Diagonalizzazione della matrice, nucleo e immagine

Prima di postare leggi le regole del Forum. Puoi anche leggere le ultime discussioni.

Diagonalizzazione della matrice, nucleo e immagine #3346

avt
marcolino87
Cerchio
Mi serve il vostro aiuto per risolvere un esercizio sulle applicazioni lineari in cui mi viene chiesto di determinare la matrice associata a un'applicazione lineare sfruttando alcune condizioni sugli autovalori, sugli autovettori e sul nucleo. Come se non bastasse, dovrei dire se l'applicazione è diagonalizzabile.

Sia F:R^(4) → R^(4) l'operatore lineare definito dalle seguenti condizioni:

- il vettore (1,1,1,1) è l'autovettore di autovalore 2;

- il vettore (1,0,0,0) è l'autovettore di autovalore 1;

- il nucleo dell'applicazione Ker(F) è il sottospazio definito dalle equazioni

x_1+x_2 = 0 ∧ x_3+x_4 = 0

1. Determinare la matrice A_(F) rispetto la base standard di R^(4) presa come base di partenza e di arrivo.

2. Determinare una base dell'immagine di F, Im(F).

3. Dire se F è un endomorfismo diagonalizzabile.

Grazie mille.
 
 

Re: Diagonalizzazione della matrice, nucleo e immagine #3399

avt
Omega
Amministratore
L'applicazione lineare F:R^(4) → R^(4) è definita mediante le seguenti condizioni:

- il vettore v_(1) = (1,1,1,1) è l'autovettore dell'endomorfismo F riferito all'autovalore λ_(1) = 2;

- il vettore v_2 = (1,0,0,0) è l'autovettore riferito all'autovalore λ_(2) = 1

Queste due informazioni non bastano per ricavare la matrice associata all'applicazione lineare, che indichiamo con A_(F), dobbiamo infatti esaminare più a fondo la condizione che mette in ballo il nucleo dell'operatore.

L'esercizio ci informa infatti che il nucleo è definito dalle equazioni lineari

x_(1)+x_(2) = 0 e x_(3)+x_(4) = 0

vale a dire:

Ker(F) = (x_1,x_2,x_3,x_4)∈R^(4) : x_(1)+x_(2) = 0, x_(3)+x_(4) = 0


Base del nucleo

Calcoliamo una base del nucleo: per farlo occorre risolvere il sistema lineare composto dalle equazioni che definiscono il nucleo:

x_(1)+x_(2) = 0 ; x_(3)+x_(4) = 0

Dalla prima equazione isoliamo x_(1), mentre dalla seconda isoliamo x_(3)

x_(1) = -x_(2) ; x_(3) = -x_(4)

Da ciò comprendiamo che un generico vettore

x = (x_1,x_2,x_3,x_4) =

appartiene al nucleo di F se e solo se la prima componente coincide con l'opposto della seconda e la terza componente coincide con l'opposto della quarta

= (-x_2,x_2,-x_4,x_4) =

Eleggiamo a parametri x_(2) e x_(4) ribattezzandoli rispettivamente in a e b

 = (-a,a,-b,b) = a(-1,1,0,0)+b(0,0,-1,1)

In definitiva, ogni vettore del kernel si presenta nella forma

x = a(-1,1,0,0)+b(0,0,-1,1)

per cui il nucleo è generato dai vettori

v_3 = (-1,1,0,0) e v_(4) = (0,0,-1,1)

che ne costituiscono una base perché linearmente indipendenti.

mathcalB_(Ker(F)) = (-1,1,0,0),(0,0,-1,1)

In accordo con la teoria degli autovalori e degli autovettori, il nucleo di un endomorfismo coincide con l'autospazio relativo all'autovalore nullo λ = 0, e inoltre la molteplicità geometrica dell'autovalore coincide con la dimensione del Ker.

m_g(0) = dim(Ker(f))

Queste proprietà ci autorizzano a scrivere che v_3 e v_4 sono autovettori relativi all'autovalore λ_(3) = 0, la cui molteplicità geometrica è pari a 2.


Osservazioni sulla molteplicità geometrica e sulla molteplicità algebrica

Facciamo il punto della situazione. Sappiamo che l'endomorfismo ammette 3 autovalori

λ_(1) = 2 , λ_(2) = 1 e λ_3 = 0

Dall'analisi sul nucleo sappiamo che la molteplicità geometrica di λ_(3) = 0 è due,

m_(g)(λ_3) = 2

così come sappiamo che:

m_(g)(λ_1) ≥ 1 e m_(g)(λ_(2)) ≥ 1

Il nostro intento ora consiste nel dimostrare con queste informazioni che le molteplicità algebriche degli autovalori coincidono con le rispettive molteplicità geometriche, ossia vogliamo mostrare che:

 m_(g)(λ_1) = m_(a)(λ_1) ; m_(g)(λ_(2)) = m_(a)(λ_2) ; m_(g)(λ_(3)) = m_(a)(λ_(3))

e che la somma delle molteplicità algebriche coincide con la dimensione dello spazio vettoriale 4

m_(a)(λ_(1))+m_(a)(λ_(2))+m_(a)(λ_3) = 4

Queste condizioni garantiranno la diagonalizzabilità dell'endomorfismo F.

Grazie alla disuguaglianza notevole

1 ≤ m_(g)(λ) ≤ m_(a)(λ)

possiamo esprimere le seguenti relazioni

beginarrayl1 ≤ m_(g)(λ_1) ≤ m_(a)(λ_1) ; 1 ≤ m_(g)(λ_2) ≤ m_(a)(λ_2) ; 1 ≤ 2 = m_(g)(λ_3) ≤ m_(a)(λ_3) endarray (•)

le quali giustificano la seguente

1+1+2 ≤ m_(a)(λ_1)+m_(a)(λ_2)+m_(a)(λ_3) ≤ 4

da cui segue che la somma delle molteplicità algebriche è 4.

m_(a)(λ_1)+m_(a)(λ_2)+m_(a)(λ_3) = 4

Perfetto, la prima condizione per la diagonalizzabilità è soddisfatta. Dobbiamo solo dimostrare che, per ciascun autovalore, la molteplicità algebrica coincide con quella geometrica.

Sempre dalle disuguaglianze (•) deduciamo immediatamente le seguenti disuguaglianze

-m_(a)(λ_1) ≤ -1 , -m_(a)(λ_2) ≤ -1

per cui isolando al primo membro m_(a)(λ_3) al primo membro di:

m_(a)(λ_1)+m_(a)(λ_2)+m_(a)(λ_3) = 4

si ha

2 ≤ m_(a)(λ_3) = 4-m_(a)(λ_1)-m_(a)(λ_2) ≤ 4-1-1 = 2

pertanto la molteplicità algebrica di λ_3 è due, così come lo è la sua molteplicità algebrica.

Attenzione ora: poiché m_(a)(λ_3) = 2, allora la somma tra la molteplicità algebrica di λ_1 e quella di λ_2 deve essere necessariamente essere pari a 2, infatti

m_(a)(λ_1)+m_(a)(λ_2) = 4-m_(a)(λ_3) = 4-2 = 2

Non potendo essere nulle, necessariamente:

m_(a)(λ_1) = 1 e m_(a)(λ_2) = 1

Se così non fosse, si raggiungerebbe un assurdo!

Possiamo finalmente affermare che l'endomorfismo è diagonalizzabile perché rispetta entrambe le condizioni.


Matrice associata all'endomorfismo

Sia A_(F)∈ Mat(4,4,R) la matrice associata a F relativa alla base canonica di R^(4), poiché F è diagonalizzabile lo è anche la matrice che la rappresenta.

In accordo con la definizione di matrice diagonalizzabile, esiste una matrice invertibile P tale che

D = M^(-1)A_(F)M

dove D è la matrice diagonale avente per elementi diagonali gli autovalori di F

D = [2 0 0 0 ; 0 1 0 0 ; 0 0 0 0 ; 0 0 0 0]

mentre M è la matrice che ha per colonne gli autovettori di F (sono v_1,v_2, v_3 e v_4).

M = [1 1 -1 0 ; 1 0 1 0 ; 1 0 0 -1 ; 1 0 0 1]

Calcolata l'inversa di M, che è:

M^(-1) = [0 0 (1)/(2) (1)/(2) ; 1 1 -1 -1 ; 0 1 -(1)/(2) -(1)/(2) ; 0 0 -(1)/(2) (1)/(2)]

possiamo calcolare A_(F) sfruttando l'uguaglianza

D = M^(-1)A_FM

Moltiplicando membro a membro per M (da sinistra) e M^(-1) (da destra), segue che:

 A_(F) = MDM^(-1) = [1 1 -1 0 ; 1 0 1 0 ; 1 0 0 -1 ; 1 0 0 1][2 0 0 0 ; 0 1 0 0 ; 0 0 0 0 ; 0 0 0 0][0 0 (1)/(2) (1)/(2) ; 1 1 -1 -1 ; 0 1 -(1)/(2) -(1)/(2) ; 0 0 -(1)/(2) (1)/(2)] = [1 1 0 0 ; 0 0 1 1 ; 0 0 1 1 ; 0 0 1 1]


Immagine dell'applicazione lineare

Ora che disponiamo della matrice associata a F, il calcolo dell'immagine dell'applicazione lineare è pressoché immediata.

Per prima cosa usiamo l'algoritmo di Gauss per ridurre A_(F) in una matrice a gradini.

Passiamo quindi dalla matrice

A_(F) = [1 1 0 0 ; 0 0 1 1 ; 0 0 1 1 ; 0 0 1 1]

alla matrice

A_(F)'= [1 1 0 0 ; 0 0 1 1 ; 0 0 0 0 ; 0 0 0 0]

avente due pivot:

a'_(11) = 1 ; a'_(23) = 1.

Le colonne della matrice A_F che corrispondono alle colonne di A_(F)' contenenti i pivot costituiscono una base per l'immagine, per cui:

mathcalB_(Im(F)) = (1,0,0,0),(0,1,1,1)

Abbiamo finito.
Ringraziano: Ifrit, marcolino87, Galois
  • Pagina:
  • 1
Os