Sei sulla pagina 1di 6

ALGEBRA LINEARE PROVA SCRITTA DEL 2/2/2007

1. Si consideri in /
3,3
(R) la matrice denita da
A =
_
_
_
3 9 2
0 2 0
1 9 4
_
_
_. (1)
a) Calcolare gli autovalori di A ed una base per ogni autospazio.
b) La matrice `e diagonalizzabile? In caso aermativo, trovare una
trasformazione di similitudine che riduca A in forma diagonale.
c) Calcolare A
n
, con n N.
2. Calcolare il determinante della matrice n n
M =
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 2 ... n 3 n 2 n 1 n
2 3 ... n 2 n 1 n n
3 4 ... n 1 n n n
. . ... . . . .
. . ... . . . .
. . ... . . . .
n 1 n ... n n n n
n n ... n n n n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
. (2)
3. a) Enunciare e discutere il teorema di Sylvester.
b) Calcolare, al variare di k R, indice di positivit`a e di nullit`a della
forma bilineare simmetrica rappresentata dalla matrice
A =
_
_
_
1 0 k
2
0 k 0
k
2
0 k
3
_
_
_. (3)
4. Sia data in C
3
lapplicazione lineare denita da
_

_
L(e
1
) = ie
2
+ e
3
,
L(e
2
) = ie
1
+ 2e
2
,
L(e
3
) = e
1
+ 2e
3
,
(4)
dove B = e
1
, e
2
, e
3
`e una base di C
3
.
a) Scrivere la matrice M associata ad L rispetto alla base B.
1
b) Trovare una base per il nucleo e una base per limmagine di L.
c) Qual`e la dimensione dello spazio delle soluzioni del sistema lineare
M
2
X = 4X, con X =
_
_
_
x
y
z
_
_
_ C
3
?
5. Dire se la funzione : R
2
R denita da
(x
1
, x
2
) = max([x
1
[, [x
2
[) (5)
per ogni (x, y) R
2
`e una norma, cioe se soddisfa alle propriet`a della
norma di un vettore.
2
SOLUZIONI PROVA SCRITTA DEL 2/2/2007
1. a) Il polinomio caratteristico di A `e
p() = det(I A) = ( 2)
2
( 5). (6)
Gli autovalori di A sono quindi
1
= 2 (con molteplicit`a algebrica 2) e

2
= 5 (con molteplicit`a algebrica 1). I corrispondenti autospazi sono
V
1
=
_

_
a
_
_
_
9
1
0
_
_
_ + b
_
_
_
2
0
1
_
_
_, a, b R
_

_
, V
2
=
_

_
a
_
_
_
1
0
1
_
_
_, a R
_

_
.
(7)
b) Siccome per tutti gli autovalori la molteplicit`a algebrica `e uguale a
quella geometrica, ne consegue che la matrice `e diagonalizzabile. La
trasformazione di similitudine richiesta `e A

= N
1
AN, dove
A

= diag(
1
,
1
,
2
) = diag(2, 2, 5), (8)
N `e la matrice che ha come colonne gli autovettori di A e N
1
la sua
inversa:
N =
_
_
_
9 2 1
1 0 0
0 1 1
_
_
_, N
1
=
_
_
_
0 1 0
1/3 3 1/3
1/3 3 2/3
_
_
_. (9)
c) Abbiamo A = NA

N
1
, da cui possiamo calcolare A
n
moltiplicando
solamente 3 matrici:
A
n
= N(A

)
n
N
1
=
_
_
_
9 2 1
1 0 0
0 1 1
_
_
_
_
_
_
2
n
0 0
0 2
n
0
0 0 5
n
_
_
_
_
_
_
0 1 0
1/3 3 1/3
1/3 3 2/3
_
_
_.
(10)
2. Sottraendo allultima colonna la penultima, alla penultima la terzultima
3
e cos` via otteniamo
det(M) = det
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 1 ... 1 1 1 1
2 1 ... 1 1 1 0
3 1 ... 1 1 0 0
. . ... . . . .
. . ... . . . .
. . ... . . . .
n 1 1 ... 0 0 0 0
n 0 ... 0 0 0 0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
= (1)
nt
n, (11)
dove n
t
= (n 1) + (n 2) + + 2 + 1 = n(n 1)/2 `e il numero di
trasposizioni per ridurre la matrice alla forma triangolare
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 1 ... 1 1
0 1 ... 1 2
0 0 ... 1 3
. . ... . .
. . ... . .
. . ... . .
0 0 ... 1 n 1
0 0 ... 0 n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
. (12)
3. b)
`
E suciente studiare i segni degli autovalori di A in quanto il teo-
rema spettrale ci assicura che `e possibile trovare una base ortonormale
di autovettori v
i
di A e v
i
, Av
i
) =
i
, con
i
autovalore di A cor-
rispondente allautovettore v
i
. Il polinomio caratteristico di A `e
p
A
() = [
2
(k
3
+ 1) + k
3
k
4
], (13)
per cui gli autovalori di A sono dati da

1
= k,

=
1
2
_
k
3
+ 1
_
(k
3
+ 1)
2
4k
3
(1 k)
_
. (14)
Quando 4k
3
(1 k) < 0, cioe per 0 < k < 1, i due autovalori hanno
lo stesso segno, che `e uguale al segno di k
3
+ 1, per cui
+
,

> 0 in
questo caso. Siccome anche
1
> 0, ne concludiamo che per 0 < k < 1
lidice di positivit`a vale 3 e quello di nullit`a 0.
4
Per k < 0 e per k > 1 i due autovalori

hanno segno discorde,

+
> 0 e

< 0. Siccome per k < 0 abbiamo


1
< 0 mentre per
k > 1 `e
1
> 0, ne consegue che per k < 0 lindice di positivit`a vale 1
e quello di nullit`a 0, mentre per k > 1 lindice di positivit`a `e 2 e quello
di nullit`a 0.
Per k = 0 abbiamo
1
= 0,
+
= 1,

= 0, per cui lindice di positivit`a


vale 1 e quello di nullit`a 2.
Per k = 1 abbiamo
1
= 1,
+
= 2,

= 0, per cui lindice di positivit`a


vale 2 e quello di nullit`a 1.
Soluzione alternativa: applicare Gram-Schmidt alla base canonica di
R
3
, cioe a B = e
1
= (1, 0, 0), e
2
= (0, 1, 0), e
3
= (0, 0, 1). Si ricava
cos` la base ortogonale B

= v
1
, v
2
, v
3
, con
v
1
= e
1
,
v
2
= e
2

e
2
, v
1
)
v
1
, v
1
)
v
1
= e
2
,
v
3
= e
3

e
3
, v
1
)
v
1
, v
1
)
v
1

e
3
, v
2
)
v
2
, v
2
)
v
2
= e
3
k
2
e
1
, (15)
con il prodotto scalare denito da v, w) =
t
vAW per ogni v, w in R
3
.
Basta inne calcolare
v
1
, v
1
) = 1, v
2
, v
2
) = k, v
3
, v
3
) = k
4
+ k
3
(16)
e studiare il segno di v
i
, v
i
) per i = 1, 2, 3 per ritrovare gli stessi risultati
ottenuti con il metodo precedentemente usato.
4. a) La matrice M associata ad L rispetto alla base B `e data da
M =
_
_
_
0 i 1
i 2 0
1 0 2
_
_
_. (17)
b) Siccome det(M) = 4 ,= 0, M `e invertibile, per cui dim(Ker(L)) = 0
e dim(Im(L)) = 3. Quindi Ker(L) contiene solo il vettore nullo mentre
una base per Im(L) `e ad esempio costituita dalle 3 colonne di L.
c) Siccome M ha autovalori
1
= 2,

= 1

3, ne consegue che
5
M
2
ha come autovalori
2
1
= 4,
2
+
= 4 + 2

3 e
2

= 4 2

3. Tali
autovalori hanno tutti molteplicit`a algebrica uguale ad uno e quindi
anche le corrispondenti molteplicit`a geometriche devono esere uguali
ad uno. Ne consegue che M
2
X = 4X =
2
1
X ha come soluzione un
sottospazio (autospazio corrispondente allautovalore
2
1
) di dimensione
1.
5. La funzione `e eettivamente una norma in quanto soddisfa alle 3
propriet`a di una norma:
(i) Risulta (x
1
, x
2
) 0 per ogni (x
1
, x
2
) in R
2
; inoltre luguaglianza
sussiste se e solo se x
1
= x
2
= 0.
(ii) Per ogni c R e (x
1
, x
2
) R
2
, (c(x
1
, x
2
)) = (cx
1
, cx
2
) =
max([cx
1
[, [cx
2
[) = max([c[[x
1
[, [c[[x
2
[) = [c[ max([x
1
[, [x
2
[) = [c[(x
1
, x
2
).
(iii) Per ogni X = (x
1
, x
2
) e Y = (y
1
, y
2
) in R
2
abbiamo (X +
Y ) = (x
1
+ y
1
, x
2
+ y
2
) = max([x
1
+ y
1
[, [x
2
+ y
2
[) max([x
1
[ +
[y
1
[, [x
2
[ + [y
2
[) max[x
1
[ + max([y
1
[, [y
2
[), [x
2
[ + max([y
1
[, [y
2
[) =
max([x
1
[, [x
2
[) + max([y
1
[, [y
2
[) = (X) + (Y ).
6