Il Teorema Spettrale e le sue conseguenze
|
|
- Olimpia Falco
- 5 anni fa
- Visualizzazioni
Transcript
1 Il Teorema Spettrale e le sue conseguenze In questa nota vogliamo esaminare la dimostrazione del Teorema Spettrale e studiare le sue conseguenze per quanto riguarda i prodotti scalari e le forme quadratiche. 1 Applicazioni simmetriche Definizione 1.1. Sia T : R n R n una applicazione lineare. Diciamo che T e simmetrica se Tu,v = u,tv ove, denota come sempre il prodotto scalare ordinario (euclideo) in R n. Osserviamo che, se fissiamo la base canonica, la matrice A = (a ij ) associata a T in tale base e una matrice simmetrica. Questo fatto e piuttosto immediato; infatti se C = {e 1,...,e n } e la base canonica di R n abbiamo: T(e j ) = a j1 e 1 + +a jn e n da cui: a ji = T(e j ),e i = e j,t(e i ) = a ij Osservazione 1.2. Si noti che se A e una matrice arbitraria e scriviamo i vettori nelle coordinate della base canonica abbiamo appena dimostrato che: A(u) C,(v) C = (u) C,A t (v) C La prossima proposizione e fondamentale nella dimostrazione del teorema spettrale, che vedremo nella prossima sezione. Proposizione 1.3. Sia T : R n R n applicazione lineare simmetrica e sia B una base ortonormale per R n. Allora la matrice associata a T nella base B e una matrice simmetrica. Proof. Sappiamo che per la formula del cambiamento di base: M B (T) = P 1 M C (T)P ove M B (T) denota la matrice associata a T nella base B (sia nel dominio che nel codominio), mentre M C (T) e la matrice associata a T nella base 1
2 canonica. P e la matrice del cambiamento di base: le colonne di P sono le coordinate dei vettori della base B espressi in termini della base canonica. Abbiamo allora: M B (T) t = P t M C (T) t (P 1 ) t = P 1 M C (T)P = M B (T) (1) poiche P e una matrice ortogonale (cioe P t = P 1 ) e M C (T) e simmetrica. Da questa proposizione possiamo trarre una conseguenza abbastanza immediata: T e una applicazione lineare simmetrica se e solo se la matrice associata a T in una qualsiasi base ortonormale e simmetrica. Infatti nella proposizione abbiamo visto una implicazione (e cioe che se T e simmetrica allora M B (T) e simmetrica). Per l implicazione inversa, basta scambiare i ruoli di B e C nell equazione (1). Concludiamo questa sezione con una osservazione relativa al campo complesso. In completa analogia con il caso reale possiamo definire un applicazione lineare T : C n C n hermitiana se Tu,v h = u,tv h ove, denota come il prodotto hermitiano ordinario in C n. La matrice A associata a T nella base canonica e hermitiana. Possiamo dunque enunciare l analogo della Proposizione 1.4, la cui dimostrazione e uguale a quanto visto per il caso reale. Proposizione 1.4. Sia T : C n C n applicazione lineare hermitiana e sia B una base ortonormale per C n. Allora la matrice associata a T nella base B e una matrice hermitiana. 2 Preliminari al Teorema Spettrale In questa sezione vogliamo enunciare e dimostrare uno dei risultati piu importanti dell algebra lineare: il teorema spettrale. Incominciamo con il caso di uno spazio vettoriale sul campo reale, per il caso complesso vedremo, con brevi osservazioni, che la dimostrazione resta praticamente identica. Daremo 2
3 una versione del teorema spettrale riguardante le matrici simmetriche a coefficienti reali e poi ne daremo una interpretazione in termini di prodotti scalari. Cominciamo con il ricordare cosa significa per una matrice reale A essere simmetrica: significa che A = A t, cioe A coincide con la sua trasposta. In pratica, e facile verificare, si veda l Oss. 1.2, che cio corrisponde al fatto che, rispetto al prodotto scalare ordinario (euclideo) in R n : Au,v = u,av Notazione: quando scriviamo Au stiamo intendendo il prodotto righe per colonne della matrice A per la colonna delle coordinate del vettore u rispetto alla base canonica. A rigore dovremmo scrivere A(u) C, ma preferiamo una scrittura piu semplice, sapendo pero che stiamo commettendo un abuso di notazione. Analogamente ricordiamo cosa significa per una matrice complessa A essere hermitiana: significa che A = A, cioe A coincide con la sua trasposta complessa coniugata. E facile verificare che cio corrisponde al fatto che rispetto al prodotto scalare hermitiano in C n : Au,v h = u,av h Se A e una matrice simmetrica reale abbiamo immediatamente che e anche una matrice hermitiana, infatti e banale che soddisfi la condizione A = A in quanto il complesso coniugato di un numero reale e il numero reale stesso. Iniziamo con due lemmi seguiti da alcune osservazioni praticamente immediate. Il primo lemma ci dice che ogni matrice simmetrica ammette almeno un autovalore reale, il secondo lemma ci dice (in realta una sua conseguenza) che autovettori di autovalori distinti di una matrice simmetrica sono sempre perpendicolari. Questi sono i passi chiave per la dimostrazione del teorema spettrale. Lemma 2.1. Sia A M n (R) una matrice simmetrica. Allora A ammette un autovalore reale. Proof. A e una matrice a coefficienti reali, tuttavia poiche i reali sono contenuti nel campo complesso abbiamo anche che A M n (C). Il polinomio 3
4 caratteristico di A: det(a λi) = 0 ammette almeno una soluzione complessa, λ 0, per il teorema fondamentale dell algebra. Vogliamo dimostrare che λ 0 e reale, cioe λ 0 = λ 0. Sia u C n un autovettore di autovalore λ 0. Poiche A e simmetrica e anche hermitiana (si vedano le osservazioni precedenti al lemma), e possiamo dunque scrivere: Au,u h = u,au h ove, h e il prodotto hermitiano standard in C n. Dunque Dunque λ 0 u,u h = Au,u h = u,au h = λ 0 u,u h (λ 0 λ 0 ) u,u h = 0 e poiche il prodotto hermitiano standard e non degenere, cioe u,u h 0 abbiamo λ 0 = λ 0. Vogliamo ora fare alcuni commenti relativi alla dimostrazione del lemma che abbiamo appena visto. Osservazione In realta la dimostrazione ci dice che ogni autovaloredi Ae reale, cioe seλe soluzione del polinomiocaratteristico di A, allora λ e reale. Poiche il polinomio caratteristico di A e di grado n, questa proposizione dice che A ha n autovalori reali, contati ognuno con la propria molteplicita algebrica. Questo fatto e straordinario: abbiamo infatti visto (ad esempio nel caso delle matrici di rotazione), che ci sono matrici reali che non ammettono alcun autovalore reale. 2. L autovettore u nella dimostrazione puo essere scelto reale, cioe u R n. Infatti una volta dimostrato che λ R, abbiamo che l autospazio V λ = ker(a λi) R n e diverso dal solo vettore nullo e quindi esiste un autovettore reale di λ. Questo risultato ci da anche immediatamente l analogo risultato per le matrici hermitiane. Corollario 2.3. Sia A una matrice hermitiana. Allora tutti gli autovalori di A sono reali. 4
5 Lasciamo al lettore la facile verifica che se λ e autovalore di A hermitiana allora λ = λ: basta fare gli stessi passaggi che abbiamo visto sopra. Gli autovettori tuttavia in questo caso potranno essere complessi. Andiamo ora a stabilire un altro risultato che si rivelera fondamentale nella dimostrazione del teorema spettrale. Lemma 2.4. Sia A una matrice simmetrica, λ un suo autovalore reale e u un autovettore (reale) corrispondente. Sia w un vettore perpendicolare a u rispetto all usuale prodotto scalare. Allora u e perpendicolare a Aw. Proof. Poiche u e perpendicolare a w abbiamo 0 = λ u,w = Au,w = u,aw e dunque anche Aw e perpendicolare a u. Abbiamo quasi immediatamente un corollario particolarmente importante. Corollario 2.5. Siano λ e µ autovalori distinti di una matrice simmetrica A e u, w due autovettori corrispondenti. Allora u e perpendicolare a w. Proof. Dobbiamo mostrare u, w = 0. Abbiamo λ u,w = Au,w = u,aw = µ u,w Dunque (λ µ) u,w = 0 e poiche λ µ otteniamo u,w = 0. Osserviamo che sia il lemma che il corollario precedenti hanno un ovvia generalizzazione al caso in cui la matrice A sia hermitiana e il prodotto considerato sia il prodotto hermitiano in C n. 3 Il Teorema Spettrale Possiamo finalmente enunciare il teorema spettrale simultaneamente per le matrici simmetriche reali e le applicazioni lineari simmetriche. Teorema 3.1. Sia A una matrice simmetrica reale e T : R n R n l applicazione lineare simmetrica corrispondente ad A nella base canonica. A e diagonalizzabile mediante una matrice ortogonale, cioe esiste P ortogonale tale che D = P 1 AP sia diagonale. 5
6 Esiste una base ortonormale N in cui T ha associata una matrice diagonale. Prima della dimostrazione osserviamo che le due affermazioni dell enunciato sono completamente equivalenti. La base ortonormale che stiamo cercando al punto (2) e una base di autovettori con norma 1 e la matrice diagonale associata a T nella base N e proprio la matrice D del punto (1) e ha sulla diagonale gli autovalori di A, che sono gli stessi dell applicazione lineare T ad essa associata nella base canonica. Proof. Sia λ un autovalore reale di T e u R n un suo autovettore di norma 1. Sappiamo che tali λ e u esistono per il Lemma 2.1. Sia W = span{u}. Allora abbiamo R n = span{u} W e possiamo scegliere tramite l algoritmo di Gram-Schmidt una base ortonormale B = {u,w 1,...w n 1 } con W = span{w 1,...w n 1 }. Per il Lemma 2.4 abbiamo che, poiche u w i, i = 1...n 1 u,t(w i ) = 0 In altre parole T(w i ) espresso nella base B e privo della prima componente. Pertanto la matrice associata a T nella base B e : λ b b 1,n 1 ( ) A B = 0 b b 2,n 1 λ 0... =... B 0 b n 1,1... b n 1,n 1 (ricordiamo che le colonne della matrice associata a T nella base B sono le immagini dei vettori di B!). Per la Proposizione 1.4 A B e simmetrica e dunque B = (b ij ) e simmetrica. Notiamo che A e A B hanno gli stessi autovalori e sono simili tramite il cambiamento di base B. Dunque se A B puo essere diagonalizzata attraverso una matrice ortogonale anche A avra questa proprieta. Infatti: A B = P 1 B AP B ove P B e la matrice ortogonale avente per colonne i vettori di B espressi nella base canonica. Se D = Q 1 A B Q e diagonale, cioe A B e diagonalizzabile mediante Q matrice ortogonale, allora D = Q 1 A B Q = Q 1 P 1 B AP BQ = (P B Q) 1 A(P B Q) 6
7 Possiamo ora ripetere il ragionamento fatto sino a qui per B matrice simmetrica, che avra T W come sua applicazione lineare simmetrica associata. Possiamo quindi trovare un autovalore λ e continuare sino a che non raggiungiamo una matrice di ordine 1 e la dimostrazione puo terminare (in alternativa si puo ragionare piu rapidamente per induzione). Osservazione 3.2. All interno della dimostrazione precedente, e importante osservare che il prodotto scalare ordinario che stiamo utilizzando non cambia quando cambiamo la base e ragioniamo all interno di W in quanto stiamo effettuando un cambio di base in cui la nuova base e ortonormale. Ricordando la formula del cambio di base per i prodotti scalari abbiamo infatti che C = P t CP. In questo caso C = I identita ed essendo il cambio di base una matrice ortogonale abbiamo P t P = I, dunque C = C = I. Concludiamo questa sezione con qualche osservazione sul caso complesso, che e una generalizzazione immediata di quanto abbiamo visto sino ad ora. Teorema 3.3. Sia A una matrice hermitiana e T : C n C n l applicazione lineare hermitiana corrispondente ad A nella base canonica. A e diagonalizzabile mediante una matrice unitaria, cioe esiste P unitaria tale che D = P 1 AP = P AP sia diagonale (e reale!). Esiste una base ortonormale (rispetto al prodotto hermitiano standard) N in cui T ha associata una matrice diagonale (reale!). Esempio 3.4. Consideriamo la matrice reale A = Gli autovalori sono λ = 7 con molteplicita algebrica 2 e λ = 2 con molteplicita algebrica 1. Gli autospazi sono: V 7 = span{v 1 = (1,0,1),v 2 = ( 1/2,1,0)}, V 2 = span{v 3 = ( 1, 1/2,1)} La matrice Q avente per colonne gli autovettori della base di autovettori {v 1,v 2,v 3 } diagonalizza la matrice A, tuttavia non e ortogonale: /2 1 D = = Q 1 AQ, Q = 0 1 1/
8 Se vogliamo diagonalizzare A tramite una cambio di base ortogonale, dobbiamo ortogonalizzare con l algoritmo di Gram Schmidt la base di autovettori di ciascun autospazio. La matrice ortogonale che stiamo cercando e : 1/ 2 1/ 18 2/3 P = 0 4/ 18 1/3 1/ 2 1/ 18 2/3 e abbiamo D = P 1 AP. 4 Forme Quadratiche In questa sezione vogliamo discutere le forme quadratiche e come sia possibile utilizzare le informazioni che conosciamo sul prodotto scalare per diagonalizzare una forma quadratica e, nel caso di due variabili, disegnare la conica o quadrica corrispondente nel piano o nello spazio tridimensionale. Definizione 4.1. Sia V uno spazio vettoriale reale e sia, un prodotto scalare in V. Definiamo una forma quadratica reale q come la funzione q : V R, q(v) = v,v. Ad esempio in R n la funzione che associa ad un vettore la sua norma al quadrato e una forma quadratica: q(v) = v n. Osservazione 4.2. Se q e una forma quadratica, allora q determina univocamente il prodotto scalare che la definisce. Infatti tale prodotto su due vettori arbitrari e dato da: u,v = (1/2)[q(u+v) q(u) q(v)] Lasciamo al lettore la facile verifica (basta sostituire q(u+v) = u+v, u+v etc. e svolgere i calcoli utilizzando le proprieta dei prodotti scalari). Data una forma quadratica q possiamo dunque sempre associare ad essa una matrice C in modo da scrivere in coordinate: q(v) = v t Cv C e la matrice associata al prodotto scalare corrispondente a q. Vediamo un esempio. 8
9 Esempio 4.3. Consideriamo q : R 3 R, q(x,y,z) = x 2 +2xy+3zy 2z 2. E immediato verificare che si tratta di una forma quadratica. Vogliamo scrivere la matrice ad essa associata: q(x,y,z) = ( x y z ) /2 0 3/2 2 x y z Lasciamo al lettore la facile verifica dell uguaglianza che abbiamo scritto. Il teorema spettrale ha una immediata conseguenza per quanto riguarda le forme quadratiche. Corollario 4.4. (Teorema degli Assi Principali). Sia q : R n R una forma quadratica associata alla matrice C fissata la base canonica di R n. Allora esiste sempre una base ortonormale B di R n in cui la matrice associata a q assume la forma diagonale. Possiamo pertanto scrivere: q(x 1,...,x n ) = λ 1 x λ n x 2 n ove (x 1,...,x n ) sono le coordinate nella base B e λ 1,..., λ n sono gli autovalori della matrice C. (I vettori della base B sono gli autovettori di C). Come applicazione dei risultati sulle forme quadratiche vogliamo descrivere il luogo dei punti che soddisfano q(x,y) = 1 nel piano. Se q(x,y) = λ 1 x 2 +λ 2 y 2 dalla scuola superiore sappiamo subito come disegnare tale luogo dei punti. λ 1, λ 2 > 0 ellisse; λ 1 > 0, λ 2 < 0 (oppure λ 1 < 0, λ 2 > 0) iperbole; Nel caso generale e sempre possibile ricondurci a queste due figure geometriche grazie al Teorema degli assi principali. Vediamo in un esempio. Esempio 4.5. Vogliamo disegnare il luogo dei punti: 5x 2 4xy+5y 2 = 48. La matrice associata alla forma quadratica q(x,y) = 5x 2 4xy +5y 2 e : ( ) 5 2 A = 2 5 Gli autovalori di A sono 3 e 7, i corrispondenti autovettori di lunghezza unitaria u 1 = (1/ 2,1/ 2), u 2 = ( 1/ 2,1/ 2). Nelle coordinate della base B = {u 1,u 2 } abbiamo q(x,y ) = 3(x ) 2 +7(y ) 2, pertanto q(x,y) = 48 e un ellisse che possiamo subito disegnare: 9
10 y y x x Vediamo ora un altro esempio relativo all iperbole. Esempio 4.6. Vogliamo disegnare il luogo dei punti: x 2 8xy 5y 2 = 16. La matrice associata alla forma quadratica q(x,y) = x 2 8xy 5y 2 e : ( ) 1 4 A = 4 5 Gli autovalori di A sono 3 e 7, i corrispondenti autovettori di lunghezza unitaria u 1 = (1/ 3,2/ 3), u 2 = ( 2/ 3,1/ 3). Nelle coordinate della base B = {u 1,u 2 } abbiamo q(x,y ) = 3(x ) 2 7(y ) 2, pertanto q(x,y) = 16 e un ellisse che possiamo subito disegnare analogamente a quanto abbiamo fatto precedentemente. E chiaro che questi ragionamenti possono estendersi immediatamente al caso di R 3 e ci permettono di ridurre in forma canonica le quadriche e di poterle classificare e dunque disegnare. 5 Il Teorema di Sylvester In questa sezione faremo qualche commento sul problema della riduzione in forma canonica di una forma quadratica reale. Iniziamo con alcune osservazioni. 10
11 Sia q : R n R una forma quadratica reale, associata al prodotto scalare, A : q(u) = u, u A = (u) t CA(u) C ove A e una matrice simmetrica e (u) C sono le coordinate del vettore u rispetto alla base canonica di R n. Sappiamo che, grazie al teorema spettrale, possiamo cambiare la base in R n in modo che la forma quadratica possa essere scritta in modo piu semplice: q(u) = (u) t C A(u) C = (u) t B Pt AP(u) B = λ 1 u λ nu 2 n ove λ i sono gli autovalori di A e P e una matrice ortogonale che diagonalizza A, dunque P 1 = P t. Possiamo pero cambiare ulteriormente la base in modo che la matrice che rappresenta q non sia soltanto diagonale, ma abbia sulla diagonale ±1 oppure zero. Infatti basta scegliere come matrice del cambiamento di base Q = diag{ 1 λ1,..., 1 λr, 1 λr+1,..., 1 λr+s,1...1} ove ipotizziamo (senza perdere di generalita ) che λ 1...λ r siano positivi, λ r+1...λ r+s siano negativi e che λ r+s+1...λ n siano nulli. Lasciamo come facile esercizio la verifica che: q(u) = (u) t C A(u) C = (u) t B Pt AP(u) B = (u) t B D(u) B = (u) t B Qt DQ(u) B = u u2 r u2 r+1 u2 r+s Abbiamo dunque dimostrato la seguente proposizione. Proposizione 5.1. Sia q : R n R una forma quadratica reale, associata al prodotto scalare, A. Allora esiste una base V di R n in cui q assume la forma: q(u) = u u2 r u2 r+1 u2 r+s (2) ove u 1,...,u n sono le coordinate di u rispetto alla base V e r ed s sono rispettivamente il numero di autovalori positivi e negativi della matrice A. Definizione 5.2. Definiamo segnatura di q la coppia (r, s). 11
12 Questa proposizione ha anche un corollario immediato o meglio una sua riformulazione in termini di prodotti scalari. Corollario 5.3. Se, e un prodotto scalare su R n (non necessariamente definito positivo) allora esiste una base di R n ortogonale rispetto al prodotto scalare dato. Il Teorema di Sylvester rappresenta un passo ulteriore. Infatti ci dice che non solo esiste un cambio di base in cui una forma quadratica assume la forma canonica (2), ma che tale forma canonica e unica. In altre parole date due forme quadratiche, esiste un cambio di base che trasforma una nell altra se e solo se hanno la stessa forma canonica, a meno dell ordine degli elementi sulla diagonale, in altre parole se hanno la stessa segnatura. Teorema 5.4. Teorema di Sylvester. Due matrici simmetriche A e B in M n (R) sono associate alla stessa forma quadratica (o prodotto scalare) in basi diverse se e solo se hanno la stessa segnatura (cioe lo stesso numero di autovalori positivi e negativi). Per la dimostrazione: un verso e la Prop. 5.1, l altra implicazione non la dimostriamo, inviando il lettore al testo di Lang Sez
Il Teorema Spettrale. 0.1 Applicazioni lineari simmetriche ed hermitiane
0.1. APPLICAZIONI LINEARI SIMMETRICHE ED HERMITIANE 1 Il Teorema Spettrale In questa nota vogliamo esaminare la dimostrazione del Teorema Spettrale e studiare le sue conseguenze per quanto riguarda i prodotti
DettagliUniversita degli Studi di Roma Tor Vergata Facolta di Ingegneria: Elettronica. Corso di Geometria ed Algebra Docente F. Flamini
Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria: Elettronica Corso di Geometria ed Algebra Docente F. Flamini Capitolo IV - 3: Teorema Spettrale degli operatori autoaggiunti e Teorema
DettagliProdotti 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
DettagliApplicazioni lineari simmetriche e forme quadratiche reali.
Applicazioni lineari simmetriche e forme quadratiche reali 1 Applicazioni lineari simmetriche Consideriamo lo spazio IR n col prodotto scalare canonico X Y = t XY = x 1 y 1 + + x n y n Definizione Un applicazione
DettagliProdotto scalare e matrici < PX,PY >=< X,Y >
Prodotto scalare e matrici Matrici ortogonali Consideriamo in R n il prodotto scalare canonico < X,Y >= X T Y = x 1 y 1 + +x n y n. Ci domandiamo se esistono matrici P che conservino il prodotto scalare,
DettagliAPPUNTI SULLA DIAGONALIZZAZIONE Corso Prof. F.Podestà, a.a
APPUNTI SULLA DIAGONALIZZAZIONE Corso Prof FPodestà, aa 003-004 Sia V uno spazio vettoriale e sia f : V V una applicazione lineare una tale applicazione da uno spazio vettoriale in se stesso è chiamata
DettagliLezione Diagonalizzazione ortogonale per matrici simmetriche
Lezione 22 22. Diagonalizzazione ortogonale per matrici simmetriche La Proposizione 2. afferma che ogni matrice simmetrica reale è diagonalizzabile su R: ilrisultatoprincipalediquestasezioneèchelamatricechediagonalizzapuò
Dettagli0.1 Coordinate in uno spazio vettoriale
0.. COORDINATE IN UNO SPAZIO VETTORIALE 0. Coordinate in uno spazio vettoriale Sia V uno spazio vettoriale di dimensione finita n costruito sul campo K. D ora in poi, ogni volta che sia fissata una base
DettagliAutovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)
Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) April 14, 2011 (alcune note non complete sugli argomenti trattati: eventuali completamenti saranno aggiunti)
DettagliGeometria A. Università degli Studi di Trento Corso di laurea in Matematica A.A. 2017/ Maggio 2018 Prova Intermedia
Geometria A Università degli Studi di Trento Corso di laurea in Matematica A.A. 7/8 Maggio 8 Prova Intermedia Il tempo per la prova è di ore. Durante la prova non è permesso l uso di appunti e libri. Esercizio
DettagliMatrici simili. Matrici diagonalizzabili.
Matrici simili. Matrici diagonalizzabili. Definizione (Matrici simili) Due matrici quadrate A, B si dicono simili se esiste una matrice invertibile P tale che B = P A P. () interpretazione: cambio di base.
DettagliProva scritta di Geometria 1 Docente: Giovanni Cerulli Irelli 20 Gennaio 2017
Prova scritta di Geometria Docente: Giovanni Cerulli Irelli Gennaio 7 Esercizio. Si considerino i seguenti tre punti dello spazio euclideo: P :=, Q :=, R :=.. Dimostrare che P, Q ed R non sono collineari.
DettagliAutovalori, Autovettori, Diagonalizzazione.
Autovalori Autovettori Diagonalizzazione Autovalori e Autovettori Definizione Sia V uno spazio vettoriale sul campo K = R o C e sia T : V V un endomorfismo Un vettore non nullo v V \ {O} si dice autovettore
DettagliUniversita degli Studi di Roma Tor Vergata Facolta di Ingegneria Edile ed Edile/Architettura. Geometria Proiettiva Docente F.
Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria Edile ed Edile/Architettura Geometria Proiettiva Docente F. Flamini CONICHE PROIETTIVE: Classificazione e forme canoniche proiettive Si
DettagliSpazi 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
DettagliParte 8. Prodotto scalare, teorema spettrale
Parte 8. Prodotto scalare, teorema spettrale A. Savo Appunti del Corso di Geometria 3-4 Indice delle sezioni Prodotto scalare in R n, Basi ortonormali, 4 3 Algoritmo di Gram-Schmidt, 7 4 Matrici ortogonali,
DettagliCapitolo 8 Forme quadratiche e loro applicazioni Esercizi svolti Tutorato di geometria e algebra lineare. Marco Robutti
Capitolo 8 Forme quadratiche e loro applicazioni Esercizi svolti Tutorato di geometria e algebra lineare Marco Robutti 5 Ottobre 2017 1 Introduzione Gli esercizi di questo capitolo riguardano i seguenti
DettagliComplemento ortogonale e proiezioni
Complemento ortogonale e proiezioni Dicembre 9 Complemento ortogonale di un sottospazio Sie E un sottospazio di R n Definiamo il complemento ortogonale di E come l insieme dei vettori di R n ortogonali
Dettagli0 0 c. d 1. det (D) = d 1 d n ;
Registro Lezione di Algebra lineare del 23 novembre 216 1 Matrici diagonali 2 Autovettori e autovalori 3 Ricerca degli autovalori, polinomio caratteristico 4 Ricerca degli autovettori, autospazi 5 Matrici
DettagliAutovalori e autovettori di una matrice quadrata
Autovalori e autovettori di una matrice quadrata Data la matrice A M n (K, vogliamo stabilire se esistono valori di λ K tali che il sistema AX = λx ammetta soluzioni non nulle. Questo risulta evidentemente
DettagliATTENZIONE: : giustificate le vostre argomentazioni! Geometria Canale 3. Lettere J-PE (Prof P. Piazza) Esame scritto del 12/02/2014. Compito A.
Geometria Canale. Lettere J-PE (Prof P. Piazza) Esame scritto del 12/02/2014. Compito A. Nome e Cognome: Numero di Matricola: Esercizio Punti totali Punteggio 1 7 2 6 6 4 6+1 5 6+2 Totale 1+ ATTENZIONE:
DettagliApplicazioni bilineari e matrici.
Il caso reale Applicazioni bilineari e matrici Sia g un prodotto scalare su R n Ricordo che un prodotto scalare su R n è un applicazione g : R n R n R che soddisfa le seguenti condizioni: Per ogni v ;
DettagliProva scritta di Geometria 1 Docente: Giovanni Cerulli Irelli 15 Febbraio 2017
Prova scritta di Geometria Docente: Giovanni Cerulli Irelli 5 Febbraio 7 Esercizio. Si considerino i due sottospazi π e π di R dati dalle seguenti equazioni: π : x y + z = ; π : x + y z =.. Trovare una
DettagliAlgebra lineare e geometria AA Appunti sul cambio di base in uno spazio vettoriale
Algebra lineare e geometria AA. -7 Appunti sul cambio di base in uno spazio vettoriale Matrice di un applicazione lineare Siano V e W due spazi vettoriali su un campo K {R, C}, entrambi finitamente generati,
DettagliSoluzioni della prova scritta di Geometria 1 del 27 giugno 2019 (versione I)
Soluzioni della prova scritta di Geometria 1 del 7 giugno 019 (versione I) Esercizio 1. Sia R 4 lo spazio quadridimensionale standard munito del prodotto scalare standard con coordinate canoniche (x 1,
DettagliUniversita 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
DettagliAlgebra lineare e geometria AA Appunti sul cambio di base in uno spazio vettoriale
Algebra lineare e geometria AA. 8-9 Appunti sul cambio di base in uno spazio vettoriale Matrice di un applicazione lineare Siano V e W due spazi vettoriali su un campo K {R, C}, entrambi finitamente generati,
Dettagli1 Addendum su Diagonalizzazione
Addendum su Diagonalizzazione Vedere le dispense per le definizioni di autovettorre, autovalore e di trasformazione lineare (o matrice) diagonalizzabile. In particolare, si ricorda che una condizione necessaria
DettagliEndomorfismi 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
DettagliCORSO DI GEOMETRIA APPLICAZIONI LINEARI E MATRICI A.A. 2018/2019 PROF. VALENTINA BEORCHIA
CORSO DI GEOMETRIA APPLICAZIONI LINEARI E MATRICI AA 2018/2019 PROF VALENTINA BEORCHIA INDICE 1 Matrici associate a un applicazione lineare 1 2 Cambiamenti di base 4 3 Diagonalizzazione 6 1 MATRICI ASSOCIATE
DettagliClassificazione 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
DettagliAutovalori ed autovettori di un endomorfismo
Autovalori ed autovettori di un endomorfismo Endomorfismo = applicazione (funzione) lineare da un spazio vettoriale V in sé stesso 1. Data una funzione lineare, scriverne la matrice associata dei coefficienti:
DettagliDiagonalizzazione di matrici: autovalori, autovettori e costruzione della matrice diagonalizzante 1 / 13
Diagonalizzazione di matrici: autovalori, autovettori e costruzione della matrice diagonalizzante 1 / 13 Matrici diagonali 2 / 13 Ricordiamo che una matrice quadrata si dice matrice diagonale se a ij =
Dettagli0.1 Condizione sufficiente di diagonalizzabilità
0.1. CONDIZIONE SUFFICIENTE DI DIAGONALIZZABILITÀ 1 0.1 Condizione sufficiente di diagonalizzabilità È naturale porsi il problema di sapere se ogni matrice sia o meno diagonalizzabile. Abbiamo due potenziali
DettagliSPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE
SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE. Esercizi Esercizio. In R calcolare il modulo dei vettori,, ),,, ) ed il loro angolo. Esercizio. Calcolare una base ortonormale del sottospazio
DettagliSPAZI VETTORIALI CON PRODOTTO SCALARE A =
SPAZI VETTORIALI CON PRODOTTO SCALARE Esercizi Esercizio. Nello spazio euclideo standard (R 2,, ) sia data la matrice 2 3 A = 3 2 () Determinare una base rispetto alla quale A sia la matrice di un endomorfismo
Dettagli0 1 k. k k k +4. b) Posto k = 0, si calcoli l inversa di A e l inversa di T.
Esercizi per il Parziale 2, Prof. Fioresi, 2018 1. Cambi di base, determinante e inversa 1. Si trovino le coordinate del vettore v = (1, 1,2) espresso nella base canonica, rispetto alla base B = {(1, 4,3),(5,3,
Dettagli0.1 Forme quadratiche
0.1. FORME QUADRATICHE 1 0.1 Forme quadratiche In questa sezione possiamo applicare il Teorema degli Assi Principali per giustificare alcune fatti che sono stati utilizzati nella riduzione a forma canonica
DettagliAppunti di Geometria - 5
Appunti di Geometria - 5 Samuele Mongodi - s.mongodi@sns.it Segnatura di un prodotto scalare Richiami Sia V uno spazio vettoriale reale di dimensione n; sia, : V V R un prodotto scalare. Data una base
Dettagli25 - Funzioni di più Variabili Introduzione
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 25 - Funzioni di più Variabili Introduzione Anno Accademico 2013/2014 M. Tumminello
DettagliDiagonalizzabilità di endomorfismi
Capitolo 16 Diagonalizzabilità di endomorfismi 16.1 Introduzione Nei capitoli precedenti abbiamo definito gli endomorfismi su uno spazio vettoriale E. Abbiamo visto che, dato un endomorfismo η di E, se
DettagliAlgebra lineare Geometria 1 15 luglio 2009
Algebra lineare Geometria 1 15 luglio 2009 Esercizio 1. Nello spazio vettoriale reale R 3 [x] si considerino l insieme A k = {1 + x, k + (1 k)x 2, 1 + (k 1)x 2 + x 3 }, il vettore v k = k + kx x 3 e la
DettagliCorso di Laurea in Fisica. Geometria. a.a Prof. P. Piazza Diagonalizzazione delle forme bilineari simmetriche
Corso di Laurea in Fisica. Geometria. a.a. 2009-10. Prof. P. Piazza Diagonalizzazione delle forme bilineari simmetriche Sia V uno spazio vettoriale reale. Sia 1. Osservazioni preliminari. : V V R un
Dettagli24.1 Coniche e loro riduzione a forma canonica
Lezione 24 24. Coniche e loro riduzione a forma canonica Fissiamo nel piano un sistema di riferimento Oxy e consideriamo un polinomio di grado 2 in x, y amenodicostantimoltiplicativenonnulle,diciamo ax
DettagliMatematica Discreta I
Matematica Discreta I 5 Febbraio 8 TEMA A Esercizio Sia data la matrice A M (R) A = (i) Calcolare gli autovalori di A (ii) Determinare una base di R composta di autovettori di A (iii) Diagonalizzare la
DettagliForme bilineari e prodotti scalari
Forme bilineari e prodotti scalari Il prodotto scalare standard di R n può anche essere scritto come un prodotto riga per colonna u, v R n = u t Iv dove I è la matrice identità. Possiamo generalizzare
DettagliAUTOVALORI, AUTOVETTORI, AUTOSPAZI
AUTOVALORI, AUTOVETTORI, AUTOSPAZI. Esercizi Esercizio. Sia f : R 3 R 3 l endomorfismo definito da f(x, y, z) = (x+y, y +z, x+z). Calcolare gli autovalori ed una base per ogni autospazio di f. Dire se
DettagliX = 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
DettagliCorso di Laurea in Matematica - Esame di Geometria 1. Prova scritta del 7 settembre 2015
Corso di Laurea in Matematica - Esame di Geometria 1 Prova scritta del 7 settembre 215 Cognome Nome Numero di matricola Voto ATTENZIONE. Riportare lo svolgimento completo degli esercizi. corretti, non
DettagliLEZIONE 23. ax 2 + bxy + cy 2 + dx + ey + f
LEZIONE 23 23.1. Riduzione delle coniche a forma canonica. Fissiamo nel piano un sistema di riferimento Oxy e consideriamo un polinomio di grado 2 in x, y a meno di costanti moltiplicative non nulle, diciamo
Dettaglix n i sima pos. x, y = x T y = x i y i R. i=1
1 Elementi di Algebra Lineare In questo capitolo introduttivo al corso di Calcolo Numerico per la laurea triennale in Informatica, saranno presentate una serie di definizioni e proprietà di matrici e dei
DettagliLa 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
DettagliDIAGONALIZZAZIONE E FORME QUADRATICHE / ESERCIZI PROPOSTI
M.GUIDA, S.ROLANDO, 204 DIAGONALIZZAZIONE E FORME QUADRATICHE / ESERCIZI PROPOSTI L asterisco contrassegna gli esercizi più difficili o che possono considerarsi meno basilari. Autovalori, autospazi e diagonalizzazione
DettagliErrata corrige. p. 10 riga 5 del secondo paragrafo: misurare
Errata corrige p. 9 esercizio 5. Modificare testo dell esercizio come segue: Dati una retta r e un punto P, esistono infiniti piani per P paralleli a r: si tratta dei piani che contengono la retta s per
DettagliSimilitudine (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
DettagliIsometrie e cambiamenti di riferimento
Isometrie e cambiamenti di riferimento Isometrie Le isometrie sono trasformazioni del piano o dello spazio che conservano angoli e distanze. Esempi sono le rotazioni del piano, le riflessioni in una retta
DettagliEsame di Geometria e Algebra Lineare Politecnico di Milano Ingegneria informatica Appello 15 Settembre 2015 Cognome: Nome: Matricola:
Esame di Geometria e Algebra Lineare Politecnico di Milano Ingegneria informatica Appello 5 Settembre 5 Cognome: Nome: Matricola: Tutte le risposte devono essere motivate. Gli esercizi vanno svolti su
Dettagli0 1 k. k k k +4. b) Posto k = 0, si calcoli l inversa di A e l inversa di T.
Esercizi per il Parziale 2, Prof. Fioresi, 2016 1. Cambi di base, determinante e inversa 1. Si trovino le coordinate del vettore v = (1, 1,2) espresso nella base canonica, rispetto alla base B = {(1, 4,3),(5,3,
DettagliMATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE
DIAGONALIZZAZIONE 1 MATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE Matrici ortogonali e loro proprietà. Autovalori ed autospazi di matrici simmetriche reali. Diagonalizzazione mediante matrici
DettagliParte 7. Autovettori e autovalori
Parte 7. Autovettori e autovalori A. Savo Appunti del Corso di Geometria 23-4 Indice delle sezioni Endomorfismi, 2 Cambiamento di base, 3 3 Matrici simili, 6 4 Endomorfismi diagonalizzabili, 7 5 Autovettori
DettagliCorso di Geometria Meccanica, Elettrotecnica Esercizi 11: soluzioni
Corso di Geometria 0- Meccanica Elettrotecnica Esercizi : soluzioni Esercizio Scrivere la matrice canonica di ciascuna delle seguenti trasformazioni lineari del piano: a) Rotazione di angolo π b) Rotazione
Dettagli3. 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
Dettagli0. Introduzione al linguaggio matematico
Prof. Lidia Angeleri Università di Verona, 2014/15 Algebra Lineare ed Elementi di Geometria (Programma aggiornato in data 26 novembre 2014) 0. Introduzione al linguaggio matematico 1. Insiemi 1.1 Esempi
DettagliGeometria I. Soluzioni della prova scritta del 19 settembre 2016
Geometria I Soluzioni della prova scritta del 9 settembre 6 Esercizio Consideriamo una forma bilineare simmetrica g : V V R su uno spazio vettoriale reale V di dimensione finita, una sua base B e la matrice
DettagliEsercizi 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
DettagliREGISTRO 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
Dettagli0. Introduzione al linguaggio matematico
Prof. Lidia Angeleri Università di Verona, 2009/2010 Algebra Lineare ed Elementi di Geometria Programma svolto nel Modulo Algebra Lineare 0. Introduzione al linguaggio matematico 1. Insiemi 1.1 Esempi
DettagliII Università degli Studi di Roma
Versione preliminare gennaio TOR VERGATA II Università degli Studi di Roma Dispense di Geometria. Capitolo 3. 7. Coniche in R. Nel Capitolo I abbiamo visto che gli insiemi di punti P lineare di primo grado
DettagliEsercizi di ripasso: geometria e algebra lineare.
Esercizi di ripasso: geometria e algebra lineare. Esercizio. Sia r la retta passante per i punti A(2,, 3) e B(,, 2) in R 3. a. Scrivere l equazione cartesiana del piano Π passante per A e perpendicolare
DettagliESAME DI GEOMETRIA. 6 febbraio 2002 CORREZIONE QUIZ
ESAME DI GEOMETRIA 6 febbraio CORREZIONE QUIZ. La parte reale di ( + i) 9 è positiva. QUIZ Si può procedere in due modi. Un primo modo è osservare che ( + i) =i, dunque ( + i) 9 =(+i)(i) 4 = 4 ( + i) :
DettagliCORSO DI ALGEBRA (M-Z) Prof. A. Venezia
CORSO DI ALGEBRA (M-Z) Prof. A. Venezia 2015-16 Complementi ed Esercizi 1. AUTOVETTORI e AUTOVALORI di ENDOMORFISMI e MATRICI Una applicazione lineare avente per dominio e condominio lo stesso spazio vettoriale
DettagliLA DIAGONALIZZAZIONE. asdf. Polinomi di matrici. 30 January 2012
asdf LA DIAGONALIZZAZIONE 30 January 2012 L'intento di questo articolo è di affrontare, si spera sempre nel modo più corretto e chiaro possibile, la trattazione di un argomento importante nell'ambito dell'algebra
Dettagli{Geometria per [Fisica e (Fisica e Astrofisica)]}
{Geometria per [Fisica e (Fisica e Astrofisica)]} Foglio 9 - Soluzioni Esercizio (facoltativo) Un quadrato magico reale di ordine n è una matrice di M n n (R) tale che sommando gli elementi di ogni sua
DettagliLAUREA IN INGEGNERIA CIVILE ED AMBIENTE-TERRITORIO Corso di Matematica 2 Padova TEMA n.1
LAUREA IN INGEGNERIA CIVILE ED AMBIENTE-TERRITORIO Corso di Matematica Padova -8-8 TEMA n.1 PARTE 1. Quesiti preliminari Stabilire se le seguenti affermazioni sono vere o false giustificando brevemente
DettagliAppendice 1. Spazi vettoriali
Appendice. Spazi vettoriali Indice Spazi vettoriali 2 2 Dipendenza lineare 2 3 Basi 3 4 Prodotto scalare 3 5 Applicazioni lineari 4 6 Applicazione lineare trasposta 5 7 Tensori 5 8 Decomposizione spettrale
DettagliFacoltà di Anno Accademico 2018/19 Registro lezioni del docente PINTUS NICOLA
Facoltà di Anno Accademico 2018/19 Registro lezioni del docente PINTUS NICOLA Attività didattica GEOMETRIA E ALGEBRA [IN/0079] Partizionamento: Periodo di svolgimento: Docente titolare del corso: PINTUS
Dettagli2. Fra tutti i rettangoli inscritti in una circonferenza, determinare quello di area massima.
2. Fra tutti i rettangoli inscritti in una circonferenza, determinare quello di area massima. 3. Fra tutti i cilindri a base rotonda inscritti in una sfera, determinare quello di volume massimo. 4. Dimostrare
Dettagli6. Spazi euclidei ed hermitiani
6. Spazi euclidei ed hermitiani 6.1 In [GA] 5.4 abbiamo definito il prodotto scalare fra vettori di R n (che d ora in poi chiameremo prodotto scalare standard su R n ) e abbiamo considerato le seguenti
DettagliEsercizi per Geometria II Geometria euclidea e proiettiva
Esercizi per Geometria II Geometria euclidea e proiettiva Filippo F. Favale 10 aprile 01 Esercizio 1 Sia E 3 lo spazio euclideo tridimensionale dotato di un riferimento cartesiano ortonormale di coordinate
DettagliEsercizio 2. Consideriamo adesso lo spazio di funzioni V = {f : [0, 1] R}. Dire quali dei seguenti insiemi di funzioni sono sottospazi.
1 Esercizi 1.1 Spazi vettoriali Studiare gli insiemi definiti di seguito, e verificare quali sono spazi vettoriali e quali no. Per quelli che non lo sono, dire quali assiomi sono violati. x 1, x 2, x 3
DettagliDIARIO 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
DettagliDeterminante, autovalori e autovettori
Determinante, autovalori e autovettori Lorenzo Pareschi Dipartimento di Matematica, Universitá di Ferrara http://wwwlorenzopareschicom lorenzopareschi@unifeit Lorenzo Pareschi (Univ Ferrara) Determinante,
DettagliGEOMETRIA 1 ottava parte
GEOMETRIA 1 ottava parte Cristina Turrini C. di L. in Fisica - 214/215 Cristina Turrini (C. di L. in Fisica - 214/215) GEOMETRIA 1 1 / 15 index 1 Cristina Turrini (C. di L. in Fisica - 214/215) GEOMETRIA
DettagliFormulario 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,
Dettagli0. Introduzione al linguaggio matematico
Prof. Lidia Angeleri Università di Verona, 2013/14 Algebra Lineare ed Elementi di Geometria (Programma aggiornato in data 23 gennaio 2014) 0. Introduzione al linguaggio matematico 1. Insiemi 1.1 Esempi
Dettagli3. 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
DettagliCapitolo IX DIAGONALIZZAZIONE DI MATRICI SIMMETRICHE
Capitolo IX DIAGONALIZZAZIONE DI MATRICI SIMMETRICHE 1. Matrici ortogonali Ricordiamo che, nel Cap. VII, abbiamo studiato le matrici di cambio di base in un R spazio vettoriale. In tale occasione, abbiamo
DettagliEsercizi 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
DettagliForme quadratiche e coniche. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni.
Forme quadratiche e coniche. Nota Bene: Questo materiale non deve essere considerato come sostituto delle lezioni. Argomenti: Prodotto scalare. Matrici simmetriche e forme quadratiche. Diagonalizzazione
DettagliAlgebra Lineare - Autunno 2008
Algebra Lineare - Autunno 2008 Kieran O Grady 1 29 Settembre: Vettori geometrici Segmenti orientati ed equipollenza. Vettori geometrici. Somma e prodotto per uno scalare: definizione e proprietà algebriche.
DettagliGEOMETRIA 28 Giugno minuti
GEOMETRIA 28 Giugno 2017 90 minuti A Istruzioni: Scrivere cognome, nome, matricola in STAMPATELLO negli appositi spazi. Per ogni quiz nella prima parte, indicare l affermazione giudicata corretta nella
Dettagli0. Introduzione al linguaggio matematico
Prof. Lidia Angeleri Università di Verona, 2012/13 Algebra Lineare ed Elementi di Geometria Programma svolto nel Modulo Algebra Lineare 0. Introduzione al linguaggio matematico 1. Insiemi 1.1 Esempi 1.2
DettagliApplicazioni lineari e diagonalizzazione
Autovalori e autovettori Matrici associate a applicazioni lineari Endomorfismi semplici e matrici diagonalizzabili Prodotti scalari e Teorema Spettrale nel caso generale 2 2006 Politecnico di Torino 1
DettagliLEZIONE 16 A = Verifichiamo se qualcuna fra le entrate a di A è suo autovalore. determinare per quale entrata a di A risulta rk(a ai 2 ) 1.
LEZIONE 16 16.1. Autovalori, autovettori ed autospazi di matrici. Introduciamo la seguente definizione. Definizione 16.1.1. Siano k = R, C e A k n,n. Un numero λ k si dice autovalore di A su k) se rka
Dettagli22 Coniche proiettive
Geometria e Topologia I (U1-4) 2006-giu-06 95 22 Coniche proiettive (22.1) Definizione. Sia K[x 0, x 1,..., x n ] l anello dei polinomi nelle indeterminate (variabili) x 0, x 1,..., x n. Un polinomio di
DettagliDefinizione. Sia f : V V un endomorfismo e λ R. Se esiste v V non nullo tale che
Autovalori ed autovettori [Abate, 131] Sia f : V V un endomorfismo e λ R Se esiste v V non nullo tale che f(v) = λv, diremo che λ è un autovalore di f e che v è un autovettore di f associato a λ Lezioni
Dettagli