Caso di A non regolare

Documenti analoghi
Forma canonica di Jordan

2.1 Esponenziale di matrici

Corso di Geometria Ing. Informatica e Automatica Test 1: soluzioni

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.

POTENZE DI MATRICI QUADRATE

1 Il polinomio minimo.

Lo studio dell evoluzione libera nei sistemi dinamici

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

Endomorfismi e matrici simmetriche

Elementi di Algebra Lineare. Spazio Vettoriale (lineare)

TEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI

ESERCIZI SUI SISTEMI LINEARI

Esercizi di ripasso: geometria e algebra lineare.

Esercizi sulle coniche (prof.ssa C. Carrara)

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

FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA

Applicazioni lineari e diagonalizzazione. Esercizi svolti

Raggiungibilità e osservabilità

CONTROLLO DI SISTEMI ROBOTICI Laurea Specialistica in Ingegneria Meccatronica

Geometria e algebra lineare (II parte) Bruno Martelli

1 Equazioni parametriche e cartesiane di sottospazi affini di R n

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

Equazioni di Stato: soluzione tramite la matrice esponenziale

Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)

dipendenti. Cosa possiamo dire sulla dimensione di V?

DIAGONALIZZAZIONE. M(f) =

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

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

MATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE

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

Esercizi Applicazioni Lineari

Esercitazione 6 - Soluzione

Applicazioni lineari e diagonalizzazione pagina 1 di 5

Compiti di geometria & algebra lineare. Anno: 2004

Metodo dei minimi quadrati e matrice pseudoinversa

Sistemi differenziali: esercizi svolti. 1 Sistemi lineari Sistemi lineari

Capitolo 6. Sistemi lineari di equazioni differenziali. 1

Parte 4. Spazi vettoriali

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

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

5 Un applicazione: le matrici di rotazione

Corso di Matematica II Anno Accademico Esercizi di Algebra Lineare. Calcolo di autovalori ed autovettori

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

Prodotto scalare, ortogonalitá e basi ortonormali

x1 + 2x 2 + 3x 3 = 0 nelle tre incognite x 1, x 2, x 3. Possiamo risolvere l equazione ricavando l incognita x 1 x 1 = 2x 2 3x 3 2r 1 3r 2 x 2 x 3

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

Esercizi di Algebra lineare

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

Sistemi lineari - Parte Seconda - Esercizi

ESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA

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

REGISTRO DELLE LEZIONI

Appunti di Geometria - 5

Matematica Discreta e Algebra Lineare (per Informatica)

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

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

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

Appendice 1. Spazi vettoriali

APPLICAZIONI LINEARI

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

Formulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010

Esercizi per Geometria II Geometria euclidea e proiettiva

MATRICI E SISTEMI LINEARI

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

Sapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A ESERCIZI DA CONSEGNARE prof.

Dipendenza e indipendenza lineare (senza il concetto di rango)

Definizioni e operazioni fondamentali

Sistemi di Equazioni Differenziali

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

Raggiungibilità, Controllabilità, Osservabilità e Determinabilità

Geometria BATR-BCVR Esercizi 9

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

Studio generale di una conica

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

3. Vettori, Spazi Vettoriali e Matrici

Corso di Calcolo Numerico

Università degli Studi di Bergamo Matematica II (5 e 7,5 crediti) 18 febbraio 2010 Tema A

Esercitazione di Analisi Matematica II

ALGEBRA LINEARE. [Nozioni Fondamentali] A CURA DI ALESSANDRO PAGHI. PROFESSORE: Antonio Pasini (

RICHIAMI DI ALGEBRA LINEARE E NORME DI MATRICI E VETTORI. a 11 a 12 a 1n a 21 a 22 a 2n. a m1 a m2 a mn

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

1 Coniche. s (x, y, t ) (1) 1 (x, y, t )F r 2

Prodotti scalari e matrici

Somma diretta di sottospazi vettoriali

Esercizi su Autovalori e Autovettori

Lezione 10: Teorema di Rouchè-Capelli e la classificazione dei sistemi lineari

Geometria BIAR Esercizi 2

Corso di Laurea in Fisica. Geometria. a.a Canale 3 Prof. P. Piazza Magiche notazioni

Appunti su Indipendenza Lineare di Vettori

Appunti di Algebra Lineare - 2

GEOMETRIA E ALGEBRA LINEARE Soluzioni Appello del 17 GIUGNO Compito A

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

2x 5y +4z = 3 x 2y + z =5 x 4y +6z = A =

= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con

ottenuta scambiando in A, le righe con le colonne, così, ad esempio, posto

Algebra lineare Geometria 1 11 luglio 2008

Complementi di Algebra e Fondamenti di Geometria

SISTEMI LINEARI MATRICI E SISTEMI 1

MATEMATICA GENERALE CLAMM AA 15-16

Pagine di Algebra lineare. di premessa al testo Pagine di Geometria di Sara Dragotti. Parte terza: SISTEMI LINEARI

Transcript:

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 (A λ i I) = n m dove n è la dimensione della matrice Ricade in questo caso il caso di A con tutti autovalori distinti, ma anche quando in corrispondenza di un autovalore con m=2 (esempio) ho due autovettori, quindi molteplicità geometrica pari a 2 Infatti in questo caso i calcoli visti non cambiano, tranne che otteniamo due modi naturali coincidenti In generale, A non è regolare quando per almeno un autovalore ho che la sua molteplicità geometrica è strettamente minore della sua molteplicità algebrica In questo sfortunato caso, purtroppo, non esiste una forma equivalente di A diagonale Calcoleremo dunque la cosiddetta forma di Jordan della matrice A con p autovalori distinti Prendiamo un autovalore generico λ i, con molteplicità geometrica g(i) Risolvendo il classico sistema troviamo q autovettori x i, x i2,, x iq linearmente indipendenti Prendiamo il primo e iniziamo a porre (A λ i I)t i = x i (A λ i I)t i2 = t i e così via fino a trovare k vettori non nulli che formeranno una catena di autovettori generalizzati Ci fermiamo ovviamente quando è impossibile risolvere il sistema o quando il risultato è il vettore nullo Ripetiamo la stessa cosa per gli altri autovettori di partenza Queste catene sono formate tutte da vettori linearmente indipendenti e quindi formano ciascuna un sottospazio di dimensione k Trovando un numero opportuno di autovettori generalizzati associati a tutti i p autovalori distinti di A Insomma abbiamo che con gli autovettori di partenza + questi nuovi delle catene, dobbiamo proprio raggiungere n autovettori!

Tali autovettori saranno le colonne di una matrice invertibile T, e risulterà: A = T JT dove J è la forma canonica di Jordan di A Ma non c è bisogno di fare tutte queste moltiplicazioni e inversioni Come la matrice diagonale D, anche J ha una forma particolare È infatti diagonale a blocchi: J = J J p Ricordiamo che p era il numero di autovalori distinti di A Ciascun blocco è a sua volta diagonale a miniblocchi: J i J i = J gi Il numero di miniblocchi è pari alla molteplicità geometrica, e sono formati così: λ i J ij = λ i parliamo dopo della dimensione di questi miniblocchi Il numero di sulla sopradiagonale è pari ad n meno la somma di tutte le molteplicità geometriche Nel caso di autovalori ( complessi, ) si avranno sulla diagonale blocchetti 2x2 α ω nella solita forma ω α Esempio: A = 2 3 C è un solo autovalore, 2, di molteplicità algebrica pari a 3 La soluzione del sistema è del tipo: t s s Due possibili soluzioni sono: u = 2

u 2 = Per arrivare a 3 abbiamo bisogno di un autovettore generalizzato (A 2I)u 2 = t s s Di nuovo otteniamo come sottospazio delle soluzioni uno di dimensione 2 Scegliamo un autovettore qualsiasi di questo sottospazio in modo che sia linearmente indipendente da quelli che abbiamo già u 2 = La forma di Jordan è semplice Abbiamo due miniblocchi, uno di dimensione 2 (relativo ai due autovettori già esistenti) e poi un secondo di dimensione per il solo autovettore generalizzato J = 2 2 2 Anche il numero di corrisponde a 3-2 Un altro paio di considerazioni: parlando di catene, possiamo parlare di ordine o rango di un autovettore Il rango è uguale alla posizione dell autovettore nella catena Il primo sarà di rango, il secondo di rango 2ecc fino a k Per ciascun autovalore ho quindi un numero di catene pari alla molteplicità geometrica! Lasciando perdere tutti questi discorsi teorici, vediamo come queste nuove conoscenze ci possono aiutare nello studio dei modi Per prima cosa infatti vediamo come si calcola l esponenziale di una matrice in forma di Jordan e Jit = e Λjt t k e Λit k! eλit Dove Λ i = λ i per autovalori reali, e al solito blocco 2x2 per i complessi Notiamo quindi che sulla prima riga e colonna di ogni blocco di Jordan si dispone una sorta di sviluppo di Taylor L esponenziale dei blocchetti lo sappiamo già fare! 3

L evoluzione libera si presenta come una combinazione lineare di modi naturali multipli Per prima cosa decomponiamo lo stato iniziale x come combinazione di componenti, ognuna presa da un autospazio Nel caso precedente, quindi, esprimiamo x come proporzione di un autovettore qualsiasi fra quelli generalizzati o meno (è sempre un autospazio solo!) Chiamiamo c(i) tale autovettore scelto (la costante non è interessante) ( ) modo = e λit I + t(a λ i I) + + tk k (A λ it) k c i k è l ordine di c(i) come autovettore generalizzato La legge temporale del modo è sempre di tipo esponenziale ma con coefficiente polinomiale nel tempo A ciascun autovalore è quindi possibile associare più modi detti coincidenti, se hanno molteplicità geometrica maggiore di Per un sistema a tempo discreto: x L (t) = t ( t h h= Esempio pratico A = ) (A λ i I) h c i λ t h i 2 3 3 7 Autovalori: - con molteplicità algebrica 3 e con ma pari a u 2 = 2 u = Abbiamo bisogno di altri due autovettori generalizzati nella catena (a partire da u() ovviamente) per arrivare a 4 u 2 = 4

u 3 = Gli esponenti indicano l ordine o rango Notiamo che lo spazio di stato R^4 si decompone come somma diretta di due autospazi, uno associato alla prima catena e uno associato al 2 autovettore Proprio per le proprietà della somma diretta, x può essere scomposto come la combinazione lineare di due autovettori, uno per ciascun autospazio x = 3 x = x + x 2 = u u 2 x L (t) = e t u + e t u 2 Entrambi sono infatti di ordine x = 3 2 x = 4u 3 u 2 [I + t(a + I) + t22 (A + I)2 ] x L (t) = e t u 2 + e t u 3 Tanto per perdere tempo, calcoliamo anche la forma di Jordan: J = e Jt = e t te t t2 2 e t e t te t e t e t 5