Professional Documents
Culture Documents
Sophie M. Fosson
sophie.fosson@polito.it
June 11, 2015
ii
Queste note
seguono lordine cronologico delle mie esercitazioni in aula;
non necessariamente riportano tutto quello fatto in aula;
includono tutto il materiale delle mie slide;
possono includere materiale aggiuntivo;
includono la teoria necessaria per svolgere gli esercizi;
sono scritte in forma schematica e piuttosto informale;
sicuramente sono piene di errori (ogni segnalazione sar`a gradita!);
saranno aggiornate e riviste almeno ogni due/tre settimane (ottimisticamente, ogni settimana).
Buon lavoro,
s.m.f.
Contents
1 4 Marzo
1.1 Informazioni e materiale . . . . . . . . . . . .
1.2 Vettori nel piano e nello spazio (R2 , R3 ) . . .
1.3 Operazioni tra vettori nel piano e nello spazio
1.4 Operazioni tra vettori nel piano e nello spazio
1.5 Prodotto vettoriale (R3 ) . . . . . . . . . . . .
1.6 Prodotto misto (R3 ) . . . . . . . . . . . . . .
.
.
.
.
.
.
1
1
1
2
2
3
4
2 11 Marzo
2.1 Spazio vettoriale (SV) . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Spazi e sottospazi . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
5
5
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3 18 Marzo
11
3.1 Combinazioni lineari di vettori . . . . . . . . . . . . . . . . . . . 11
3.2 Basi e dimensioni di un spazio vettoriale . . . . . . . . . . . . . . 11
4 25 marzo
17
4.1 Matrici: riduzione e rango . . . . . . . . . . . . . . . . . . . . . . 17
4.2 Sistemi lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
5 1 aprile
23
5.1 Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
5.2 Regola di Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
5.3 Inversione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
6 15 aprile
29
6.1 Applicazioni lineari . . . . . . . . . . . . . . . . . . . . . . . . . . 29
7 22 aprile
33
7.1 Matrice associata ad una.l. . . . . . . . . . . . . . . . . . . . . . 33
7.2 Cambiamento di base . . . . . . . . . . . . . . . . . . . . . . . . 35
7.3 Applicazioni lineari e cambiamenti di base . . . . . . . . . . . . . 36
8 29 aprile
39
8.1 Autovettori, autovalori . . . . . . . . . . . . . . . . . . . . . . . . 39
8.2 Molteplicit`
a e diagonalizzazione . . . . . . . . . . . . . . . . . . . 40
9 6 maggio
45
9.1 Matrici simmetriche . . . . . . . . . . . . . . . . . . . . . . . . . 45
iii
iv
CONTENTS
10 13 maggio
49
10.1 Coniche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
10.2 Riduzione di coniche alla forma canonica . . . . . . . . . . . . . . 49
11 20 maggio
53
11.1 Geometria nello spazio . . . . . . . . . . . . . . . . . . . . . . . . 53
12 27 maggio
57
12.1 Studio di funzioni in due variabili . . . . . . . . . . . . . . . . . . 57
13 10 giugno
61
13.1 Esercizi di riepilogo: simulazione esame . . . . . . . . . . . . . 61
Chapter 1
4 Marzo
1.1
Informazioni e materiale
sophie.fosson@polito.it
http://calvino.polito.it/fosson note, esercizi (trovate anche materiale
degli anni scorsi, in inglese)
Portale della didattica note, esercizi
Libri: Baldovino - Lanza, Algebra lineare e geometria, Esercizi e Temi
desame, Esculapio
1.2
Notazioni:
1. v vettore
2. i, j, k versori (modulo=1) degli assi x, y, z
3. v = v1 i + v2 j = (v1 , v2 ) vettore nel piano (R2 )
4. v = v1 i + v2 j + v3 k = (v1 , v2 , v3 ) vettore nello spazio (R3 )
5. vi = i-esima componente di v
Nel seguito, user`
o per lo pi`
u la notazione v = (v1 , v2 , ), cio`e per me
un vettore `e una sequenza di numeri reali. Per ora ci limitiamo a sequenze
di n = 2, 3 numeri reali; in futuro generalizzeremo a qualunque n (e ad altre
tipologie di oggetti, per esempio numeri non reali....)
Ora iniziamo a fare operazioni sui vettori nello spazio R3 .
Osservazione 1 Per le operazioni uso prevalentemente definizioni algebriche,
perche generalizzabili a n > 3. Tutti gli esercizi con n = 2, 3 si possono anche risolvere con le tecniche geometriche/trigonometriche (per esempio, per prodotto
scalare e vettoriale).
1
CHAPTER 1. 4 MARZO
1.3
vv
5. v e w sono ortogonali se v w = 0
6. v e w sono paralleli se esiste a R tale che v = aw
Esercizio 1 Dati u = (1, 2, 1) e v = (1, 0, 1/3), calcolare
w = 2u (u v)(9v)
.
u e w sono ortogonali?
Soluzione
u = (1, 2, 1), v = (1, 0, 1/3)
u v = 1 (1) + 2 0 + 1 1/3 = 2/3
1.4
1.5
Per calcolare il prodotto vettoriale, anticipo due concetti che studiermo in futuro, quello di matrice e di determinante.
Per matrice intendo semplicemente una tabella di numeri. Per esempio,
a11 a12
A=
aij R, i = 1, . . . , m; j = 1, . . . , n
(1.1)
a21 a22
`e un matrice 2 2 a componenti reali.
Il determinante `e un numero associato alla matrice (di cui vedremo in futuro
limportanza). Il determinante di una matrice 2 2 si calcola cos`:
a11 a12
(1.2)
a21 a22 = a11 a22 a12 a21
Il determinante di una matrice 3 3 si pu`a calcolare cos`: considero a turno
gli elementi della prima riga. Parto da a11
1. immagino di cancellare la riga e la colonna contenenti a11
2. mi rimane una sottomatrice 22: ne calcolo il determinante e lo moltiplico
per a11
Ripeto il procedimento per a12 e a13 e poi sommo tutto, per`
o alternando i segni.
In conclusione:
a11 (a22 a33 a23 a32 ) a12 (a21 a33 a23 a31 ) + a13 (a21 a32 a31 a22 )
Il prodotto vettoriale si calcola come un determinante:
i
w = u v = u v = u1
v1
j
u2
v2
k
u3
v3
Osservazione 3 i, j, k non sono numeri (scalari), ma vettori! Quindi tecnicamente stiamo abusando della definizione di matrice; a livello simbolico comunque
il calcolo funziona.
Esercizio 3 Dati u = (3, 1, 1) e v = (1, 1/3, 1/3) calcolare
(a) u v
(b) u v
(c) u u (v 1/3j)
Soluzione
(a) u v = 3 1/3 1/3 = 11/3.
(b) (0, 0, 0). u e v sono paralleli. Infatti, u = 3v.
CHAPTER 1. 4 MARZO
(c) Soluzione standard:
1.6
1 c`
e sempre qualche studente che prova lordine inverso: prima il prodotto scalare e poi
quello vettoriale: vi `
e chiaro perch
e questo non funziona?
Chapter 2
11 Marzo
2.1
2.2
Spazi e sottospazi
CHAPTER 2. 11 MARZO
Esercizio 5 Per ognuno dei seguenti sottoinsiemi di R4 , dire quali sono sottospazi:
(a) A = {(x1 , x2 , x3 , x4 ) R4 tale che x1 = x2 }.
(b) B = {(x1 , x2 , x3 , x4 ) R4 t. c. x1 = x2 e x1 + x2 + x3 + x4 = 0}.
(c) C = {(x1 , x2 , x3 , x4 ) R4 t. c. x1 = x22 }.
(d) D = {(x1 , x2 , x3 , x4 ) R4 t. c. x1 + x2 + x3 + x4 0}.
Soluzione
(a) A = {x = (x1 , x1 , x3 , x4 ), x1 , x3 , x4 R}. (0, 0, 0, 0) A. Se x, y A,
allora x + y = (x1 + y1 , x1 + y1 , x3 + y3 , x4 + y4 ) A
cx = (cx1 , cx1 , cx3 , cx4 , ) A per ogni c R. A `e un sottospazio
CHAPTER 2. 11 MARZO
Riuscite ad intuire se questo genere di equivalenza tra uno SV qualsiasi e
uno Rn `e sempre possibile? [Risposta la prossima settimana]
Esercizio 7
Soluzione
1. (a) A = {x = (x1 , x2 , x2 ), x1 , x2 R}. Chiaramente, (0, 0, 0, 0) A.
Se x, y A, allora x + y = (x1 + y1 , x2 + y2 , x2 + y2 ) A perche
le seconde due componenti sono sempre uguali. Infine, anche cx =
(cx1 , cx2 , cx2 ) A per qualsiasi c R. A `e un sottospazio.
(b) (0, 0, 0, 0)
/ B , B non `e un sottospazio.
C A, quindi A C = C e A C = A.
3.
10
CHAPTER 2. 11 MARZO
Chapter 3
18 Marzo
3.1
3.2
12
CHAPTER 3. 18 MARZO
Rn ha dimensione n
EX: (1, 2, 3) = 1e1 + 2e2 + 3e3
Tranne casi triviali, uno SV `e un insieme infinito; se per`o la sua dimensione
`e finita, esso pu`
o essere completamente descritto da un insieme finito (una
sua base)
13
14
CHAPTER 3. 18 MARZO
A
B
C
D
gen
NO
NO
SI
SI
li
SI
NO
NO
SI
base
NO
NO
NO
SI
15
1. V non `e uno SV
2. dim(V )=1
3. V ha una sola base
4. una base di V contiene infiniti elementi
Soluzione
1. Qui dobbiamo risolvere una piccola equazione differenziale: otteniamo che
f (x) = x3 /3 + c, c R. E chiaro che se sommo due funzioni di questo tipo
ottengo qualcosa del tipo 2x3 /3 pi`
u qualche costante, quel 2 iniziale mi fa essere
fuori da V , che quindi non `e uno SV.
Esercizio 14 Dato linsieme V = {funzioni f C 0 [0, 1] tali che f 0 (x) = x2 f (x)}
quale delle seguenti affermazioni `e vera?
1. V non `e uno SV
2. dim(V )=1
3. V ha una sola base
4. una base di V contiene infiniti elementi
Soluzione
2. f (x) = kex/3/3 , k R. Ma allora f = 0 V , se sommo f (x) = kex/3/3
e g(x) = hex/3/3 ottengo (k + h)ex/3/3 V , e facilmente si verifica anche la
chiusura rispetto al prodotto. V `e dunque uno SV. La sua dimensione `e 1 perche
qualsiasi vettore di V (cio`e qualsiasi funzione del tipo kex/3/3 `e univocamente
determinata dallo scalare k R. Una base `e semplicemente {ex/3/3 }.
16
CHAPTER 3. 18 MARZO
Chapter 4
25 marzo
4.1
RANGO
k
4.2
Sistemi lineari
Dati
A Rm,n
b Rm,1
(A|b) = matrice completa (aggiungi colonna b ad A)
17
18
CHAPTER 4. 25 MARZO
(A) = (A|b).
1 0
A= 2 1
3 0
con
1
0
1
(4.1)
e b = (1, 0, 0)T .
Soluzione
Procedura:
Ridurre
Applicare Rouche-Capelli per capire se ci sono soluzioni e quante
Trovare le soluzioni (dopo aver ridotto `e semplice)
Per ridurre in modo ordinato possiamo usare il metodo di eliminazione di
Gauss, che prevede di ottenere lelemento speciale della prima riga nella prima
colonna, lelemento speciale della seconda riga nella seconda colonna, e via dicendo, in modo da ottenre una matrice a scalini, con tutti gli zeri in basso
a sinistra. Procediamo con Gauss su su (A|b). Le trasformazioni che facciamo
sono, nellordine (ri indica la riga i-esima):
1. r3 r3 3r1
2. r2 r2 2r1
Queste due trasformazioni ci permettono di ottenere lelemento speciale della
prima riga in posizione (1, 1) e poi notiamo che la matrice cos` ottenuta `e gi`a ridotta, con forma a scalini (le componenti evidenziate sono gli elementi speciali):
0
1
1
1
0
(4.2)
1 2 2
0
0 4 3
19
4x3 = 3 x3 = 3/4
x2 2x3 = 2 x2 = 1/2
(4.3)
x1 + x3 = 1 x1 = 1 3/4 = 1/4
La soluzione `e quindi il vettore: x = 41 (1, 2, 3)T
Esercizio 16 Risolvere il sistema Ax = b
1 0
A= 2 1
3 2
con
1
0
1
(4.4)
e b = (1, 0, 0)T .
Soluzione
Si pu`
o procedere esattamente come
1
0
0
prima e si ottiene
0 1
1
1 2 2
2 4 3
1
0
1
1
0
1 2 2
0
0
0
1
(4.5)
(4.6)
1 0 1
A= 2 1 0
3 2 1
(4.7)
e b = (1, 0, )T ha
1 soluzioni
2 soluzioni
0 = 1 soluzione
nessuna soluzione
Soluzione
Si procede come nellesercizio precedente e si ottiene
1
0
1
1
0
1 2
2
0
0
0 +1
A questo punto studiamo il parametro e notiamo che
(4.8)
20
CHAPTER 4. 25 MARZO
se = 1, (A) = (A|b) = 2 e il sistema ha 1 soluzioni (cio`e una
variabile libera)
se 6= 1, il sistema non ha soluzioni 2 soluzioni
per nessun valore di abbiamo 0 = 1 o 2 soluzioni
Per = 1, abbiamo
x2 2x3 = 2 x2 = 1/2
x1 + x3 = 1 x1 = 1 + 3/4 = 1/4
(4.9)
1
2
A=
1
Ax = b con
0 0
1 2
1 2
(4.10)
21
Qui non usiamo Gauss: il nostro occhio algebrico nota che la seconda riga
di A `e somma delle prima e della terza, quindi abbiamo un modo di annullarla
subito tutta: r2 r2 r1 r3
1 0 0
1
0 0 0 1
(4.11)
1 1 2
Ora riordiniamo:
1
0
1
0
0
2
0
0
1
1
(4.12)
e poi facciamo r2 r2 r1 /
1
0
0
0
0
1
0
0
1
1
(4.13)
22
CHAPTER 4. 25 MARZO
Chapter 5
1 aprile
5.1
Determinante
Come gi`
a accennato allinizio del corso, il determinante `e un numero associato ad
ogni matrice quadrato. E un numero che da solo pu`o dirci alcune informazioni
importanti sulla matrice, per esempio la sua invertibilit`a e informazioni sul suo
rango.
Si calcola cos`:
In R2,2 :
a b
a b
= ad bc
(5.1)
det
=
c d
c d
In R3,3 :
a
d
h
b
e
i
c
f
j
= a e
i
d
f
b
h
j
d
f
+
c
h
j
e
i
(5.2)
5.2
Regola di Cramer
det Ai
det A
i = 1, . . . , n.
(5.3)
24
CHAPTER 5. 1 APRILE
Consideriamo ora
A1 =
b1
b2
..
.
a12
a22
..
.
a13
a23
..
.
...
...
..
.
a1n
a2n
..
.
bn
an2
an3
...
ann
(5.4)
Pn
e poiche bi = j=1 aij xj , i = 1, . . . , n, abbiamo det A1 = x1 det A che prova
la tesi per x1 . Iterando la procedura per gli altri xi , i = 2, 3, . . . otteniamo la
regola di Cramer.
Esercizio 19 Risolvere Ax = b
1
A= 1
1
dove
0
3
1
2
1
2
0
b= 0
1
(5.5)
usando Cramer.
Avrebbe senso risolvere con Cramer il sistema omogeneo con questa stessa
A?
Soluzione
1
1
1
2
1
2
0
3
1
= 1 1
2
0
0
1
2
1
2
0
3
1
1
1
1
1
1
1
2
1
2
0
0
1
3
+ 0 = (1 6) 2(1 3) = 1.
1
1
3
2
1
1
= 1 1
2
= 2 0
1
0
0
1
0
3
1
3
= 6.
1
= 3
1
0
2
1
1
0
+ 0 = 1 2 = 1.
1
(5.6)
(5.7)
(5.8)
(5.9)
Quindi
x1 = 6, x2 = 3, x3 = 1.
5.3
Inversione
25
5.3. INVERSIONE
Esercizio 20
1
A= 0
3
0
1
0
1
0 .
1
(5.10)
1 0 1 1 0 0
0 1 0 0 1 0
(5.11)
3 0 1 0 0 1
By r3 r3 2r1
1 0
0 1
0 0
4 0
0 1
0 0
1
0
4
1
0
3
0 0
1 0
0 1
(5.12)
0
0
4
1
0
3
0 1
1 0
0 1.
(5.13)
0
1/4
1
0
0 1/4.
(5.14)
1 0 0 1/4
0 1 0 0
0 0 1 3/4
Per concludere,
A1
1/4
= 0
3/4
0
1/4
1
0
0 1/4.
1
CT
det(A)
(5.15)
26
CHAPTER 5. 1 APRILE
eliminare riga i e colonna j in A
calcolare il determinante della matrice cos` ottenuta
moltiplicare il risultato per (1)i+j
0
In questo caso, si calcola facilmente che C11 = (1) det
= 1,
1
C12 = 0, C13 = 3, C21 = 0, C22 = 4, C23 = 0, C31 = 1, C32 = 0, C33 = 1,
da cui si ottiene la matrice finale dividendo il tutto per |A| = 4.
1/4 0
1/4
0
A1 = 0 1
(5.16)
3/4 0 1/4.
2
1
0
4
X
i bi .
i=1
5.3. INVERSIONE
27
28
CHAPTER 5. 1 APRILE
Chapter 6
15 aprile
6.1
Applicazioni lineari
30
CHAPTER 6. 15 APRILE
31
dimR2 (x) = 3, allora dim(ker(f )) + dim(Im(f )) = 3. Le possibili combinazioni sono: 0+3; 1+2; 2+1; 3+0.
Poiche f (1) 6= 0 sappiamo che ker(f ) 6= R2 (x),quindi dim(kerf ) < 3 . 3.
`e vera necessariamente perche se dim(ker(f )) {0, 1, 2}, allora dim(Imf )
{3, 2, 1}.
Possiamo costruire facilmente un controesempio di f con nucleo di dimensione 1 per verificare che 1., 2., 4. sono false.
Per esempio, possiamo considerare la f tale che kerf = L{x2 }, f (1) =
(0, 0, 1), e f (x) = (1, 0, 0).
Quiz 3 Data la.l. f tale che (1, 1) kerf e (2, 1) f 1 (1, 1, 1, 1)
(f 1 = controimmagine), la matrice M t.c. u R2 , f (u) = M u `e
1.
2
1
2
1
1
1
1
1
2
1
M =
2
1
2.
1
1
M =
1
1
3.
1
1
1
1
1
1
1
1
1
1
1
1
1
1
3
1
M=
4.
M=
32
CHAPTER 6. 15 APRILE
2
1
2
1
0
f
= 2f
f
=
2
1
0
1
1
Soluzione
Quiz 4: 1.
Sappiamo che dim(kerf ) + dim(Imf ) = dim(R2 ) = 2. Quindi 2. `e falsa. Nulceo
e immagine contengono almeno un vettore non nullo, quindi dim(kerf ) 1,
dim(Imf ) 1, ma poiche la somma `e 2, dim(kerf ) = dim(Imf ) = 1, e 1. `e
vera. 3. `e falsa perche kerf non pu`o essere generata da due vettori l.i. e 4. `e falsa
perche (0, 0) non appartiene mai ad una base! (mentre kerf = L{(1, 1), (0, 0)}
sarebbe stato corretto!).
Provare a risolvere lesercizio anche in modo costruttitivo, cio`e senza guardare
le risposte multiple. Come si deve procedere?
Chapter 7
22 aprile
7.1
(f
(b
=
1 ))C
..
.
MfB,C
..
.
(f (b2 ))C
..
.
..
.
..
.
..
.
(f (bm ))C
..
.
2 0 1
Esercizio 25 Data M = 1 1 0 sia f : R3 R3 lendomorfismo
0 0 3
1
tale che f (u) = M u. Trovare la matrice MfB 2 associata a f rispetto a
B = {b1 , b2 , b3 } = {(1, 0, 0)T , (0, 1, 0)T , (1, 1, 1)T }
Soluzione
f (b1 ) = (2, 1, 0)T = 2b1 + b2 1 colonna: (f (b1 ))B = (2, 1, 0)T
f (b2 )T = (0, 1, 0)T = b2 1 colonna: (f (b2 ))B = (0, 1, 0)T
1 Chiamiamo
2 Per
33
34
CHAPTER 7. 22 APRILE
[Notare che in questi due casi vettori e rappresentazioni rispetto a B coincidono... perche b1 e b2 sono vettori della base canonica!]
f (b3 ) = (3, 0, 3)T = 3b3 3b2 3 colonna: (f (b3 ))B = (0, 3, 3)T .
2 0
0
MfB = 1 1 3
0 0
3
Quiz 5 Sia f endomorfismo di R2 tale che per u = (1, 2) f (u) = 2u e per
v = (1, 3), f (v) = u
3 3
`e la matrice associata a f rispetto alla base canonica
(a)
=
8 6
E = {e1 , e2 } = {(1, 0), (0, 1)}
(b)
MfE
1
5
MfE
1
5
(c) MfB =
2
0
1
8
3
6
1
0
`e la matrice associata a f rispetto alla base B = {u, v}
2 1
=
`e la matrice associata a f rispetto alla base B =
(d)
0 0
2
2
{u, f (v)}, dove f (u) = f (f (u)).
MfB
Soluzione
Iniziamo a lavorare sulla (c), dato che conosciamo gi`a i valori di f sugli elementi
u e v della base data.
f (u) = 2u (f (u))B = (2, 0)T
f (v) = u (f (u))B = (1, 0)T
cio`e
4 3
=
8 6
(d) `e falsa perche f 2 (v) = f (f (v)) = f (u = 2u, quindi u e f 2 (u) sono
linearmente dipendenti e non formano una base!
MfE
1
5
35
7.2
Cambiamento di base
v V , V s.v. di dimensione N
B = {b1 , . . . , bN }, C = {c1 , . . . , cN } basi di V
(v)B (risp. (v)C ) rappresentazione di v rispetto a B (risp. C)
Esiste una matrice quadrata P B,C
(v)B = P B,C (v)C
P B,C ha per colonne (c1 )B , . . . (cN )B
P B,C `e invertibile e (P B,C )1 = P C,B ;
P B,C `e detta matrice di cambiamento di base.
Esercizio 26 Sia E la base canonica di R3 e C = {(1, 2, 3), (1, 0, 0), (0, 0, 1)}.
Calcolare P E,C ...
... e P C,E
Qual `e la rappresentazione di v = (1, 2, 3) rispetto a C?
Soluzione
P E,C
1
= 2
3
1
0
0
0
0
1
1
0
0
2
P C,E = 1 12 0
0 32 1
a anche calcolare come inversa di P E,C : per esercizio,
(Volendo P C,E si pu`
verificare che sono luna linversa dellaltra.)
Per v = (1, 2, 3)T , si ha (v)C = (1, 0, 0)T .
36
CHAPTER 7. 22 APRILE
7.3
f :U V
B, B 0 basi di U
C, C 0 basi di V
Vale la relazione:
P C,C MfB
,C 0
= MfB,C P B,B
Esercizio 27 Siano
U = R2 [x], B = {1, x, x2 5} base di U .
C = {(1, 0), (1, 1)} base di V = R2 .
D = {(0, 1), (1, 2)} base di V = R2 .
f : U V data da f (a0 + a1 x + a2 x2 ) = (a0 + a1 , a1 a2 )
1. Trovare la matrice associata a f rispetto a B e C.
2. Trovare la matrice associata a f rispetto a B e D.
3. Discutere iniettivit`
a e suriettiva di f .
Soluzione
1.
f (1) = (1, 0)T (f (1))C = (1, 0)T
da cui
MfB,C
=
1
0
0
1
4
1
(7.1)
37
D,C
=
2
1
1
1
In conclusione:
MfB,D =
2
1
1
1
1 0
0 1
4
1
=
2
1
1
1
9
5
38
CHAPTER 7. 22 APRILE
Chapter 8
29 aprile
8.1
Autovettori, autovalori
1
0
3
1
2
0
1
0
1
1
det 0
3
1
2
0
1 = 2, 2 = 2
39
1
= (2 + )(4 2 ) = 0
0
1
40
CHAPTER 8. 29 APRILE
(d) `e laffermazione corretta.
Autovettori per 1 = 2:
1
0
3
1
4
0
1
0 v = 0 v = (, 0, )T = (1, 0, 1)T , R
3
3 1 1
0 0 0 v = 0 v = (, 0, 3) = (1, 0, 3), R
3 0 1
Autospazio: L{(1, 0, 3)T }.
8.2
Molteplicit`
a e diagonalizzazione
` E DIAGONALIZZAZIONE
8.2. MOLTEPLICITA
41
a
0
0
a
aR
non `e diagonalizzabile
ha tutti gli autovettori nulli
ha due autospazi rispettivamente generati da (a, 0) e (0, a)
ha autospazio R2
Soluzione
La matrice ha autovalore = a con = 2 e autospazio R2 ( = 2). La matrice
`e quindi diagonalizzabile (il che era anche ovvio semplicemente gi`a osservando
che la matrice `e diagonale...). (d) `e la risposta corretta. (b) `e falsa in generale:
gli autovalori non sono mai nulli.
Esercizio 28 Sia f , R, lendomorfismo di R22 definito da
x y
x + y 2x + 2y
f
=
z t
z + 2t
2z + t
1
1. Per 8 , 3 , f `e semplice?
(8.1)
x
y
x y
42
CHAPTER 8. 29 APRILE
Quindi:
f
1
0
0
0
=
1
0
2
0
1
2
(f (e1 ))E =
0
0
1 0 0
2 2 0 0
MfE =
0 0 1 2 .
0 0 2 1
(8.2)
0
2
0
0
1
0
2
0
0
2
1
= (1 )(2 ) 2 (1 )2 4 .
3 1+8
2
Notiamo che
3 =
4 =
3+ 1+8
2
3 1+8
2
3 = 4 =
3
2
se = 81
In tutti gli altri casi abbiamo 4 diversi autovalori, quindi lendomorfismo `e sempre semplice per
/ {1, 3, 18 }.
Nei suddetti casi invece dobbiamo verificare le molteplicit`a per verificare se
la matrice `e diagonalizzabile ( f `e semplice)
Nello specifico otteniamo (, R):
= 18
Autovalori
Autovettori
Molt. alg.
Molt. geom.
1 = 3
v(1) =
1
1
1 = 1
1 = 1
Non semplice
2 = 1
3 =
v(2) =
1
1
2 = 1
2 = 1
3
2
1
4
v(3) =
0
0
3 = 2
3 = 1
` E DIAGONALIZZAZIONE
8.2. MOLTEPLICITA
43
=1
2 = 1
v(2) =
Autovettori v(1) =
Molt. alg.
2 = 1
2 = 1
Molt. geom. 1 = 2
2 = 1
Autovalori
1 = 3
0
0
1
1
3 = 0
1
1
v(3) =
0
0
3 = 1
3 = 1
Semplice
=3
Autovalori
Autovettori
Molt. alg.
Molt. geom.
1 = 3
0
0
v(1) =
1
1
2 = 1
1 = 1
2 = 1
3 = 4
1
1
v(3) =
0
0
3 = 1
3 = 1
v(2) = 23
2 = 2
2 = 2
Semplice
/ {1, 3, 81 }
3 1+8
2
3 2
2
1 = 3
2 = 1
3 =
v(1)
v(2)
v(3) =
0
0
=
1
1
0
0
=
1
1
1
0
0
4 =
3+ 1+8
2
4 2
2
v(3) =
1
0
C,E
C,E
3. Dobbiamo calcolare la matrice
tale che (v)
(v)E , per ogni
P
C = P
..
.
(e
v R2,2 . Sappiamo che P C,E =
i )C
..
.
Quindi:
0
2
C,E 5
P
0
2
5
1
2
2
5
3
5
1
2
1
2
12
0
1
0
0
44
CHAPTER 8. 29 APRILE
Chapter 9
6 maggio
9.1
Matrici simmetriche
A Rn,n
A simmetrica A diagonalizzabile
A simmetrica autovettori di A sono a due a due ortogonali
A simmetrica autovettori di A (opportunamente normalizzati) formano
una base ortonomale, cio`e una base di vettori ortogonali tra loro e normalizzati (cio`e con kk2 = 1)
Esercizio 29 Nellesercizio precedente, si pu`
o dire per quali valori di la matrice MfE `e simmetrica solo guardando gli autovettori?
Soluzione
Possiamo cio`e usare le propriet`
a delle matrice simmetriche in negativo per escludere i casi in cui sicuramente non c`e simmetria:
A non diagonalizzabile A non simmetrica
autovettori di A non ortogonali tra loro A non simmetrica
Inoltre ricordiamo che una matrice `e diagonalizzabile se e solo ammette una
base di autovettori e che
A ammette una base di autovettori, a due a due ortogonali A `e simmetrica
Quindi abbiamo: Per = 1/8, gli autovettori sono a due a due ortogonali,
ma non formano una base, cio`e la matrice non `e diagonalizzabile e quindi non
pu`
o essere simmetrica.
For 1, 3 gli autovettori non sono ortogonali,quindi la matrice non pu`o
essere simmetrica.
Infine, per
/ { 81 , 1, 3}, gli autovettori formano una base, e sono ortogonali per = 2. Infatti si verifica facilmente che tutti gli autovettori sono
sempre ortogonali tra loro, indipendentemente da , tranne v3 e v4 , per i quali
dobbiamo impostare lequazione:
45
46
CHAPTER 9. 6 MAGGIO
v3 v4 = 0.
Possiamo concludere che la matrice simmetrica se e solo se = 2 (il che pu`o
essere facilmente verificato mettendo tale valore nella matrice).
Quiz 9 Dati U = L{(1, 0, 1), (0, 1, 0)} e V = L{(1, 2, 3)},
(a) ogni endomorfismo di R3 con autospazi U e V `e semplice
(b) ogni matrice con autospazio U ha (1, 1, 1)T sulla seconda colonna
(c) esiste pi`
u di una matrice reale simmetrica con autospazi U e V
(d) esiste ununica matrice reale simmetrica con autospazi U e V
Soluzione
(a) `e vero perche gli autovettori (= i vettori di base di U e V ) formano una
base. (c) e (d) sono false perche gli autovettori non sono ortogonali (per esempio
(1, 2, 3)(0, 1, 0) = 2). Se pensiamo allendomorfismo come una matrice A R3,3
sappiamo che dato un autovettore v R3 , esiste R tale che
Av = v.
Se chiamiamo U e V gli autovalori (non noti) relativi rispettivamente a U
e V , e indichiamo con A(i) li-esima colonna di A abbiamo
A(1) + A(3) = U (1, 0, 1)T
A(2) = U (0, 1, 0)T
A(1) + 2A(2) + 3A(3) = V (1, 2, 3)T
da cui vediamo chiaramente che A(2) non pu`o mai essere (1, 1, 1)T .
Domanda: i soli autovettori definiscono univocamente la matrice? No. Nel
caso sopra, diversi valori di U e V danno luogo a matrici diverse. Una volta
per`
o fissati gli autovalori la matrice `e univocamente fissata. Con semplici calcoli,
otteniamo infatti:
1
1
U (1, 0, 1)T V (1, 2, 3)T U (0, 1, 0)T
2
2
= U (0, 1, 0)T
A(1) =
A(2)
47
Soluzione
(c) I vettori di U e V formano una base e sono ortogonali. Possiamo quindi
sicuramente costruire matrici simmetriche che li hanno come autovettori.
Con calcoli analoghi al quiz precedente, otteniamo:
2A(1) = U (1, 0, 1)T + V (1, 0, 1)T
A(2) = U (0, 1, 0)T
1/2
A = U 0
1/2
0 1/2
1/2
1
0 + V 0
0 1/2
1/2
0 1/2
0
0
0 1/2
48
CHAPTER 9. 6 MAGGIO
Chapter 10
13 maggio
10.1
Coniche
a11
B = a12
a13
a12
a22
a23
a13
a23
a33
A=
a11
a12
a12
a22
x
x
x
f (x, y) = (x, y)A
+ 2(a13 , a23 )
+ a33 = (x, y, 1)B y
y
y
1
det(A) > 0 ellisse
det(B) 6= 0 non degenere
Forme canoniche:
E:
I:
x2
a2
x2
a2
y2
b2
y2
b2
< 0 iperbole
= 0 parabola
= 1;
= 1;
P: y = ax2 , x = ay 2 .
10.2
50
(x , y )P AP
(x , y )D
x0
y0
x0
y0
x0
y0
+ 2(a13 , a23 )P
+ 2(a13 , a23 )P
x0
y0
x0
y0
+ a33 = 0
+ a33 = 0
+ a33 = 0
Lultima equazione `e quella che dobbiamo tenere a mente per gli esercizi e
rappresenta la conica nel sistema di riferimento ruotato. In essa, non ci sono
pi`
u termini misti in x0 y 0 . Procediamo poi con la traslazione, aiutandoci con
il metodo del completamento dei quadrati.
Esercizio 30 Classificare e ridurre 4x2 + 4xy + y + y 2 = 0 alla forma canonica
Soluzione
4
B= 2
0
2
0
1 1/2
1/2 0
A=
4
2
2
1
(10.1)
51
Per esempio, (1, 2) `e un autovettore di 1 , ma darebbe luogo ad una P con determinante -1. Attenzione quindi a scegliere autovettori che diano determinante
+1.
Abbiamo quindi:
1
5y 02 + 2(0, 1/2)P (x0 y 0 )T = 5y 2 + (2, 1)(x0 , y 0 )T =
5
1 0
2 0
02
5y x + y = 0.
5
5
1
25 x0 = 0 da
Infine, tramite completamento del quadrato: 5(y 0 + 1015 )2 100
52
x + y = 3 e x + y = 3.
Quiz 11 Data f (x, y) = 4x2 + 12xy + 9y 2
(a) Esiste (x, y) tale che f (x, y) < 0
(b) f (x, y) = 1 `e uniperbole
(c) f (x, y) = 0 implica (x, y) = (0, 0)
(d) I punti che soddisfano f (x, y) = 0 formano una retta
Soluzione
(d). f (x, y) = 4x2 + 12xy + 9y 2 = (2x + 3y)2 quindi f (x, y) = 0 se e solo se
2x + 3y = 0, che `e una retta
Quiz 12 tx2 + 2xy + ty 2 + 2y = 0
(a) `e unellisse t = 1
(b) `e una parabola per un numeri finito di valori di t
(c) non `e mai uniperbole
(d) `e una parabola per infiniti valori di t
Soluzione
t 1 0
(b). det 1 t 1 = t quindi la conica `e non degenere per t 6= 0.
0 1 0
t 1
det
= t2 1 = 0 per t = 1.
1 t
Chapter 11
20 maggio
11.1
Soluzione
Tramite completamento dei quadrati
in x, y, z, vediamo che S `e una sfera di
53
54
D = 6.
55
z
h=8
h = 8
56
Chapter 12
27 maggio
12.1
x = derivata di f rispetto a x
f
y = derivata di f rispetto a y
Gradiente:
f =
Matrice Hessiana:
2f
xy
f f
,
x y
Hf =
.
2f
x2
2f
yx
2f
xy
2f
y 2
2f
yx
2f
x2 (P )
> 0, P `e un minimo;
2. det Hf (P ) > 0 e
2f
x2 (P )
< 0, P `e un massimo;
1 2x2 y 2
Soluzione
Dominio: {(x, y) R2 : 2x2 + y 2 1} (regione contenuta nellellise 2x2 +
y = 1, bordo incluso)p
Immagine: poiche 1 2x2 y 2 [0, 1], z [0, 1]
Cerchiamo i punti estremi (massimi, minimi) tra i punti critici (f = 0) e
sul bordo.
2
57
58
1
f = p
(4x, 2y) = (0, 0) (x, y) = (0, 0).
2 1 2x2 y 2
(Notare che f non `e definita sul bordo, cio`e sullellisse).
Per verificare se il punto critico (0, 0) `e un massimo o un minimo o una
sella possiamo usare il test sulla matrice Hessiana. Per velocizzare il calcolo si
pu`
o notare che la derivata rispetto a y di 1 2 2 (4x) `e sicuramente nulla
in (0, 0) perche `e uguale a 4x y
2
2 12x y
1
, quindi qualsiasi
12x2 y 2
derivata, sar`
a moltiplicata per 4x che si annulla in (0, 0).
2
2
Abbiamo poi xf2 (0, 0) = 2 e yf2 (0, 0) = 1. Quindi il determinante `e 2 e
secondo il test (0, 0) `e un minimo.
Potevano ottenere lo stesso risultato notando che f (0, 0) = 0, P = (0, 0) `e
certamente un minimo globale per quanto detto prima sullimmagine.
Studiamo ora il bordo. Su 1 2x2 y 2 = 0, f (x, y) = 1. Secondo quanto
detto sullimmagine,
tutti i punti sullellisse sono di massimo globale.
p
z = 1 1 2x2 y 2 implica che 1 2x2 y 2 = (1 z)2 2x2 + y 2 =
1 (1 z)2 . Le curve di livello sono quindi delle ellissi.
Le informazioni ottenute ci permettono di disegnare almeno approssimativamente il grafico della funzione.
Esercizio 39 Studiare
f (x, y) =
p
x|y|
Soluzione
Dominio: {(x, y) : x 0}
Immagine: z 0
Punti critici:
p q
y
x
per y > 0: f = 12
x,
y
per y < 0: f =
1
2
p
xy ,
xy
59
Soluzione 14 (d). f (x, y) = 3xe2y ha gradiente f = e2y (3, 6x), che non si
annulla mai. f non `e limitata (basti mandare x o y allinfinito) ed `e costante
per x = 0, ma non per y = 0. La derivata direzionale nella direzione (0, 4) non
`e altro che la derivata parziale rispetto a y, che in (0, 0) `e nulla.
60
Chapter 13
10 giugno
13.1
2 3
Quiz 15 Sia M = 1 1 .
2 3
(a) M 2 = M M ha rango 2
(b) M ha determinante 2
(c) M M T ha determinante nullo
(d) M T M non ha rango massimo
Quiz 16 Data una matrice quadrata A,
(a) se le righe di A sono linearmente indipendenti, il sistema Ax = b `e sempre
risolubile per ogni vettore colonna b di dimensioni consistenti
(b) se A `e invertibile, I A non `e invertibile
(c) se il determinante `e non nullo, Ax = 0 ammette infinite soluzioni
(d) se A `e simmetrica, allora det(A) = 0
2 0 0
Quiz 17 Sia M = 1 1 1 .
2 2 2
(a) 3 non `e autovalore di M
(b) 0 non `e autovalore di M
(c) (0, 1, 1)T non `e autovettore di M
(d) M `e diagonalizzabile
Quiz 18 x = z = y + 2
(a) `e una conica
(b) `e un sottospazio di R3
(c) `e una retta di direzione (1, 1, 1)
(d) `e perpendicolare a (7, 7, 7)
61
62
/(x1)
+ 1.
1. Studiare il dominio di f
2. Studiare limmagine di f .
3. Trovare gli eventuali punti di massimo, minimo e sella.
4. Trovare il piano tangente alla superficie S : z = f (x, y) at P = (0, 0, 1)
63
64
Il gradiente `e infatti (exy , exy = (1, 1)f (x, y). Chiaramente non `e un
endomorfismo (non `e lineare!). Per x avr`o un inf, non un min.
Soluzione Ex 40
Il dominio `e R2 \ {x = 1}. E formato quindi da due piani non connessi; `e
aperto, `e illimitato.
Per studio dellimmagine intendo quali valori pu`o assumere z = f (x, y). Qui
per esempio possiamo notare che y 2 0, e... > 0, quindi z 1. Inoltre se per
esempio calcolo il limite per y , vedo subito che f , quindi posso dire
che z [1, ). So gi`
a quindi che non avr`o massimi assoluti.
Attenzione! In certi casi (e questo `e uno di quei casi) lanalisi dellimmagine
`e fondamentale per completare lesercizio!
Per trovare i punti estremi, calcoliamo il gradiente:
ex
/(x1)
y 2 g(x), 2y
x
. Il valore di g(x) non `e necessario per valutare
dove g(x) `e la derivata di x1
dove il gradiente si annulla: `e immediato vedere che il gradiente si annulla se e
solo se y = 0. In altri termini, tutti i punti della retta y = 0 (escluso (1, 0) che
non sta nel dominio) sono punti critici.
Per classificare i punti critici uno potrebbe provare a calcolare la matrice
Hessiana nei punti tali che y = 0. Tuttavia, non solo il calcolo `e lungo, ma
alla fine il test non risulta conclusivo. Come procedere? Basta notare che
f (x, 0) = 1, cio`e nei punti critici f `e sempre pari a 1. Ma dal nostro studio
dellimmagine, sappiamo che 1 `e la quota minima che f pu`o avere, quindi si
tratta di punti di minimo assoluto!
In generale il piano tangente alla superficie
z = f
(x, y) `e perpendicolare
f f
x , y , 1
. In questo caso, in P