DII - Ingegneria Aerospaziale Test di preparazione alla seconda prova parziale del Fondamenti di Algebra Lineare e Geometria - DII - Ingegneria Aerospaziale Test di preparazione alla seconda prova parziale del 66 Problema Si consideri la trasformazione lineare L: R 4 R 3 la cui matrice

Dettagli

Esercizi di Geometria 1 - Foglio 3bis

Esercizi di Geometria 1 - Foglio 3bis Esercizi di Geometria - Foglio 3bis Alessandro Rubin (alex.rubin@outlook.com) Si ringrazia Ricardo Tzantzoglou per il codice L A TEX condiviso dicembre 7 Esercizio. Sia f : V W un applicazione e G = {(v,

Dettagli

Fattorizzazione QR e matrici di Householder

Fattorizzazione QR e matrici di Householder Fattorizzazione QR e matrici di Householder ottobre 009 In questa nota considereremo un tipo di fattorizzazione che esiste sempre nel caso di matrici quadrate non singolari ad entrate reali. Definizione

Dettagli

Esempi. In R 2, le coppia (2, 5) è combinazione lineare dei vettori (0, 1) e (1, 1). Infatti:

Esempi. In R 2, le coppia (2, 5) è combinazione lineare dei vettori (0, 1) e (1, 1). Infatti: Combinazioni lineari [Abate, 4.2] Sia V uno spazio vettoriale e v 1, v 2,..., v n dei vettori di V. Diremo che un vettore w V è combinazione lineare dei vettori v 1,..., v n se esistono a 1, a 2,..., a

Dettagli

Capitolo IV SPAZI VETTORIALI EUCLIDEI

Capitolo IV SPAZI VETTORIALI EUCLIDEI Capitolo IV SPAZI VETTORIALI EUCLIDEI È ben noto che in VO 3 si possono considerare strutture più ricche di quella di spazio vettoriale; si pensi in particolare all operazioni di prodotto scalare di vettori.

Dettagli

7. Il polinomio minimale di una matrice

7. Il polinomio minimale di una matrice 7. Il polinomio minimale di una matrice Situazione 7.1. Sia A C n n. Lemma 7.2. U sia un algebra su C con elemento neutro 1 U. Per f = a 0 x n + a 1 x n+1 + + a n C[x] ed u U poniamo f(u) := a 0 u n +

Dettagli

INGEGNERIA EDILE ARCHITETTURA ELEMENTI DI ALGEBRA LINEARE E GEOMETRIA 17 SETTEMBRE 2012

INGEGNERIA EDILE ARCHITETTURA ELEMENTI DI ALGEBRA LINEARE E GEOMETRIA 17 SETTEMBRE 2012 INGEGNERIA EDILE ARCHITETTURA ELEMENTI DI ALGEBRA LINEARE E GEOMETRIA 7 SETTEMBRE 202 Esercizio. Sia V = R[X] 2 lo spazio vettoriale dei polinomi ax 2 + bx + c nella variabile X di grado al più 2 a coefficienti

Dettagli

GEOMETRIA 1 terza parte

GEOMETRIA 1 terza parte GEOMETRIA 1 terza parte Cristina Turrini C. di L. in Fisica - 2014/2015 Cristina Turrini (C. di L. in Fisica - 2014/2015) GEOMETRIA 1 1 / 32 index Applicazioni lineari 1 Applicazioni lineari 2 Nucleo e

Dettagli

Richiami di Algebra Lineare

Richiami di Algebra Lineare Richiami di Algebra Lineare Eduardo Rossi Università degli Studi di Pavia Corso di Econometria Marzo 2012 Rossi Algebra Lineare 2012 1 / 59 Vettori Prodotto interno a : (n 1) b : (n 1) a b = a 1 b 1 +

Dettagli

Soluzioni della prova scritta di Geometria 1 del 27 giugno 2019 (versione I)

Soluzioni della prova scritta di Geometria 1 del 27 giugno 2019 (versione I) Soluzioni della prova scritta di Geometria 1 del 7 giugno 019 (versione I) Esercizio 1. Sia R 4 lo spazio quadridimensionale standard munito del prodotto scalare standard con coordinate canoniche (x 1,

Dettagli

Formulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010

Formulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010 Formulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010 In quetsa dispensa: V è uno spazio vettoriale di dimensione d sul campo complesso C generato dai vettori v 1,..., v d. Le variabili m,

Dettagli

APPUNTI DI ALGEBRA LINEARE

APPUNTI DI ALGEBRA LINEARE APPUNTI DI ALGEBRA LINEARE. Definizione Si dice spazio vettoriale (sul campo dei numeri reali R) un insieme V per il quale siano definite l operazione interna di somma (che ad ogni coppia di vettori e

Dettagli

Esercizi di Geometria 1 - Foglio 1

Esercizi di Geometria 1 - Foglio 1 Esercizi di Geometria 1 - Foglio 1 Alessandro Rubin (alex.rubin@outlook.com) Si ringrazia Ricardo Tzantzoglou per il codice L A TEX condiviso 22 dicembre 2017 Esercizio 1. Sia V uno spazio vettoriale sul

Dettagli

AL210 - Appunti integrativi - 6

AL210 - Appunti integrativi - 6 L210 - ppunti integrativi - 6 Prof. Stefania Gabelli - a.a. 2016-2017 Divisibilità in un dominio Per definire in un anello commutativo unitario una buona teoria della divisibilità, è conveniente assumere

Dettagli

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

Geometria e Topologia I (U1-4) 2006-mag-10 61 Geometria e Topologia I (U1-4) 2006-mag-10 61 (15.9) Teorema. Consideriamo il piano affine. Se A A 2 (K) è un punto e r una retta che non passa per A, allora esiste unica la retta per A che non interseca

Dettagli

0. Introduzione al linguaggio matematico

0. Introduzione al linguaggio matematico Prof. Lidia Angeleri Università di Verona, 2014/15 Algebra Lineare ed Elementi di Geometria (Programma aggiornato in data 26 novembre 2014) 0. Introduzione al linguaggio matematico 1. Insiemi 1.1 Esempi

Dettagli

Università degli Studi Roma Tre - Corso di Laurea in Matematica Tutorato di Geometria 1

Università degli Studi Roma Tre - Corso di Laurea in Matematica Tutorato di Geometria 1 Università degli Studi Roma Tre - Corso di Laurea in Matematica Tutorato di Geometria 1 A.A. 28-29 - Docente: Prof. E. Sernesi Tutori: Andrea Abbate e Matteo Acclavio Soluzioni del tutorato numero 1 14

Dettagli

=. Il vettore non è della forma λ, dunque non è un. 2. Il vettore 8 2 non è della forma λ 1

=. Il vettore non è della forma λ, dunque non è un. 2. Il vettore 8 2 non è della forma λ 1 a.a. 2005-2006 Esercizi. Autovalori e autovettori. Soluzioni. Sia A = e sia x =. Dire se x è autovettore di A. Se si dire per quale 8 autovalore. Sol. Si ha =. Il vettore non è della forma λ dunque 8 29

Dettagli

5. Polinomi e matrici

5. Polinomi e matrici 5. Polinomi e matrici Sia V uno spazio vettoriale sul campo K e sia f un suo endomorfismo. Sia poi P(X) = i a ix i un polinomio a coefficienti in K. Poniamo P(f) = i a i f i dove f i sta per la composizione

Dettagli

Lezione Diagonalizzazione di matrici

Lezione Diagonalizzazione di matrici Lezione 2 2. Diagonalizzazione di matrici Come visto nella precedente lezione, in generale, data una matrice A 2 K n,n con K = R, C,nonèimmediatocheesistasempreunabasecostituitadasuoiautovettori. Definizione

Dettagli

REGISTRO DELLE LEZIONI

REGISTRO DELLE LEZIONI UNIVERSITA DEGLI STUDI DI GENOVA FACOLTA DI SCIENZE MATEMATICHE, FISICHE E NATURALI REGISTRO DELLE LEZIONI del Corso UFFICIALE di GEOMETRIA B tenute dal prof. Domenico AREZZO nell anno accademico 2006/2007

Dettagli

(2) Dato il vettore w = (1, 1, 1), calcolare T (w). (3) Determinare la matrice A associata a T rispetto alla base canonica.

(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).

Dettagli

Corso di Laurea in Fisica. Geometria. a.a Prof. P. Piazza Diagonalizzazione delle forme bilineari simmetriche

Corso di Laurea in Fisica. Geometria. a.a Prof. P. Piazza Diagonalizzazione delle forme bilineari simmetriche Corso di Laurea in Fisica. Geometria. a.a. 2009-10. Prof. P. Piazza Diagonalizzazione delle forme bilineari simmetriche Sia V uno spazio vettoriale reale. Sia 1. Osservazioni preliminari. : V V R un

Dettagli