Autovalori, Autovettori, Diagonalizzazione.

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Autovalori, Autovettori, Diagonalizzazione."

Transcript

1 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 di T relativo all autovalore λ K se si ha T v = λv Proposizione : Sia V uno spazio vettoriale sul campo K = R o C e sia T : V V un endomorfismo Allora λ K è autovalore di T KerT λid V {O} Inoltre v V è una autovettore di T relativo all autovalore λ K v KerT λid V \ {O} Dimostrazione: Basta osservare che equivale a T λid V v = O Definizione Sia V uno spazio vettoriale sul campo K e sia T : V V un endomorfismo Se λ K è un autovalore di T il sottospazio V λ = KerT λid V si dice autospazio di T relativo all autovalore λ e la sua dimensione dimv λ si dice molteplicità geometrica di λ Proposizione : Sia T : V V un endomorfismo di uno spazio vettoriale V e sia B una base di V Allora la matrice di T relativa a B è diagonale B è composta di autovettori di T Dimostrazione: Sia B = {v v n } Se i v i sono tutti autovettori relativi a autovalori λ i allora T v i = λ i v i per ogni i e quindi la matrice di T relativa a B è diagonale con i λ λ n sulla diagonale Viceversa se la matrice di T relativa a B è diagonale con i λ λ n sulla diagonale allora T v i = λ i v i per ogni i e quindi B è composta di autovettori di T Corollario 3: Una matrice quadrata A è simile a una matrice diagonale l applicazione L A : K n K n ammette una base di autovettori Definizione 3 Un endomorfismo T : V V di uno spazio vettoriale V si dice diagonalizzabile se esiste una base di V rispetto alla quale T ha matrice diagonale Questo equivale a richiedere che esiste una base di autovettori di V Una matrice A quadrata di ordine n si dice diagonalizzabile se è simile a una matrice diagonale ossia se esiste una matrice non singolare B tale che B AB è diagonale Teorema 4: Sia T : V V un endomorfismo di uno spazio vettoriale V di dimensione n sul campo K Siano B una base di V e sia A la matrice di T relativa a B Allora i La funzione p T : K K definita da p T λ = deta λi n è un polinomio di grado n che non dipende dalla scelta della base B

2 ii Uno scalare λ K è un autovalore di T p T λ = Dimostrazione: i Dimostriamo che p T λ non dipende dalla scelta della base Sia A la matrice di T relativa a un altra scelta di base B di V Se B è la matrice del cambio di base da B a B allora A = B AB Occorre provare che deta λi n = deta λi n Questo segue utilizzando il Teorema di Binet: deta λi n = detb AB λi n = detb AB B λi n B = det B A λi n B = detb deta λi n detb = detb deta λi n detb = deta λi n Dimostriamo che p T λ è un polinomio di grado n per induzione sulla dimensione n di V Se n = il fatto è ovvio Supponiamo che sia vero per n Allora a λ a a n a p T λ = deta λi n = det a λ a n a n a n a n λ a λ a n = a λdet + monomi di grado n in λ a n a n λ e quindi per l ipotesi induttiva p T λ è un polinomio di grado n ii Lo scalare λ K è autovalore di T KerT λ Id V {O} A λ I n non è invertibile deta λ I n = Definizione 4 Sia T : V V un endomorfismo di uno spazio vettoriale V Il polinomio p T λ si dice polinomio caratteristico di T Definizione 5 Sia λ un autovalore di un endomorfismo di uno spazio vettoriale V la molteplicità algebrica di T è la molteplicità di λ come radice del polinomio p T λ Come conseguenza immediata del Teorema 4 e del Teorema Fondamentale dell Algebra si ha il seguente Corollario 5: Ogni endomorfismo di uno spazio vettoriale su C di dimensione n ha esattamente n autovalori contati con la molteplicità Spesso invece che con endomorfismi si ha a che fare solo con matrici Ricapitoliamo brevemente le ovvie nozioni di autovalore di autovettore autospazio e molteplicità nel caso di matrici: Definizione 6 Se A M n K è una matrice quadrata di ordine n Un vettore non nullo x K n \ {O} si dice autovettore di A relativo all autovalore λ K se si ha Ax = λ x Inoltre p A λ = deta λi n che secondo la Definizione 4 è il polinomio caratteristico dell applicazione L A si dice polinomio caratteristico di A e le sue radici sono gli autovalori di A Si dice autospazio relativo a un autovalore λ di A il sottospazio V λ = KerA λ I n = KerL A λ Id K n La molteplicità geometrica di un autovalore λ di A è la dimensione dell autospazio V λ La molteplicità algebrica di un autovalore è la sua molteplicità come radice del polinomio caratteristica

3 Diagonalizzabilità Nel paragrafo precedente abbiamo dato due nozioni di molteplicità per un autovalore di un endomorfismo di uno spazio vettoriale di dimensione finita È possibile dare un criterio di diagonalizzabilità in termini di molteplicità Si dimostra infatti che affinchè un endomorfismo di uno spazio di dimensione n su un campo K sia diagonalizzabile occorre e basta che contati con la loro molteplicità algebrica ci siano n autovalori nel campo K e che per tutti gli autovalori le molteplicità algebriche e geometriche coincidano L idea è che affinchè un endomorfismo sia diagonalizzabile debbano esserci abbastanza autovalori e che per ogni autovalore ci siano abbastanza autovettori linearmente indipendenti Per capire cosa succede cominciamo con due esempi tipic di endomorfimi e matrici non diagonalizzabili Il primo illustra la situazione in cui non ci sono abbastanza autovalori il secondo il caso in cui non ci sono abbastanza autovettori linearmente indipendenti Esempio Sia A = e si consideri L A : R R definita come al solito da L A x = Ax Il polinomio caratteristico di A è λ + e quindi non vi sono autovalori in R di A Si conclude allora che L A : R R non è diagonalizzabile e che A non è simile a una matrice diagonale reale ossia non esiste una matrice invertibile B reale tale che B AB sia diagonale Esempio Sia A = e si consideri L A : R R definita come al solito da L A x = Ax Dato che il polinomio caratteristico di di L A e di A è λ Si vede subito che l unico autovalore di L A e di A è D altra parte l autospazio corrispondente x è {x = x = } che ha dimensione Dunque non può esistere una base di R x costituita da autovettori di L A o di A e quindi L A e A non sono diagonalizzabili Cominciamo con la seguente Proposizione : Sia T : V V un endomorfismo di uno spazio vettoriale V su un campo K Se v v k sono autovettori di T corrispondenti a autovalori distinti λ λ k allora v v k sono linearmente indipendenti Dimostrazione: Procediamo per induzione su k Se k = il risultato è banale Supponiamo il risultato vero per k Siano α α k scalari tali che O = α v + + α k v k α k v k Allora O = T α v + + α k v k = α T v + + α k T v k = α λ v + + α k λ k v k + α k λ k v k Moltiplicando la per λ k e sottraendo alla otteniamo: O = α λ λ k v + + α k λ k λ k v k + α k λ k λ k v k = α λ λ k v + + α k λ k λ k v k Per l ipotesi induttiva α λ λ k = = α k λ k λ k = e quindi α = = α k = dato che λ i λ j se i j Ma allora da segue anche α k = 3

4 Proposizione : Sia V spazio vettoriale di dimensione n su un campo K Se un endomorfismo T : V V ha n autovalori distinti in K T è diagonalizzabile Dimostrazione: Il risultato è immediata conseguenza della Proposizione : se λ λ n K sono autovalori a due a due distinti di T e v v n sono autovettori corrispondenti allora v v n sono linearmente indipendenti e quindi dato che dimv = n formano una base per V Proposizione 3: Siano V spazio vettoriale di dimensione n su un campo K e T : V V un endomorfismo Per ogni autovalore λ K di T la molteplicità geometrica è minore o uguale della molteplicità algebrica Dimostrazione: Siano r la molteplicità geometrica e s la molteplicità algebrica di λ Sia {v v r } una base dell autospazio V λ e sia {v v r v r+ v n } un suo completamento a una base di V La matrice A di T relativa a questa base ha questa forma: λ λ C A = λ B dopo C è una matrice r righe e n r colonne e B è una matrice n r righe e n r colonne Allora se P T P A e P B sono rispettivamente il polinomio caratteristico di T della matrice A e della matrice B si ha P T λ = P A λ = λ λ r P B λ e quindi la moteplicità algebrica di λ è s r Siamo pronti per enunciare il criterio di diagonalizzabilità annunciato: Teorema 4: Sia T : V V un endomorfismo di uno spazio vettoriale V su un campo K di dimensione n Allora T è diagonalizzabile se e solo se T ha n autovalori contati con la molteplicità algebrica in K e per ogni autovalore la molteplicità geometrica coincide con la molteplicità algebrica Dimostrazione: Se T è diagonalizzabile allora esiste una base di autovalori la matrice di T relativa è diagonale con sulla diagonale gli autovalori di T Quindi è immediato osservare che T ha n autovalori contati con la molteplicità algebrica in K e per ogni autovalore la molteplicità geometrica coincide con la molteplicità algebrica Viceversa siano λ λ r K gli autovalori distinti di T m m r le rispettive molteplicità algebriche e V λ V λr Supponiamo che m + + m r = n e che dimv λj = m j per ogni j = r Poniamo inoltre µ j = j k= m k per ogni j in modo che in particolare risulti µ r = n Siano rispettivamente B = {v v µ } una base di V λ B = {v µ + v µ } una base di V λ B r = {v µr + v n } una base di V λr 4

5 Allora B = B B r è costituita da n autovettori di T Per concludere la dimostrazione basta provare che B è una base di V e a tal fine basta far vedere che è un sistema libero Supponiamo che per α α µ α µr + α µn K si abbia α v + + α µ v µ + + α µr +v µr α µn v µr = O V e per ogni j = r si ponga w j = α µj +v µj α µj v µj V λj Dunque si ha w + + w r = O V e questo dato che i w j appartengono a autospazi corrispondenti a autovalori distinti per la Proposizione può succedere solo se w = = w r = O V Allora per ogni j = r si ha O V = w j = α µj +v µj α µj v µj e quindi dato che B j è una base allora α µj + = = α µj = Dunque B è libero Il Teorema 4 si può riformulare come criterio di diagonalizzabilità per matrici nel modo seguente: Corollario 5: Una matrice A M n K è simile a una matrice diagonale se e solo se A ha n autovalori contati con la molteplicità algebrica in K e per ogni autovalore la molteplicità geometrica coincide con la molteplicità algebrica Concludiamo illustrando la procedura che si deve seguire per verificare se un endomorfismo è diagonalizzabile e nel caso per trovare una base composta di autovettori Algoritmo di diagonalizzazione per endomorfismi: Sia T : V V un endomorfismo di uno spazio vettoriale V su K con dimv = n I passo: Si fissi una base B di V e si trovi la matrice A associata a T relativa alla base B II passo: Trovare il polinomio caratteristico P T λ = deta λi n e determinarne le radici Se contate con la loro molteplicità ha n radici in K si può proseguire altrimenti si conclude che T non è diagonalizzabile perchè non ha abbastanza autovalori in K! III passo: Se λ λ r sono gli autovalori distinti di T per ogni j = r si determnini una base C j per l autospazio V λj relativo all autovalore λ j IV passo: Si consideri C = C C r Allora C è un sistema di vettori linearmente indipendenti di V L endomorfismo T è diagonalizzabile se e solo se C contiene n vettori perchè in questo caso C è una base di V contiene il numero giusto di vettori linearmente indipendenti costituita da autovettori di T Se C è una base la matrice di T relativa a C è la matrice diagonale con sulla diagonale gli autovalori di T La matrice B del cambio di base dalla base B alla base C quella che ha per colonne le coordinate rispetto a B dei vettori di C è la matrice tale che = B AB Naturalmente l algoritmo si può adattare per diagonalizzare matrici Algoritmo di diagonalizzazione matrici: Sia A M n K una matrice quadrata di ordine n I passo: Trovare il polinomio caratteristico P A λ = deta λi n e determinarne le radici Se contate con la loro molteplicità ha n radici in K si può proseguire altrimenti si conclude che A non è diagonalizzabile perché non ha abbastanza autovalori in K! 5

6 II passo: Se λ λ r sono gli autovalori distinti di A per ogni j = r si determnini una base C j per l autospazio V λj = KerA λ j I n relativo all autovalore λ j che non è altro che l insieme delle soluzioni del sistema omogeneo A λ j I n x = III passo: Si consideri C = C C r Allora C è un sistema di vettori linearmente indipendenti di R n La matrice A è diagonalizzabile se e solo se C contiene n vettori perchè in questo caso C è una base di R n contiene il numero giusto di vettori linearmente indipendenti costituita da autovettori di A Se C è una base la matrice di L A relativa a C è la matrice diagonale con sulla diagonale gli autovalori di A Dunque se B è la matrice del cambio di base dalla base canonica alla base C quella che ha per colonne i vettori di C è la matrice tale che = B AB Esempio Se M = e N = consideriamo l endomorfismo T : M R M R definito da T X = XM N X Dimostreremo ora che T è diagonalizzabile e troveremo x x una base diagonalizzante Se X = allora si vede subito che x x Allora rispetto alla base di M R la matrice di T è x + x T X = x + x x + x x + x { Il polinomio caratteristico di T è dunque A = } p T λ = deta λi 4 = λ 4λ + 3λ λ che ha 4 radici distinte 3 che sono gli autovalori di T e di A Cercare una base per gli autospazi corrispondenti a ciascun autovalore corrisponde a trovare basi rispettivamente per KerT KerT Id KerT Id KerT Id Dato che KerA = Span KerA I 4 = Span KerA I 4 = Span KerA 3I 4 = Span 6

7 allora KerT = Span KerT Id = Span KerT Id = Span KerT Id = Span e quindi una base di M R rispetto alla quale T ha matrice diagonale è data da { La matrice di T rispetto a questa base è Si osservi che la matrice D = 3 B = } che ha per colonne i vettori che formano basi rispettivamente di KerA KerA I 4 KerA I 4 KerA 3I 4 ha inversa B = e con un semplice calcolo si verifica che D = B AB Concludiamo queste note esaminando il seguente problema Sia V uno spazio vettoriale di dimensione n e siano T i : V V i = due endomorfismi diagonalizzabili Sotto quale condizione esiste una base di V rispetto alla quale sia T sia T ha matrice diagonale? In altre parole sotto quale ipotesi T e T sono simultaneamente diagonalizzabili? È abbastanza facile trovare una condizione necessaria: Proposizione 6: Per i = siano T i : V V endomorfismi di uno spazio vettoriale V su un campo K di dimensione n simultaneamente diagonalizzabili Allora T e T commutano ossia tali che T T = T T Dimostrazione: Sia B = {v v } una base rispetto alla quale sia T sia T hanno matrice diagonale Allora per ogni i = n esistono scalari λ i e µ i tali che T v i = λ i v i e T v i = µ i v i Ma allora per ogni i = n T T v i = T µ i v i = µ i T v i = µ i λ i v i = λ i µ i v i = λ i T v i = T λ i v i = T T v i e quindi T T v i = T T v i Dato che assumono gli stessi valori sugli elementi di una base segue che T T = T T 7

8 In effetti dimostreremo ora che la condizione è anche sufficiente Cominciamo con una ossevazione che vale anche per spazi non finitamente generati Lemma 7: Per i = siano T i : V V endomorfismi di uno spazio vettoriale V su un campo K che commutano ossia tali che T T = T T Se U è un autospazio di T allora T U U e se W è un autospazio di T W allora T W W Dimostrazione: Naturalmente basta dimostrare una delle due conclusioni l altra si ottiene scambiando i ruoli di T e T Sia dunque U un autospazio di T relativo all autovalore λ Allora U = KerT λid Se u U allora T T u = T T u = T λu = λt u e quindi T u U Il risultato conclusivo è il seguente: Teorema 8: Per i = siano T i : V V endomorfismi di uno spazio vettoriale V su un campo K di dimensione n Allora T e T sono simultaneamente diagonalizzabili se e solo se commutano Dimostrazione: Grazie alla Proposizione 6 ci basta dimostrare che se T e T commutano allora sono simultaneamente diagonalizzabili Supponiamo prima di tutto che per uno fra T e T per esempio T tutto V sia un autospazio Allora T = λid per qualchescalare λ e quindi T ha matrice diagonale rispetto qualunque base di V e quindi T e T sono simultaneamente diagonalizzabili Se invece gli autospazi di T e T sono tutti propri ossia diversi da V procediamo per induzione per ottenere la conclusione La conclusione del Teorema vale banalmente per spazi vettoriai di dimensione Supponiamo che il Teorema valga per ogni spazio vettoriale di dimensione n Siano λ λ k gli autovalori distinti di T e V V k i corrispondenti autospazi Se U = V V k allora sia V sia U sono sottospazi propri di V e quindi dimv n e dimu n Inoltre dal Lemma 7 segue che T V V e T U U Dunque le restrizioni di T e T sia a V sia a U commutano e quindi per l ipotesi induttiva sono simultaneamente diagonalizzabili Dato che V = V U segue che T e T sono simultaneamente diagonalizzabili su tutto V 8

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

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

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

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

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 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

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

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

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

Algebra lineare e geometria AA Appunti sul cambio di base in uno spazio vettoriale

Algebra 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,

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

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

- 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

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

Algebra lineare e geometria AA Appunti sul cambio di base in uno spazio vettoriale

Algebra 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,

Dettagli

Note Aggiuntive alle Dispense di ALGEBRA LINEARE, c.d.l. in Informatica, Università di Firenze,

Note Aggiuntive alle Dispense di ALGEBRA LINEARE, c.d.l. in Informatica, Università di Firenze, Note Aggiuntive alle Dispense di ALGEBRA LINEARE, cdl in Informatica, Università di Firenze, Giorgio PATRIZIO - AA 20/2 Contents Prodotto di Matrici e Grafi Orientati 2 2 Prodotto di matrici quadrate,

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

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

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

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

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

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

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

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

ALGEBRA C. MALVENUTO

ALGEBRA C. MALVENUTO ALGEBRA CANALE A-L ESAME SECONDA PARTE SECONDO ESONERO 27 GENNAIO 22 C. MALVENUTO Istruzioni. Completare subito la parte inferiore di questa pagina con il proprio nome, cognome e firma. Scrivere solamente

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

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

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

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

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

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

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

{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

Matematica Discreta I

Matematica Discreta I Matematica Discreta I 5 Febbraio 8 TEMA A Esercizio Sia data la matrice A M (R) A = (i) Calcolare gli autovalori di A (ii) Determinare una base di R composta di autovettori di A (iii) Diagonalizzare la

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

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

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

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

(VX) (F) Se A e B sono due matrici simmetriche n n allora anche A B è una matrice simmetrica.

(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

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

Geometria e algebra lineare (II parte) Bruno Martelli

Geometria 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

Dettagli

Matrici simili. Matrici diagonalizzabili.

Matrici 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.

Dettagli

Spazi vettoriali metrici e teorema spettrale.

Spazi vettoriali metrici e teorema spettrale. Spazi vettoriali metrici e teorema spettrale.. Prodotti scalari e hermitiani. Spazi vettoriali metrici Definizione. Sia V uno spazio vettoriale su R e sia g: V V R una funzione. Se per ogni v, v, v, w,

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

Algebra 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. {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

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

Anno Accademico 2016/2017

Anno Accademico 2016/2017 Mod. 136/1 ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA Anno Accademico 2016/2017 Scuola di Scienze Corsi di Laurea o di Diploma Triennale in Matematica (nuovo ordinamento) Insegnamento Geometria I Docente

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

PROVE D'ESAME DI MATEMATICA DISCRETA A.A. 2010/2011

PROVE 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

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. 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 =

Dettagli

Contenuti aggiuntivi su matrici e determinanti, Dimostrazioni del Capitolo 3

Contenuti aggiuntivi su matrici e determinanti, Dimostrazioni del Capitolo 3 Contenuti aggiuntivi su matrici e determinanti, Dimostrazioni del Capitolo 3 Dimostrazione 310 Sia W = L(C A ) K Osserviamo che S è una base di W Infatti S è indipendente, inoltre ogni vettore di W dipende

Dettagli

FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA INDUSTRIALE 27 GENNAIO 2014

FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA INDUSTRIALE 27 GENNAIO 2014 FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA INDUSTRIALE 27 GENNAIO 2014 DOCENTE: MATTEO LONGO Rispondere alle domande di Teoria in modo esauriente e completo. Svolgere il maggior numero di esercizi

Dettagli

Spazi vettoriali metrici e teorema spettrale.

Spazi vettoriali metrici e teorema spettrale. Spazi vettoriali metrici e teorema spettrale.. Prodotti scalari e hermitiani. Spazi vettoriali metrici Definizione. Sia V uno spazio vettoriale su R e sia g: V V R una funzione. Se per ogni v, v, v, w,

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

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

Anno Accademico 2017/2018

Anno Accademico 2017/2018 Mod. 136/1 ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA Anno Accademico 2017/2018 Scuola di Scienze Corsi di Laurea o di Diploma Triennale in Matematica (nuovo ordinamento) Insegnamento Geometria I Docente

Dettagli

DIAGONALIZZAZIONE E FORME QUADRATICHE / ESERCIZI PROPOSTI

DIAGONALIZZAZIONE 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

Dettagli

LA FORMA DI JORDAN DI UN ENDOMORFISMO

LA FORMA DI JORDAN DI UN ENDOMORFISMO 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

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

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

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

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

CORSO DI LAUREA IN INGEGNERIA.

CORSO 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)

Dettagli

Facoltà di Ingegneria Corsi di Laurea in Ingegneria Navale ed Ingegneria Industriale. Programma del corso di GEOMETRIA

Facoltà di Ingegneria Corsi di Laurea in Ingegneria Navale ed Ingegneria Industriale. Programma del corso di GEOMETRIA Facoltà di Ingegneria Corsi di Laurea in Ingegneria Navale ed Ingegneria Industriale Programma del corso di GEOMETRIA Anno Accademico 2016-2017 Prof. Dario Portelli In questo programma ho cercato di raggruppare

Dettagli

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.

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. LEZIONE 16 16.1. Autovalori, autovettori ed autospazi di matrici. Introduciamo la seguente definizione. Definizione 16.1.1. Siano k = R, C e A k n,n. Un numero λ k si dice autovalore di A su k) se rka

Dettagli

Prodotto scalare e matrici < PX,PY >=< X,Y >

Prodotto scalare e matrici < PX,PY >=< X,Y > Prodotto scalare e matrici Matrici ortogonali Consideriamo in R n il prodotto scalare canonico < X,Y >= X T Y = x 1 y 1 + +x n y n. Ci domandiamo se esistono matrici P che conservino il prodotto scalare,

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

3. Elementi di Algebra Lineare.

3. Elementi di Algebra Lineare. CALCOLO NUMERICO Francesca Mazzia Dipartimento Interuniversitario di Matematica Università di Bari 3. Elementi di Algebra Lineare. 1 Sistemi lineari Sia A IR m n, x IR n di n Ax = b è un vettore di m componenti.

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

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

DIARIO 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 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.

Dettagli

Prima prova scritta di Geometria 1, 26 gennaio 2018

Prima prova scritta di Geometria 1, 26 gennaio 2018 Prima prova scritta di Geometria 1, 26 gennaio 2018 1. Dimostrare che M A B : Hom(V,W) M(m n,k) è un isomorfismo (lineare, iniettivo e suriettivo), dove M A B associa a un applicazione lineare f : V W

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

4 Autovettori e autovalori

4 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

Dettagli

Esercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria

Esercizi 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

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

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

Elementi di Algebra Lineare

Elementi di Algebra Lineare Elementi di Algebra Lineare Corso di Calcolo Numerico, a.a. 2009/2010 Francesca Mazzia Dipartimento di Matematica Università di Bari 13 Marzo 2006 Francesca Mazzia (Univ. Bari) Elementi di Algebra Lineare

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

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

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

(E) : 4x 181 mod 3. h(h 1)x + 4hy = 0

(E) : 4x 181 mod 3. h(h 1)x + 4hy = 0 Dipartimento di Matematica e Informatica Anno Accademico 206-207 Corso di Laurea in Informatica (L-3) Prova scritta di Matematica Discreta (2 CFU) 6 Settembre 207 Parte A [0 punti] Sia data la successione

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

CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su MATRICI SIMILI, AUTOVALORI e DIAGONALIZZABILITÀ

CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su MATRICI SIMILI, AUTOVALORI e DIAGONALIZZABILITÀ CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su MATRICI SIMILI, AUTOVALORI e DIAGONALIZZABILITÀ Matrici simili Torniamo su di un aspetto precedentemente solo sfiorato (si veda una delle osservazioni

Dettagli

(E) : 2x 43 mod 5. (2 + h)x + y = 0

(E) : 2x 43 mod 5. (2 + h)x + y = 0 Dipartimento di Matematica e Informatica Anno Accademico 2016-2017 Corso di Laurea in Informatica (L-31) Prova scritta di Matematica Discreta (12 CFU) 27 Settembre 2017 Parte A 1 [10 punti] Sia data la

Dettagli

ESAME DI GEOMETRIA. 6 febbraio 2002 CORREZIONE QUIZ

ESAME 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) :

Dettagli

Corso 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 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

Dettagli

Esercizi Applicazioni Lineari

Esercizi Applicazioni Lineari Esercizi Applicazioni Lineari (1) Sia f : R 4 R 2 l applicazione lineare definita dalla legge f(x, y, z, t) = (x + y + z, y + z + t). (a) Determinare il nucleo di f, l immagine di f, una loro base e le

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

AUTOVALORI, AUTOVETTORI, AUTOSPAZI

AUTOVALORI, 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

Dettagli

Soluzione. (a) L insieme F 1 e linearmente indipendente; gli insiemi F 2 ed F 3 sono linearmente

Soluzione. (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

Dettagli

Lezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige. Fulvio Bisi, Francesco Bonsante, Sonia Brivio

Lezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige. Fulvio Bisi, Francesco Bonsante, Sonia Brivio Lezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige Fulvio Bisi, Francesco Bonsante, Sonia Brivio DA GENNAIO 2015 1 Da gennaio 2015 Riportiamo di seguito gli errata corrige

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. 2016-2017 Prova scritta del 29-1-2018 TESTO E SOLUZIONI Svolgere tutti gli esercizi. 1. Per k R considerare il sistema

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

ESAMI DI MATEMATICA DISCRETA 2009/2010

ESAMI DI MATEMATICA DISCRETA 2009/2010 ESAMI DI MATEMATICA DISCRETA 2009/2010 09/06/2009 (1) In R 4 si considerino il sottospazio vettoriale W k = Span{(2, 1, 0, 1), (1, 1, 1, 1), (k, 1, 0, 1)} e il sottospazio vettoriale U dato da tutti i

Dettagli

FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA

FONDAMENTI 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

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

11 settembre Soluzione esame di geometria - Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...

11 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

Dettagli