Sei sulla pagina 1di 17

Lezione 10: Autovalori e autovettori

In questa lezione vogliamo affrontare uno degli argomenti pi`


u profondi e
interessanti dellalgebra lineare e cioe il concetto di autovalore e autovettore
per una applicazione lineare.

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 diagonale. Vediamo subito un esempio.
Esempio 1.1. Sia : R2 R2 la trasformazione lineare (e1 ) = e2 ,
(e2 ) = e1 . Nella base canonica per dominio e codominio f `e rappresentata
dalla matrice:


0 1
A=
1 0
Osserviamo che:

(e1 + e2 ) = e1 + e2 ,

(e1 e2 ) = (e1 e2 )

Quindi se scegliamo come base B = {v1 , v2 } con v1 = e1 + e2 e v2 = e1 e2


abbiamo che (v1 ) = v1 e (v2 ) = v2 . Percio la matrice di nella nuova
base B (in dominio e codominio) `e una matrice diagonale:


1
0
A =
0 1
(senza bisogno di calcoli, perche ?).
Geometricamente in questo caso `e molto semplice vedere che cosa accade.
La trasformazione consiste in una riflessione del piano cartesiano rispetto
` percio immediato
alla retta x = y. Infatti (e1 ) = e2 , (e2 ) = e1 . E
geometricamente stabilire che il vettore v1 che giace sulla retta x = y `e
fissato dalla trasformazione mentre il vettore v2 che `e perpendicolare alla
retta x = y viene mandato in v2 . In base a queste osservazioni geometriche
si puo concludere senza alcun calcolo che nella base B = (v1 , v2 ) la matrice

associata a ha la forma diagonale specificata A.


1

Definizione 1.2. Un applicazione lineare T : Rn Rn si dice diagonalizzabile se esiste una base B per Rn (dominio e codominio) nella quale la
matrice AT associata a T in tale base `e una matrice diagonale.
Nellesempio precedente lapplicazione `e diagonalizzabile e B = {e1 +
e2 , e1 e2 } `e la base in cui la matrice associata a `e diagonale.
Cosi come abbiamo dato la definizione di applicazione lineare diagonalizzabile `e possibile dare anche la definizione di matrice diagonalizzabile: essenzialmente si tratta di una matrice associata ad una applicazione lineare
diagonalizzabile, ma vediamo la definizione precisa.
Definizione 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 : Rn Rn 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 = IB,C ha precisamente come colonne gli elementi
della base B espressi nelle coordinate della base canonica. Dunque T `e diagonalizzabile 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 definizione 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 affermazione.
Sorgono ora spontanee due domande:
1) In generale, unapplicazione lineare T : Rn Rn `e sempre diagonalizzabile? 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 formano 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. Geometricamente `e facile convincersi che esistono molte matrici non diagonalizzabili.
Vediamone un esempio.
Esempio 1.6. Consideriamo lapplicazione lineare : R2 R2 , (e1 ) =
e2 , (e2 ) = e1 . La matrice che rappresenta nella base canonica `e data
da:


0 1
.
A=
1 0

Nonostante sia molto simile a quella dellesempio precedente, contiene una


importante differenza. Geometricamente corrisponde ad una rotazione
oraria di 900 del piano attorno allorigine. Perch`e A o equivalentemente sia
diagonalizzabile devono esistere due vettori v1 , v2 linearmente indipendenti
tali che (v1 ) = 1 v1 , (v2 ) = 2 v2 per 1 , 2 R, cio`e due vettori che
conservino la propria direzione. In tal caso infatti la matrice di nella base
B = {v1 , v2 } sarebbe:



0
1
A =
0 2
Ma `e immediato vedere che una rotazione non fissa la direzione di nessun
vettore, quindi v1 e v2 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 v1 =
(1, i) e v2 = (i, 1) tali che (v1 ) = iv1 , (v2 ) = iv2 .
Questo esempio suggerisce una terza domanda:
3) Se permettiamo agli scalari di assumere valori complessi allora possiamo 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.

Autovalori e autovettori

Abbiamo visto nella sezione precedente che, per la diagonalizzabilita, giocano 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 autovettori. Vediamone la definizione precisa.
Definizione 2.1. Data unapplicazione lineare T : V V diciamo che un
vettore non nullo v V `e un autovettore di T se T v = 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 TA applicazione lineare associata ad A, cio`e lapplicazione
lineare avente per matrice A nella base canonica di dominio e codominio.
` importante capire che il fatto che un vettore sia autovettore e un numero
E
sia autovalore di una applicazione lineare T non dipende dalla base scelta per
rappresentare T !
Nellesempio 1.1 abbiamo che i vettori v1 = e1 + e2 e v2 = e1 e2
sono autovettori di autovalori rispettivamente 1 e 1 dellapplicazione . Se
prendiamo la base formata dagli autovettori B = (v1 , v2 ) v1 = (1, 1)C =
(1, 0)B , v2 = (1, 1)C = (0, 1)B . Pur cambiando le coordinate, cio`e il modo
di scrivere questi vettori, i vettori v1 e v2 non cambiano e allo stesso modo
non cambiano i loro autovalori. Infatti, sempre nellesempio, abbiamo visto
che la matrice associata a e


1
0
A =
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 = (v1 . . . vn ) di autovettori, allora la matrice
associata a T nella base B `e diagonale. Infatti T (v1 ) = 1 v1 . . . T (vn ) =
n vn , dunque la matrice e:

1 . . . 0
..
..
.
.
0

. . . n

dunque la trasformazione T `e diagonalizzabile per definizione.


Viceversa, se T `e diagonalizzabile, significa che esiste una base B in cui
la matrice associata a T `e diagonale, cioe

d1 . . . 0

..
A = ...
.
0

Ma allora tale matrice ha proprio gli

d1 . . .
..
T (v1 ) = Av1 = .
0 ...

. . . dn

autovalori sulla diagonale in quanto



0
1
d1
.. .. = .. = d v
1 1
. . .
dn
0
0
..
.


d1 . . . 0
0
0
..

.
.
.. .. = ...
T (vn ) = Avn = .
= dn vn
0 . . . dn
1
dn
Dunque la base B `e costituita da autovettori.

Calcolo di autovalori e autovettori

Vogliamo adesso dare un metodo operativo per calcolare autovalori e autovettori di una matrice o applicazione lineare date.
Definizione 3.1. Data una matrice quadrata A definiamo polinomio caratteristico 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 6= 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(A I) = 0, esiste v ker((A I). v `e autovettore di
autovalore .
Definizione 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 1AP
Osservazione 3.4.
Se A e B sono simili allora A e B corrispondono alla STESSA applicazione 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. (Attenzione, 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)

Osservazione IMPORTANTE. Un vettore v 6= 0 `e autovettore di una


trasformazione lineare T associato allautovalore se e solo se apparteine a
ker(T I).
Definizione 3.6. Se `e un autovalore di T allora ker(T I) si dice autospazio relativo allautovalore .
Si verifica 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 v1 , . . . , vn autovettori di T relativi agli autovalori 1 , . . . , n rispettivamente. Se 1 , . . . , n
sono tutti distinti tra loro allora {v1 , . . . , vn } sono linearmente indipendenti
In pratica il teorema precedente ci dice che se abbiamo una matrice A
Matnn (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 Rn .
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 linearmente indipendenti e quindi A e diagonalizzabile.
Per ciascun autovalore calcoliamo ker(A I). Se la somma delle
dimensioni di ker(A1 I)...ker(At 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


5 4
A=
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:


4 4
= Span{(1, 1)}
V1 = ker(A I) = ker
3 3


3 4
= Span{(4/3, 1)}
V2 = ker(A 2I) = ker
3 4
(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:


1 0
D=
= P 1 AP
0 2


1 4/3
P =
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:

3t
2
1
= (3 t)(t2 3) .
1t
2
PA (t) = det 0
0
1
1 t
Troviamo le radici del polinomio caratteristico, cio`e le soluzioni di (3
t)(t2 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 R3 data da autovettori di A.
8

Calcoliamo lautospazio corrispondente allautovalore t = 3; sar`a dato


da quei vettori (x, y, z) R3 tali che:


x
x

y
A
=3 y
z
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:

33
2
1
0
,
13
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 V3 =
{(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) R3 tali che:


x
x

A y
= 3 y
z
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

5+3 3

x = 2 z
z=z

y = (1 + 3)z .

e quindi V3 = {( 5+32 3 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) R3 tali che:


x
x

A y = 3 y
z
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

5+3 3

z
x
=

2
z=z

y = (1 3)z
10

3
z R} = Span{((5 +
z,
(1

e quindi V3 = {( 5+3
3)z,
z)
2

3 3), 2 2 3, 2)} ed ha dimensione 1.

Una matrice diagonale D simile ad A `e

3 0
0
3
0 ,
D= 0

0 0 3

e si ha che D = P 1AP , ove


1 (5 + 3 3) 5 + 3 3
P = 0
2 2 3 ,
2+2 3
0
2
2

Esempio 3.10. Troviamo autovalori ed autovettori della applicazione lineare


L : R2 R2 , L(x, y) = (x + 4y, 2x + 3y).
Troviamo la matrice associata a L rispetto alle basi canoniche:


1 4
M=
2 3
Troviamo il polinomio caratteristico di questa matrice:


1t
4
P (t) = det
= t2 4t 5 .
2
3t
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 V5 = {(x, y) R2 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 V1 = {(x, y) R2 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:

8 t 18
2
7t
1 = (1 t)(t2 + t 2) .
PA (t) = det 3
0
0
1t
Troviamo le radici del polinomio caratteristico, cio`e le soluzioni di (1
t)(t2 + 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) R3 tali che:

x
x
A y = y
z
z
e quindi dalle soluzioni del sistema associato alla matrice:

8 1 18
2
3
71
1 ,
0
0
11

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 V1 =
1
1
{( 16 s, 36
s, s) s R} = Span{( 16 , 36
, 1)} ed ha dimensione 1.

Calcolo lautospazio corrispondente allautovalore t = 2; sar`a dato da


quei vettori (x, y, z) R3 tali che:


x
x
A y = 2 y
z
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 V2 =
{(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 V1 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:

8 t 18
0
= (1 + t)(t2 t 2) .
7 t
0
PA (t) = det 3
0
0
1 t
Troviamo le radici del polinomio caratteristico, cio`e le soluzioni di (1 +
t)(t2 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) R3 tali che:


x
x

A y
= y
z
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 V1 =
{(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) R3 tali che:


x
x
A y = 2 y
z
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 V2 =
{(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

1 0 0
D = 0 1 0 ,
0
0 2
e si ha che D = P 1AP , ove

2 0 3
P = 1 0 1 .
0 1 0
15

Si noti che t = 1 ha molteplicit`a 2 come radice del polinomio caratteristico, e V1 ha dimensione 2.

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 : R2 R2 definita da:


L(x, y) = (2x + y, 2x + 3y).
c) lapplicazione lineare L : R3 R3 definita da:
L(x, y, z) = (x + y, x + z, y + z).
d) lapplicazione lineare L : R2 R2 definita 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 affermativo, si scriva una matrice diagonale A simile ad A.
[NOTA: Gli studenti con numero di matricola tale che a = b pongano
b = a + 1.]
16

3. Sia T : R2 R2 lapplicazione lineare associata alla matrice A,


rispetto alla base canonica.


b +b
A=
2 2
Si calcolino autovalori e autovettori. La matrice `e diagonalizzabile.
4. Si scriva una applicazione lineare T : R2 R2 che abbia e1 e2 come
autovettore di autovalore 2.
5. Sia data la matrice:


2b 2c 2b 4c
A=
b + 2c
b + 4c
Si calcolino autovalori e autovettori.
A `e diagonalizzabile? In caso affermativo, si scriva una matrice diagonale A simile ad A.
6. a) Sia data la matrice:

a 0
0
A = 0 a b
0 2a 2b

Si calcolino autovalori e autovettori.

A `e diagonalizzabile? In caso affermativo, si scriva una matrice diagonale A simile ad A.


` possibile trovare una matrice B tale che AB = I (ove I `e la
b) E
matrice identita)? Si motivi accuratamente la risposta.
7. Data la matrice:

a a
0
0
0
A= 0
0 a a

Si calcolino autovalori e autovettori e si dica se `e diagonalizzabile.

17