Sei sulla pagina 1di 17

Lezione 10: Autovalori e autovettori

In questa lezione vogliamo arontare uno degli argomenti pi` u profondi e


interessanti dellalgebra lineare e cioe il concetto di autovalore e autovettore
per una applicazione lineare.
1 Diagonalizzabilit`a
Lidea dietro ai concetti di autovalori e autovettori `e molto semplice: vogliamo
trovare una base (se esiste!) nella quale una data matrice o meglio una data
applicazione lineare ha la forma piu semplice possibile e cio`e la forma dia-
gonale. Vediamo subito un esempio.
Esempio 1.1. Sia : R
2
R
2
la trasformazione lineare (e
1
) = e
2
,
(e
2
) = e
1
. Nella base canonica per dominio e codominio f `e rappresentata
dalla matrice:
A =
_
0 1
1 0
_
Osserviamo che:
(e
1
+e
2
) = e
1
+e
2
, (e
1
e
2
) = (e
1
e
2
)
Quindi se scegliamo come base B = {v
1
, v
2
} con v
1
= e
1
+e
2
e v
2
= e
1
e
2
abbiamo che (v
1
) = v
1
e (v
2
) = v
2
. Percio la matrice di nella nuova
base B (in dominio e codominio) `e una matrice diagonale:

A =
_
1 0
0 1
_
(senza bisogno di calcoli, perche ?).
Geometricamente in questo caso `e molto semplice vedere che cosa accade.
La trasformazione consiste in una riessione del piano cartesiano rispetto
alla retta x = y. Infatti (e
1
) = e
2
, (e
2
) = e
1
.
`
E percio immediato
geometricamente stabilire che il vettore v
1
che giace sulla retta x = y `e
ssato dalla trasformazione mentre il vettore v
2
che `e perpendicolare alla
retta x = y viene mandato in v
2
. In base a queste osservazioni geometriche
si puo concludere senza alcun calcolo che nella base B = (v
1
, v
2
) la matrice
associata a ha la forma diagonale specicata

A.
1
Denizione 1.2. Un applicazione lineare T : R
n
R
n
si dice diagonal-
izzabile se esiste una base B per R
n
(dominio e codominio) nella quale la
matrice A
T
associata a T in tale base `e una matrice diagonale.
Nellesempio precedente lapplicazione `e diagonalizzabile e B = {e
1
+
e
2
, e
1
e
2
} `e la base in cui la matrice associata a `e diagonale.
Cosi come abbiamo dato la denizione di applicazione lineare diagonal-
izzabile `e possibile dare anche la denizione di matrice diagonalizzabile: es-
senzialmente si tratta di una matrice associata ad una applicazione lineare
diagonalizzabile, ma vediamo la denizione precisa.
Denizione 1.3. Una matrice A si dice diagonalizzabile se esiste una matrice
P invertibile tale che P
1
AP `e diagonale.
Proposizione 1.4. Sia T : R
n
R
n
una applicazione lineare con A
matrice associata nella base canonica (di dominio e codominio). Allora T
`e diagonalizzabile se e solo se A `e diagonalizzabile. Inoltre, se T e A sono
diagonalizzabili, la base B che diagonalizza T corrisponde alle colonne di P
tale che P
1
AP sia diagonale.
Proof. Cio `e abbastanza immediato se ci ricordiamo come fare i cambi di
base. Infatti la matrice P = I
B,C
ha precisamente come colonne gli elementi
della base B espressi nelle coordinate della base canonica. Dunque T `e di-
agonalizzabile se e solo se esiste una base B rispetto alla quale la matrice
P
1
AP associata a T `e diagonale, e con P ha per colonne le coordinate dei
vettori di B rispetto alla base canonica. Cio `e vero per denizione se e solo
se A `e diagonalizzabile.
Osservazione 1.5. A questo punto `e chiaro che che unapplicazione lineare
`e diagonalizzabile se e solo se la matrice ad esso associata in una qualunque
base e diagonalizzabile. Lasciamo allo studente per esercizio la dimostrazione
di questa aermazione.
Sorgono ora spontanee due domande:
1) In generale, unapplicazione lineare T : R
n
R
n
`e sempre diagonal-
izzabile? Equivalentemente, data una matrice A esiste sempre una matrice
P tale che P
1
AP sia diagonale?
2) Esiste una procedura per diagonalizzare unapplicazione lineare o una
2
matrice diagonalizzabile? Cio`e esiste un modo per trovare i vettori che for-
mano la base B nella quale lapplicazione lineare data `e rappresentata da una
matrice diagonale?
La risposta alla prima domanda `e no, mentre alla seconda `e si. Geomet-
ricamente `e facile convincersi che esistono molte matrici non diagonalizzabili.
Vediamone un esempio.
Esempio 1.6. Consideriamo lapplicazione lineare : R
2
R
2
, (e
1
) =
e
2
, (e
2
) = e
1
. La matrice che rappresenta nella base canonica `e data
da:
A =
_
0 1
1 0
_
.
Nonostante sia molto simile a quella dellesempio precedente, contiene una
importante dierenza. Geometricamente corrisponde ad una rotazione
oraria di 90
0
del piano attorno allorigine. Perch`e A o equivalentemente sia
diagonalizzabile devono esistere due vettori v
1
, v
2
linearmente indipendenti
tali che (v
1
) =
1
v
1
, (v
2
) =
2
v
2
per
1
,
2
R, cio`e due vettori che
conservino la propria direzione. In tal caso infatti la matrice di nella base
B = {v
1
, v
2
} sarebbe:

A =
_

1
0
0
2
_
Ma `e immediato vedere che una rotazione non ssa la direzione di nessun
vettore, quindi v
1
e v
2
non esistono, cio`e A non `e diagonalizzabile.
Si noti che diverso sarebbe il discorso se permettessimo agli scalari di
assumere valori complessi. Infatti in tal caso esisterebbero due vettori v
1
=
(1, i) e v
2
= (i, 1) tali che (v
1
) = iv
1
, (v
2
) = iv
2
.
Questo esempio suggerisce una terza domanda:
3) Se permettiamo agli scalari di assumere valori complessi allora possia-
mo sempre diagonalizzare una data matrice (o applicazione lineare)?
La risposta rimane no, tuttavia `e possibile sempre ricondurre una matrice
ad una forma quasi diagonale detta forma di Jordan, di cui purtroppo non
possiamo parlare in queste note, perch`e le conoscenze richieste sono proprio
fuori dalla nostra portata.
3
2 Autovalori e autovettori
Abbiamo visto nella sezione precedente che, per la diagonalizzabilita, gio-
cano un ruolo fondamentale i vettori la cui direzione non viene cambiata
dallapplicazione lineare data, cio`e quei vettori che vengono trasformati in
multipli di se stessi. Qualora lapplicazione lineare data sia diagonalizzabile,
tali vettori infatti costituiscono una base B in cui lapplicazione lineare `e
associata ad una matrice diagonale o equivalentemente la loro espressione in
termini della base canonica forma le colonne della matrice P tale che P
1
AP
sia diagonale (ove A `e la matrice associata allapplicazione lineare data nella
base canonica). Questi vettori cruciali per il nostro problema sono gli au-
tovettori. Vediamone la denizione precisa.
Denizione 2.1. Data unapplicazione lineare T : V V diciamo che un
vettore non nullo v V `e un autovettore di T se Tv = v per uno scalare
che si dice autovalore di T ( invece puo essere nullo); v si dice anche
autovettore associato allautovalore .
Data una matrice A si dicono autovalori e autovettori di A gli autovalori
e autovettori di T
A
applicazione lineare associata ad A, cio`e lapplicazione
lineare avente per matrice A nella base canonica di dominio e codominio.
`
E importante capire che il fatto che un vettore sia autovettore e un numero
sia autovalore di una applicazione lineare T non dipende dalla base scelta per
rappresentare T!
Nellesempio 1.1 abbiamo che i vettori v
1
= e
1
+ e
2
e v
2
= e
1
e
2
sono autovettori di autovalori rispettivamente 1 e 1 dellapplicazione . Se
prendiamo la base formata dagli autovettori B = (v
1
, v
2
) v
1
= (1, 1)
C
=
(1, 0)
B
, v
2
= (1, 1)
C
= (0, 1)
B
. Pur cambiando le coordinate, cio`e il modo
di scrivere questi vettori, i vettori v
1
e v
2
non cambiano e allo stesso modo
non cambiano i loro autovalori. Infatti, sempre nellesempio, abbiamo visto
che la matrice associata a e

A =
_
1 0
0 1
_
dunque gli autovalori restano 1, 1. Sintetizziamo il nostro discorso nella
seguente osservazione.
Osservazione 2.2. `e autovalore di una trasformazione T se e solo se `e
autovalore della matrice A associata a T in una qualunque base B.
4
Proposizione 2.3. Unapplicazione lineare T : V V e diagonalizzabile
se e solo se esiste una base B di V costituita da autovettori di T.
Importante: Questa dimostrazione contiene fatti fondamentali per la
comprensione di autovalori e autovettori.
Proof. Se esiste una base B = (v
1
. . . v
n
) di autovettori, allora la matrice
associata a T nella base B `e diagonale. Infatti T(v
1
) =
1
v
1
. . . T(v
n
) =

n
v
n
, dunque la matrice e:
_
_
_

1
. . . 0
.
.
.
.
.
.
0 . . .
n
_
_
_
dunque la trasformazione T `e diagonalizzabile per denizione.
Viceversa, se T `e diagonalizzabile, signica che esiste una base B in cui
la matrice associata a T `e diagonale, cioe
A =
_
_
_
d
1
. . . 0
.
.
.
.
.
.
0 . . . d
n
_
_
_
Ma allora tale matrice ha proprio gli autovalori sulla diagonale in quanto
T(v
1
) = Av
1
=
_
_
_
d
1
. . . 0
.
.
.
.
.
.
0 . . . d
n
_
_
_
_
_
_
1
.
.
.
0
_
_
_
=
_
_
_
d
1
.
.
.
0
_
_
_
= d
1
v
1
.
.
.
T(v
n
) = Av
n
=
_
_
_
d
1
. . . 0
.
.
.
.
.
.
0 . . . d
n
_
_
_
_
_
_
0
.
.
.
1
_
_
_
=
_
_
_
0
.
.
.
d
n
_
_
_
= d
n
v
n
Dunque la base B `e costituita da autovettori.
5
3 Calcolo di autovalori e autovettori
Vogliamo adesso dare un metodo operativo per calcolare autovalori e autovet-
tori di una matrice o applicazione lineare date.
Denizione 3.1. Data una matrice quadrata A deniamo polinomio carat-
teristico di A il seguente polinomio in x:
det(A xI)
dove det denota il determinante e I la matrice identita.
Teorema 3.2. Uno scalare `e un autovalore di A se e solo se `e uno zero
del polinomio caratteristico cio`e det(A I) = 0.
Proof. Se `e autovalore di A allora esiste v = 0 tale che Av = v, cio`e
v ker(A I). Quindi la matrice A I `e singolare e quindi il suo
determinante `e zero.
Viceversa se det(AI) = 0, esiste v ker((AI). v `e autovettore di
autovalore .
Denizione 3.3. Siano A e B due matrici n n. A e B si dicono simili se
esiste una matrice invertibile n n P tale che:
B = P
1
AP
Osservazione 3.4.
Se A e B sono simili allora A e B corrispondono alla STESSA appli-
cazione lineare scritta con basi diverse. Cio segue immediatamente
dalla nostra trattazione sul cambio di base.
A `e diagonalizzabile se e solo se `e simile ad una matrice diagonale.
Teorema 3.5. Matrici simili hanno lo stesso polinomio caratteristico. (At-
tenzione, linverso `e falso!).
Proof.
det(P
1
AP xI) = det(P
1
AP xP
1
P) =
det(P(A xI)P
1
) = det P det(A xI) det P
1
= det(a xI)
6
Osservazione IMPORTANTE. Un vettore v = 0 `e autovettore di una
trasformazione lineare T associato allautovalore se e solo se apparteine a
ker(T I).
Denizione 3.6. Se `e un autovalore di T allora ker(T I) si dice au-
tospazio relativo allautovalore .
Si verica facilmente che un autospazio `e un sottospazio vettoriale.
Ci sar`a inoltre molto utile il seguente teorema, che non dimostriamo.
Teorema 3.7. Sia T una trasformazione lineare e siano v
1
, . . . , v
n
autovet-
tori di T relativi agli autovalori
1
, . . . ,
n
rispettivamente. Se
1
, . . . ,
n
sono tutti distinti tra loro allora {v
1
, . . . , v
n
} sono linearmente indipendenti
In pratica il teorema precedente ci dice che se abbiamo una matrice A
Mat
nn
(R) con n autovalori distinti, allora essa `e diagonalizzabile, perch`e se
prendiamo degli autovettori relativi agli autovalori di A per il teorema sono
linearmente indipendenti, e quindi formano una base di R
n
.
Questo teorema ci permette di avere una strategia precisa nel vedere se
una certa matrice n n `e diagonalizzabile.
Calcoliamo le radici del polinomio caratteristico. Se sono tutte distinte,
allora abbiamo n autovalori distinti corrispondenti a n autovettori lin-
earmente indipendenti e quindi A e diagonalizzabile.
Per ciascun autovalore calcoliamo ker(A I). Se la somma delle
dimensioni di ker(A
1
I)...ker(A
t
I) e proprio n cio ci permettera
di trovare n autovettori linearmente indipendenti e quindi una base di
V .
Esempio 3.8. Vogliamo trovare autovalori e autovettori della matrice
A =
_
5 4
3 2
_
e stabilire se la matrice A `e diagonalizzabile.
Il polinomio caratteristico di A e:
det(A I) =
2
3 + 2
7
Lequazione associata haa soluzioni: 1 e 2, quindi ci sono due autovalori per
A.
Gli autovettori associati si trovano calcolando rispettivamente:
V
1
= ker(A I) = ker
_
4 4
3 3
_
= Span{(1, 1)}
V
2
= ker(A 2I) = ker
_
3 4
3 4
_
= Span{(4/3, 1)}
(1, 1), (4/3, 1) sono linearmente indipendenti (si vede facilmente, comunque
basta osservare che sono autovettori relativi a due autovalori distinti), percio
abbiamo che A `e diagonalizzabile, ed `e simile alla matrice diagonale:
D =
_
1 0
0 2
_
= P
1
AP
P =
_
1 4/3
1 1
_
Vediamo un altro esempio piu complesso.
Esempio 3.9. Vogliamo trovare gli autovalori e gli autovettori della matrice
_
_
3 2 1
0 1 2
0 1 1
_
_
e stabilire se `e diagonalizzabile. Vediamo schematicamente come procedere.
Calcoliamo il polinomio caratteristico di A:
P
A
(t) = det
_
_
3 t 2 1
0 1 t 2
0 1 1 t
_
_
= (3 t)(t
2
3) .
Troviamo le radici del polinomio caratteristico, cio`e le soluzioni di (3
t)(t
2
3) = 0:
t = 3, t =

3, t =

3
e questi sono gli autovalori di A. Poich`e A ha tre autovalori distinti
esiste una base di R
3
data da autovettori di A.
8
Calcoliamo lautospazio corrispondente allautovalore t = 3; sar`a dato
da quei vettori (x, y, z) R
3
tali che:
A
_
_
x
y
z
_
_
= 3
_
_
x
y
z
_
_
e quindi dalle soluzioni del sistema
_

_
3x + 2y + z = 3x
y + 2z = 3y
y z = 3z .
Notiamo che la matrice associata a questo sistema lineare `e:
_
_
3 3 2 1
0 1 3 2
0 1 1 3
_
_
,
che `e la matrice usata per calcolare il polinomio caratteristico, in cui
abbiamo sostituito lautovalore 3 al posto di t.
Riducendo la matrice con il metodo di Gauss si ottiene
_
_
0 1 4
0 0 9
0 0 0
_
_
,
Quindi le soluzioni del sistema dipendono da 3 2 = 1 parametro. Si
ricavano y e z e la x ha un valore arbitrario s. Si ottiene che V
3
=
{(s, 0, 0)

s R} = Span{(1, 0, 0)} ed ha dimensione 1.


Calcolo lautospazio corrispondente allautovalore t =

3; sar` a dato da
quei vettori (x, y, z) R
3
tali che:
A
_
_
x
y
z
_
_
=

3
_
_
x
y
z
_
_
e quindi dalle soluzioni del sistema
_

_
3x + 2y + z =

3x
y + 2z =

3y
y z =

3z .
9
Notiamo che la matrice associata a questo sistema lineare `e:
_
_
3

3 2 1
0 1

3 2
0 1 1

3
_
_
,
che `e la matrice usata per calcolare il polinomio caratteristico, in cui
abbiamo sostituito lautovalore

3 al posto di t.
Risolvendo il sistema si ottiene
_

_
x =
5+3

3
2
z
z = z
y = (1 +

3)z .
e quindi V

3
= {(
5+3

3
2
z, (1 +

3)z, z)

z R} = Span{((5 +
3

3), 2 + 2

3, 2)} ed ha dimensione 1.
Calcoliamo lautospazio corrispondente allautovalore t =

3; sar`a
dato da quei vettori (x, y, z) R
3
tali che:
A
_
_
x
y
z
_
_
=

3
_
_
x
y
z
_
_
e quindi dalle soluzioni del sistema
_

_
3x + 2y + z =

3x
y + 2z =

3y
y z =

3z .
Notiamo che la matrice associata a questo sistema lineare `e:
_
_
3 +

3 2 1
0 1 +

3 2
0 1 1 +

3
_
_
.
Risolvendo il sistema si ottiene
_

_
x =
5+3

3
2
z
z = z
y = (1

3)z .
10
e quindi V

3
= {(
5+3

3
2
z, (1

3)z, z)

z R} = Span{((5 +
3

3), 2 2

3, 2)} ed ha dimensione 1.
Una matrice diagonale D simile ad A `e
D =
_
_
3 0 0
0

3 0
0 0

3
_
_
,
e si ha che D = P
1
AP, ove
P =
_
_
1 (5 + 3

3) 5 + 3

3
0 2 + 2

3 2 2

3
0 2 2
_
_
,
Esempio 3.10. Troviamo autovalori ed autovettori della applicazione lineare
L : R
2
R
2
, L(x, y) = (x + 4y, 2x + 3y).
Troviamo la matrice associata a L rispetto alle basi canoniche:
M =
_
1 4
2 3
_
Troviamo il polinomio caratteristico di questa matrice:
P(t) = det
_
1 t 4
2 3 t
_
= t
2
4t 5 .
Troviamo le radici del polinomio caratteristico: P(t) = 0 t = 5 o
t = 1. questi sono gli autovalori di L.
Per trovare lautospazio di autovalore 5 risolviamo L(x, y) = 5(x, y).
_
x + 4y = 5x
2x + 3y = 5y
da cui V
5
= {(x, y) R
2

x = y} = Span{(1, 1)}.
11
Per trovare lautospazio di autovalore 1 risolviamo L(x, y) = (x, y).
_
x + 4y = x
2x + 3y = y
da cui V
1
= {(x, y) R
2

x = 2y} = Span{(2, 1)}.


Esempio 3.11. Vogliamo trovare gli autovalori e gli autovettori della matrice
_
_
8 18 2
3 7 1
0 0 1
_
_
e stabilire se `e diagonalizzabile.
Calcoliamo il polinomio caratteristico di A:
P
A
(t) = det
_
_
8 t 18 2
3 7 t 1
0 0 1 t
_
_
= (1 t)(t
2
+ t 2) .
Troviamo le radici del polinomio caratteristico, cio`e le soluzioni di (1
t)(t
2
+ t 2) = 0, ossia (1 t)
2
(2 + t) = 0:
t = 1, t = 2
e questi sono gli autovalori di A. Notiamo che t = 1 ha molteplicit` a 2.
Calcoliamo lautospazio corrispondente allautovalore t = 1; sar`a dato
da quei vettori (x, y, z) R
3
tali che:
A
_
_
x
y
z
_
_
=
_
_
x
y
z
_
_
e quindi dalle soluzioni del sistema associato alla matrice:
_
_
8 1 18 2
3 7 1 1
0 0 1 1
_
_
,
12
che `e la matrice usata per calcolare il polinomio caratteristico, in cui
abbiamo sostituito lautovalore 1 al posto di t.
Riducendo la matrice con il metodo di Gauss si ottiene
_
_
1 2 1/9
0 12 1/3
0 0 0
_
_
,
quindi le soluzioni del sistema dipendono da 3 2 = 1 parametro. Si
ricavano x e y e la z ha un valore arbitrario s. Si ottiene che V
1
=
{(
1
6
s,
1
36
s, s)

s R} = Span{(
1
6
,
1
36
, 1)} ed ha dimensione 1.
Calcolo lautospazio corrispondente allautovalore t = 2; sar`a dato da
quei vettori (x, y, z) R
3
tali che:
A
_
_
x
y
z
_
_
= 2
_
_
x
y
z
_
_
e quindi dalle soluzioni del sistema associato alla matrice
_
_
8 + 2 18 2
3 7 + 2 1
0 0 1 + 2
_
_
,
che `e la matrice usata per calcolare il polinomio caratteristico, in cui
abbiamo sostituito lautovalore 2 al posto di t.
Riducendo la matrice con il metodo di Gauss si ottiene
_
_
1 3 1/3
0 0 3
0 0 0
_
_
,
quindi le soluzioni del sistema dipendono da 3 2 = 1 parametro. Si
ricavano x e z e la y ha un valore arbitrario s. Si ottiene che V
2
=
{(3s, s, 0)

s R} = Span{(3, 1, 0)} ed ha dimensione 1.


In questo caso A non `e diagonalizzabile, perch`e non abbiamo una base
di autovettori. Questo dipende dal fatto che t = 1 ha molteplicit` a 2
come radice del polinomio caratteristico, ma V
1
ha dimensione 1 e non
2.
13
Esempio 3.12. Vogliamo trovare gli autovalori e gli autovettori della matrice
_
_
8 18 0
3 7 0
0 0 1
_
_
e stabilire se `e diagonalizzabile. Vediamo schematicamente come procedere.
Calcoliamo il polinomio caratteristico di A:
P
A
(t) = det
_
_
8 t 18 0
3 7 t 0
0 0 1 t
_
_
= (1 + t)(t
2
t 2) .
Troviamo le radici del polinomio caratteristico, cio`e le soluzioni di (1 +
t)(t
2
t 2) = 0, ossia (1 + t)
2
(t 2) = 0:
t = 1, t = 2
e questi sono gli autovalori di A. Notiamo che t = 1 ha molteplicit`a
2.
Calcoliamo lautospazio corrispondente allautovalore t = 1; sar`a dato
da quei vettori (x, y, z) R
3
tali che:
A
_
_
x
y
z
_
_
=
_
_
x
y
z
_
_
e quindi dalle soluzioni del sistema associato alla matrice:
_
_
8 + 1 18 0
3 7 + 1 0
0 0 1 + 1
_
_
,
che `e la matrice usata per calcolare il polinomio caratteristico, in cui
abbiamo sostituito lautovalore 1 al posto di t.
Riducendo la matrice con il metodo di Gauss si ottiene
_
_
1 2 0
0 0 0
0 0 0
_
_
,
14
quindi le soluzioni del sistema dipendono da 3 1 = 2 parametri..
Si ricavax e y, z hanno valori arbitrari s, t. Si ottiene che V
1
=
{(2s, s, t)

s R} = Span{(2, 1, 0), (0, 0, 1)} ed ha dimensione 2.


Calcoliamo lautospazio corrispondente allautovalore t = 2; sar`a dato
da quei vettori (x, y, z) R
3
tali che:
A
_
_
x
y
z
_
_
= 2
_
_
x
y
z
_
_
e quindi dalle soluzioni del sistema associato alla matrice
_
_
8 2 18 0
33 7 2 0
0 0 1 2
_
_
,
che `e la matrice usata per calcolare il polinomio caratteristico, in cui
abbiamo sostituito lautovalore 2 al posto di t.
Riducendo la matrice con il metodo di Gauss si ottiene
_
_
1 3 0
0 0 3
0 0 0
_
_
,
quindi le soluzioni del sistema dipendono da 3 2 = 1 parametro.
Si ricavano x, z e y ha un valore arbitrario s. Si ottiene che V
2
=
{(3s, s, 0)

s R} = Span{(3, 1, 0)} ed ha dimensione 1.


In questo caso A `e diagonalizzabile, perch`e abbiamo una base B di
autovettori. Si ha che B = {(2, 1, 0), (0, 0, 1), (3, 1, 0)}, una matrice
diagonale D simile ad A `e
D =
_
_
1 0 0
0 1 0
0 0 2
_
_
,
e si ha che D = P
1
AP, ove
P =
_
_
2 0 3
1 0 1
0 1 0
_
_
.
15
Si noti che t = 1 ha molteplicit` a 2 come radice del polinomio caratter-
istico, e V
1
ha dimensione 2.
4 Esercizi
Siano a, b, c le ultime 3 cifre non nulle del proprio numero di matricola.
1. Trovare autovalori ed autovettori delle seguenti matrici o applicazioni
lineari:
a) la matrice:
_
_
2 1 0
0 1 1
0 2 4
_
_
b) lapplicazione lineare L : R
2
R
2
denita da:
L(x, y) = (2x + y, 2x + 3y).
c) lapplicazione lineare L : R
3
R
3
denita da:
L(x, y, z) = (x + y, x + z, y + z).
d) lapplicazione lineare L : R
2
R
2
denita da:
L(x, y) = (x 3y, 2x + 6y).
2. Sia data la matrice:
A =
_
2a + 2b 2a 2b
2a 2b 2a + 2b
_
Si calcolino autovalori e autovettori.
A `e diagonalizzabile? In caso aermativo, si scriva una matrice diago-
nale A

simile ad A.
[NOTA: Gli studenti con numero di matricola tale che a = b pongano
b = a + 1.]
16
3. Sia T : R
2
R
2
lapplicazione lineare associata alla matrice A,
rispetto alla base canonica.
A =
_
b +b
2 2
_
Si calcolino autovalori e autovettori. La matrice `e diagonalizzabile.
4. Si scriva una applicazione lineare T : R
2
R
2
che abbia e
1
e
2
come
autovettore di autovalore 2.
5. Sia data la matrice:
A =
_
2b 2c 2b 4c
b + 2c b + 4c
_
Si calcolino autovalori e autovettori.
A `e diagonalizzabile? In caso aermativo, si scriva una matrice diago-
nale A

simile ad A.
6. a) Sia data la matrice:
A =
_
_
a 0 0
0 a b
0 2a 2b
_
_
Si calcolino autovalori e autovettori.
A `e diagonalizzabile? In caso aermativo, si scriva una matrice diago-
nale A

simile ad A.
b)
`
E possibile trovare una matrice B tale che AB = I (ove I `e la
matrice identita)? Si motivi accuratamente la risposta.
7. Data la matrice:
A =
_
_
a a 0
0 0 0
0 a a
_
_
Si calcolino autovalori e autovettori e si dica se `e diagonalizzabile.
17