LEZIONE 16 A = Verifichiamo se qualcuna fra le entrate a di A è suo autovalore. determinare per quale entrata a di A risulta rk(a ai 2 ) 1.
|
|
- Marisa Bernardini
- 6 anni fa
- Visualizzazioni
Transcript
1 LEZIONE Autovalori, autovettori ed autospazi di matrici. Introduciamo la seguente definizione. Definizione Siano k = R, C e A k n,n. Un numero λ k si dice autovalore di A su k) se rka λi n ) n 1. Se λ k, k = R, C, è un autovalore di A, l insieme E A λ) k n delle soluzioni del sistema A λi n )X = n,1 viene detto autospazio di A relativo a λ: ogni X E A λ) si dice autovettore di A relativo a λ. Quindi gli autovalori di A sono i λ R tali che il sistema A λi n )X = n,1 abbia soluzioni non banali. Esempio Si consideri A = Verifichiamo se qualcuna fra le entrate a di A è suo autovalore. determinare per quale entrata a di A risulta rka ai 2 ) 1. Poiché 2 rka I 2 ) = rk 3 5 rka 3I 2 ) = rk ) = 2, rka 2I 2 ) = rk 3 6 ) = 2, rka + 4I 2 ) = rk Si tratta di ) = 1, ) = 2, deduciamo che l unica entrata di A che sia suo autovalore è 2. Verifichiamo che anche 5 è autovalore di A. Infatti rka + 5I 2 ) = rk Per calcolare E A 2) R 2 si deve risolvere = ) x = y : 1 Typeset by AMS-TEX
2 AUTOVALORI, AUTOVETTORI ED AUTOSPAZI DI MATRICI E A 2) = { a2, 1) a R } R 2. Similmente per determinare E A 5) R 2 si deve risolvere ) x = y : E A 5) = { a1, 3) a R } R 2. Da questo esempio ricaviamo alcune osservazioni. Non è detto che gli autovalori di una matrice vadano cercati fra le entrate della matrice stessa 5 non è entrata di A). Non è detto che gli autovalori di una matrice siano le sue entrate diagonali della matrice stessa 2 e 5 non sono entrate diagonali di A). Come vedremo la ricerca degli autovalori di una matrice o di un endomorfismo è un problema assai più sottile, talvolta difficile o anche impossibile da risolvere in maniera esatta! Sia A k n,n : ricordo che un autovalore di A è un elemento λ k tale che rka λi n ) n 1 o, equivalentemente, un elemento λ k tale che deta λi n ) = si vedano la Proposizione e il Corollario 4.3.5). Sviluppandolo con la regola di Laplace si può verificare facilmente che deta ti n ) è un polinomio nella variabile t ed a coefficienti in k di grado esattamente n. Più precisamente 1) n t n + a 1 t n 1 + a 2 t n a n 1 t + a n, dove i coefficienti a i sono polinomi nelle entrate di A. Definizione Siano k = R, C e A k n,n. Il polinomio deta ti n ) è chiamato polinomio caratteristico di A. L equazione è detta equazione caratteristica di A. Quindi Proposizione Siano k = R, C e A k n,n. Gli autovalori di A su k sono le radici in k del polinomio caratteristico di A. In particolare A ha al massimo n autovalori a due a due distinti. Quindi, se A R n,n con n dispari, A ha almeno un autovalore in R, invece se n è pari A può non avere autovalori in R. Esempio Sia P R n,n C n,n una matrice ortogonale e sia λ C una radice del suo polinomio caratteristico. Se X = x 1,..., x n ) E A λ) C n allora t P X ) P X ) = t X t P P X = t XI n X = t XX = x x 2 n.
3 LEZIONE 16 3 D altra parte t P X ) P X ) = t λx ) λx ) = λ 2 = t XX = λ 2 x x 2 n). Dal confronto delle due relzioni così ottenute ricaviamo che λ è un numero complesso di modulo 1. In particolare se λ R allora λ = ±1. Se, per esempio, n è dispari deduciamo che una matrice ortogonale P R n,n ha sempre l autovalore reale ±1. Ciò il seguente interessante significato geometrico: ogni rotazione nello spazio ha un asse fisso, cioè è una rotazione intorno ad un asse. Esempio Si consideri la matrice 1 A = R 2,2. 1 Si noti che A è ortogonale speciale. Gli eventuali autovalori di A sono le radici in R di t 1 1 t = t Concludiamo che A non ha autovalori in R. Invece i suoi autovalori su C sono ±i, che hanno modulo 1. Per calcolare E A i) si deve risolvere i 1 x = : 1 i y E A i) = { a1, i) a C } C 2. Similmente per determinare E A i) risolviamo i 1 x = 1 i y : E A i) = { a1, i) a C } C 2. Esempio Ritorniamo all Esempio Allora gli autovalori di 1 2 A = R 2,2 3 4 sono le radici in R) di 1 t t = t2 + 3t 1 = t 2)t + 5). In particolare gli unici autovalori di A sono 2 e 5.
4 AUTOVALORI, AUTOVETTORI ED AUTOSPAZI DI MATRICI Esempio Sia A = R 3, Allora gli autovalori di A sono le radici in R) di 1 t t t = t + 3)2 t 3), sicché gli autovalori di A sono ±3. Per calcolare E A 3) si deve risolvere x y z = : E A 3) = { a2, 1, 3) a R } R 3. Similmente per determinare E A 3) risolviamo x y = : z E A 3) = { a b, a, b) a, b R } = { a 1, 1, )+b 1,, 1) a, b R } R 3. Esempio Sia dunque A = R 3,3 1 2 t 1 1 t 1 1 t = t 1)2 t 2). In particolare gli autovalori di A sono 1 e 2. Per calcolare E A 1) risolviamo il sistema x y =, z
5 LEZIONE 16 5 il cui spazio delle soluzioni è E A 1) = { a, 1, ) a R } R 3. Similmente calcoliamo E A 2) a partire dal sistema x y = : 1 z il suo spazio delle soluzioni è E A 2) = { a1, 1, ) a R } R 3. Esempio Sia A = R 3,3 1 2 dunque 1 t 2 1 t t = tt2 4t + 5). In particolare A ha un unico autovalore in R. Per calcolare E A ) risolviamo il sistema x y =, 1 2 z il cui spazio delle soluzioni è E A ) = { a2, 1, 1) a R } R 3. Per esercizio determinare gli autovalori complessi di A ed i relativi autospazi. Si noti che in tutti i casi sopra esaminati la dimensione di un certo autospazio E A λ) è limitata dalla molteplicità di λ come radice del polinomio caratteristico p A t). Questo è un risultato generale di cui omettiamo la dimostrazione. Definizione Siano k = R, C, A k n,n e λ k un suo autovalore. Chiamiamo molteplicità algebrica la sua molteplicità m a λ, A) di λ come radice di p A t). Chiamiamo molteplicità geometrica il numero m g λ, A) = n rka λi n ). In ogni caso A k n,n ha esattamente n autovalori complessi se contati con la loro molteplicità algebrica. Si noti che, in base a quanto visto nelle Lezioni 2 e 3, si ha m g λ, A) è il numero di parametri liberi da cui dipendono le soluzioni del sistema omogeneo A λi n )X = n,1.
6 DIAGONALIZZAZIONE DI MATRICI Proposizione Siano k = R, C, A k n,n e λ k un suo autovalore. Allora 1 m g λ, A) m a λ, A) Diagonalizzazione di matrici. Introduciamo la seguente importante definizione. Definizione Siano k = R, C e A k n,n. La matrice A si dice diagonalizzabile su k) se esiste una matrice P k n,n invertibile tale che P 1 AP sia una matrice diagonale. Il problema della digonalizzabilità di una matrice quadrata A è strettamente legato alle nozioni di autovalore ed autovettore. Supponiamo che A k n,n diagonalizzabile e sia P k n,n invertibile tale che P 1 AP sia diagonale, diciamo D = diagλ 1, λ 2,..., λ n ). Si noti che l identità matriciale P 1 AP = D equivale, nell ipotesi che P sia invertibile, e AP = P D. Sia P j k n la j esima colonna di P, che è non nulla perché P è invertibile: allora l uguaglianza AP = P D letta sulla colonna j esima diviene AP j = λ j P j, j = 1,..., n. Quindi P j è un autovettore di A e λ j è il relativo autovalore. Concludiamo che, se A è diagonalizzabile, che P ha per colonne n autovettori di A linearmente indipendenti e che l elemento j esimo sulla diagonale di D è esattamente l autovalore corrispondente alla colonna j esima di P. Viceversa, supponiamo di avere n autovettori di A, diciamo P 1,..., P n, tali che la matrice P avente P j come colonna j esima sia invertibile. Allora, procedendo a ritroso con il ragionamento sopra, si verifica che A è diagonalizzabile e che Λ = P 1 AP è una matrice avente l entrata di posizione j, j) coincidente con l autovalore relativo a P j. Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n abbia o meno autovalori ed autovettori. Osservazione Chiaramente ogni matrice diagonale D è diagonalizzabile! Infatti presa P = I n si ha P 1 DP = D. Esempio Si consideri la matrice si veda l Esempio ) A = R 3, Come visto nell Esempio , A ha i due autovalori ±3 e E A 3) = { a2, 1, 3) a R } R 3, E A 3) = { a 1, 1, ) + b 1,, 1) a, b R } R 3.
7 Siano P 1 = 2, 1, 3) = 2 1, P 2 = 1, 1, ) = 3 LEZIONE La matrice P avente tali colonne è , P 3 = 1,, 1) = 1. 1 ha rango 3, dunque è invertibile per esempio detp ) = 6 ). Per quanto visto sopra sappiamo a priori che P 1 AP = diag3, 3, 3) = verificarlo per esercizio). Ricordo che gli autovalori di A k n,n sono le radici λ 1,..., λ h R del polinomio caratteristico p A t). Inoltre ad ognuno degli autovalori λ i k di A rimangono associati due numeri interi non negativi, la sua molteplicità algebrica m a λ, A) e la sua molteplicità geometrica m g λ, A). La somma delle molteplicità delle radici di un polinomio è pari al grado del polinomio stesso. Quindi m a λ 1, A) + + m a λ h, A) n, e, se vale l uguaglianza, tutte le radici di p A t) devono essere in R. Quindi, se λ 1,..., λ h k sono le radici di p A t), tenendo conto della Proposizione 2.2.2, al massimo possiamo determinare m g λ 1, A) + + m g λ h, A) m a λ 1, A) + + m a λ h, A) n autovettori linearmente indipendenti. Se vale l uguaglianza, tutte le radici λ di p A t) devono essere in k e si deve avere m g λ, A) = m a λ, A) per ognuna di esse. In particolare, se o non tutte le radici di p a t) sono in k oppure se lo sono ma esiste almeno una di esse per cui m g λ, A) < m a λ, A), la matrice A non è diagonalizzabile. Esempio Si considerino le matrici di R 3,3 C 3,3 A 1 = , A 2 =
8 DIAGONALIZZAZIONE DI MATRICI SIMMETRICHE Nell Esempio abbiamo visto che A 1 ha come autovalori i numeri 1 e 2 e che m a 2, A) = 1 = m g 2, A), m a 1, A) = 2 > 1 = m g 1, A). Nell Esempio abbiamo visto che A 2 ha come unico autovalore in R il numero e che m a, A) = 1 = m g, A). Invece su C tale matrice ha i numeri, 2 + i e 2 i come autovalori e m a, A) = 1 = m g, A), m a 2 + i, A) = 1 = m g 2 + i, A), m a 2 i, A) = 1 = m g 2 i, A). Concludiamo che le due matrici date non sono diagonalizzabili su R. Invece A 2 è diagonalizzabile su C mentre A 1 non lo è. Viene naturale porsi il problema di dare un criterio per stabilire se una data matrice sia diagonalizzabile o meno su R o C. Si ha il seguente risultato fondamentale Proposizione Siano k = R, C e A k n,n. La matrice A è diagonalizzabile su k se e solo se valgono le due seguenti condizioni: i) tutte le radici di p A t) sono in k; ii) per ogni radice λ di p a t) risulta m g λ, A) = m g λ, A) Diagonalizzazione di matrici simmetriche. Come visto nel paragrafo precedente, il fatto che una matrice sia diagonalizzabile o meno non può essere, in generale, stabilito a priori ma solo dopo lo studio dei suoi autospazi. C è però una classe di matrici la cui diagonalizzabilità è assicurata da un risultato generale di cui omettiamo la dimostrazione e su cui torneremo nelle prossime lezioni. Proposizione Sia A Sim n R). Allora A è diagonalizzabile. Si noti che la proposizione precedente assicura la diagonalizzabilità su R, cioè l esistenza di una matrice invertibile P R n,n tale che P 1 AP = D R n,n sia diagonale. Esempio Sia Risulta A = t t t = t3 + 3t + 2 = t + 1) 2 t 2), Concludiamo che gli autovalori di A sono 1 e 2: inoltre per la Proposizione m a 1, A) = m g 1, A) = 2 e m a 2, A) = m g 2, A) = 1. Per determinare E A 1) risolviamo il sistema x y z =.
9 LEZIONE 16 9 Quindi E A 1) = { a1, 1, ) + b1, 1, 2) a, b R}. Per determinare E A 2) risolviamo il sistema x y = z Quindi E A 2) = { a1, 1, 1) a R }. Posto P = risulta P 1 AP = Osservazione Per renderci conto della potenza della Proposizione osserviamo che, spesso, è assai difficile determinare esattamente gli autovalori di una matrice: può però essere utile poternme determinare la diagonalizzabilità. Per esempio 21 3/ /4 π e /4 e 1 1/11 3/2 π A = è senza dubbio diagonalizzabile perché simmetrica a coefficienti reali.
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
DettagliAPPUNTI 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
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,
Dettagli0.1 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
DettagliLEZIONE 25. P si dice speciale se det(p ) = 1 non
LEZIONE 5 5.. Matrici ortogonali. Facciamo una breve digressione su un importante famiglia di matrici, quelle ortogonali. Definizione 5... P R n,n si dice ortogonale se t P I n. Prima di dare esempi di
DettagliAUTOVALORI, AUTOVETTORI, AUTOSPAZI
AUTOVALORI, AUTOVETTORI, AUTOSPAZI. Esercizi Esercizio. Sia f : R 3 R 3 l endomorfismo definito da f(x, y, z) = (x+y, y +z, x+z). Calcolare gli autovalori ed una base per ogni autospazio di f. Dire se
DettagliLezione Diagonalizzazione ortogonale per matrici simmetriche
Lezione 22 22. Diagonalizzazione ortogonale per matrici simmetriche La Proposizione 2. afferma che ogni matrice simmetrica reale è diagonalizzabile su R: ilrisultatoprincipalediquestasezioneèchelamatricechediagonalizzapuò
DettagliSPAZI VETTORIALI CON PRODOTTO SCALARE A =
SPAZI VETTORIALI CON PRODOTTO SCALARE Esercizi Esercizio. Nello spazio euclideo standard (R 2,, ) sia data la matrice 2 3 A = 3 2 () Determinare una base rispetto alla quale A sia la matrice di un endomorfismo
DettagliDiagonalizzazione 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 =
DettagliParte 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
DettagliCORSO 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
DettagliAutovalori 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
DettagliAutovalori 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
DettagliLezioni 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
Dettagli1 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
DettagliENDOMORFISMI. 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)
DettagliDefinizione. 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
DettagliDIAGONALIZZAZIONE E FORME QUADRATICHE / ESERCIZI PROPOSTI
M.GUIDA, S.ROLANDO, 204 DIAGONALIZZAZIONE E FORME QUADRATICHE / ESERCIZI PROPOSTI L asterisco contrassegna gli esercizi più difficili o che possono considerarsi meno basilari. Autovalori, autospazi e diagonalizzazione
Dettagli0 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
Dettagli4 Autovettori e autovalori
4 Autovettori e autovalori 41 Cambiamenti di base Sia V uno spazio vettoriale tale che dim V n Si è visto in sezione 12 che uno spazio vettoriale ammette basi distinte, ma tutte con la medesima cardinalità
DettagliGEOMETRIA 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"
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
DettagliEndomorfismi e matrici simmetriche
CAPITOLO Endomorfismi e matrici simmetriche Esercizio.. [Esercizio 5) cap. 9 del testo Geometria e algebra lineare di Manara, Perotti, Scapellato] Calcolare una base ortonormale di R 3 formata da autovettori
DettagliDIAGONALIZZAZIONE / ESERCIZI SVOLTI
M.GUIDA, S.ROLANDO, 015 1 DIAGONALIZZAZIONE / ESERCIZI SVOLTI L asterisco contrassegna gli esercizi meno basilari (perché più difficili o di approfondimento). Stabilire se la matrice A = 1 1 0 0 R 3,3
DettagliLAUREA IN INGEGNERIA CIVILE ED AMBIENTE-TERRITORIO Corso di Matematica 2 Padova TEMA n.1
LAUREA IN INGEGNERIA CIVILE ED AMBIENTE-TERRITORIO Corso di Matematica Padova -8-8 TEMA n.1 PARTE 1. Quesiti preliminari Stabilire se le seguenti affermazioni sono vere o false giustificando brevemente
DettagliApplicazioni 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
DettagliLEZIONE Equazioni matriciali. Negli Esempi e si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = R m,n, B = (b i,h ) 1 i m
LEZIONE 4 41 Equazioni matriciali Negli Esempi 336 e 337 si sono studiati più sistemi diversi AX 1 = B 1, AX 2 = B 2,, AX p = B p aventi la stessa matrice incompleta A Tale tipo di problema si presenta
DettagliAutovalori 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
DettagliDiagonalizzabilità 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
DettagliESAME DI GEOMETRIA. 6 febbraio 2002 CORREZIONE QUIZ
ESAME DI GEOMETRIA 6 febbraio CORREZIONE QUIZ. La parte reale di ( + i) 9 è positiva. QUIZ Si può procedere in due modi. Un primo modo è osservare che ( + i) =i, dunque ( + i) 9 =(+i)(i) 4 = 4 ( + i) :
DettagliCORSO 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- 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
DettagliLEZIONE i i 3
LEZIONE 5 51 Determinanti In questo lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli
DettagliCORSO DI LAUREA IN INGEGNERIA.
CORSO DI LAUREA IN INGEGNERIA. FOGLIO DI ESERCIZI 9 GEOMETRIA E ALGEBRA LINEARE 2012/13 Esercizio 9.1 (8.40). Sia T : R 2 R 3 l applicazione definita da T(x,y) = (2x,x y,2y), e siano B = {(1,0), (1,1)
DettagliParte 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,
DettagliUniversità 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
DettagliLEZIONE 4. Le sottomatrici 2 2 di A sono. Invece ( 1 3 non è sottomatrice di A.
LEZIONE 4 4 Determinanti In questa lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli
DettagliAutovalori, 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
DettagliEsame scritto di Geometria I
Esame scritto di Geometria I Università degli Studi di Trento Corso di laurea in Fisica A.A. 26/27 Appello di febbraio 27 Esercizio Sia f h : R R l applicazione lineare definita da f h (e ) = 2e + (2 h)e
DettagliAlgebra lineare e geometria AA Appunti sul cambio di base in uno spazio vettoriale
Algebra lineare e geometria AA. 8-9 Appunti sul cambio di base in uno spazio vettoriale Matrice di un applicazione lineare Siano V e W due spazi vettoriali su un campo K {R, C}, entrambi finitamente generati,
DettagliComplemento 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
DettagliMatrici simili. Matrici diagonalizzabili.
Matrici simili. Matrici diagonalizzabili. Definizione (Matrici simili) Due matrici quadrate A, B si dicono simili se esiste una matrice invertibile P tale che B = P A P. () interpretazione: cambio di base.
DettagliAlgebra lineare e geometria AA Appunti sul cambio di base in uno spazio vettoriale
Algebra lineare e geometria AA. -7 Appunti sul cambio di base in uno spazio vettoriale Matrice di un applicazione lineare Siano V e W due spazi vettoriali su un campo K {R, C}, entrambi finitamente generati,
DettagliLEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g
LEZIONE 3 3.. Matrici fortemente ridotte per righe. Nella precedente lezione abbiamo introdotto la nozione di soluzione di un sistema di equazioni lineari. In questa lezione ci poniamo il problema di descrivere
DettagliLEZIONE i 0 3 Le sottomatrici 2 2 di A sono. 1 2 i i 3. Invece (
LEZIONE 6 6 Determinanti In questa lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli
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
DettagliLEZIONE 5. AX = 0 m,1.
LEZIONE 5 5 isoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per quanto visto nella precedente lezione, sappiamo di poter trasformare,
DettagliRichiami di algebra delle matrici a valori reali
Richiami di algebra delle matrici a valori reali Vettore v n = v 1 v 2. v n Vettore trasposto v n = (v 1, v 2,..., v n ) v n = (v 1, v 2,..., v n ) A. Pollice - Statistica Multivariata Vettore nullo o
DettagliLEZIONE 23. ax 2 + bxy + cy 2 + dx + ey + f
LEZIONE 23 23.1. Riduzione delle coniche a forma canonica. Fissiamo nel piano un sistema di riferimento Oxy e consideriamo un polinomio di grado 2 in x, y a meno di costanti moltiplicative non nulle, diciamo
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
Dettagli=. 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
DettagliElementi 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
Dettagli0.1 Forme quadratiche
0.1. FORME QUADRATICHE 1 0.1 Forme quadratiche In questa sezione possiamo applicare il Teorema degli Assi Principali per giustificare alcune fatti che sono stati utilizzati nella riduzione a forma canonica
DettagliGeometria e algebra lineare (II parte) Bruno Martelli
Geometria e algebra lineare (II parte) Bruno Martelli Dipartimento di Matematica, Largo Pontecorvo 5, 56127 Pisa, Italy E-mail address: martelli at dm dot unipi dot it versione: 7 marzo 2017 Indice Introduzione
DettagliA.A GEOMETRIA CDL IN INGEGNERIA MECCANICA FACOLTÀ DI INGEGNERIA CIVILE ED INDUSTRIALE SOLUZIONI TEST 4
A.A.8-9 GEOMETRIA CDL IN INGEGNERIA MECCANICA FACOLTÀ DI INGEGNERIA CIVILE ED INDUSTRIALE SOLUZIONI TEST 4 Esercizio (). Sia γ la conica di equazione: γ : x xy + y + 8x + =. (a) Verificare che la conica
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)
Dettagli{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
DettagliESERCIZI DI MATEMATICA DISCRETA ANNO 2006/2007
ESERCIZI DI MATEMATICA DISCRETA ANNO 6/7 //7 () Ridurre la seguente matrice ad una a scala ridotta utilizzando il metodo di Gauss-Jordan. Soluzione. () Determinare quante e quali sono le matrici a scala
DettagliAutovettori e autovalori
Autovettori e autovalori Definizione 1 Sia A Mat(n, n), matrice a coefficienti reali. Si dice autovalore di A un numero λ R tale che v 0 R n Av = λv. Ogni vettore non nullo v che soddisfa questa relazione
DettagliDIARIO DEL CORSO DI MATHEMATICS FOR DATA SCIENCE TRENTO, A.A. 2018/19 DOCENTI: ANDREA CARANTI, SIMONE UGOLINI
DIARIO DEL CORSO DI MATHEMATICS FOR DATA SCIENCE TRENTO, A.A. 2018/19 DOCENTI: ANDREA CARANTI, SIMONE UGOLINI Nota. La descrizione di lezioni non ancora svolte si deve intendere come una previsione/pianificazione.
DettagliApplicazioni 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
DettagliAPPLICAZIONI 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:
DettagliRichiami 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 +
DettagliLA 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
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
DettagliCorso 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
DettagliFondamenti 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
DettagliGeometria Prova scritta, appello unico, sessione autunnale Corso di laurea in fisica A.A 2017/2018 Canali A C, e L Pa
Geometria Prova scritta, appello unico, sessione autunnale Corso di laurea in fisica A.A 27/28 Canali A C, e L Pa Durata: 2 ore e 3 minuti Simone Diverio Alessandro D Andrea Paolo Piccinni 7 settembre
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
DettagliAlgebra lineare. {ax 2 + bx + c R 2 [x] : 2a + 3b = 1} a b c d. M(2, 2) : a + c + d = 2. a b. c d
Algebra lineare 1. Riconoscere se il seguente insieme costituisce uno spazio vettoriale. In caso affermativo trovarne la dimensione e una base. (R n [x] denota lo spazio dei polinomi nell indeterminata
DettagliLAUREA IN INGEGNERIA CIVILE Corso di Matematica 2 II a prova di accertamento Padova Docenti: Chiarellotto - Cantarini TEMA n.
LAUREA IN INGEGNERIA CIVILE Corso di Matematica II a prova di accertamento Padova 10-1-07 Docenti: Chiarellotto - Cantarini TEMA n.1 PARTE 1. Quesiti preliminari Stabilire se le seguenti affermazioni sono
Dettagli0.1 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
DettagliSPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE
SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE. Esercizi Esercizio. In R calcolare il modulo dei vettori,, ),,, ) ed il loro angolo. Esercizio. Calcolare una base ortonormale del sottospazio
DettagliAlgebra lineare Geometria 1 15 luglio 2009
Algebra lineare Geometria 1 15 luglio 2009 Esercizio 1. Nello spazio vettoriale reale R 3 [x] si considerino l insieme A k = {1 + x, k + (1 k)x 2, 1 + (k 1)x 2 + x 3 }, il vettore v k = k + kx x 3 e la
DettagliGeometria e algebra lineare 20/6/2017 Corso di laurea in Ing. Elett. Tel., Ing. Inf. Org. e Informatica Correzione. x 2y = 0
Geometria e algebra lineare 20/6/2017 Corso di laurea in Ing. Elett. Tel., Ing. Inf. Org. e Informatica Correzione A Esercizio 1A Siano r la retta di equazioni { x + y 2z = 1 e P il punto di coordinate
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
DettagliPROVE D'ESAME DI MATEMATICA DISCRETA A.A. 2010/2011
PROVE D'ESAME DI MATEMATICA DISCRETA A.A. 200/20 07/06/20 () In R 3 [t], lo spazio vettoriale dei polinomi nella variabile t di grado al piú 3, sia u = t 2 5t + 6 e w = t 3 + t 2 t. (a) Determinare una
DettagliPROVA SCRITTA DEL 10 LUGLIO 2008 e SOLUZIONI. Per ognuno dei seguenti quiz indicare l unica risposta corretta tra le quattro proposte.
Geometria B1-02efe Geometria - 13bcg PROVA SCRITTA DEL 10 LUGLIO 2008 e SOLUZIONI Per ognuno dei seguenti quiz indicare l unica risposta corretta tra le quattro proposte. Esercizio 1. Sia u, v, w vettori
DettagliAlgebra Lineare Autovalori
Algebra Lineare Autovalori Stefano Berrone Sandra Pieraccini Dipartimento di Matematica Politecnico di Torino, Corso Duca degli Abruzzi 24, 10129, Torino, Italy e-mail: sberrone@calvino.polito.it sandra.pieraccini@polito.it
DettagliESEMPIO DI SISTEMA LINEARE CON SOLUZIONE. Esercizio Si consideri il sistema di equazioni lineari dipendente da un parametro λ R:
ESEMPIO DI SISTEMA LINEARE CON SOLUZIONE Esercizio Si consideri il sistema di equazioni lineari dipendente da un parametro λ R: x 1 + x = 0 6x 1 + (λ + )x + x 3 + x 4 = 1 x 1 4x + (λ + 1)x 3 + 6x 4 = 3
DettagliESERCIZI 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
DettagliCorso di Laurea in Matematica - Esame di Geometria 1. Prova scritta del 7 settembre 2015
Corso di Laurea in Matematica - Esame di Geometria 1 Prova scritta del 7 settembre 215 Cognome Nome Numero di matricola Voto ATTENZIONE. Riportare lo svolgimento completo degli esercizi. corretti, non
DettagliLEZIONE 12. Y = f(x) = f( x j,1 f(e j ) = x j,1 A j = AX = µ A (X),
LEZIONE 1 1.1. Matrice di un applicazione lineare. Verifichiamo ora che ogni applicazione lineare f: R n R m è della forma µ A per un unica A R m,n. Definizione 1.1.1. Per ogni j 1,..., n indichiamo con
DettagliLEZIONE 1 C =
LEZIONE 1 11 Matrici a coefficienti in R Definizione 111 Siano m, n Z positivi Una matrice m n a coefficienti in R è un insieme di mn numeri reali disposti su m righe ed n colonne circondata da parentesi
DettagliLEZIONE 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
DettagliLEZIONE 9. Figura 9.1.1
LEZIONE 9 9.1. Equazioni cartesiane di piani. Abbiamo visto come rappresentare parametricamente un piano. Un altro interessante metodo di rappresentazione di un piano nello spazio è tramite la sua equazione
Dettagli2. Fra tutti i rettangoli inscritti in una circonferenza, determinare quello di area massima.
2. Fra tutti i rettangoli inscritti in una circonferenza, determinare quello di area massima. 3. Fra tutti i cilindri a base rotonda inscritti in una sfera, determinare quello di volume massimo. 4. Dimostrare
DettagliUNIVERSITÀ 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. 2016-2017 Prova scritta del 29-1-2018 TESTO E SOLUZIONI Svolgere tutti gli esercizi. 1. Per k R considerare il sistema
DettagliUNIVERSITÀ 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 GE0 - Geometria a.a. 20-202 Prova scritta del 2-6-202 TESTO E SOLUZIONI. Per k R considerare il sistema lineare X + ky + Z = 2 kx ky + Z =
DettagliUNIVERSITÀ 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. 2012-2013 Prova scritta del 15-7-2013 TESTO E SOLUZIONI A. Per il primo esonero svolgere gli esercizi 1,2,3; B. Per
DettagliSoluzione della seconda prova intermedia di Algebra lineare del 17 maggio Esercizio 1
Soluzione della seconda prova intermedia di Algebra lineare del 17 maggio 2012 Esercizio 1 (a) Si calcola il polinomio caratteristico λ 2 1 p(λ) = det k 1 2k λ k 1 2 2 λ usando lo sviluppo di Laplace secondo
DettagliCriteri 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
DettagliUNIVERSITÀ 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. 2011-2012 Prova scritta del 28-1-2013 TESTO E SOLUZIONI 1. Per k R considerare il sistema lineare X 1 X 2 + kx 3 =
Dettagli11 settembre Soluzione esame di geometria - Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...
COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura 3 ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi
DettagliApplicazioni 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
DettagliQuiz Esercizio 1 Esercizio 2 Esercizio 3 Voto Finale
GEOMETRIA DESCRITTIVA 9 LUGLIO 2007 Istruzioni. -) Scrivere cognome, nome, numero di matricola in stampatello negli appositi spazi. -) Trascrivere i risultati dei quiz della prima parte nell apposita tabella
Dettagli