Endomorfismi e matrici simmetriche

Размер: px
Начинать показ со страницы:

Download "Endomorfismi e matrici simmetriche"

Транскрипт

1 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 per le matrici A = 2 0 B = Esercizio.2. Per ognuna delle seguenti matrici simmetriche A si determini una matrice ortogonale P per la quale P T AP sia diagonale [ ] 0 2 A = A = Esercizio.3. Sia T l endomorfismo di R 3 con matrice associata A = rispetto alla base canonica. a) Stabilire se l endomorfismo T é diagonalizzabile. b) Trovare basi ortonormali degli autospazi di T (rispetto al prodotto scalare canonico di R 3 ). c) Trovare una base ortonormale di R 3 formata da autovettori di T. Esercizio.4. Sia A la matrice reale A = a) Calcolare il polinomio caratteristico di A. b) Si può affermare che A è diagonalizzabile anche senza conoscere gli autovalori? c) Trovare una base di R 3 costituita da autovettori di A. Esercizio.5. Sia A la matrice reale A = Trovare una base ortonormale di R 3 costituita da autovettori di A. Esercizio.6. Sia A la matrice reale 0 A = Trovare una base ortonormale di R 3 costituita da autovettori di A. Esercizio.7. Si consideri la matrice reale simmetrica 0 A = 2 0

2 2. ENDOMORFISMI E MATRICI SIMMETRICHE a) Trovare una base ortonormale di R 3 costituita da autovettori di A. b) Determinare una matrice ortogonale P tale che P T AP sia diagonale. Esercizio.8. Sia T l endomorfismo di R 4 definito dalla matrice A = a) Determinare autovalori e autovettori di T. b) Determinare una base ortonormale di R 4 formata da autovettori di T. Esercizio.9. Si consideri il seguente endomorfismo di R 3 T(x,y,z) = (ax, bx+y +z, y +z) con a e b parametri reali. a) Si discuta la diagonalizzabilità di T al variare di a e b in R. b) Posto a = b = 0 si determini una base ortonormale di R 3 formata da autovettori di T. Esercizio.0. Sia T l endomorfismo di R 3 a cui è associata la matrice 2 2 A = rispetto alla base B = (,,), (,,0), (,0,) }. T è un endomorfismo simmetrico? Esercizio.. Sia T l endomorfismo di R 3 a cui è associata la matrice 6 3 A = rispetto alla base a) T è un endomorfismo simmetrico? b) T è diagonalizzabile? B = (,,), (,,0), (,0,) }. Esercizio.2. Sia T l endomorfismo do R 4 cosí definito: T(x,x 2,x 3,x 4 ) = (3x,x 3,x 4, 3x 2 +x 3 +3x 4 ) a) Mostrare che è autovalore di T. b) Stabilire se T è diagonalizzabile e in caso affermativo trovare una base rispetto a cui T ha matrice diagonale. c) L endomorfismo T è simmetrico? Esercizio.3. Sia T l endomorfismo di R 3 così definito: T(x,x 2,x 3 ) = (2x, 2x 2 + 3x 3, 3x 2 ) a) Stabilire se T è invertibile. b) Mostrare che T è un endomorfismo simmetrico. c) Trovare una base ortonormale di R 3 che diagonalizza T. Esercizio.4. Si consideri la funzione lineare (endomorfismo) T : R 3 R 3 così definita: T(x,y,z) = (2x+4z,6y,4x+2z). a) Stabilire se T è simmetrica rispetto al prodotto scalare canonico di R 3. b) Se esiste, trovare una base ortonormale di R 3 costituita da autovettori di T. Esercizio.5. Sia T : R 3 R 3 l endomorfismo avente come autovettori i vettori v = (,,0), v 2 = (0,,), v 3 = (0,0,), rispetto agli autovalori,,2. a) Calcolare la matrice A che rappresenta T rispetto alla base canonica. b) T è invertibile? c) T è un endomorfismo simmetrico?

3 2. SOLUZIONI 3 Esercizio.6. Sia T l endomorfismo di R 2 [x] che associa al polinomio p(x) = ax 2 +bx+c R 2 [x] il polinomio T(p(x)) = (a+kb)x 2 +(ka+b)x+kc. a) Trovare la matrice associata a T rispetto alla base x 2,x,}. b) Calcolare gli autovalori di T e stabilire se T è diagonalizzabile.. Suggerimenti Endomorfismo simmetrico: T : V V tale che: (T(u),v) = (u,t(v)) u,v V Proprietà : Se T è un endomorfismo e A è la matrice associata a T rispetto a una base ortonormale, allora: T è simmetrico A è simmetrica (cioè A = A T ). T ha n autovalori reali (contati con la loro molteplicità). Autovettori relativi a autovalori distinti sono ortogonali Matrice ortogonale: P è una matrice ortogonale se P P T = I ovvero P = P T Teorema spettrale Se T è un endomorfismo simmetrico di V, allora esiste una base ortonormale di V formata da autovettori di T. In particolare T è diagonalizzabile, cioè esiste una base (ortonormale) di V rispetto alla quale la matrice associata a T è diagonale. Se A è una matrice simmetrica, allora A è simile a una matrice diagonale D (ovvero A è diagonalizzabile). Inoltre la matrice diagonalizzante P è una matrice ortogonale: P AP = P T AP = D Notiamo che det(p) = ±, e P è detta ortogonale speciale se det(p) = Soluzioni 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 per le matrici A = 2 0 B = Cominciamo a determinare gli autovalori della matrice A calcolandone il polinomio caratteristico, ovvero il determinante della matrice λ 2 0 A λi = 2 λ λ

4 4. ENDOMORFISMI E MATRICI SIMMETRICHE Quindi p A (λ) = ( λ)( λ)( λ) 2 2( λ) = ( λ)[( λ)( λ) 4] = ( λ)(λ 2 2λ 3) Gli autovalori di A sono i valori di λ per cui p A (λ) = 0, quindi λ = (doppio), λ 2 = 3 Possiamo ora trovare gli autovettori: λ =. Cerchiamo le soluzioni del sistema omogeneo associato a A+I: x = t x+2y = 0 y = t s,t R E( ) = (,,0), (0,0,) z = s Poichè dalla teoria sappiamo che le matrici simmetriche sono diagonalizzabili, ci aspettavamo che l autovalore λ = avesse molteplicità geometrica 2. λ = 3. Cerchiamo le soluzioni del sistema omogeneo associato a A 3I: x+2y = 0 x = t y = t t R E(3) = (,,0) z = 0 z = 0 Siano v = (,,0), v 2 = (0,0,), v 3 = (,,0) i tre autovettori linearmente indipendenti determinati. Essendo A una matrice simmetrica sappiamo dalla teoria che i suoi autovettori relativi ad autovalori distinti sono ortogonali tra loro. Inoltre, in questo caso, anche i due autovettori relativi allo stesso autovalore λ = risultano ortogonali: (v,v 2 ) = 0. Per determinare la base ortonormale richiesta è quindi sufficiente normalizzare i tre vettori v, v 2 e v 3 : u = v ( v = ),, u 2 = v 2 v 2 = (0,0,) la base cercata è B = u, u 2, u 3 } u 3 = v ( ) 3 v 3 = 2, 2, 0 Ripetiamo ora l esercizio con la matrice B. Cominciamo a determinare gli autovalori della matrice B calcolandone il polinomio caratteristico, ovvero il determinante della matrice λ 3 0 B λi = 3 2 λ 0 λ Quindi p B (λ) = ( λ)[( 2 λ)( λ) ] 3 3( λ) = ( λ)[( 2 λ)( λ) 9] = ( λ)(λ 2 +λ 2) Gli autovalori di B sono i valori di λ per cui p B (λ) = 0, quindi Possiamo ora trovare gli autovettori: λ =, λ 2 = 3, λ 3 = 4 λ =. Cerchiamo le soluzioni del sistema omogeneo asociato a B I: y = 0 x = t x 3y z = 0 y = y = 0 z = 3t E() = (,0,3) t R

5 2. SOLUZIONI 5 λ = 3. Cerchiamo le soluzioni del sistema omogeneo asociato a B 3I: II +3I x+3y = y 2z = 0 x = 3t y = 2t t R E(3) = ( 3, 2,) λ = 4. Cerchiamo le soluzioni del sistema omogeneo associato a B +4I: II + 3I x+3y = y 5z = 0 x = 3t y = 5t t R E( 4) = ( 3,5,) Siano v = (,0,3), v 2 = ( 3, 2,), v 3 = ( 3,5,) i tre autovettori linearmente indipendenti determinati. Essendo B una matrice simmetrica sappiamo dalla teoria che i suoi autovettori relativi ad autovalori distinti sono ortogonali tra loro. Per determinare la base ortonormale richiesta si tratta quindi di normalizzare i tre vettori v, v 2 e v 3 : u = v ( ) v = 3, 0, 0 0 ( u 2 = v 2 v 2 = u 3 = v 3 v 3 = 3, 2, 4 4 ( 3 5,, ) 4 ) 35 la base cercata è B = u, u 2, u 3 } Esercizio.2. Per ognuna delle seguenti matrici simmetriche A si determini una matrice ortogonale P per la quale P T AP sia diagonale [ ] 0 2 A = A = Poichè entrambe le matrici A sono simmetriche, sappiamo dalla teoria che sono sicuramente diagonatizzabili. Si tratta di () Determinare gli autovettori di A, (2) Determinare una base ortonormale a partire dagli autovettori (linearmente indipendenti) di A, (3) Scrivere la matrice P che ha per colonne gli elementi della base trovata. La matrice P cosí determinata è diagonalizzante e ortogonale. Consideriamo prima la matrice A = [ ] () p A (λ) = λ 2 +λ 6 autovalori: λ = 2, λ 2 = 3 λ = 2. Consideriamo A 2I: [ ] 2 0 x = 2t t R E(2) = (2,) y = t λ = 3. Consideriamo A+3I: [ ] x = t 2 0 y = 2t t R E( 3) = (, 2)

6 6. ENDOMORFISMI E MATRICI SIMMETRICHE (2) Dalla teoria sappiamo già che autovettori relativi a autovalori distini sono ortogonali. E quindi sufficiente normalizzare gli autovettori linearmente indipendenti trovati: (3) Infine v = (2,), v 2 = (, 2) u = v ( 2 v = 5, 5 P = ), u 2 = v 2 v 2 = [ ] ( 5, 2 ) 5 Consideriamo ora la matrice 0 A = 0 2 () p A (λ) = ( λ)(λ 2 3λ) autovalori: λ =, λ 2 = 3, λ 3 = 0 λ =. Consideriamo A I: x = t y = t t R E() = (,,0) 0 z = 0 λ = 3. Consideriamo A 3I: x = t y = t t R 0 2III +I z = 2t E(3) = (,, 2) λ = 0. Consideriamo A 0I: x = t y = t t R 2 0 III I 0 0 E(0) = (,,) (2) Dalla teoria sappiamo già che autovettori relativi a autovalori distini sono ortogonali. E quindi sufficiente normalizzare gli autovettori linearmente indipendenti trovati: v = (,,0) u = v ( ) v = 2, 2, 0 v 2 = (,, 2) u 2 = v ( 2 v 2 =,, 2 ) (3) Infine v 3 = (,,) u 3 = v 3 v 3 = P = Esercizio.3. Sia T l endomorfismo di R 3 con matrice associata A = ( 3, 3, ) 3

7 2. SOLUZIONI 7 rispetto alla base canonica. a) Stabilire se l endomorfismo T é diagonalizzabile. b) Trovare basi ortonormali degli autospazi di T (rispetto al prodotto scalare canonico di R 3 ). c) Trovare una base ortonormale di R 3 formata da autovettori di T. a) L endomorfismo T é sicuramente diagonalizzabile perchè è simmetrico. b) Calcoliamo gli autovalori di T: Quindi gli autovalori sono: p A (λ) = (4 λ)[(5 λ) 2 ] = (4 λ) 2 (6 λ) λ = 4 doppio λ 2 = 6 Calcoliamo ora gli autospazi. Risolviamo il sistema omogeneo associato a A 4I: y z = III +II x = t y = s E(4) = (,0,0), (0,,) z = s Notiamo che, anche senza avere osservato che T è simmetrico, a questo punto possiamo concludere che T è diagonalizzabile in quanto la molteplicità geometrica del suo unico autovalore doppio è 2. Inoltre i due vettori presi come generatori sono tra loro ortogonali, è perciò sufficiente normalizzarli per ottenere una base ortonormale di E(4): ( ) } B(E(4)) = (,0,0), 0,, 2 2 Risolviamo ora il sistema omogeneo associato a A 6I: III II x = 0 y = t E(6) = (0,,) Una base ortonormale di E(6) è: ( B(E(6)) = 0, ) }, 2 2 2x = 0 y z = 0 c) L insieme B = (,0,0), ( 0, 2, ), 2 ( 0, ) }, 2 2 è una base ortonormale di R 3 formata da autovettori di T. Esercizio.4. Sia A la matrice reale A = a) Calcolare il polinomio caratteristico di A. b) Si può affermare che A è diagonalizzabile anche senza conoscere gli autovalori? c) Trovare una base di R 3 costituita da autovettori di A.

8 8. ENDOMORFISMI E MATRICI SIMMETRICHE a) Calcoliamo il polinomio caratteristico di A p A (λ) = (8 λ) [(5 λ) 2 6]+2[ 2(5 λ) 8]+2[ 8 2(5 λ)] = (8 λ)(λ 2 0λ+9)+2(2λ 8)+2( 8+2λ) = (8 λ)(λ )(λ 9)+8(λ 9) = (λ 9)(λ 2 9λ+8 8) = λ(λ 9) 2 Di conseguenza gli autovalori di A sono λ = 0 e λ = 9 (doppio). b) A è sicuramente diagonnalizzabile perchè è simmetrica. c) Calcoliamo i due autospazi. E(0). Risolviamo il sistema omogeneo associato alla matrice A: /2I II +/2I /9II III +II III 2II x = 2 t y = t t R E(0) = (, 2,2) E(9). Risolviamo il sistema omogeneo associato alla matrice A 9I: x = 2s+2t /2II I y = s III II E(9) = ( 2,,0), (2,0,) s,t R Infine una base di R 3 formata da autovettori di T è data dall insieme (, 2,2), ( 2,,0), (2,0,) }. Esercizio.5. Sia A la matrice reale A = Trovare una base ortonormale di R 3 costituita da autovettori di A. Calcoliamo il polinomio caratteristico di A p A (λ) = (6 λ)(5 λ)(9 λ) 2 2(5 λ) = (5 λ)(λ 2 5λ+54 4) = (λ 5) 2 (λ 0) Di conseguenza gli autovalori di A sono λ = 0, λ = 5 (doppio) Calcoliamo i due autospazi. E(0). Risolviamo il sistema omogeneo associato alla matrice A 0I: /2I x = t y = III /2I z = 2t E(0) = (,0, 2) t R

9 2. SOLUZIONI 9 E(5). Risolviamo il sistema omogeneo associato alla matrice A 5I: x = 2t y = s s,t R III +2I E(5) = (2,0,), (0,,0) Una base di R 3 formata da autovettori di T è data dall insieme (,0, 2), (2,0,), (0,,0) }. Notiamo che tali vettori sono già tra loro ortogonali, è quindi sufficiente normalizarli. Una base ortonormale è quindi data dall insieme ( 5,0, 2 ) ( ) } 2, 5,0,, (0,,0). 5 5 Esercizio.6. Sia A la matrice reale 0 A = Trovare una base ortonormale di R 3 costituita da autovettori di A. Calcoliamo il polinomio caratteristico di A: p A (λ) = (2 λ) [ ( λ) 2 ] = (2 λ)( λ )( λ+) Quindi gli autovalori di A sono: λ = 0 singolo λ 2 = 2 doppio Calcoliamo l autospazio E(0) relativo all autovalore λ = 0 risolvendo il sistema omogeneo associato alla matrice A: II I x+y = 0 x = t y = t t R z = 0 z = 0 Di conseguenza E(0) = (,,0). Analogamente calcoliamo l autospazio E(2) relativo all autovalore λ 2 = 2 risolvendo il sistema omogeneo associato alla matrice A 2I: x = t 0 0 II +I x+y = 0 y = t s,t R z = s Di conseguenza E(2) = (,,0), (0,0,). Gli autovettori trovati sono tutti ortogonali tra loro, quindi per determinare una base ortonormale di R 3 è sufficiente normalizzarli: ( B = 2, ) ( ) },0, 2 2, 2,0, (0,0,) Esercizio.7. Si consideri la matrice reale simmetrica 0 A = 2 0 a) Trovare una base ortonormale di R 3 costituita da autovettori di A. b) Determinare una matrice ortogonale P tale che P T AP sia diagonale.

10 0. ENDOMORFISMI E MATRICI SIMMETRICHE Calcoliamo il polinomio caratteristico di A: p A (λ) = ( λ)[(2 λ)( λ) ] ( λ) = ( λ)(λ 2 3λ) = λ( λ)(λ 3) Quindi gli autovalori di A sono: λ = 0, λ 2 =, λ 3 = 3 singoli Calcoliamo l autospazio E(0) relativo all autovalore λ = 0 risolvendo il sistema omogeneo associato alla matrice A: II I 0 0 x+y = 0 x = t y = t t R y +z = 0 z = t E(0) = (,, ) Analogamente calcoliamo l autospazio E() relativo all autovalore λ 2 = risolvendo il sistema omogeneo associato alla matrice A I: y = 0 x = t y = 0 t R E() = (,0,) x+y z = 0 Calcoliamo infine l autospazio E(3) relativo all autovalore λ 3 = 3 risolvendo il sistema omogeneo associato alla matrice A 3I: x+y = 0 x = t y = 2t t R 2II +I y 2z = 0 E(3) = (, 2,) a) Gli autovettori trovati sono tutti ortogonali tra loro (anche perchè appartengono a autospazi ditinti), quindi per determinare una base ortonormale di R 3 è sufficiente normalizzarli: ( B = 3,, ) ( ) (, 2,0,,,, 2 ) },,, b) La matrice P cercata ha per colonne i vettori della base di R 3 trovata: P = Esercizio.8. Sia T l endomorfismo di R 4 definito dalla matrice A = a) Determinare autovalori e autovettori di T. b) Determinare una base ortonormale di R 4 formata da autovettori di T. Notiamo che la matrice A è simmetrica, quindi è sicuramente diagonalizzabile. a) Calcoliamo il polinomio caratteristico sviluppando rispetto alla prima riga: 4 λ p M (λ) =det 0 5 λ λ 0 = (4 λ)(6 λ)[(5 λ)2 ] λ =(4 λ) 2 (6 λ) 2 quindi gli autovalori di M sono λ = 4, 6, entrambi di molteplicità algebrica 2.

11 2. SOLUZIONI Calcoliamo ora gli autospazi: x = t E(4) = N(M 4I) : y = s E(4) = (,0,0,0), (0,,0,) z = w = s x = 0 E(6) = N(M 6I) : y = t E(6) = (0,0,,0), (0,,0, ) z = s 0 0 w = t b) Notiamo che i due generatori di E(4) e i due generatori di E(6) determinati sono ortogonali tra loro, quindi per trovare un base ortonormale di R 4 basta renderli di norma : ( ) ( B(R 4 ) = (,0,0,0), 0,,0,, (0,0,,0), 0,,0, )} Esercizio.9. Si consideri il seguente endomorfismo di R 3 con a e b parametri reali. T(x,y,z) = (ax, bx+y +z, y +z) a) Si discuta la diagonalizzabilità di T al variare di a e b in R. b) Posto a = b = 0 si determini una base ortonormale di R 3 formata da autovettori di T. Determiniamo la matrice A = M(T) associata a T rispetto alla base canonica: a 0 0 A = b 0 Il polinomio caratteristico di A è P A (λ) = (a λ)(λ 2 2λ), quindi gli autovalori di A sono λ = a,0,2. a) Se a 0, 2, T ha tre autovalori singoli, quindi è sicuramente diagonalizzabile. Se a = 0, l autovalore λ = 0 è doppio, quindi per stabilire se T è diagonalizzabile dobbiamo calcolare la dimensione dell autospazio E(0): E(0) = N(A) : b 0 II III b Dobbiamo distinguere due casi Se a = 0 e b = 0 l autospazio E(0) ha dimensione 2, quindi T è diagonalizzabile. Se a = 0 e b 0 l autospazio E(0) ha dimensione, quindi T non è diagonalizzabile. Analogamentesea = 2,l autovaloreλ = 2èdoppio,quindiperstabilireseT èdiagonalizzabile dobbiamo calcolare la dimensione dell autospazio E(2): E(2) = N(A 2I) : b Dobbiamo quindi distinguere due casi Se a = 2 e b = 0 l autospazio E(2) ha dimensione 2, quindi T è diagonalizzabile. Se a = 2 e b 0 l autospazio E(2) ha dimensione, quindi T non è diagonalizzabile. Infine T è daigonalizzabile se a 0,2 per ogni valore di b, oppure se a = 0 o a = 2 e b = 0. b) Per a = b = 0 abbiamo già in sostanza calcolato l autospazio E(0) = (0,, ), (,0,0) Notiamo che i due generatori trovati sono già tra loro ortogonali, quindi si tratterà solamente di renderli di norma.

12 2. ENDOMORFISMI E MATRICI SIMMETRICHE Analogamente per a = b = 0 otteniamo: E(2) = N(A 2I) : Infine la base ortonormale cercata è ( B(R 3 ) = 0,, ), (,0,0), 2 2 2x = 0 y +z = 0 ( 0, 2, E(2) = (0,,) )} 2 Esercizio.0. Sia T l endomorfismo di R 3 a cui è associata la matrice 2 2 A = rispetto alla base B = (,,), (,,0), (,0,) }. T è un endomorfismo simmetrico? Notiamo che la base B non è una base ortonormale, quindi il fatto che A non sia simmetrica non implica che non lo sia T. Per potere utilizzare questa implicazione dobbiamo scrivere la matrice associata a T rispetto a una base ortonormale, in particolare rispetto alla base canonica. Per comodità assegnamo un nome ai tre vettori della base B: v = (,,), v 2 = (,,0), v 3 = (,0,) Dalla matrice A ricaviamo le immagini degli elementi della base B, ricordando però che tali elementi sono ancora espressi rispetto a B: T(v ) = T(,,) = (2,2,0) B T(v 2 ) = T(,,0) = (2,3, ) B T(v 3 ) = T(,0,) = (,0,) B Per calcolare le immagini della base canonica dobbiamo prima esprimere e, e 2, e 3 rispetto alla base B. Notiamo che data la semplicità dei calcoli non è necessario impostare e risolvere i tre sistemi associati alle equazioni xv +yv 2 +zv 3 = e i. E infatti immediato ricavare che Quindi sfruttando la linearità di T: e 3 = (,,) (,,0) = v v 2 = (,,0) B e 2 = (,,) (,0,) = v v 3 = (,0, ) B e = (,,0) e 2 = v 2 v +v 3 = (,,) B T(e 3 ) = T(v ) T(v 2 ) = (2,2,0) B (2,3, ) B = (0,,) B = v 2 +v 3 = (0,,) T(e 2 ) = T(v ) T(v 3 ) = (2,2,0) B (,0,) B = (,2, ) B = v +2v 2 v 3 = (2,3,0) T(e ) = T(v 2 ) T(v )+T(v 3 ) = (2,3, B ) (2,2,0) B +(,0,) B = (,,0) B = v +v 2 = (2,2,) La matrice B associata a T rispetto alla base (ortonormale) canonica è quindi: B = Poichè B non è simmetrica, anche non T è un endomorfismo simmetrico. Notiamo che per calcolare B potevamo in alternativa usare la matrice di cambiamento di base. Indichiamo con P è la matrice di cambiamento di base da B alla base canonica C, cioè P = MB C è la matrice che ha per colonne i tre vettori v,v 2 e v 3 (espressi rispetto alla base canonica).la matrice di cambiamento di base da C a B è la matrice inversa di P: P = MC B. Poiché A = MB B (T) e B = M(T) = MC C (T) abbiamo la seguente relazione: M(T) = M C C(T) = M C BM B B(T)M B C B = PAP

13 2. SOLUZIONI 3 Esercizio.. Sia T l endomorfismo di R 3 a cui è associata la matrice 6 3 A = rispetto alla base B = (,,), (,,0), (,0,) }. a) T è un endomorfismo simmetrico? b) T è diagonalizzabile? a) Notiamo che la base B non è una base ortonormale, quindi il fatto che A non sia simmetrica non implica che non lo sia T. Per potere utilizzare questa implicazione dobbiamo scrivere la matrice associata a T rispetto a una base ortonormale, in particolare rispetto alla base canonica. Per fare questo possiamo procedere in due modi () Ricavare le immagini di e, e 2 e e 3 utlizzando la matrice A, dopo avere espresso e i rispetto a B e ricordando che i risultati ottenuti saranno ancora espressi rispetto a B. (2) Ricavare direttamente le immagini di e, e 2 e e 3 sfruttando la linearità di T. Consideriamo entrambi i metodi () Se vogliamo utilizzare direttamente la matrice M B (S) dobbiamo scrivere e, e 2 e e 3 rispetto alla base B. Chiamiamo v = (,,), v 2 = (,,0) e v 3 = (,0,) i tre vettori di B; si tratta quindi di risolvere le tre equazioni xv +yv 2 +zv 3 = e i con i =,2,3. Riduciamo a gradini la matrice associata alle tre equazioni contemporaneamente: II I III I III II Possiamo ora risolvere i tre sistemi. xv +yv 2 +zv 3 = e xv +yv 2 +zv 3 = e 2 xv +yv 2 +zv 3 = e 3 x+y +z = y = z = x+y +z = 0 y = 0 z = x+y +z = 0 y = z = 0 x = y = z = x = y = 0 z = x = y = z = 0 e = (,,) B e 2 = (,0, ) B e 3 = (,,0) B Possiamo usare ora la matrice M B (T) per calcolare le imamgini di e i, ricordando però che il risultato ottenuto è ancora espresso rispetto rispetto a B, mentre noi dobbiamo esprimerlo

14 4. ENDOMORFISMI E MATRICI SIMMETRICHE rispetto alla base canonica: T(e ) = M B (T) e = 3 2 = 2 3 = ( 2,2,) B = 2 v +2 v 2 + v 3 = (,0, ) T(e 2 ) = M B (T) e 2 = = 3 2 = (3,, 2) B = 3 v v 2 2 v 3 = (0,2,) T(e 3 ) = M B (T) e 3 = 3 2 = = (5, 4, 2) B = 5 v 4 v 2 2 v 3 = (,,3) Infine la matrice B associata a T rispetto alla base (ortonormale) canonica è 0 B = M(T) = (2) In alternativa possiamo ricavare direttamente le immagini di e dalla matrice A = M B (T), sfruttando la linearità di T. Sappiamo infatti che una matrice M B (T) ha per colonne le immagini degli elementi di B espressi ancora rispetto a B. Quindi: Sfruttando la linearità di T: T(,,) = (6, 3, 3) B T(,,0) = (,, ) B T(,0,) = (3, 2, ) B T(0,0,) = T(,,) T(,,0) = (6, 3, 3) B +(,,) B = (5, 4, 2) B = 5 (,,) 4 (,,0) 2 (,0,) = (,,3) T(,0,0) = T(,0,) T(0,0,) = (3, 2, ) B +( 5,4,2) B = ( 2,2,) B = 2 (,,)+2 (,,0)+ (,0,) = (,0, ) T(0,,0) = T(,,0) T(,0,0) = (,, ) B +(2, 2, ) B = (3,, 2) B = 3 (,,) (,,0) 2 (,0,) = (0,2,) La matrice B associata a T rispetto alla base (ortonormale) canonica è quindi: 0 B = M(T) = Poichè B è simmetrica, anche T è un endomorfismo simmetrico. b) T è sicuramente diagonalizzabile perchè è simmetrica. Esercizio.2. Sia T l endomorfismo do R 4 cosí definito: T(x,x 2,x 3,x 4 ) = (3x,x 3,x 4, 3x 2 +x 3 +3x 4 ) a) Mostrare che è autovalore di T. b) Stabilire se T è diagonalizzabile e in caso affermativo trovare una base rispetto a cui T ha matrice diagonale. c) L endomorfismo T è simmetrico? Determiniamo la matrice associata a T rispetto alla base canonica calcolando: T(e ) = (3,0,0,0), T(e 2 ) = (0,0,0, 3), T(e 3 ) = (0,,0,), T(e 4 ) = (0,0,,3)

15 2. SOLUZIONI 5 Quindi la matrice associata è: A = Calcoliamo il polinomio caratteristico sviluppando rispetto alla prima riga: p A (λ) = det(a λi) = (3 λ) [ λ( 3λ+λ 2 ) 3 ] = (3 λ) [ λ 3 +3λ 2 +λ 3 ] = (3 λ) [ λ 2 ( λ+3) ( λ+3) ] = (3 λ) 2[ λ 2 ] a) Gli autovalori A sono λ = 3 doppio, λ =, λ = In particolare λ = è autovalore. b) Calcoliamo l autospazio E(3) risolvendo il sistema omogeneo associato a A 3I: x = s x 2 +x 3 = 0 x 2 = t E(3) = (0,,3,9), (,0,0,0) 3x 3 +x 4 = 0 x 3 = 3t x 4 = 9t A questo punto possiamo già affermare che T è diagonalizzabile in quanto E(3) ha dimensione 2 e gli altri due autovalori sono singoli. Calcoliamo l autospazio E() risolvendo il sistema omogeneo associato a A I: x = x = x 2 = t x 2 +x 3 = 0 x 3 = t IV 3II x 3 +x 4 = 0 x 4 = t E() = (0,,,) Calcoliamo l autospazio E( ) risolvendo il sistema omogeneo associato a A + I: x = x = x 2 = t x 2 +x 3 = 0 x 3 = t IV +3II x 3 +x 4 = 0 x 4 = t E( ) = (0,,,) Infine T ha una matrice diagonale rispetto alla base B = (,0,0,0), (0,,3,9), (0,,,), (0,,,) } c) T non è simmetrico in quanto la matrice A associata a T rispetto alla base canonica (che è ortogonale) non è simmetrica. Esercizio.3. Sia T l endomorfismo di R 3 così definito: T(x,x 2,x 3 ) = (2x, 2x 2 + 3x 3, 3x 2 ) a) Stabilire se T è invertibile. b) Mostrare che T è un endomorfismo simmetrico. c) Trovare una base ortonormale di R 3 che diagonalizza T. La matrice associata a T rispetto alla base canonica è: A =

16 6. ENDOMORFISMI E MATRICI SIMMETRICHE a) T è invertibile se è invertibile la matrice A, cioè se A ha determinante non nullo: det(a) = det = 2 ( 3) = b) La matrice associata a T rispetto alla base canonica (che è ortonormale) è simmetrica: A T = A, quindi T è un endomorfismo simmetrico. c) Calcoliamo il polinomio caratteristico di A: 2 λ 0 0 p A (λ) = det 0 2 λ 3 = (2 λ) [(2 λ)( λ) 3] = (2 λ)(λ 2 2λ 3) 0 3 λ quindi gli autovalori di A sono λ = 2,, 3. Calcoliamo ora gli autospazi E(2) = N(A 2I) : z = 0 x = t y = y 2z = 0 z = 0 E(2) = (,0,0) E( ) = N(A+I) : III II x = 0 x = 0 3y + y = t 3z = 0 z = 3 3 t = E( ) = (0,, 3) 3t E(3) = N(A 3I) : III II x = 0 x = 0 y + y = 3t E(3) = (0, 3,) 3z = 0 Essendo tre autospazi distinti i tre autovalori generatori trovati sono tra loro ortogonali. Per ottenere la base ortonormale cercata basta quindi prendere i generatori di norma : ( B(R 3 ) = (,0,0), 0, ) ( )} 3 3 2,, 0, 2 2, 2 Esercizio.4. Si consideri la funzione lineare (endomorfismo) T : R 3 R 3 così definita: T(x,y,z) = (2x+4z,6y,4x+2z). a) Stabilire se T è simmetrica rispetto al prodotto scalare canonico di R 3. b) Se esiste, trovare una base ortonormale di R 3 costituita da autovettori di T. Determiniamo la matrice A associata a T rispetto alla base canonica: A = M(T) = a) La matrice associata a T rispetto alla base canonica è simmetrica, quindi anche T è simmetrica. b) Calcoliamo gli autovalori di T: p A (λ) = (6 λ) [(2 λ) 2 6 ] = (6 λ)(λ 2 4λ 2) Quindi gli autovalori di A sono λ = 6 (doppio) e λ = 2.

17 2. SOLUZIONI 7 Calcoliamo ora gli autospazi: x = t E(6) = N(A 6I) : y = s x = t E( 2) = N(A+2I) : y = E(6) = (,0,), (0,,0) E( 2) = (,0,) Notiamo che gli autovettori trovati sono già ortogonali tra loro, quindi per trovare una base ortonormale di R 3 formata da autovettori basta prendere i generatori di norma : ( ) ( B = 2,0,,(0,,0), ) },0, Esercizio.5. Sia T : R 3 R 3 l endomorfismo avente come autovettori i vettori v = (,,0), v 2 = (0,,), v 3 = (0,0,), rispetto agli autovalori,,2. a) Calcolare la matrice A che rappresenta T rispetto alla base canonica. b) T è invertibile? c) T è un endomorfismo simmetrico? Poiché v è autovettore rispetto a λ =, otteniamo che T(v ) = v. Analogamente T(v 2 ) = v 2 e T(v 3 ) = 2v 3. Di conseguenza T(v ) = (,,0), T(v 2 ) = (0,,), T(v 3 ) = (0,0,2) a) Dobbiamo trovare le immagini della base canonica. Notiamo che e 3 = v 3 Per la linearità di T otteniamo che T(e 3 ) = T(v 3 ) = (0,0,2) e 2 = v 2 v 3 e = v e 2 = v v 2 +v 3 T(e 2 ) = T(v 2 ) T(v 3 ) = (0,,) (0,0,2) = (0,, ) T(e ) = T(v ) T(v 2 )+T(v 3 ) = (,,0) (0,,)+(0,0,2) = (,0,) Quindi la matrice che rappresenta T rispetto alla base canonica è 0 0 A = In alternativa per calcolare A si poteva utilizzare la matrice diagonalizzante P che ha per colonne gli autovettori, e la matrice diagonale D che ha gli autovalori sulla diagonale. Dalla relazione P AP = D si ricava A = PDP. b) T è invertibile se lo è A. Poiché det(a) = 2 0, A e T sono invertibili. c) T non è simmetrico perché A, che è associata a T rispetto alla base (ortonormale) canonica, non lo è. Esercizio.6. Sia T l endomorfismo di R 2 [x] che associa al polinomio p(x) = ax 2 +bx+c R 2 [x] il polinomio T(p(x)) = (a+kb)x 2 +(ka+b)x+kc. a) Trovare la matrice associata a T rispetto alla base x 2,x,}. b) Calcolare gli autovalori di T e stabilire se T è diagonalizzabile.

18 8. ENDOMORFISMI E MATRICI SIMMETRICHE Notiamo che il generico polinomio p(x) = ax 2 +bx+c R 2 [x] ha componenti (a,b,c) rispetto alla base x 2,x,}. In particolare p(x) = x 2 ha componenti (,0,0), p(x) = x ha componenti (0,,0) e p(x) = ha componenti (0,0,). In sostanza la base x 2,x,} corrisponde quindi alla base canonica. Inoltre T può essere vista come apllicazione T : R 3 R 3 tale che: T(a,b,c) = (a+kb, ka+b, kc). a) Calcoliamo la immagini degli elementi della base: T(x 2 ) = T(,0,0) = (,k,0) = x 2 +kx T(x) = T(0,,0) = (k,,0) = kx 2 +x T() = T(0,0,) = (0,0,k) = k Di conseguenza la matrice associata a T rispetto alla base x 2,x,} è k 0 A = k k b) Calcoliamo il polinomio caratteristico di A: p A (λ) = (k λ) [ ( λ) 2 k 2] = (k λ)( λ k)( λ+k) Di conseguenza gli autovalori (non sempre distinti) sono λ = k, λ = k, λ = +k Notiamo che la matrice A è diagonalizzabile, senza la necessità di calcolare molteplicità algebrica e geometrica degli autovalori, in quanto è simmetrica.

MATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE

MATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE DIAGONALIZZAZIONE 1 MATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE Matrici ortogonali e loro proprietà. Autovalori ed autospazi di matrici simmetriche reali. Diagonalizzazione mediante matrici

Подробнее

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 da un altra angolazione.. Determinare

Подробнее

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

Подробнее

CAPITOLO 14. Quadriche. Alcuni esercizi di questo capitolo sono ripetuti in quanto risolti in maniera differente.

CAPITOLO 14. Quadriche. Alcuni esercizi di questo capitolo sono ripetuti in quanto risolti in maniera differente. CAPITOLO 4 Quadriche Alcuni esercizi di questo capitolo sono ripetuti in quanto risolti in maniera differente. Esercizio 4.. Stabilire il tipo di quadrica corrispondente alle seguenti equazioni. Se si

Подробнее

Prodotto scalare, ortogonalitá e basi ortonormali

Prodotto scalare, ortogonalitá e basi ortonormali CAPITOLO 0 Prodotto scalare, ortogonalitá e basi ortonormali Esercizio 0.. Dati i seguenti vettori di R si calcoli il prodotto scalare (v i,v j per i,j =,,...,6: v = (6,3 v = (,0 v 3 = (, v 4 = (,0 v 5

Подробнее

Esercizi di ripasso: geometria e algebra lineare.

Esercizi di ripasso: geometria e algebra lineare. Esercizi di ripasso: geometria e algebra lineare. Esercizio. Sia r la retta passante per i punti A(2,, 3) e B(,, 2) in R 3. a. Scrivere l equazione cartesiana del piano Π passante per A e perpendicolare

Подробнее

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

(2) Dato il vettore w = (1, 1, 1), calcolare T (w). (3) Determinare la matrice A associata a T rispetto alla base canonica. 1. Applicazioni lineari Esercizio 1.1. Sia T : R 2 R 3 l applicazione lineare definita sulla base canonica di R 2 nel seguente modo: T (e 1 ) = (1, 2, 1), T (e 2 ) = (1, 0, 1). a) Esplicitare T (x, y).

Подробнее

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

Подробнее

SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE

SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE. Esercizi Esercizio. In R calcolare il modulo dei vettori,, ),,, ) ed il loro angolo. Esercizio. Calcolare una base ortonormale del sottospazio

Подробнее

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

Подробнее

Dipendenza e indipendenza lineare (senza il concetto di rango)

Dipendenza e indipendenza lineare (senza il concetto di rango) CAPITOLO 5 Dipendenza e indipendenza lineare (senza il concetto di rango) Esercizio 5.1. Scrivere un vettore w R 3 linearmente dipendente dal vettore v ( 1, 9, 0). Esercizio 5.2. Stabilire se i vettori

Подробнее

SPAZI VETTORIALI CON PRODOTTO SCALARE A =

SPAZI VETTORIALI CON PRODOTTO SCALARE A = SPAZI VETTORIALI CON PRODOTTO SCALARE Esercizi Esercizio. Nello spazio euclideo standard (R 2,, ) sia data la matrice 2 3 A = 3 2 () Determinare una base rispetto alla quale A sia la matrice di un endomorfismo

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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

Подробнее

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)

Подробнее

Algebra lineare Geometria 1 11 luglio 2008

Algebra lineare Geometria 1 11 luglio 2008 Algebra lineare Geometria 1 11 luglio 2008 Esercizio 1. Si considerino la funzione: { R f : 3 R 3 (α, β, γ) ( 2β α γ, (k 1)β + (1 k)γ α, 3β + (k 2)γ ) dove k è un parametro reale, e il sottospazio U =

Подробнее

(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

Подробнее

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

Подробнее

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

Подробнее

Operazioni tra matrici e n-uple

Operazioni tra matrici e n-uple CAPITOLO Operazioni tra matrici e n-uple Esercizio.. Date le matrici 0 4 e dati λ = 5, µ =, si calcoli AB, BA, A+B, B A, λa+µb. Esercizio.. Per ognuna delle seguenti coppie di matrici A, B e scalari λ,

Подробнее

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)

Подробнее

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,

Подробнее

Tutoraggio di Algebra Lineare e Geometria. Correzione del tema d'esame del 28/2/2006

Tutoraggio di Algebra Lineare e Geometria. Correzione del tema d'esame del 28/2/2006 Tutoraggio di Algebra Lineare e Geometria Correzione del tema d'esame del 8//6 Esercizio. Si considerino in R 4 i vettori : v =, v =, v = / / a) si dica se tali vettori sono linearemente indipendenti e

Подробнее

2 2 2 A = Il Det(A) = 2 quindi la conica è non degenere, di rango 3.

2 2 2 A = Il Det(A) = 2 quindi la conica è non degenere, di rango 3. Studio delle coniche Ellisse Studiare la conica di equazione 2x 2 + 4xy + y 2 4x 2y + 2 = 0. Per prima cosa dobbiamo classificarla. La matrice associata alla conica è: 2 2 2 A = 2 2 2 Il DetA = 2 quindi

Подробнее

1 Il polinomio minimo.

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

Подробнее

Esercitazione 6 - Soluzione

Esercitazione 6 - Soluzione Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione

Подробнее

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

Подробнее

ESERCIZI sui VETTORI

ESERCIZI sui VETTORI ESERCIZI sui VETTORI 1. Calcolare la somma di v 1 (2, 3) e v 2 (1, 4). 2. Calcolare la somma di v 1 (1, 5, 4) e v 2 (6, 8, 2). 3. Calcolare il prodotto di α = 2 e v 1 (1, 4). 4. Calcolare il prodotto di

Подробнее

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)

Подробнее

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

Подробнее

ESERCIZI DI ALGEBRA LINEARE (D) A = A = A = R 2,2. D5 Dire come bisogna scegliere i parametri h e k affinché la

ESERCIZI DI ALGEBRA LINEARE (D) A = A = A = R 2,2. D5 Dire come bisogna scegliere i parametri h e k affinché la ESERCIZI DI ALGEBRA LINEARE (D) D1 Nello spazio vettoriale R 2,2 si consideri l insieme { V = X R 2,2 XA = AX, A = ( 1 1 1 2 )} delle matrici che commutano con A. Verifiare che V = L(I 2, A). Verificare

Подробнее

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

Подробнее

Esame di Geometria - 9 CFU (Appello del 20 Giugno A)

Esame di Geometria - 9 CFU (Appello del 20 Giugno A) Esame di Geometria - 9 CFU (Appello del 20 Giugno 2012 - A) Cognome: Nome: Nr.matricola: Corso di laurea: Esercizio 1. Siano dati, al variare del parametro k R, i piani: π 1 : x 2y + 2z = 2, π 2 : z =

Подробнее

APPLICAZIONI LINEARI

APPLICAZIONI LINEARI APPLICAZIONI LINEARI Esercizi Esercizio Date le seguenti applicazioni lineari f : R 2 R 3 definita da fx y = x 2y x + y x + y; 2 g : R 3 R 2 definita da gx y z = x + y x y; 3 h : Rx] 2 R 2 definita da

Подробнее

Esercitazione: 16 novembre 2009 SOLUZIONI

Esercitazione: 16 novembre 2009 SOLUZIONI Esercitazione: 16 novembre 009 SOLUZIONI Esercizio 1 Scrivere [ ] equazione vettoriale, parametrica [ ] e cartesiana della retta passante 1 per il punto P = e avente direzione d =. 1 x 1 Soluzione: Equazione

Подробнее

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

Подробнее

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,

Подробнее

Esercizi di Algebra Lineare. Claretta Carrara

Esercizi di Algebra Lineare. Claretta Carrara Esercizi di Algebra Lineare Claretta Carrara Indice Capitolo. Operazioni tra matrici e n-uple. Soluzioni 3 Capitolo. Rette e piani 5. Suggerimenti 9. Soluzioni 0 Capitolo 3. Gruppi, spazi e sottospazi

Подробнее

2.1 Esponenziale di matrici

2.1 Esponenziale di matrici ¾ ½ º¼ º¾¼½ Queste note (attualmente e probabilmente per un bel po sono altamente provvisorie e (molto probabilmente non prive di errori Esponenziale di matrici Esercizio : Data la matrice λ A λ calcolare

Подробнее

Esame di geometria e algebra

Esame di geometria e algebra Laurea Ing. 26 febbraio 2007 Traccia I COG 1 In R 3 sono assegnati i vettori: u 1 = (2, h, 0), u 2 = (1, 0, h), u 3 = (h, 1, 2). Stabilire se esistono valori reali del parametro h per cui S = {u 1, u 2,

Подробнее

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

Подробнее

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

Подробнее

Classificazione delle coniche.

Classificazione delle coniche. Classificazione delle coniche Ora si vogliono studiare i luoghi geometrici rappresentati da equazioni di secondo grado In generale, non è facile riconoscere a prima vista di che cosa si tratta, soprattutto

Подробнее

X = x + 1. X = x + 1

X = x + 1. X = x + 1 CONICHE. Esercizi Esercizio. Classificare, ridurre a forma canonica (completando i quadrati), e disegnare le seguenti coniche: γ : x y + x = 0; γ : x + 4x y + = 0; γ 3 : x + y + y + 0 = 0; γ 4 : x + y

Подробнее

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,

Подробнее

Geometria BATR-BCVR Esercizi 9

Geometria BATR-BCVR Esercizi 9 Geometria BATR-BCVR 2015-16 Esercizi 9 Esercizio 1. Per ognuna delle matrici A i si trovi una matrice ortogonale M i tale che Mi ta im sia diagonale. ( ) 1 1 2 3 2 A 1 = A 2 1 2 = 1 1 0 2 0 1 Esercizio

Подробнее

Esercizi di Algebra Lineare. Claretta Carrara

Esercizi di Algebra Lineare. Claretta Carrara Esercizi di Algebra Lineare Claretta Carrara Indice Capitolo. Operazioni tra matrici e n-uple. Soluzioni 3 Capitolo 2. Rette e piani 5. Suggerimenti 9 2. Soluzioni 20 Capitolo 3. Gruppi, spazi e sottospazi

Подробнее

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

Подробнее

Universita degli Studi di Roma - "Tor Vergata" - Facolta Ingegneria Esercizi GEOMETRIA (Edile-Architettura e dell Edilizia) CONICHE DI

Universita degli Studi di Roma - Tor Vergata - Facolta Ingegneria Esercizi GEOMETRIA (Edile-Architettura e dell Edilizia) CONICHE DI Universita degli Studi di Roma - "Tor Vergata" - Facolta Ingegneria Esercizi GEOMETRIA (Edile-Architettura e dell Edilizia) CONICHE DI R. Docente: Prof. F. Flamini Esercizi Riepilogativi Svolti Esercizio

Подробнее

Parte 12b. Riduzione a forma canonica

Parte 12b. Riduzione a forma canonica Parte 2b. Riduzione a forma canonica A. Savo Appunti del Corso di Geometria 202-3 Indice delle sezioni. Coniche, 2. Esempio di riduzione, 4 3. Teoremi fondamentali, 6 4. Come determinare l equazione canonica,

Подробнее

Trapani. Dispensa di Geometria, x 1 x 2.x n. (x 1 y 1 ) (x n y n ) 2.

Trapani. Dispensa di Geometria, x 1 x 2.x n. (x 1 y 1 ) (x n y n ) 2. 2006 Trapani Dispensa di Geometria, 1 Distanze Siano P e Q punti di R n con P di coordinate allora la distanza tra P e Q e P Q = x 1 x 2 x n (x 1 y 1 ) 2 + (x n y n ) 2 e Q di coordinate Siano Σ 1 e Σ

Подробнее

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

Подробнее

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

Подробнее

La riduzione a gradini e i sistemi lineari (senza il concetto di rango)

La riduzione a gradini e i sistemi lineari (senza il concetto di rango) CAPITOLO 4 La riduzione a gradini e i sistemi lineari (senza il concetto di rango) Esercizio 4.1. Risolvere il seguente sistema non omogeneo: 2x+4y +4z = 4 x z = 1 x+3y +4z = 3 Esercizio 4.2. Risolvere

Подробнее

Richiami di algebra delle matrici a valori reali

Richiami di algebra delle matrici a valori reali Richiami di algebra delle matrici a valori reali Vettore v n = v 1 v 2. v n Vettore trasposto v n = (v 1, v 2,..., v n ) v n = (v 1, v 2,..., v n ) A. Pollice - Statistica Multivariata Vettore nullo o

Подробнее

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

Подробнее

SISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3

SISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3 SISTEMI LINEARI. Esercizi Esercizio. Verificare se (,, ) è soluzione del sistema x y + z = x + y z = 3. Trovare poi tutte le soluzioni del sistema. Esercizio. Scrivere un sistema lineare di 3 equazioni

Подробнее

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

Подробнее

10 dicembre Soluzione esame di geometria - Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...

10 dicembre Soluzione esame di geometria - Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA... 10 dicembre 003 - Soluzione esame di geometria - Ingegneria gestionale - a.a. 003-004 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura 3 ore. ISTRUZIONI

Подробнее

Prova scritta di FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Vicenza, 27 giugno 2011 TEMA 1

Prova scritta di FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Vicenza, 27 giugno 2011 TEMA 1 Vicenza, 27 giugno 20 TEMA. Determinare, al variare del parametro reale a, una base del nucleo e una dell immagine dell endomorfismo L a di R definito da L a (x, y, z) = (x 2y + az, 2x + 4y + z, ( a)x

Подробнее

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

Подробнее

CORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA

CORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA CORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA FOGLIO DI ESERCIZI 1 GEOMETRIA 2009/10 Esercizio 1.1 (2.2). Determinare l equazione parametrica e Cartesiana della retta dello spazio (a) Passante per i

Подробнее

Algebra Lineare Autovalori

Algebra Lineare Autovalori Algebra Lineare Autovalori Stefano Berrone Sandra Pieraccini Dipartimento di Matematica Politecnico di Torino, Corso Duca degli Abruzzi 24, 10129, Torino, Italy e-mail: [email protected] [email protected]

Подробнее

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

Подробнее

Esercitazione di Analisi Matematica II

Esercitazione di Analisi Matematica II Esercitazione di Analisi Matematica II Barbara Balossi 06/04/2017 Esercizi di ripasso Esercizio 1 Sia data l applicazione lineare f : R 3 R 3 definita come f(x, y, z) = ( 2x + y z, x 2y + z, x y). a) Calcolare

Подробнее

Corso di Geometria BIAR, BSIR Esercizi 2: soluzioni

Corso di Geometria BIAR, BSIR Esercizi 2: soluzioni Corso di Geometria 2- BIAR, BSIR Esercizi 2: soluzioni Esercizio Calcolare il determinante della matrice 2 3 : 3 2 a) con lo sviluppo lungo la prima riga, b) con lo sviluppo lungo la terza colonna, c)

Подробнее

TEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI

TEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI TEORIA DEI SISTEMI Laurea Specialistica in Ingegneria Meccatronica Laurea Specialistica in Ingegneria Gestionale Indirizzo Gestione Industriale TEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI Ing. Cristian

Подробнее

Esercizi di Geometria - 1

Esercizi di Geometria - 1 Esercizi di Geometria - Samuele Mongodi - smongodi@snsit Di seguito si trovano alcuni esercizi assai simili a quelli che vi troverete ad affrontare nei test e negli scritti dell esame Non è detto che vi

Подробнее

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

Подробнее

3. Vettori, Spazi Vettoriali e Matrici

3. Vettori, Spazi Vettoriali e Matrici 3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e

Подробнее

Soluzioni agli Esercizi di Geometria e Algebra per Ingegneria Aerospaziale (nuovo ordinamento)

Soluzioni agli Esercizi di Geometria e Algebra per Ingegneria Aerospaziale (nuovo ordinamento) Soluzioni agli Esercizi di Geometria e Algebra per Ingegneria Aerospaziale (nuovo ordinamento) Relazioni 1) Quali delle seguenti relazioni sono di equivalenza? x, y R {0} xry x/y Q x, y Z xry x + y è divisibile

Подробнее

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

Подробнее

Massimi e minimi relativi in R n

Massimi e minimi relativi in R n Massimi e minimi relativi in R n Si consideri una funzione f : A R, con A R n, e sia x A un punto interno ad A. Definizione: si dice che x è un punto di massimo relativo per f se B(x, r) A tale che f(y)

Подробнее

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

Подробнее

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

Подробнее

5 Un applicazione: le matrici di rotazione

5 Un applicazione: le matrici di rotazione 5 Un applicazione: le matrici di rotazione 51 Rotazioni nel piano di un angolo ϑ Si vuole considerare il caso della rotazione nel piano di un vettore di R di un angolo ϑ assegnato Chiaramente si tratta

Подробнее