Autovalori e autovettori
|
|
- Carmelo Volpe
- 7 anni fa
- Visualizzazioni
Transcript
1 Autovalori e autovettori Equazione caratteristica Molti problei interessanti in un gran nuero di discipline scientifiche si possono ricondurre alla seguente relazione atriciale Ax = λx dove A è una atrice quadrata, x è un vettore non nullo e λ uno scalare. in cui una trasforata lineare del vettore x risuta uguale ad un seplice riscaldaento dello stesso vettore x. Di solito, la oltiplicazione di una atrice per un vettore coporta odifiche iportanti nello stesso vettore. Nel caso però che i cabiaenti si liitino ad un cabio di scala e/o di orientaento antenendo inalterate le coponenti del vettore x si parla di x coe di autovettore della atrice A e di λ coe autovalore della atrice A. Sia x che λ sono soluzioni del sistea di equazioni lineari oogenee Se il deterinante della atrice dei coefficienti Ax λx = ( A λi)x = 0 A λi è nullo allora l unica soluzione possibile è x=0, detta banale poiché non richiede nessun particolare sforzo per essere deterinata. Se invece il deterinante è nullo si apre la via a diversi ragionaenti interessanti. Ad ogni atrice quadrata A di ordine è associata una funzione polinoiale ottenuta dal deterinante della atrice A a cui è sottratta la atrice identità oltiplicata per uno scalare.
2 ti i volte ( ) i = Tr Tr A A A [ A λi] = a a a a a a a a a Lo sviluppo del deterinante produce la cosiddetta equazione caratteristica: A λi = C 0 λ + Cλ + + C + C = 0 Se indichiao con t i la traccia della potenza i-esia della atrice A e cioè t i = Tr A i ( ) = Tr i volte AAA A I coefficienti dell equazione caratteristica sono calcolabili dalla relazione con a traccia delle potenze della atrice. Esepio C 0 = C 3 = ( 3 C t + C t + t 3) C = t C = ( C t + t ) C = ( C t + C t + + C t + t ) ; A = A 6 0 ; A 3 = A ; C 0 =; C = 6; C = ( 6 ) Ne consegue che l equazione caratteristica è t =+ + 3 = 6 t = = 30 t 3 = =3 ( ) = 3; C 3 = [( 3 3 ) 6 + ( 6)30 +3] =0 λ 3 6λ + 3λ +0 = 0 L equazione caratteristica, coe ogni polinoio, può essere scritta coe un prodotto A λi = ( ) ( λ λ )( λ λ ) ( λ λ )
3 Le radici dell equazione caratteristica sono gli autovalori di A. Quindi esistono soluzioni, non necessariaente reali e/o distinte, rispetto al sistea di equazioni Ax=λx. Esepio 3 ; A λi = 3 λ λ A λi = 0 ( 3 λ) ( λ) = 0 λ 5λ + 4 = 0 Le radici λ =4 e λ = sono gli autovalori della atrice A. La traccia di una atrice quadrata è pari alla soa dei suoi autovalori. Consideriao la fattorizzazione dell equazione caratteristica f ( λ) = ( ) ( λ λ i ) Il coefficiente della potenza λ - espresso in terini della traccia è c = che deve coincidere con lo sviluppo della fattorizzazione ( ) a ii ( ) Tr( A) = ( ) + λ i = ( ) ( a + a + a nn ) = ( ) tr( A) quindi c = ( ) + λ i e pertanto Tr A ( ) = λ i Il deterinante di una atrice quadrata coincide con il prodotto dei suoi autovalori λ i Esepio λ 4 ; A λi = λ A λi = 0 ( 3 λ) ( 7 λ) 6 = 0 λ 0λ + 75 = 0 λ = 5, λ =5, λ λ = 5 *5 = 75; (3)(7) ( 4)( 4) = 9 6 = 75
4 Gli autovettori Molte applicazioni statistiche coinvolgono un insiee di vettori non nulli associati ad una data atrice ed in particolare ai suoi autovalori. La relazione che interessa è la seguente ( A λ i I)x i = 0 ovvero Ax i = λ i x i i =,,, Dove è il nuero di vettori linearente indipendenti presenti nella atrice A; x i è un autovettore associato all autovalore λ i. Il sistea di equazioni oogenee ( A λ i I)x i = 0 ha aleno una soluzione non banale se λ i è un autovalore di A. Si verifica subito che c è un problea di univocità. Se x i è un autovettore associato a λ i lo sarà anche kx i dove k è uno scalare non nullo. Infatti Ax i = λ i x i A kx i = λkx i Ay i = λ i y i con y i = kx i Quindi, ad ogni autovalore sono associati infiniti autovettori che però differiscono tra di loro solo per un fattore oltiplicativo. Esepio 3 λ = 4 e λ = ( A 4I) x = 0 0 x = 0 0 x x = 0 x = x x x x = 0 x = e x = produce (,) che è un autovettore associato a λ =4. Allo stesso odo, per λ = si ha x 0 0 x = 0 0 x x = 0 0 x = x x Ne consegue che È una atrice forata con degli autovettori associati agli autovalori della atrice A. Naturalente, anche la atrice k k k k k e k 0 È una atrice di autovettori associati agli autovalori di A. Da notare che gli autovettori così ottenuti sono linearente indipendenti. Infatti, la relazione: 0 k + k = 0
5 è verificata se e solo se k =k =0 il che è escluso dalla condizione posta sugli scalari k e k. Il calcolo degli autovalori e dei corrispondenti autovettori non può essere basato sulla deterinazione delle radici dell equazione caratteristica che abbiao utilizzato per atrici (x). Infatti, supponiao che l equazione caratteristica sia λ 3 + pλ + qλ + r = 0 che diventa γ 3 + aγ + b = 0 con il cabio di variabile λ=γ-p/3 cioè se si pone a = q p 3 b = p3 9pq + 7r 7 si può calcolare la quantità pseudo-discriinante d=b /4 + a 3 /7 cosicché: d>0 Una radice reale γ =(-b/+d) (/3) + (-b/-d) (/3) e due iaginarie d=0 Tre radici reali di cui aleno due uguali: γ =(-b/) (/3), γ =(b/) (/3), γ 3 =(b/) (/3) d<0 Tre radici reali e distinte: γ =(a/3) 0.5 cos(θ/3), γ =(-a/3) 0.5 cos(θ/3+π/3), γ 3 =(-a/3) 0.5 cos(θ/3+π/3) dove cos(θ)= b/(-a).5 Esepio λ = 5, λ =, λ 3 = 4 4 E chiaro che non si può procedere in questo odo artigianale. Per fortuna sono disponibili diversi algoriti di calcolo rapidi ed efficienti che risolvono brillanteente il problea della deterinazione industriale degli autovalori ed autovettori. Matrici ortogonali Una atrice è ortogonale se a) A è quadrata; b) A A t = I; c) t A I Il prodotto di atrici ortogonali è ortogonale Se AA t = A t I e BB t = B t B = I allora ( A B) B t A t = ABB t A t = AA t = I B t A t AB = B t B = I
6 L inversa della atrice ortogonale Q coincide con la sua trasposta Q t = Q Q Q = t I Il deterinante di A ortogonale è oppure dato che A A t = I A A t = I = Tuttavia A A t = A A t = A A = ± Se A è ortogonale e λ k è un autovalore di A allora anche (λ k ) - è pure un autovalore di A. Infatti λ λ,,λ Se è pari, ad ogni λ k corrisponde un (λ k ) -. Se è dispari aleno un autovalore è pari a ±. Matrice di Householder H t = I xx con x 0 e x x = t H è ortogonale H H t = ( I xx t )( I xx t ) = ( I xx t )( I xx t ) = I xx t xx t + 4xx t = I Autovalori di una atrice diagonale ( ) = diag a,a,,a a a ( a λ ) L equazione caratteristica è ( ) 0 0 a λ 0 ( a A λi = λ) ( a λ) A λi = ( a i λ) = ( a λ) ( a λ) a λ ( ) Quindi gli autovalori della atrice diagonale coincidono con i valori sulla diagonale.
7 Autovettori di una atrice diagonale Hanno tutti fora: Esepio 0 0 αe i = α dove l è iposizione i - esia λ = 6, λ = 3, λ3 = Autovalori della atrice inversa. Se λ è un autovalore non nullo di A allora (λ) - è un autovalore di A - (se l inversa esiste). Infatti Au = λu A Au = λa u u = λa u λ u = A u A λ I u = 0 Si noti anche se µ è un autovettore della atrice A associato a λ allora µ è anche un autovettore della atrice A - associato a (λ) -. Autovalori della atrice (A+βI) e dei suoi autovettori Indichiao con λ un autovalore di A e µ un autovettore ad esso associato Au = λu βiµ + Au = λµ + βiu ( A + βi)u = ( λ + β)u Quindi (λ+β) è un autovalore della atrice (A+βI) e u che è un autovettore di A è anche autovettore di (A+βI). Autovalori della potenza di una atrice. Sia λ k un autovalore della atrice quadrata A di ordine. Au = λu Moltiplicando per A entrabi i terini otteniao A u = λ k Au A u = λ λu = λ u Se λ un autovalore di A allora (λ) p è un autovalore di A p ed A condivide gli autovettori con A p.
8 Proprietà dell equazione caratteristica Poiché l equazione caratteristica è un deterinante ad essa si applicano le proprietà dei deterinanti. a) Gli autovalori di A e A t sono uguali. Infatti b) ( A λi) t = ( A t λi) b) AB = A B se A e B sono quadrate e dello stesso ordine. Quindi ( A λi) ( B βi) = A λi B βi c) Il deterinante di una atrice triangolare (inferiore o superiore) è pari al prodotto degli eleenti sulla diagonale. a a a 0 a a a a a 0 0 a d) Se P una atrice quadrata ed abbiano Q e W lo stesso ordine. Allora e) P 0 W Q = P Q Quindi P λi 0 = P λi Q βi W Q βi f) Se P e Q sono dello stesso ordine si ha g) 0 P I Q = P h) scabiando due righe o due colonne non cabia gli autovalori. Infatti il deterinante cabia di segno, a l equazione caratteristica è uguagliata a zero e ciò non ha quindi effetto. Teorea di Hailton-Cayley Ogni atrice quadrata soddisfa la sua equazione caratteristica f ( λ) = C 0 λ + C λ + + C + C = 0 Se al posto dello scalare λ si sostituisce la atrice A e si considerano le corrispondenti potenze di atrici, si ottiene f ( A) = C 0 A + C A + + C A + C I = 0 Se post-oltiplichiao f(a) (che è una atrice) per un l autovettore x associato all autovalore λ, allora
9 A λi = C 0λ + C λ + + C + C = 0 + f ( A)x = C i A i x = C i A i x = C i λ i x = C i λ i x e poiché λ è un atovalore di A, verifica l equazione caratteristica per cui e, pertanto, f(a)x=0. + C i λ i = 0 Autovettori riga e autovettori colonna Sebbene l uso coune veda autovettori colonna cioè soluzioni che verificano Aµ = λµ esistono anche gli autovettori riga e cioè soluzioni del sistea t A λµ t µ = che in genere sono diversi (a eno che A non sia una atrice sietrica). Spettro della atrice A L insiee degli autovalori della atrice A è anche noto coe spettro di A e di solito gli autovalori sono posti in ordine decrescente di grandezza λ λ λ In particolare, l autovalore di odulo assio è noto coe raggio spettrale di A. raggio spettrale = ρ A ( ) = ax{ λ λ i autovalore di A} i Deterinante ed autovalori Se un autovalore è zero allora il deterinante della atrice è nullo. Infatti λ i = λ λ λ e basta che uno solo degli autovalori sia nullo perché si abbia A =0. Inoltre, a causa del prodotto, il deterinante risulta olto sensibile ai valori piccoli (cioè quelli che in valore assoluto sono inferiori all unità).
10 Rango di una atrice E dato dal nuero di vettori linearente indipendenti in essa contenuti. Se A è di ordine (nx) allora r( A) in{ n,} cioè A non può contenere vettori LIN più di quanto non sia il più piccolo tra nuero di righe n e nuero di colonne. a) Se A è quadrata di ordine il rango di A verifica la relazione Dove z(a) è il nuero di autovalori non nulli nella equazione caratteristica della atrice b) Se A è una atrice diagonale allora il suo rango è uguale al nuero di colonne o righe non nulle. c) Rango di un prodotto. Se C=AB allora r ( A) z( A) diag( a,a,,a ) ; r( A) = se a ii 0 i =,,, ( C) in{ r( A) r( B) } r, perché se una atrice è oltiplicata per una atrice non singolare allora il suo rango riane invariato. Tuttavia C = Q A dove Q - esiste r( C) r( A) Q C r( A) r( C) e quindi r(a) = r(c) d) Il rango di una atrice è pari al nuero di autovalori diversi da zero associati alla atrice. In questo caso il rango è pari a. ; A λi = λ λ A λi = 0 λ 4λ + 3 = 0 λ = 3, λ = Autovalori di una atrice triangolare (inferiore o superiore) Se A è una atrice triangolare, gli autovalori coincidono con gli eleenti sulla diagonale. Infatti ( ) a a a λ 0 ( a λ) a A λi = ( a λ) che è ancora triangolare
11 Poiché il deterinante della atrice triangolare è dato dal prodotto degli eleenti sulla diagonale, avreo λi = ( a ii λ) = ( a λ) ( a λ) a λ ( ) = 0 Con evidenti radici λ i = a ii i =,,,. Calcolo degli autovettori Consideriao atrici quadrate di ordine Esepio: 0 con autovalori λ = 3, λ =, λ3 = si deve deterinare un vettore u tale che Au = λ k u ( A λ k I) = 0 con u 0 per k=,,3. Tale sistea ha un nuero di soluzioni linearente indipendenti (LIN) pari a Le soluzioni si ottengono da r ( A λ I) k u k = [ G ( A λ k I) I]z Dove G - è la cosiddetta inversa generalizzata di (A-λ k I) e z un vettore arbitrario. In breve, G - soddisfa la condizione GG - G=G (ª condizione di Moore-Penrose). Possiao scriverne l inversa generalizzata coe ( A λ k I) = B k C k D E Dove B k è non singolare (cioè esiste la sua inversa ordinaria) ed ha lo stesso rango di (A-λ k I). Effettuiao adesso la partizione del vettore arbitrario z z t = [ z z ] Dove z ha un nuero di eleenti pari al rango di (A-λ k I). ( A λ k I) = B k 0 con atrice nulle di diensioni opportune 0 0
12 Ecco quindi il calcolo dell autovettore u k = B k 0 B k 0 0 D I t 0 z con t = ran(a λ E 0 I t z k I) C k che iplica u k = I t B k Ck 0 0 I k 0 z 0 I t z = 0 B k C k z = +B k C k z 0 I z z Esepio Per λ =3 si ha A λ I = 7 6 λ = 3, λ =, λ 3 = 4 con B = ; C = 0 0 B = ; G = 0 ; Z t = Z α u = 0 α α = α α α Poiché α è arbitrario possiao scegliere α= per ottenere u = con tutti valori interi. [ ] con α scalare Calcolo degli autovettori per autovalori ultipli Se l autovalore λ k ha olteplicità k il rango di (A-λ k I) deve essere stabilito di volta in volta Esepio 0 ; Equaz.Caratt.: ( λ ) ( λ ) e con λ = ( volte) e λ =
13 All autovalore λ corrisponde A λ I = Poniao che ha rango quindi vi sono ( 3 -) = vettori LIN associati a λ = B = ; C = [ ]; Z t = Z α α [ ] Per cui Per λ =- otteniao Posto si ottiene Dando i valori u = ( ) α α α α ( α + α ) = α α 0 A λ I = 3 che ha rango. B = 0 ; C 3 = ; Z t = [ Z α] 3 u = α α 0 = α α α ( α =, α = 0)( ; α = 0, α = ), α = avreo U = 0 che ha U 0 0 e quindi i tre autovettori sono LIN Altro esepio con E. C. : λ ( λ ) ( λ 6) e con λ = ( volte) e = 6. ( A λ I) = Il rango di questa atrice è : infatti la 3 a riga si ottiene soando alla a la a oltiplicata per due.
14 Se il rango è, allora esistono 3-ran(A-λ I)=3-= vettori LIN associati a λ =. Se definiao B = ; C = 0 ; Z t = [ Z α] Otteniao u = + 4 α 0 α = α α α Per λ =6 si ha A λ I 6 = che ha pure rango dato che la 3 a è ottenuta soando la a per (-) e soando due. Definiao ora: B = 6 3 ; C = 0 ; Z t = Z α [ ] otteniao u = 3 8α 8α α quindi le radici della equazione caratteristica sono tre, a i vettori LIN ottenibili sono due. Ne consegue che, se gli autovalori non sono distinti non necessariaente è possibile ottenere autovettori linearente indipendenti.
15 Autovalori distinti e indipendenza lineare degli autovettori Sia A quadrata di ordine ed ipotizziao che gli autovalori siano tutti distinti. Ipotizziao inoltre che gli autovettori associati agli autovettori siano LID cioè linearente dipendenti. La dipendenza lineare iplica che esistano degli scalari Non tutti nulli tali che β i u i = 0 cioè β u + β u + + β u = 0 per aleno un β i 0 Moltiplichiao ora ogni terine per il prodotto Ottenendo [ ] + β u [( A λ I) ( A λ 3 I) ( A λ I) ] + + [ ( )] = 0 β u ( A λ I) ( A λ 3 I) ( A λ I) β u ( A λ I) ( A λ 3 I) A λ I Per k gli addendi sono tutti nulli dato che uno dei fattori β k u k ( A λ k I) è zero poiché λ k è un autovalore e u k un autovettore. Quindi che equivale a e che si riduce a β,β,,β ( A λ I) ( A λ 3 I) ( A λ I) β [( A λ I) ( A λ 3 I) ( A λ I) ]u = 0 [ ( )]( A λ I)u = 0 ( )( A λ 3 I) ( A λ I) ( ) = 0 = β ( A λ I) ( A λ 3 I) A λ I [ ] Au λ u [( )( A λ 3 I) ( A λ I) ] λ u λ u = β A λ I ( ) = 0 = β A λ I = β [( A λ I) ( A λ 3 I) ( A λ I) ]µ λ λ ( ) = 0 β ( λ λ )( λ λ 3 ) ( λ λ )u = 0 Poiché gli autovalori sono distinti ciò iplica che β =0. Lo stesso si può dire per gli altri coefficienti β i e questo contraddice l ipotesi di dipendenza lineare in cui aleno uno dei β i è diverso da zero. Quindi gli autovettori associati ad autovalori distinti sono LIN.
16 Autovalori ripetuti e indipendenza lineare A è quadrata di ordine. Supponiao che l autovalore λ k abbia olteplicità k e che esistano p autovalori distinti tali che λ,λ,,λ p p i = La atrice A avrà associati autovettori LIN se e solo se si verifica la seguente condizione Sufficienza. Se r( A λ k I) = k per k =,,, p r( A λ k I) = n k ( A λ k I)u k ha ( k ) = k soluzioni LIN. Per diostrare che autovettori in gruppi diversi siano LIN supponiao che non lo siano. In particolare supponiao che u k associato a λ k sia una cobinazione lineare degli autovettori z,z,,z p associati a λ h h=,,,p con h k. In breve si ipotizza che p u k = β i z i con β i 0 per aleno un i Allora k Au k = β i Az i λ h u k = β i λ k z i = λ k β i z i k k Si dovrebbe perciò avere: λ k u k = λ h u k che è ipossibile dato che si è posto λ k λ h Necessità. Ciò equivale a diostrare che se U - AU=D esiste, allora si ha ran(a-λ k I)=-r. Sia D la atrice diagonale forata con gli autovalori della atrice A. Ne consegue che (D-λ k I) ha esattaente k zeri sulla diagonale e cioè tanti quanto è la olteplicità di λ k. Quindi ran(d-λ k I)=- k Poiché esiste U - AU=D ne consegue che A=UD - U e quindi ( A λ k I) = ( UDU λ k I) = U[ D λ k I]U e poiché ran(d-λ k I)=- k, lo stesso sarà per A-λ k I perché il rango riane invariato se la atrice è oltiplicata per atrici non singolari. In generale quindi, se ci sono autovalori ripetuti diversi da zero, siao sicuri che il rango della atrice originaria non è coproesso, a il rango della atrice forata con gli autovettori sarà pieno solo se gli autovalori sono distinti oppure, se ripetuti, si verifica la condizione posta all inizio del paragrafo.
17 Matrici in fora canonica siile Se A è quadrata di ordine, ad ogni autovalore λ k di A può essere associato un autovettore tale che Au k = λ k u k per k =,,, Aggreghiao le relazioni nella notazione copatta λ λ A[ u u u ] 0 ovvero AU = UD 0 0 λ Dove U è forata dagli autovettori e D è una atrice diagonale D è la fora canonica siile di A. D = diag( λ,λ,,λ ) Esepio Con 0 E.C. ( λ ) ( λ ) = 0 λ =, λ =, λ 3 =, e, ad esepio, U = 0 0 AU = 0 = UD = = Se U è non singolare allora U - AU=U - UD=D. Diagonalizzazione di una atrice Data la atrice quadrata A di ordine è possibile ipostare la relazione AU=UD dove D è una atrice diagonale i cui eleenti sono gli autovalori di A ed U una atrice forata con gli autovettori ad essi associati. La atrice U è non singolare se r( A λ k I) = k per k =,,,P con k olteplicità di λ k e p nuero di autovalori distinti. In questo caso si può porre la relazione
18 U AU = D Se la relazione sul rango non è verificata per qualche λ k allora A è deficitaria e U - non esiste. Ciò può succedere però solo in caso di autovalori ripetuti. a) Il deterinante di A è uguale al deterinante di D. U AU = D U A U dato che A B = A B poiché U = U U AU = U A U = A e quindi D b) A e D hanno la stessa equazione caratteristica e quindi gli stessi autovalori. Il converso però non è vero: P e Q possono avere gli stessi autovalori (e quindi lo stesso deterinante) a non necessariaente risulteranno siili nel senso pria descritto. Le due atrici P = 0 ; Q = 0 0 hanno gli stessi autovalori λ = e λ =, a per ogni qualunque atrice non singolare C si ha C - PC=I. dato che P=I e quindi non esiste una atrice U tale che U - PU=Q c) La relazione U - AU=D iplica che A=UDU - e quindi d) A = A UDU A = UD U A p = UD p U e questo è vero per ogni intero p (inclusi i negativi). Matrici sietriche Le atrici sietriche hanno alcune proprietà interessanti rispetto ad autovalori e autovettori che conviene studiarle separataente. Una atrice quadrata A è sietrica quando è identica alla sua trasposta A t a ij = a ji i =,,,; j =,,, a) Se gli eleenti di A sono reali ed A è sietrica allora le radici dell equazione caratteristica sono pure reali. b) Tutte le atrici sietriche sono diagonalizzabili e cioè esiste U - tale che UDU c) Gli autovettori di una atrice sietrica sono ortogonali a due a due Caso. Autovalori distinti Siano λ λ e u, u gli autovettori associati D = diag( λ,λ,,λ ) Au = λ u u T Au = λ u T u
19 Poiché autovettori riga e colonna coincidono si ha e dato che λ λ l identità è possibile solo se λ u T u = λ u T u u T u = 0 sono vettori ortogonali Questo vale per ogni coppia di autovalori e di autovettori. Caso. Autovalori ripetuti. La diostrazione è più coplessa, a è accertato che se A è sietrica e λ k è un suo autovalore con olteplicità k allora ran(a-λ k I)=n- k e (A-λ k I)u=0 ha k soluzioni LIN e ortogonali. d) Il rango di una atrice sietrica coincide con il nuero di autovalori diversi da zero. Infatti, poiché A=UDU t ran(a) e ran(d) coincidono ed essendo D diagonale il suo rango è dato dal nuero di autovalori non nulli. e) Quoziente di Rayleigh. Se A è una atrice sietrica di ordine (x) con autolavori allora λ λ λ λ x t Ax x t x λ i) Matrici in fora canonica siile ortogonali. Sappiao che A=A t allora A è diagonalizzabile che, data la sietria, è possibile trovare vettori linearpende indipendenti ortogonali associati agli autovalori di A, singoli o ltipli che siano. D altra parte, se u e u sono autovettori associati a λ e λ e cioè u t u = u t u = 0 Possiao trasforare i due vettori in odo che la loro nora euclidea sia unitaria u + = u t u u ; u + = u t u u ; u + i ( ) t u i + = u t i u u t iu i i u t i u = i A questo punto possiao diagonalizzare l originaria atrice A con lo schea QDQ t con Q t Q = QQ t = I Esepio
20 ; λ = 5, λ =, λ = 3 α u = α ; A λ I = α ( ) α + α e quindi u = α = u 3 α Se si pone α=, α = α =, e poi α =-, α = si perviene a 0 U = Q = E facile verificare che Q è ortogonale e che Q t AQ=D=diag(5,-,-). h) Scoposizione in valori singolari (Scoposizione spettrale). Per la particolare atrice A t A si può ostrare la nota proprietà A t cioè la soa dei prodotti esterni delle colonne di A. Coe è noto il prodotto esterno o prodotto vettoriale di due vettori conforabili deterina una atrice. Se u, v sono due vettori colonna ( x ) allora uv t sarà una atrice quadrata di ordine ( x ). j= t a j a j u = 4 ; v = 0 uv t = [ ] = Il prodotto di due atrici può essere realizzato utilizzando il prodotto esterno dei loro vettori r r AB = [ c c c ] = c r t + c r t t + c r r Sia ora U la atrice ortogonale usata nella diagonalizzazione di A con U t U=I. Quindi Preoltiplicando per A si arriva a t I = u j u j j= T Au j u j = A j= j= λ t j u j u j = A
21 Che è nota coe la scoposizione spettrale di A. Tale forula si applica anche alle potenze di A. A P = P T λ j u j u j f) Gli autovalori di una atrice sietrica sono tutti non-negativi se e solo se la atrice è non negativa definita cioè x t Ax 0 per ogni x e questo si diostra con la siilitudine a D. Matrici sietriche non negative definite Le fore quadratiche x t Ax sono nulle se x è coposto esclusivaente da zeri. Alcune di esse sono però nulle solo se x=0. Esepio 5 ; x T Ax = [ x x x 3 ] 5 x t Ax = x + 5x + x3 + 4 x x + x x 3 + x x 3 = ( x x ) + ( x + x 3 ) + ( x + x 3 ) che è aggiore di zero a eno che x =x =x 3 =0. Altre fore quadratiche sono nulle anche per x 0. Esepio ; x t Ax = [ x x x 3 ] x t Ax = 37x +3x +7x3 4 x x 48x x 3 6x x 3 = ( x x ) + ( 6x 4x 3 ) + ( 3x x 3 ) Che risulta nulla per x=[ 3]. Le fore quadratiche si dicono: Le ultie due categorie sono indicate congiuntaente con il terine di fore quadratiche non negative definite. Proprietà delle atrici non negative definite a) Se A è positiva definita allora a i >0 e A >0, Se A è positiva seidefinita allora a i 0 e A =0 b) Se A è positiva (sei)definita lo sarà pure QAQ t per ogni atrice non singolare Q. Infatti, posto allora positive defnite se x T Ax > 0 x 0 positive seidefinite x T Ax 0 x 0 e x T Ax = 0 per qualche x 0 y T T x = 0 x Ax = 0. y = (Q t ) x Ay 0 yq y 0 T x x x 3 x x x 3
22 c) Le atrici non negative definite aettono la scoposizione: A=QQ t con Q reale e rango pieno di colonna inoltre, se A è positiva definita Q è non singolare. Un iportante conseguenza è che d) Se X è una atrice con eleenti reali allora (X t X) è sietrica e non negativa definita. Inoltre se X ha rango pieno allora (X t X) è positiva definita. e) Autovalori di atrici sietriche non negative definite. Se la atrice A è sietrica ed ha autovalori non negativi allora è non negativa definita ed è positiva definita se gli autovalori sono positivi Esepio x T Ax = ; E.C. = λ( λ 4) ( λ 53) = 0;λ = 53, λ =4, λ 3 = 0 Se A è non negativa definita abbiao U t AU=D. Sia ora D 0.5 la atrice diagonale D 0.5 = diag cioè forata dalle radici quadrate degli autovalori di A. Si avrà perciò j= = y i x i x j u ij per y = Q t x UDU T = ( UD U T )( UD U T ) = H con H = UD U T ( λ i ) Ne consegue che gli autovettori danno la direzione dei seiassi della ellissoide attraverso il coseno e gli autovalori ne danno la lunghezza. La assia eccentricità è data dal coefficiente di condizionaento:
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)
DettagliMATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE
DIAGONALIZZAZIONE 1 MATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE Matrici ortogonali e loro proprietà. Autovalori ed autospazi di matrici simmetriche reali. Diagonalizzazione mediante matrici
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
Dettagli5 Un applicazione: le matrici di rotazione
5 Un applicazione: le matrici di rotazione 51 Rotazioni nel piano di un angolo ϑ Si vuole considerare il caso della rotazione nel piano di un vettore di R di un angolo ϑ assegnato Chiaramente si tratta
Dettagli1 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
Dettagli3. Vettori, Spazi Vettoriali e Matrici
3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e
DettagliPRINCIPIO DI INDUZIONE. k =. 2. k 2 n(n + 1)(2n + 1) 6
PRINCIPIO DI INDUZIONE LORENZO BRASCO Esercizio. Diostrare che per ogni n si ha nn + ) ). 2 Esercizio 2. Diostrare che per ogni n si ha 2) 2 nn + )2n + ). Soluzione. Procediao per induzione: la 2) è ovviaente
DettagliLezione 12. Sottogruppi finiti di ordine fissato. I Teoremi di Sylow.
Lezione 1 Prerequisiti: Lezioni, 7. ruppi di perutazioni. Riferienti ai testi: [Fd] Sezione.1; [H] Sezione.7; [PC] Sezione 5.1 Sottogruppi finiti di ordine fissato. I Teorei di Sylow. Dal Teorea di Lagrange
DettagliAutovalori ed autovettori di una matrice
Autovalori ed autovettori di una matrice Lucia Gastaldi DICATAM http://www.ing.unibs.it/gastaldi/ Indice 1 Definizioni di autovalori ed autovettori Autovalori ed autovettori 2 Metodo delle potenze 3 Calcolo
DettagliFormulario 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,
DettagliAppendice 1. Spazi vettoriali
Appendice. Spazi vettoriali Indice Spazi vettoriali 2 2 Dipendenza lineare 2 3 Basi 3 4 Prodotto scalare 3 5 Applicazioni lineari 4 6 Applicazione lineare trasposta 5 7 Tensori 5 8 Decomposizione spettrale
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
Dettagli(VX) (F) Se A e B sono due matrici simmetriche n n allora anche A B è una matrice simmetrica.
5 luglio 010 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
DettagliLe matrici. Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1.
Le matrici Sia K un campo con elemento neutro dell addizione 0 ed elemento neutro della moltiplicazione 1. Siano m, n N\{0}. Una matrice m n a coefficienti in K è una tabella di m n elementi di K disposti
DettagliCorso di Geometria BIAR, BSIR Esercizi 2: soluzioni
Corso di Geometria 2- BIAR, BSIR Esercizi 2: soluzioni Esercizio Calcolare il determinante della matrice 2 3 : 3 2 a) con lo sviluppo lungo la prima riga, b) con lo sviluppo lungo la terza colonna, c)
DettagliPotenze, logaritmi, equazioni esponenziali e logaritmiche.
Potenze, logariti, equazioni esponenziali e logaritiche Potenza con esponente intero di un nuero reale Sia a R ed n Z Ricordiao, anzitutto, le seguenti definizioni: ) se n >, si chiaa potenza ennesia (che,
DettagliApplicazioni 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)
DettagliSOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
DettagliDefinizioni e operazioni fondamentali
MATRICI Definizioni e operazioni fondamentali Autovalori e autovettori Potenza Esponenziale Limiti, derivate e integrali Illustrazioni dal Testo di Riferimento per gentile concessione degli Autori 1 DEFINIZIONI
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA
Cognome Nome Matricola FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Ciarellotto, Esposito, Garuti Prova del 21 settembre 2013 Dire se è vero o falso (giustificare le risposte. Bisogna necessariamente rispondere
DettagliRichiami di algebra delle matrici
Richiami di algebra delle matrici (S. Terzi) 1. SPAZI VETTORIALI I. ALCUNE DEFINIZIONI 1) Definizione di spazio vettoriale Sia S un insieme di vettori di ordine n. S è detto spazio lineare se e' un insieme
DettagliEsercizi svolti. risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale
Esercizi svolti 1. Matrici e operazioni fra matrici 1.1 Date le matrici 1 2 1 6 A = B = 5 2 9 15 6 risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale Osservazione iniziale: qualunque
DettagliLezione n.15. Doppi bipoli
Lezione 5 Doppi bipoli Lezione n.5 Doppi bipoli. Definizione di N-polo. Definizione di doppio-bipolo 3. Doppi-bipoli in regie stazionario (doppi-bipoli di resistenze 4. Problei di analisi 5. Problei di
DettagliRICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI. a 11 a 12 a 1n a 21 a 22 a 2n. a m1 a m2 a mn
RICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI LUCIA GASTALDI 1. Matrici. Operazioni fondamentali. Una matrice A è un insieme di m n numeri reali (o complessi) ordinati, rappresentato nella tabella
DettagliMATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI
MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI LE MATRICI DEFINIZIONE: Una matrice è un insieme di numeri disposti su righe e colonne. 1 3 7 M = 2 5 1 M è
DettagliApplicazioni lineari e diagonalizzazione pagina 1 di 5
pplicazioni lineari e diagonalizzazione pagina 1 di 5 PPLIZIONI LINERI 01. Dire quali delle seguenti applicazioni tra IR-spazi vettoriali sono lineari a. f :IR 2 IR 3 f(x y =(x y πy b. f :IR 3 IR 3 f(x
DettagliGEOMETRIA PIANA. 1) sia verificata l uguaglianza di segmenti AC = CB (ossia C è punto medio del segmento AB);
VETTORI E GEOMETRIA ANALITICA 1 GEOMETRIA PIANA Segmenti e distanza tra punti. Rette in forma cartesiana e parametrica. Posizioni reciproche di due rette, parallelismo e perpendicolarità. Angoli e distanze.
DettagliElementi 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
DettagliAppendice A. Richiami di algebra lineare. A.1 Matrici
Richiami di algebra lineare A Matrici Una matrice è un insieme di numeri reali ordinati per righe e per colonne Le matrici vengono generalmente indicate con le lettere maiuscole Ciascun elemento della
DettagliAlcuni esercizi sulla diagonalizzazione di matrici. campo dei reali. Se lo è calcolare una base spettrale e la relativa forma diagonale di A.
Alcuni esercii sulla diagonaliaione di matrici Eserciio Dire se la matrice A 4 8 è diagonaliabile sul 3 3 campo dei reali Se lo è calcolare una base spettrale e la relativa forma diagonale di A Svolgimento
DettagliEsercizi di ripasso: geometria e algebra lineare.
Esercizi di ripasso: geometria e algebra lineare. Esercizio. Sia r la retta passante per i punti A(2,, 3) e B(,, 2) in R 3. a. Scrivere l equazione cartesiana del piano Π passante per A e perpendicolare
Dettaglix 1 Fig.1 Il punto P = P =
Geometria di R 2 In questo paragrafo discutiamo le proprietà geometriche elementari del piano Per avere a disposizione delle coordinate nel piano, fissiamo un punto, che chiamiamo l origine Scegliamo poi
Dettagli( ) TEORIA DELLE MATRICI. A. Scimone a.s pag 1
. Scimone a.s 1997 98 pag 1 TEORI DELLE MTRICI Dato un campo K, definiamo matrice ad elementi in K di tipo (m, n) un insieme di numeri ordinati secondo righe e colonne in una tabella rettangolare del tipo
DettagliIsometrie Ad ogni simmetria delle Natura corrisponde una quantità conservata (Emmy Noether)
Isoetrie Ad ogni sietria delle Natura corrisponde una quantità conservata (E Noether) Le isoetrie sono particolari affinità cioè trasforazioni lineari del piano in sé, che lasciano invariata la distanza
Dettagli1 Simulazione di prova d Esame di Stato
Siulazione di prova d Esae di Stato Problea Risolvi uno dei due problei e 5 dei 0 quesiti in cui si articola il questionario Sia y = f) una funzione reale di variabile reale tale che la sua derivata seconda
DettagliVettori e matrici. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Vettori e matrici Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utentiunifeit/lorenzopareschi/ lorenzopareschi@unifeit Lorenzo Pareschi Univ Ferrara
DettagliSISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI
SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI Appunti presi dalle lezioni del prof. Nedo Checcaglini Liceo Scientifico di Castiglion Fiorentino (Classe 4B) January 17, 005 1 SISTEMI LINEARI Se a ik, b i R,
DettagliRICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come
RICHIAMI SULLE MATRICI Una matrice di m righe e n colonne è rappresentata come A = a 11 a 12... a 1n a 21 a 22... a 2n............ a m1 a m2... a mn dove m ed n sono le dimensioni di A. La matrice A può
DettagliSoluzione. (a) L insieme F 1 e linearmente indipendente; gli insiemi F 2 ed F 3 sono linearmente
1. Insiemi di generatori, lineare indipendenza, basi, dimensione. Consideriamo nello spazio vettoriale R 3 i seguenti vettori: v 1 = (0, 1, ), v = (1, 1, 1), v 3 = (, 1, 0), v 4 = (3, 3, ). Siano poi F
DettagliEsercitazione di Geometria I 13 dicembre Esercizio 1. Esercizio 2. Esercizio 3
Esercitazione di Geometria I 13 dicembre 2008 a. Completa la seguente definizione: i vettori v 1, v 2,..., v n del K-spazio vettoriale V si dicono linearmente dipendenti se... b. Siano w 1, w 2, w 3 vettori
DettagliEsercizi per Geometria II Geometria euclidea e proiettiva
Esercizi per Geometria II Geometria euclidea e proiettiva Filippo F. Favale 8 aprile 014 Esercizio 1 Si consideri E dotato di un riferimento cartesiano ortonormale di coordinate (x, y) e origine O. Si
DettagliSapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A ESERCIZI DA CONSEGNARE prof.
Sapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A. 2015-2016 ESERCIZI DA CONSEGNARE prof. Cigliola Consegna per Martedì 6 Ottobre Esercizio 1. Una matrice quadrata A si
Dettagli= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con
Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti su m righe e n colonne. I numeri che compaiono nella tabella si dicono elementi della matrice. La loro individuazione
DettagliAlgebra lineare Geometria 1 11 luglio 2008
Algebra lineare Geometria 1 11 luglio 2008 Esercizio 1. Si considerino la funzione: { R f : 3 R 3 (α, β, γ) ( 2β α γ, (k 1)β + (1 k)γ α, 3β + (k 2)γ ) dove k è un parametro reale, e il sottospazio U =
Dettagli8.4 Calcolo di tensori di inerzia
1 CAPITL 8. IL CRP RIGID Infatti B I ( u) (P )(P ) [ u (P )] dτ(p ) B (P )(P ) [ u (P )] dτ(p ) B 1 + ρ(p )(P ) [ u (P )] dτ(p ) B B = 1 B I + I Analoga proprietà vale per i oenti di inerzia. 8. Calcolo
DettagliMatrici elementari e fattorizzazioni
Matrici elementari e fattorizzazioni Dario A Bini, Università di Pisa 19 ottobre 2015 Sommario Questo modulo didattico introduce ed analizza la classe delle matrici elementari Tale classe verrà usata per
Dettaglim O Esercizio (tratto dal Problema 4.29 del Mazzoldi 2)
Esercizio tratto dal Problea 4.29 del Mazzoldi 2) Un corpo di assa 0.5 Kg è agganciato ad un supporto fisso traite una olla di costante elastica 2 N/; il corpo è in quiete nel punto O di un piano orizzontale,
Dettagli15 luglio Soluzione esame di geometria - Ing. gestionale - a.a COGNOME... NOME... N. MATRICOLA... ISTRUZIONI
15 luglio 01 - Soluzione esame di geometria - Ing. gestionale - a.a. 01-01 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono
Dettagli1 Fattorizzazione di polinomi
1 Fattorizzazione di polinomi Polinomio: un polinomio di grado n nella variabile x, è dato da p(x) = a n x n + a n 1 x n 1 + + a 1 x + a 0 con a n 0, a 0 è detto termine noto, a k è detto coefficiente
DettagliGeometria analitica del piano pag 12 Adolfo Scimone
Geometria analitica del piano pag 12 Adolfo Scimone Fasci di rette Siano r e r' due rette distinte di equazioni r: ax + by + c r': a' x + b' y + c' Consideriamo la retta combinazione lineare delle due
DettagliInversa. Inversa. Elisabetta Colombo
Corso di Approfondimenti di Matematica per Biotecnologie, Anno Accademico 00-0, http://users.mat.unimi.it/users/colombo/programmabio.html e 3 con i Matrici inverse di matrici quadrate e con i Sia A una
DettagliComplementi di Algebra e Fondamenti di Geometria
Complementi di Algebra e Fondamenti di Geometria Capitolo 3 Forma canonica di Jordan M. Ciampa Ingegneria Elettrica, a.a. 29/2 Capitolo 3 Forma canonica di Jordan Nel Capitolo si è discusso il problema
Dettagli(2) Dato il vettore w = (1, 1, 1), calcolare T (w). (3) Determinare la matrice A associata a T rispetto alla base canonica.
1. Applicazioni lineari Esercizio 1.1. Sia T : R 2 R 3 l applicazione lineare definita sulla base canonica di R 2 nel seguente modo: T (e 1 ) = (1, 2, 1), T (e 2 ) = (1, 0, 1). a) Esplicitare T (x, y).
DettagliRisoluzione di sistemi lineari sparsi e di grandi dimensioni
Risoluzione di sistemi lineari sparsi e di grandi dimensioni Un sistema lineare Ax = b con A R n n, b R n, è sparso quando il numero di elementi della matrice A diversi da zero è αn, con n α. Una caratteristica
DettagliSistemi sovradeterminati
Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m trovare una soluzione del sistema sovradeterminato Ax = b significa cercare di esprimere un vettore di R m come combinazione lineare di
DettagliProdotto scalare e ortogonalità
Prodotto scalare e ortogonalità 12 Novembre 1 Il prodotto scalare 1.1 Definizione Possiamo estendere la definizione di prodotto scalare, già data per i vettori del piano, ai vettori dello spazio. Siano
DettagliTEMPUS PECUNIA EST COLLANA DI MATEMATICA PER LE SCIENZE ECONOMICHE FINANZIARIE E AZIENDALI
TEMPUS PECUNIA EST COLLANA DI MATEMATICA PER LE SCIENZE ECONOMICHE FINANZIARIE E AZIENDALI 2 Direttore Beatrice VENTURI Università degli Studi di Cagliari Comitato scientifico Umberto NERI University of
DettagliTEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI
TEORIA DEI SISTEMI Laurea Specialistica in Ingegneria Meccatronica Laurea Specialistica in Ingegneria Gestionale Indirizzo Gestione Industriale TEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI Ing. Cristian
DettagliLAVORO ED ENERGIA Corso di Fisica per Farmacia, Facoltà di Farmacia, Università G. D Annunzio, Cosimo Del Gratta 2006
LAVORO ED ENERGIA INTRODUZIONE L introduzione dei concetto di lavoro, energia cinetica ed energia potenziale ci perettono di affrontare i problei della dinaica in un odo nuovo In particolare enuncereo
DettagliI. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.
ESERCIZI SVOLTI DI ALGEBRA LINEARE (Sono svolti alcune degli esercizi proposti nei fogli di esercizi su vettori linearmente dipendenti e vettori linearmente indipendenti e su sistemi lineari ) I. Foglio
Dettaglimisura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x
4. Geometria di R 3. Questo paragrafo è molto simile al paragrafo : tratta infatti delle proprietà geometriche elementari dello spazio R 3. Per assegnare delle coordinate nello spazio, fissiamo innanzitutto
DettagliEsercitazione 6 - Soluzione
Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione
Dettagli2. calcolare l energia cinetica del corpo e tracciare il suo andamento nel tempo;
1 Esercizio (tratto dal Problea 4.29 del Mazzoldi 2) Un corpo di assa = 1.5 Kg è agganciato ad una olla di costante elastica k = 2 N/, di lunghezza a riposo = 50 c, fissata ad una parete verticale in x
DettagliREGISTRO DELLE LEZIONI
UNIVERSITA DEGLI STUDI DI GENOVA FACOLTA DI SCIENZE MATEMATICHE, FISICHE E NATURALI REGISTRO DELLE LEZIONI del Corso UFFICIALE di GEOMETRIA B tenute dal prof. Domenico AREZZO nell anno accademico 2006/2007
DettagliSi consideri il sistema a coefficienti reali di m equazioni lineari in n incognite
3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x
Dettagli2 2 2 A = Il Det(A) = 2 quindi la conica è non degenere, di rango 3.
Studio delle coniche Ellisse Studiare la conica di equazione 2x 2 + 4xy + y 2 4x 2y + 2 = 0. Per prima cosa dobbiamo classificarla. La matrice associata alla conica è: 2 2 2 A = 2 2 2 Il DetA = 2 quindi
DettagliCorso di Matematica e Statistica 3 Algebra delle matrici. Una tabella rettangolare: la matrice. Una tabella rettangolare: la matrice
Pordenone Corso di Matematica e Statistica 3 Algebra delle UNIVERSITAS STUDIORUM UTINENSIS Giorgio T. Bagni Facoltà di Scienze della Formazione Dipartimento di Matematica e Informatica Università di Udine
DettagliElementi 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
DettagliEsercizio (tratto dal Problema 4.7 del Mazzoldi 2)
1 Esercizio (tratto dal Problea 4.7 del Mazzoldi 2) Un punto ateriale di assa è sospeso traite un filo verticale ed è collegato al suolo da una olla, di costante elastica = 70 N/, che si trova alla lunghezza
DettagliLa retta nel piano. Supponiamo che la retta r sia assegnata attraverso un suo punto P 0 (x 0, y 0 ) e un vettore v (l, m) che ne indichi la direzione.
La retta nel piano Equazioni vettoriale e parametriche di una retta Supponiamo che la retta r sia assegnata attraverso un suo punto P 0 (x 0, y 0 ) e un vettore v (l, m) che ne indichi la direzione. Condizione
DettagliSISTEMI LINEARI MATRICI E SISTEMI 1
MATRICI E SISTEMI SISTEMI LINEARI Sistemi lineari e forma matriciale (definizioni e risoluzione). Teorema di Rouché-Capelli. Sistemi lineari parametrici. Esercizio Risolvere il sistema omogeneo la cui
DettagliDecomposizione LU di una matrice quadrata
Appendice al Cap. 5 Decomposizione LU di una matrice quadrata Una qualunque matrice quadrata M = {m ij } di ordine N, reale, invertibile, i cui minori principali siano tutti non nulli, si può sempre decomporre
DettagliEsercitazione di Calcolo Numerico 1 22 Aprile Determinare la fattorizzazione LU della matrice a 1 1 A = 3a 2 a 2a a a 2 A =
Esercitazione di Calcolo Numerico 22 Aprile 29. Determinare la fattorizzazione LU della matrice a A = 3a 2 a 2a a a 2 ed utilizzarla per calcolare il det(a). 2. Calcolare il determinante della matrice
DettagliCapitolo IV SPAZI VETTORIALI EUCLIDEI
Capitolo IV SPAZI VETTORIALI EUCLIDEI È ben noto che in VO 3 si possono considerare strutture più ricche di quella di spazio vettoriale; si pensi in particolare all operazioni di prodotto scalare di vettori.
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 7 - CALCOLO NUMERICO CON MATRICI Richiami teorici Operazioni fondamentali Siano A = {a ij } e B = {b ij }, i = 1,..., m, j = 1,..., n due
DettagliPOTENZE DI MATRICI QUADRATE
POTENZE DI MATRICI QUADRATE In alcune applicazioni pratiche, quali lo studio di sistemi dinamici discreti, può essere necessario calcolare le potenze A k, per k N\{0}, di una matrice quadrata A M n n (R)
DettagliStudio generale di una conica
Studio generale di una conica Manlio De Domenico 19 Giugno 2003 Definizione 1 Si definisce conica C un equazione algebrica F (x 1, x 2, x 3 ) = 0 del secondo ordine omogenea. Detta A la matrice simmetrica
DettagliEsercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria
Esercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria Avvertenze In quanto segue tutti i vettori hanno il medesimo punto d origine O l origine dello spazio cartesiano. Possiamo
DettagliCorso di Matematica per la Chimica. Dott.ssa Maria Carmela De Bonis a.a
Dott.ssa Maria Carmela De Bonis a.a. 2013-14 Autovalori ed Autovettori di una matrice Siano Se A = (a i,j ) i,j=1,...,n R n n, 0 x = (x i ) i=1,...,n R n λ R Ax = λx (1) allora λ è detto autovalore di
DettagliAppunti di Geometria - 5
Appunti di Geometria - 5 Samuele Mongodi - s.mongodi@sns.it Segnatura di un prodotto scalare Richiami Sia V uno spazio vettoriale reale di dimensione n; sia, : V V R un prodotto scalare. Data una base
DettagliMatematica Discreta e Algebra Lineare (per Informatica)
Matematica Discreta e Algebra Lineare (per Informatica) Docente: Alessandro Berarducci Anno accademico 2016-2017, versione 14 Marzo 2017 Tipiche domande d esame La seguente lista di domande non intende
DettagliCorso di Geometria Ing. Informatica e Automatica Test 1: soluzioni
Corso di Geometria Ing. Informatica e Automatica Test : soluzioni k Esercizio Data la matrice A = k dipendente dal parametro k, si consideri il k sistema lineare omogeneo AX =, con X = x x. Determinare
Dettagli= (cioè le due terne di numeri direttori ( devono essere ) proporzionali). Tale uguaglianza non è verificata, poiché risulta ρ
Alcuni esercizi sullo spazio euclideo R Nel seguito R indicherà lo spazio euclideo tridimensionale standard, dotato del riferimento cartesiano naturale (pag 56-57 del libro Nota: gli esercizi proposti
DettagliDIAGONALIZZAZIONE. 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,
DettagliCLASSIFICAZIONE DELLE CONICHE AFFINI
CLASSIFICAZIONE DELLE CONICHE AFFINI Pre-requisiti necessari. Elementi di geometria analitica punti e rette nel piano cartesiano, conoscenza delle coniche in forma canonica). Risoluzione di equazioni e
DettagliMatrici quadrate particolari
Matrici quadrate particolari Sia A Mn(K) una matrice quadrata. Gli elementi (a 1,1, a 2,2,, a n,n ) costituiscono la diagonale principale di A. Gli elementi (a 1,n, a 2,n-1,, a n-1,2, a n,1 ) costituiscono
DettagliMassimi e minimi relativi in R n
Massimi e minimi relativi in R n Si consideri una funzione f : A R, con A R n, e sia x A un punto interno ad A. Definizione: si dice che x è un punto di massimo relativo per f se B(x, r) A tale che f(y)
DettagliEsercizi sui sistemi di equazioni lineari.
Esercizi sui sistemi di equazioni lineari Risolvere il sistema di equazioni lineari x y + z 6 x + y z x y z Si tratta di un sistema di tre equazioni lineari nelle tre incognite x, y e z Poichè m n, la
DettagliEsame di Geometria - 9 CFU (Appello del 14 gennaio A)
Esame di Geometria - 9 CFU (Appello del 4 gennaio 24 - A) Cognome: Nome: Nr.matricola: Corso di laurea: Esercizio. Si considerino le rette s : { x x 2 2x 3 = 2 3x x 2 =, { x + x s 2 : 2 x 3 = x 2 =.. Stabilire
DettagliCONTROLLO DI SISTEMI ROBOTICI Laurea Specialistica in Ingegneria Meccatronica
CONTROLLO DI SISTEMI ROBOTICI Laurea Specialistica in Ingegneria Meccatronica CONTROLLO DI SISTEMI ROBOTICI ANALISI DEI SISTEMI LTI Ing. Tel. 0522 522235 e-mail: secchi.cristian@unimore.it http://www.dismi.unimo.it/members/csecchi
DettagliSISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3
SISTEMI LINEARI. Esercizi Esercizio. Verificare se (,, ) è soluzione del sistema x y + z = x + y z = 3. Trovare poi tutte le soluzioni del sistema. Esercizio. Scrivere un sistema lineare di 3 equazioni
DettagliLa lunghezza dei vettori e legata alle operazioni sui vettori nel modo seguente: Consideriamo due vettori v, w e il vettore v + w loro somma.
Matematica II, 20.2.. Lunghezza di un vettore nel piano Consideriamo il piano vettoriale geometrico P O. Scelto un segmento come unita, possiamo parlare di lunghezza di un vettore v P O rispetto a tale
DettagliTRASLAZIONI E DILATAZIONI
TRASLAZIONI E DILATAZIONI Prof. Fabio Breda Abstract. Lo scopo di questo articolo è fare chiarezza sulla odalità di costruzione del graco di funzioni attraverso traslazioni o dilatazioni del graco di altre
DettagliUniversità degli Studi di Bergamo Matematica II (5 e 7,5 crediti) 18 febbraio 2010 Tema A
Università degli Studi di Bergamo Matematica II (5 e 7,5 crediti) 18 febbraio 21 Tema A Tempo a disposizione: 2 ore. Calcolatrici, libri e appunti non sono ammessi. Ogni esercizio va iniziato all inizio
DettagliSoluzione del compito di Fisica 2. 2 febbraio 2012 (Udine)
del copito di isica febbraio 1 (Udine) Elettrodinaica E` data una spira conduttrice quadrata di lato L e resistenza R, vincolata sul piano xy, in oto lungo x con velocita` iniziale v. Nel punto x la spira
DettagliMetodi computazionali per i Minimi Quadrati
Metodi computazionali per i Minimi Quadrati Come introdotto in precedenza si considera la matrice. A causa di mal condizionamenti ed errori di inversione, si possono avere casi in cui il e quindi S sarebbe
DettagliQuadriche Maurizio Cornalba 7/6/2016
Quadriche Maurizio Cornalba 7/6/2016 Sia K un campo. Informalmente, una ipersuperficie (algebrica) nello spazio proiettivo P n K è il luogo dei punti [t 0 : t 1 : : t n ] tali che (t 0, t 1,..., t n )
DettagliCorso di Matematica B - Ingegneria Informatica Testi di Esercizi
A. Languasco - Esercizi Matematica B - 1. Sistemi lineari e Matrici 1 A: Sistemi lineari: eliminazione gaussiana Corso di Matematica B - Ingegneria Informatica Testi di Esercizi A1. Determinare, con il
Dettagli(P x) (P y) = x P t (P y) = x (P t P )y = x y.
Matrici ortogonali Se P è una matrice reale n n, allora (P x) y x (P t y) per ogni x,y R n (colonne) Dim (P x) y (P x) t y (x t P t )y x t (P t y) x (P t y), CVD Ulteriori caratterizzazioni delle matrici
Dettagli