Autovalori, Autovettori, Diagonalizzazione.

Save this PDF as:
 WORD  PNG  TXT  JPG

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 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

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

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

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

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 e matrici simmetriche

Endomorfismi 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

Dettagli

Applicazioni lineari e diagonalizzazione pagina 1 di 5

Applicazioni 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

Dettagli

Elementi di Algebra Lineare. Spazio Vettoriale (lineare)

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

Dettagli

Autovalori ed autovettori di una matrice

Autovalori 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

Dettagli

DIAGONALIZZAZIONE. M(f) =

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

Dettagli

Sapienza 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 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

Esame di Geometria - 9 CFU (Appello del 14 gennaio A)

Esame 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

Dettagli

Esercizi di GEOMETRIA I - Algebra Lineare B = , calcolare A A t A + I

Esercizi di GEOMETRIA I - Algebra Lineare B = , calcolare A A t A + I Esercizi di GEOMETRIA I - Algebra Lineare. Tra le seguenti matrici, eseguire tutti i prodotti possibili: 2 ( ) A = 0 3 4 B = 2 0 0 2 D = ( 0 ) E = ( ) 4 4 2 C = 2 0 5 F = 4 2 6 2. Data la matrice A = 0

Dettagli

(P x) (P y) = x P t (P y) = x (P t P )y = x y.

(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

Appunti di Geometria - 5

Appunti 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

Dettagli

Capitolo IV SPAZI VETTORIALI EUCLIDEI

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

Dettagli

ii 1.20 Rango di una matrice Studio dei sistemi lineari Teoremi di Cramer e Rouché-Capelli......

ii 1.20 Rango di una matrice Studio dei sistemi lineari Teoremi di Cramer e Rouché-Capelli...... Indice Prefazione vii 1 Matrici e sistemi lineari 1 1.1 Le matrici di numeri reali................. 1 1.2 Nomenclatura in uso per le matrici............ 3 1.3 Matrici ridotte per righe e matrici ridotte

Dettagli

Matematica B - a.a 2006/07 p. 0

Matematica B - a.a 2006/07 p. 0 Matematica B - a.a 2006/07 p. 0 Prodotto scalare Definizione 1. Sia V uno spazio vettoriale su R. Si chiama prodotto scalare una funzione che ad ogni coppia di vettori (u, v) associa un numero (reale)

Dettagli

Sistemi differenziali 2 2: esercizi svolti. 1 Sistemi lineari Stabilità nei sistemi lineari

Sistemi differenziali 2 2: esercizi svolti. 1 Sistemi lineari Stabilità nei sistemi lineari Sistemi differenziali : esercizi svolti 1 Sistemi lineari Stabilità nei sistemi lineari 14 1 Sistemi differenziali : esercizi svolti 1 Sistemi lineari Gli esercizi contrassegnati con il simbolo * presentano

Dettagli

2 Complementi di teoria degli operatori

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

Dettagli

Elementi di Algebra Lineare Spazi Vettoriali

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

Dettagli

RICHIAMI 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. 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

Dettagli

Alcuni esercizi sulla diagonalizzazione di matrici. campo dei reali. Se lo è calcolare una base spettrale e la relativa forma diagonale di A.

Alcuni 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

Dettagli

SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n

SOTTOSPAZI 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,

Dettagli

a + 2b + c 3d = 0, a + c d = 0 c d

a + 2b + c 3d = 0, a + c d = 0 c d SPAZI VETTORIALI 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x,

Dettagli

15 luglio Soluzione esame di geometria - Ing. gestionale - a.a COGNOME... NOME... N. MATRICOLA... ISTRUZIONI

15 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

Dettagli

Prodotti scalari e matrici

Prodotti scalari e matrici Prodotti scalari e matrici 1 Forme bilineari e matrici In questa sezione vogliamo studiare la corrispondenza biunivoca che esiste tra l insieme delle forme bilineari su di un certo spazio vettoriale V

Dettagli

Forme bilineari simmetriche

Forme bilineari simmetriche Forme bilineari simmetriche Qui il campo dei coefficienti è sempre R Definizione 1 Sia V uno spazio vettoriale Una forma bilineare su V è una funzione b: V V R tale che v 1, v 2, v 3 V b(v 1 + v 2, v 3

Dettagli

Tempo a disposizione: 150 minuti. 1 È dato l endomorfismo f : R 3 R 3 definito dalle relazioni

Tempo a disposizione: 150 minuti. 1 È dato l endomorfismo f : R 3 R 3 definito dalle relazioni Università degli Studi di Catania Anno Accademico 2014-2015 Corso di Laurea in Informatica Prova in itinere di Matematica Discreta (12 CFU) 17 Aprile 2015 Prova completa Tempo a disposizione: 150 minuti

Dettagli

Esercizi per Geometria II Geometria euclidea e proiettiva

Esercizi 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

Dettagli

POTENZE DI MATRICI QUADRATE

POTENZE 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

Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite

Si 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

Dettagli

AUTOVALORI E AUTOVETTORI DISPENSA PER IL CORSO DI ALGEBRA LINEARE

AUTOVALORI E AUTOVETTORI DISPENSA PER IL CORSO DI ALGEBRA LINEARE AUTOVALORI E AUTOVETTORI DISPENSA PER IL CORSO DI ALGEBRA LINEARE ENRICO GREGORIO 1. Introduzione La nozione di autovalore di una matrice quadrata nasce insieme al concetto stesso di matrice o, meglio,

Dettagli

I numeri sulla Mole Antonelliana.

I numeri sulla Mole Antonelliana. Ārgomenti svolti: Serie di numeri di Fibonacci. Potenza n-esima di matrici. Autovalori ed autovettori. Formula di Binet. LeLing: Fibonacci, Autovalori e Autovettori. Ēsercizi consigliati: Geoling 6. I

Dettagli

Elementi di Algebra Lineare Applicazioni lineari

Elementi di Algebra Lineare Applicazioni lineari Elementi di Algebra Lineare Applicazioni lineari Cristina Turrini UNIMI - 2015/2016 Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 18 index Applicazioni lineari 1 Applicazioni lineari

Dettagli

QUADERNI DIDATTICI. Dipartimento di Matematica. Esercizi di Geometria ealgebralinearei Corso di Studi in Fisica

QUADERNI DIDATTICI. Dipartimento di Matematica. Esercizi di Geometria ealgebralinearei Corso di Studi in Fisica Università ditorino QUADERNI DIDATTICI del Dipartimento di Matematica E Abbena, G M Gianella Esercizi di Geometria ealgebralinearei Corso di Studi in Fisica Quaderno # 6 - Aprile 003 Gli esercizi proposti

Dettagli

I numeri sulla Mole Antonelliana.

I numeri sulla Mole Antonelliana. I numeri sulla Mole Antonelliana. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni. I voli dei numeri Ecco i numeri sulla Mole:,,, 3,, 8, 3,, 34,, 89, 44, 33, 377, 6,

Dettagli

Inversa di una matrice

Inversa di una matrice Geometria Lingotto. LeLing: La matrice inversa. Ārgomenti svolti: Inversa di una matrice. Unicita e calcolo della inversa. La inversa di una matrice. Il gruppo delle matrici invertibili. Ēsercizi consigliati:

Dettagli

Appendice 1. Spazi vettoriali

Appendice 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

Dettagli

MATRICI E SISTEMI LINEARI

MATRICI E SISTEMI LINEARI - - MATRICI E SISTEMI LINEARI ) Calcolare i seguenti determinanti: a - c - d - e - f - g - 8 7 8 h - ) Calcolare per quali valori di si annullano i seguenti determinanti: a - c - ) Calcolare il rango delle

Dettagli

Complementi di Algebra e Fondamenti di Geometria

Complementi 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

Corso di Calcolo Numerico

Corso 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

Dettagli

Forma Canonica di Jordan Complementi di algebra lineare per Geometria IV

Forma Canonica di Jordan Complementi di algebra lineare per Geometria IV Forma Canonica di Jordan Complementi di algebra lineare per Geometria IV Rocco Chirivì versione 09.02.16 Queste note sono basate sulle lezioni tenute per il corso di Geometria IV, per il secondo anno di

Dettagli

6. Spazi euclidei ed hermitiani

6. Spazi euclidei ed hermitiani 6. Spazi euclidei ed hermitiani 6.1 In [GA] 5.4 abbiamo definito il prodotto scalare fra vettori di R n (che d ora in poi chiameremo prodotto scalare standard su R n ) e abbiamo considerato le seguenti

Dettagli

Somma diretta di sottospazi vettoriali

Somma diretta di sottospazi vettoriali Capitolo 8 Somma diretta di sottospazi vettoriali 8.1 Introduzione Introduciamo un caso particolare di somma di due sottospazi vettoriali: la somma diretta. Anche questo argomento è stato visto nel corso

Dettagli

SISTEMI LINEARI MATRICI E SISTEMI 1

SISTEMI 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

Dettagli

Prodotto interno (prodotto scalare definito positivo)

Prodotto interno (prodotto scalare definito positivo) Contenuto Prodotto scalare. Lunghezza, ortogonalità. Sistemi e basi ortonormali. Somma diretta: V = U U. Proiezioni. Teorema di Pitagora, disuguaglianza di Cauchy-Schwarz. Angoli. Federico Lastaria. Analisi

Dettagli

Esercitazione di Geometria I 13 dicembre Esercizio 1. Esercizio 2. Esercizio 3

Esercitazione 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

Dettagli

x 1 Fig.1 Il punto P = P =

x 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

0.1 Spazi Euclidei in generale

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

Dettagli

Geometria della programmazione lineare

Geometria della programmazione lineare Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi Definizione Sia a un vettore non

Dettagli

MATEMATICA GENERALE CLAMM AA 15-16

MATEMATICA GENERALE CLAMM AA 15-16 MATEMATICA GENERALE CLAMM AA 5-6 PROGRAMMA PARTE ALGEBRA LINEARE () Sistemi lineari e matrici: sistemi triangolari; a scala e loro risolubilità; matrice dei coefficienti e vettore dei termini noti; vettore

Dettagli

8. Completamento di uno spazio di misura.

8. Completamento di uno spazio di misura. 8. Completamento di uno spazio di misura. 8.1. Spazi di misura. Spazi di misura completi. Definizione 8.1.1. (Spazio misurabile). Si chiama spazio misurabile ogni coppia ordinata (Ω, A), dove Ω è un insieme

Dettagli

CONTROLLO DI SISTEMI ROBOTICI Laurea Specialistica in Ingegneria Meccatronica

CONTROLLO 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

Dettagli

Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica

Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica Esame di Geometria (Prof. F. Tovena) Argomenti: Proprietà di nucleo e immagine di una applicazione lineare. dim V = dim

Dettagli

Forme quadratiche e coniche. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni.

Forme quadratiche e coniche. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni. Forme quadratiche e coniche. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni. Argomenti: Prodotto scalare. Matrici simmetriche e forme quadratiche. Diagonalizzazione

Dettagli

Geometria BIAR Esercizi 2

Geometria BIAR Esercizi 2 Geometria BIAR 0- Esercizi Esercizio. a Si consideri il generico vettore v b R c (a) Si trovi un vettore riga x (x, y, z) tale che x v a (b) Si trovi un vettore riga x (x, y, z) tale che x v kb (c) Si

Dettagli

Esercizi sulle coniche (prof.ssa C. Carrara)

Esercizi sulle coniche (prof.ssa C. Carrara) Esercizi sulle coniche prof.ssa C. Carrara Alcune parti di un esercizio possono ritrovarsi in un altro esercizio, insieme a parti diverse. È un occasione per affrontarle più volte.. Stabilire il tipo di

Dettagli

Lezioni di Algebra Lineare I. Le nozioni di base sugli spazi vettoriali

Lezioni di Algebra Lineare I. Le nozioni di base sugli spazi vettoriali Lezioni di Algebra Lineare I. Le nozioni di base sugli spazi vettoriali Versione settembre 8 Contenuto. Combinazioni lineari di vettori. Sottospazi vettoriali 3. Sottospazio vettoriale generato da un insieme

Dettagli

FACOLTÀ DI INGEGNERIA Esame di GEOMETRIA E ALGEBRA. (Ingegneria Industriale A.A. 2013/2014. Docente: F. BISI.

FACOLTÀ DI INGEGNERIA Esame di GEOMETRIA E ALGEBRA. (Ingegneria Industriale A.A. 2013/2014. Docente: F. BISI. FACOLTÀ DI INGEGNERIA Esame di GEOMETRIA E ALGEBRA. (Ingegneria Industriale A.A. 2013/2014. Docente: F. BISI. 1 Regole generali per l esame L esame è costituito da una prova scritta e da una prova orale.

Dettagli

LEZIONE 23. ax 2 + bxy + cy 2 + dx + ey + f

LEZIONE 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

Dettagli

SPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi:

SPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi: SPAZI VETTORIALI Esercizi Esercizio. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi: V := { (a, a, a) V a R }, V 2 := { (a, b, a) V a, b R }, V 3 := { (a, 2a, a + b)

Dettagli

1. Sistemi lineari. Definizione. Un sistema lineare di m equazioni in n incognite è un sistema di equazioni della forma

1. Sistemi lineari. Definizione. Un sistema lineare di m equazioni in n incognite è un sistema di equazioni della forma Dispense di Algebra Lineare per Ingegneria Sistemi lineari Definizione Un sistema lineare di m equazioni in n incognite è un sistema di equazioni della forma a x +a x + +a n x n = b a x +a x + +a n x n

Dettagli

Metodi per la risoluzione di sistemi lineari

Metodi per la risoluzione di sistemi lineari Metodi per la risoluzione di sistemi lineari Sistemi di equazioni lineari. Rango di matrici Come è noto (vedi [] sez.0.8), ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante

Dettagli

Parte 12a. Trasformazioni del piano. Forme quadratiche

Parte 12a. Trasformazioni del piano. Forme quadratiche Parte 12a Trasformazioni del piano Forme quadratiche A Savo Appunti del Corso di Geometria 2013-14 Indice delle sezioni 1 Trasformazioni del piano, 1 2 Cambiamento di coordinate, 8 3 Forme quadratiche,

Dettagli

1) Quali dei seguenti sottoinsiemi del campo dei numeri reali ℝ sono sottospazi vettoriali?

1) Quali dei seguenti sottoinsiemi del campo dei numeri reali ℝ sono sottospazi vettoriali? Geometria I lezione del 30 settembre 2013 Presentazione del corso. Nozioni e notazioni: concetti primitivi di insieme, elemento ed appartenenza. Insiemi numerici: i numeri naturali ℕ, gli interi ℤ, i numeri

Dettagli

Capitolo 5. La forma canonica di un operatore lineare. 1

Capitolo 5. La forma canonica di un operatore lineare. 1 Capitolo 5. La forma canonica di un operatore lineare. 1. Richiami sui polinomi. Sia p(t) = a + a 1 t + + a n t n un polinomio a coefficienti complessi, di grado deg(p(t)) = n >. Quindi a n. Il coefficiente

Dettagli

CONICHE. Esercizi Esercizio 1. Nel piano con riferimento cartesiano ortogonale Oxy sia data la conica C di equazione

CONICHE. Esercizi Esercizio 1. Nel piano con riferimento cartesiano ortogonale Oxy sia data la conica C di equazione CONICHE Esercizi Esercizio 1. Nel piano con riferimento cartesiano ortogonale Oy sia data la conica C di equazione 7 2 + 2 3y + 5y 2 + 32 3 = 0. Calcolare le equazioni di una rototraslazione che riduce

Dettagli

Richiami di algebra delle matrici

Richiami 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

Dettagli

Appunti di algebra lineare. Federico G. Lastaria. Mauro Saita. Politecnico di Milano. gennaio 2008

Appunti di algebra lineare. Federico G. Lastaria. Mauro Saita. Politecnico di Milano. gennaio 2008 1 Appunti di algebra lineare Federico G. Lastaria Mauro Saita Politecnico di Milano gennaio 2008 Email degli autori: federico.lastaria@polimi.it maurosaita@tiscalinet.it 2 Indice 1 Spazi vettoriali e Applicazioni

Dettagli

Caso di A non regolare

Caso di A non regolare Caso di A non regolare December 2, 2 Una matrice A è regolare quando è quadrata e in corrispondenza di ogni autovalore di molteplicità algebrica m si ha una caduta di rango pari proprio a m Ovvero: rk

Dettagli

LEZIONE 3. Typeset by AMS-TEX

LEZIONE 3. Typeset by AMS-TEX LEZIONE 3 3 Risoluzione di sistemi Supponiamo che AX = B sia un sistema di equazioni lineari Ad esso associamo la sua matrice completa (A B Per la Proposizione 236 sappiamo di poter trasformare, con operazioni

Dettagli

LEZIONE 4. { x + y + z = 1 x y + 2z = 3

LEZIONE 4. { x + y + z = 1 x y + 2z = 3 LEZIONE 4 4.. Operazioni elementari di riga. Abbiamo visto, nella precedente lezione, quanto sia semplice risolvere sistemi di equazioni lineari aventi matrice incompleta fortemente ridotta per righe.

Dettagli

Corso di Laurea in Matematica Geometria 2. Foglio di esercizi n. 2 a.a Soluzioni

Corso di Laurea in Matematica Geometria 2. Foglio di esercizi n. 2 a.a Soluzioni Corso di Laurea in Matematica Geometria 2 Foglio di esercizi n. 2 a.a. 2015-16 Soluzioni Gli esercizi sono presi dal libro di Manetti. Per svolgere questi esercizi, studiare con cura i paragrafi 3.5, 3.6,

Dettagli

Algebra Lineare e Geometria

Algebra Lineare e Geometria Algebra Lineare e Geometria Corso di Laurea in Ingegneria Elettronica A.A. 2013-2014 Prova d esame del 16/06/2014. 1) a) Determinare la matrice associata all applicazione lineare T : R 3 R 4 definita da

Dettagli

Esercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente

Esercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente Esercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente Dati i vettori di R (i) Calcolare il prodotto scalare v w, (ii) Stabilire se v e w sono ortogonali, (ii) Stabilire

Dettagli

I. 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.

I. 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

Dettagli

Esercizi svolti per Geometria 1 per Fisici 2008/09

Esercizi svolti per Geometria 1 per Fisici 2008/09 Esercizi svolti per Geometria 1 per Fisici 2008/09 F.Pugliese January 25, 2009 Abstract In queste note svolgerò alcuni esercizi sulla parte del corso che mi riguarda; si tenga presente che si tratta solo

Dettagli

Esercizi di Geometria - 2

Esercizi di Geometria - 2 Esercizi di Geometria - 2 Samuele Mongodi - s.mongodi@sns.it La prima sezione contiene alcune domande aperte e alcune domande verofalso, come quelle che potrebbero capitare nel test. E consigliabile, nel

Dettagli

Catene di Markov. 8 ottobre 2009

Catene di Markov. 8 ottobre 2009 Catene di Markov 8 ottobre 2009 Definizione 1. Si dice catena di Markov (finita) un sistema dotato di un numero finito n di stati {1, 2,..., n} che soddisfi la seguente ipotesi: la probabilità che il sistema

Dettagli

Diagonalizzazione di matrici e applicazioni lineari

Diagonalizzazione di matrici e applicazioni lineari CAPITOLO 9 Diagonalizzazione di matrici e applicazioni lineari Esercizio 9.1. Verificare che v = (1, 0, 0, 1) è autovettore dell applicazione lineare T così definita T(x 1,x 2,x 3,x 4 ) = (2x 1 2x 3, x

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)

Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema

Dettagli

Massimi e minimi vincolati

Massimi e minimi vincolati Massimi e minimi vincolati Data una funzione G C 1 (D), dove D è un aperto di R 2, sappiamo bene dove andare a cercare gli eventuali punti di massimo e minimo relativi. Una condizione necessaria affinché

Dettagli

Analisi Matematica 1 e Matematica 1 Geometria Analitica: Rette

Analisi Matematica 1 e Matematica 1 Geometria Analitica: Rette Analisi Matematica 1 e Matematica 1 Geometria Analitica: Rette Annalisa Amadori e Benedetta Pellacci amadori@uniparthenope.it pellacci@uniparthenope.it Università di Napoli Parthenope Contenuti Nel Piano

Dettagli

ESERCIZI VARI di GEOMETRIA 1

ESERCIZI VARI di GEOMETRIA 1 ESERCIZI VARI di GEOMETRIA 1 Un ovvio consiglio Si giustifichi la risposta ad ogni esercizio (o parte di esercizio) posto in forma di domanda. CAMPI Esercizio 1. Sia K l insieme di tutti i numeri reali

Dettagli

ESERCIZI PROPOSTI. Capitolo 5 MCD(15,5) = 15 5 =3. un unico sottogruppo di ordine d, cioè x 20/d = C d. , x 20/10 = x 2 = C 10. , x 20/4 = x 5 = C 4

ESERCIZI PROPOSTI. Capitolo 5 MCD(15,5) = 15 5 =3. un unico sottogruppo di ordine d, cioè x 20/d = C d. , x 20/10 = x 2 = C 10. , x 20/4 = x 5 = C 4 ESERCIZI PROPOSTI Capitolo 5 511 Determinare il periodo dell elemento x 320 del gruppo ciclico C 15 = x x 15 =1 Indicare tutti i generatori del sottogruppo x 320 Soluzione Dividiamo 320 per 15 Si ha 320

Dettagli

Sottospazi vettoriali. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni.

Sottospazi vettoriali. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni. Politecnico di Torino. Sottospazi vettoriali. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni. Argomenti: Sottospazi. Generatori. Confrontando sottospazi: intersezione.

Dettagli

SISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5.

SISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5. SISTEMI LINEARI Esercizi Esercizio. Risolvere, se possibile, i seguenti sistemi: x y z = 0 x + y + z = 3x + y + z = 0 x y = 4x + z = 0, x y z = 0. Svolgimento. Procediamo con operazioni elementari di riga

Dettagli

Prof. Stefano Capparelli

Prof. Stefano Capparelli APPUNTI PER UN SECONDO CORSO DI ALGEBRA LINEARE Prof. Stefano Capparelli A mia madre Prefazione. Brevi Richiami di Algebra Lineare. Forma Canonica di Jordan.. Blocco di Jordan.. Base di Jordan.. Polinomio

Dettagli

Forma canonica di Jordan

Forma canonica di Jordan Capitolo INTRODUZIONE Forma canonica di Jordan Siano λ i, per i =,, h, gli autovalori distinti della matrice A e siano r i i corrispondenti gradi di molteplicità all interno del polinomio caratteristico:

Dettagli

LEZIONE 8. k e w = wx ı + w y j + w z. k di R 3 definiamo prodotto scalare di v e w il numero

LEZIONE 8. k e w = wx ı + w y j + w z. k di R 3 definiamo prodotto scalare di v e w il numero LEZINE 8 8.1. Prodotto scalare. Dati i vettori geometrici v = v x ı + v y j + v z k e w = wx ı + j + k di R 3 definiamo prodotto scalare di v e w il numero v, w = ( v x v y v z ) w x = v x + v y + v z.

Dettagli

Riassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.

Riassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria. Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo

Dettagli

CAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI

CAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI CAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI 1. REGOLA DI CRAMER Sia S un sistema lineare di n ( 2) equazioni in n incognite su un campo K : a 11 x 1 + a 12 x 2 + + a 1n x n

Dettagli

( ) TEORIA DELLE MATRICI. A. Scimone a.s pag 1

( ) 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

Dettagli

Noi ci occuperemo esclusivamente dei casi n = 2 e n = 3. Se n = 2, la quadrica Q p sarà detta conica di equazione p, e indicata con C p.

Noi ci occuperemo esclusivamente dei casi n = 2 e n = 3. Se n = 2, la quadrica Q p sarà detta conica di equazione p, e indicata con C p. Durante il corso abbiamo studiato insiemi (rette e piani) che possono essere descritti come luogo di zeri di equazioni (o sistemi) di primo grado. Adesso vedremo come applicare quanto visto per studiare

Dettagli

Sistemi differenziali: esercizi svolti. 1 Sistemi lineari 2 2... 2 2 Sistemi lineari 3 3... 10

Sistemi differenziali: esercizi svolti. 1 Sistemi lineari 2 2... 2 2 Sistemi lineari 3 3... 10 Sistemi differenziali: esercizi svolti Sistemi lineari 2 2 2 2 Sistemi lineari 3 3 2 Sistemi differenziali: esercizi svolti Sistemi lineari 2 2 Gli esercizi contrassegnati con il simbolo * presentano un

Dettagli

ESERCIZI SUI SISTEMI LINEARI

ESERCIZI SUI SISTEMI LINEARI ESERCIZI SUI SISTEMI LINEARI Consideriamo ora il sistema lineare omogeneo a coefficienti costanti associato alla matrice A M n n, cioè SLO Vale il seguente = A. Teorema. Sia v R n \ } e sia λ C. Condizione

Dettagli

Corso di Matematica e Statistica 3 Algebra delle matrici. Una tabella rettangolare: la matrice. Una tabella rettangolare: la matrice

Corso 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

Dettagli

COMPLETAMENTO DI SPAZI METRICI

COMPLETAMENTO DI SPAZI METRICI COMPLETAMENTO DI SPAZI METRICI 1. Successioni di Cauchy e spazi metrici completi Definizione 1.1. Una successione x n n N a valori in uno spazio metrico X, d si dice di Cauchy se, per ogni ε > 0 esiste

Dettagli

Quadriche Maurizio Cornalba 7/6/2016

Quadriche 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 )

Dettagli