Matrici simili. Matrici diagonalizzabili.

Размер: px
Начинать показ со страницы:

Download "Matrici simili. Matrici diagonalizzabili."

Транскрипт

1 Matrici simili. Matrici diagonalizzabili. Definizione (Matrici simili) Due matrici quadrate A, B si dicono simili se esiste una matrice invertibile P tale che B = P A P. () interpretazione: cambio di base. Se A e B rappresentano la medesima trasformazione lineare f : R n R n rispetto a due basi diverse, e precisamente: ˆ A rappresenta f rispetto alla base canonica; ˆ B rappresenta f rispetto alla base P = {p,..., p n }, allora sappiamo che vale tra le due matrici la relazione: B = P A P, cioè A e B sono matrici simili. Viceversa, se A e B sono due matrici simili, in base alla definizione abbiamo che vale quella stessa relazione (), con P matrice invertibile: dunque le colonne di P sono n vettori l.i., perciò una base di R n, e dunque possiamo interpretare la () come un cambiamento di rappresentazione di una medesima trasformazione f, scritta su basi diverse (quella canonica e quella data da P ). In breve: matrici simili rappresentative della stessa trasformazione lineare: (R n A, E) (R n, E) f : P P (R n, P) B (R n, P) B = P A P significa che posso andare da (R n, P) a (R n, P) indifferentemente percorrendo la base del quadrato (B) oppure gli altri tre lati (P A P ). Teorema Condizione necessaria perché due matrici siano simili è che abbiano gli stessi autovalori (e dunque anche lo stesso determinante, dato dal prodotto degli autovalori).

2 Esercizio. Verificare che le matrici A = 3 e B = non sono simili per alcun valore di k R. k 3 Verifichiamo che non è mai soddisfatta la condizione necessaria, cioè l uguaglianza degli autovalori: autovalori di A: essendo una matrice triangolare, gli autovalori sono gli elementi sulla diagonale: Λ A = {,, 3}; autovalori di B: calcoliamo il polinomio caratteristico: λ k det(b λi 3 ) = det λ = ( λ)(λ 3)(λ+) k R, 3 λ dunque Λ B = {,,, 3}. I due insiemi Λ A Λ B non coincidono: A, B non sono simili. Definizione (Matrici diagonalizzabili) Una matrice quadrata A è diagonalizzabile se è simile ad una matrice diagonale D, cioè: se esiste P invertibile tale che D = P A P. Se A è diagonalizzabile, allora si ha che: D = [ diag{λ,..., λ n } ] P = v v n matrice diagonale degli autovalori matrice dei corrispondenti autovettori. Teorema Una matrice A è diagonalizzabile i suoi autovettori formano una base di R n i suoi autovalori sono tutti regolari (m a = m g ). n nota. Abbiamo già visto che se A, rappresentativa di f, possiede una base di autovettori, allora la matrice che rappresenta f rispetto a tale base è diagonale (in altre parole, A è simile ad una matrice diagonale). Il teorema dice che questa cosa può avvenire solo se c è una base di autovettori.

3 Esercizio. Esistono valori di k R per i quali le due matrici A = e B = k sono simili? condizione necessaria: uguaglianza degli autovalori: det(a λi 3 ) = λ(λ ), dunque Λ A = {,, }, mentre per B che è triangolare si ha subito Λ B = {,, }, per qualsiasi valore di k. La condizione necessaria è soddisfatta: non possiamo né escludere né affermare la similitudine di A e B. regolarità degli autovalori: per la matrice A si ha rg(a I 3 ) = rg =, dunque m g () = dim ker(a I 3 ) = = m a (): entrambi gli autovalori sono regolari, perciò A è simile alla matrice diagonale D = diag{,, }. Per la matrice B: rg(b I 3 ) = rg k = k, dunque m g () = dim ker(b I 3 ) = : l autovalore non è regolare e B non è diagonalizzabile. Pertanto A e B non possono essere simili per alcun valore di k. Esercizio. Per quali h R la matrice A = h 3

4 non è diagonalizzabile? Calcoliamo gli autovalori e le loro molteplicità, algebrica e geometrica: det(a λi 3 ) = λ(λ λ h) = λ = λ /3 = ± + 4h. Distinguiamo tre casi:. + 4h >, cioè h > 4. Si hanno tre autovalori reali e distinti, dunque tutti regolari: A è diagonalizzabile.. + 4h <, cioè h < 4. L unico autovalore reale λ = è semplice, perciò regolare; gli altri due sono complessi coniugati, perciò distinti: la matrice non è diagonalizzabile in R (ma lo è in C); h =, cioè h = 4. L autovalore λ = è certamente regolare; per l autovalore doppio λ = λ 3 = dobbiamo calcolare la molteplicità geometrica: dim ker(a I 4 3) = dim ker = 3 rg(a I 3) = 3, dunque m g ( ) = dim V = m a ( ) = : l autovalore non è regolare, la matrice non è diagonalizzabile. Esercizio. Verificare che A = 3 3 è diagonalizzabile e determinare la matrice diagonale D simile ad A ed una matrice P di passaggio (cioè tale che D = P AP.) Verifichiamo la regolarità degli autovalori di A: det(a λi 3 ) = (λ + )(λ 4)(λ + ), da cui Λ A = {,, 4}: tre autovalori semplici e dunque regolari, A è diagonalizzabile, cioè simile alla matrice diagonale: D =. 4 Per costruire una matrice di passaggio P servono gli autovettori: 4

5 ˆ λ = : ker(a + I 3 ) = ker 3 3 = { z, z R} e un autovettore può essere v = (,, ). ˆ λ = : ker(a + I 3 ) = ker = { y y y, y R} e un autovettore può essere v = (,, ). ˆ λ 3 = 4: ker(a 4I 3 ) = ker = { x x x, x R} e un autovettore può essere v 3 = (,, ). Dunque [ P = v v v 3 ] =. Definizione 3 (Matrici ortogonali) : definizione: una matrice quadrata è ortogonale se l insieme delle sue colonne V = {v,..., v n } forma una base ortonormale di R n, cioè se { vi v j = i j vettori ortogonali... v i v i = i...e di norma unitaria caratterizzazione: una matrice quadrata è ortogonale se e solo se la sua inversa coincide con la sua trasposta: A ortogonale A = A T. Definizione 4 Due matrici quadrate sono ortogonalmente simili se sono simili e la matrice di passaggio è ortogonale: Q ortogonale, tale che B = Q A Q = Q T A Q.

6 n nota. Tra le matrici diagonalizzabili possiamo individuare il sottoinsieme di quelle con matrice di passaggio ortogonale: ˆ ˆ A ammette una base di autovettori A è simile a una matrice diagonale (cioè è diagonalizzabile); A ammette una base ortonormale di autovettori A è ortogonalmente simile ad una matrice diagonale (cioè è diagonalizzabile tramite una matrice ortogonale). Esercizio. a. Verificare che se A è ortogonalmente simile a D diagonale (cioè A = Q DQ, con Q ortogonale), allora A è simmetrica. b. Sia A = 3 k Determinare, se esistono, valori di k R per cui A è ortogonalmente simile a D diagonale. Per tali valori trovare le matrici D e Q tali che D = Q AQ = Q T AQ. a. ipotesi: A = QDQ = QDQ T (ortogonalmente simile a D). tesi: A T = A (simmetrica). Dimostrazione: A T = (QDQ T ) T = (Q T ) T D T Q T = QDQ T = A, c.v.d. b. Unendo i risultati del teorema spettrale e del punto a., abbiamo. A simmetrica A = QDQ T per qualche Q matrice ortogonale. Quindi i soli valori di k per cui A possa risultare ortogonalmente simile a D sono quelli che la rendono simmetrica, dunque soltanto k =. Per tale valore, troviamo D e Q con gli autovalori e gli autovettori di A: det(a λi 3 ) = (λ + )(λ + 4)(λ ), Ricordiamo che il trasposto di un prodotto si fa con i trasposti dei fattori, ma cambiando l ordine, cioè: (AB) T = B T A T. 6

7 dunque Λ A = {,, 4} e D = 4. Troviamo i relativi autovettori: ˆ λ = : ker(a + I 3 ) = ker = { z }; ˆ λ = : ker(a I 3 ) = ker 4 = { x x }; ˆ λ = 4: ker(a + 4I 3 ) = ker 4 3 = { y y }. Poiché cerchiamo una matrice di passaggio ortogonale, è necessario ortonormalizzare l insieme degli autovettori: bisogna imporre le condizioni: { v v = v v 3 = v 3 v = ortogonalità v v = v v = v 3 v 3 = normalità Otteniamo il sistema: v v = v v 3 = v 3 v = v v = z = z, x x, y y, z z = z = v v = x = x = x = v 3 v 3 = y = y = y = Dunque una possibile matrice di passaggio Q, ortogonale, è Q = x y x y z = 7

8 Esercizio. Data la matrice [A b] = a. dire se è diagonalizzabile; b. Se sì, diagonalizzarla. Se possibile, tramite una matrice ortogonale. a. Se si conosce il teorema spettrale, si può osservare semplicemente che la matrice data, essendo simmetrica, è sicuramente diagonalizzabile. Altrimenti si verifica la regolarità degli autovalori. b. Sempre per il teorema spettrale, si può fin da subito dire che esiste una base ortonormale di autovettori, dunque sarà possibile diagonalizzare la matrice tramite una matrice ortogonale. Per trovarla, procediamo alla ricerca di un insieme di autovettori: poiché, det(a λi 3 ) = ( λ)(λ + )(λ ), abbiamo che A è simile alla matrice diagonale D = diag(,, ). Per la matrice di passaggio, gli autovettori sono dati da: x V = ker(a I 3 ) = { y } = L(, ) = L(v, v ), x y mentre V = ker(a + I 3 ) = { z z z } = L( ) = L(v 3 ). L insieme {v, v, v 3 } è una base di autovettori, ma non è ortonormale. ortonormalizzazione di gram-schmidt. Certamente si ha v v 3 e v v 3, in quanto autovettori relativi ad autovalori distinti (oppure per verifica diretta): quindi per v 3 è sufficiente normalizzare, cioè scegliere come elemento della base il suo multiplo: u 3 = v 3 (,, ) =. v 3 3 Per v e v, ortonormalizzarli significa trovare due vettori ortonormali che generino lo stesso spazio V da loro generato. Il primo vettore possiamo ottenerlo normalizzando v : u = v (,, ) = ; v 8

9 otteniamo il secondo dalla proiezione di v lungo la direzione ortogonale ad u (e poi eventualmente normalizzando il vettore trovato): u = (v u )u v (v u )u v = 3 (,, ). Dunque una matrice ortogonale che diagonalizza A è: Q = u u u 3 = Esercizio. a. Per quali k R la matrice: è diagonalizzabile? A = 3 7 k 3 b. Per tali k, trovare la matrice diagonale D simile ad A e una matrice di passaggio P, tale che D = P AP. c. Per tali k, dire se esiste una base ortonormale di autovettori. a. Studiamo la regolarità degli autovalori di A: det(a λi 3 ) = (3 λ) ( λ), dunque gli autovalori sono λ = λ = 3 e λ 3 =. λ 3 è semplice, perciò regolare; riguardo λ si ha: V 3 = ker(a 3I 3 ) = ker 7 k ; 9

10 k il minore è non nullo se k : per tali valori si ha m g(3) = 3 rg(a 3I 3 ) = = m a (3), dunque la matrice non è diagonalizzabile. Se k =, invece, si ha: A 3I 3 = 7 matrice di rango ; dunque m g (3) = = m a (3), λ è regolare e A è diagonalizzabile. b. La matrice diagonale simile ad A è D = diag(λ, λ, λ 3 ) = diag(3, 3, ). Una matrice P contiene un insieme di corrispondenti autovettori come colonne: x V 3 = ker(a 3I 3 ) = { y } = L(, ),, mentre V = ker(a I 3 ) = ker 7 = { 7 z, z R}. Da cui P = 7 c. Per k = la matrice A non è simmetrica: dunque con i suoi autovettori non è possibile costruire una base ortonormale di R 3. Alternativamente, se non si conosce (o non ci si ricorda) il teorema spettrale, si può cercare di imporre l ortonormalità dell insieme di autovettori trovati: le prime due colonne di P sono già due vettori ortogonali e di norma unitaria, dunque bisognerà trovare un elemento dell autospazio relativo al terzo autovalore che sia ortogonale ad ogni elemento dell autospazio relativo ai primi due: cioè un. w = (7z,, z) V tale che w v v = (x, y, ) V 3. La condizione di ortogonalità fornisce l equazione: w v = (7z,, z) (x, y, ) = 7zx = x, y R la cui unica soluzione z = non è accettabile, perché darebbe il vettore nullo, che non è un autovettore. Dunque non è possibile trovare una base ortonormale di autovettori di A.

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

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

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

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

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

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

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

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

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

La forma normale di Schur

La forma normale di Schur La forma normale di Schur Dario A Bini, Università di Pisa 30 ottobre 2013 Sommario Questo modulo didattico contiene risultati relativi alla forma normale di Schur, alle sue proprietà e alle sue applicazioni

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

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

DIARIO DEL CORSO DI GEOMETRIA E ALGEBRA LINEARE

DIARIO DEL CORSO DI GEOMETRIA E ALGEBRA LINEARE DIARIO DEL CORSO DI GEOMETRIA E ALGEBRA LINEARE DOCENTI: S. MATTAREI (TITOLARE), G. VIGNA SURIA, D. FRAPPORTI Prima settimana. Lezione di martedí 23 febbraio 2010 Introduzione al corso: applicazioni dell

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

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

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

Spazi vettoriali euclidei.

Spazi vettoriali euclidei. Spazi vettoriali euclidei Prodotto scalare, lunghezza e ortogonalità in R n Consideriamo lo spazio vettoriale R n = { =,,, n R}, n con la somma fra vettori e il prodotto di un vettore per uno scalare definiti

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

2 Sistemi lineari. Metodo di riduzione a scala.

2 Sistemi lineari. Metodo di riduzione a scala. Sistemi lineari. Metodo di riduzione a scala. Esercizio.1 Utilizzando il metodo di eliminazione di Gauss, risolvere i seguenti sistemi lineari: 1. 3. x 1 x + 3x 3 = 1 x 1 x x 3 = x 1 + x + 3x 3 = 5 x 1

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

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

(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

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

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

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

A.A. 2014/2015 Corso di Algebra Lineare

A.A. 2014/2015 Corso di Algebra Lineare A.A. 2014/2015 Corso di Algebra Lineare Stampato integrale delle lezioni Massimo Gobbino Indice Lezione 01: Vettori geometrici nel piano cartesiano. Operazioni tra vettori: somma, prodotto per un numero,

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

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

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

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

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

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

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

GEOMETRIA E ALGEBRA LINEARE Soluzioni Appello del 17 GIUGNO Compito A

GEOMETRIA E ALGEBRA LINEARE Soluzioni Appello del 17 GIUGNO Compito A Soluzioni Appello del 17 GIUGNO 2010 - Compito A a) Se h = 7 il sistema ha infinite soluzioni (1 variabile libera), mentre se h 7 la soluzione è unica. b) Se h = 7 allora Sol(A b) = {( 7z, 5z + 5, z),

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

(c) Stabilire per quali valori di h is sistema ammette un unica soluzione:

(c) Stabilire per quali valori di h is sistema ammette un unica soluzione: ognome e Nome: orso di Laurea: 4 settembre 3. Sia L: R 3! R 3 l applicazione lineare x x y + z L @ ya = @ x + y +za. z x y z (a) Scrivere la matrice A che rappresenta L nella base canonica di R 3 : (b)

Подробнее

Esercizi svolti. delle matrici

Esercizi svolti. delle matrici Esercizi svolti. astratti. Si dica se l insieme delle coppie reali (x, y) soddisfacenti alla relazione x + y è un sottospazio vettoriale di R La risposta è sì, perchè l unica coppia reale che soddisfa

Подробнее

Ingegneria Gestionale - Corso di Analisi II e Algebra anno accademico 2008/2009

Ingegneria Gestionale - Corso di Analisi II e Algebra anno accademico 2008/2009 Ingegneria Gestionale - Corso di Analisi II e Algebra anno accademico 28/29 Dire se le seguenti proposizioni sono vere o false: ESERCITAZIONE. Proposizione Vera Falsa f : R R 4 rk(f f : R 4 R rk(f f :

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

Risoluzione di sistemi lineari

Risoluzione di sistemi lineari Risoluzione di sistemi lineari Teorema (Rouché-Capelli) Dato il sistema di m equazioni in n incognite Ax = b, con A M at(m, n) b R n x R n [A b] si ha che: matrice dei coefficienti, vettore dei termini

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

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

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

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

Esercizi 2. Soluzioni. 1. Siano dati i vettori 1 1, 1 R 3.

Esercizi 2. Soluzioni. 1. Siano dati i vettori 1 1, 1 R 3. Esercizi. Soluzioni.. Siano dati i vettori,, R. (i) Far vedere che formano una base di R. (ii) Ortonormalizzarla col metodo di Gram-Schmidt. (iii) Calcolare le coordinate del vettore X = 5 Sol. (i) Usiamo

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

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

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

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

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

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

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

Esercizi di Geometria - 2

Esercizi di Geometria - 2 Esercizi di Geometria - 2 Samuele Mongodi - [email protected] La prima sezione contiene alcune domande aperte e alcune domande verofalso, come quelle che potrebbero capitare nel test. E consigliabile, nel

Подробнее

Geometria e algebra lineare (II parte) Bruno Martelli

Geometria e algebra lineare (II parte) Bruno Martelli Geometria e algebra lineare (II parte) Bruno Martelli Dipartimento di Matematica, Largo Pontecorvo 5, 56127 Pisa, Italy E-mail address: martelli at dm dot unipi dot it versione: 7 marzo 2017 Indice Introduzione

Подробнее

Metodi per la risoluzione di sistemi lineari

Metodi per la risoluzione di sistemi lineari Metodi per la risoluzione di sistemi lineari 1 Sistemi di equazioni lineari 1.1 Determinante di matrici quadrate Ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante della matrice

Подробнее

Formulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010

Formulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010 Formulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010 In quetsa dispensa: V è uno spazio vettoriale di dimensione d sul campo complesso C generato dai vettori v 1,..., v d. Le variabili m,

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

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

Spazi euclidei, endomorfismi simmetrici, forme quadratiche. R. Notari

Spazi euclidei, endomorfismi simmetrici, forme quadratiche. R. Notari Spazi euclidei, endomorfismi simmetrici, forme quadratiche R. Notari 14 Aprile 2006 1 1. Proprietà del prodotto scalare. Sia V = R n lo spazio vettoriale delle n-uple su R. Il prodotto scalare euclideo

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

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

Appunti di Geometria - 3

Appunti di Geometria - 3 Appunti di Geometria - 3 Samuele Mongodi - smongodi@snsit Cambi di base nel duale Richiami Sia V uno spazio vettoriale di dimensione n sul campo K e sia V il suo duale Supponiamo di avere fissate due basi

Подробнее

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

Подробнее

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

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

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

= (cioè le due terne di numeri direttori ( devono essere ) proporzionali). Tale uguaglianza non è verificata, poiché risulta ρ

= (cioè le due terne di numeri direttori ( devono essere ) proporzionali). Tale uguaglianza non è verificata, poiché risulta ρ Alcuni esercizi sullo spazio euclideo R Nel seguito R indicherà lo spazio euclideo tridimensionale standard, dotato del riferimento cartesiano naturale (pag 56-57 del libro Nota: gli esercizi proposti

Подробнее

AUTOVALORI. NOTE DI ALGEBRA LINEARE

AUTOVALORI. NOTE DI ALGEBRA LINEARE AUTOVALORI. NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 21 GENNAIO 2011 1. Il polinomio minimo Sia f : V V un endomorfismo lineare di uno spazio vettoriale di dimensione finita sul campo K. Per ogni

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

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

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

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

Compito Parziale di Algebra lineare e Geometria analitica. 2x + 3y + 2z = 0 x y z = 0

Compito Parziale di Algebra lineare e Geometria analitica. 2x + 3y + 2z = 0 x y z = 0 Compito Parziale di Algebra lineare e Geometria analitica ) Dire se il seguente sottoinsieme di R 3 H = (x; y; z) R 3 : x + 3y + z = x y z = è o non un sottospazio vettoriale di R 3 e eventualmente calcolarne

Подробнее

Esercizi di Geometria e Algebra Lineare C.d.L. Ingegneria Meccanica

Esercizi di Geometria e Algebra Lineare C.d.L. Ingegneria Meccanica Esercizi di Geometria e Algebra Lineare C.d.L. Ingegneria Meccanica 1) Dati i vettori a = (2, 4), b = (1, 2), c = ( 1, 1), d = (3, 6), stabilire se c e d appartengono a Span(a, b}). 2) Nello spazio vettoriale

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

Similitudine (ortogonale) e congruenza (ortogonale) di matrici.

Similitudine (ortogonale) e congruenza (ortogonale) di matrici. Lezione del 4 giugno. Il riferimento principale di questa lezione e costituito da parti di: 2 Forme bilineari, quadratiche e matrici simmetriche associate, 3 Congruenza di matrici simmetriche, 5 Forme

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

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

Autovalori e autovettori di una matrice quadrata

Autovalori e autovettori di una matrice quadrata rgomento bis utovalori e autovettori di una matrice quadrata Trasformazioni di R n Consideriamo una matrice quadrata di ordine n a coefficienti, ad esempio, in R. Essa rappresenta una trasformazione di

Подробнее

appuntiofficinastudenti.com 1. Strutture algebriche e polinomi

appuntiofficinastudenti.com 1. Strutture algebriche e polinomi 1. Strutture algebriche e polinomi Cenni su linguaggio di Teoria degli Insiemi: appartenenza, variabili, quantificatori, negazione, implicazione, equivalenza, unione, intersezione, prodotto cartesiano,

Подробнее