Sei sulla pagina 1di 11

Geometria 1 per Fisica

2017-2018
Esercizi

1 Sottospazi vettoriali, generatori, basi


       
1 0 1 1
1. Verificare che 1, 1, 0 è una base di R3 . Determinare le coordinate di 0 in
0 1 1 0
questa base.
     
1 1 0
0 −2 2 4
2. I vettori v1 = −1, v2 = −2, v3 = 1 formano una base di R ? Determina-
    

2 3 1
re dim Span(v1 , v2 , v3 ). Dedurne che v1 , v2 , v3 sono linearmente indipendenti. Completare
l’insieme dato ad una base di R4 .
3. Consideriamo in V = R3 i sottospazi
       
1 0 1 2
W1 = Span −1 ,  2  , W2 = Span 0 , 1 .
1 −1 1 0

Determinare dim(W1 ∩ W2 ) e dim(W1 + W2 ). Determinare una base di W1 ∩ W2 e una di


W1 + W2 .
       
3 2 0 1
4. Consideriamo i vettori v1 =  2  , v2 =  1  , v3 = 1 , v4 = 0 in R3 . Questi
−1 −1 1 1
vettori generano R3 ? Sono una base? Estrarre da {v1 , v2 , v3 , v4 } un insieme massimale
indipendente. Questo insieme massimale indipendente è una base? Quanti diversi insiemi
massimali indipendenti si possono estrarre da {v1 , . . . , v4 }?
5. (Decomposizione in frazioni parziali) Consideriamo il polinomio q(x) = (x − 1)(x − 2)(x − 3).
(a) Verificare che l’insieme
 
p(x)
V = p(x) ∈ R[x], p(x) = 0 oppure deg p(x) ≤ 2
q(x)
è uno spazio vettoriale con le operazioni evidenti.
(b) Calcolare dim V .
(c) Dimostrare che i seguenti vettori di V :
1 (x − 2)(x − 3)
= ,
x−1 (x − 1)(x − 2)(x − 3)
1 (x − 1)(x − 3)
= ,
x−2 (x − 1)(x − 2)(x − 3)

1
1 (x − 1)(x − 2)
=
x−3 (x − 1)(x − 2)(x − 3)
sono linearmente indipendenti.
(d) Dedurre che per ogni polinomio p(x) a coefficienti reali e di grado al più 2 esistono e
sono unici numeri reali λ1 , λ2 , λ3 tali che

p(x) λ1 λ2 λ3
= + + .
q(x) x−1 x−2 x−3

(e) ? Cosa succede nel caso del polinomio q(x) = (x − 1)2 (x − 2)?

6. Abbiamo visto in una esercitazione precedente che


   
1 2
Span 2 , −2 = {(x, y, z) ∈ R3 x + y − z = 0}.

3 0

Dimostrare nuovamente questo fatto facendo appello al concetto di dimensione.


Indicazione: l’insieme che appare sul lato sinistro dell’uguaglianza è un sottospazio vetto-
riale di R3 di dimensione 2. L’insieme sul lato destro è un sottospazio vettoriale di dimensione
al più 2. Il primo insieme è incluso nel secondo.

7. Consideriamo a1 , . . . , an ∈ K elementi non tutti nulli. Verificare (anche se l’abbiamo prati-


camente già fatto!) che

{(x1 , . . . , xn ) ∈ Kn : a1 x1 + · · · + an xn = 0}

è un sottospazio vettoriale di Kn . Determinare la sua dimensione. (Detto a parole: il


sottospazio in questione è l’insieme delle soluzioni di un’equazione lineare in n variabili).
Dedurre che se a11 , . . . , a1n ; a21 , . . . , a2n ; · · · ; am1 , . . . , amn ∈ K sono scalari, allora
 

 a11 x1 + · · · + a1n xn = 0 

a21 x1 + · · · + a2n xn = 0

 

(x1 , . . . , xn ) ∈ Kn : ..


 . 


am1 x1 + · · · + amn xn = 0
 

è un sottospazio vettoriale di Kn . (Detto a parole: il sottospazio in questione è l’insieme


delle soluzioni di un certo numero di equazioni lineari in n variabili. In questo caso non si
chiede di calcolarne la dimensione).
8. Sia V uno spazio vettoriale e {v1 , . . . , vn } un insieme minimale di generatori (ovvero v1 , . . . , vn
generano V , ma lo span di un qualunque sottoinsieme proprio di {v1 , . . . , vn } è strettamente
contenuto in V ). Dimostrare che {v1 , . . . , vn } è una base. (Indicazione: se ci fosse una
relazione di dipendenza lineare, potrei eliminare un vettore...)

2
2 Applicazioni lineari
1. Sia f : R2 → R2 un’applicazione lineare tale che
       
2 1 −1 3
f = , f = .
1 2 −1 −1

Dimostrare che f è surgettiva, ovvero che l’immagine di f è R2 (in simboli, f (R2 ) = R2 ).


2. Mostrare che non esiste alcuna applicazione lineare f : R2 → R3 tale che
     
  0   −1   0
1 2 −2
f =  2 , f =  1 , f = 1 .
0 3 2
−1 1 0

3. Sia f : R4 → R2 l’applicazione lineare corrispondente alla matrice


 
−1 −1 −1 3
.
3 0 −1 −2

(a) Trovare una base del nucleo di f .


(b) Trovare una base dell’immagine di f .
   
1 −3
4
2 1
 0  e −1.
4. Sia W il sottospazio vettoriale di R generato dai vettori    

−1 3
(a) Descrivere W tramite equazioni cartesiane.
(b) Trovare una applicazione lineare f : R4 → R2 tale che ker f = W .
(c) Qual è l’immagine di f ?
(d) Trovare un’applicazione lineare g : R4 → R3 tale che ker g = W . Qual è la dimensione
dell’immagine di g?
5. Sia π : R2 → R2 la proiezione ortogonale sulla retta y = 3x. Qual è la matrice di π (rispetto
alla base canonica)?
6. (Visto a lezione) Siano f : Kn → Km e g : Km → Kp due applicazioni lineari, e siano A ∈
Mm,n (K), B ∈ Mp,m (K) le matrici corrispondenti (rispetto alle basi canoniche). Abbiamo
visto che g ◦ f è un’applicazione lineare da Rn a Rp , dunque corrisponde ad una matrice
C ∈ Mp,n (K). Dimostrare che C = BA.
     
1 −1 −1
7. Consideriamo i vettori v1 =  0 , v2 =  1 , v3 =  0  di R3 . Verificare che formano
−2 0 1
una base B. Qual è la matrice dell’identità rispetto alla base B in partenza e alla base
canonica in arrivo? Qual è la matrice dell’identitàrispetto
 alla base canonica in partenza e
1
B in arrivo? Quali sono le coordinate del vettore  3  rispetto alla base B?
−3

8. Consideriamo l’applicazione lineare L : R5 → R4 la cui matrice, nelle basi canoniche, è


 
1 3 4 0 0
6 9 11 8 3
 .
5 6 7 8 3
1 0 0 2 0

3
Consideriamo inoltre i vettori
       
1 0 0 2
2 4 3 0
v1 = 1 , v2 = 4 , v3 = 3 , v4 = 0 .
      

0 1 0 2
(a) Spiegare perché si ha certamente dim ker L > 0.
(b) Verificare che v1 , . . . , v4 formano una base di R4 .
(c) Scrivere la matrice di L rispetto alla base canonica in partenza ed alla base v1 , v2 , v3 , v4
in arrivo.
(d) Determinare una base del nucleo di L.
(e) L’applicazione L è surgettiva? Determinare la dimensione dell’immagine e una sua
base.
 
0 1
9. Sia K un campo e V il K-spazio vettoriale delle matrici quadrate 2×2. Poniamo A =
1 0
e consideriamo la funzione
f: V → V
M 7→ AM − M A
(a) Verificare che f è lineare
(b) Sia B la base di V costituita dalle 4 matrici
       
1 0 0 1 0 0 0 0
M11 = , M12 = , M21 = , M22 = .
0 0 0 0 1 0 0 1
Scrivere la matrice di f nella base B.
(c) Determinare la dimensione del nucleo di f ed una sua base.
(d) Dimostrare che i seguenti elementi di V
       
1 0 0 1 0 1 1 0
, , ,
0 1 1 0 −1 0 0 −1
formano una base. Trovare la matrice di f in questa base.
(e) Dimostrare che f ◦ f ◦ f = 4f .
10. Consideriamo la successione di interi data da

a0 = 2

a1 = 5

an+1 = 5an − 6an−1 per n ≥ 1

 
0 1
Sia [M ] = ed M : R2 → R2 la corrispondente applicazione lineare.
−6 5
   
1 1
(a) Siano v1 = , v2 = . Dimostrare che B = {v1 , v2 } è una base di R2 , e scrivere
2 3
la matrice di M in questa base.
 
2
(b) Scrivere il vettore nella base B.
5
   
an an−1
(c) Dimostrare che per ogni n ≥ 1 si ha = [M ]
an+1 an
(d) Dimostrare che    
an a
= [Id] B [M n ]B 0
an+1 canonica canonica B a1 B

e dedurne una formula esplicita per an .

4
3 Sistemi lineari, sottospazi affini, formula di Grassmann
 
1
1. Consideriamo in R3 il sottospazio affine Π passante per il punto P di coordinate 1 e
    1
 1 2 
parallelo al piano U = Span 2 , 4 .
3 0
 

(a) Determinare equazioni cartesiane per Π.


(b) Determinare un vettore v ∈ R3 tale che la retta Span(v) sia ortogonale ad Π.
(c) (?) Qual è la distanza di Π dall’origine? Si ricorda che la distanza fra un punto P ed
un piano Π è il minimo di tutte le distanze fra P ed un punto di Π.
2. Consideriamo i seguenti sistemi lineari:

 2x + 3y
 − z − 5w = 0
(S1 ) − 2y + 3z + 7w = 0

z + 2w = 0


 2x
 + 3y − z − 5w = −8
(S2 ) − 2y + 3z + 7w = 3

z + 2w = 1

Qual è la struttura geometrica dell’insieme delle soluzioni di S1 ? E di S2 ? Qual è la relazione


fra le soluzioni di (S1 ) e di (S2 )? Esprimere l’insieme delle soluzioni di S2 come P + Span(v),
dove P è un punto di R4 e v ∈ R4 . Trovare un secondo punto Q di R4 tale che
P + Span(v) = Q + Span(v).

3. Sia V = R4 e W ⊆ V il sottospazio definito da


( ( )
x1 − 3x3 + 4x4 = 0
W = (x1 , x2 , x3 , x4 ) ∈ R4

2x1 + x2 + x4 = 0

(a) Determinare una base di W .


(b) Trovare vettori u1 , u2 ∈ V tali che, posto U = Span(u1 , u2 ), si abbia dim U = 2 e
dim(W ∩ U ) = 0. Dimostrare che in tal caso si ha V = W ⊕ U .
(c) Trovare vettori z1 , z2 ∈ V tali che, posto Z = Span(z1 , z2 ), si abbia dim Z = 2 e
dim(W ∩ Z) = 1. La somma W + Z è diretta? Che dimensione ha?
4. Siano K un campo, n un intero positivo, e A, B due matrici quadrate a coefficienti in K con
n righe ed n colonne. Dimostrare che rango(AB) ≤ min{rango(A), rango(B)} ≤ n.
    

 1 0 
    
0 , 1 ⊆ V1 e

5. Sia V1 = R4 , V2 = R3 , W1 = Span  1 0

 
0 1
 
  
 x 
W2 =  y  ∈ V 2 : x + y + z = 0 ⊆ V 2 .
z
 

Consideriamo
Z := {f : V1 → V2 f è lineare, f (W1 ) ⊆ W2 }.
Dimostrare che Z è uno spazio vettoriale e determinarne la dimensione.

5
4 Prodotti scalari

  
1 3
1. Sia W il sottospazio vettoriale di R3 generato dai vettori −1, 0. Determinare una
0 4
base di W ortogonale rispetto al(la restrizione a W del) prodotto scalare standard di R3 .
2. Consideriamo le applicazioni

φ1 :  R2×R2  → R
x1 x
, 2 7→ 5x1 x2 + x1 y2 + x2 y1 + 2y1 y2
y1 y2
e
φ2 :  R2×R2  → R
x1 x2
, 7→ x1 x2 + 3(x1 y2 + x2 y1 ) + y1 y2
y1 y2
Dire se queste applicazioni sono prodotti scalari e se sono definiti positivi. Per quelli che
sono definiti positivi, trovare una corrispondente base ortonormale di R2 . Determinare la
matrice associata ai prodotti scalari rispetto alla base canonica e (per quelli definiti positivi)
rispetto alla base ortonormale trovata.

3. Lavoriamo nello spazio vettoriale V = M2×2 (R) e consideriamo il prodotto scalare

hA, Bi := tr(AB).

(a) Verificare che h·, ·i è un prodotto scalare, ma non è definito positivo.


(b) Verificare che h·, ·i è non-degenere: non esiste alcuna matrice A non nulla tale che
hA, Bi = 0 per ogni matrice B.
(c) Verificare che la restrizione di h·, ·i al sottospazio vettoriale S delle matrici simmetriche
è definita positiva.
(d) Determinare l’ortogonale S ⊥ di S rispetto al prodotto scalare h·, ·i. Verificare che
V = S ⊕ S⊥.
(e) Generalizzazione: in Mn×n (R) i sottospazi delle matrici simmetriche ed antisimmetriche
sono tra loro ortogonali rispetto al prodotto scalare (A, B) 7→ tr(AB).
4. Sia V uno spazio vettoriale reale di dimensione finita e sia ϕ un prodotto scalare su V .

(a) Dimostrare che esistono sottospazi V+ , V− e V0 di V tali che:


i. V = V+ ⊕ V− ⊕ V0 ;
ii. V+ , V− e V0 sono a due a due ortogonali rispetto al prodotto scalare dato;
iii. la restrizione di ϕ a V+ (rispettivamente a V− , a V0 ) è definita positiva (rispettiva-
mente definita negativa, nulla)
(b) Dimostrare che in una tale decomposizione si ha dim V+ = n+ (ϕ), dim V− = n− (ϕ) e
V0 = V ⊥ .
(c) I sottospazi V+ , V− sono univocamente determinati?
5. Dimostrare che se V, ϕ sono come nell’esercizio precedente, allora n+ (ϕ) è uguale a

max{dim W : W ⊆ V sottospazio tale che ϕ|W > 0}.

Quali sono gli enunciati analoghi per n− (ϕ), n0 (ϕ)?

6
6. Qual è la segnatura del prodotto scalare ϕ su R3 associato (rispetto alla base canonica) alla
matrice  
10 5 0
5 2 1 ?
0 1 −2

Determinare l’ortogonale (rispetto a ϕ) del piano x + y − z = 0.


Indicazione: tentare di risolvere questo esercizio senza calcolare una base ortogonale di R3
rispetto a ϕ.
7. (Scritto dell’11/01/2017) Sia V = R[x]≤2 e sia ϕa : V × V → R dato da

ϕ(p(x), q(x)) = p(−1)q(−1) + p(1)q(1) + p(a)q(a),

dove a ∈ R è un parametro fissato.


(a) Dimostrare che ϕa è un prodotto scalare e determinarne la segnatura al variare di a ∈ R.
(b) Determinare una base ortogonale per ϕ(1).

8. Dimostrare che vale la formula (detta identità di polarizzazione)

2ϕ(u, v) = ϕ(u + v, u + v) − ϕ(u, u) − ϕ(v, v).

Dedurne che se V è uno spazio vettoriale su R o C l’unico prodotto scalare per cui per ogni
v ∈ V si ha ϕ(v, v) = 0 è il prodotto scalare nullo.

9. Sia A una matrice complessa n × n. Dimostrare che B = A∗ A è una matrice Hermitiana


complessa, che il prodotto scalare associato a B è semidefinito positivo, e che ker(B) =
ker(A).
10. Consideriamo il prodotto scalare ϕ su R3 associato (rispetto alla base canonica) alla matrice
 
4 3 0
3 6 −2
0 −2 1

Determinare una base ortogonale di R3 rispetto a ϕ e dedurne la segnatura di ϕ.

11. Sia V = R[x]≤2 . Determinare la matrice (rispetto alla base 1, x, x2 ) del prodotto scalare

V ×V → R
(p(x), q(x)) 7→ p(1)q(1) + p0 (0)q 0 (0).

7
5 Determinante
1. Regola di Sarrus: il determinante della matrice
 
a1 a2 a3
 b1 b2 b3 
c1 c2 c3

è dato da (a1 b2 c3 + a2 b3 c1 + a3 b1 c2 ) − (a1 b3 c2 + a2 b1 c3 + a3 b2 c1 ).


   
1 2 4 x
2. Calcolare il determinante della matrice A =  0 1 2 . Sia v = y  ∈ R3 un vettore
−1 0 1 z
 
1
tale che Av = 2. Determinare x.
3

3. Utilizzandole proprietà
   del determinante, trovare un’equazione per il piano generato in R3
0 1
dai vettori −2,  3 .
1 −1
4. Consideriamo una matrice a blocchi,
 
A1 0 ··· 0
0 A2 ··· 0 
A= .
 
.. .. ..
 ..

. . . 
0 0 ··· An

Dimostrare che det(A) = det(A1 ) det(A2 ) · · · det(An ).


5. Consideriamo lo spazio vettoriale V = Mn (R) e una matrice A ∈ Mn (R). Consideriamo poi
l’endomorfismo TA : V → V dato da TA (M ) = AM . Calcolare il determinante di TA .
6. (Ispirato dagli Aufgaben) Calcolare, al variare di n, il determinante delle matrici
 
0 1 1 ··· 1 1
1
 −1 0 · · · 0 0  
An =  1
 0 −1 · · · 0 0  
 .. .. .. .. .. .. 
. . . . . . 
1 0 0 · · · 0 −1
e  
0 1 1 1 ··· 1 1
2
 0 2 2 ··· 2 2 
Bn =  3
 3 0 3 ··· 3 3 .
 .. .. .. .. .. .. .. 
. . . . . . .
n n n n ··· n 0

8
6 Diagonalizzazione
 
0 1
1. Determinare gli autovalori della matrice su R e su C. Per ogni autovalore deter-
−1 0
minare un corrispondente autovettore.

2. Quali sono gli autovalori della matrice


 
1 2 −3 3
0 −1 5 −3
 ?
0 0 3 27 
0 0 0 6

Questa matrice è diagonalizzabile (sul campo dei numeri reali)?


3. Studiare la diagonalizzabilità delle matrici 2 × 2. Dimostrare che ogni matrice 2 × 2 su C
può essere messa in forma triangolare superiore.
4. Studiare gli autovalori, gli autospazi, e la diagonalizzabilità (su R) delle matrici
   
2 1 −1 3 −4 −4
 6 1 −6 e  2 −3 −4  .
−1 1 2 −2 4 5

5. Siano V = R[x]≤3 , W = M2 (R), e sia


 
1 α
Mα = .
0 1

Sia ϕα : V → W definita come


ϕα : p(x) 7→ p(Mα )
(ricordiamo che se p(x) = a0 x3 + a1 x2 + a2 x + a3 allora p(M ) = a0 M 3 + a1 M 2 + a2 M + a3 I
per ogni matrice M , dove I è la matrice identità dello stesso ordine di M ).
(a) Calcolare la matrice associata a ϕα rispetto a basi canoniche di V e di W .
(b) Sia ψ : W → V l’applicazione lineare definita da ψ(A) = a11 x3 + a12 x2 + a21 x + a22 ,
A = (aij )i,j=1,2 . Calcolare la matrice associata all’endomorfismo ψ ◦ ϕα di V rispetto
alla base canonica di V e dimostrare che tale endomorfismo è diagonalizzabile per ogni
α ∈ R. Determinare anche una base di autovettori per V, quando α = 0.
 
6 −4 −4
6. Dimostrare che la matrice  7 −5 −4  non è diagonalizzabile su R, ma lo è su C.
3 −1 −2

7. Sia p : V → V una proiezione, ovvero un’applicazione lineare tale che p2 = p. Dimostrare


che p è diagonalizzabile e descrivere i corrispondenti autospazi.
8. Sia V uno spazio vettoriale su C di dimensione finita, A un endomorfismo di V . Siano pA (t)
e mA (t) il polinomio caratteristico e il polinomio minimo di A. Dimostrare che se λ è una
radice di pA (t) (ovvero se è un autovalore di A), allora λ è anche radice di mA (t).
9. Trovare due matrici A, B a coefficienti complessi che abbiano lo stesso polinomio caratteri-
stico e lo stesso polinomio minimo, ma non siano simili.
10. Sia A un’applicazione lineare diagonalizzabile. Allora il polinomio minimo di A non ha radici
doppie.

9
7 Aggiunzione, teorema spettrale...
 
4 2
1. Determinare una base diagonalizzante per la matrice M = . Verificare che essa è
2 1
una base ortogonale per il prodotto scalare definito da M . Dedurre la segnatura di M .

Consideriamo ilprodotto scalare ψ su R3 associato (in base canonica) alla matrice M =


2. 
1 1 −1
1 1 −1. Determinare una base di R3 , ortogonale rispetto al prodotto scalare
−1 −1 1
standard, che sia costituita di autovettori di M . Dedurre la segnatura di ψ.
 
2 0 1
3. Sia ϕ il prodotto scalare su R la cui matrice (in base canonica) è . Verificare che ϕ
  1 0
2 −1
è non degenere. Qual è l’aggiunto dell’operatore rispetto a ϕ?
0 3
 
0 0 1
4. Sia ϕ il prodotto scalare su R3 la cui matrice (in base canonica) è 0 1 0. Sia inol-
1 0 2
3 3
tre
 T : R →
 R l’applicazione lineare la cui matrice, nuovamente in base canonica, è
2 1 0
 4 1 2 . Dopo aver verificato che ϕ è non-degenere, determinare la matrice di T ∗
−1 1 −3  
−1 −6 −6
(l’aggiunto di T ) in base canonica. [Risposta:  1 1 3 ]. Determinare infine la
−1 4 0
segnatura di ϕ.

5. 
Consideriamo
 il prodotto scalare ψ su R2 associato (rispetto alla base canonica) alla matrice
1 3
. Verificare che ψ è degenere. Dimostrare che l’operatore T1 corrispondente alla
3 9
 
2 −3
matrice ammette un aggiunto rispetto a ψ e determinarne la matrice (attenzione:
−1 0
in questo caso l’aggiunto non è unico. Un operatore aggiunto è semplicemente un operatore
T1∗ tale che ψ(T1 v, w) = ψ(v, ∗
 T1 w)
2
 per ogni v, w ∈ R ). Dimostrare che l’operatore T2
1 3
corrispondente alla matrice non possiede un aggiunto rispetto a ψ.
0 2

6. Sia M ∈ Mn (R) una matrice simmetrica n × n definita positiva (il che significa, per con-
venzione, che il prodotto scalare associato ad M è definito positivo). Dimostrare che esiste
un’unica matrice quadrata N , simmetrica e definita positiva, tale che N 2 = M . N è detta
la radice quadrata positiva di M . Attenzione: la parte di unicità è un po’ meno banale di
quanto possa sembrare!

7. (Operatore impulso in meccanica quantistica, Wikipedia) Consideriamo lo spazio V =


R1
C[x]≤n munito del prodotto hermitiano definito positivo (p(x), q(x)) 7→ 0 p(x)q(x)dx. Sia
d
T l’operatore −i dx : V → V . Determinare un sottospazio W di V tale che dim(W ) =
dim(V ) − 1 e per ogni f (x), g(x) ∈ W si abbia

hT (f ), gi = hf, T (g)i.

Per n = 2, qual è l’aggiunto di T in V ?

10
8 Trasformazioni ortogonali ed unitarie, complementi
1. Sia M : R3 → R3 una applicazione lineare iniettiva. Dimostrare che non è possibile valga
hM v, vi = 0 per ogni v ∈ R3 . E se invece fossimo in R4 ?
2. Dimostrare il teorema di Cartan-Dieudonné: ogni funzione f : Rn → Rn che preserva la
distanza (ovvero tale che d(f (v), f (w)) = d(v, w) per ogni coppia di vettori v, w ∈ Rn ) è la
composizione di una traslazione e di una trasformazione lineare ortogonale.
3. Sia V uno spazio vettoriale di dimensione finita munito di un prodotto scalare, e sia T un
endomorfismo simmetrico (=autoaggiunto) rispetto a questo prodotto scalare. Dimostrare
che il nucleo e l’immagine di T sono ortogonali. Dedurne che se il prodotto scalare è definito
positivo, allora V = ker T ⊕ Im T .
4. Sia M : R3 → R3 una trasformazione ortogonale. Dimostrare che det(M ) ∈ {−1, 1}. Di-
mostrare che M ammette una retta invariante, che l’ortogonale a questa retta è a sua volta
invariante, e che se M si diagonalizza allora è una simmetria (M 2 = Id).
 
2 1+i
5. Sia A = . Dopo aver verificato che A è una matrice Hermitiana, determinare
1−i 3
una matrice unitaria U ed una matrice diagonale D tali che A = U DU −1 .
6. Sia V uno spazio vettoriale complesso di dimensione finita dotato di un prodotto hermitiano
definito positivo. Un endomorfismo T di V è detto normale se commuta con il suo aggiunto:
T T ∗ = T ∗ T . Dimostrare il teorema spettrale per operatori normali: T è normale se e
solo se esiste una base ortonormale di V rispetto alla quale la matrice di T è diagonale.
[Indicazione per l’implicazione “T normale ⇒ T diagonalizzabile”: dimostrare che esiste una
base ortonormale di V rispetto alla quale T è triangolare. Usando la proprietà T T ∗ = T ∗ T ,
dedurre che in effetti T è diagonale]

11