Algebra Lineare

Algebra Lineare
(parte I)
by www.extrabyte.info
Il contenuto di questo manuale è distribuito secondo la
Creative Commons License v. 2.5
Attribuzione - Non commerciale - Non opere derivate
Il testo completo della licenza alla seguente URL:
http://creativecommons.org/
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis

scaricato da www.riccardogalletti.com/appunti_gratis/
Indice
I Spazi vettoriali 4
1 Matrici e determinanti 5
1.1 Denizione di matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Classicazione delle matrici . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Operazioni elementari sulle matrici . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.1 Somma e dierenza di matrici . . . . . . . . . . . . . . . . . . . . . . 9
1.4 Determinanti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5 Minori di una matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.6 Teorema di Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.7 Altre proprietà delle matrici . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.8 Inversa di una matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.9 Rango di una matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.10 Esercizi proposti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.10.1 Operazioni sulle matrici e classicazione delle matrici . . . . . . . . . 35
1.10.2 Minori e complementi algebrici . . . . . . . . . . . . . . . . . . . . . 50
1.10.3 Calcolo di determinanti del secondo ordine . . . . . . . . . . . . . . . 52
1.10.4 Calcolo di determinanti del terzo ordine . . . . . . . . . . . . . . . . 53
1.10.5 Calcolo di determinanti di ordine qualsiasi . . . . . . . . . . . . . . . 53
2 Spazi vettoriali 61
2.1 Denizione assiomatica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.2 Dipendenza ed indipendenza lineare di vettori . . . . . . . . . . . . . . . . . 66
2.3 Sottospazio vettoriale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.4 Sistemi di ordine massimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.5 Basi e dimensioni di uno spazio vettoriale . . . . . . . . . . . . . . . . . . . . 79
2.6 Spazi innito-dimensionali . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
2.7 Cambiamento di base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
2.8 Somma di due spazi vettoriali . . . . . . . . . . . . . . . . . . . . . . . . . . 84
2.9.1 Soluzioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
II Omomorsmi ed isomorsmi 101
3 Applicazioni lineari tra spazi vettoriali 102
3.1 Denizione assiomatica di applicazione lineare . . . . . . . . . . . . . . . . . 102
1
3.2.1 Soluzioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
4 Omomorsmi e isomorsmi 110
4.1 Introduzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
4.2 Denizione assiomatica e teoremi conseguenti . . . . . . . . . . . . . . . . . 112
4.3.1 Soluzioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
4.4 Lo spazio vettoriale Hom(E, F) . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.5 Matrice rappresentativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
4.5.1 Prodotto di endomorsmi . . . . . . . . . . . . . . . . . . . . . . . . 127
4.5.2 Endomorsmo inverso . . . . . . . . . . . . . . . . . . . . . . . . . . 130
4.5.3 Esercizi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
4.6 Autovalori e autovettori di un endomorsmo . . . . . . . . . . . . . . . . . . 134
4.6.1 Denizioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
4.6.2 Polinomio caratteristico . . . . . . . . . . . . . . . . . . . . . . . . . 136
4.6.3 Endomorsmi diagonalizzabili . . . . . . . . . . . . . . . . . . . . . . 139
4.6.4 Proiettori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
4.6.5 Esercizi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
4.7 Similitudine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
4.7.1 Matrici simili . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
5 Spazio duale 167
5.1 Funzionali lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
5.2 Cambiamento di base nello spazio duale. . . . . . . . . . . . . . . . . . . . . 172
6 Spazi vettoriali euclidei 180
6.1 Introduzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
6.2 Prodotto scalare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
6.3 Tensore metrico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
6.4 Spazi vettoriali propriamente euclidei e pseudoeuclidei . . . . . . . . . . . . . 184
6.5 Norma di un vettore . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
6.6 Spazi metrici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
6.7 Base ortonormale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
6.8 Segnatura della metrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
6.9 Polinomi ortonormali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
6.10 Spazi euclidei isomor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
6.11 Complemento ortogonale di un sottospazio vettoriale e proiettori ortogonali . 196
6.12 Componenti covarianti e controvarianti . . . . . . . . . . . . . . . . . . . . . 199
6.13 Applicazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
7 Spazi vettoriali unitari 202
7.1 Aggiunto di un operatore lineare . . . . . . . . . . . . . . . . . . . . . . . . . 204
7.2 Operatori hermitiani . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
7.3 Operatori unitari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
7.4 Operatori normali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
2
8 Spazi vettoriali euclidei (2parte) 215
III Appendici 217
A Soluzioni degli esercizi proposti 218
A.1 Operazioni sulle matrici e calcolo di determinanti del secondo ordine . . . . . 218
A.2 Determinanti del terzo ordine . . . . . . . . . . . . . . . . . . . . . . . . . . 221
A.3 Determinanti di ordine qualsiasi . . . . . . . . . . . . . . . . . . . . . . . . . 222
A.3.1 end . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
3
Parte I
Spazi vettoriali
4
Capitolo 1
Matrici e determinanti
1.1 Denizione di matrice
Una matrice è un array (aggregato) di m n elementi disposti per n righe e m colonne.
Scriviamo:
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
m1
a
m2
... a
mn
_
_
_
_
(1.1)
A volte si utilizza la seguente notazione simbolica:
A = (a
ij
) con i = 1, ..., n; j = 1, ..., m
Gli elementi a
ij
possono essere numeri (o funzioni) reali o complessi.
Se m = n si dice che A è una matrice quadrata di ordine n. Ad es.:
A =
_
1 0
2 3
_
A è una matrice quadrata di ordine 2.
B =
_
_
2 cosh t 5e
t
2 sin t e
2t
2 sinh t 10 sin t
_
_
B è una matrice 3 2 i cui elementi sono funzioni del tempo t.
1.2 Classicazione delle matrici
Consideriamo una matrice A(mn):
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
m1
a
m2
... a
mn
_
_
_
_
(1.2)
5
Si denisce matrice trasposta di A e si indica con A
T
la matrice (mn) ottenuta da A
scambiando le righe per le colonne:
A
T
= (b
ij
) = (a
ji
)
=
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
m1
a
m2
... a
mn
_
_
_
_
Ad esempio, la trasposta della matrice:
A =
_
1 2 3
4 5 6
_
,
è:
A
T
=
_
_
1 4
2 5
3 6
_
_
***
Consideriamo la matrice quadrata di ordine n:
A = (a
ij
) , con i, j = 1, 2, ..., n
Abbiamo la seguente denizione:
i > j, a
ij
= 0)
def
=(A è una matrice triangolare alta (1.3)
Risulta:
A =
_
_
_
_
_
_
a
11
a
12
a
13
... a
1n
0 a
22
a
23
... a
2n
0 0 a
33
... a
3n
... ... ... ... ...
0 0 0 0 a
nn
_
_
_
_
_
_
(1.4)
Viceversa:
i < j, a
ij
= 0)
def
=(A è una matrice triangolare bassa (1.5)
Risulta:
A =
_
_
_
_
_
_
a
11
0 0 ... 0
a
21
a
22
0 ... 0
a
31
a
32
a
33
... 0
... ... ... ... ...
a
n1
a
n2
a
n3
... a
nn
_
_
_
_
_
_
(1.6)
6
Nel caso speciale in cui la matrice quadrata di ordine n, A = (a
ij
) è simultaneamente alta e
bassa, si ha:
i ,= j, a
ij
= 0)
def
=(A è una matrice diagonale (1.7)
La (1.7) implica:
A =
_
_
_
_
_
_
a
11
0 0 ... 0
0 a
22
0 ... 0
0 0 a
33
... 0
... ... ... ... ...
0 0 0 ... a
nn
_
_
_
_
_
_
, (1.8)
e viene indicata con la notazione simbolica:
A = diag (a
11
, a
22
, a
33
, ..., a
nn
) (1.9)
Se a
11
= a
22
= ... = a
nn
= k, la matrice si dice scalare, e per k = 1, la (1.9) è la matrice
identità di ordine n:
I
n
=
_
_
_
_
_
_
1 0 0 ... 0
0 1 0 ... 0
0 0 1 ... 0
... ... ... ... ...
0 0 ... ... 1
_
_
_
_
_
_
(1.10)
= diag (1, 1, 1, ..., 1)
Quando non è rilevante lordine n della matrice, la matrice identità si indica semplicemente
con I.
***
Sia A una matrice quadrata di ordine n.
A = A
T
def
=A è simmetrica (1.11)
A = A
T
def
=A è antisimmetrica
Cioè, rispettiavamente:
i, j 1, 2, 3, ..., n , a
ij
= a
ji
(1.12)
i, j 1, 2, 3, ..., n , a
ij
= a
ji
Esempi.
A =
_
_
1 2 3
2 4 5
3 5 6
_
_
(1.13)
7
La (1.13) è simmetrica:
A
T
=
_
_
1 2 3
2 4 5
3 5 6
_
_
= A
B =
_
_
0 2 3
2 0 4
3 4 0
_
_
(1.14)
La (1.14) è antisimmetrica:
B
T
=
_
_
0 2 3
2 0 4
3 4 0
_
_
= B
***
Sia A una matrice quadrata di ordine n sul campo complesso C, cioè a
ij
C. Si denisce
matrice coniugata di A, la matrice quadrata di ordine n i cui elementi sono i complessi
coniugati degli elementi di A:
A
def
=
_
a
ij
_
Ad esempio:
A =
_
4 + 5i 3i
2 2
3i
_
=A
=
_
4 5i 3i
2 2 +
3i
_
Sussiste la proprietà:
(A
= A
***
Sia A una matrice quadrata di ordine n sul campo complesso C. Abbiamo le seguenti
denizioni:
(A
)
T
= A
def
=A è hermitiana (1.15)
(A
)
T
= A
def
=A è antihermitiana
Cioè, rispettivamente:
8
i, j 1, 2, ..., n , a
ji
= a
ij
_
def
=A è hermitiana
i, j 1, 2, ..., n , a
ji
= a
ij
_
def
=A è antihermitiana
Ad esempio:
A =
_
_
1 1 i 2
1 +i 3 i
2 i 0
_
_
Passando alla trasposta della coniugata:
(A
)
T
=
_
_
1 1 i 2
1 +i 3 i
2 i 0
_
_
= A,
donde A è hermitiana.
B =
_
_
1 1 i 2
1 i 3i i
2 i 0
_
_
Passando alla trasposta della coniugata:
(B
)
T
=
_
_
1 1 +i 2
1 +i 3i i
2 i 0
_
_
= B,
donde B è antihermitiana.
1.3 Operazioni elementari sulle matrici
1.3.1 Somma e dierenza di matrici
Sian A = (a
ij
), B = (b
ij
) con i = 1, 2, ..., m; j = 1, 2, ...n. Si denisce somma di A e B, la
matrice mn:
A +B = (c
ij
) , (1.16)
essendo:
c
ij
= a
ij
+ b
ij
(1.17)
La dierenza A B è la somma A + (B), essendo B = (b
ij
). Quindi:
9
A B = (d
ij
) ,
con
d
ij
= a
ij
b
ij
Esempio.
A =
_
2 7 0
1 5 9
_
, B =
_
4 1 0
1 5 9
_
Abbiamo:
A + B =
_
2 6 0
0 0 0
_
A B =
_
6 8 0
2 10 18
_
Consideriamo le matrici A(n m) e B(mp):
A =
_
_
_
_
a
11
a
12
... a
1m
a
21
a
22
... a
2m
... ... ... ...
a
n1
a
n2
... a
nm
_
_
_
_
; B =
_
_
_
_
b
11
b
12
... b
1p
b
21
b
22
... b
2p
... ... ... ...
b
m1
b
m2
... b
mp
_
_
_
_
(1.18)
che possono essere indicate con la notazione compatta:
A = (a
ij
) , i = 1, 2, ..., n; j = 1, 2, ..., m
B = (b
ij
) , i = 1, 2, ...m; j = 1, 2, ..., p
Si denisce matrice prodotto righe per colonne e si indica con AB, la matrice n p:
AB = (c
ij
) , i = 1, 2, ...n; j = 1, 2, ..., p (1.19)
essendo:
c
ij
=
m
k=1
a
ik
b
kj
(1.20)
Esempio 1 Date le matrici:
A =
_
_
2 1 0
3 2 0
1 0 1
_
_
; B =
_
_
1 1 1 0
2 1 1 0
2 3 1 2
_
_
Determinare la matrice AB.
10
Soluzione 2 Abbiamo A(3 3) , B(3 4), quindi AB(3 4). Applicando la (1.20):
AB =
_
_
4 3 3 0
7 5 5 0
3 4 2 2
_
_
Ciò premesso, sussiste il
Teorema 3 Siano A(n m) e B(mp). Risulta:
(AB)
T
= B
T
A
T
(1.21)
Dimostrazione. Poniamo:
A = (a
ij
) con i = 1, ..., n; j = 1, ..., m
B = (b
ij
) con i = 1, ..., m; j = 1, ..., p
Indichiamo con un apice gli elementi di matrice delle rispettive trasposte:
A
T
=
_
a
ij
_
con a
ij
= a
ji
(1.22)
B
T
=
_
b
ij
_
con b
ij
= b
ji
Il prodotto di A e B:
AB = (c
ij
) con c
ij
=
m
k=1
a
ik
b
kj
(1.23)
la cui trasposta è
(AB)
T
=
_
c
ij
_
con c
ij
= c
ji
=
m
k=1
a
jk
b
ki
(1.24)
Il prodotto di B
T
e A
T
:
B
T
A
T
=
_
c
ij
_
con c
ij
=
m
k=1
b
ik
a
kj
(1.25)
Per le (1.22):
c
ij
=
m
k=1
b
ki
a
jk
= c
ij
=B
T
A
T
= (AB)
T
,
donde lasserto.
Teorema 4 Se A è una matrice quadrata di ordine n, la matrice A + A
T
è simmetrica.
Dimostrazione. Poniamo A = (a
ij
) con i, j = 1, 2, ..., n. Quindi, A
T
= (a
ji
); la somma è:
A + A
T
= (
ij
) ,
essendo:
ij
= a
ij
+ a
ji
Risulta:
ji
=
ij
, i, j = 1, 2, ..., n
donde la simmetria di A +A
T
.
11
Teorema 5 Se A è una matrice quadrata di ordine n, la matrice AA
T
è antisimmetrica.
Dimostrazione. Poniamo A = (a
ij
) con i, j = 1, 2, ..., n. Quindi, A
T
= (a
ji
); la dierenza
è:
A A
T
= (
ij
) ,
essendo:
ij
= a
ij
a
ji
Risulta:
ji
=
ij
, i, j = 1, 2, ..., n
donde lantisimmetria di A A
T
.
Corollario 6 Ogni matrice quadrata si esprime come somma di una matrice simmetrica e
di una matrice antisimmetrica.
Dimostrazione. Sia A = (a
ij
) con i, j = 1, 2, ..., n. Il generico elemento di matrice può
scriversi:
a
ij
= a
ij
+
1
2
a
ji
1
2
a
ji
(1.26)
=
1
2
a
ij
+
1
2
a
ij
+
1
2
a
ji
1
2
a
ji
=
1
2
(a
ij
+ a
ji
) +
1
2
(a
ij
a
ji
)
La (1.26) implica:
A =
1
2
_
A + A
T
_
. .
simmetrica
+
1
2
_
A A
T
_
. .
antisimmetrica
,
donde lasserto.
Denizione 7 Se A è una matrice quadrata, diremo che A è ortogonale se:
AA
T
= A
T
A = I, (1.27)
essendo A
T
la matrice trasposta di A. In altri termini, la matrice A è ortogonale se linversa
(per tale denizione vedere 1.8) coincide con la trasposta:
A
1
= A
T
(1.28)
Denizione 8 Se A è una matrice quadrata di ordine n e se p N, la potenza p-esima di
A è:
A
p
= A A ... A
. .
p volte
Denizione 9 Se A è una matrice quadrata di ordine n si dice che A è idempotente, se:
A
2
= A
12
Denizione 10 Se A è una matrice quadrata di ordine n e se p N, si dice che A è
nilpotente di ordine p, se:
A
p
= 0
Teorema 11 Se A è nilpotente di ordine p, ogni intero p
> p è ordine di nilpotenza per A.

Dimostrazione.
p
> p, A
p
= A
p
A
p
p
= 0 A
p
p
= 0
Teorema 12 A è nilpotente di ordine p = 2) =(s N, A(I A)
s
= A
Dimostrazione. La dimostrazione segue per calcolo diretto:
s = 1 =A(I A) = A A
2
= A
s = 2 =A(I A)
2
= A 2A
2
+ A
3
= A
...
s = s =A(I A)
s
= A
***
Assegnate due matrici quadrate dello stesso ordine A(n n), B(n n), si osservi che in
generale il prodotto righe per colonne non è commutativo, cioè:
AB ,= BA
Se risulta:
AB = BA
si dice che A e B commutano o che il prodotto AB è commutativo.
Se risulta:
AB = BA
si dice che A e B anticommutano o che il prodotto AB è anticommutativo.
Possiamo poi considerare la potenza k-sima di una matrice quadrata:
A
k
= A A ... A
. .
k volte
Si consideri ad esempio, la matrice quadrata di ordine 3:
A =
_
_
2 1 1
0 1 2
1 0 1
_
_
Abbiamo:
13
A
2
=
_
_
2 1 1
0 1 2
1 0 1
_
_
_
_
2 1 1
0 1 2
1 0 1
_
_
=
_
_
5 3 1
2 1 4
3 1 2
_
_
A
3
= A
2
A =
_
_
5 3 1
2 1 4
3 1 2
_
_
_
_
2 1 1
0 1 2
1 0 1
_
_
=
_
_
11 8 0
8 1 8
8 4 3
_
_
Verichiamo che il prodotto A
2
A è commutativo:
A A
2
=
_
_
2 1 1
0 1 2
1 0 1
_
_
_
_
5 3 1
2 1 4
3 1 2
_
_
=
_
_
11 8 0
8 1 8
8 4 3
_
_
= A
2
A
Determiniamo A
5
:
A
5
= A
2
A
3
=
_
_
5 3 1
2 1 4
3 1 2
_
_
_
_
11 8 0
8 1 8
8 4 3
_
_
=
_
_
39 41 21
62 33 20
41 31 2
_
_
Si osservi che A
2
A
3
è commutativo:
A
3
A
2
=
_
_
11 8 0
8 1 8
8 4 3
_
_
_
_
5 3 1
2 1 4
3 1 2
_
_
=
_
_
39 41 21
62 33 20
41 31 2
_
_
= A
2
A
3
14
1.4 Determinanti
Abbiamo visto che una matrice è un array di mn numeri. Nel caso speciale di una matrice
quadrata:
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
, (1.29)
è possibile associare a tale array un numero, che si chiama determinante della matrice e si
indica con il simbolo det A,
det A =
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
Per n = 1, si pone per denizione:

det A
def
= a
11
Per denire det A nel caso n 2, dobbiamo introdurre la nozione di prodotto associato
alla matrice (1.29). A tale scopo chiediamoci se sia possibile prendere tra gli n
2
elementi di
A, un sottoinsieme S costituito da n elementi tali che:
a
ij
, a
hk
S, (i ,= h, j ,= k)
cioè due qualunque elementi di S non appartengono nè alla stessa riga, nè alla stessa colonna.
Quindi il sottoinsieme deve essere del tipop:
S = a
h
1
k
1
, a
h
2
k
2
, ..., a
h
n
k
n
con h
i
, k
i
tali che:
i, j 1, 2, ..., n , i ,= j =(h
i
,= h
j
, k
i
,= k
j
)
Cioè
h
1
, h
2
, ..., h
n
(1.30)
k
1
, k
2
, ..., k
n
sono permutazioni arbitrarie (distinte o coincidenti) degli elementi 1, 2, 3, ..., n.
Ad esempio, per n = 5 consideriamo:
(h
1
, h
2
, ..., h
n
) = (4, 2, 1, 3, 5)
(k
1
, k
2
, ..., k
n
) = (2, 4, 3, 1, 5)
ottenendo:
15
S = a
42
, a
24
, a
13
, a
31
, a
55
(1.31)
Quindi, gli elementi dellinsieme (1.31) soddisfano la condizione richiesta.
Siano ora h e k le inversioni della prima e seconda delle (1.30), rispettivamente. Il prodotto
associato alla matrice quadrata (1.29) è per denizione:
(1)
h+k
a
h
1
k
1
a
h
2
k
2
...a
h
n
k
n
Si osservi che:
(1)
h+k
= +1, se h + k è pari
(1)
h+k
= 1, altrimenti
Inoltre h +k è pari se h, k hanno la medesima parità, cioè se le due permutazioni sono della
stessa classe. Viceversa, se h +k è dispari.
Per n = 2:
A =
_
a
11
a
12
a
21
a
22
_
Abbiamo i seguenti sottoinsiemi:
a
11
, a
22
a
12
, a
21
e i relativi prodotti associati:
+ a
11
a
21
a
21
a
22
Da ciò segue che per ottenere tutti i prodotti associati basta tenere sso uno degli indici
h
i
, k
i
, facendo variare laltro in tutti i modi possibili, per cui il numero di prodotti associati
ad una matrice di ordine n, è pari a n! Ad esempio, per n = 3:
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
abbiamo 3! = 6 prodotti associati. Infatti gli insiemi sono:
a
11
, a
22
, a
33
a
12
, a
21
, a
33
a
13
, a
21
, a
32
a
13
, a
23
, a
31
a
11
, a
23
, a
32
a
11
, a
23
, a
32
16
Nel caso generale, il determinante di A è la somma degli n! prodotti associati. Per eseguire la
somma si pu` o ssare la n-pla h
1
, h
2
, ..., h
n
, per poi variare in tutti i modi possibili k
1
, k
2
, ..., k
n
,
o viceversa. Abbiamo quindi:
det A = (1)
h

k
1
k
2
...k
n
(1)
k
a
h
1
k
1
a
h
2
k
2
...a
h
n
k
n
(1.32)
det A = (1)
k

h
1
h
2
...h
n
(1)
h
a
h
1
k
1
a
h
2
k
2
...a
h
n
k
n
Nel caso speciale in cui (h
1
, h
2
, ..., h
n
) = (1, 2, ..., n), la prima delle (1.32) diventa (h = 0):
det A =
k
1
k
2
...k
n
(1)
k
a
1k
1
a
2k
2
...a
nk
n
(1.33)
Nel caso speciale in cui (k
1
, k
2
, ..., k
n
) = (1, 2, ..., n), la seconda delle (1.32) diventa (k = 0):
det A =
h
1
h
2
...h
n
(1)
h
a
h
1
1
a
h
2
2
...a
h
n
n
(1.34)
Ad esempio, per n = 3:
det A =
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
= a
11
a
22
a
33
a
11
a
23
a
32
a
21
a
12
a
33
+ a
21
a
13
a
32
+ a
31
a
12
a
23
a
31
a
13
a
22
Per n = 4
det A =
a
11
a
12
a
13
a
14
a
21
a
22
a
23
a
24
a
31
a
32
a
33
a
34
a
41
a
42
a
43
a
44
= a
11
a
22
a
33
a
44
a
11
a
22
a
34
a
43
a
11
a
32
a
23
a
44
+ a
11
a
32
a
24
a
43
+a
11
a
42
a
23
a
34
a
11
a
42
a
24
a
33
a
21
a
12
a
33
a
44
+ a
21
a
12
a
34
a
43
+a
21
a
32
a
13
a
44
a
21
a
32
a
14
a
43
a
21
a
42
a
13
a
34
+ a
21
a
42
a
14
a
33
+ a
31
a
12
a
23
a
44
a
31
a
12
a
24
a
43
a
31
a
22
a
13
a
44
+ a
31
a
22
a
14
a
43
+ a
31
a
42
a
13
a
24
a
31
a
42
a
14
a
23
a
41
a
12
a
23
a
34
+ a
41
a
12
a
24
a
33
+ a
41
a
22
a
13
a
34
a
41
a
22
a
14
a
33
a
41
a
32
a
13
a
24
+ a
41
a
32
a
14
a
23
Da ciò segue che al crescere di n, aumenta la complessità del calcolo diretto del determinante.
Fortunatamente esistono teoremi che riducono tale complessit` a di calcolo.
Teorema 13 Se A è una matrice quadrata di ordine n:
det A = det A
T
17
Dimostrazione. Siano:
det A =
a
11
... a
1n
... ... ...
a
n1
... a
nn
det A
T
=
11
... a
1n
... ... ...
a
n1
... a
nn
Per denizione di matrice trasposta:

a
hk
= a
kh
(1.35)
Il determinante di A:
det A =
k
1
k
2
...k
n
(1)
k
a
1k
1
a
2k
2
...a
nk
n
Per la (1.35):
det A =
k
1
k
2
...k
n
(1)
k
a
k
1
1
a
k
2
2
...a
k
n
n
= det A
T
Teorema 14 Sia A una matrice quadrata di ordine n. Se negli indici di riga eseguiamo la
sostituzione:
(1, 2, ..., n) (h
1
, h
2
, ..., h
n
) (1.36)
otteniamo una nuova matrice quadrata di ordine n, che indichiamo con A
. Risulta:
det A
= (1)
h
det A,
essendo h il numero di inversioni della sostituzione (1.36).
Dimostrazione. Poniamo A
= (a
hk
):
a
1r
= a
h
1
r
, a
2r
= a
h
2
r
, ...,a
nr
= a
h
n
r
con r = 1, 2, ..., n
Abbiamo:
det A
k
1
k
2
...k
n
(1)
k
a
1k
1
a
2k
2
...a
nk
n
=
k
1
k
2
...k
n
(1)
k
a
h
1
k
1
a
h
2
k
2
...a
h
n
k
n
= (1)
h
det A
Ad esempio, consideriamo la matrice
18
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
Eseguiamo la sostituzione degli indici di riga:
(1, 2, 3) (3, 1, 2) (1.37)
Quindi:
a
11
= a
31
, a
21
= a
11
, a
31
= a
21
a
21
= a
11
, a
22
= a
12
a
23
= a
13
a
31
= a
21
, a
32
= a
22
, a
33
= a
23
Da cui:
A
=
_
_
a
31
a
32
a
33
a
11
a
12
a
13
a
21
a
22
a
23
_
_
Si osservi che la sostituzione (1.37) presenta due inversioni, quindi h = 2. Il determinante di
A
è:
det A
= (1)
2
det A = det A
In maniera analoga si dimostra il seguente
Teorema 15 Sia A una matrice quadrata di ordine n. Se negli indici di colonna eseguiamo
la sostituzione:
(1, 2, ..., n) (k
1
, k
2
, ..., k
n
) (1.38)
otteniamo una nuova matrice quadrata di ordine n, che indichiamo con A
. Risulta:
det A
= (1)
k
det A,
essendo k il numero di inversioni della sostituzione (1.38).
I due teoremi precedenti si specializzano nel seguente:
Teorema 16 Un determinante inverte il proprio segno se si scambiano due righe o due
colonne.
det A =
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
(1.39)
19
Senza ledere la generalità, scambiamo la prima riga con la seconda, ottenendo:
det A
a
21
a
22
... a
2n
a
11
a
12
... a
1n
... ... ... ...
a
n1
a
n2
... a
nn
(1.40)
Si osservi che (1.40) si ottiene da (1.39) attraverso la sostituzione di indici di riga:
(1, 2, ..., n) (2, 1, ..., n)
Tale sostituzione ha h = 1 inversioni. Per i teoremi precedenti:
det A
= det A
In maniera analoga si dimostra che
det A
= det A,
essendo det A
il determinante ottenuto da (1.39) scambiando la prima con la seconda

colonna.
Teorema 17 Se in una matrice quadrata A(n n) contiene due righe (o due colonne)
identiche, segue che det A = 0.
Dimostrazione. Senza ledere la generalità:
A =
_
_
_
_
a
11
a
12
... a
1n
a
11
a
12
... a
1n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
Se scambiamo la prima riga con la seconda otteniamo una matrice A
= A. Per il teorema
precedente:
det A
= det A
Daltro canto A
= A implica:
det A
= det A
donde:
det A = det A =det A = 0
cioè lasserto.
Teorema 18 Sia A(n n) una matrice quadrata:
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
20
Moltiplicando la riga i-esima per una costante , si ottiene la matrice
A
=
_
_
_
_
_
_
a
11
a
12
... a
1n
... ... ... ...
a
i1
a
i2
... a
in
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
_
_
,
essendo a
ir
= a
ir
.
Ciò posto, i determinanti di A e A
sono legati dalla relazione:

det A
= det A
Dimostrazione. Nella (1.32) troviamo un fattore in ogni termine della sommatoria,
donde:
det A
= (1)
h

k
1
k
2
...k
n
(1)
k
a
h
1
k
1
a
h
2
k
2
...a
h
n
k
n
= det A
Da tale teorema segue che se gli elementi di una riga hanno un fattore comune , questo può
essere posto fuori del determinante:
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
Il teorema precedente si generalizza al caso della moltiplicazione di una costante per gli
elementi di una colonna. Ad esempio:
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
Teorema 19 Se in una matrice quadrata A(n n), gli elementi di una riga (o di una
colonna) sono tutti nulli, si ha det A = 0.
Dimostrazione. Per il teorema (18):
a
11
a
12
... a
1n
... ... ... ...
0 0 ... 0
... ... ... ...
a
n1
a
n2
... a
nn
= 0
a
11
a
12
... a
1n
... ... ... ...
1 1 ... 1
... ... ... ...
a
n1
a
n2
... a
nn
= 0,
donde lasserto.
21
Teorema 20 Se una matrice quadrata A(n n) contiene due righe (o due colonne) pro-
porzionali, allora è det A = 0.
Dimostrazione. Qui per righe proporzionali intendiamo:
: a
s1
= a
r1
, a
s2
= a
r2
, ..., a
sn
= a
rn
,
donde:
det A =
a
11
a
12
... a
1n
... ... ... ...
a
r1
a
r2
... a
rn
... ... ... ...
a
r1
a
r2
... a
rn
... ... ... ...
a
n1
a
n2
... a
nn
a
11
a
12
... a
1n
... ... ... ...
a
r1
a
r2
... a
rn
... ... ... ...
a
r1
a
r2
... a
rn
... ... ... ...
a
n1
a
n2
... a
nn
= 0 = 0
1.5 Minori di una matrice
Consideriamo una matrice A(mn):
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
m1
a
m2
... a
mn
_
_
_
_
Sia p N 0 : p min m, n. Quindi prendiamo p righe di indice h
1
< h
2
< ... < h
p
, e
p colonne di indici k
1
, k
2
, ..., k
p
; in tal modo resta individuato il determinante:
a
h
1
h
2
...h
p
,k
1
k
2
...k
p
def
=
a
h
1
k
1
a
h
1
k
2
... a
h
1
k
p
a
h
2
k
1
a
h
2
k
2
... a
h
2
k
p
... ... ... ...
a
h
p
k
1
a
h
p
k
2
... a
h
p
k
p
(1.41)
Il determinante (1.41) si chiama minore di ordine p della matrice A. Ad esempio:
A =
_
1 0 5
2 1 3
_
(1.42)
22
Assumiamo:
h
1
= 1, h
2
= 2
k
1
= 2, k
2
= 3
Quindi:
a
12,23
=
0 5
1 3
,
che è un minore di ordine 2 della matrice (1.42).
Ora consideriamo il caso particolare di una matrice quadrata di ordine n :
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
Assegnati p 1, 2, ..., n 1, h
1
, h
2
, ..., h
p
, k
1
, k
2
, ..., k
p
abbiamo il minore di ordine p :
a
h
1
h
2
...h
p
,k
1
k
2
...k
p
=
a
h
1
k
1
a
h
1
k
2
... a
h
1
k
p
a
h
2
k
1
a
h
2
k
2
... a
h
2
k
p
... ... ... ...
a
h
p
k
1
a
h
p
k
2
... a
h
p
k
p
(1.43)
Al tempo stesso resta denito il minore di ordine n p:
a
h
p+1
h
p+2
...h
n
,k
p+1
k
p+2
...k
n
def
=
a
h
p+1
k
p+1
a
h
p+1
k
p+2
... a
h
n
k
n
a
h
p+2
k
p+1
a
h
p+2
k
p+2
... a
h
n
k
p
... ... ... ...
a
h
n
k
p+1
a
h
n
k
p+2
... a
h
n
k
n
(1.44)
Il minore (1.44) si chiama minore complementare del minore (1.43). Deniamo poi
complemento algebrico o aggiunto o cofattore del minore (1.43):
a
h
1
h
2
...h
p
,k
1
k
2
...k
p
= (1)
p
r=1
h
r
+
p
r=1
k
r
a
h
p+1
h
p+2
...h
n
,k
p+1
k
p+2
...k
n
Esempi numerici
A =
_
_
0 1 12
4 2 3
9 6 14
_
_
Poniamo: h
1
= 1, h
2
= 2; k
1
= 1, k
2
= 2, per cui h
p+1
= 3, k
p+1
= 3, essendo p = 2. Perciò
il minore di ordine 2:
a
12,12
=
0 1
4 2
= 4
Il minore complementare del minore a
12,12
è di ordine 1:
23
a
3,3
= det (14) = 14
Il complemento algebrico di a
12,12
è:
a
12,12
= (1)
6
a
3,3
= 14
***
Sia:
A =
_
_
_
_
2 4 3 5
1 2 7 9
3 2 9 4
7 2 1 0
_
_
_
_
Prendiamo p = 2, donde: h
1
= 1, h
2
= 2; k
1
= 1, k
2
= 2
a
12,12
=
2 4
1 2
= 0
Il minore complentare del minore a
12,12
è
a
34,34
=
9 4
1 0
= 4
12,12
è:
a
12,12
= (1)
6
a
34,34
= 4
Sia:
A =
_
_
_
_
_
_
1 2 9 4 0
2 3 1 3 2
5 4 6 2 1
0 8 1 5 3
6 4 9 1 3
_
_
_
_
_
_
Consideriamo il minore del secondordine:
a
24,23
=
3 1
8 1
= 11
Il minore complementare di a
24,23
è di ordine 3:
a
135,145
=
1 4 0
5 2 1
6 1 3
= 41
24,23
è:
a
24,23
= (1)
6+5
a
135,145
= +41
24
***
Sia
A =
_
_
2 0 10
4 1 2
0 1 1
_
_
Abbiamo:
a
12,12
=
2 0
4 1
= 2
a
12,13
=
2 10
4 2
= 44
a
12,23
=
0 10
1 2
= 10
a
13,12
=
2 0
0 1
= 2
a
13,13
=
2 10
0 1
= 2
a
13,23
=
0 10
1 1
= 10
a
13,23
=
0 10
1 1
= 10
a
13,23
=
0 10
1 1
= 10
a
23,12
=
4 1
0 1
= 4
a
23,23
=
1 2
1 1
= 3
a
3,3
= det (1) = 1
a
12,12
= (1)
6
a
3,3
= 1
ecc.
***
La nozione di minore di ordine p si specializza nel caso p = 1. Pi` u specicatamente, un
qualunque elemento a
hk
di una matrice A(n n) è un minore di ordine 1. Il complemento
algebrico di a
hk
è:
a
hk
= (1)
h+k
M
hk
, (1.45)
essendo
25
M
hk
= det A
hk
Qui A
hk
è la matrice complementare di A :
A =
_
_
_
_
_
_
_
_
_
_
_
_
a
11
... a
1,k1
a
1k
a
1,k+1
... a
1n
a
21
... a
2,k1
a
2k
a
2,k+1
... a
2n
... ... ... ... ... ... ...
a
h1,1
... a
h1,k1
a
h1,k
a
h1,k+1
... a
h1,n
a
h1
... a
h,k1
a
hk
a
h,k+1
... a
hn
a
h+1,1
... a
h+1,k1
a
h+1,k
a
h+1,k+1
... a
h+1,n
... ... ... ... ... ... ...
a
n1
... a
n,k1
a
nk
a
n,k+1
... a
nn
_
_
_
_
_
_
_
_
_
_
_
_
, (1.46)
cioè la matrice quadrata di ordine n 1 ottenuta dalla (1.46) cancellando la riga h-esima e
la colonna k-esima:
A
hk
=
_
_
_
_
_
_
_
_
_
_
a
11
... a
1,k1
a
1,k+1
... a
1n
a
21
... a
2,k1
a
2,k+1
... a
2n
... ... ... ... ... ...
a
h1,1
... a
h1,k1
a
h1,k+1
... a
h1,n
a
h+1,1
... a
h+1,k1
a
h+1,k+1
... a
h+1,n
... ... ... ... ... ...
a
n1
... a
n,k1
a
n,k+1
... a
nn
_
_
_
_
_
_
_
_
_
_
1.6 Teorema di Laplace
Consideriamo la matrice quadrata:
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
Fissiamo p < n, dopodiche prendiamo p righe di indici: h
1
< h
2
< ... < h
p
. Resta cos`
individuata la matrice p n:
_
_
_
_
a
h
1
1
a
h
1
2
... a
h
1
n
a
h
2
1
a
h
2
2
... a
h
2
n
... ... ... ...
a
h
p
1
a
h
p
2
... a
h
p
n
_
_
_
_
Il numero di minori che possono essere estratti da tale matrice, è pari al numero delle
combinazioni di classe p di n oggetti, cioè
_
n
p
_
=
n!
p! (n p)!
Abbiamo quindi:
26
a
h
1
h
2
...h
p
,k
1
,k
2
,...,k
p
,
essendo k
1
< k
2
< ... < k
p
una qualunque combinazione di classe p di 1, 2, ..., n. Ciò posto,
sussiste il Teorema di Laplace:
Teorema 21
det A =
k
1
k
2
...k
p
a
h
1
h
2
...h
p
,k
1
,k
2
,...,k
p
a
h
1
h
2
...h
p
,k
1
,k
2
,...,k
p
(1.47)
Dimostrazione. Omessa.
Nel caso speciale p = 1, la (1.47) si scrive:
det A =
k
a
hk
a
hk
(1.48)
che esprime lo sviluppo di un determinante secondo gli elementi di una riga assegnata (somma
degli
_
n
1
_
= n prodotti dei singoli elementi per i corrispondenti complementi algebrici).
In maniera analoga si dimostra lo sviluppo secondo gli elementi di una colonna assegnata.
Nella (1.48) a
hk
è il complemento algebrico del minore a
hk
ed è dato dalla (1.45) che
riscriviamo:
a
hk
= (1)
h+k
det A
hk
=
_
det A
hk
, h + k pari
det A
hk
, altrimenti
La relazione precedente suggerisce la seguente
Denizione 22 Un elemento a
hk
di una matrice quadrata, si dice di posto pari o di posto
dispari se h + k è pari o dispari rispettivamente.
Esempi
A =
_
_
1 1 2
3 9 2
2 1 5
_
_
Sviluppiamo il determinante di A secondo gli elementi della prima riga:
det A = (+1)
9 2
1 5
+ (1)
1
3 2
2 5
+ 2
3 9
2 1
= 104,
poiche:
a
11
= (1)
2
A
11
= (+1)
9 2
1 5
12
= (1)
3
A
12
= (1)
3 2
2 5
22
= (1)
4
A
13
= (+1)
3 9
2 1
27
***
Calcoliamo il determinante
=
1 1 2 3
2 3 1 4
1 3 2 5
4 5 7 6
Sviluppando secondo gli elementi della seconda colonna:

=
2 1 4
1 2 5
4 7 6
+ 3
1 2 3
1 2 5
4 7 6
1 2 3
2 1 4
4 7 6
+ 5
1 2 3
2 1 4
1 2 5
Risulta:
2 1 4
1 2 5
4 7 6
= 36
1 2 3
1 2 5
4 7 6
= 48
1 2 3
2 1 4
4 7 6
= 60
1 2 3
2 1 4
1 2 5
= 0,
donde:
= 288
1.7 Altre proprietà delle matrici
Sia A(n n) una matrice quadrata di ordine n. Senza ledere la generalità supponiamo che
a
ij
R. Fissiamo arbitrariamente p N : p < n, e le righe: h
1
< h
2
< ... < h
p
:
A =
_
_
_
_
_
_
_
_
_
_
_
_
a
11
a
12
... a
1n
... ... ... ...
a
h
1
1
a
h
1
2
... a
h
1
n
a
h
2
1
a
h
2
2
... a
h
n
n
... ... ... ...
a
h
p
1
a
h
p
2
... a
h
p
n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
_
_
_
_
_
_
_
_
(1.49)
28
Fissiamo lattenzione sulle p righe:
(a
h
r
1
, a
h
r
2
, ..., a
h
r
n
) con r = 1, 2, ..., p
Se
1
,
2
, ...
p
R, consideriamo le combinazioni lineari:
b
1
=
1
a
h
1
1
+
2
a
h
2
1
+ ... +
p
a
h
p
1
b
2
=
1
a
h
1
2
+
2
a
h
2
2
+ ... +
p
a
h
p
2
...
b
n
=
1
a
h
1
n
+
2
a
h
2
n
+ ... +
p
a
h
p
n
Indichiamo con B la matrice ottenuta da (1.49) con la sostituzione
(a
i1
, a
i2
, ..., a
in
) (a
i1
+ b
1
, a
i2
+b
2
, ..., a
in
+ b
n
) ,
per un assegnato i 1, 2, ..., n h
1
, h
2
, ..., h
p
. Sussiste il
Teorema 23
det A = det B
Un caso particolare è:
(a
i1
, a
i2
, ..., a
in
) (a
i1
+ a
r1
, a
i2
+ a
r2
, ..., a
in
+a
rn
) ,
essendo i, r 1, 2, ..., n con i ,= n. Tale sostituzione produce la matrice:
C =
_
_
_
_
_
_
a
11
a
12
... a
1n
... ... ... ...
a
i1
+ a
r1
a
i2
+ a
r1
... a
in
+ a
r1
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
_
_
Si ha:
det C = det A
Esempi
A =
_
_
1 2 5
4 1 1
2 1 1
_
_
det A =
1 2 5
4 1 1
2 1 1
= 36
Fissiamo p = 2, h
1
= 2, h
2
= 3. Quindi:
29
b
1
=
1
(4) +
2
(2)
b
2
=
1
(1) +
2
(1)
b
3
=
1
(1) +
2
(1)
Assumendo (
1
,
2
) = (1, 2):
b
1
= 0, b
2
= 3, b
3
= 1
Per i = 1:
B =
_
_
1 5 4
4 1 1
2 1 1
_
_
Un calcolo diretto porge:
det B = 36
***
Sia:
A =
_
_
1 1 0
2 1 1
3 7 2
_
_
det A =
1 1 0
2 1 1
3 7 2
= 4
Eseguiamo la sostituzione:
(a
11
, a
12
, a
13
) (a
11
+ a
21
, a
12
+ a
22
, a
13
+ a
23
)
Per = 1
(1, 1, 0) (3, 0, 1)
donde:
B =
_
_
3 0 1
2 1 1
3 7 2
_
_
det B =
3 0 1
2 1 1
3 7 2
= 4
30
Per = 1/2
(1, 1, 0)
_
0,
3
2
,
1
2
_
donde:
C =
_
_
0
3
2

1
2
2 1 1
3 7 2
_
_
det C =
0
3
2

1
2
2 1 1
3 7 2
= 4
Eseguiamo la sostituzione:
(a
21
, a
22
, a
23
) (a
21
+ a
11
, a
22
+ a
12
, a
23
+ a
13
)
Per = 2:
(2, 1, 1) (0, 3, 1) ,
donde:
D =
_
_
0
3
2

1
2
2 1 1
3 7 2
_
_
det C =
1 1 0
0 3 1
3 7 2
= 4
Osservazione 24 I teoremi precedenti continuano a valere nel caso di sostituzioni per
colonna. Ad esempio:
A =
_
_
1 2 3
1 1 4
5 2 1
_
_
det A =
1 2 3
1 1 4
5 2 1
= 14
Eseguiamo la sostituzione per colonna:
(a
11
, a
21
, a
31
) (a
11
+a
12
, a
21
+ a
22
, a
31
+a
32
)
Per = 1
(1, 1, 5) (3, 0, 7) ,
31
donde:
B =
_
_
1 3 3
1 0 4
5 7 1
_
_
det B =
1 3 3
1 0 4
5 7 1
= 14
Teorema 25 Sia A(n n) e p 1, 2, ..., n 1. Fissiamo quindi h
1
< h
2
< h
p
.
i
0
1, 2, ..., n : (a
i
0
1
, a
i
0
2
, ..., a
i
0
n
) =
p
j=1
j
_
a
h
j
1
, a
h
j
2
, ..., a
h
j
n
_
=det A = 0
j
0
1, 2, ..., n : (a
1j
0
, a
2j
0
, ..., a
nj
0
) =
p
i=1
i
(a
1h
i
, a
2h
i
,
..., a
nh
i
) =det A = 0
Secondo il teorema precedente, un determinante è nullo se una riga (o una colonna) è
combinazione lineare di altre righe (o di altre colonne). Ad esempio:
A =
_
_
5 7 19
1 2 5
1 1 3
_
_
Qui è:
(5, 7, 19) = 2 (1, 2, 5) + 3 (1, 1, 3) ,
donde
det A = 0
come confermato da un calcolo diretto.
Teorema 26 Siano A, B matrici quadrate di ordine n.
det (A B) = (det A) (det B)
1.8 Inversa di una matrice
Consideriamo la matrice quadrata di ordine n :
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
, (1.50)
32
Secondo la (1.45) per ogni elemento a
hk
resta univocamente denito il suo complemento
algebrico a
hk
:
a
hk
a
hk
= (1)
h+k
det A
hk
Resta cos` denita la matrice quadrata di ordine n:
A
(a)
def
=
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
T
che si chiama matrice aggiunta della matrice A. In altri termini, la matrice aggiunta è la
trasposta della matrice dei complementi algebrici.
Denizione 27 Una matrice quadrata è non singolare se il suo determinante è non nullo.
Nel caso contrario, la matrice è singolare.
Denizione 28 Sia A una matrice quadrata di ordine n. Se A è non singolare, si denisce
inversa di A e si indica con A
1
la matrice quadrata di ordine n tale che:
AA
1
= A
1
A = I
n
,
essendo I
n
la matrice identità di ordine n.
Proposizione 29 Sia A una matrice quadrata di ordine n non singolare. La sua inversa è:
A
1
=
A
(a)
det A
(1.51)
***
Denizione 30 Una matrice quadrata di ordine n si dice involutoria se coincide con la
propria inversa:
A
1
= A A
2
= I
Esempi
Sia
A =
_
_
1 1 0
4 3 2
2 2 5
_
_
det A = 43
La matrice aggiunta è:
33
A
(a)
=
_
_
19 5 2
24 5 2
2 4 7
_
_
Quindi linversa:
A
1
=
_
_
19
43
5
43
2
43
24
43
5
43
2
43
2
43

4
43
7
43
_
_
***
Sia
A =
_
_
_
_
1 2 3 4
5 6 7 8
9 10 11 12
13 14 15 16
_
_
_
_
A
(a)
=
_
_
_
_
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
_
_
_
_
Si osservi che det A = 0, per cui la matrice è singolare e come tale è priva di inversa.
1.9 Rango di una matrice
Se A(n n) ,= 0 per 1.5 esistono minori di ordine p = 1, 2, ..., min m, n.
Denizione 31 Dicesi rango o caratteristica di A, lintero naturale:
r (A)
def
= p
>
,
essendo p
>
= max p : i minori di ordine p
>
sono non nulli.
Da tale denizione segue che se r (A) = p
>
, signica:
1. Esiste almeno un minore di ordine p
>
non nullo;
2. se p
>
< min m, n, i minori di ordine p
>
+ 1, p
>
+ 2, ..., sono tutti nulli.
34
1.10 Esercizi proposti
1.10.1 Operazioni sulle matrici e classicazione delle matrici
(per alcune soluzioni consultare lAppendice A)
_
_
1 2 1 0
4 0 2 1
2 5 1 2
_
_
+
_
_
3 4 1 2
1 5 0 3
2 2 3 1
_
_
=
_
_
4 2 0 2
5 5 2 4
4 7 4 1
_
_
;
_
_
1 2 1 0
4 0 2 1
2 5 1 2
_
_
_
_
3 4 1 2
1 5 0 3
2 2 3 1
_
_
=
_
_
2 6 2 2
3 5 2 2
0 3 2 3
_
_
;
3
_
_
1 2 1 0
4 0 2 1
2 5 1 2
_
_
=
_
_
3 6 3 0
12 0 6 3
6 15 3 6
_
_
;
_
_
1 2 1 0
4 0 2 1
2 5 1 2
_
_
=
_
_
1 2 1 0
4 0 2 1
2 5 1 2
_
_
***
_
2 3 1
_
_
_
1
4
2
_
_
= 12
_
_
1
4
2
_
_
_
2 3 1
_
=
_
_
2 3 1
8 12 4
4 6 2
_
_
;
_
2 3 1
_
_
_
4 2 6 9
0 1 7 10
5 3 8 11
_
_
=
_
19 13 16 14
_
_
2 3 4
1 5 6
_
_
_
1
2
3
_
_
=
_
20
29
_
;
_
1 2 1
4 0 2
_
_
_
3 4
1 5
2 2
_
_
=
_
3 8
8 12
_
;
Date le matrici:
A =
_
_
a
11
a
12
a
21
a
22
a
31
a
32
_
_
, B =
_
b
11
b
12
b
12
b
22
_
,
calcolare la matrice prodotto AB.
35
Date le matrici:
A =
_
_
1 2
3 4
5 6
_
_
, B =
_
_
3 2
1 5
4 3
_
_
,
determinare:
D =
_
_
p q
r s
t u
_
_
: A +B D = 0
***
Date le matrici:
A =
_
_
1 2 3
5 0 2
1 1 1
_
_
, B =
_
_
3 1 2
4 2 5
2 0 3
_
_
, C =
_
_
4 1 2
0 3 2
1 2 3
_
_
, (1.52)
determinare: A + B, A C, 2A. Vericare lidentità:
A + (B C) = (A + B) C
Determinare una matrice D tale che:
A + D = B
Vericare le identità:
D = B A
D = (A B)
***
Date le matrici:
A =
_
_
1 1 1
3 2 1
2 1 0
_
_
; B =
_
_
1 2 3
2 4 6
1 2 3
_
_
vericare la non commutatività del loro prodotto.
Soluzione
36
AB =
_
_
0 0 0
0 0 0
0 0 0
_
_
BA =
_
_
1 6 6 1 + 4 + 3 1 2
2 12 12 2 + 8 + 6 2 4
1 6 6 1 + 4 + 3 1 2
_
_
=
_
_
11 6 1
20 12 2
11 6 1
_
_
,
cioè AB ,= BA.
***
Date le matrici:
A =
_
_
1 2 2
2 1 3
4 3 1
_
_
, B =
_
_
1 4 1 0
2 1 1 1
1 2 1 2
_
_
, C =
_
_
2 1 1 2
3 2 1 1
2 5 1 0
_
_
,
vericare lidentità matriciale:
AB = AC
Soluzione
Procediamo per calcolo diretto:
AB =
_
_
3 3 0 1
1 15 0 5
3 15 0 5
_
_
AC =
_
_
3 3 0 1
1 15 0 5
3 15 0 5
_
_
***
Date le matrici:
A =
_
_
1 1 1
2 0 3
3 1 2
_
_
, B =
_
_
1 3
0 2
1 4
_
_
, C =
_
1 2 3 4
2 0 2 1
_
vericare lidentità (proprietà distributiva rispetto alla moltiplicazione righe per colonne):
A(BC) = (AB) C
37
Soluzione
Procediamo per calcolo diretto:
AB =
_
_
2 1
1 18
1 15
_
_
(AB) C =
_
_
4 4 4 7
35 2 39 22
31 2 27 11
_
_
BC =
_
_
7 2 3 1
4 0 4 2
7 2 11 8
_
_
A(BC) =
_
_
4 4 4 7
35 2 39 22
31 2 27 11
_
_
***
Date le matrici (1.52) vericare la proprietà distributiva della moltiplicazione righe per
colonne rispetto alladdizione di matrici:
A(B +C) = AB + AC (1.53)
Soluzione
B + C =
_
_
7 0 4
4 5 7
3 2 6
_
_
Quindi:
A(B + C) =
_
_
6 16 0
41 4 32
6 7 3
_
_
Determiniamo il secondo membro della (1.53):
AB =
_
_
5 3 3
19 5 16
1 3 0
_
_
AC =
_
_
1 13 3
22 1 16
5 4 3
_
_
da cui:
AB + AC =
_
_
6 16 0
41 4 32
6 7 3
_
_
38
***
Data la matrice:
A =
_
i 0
0 i
_
,
essendo i =
1, determinare A
n
per n N.
Soluzione
A
2
=
_
i 0
0 i
__
i 0
0 i
_
=
_
1 0
0 1
_
= I
A
3
=
_
1 0
0 1
__
i 0
0 i
_
= A
A
4
= A
3
A =
_
i 0
0 i
__
i 0
0 i
_
=
_
1 0
0 1
_
= I
Da ciò segue:
n è pari =A
n
= I
n è dispari =A
n
= A
Precisamente:
A
2
= I
A
4
= +I
A
8
= +I
A
10
= I
da ciò segue:
A
n
= +I, se n = 4p p N
A
n
= I, se n = 4p + 2 p N
In maniera simile si dimostra che:
A
n
= +A, se n = 4p + 1 p N
A
n
= A, se n = 4p + 3 p N
***
39
Assegnate le matrici:
A =
_
_
2 3 5
1 4 5
1 3 4
_
_
, B =
_
_
1 3 5
1 3 5
1 2 5
_
_
, C =
_
_
2 2 4
1 3 4
1 2 3
_
_
,
vericare che A e B commutano e che AC = A, CA = C.
Soluzione
AB =
_
_
2 3 + 5 6 9 15 10 + 15 25
1 + 4 5 3 12 + 15 5 20 + 25
1 3 + 4 3 + 9 12 5 + 15 20
_
_
=
_
_
0 0 0
0 0 0
0 0 0
_
_
BA =
_
_
2 3 + 5 6 9 15 10 + 15 25
1 + 4 5 3 12 + 15 5 20 + 25
1 3 + 4 3 + 9 12 5 + 15 20
_
_
=
_
_
0 0 0
0 0 0
0 0 0
_
_
Cioè AB = BA = 0.
AC =
_
_
2 3 5
1 4 5
1 3 4
_
_
= A
CA =
_
_
2 2 4
1 3 4
1 2 3
_
_
= C
***
A =
_
a b
b a
_
, B =
_
c d
d c
_
, con a, b, c, d R
vericare che A e B commutano.
Soluzione
AB =
_
a b
b a
__
a b
b a
_
=
_
ac + bd ad + bc
bc +ad bd + ac
_
BA =
_
ca + db cb + da
da + cb db + ca
_
,
40
donde:
a, b, c, d R, AB = BA
***
Vericare che la matrice:
A =
_
_
2 2 4
1 3 4
1 2 3
_
_
è idempotente.
Soluzione
A
2
=
_
_
2 2 4
1 3 4
1 2 3
_
_
_
_
2 2 4
1 3 4
1 2 3
_
_
=
_
_
2 2 4
1 3 4
1 2 3
_
_
=A
2
= A
***
Vericare lidempotenza delle matrici:
A =
_
_
2 3 5
1 4 5
1 3 4
_
_
, B =
_
_
1 3 5
1 3 5
1 3 3
_
_
Per la matrice A:
A
2
=
_
_
2 3 5
1 4 5
1 3 4
_
_
_
_
2 3 5
1 4 5
1 3 4
_
_
=
_
_
2 3 5
1 4 5
1 3 4
_
_
= A
Per la matrice B
B
2
=
_
_
1 3 5
1 3 5
1 3 3
_
_
_
_
1 3 5
1 3 5
1 3 3
_
_
=
_
_
1 3 5
1 3 5
1 3 3
_
_
= B
41
***
Dimostrare la seguente proposizione:
AB = A, BA = B) =(A, B sono idempotenti
Soluzione
AB = A =A(BA) = A
Per la proprietà distributiva rispetto alla moltiplicazione tra matrici:
(AB) A = A
Ma AB = A, donde:
A
2
= A
da cui lidempotenza di A. Passiamo alla matrice B:
BA = B =B(AB) = B
Per la proprità distributiva:
(BA) B = B
Ma BA = B, donde:
B
2
= B,
da cui lidempotenza di B.
***
Vericare la nilpotenza di ordine 3 della matrice:
A =
_
_
1 1 3
5 2 6
2 1 3
_
_
Soluzione
42
A
2
=
_
_
1 1 3
5 2 6
2 1 3
_
_
_
_
1 1 3
5 2 6
2 1 3
_
_
=
_
_
0 0 0
3 3 9
1 1 3
_
_
A
3
=
_
_
0 0 0
3 3 9
1 1 3
_
_
_
_
1 1 3
5 2 6
2 1 3
_
_
=
_
_
0 0 0
0 0 0
0 0 0
_
_
,
donde lasserto.
***
Assegnata la matrice quadrata:
A =
_
_
1 2 2
2 1 2
2 2 1
_
_
vericare che è soluzione dellequazione matriciale:
X
2
4X 5I
3
= 0
Abbiamo:
A
2
=
_
_
1 2 2
2 1 2
2 2 1
_
_
_
_
1 2 2
2 1 2
2 2 1
_
_
=
_
_
9 8 8
8 9 8
8 8 9
_
_
Quindi:
A
2
4A 5I
3
=
_
_
9 8 8
8 9 8
8 8 9
_
_
_
_
4 8 8
8 4 8
8 8 4
_
_
_
_
5 0 0
0 5 0
0 0 5
_
_
=
_
_
0 0 0
0 0 0
0 0 0
_
_
43
Cioè:
A
2
4A 5I
3
= 0
***
Assegnata la matrice:
A =
_
_
2 1 3
1 1 2
1 2 1
_
_
vericare che è soluzione dellequazione matriciale:
X
3
2X
2
9X = 0
Abbiamo:
A
2
=
_
_
2 1 3
1 1 2
1 2 1
_
_
_
_
2 1 3
1 1 2
1 2 1
_
_
=
_
_
8 7 11
3 6 3
5 1 8
_
_
A
3
=
_
_
8 7 11
3 6 3
5 1 8
_
_
_
_
2 1 3
1 1 2
1 2 1
_
_
=
_
_
34 23 49
15 3 24
19 20 25
_
_
Quindi:
A
3
2A
2
9A =
_
_
0 0 0
0 0 0
0 0 0
_
_
***
Vericare che la matrice:
A =
_
_
1 3 4
1 3 4
1 3 4
_
_
è nilpotente di ordine 2.
Soluzione
44
A
2
=
_
_
1 3 4
1 3 4
1 3 4
_
_
_
_
1 3 4
1 3 4
1 3 4
_
_
=
_
_
0 0 0
0 0 0
0 0 0
_
_
***
Vericare che le matrici:
A =
_
_
1 2 3
3 2 0
1 1 1
_
_
, B =
_
_
2 1 6
3 2 9
1 1 4
_
_
commutano, e che il loro prodotto è la matrice identità.
Soluzione
Abbiamo:
AB =
_
_
1 2 3
3 2 0
1 1 1
_
_
_
_
2 1 6
3 2 9
1 1 4
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
BA =
_
_
2 1 6
3 2 9
1 1 4
_
_
_
_
1 2 3
3 2 0
1 1 1
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
***
A =
_
_
1 1 2
2 3 2
1 2 4
_
_
, B =
_
_
2/3 0 1/3
3/5 2/5 1/5
7/15 1/5 1/15
_
_
commutano, e che il loro prodotto è la matrice identità.
Soluzione
Abbiamo:
45
AB =
_
_
1 1 2
2 3 2
1 2 4
_
_
_
_
2/3 0 1/3
3/5 2/5 1/5
7/15 1/5 1/15
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
BA =
_
_
2/3 0 1/3
3/5 2/5 1/5
7/15 1/5 1/15
_
_
_
_
1 1 2
2 3 2
1 2 4
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
***
A =
_
1 1
2 1
_
, B =
_
1 1
4 1
_
anticommutano. Inoltre si dimostri che:
A, B : A e B anticommutano, (A + B)
2
= A
2
+ B
2
Soluzione
AB =
_
1 1
2 1
_
_
1 1
4 1
_
=
_
3 2
2 3
_
BA =
_
1 1
4 1
_
_
1 1
2 1
_
=
_
3 2
2 3
_
= BA
Se A, B sono due qualunque matrici che anticommutano:
(A + B)
2
= (A +B) (A + B)
= A
2
+AB + BA + B
2
=
BA=AB
A
2
+ B
2
***
46
A
1
=
_
0 1
1 0
_
, A
2
=
_
0 i
i 0
_
, A
3
=
_
i 0
0 i
_
,
vericare che ciascuna anticommuta con le altre. Pi` u precisamente:
A
i
A
j
=
_
A
j
A
i
se i ,= j
I se i = j
Soluzione
Abbiamo:
A
1
A
2
=
_
i 0
0 i
_
A
2
A
1
=
_
i 0
0 i
_
= A
1
A
2
A
1
A
3
=
_
0 i
i 0
_
A
3
A
1
=
_
0 i
i 0
_
= A
1
A
3
A
2
A
3
=
_
0 1
1 0
_
A
3
A
2
=
_
0 1
1 0
_
= A
2
A
3
A
2
1
=
_
1 0
0 1
_
A
2
2
=
_
1 0
0 1
_
A
2
3
=
_
1 0
0 1
_
***
Determinare le matrici che commutano con D = diag (1, 2, 3).
Soluzione
Sia
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
Quindi:
47
AD =
_
_
a
11
2a
12
3a
13
a
21
2a
22
3a
23
a
31
2a
32
3a
33
_
_
DA =
_
_
a
11
a
12
a
13
2a
21
2a
22
2a
23
3a
31
3a
32
3a
33
_
_
A e D commutano se:
AD = DA
_
_
a
12
= 2a
12
a
13
= 3a
13
a
21
= 2a
12
a
31
= 3a
31
3a
32
= 2a
32
Cioè
A =
_
_
a
11
0 0
0 2a
22
0
0 0 3a
33
_
_
, a
11
, a
22
, a
33
Ridenendo (in forza della loro arbitarietà) a
11
, a
22
, a
33
:
A =
_
_
a
11
0 0
0 a
22
0
0 0 a
33
_
_
Il risultato precedente si generalizza al caso di una matrice diagonale di ordine n. Precisa-
mente, la pi` u generale matrice quadrata di ordine n che commuta con D
n
= diag (d
11
, d
22
, ..., d
nn
).
A
n
=
_
_
_
_
a
11
0 ... 0
0 a
22
... 0
... ... ... ...
0 0 ... a
nn
_
_
_
_
***
Determinare linversa della matrice
_
1 2
3 4
_
applicando la denizione.
Soluzione
Imponiamo
_
1 2
3 4
__
a b
c d
_
=
_
1 0
0 1
_
Cioè:
48
_
a + 2c = 1
3a + 4c = 1
_
b + 2d = 0
3b + 4d = 1
Risolvendo entrambi i sistemi lineari:
(a, c) =
_
2,
3
2
_
, (b, d) =
_
1,
1
2
_
,
donde:
_
1 2
3 4
_
1
=
_
2 1
3/2 1/2
_
***
A =
_
_
0 1 1
4 3 4
3 3 4
_
_
vericare che è involutoria.
Soluzione
Abbiamo:
A
2
= A A
=
_
_
0 1 1
4 3 4
3 3 4
_
_
_
_
0 1 1
4 3 4
3 3 4
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
***
A =
_
_
1 1 +i 2 + 3i
1 i 2 i
2 3i i 0
_
_
, B =
_
_
i 1 +i 2 3i
1 +i 2i 1
2 3i 1 0
_
_
vericare che A è hermitiana, e B antihermitiana.
Soluzione
Abbiamo:
49
A
=
_
_
1 1 +i 2 3i
1 +i 2 i
2 + 3i i 0
_
_
(A
)
T
=
_
_
1 1 +i 2 + 3i
1 i 2 i
2 3i i 0
_
_
= A
(B
)
T
=
_
_
i 1 +i 2 3i
1 +i 2i 1
2 3i 1 0
_
_
= B
1.10.2 Minori e complementi algebrici
A =
_
_
_
_
_
_
1 2 3 4 5
6 7 8 9 10
11 12 12 14 15
16 17 18 19 20
21 22 23 24 25
_
_
_
_
_
_
Determinare il minore complementare e il complemento algebrico del minore del terzo ordine
a
145,135
.
Soluzione
Abbiamo:
a
145,135
=
1 3 5
16 18 20
21 23 25
(1.54)
Il minore complementare di (1.54) è il minore del secondordine:
a
23,24
=
7 9
12 4
= 10
Il complemento algebrico:
a
145,135
= (1)
1+4+5+1+3+5
a
23,24
= a
23,24
***
A = (a
ij
) =
_
_
1/3 2/3 2/3
2/3 1/3 2/3
2/3 2/3 1/3
_
_
; B = (b
ij
) =
_
_
4 3 3
1 0 1
4 4 3
_
_
,
vericare che i complementi algebrici degli elementi di A, B soddisfano rispettivamente le
proprietà seguenti:
50
a
ij
= a
ij
, b
ij
= b
ji
Soluzione
Per la matrice A:
a
11
=
1
3
= a
11
, a
12
=
2
3
= a
12
, a
13
=
2
3
= a
13
a
21
=
2
3
= a
21
, a
22
=
1
3
= a
22
, a
23
=
2
3
= a
23
a
31
=
2
3
= a
31
, a
22
=
2
3
= a
22
, a
33
=
2
3
= a
33
In maniera analoga per la matrice B.
***
A =
_
_
1 2 3
2 3 2
1 2 2
_
_
Determinare i cofattori dei singoli elementi, nonche la matrice inversa.
Soluzione
Abbiamo:
a
11
=
3 2
2 2
= 2 a
12
=
2 2
1 2
= 2 a
13
=
2 3
1 2
= 1
a
21
=
2 3
2 2
= 2 a
22
=
1 3
1 2
= 1 a
23
=
1 2
1 2
= 0
a
31
= +
2 3
3 2
= 5 a
32
=
1 3
2 2
= 4 a
33
=
1 2
2 3
= 1
A
(a)
=
_
_
2 2 5
2 1 4
1 0 1
_
_
Linversa:
A
1
=
A
(a)
det A
Calcolo del determinante:
det A =
1 2 3
2 3 2
1 2 2
1 2 3
2 3 2
0 0 1
1 2
2 3
= +1
51
Quindi:
A
1
= A
(a)
***
Assegnato il determinante
=
bc a
2
a
2
b
2
ca b
2
c
2
c
2
ab
,
si moltiplichino le sue colonne per a, b, c. Quindi, raccogliendo il fattore comune di ciascuna
riga, si dimostri che:
=
bc ab ac
ab ac cb
ac bc ab
Soluzione
Abbiamo:
a = a
bc a
2
a
2
b
2
ca b
2
c
2
c
2
ab
abc a
2
a
2
ab
2
ca b
2
ac
2
c
2
ab
ab = b
abc a
2
a
2
ab
2
ca b
2
ac
2
c
2
ab
abc a
2
b a
2
ab
2
bca b
2
ac
2
bc
2
ab
abc = c
abc a
2
b a
2
ab
2
bca b
2
ac
2
bc
2
ab
abc a
2
b a
2
c
ab
2
bca cb
2
ac
2
bc
2
abc
Raccogliendo i fattori comuni per singola riga:

abc = abc
bc ab ac
ab ac cb
ac bc ab
= =
bc ab ac
ab ac cb
ac bc ab
***
1.10.3 Calcolo di determinanti del secondo ordine
2 3
1 4
2 1
1 2
sin cos
cos sin
a c + id
c id b
+ i + i
i i
sin cos
sin cos
cos sin
sin cos
tan 1
1 tan
1 +
2 2
3
2 +
3 1
1 lg
b
a
lg
a
b 1
a +b b + d
a + c c + d
a + b a b
a b a b
x 1 1
x
3
x
2
+ x + 1
;
52
1.10.4 Calcolo di determinanti del terzo ordine
1 1 1
1 0 1
1 1 0
0 1 1
1 0 1
1 1 0
a a a
a a x
a a x
1 1 1
1 2 3
1 3 6
1 i 1 +i
i 1 0
1 i 0 1
1 cos

3
+i sin

3
cos

4
+ i sin

4
cos

3
i sin

3
1 cos
2
3
+ i sin
2
3
cos

4
i sin

4
cos
2
3
i sin
2
3
1
1 1 1
1
2
1
2
;
1.10.5 Calcolo di determinanti di ordine qualsiasi
Determinare i valori di x R per i quali è nullo il determinante:
f (x) =
2x x 1 2
1 0 1 1
3 2 0 1
1 1 1 x
Calcolare il determinante della matrice di ordine n:

A
diag
=
_
_
_
_
_
_
1 0 0 ... 0
0 2 0 ... 0
0 0 3 ... 0
... ... ... ... ...
0 0 0 ... n
_
_
_
_
_
_
***
Calcolare il determinante di ordine n:
(n) =
0 0 0 ... 0 1
0 0 0 ... 1 0
... ... ... ... ... ...
0 1 0 ... 0 0
1 0 0 ... 0 0
, n = 2, 3, 4, ..., + (1.55)
***
Calcolare il determinante di ordine n:
D(n) =
1 a a ... a
0 2 a ... a
0 0 3 ... a
0 0 0 ... ...
0 0 0 ... n
, n = 2, 3, 4, ..., + (1.56)
***
53
Assegnata la funzione:
f
n
(x) =
n1
k=0
(x k) , con n N 0, 1 , (1.57)
calcolare i seguenti determinanti di ordine n + 1:
a) F (n) =
f
n
(0) f
n
(1) f
n
(2) ... f
n
(n)
f
n
(1) f
n
(2) f
n
(3) ... f
n
(n + 1)
... ... ... .. ...
f
n
(n) f
n
(n + 1) f
n
(n + 2) ... f
n
(2n)
b) G(x, n) =
f
n
(x) f
n
(x) f
n
(x) ... f
(n)
n
(x)
f
n
(x) f
n
(x) f
n
(x) ... f
(n+1)
n
(x)
... ... ... ... ...
f
n
(x) f
n
(x) ... ... f
(2n)
n
(x)
***
Assegnati a
k
R con a
k
,= a
k
(k
, k
= 1, 2, ...n), risolvere lequazione algebrica di grado

n 1:
1 x x
2
... x
n1
1 a
1
a
2
1
... a
n1
1
1 a
2
a
2
2
... a
n1
2
... ... ... ... ...
1 a
n1
a
2
n1
... a
n1
n1
= 0 (1.58)
***
Risolvere lequazione algebrica di grado n 2:
1 1 1 ... 1
1 1 x 1 ... 1
1 1 2 x ... 1
... ... ... ... ...
1 1 1 ... (n 1) x
(1.59)
Assegnati a
k
R con a
k
,= a
k
(k
, k
= 1, 2, ...n), risolvere lequazione algebrica di grado

n 1:
a
1
a
2
a
3
... a
n
a
1
a
1
+ a
2
x a
3
... a
n
a
1
a
2
a
2
+a
3
x ... a
n
... ... ... ... ...
a
1
a
2
a
3
... a
n1
+ a
n
x
= 0 (1.60)
***
54
Dimostrare che
2
( + 1)
2
( + 2)
2
( + 3)
2
2
( + 1)
2
( + 2)
2
( + 3)
2
2
( + 1)
2
( + 2)
2
( + 3)
2
2
( + 1)
2
( + 2)
2
( + 3)
2
= 0 (1.61)
***
Assegnata la matrice diagonale di ordine n:
A
diag
=
_
_
_
_
_
_
a
1
0 0 ... 0
0 a
2
0 ... 0
0 0 a
3
... 0
... ... ... ... ...
0 0 0 ... a
n
_
_
_
_
_
_
, (1.62)
determinare la somma dei complementi algebrici degli elementi di matrice.
***
Assegnata la matrice di ordine n:
A =
_
_
_
_
_
_
0 0 ... 0 a
1
0 0 ... a
2
0
0 0 ... 0 0
... ... ... ... ...
a
n
0 ... ... 0
_
_
_
_
_
_
(1.63)
determinare la somma dei complementi algebrici degli elementi di matrice.
***
Calcolare il seguente determinante, sviluppando secondo gli elementi delle terza riga:
=
1 0 1 1
0 1 1 1
a b c d
1 1 1 0
(1.64)
Calcolare il seguente determinante, sviluppando secondo gli elementi delle quarta colonna:
=
2 1 1 x
1 2 1 y
1 1 2 z
1 1 1 t
(1.65)
***
55
Calcolare il seguente determinante, sviluppando secondo gli elementi delle prima colonna:
=
a 1 1 1
b 0 1 1
c 1 0 1
d 1 1 0
(1.66)
***
Calcolare:
1.
13547 13647
28423 28523
= 1487 600
2.
246 427 327

1014 543 443
342 721 621
= 29 400 000
3.
3 1 1 1
1 3 1 1
1 1 3 1
1 1 1 3
= 48
4.
1 1 1 1
1 2 3 4
1 3 6 10
1 4 10 20
= 1
5.
1 2 3 4
2 3 4 1
3 4 1 2
4 1 2 3
= 160
6.
1 1 1 1
1 2 3 4
1 4 9 16
1 8 27 64
= 12
7.
1 2 3 4
2 1 4 3
3 4 1 2
4 3 2 1
= 900
8.
2 1 1 1 1
1 3 1 1 1
1 1 4 1 1
1 1 1 5 1
1 1 1 1 6
= 394
56
9.
5 6 0 0 0
1 5 6 6 0
0 1 5 5 0
0 0 1 1 6
0 0 0 0 5
= 0
10.
0 1 1 1
1 0 a b
1 a 0 c
1 b c 0
= c
2
2ac 2bc + b
2
2ba + a
2
11.
x y x + y
y x + y x
x + y x y
= 2x
3
2y
3
12.
x 0 1 1 0
1 x 1 1 0
1 0 x 1 0 1
0 1 1 x 1
0 1 1 0 x
= x
5
x
4
+x
2
x + 1 +x
3
13.
1 +x 1 1 1
1 1 x 1 1
1 1 1 +z 1
1 1 1 1 z
= z
2
x
2
14.
1 1 2 3
1 2 x
2
2 3
2 3 1 5
2 3 1 9 x
2
= 12 3x
4
+ 15x
2
15.
cos (a b) cos (b c) cos (c a)

cos (a + b) cos (b + c) cos (c + a)
sin (a + b) sin (b + c) sin (c +a)
= 2 sin (a b) sin (a c) sin (b c)

16.
0 a b c
a 0 d e
b d 0 f
c e f 0
= [eb + af + 2c sin (a b) sin (a c) sin (b c)]

2
17.
1 2 3 ... n
1 0 3 ... n
1 2 0 ... n
... ... ... ... ...
1 2 3 ... 0
57
18.
1 a
1
a
2
... a
n
1 a
1
+b
1
a
2
... a
n
1 a
1
a
2
+ b
2
... a
n
... ... ... ... ...
1 a
1
a
2
... a
n
+b
n
19. Esplicitare lespressione analitica della funzione f

n
(x, x
1
, x
2
, ..., x
n
) data dallo sviluppo
del determinante di ordine n:
f
n
(x; x
1
, x
2
, ..., x
n
) =
1 x
1
x
2
... x
n1
x
n
1 x x
2
... x
n1
x
n
1 x
1
x ... x
n1
x
n
... ... ... ... ... ...
1 x
1
x
2
... x
n1
x
n
1 x
1
x
2
... x
n1
x
20. Calcolare:
(n) =
1 2 3 ... n 1 n
1 3 3 ... n 1 n
1 2 5 ... n 1 n
... ... ... ... ... ...
1 2 3 ... 2n 3 n
1 2 3 ... n 1 2n 1
(1.67)
21. Calcolare:
(n) =
1 2 2 ... 2 2
2 2 2 ... 2 2
2 2 3 ... 2 2
... ... ... ... ... 2
2 2 2 ... n 1 2
2 2 2 ... ... n
(1.68)
22. Calcolare:
(b
1
, b
2
, ..., b
n
) =
1 b
1
0 0 ... 0 0
1 1 b
1
b
2
0 ... 0 0
0 1 1 b
2
b
2
.. 0 0
... ... ... ... ... ... ...
0 0 0 0 ... 1 b
n1
b
n
0 0 0 0 ... 1 1 b
n
, con n N 0
(1.69)
23. Calcolare:
(n) =
a a + h a + 2h ... a + (n 1) h
a a 0 ... 0
0 a a ... 0
... ... ... ... ...
0 0 0 ... a
(1.70)
58
24. Calcolare:
(n) =
a
0
1 0 ... 0 0
a
1
x 1 ... 0 0
a
2
0 x ... 0 0
... ... ... ... ... ...
a
n1
0 0 ... x 1
a
n
0 0 ... 0 x
(1.71)
25. Calcolare:
(n) =
n n 1 n 2 ... 3 2 1
1 x 0 ... 0 0 0
0 1 x ... 0 0 0
... ... ... ... ... ... ...
0 0 0 ... 1 x 0
0 0 0 ... 0 1 x
26. Se n N0, 1 e se f
k
(x) con k = 1, 2, ..., n, sono polinomi su R di grado r
k
n2,
dimostrare:
a
1
, a
2
, ..., a
n
R,
f
1
(a
1
) f
1
(a
2
) ... f
1
(a
n
)
f
2
(a
1
) f
2
(a
2
) ... f
2
(a
n
)
... ... ... ...
f
n
(a
1
) f
n
(a
2
) ... f
n
(a
n
)
= 0 (1.72)
27. Calcolare (n N 0):
f (x
1
, x
2
, ...x
n
; y
1
, y
2
, ..., y
n
) =
a
0
a
1
a
2
... a
n1
a
n
y
1
x
1
0 ... 0 0
0 y
2
x
2
... 0 0
... ... ... ... ... ...
0 0 0 ... y
n
x
n
(1.73)
28. Calcolare (n N 0):
f
n
(x) =
n!a
0
(n 1) a
1
(n 2) a
2
a
n
n x 0 0
0 (n 1) x 0
... ... ... ...
0 0 0
(1.74)
29. Calcolare per ogni n N0
D(n) =
2 1 0 0 ... 0 0
1 2 0 0 ... 0 0
0 1 2 1 ... 0 0
... ... ... ... ... ... ...
0 0 0 0 ... 1 2
(1.75)
59
30. Costruire il diagramma cartesiano della funzione reale di variabile reale nellintervallo
[2, 2]:
f
n
(x) =
2 cos x 1 0 ... 0
1 2 cos x 1 ... 0
0 1 2 cos x ... 0
... ... ... ... ...
0 0 0 ... 2 cos x
, (1.76)
per n = 1, ..., 7.
31. Costruire il diagramma cartesiano della funzione reale di variabile reale nellintervallo
[1, 1]:
f
n
(x) =
cos x 1 0 ... 0
1 2 cos x 1 ... 0
0 1 2 cos x ... 0
... ... ... ... ...
0 0 0 ... 2 cos x
(1.77)
per n = 1, ..., 7.
60
Capitolo 2
Spazi vettoriali
2.1 Denizione assiomatica
Sia E un insieme non vuoto e K un campo (ad esempio, R o C). Linsieme E è uno spazio
vettoriale (e i suoi elementi si dicono vettori) se sono denite una legge di composizione
interna e una legge di composizione esterna :
: E E E (2.1)
: K E E
La prima delle (2.1) si chiama addizione di vettori e si indica con +. Quindi:
+ : (u, v) E E u +v = w E (2.2)
Loperazione (2.2) verica le seguenti proprietà:
1. Proprietà commutativa.
u, v E, u +v = v +u
2. Proprietà associativa.
u, v, w E, u + (v +w) = (u +v) +w
3. Esistenza dellelemento neutro.
0 E : u E, u +0 = u
4. Esistenza dellopposto
u E, (u) E [ u +u = 0
La seconda delle (2.1) si chiama moltiplicazione di uno scalare per un vettore:
: (, v) K E (v) E (2.3)
Loperazione (2.3) verica le seguenti proprietà:
61
I Proprietà distributiva rispetto alla somma vettoriale.
K, u, v E, (u +v) = u + v
II Proprietà distributiva rispetto alla somma in K
, K, v E, ( + ) v = v + v
III Proprietà associativa
, K, v E, (v) = () v
IV Esistenza dellelemento neutro
1 K : v E, 1v = v
Per quanto detto, se le operazioni (2.1) vericano le proprietà 1, 2, 3, 4 e I, II, III, IV,
linsieme E assume la struttura di spazio vettoriale su K. Gli elementi di K si dicono
scalari.
Esempio 32 Consideriamo linsieme R
n
delle n-ple ordinate di numeri reali:
R
n
= (x
1
, x
2
, ..., x
n
) : x
i
R, i = 1, 2, ..., n
Deniamo loperazione di addizione:
+ : (x, y) R
n
R
n
R
n
essendo:
x = (x
1
, x
2
, ...x
n
) , y = (y
1
, y
2
, ...y
n
)
Per denizione:
x +y = (x
1
+ y
1
, x
2
+ y
2
, ..., x
n
+ y
n
)
Abbiamo
1. x, y R
n
, x
i
+ y
i
= y
i
+ x
i
(i = 1, 2, ..., n) = x +y = y +x
2. x, y, z R
n
, x
i
+(y
i
+ z
i
) = (x
i
+ y
i
)+z
i
, (i = 1, 2, ..., n) =x+(y +z) = (x +y)+z
3. 0 = (0, 0, ..., 0) R
n
: x +0 = x
4. x R
n
, (x) =(x
1
, x
2
, ..., x
n
) R
n
: x +x = 0
Loperazione di moltiplicazione di uno scalare per un vettore è cos` denita:
ax = (ax
1
, ax
2
, ..., ax
n
) , a R
e verica le proprietà:
I a R, x, y R
n
, a (x +y) = ax + ay
II a, b R, x R
n
, (a + b) x = ax + bx
III a, b R, x R
n
, a (bx) = (ab) x
62
IV x R
n
, 1x = x
Da ciò segue che con le operazioni sopra denite, linsieme R
n
è uno spazio vettoriale
sul campo reale R.
Esempio 33 Consideriamo linsieme C
n
delle n-ple ordinate di numeri complessi:
C
n
= (z
1
, z
2
, ..., z
n
) : z
i
C, i = 1, 2, ..., n
Deniamo loperazione di addizione:
+ : (z, w) C
n
C
n
C
n
essendo:
z = (z
1
, z
2
, ...z
n
) , w = (w
1
, w
2
, ...w
n
)
Per denizione:
z +w = (z
1
+ w
1
, z
2
+w
2
, ..., z
n
+ w
n
)
`
E evidente che:
1. z, w C
n
, z +w = w +z
1. z, w, u C
n
, z + (w +u) = (z +w) +u
2. 0 = (0, 0, ...0) C
n
: z +0 = z
3. z C
n
, z =(z
1
, z
2
, ..., z
n
) C
n
: z +z = 0
Loperazione di moltiplicazione di uno scalare per un vettore è cos` denita:
az = (az
1
, az
2
, ..., az
n
) , a C
e verica le proprietà:
I a C, x, y C
n
, a (z +w) = az + aw
II a, b C, z C
n
, (a + b) z = az + bz
III a, b C, z C
n
, a (bz) = (ab) z
IV z C
n
, 1z = z
Da ciò segue che con le operazioni sopra denite, linsieme C
n
è uno spazio vettoriale
sul campo complesso C.
Esempio 34 Sia M
R
(mn) linsieme delle matrici mn su R. Introduciamo in M
R
(mn)
loperazione di addizione:
+ : (A, B) M
R
(mn) M
R
(mn) (A + B) M
R
(mn)
Pi` u precisamente:
(A = (a
ij
) , B = (b
ij
)) =A + B = (a
ij
+ b
ij
)
Loperazione di addizione verica gli assiomi:
63
1. A, B M
R
(mn), A + B = B +A
2. A, B, C M
R
(mn), A + (B + C) = (A +B) + C
3. 0 = (a
ij
= 0) M
R
(mn) : A M
R
(mn), A +0 = 0 + A = A
4. A = (a
ij
) M
R
(mn), A = (a
ij
) M
R
(mn) : A + A = 0
Deniamo loperazione moltiplicazione di uno scalare per una matrice:
: (, A) R M
R
(mn) (A) M
R
(mn)
Pi` u precisamente:
( R, A = (a
ij
)) =A = (a
ij
)
Tale operazione verica gli assiomi:
I R, A, B M
R
(mn) , (A + B) = A + B
II , R, A M
R
(mn), ( + ) A = A + A
III , R, A M
R
(mn), (A) = () A
IV A M
R
(mn), 1A = A
Si conclude che M
R
(mn) con le operazioni sopra introdotte assume la struttura di
spazio vettoriale su R.
Esempio 35 Sia T
n
[x] linsieme dei polinomi su R di grado minore o uguale di n N.
Prendiamo ad arbitrio due elementi di tale insieme:
p
m
(x) = a
0
+ a
1
x + a
2
x
2
+... +a
m
x
m
q
r
(x) = b
0
+b
1
x +b
2
x
2
+ ... + b
r
x
r
,
essendo m, r n. Deniamo laddizione tra polinomi:
+ : (p
m
(x) , q
r
(x)) T
n
[x] T
n
[x] (p
m
(x) +q
r
(x)) T
n
[x]
Senza ledere la generalità, supponiamo che m < r:
p
m
(x) +q
r
(x)
= (a
0
+ b
0
) + (a
1
+ b
1
) x + (a
2
+b
2
) x
2
+... + (a
m
+b
m
) x
m
+ b
m+1
x
m+1
+ ...b
r
x
r
Loperazione di addizione verica gli assiomi:
1. p
m
(x) , q
r
(x) T
n
[x], p
m
(x) + q
r
(x) = q
r
(x) +p
m
(x)
2. p
m
(x) , q
r
(x) , l
k
(x) T
n
[x], p
m
(x) + (q
r
(x) + l
k
(x)) = (p
m
(x) +q
r
(x)) + l
k
(x)
3. 0 = 0 + 0x + 0x
2
+ ... + 0x
n
[ p
m
(x) T
n
[x], p
m
(x) + 0 = p
m
(x)
4. p
m
(x) =
_
m
j=1
a
j
x
j
_
T
n
[x], p
m
(x) =
_
m
j=1
(a
j
) x
j
_
T
n
[x] : p
m
(x) +
p
m
(x) = 0
64
Deniamo loperazione moltiplicazione di uno scalare per una polinomio
: (, p
m
(x)) R T
n
[x] (p
m
(x)) T
n
[x]
Tale operazione verica i seguenti assiomi:
I R, p
m
(x) , q
r
(x) T
n
[x] , (p
m
(x) + q
r
(x)) = p
m
(x) + q
r
(x)
II , R, p
m
(x) T
n
[x], ( + ) p
m
(x) = p
m
(x) + p
m
(x)
III , R, p
m
(x) T
n
[x], (p
m
(x)) = () p
m
(x)
IV p
m
(x) T
n
[x], 1p
m
(x) = p
m
(x)
Da ciò segue che linsieme T
n
[x] con loperazioni sopra introdotte assume la struttura
di spazio vettoriale su R.
Esempio 36 Sia T (a, b) linsieme delle funzioni reali di variabile reale denite in [a, b] R:
f T (a, b) =f : [a, b] R
Deniamo laddizione:
+ : (f, g) T (a, b) T (a, b) (f + g) T (a, b) (2.4)
Pi` u specicatamente:
(f + g) (x) = f (x) + g (x)
La (2.4) verica gli assiomi:
1. f, g T (a, b) , f + g = g + f
2. f, g, h T (a, b) , f + (g + h) = (f + g) + h
3. 0 0 (funzione identicamente nulla): f T (a, b) , f +0 = f
4. f T (a, b) , f : f + f = 0
Deniamo loperazione moltiplicazione di uno scalare per un elemento di T (a, b):
: (, f) R T (a, b) (f) T (a, b)
Precisamente:
(f) (x) = f (x) ,
e verica gli assiomi:
I R, f, g T (a, b) , (f + g) = f + g
II , R, f T (a, b), ( +) f = f +g
III , R, f T (a, b), (f) = () f
65
IV f T (a, b), 1f = f
Con le operazioni sopra introdotte, T (a, b) assume la struttura di spazio vettoriale.
***
Sia E uno spazio vettoriale su K.
Proposizione 37 K, 0 = 0
Dimostrazione.
0 = (0 +0) = 0+0 =0 = 0
Proposizione 38 v E, 0v = 0
Dimostrazione.
0v = (0 + 0) v =0v + 0v =0v = 0
2.2 Dipendenza ed indipendenza lineare di vettori
Sia E uno spazio vettoriale su K. Consideriamo il sistema di vettori:
= v
1
, v
2
, ..., v
r
, con r N 0
Presi ad arbitrio r scalari
i
K (i = 1, 2, ..., r), il vettore:
v =
1
v
1
+
2
v
2
+ ... +
r
v
r
,
si chiama combinazione lineare dei vettori di . Ciò premesso, abbiamo la seguente:
Denizione 39 è linearmente indipendente se:
1
v
1
+
2
v
2
+... +
r
v
r
= 0 =
1
=
2
= ... =
r
= 0 (2.5)
Nel caso contrario diremo che è linearmente dipendente. Cioè:
(
1
,
2
, ...,
r
) ,= (0, 0, ..., 0) :
1
v
1
+
2
v
2
+ ... +
r
v
r
= 0 (2.6)
Esempio 40 Assegnato lo spazio vettoriale R
3
(cfr esempio 32 per n = 3), mostrare che il
sistema di vettori = v
1
, v
2
, v
3
con
v
1
= (2, 1, 2) , v
2
=
_
7,
3
2
, 3
_
, v
3
= (3, 1, 1) , (2.7)
è linearmente dipendente.
66
Soluzione 41 Consideriamo lequazione vettoriale:
1
v
1
+
2
v
2
+
3
v
3
= 0, (2.8)
equivalente a:
1
(2, 1, 2) +
2
_
7,
3
2
, 3
_
+
3
(3, 1, 1) = (0, 0, 0) ,
le cui componenti formano il sistema lineare omogeneo:
2
1
+ 7
2
3
3
= 0 (2.9)
3
2
2
+
3
= 0
2
1
+ 3
2
3
= 0
La matrice dei coecienti del sistema (2.9) è:
A =
_
_
2 7 3
1 3/2 1
2 3 1
_
_
La caratteristica del sistema 2.9 è p = r (A) = 2, per cui tale sistema ammette
1
soluzioni
proprie. In altri termini (
1
,
2
,
3
) ,= (0, 0, 0) :
3
i=1
i
v
i
= 0, per cui = v
i
è
linearmente dipendente.
Esempio 42 Assegnato lo spazio vettoriale R
3
, mostrare che il sistema di vettori =
v
1
, v
2
, v
3
con
v
1
= (2, 1, 2) , v
2
=
_
7,
1
2
, 3
_
, v
3
= (3, 1, 1) , (2.10)
è linearmente indipendente. Esprimere altres` il vettore v
4
= (1, 1, 1) come combinazione
lineare di .
Soluzione 43 Procedendo come nellesercizio precedente, abbiamo il sistema lineare omo-
geneo:
2
1
+ 7
2
3
3
= 0 (2.11)
1
2
2
+
3
= 0
2
1
+ 3
2
3
= 0,
la cui matrice dei coecienti è:
A =
_
_
2 7 3
1 1/2 1
2 3 1
_
_
67
Qui è det A = 4, perciò p = 3 = n (numero di incognite). Pertanto il sistema 2.11 am-
mette solo la soluzione impropria (
1
,
2
,
3
) = (0, 0, 0); da ciò segue che è linearmente
indipendente. Per la seconda domanda, poniamo:
v
4
=
1
v
1
+
2
v
2
+
3
v
3
Tale equazione vettoriale può essere scritta come:
1
(2, 1, 2) +
2
_
7,
1
2
, 3
_
+
3
_
7,
1
2
, 3
_
= (1, 1, 1) ,
le cui componenti formano il sistema lineare non omogeneo:
2
1
+ 7
2
3
3
= 1 (2.12)
1
2
2
+
3
= 1
2
1
+ 3
2
3
= 1,
Il sistema 2.12 è manifestamente di Cramer, ammettendo lunica soluzione:
(
1
,
2
,
3
) =
_
5
2
, 3, 5
_
,
donde:
v
4
=
5
2
v
1
+ 3v
2
+ 5v
3
Proposizione 44 (0 ) =( è linearmente dipendente)
Dimostrazione. h 1, 2, ..., r : v
h
= 0. Quindi:
h
K 0 , 0v
1
+ 0v
2
+ ... + 0v
h1
+
h
0 + 0v
h+1
+ ... + 0v
r
= 0
Abbiamo cos` trovato una r-pla di scalari (0, 0, ...0,
h
, 0, ..., 0) non tutti nulli tali che
r
k=1
k
v
k
=
0, donde lasserto.
Proposizione 45 (v
h
, v
k
: v
h
= v
k
, K 0) =( è linearmente dipendente)
Dimostrazione. Senza perdita di generalità, supponiamo che h < k. Eseguiamo la
combinazione lineare di vettori di :
0v
1
+ ... + (1) v
h
+ ... + v
k
+ ... + 0v
r
= v
k
+ v
k
+0
= ( + ) v
k
= 0v
k
= 0
Nellultimo passaggio abbiamo applicato la proposizione 38. Abbiamo quindi trovato una
r-pla di scalari:
(
1
, ...,
h
, ...,
k
, ...,
r
) = (0, ..., 1, ..., , ..., 0) ,= (0, ..., 0, ..., 0, ....0) :
r
i=1
i
v
i
= 0,
donde lasserto.
68
Proposizione 46 ( è linearmente dipendente) (
è linearmente dipendente)
Dimostrazione. La condizione è necessaria.
Hp:
Th: è linearmente dipendente
Sia:
=
_
v
h
1
, v
h
2
, ..., v
h
p
_
,
essendo:
h
i
1, 2, ..., r , i = 1, 2, ...p < r
Per ipotesi
_
h
1
,
h
2
, ...,
h
p
_
,= (0, 0, ..., 0) :
h
p
k=h
1
h
k
v
h
k
= 0
Posto H = h
1
, h
2
, ..., h
p
, si consideri la seguente combinazione lineare:
r
k=1
k
v
k
=
kH
k
v
k
+
k/ H
0v
k
= 0
Abbiamo cos` trovato una r-pla di scalari non tutti nulli tali che
r
k=1
k
v
k
= 0, donde la
tesi.
La condizione è suciente
( è linearmente dipendente) =(
è linearmente dipendente)
`
E banale, poiche . Quindi, posto
= , segue la tesi.
Proposizione 47
_
_
_
h 1, 2, ..., r : v
h
=
r
k=1
k=h
k
v
k
_
_
_
=
_
è linearmente
dipendente
_
Dimostrazione. Dimostriamo lasserto per v
h
,= 0; nel caso contrario si riduce alla
proposizione 44.
Esplicitando la sommatoria:
v
h
1
v
1
2
v
2
+ ...
h1
v
h1
h+1
v
h+1
+ ...
r
v
r
= 0
Riordinando i singoli termini:
1
v
1
2
v
2
+ ...
h1
v
h1
+v
h
h+1
v
h+1
+ ...
r
v
r
= 0
Cioè:
(
1
,
2
, ...,
h1
,
h
,
h+1
, ...,
r
) = (
1
,
2
, ...,
h1
, 1,
h+1
, ...,
r
) :
r
k=1
k
v
k
= 0
La r-pla di scalari (
1
,
2
, ...,
h1
, 1,
h+1
, ...,
r
) è non nulla.
69
2.3 Sottospazio vettoriale
Sia E uno spazio vettoriale su K. Consideriamo un insieme H ,= e tale che H E. Diremo
che H è un sottospazio vettoriale di E se:
1. v, w H, (v +w) H
2. v H, K, (v) H
I punti 1 e 2 si esprimono dicendo che linsieme H è chiuso rispetto alle operazioni di
addizione tra vettori e di moltiplicazione di uno scalare per un vettore.
Proposizione 48 Il vettore nullo appartiene ad ogni sottospazio vettoriale di E.
Dimostrazione. Sia H un qualunque sottospazio di E. Ciò implica:
v, w H, (v +w) H
Prendiamo w = v, per cui 0 H, per ogni H sottospazio di E.
Corollario 49 Linsieme H
0
= 0 è un sottospazio di ogni spazio vettoriale E.
Dimostrazione. Sia E uno spazio vettoriale su K. Risulta: 0 +0 = 0; per la proposizione
37 è 0 = 0, K, quindi sono vericate le proprietà 1 e 2, da cui lasserto.
Esempio 50 Asegnato lo spazio vettoriale R
3
, dire quali tra i suoi seguenti sottoinsiemi è
uno sottospazio vettoriale di R
3
:
H
1
= (a, b, 0) : a, b R; H
2
= (a, b, c) R
3
: a +b + c = 0, H
3
= (a, b, c) R
3
: a 0;
H
4
=(a, b, c) R
3
: a
2
+ b
2
+ c
2
1
Soluzione 51 Prendiamo ad arbitrio due elementi di H
1
:
v = (a, b, 0) , w = (c, d, 0)
Risulta:
v +w = (a +c, b + d, 0) =(v +w) H
1
Preso ad arbitrio R:
v = (a, b, 0) H
Si conclude che H
1
è un sottospazio di R
3
.
Consideriamo H
2
. Per ogni v = (a, b, c) H
2
, w = (d, e, f) H
2
, la somma è:
v +w = (a
, b
, c
) ,
essendo:
a
= a +d, b
= b + e, c
= c + f
Risulta:
a
+ b
+c
= (a + b + c) + (d + e + f) = 0
70
Quindi:
v, w H
2
, (v +w) H
2
(2.13)
Per ogni R e per ogni v R
3
:
v = (a, b, c) ,
ed è tale che:
a + b + c = (a + b + c) = 0,
per cui:
v H
2
, R, (v) H
2
(2.14)
Le (2.13)-(2.14) implicano che H
2
è un sottospazio vettoriale di R
3
.
Linsieme H
3
è:
H
3
=
_
(a, b, c) R
3
: a 0
_
Quindi:
(, 0) , v = (a, b, c) H
3
, v = (a, b, c) con a 0 =(v) / H
3
Si conclude che H
3
non è un sottospazio vettoriale di R
3
.
Linsieme H
4
è:
H
4
=
_
(a, b, c) R
3
: a
2
+ b
2
+ c
2
1
_
Abbiamo:
v = (a, b, c) R
3
, w = (d, e, f) R
3
, v +w = (a
, b
, c
) ,
essendo:
a
= a +d, b
= b + e, c
= c + f
Da ciò segue:
a
2
+ b
2
+ c
2
= (a + d)
2
+ (b + e)
2
+ (c + f)
2
(2.15)
= f (a, b, c) + f (d, e, f) + 2 (ad + eb + cf)
Nella (2.15) è:
f (x, y, z) = x
2
+ y
2
+z
2
Deve essere:
(a, b, c) , (d, e, f, ) H
4
, f (a, b, c) , f (d, e, f) 1,
per cui:
a
2
+b
2
+c
2
2 (1 +ad + eb + cf) =
_
(a, b, c) , (d, e, f, ) H
4
: a
2
+ b
2
+ c
2
> 1
_
(2.16)
La (2.16) implica che H
4
non è un sottospazio vettoriale di R
3
.
Esempio 52 Consideriamo lo spazio vettoriale M
R
(n n) (es. 34). Dire quale tra i
seguenti suoi sottoinsiemi sono sottospazi vettoriali:
H
R
(n n) = A M
R
(n n) : A è simmetrica
H
R
(n n) = A M
R
(n n) : AX = XA , con X M
R
(n n)
J
R
(n n) = A M
R
(n n) : det A = 0
J
R
(n n) =
_
A M
R
(n n) : A
2
= 0
_
71
Soluzione 53 A = (a
ij
) , B = (b
ij
) H
R
(n n), A+B = (c
ij
= a
ij
+ b
ij
) = (A,B simmetriche) =
(c
ji
= a
ji
+b
ji
), quindi:
A, B H
R
(n n) , (A + B) H
R
(n n) (2.17)
Inoltre: R, A = (a
ij
) H
R
(n n), (A) = (a
ij
) = (a
ji
), perciò:
R, A H
R
(n n) , (A) H
R
(n n) (2.18)
R
(n n) è un sottospazio vettoriale di M
R
(n n).
Linsieme H
R
(n n) è linsieme delle matrici di M
R
(n n) che commutano con unasseg-
nata matrice X M
R
(n n).
Risulta: A, B H
R
(n n), (A + B) X = AX + BX = XA +XB = X (A + B), donde:
A, B H
R
(n n) , (A + B) X = X (A + B) =(A +B) A, B H
R
(n n) (2.19)
Inoltre: R, A H
R
(n n), (A) X = (AX) = (XA) = (X) A = X (A),
donde:
R, A H
R
(n n) , (A) X = X (A) =(A) H
R
(n n) (2.20)
R
(n n) è un sottospazio vettoriale di M
R
(n n).
Linsieme J
R
(n n) è linsieme delle matici di M
R
(n n) a determinante nullo. Risulta:
(A, B J
R
(n n) : det (A + B) ,= det A + det B = 0) =(A + B) / J
R
(n n) ,
donde J
R
(n n) non è un sottospazio di M
R
(n n).
Linsieme J
R
(n n) è linsieme delle matici di M
R
(n n) idempotenti. Risulta:
A, B J
R
(n n) , (A + B)
2
= A
2
+ AB + BA + B
2
Evidentemente:
A, B J
R
(n n) , (A + B)
2
= A
2
+B
2
+AB+BA ,= (A +B)
2
=(A + B) / J
R
(n n) ,
donde J
R
(n n) non è un sottospazio di M
R
(n n).
Esempio 54 Sia C (a, b) linsieme delle funzioni reali e continue in [a, b]:
C (a, b) = f : [a, b] R [ f è ivi continua
Introducendo le operazioni di somma di vettori e moltiplicazione di uno scalare per un vettore,
C (a, b) assume la struttura di spazio vettoriale. Ora consideriamo linsieme delle funzioni
reali derivabili in [a, b]:
H = f : [a, b] R [ f è ivi derivabile
Risulta:
(f H, f è derivabile in [a, b]) =(f è continua in [a, b]) =H C (a, b)
Inoltre H è chiuso rispetto alle leggi di composizione sopra denite, da cui si conclude che
H è un sottospazio vettoriale di C (a, b).
72
***
Proposizione 55 Sia E uno spazio vettoriale su K. Se H
1
, H
2
, ..., H
n
sono sottospazi di E,
allora
n
i=1
H
i
è un sottospazio vettoriale di E.
Dimostrazione. Osserviamo innanzitutto che:
(i (1, 2, ..., n) , H
i
E) =
n
i=1
H
i
E
(v, w H
i
(i = 1, 2, ..., n)) =v, w
n
i=1
H
i
Inoltre H
i
è un sottospazio di E, quindi:
(v +w H
i
(i = 1, 2, ..., n)) =(v +w)
n
i=1
H
i
( K, (v) H
i
(i = 1, 2, ...n)) =(v)
n
i=1
H
i
,
donde lasserto.
Teorema 56 Sia = v
1
, v
2
, ..., v
r
un sistema di vettori di E. Sia A linsieme delle
combinazioni lineari dei vettori di :
A
def
=
_
r
i=1
i
v
i
[
i
K, v
i
, (i = 1, 2, ...r)
_
E (2.21)
Linsieme (2.21) è un sottospazio vettoriale di E.
Dimostrazione. Presi ad arbitrio due elementi di A:
v =
r
i=1
i
v
i
, w =
r
i=1
i
v
i
,
risulta:
v +w =
r
i=1
(
i
+
i
) v
i
=(v +w) A
K, v =
r
i=1
i
v
i
=(v) A, essendo

i
def
=
i
donde lasserto.
Denizione 57 Linsieme (2.21) si chiama sottospazio generato da e si indica con
A[].
73
Esercizio 58 Assegnato il sistema = v
1
, v
2
, v
3
di R
4
:
v
1
= (1, 2, 0, 3) , v
1
= (2, 3, 0, 1) , v
1
= (2, 1, 2, 1)
provare che v A[], essendo v = (3, 9, 4, 2).
Soluzione 59 Risulta:
v A[]
_
(
1
,
2
,
3
) ,= (0, 0, 0) : v =
3
i=1
i
v
i
_
(2.22)
La (2.22) si scrive:
1
(1, 2, 0, 3) +
2
(2, 3, 0, 1) +
3
(2, 1, 2, 1) = (3, 9, 4, 2)
cioè:
1
+ 2
2
+ 2
3
= 3 (2.23)
2
1
+ 3
2
3
= 9
0 + 0 + 2
3
= 4
3
1
2
+
3
= 2
La caratteristica del sistema lineare (2.23) è p = 3, per cui esso è equivalente a:
1
+ 2
2
+ 2
3
= 3
2
1
+ 3
2
3
= 9
0 + 0 + 2
3
= 4,
che ammette lunica soluzione (
1
,
2
,
3
) = (1, 3, 2). Si conclude che v A[], poichè v
si esprime come combinazione lineare dei vettori di :
v = v
1
+ 3v
2
2v
3
***
Sia = v
1
, v
2
, ..., v
r
un sistema di vettori di E. Abbiamo la seguente:
Proposizione 60
_
è linearmente
indipendente
_
_
v A[] , ! (
1
,
2
, ...,
r
) [ v =
r
i=1
i
v
i
_
Dimostrazione. Implicazione diretta
Hp è lin. indip.
Per denizione di spazio vettoriale generato da , deve essere:
v A[] = (
1
,
2
, ...,
r
) : v =
r
i=1
i
v
i
74
Se esiste una seconda r-pla di scalari (
1
,
2
, ...,
r
) : v =
i
v
i
, abbiamo il sistema di
equazioni:
r
i=1
i
v
i
= v
r
i=1
i
v
i
= v
Sottraendo la seconda dalla prima:
(
1
1
) v
1
+ (
2
2
) v
2
+ ... + (
r
r
) v
r
= 0 (2.24)
Ma è linearmente indipendente, per cui la (2.24) implica:
1
=
2
2
= ... =
r
r
= 0,
cioè:
i
=
i
, per i = 1, 2, ..., r,
da cui esistenza ed unicità della r-pla di scalari (
1
,
2
, ...,
r
).
Implicazione inversa
Hp:
v A[] , ! (
1
,
2
, ...,
r
) : v =
r
i=1
i
v
i
(2.25)
Per la proposizione 48 è 0 A[], quindi la (2.25) per v = 0 si scrive:
! (
1
,
2
, ...,
r
) : 0 =
1
v
1
+
2
v
2
+... +
r
v
r
(2.26)
Lunica r-pla (
1
,
2
, ...,
r
) che verica la (2.26) è (
1
,
2
, ...,
r
) = (0, 0, ..., 0), da cui è
linearmente indipendente.
La proposizione (60) ci dice che se è un sistema di vettori linearmente indipendente, ogni
vettore appartenente al sottospazio generato da , si esprime in uno e un sol modo come
combinazione lineare dei vettori di .
Lemma 61 Siano = v
1
, v
2
, ..., v
r
,
= u
1
, u
2
, ..., u
p
due sistemi di vettori di E. Se
è linearmente indipendente e ogni suo vettore dipende linearmente dai vettori di , allora
è p r.
Dimostrazione. Procediamo per assurdo supponendo che sia: p = r + 1. Per ipotesi:
u
j
=
r
i=1
ji
v
i
, per j = 1, 2, ..., r, r + 1 (2.27)
Scriviamo la (2.27) per j = j
1
1, 2, ..., r + 1:
u
j
1
=
j
1
1
v
1
+
j
1
2
v
2
+ ... +
j
1
r
v
r
(2.28)
75
Risulta:
linearmente indipendente) =u
j
1
,= 0 =(
j
1
1
,
j
1
2
, ...,
j
1
r
) ,= (0, 0, ..., 0)
Senza perdita di generalità supponiamo che
j
1
1
,= 0. Dalla (2.28):
v
1
=
1
j
1
1
u
j
1

j
1
2
j
1
1
v
2
...

j
1
r
j
1
1
v
r
(2.29)
=
1
j
1
1
u
j
1
j
1
2
v
2
...
j
1
r
v
r
,
essendo:
j
1
i
def
=

j
1
i
j
1
1
, i = 2, 3, ..., r
In tal modo la (2.27) diventa:
u
j
=
j1
v
1
+
r
i=2
ji
v
i
=

j1
j
1
1
u
j
1
j1
j
1
2
v
2
...
j1
j
1
r
v
r
+
r
i=2
ji
v
i
=

j1
j
1
1
u
j
1
+
_
j2
j1
j
1
2
_
v
2
+ ... +
_
jr
j1
j
1
r
_
v
r
cioè:
u
j
=

j1
u
j
1
+
r
i=2
ji
v
i
per j 1, 2, ..., r + 1 j
1
(2.30)
essendo:
ji
=
ji
j1
j
1
i
per i = 2, ..., r
j1
=

j1
j
1
1
Esplicitiamo la sommatoria a secondo membro della (2.30):
u
j
=

j1
u
j
1
+

j2
v
2
+

j3
v
3
+... +

jr
v
r
, per j 1, 2, ..., r + 1 j
1
(2.31)
Scriviamo la (2.31) per j = j
2
1, 2, ..., r + 1 j
1
:
u
j
2
=

j
2
1
u
j
1
+

j
2
2
v
2
+

j
2
3
v
3
+... +

j
2
r
v
r
(2.32)
Risulta:
linearmente indipendente) =u
j
2
,= 0 =
_
j
2
2
,
j
2
3
, ...,
j
2
r
_
,= (0, 0, ..., 0)
Senza perdita di generalità supponiamo che
j
2
2
,= 0. Dalla (2.32):
v
2
=
1
j
2
2
u
j
2
j
2
1
j
2
2
u
j
1
j
2
3
j
2
2
v
3
...
j
2
r
j
2
2
v
r
76
In tal modo la (2.31) diventa:
u
j
=

j1
u
j
1
+

j2
_
1
j
2
2
u
j
2
j
2
1
j
2
2
u
j
1
j
2
3
j
2
2
v
3
...
j
2
r
j
2
2
v
r
_
+

j3
v
3
+... +

jr
v
r
=
_
j1
j2
j
2
1
j
2
2
_
u
j
1
+
j2
j
2
2
u
j
2
+
_
j3
j2
j
2
3
j
2
2
_
v
3
+ ... +
_
jr
j2
j
2
r
j
2
2
_
v
r
cioè:
u
j
=

j1
u
j
1
+

j2
u
j
2
+
3
i=1
ji
v
i
, per j 1, 2, ..., r + 1 j
1
, j
2
(2.33)
essendo:
ji
=

ji
j2
j
2
3
j
2
2
, i 1, ..., r 2
j2
=
j2
j
2
2
Il procedimento può essere iterato r volte, ottenendo:
u
j
r+1
=
j
1
u
j
1
+
j
2
u
j
2
+ ... +
j
r
u
j
r
Abbiamo quindi trovato un vettore di
che dipende linearmente dai rimanenti vettori di
, quindi per la proposizione 47,
è linearmente dipendente. Ma ciò contraddice lipotesi

secondo cui
è linearmente indipendente, da qui la tesi.

2.4 Sistemi di ordine massimo
Sia E uno spazio vettoriale sul campo K. Un sistema = v
1
, v
2
, ..., v
r
di vettori di E si
dice sistema di ordine massimo, se:
1. è linearmente indipendente.
2. p > r [
= v
1
, v
2
, ..., v
r
, v
r+1
, ..., v
p
E =
Abbiamo la seguente:
Proposizione 62 Se = v
1
, v
2
, ..., v
r
è un sistema di ordine massimo relativamente allo
spazio vettoriale E:
_

E,
è linearmente dipendente
_
_
v E , v dipende
linearmente da
_
Per ipotesi:
v E , v E , v è linearmente dipendente (2.34)
77
La (2.34) implica:
v+
1
v
1
+
2
v
2
+ ... +
r
v
r
= 0 (2.35)
(,
1
,
2
, ...,
r
) ,= (0, ..., 0)
è linearmente indipendente =
1
=
2
= ... =
r
= 0 = ,= 0
Quindi:
v =
r
i=1
i
v
i
, (2.36)
essendo:
i
=
, i = 1, 2, ..., r,
da cui la tesi.
Implicazione inversa.
Per ipotesi: v E , v dipende linearmente da . Per la proposizione 46 il sistema
= v è linearmente dipendente. In forza dellarbitrarietà di v E , ogni
E
e tale che
è linearmente dipendente, cioè la tesi.

Proposizione 63 Sia E uno spazio vettoriale su K.
_
= v
1
, v
2
, ..., v
r
è un sistema
di ordine massimo
_
=
_
p > r,
= u
1
, u
2
, ..., u
p
E
_
Dimostrazione. Per la proposizione 62:
(i 1, 2, ..., p , u
i
E) =(u
i
dipende linearmente da ) (2.37)
Per il lemma 61 deve essere p > r, anche
sia linearmente dipendente.

Proposizione 64 Sia E uno spazio vettoriale su K.
_
= v
1
, v
2
, ..., v
r
,
= u
1
, u
2
, ..., u
p
due sistemi di ordine massimo

_
=(p = r)
Dimostrazione. Per il lemma 61:
u
i

, u
i
dipende linearmente da =p r
v
i
, v
i
dipende linearmente da
=r p
cioè:
(p r, r p) p = r
Proposizione 65 Sia E uno spazio vettoriale su K dotato di un sistema = v
1
, v
2
, ..., v
r
di ordine massimo.
_

= u
1
, u
2
, ..., u
r
è linearmente indipendente
_
=
_

è un sistema di
ordine massimo
_
Dimostrazione. v E
v è linearmente dipendente in forza della proposizione

62, v dipende linearmente da
(proposizione 62). In forza dellarbitrarietà di v E ,

segue che
è un sistema di ordine massimo.

78
2.5 Basi e dimensioni di uno spazio vettoriale
Sia E uno spazio vettoriale sul campo K.
Denizione 66 Ogni sistema di ordine massimo è una base di E.
Denizione 67 Se = v
1
, v
2
, ..., v
r
è una base di E, lintero naturale r è la dimensione
di E e si indica con dimE.
Tipicamente una base di E è indicata con:
e
1
, e
2
, ..., e
r
e
i
(2.38)
Per ogni v E:
v =
1
e
1
+
2
e
2
+... +
r
e
r
(2.39)
Gli scalari (
1
,
2
, ...
r
) sono le componenti del vettore v nella base e
i
, e si indicano con
(v
1
, v
2
, ..., v
r
), per cui:
v = v
1
e
1
+ v
2
e
2
+... +v
r
e
r
(2.40)
Esempio 68 Consideriamo lo spazio vettoriale R
n
sul campo reale R. I vettori unitari di
R
n
:
e
1
= (1, 0, ..., 0) , e
2
= (0, 1, ..., 0) ,..., e
r
= (0, 0, ..., 1) ,
costituiscono una base di R
n
.
Infatti preso ad arbitrio un vettore v = (v
1
, v
2
, ..., v
n
):
v = (v
1
, 0, ..., 0) + (0, v
2
, ..., 0) +... (0, 0, ..., v
n
)
= v
1
e
1
+ v
2
e
2
+ ... + v
n
e
n
Esempio 69 Consideriamo lo spazio vettoriale P
n
[x] su R. Un qualunque vettore di P
n
[x]:
p (x) = a
0
+ a
1
x +a
2
x
2
+ ... + a
n
x
n
(2.41)
Il sistema di vettori:
e
0
(x) , e
1
(x) , e
2
(x) , ..., e
n
(x) , (2.42)
essendo:
e
0
(x) = 1, e
1
(x) = x, e
2
(x) = x
2
, ..., e
n
(x) = x
n
è una base. Infatti, preso ad arbitrio il polinomio:
p
n
(x) =
n
k=0
a
k
x
k
,
vediamo che p
n
(x) è univocamente determinato dalla n+1-pla di scalari (a
0
, a
1
, ..., a
n
). Da
ciò segue che e
i
(x) è una base di T
n
[x] e (a
0
, a
1
, ..., a
n
) sono le componenti di p
n
(x) nella
suddetta base. Inoltre:
dimP
n
[x] = n + 1
79
Per ssare le idee consideriamo P
3
[x], quindi:
e
0
(x) = 1, e
1
(x) = x, e
2
(x) = x
2
Prendiamo il vettore:
p (x) = 3 + 3x + 2x
2
(2.43)
= 3e
0
(x) + 3e
1
(x) + 2e
2
(x)
Pertanto p (x) ha componenti (2, 3, 3) nella base 1, x, x
2
. Ora consideriamo il sistema di
vettorie
i
(x)
e
0
(x) = 1 +x + x
2
, e
1
(x) = 1 x + x
2
, e
2
(x) = 1 x
2
(2.44)
cioè
e
0
(x) = e
0
(x) + e
1
(x) + e
2
(x)
e
1
(x) = e
0
(x) e
1
(x) +e
2
(x)
e
2
(x) = e
0
(x) e
2
(x)
Verichiamo che il sistema (2.44) è linearmente indipendente.
Abbiamo:
0
e
0
+
1
e
1
+
2
e
2
= 0
Cioè:
(
0
+
1
+
2
) e
0
+ (
0
1
+
2
) e
1
+ (
0
+
1
2
) e
2
= 0
Ma il sistema di vettori e
i
è linearmente indipendente, donde:
0
+
1
+
2
=
0
1
+
2
=
0
+
1
2
= 0
Abbiamo cos` ottenuto il sistema lineare omogeneo:
0
+
1
+
2
= 0
1
+
2
= 0
0
+
1
2
= 0
La matrice dei coecienti è:
A =
_
_
1 1 1
1 1 1
1 1 1
_
_
,
il cui rango è r (A) = 3, donde il sistema ammette la sola soluzione banale (
0
,
1
,
2
) =
(0, 0, 0). Il sistema (2.44) è manifestamente una base di P
3
[x], giacchè è del medesimo ordine
di (2.42). Determiniamo quindi le componenti del vettore (2.43) nella base (2.44). A tale
scopo scriviamo:
p (x) = a
0
e
0
(x) + a
1
e
1
(x) + a
2
e
2
(x) ,
80
equivalente al sistema di Cramer:
a
0
+ a
1
+a
2
= 3
a
0
+ a
1
+ 0 = 3
a
0
+a
1
a
2
= 2,
la cui unica soluzione è (a
0
, a
1
, a
2
) =
_
11
4
,
1
4
,
1
2
_
. Pertanto le componenti di (2.43) nella
base (2.44) sono:
_
11
4
,
1
4
,
1
2
_
Quindi scriviamo:
p (x) =
11
4
e
0
(x)
1
4
e
1
(x) +
1
2
e
2
(x)
2.6 Spazi innito-dimensionali
Negli esempi visti nella sezione precedente, lo spazio vettoriale assegnato è tale che dimE =
n < +. Ci si può chiedere se esistono spazi tali che dimE +. La risposta è aermativa
e in tal caso di dice che lo spazio vettoriale è innito-dimensionale
1
. Alcuni esempi:
Esempio 70 Sia P
n
[x] lo spazio vettoriale dei polinomi di grado n. Per quanto visto è
dimP
n
[x] = n+1. Ora consideriamo linsieme P
[x] di tutti i polinomi in x e a coecienti

in R.
`
E facile rendersi conto che si tratta di uno spazio vettoriale. Possiamo scrivere
convenzionalmente:
P
[x] = lim
n+
P
n
[x]
donde:
dimP
[x] = lim
n+
dimP
n
[x] = lim
n+
(n + 1) = +
Esempio 71 Sia
C [a, b] = f : [a, b] R [ f è ivi continua
Come è noto, C [a, b] assume la struttura di spazio vettoriale quando si introducono le usali
leggi di composizione. Osserviamo che:
n N,
n
=
_
1, x, x
2
, ..., x
n
, x
n+1
, ...
_
è una base di C [a, b], donde dimC [a, b] = +.
2.7 Cambiamento di base
Nellesempio precedente abbiamo esaminato la possibilità di esprimere un vettore come com-
binazione lineare di due basi distinte. Ci proponiamo di formalizzare tale importante nozione
che prende il nome di cambiamento di base. Siano e
i
, e
i
due basi distinte del
medesimo spazio vettoriale E su K. Evidentemente:
1
La dimensione può essere innita numerabile o innita con la potenza del continuo.
81
e
i
=
r
k=1
ik
e
k
(2.45)
Qui
ik
compongono una matrice R(r r) sul campo K. A loro volta i vettori e
i
si esprimono
come combinazione lineare dei vettori di e
i
:
e
i
=
r
k=1
ik
e
k
(2.46)
In maniera analoga, i coecienti
ik
della combinazione lineare sono gli elementi di matrice
di R
(r r) sul campo K.
Sostituendo la (2.45) nella (2.46):
e
i
=
r
k=1
ik
r
j=1
kj
e
j
=
r
k=1
r
j=1
ik
kj
e
j
(2.47)
Il vettore e
i
si scrive:
e
i
=
r
j=1
ij
e
j
,
essendo
ki
=
ik
il simbolo di Kronecher:
ik
=
_
1, se i = k
0, se i ,= k
La (2.47) diventa:
r
k=1
r
j=1
ik
kj
e
j
j=1
ij
e
j
= 0
Invertendo lordine delle sommatorie nel primo termine:
r
j=1
_
r
k=1
(
ik
kj
)
ij
_
e
j
= 0 (2.48)
Per denizione di base, il sistema di vettori e
i
è linearmente indipendente, donde la (2.48)
è vericata se e solo se:
r
k=1
ik
kj
=
ij
,
che è manifestamente equivalente alla relazione seguente:
R
R = 1
Allo stesso modo si dimostra che RR
= 1. Si conclude che:
R
= R
1
82
Si consideri ora un vettore v E che ha componenti (v
1
, v
2
, ..., v
r
) in e
i
:
v =
r
k=1
v
k
e
k
(2.49)
Il medesimo vettore ha componenti (v
1
, v
2
, ..., v
r
) in e
i
:
v =
r
k=1
v
k
e
k
(2.50)
Confrontando le (2.49)-(2.50) e tenendo conto della (2.46):
r
i=1
v
i
e
i
=
r
k=1
r
j=1
v
k
kj
e
j
Eseguendo negli indici muti la sostituzione (k, j) (j, i) e dopo una serie di passaggi:
v
i
=
r
j=1
ij
v
j
(2.51)
Indichiamo con V la matrice (r 1) i cui elementi sono le componenti di v in e
i
:
V
def
=
_
_
_
_
v
1
v
2
...
v
r
_
_
_
_
, (2.52)
Quindi:
V
=
_
_
_
_
v
1
v
2
...
v
r
_
_
_
_
(2.53)
Con le posizioni (2.52)-(2.53), la (2.51) si scrive:
V
=
_
R
1
_
T
V, (2.54)
Esempio 72 Assegnato il vettore v = (1, 2) nella base e
1
= (1, 0), e
2
= (0, 1) dello spazio
vettoriale R
2
(su R), si determinino le componenti di v rispetto alla base e
1
= (1, 1), e
2
=
(1, 1).
Soluzione 73 La matrice R è:
R =
_
1 1
1 1
_
, det R = 1 1 = 2
la cui aggiunta è:
R
(a)
=
_
1 1
1 1
_
83
Quindi linversa [eq. (1.51)]:
R
1
=
_
1
2
1
2
1
2

1
2
_
=
_
R
1
_
T
,
Per la (2.54):
V
=
_
1
2
1
2
1
2

1
2
__
1
2
_
=
_
3
2
1
2
_
,
quindi:
v
1
=
3
2
, v
2
=
1
2
Esempio 74 Assegnato il vettore v = (3, 2, 2) nella base e
1
= (1, 0, 0), e
2
= (0, 1, 0), e
3
=
(0, 0, 1) dello spazio vettoriale R
3
(su R), si determinino le componenti di v rispetto alla base
e
1
= (1, 0, 1), e
2
= (2, 1, 0), e
3
= (0, 1, 1).
Soluzione 75 La matrice R è:
R =
_
_
1 0 1
2 1 0
0 1 1
_
_
Linversa è:
R
1
=
_
_
1/3 1/3 1/3
2/3 1/3 2/3
2/3 1/3 1/3
_
_
Quindi il vettore colonna nella nuova base:
V
=
_
_
1/3 1/3 1/3
2/3 1/3 2/3
2/3 1/3 1/3
_
_
T
_
_
3
2
2
_
_
=
_
_
1
1
1
_
_
Si conclude che le componenti di v nella nuova base sono:
v
1
= 1, v
2
= 0, v
3
= 2
2.8 Somma di due spazi vettoriali
Sia E uno spazio vettoriale sul campo K. Se V e W sono due sottospazi di E, sussiste la
seguente
Denizione 76 Dicesi somma di V e W, linsieme di vettori:
V + W
def
= v +w [ v V , w W (2.55)
Teorema 77 Linsieme (2.55) è un sottospazio vettoriale di E.
84
Dimostrazione. Osserviamo innanzitutto che ,= V + W E. Inoltre:
(v
1
+w
1
) , (v
2
+w
2
) V + W
(v
1
+w
1
) + (v
2
+w
2
) = (v
1
+v
2
)
. .
def
= v
V
+ (w
1
+w
2
)
. .
def
= w
W
= v
+w
=((v
1
+w
1
) + (v
2
+w
2
)) V + W
Inoltre: K, (v +w) V +W, (v +w) = (v)
V
+ (w)
W
=((v +w)) V +W,
donde lasserto.
Esempio 78 Consideriamo lo spazio vettoriale /
R
(2 2). Prendiamo i sottoinsiemi:
V =
__
a b
0 0
_
[ a, b R
_
(2.56)
W =
__
a 0
c 0
_
[ a, c R
_
`
E facile rendersi conto che V e W sono sottospazi di /
R
(2 2). La somma è:
V + W =
__
a b
c 0
_
[ a, b, c R
_
Osserviamo che:
V W = 0
Proposizione 79 V, W V + W
Dimostrazione. (W sottospazio di E) =0 W =v V , v = (v +0) V + W =
V V + W
Allo stesso modo si dimostra che W V + W
Proposizione 80 V + W = L[V, W] , essendo L[V, W] il sottospazio generato da V e W:
L[V, W] =
_
i
v
i
[
i
K , v
i
V W
_
Dimostrazione. V +W sottospazio di E tale che V +W V, W =V + W L[V, W]
Preso ad arbitrio u V + W =u = v +w = v + w, con = = 1 e v V , w W,
quindi u L[V, W]
Cioè:
u V +W, u L[V, W] =V + W L[V, W]
Quindi:
V + W L[V, W]
V + W L[V, W] ,
da ciò segue V + W = L[V, W].
85
Denizione 81 Dicesi somma diretta dei sottospazi V , W di E, e si indica con V W,
il sottospazio U tale che:
u U =!v V , !w W [ u = v +w
Teorema 82
U = V W
_
U = V + W
V W = 0
U = V W =(u U =!v V , !w W [ u = v +w ) =U = V + W
Preso ad arbitrio u V W,
_
u =u
V
+ 0
W
, u = 0
V
+ u
W
_
=u =0
Lultima implicazione segue dalla unicità dellespansione del vettore u. Quindi:
(u V W, u = 0) =V W = 0
Supponiamo che u sia esprimibile attraverso due espansioni:
u = v +w, u = v
+w
Quindi:
v v
. .
V
= ww
. .
W
=
V W={0}
v v
= ww
= 0 =v = v
, w = w
Si conclude che:
U = V W
Denizione 83
(V, W supplementari in E) (E = V W)
Teorema 84 Comunque prendiamo un sottospazio U di E, esiste un sottospazio W tale
che
2
:
E = U W
Inoltre:
dimW = dimE dimU,
o ciò che è lo stesso:
dim(U W) = dimU + dimW (2.57)
2
Non univocamente determinato.
86
dimE = n, dimU = m
Consideriamo una base di U:
g
1
, g
2
, ..., g
m
Presi n m vettori linearmente indipendenti e

1
, e
2
, ..., e
nm
, una base di E è:
g
i
e
k
i
= g
1
, g
2
, ..., g
m
, e
k
1
,
e
k
2
, ..., e
k
n
,
a E = !
_
1
,
2
, ...,
m
,
e
k
1
,
e
k
2
, ...,
e
k
n
_
[ a =
1
g
1
+
2
g
2
+ ... +
m
g
m
+
k
1
g
k
1
+
... +
k
n
g
k
n
da ciò segue:
E = U W
dimW = n m = dimE dimW
Teorema 85
dim(V + W) = dimV + dimW dim(V W) (2.58)
Dimostrazione. omessa
Osservazione 86 La (2.58) riproduce la (2.57) se V W = 0.
Esempio 87 Consideriamo lo spazio euclideo R
2
. Siano u e v due vettori non paralleli.
Riferiamoci ai sottospazi generati dal singolo vettore:
U = u [ R
V = v [ R
Il sistema
= u, v
è manifestamente una base di R
2
, donde:
v R
2
, v = v
1
u + v
2
v,
essendo (v
1
, v
2
) le componenti di v nella base . Assegnato il vettore v, tali componenti sono
univocamente determinate, donde:
R
2
= U V
***
La denizione 81 si generalizza a N sottospazi:
U = V
1
V
2
... V
N
(2.59)
87
1. Assegnati i seguenti vettori di R
2
:
v
1
= (2, 4) , v
2
= (1, 2) , v
3
= (1, 1) , v
4
= (3, 6) , v
5
= (4, 5) , v
6
= (3, 9) ,
provare che: 1) v
2
,v
4
sono proporzionali a v
1
; 2) v
5
1
=
v
1
, v
3
; 3) v
4
2
= v
1
, v
2
; 4) v
6
3
= v
1
, v
3
, v
5
; 5) v
3
non dipende linearmente da
2
.
2. Assegnati i seguenti vettori di R
3
:
v
1
= (1, 2, 1) , v
2
= (1, 1, 0) , v
3
= (0, 1, 1) , v
4
= (1, 1, 1) , v
5
= (2, 1, 2) , v
6
= (1, 5, 4) ,
provare che: 1) v
4
,v
5
non dipendono linearmente
1
= v
1
, v
2
; 2) v
3
e v
6
dipendono
linearmente da
1
; 3) v
5
2
= v
1
, v
2
, v
4
; 4) v
6
dipende
linearmente da
3
= v
1
, v
2
, v
3
.
3. Provare che il seguente sistema di vettori di R
3
:
= v
1
, v
2
, v
3
,
essendo: v
1
= (1, 1, 1), v
2
= (1, 2, 3), v
3
= (2, 1, 1), è linearmente indipendente.
Esprimere quindi il vettore v = (1, 2, 5) come combinazione lineare dei vettori di .
4. Assegnato il sistema i vettori di R
3
:
= v
1
, v
2
, v
3
,
essendo: v
1
= (1, 1, 1), v
2
= (1, 2, 3), v
3
= (2, 1, 1), scrivere il vettore v = (2, 5, 3)
come combinazione lineare dei vettori di .
5. Provare che il seguente sistema di vettori di R
3
:
= v
1
, v
2
,
essendo: v
1
= (3, 0, 2), v
2
= (2, 1, 5), è linearmente indipendente. Determinare
poi per quali valori del parametro reale k il vettore v = (1, 2, k) si esprime come
combinazione lineare dei vettori di .
6. Sia = u(x) , v (x) , w(x) un sistema di vettori di T
2
[x] (spazio vettoriale i cui
vettori sono i polinomi su R di grado 2).
u(x) = x
2
2x + 5, v (x) = 2x
2
3x, w(x) = x + 3
Dimostrare che è linearmente indipendente ed esprimere il vettore p (x) = x
2
+4x3
come combinazione lineare dei vettori di .
88
7. Assegnati i vettori di T
2
[x]:
a (x) = x
2
x + 1 b (x) = x
2
+x 1 c (x) = x
2
d (x) = x + 1 e (x) = 2x
2
x + 2 f (x) = x
2
+x 2
,
mostare che: 1) b (x) non è proporizionale a a (x); 2) c (x) dipende linearmente da
1
=
a (x) , b (x); 3) e (x) non dipende linearmente da
1
; 4) e (x) dipende linearmente
da
2
= a (x) , b (x) , c (x); 5) d (x) dipende linearmente da
2
; 6) f (x) dipende
linearmente da
3
= a (x) , b (x) , e (x).
8. Provare che il sistema =
_
e
1
(x) = 1, e
2
(x) = x 1, e
3
(x) = (x 1)
2
_
è una base
di T
2
[x], e trovare le componenti di p (x) = 4x
2
x + 1 in .
9. Assegnato lo spazio vettoriale R
3
, si considerino le basi:
e
1
= (1, 0, 0) , e
2
= (0, 1, 0) , e
3
= (0, 0, 1)
e
1
= (1, 1, 1) , e
2
= (1, 1, 0) , e
3
= (1, 0, 0)
Determinare le componenti dei vettori v e w nella base e
i
, essendo note le loro
componenti nella base e
i
: v = (4, 3, 2), w = (a, b, c).
10. Assegnato lo spazio vettoriale R
3
si consideri linsieme:
H =
_
(v
1
, v
2
, v
3
) R
3
: 2v
1
+ v
2
v
3
= 0
_
R
3
Dimostrare che H è un sottospazio vettoriale di R
3
, determinandone una base.
11. Si consideri lo spazio vettoriale T
4
[cos x], i cui vettori sono i polinomi in cos x, di grado
non superiore a 4. Ad esempio, nella base:
e
i
(cos x) =
_
1, cos x, cos
2
x, cos
3
x, cos
4
x
_
il generico vettore è:
p (cos x) = a
0
+ a
1
cos x + a
2
cos
2
x + a
3
cos
3
x + a
4
cos
4
x
Assegnata la base:
e
i
(cos x) = 1, cos x, cos 2x, cos 3x, cos 4x ,
scrivere le equazioni di trasformazioni che permettono il cambiamento di base:
e
i
(cos x) e
i
(cos x)
e
i
(cos x) e
i
(cos x)
Soluzione
89
Abbiamo:
e
i
(cos x) =
4
k=0
ik
e
k
(cos x) (2.60)
Utilizziamo le seguenti formule trigonometriche:
cos 2x = 2 cos
2
x 1 (2.61)
cos 3x = 4 cos
3
x 3 cos x
cos 4x = 8 cos
4
x 8 cos
2
x + 1
Scrivendo la (2.60) componente per componente, si ottiene la matrice R = (
ik
):
R =
_
_
_
_
_
_
1 0 0 0 0
0 1 0 0 0
1 0 2 0 0
0 3 0 4 0
1 0 8 0 8
_
_
_
_
_
_
Quindi linversa:
R
1
=
_
_
_
_
_
_
1 0 0 0 0
0 1 0 0 0
1
2
0
1
2
0 0
0
3
4
0
1
4
0
3
8
0
1
2
0
1
8
_
_
_
_
_
_
Abbiamo:
p (cos x)
.
=
_
_
_
_
_
_
a
0
a
1
a
2
a
3
a
4
_
_
_
_
_
_
nella base e
i
,
dove il simbolo
.
= signica rappresentato da. Similmente:
p
(cos x)
.
=
_
_
_
_
_
_
a
0
a
1
a
2
a
3
a
4
_
_
_
_
_
_
nella base e
Le componenti nelle rispettive basi sono legate da:

_
_
_
_
_
_
a
0
a
1
a
2
a
3
a
4
_
_
_
_
_
_
=
_
_
_
_
_
_
1 0 0 0 0
0 1 0 0 0
1
2
0
1
2
0 0
0
3
4
0
1
4
0
3
8
0
1
2
0
1
8
_
_
_
_
_
_
_
_
_
_
_
_
a
0
a
1
a
2
a
3
a
4
_
_
_
_
_
_
(2.62)
90
Cioè:
a
0
= a
0
a
1
= a
1
a
2
=
1
2
(a
0
+ a
1
)
a
3
=
1
4
(3a
1
+a
3
)
a
4
=
1
2
(3a
0
+ 4a
2
+ a
4
)
Invertendo la (2.62):
a
0
= a
0
a
1
= a
1
a
2
= a
0
+ 2a
2
a
3
= 3a
1
+ 4a
3
a
4
= a
0
8a
2
+ 8a
4
2.9.1 Soluzioni
1. Il quesito 1 si risolve banalmente:
v
2
=
1
2
v
1
, v
4
=
3
2
v
1
Quesito 2:
v
5
= v
1
+ v
3
cioè:
(2, 4) +(1, 1) = (4, 5)
_
2 = 4
4 + = 5
,
che ammette lunica soluzione (, ) = (3/2, 1), quindi:
v
5
=
3
2
v
1
v
3
Quesito 3:
v
4
= v
1
+ v
2
,
cioè:
(2, 4) + (1, 2) = (3, 6)
_
2 + = 3
4 + 2 = 6
,
che ammette
1
soluzioni (, ) = (, 3 2), R, quindi:
v
4
= 3v
2
v
1
, R
91
Quesito 4:
v
6
= v
1
+ v
3
+ v
4
,
cioè:
(2, 4) +(1, 1) + (4, 5) = (3, 9)
_
2 + 4 = 3
4 + + 5 = 9
,
che ammette
1
soluzioni (, , ) =
_
2
3
2
, 1 +,
_
, R, quindi:
v
6
=
_
2
3
2
_
v
1
+ (1 +) v
3
+ v
5
= 2v
1
+v
3
+
_
v
3
+v
5
3
2
v
1
_
, R
Quesito 5:
v
3
= v
1
+v
2
cioè:
(2, 4) + (1, 2) = (1, 1)
_
2 + = 1
4 + 2 = 1
Tale sistema è incompatibile = (, ) : v
3
= v
1
+v
2
.
2. Quesito 1:
v
4
= v
1
+ v
2
cioè:
(1, 2, 1) +(1, 1, 0) = (1, 1, 1)
_
_
_
+ = 1
2 + = 1
+ 0 = 1
Tale sistema lineare è incompatibile, quindi (, ) : v
4
= v
1
+ v
2
.
v
5
= v
1
+ v
2
cioè:
(1, 2, 1) + (1, 1, 0) = (2, 1, 2)
_
_
_
+ = 2
2 + = 1
+ 0 = 2
Tale sistema lineare è incompatibile, quindi (, ) : v
5
= v
1
+ v
2
.
Quesito 2:
v
3
= v
1
+ v
2
cioè:
(1, 2, 1) +(1, 1, 0) = (0, 1, 1)
_
_
_
+ = 0
2 + = 1
+ 0 = 1
92
La terza equazione di tale sistema è combinazione lineare delle prime due, per cui:
_
+ = 0
2 + = 1
=(, ) = (1, 1)
Quindi:
v
3
= v
1
v
2
Imponiamo che:
v
6
= v
1
+ v
2
cioè:
(1, 2, 1) + (1, 1, 0) = (1, 5, 4)
_
_
_
+ = 1
2 + = 5
+ 0 = 4
_
+ = 1
2 + = 5
=(, ) = (4, 3) ,
quindi:
v
6
= 4v
1
3v
2
Quesito 3:
v
5
= v
1
+ v
2
+ v
4
,
cioè:
(1, 2, 1) +(1, 1, 0) + (1, 1, 1) = (2, 1, 2)
_
_
_
+ + = 2
2 + + = 1
+ 0 + = 2
Tale sistema è compatibile e determinato: ! (, , ) = (1, 4 1), donde:
v
5
= v
1
+ 4v
2
v
4
Quesito 4:
v
6
= v
1
+ v
2
+ v
3
,
cioè:
(1, 2, 1) +(1, 1, 0) + (0, 1, 1) = (1, 5, 4)
_
_
_
+ + 0 = 1
2 + + = 5
+ 0 + = 4
_
+ + 0 = 1
2 + + = 5
93
Tale sistema è compatibile e indeterminato. Precisamente: p = 2, n = 3 =
1
soluzioni:
(, , ) = (4 , 3, ) , R
Quindi il vettore v
6
si esprime in
1
modi distinti come combinazione lineare dei
vettori v
1
, v
2
, v
3
:
v
6
= (4 ) v
1
+ ( 3) v
2
+ v
3
Osservazione 88 Esistono
1
combinazioni lineari, poiche il sistema v
1
, v
2
, v
3
è
linearmente dipendente. Infatti il sistema omogeneo:
_
_
_
+ + 0 = 0
2 + + = 0
+ 0 + = 0
,
ha caratteristica p = 2, per cui ammette
1
autosoluzioni = (, , ) ,= (0, 0, 0) :
v
1
+ v
2
+v
3
= 0.
3. Abbiamo lequazione vettoriale:
1
(1, 1, 1) +
2
(1, 2, 3) +
3
(2, 1, 1) = (0, 0, 0)
che scritta componente per componente conduce al sistema omogeneo:
1
+
2
+ 2
3
= 0 (2.63)
1
+ 2
2
3
= 0
1
+ 3
2
+
3
= 0
La matrice dei coecienti è:
A =
_
_
1 1 2
1 2 1
1 3 1
_
_
Abbiamo: det A = 5 = il sistema (2.63) ammette unicamente la soluzione banale
(
1
,
2
,
3
) = (0, 0, 0), per cui il sistema è linearmente indipendente.
Scriviamo la combinazione lineare:
v =
1
v
1
+
2
v
2
+
3
v
3
equivalente a:
1
+
2
+ 2
3
= 1 (2.64)
1
+ 2
2
3
= 2
1
+ 3
2
+
3
= 5
Tale sistema è compatibile e determinato. La soluzione è (
1
,
2
,
3
) = (6, 3, 2).
Perciò: v = 6v
1
+ 3v
2
+ 2v
3
.
94
4. Il sistema = (1, 3, 2) , (2, 4, 1) , (1, 5, 7) è linearmente dipendente se il sis-
tema lineare omogeneo:
1
+
2
+
3
= 0 (2.65)
3
1
4
2
5
3
= 0
2
1
2
+ 7
3
= 0,
è banale. La matrice dei coecienti è:
A =
_
_
1 2 1
3 4 5
2 1 7
_
_
Risulta: det A = 0 = p < n, essendo p la caratteristica del sistema e n = 3 il
numero di incognite. Quindi il sistema (2.65) ammette
np
soluzioni non nulle,
perciò (
1
,
2
,
3
) ,= 0, da ciò segue che è linearmente dipendente e che non è
possibile esprimere il vettore v come combinazione lineare dei vettori di .
5. R : v
1
= v
2
, quindi per la proposizione 45 il sistema è linearmente indipen-
dente. Scriviamo:
v =
1
v
1
+
2
v
2
,
ottenendo il sistema lineare:
3
1
+ 2
2
= 1 (2.66)
0
2
= 2
2
1
5
2
= k
La matrice dei coecienti e la matrice dei coecienti pi` u termini noti:
A =
_
_
3 2
0 1
2 5
_
_
; M (k) =
_
_
3 2 1
0 1 2
2 5 k
_
_
;
Risulta: p = r (A) = 2. Anchè il sistema sia compatibile, deve essere r (A) = r (M).
Poniamo:
F (k)
def
= det M (k) =
3 2 1
0 1 2
2 5 k
= 3 (k + 8)
`
E facile convincersi che r (A) = r (M) = 2 F (k) = 0 k = 8
def
= k
. Ed è
questo il valore di k tale che:
v =
2
i=1
i
v
i
Per k = k
, il sistema (2.66) ammette lunica soluzione (

1
,
2
) = (1, 2), per cui:
v = v
1
+ 2v
2
95
6. Il sistema è linearmente indipendente se:
u(x) + v (x) + w(x) = 0 = = = = 0
Sostituendo le espressioni analitiche di u(x), v (x), w(x) e ordinando i vari termini:
( + 2) x
2
+ (2 3 + ) x + (5 + 3) = 0 (2.67)
La (2.67) equivale al sistema:
+ 2 + 0 = 0 (2.68)
2 3 + = 0
5 + 0 + 3 = 0,
che è banale: (, , ) = (0, 0, 0), per cui è linearmente indipendente.
Scriviamo:
p (x) =
1
u(x) +
2
v (x) +
3
(x) ,
cioè:
1
+ 2
2
+ 0 = 1 (2.69)
2
1
3
2
+
3
= 4
5
1
+ 0 + 3
3
= 3,
Il sistema lineare (2.69) è compatibile e determinato. La soluzione è (
1
,
2
,
3
) =
(3, 2, 4); pertanto:
p (x) = 3u(x) + 2v (x) + 4 (x)
7. 1) b (x) e a (x) sono proporzionali se:
( R : b (x) = a (x)) x
2
+ x 1 =
_
x
2
x + 1
_
equivalente a:
( 1) x
2
+ ( 1) x + ( + 1) = 0, (2.70)
essendo 0 il polinomio nullo (vettore nullo). La (2.70) è vera se, e solo se:
1 = 0
+ 1 = 0
+ 1 = 0
Tale sistema è manifestamente incompatibile, donde : b (x) = (x).
2). Scriviamo:
c (x) = a (x) + b (x)
96
equivalente a:
( + 1) x
2
+ ( + ) x + ( ) = 0,
da cui il sistema lineare:
_
_
_
+ = 1
= 0
= 0
=(, ) =
_
1
2
,
1
2
_
,
quindi:
c (x) =
1
2
[a (x) + b (x)]
3). Scriviamo:
e (x) = a (x) + b (x)
Sostituendo le espressioni di a (x), b (x), e (x):
( + 2) x
2
+ ( + + 1) x + ( 2) = 0,
da cui il sistema:
_
_
_
+ = 2
= 0
= 2
= (, ) ,
per cui e (x) non è combinazione lineare di
1
.
4). Scriviamo:
e (x) = a (x) + b (x) + c (x)
Sostituendo le espressioni di a (x), b (x), c (x), e (x):
( + + 2) x
2
+ ( + + 1) x + ( 2) = 0,
da cui il sistema:
_
_
_
+ + = 2
+ 0 = 0
+ 0 = 0
_
+ + = 2
+ 0 = 0
,
che ammette
1
soluzioni:
(, , ) =
_
1

2
, 1

2
,
_
, R
Quindi:
e (x) =
_
1

2
_
a (x) +
_
1

2
_
b (x) + c (x)
97
Osservazione 89 Il vettore e (x) si esprime in inniti modi come combinazione lineare
dei vettori
2
= a (x) , b (x) , c (x), poiche tale sistema è linearmente dipendente.
Infatti:
a (x) + b (x) + c (x) = 0
_
_
_
+ + = 0
+ 0 = 0
+ 0 = 0
Tale sistema ammette
1
soluzioni non banali, quindi
1
(, , ) ,= (0, 0, 0) :
a (x) +b (x) +c (x) = 0
5). Scriviamo:
d (x) = a (x) +b (x) + c (x)
Sostituendo le espressioni di a (x), b (x), c (x), d (x):
( + +) x
2
+ ( + + 1) x + ( 1) = 0,
da cui il sistema:
_
_
_
+ + = 0
+ 0 = 1
+ 0 = 1
,
cheè compatibile e indeterminato con
1
soluzioni:
(, , ) =
_
1
2
_
1

2
_
,
1
2
_
1 +

2
_
,
_
, R
Quindi:
d (x) =
1
2
__
1

2
_
a (x) +
_
1 +

2
_
b (x)
_
+ c (x)
6). Esprimiamo il polinomio f (x) come combinazione lineare di
2
= a (x) , b (x) , e (x):
f (x) = a (x) +b (x) + e (x)
cioè:
( + + 2 1) x
2
+ ( + 1) x + ( + 2 + 2) = 0,
quindi:
_
_
_
+ + 2 = 1
+ = 1
+ 2 = 2
Tale sistema è compatibile e determinato:
(, , ) =
_
3
2
,
3
2
, 1
_
,
donde:
f (x) =
3
2
[a (x) +b (x)] e (x)
98
8. Scriviamo:
1
e
1
(x) +
2
e
2
(x) +
3
e
3
(x) = 0
Sostituendo le espressioni analitiche di e
i
(x):
1
+
2
(x 1) +
3
_
x
2
2x + 1
_
= 0,
equivalente al sistema lineare omogeneo:
_
_
_
0 + 0 +
3
= 0
0 +
2
2
3
2
+
3
= 0
,
1
,
2
,
3
) = (0, 0, 0), donde è una base.
Scriviamo p (x):
p (x) =
1
e
1
(x) +
2
e
2
(x) +
3
e
3
(x)
Ottenendo:
_
_
_
0 + 0 +
3
= 4
0 +
2
2
3
= 1
2
+
3
= 1
=(
1
,
2
,
3
) = (4, 7, 4)
Quindi:
p (x) = 4e
1
(x) + 7e
2
(x) + 4e
3
(x)
Si conclude che la terna (4, 7, 4) sono le componenti del vettore p (x) nella base .
9. Passando ai vettori colonna:
V
= R
1
V, W
= R
1
W,
R
1
è la matrice inversa di:
R =
_
_
1 1 1
1 1 0
1 0 0
_
_
Abbiamo:
R
1
=
_
_
0 0 1
0 1 1
1 1 0
_
_
Quindi:
V
=
_
_
2
5
7
_
_
, W
=
_
_
c
b c
a b
_
_
,
da cui le componenti di v e w nella nuova base:
v = (2, 5, 7)
w = (c, b c, a b)
99
10. v = (v
1
, v
2
, v
3
) , v
= (v
1
, v
2
, v
3
) H,
v +v
= (v
1
+ v
1
, v
2
+ v
2
, v
3
+ v
3
)
2 (v
1
+ v
1
) + (v
2
+ v
2
) (v
3
+ v
3
)
= (2v
1
+ v
2
v
3
) + (2v
1
+ v
2
v
3
)
= 0
R, v = (v
1
, v
2
, v
3
) H,
2 (v
1
) + (v
2
) (v
3
) = (2v
1
+ v
2
v
3
) = 0
da cui H è un sottospazio di R
3
. Per ricercare una sua base risolviamo lequazione
lineare omogenea:
2v
1
+ v
2
v
3
= 0,
nelle incognite v
1
, v
2
, v
3
. Essa ammette
2
soluzioni non banali:
(v
1
, v
2
, v
3
) = (v
1
, v
2
, 2v
1
+ v
2
)
= (v
1
, 0, 2v
1
) + (0, v
2
, v
2
)
= v
1
(1, 0, 2) +v
2
(0, 1, 1)
Quindi dimH = 2, e una base di H è (1, 0, 2) , (0, 1, 1).
100
Parte II
Omomorsmi ed isomorsmi
101
Capitolo 3
Applicazioni lineari tra spazi vettoriali
3.1 Denizione assiomatica di applicazione lineare
Siano E e F due spazi vettoriali sul medesimo campo K. Consideriamo lapplicazione:
: E F (3.1)
La (3.1) applica a x E, un vettore y F:
x E y F
Scriviamo:
y = (x) (3.2)
Denizione 90 Lapplicazione è lineare se è additiva ed omogenea:
1. x, y E, (x +y) = (x) + (y) (additività)
2. x E, K, (x) = (x) (omogeneità)
`
E facile rendersi conto che additività e omogeneità sono contenute nellunica condizione:
x, y E, , K, (x + y) = (x) + (y) (3.3)
Nel caso E = F lapplicazione lineare (3.2) si chiama operatore lineare e viene spesso
utilizzata la seguente notazione:
x = y, (3.4)
che si legge: il vettore y è il risultato dellapplicazione delloperatore sul vettore x.
Equivalentemente: opera su x, dando y come risultato.
Due esempi immediati di operatori lineari sono dati rispettivamente dalloperatore nullo
0 e dalloperatore identità

1:
0x = 0, x E
1x = x, x E
102
Loperatore nullo associa ad ogni vettore di E, il vettore nullo, mentre loperatore identità
applicato ad un qualunque vettore di E, fornisce il vettore medesimo.
Ulteriori esempi:
1. Consideriamo lo spazio vettoriale T
n
[x] su R dei polinomi di grado n. Loperatore
di derivazione
d
dx
è un operatore lineare. Per mostrare ciò, osserviamo innanzitutto
che:
d
dx
: p
m
(x) T
n
[x]
d
dx
p
m
(x) T
n
[x]
essendo p
m
(x) = a
0
+ a
1
x + a
2
x
2
+ ... + a
m
x
m
, quindi
d
dx
p
m
(x) = a
1
+ 2a
2
x + ... +
ma
m1
x
m1
, per cui
d
dx
p
m
(x) T
n
[x].
La linearità segue immediatamente dalle regole di derivazione della somma di due
funzioni e del prodotto di una costante per una funzione:
p
m
(x) ,q
r
(x) T
n
[x] , , R,
d
dx
[p
m
(x) + q
r
(x)] =
d
dx
p
m
(x) +
d
dx
q
r
(x)
2. Consideriamo lo spazio vettoriale T (a, b) i cui elementi sono le funzioni reali di variabile
reale denite nellintervallo chiuso e limitato [a, b] ( 36). Se ( (a, b) è linsieme delle
funzioni continue in [a, b], proviamo che a) C (a, b) è un sottospazio vettoriale di T (a, b),
b) lapplicazione:
S : C (a, b) C (a, b)
tale che:
f C (a, b)
x
_
a
f () d, x (a, b)
C (a, b) T (a, b) è un sottospazio di T (a, b), poiche la somma di due funzioni continue
è a sua volta una funzione continua, e il prodotto di uno numero reale per una funzione
continua è una funzione continua. In simboli:
f, g C (a, b) , (f + g) C (a, b)
f C (a, b) , K, (f) C (a, b)
Da un punto di vista geometrico, lapplicazione S associa ad ogni funzione f (x) con-
tinua in (a, b), larea del rettangoloide 1(x) sotteso dalla curva di equazione y = f (x),
dallasse x e dalle rette parallele allasse y e passanti per a e per il generico punto x.
Senza perdita di generalità assumiamo f (x) 0. Quindi:
1(x) =
_
(, y) 1
2
: a x, 0 y f (x)
_
Per i dettagli vedere gura 3.1.
La linearità delloperatore S segue immediatamente dalle proprietà di addività e omo-
geneità dellintegrale denito. Scriviamo:
S (f) =
x
_
a
f () d
103
a x b
x
y
yfx
misRx
a
x
f
a x b
x
y
Figura 3.1: Rettangoloide individuato dal graco y = f (x).
Quindi f, g C (a, b), , R:
S (f + g) =
x
_
a
(f () + g ()) d
=
x
_
a
f () d +
x
_
a
g () d
= S (f) + S (g)
3. Ricordiamo che:
C
k
(a, b) = f : [a, b] R [ f è dotata di derivata k-esima continua
Con le usuali leggi di composizione, C
k
(a, b) assume la struttura di spazio vettoriale.
Ciò premesso, consideriamo lapplicazione:
d
dx
: C
1
(a, b) C (a, b)
f
df
dx
, f C
1
(a, b)
Tale applicazione è lineare. infatti:
f, g C
1
(a, b), , R
d
dx
(f (x) + g (x)) =
d
dx
f (x) +
d
dx
g (x)
Di seguito sono riportati casi speciali di applicazioni tra spazi vettoriali.
Sia E uno spazio vettoriale su un campo K. Consideriamo una base di E:
e
i
, i = 1, 2, ..., r
104
Quindi dimE = r. Sia E
il sottospazio di E generato da e
i
per i = 1, 2, ..., p < r.
Ciò premesso, si denisce operatore di proiezione di E su E
, loperatore lineare:
: E E
v =
r
i=1
v
i
e
i
v
=
p
i=1
v
i
e
i
Proviamo la linearità di .
u =
p
i=1
u
i
e
i
, (3.5)
essendo u = v + w. Evidentemente:
u
i
= v
i
+w
i
Quindi la (3.5) diventa:
u =
p
i=1
(v
i
+ w
i
) e
i
=
p
i=1
v
i
e
i
+
p
i=1
w
i
e
i
= v +u,
donde la linearità di . Ad esempio, consideriamo lo spazio vettoriale R
3
e loperatore di
proiezione
x
su R:
x
: R
3
R
Pi` u precisamente,
x
proietta ogni vettore v = (v
x
, v
y
, v
z
) sullasse x:
v = v
x
e
x
+ v
y
e
y
+ v
z
e
z
v
x
e
x
essendo e
i
(i = x, y, z) i versori degli assi coordinati.
***
Loperatore cos` denito:
Tv = v +u,
essendo u un vettore assegnato di E. Si osservi che tale operatore non è lineare:
T (v + w) = v + w +u
Daltro canto:
105
Tv +Tw = (v +u) + (w +u)
= v + w + ( + ) u
Quindi:
T (v + w) = Tv + Tw( + ) w
Cioè:
, K : + ,= 0, w E 0 , T (v + w) ,= Tv + Tw
***
Loperatore costante è cos` denito:
Ax = a,
essendo x, a E, con a vettore assegnato. Mostriamo che tale operatore è non lineare.
A(x + y) = a
Daltro canto:
Ax + Ay = ( + ) a,
donde:
A(x + y) ,= Ax + Ay,
da cui la non linearità di A.
***
Sia E uno spazio vettoriale tridimensionale sul campo K. Consideriamo loperatore A tale
che:
Ax = y, con x = (x
1
, x
2
, x
3
) , y = (2x
1
+ x
2
, x
2
+x
3
, x
1
) in una base e
i
Studiamo il comportamento di tale operatore. Poniamo:

w = x + z, , K, x, z E (3.6)
Il risultato dellapplicazione delloperatore A sul vettore (3.6) è il vettore y = (y
1
, y
2
, y
3
):
Aw = y
Abbiamo:
106
w = (x
1
, x
2
, x
3
) + (z
1
, z
2
, z
3
)
= (x
1
+z
1
, x
2
+z
2
, x
3
+ z
3
)
Pertanto il risultato dellapplicazione di A su x è:
Aw = (2 (x
1
+ z
1
) + x
2
+ z
2
, x
2
+ z
2
+ x
3
+ z
3
, x
1
+ z
1
)
= (2x
1
+ x
2
, x
2
+x
3
, x
1
) + (2z
1
+ z
2
, z
2
+ z
3
, z
1
)
= Ax + Az,
quindi la linearità di A.
***
Proposizione 91 Sia : E F unapplicazione lineare tra gli spazi vettoriali E e F.
(0
E
) = 0
F
(3.7)
(x) = (x)
Dimostrazione. x E, (x) + 0
F
= (x) = (x +0
E
) = (x) + (0
E
) = 0
F
=
(0
E
)
Dimostriamo ora la seconda delle (3.7).
Dalla prima delle (3.7):
0
F
= (0
E
) = (x +x) = (x) + (x)
ma 0
F
= (x) (x), confrontando con la precedente:
(x) = (x)
1. Dimostrare la linearità dei seguenti operatori:
_
A : R
2
R
2
(x, y) (x + y, y)
(3.8)
_
B : R
3
R
(x, y, z) 2x 3y + 4z
2. Dimostrare la non linearità dei seguenti operatori:
_
A : R
2
R
(x, y) xy
(3.9)
_
A : R
2
R
3
(x, y) (x + 1, 2y, x + y)
_
A : R
3
R
2
(x, y, z) ([x[ , 0)
107
3.2.1 Soluzioni
1. Poniamo x
= x + x
, , R, x, x
R
2
:
x = (x, y, z) , x
= (x
, y
, z
)
Quindi:
x
= (x + x
, y + y
, z + z
)
Il risultato dellapplicazione di A su x
è:
Ax
= ((x + x
+ yy
) , y + y
)
= Ax + Ax
Da qui la linearità di A.
Poniamo x
= x + x
, , R, x, x
R
2
:
x = (x, y, z) , x
= (x
, y
, z
)
Quindi:
x
= (x + x
, y + y
, z + z
)
Il risultato dellapplicazione di B su x
è:
Bx
= 2 (x + x
) 3 (y + y
) + 4 (z + z
)
= (2x 3y + 4z) + (2x
3y
+ 4z
)
= Bx + Bx
donde la linearità di B.
2. Siano x = (x, y), x = (x
, y
) due vettori arbitrari di R

2
. Poniamo: x
= x +x
, con
, presi ad arbitrio in R. Abbiamo:
Ax
= (x + yx
) (y +y
)
=
2
xy + xy
+ x
y +
2
x
Mentre:
Ax + Ax
= xy + x
Quindi:
A(x +x
) ,= Ax + Ax
da qui la non linearità di A.

Il secondo operatore (seconda delle (3.9)) è tale che:
A(x + x
) = Ax + Ax
+ (1, 0, 0) ,= Ax + Ayx
108
Il terzo operatore (terza delle (3.9)) è tale che:
Ax
= ([x + x
[ , 0)
mentre:
Ax +Ax
= ([x[ + [x
[ , 0)
Quindi:
A(x + x
) ,= Ax +Ax
,
giacche:
[x + x
[ [x[ + [x[ ; (3.10)

109
Capitolo 4
Omomorsmi e isomorsmi
4.1 Introduzione
Ricordiamo che se f : X Y , limmagine di f in Y è:
Imf = f (X)
def
= y Y [ y = f (x) Y
Ciò premesso, sussistono le seguenti:
Denizione 92 (f ` e suriettiva) (f (X) = Y )
Denizione 93 (f ` e iniettiva) (x ,= x
=f (x) ,= f (x
))
Denizione 94 (f ` e biiettiva) (f è iniettiva e suriettiva)
Nel caso speciale f : R R, le denizioni suddette si prestano ad interpretazione geomet-
rica. Nel caso di unapplicazione iniettiva, ogni retta parallela allasse x interseca in uno ed
un sol punto la curva di equazione y = f (x). Ad esempio, la funzione esponenziale:
f : R R
x a
x
, (4.1)
è unapplicazione iniettiva ma non suriettiva (gura 4.1). Infatti:
x ,= x
=a
x
,= a
x
y (, 0) , x R [ a
x
= y,
da cui liniettività e la non suriettività dellapplicazione (4.1).
Nel caso di unapplicazione suriettiva, ogni retta parallela allasse x interseca almeno in un
punto la curva y = f (x). Ciò implica (a dierenza del caso precedente) che possono esserci
intersezioni multiple, come nel caso della funzione f (x) = x
3
x
2
x (gura 4.2).
Si consideri ora lapplicazione:
f : R R
x x
2
(4.2)
Tale applicazione non è ne iniettiva e ne suriettiva. Infatti, ogni x
2
è immagine di x e +x.
Inoltre, y (, 0), x R : f (x) = y (gura 4.3)
110
-2
x
1
x
2
x
3
x
1
2
3
4
5
y
Figura 4.1: Graco della funzione f (x) = e
x
. Ogni retta y = y
0
> 0 interseca in uno e un sol
punto il graco di f (x). Qui y
0
è una costante presa ad arbitrio. Per y
0
< 0 lintersezione è
vuota. Si tratta quindi di unapplicazione iniettiva ma non suriettiva.
-2 -1 1 2
x
-2
-1.5
-1
-0.5
0.5
1
1.5
2
y
Figura 4.2: Graco della funzione f (x) = x
3
x
2
x. Esistono rette parallele allasse x che
intersecano in punti distinti il graco della funzione. Ogni retta y = y
0
interseca comunque
y = f (x). Si tratta quindi di unapplicazione suriettiva ma non iniettiva.
111
-3 -2 -1 1 2 3
x
2
4
6
8
y
Figura 4.3: Graco della funzione f (x) = x
2
. Ogni retta y = b > 0 interseca in due punti
distinti la curva y = f (x). Lintersezione di una generica retta y = c < 0 con il graco di
f (x), è linsieme vuoto.
4.2 Denizione assiomatica e teoremi conseguenti
Denizione 95 Siano E, F due spazi vettoriali sul campo K. Dicesi omomorsmo tra E
ed F ogni applicazione lineare : E F.
Denizione 96 Due spazi vettoriali si dicono omomor se esiste un omorsmo tra essi.
Denizione 97 Siano E, F due spazi vettoriali sul campo K. Dicesi isomorsmo tra E
ed F ogni applicazione lineare biiettiva : E F.
Denizione 98 Due spazi vettoriali si dicono isomor se esiste un isomorsmo tra essi.
Esempi
Se E è un qualunque spazio vettoriale su un campo K, consideriamo lapplicazione:
: E E
v v
, (4.3)
essendo scalare assegnato non nullo.
Si dimostri che la (4.3) è biiettiva.
Soluzione.
Iniziamo a dimostrare la linearità:
v, w E, , K, (v +w) =
= (v +w)
= (v) + (w)
= v + w
Liniettività:
112
v ,= v
=v ,= v
La suriettività:
u E, v =
_
1
u
_
E [ v = v = u
Da ci` o segue la biiettività di . Tale isomorsmo è noto come omotetia di rapporto e
centro O: limmagine di un generico vettore v E si identica con v medesimo a meno di
un fattore di scala .
***
Teorema 99 Sia K un campo. Gli spazi vettoriali su K isodimensionali sono isomor.
Dimostrazione. Siano E, F due arbitrari spazi vettoriali isodimensionali:
dimE = n, dimF = n
Fissiamo due basi:
e
i
, i = 1, 2, ..., n base di E
e
i
, i = 1, 2, ..., n base di F
Si consideri lapplicazione lineare:
: E F (4.4)
tale che:
x =
n
i=1
x
i
e
i
x
=
n
i=1
x
i
e
i
Lapplicazione (4.4) associa ad ogni vettore x di E il vettore x
di E
che ha per componenti

le componenti di x in e
i
. Osserviamo che presi ad arbitrio x e y in E:
x =
n
i=1
x
i
e
i
, y =
n
i=1
y
i
e
i
,
risulta:
(x) = x
=
n
i=1
x
i
e
i
(y) = y
=
n
i=1
y
i
e
i
Tenendo conto della proposizione (60) (unicità delle componenti di un vettore in una asseg-
nata base):
x ,= y =x
i
,= y
i
,
113
donde:
x ,= y = (x) ,= (y)
Cioè è iniettiva. Inoltre:
x
F, x
=
n
i=1
x
i
e
i
=x E [ x =
n
i=1
x
i
e
i
da cui la suriettività di .
Si conclude che è iniettiva e suriettiva, quindi biiettiva. Da qui la tesi.
Denizione 100 Si chiama immagine dellapplicazione : E F e si indica con (E)
il sottoinsieme di F:
(E) = y F [ (x) = y
Teorema 101 (E) è un sottospazio vettoriale di F.
Dimostrazione. y
1
, y
2
(E) x
1
, x
2
E [ y
1
= (x
1
), y
2
= (x
2
). Quindi:
y
1
, y
2
(E) , y
1
+y
2
= (x
1
) + (x
2
) =
è lineare
(x
1
+x
2
) (E)
K, y (E) , y = (x) =
è lineare
(x) (E) ,
donde lasserto.
Denizione 102 Dicesi rango di : E F, la dimensione del sottospazio (E).
Denizione 103 Dicesi kernel o nucleo di : E F, il sottoinsieme di E:
Ker = x E [ (x) = 0
F
,
essendo 0
F
il vettore nullo di F.
Teorema 104 Il kernel di : E F è un sottospazio vettoriale di E.
Dimostrazione. Prendiamo ad arbitrio x, y Ker, K. Quindi:
(x +y) = (x) + (y) = 0
F
+0
F
= 0
F
=(x +y) Ker
(x) = (x) = 0
F
= 0
F
=(x) Ker ,
donde lasserto.
Denizione 105 Dicesi nullità di : E F, e si indica con N (), la dimensione di
Ker:
N () = dimKer
Teorema 106 Sia : E F un omomorsmo suriettivo
( è un isomorsmo) (Ker = 0
E
)
114
Dimostrazione. La condizione è suciente
Hp: Ker = 0
E
Th: : E F è un isomorsmo (basta dimostrare liniettività, poiche per ipotesi è

suriettiva).
x, y E [ (x) = (y) =(x) (y) = (x y) = 0
F
=(x y) Ker
Lultima denizione si giustica ricordando la denizione di Kernel. Inoltre:
(x y) Ker =
Ker={0
E
}
x y = 0
E
=x = y
Si conclude
x, y E [ (x) =(y) =x = y
Cioè liniettività di .
La condizione è necessaria
Hp: : E F è iniettiva e suriettiva
Th: Ker = 0
E
Osserviamo innanzitutto che:

x Ker, z, y E [ z y = x
Inoltre per denizione di kernel:
x Ker =0
F
= (x) = (z y) =
è lineare
(z) (y) =(z) = (y)
=
è iniettiva
z = y =x = 0
E
Cioè:
(x Ker, x = 0
E
) =Ker = 0
E
Teorema 107 Sia K un campo. Gli spazi vettoriali su K isomor sono isodimensionali.
Dimostrazione. Sia : E F un isomorsmo. Consideriamo la base di E:
e
i
, i = 1, 2, ..., n = dimE
Quindi, preso ad arbitrio x E:
x =
n
i=1
x
i
e
i
Il risultato dellapplicazione di sul vettore x è:
(x) =
n
i=1
x
i
(e
i
) (4.5)
Fissiamo lattenzione sul sistema di vettori:
n
= (e
1
) , (e
2
) , ..., (e
n
) (4.6)
115
Per ipotesi è un isomorsmo e per il teorema 106 deve essere Ker = 0
E
, quindi:
(x) = 0
F
=x = 0
E
=x
1
= x
2
= ... = x
n
= 0
Tenendo conto della (4.5):
n
i=1
x
i
(e
i
) = 0
F
=x
1
= x
2
= ... = x
n
= 0
Cioè il sistema (4.6) è linearemente indipendente. Inoltre:
y F, y = (x) =
n
i=1
x
i
(e
i
) =F = L[
n
]
cioè
n
genera lo spazio vettoriale F. Si conclude che dimF = n = dimE.
Si osservi che se non è un isomorsmo, il sistema
n
è linearmente dipendente, per cui
dim(E) < n. Infatti:
ker x ,= 0
E
=
_
n
i=1
x
i
(e
i
) = 0
F
, con (x
1
, x
2
, ..., x
n
) ,= (0, 0, ..., 0)
_
Pertanto
n
non è una base di (E). A titolo di esempio consideriamo lomomorsmo:
: R
3
R
3
(x, y, z) (x + 2y z, y + z, x + y 2z)
Consideriamo la base canonica:
e
1
= (1, 0, 0) , e
2
= (0, 1, 0) , e
3
= (0, 0, 1)
Abbiamo:
(e
1
) = (1, 0, 1) , (e
2
) = (2, 1, 1) , (e
i
) = (1, 1, 2)
Il sistema
3
= (e
1
) , (e
2
) , (e
3
)
è linearmente dipendente. Una base di (E) è:
2
= (e
1
) , (e
2
) ,
donde il rango di è
dim(E) = 2
Il Kernel di :
ker =
_
x R
3
[ (x) = 0
R
3
_
116
Cioè:
x + 2y z = 0
0 +y + z = 0
x + y 2z = 0
equivalente a:
x + 2y z = 0
0 +y + z = 0
che ammette le
1
autosoluzioni:
(x, y, z) = z (3, 1, 1)
Quindi:
ker = L[(3, 1, 1)]
N () = 1
Evidentemente:
dimR
3
= dim(E) + N ()
***
I teoremi 99 e 107 si riuniscono nellunico teorema:
Teorema 108 Gli spazi vettoriali su un assegnato campo K sono isomor se e solo se sono
isodimensionali.
Esempi
Consideriamo lendomorsmo:
: R
2
R
2
,
denito da:
(x, y) = (2x 4y, x + 2y)
Determiniamo la matrice rappresentativa nella base canonica e
1
= (1, 0), e
2
= (0, 1):
(e
1
) = 2e
1
e
2
(e
2
) = 4e
1
+ 2e
2
,
117
donde:
.
= A =
_
2 4
1 2
_
Il sistema (e
1
) , (e
2
) è linearmente dipendente, per cui una base di (R
2
) è (e
1
) =
(2, 1), per cui:
_
R
2
_
= L[(2, 1)]
dim
_
R
2
_
= 1,
cioè:
y
_
R
2
_
, y = k (2, 1) = (2k, k)
Determiniamo il kernel di :
(x, y) = 0
_
2x 4y = 0
x + 2y = 0
x + 2y = 0,
da cui linsieme delle soluzioni:
(x, y) = y (2, 1) , con y (, +)
Cioè:
ker = L[S] , con S = 2, 1
N () = 1
Determiniamo limmagine di y (R
2
):
(y) = (2k, k)
.
=
_
2 4
1 2
__
2k
k
_
=
_
8k
4k
_
,
da cui::
y
_
R
2
_
, (y) = 8y
Cioè limmagine di y è lomotetia di rapporto 8.
Determiniamo limmagine inversa di y =
_
2
k,
k
_
:
_
2x 4y = 2
k
x + 2y =
k
Tale sistema lineare ammette
1
soluzioni:
(x, y) =
_
k, 0
_
+y (2, 1) , con y (, +)
Quindi:
1
_
2
k,
k
_
=
_
(x, y) R
2
[ (x, y) =
_
k, 0
_
+ y (2, 1) , con y (, +)
_
118
1. Assegnata lapplicazione
: R
3
R
2
(4.7)
tale che:
x = (x, y, z) R
3
x
= (x, y) R
2
Si dimostri che è un omomorsmo ma non un isomorsmo. Si determini inoltre
limmagine, il kernel e la nullità di .
2. Se[a, b] R, con la notazione C
n
(a, b) si denota linsieme delle funzioni continue in
[a, b] e ivi derivabili no allordine n. Come è noto, introducendo le operazioni:
+ : C
n
(a, b) C
n
(a, b) C
n
(a, b)
: RC
n
(a, b) C
n
(a, b) ,
linsieme C
n
(a, b) assume la struttura algebrica di spazio vettoriale su R. Ciò premesso,
si consideri lo spazio vettoriale C
(a, b) e i cui vettori sono le funzioni reali di una

variabile reale continue in [a, b] e ivi innitamente derivabili. Si consideri lapplicazione:
D : C
(a, b) C
(a, b) ,
essendo D loperatore di derivazione, per cui:
D : f Df =
d
dx
f (x) , f C
(a, b)
Provare che D è un omomorsmo suriettivo ma non iniettivo. Determinare poi lim-
magine e il kernel di D.
3. Sia T
n
[x] lo spazio vettoriale i cui vettori sono i polinomi di grado n ( 35). Si con-
sideri loperatore di derivazione D dellesercizio precedente. Applicando tale operatore
ai vettori di T
n
[x], determinare limmagine e il kernel di D. Denire inoltre loperatore
di derivazione n-ma D
n
, determinando il suo nucleo.
4. Trovare tutte le applicazioni lineari : R
3
R
3
tali che (1, 2, 3) , (4, 5, 6) sia una
base di (R
3
).
5. Si consideri lapplicazione:
: C
0
(R) C
0
(R) (4.8)
f (x)
x
_
0
f () d
Dimostrare la linearità di , determinando poi la sua immagine e il suo nucleo.
119
4.3.1 Soluzioni
1. Risulta:
, R, x, y R
3
, (x + y)
= ((x + x
, y + y
, z + z
))
= (x + x
, y + y
)
= (x, y) + (x
.y
)
= x + y,
donde il carattere omomorfo di . Inoltre, tale applicazione è suriettiva, poichè:
x
= (x, y) R
2
, x = (x, y, z) R
3
: x = x
Per il teorema (108) lapplicazione (4.7) non è un isomorsmo.

Limmagine di è:
(E) =
_
(x, y) R
2
: < x < +, < y < +
_
= piano cartesiano xy
Per il kernel di osserviamo che:
_
z (, +) , x = (0, 0, z) R
3
_
=x = (0, 0) = 0
R
2,
quindi:
Ker =
_
(0, 0, z) R
3
: < z < +
_
= asse z
La nullità di è:
N () = dimKer = 1
2. La linearità di D discende immediatamente dalle regole di derivazione della somma di
due funzioni e del prodotto di uno costante per una funzione. Quindi:
, R, f, g C
(a, b) , D(f + g) = Df + Dg,

donde D è un omorsmo. La suriettività è evidente:
f C
(a, b) , F (x) =
_
f (x) dx C
(a, b) [ DF = f
Inoltre:
(c R, f C
(a, b) , g (x) = f (x) + c ,= f (x)) =Df = Dg

120
Cioè:
f ,= g Df ,= Dg,
per cui D non è iniettiva. Quindi D non è un isomorsmo.
Il kernel di D è composto dalle funzioni costanti in [a, b]:
KerD = f (x) = const, x [a, b] ,
in quanto è tale che:
d
dx
f (x) = 0
3. Evidentemente:
D : p
n
(x) T
n
[x]
dp
n
dx
T
n1
[x]
Pertanto limmagine di D è:
ImD = T
n1
[x]
Per denizione di kernel:
ker D = p
m
(x) T
n
[x] : Dp
m
(x) 0 ,
cioè:
ker D = p
0
(x) (4.9)
Si conclude che:
ker D = T
0
[x]
Osserviamo che T
0
[x] è un sottospazio vettoriale di T
n
[x].
Loperatore D
n
è cos` denito:
D
n
p
m
(x) =
d
n
dx
n
p
m
(x)
=
d
dx
_
d
dx
...
_
d
dx
p
m
(x)
__
Per m = n:
Dp
n
(x) = a
1
+ 2a
2
x + 3a
3
x
3
+ ... + na
n
x
n1
D
2
p
n
(x) = 2a
2
+ 6a
3
x + ... +n(n 1) x
n2
...
D
n
p
n
(x) = n!a
n
Per m < n:
D
n
p
m
(x) 0 (4.10)
La (4.10) implica:
ker D
n
= p
m<n
(x) , (4.11)
cioè il kernel di D
n
è
ker D
n
= T
m<n
[x]
121
4. Per ipotesi:
2
= (1, 2, 3) , (4, 5, 6)
è una base di (R
3
). Assegnata la base canonica di R
3
:
e
1
= (1, 0, 0) , e
2
= (0, 1, 0) , e
3
= (0, 0, 1) ,
deve essere:
(e
1
) = (1, 2, 3) (4.12)
(e
2
) = (4, 5, 6)
Inoltre:
(x, y, z) = (x
, y
, z
)
Dalla linearità di segue:
x
= f
1
(x, y, z) = ax + by + cz
y
= f
2
(x, y, z) = dx + ey + fz
z
= f
3
(x, y, z) = gx + hy + lz
Imponendo le (4.12):
f
1
(x, y, z) = x + 4y + cz
f
2
(x, y, z) = 2x + 5y + fz
f
3
(x, y, z) = 3x + 6y + lz,
donde:
(x, y, z) = (x + 4y + cz, 2x + 5y + fz, 3x + 6y +lz)
Ora dobbiamo imporre dim(R
3
) = 2. A tale scopo determiniamo le immagini dei
vettori della base canonica:
(e
1
) = (1, 2, 3)
(e
2
) = (4, 5, 6)
(e
3
) = (a, b, c)
Anchè dim(R
3
) = 2, il sistema
3
= (e
1
) , (e
2
) , (e
3
)
Cioè la matrice:
A =
_
_
1 4 a
3 5 b
3 6 c
_
_
,
122
deve avere rango 2, quindi:
det A = 0 =a = 2b +c
Ciò implica:
2
: R
3
R
3
[ (1, 2, 3) , (4, 5, 6) base di
_
R
3
_
5. La linearità della (4.8) segue immediatamente dalle proprietà di additività e omogeneità
dellintegrale denito di una funzione reale di variabile reale.
Se indichiamo con F (x) la primitiva di f C
0
(R), deve essere:
(f) = F (x) F (0) ,
6. per cui:
: f (x) F (x) F (0)
donde limmagine di :
_
C
0
(R)
_
= C
0
(R)
Per denizione di kernel:
Ker =
_
f (x) C
0
(R) : (f) = 0
C
0
(R)
_
,
essendo 0
C
0
(R)
il vettore nullo di C
0
(R), cioè la funzione identicamente nulla su R.
Dobbiamo perciò risolvere lequazione operatoriale:
(f) = 0
C
0
(R)
,
equivalente alla:
x R,
x
_
0
f () d = 0 x R, F (x) = F (0) F (x) const f (x) 0
Quindi:
Ker =
_
0
C
0
(R)
_
4.4 Lo spazio vettoriale Hom(E, F)
Siano E, F due spazi vettoriali su K. Poniamo per denizione:
Hom(E, F)
def
= [ omomorsmo tra E e F (4.13)
In altri termini, Hom(E, F) è la totalità delle applicazioni lineari tra i due spazi vettoriali
E, F.
Introduciamo loperazione di somma tra omomorsmi:
123
+ : Hom(E, F) Hom(E, F) Hom(E, F) (4.14)
(
1
,
2
) Hom(E, F) Hom(E, F) (
1
+
2
) Hom(E, F)
La (4.14) è cos` denita:
1
+
2
: E F (4.15)
v E v
= (
1
+
2
) v
def
= (
1
v +
2
v) F
Dimostriamo che (
1
+
2
) Hom(E, F), cioè la linearità dellapplicazione
1
+
2
denita
dalla (4.15). Posto

=
1
+
2
, abbiamo:
, K, v, w E,

(v + w)
def
=
1
(v + w) +
2
(v + w)
k
Hom(E,F)
=
1
v +
1
w+
2
v +
2
w
= (
1
+
2
) v + (
1
+
2
) w
=
v +
w
Introduciamo ora loperazione di prodotto di uno scalare per un elemento di Hom(E, F):
: K Hom(E, F) Hom(E, F) (4.16)
(, ) K Hom(E, F) () Hom(E, F)
: E F (4.17)
v E v
= () v
def
= (v) F
Dimostriamo che () Hom(E, F), cioè la linearità dellapplicazione denita dalla
(4.17). Posto = , abbiamo:
, K, v, w E, (v +w)
def
= (v + w)
Hom(E,F)
= (v + w)
= v +w
= v + w
Con lintroduzione delle operazioni (4.14)-(4.16), linsieme Hom(E, F) assume la struttura
di spazio vettoriale su K.
124
Osservazione 109 Lelemento neutro in Hom(E, F) è lapplicazione:
O : v E 0
F
(4.18)
Lelemento opposto ad un elemento Hom(E, F) è lapplicazione:
() Hom(E, F) : v E (v) F
Nel caso speciale in cui E = F, la generica applicazione lineare : E F è un operatore
lineare spesso denominato endomorsmo o trasformazione lineare di E. In tal caso
linsieme (4.13) si indica con il simbolo End (E).
4.5 Matrice rappresentativa
Siano E e F due spazi vettoriali sul medesimo campo K. Consideriamo due basi di E ed F
rispettivamente:
e
i
, i = 1, 2, ..., n = dimE
f
j
, j = 1, 2, ..., m = dimF
Evidentemente:
Hom(E, F) , e
i
=
m
j=1
a
ij
f
j
, i = 1, 2, ..., n (4.19)
Esplicitiamo la (4.19):
e
1
= a
11
f
1
+ a
12
f
2
+ ... + a
1m
f
m
(4.20)
e
2
= a
21
f
1
+ a
22
f
2
+ ... + a
2m
f
m
...
e
n
= a
n1
f
1
+ a
n2
f
2
+ ... +a
nm
f
m
Denizione 110 Si denisce matrice rappresentativa dellomomorsmo relativa-
mente alle basi e
i
, f
j
, la matrice n m:
A =
_
_
_
_
a
11
a
21
... a
n1
a
12
a
22
... a
n2
... ... ... ...
a
1m
a
2m
... a
nm
_
_
_
_
Scriviamo:
.
=
_
_
_
_
a
11
a
21
... a
m1
a
12
a
22
... a
m2
... ... ... ...
a
1n
a
2n
... a
mn
_
_
_
_
(4.21)
125
Si noti che la colonna i-esima della matrice rappresentativa di è composta dalle componenti
del vettore e
i
nella base f
j
.
Nel caso speciale in cui End (E), assumiamo f
i
= e
i
. La matrice (4.21) è la matrice
rappresentativa dellendomorsmo relativamente alla base e
i
o semplicemente
matrice rappresentativa nella base e
i
.
Ad esempio consideriamo End (R
2
):
: R
2
R
2
(x, y) (4x 2y, 2x + y)
Determiniamo la matrice rappresentativa di nei due casi seguenti:
1. nella base canonica e
1
= (1, 0), e
2
= (0, 1).
2. Nella base e
1
= (1, 1), e
2
= (1, 0).
Soluzione
Nella base canonica:
e
1
= (4, 2) = 4e
1
+ 2e
2
e
2
= (2, 1) = 2e
1
+e
2
,
quindi
.
=
_
4 2
2 1
_
Nella base e
i
:
e
1
= (2, 3)
e
2
= (4, 2)
Eseguiamo il cambiamento di base e
i
e
i
. La matrice è:
R =
_
1 1
1 0
_
=R
1
=
_
0 1
1 1
_
,
da cui:
e
1
= 3e
1
+e
2
e
1
= 2e
1
+ 2e
2
,
quindi la matrice rappresentativa nella base e
i
:
.
=
_
3 2
1 2
_
126
4.5.1 Prodotto di endomorsmi
Siano , End (E). Dicesi prodotto dellendomorsmo per lendomorsmo ,
lendomorsmo = cos` denito:
v E, v = (v)
`
E facile mostrare che End (E). Infatti:
, K, v, w E, (v + w)
def
= ((v + w))
End(E)
= (v + w)
End(E)
= (v) + (w)
def
= v + w
Proposizione 111 Se A e B sono le matrici rappresentative di e relativamente alla
base e
i
, la matrice rappresentativa di relativamente alla medesima base è B A, dove
denota il prodotto righe per colonne.
Dimostrazione. Sia
.
= A = (a
ij
),
.
= B = (b
ij
) con i, j = 1, 2, ..., n = dimE. Quindi:
x E, x
.
=
n
j=1
a
ij
x
j
Da ciò segue:
x E, x = (x)
.
=
n
l=1
b
kl
n
j=1
a
lj
x
j
=
n
l=1
n
j=1
b
kl
a
lj
x
j
=
.
= (c
kj
) ,
essendo:
c
kj
=
n
l=1
n
j=1
b
kl
a
lj
,
donde:
C
def
= (c
kj
) = B A
Denizione 112 Loperatore End (E) è nilpotente, se risulta:
2
= =

0,
essendo

0 : x E 0.
Pi` u in generale, se p N 0, 1, 2 :
p
=

0, diremo che è nilpotente con indice di
nilpotenza p.
Denizione 113 Loperatore End (E) è idempotente, se risulta:
2
= .
127
Ad esempio, gli operatori:
.
=
_
6 12
3 6
_
;
.
=
_
6 2
15 5
_
Sono rispettivamente nilpotente e idempotente:
2
.
=
_
0 0
0 0
_
=
2
=

0
2
.
=
_
6 2
15 5
_
=
2
=
Esempi.
Consideriamo loperatore lineare:
: R
2
R
2
(4.22)
(x, y) (x + y, y)
Costruiamo la matrice rappresentativa di (4.22) relativamente alle basi:
e
1
= (1, 0) , e
2
= (0, 1)
f
1
= (2, 1) , f
2
= (1, 2)
Abbiamo:
e
1
= (1, 0) = 1 e
1
+ 0 e
2
e
2
= (1, 1) = 1 e
1
+ 1 e
2
,
donde:
.
=
_
1 1
0 1
_
Passiamo alla base f
i
:
f
1
= (3, 1)
f
2
= (3, 2)
Dobbiamo esprimere i suddetti vettori nella base f
i
, ovvero eseguire il cambiamento di
base.
R =
_
2 1
1 2
_
=R
1
=
1
3
_
2 1
1 2
_
,
donde:
128
f
1
=
5
3
f
1
1
3
f
2
f
2
=
4
3
f
1
+
1
3
f
2
Quindi:
.
=
1
3
_
5 4
1 1
_
***
Consideriamo lo spazio vettoriale T
n
[x] dei polinomi di grado n, quindi loperatore di
derivazione D
d
dx
:
D : T
n
[x] T
n1
[x]
p
m
(x)
d
dx
p
m
(x)
Determiniamo la matrice rappresentativa di D relativamente alle basi:
e
i
(x) , (i = 1, 2, ..., n)
f
j
(x) , (j = 1, 2, ..., n 1)
essendo:
e
0
(x) = 1
e
1
(x) = x
e
2
(x) = x
2
...
e
n
(x) = x
n
mentre f
j
(x) è una base dello spazio T
n1
[x]:
f
0
(x) = 1
f
1
(x) = x
f
2
(x) = x
2
...
f
n1
(x) = x
n1
A tale scopo determiniamo i vettori e
i
(x) = De
i
(x). Risulta:
129
e
0
(x) = De
0
(x) = 0
e
1
(x) = De
1
(x) = 1
e
3
(x) = De
2
(x) = 2x
...
e
n
(x) = De
n
(x) = nx
n1
Scriviamo i vettori e
i
(x) come combinazione lineare dei vettori della base f
i
(x):
e
0
(x) = 0 f
0
(x) + 0 f
1
(x) + 0 f
2
(x) + ... + 0 f
n1
(x)
e
1
(x) = 1 f
0
(x) + 0 f
1
(x) + 0 f
2
(x) + ... + 0 f
n1
(x)
e
2
(x) = 0 f
0
(x) + 2 f
1
(x) + 0 f
2
(x) + ... + 0 f
n1
(x)
e
3
(x) = 0 f
0
(x) + 0 f
1
(x) + 3 f
2
(x) + ... + 0 f
n1
(x)
...
e
n
(x) = 0 f
0
(x) + 0 f
1
(x) + 0 f
2
(x) + ... +n f
n1
(x) ,
da cui la matrice rappresentativa:
D
.
=
_
_
_
_
_
_
0 1 0 0 ... 0
0 0 2 0 ... 0
0 0 0 3 ... 0
... ... ... ... ... ...
0 0 0 0 ... n
_
_
_
_
_
_
_
_
. .
n+1 colonne
n righe
4.5.2 Endomorsmo inverso
Denizione 114 Se End (E), diremo che esso è invertibile se esiste
1
End (E)
denomoninato inverso delloperatore tale che:
1
=
1
=

1
Un endomorsmo invertibile è spesso denominato automorsmo.
Proposizione 115
_
End (E)
è invertibile
_
(A è non singolare) ,
essendo A la matrice rappresentativa di in una base assegnata.
Dimostrazione. In una base assegnata, indichiamo con

A la matrice rappresentativa di
1
. Deve essere:
A

A =

AA = I
n
(4.23)
Dallalgebra delle matrici segue che la (4.23) è vera se e solo se

A = A
1
.
130
4.5.3 Esercizi
1. Determinare la matrice rappresentativa delloperatore omotetia (es. 4.2)
2. Assegnata lapplicazione:
: R
2
R
3
(x, y) (x y, x + y, x) ,
mostrare che Hom(R
2
, R
3
), determinando poi la sua matrice rappresentativa
relativamente alle basi:
e
1
= (1, 0) , e
2
= (0, 1)
f
1
= (1, 0, 0) , f
2
= (0, 1, 0) , f
3
= (0, 0, 1)
3. Sia E uno spazio vettoriale su K con dimE = 3. Si consideri loperatore lineare
: E E tale che la sua applicazione sulla base e
i
è:
e
i

_
e
i1
, se i > 1
0, se i = 1
(4.24)
Determinare: a) il risultato dellapplicazione di su un qualunque vettore di E; b) la
matrice rappresentativa di nella base e
i
.
4. Si determini la nullità del seguente operatore lineare:
: R
2
R
2
(x, y) (2x 4y, x + 2y)
4.5.3.1 Soluzioni
1. Abbiamo:
: E E
v v
essendo K 0 il rapporto di omotetia. Consideriamo una base di E:
e
i
, i = 1, 2, ..., n = dimE (4.25)
Applichiamo ai vettori di base:
e
1
= e
1
= e
1
+ 0 e
2
+ ... + 0 e
n
e
2
= e
2
= 0 e
1
+ e
2
+ ... + 0 e
n
...
e
n
= e
n
= 0 e
1
+ 0 e
2
+ ... + e
n
131
Quindi la matrice rappresentativa di è la matrice diagonale:
.
=
_
_
_
_
0 0 0
0 0 0
... ... ... ...
0 0 0
_
_
_
_
Ciò si esprime dicendo che è diagonale nella base (4.25).
Nel caso speciale = 1, loperatore omotetia si identica con loperatore identit` a:
1 : v v, la cui matrice rappresentativa è la matrice identità di ordine n:
1
.
=
_
_
_
_
1 0 0 0
0 1 0 0
... ... ... ...
0 0 0 1
_
_
_
_
(4.26)
2. Iniziamo a dimostrare la linearità.
, R, v = (x, y) R
2
, w = (x
, y
) R
2
, u = v +w = (x + x
, y + y
)
u = (x + x
y y
, x + x
+y + y
, x +x
)
= ((x y) + (x
) , (x + y) + (x
+ y
) , x +x
)
= v + w = Hom
_
R
2
, R
3
_
Determiniamo ora il risultato dellapplicazione di sui vettori di base:
e
1
= e
1
= (1, 1, 1)
e
2
= e
2
= (1, 1, 0)
Quindi esprimiamo tali vettori nella base f
j
1
= 1 f
1
+ 1 f
2
+ 1 f
3
e
2
= 1 f
1
+ 1 f
2
+ 0 f
3
da cui la matrice rappresentativa:
.
=
_
_
1 1
1 1
1 0
_
_
3. Sia x E:
x =
3
i=1
x
i
e
i
Applichiamo :
x =
3
i=1
x
i
e
i
= x
2
e
2
+ x
3
e
3
,
132
donde:
: x = (x
1
, x
2
, x
3
) x
= (x
2
, x
3
, 0) (4.27)
Per determinare la matrice rappresentativa, esplicitiamo le (4.24):
e
1
= e
1
= 0 = 0 e
1
+ 0 e
2
+ 0 e
3
e
2
= e
2
= e
1
= 1 e
1
+ 0 e
2
+ 0 e
3
e
3
= e
3
= e
2
= 0 e
1
+ 1 e
2
+ 0 e
3
,
per cui:
.
=
_
_
0 1 0
0 0 1
0 0 0
_
_
Si osservi che al risultato (4.27) si perviene attraverso la moltiplicazione righe x colonne
delle matrici rappresentative di e x rispettivamente:
_
_
0 1 0
0 0 1
0 0 0
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
x
2
x
3
0
_
_
(4.28)
4. Come è noto:
N () = dimKer ()
Determiniamo il kernel delloperatore:
Ker =
_
x R
2
: x = 0
_
=
_
(x, y) R
2
: (2x 4y, x + 2y) = (0, 0)
_
Gli elementi di Ker sono i vettori x = (x, y) le cui componenti sono soluzioni del
sistema di equazioni lineari:
2x 4y = 0 (4.29)
x + 2y = 0,
equivalente allequazione lineare omogenea:
x 2y = 0,
per cui il sistema (2.23) ammette
1
autosoluzioni:
(x, y) = (2y, y)
Quindi il kernel di è:
Ker =
_
(x, y) R
2
: x = 2y, < y < +
_
La nullità:
N () = 1
133
4.6 Autovalori e autovettori di un endomorsmo
4.6.1 Denizioni
Da qui in poi indichiamo con un simbolo del tipo

X un endomorsmo di uno spazio vettoriale
e con X la matrice rappresentativa relativamente ad una base assegnata. Ciò premesso, sia
A End (E):
A : E E
v v
v E
In generale il vettore v
- risultato dellapplicazione delloperatore

A sul vettore v - non è
proporzionale a v. Ci si può chiedere se esistono vettori che verichino tale proprietà. Pi` u
precisamente, sussiste la seguente denizione:
Denizione 116 Il vettore v E 0 dicesi autovettore delloperatore

A se esiste uno
scalare K tale che:
Av = v
Lo scalare si chiama autovalore di

A, e diremo che v è un autovettore appartenente (o
associato) allautovalore .
Si osservi che se v è autovettore di

A con autovalore , per ogni K 0:
A(v) =

Av = (v) , (4.30)
cioè v è ancora autovettore di

A con autovalore . Sia V [v] il sottospazio di E generato
da v:
V [v] =
_
(v) E [

Av = v, K 0
_
(4.31)
Chiamiamo (4.31) sottospazio invariante per loperatore

A.
***
Assegnato K, consideriamo linsieme:
E ()
def
=
_
v E 0 [

Av = v
_
(4.32)
In altri termini consideriamo la totalità dei vettori di E che sono autovettori di

A apparte-
nenti al medesimo autovalore .
Proposizione 117 E
() = E () 0 è un sottospazio di E.
Dimostrazione. v, w E
():
A(v +w)
AEnd(E)
=

Av +

Aw
= (v +w) =(v +w) E
()
K, v E
(), per la (4.30) il vettore (v) E
().
134
Denizione 118 Il sottospazio E
() dicesi autospazio di

A associato allautovalore .
Teorema 119 Autovettori appartenenti ad autovalori distinti sono linearmente indipenden-
ti.
Dimostrazione. Sia

A End (E) tale che:
Av
k
=
k
v
k
, k = 1, 2, ..., n (4.33)
k
,=
k
, k, k
1, 2, ..., n
k=k
Si osservi che nel caso speciale n = 1, lasserto è banalmente vero:
Av
1
=
1
v
1
Per denizione di autovettore deve essere v
1
,= 0 e come tale v
1
è linearmente indipendente.
Per dimostrare lasserto per ogni n, procediamo per induzione:
_
la proposizione è vera
per r = n 1
_
=
_
la proposizione è vera
per r = n
_
(4.34)
Per dimostrare limplicazione induttiva (4.34) procediamo per assurdo. La negazione della
tesi è:
_
la proposizione è falsa
per r = n
_
,
ovvero:
_
il sistema
n
= v
1
, v
2
, ..., v
n
_
Quindi:
(a
1
, a
2
, ..., a
n
) ,= (0, 0, ..., 0) [ a
1
v
1
+ a
2
v
2
+ ... + a
n
v
n
= 0 (4.35)
Senza perdita di generalità supponiamo che:
a
1
,= 0 (4.36)
Applichiamo loperatore

A ad ambo i membri della combinazione lineare (4.35), osservando
che il vettore nullo è invariante rispetto allazione di un qualunque operatore lineare:
A(a
1
v
1
+ a
2
v
2
+ ... + a
n
v
n
) = 0
Per la (4.33):
a
1
1
v
1
+ a
2
2
v
2
+ ... + a
n
n
v
n
= 0 (4.37)
Moltiplichiamo la (4.35) per
n
, per poi scrivere il sistema di equazioni:
a
1
n
v
1
+ a
2
n
v
2
+ ... + a
n
n
v
n
= 0
a
1
1
v
1
+ a
2
2
v
2
+ ... + a
n
n
v
n
= 0
Sottraendo membro a membro:
a
1
(
1
n
) v
1
+ a
2
(
2
n
) v
2
+ ... + a
n1
(
n1
n
) v
n1
= 0
135
Per la (4.36) e la seconda delle (4.33):
a
1
(
1
n
) ,= 0,
cioè il sistema
n1
= v
1
, v
2
, ..., v
n1
è linearmente dipendente. Inoltre:
n1

n
=
n
è linearmente dipendente,
che è una negazione dellipotesi (4.34).
La negazione della tesi implica la negazione dellipotesi, da cui lasserto.
4.6.2 Polinomio caratteristico
Sia

A End (E) rappresentato dalla matrice (in una base assegnata):
A = (a
ij
) , i, j = 1, 2, ..., n = dimE < +
Proposizione 120
Au = u det
_
A 1
n
_
= 0,
essendo 1
n
la matrice identità di ordine n.
Dimostrazione. Lequazione agli autovalori:
Au = u
è equivalente alla:
_
1
_
u = 0, (4.38)
essendo

1 End (E) loperatore identità:

1u = u, u E. Per quanto detto, la matrice
rappresentativa di

A è:
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
,
mentre la matrice rappresentativa di u è il vettore colonna:
u
.
=
_
_
_
_
u
1
u
2
...
u
n
_
_
_
_
Ovviamente la matrice rappresentativa del vettore nullo è il vettore colonna:
0 =
_
_
_
_
0
0
...
0
_
_
_
_
136
Da ciò segue:
1
.
= A 1
n
=
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
Quindi:
_
1
_
u = 0
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
_
_
_
_
u
1
u
2
...
u
n
_
_
_
_
=
_
_
_
_
0
0
...
0
_
_
_
_
(4.39)
La (4.39) è equivalente al sistema lineare omogeneo:
(a
11
) u
1
+a
12
u
2
+ ... +a
1n
u
n
= 0 (4.40)
a
21
u
1
+ (a
22
) u
2
+ ... +a
2n
u
n
= 0
...
a
n1
u
1
+ a
n2
u
2
+ ... + (a
nn
) u
n
= 0
Come è noto, il sistema (4.40) ammette autosoluzioni se e solo se:
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
= 0
cioè:
det
_
A 1
n
_
= 0
Si osservi che det
_
A 1
n
_
è un polinomio di grado n, quindi poniamo per denizione:
p
A
()
def
= det
_
A 1
n
_
(4.41)
Chiamiamo p
A
() polinomio caratteristico dellendomorsmo

A.
Esempi.
Esplicitare il polinomio caratteristico degli operatori

A e

B, rappresentati dalle matrici:
A =
_
a
11
a
12
a
21
a
22
_
, B =
_
_
b
11
b
12
b
13
b
21
b
22
b
23
b
31
b
32
b
33
_
_
Per loperatore

A:
p
A
() =
a
11
a
21
a
12
a
22
= (a
11
) (a
21
) a
12
a
21
=
2
+ (a
11
a
22
) + a
11
a
22
137
Per loperatore

B:
p
B
() =
b
11
b
12
b
13
b
21
b
22
b
23
b
31
b
32
b
33
=
3
+
2
(b
11
+ b
22
+b
33
) + (b
12
b
21
b
11
b
22
+ b
13
b
31
+ b
23
b
32
b
11
b
33
b
22
b
33
) +
b
13
b
22
b
31
+ b
12
b
23
b
31
+ b
13
b
21
b
32
b
11
b
23
b
32
b
12
b
21
b
33
+ b
11
b
22
b
33
Da tali esempi si evince che nel caso n n:
p
A
() =
n
k=0
k
(a
ij
)
k
,
essendo
k
(a
ij
) funzioni degli elementi di matrice.
***
Per quanto detto, gli autovalori di un endomorsmo

A sono le radici (in K) del polinomio
caratteristico. Dalla conoscenza di tali radici, risolvendo il sistema lineare (4.40) si ottengono
i corrispondenti autovettori.
Esempio.
Determinare autovalori e autovettori delloperatore

A : C
2
C
2
rappresentato dalla
matrice:
A =
_
1 1
2 1
_
Il polinomio caratteristico è:
p
A
() =
1 1
2 1
=
2
+ 1
Da ciò segue che gli autovalori di

A sono le radici dellequazione:
2
+ 1 = 0
1
= i,
2
= +i
Le componenti degli autovettori corrispondenti sono le soluzioni del sistema:
(1
k
) u
1
u
2
= 0 (4.42)
2u
1
(1 +
k
) u
2
= 0,
ottenendo:
u
(1)
.
=
_
1
1 +i
_
, u
(2)
.
=
_
1
1 i
_
Si osservi che gli autovettori u
(k)
sono deniti a meno di una costante moltiplicativa, poiche
il sistema (4.42) ammette
1
autosoluzioni.
138
***
Sia p (x) un polinomio a coecienti in K:
p (x) = a
0
+ a
1
x +a
2
x
2
+ ... + a
n
x
n
(4.43)
Se

A End (E), essendo E uno spazio vettoriale n-dimensionale sul campo K, eseguiamo
nella (4.43) la sostituzione:
x

A, a
0
a
0
1
ottenendo loperatore
p
_
A
_
= a
0
1 +a
1

A + a
2

A
2
+ ... +a
n

A
n
(4.44)
Se A è la matrice rappresentativa di

A:
p
_
A
_
.
= p (A) = a
0
1
n
+ a
1
A + a
2
A
2
+ ... + a
n
A
n
Esempio.
p (x) = 2x
2
3x + 7; q (x) = x
2
5x 2; A =
_
1 2
3 4
_
Risulta:
p (A) = 2A
2
3A + 7 1
2
=
_
12 2
27 27
_
; q (A) = A
2
5A 21
2
=
_
4 6
24 6
_
Denizione 121 Se risulta p (A) = 0, diremo che p (x) è un polinomio annullatore di
A.
Teorema (di Cayley-Hamilton) 122 Il polinomio caratteristico di una qualunque ma-
trice A è un polinomio annullatore di A.
4.6.3 Endomorsmi diagonalizzabili
Consideriamo uno spazio vettoriale E n-dimensionale sul campo K.
Denizione 123

A End (E) è diagonalizzabile se esiste una base di E tale che:

A
.
=
A = diag (a
11
, a
22
, ..., a
nn
).
Proposizione 124

A End (E) è diagonalizzabile se e solo se

A ammette n autovettori
linearmente indipendenti.
Dimostrazione. La condizione è necessaria.
Per ipotesi:
Av
i
=
i
v
i
, i = 1, 2, ..., n
139
Il sistema = v
i
è una base di E, in quanto sistema di ordine massimo. Scriviamo la
matrice rappresentativa delloperatore

A nella base . A tale scopo determiniamo il risultato
dellapplicazione di

A sui vettori di :
Av
1
=
1
v
1
+ 0 v
2
+ ... + 0 v
n
Av
2
= 0 v
1
+
2
v
2
+ ... + 0 v
n
...
Av
n
= 0 v
1
+ 0 v
2
+... +
n
v
n
Quindi:
A
.
= A =
_
_
_
_
1
0 ... 0
0
2
... 0
... ... ... ...
0 0 ...
n
_
_
_
_
,
donde lasserto.
La condizione è suciente.
Per ipotesi

A è diagonalizzabile, per cui esiste una base e
i
di E tale che
A
.
= A =
_
_
_
_
a
11
0 ... 0
0 a
22
... 0
... ... ... ...
0 0 ... a
nn
_
_
_
_
Per denizione di matrice rappresentativa deve essere:
Ae
i
= a
ii
e
i
, i = 1, 2, ..., n
cioè

A ammette n autovettori linearmente indipendenti.
***
Consideriamo lautospazio E
(
i
) corrispondente allautovalore
i
di

A End (E).
Denizione 125 Dicesi molteplicità geometrica
1
di
i
lintero naturale r
i
= dimE
(
i
)
1.
Supponiamo che u
i,1
, u
i,2
, ..., u
i,r
i
sia una base di E
(
i
) con r
i
> 1. Siccome u
i,j
E (
i
),
deve essere:
Au
i,1
=
i
u
i,1
Au
i,2
=
i
u
i,2
...
Au
i,r
i
=
i
u
i,r
i
1
In alcune teorie siche (Meccanica Quantistica) la molteplicità geometrica è denominata grado di
degenerazione, e il corrispondente autovalore si dice degenere.
140
In altri termini al medesimo autovalore
i
corrispondono pi` u autovettori linearmente in-
dipendenti. In simboli:
i
u
i,1
, u
i,2
, ..., u
i,r
i
Daltro canto,
i
è una radice del polinomio caratteristico p
A
() e come tale avrà una
molteplicità algebrica
i
1.
Teorema 126 Se
i
è autovalore di

A End (E), allora r
i

i
.
Dimostrazione. Omessa
Proposizione 127 Sia E uno spazio vettoriale nito-dimensionale.

A End (E) dotato di
q autovalori distinti
1
,
2
, ...,
q
, è diagonalizzabile se e solo se:
q
i=1
r
i
= n,
essendo n = dimE.
Esempi
Consideriamo gli operatori

A,

B,

C End (R
3
) che nella base canonica (1, 0, 0) , (0, 1, 0) , (0, 0, 1)
sono rappresentati dalle matrici:
A =
_
_
2 1 0
0 1 1
0 2 4
_
_
, B =
_
_
1 2 2
1 2 1
1 1 4
_
_
, C =
_
_
1 0 0
0 3 0
0 0 3
_
_
Si diagonalizzino (quando è possibile) i suddetti operatori.
Soluzione.
Polinomio caratteristico di A:
p
A
() = (2 )
_
2
5 + 6
_
,
le cui radici - autovalori di A - sono:
1
= 2,
1
= 2
2
= 3,
2
= 1
Da ciò segue immediatamente che r
2
= 1, r
1
2.
1
u
1
= (1, 0, 0) ,
donde:
E (
1
) = u
1
: R =r
1
= 1
Allautovalore
2
:
141
2
= 3 u
2
= (1, 1, 2)
Si conclude che loperatore

A possiede solo due autovettori indipendenti, e come tale non è
diagonalizzabile. Alternativamente, osserviamo che:
2
i=1
r
i
= 2 < n = dimE,
quindi per la proposizione 127 lendomorsmo

A non è diagonalizzabile.
Polinomio caratteristico di

B:
p
B
() = ( 1) ( 3)
2
Quindi:
1
= 1,
1
= 1 =r
1
= 1
2
= 3,
2
= 2 =r
2
2
Iniziamo con
1
:
0 + 2u
2
+ 2u
3
= 0
u
1
+ u
2
u
3
= 0
u
1
+ u
2
+ 3u
2
= 0,
che ammette
1
soluzioni proprie:
(u
1
, u
2
, u
3
) = u
3
(2, 1, 1)
Quindi
1
u
1
= (2, 1, 1)
Passiamo allautovalore
2
:
2u
1
+ 2u
2
+ 2u
3
= 0
u
1
+ u
2
u
3
= 0
u
1
+u
2
+ u
3
= 0,
che ammette
2
soluzioni proprie:
(u
1
, u
2
, u
3
) = u
2
(1, 1, 0) +u
3
(1, 0, 1)
Quindi
2
= 3 u
1
= (1, 1, 0) , u
2,2
= (1, 0, 1)
142
Ciò implica:
r
2
= dimE (
2
) = 2
Il sistema u
1
, u
2,1
, u
2,2
è una base di R
3
e in essa la matrice rappresentativa di

B è:
B
diag
=
_
_
1 0 0
0 3 0
0 0 3
_
_
Operatore

C
La risposta è banale:

C è diagonale nella base canonica.
***
Consideriamo due sistemi di assi cartesiani del piano R(0xy) e R
(0x
), aventi in comune
lorigine. Quindi gli assi cartesiani x
, y
sono ruotati rispetto a x, y di un angolo . Le

equazioni di trasformazione sono:
x
= xcos + y sin (4.45)

y
= xsin + y cos
Le (4.45) possono essere scritte in forma matriciale:
_
x
_
=
_
cos sin
sin cos
__
x
y
_
(4.46)
Nel formalismo operatoriale le (4.46) possono essere interpretate come lazione di un opera-
tore

1() su un generico vettore posizione x = (x, y):
1() x = x
essendo x
= (x
, y
) il vettore posizione rispetto al sistema di coordinate ruotato di attorno

allorigine. Evidentemente:
1() End
_
R
2
_
con R
La matrice rappresentativa di

1() nella base (1, 0) , (0, 1) è:
1() =
_
cos sin
sin cos
_
Quindi il polinomio caratteristico:
p
R
() =
2
2cos + 1,
le cui radici sono:
= cos
_
sin
2
(4.47)
Abbiamo:
143
R sin
2
= 0 = k, k Z
R
_
kZ
k = = cos i sin
Pertanto gli autovalori reali sono:
k
= cos (k) = (1)
k
, k Z
Le corrispondenti equazioni agli autovalori sono:
1(0) x =
0
x
1() x =
1
x
1(2) x =
2
x
...........
1(k) x =
k
x
...........
Passiamo agli autovalori complessi, nel senso che consideriamo

1() quale operatore lineare:
1() : R
2
R
2
Qui R
2
è inteso come spazio vettoriale sul campo complesso C, anzichè sul campo reale R.
Innanzitutto deve essere ,= k:
k
= cos i sin
Le relative molteplicità (algebrica e geometrica):
1
= 1, r
1
= 1
2
= 1, r
2
= 1
Quindi:
q=2
1
r
i
= 2 = n =

1() è diagonalizzabile
Le componenti (u
1
, u
2
) del generico autovettore sono le autosoluzioni del sistema omogeneo:
(cos ) u
1
+ (sin ) u
2
= 0
(sin ) u
1
+ (cos ) u
2
= 0
Per =
1
, una delle innite soluzioni è:
144
u
1
= (1, i)
Per =
2
, una delle innite soluzioni è:
u
2
= (1, i)
I corrispondenti autospazi sono:
E
(
1
) = u
1
[ C
E
(
2
) = u
2
[ C
Nella base u
1
, u
2
la matrice rappresentativa di

1() è:
1
diag
() =
_
cos i sin 0
0 cos + i sin
_
4.6.4 Proiettori
Sia E uno spazio vettoriale su K. Supponiamo che E ammetta una decomposizione in somma
diretta di N sottospazi:
E = U
1
U
2
... U
N
In tal modo un qualunque x E si esprime in uno ed un solo modo come somma di vettori
appartenenti a U
1
,U
2
, ..., U
N
:
x E =x
k
U
k
(k = 1, 2, ..., N) [ x = x
1
+x
2
+ ... +x
N
(4.48)
Per quanto detto, la (4.48) è univocamente determinata dal vettore x, per cui possiamo
denire N applicazioni:
P
k
: E E k = 1, 2, ..., N (4.49)
x x
k
U
k
x E
Dimostriamo la linearità della (4.49).
, K, x, x
P
k
(x + x
) = x
k
+ x
k
=
P
k
x +
P
k
x
per cui

P
k
End (E).
Denizione 128 Gli operatori

P
1
,

P
2
,...,

P
N
si dicono proiettori per E
145
Limmagine di

P
k
è:
P
k
(E) = U
k
Determiniamo il kernel di

P
k
:
ker

P
k
=
_
x E [

P
k
x = 0
E
_
Dobbiamo risolvere lequazione operatoriale:
P
k
x = 0
E
Le soluzioni sono:
x U
h=k
,
donde:
ker

P
k
= U
1
+ U
2
+ ... + U
k1
+U
k+1
+ ... + U
N
I proiettori sono operatori idempotenti:
x E,

P
2
k
x =

P
k
_
P
k
x
_
=

P
k
x
k
= x
k
=

P
2
k
=

P
k
Altre proprietà:
_
P
h

P
k
_
x =

P
h
_
P
k
x
_
=

P
h
x
k
=
_
0, se h ,= k
x
h
, se h = k
Cioè:
P
h

P
k
=
hk
x
k
,
essendo
hk
il simbolo di Kronecker.
x E,
_
P
1
+

P
2
+ ... +

P
N
_
x =
N
k=1
x
k
= x =
N
k=1
P
k
=

1
Supponiamo che dimE = n. Assegnata la base canonica e
k
:
e
1
= (1, 0, ..., 0)
e
2
= (0, 1, ..., 0)
...
e
n
= (0, 0, ..., 1)
resta denita la decomposizione di E:
E = U
1
U
2
+... + U
n
,
essendo U
k
il sottospazio di E generato da e
k
. Assegnato x = (x
1
, x
2
, ..., x
n
):
146
P
k
x = x
k
= (0, ..., x
k
, ..., 0)
Restano cos` deniti n proiettori, le cui matrici rappresentative nella base canonica sono:
P
1
.
=
_
_
_
_
1 0 ... 0
0 0 ... 0
... ... ... 0
0 0 ... 0
_
_
_
_
P
1
.
=
_
_
_
_
0 0 ... 0
0 1 ... 0
... ... ... 0
0 0 ... 0
_
_
_
_
...
P
n
.
=
_
_
_
_
0 0 ... 0
0 0 ... 0
... ... ... 0
0 0 ... 1
_
_
_
_
Esempi
Consideriamo il piano euclideo R
2
. Assegnato un sistema di assi cartesiani 0xy, siano i e j i
versori degli assi cartesiani. Evidentemente essi compongono una base di R
2
. Assegnato un
qualunque vettore v R
2
:
v = (x, y) = xi + yj
Indichiamo con U
x
, U
y
i sottospazi di R
2
generati da i e j rispettivamente. Evidentemente:
R
2
= U
x
U
y
Resta cos` denita la coppia di proiettori:
P
x
v = v
x
P
y
v = v
y
,
essendo v
x
= (x, 0), v
y
= (0, y).

P
x
nella base = i, j è:
P
x
.
=
_
1 0
0 0
_
Cioè

P
x
è diagonale in . Gli autovalori sono gli elementi della diagonale principale:
1
= 1,
2
= 0
I corrispondenti autovettori sono i vettori di base, quindi abbiamo le equazioni agli autovalori:
147
P
x
i = 1 i
P
x
j = 0 j
Passiamo al proiettore

P
y
:
P
y
.
=
_
0 0
0 1
_
Autovalori:
1
= 0,
2
= 1
I corrispondenti autovettori sono i vettori di base, quindi abbiamo le equazioni agli autovalori:
P
y
i = 0 i
P
y
j = 1 j (4.50)
4.6.5 Esercizi
1. Assegnati gli operatori

A,

B,

C End (C) rappresentati nella base canonica dalle
seguenti matrici:
A =
_
2 1
1 2
_
, B =
_
3 4
5 2
_
, C =
_
0 a
a 0
_
, a R 0
si determinino autovalori e autovettori, diagonalizzando (dove è possibile) il singolo
operatore.

A,

B,

C End (R
3
) rappresentati nella base canonica dalle
seguenti matrici:
A =
_
_
1 0 1
1 2 1
2 2 3
_
_
, B =
_
_
1 1 2
1 2 1
0 1 1
_
_
, C =
_
_
1 2 2
0 2 1
1 2 2
_
_
,
operatore.

A,

B,

C End (R
3
) rappresentati nella base canonica dalle
seguenti matrici:
A =
_
_
0 1 0
0 0 1
1 3 3
_
_
, B =
_
_
2 8 12
1 4 4
0 0 1
_
_
, C =
_
_
3 9 12
1 3 4
0 0 1
_
_
,
operatore.
148

A,

B End (R
3
) e

C End (R
4
) rappresentati nella base
canonica dalle seguenti matrici:
A =
_
_
2 1 1
1 2 1
0 0 1
_
_
, B =
_
_
2 2 0
2 2 0
0 0 1
_
_
, C =
_
_
_
_
3 2 2 4
2 3 2 1
1 1 2 1
2 2 2 1
_
_
_
_
,
si determinino autovalori e autovettori, valutando la possibilità di diagonalizzazione di
singolo operatore.

A End (R
4
),

B End (R
3
) rappresentati nella base canonica
dalle seguenti matrici:
A =
_
_
_
_
1 1 1 1
1 1 1 1
1 1 1 1
1 1 1 1
_
_
_
_
, B =
_
_
5 6 3
1 0 1
1 2 1
_
_
,
si determinino autovalori e autovettori, valutando la possibilità di diagonalizzazione di
singolo operatore.
6. Diagonalizzare loperatore

A End (R
4
) rappresentato nella base canonica dalla ma-
trice:
A =
_
_
_
_
1 4 1 4
2 0 5 4
1 1 2 3
1 4 1 6
_
_
_
_

A End (R
4
trice:
A =
_
_
_
_
5 6 10 7
5 4 9 6
3 2 6 4
3 3 7 5
_
_
_
_

A End (R
4
trice:
A =
_
_
_
_
1 1 6 3
1 2 3 0
1 1 0 1
1 1 5 3
_
_
_
_
9. Determinare gli autovalori di

A
1
essendo

A End (E), supponendo noti gli autovalori
di

A e nellipotesi ,= 0.
10. Sia

A End (E) con E spazio vettoriale n-dimensionale sul campo K, la cui equazione
agli autovalori è:
Au
i
=
i
u
i
, i = 1, 2, ..., n
149
Per semplicità consideriamo il caso non degenere:
i
= r
i
= 1. Si consideri il polinomio
su K:
f (x) = a
0
m
i=1
(x x
i
) ,
Determinare: a) lespressione analitica di f
_
A
_
; b) det f (A) in funzione degli auto-
valori di

A; c) autovettori e autovalori di f
_
A
_
.
11. Assegnato lo spazio vettoriale T
n
[x] i cui vettori sono i polinomi di grado n 1 con
coecienti in R, consideriamo loperatore di derivazione:
D : T
n
[x] T
n
[x]
p (x) Dp (x) =
d
dx
p (x) , p (x) T
n
[x]
Determinare autovalori e autovettori di D.
4.6.5.1 Soluzioni
1. Il polinomio caratteristico di

A è:
p
A
() =
2
4 1,
le cui radici sono:
1
= 1,
2
= 3
La molteplicità algebrica di singola radice è:
1
= 1,
2
= 1
In forza del teorema 126 la molteplicità geometrica di singolo autovalore è:
r
i
= 1, i = 1, 2 = q
per cui:
q
i=1
r
i
= 2 = dimC,
donde la diagonalizzabilità delloperatore

A. Le componenti dellautovettore apparte-
nente a
1
sono le soluzioni (x, y) dellequazione lineare omogenea:
x + y = 0,
quindi:
u
1
= (1, 1)
150
In maniera analoga si determinano le componenti dellautovettore appartenente allau-
tovalore
2
, ottenendo:
u
2
= (1, 1)
Nella base u
1
, u
2
loperatore

A è rappresentato dalla matrice:
A
diag
=
_
1 0
0 3
_
Il polinomio caratteristico di

B è:
p
B
() =
2
5 14
le cui radici sono:
1
= 2,
2
= 7
1
= 1,
2
= 1
r
i
= 1, i = 1, 2 = q
per cui:
q
i=1
r
i
= 2 = dimC,

B. Le componenti dellautovettore apparte-
nente a
1
5x + 4y = 0,
quindi:
u
1
= (4, 5)
tovalore
2
, ottenendo:
u
2
= (1, 1)
Nella base u
1
, u
2
loperatore

B è rappresentato dalla matrice:
B
diag
=
_
2 0
0 7
_

C è:
p
C
() =
2
+a
2
,
151
le cui radici sono:
1
= ia,
2
= ia
1
= 1,
2
= 1
r
i
= 1, i = 1, 2 = q
per cui:
q
i=1
r
i
= 2 = dimC,

C. Le componenti dellautovettore apparte-
nente a
1
ix + y = 0,
quindi:
u
1
= (1, i)
tovalore
2
, ottenendo:
u
2
= (1, i)
Nella base u
1
, u
2
loperatore

C è rappresentato dalla matrice:
C
diag
=
_
ia 0
0 ia
_

A è:
p
A
() =
3
+ 6
2
11 + 6
le cui radici sono:
1
= 1,
2
= 2,
3
= 3
i
= 1, i = 1, 2, 3
r
i
= 1, i = 1, 2, 3,
152
per cui:
q
i=1
r
i
= 3,

A.
Gli autovettori sono:
u
1
= (1, 1, 0) , u
2
= (2, 1, 2) , u
3
= (1, 1, 2)
Essi compongono una base di R
3
, pertanto la matrice rappresentativa in tale base è:
A
diag
=
_
_
1 0 0
0 2 0
0 0 3
_
_

B è:
p
B
() =
3
+ 2
2
+ 2
le cui radici sono:
1
= 1,
2
= 1,
3
= 2
i
= 1, i = 1, 2, 3
r
i
= 1, i = 1, 2, 3,
per cui:
q
i=1
r
i
= 3,

B (prop. 127).
u
1
= (1, 0, 1) , u
2
= (3, 2, 1) , u
3
= (1, 3, 1)
3
B
diag
=
_
_
1 0 0
0 1 0
0 0 2
_
_
153

C è:
p
C
() = ( 2)
2
( 1)
le cui radici sono:
1
= 2,
2
= 1
1
= 2,
2
= 1
r
1
2, r
2
= 1
Determiniamo gli autovettori.
1
u
1
= (2, 1, 0) =r
1
= 1 (4.51)
2
u
2
= (1, 1, 1) =r
2
= 1
Dalle (4.51):
q
i=1
r
i
= 2,
donde la non diagonalizzabilità delloperatore

C.

A è:
p
A
() = (1 )
3
la cui radice è:
1
= 1
La molteplicità algebrica:
1
= 3
1
ammette un solo autovettore:
u
1
= (1, 1, 1)
Evidentemente:
r
1
= 1,
per cui

A non è diagonalizzabile.

B è:
p
B
() =
_
2
3 + 2
_
154
le cui radici sono:
1
= 0,
2
= 1,
3
= 2
i
= 1, i = 1, 2, 3
r
i
= 1, i = 1, 2, 3,
per cui:
q
i=1
r
i
= 3,

B (prop. 127).
u
1
= (4, 1, 0) , u
2
= (4, 0, 1) , u
3
= (2, 1, 0)
3
B
diag
=
_
_
0 0 0
0 1 0
0 0 2
_
_

C è:
p
C
() =
2
(1 )
2
le cui radici sono:
1
= 0,
2
= 1
1
= 2,
2
= 1
r
1
2, r
2
= 1
1
u
1
= (3, 1, 0) =r
1
= 1 (4.52)
2
u
2
= (12, 4, 1) =r
2
= 1
Dalle (4.51):
q
i=1
r
i
= 2,
donde la non diagonalizzabilità delloperatore

C.
155

A è:
p
A
() = (3 ) ( 1)
2
le cui radici sono:
1
= 1,
2
= 3,
1
= 2,
2
= 3
r
1
2, r
2
= 1
Allautovalore
1
corrispondono gli autovettori:
u
1,1
= (1, 0, 1) , u
1,2
= (1, 1, 0)
Cioè la molteplicità geometrica di
1
è r
1
def
= dimE (
1
) = 2.
Allautovalore
2
corrisponde lautovettore:
u
2
= (1, 1, 0)
Abbiamo:
q
i=1
r
i
= 2 + 1 = 3

A. La matrice rappresentativa in tale base
è:
A
diag
=
_
_
1 0 0
0 1 0
0 0 3
_
_

B è:
p
B
() =
_
2
5 + 4
_
le cui radici sono:
1
= 0,
2
= 1,
3
= 4
i
= 1, i = 1, 2, 3
r
i
= 1, i = 1, 2, 3,
156
per cui:
q
i=1
r
i
= 3,

B (prop. 127).
u
1
= (1, 1, 0) , u
2
= (0, 0, 1) , u
3
= (1, 1, 0)
3
B
diag
=
_
_
0 0 0
0 1 0
0 0 4
_
_

C è:
p
C
() = ( 1)
2
_
2
5 + 6
_
le cui radici sono:
1
= 1,
2
= 2,
3
= 3
1
= 2,
2
= 1 ,
3
= 1
r
1
2, r
2
= 1, r
3
= 1
1
u
1,1
= (1, 0, 1, 0) , u
1,2
= (1, 1, 0, 0) =r
1
= 2 (4.53)
2
u
2
= (2, 4, 1, 2) =r
2
= 1
3
u
3
= (0, 3, 1, 2) =r
3
= 1 (4.54)
Dalle (4.51):
q
i=1
r
i
= 4,

C.
Il sistema di autovettori:
u
1,1
, u
1,2
, u
2
, u
3
,
è una base di R
4
, e la matrice rappresentativa di

C in tale base è:
C
diag
=
_
_
_
_
1 0 0 0
0 1 0 0
0 0 2 0
0 0 0 3
_
_
_
_
157
5. Il polinomio caratteristico di A è:
p
A
() = ( 2)
3
( + 2)
Quindi gli autovalori:
1
= 2,
2
= 2
le cui molteplicità algebriche sono:
1
= 1,
2
= 3
Le molteplicità geometriche:
r
1
= 1, r
2
3
Gli autovettori appartenenti allautovalore
1
hanno per componenti nella base canon-
ica, le soluzioni del sistema lineare omogeneo:
3x +y + z + t = 0
x + 3y z t = 0
x y + 3z t = 0
x y z + 3t = 0,
che ammette
1
autosoluzioni. Quindi a meno di una costante moltiplicativa:
u
1
= (1, 1, 1, 1)
Per lautovalore
2
occorre risolvere il sistema omogeneo:
x + y +z + t = 0
x y z t = 0
x y z t = 0
x y z t = 0,
equivalente a:
x y z t = 0
Pertanto esistono
3
autosoluzioni ( + + , , , ), per ogni , , (, +).
Quindi il pi` u generale autovettore di

A appartenente allautovalore
2
è:
w = ( + + , , , )
= (1, 1, 0, 0) + (1, 0, 1, 0) + (1, 0, 0, 1)
Posto:
u
2,1
= (1, 1, 0, 0) , u
2,2
= (1, 0, 1, 0) , u
2,3
= (1, 0, 0, 1)
risulta che i suddetti vettori compongono una base dellautospazio E
(
2
):
Au
2,i
=
2
u
2,i
, i = 1, 2, 3 = r
2
158
Pertanto allautovalore
2
corrispondono tre autovettori lineramente indipendenti:
2
u
2,1
, u
2,2
, u
2,3
Inne
4
i=1
r
i
= 1 + 3 = 4

A. La matrice rappresentativa in tale base
è:
A
diag
=
_
_
_
_
2 0 0 0
0 2 0 0
0 0 2 0
0 0 0 2
_
_
_
_
Il polinomio caratteristico di B è:
p
B
() =
3
+ 4
2
2 4,
le cui radici sono:
1
= 2,
2
= 1
3,
3
= 1 +
3
u
1
= (2, 1, 0)
u
2
=
_
3
_
1 +
3
_
1 +
3
,
1
3
1 +
3
, 1
_
u
3
=
_
3
_
1 +
3
_
1 +
3
,
1 +
3
1
3
, 1
_
Nella base u
i
la matrice rappresentativa di

B è:
B
diag
=
_
_
2 0 0
0 1
3 0
0 0 1 +
3
_
_
6. Il polinomio caratteristico è:
p
A
() = det
A 1
4
= ( 1)
3
( 2)
1
= 1,
2
= 2
1
= 3,
2
= 1
159
r
1
3, r
2
= 1
1
_
_
_
_
1 4 1 4
2 0 5 4
1 1 2 3
1 4 1 6
_
_
_
_
_
_
_
_
x
y
z
t
_
_
_
_
=
_
_
_
_
x
y
z
t
_
_
_
_
,
che ammette
1
u
1
= (3, 6, 4, 5)
Per lautovalore
2
troviamo:
u
2
= (2, 3, 2, 3)
Si conclude che loperatore lineare

A possiede solo due autovettori indipendenti, per-
tanto non è diagonalizzabile.
p
A
() = det
A 1
4
= ( + 1) ( 1)
3
1
= 1,
2
= 1
1
= 1,
2
= 3
r
1
= 1, r
2
3
1
_
_
_
_
5 6 10 7
5 4 9 6
3 2 6 4
3 3 7 5
_
_
_
_
_
_
_
_
x
y
z
t
_
_
_
_
=
_
_
_
_
x
y
z
t
_
_
_
_
,
che ammette
1
u
1
= (3, 0, 1, 4)
160
Per lautovalore
2
troviamo:
u
2
= (1, 2, 3, 2)

A possiede solo due autovettori indipendenti, per-
p
A
() = det
A 1
4
=
2
_
2
1
_
1
= 0,
2
= 1,
3
= 1
1
= 2,
2
=
3
= 1,
r
1
2, r
2
= r
3
= 1
1
_
_
_
_
1 1 6 3
1 2 3 0
1 1 0 1
1 1 5 3
_
_
_
_
_
_
_
_
x
y
z
t
_
_
_
_
=
_
_
_
_
0
0
0
0
_
_
_
_
,
che ammette
1
u
1
= (2, 1, 0, 1)
Per gli autovalori
2
,
3
troviamo:
u
2
= (3, 0, 1, 2) , u
3
= (3, 0, 1, 4)

A possiede solo tre autovettori indipendenti, per-
9. Scriviamo lequazione agli autovalori per gli operatori

A,

A
1
:
Au = u (4.55)
A
1
w =
w
Dalla seconda delle (4.55):
p
A
1 (
) = det
_
A
1
I
_
= 0
161
Da ciò segue:
0 = det
_
AA
1
A
_
= det
_
A
_
=
det
_
A (
)
1
I
_
Supponiamo che
,= 0:
Cioè:
det
_
A (
)
1
I
_
= 0 p
A
_
(
)
1
_
= 0 = =
1
Si conclude che gli autovalori di

A
1
sono
2
:
=
1
10. Loperatore f
_
A
_
si ottiene dallespressione f (x) eseguendo la sostituzione x

A,
x
i
x
i
1, a
0
a
0
1:
f
_
A
_
= a
0
1
m,
i=1
_
A x
i
1
_
(4.56)
Dalla (4.56) passiamo alla matrice rappresentativa:
f
_
A
_
.
= f (A) = a
0
1
n
m,
i=1
(A x
i
1
n
) ,
e per una nota proprietà dei determinanti:
det [f (A)] = a
m
0
m,
i=1
det (A x
i
1
n
)
Cioè:
det [f (A)] = a
m
0
m
i=1
p
A
(x
i
) , (4.57)
essendo p
A
() il polinomio caratteristico della matrice A: p
A
() = det (A
1
n
) , le
cui radici sono gli autovalori
i
, donde:
p
A
(x
i
) =
n
j=1
(x
i
j
) (4.58)
Sostituendo la (4.58) nella (4.57):
det [f (A)] = a
m
0
m
i=1
n
j=1
(x
i
j
)
=
n
j=1
m
i=1
[a
0
(x
i
j
)] ,
2
Nellipotesi ,
K 0.
162
donde:
det [f (A)] =
n
j=1
f (
j
)
Per determinare gli autovettori delloperatore f
_
A
_
si osservi che f
_
A
_
si esprime
come:
f
_
A
_
=
m
i=1
c
i

A
i
, (4.59)
con c
i
K. Applichiamo loperatore

A ad ambo i membri della (4.59):
f
_
A
_
u
i
=
m
j=1
c
j

A
j
u
i
=
_
m
j=1
c
j
j
i
_
u
i
= f (
i
) u
i
Lultimo passaggio si giustica osservando che se Au
i
=
i
u
i
, allora A
n
u
i
=
n
i
u
i
. Si
conclude che f
_
A
_
ammette gli stessi autovettori di

A, con autovalori f (
i
).
Osservazione. Si può dimostrare che f (
i
) sono gli autovalori di f
_
A
_
nel seguente
modo: si consideri la funzione:
g (x) = f (x)
Posto

B = f
_
A
_
, il polinomio caratteristico della matrice B è:
p
B
() = det (B
1
n
)
Scriviamo lequazione agli autovalori per

B:
Bv
i
=
i
v
i
Inoltre:
p
B
() = det g (A) = det (f (A) ) =
n
i=1
g (
i
)
=
n
i=1
[f (
j
) ] =
i
= f (
i
)
11. T
n
[x] è uno spazio vettoriale con dimT
n
[x] = n + 1. La base canonica è:
_
e
k
(x) = x
k
_
, con k = 0, 1, 2, ..., n
163
Esplicitando il risultato dellazione di D sui vettori di base si perviene alla matrice
rappresentava:
D
.
=
_
_
_
_
_
_
0 1 0 0 ... 0
0 0 2 0 ... 0
0 0 0 3 ... 0
... ... ... ... ... ...
0 0 0 0 ... 0
_
_
_
_
_
_
Il polinomio caratteristico è:
p
D
() =
1 0 0 ... 0
0 2 0 ... 0
0 0 3 ... 0
... ... ... ... ... ...
0 0 0 0 ...
= (1)
n+1
n+1
Le radici di p
D
() sono:
1
= 0, con molteplicità
1
= n + 1 =r
1
n + 1
Le componenti (u
0
, u
1
, ..., u
n
) del generico autovettore sono le soluzioni del sistema di
n + 1 equazioni lineari ed omogenee:
u
0
+u
1
+ 0 + 0 +... + 0 = 0
0 u
1
+ 2u
2
+ 0 +... + 0 = 0
0 + 0 u
2
+ 3u
3
+ ... + 0 = 0
...
0 + 0 + 0 + 0 +... u
n
= 0
Per =
1
, il sistema amette
1
autosoluzioni (u
0
, 0, 0, ..., 0), essendo u
0
un parametro
arbitrario. Quindi:
u
1
= (1, 0, 0, ..., 0)
Da ciò segue che r
1
= dimE
(
1
) = 1, cioè loperatore D non è diagonalizzabile.
4.7 Similitudine
4.7.1 Matrici simili
Sia

A un endomorsmo diagonalizzabile di uno spazio vettoriale nito-dimensionale (dimE =
n) sul campo K. Supponiamo che in una base assegnata e
i
,

A sia rappresentato dalla
matrice:
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
(4.60)
164
Per ipotesi

A è diagonalizzabile, per cui se u
i
è il suo sistema di autovettori e
i
i relativi
autovalori
3
, nella base u
i
loperatore è rappresentato dalla matrice diagonale:
A
diag
=
_
_
_
_
1
0 ... 0
0
2
... 0
... ... ... ...
0 0 ...
n
_
_
_
_
(4.61)
Proposizione 129 Le matrici (4.60)-(4.61) sono legate dalla relazione:
A
diag
= R
1
AR, (4.62)
essendo R la matrice del cambiamento di base e
i
u
i
( 2.5).
***
Denizione 130 Le matrici A e B sono simili se esiste una matrice C non singolare tale
che:
B = C
1
AC (4.63)
Quindi nel caso di un operatore A e A
diag
sono simili. Pi` u in generale, sia

A End (E),
rappresentato nella base e
i
dalla matrice A = (a
ij
). Assegnata una seconda base e
dello spazio vettoriale E, abbiamo
A
.
=

A nella base e
Risulta:
A = R
1
AR,
essendo R la matrice del cambiamento di base e
i
e
i
.
Si noti che la relazione di similutidine è una relazione di equivalenza nellinsieme delle matrici
simili. Infatti, consideriamo il generico operatore

A End (E), rappresentato nella base e
i
dalla matrice A = (a
ij
). Tale matrice appartiene a M
k
(n n). Consideriamo linsieme delle
matrici simili di ordine n:
M
k
(n n) M
k
(n n) [ A, B

M
k
(n n) , A e B sono simili
Indichiamo con la relazione di similitudine:
AB A e B sono simili
Tale relazione verica le proprietà:
1. A

M
k
(n n), AA (proprietà riessiva)
2. A, B

M
k
(n n), AB =BA (proprietà simmetrica)
3
Per semplicità stiamo considerando il caso r
i
=
i
= 1, i = 1, ..., n.
165
3. A, B, C

M
k
(n n), (AB, BC) =AC (proprietà transitiva)
Quindi è una relazione di equivalenza in

M
k
(n n). Una classe di equivalenza è
[A] =
_
B

M
k
(n n) [ BA
_
`
E evidente che la classe di equivalenza [A] rappresenta lo stesso operatore appartenente a
End (E).
Proposizione 131
AB =p
A
() p
B
() (4.64)
Dimostrazione. Il polinomio caratteristico di B è:
p
B
() = det
_
B I
_
= det
_
C
1
AC I
_
, (4.65)
giacchè la matrice B è legata alla matrice A dalla (4.63). Daltro canto:
I =
C
1
C=I
IC
1
C =
IC
1
=C
1
I
C
1
IC = C
1
_
I
_
C,
che sostituita nella (4.65) porge:
p
B
() = det
_
C
1
AC C
1
_
I
_
C
= det
_
C
1
_
A I
_
C
=
_
det C
1
_
det
_
A I
_
(det C)
= det
_
A I
_
= p
A
() ,
cioè A e B hanno lo stesso polinomio caratteristico, da cui lasserto.
Osservazione 132 Limplicazione 4.64 non è invertibile, nel senso che esistono matrici
con lo stesso polinomio caratteristico, che non sono simili. Ciò si giustica osservando che
matrici simili rappresentando il medesimo operatore devono avere gli stessi autovettori. E
questultima è una condizione pi` u forte dellidentità dei polinomi caratteristici. Si conclude
che lidentità dei polinomi caratteristici di A e B, è condizione necessaria ma non suciente
anche A e B siano simili.
166
Capitolo 5
Spazio duale
5.1 Funzionali lineari
Nel capitolo 4.4 abbiamo denito linsieme Hom(E, F) (eq. 4.13) che assume la struttura
di spazio vettoriale su K.
Siccome K è uno spazio vettoriale su stesso, possiamo considerare linsieme degli omomor-
smi : E K:
Hom(E, K) = [ è un omomorsmo tra E e K
Denizione 133 Un omomorsmo Hom(E, K) si dice funzionale lineare.
In altri termini, se E è uno spazio vettoriale sul campo K, un funzionale lineare è lappli-
cazione lineare:
: E K
x k, x E
Poniamo per denizione:
(x)
def
= x, ) , x E
Per determinare la matrice rappresentativa di , scriviamo il risultato dellapplicazione di
sui vettori di base e
i
(eq. 4.20):
e
1
, ) = a
11
e
2
, ) = a
21
...
e
n
, ) = a
n1
Quindi
.
=
_
a
11
a
21
... a
n1
_
Ridenendo i coecienti:
167
.
=
_
a
1
a
2
... a
n
_
Daltro canto:
x E, x =
n
i=1
x
i
e
i
,
donde:
x, ) =
_
n
i=1
x
i
e
i
,
_
Tenendo conto della linearità di :
x, ) =
n
i=1
x
i
e
i
, )
=
n
i=1
a
i
x
i
Se rappresentiamo il vettore x attraverso il vettore colonna:
x
.
=
_
_
_
_
x
1
x
2
...
x
n
_
_
_
_
,
abbiamo:
x, )
.
=
_
a
1
a
2
... a
n
_
_
_
_
_
x
1
x
2
...
x
n
_
_
_
_
=
_
n
i=1
a
i
x
i
_
x, ) =
n
i=1
a
i
x
i
E
def
= Hom(E, K)
Introduciamo in E
loperazione di somma tra funzionali lineari:

+ : E
(5.1)
(
1
,
2
) (
1
+
2
) , (
1
,
2
) E

168
1
+
2
: E K (5.2)
x E x,
1
+
2
)
def
= (x,
1
) +x,
2
)) K
Introduciamo ora loperazione di prodotto di uno scalare per un elemento di Hom(E, K):
: K E
(5.3)
(, ) , (, ) K E

: E K (5.4)
x x, )
def
= x, ) K
Con lintroduzione delle operazioni (5.1)-(5.3), linsieme E
assume la struttura di spazio

vettoriale su K, giacche Hom(E, K) è un caso particolare di Hom(E, F) che per quanto
visto in 4.4 è uno spazio vettoriale. Chiamiamo E
spazio duale dello spazio vettoriale

E.
Osservazione 134 Lelemento neutro in E
è il funzionale lineare:
0 : x E 0 K
Cioè:
x,
0
_
= 0, x E
Lelemento opposto ad un elemento E
è il funzionale lineare tale che:

x, ) = x, ) , x E
***
Lemma 135 Sia E uno spazio vettoriale su K e e
i
una sua base (i = 1, 2, ..., n = dimE).
b
1
, b
2
, ..., b
n
K, ! E
[ e
i
, ) = b
i
(i = 1, 2, ..., n)
Dimostrazione. Esistenza di
Preso ad arbitrio un vettore x E, siano x
i
le sue componenti nella base e
i
.
Consideriamo il funzionale lineare:
: E K (5.5)
x
n
i=1
x
i
b
i
169
Cioè
x, ) =
n
i=1
x
i
b
i
Senza perdita di generalità, assumiamo che la base e
i
sia la base canonica
1
:
e
1
= (1, 0, ..., 0)
e
2
= (0, 1, ..., 0)
...
e
n
= (0, 0, ..., 1)
Applichiamo ai vettori di base:
x = e
j
=e
j
, ) =
n
i=1
ij
b
i
= b
j
,
da cui lesistenza di E
[ e
j
, ) = b
j
per j = 1, 2, ..., n.
Unicità di
Neghiamo la tesi:
,
[ e
i
, ) = e
i
,
) = b
i
=e
i
,
) = 0
Poniamo:

def
=
,
donde:
e
i
, ) = 0
Quindi:
_
x E, x, ) =
_
n
i=1
x
i
e
i
,
_
=
n
i=1
x
i
e
i
, ) = 0
_
= =

0 = =
Nota 136 Da qui in avanti utilizziamo la convenzione (di Einstein) di somma sugli indici
ripetuti due volte. Ad esempio, la sommatoria:
n
i=1
a
i
b
i
andrebbe scritta omettendo il simbolo di sommatoria:
a
i
b
i
Per una ragione che apparirà chiara in seguito, uno dei due indici è scritto in alto, per cui
ogni espressione del tipo:
a
i
b
i
signica:
i
a
i
b
i
1
Nel caso contrario è comunque possibile eseguire un cambiamento di base.
170
Prendiamo la n-pla:
(b
1
, b
2
, ..., b
n
) = (1, 0, ..., 0)
Per il lemma precedente esiste ed è unico il funzionale lineare
1
E
tale che:
e
i
,
1
_
= b
i
=
1
i
Si ricordi che
j
i
è la delta di Kronecher:
j
i
=
_
1, se i = j
0, altrimenti
Similmente possiamo costruire un funzionale
2
:
(b
1
, b
2
, ..., b
n
) = (0, 1, ..., 0) =!
2
E
e
i
,
2
_
=
2
i
Da ciò segue che in corrispondenza delle n-ple:
(1, 0, ..., 0) , (0, 1, ..., 0) , ..., (0, 0, ..., 1)
esiste ed è unica la n-pla di funzionali lineari (
1
,
2
, ...,
n
) tali che:
e
i
,
j
_
=
j
i
Ciò premesso, dimostriamo il:
Teorema 137 Il sistema
j
è una base dello spazio duale E
.
Dimostrazione. Si tratta di dimostrare che
j
è un sistema massimo linearmente in-
dipendente. Abbiamo:
j
=

0
Quindi:
x,
j
j
_
= 0, x E
Se x è un vettore di base:
0 =
e
i
,
j
j
_
=
j
e
i
,
j
_
=
j
j
i
=
i
(5.6)
La (5.6) implica che il sistema
j
è linearmente indipendente. Dimostriamo che tale sistema
è di ordine massimo. A tale scopo prendiamo ad arbitrio E
, quindi occorre far vedere

che ,
i
è linearmente dipendente o, ciò che è lo stesso:
i
K [ =
i
i
Osserviamo che:
e
i
, ) =
e
i
,
j
j
_
=
j
e
i
,
j
_
=
j
j
i
=
i
(5.7)
Quindi
E
=
i
K [ =
i
i
_
=
__
,
i
_
_
=
__
i
_
è un sistema di ordine massimo
_
=
__
i
_
è una base di E
_
171
Il teorema appena dimostrato garantisce lesistenza di una base
j
dello spazio duale E
,
denominata base duale associata alla base e
i
di E. Le grandezze
i
sono le componenti
di E
nella base
j
.
Dal teorema appena dimostrato si deduce che dimE
= dimE.
5.2 Cambiamento di base nello spazio duale.
Riprendiamo le equazioni relative al cambiamento di base e
i
e
i
( 2.5):
e
i
=
n
k=1
ik
e
k
(5.8)
e
i
=
n
k=1
ik
e
k
,
che individuano la matrice R = (
ik
) e la sua inversa R
1
= (
ik
). Se x è un arbitrario
vettore di E:
x =
n
i=1
x
i
e
i
nella base e
i
x =
n
i=1
x
i
e
i
nella base e
Le componenti x
i
si trasformano secondo la legge:
x
i
=
n
j=1
ji
x
j
(5.9)
Utilizzando la convenzione di Einstein possiamo ridenire gli indici degli elementi di matrice
che compaiono nelle equazioni appena scritte:
e
i
=
k
i
e
k
(5.10)
e
i
=
k
i
e
k
,
Con tale notazione, la (5.9) si riscrive:
x
i
=
i
j
x
j
(5.11)
La (5.11) esprime la legge di trasformazione dei cosiddetti vettori controvarianti che per
denizione hanno le componenti con gli indici scritti in alto. Inoltre la legge di trasformazione
è individuata dalla trasposta dellinversa della matrice R. Infatti la (5.11) in forma matriciale
è:
172
x
i
=
i
j
x
j
_
_
_
_
x
1
x
2
...
x
n
_
_
_
_
=
_
_
_
_
1
1

1
2
...
1
n
2
1

2
2
...
2
n
... ... ... ...
n
1

n
2
...
n
n
_
_
_
_
_
_
_
_
x
1
x
2
...
x
n
_
_
_
_
,
equivalente a:
_
_
_
_
x
1
x
2
...
x
n
_
_
_
_
=
_
R
1
_
T
_
_
_
_
x
1
x
2
...
x
n
_
_
_
_
Al cambiamento di base e
i
e
i
nello spazio vettoriale E, corrisponde nello spazio duale
E
il cambiamento di base
j

j
. Si ricordi che:
e
i
,
j
_
=
j
i
_
e
i
,
j
_
=
j
i
Determiniamo le equazioni di trasformazione che connettono le basi
j
,
j
. A tale scopo
esprimiamo
j
come combinazione lineare delle
i
:
j
=
j
i
i
(5.12)
Per la (5.7):
j
i
=
e
i
,
j
_
,
donde:
j
=
e
i
,
j
_
i
Per la seconda delle (5.10):
j
=
k
i
e
k
,
j
_
i
=
k
i
k
,
j
_
i
=
k
i

j
k
i
=
j
i
i
In maniera simile si ottengono le
j
= f
j
(
i
). Quindi:
j
=
j
i
i
(5.13)
j
=
j
i
i
Determiniamo la legge di trasformazione delle forme lineari in corrispondenza di un cambi-
amento di base
i

i
. Abbiamo:
=
i
i
nella base
_
i
_
=
i
nella base
_
i
_
173
Evidentemente:
i
=
i
=
i
k
k
Scrivendo
i
come
i
=
k
i
k
e sostituendo nellequazione precedente:
i
k
i
k
k
= 0
_
i
k
i
k
_
k
= 0
Il sistema di vettori
i
è linearmente indipendente, per cui:
_
i
k
_
k
= 0 =
k
i
k
= 0, per k = 1, 2, ..., n
Cioè:
k
=
i
k
i
(5.14)
Allo stesso modo si giunge a:
k
=
i
k
i
(5.15)
Le (5.14) o ciò che è lo stesso le (5.14) compongono le equazioni di trasformazione che
connetteno le due basi
i
,
i
dello spazio duale E
.
Per chiarezza riscriviamo tutte le equazioni ottenute:
e
i
=
k
i
e
k
,
j
=
j
i
i
(5.16)
e
i
=
k
i
e
k
,
j
=
j
i
i
Per quanto riguarda i vettori dello spazio E e del suo spazio duale E
:
x
i
=
i
j
x
j
,
i
=
k
i

k
(5.17)
x
i
=
i
j
x
j
,
i
=
k
i
k
Si noti che le equazioni relative al cambiamento di base e
i
e
i
esibiscono una forma
per cos` dire, speculare rispetto alle equazioni che connettono le basi
i
,
i
. Pi` u pre-
cisamente, i vettori di E
hanno componenti scritte in basso, e ciò si esprime dicendo che

sono vettori covarianti.
Esempio 1
Assumiamo E = R
2
, per cui E
= R
2
. Consideriamo il funzionale lineare:
x, ) = 7x
1
+ 4x
2
, x =
_
x
1
, x
2
_
R
2
Per esplicitare la matrice rappresentativa di nella base canonica e
1
= (1, 0) , e
2
= (0, 1)
di R
2
, determiniamo il risultato dellapplicazione di sui vettori di base:
e
1
, ) = 7
e
2
, ) = 4,
174
donde:
.
=
_
7 4
_
Ciò signica:
x, )
.
=
_
7 4
_
_
x
1
x
2
_
=
_
7x
1
+ 4x
2
_
(5.18)
La base duale è
j
tale che:
e
i
,
j
_
=
j
i
Quindi:
e
1
,
1
_
= 1
e
2
,
1
_
= 0,
cioè:
1
.
=
_
1 0
_
Da ciò segue:
x,
1
_
.
=
_
1 0
_
_
x
1
x
2
_
=
_
x
1
_
x,
1
_
= x
1
Procedendo in maniera analoga per
2
:
2
.
=
_
0 1
_
x,
2
_
.
=
_
0 1
_
_
x
1
x
2
_
=
_
x
2
_
x,
2
_
= x
2
La (5.18) pu` o essere scritta come:
x, ) = 7
x,
1
_
+ 4
x,
2
_
Lespansione di nei vettori della base duale è:
=
i
i
=
1
1
+
2
2
,
essendo
i
le componenti di nella base duale. Evidentemente:
1
= 7,
2
= 4
Ora eseguiamo in E il cambiamento di base:
175
e
i
e
i
,
essendo:
e
1
= (2, 3)
e
2
= (1, 2)
Deve essere:
e
i
=
k
i
e
k
(5.19)
Quindi la matrice che connette le due basi:
R =
_
k
i
_
=
_
2 3
1 2
_
La relazione inversa della (5.19) è:
e
i
=
k
i
e
k
Come è noto:
R
1
=
_
k
i
_
=
_
2 3
1 2
_
Una volta determinate le matrici che connettono le due basi, possiamo scrivere la legge di
trasformazione dei vettori controvarianti quando si passa da una base allaltra. Precisamente:
x
i
=
i
k
x
k
,
che in forma matriciale si scrive:
_
x
1
x
2
_
=
_
2 1
3 2
__
x
1
x
2
_
=
_
2x
1
x
2
3x
1
+ 2x
2
_
Quindi:
x
1
= 2x
1
x
2
(5.20)
x
2
= 3x
1
+ 2x
2
Passiamo ora alla base duale e alla legge di trasformazione dei vettori covarianti quando si
passa da una base duale allaltra. I vettori della base duale si trasformano secondo la legge:
j
=
j
i
i
176
Qui non occorre esplicitare, poiche è la legge di trasformazione dei vettori controvarianti
ssata dalla (5.20), quindi
1
= 2
1
2
= 3
1
+ 2
2
Nella base duale
j
:
=
i
(5.21)
I vettori covarianti seguono la legge di trasformazione:
i
=
k
i
k

_

2
_
=
_

1
1

2
1
1
2

2
2
__

1
2
_
=
_
2 3
1 2
__
7
4
_
=
_
26
15
_
,
Quindi:
1
= 26
2
= 15
x, ) = 26x
1
+ 15x
2
, x = x
i
e
i
Osservazione 138 Non cera bisogno di esplicitare la (5.21) poiche tale legge è quella
secondo cui si trasformano i vettori di base: e
i
=
k
i
e
k
, per cui:
1
= 2
1
+ 3
2
2
=
1
+ 2
2
Esempio 2
Supponendo di passare in R
3
dalla base canonica e
i
alla base e
i
:
e
1
= (1, 1, 0)
e
2
= (2, 3, 0)
e
3
= (3, 1, 1) ,
determinare la legge di trasformazione della corrispondente base duale.
Scriviamo le matrici che connettono le due basi:
R =
_
k
i
_
=
_
_
1 1 0
2 3 0
3 1 1
_
_
R
1
=
_
k
i
_
=
_
_
3 1 0
2 1 0
7 2 1
_
_
177
Quindi la legge di trasformazione dei vettori controvarianti è:
x
i
=
i
k
x
k
_
_
x
1
x
2
x
3
_
_
=
_
_
3 1 0
2 1 0
7 2 1
_
_
T
_
_
x
1
x
2
x
3
_
_
=
_
_
3x
1
+ 2x
2
7x
3
x
1
+x
2
+ 2x
3
x
3
_
_
Cioè:
x
1
= 3x
1
+ 2x
2
7x
3
x
2
= x
1
+ x
2
+ 2x
3
x
3
= x
3
Nel caso particolare dei vettori che compongono la base duale:
1
= 3
1
+ 2
2
7
3
2
=
1
+
2
+ 2
3
3
=
3
Esempio 3
Sia Q
n
[x] linsieme dei polinomi omogenei di grado n e a coecienti reali.
p
m
(x) Q
n
[x] =p
m
(x) =
m
k=1
a
k
x
k
, con a
k
R, m n
`
E facile convincersi che Q
n
[x] è uno spazio vettoriale su R con dimQ
n
[x] = n. Una base è:
e
k
(x) , con e
k
(x) = x
k
(k = 1, 2, ..., n)
Lo spazio duale è Q
n
[x] = Hom(Q
n
[x] , R). Consideriamo i funzionali lineari:
h
: Q
n
[x] R
p
n
(x)
1
h!
_
d
h
p
n
dx
h
_
x=0
, h = 1, 2..., n
Dimostriamo che
_
h
_
è una base duale. A tale scopo, esplicitiamo la derivata di ordine h
di p
n
(x) =
n
k=1
a
k
x
k
. Abbiamo
178
dp
n
dx
=
n
k=1
ka
k
x
k1
d
2
p
n
dx
2
=
n
k=2
k (k 1) a
k
x
k2
d
3
p
n
dx
3
=
n
k=3
k (k 1) (k 2) a
k
x
k3
...
d
n
p
dx
n
= n!a
n
Cioè:
d
h
p
dx
h
=
n
k=h
k (k 1) (k 2) ... [k (n 1)] a
k
x
kh
= h!a
h
+
n
k=h+1
k (k 1) (k 2) ... [k (n 1)] a
k
x
kh
Quindi:
_
d
h
p
dx
h
_
x=0
= h!a
h
=
p
n
(x) ,
h
_
= a
h
(5.22)
Determiniamo il risultato dellapplicazione di
h
sui vettori di base:
e
k
(x) ,
h
_
=
1
h!
_
d
h
e
k
dx
h
_
x=0
(5.23)
Osserviamo che:
d
h
e
k
dx
h
= 0, se h > k
d
h
e
k
dx
h
= k (k 1) (k 2) ... [k (h 1)] x
kh
, se h < k
d
h
e
k
dx
h
= h!, se h = k,
donde:
_
d
h
e
k
dx
h
_
x=0
= h!
h
k
Sostituendo nella (5.23):
e
k
(x) ,
h
_
=
h
k
,
da cui lasserto.
179
Capitolo 6
Spazi vettoriali euclidei
6.1 Introduzione
Gli spazi vettoriali euclidei nascono dallesigenza di introdurre in uno spazio vettoriale nozioni
primitive del tipo distanza tra punti, angolo tra direzioni.
6.2 Prodotto scalare
Assegnato un qualunque spazio vettoriale E sul campo reale R, si denisce prodotto scalare
lapplicazione lineare:
: E E R
(u, v) u v (u, v) E E
che verica le proprietà seguenti:
1. Commutatività:
u v = v u, u, v E
2. Associatività rispetto alla moltiplicazione di uno scalare per un vettore:
u v = u v = (u v) , R, u, v E
3. Proprietà distributiva rispetto alla somma tra vettori:
u (v +w) = u v +u w, u, v, w E
4. u E, u v = 0 =v = 0.
In R
n
il prodotto scalare è cos` denito:
x y =
n
k=1
x
k
y
k
, (6.1)
180
essendo x = (x
1
, x
2
, ..., x
n
) R
n
, y = (y
1
, y
2
, ..., y
n
) R
n
.
Si consideri lo spazio vettoriale C (a, b) ( 2), i cui elementi sono le funzioni reali e continue
in [a, b]. Il prodotto scalare tra i vettori di C (a, b) è denito da:
(f, g) =
b
_
a
f (x) g (x) dx (6.2)
Infatti:
1.
(g, f) =
b
_
a
g (x) f (x) dx =
b
_
a
f (x) g (x) dx = (f, g)
2.
((f) , g) =
b
_
a
f (x) g (x) dx =
b
_
a
f (x) g (x) dx = (f, g)
3.
(f, (g +h)) =
b
_
a
f (x) [g (x) + h(x)] dx =
b
_
a
f (x) g (x) dx +
b
_
a
g (x) h(x) dx
= (f, g) + (f, h)
4.
f C (a, b) , (f, g) = 0 =g (x) 0
Esempi numerici
Consideriamo lo spazio vettoriale C (0, ).
f (x) = x; g (x) = sin x
Il prodotto scalare è:
(f, g) =
_
0
xsin xdx
Integriamo per parti:
(f, g) =
_
0
xsin xdx =
_
0
xd (cos x) = xcos x[
x=
x=0
+
_
0
cos xdx =
***
181
2 4 6 8 10 12
b
0.1
0.2
0.3
0.4
0.5
0.6
fg
Figura 6.1: Graco di (f, g) (b).
Consideriamo lo spazio vettoriale C (0, b) essendo b numero reale positivo preso ad arbitrio.
Siano:
f (x) = xe
x
; g (x) = sin x (6.3)
Il prodotto scalare è una funzione di b:
(f, g) (b) =
b
_
0
xe
x
sin xdx
=
1
2
_
1 e
b
((1 +b) cos b +b sin b)
Il prodotto scalare di f e g date dalla (6.3) ha landamento riportato in gura 6.1.

Osservazione 139 In R
n
il prodotto scalare tra due vettori è dato dalla somma dei prodotti
delle componenti omonime dei vettori medesimi [eq. (6.1)]. In C (a, b) il prodotto scalare
tra i vettori f, g C (a, b) è dato dalla (6.2), che è la generalizzazione al continuo della
(6.1). Infatti si passa dalla (6.1) alla (6.2) attraverso la sostituzione

_
. Quindi gli
elementi di C (a, b) sono vettori con un numero innito non numerabile di componenti (in
quanto funzioni della variabile continua x).
6.3 Tensore metrico
Sia E uno spazio euclideo. Presi ad arbitrio u, v E, consideriamone le componenti nella
base e
i
:
u = u
i
e
i
, v = v
i
e
i
, (i = 1, 2, ..., n = dimE)
Per la proprietà associativa rispetto alla moltiplicazione di uno scalare per un vettore:
182
u v =
_
u
i
e
i
_
_
v
k
e
k
_
= u
i
v
k
e
i
e
k
(6.4)
Poniamo:
g
ik
def
= e
i
e
k
(6.5)
g
ik
è un oggetto a 2n componenti, denominato tensore metrico. La ragione di tale
denizione apparirà chiara in un prossimo capitolo. Il numero delle componenti distinte è
n(n + 1) /2 in forza della simmetria di g
ik
rispetto alla permutazione degli indici:
g
ki
= e
k
e
i
=
commutatività del p.s.
e
i
e
k
= g
ik
Il prodotto scalare (6.4) si scrive:
u v = g
ik
u
i
v
k
(6.6)
Per la proprietà 4 del prodotto scalare:
u E, u v = 0 =v = 0
In termini del tensore metrico:
u E, g
ik
u
i
v
k
= 0 =v
k
= 0
Cioè:
_
g
ik
v
k
= 0, i = 1, 2, ..., n
_
=v
k
= 0, k = 1, 2, ..., n (6.7)
La (6.7) è il sistema omogeneo:
g
11
v
1
+ g
12
v
2
+ ... + g
1n
v
n
= 0 (6.8)
g
21
v
1
+ g
22
v
2
+ ... + g
2n
v
n
= 0
..
g
n1
v
1
+ g
n2
v
2
+ ... +g
nn
v
n
= 0
La nostra richiesta si traduce nellesistenza della sola soluzione banale (o impropria):
_
v
1
, v
2
, ..., v
n
_
= (0, 0, ..., 0)
Come è noto, condizione necessaria e suciente anchè il sistema (6.8) ammetta la sola
soluzione impropria è che sia diverso da zero il determinante della matrice dei coecienti:
g
11
g
12
... g
1n
g
21
g
22
... g
2n
... .... ... ...
g
n1
g
n2
... g
nn
,= 0 (6.9)
183
g
def
=
g
11
g
12
... g
1n
g
21
g
22
... g
2n
... .... ... ...
g
n1
g
n2
... g
nn
= det (g
ik
)
Quindi la (6.9) si riscrive:
g ,= 0 (6.10)
***
Lintroduzione del prodotto scalare in uno spazio vettoriale E ci consente di introdurre le
nozioni di ortogonalità, unitarietà e norma di un vettore.
Denizione 140 Due vettori u, v si dicono ortogonali se u v = 0.
Osservazione 141 Il vettore nullo è ortogonale ad ogni vettore di E. Infatti, v E, v0 =
0
Denizione 142 Dicesi quadrato del vettore v, la grandezza:
v v = g
ik
v
i
v
k
(6.11)
Si noti che la (6.11) è una forma quadratica nelle v
i
i cui coecienti sono le componenti del
tensore metrico g
ik
.
Denizione 143 Un vettore u dicesi vettore unitario o versore se u u = 1.
6.4 Spazi vettoriali propriamente euclidei e pseudoeu-
clidei
Sia E uno spazio vettoriale sul campo R.
Denizione 144 Lo spazio vettoriale E è propriamente euclideo (o euclideo) se per
ogni v E la forma quadratica g
ik
v
i
v
k
è denita positiva qualunque sia la base e
i
. Nel
caso contrario, lo spazio vettoriale E dicesi pseudoeuclideo.
La suddetta denizione può essere formulata in termini di prodotto scalare tra i vettori di
E. Precisamente, abbiamo visto in 6.2 che una delle proprietà del prodotto scalare è:
u E, u v = 0 =v = 0
In uno spazio vettoriale propriamente euclideo tale proprietà si specializza nella seguente:
v E, v v =
_
> 0, se v ,= 0
= 0, se v = 0
184
6.5 Norma di un vettore
Sia E uno spazio vettoriale propriamente euclideo. Dicesi norma del vettore v E il
numero reale non negativo:
[[v[[
def
=
v v
Qui la radice è presa con il segno positivo, quindi [[v[[ [0, +), poiche v v [0, +).
Sussiste la seguente
Proposizione (disuguaglianza di Schwarz) 145
v, w E, [v w[ [[v[[ [[w[[
La denizione di norma si estende al caso di uno spazio pseudoeuclideo. Qui è possibile
imbatteri in vettori tali che:
u u < 0
In tal caso si assume:
[[u[[ =
u u
Quindi, in generale:
[[u[[
def
=
_
[u u[
6.6 Spazi metrici
Uno spazio metrico è un qualunque insieme non vuoto S tale che esiste una funzione reale
d (a, b) denita in S S che verica le seguenti proprietà:
1. d (a, b) è non negativa:
d (a, b) : S S [0, +)
Inoltre d (a, b) = 0 se e solo se a = b.
2. d (a, b) è simmetrica rispetto alla permutazione delle variabili indipendenti:
d (a, b) = d (b, a) , a, b S
3. d (a, b) verica la disuguaglianza triangolare:
d (a, c) d (a, b) + d (b, c) , a, b, c S
Chiamiamo d (a, b) distanza tra gli elementi di S.
Consideriamo il caso speciale S = E spazio propriamente euclideo. Una possibile denizione
di distanza è:
d (x, y) = [[x y[[ (6.12)
`
E facile rendersi conto che la (6.12) verica gli assiomi precedenti.
185
6.7 Base ortonormale
Denizione 146 Un sistema = w
i
con i = 1, 2, ..., r n = dimE, dicesi ortonor-
male se:
w
i
w
j
=
ij
, (6.13)
cioè se i suoi vettori sono versori e sono mutuamente ortogonali.
Lortonormalità di un sistema di vettori implica lindipendenza lineare dello stesso. Invero,
sussiste la seguente:
Proposizione 147
( = w
1
, w
2
, ..., w
r
è ortonormale) =( è linearmente indipendente)
Dimostrazione. Studiamo le soluzioni rispetto a
i
dellequazione:
i
w
i
= 0 (6.14)
A tale scopo moltiplichiamo scalarmente per w
k
(k = 1, 2, ..., n) primo e secondo membro
della (6.14):
i
w
i
w
k
= 0 w
k
= 0
Tenendo conto della (6.13):
ik
= 0 =
k
= 0, per k = 1, 2, ..., r
da cui segue che è linearmente indipendente.
Denizione 148 Per r = n si ha che è un sistema massimo linearmente indipendente,
cioè una base. Si conclude che ogni sistema ortonormale di ordine r = n è una base di E,
denominata base ortonormale
***
Lalgoritmo che implementa lortonormalizzazione di una base generica e
i
è noto come
procedimento di ortonormalizzazione di Gram-Schmidt:
e
i
e
i
[ e
i
=
a
i
[[a
i
[[
,
essendo:
a
1
= e
1
(6.15)
a
2
= e
2
e
2
a
1
a
1
a
1
a
1
a
3
= e
3
e
3
a
2
a
2
a
2
a
2
e
3
a
1
a
1
a
1
a
1
.........................................
a
n
= e
n
e
n
a
n1
a
n1
a
n1
a
n1
...
e
n
a
1
a
1
a
1
a
1
186
Esempio 149 Assegnati i vettori di R
3
:
e
1
= (1, 1, 1) , e
2
= (1, 2, 1) , e
3
= (1, 2, 3) ,
provare che e
i
è una base di R
3
, determinando poi la base ortonormale e
i
attraverso il
procedimento di Gram-Schimidt
Soluzione 150 Studiamo lequazione vettoriale:
1
e
1
+
2
e
2
+
3
e
3
= 0,
equivalente al sistema lineare omogeneo:
1
+
2
+
3
= 0
1
2
2
+ 2
3
= 0
1
+
2
+ 3
3
= 0,
1
,
2
,
3
) = (0, 0, 0), donde e
i
è manifestamente una base
di R
3
. Per ortonormalizzare e
i
, applichiamo le (6.15) che in questo caso si scrivono:
a
1
= e
1
a
2
= e
2
a
1
e
2
a
1
a
1
a
1
a
3
= e
3
a
2
e
3
a
2
a
2
a
2
a
1
e
3
a
1
a
1
a
1
da cui:
a
1
= (1, 1, 1) , a
2
= (1, 2, 1) , a
3
= (1, 0, 1)
La norma di singolo vettore:
[[a
1
[[ =
3, [[a
2
[[ =
6, [[a
3
[[ =
2,
quindi:
e
1
=
_
1
3
,
1
3
,
1
3
_
e
2
=
_
1
6
,
2
6
,
1
6
_
e
3
=
_
2
, 0,
1
2
_
***
Sia e
i
una base ortonormale di uno spazio propriamente euclideo E (n-dimensionale).
Preso ad arbitrio x E:
x =
n
i=1
x
i
e
i
(6.16)
187
moltiplichiamo scalarmente per e
k
(k = 1, 2, ..., n) primo e secondo membro della (6.16):
x e
k
=
n
i=1
x
i
ik
,
da cui:
x
k
= x e
k
, per k = 1, 2, ..., n (6.17)
La (6.17) esprime le componenti del vettore x nella base e
i
. Quindi le componenti di x
nella base ortonormale e
i
sono:
x
i
= x e
i
Spesso le x
i
si indicano con c
i
noti come coecienti di Fourier del vettore x rispetto alla
base ortonormale e
i
:
x =
n
i=1
c
i
e
i
(6.18)
6.8 Segnatura della metrica
Sia E
n
uno spazio euclideo (propriamente o pseudoeuclideo). In una base assegnata e
i
il
tensore metrico è:
(g
ik
) =
_
_
_
_
g
11
g
12
... g
1n
g
21
g
22
... g
2n
... .... ... ...
g
n1
g
n2
... g
nn
_
_
_
_
(6.19)
`
E facile convincersi che
i 1, 2, ..., n [ g
ii
< 0) =E
n
è pseudoeuclideo
giacchè e
i
e
i
< 0.
Nel caso speciale in cui e
i
è ortonormale, la (6.19) è la matrice diagonale:
(g
ik
) =
_
_
_
_
g
11
0 ... 0
0 g
22
... 0
... .... ... ...
0 0 ... g
nn
_
_
_
_
(6.20)
Denizione 151 Si chiama segnatura della metrica g
ik
la successione dei segni algebrici
degli elementi diagonali della (6.20). Ad esempio, se i 1, 2, ..., n, g
ii
> 0, si scrive
(+ +...+)
Proposizione 152 In una qualunque base ortonormale la segnatura di uno spazio vettoriale
euclideo è (+ +...+).
188
Consideriamo il seguente esempio numerico. Nella base e
i
di E
2
:
(g
ik
) =
_
1 1
1 1
_
Notiamo che g
22
= e
2
e
2
= 1, cioè [[e
2
[[
2
= 1, per cui lo spazio è pseudoeuclideo.
Applichiamo il procedimento di ortonormalizzazione:
a
1
= e
1
a
2
= e
2
e
2
e
1
e
1
e
1
e
1
= e
2
+e
1
Quindi:
e
1
=
e
1
[[e
1
[[
= e
1
e
2
=
a
2
[[a
2
[[
Ora:
[[a
2
[[
2
= (e
2
+e
1
) (e
2
+e
1
)
= e
2
e
2
+ 2e
1
e
2
+e
1
e
1
= +1
In tal caso assumiamo:
e
1
= e
1
e
2
= e
1
+e
2
Nella base o.n. e
i
la metrica è:
(g
ik
) =
_
1 0
0 1
_
e la segnatura è (+).
6.9 Polinomi ortonormali
Denizione 153 Dicesi polinomio trigonometrico di ordine n, la funzione reale di
variabile reale:
n
(x) =
a
0
2
+
n
k=1
[a
k
cos (kx) +b
k
sin (kx)] , a
k
, b
k
R
189
Indichiamo con T
n
(, ) linsieme dei polinomi trigonometrici di ordine n, per x [, ].
Tale insieme assume la struttura di spazio vettoriale reale, e la (2n + 1)-pla di scalari
(a
0
, a
1
, ..., a
n
, b
1
, ..., b
n
) sono le componenti del vettore
n
(x) nella base:
_
1
2
, cos x, sin x, cos 2x, sin 2x, ..., cos (nx) , sin (nx)
_
(6.21)
Poniamo:
e
0
(x) =
1
2
(6.22)
e
1
(x) = cos x
e
2
(x) = sin x
...
e
2n1
(x) = cos (nx)
e
2n
(x) = sin (nx)
Da ciò segue che dimT
n
(, ) = 2n + 1. Deniamo il prodotto scalare:
(
n
,
n
) =
n
(x)
n
(x) dx,
in forza del quale lo spazio vettoriale T
n
(, ) risulta essere euclideo.
Inoltre la base (6.21) è ortogonale in forza delle seguenti identità:
sin (kx) =
cos (kx) = 0, k N
sin (kx) cos (k
x) = 0, k, k
N
Cioè:
e
k
(x) e
k
(x) dx = 0, se k ,= k
Tale base non è però ortonormale, in quanto i suoi vettori non sono unitari:
[[e
0
(x)[[
2
=
e
0
(x) e
0
(x) dx =
1
4
dx =

2
,
cos
2
(kx) =
sin
2
(kx) =
190
Un vettore v non unitario è legato al suo versore da:
v =
v
[[v[[
(6.23)
La (6.23) ci consente di passare dal vettore v al corrispondente vettore normalizzato v.
Quindi:
e
0
(x) =
e
1
(x)
[[e
1
(x)[[
=
1
2
e
k
(x) =
1
, k > 0
Da cui otteniamo la base ortonormale dello spazio T
n
(, ).
_
1
2
,
1
cos x,
1
sin x,
1
cos 2x,
1
sin 2x, ...,

1
cos (nx) ,
1
sin (nx)
_
(6.24)
***
La nozione di polinomi ortonormali si generalizza nel modo seguente. Consideriamo lo spazio
vettoriale C (a, b) munito di prodotto scalare:
(f, g) =
b
_
a
f (x) g (x) dx, f, g C (a, b)
Sia:
= q
1
(x) , q
2
(x) , ..., q
r
(x)
un sistema di polinomi ortonormali:
(q
i
, q
j
) =
ij
Cioè:
b
_
a
q
i
(x) q
j
(x) dx =
ij
Sia V = L[], per cui preso un qualunque vettore p (x) V , si ha:
p (x) =
r
k=1
a
k
q
k
(x)
Ci proponiamo di determinare la r-pla (a
1
, a
2
, ..., a
r
) tale che p (x) sia la migliore approssi-
mazione di una funzione f C (a, b). A tale scopo, minimizziamo la norma del vettore
f p:
191
F (a
1
, a
2
, ..., a
r
)
def
= [[f p[[
2
= (f p, f p)
=
_
f
r
k=1
a
k
q
k
, f
r
=1
a
k
q
k
_
= [[f[[
2
=1
a
k
(q
k
, f)
r
k=1
a
k
(q
k
, f) +
r
k=1
r
=1
a
k
a
k

kk
= [[f[[
2
2
r
k=1
a
k
(q
k
, f) +
r
k=1
a
2
k
Ma (f, q
k
) sono i coecienti di Fourier c
k
relativamente al sistema ortonormale q
k
:
F (a
1
, a
2
, ..., a
r
) = [[f[[
2
2
r
k=1
a
k
c
k
+
r
k=1
a
2
k
= [[f[[
2
+
r
k=1
_
a
2
k
2a
k
c
k
+c
2
k
c
2
k
_
= [[f[[
2
+
r
k=1
(a
k
c
k
)
2
k=1
c
2
k
Abbiamo:
F
a
k
= 2
r
k=1
(a
k
c
k
) (6.25)
Risulta:
F
a
k
= 0 a
k
= c
k
Dallo studio del segno della (6.25) si deduce che la r-pla (c
1
, c
2
, ..., c
r
) è punto di minimo
relativo per la funzione F (a
1
, a
2
, ..., a
r
), donde:
min F (a
1
, a
2
, ..., a
r
) = F (c
1
, c
2
, ..., c
r
)
Quindi la migliore approssimazione della funzione f C (a, b) è:
p (x) =
3
k=1
c
k
q
k
(x)
c
k
=
b
_
a
f (x) q
k
(x) dx
192
Ad esempio consideriamo f (0, ):
f (x) = x + sin x
Consideriamo il sistema ortonormale:
=
_
q
1
(x) =
1
2
, q
2
(x) =
1
cos x,
1
sin x
_
I coecienti di Fourier sono:
c
1
=
1
_
0
(x + sin x) dx =
4 +
2
2
2
c
2
=
1
_
0
(x + sin x) cos xdx =
2
c
3
=
1
_
0
(x + sin x) sin xdx =
3
2
,
quindi:
p (x) =
4 +
2
4

2
cos x +
3
2
sin x
6.10 Spazi euclidei isomor
Siano E ed E
due spazi vettoriali euclidei.

Denizione 154 E, E
sono isomor se esiste unapplicazione lineare biiettiva:

: E E
tale che
u, v E, u v = (u) (v)
Teorema 155 Gli spazi euclidei isodimensionali sono isomor.
Dimostrazione. Sia E
n
uno spazio euclideo n-dimensionale, ed e
i
una sua base ortonor-
male. Consideriamo lo spazio euclideo R
n
:
x, y R
n
, x y = x
1
y
1
+ x
2
y
2
+ ... + x
n
y
n
Deniamo lapplicazione:
: E
n
R
n
u = u
i
e
i

_
u
1
, u
2
, ..., u
n
_
193
Dimostriamo la linearità di :
u, v E
n
, , R, z
def
= u + v
(z) =
_
z
1
, z
2
, ..., z
n
_
z
i
= u
i
+ v
i
(z) =
_
u
1
, u
2
, ..., u
n
_
+
_
v
1
, v
2
, ..., v
n
_
,
donde Hom(E
n
, R
n
). Inoltre:
ImE
n
= R
n
(suriettività)
u ,= v =
_
u
1
, u
2
, ..., u
n
_
,=
_
v
1
, v
2
, ..., v
n
_
(iniettività)
Cioè è biiettiva.
Studiamo il comportamento del prodotto scalare sotto lazione di .
u v = g
ik
u
i
v
k
=
ik
u
i
v
k
= u
1
v
1
+ u
2
v
2
+ ... + u
n
v
n
= (u) (v) ,
da cui lisomorsmo tra E
n
e R
n
.
***
Sia E
n
uno spazio vettoriale euclideo n-dimensionale. Il prodotto scalare è:
v w = g
ik
v
i
w
k
Assegnato il vettore u E
n
, consideriamo il funzionale lineare
u
tale che:
x E
n
, x,
u
) = x u (6.26)
Esempio 156 E
n
= R
2
. Nella base canonica e
1
= (1, 0) , e
2
= (0, 1) il tensore metrico è:
g
ik
=
_
1 0
0 1
_
=
ik
,
donde:
u v =
ik
u
i
v
k
= u
1
v
1
+u
2
v
2
Ora assegnamo u = (1, 2). Possiamo denire il funzionale lineare
u
R
2
tale che:
x =
_
x
i
_
R
2
, x,
u
) = x
1
+ 2x
2
,
cioè:
x,
u
) = x u
194
Viceversa:
E
n
=u E
n
[ x E
n
, x, ) = x u (6.27)
Sia
i
la base duale associata alla base ortonormale e
i
di E
n
. Quindi:
=
j
j
Preso un qualunque x E
n
:
x = x
i
e
i
Quindi:
x, ) =
x
i
e
i
,
j
j
_
= x
i
e
i
,
j
_
= x
i
i
j
= x
i
i
La nostra richiesta è:
x
i
i
= g
ik
x
i
u
k
=
_
i
g
ik
u
k
_
x
i
= 0
Cioè:
g
ik
u
k
=
i
, (6.28)
che è il sistema di Cramer:
g
11
u
1
+ g
12
u
2
+... + g
1n
u
n
=
1
g
21
u
1
+ g
22
u
2
+... + g
2n
u
n
=
2
...
g
n1
u
1
+ g
n2
u
2
+ ... + g
nn
u
n
=
n
,
giacchè è det (g
ik
) ,= 0 e (
1
,
2
, ...,
n
) ,= (0, 0, ..., 0) =! (u
1
, u
2
, ..., u
n
). Si conclude che:
E
n
=!u E
n
[ x E
n
, x, ) = x u
Possiamo denire lapplicazione:
L : E
n
E
n
u
`
E immediato vericare che L è un isomorsmo tra lo spazio euclideo E
n
e il suo duale E
n
.
Esempio 157 Consideriamo uno spazio euclideo 2-dimensionale E
2
. Assumiamo come base
il sistema di vettori:
e
1
= (1, 0) , e
2
= (1, 2) (6.29)
Quindi il tensore metrico è:
(g
ik
) =
_
1 1
1 5
_
,
195
per cui il prodotto scalare è:
v w = g
ik
v
i
w
k
= v
1
w
1
_
v
1
w
2
+v
2
w
1
_
+ 5v
2
w
2
Consideriamo il funzionale lineare:
E
2
[ x E
2
, x, ) = 3x
1
+ x
2
,
cioè nella base duale alla base (6.29) è
1
= 3,
2
= 1
La (6.28) si scrive:
u
1
u
2
= 3
u
1
+ 5u
2
= 1,
che ammette lunica soluzione (u
1
, u
2
) = (4, 1). Quindi u = (4, 1). Una verica diretta
porge:
x u = 4x
1
_
x
1
+ 4x
2
_
+ 5x
2
= 3x
1
+ x
2
= x, )
6.11 Complemento ortogonale di un sottospazio vetto-
riale e proiettori ortogonali
Sia W un sottospazio vettoriale dello spazio euclideo E
n
.
Denizione 158 Il supplementare ortogonale o complemento ortogonale di W è:
W
= v E
n
[ v w = 0, w W
In altre parole, W
è linsieme dei vettori ortogonali ad ogni vettore di W.

Proposizione 159 W
è un sottospazio di E
n
.
Dimostrazione. Innanzitutto osserviamo che W
E
n
. Inoltre:
u, v W
=(w W, u w = v w = 0)
=(u +v) w = u w +v w = 0 =(u +v) W
u W
, R =(w W, (u) w = (u w) = 0) =(u) W
196
Esempio 160 Sia E
2
= R
2
. Consideriamo il sottospazio:
W = a (2, 3) [ a R
Il supplementare ortogonale di W è:
W
=
_
v =
_
v
i
_
E
n
[ a
_
2v
1
+ 3v
2
_
= 0, a R
_
Cioè:
2v
1
+ 3v
2
= 0
_
v
1
, v
2
_
=
v
1
3
(3, 2)
Quindi:
W
= b (3, 2) [ b R
Teorema 161 Assegnato lo spazio euclideo E
n
, per ogni sottospazio vettoriale W
r
esiste ed
è unico il supplementare ortogonale W
r
.
Dimostrazione. Sia
r
= e
1
, ..., e
r
una base ortonormale di W
r
. Preso ad arbitrio un
sistema linearmente indipendente
nr
=
r+1
, ...,
n
, risulta che
n
=
r

nr
è una
base di E
n
. Applichiamo il procedimento di Gram-Schmidt:
n

GS
n
=
r
nr
,
essendo

nr
= e
r+1
, ..., e
n
un sistema ortonormale. Evidentemente:
W
r
= L[
r
] ,
e:
W
r
= L
_
nr
_
Per dimostrare lunicità, supponiamo che esiste un W
r
= L[
nr
], essendo:
nr
= f
r+1
, ..., f
n
Esprimiamo i vettori di
nr
attraverso le loro componenti nella base ortonormale

n
.
Iniziamo con il vettore f
r+1
:
f
r+1
= a
h
e
h
+b
k
e
k
, k = r + 1, ..., n; h = 1, ..., r (6.30)
Risulta:
f
r+1
W
r
=f
r+1
e
h
= 0 (6.31)
Moltiplicando scalarmente primo e secondo membro della (6.30) per e
h
con h = 1, 2, ..., r:
0 = f
r+1
e
1
= a
1
0 = f
r+1
e
2
= a
2
...
0 = f
r+1
e
r
= a
r
197
Quindi:
f
r+1
= b
k
e
k
(6.32)
Il procedimento può essere ripetuto per i rimanenti vettori f
r+2
, ..., f
n
:
f
r+2
= c
k
e
k
f
r+3
= d
k
e
k
...
Da ciò segue che il sottospazio generato dai vettori e
r+1
, ..., e
n
coincide con il sottospazio
generato da f
r+1
, ..., f
n
, cioè
W
r
= W
r
Teorema 162 Sia W
r
un sottospazio vettoriale di uno spazio euclideo E
n
. Risulta:
E
n
= W
r
W
r
Dimostrazione. Con le notazioni del teorema precedente, una base ortonormale di E
n
è:
n
=
r
nr
Quindi:
v E
n
, v = v
h
e
h
+v
k
e
k
, h = 1, ..., r, k = r + 1, ..., n
Evidentemente:
_
v
h
e
h
_
W
r
,
_
v
k
e
k
_
W
r
Cioè:
E
n
= W
r
+W
r
(6.33)
Inoltre:
w W
r
W
r
, w w = 0 =w = 0 =W
r
W
r
= 0 (6.34)
Dalle (6.33)-(6.34):
E
n
= W
r
W
r
Per il teorema appena dimostrato segue che ogni vettore x E
n
si esprime in uno e in un
solo modo come somma di un vettore di W
r
e di un vettore di W
r
:
x E
n
=x
w
W
r
, x
w
W
r
[ x = x
w
+x
w
Da ciò segue che possiamo denire un operatore lineare:
P
w
: E
n
E
n
(6.35)
x x
w
x E
Chiamiamo (6.35) operatore di proiezione ortogonale su W. Risulta:
198
Im

P
w
= E
Il kernel:
ker

P
w
=
_
x E
n
[

P
w
x = 0
_
Dobbiamo risolvere lequazione operatoriale:
P
w
x = 0
Evidentemente:
x = x
w
W
r
,
donde:
ker

P
w
= W
r
Esempio 163 Sia E
3
= R
3
. Consideriamo il sottospazio:
W
1
= (0, 0, z) [ z R
Assumendo un sistema di assi coordinati 0xyz, W si identica con lasse z. Il complemento
ortogonale è il piano xy:
W
1
= (x, y, 0) [ x, y R
La proiezione ortogonale sullasse z è:
P
w
: R
3
R
3
(x, y, z) (0, 0, z)
6.12 Componenti covarianti e controvarianti
Nella sezione 5 abbiamo introdotto la nozione di componenti covarianti e componenti con-
trovarianti. Tale nozione si estende al caso degli spazi euclidei.
Senza perdita di generalità consideriamo uno spazio euclideo 2-dimensionale E
2
. Sia e
i
una base di vettori unitari:

[[e
1
[[ = [[e
2
[[ = 1
Preso ad arbitrio u E
2
, abbiamo:
u = u
i
e
i
(6.36)
Le componenti u
i
di u nella base e
i
si chiamano componenti controvarianti di u.
Ora, poniamo per denizione:
u
1
= u e
1
, u
2
= u e
2
(6.37)
199
Le (6.37) sono le componenti covarianti di u. Si osservi che da un punto di vista geomet-
rico, le u
i
si ottengono dalle proiezioni di u secondo le direzioni di e
1
ed e
2
rispettivamente.
Preso un secondo vettore v E
2
:
u v = g
ik
u
i
v
k
(6.38)
Daltro canto:
u v = u
_
v
1
e
1
+ v
2
e
2
_
(6.39)
= v
1
u
1
+ v
2
u
2
= v
i
u
i
Confrontando la (6.39) con la (6.38) otteniamo:
u
i
= g
ik
u
k
(6.40)
La (6.40) lega le componenti controvarianti a quelle covarianti di un medesimo vettore. Si
osservi che se la base è ortonormale:
u
i
=
ik
u
k
= u
i
Cioè, in una qualunque base ortonormale le componenti covarianti coincidono con le compo-
nenti controvarianti.
Esempio 164 Sia e
i
(i = 1, 2) una base di uno spazio vettoriale reale E
2
strutturato
pseudoeuclidamente. Il tensore metrico è:
(g
ik
) =
_

1
_
con , R [ g = det (g
ik
) =
2
,= 0
Determinare: 1) i valori di e per i quali E
2
risulta euclideo; 2) le componenti covarianti
in e
i
del vettore u = 5e
1
+ 2e
2
, nel caso = 2, = 1.
Soluzione
E
2
assume la struttura di spazio euclideo se e solo se g > 0, donde , R [
2
> 0.
Per il quesito 2 osserviamo che per = 2, = 1, si ha:
(g
ik
) =
_
1 2
2 1
_
,
donde:
[[e
1
[[ = [[e
2
[[ = 1
Quindi possiamo determinare le componenti covarianti del vettore u.
u
1
= u e
1
= (5e
1
+ 2e
2
) e
1
= 5 + 4 = 9
u
2
= u e
2
= (5e
1
+ 2e
2
) e
2
= 10 + 2 = 12,
perciò:
u
1
= 9, u
2
= 12
Alternativamente:
u
1
= g
1k
u
k
= g
11
u
1
+ g
12
u
2
= 9
u
2
= g
2k
u
k
= g
21
u
1
+ g
22
u
2
= 12
200
6.13 Applicazioni
Sia E
n
uno spazio propriamente euclideo n-dimensionale. Per analogia con lo spazio ordinario
(R
3
) possiamo introdurre le nozioni di angolo tra due vettori e di componente ortogonale.
Consideriamo due vettori u, v R
3
. Dallalgebra vettoriale:
u v = [[u[[ [[v[[ cos ,
essendo langolo tra u e v. Quindi:
cos =
u v
[[u[[ [[v[[
(6.41)
Il vettore componente ortogonale di u secondo v è il vettore u
v
tale che:
[[u
v
[[ = [[u[[ [cos [ ,
cioè la norma di u
v
è la proiezione ortogonale di u sulla direzione individuata da v. La
presenza del valore assoluto di cos si giustica osservando che [[u
v
[[ > 0, [0, 2].
Abbiamo:
u
v
= [[u
v
[[ versu
v
,
essendo versu il versore di u:
versu
v
=
u
v
[[u
v
[[
Ovviamente:
versu
v
= versv, se
_
0,

2
_
_
3
2
, 2
_
versu
v
= versv, se
_
2
,
3
2
_
Da ci` o segue che:
u
v
= [[u[[ cos versv
Tenendo conto della (6.41)
u
v
=
_
u v
v v
_
v = cv
dove abbiamo introdotto il coeciente di Fourier di u rispetto a v:
c =
u v
v v
(6.42)
Il numero reale (6.42) è noto anche come la componente ortogonale di u rispetto a v.
201
Capitolo 7
Spazi vettoriali unitari
Sia E uno spazio vettoriale sul campo complesso C.
Denizione 165 E è uno spazio vettoriale unitario se in esso è denito un prodotto
interno indicato con u, v) C, che verica le seguenti proprietà:
1. u, v E, u, v) = v, u)
, essendo

loperazione di coniugazione complessa.
2. , C, u, v, w E, u + v, w) = u, w) + v, w)
3.
u E, (u, u) 0 (7.1)
u, u) = 0 =u = 0
Osservazione 166 Si osservi che la prima delle (7.1) è consistente, poichè u, u) = u, u)
=
u, u) R.
Esempio 167 Sia E = C
n
; presi ad arbitrio due vettori:
u =
_
u
1
, u
2
, ..., u
n
_
v =
_
v
1
, v
2
, ..., v
n
_
Assumiamo come prodotto interno:
u, v) =
n
k=1
u
k
v
k
(7.2)
202
Verichiamo che la (7.2) soddisfa gli assiomi del prodotto interno.
v, u)
=
_
n
k=1
v
k
u
k
_
=
n
k=1
v
k
u
k
= u, v)
, C, u, v, w E, t
def
= u +v
t, w) =
n
k=1
t
k
w
k
=
n
k=1
_
u
k
+v
k
_
w
k
= u, w) + v, w)
u = 0 =
_
u
1
, u
2
, ..., u
n
_
= (0, 0, ..., 0) =u, u) =
n
k=1
u
k
u
k
= 0
u ,= 0 =(h 1, 2, ..., n [ u
h
,= 0) =u, u) =
h
u
h
u
h
=
u
h
2
> 0
Esempio 168 Sia E lo spazio vettoriale su C i cui vettori sono:
f : [a, b] C [ f è ivi continua
Il numero complesso
f, g) =
b
_
a
f (x) g (x)
dx, f, g E
è un prodotto interno. Quindi E è uno spazio vettoriale unitario.
***
Sia E uno spazio unitario n-dimensionale. Presi ad arbitrio due vettori u, v E, svilup-
piamoli secondo le loro componenti in una base assegnata e
i
: u = u
i
e
i
, v = v
k
e
k
. Il
prodotto interno è:
u, v) =
u
i
e
i
, v
k
e
k
_
= u
i
e
i
, v
k
e
k
_
= u
i
v
k
e
k
, e
i
_
= u
i
v
k
e
i
, e
k
)
Cioè:
203
u, v) = g
ik
u
i
v
k
, (7.3)
essendo g
ik
= e
i
, e
k
) il tensore metrico.
Per denizione di prodotto interno:
u, v) = v, u)
Abbiamo:
v, u)
=
_
g
ik
v
i
u
k
_
(7.4)
= g
ik
v
i
u
k
= g
ki
u
i
v
k
Confrontando la (7.3) con la (7.4):
u =
_
u
i
_
, v =
_
v
k
_
E, (g
ik
g
ki
) u
i
v
k
= 0 =g
ik
= g
ki
,
cioè la matrice (g
ik
) è hermitiana.
***
In uno spazio unitario continuano a valere la denizione di norma di un vettore e la disug-
uaglianza di Scwharz:
[[u[[ =
_
u, u)
[u, v)[ [[u[[ [[v[[
7.1 Aggiunto di un operatore lineare
Sia

A End (E), essendo E uno spazio unitario n-dimensionale con n < +..
Denizione 169 Si chiama aggiunto delloperatore

A e si indica con

A
+
, loperatore
lineare tale che:
x, y E,
_
Ax, y
_
=
_
x,

A
+
y
_
Si osservi che tale denizione è valida solo se lo spazio vettoriale è nito-dimensionale. Nel
caso contrario, laggiunto può non esistere.
Proposizione 170 Se A è la matrice rappresentativa di

A End (E) nella base ortonor-
male e
i
, la matrice rappresentativa delloperatore aggiunto

A
+
, è la coniugata hermitiana
di A:
A
+
= (A
)
T
204
A =
_
a
k
i
_
, A
+
=
_
a
+k
i
_
Si osservi che lindice in basso denota la colonna, mentre lindice in alto denota la riga
1
:
A =
_
_
_
_
a
1
1
a
1
2
... a
1
n
a
2
1
a
2
2
... a
2
n
... ... ... ...
a
n
1
a
n
2
... a
n
n
_
_
_
_
Esplicitiamo il prodotto interno:
_
Ax, y
_
=
_
Ax
i
e
i
, y
j
e
j
_
= x
i
y
j
_
Ae
i
, e
j
_
Osserviamo che per denizione di matrice rappresentativa:
Ae
i
= a
k
i
e
k
Quindi:
_
Ax, y
_
= x
i
y
j
a
k
i
kj
= x
i
y
j
a
j
i
Esplicitiamo il prodotto interno
_
x,

A
+
y
_
:
_
x,

A
+
y
_
=
_
x
i
e
i
,

A
+
y
j
e
j
_
= x
i
y
j
_
e
i
,

A
+
e
j
_
= x
i
y
j
a
+k
j

ik
= x
i
y
j
a
+i
j
La nostra richiesta è
_
Ax, y
_
=
_
x,

A
+
y
_
, donde:
_
x
i
_
,
_
y
j
_
E,
_
a
j
i
a
+i
j
_
x
i
y
j
= 0 =a
j
i
= a
+i
j
a
+j
i
=
_
a
i
j
_
,
donde lasserto.
Esempio 171 Sia E = C
3
. Consideriamo loperatore

A tale che:
A(x, y, z) = (2x + iy, y 5iz, x + (1 i) y + 3z)

Nella base canonica e
1
= (1, 0, 0) , e
2
= (0, 1, 0) , e
3
= (0, 0, 1), la matrice rappresentativa
delloperatore è:
A =
_
_
2 i 0
0 1 5i
1 1 i 3
_
_
,
quindi la matrice rappresentativa delloperatore aggiunto di

A è:
A
+
=
_
_
2 0 1
i 1 1 +i
0 5i 3
_
_
1
Utilizziamo questa notazione al posto di quella tradizionale a
ik
, per non appesantire le equazioni con il
simbolo di sommatoria.
205
Proposizione 172
_
A
+
_
+
=

A
Dimostrazione.
x, y E,
_
A
+
x, y
_
=
_
x,
_
A
+
_
+
y
_
ma
_
A
+
x, y
_
=
_
y,

A
+
x
_
=
_
Ay, x
_
=
_
x,

Ay
_
,
cioè:
x, y E,
_
x,

Ay
_
=
_
x,
_
A
+
_
+
y
_
=
_
A
+
_
+
=

A
Proposizione 173
_
A +

B
_
+
=

A
+
+

B
+
Dimostrazione. Segue direttamente dalle proprietà del prodotto interno.
Proposizione 174
_
A

B
_
+
=

B
+

A
+
Dimostrazione.
x, y E,
_
x,
_
A

B
_
+
y
_
=
__
A

B
_
x, y
_
=
_
A
_
Bx
_
, y
_
Poniamo

Bx = x
A
_
Bx
_
, y
_
=
_
Ax
, y
_
=
_
x
,

A
+
y
_
=
_
Bx,

A
+
y
_
=
_
x,
_
B
+

A
+
_
y
_
cioè:
_
A

B
_
+
=

B
+

A
+
7.2 Operatori hermitiani
Sia

A End (E), essendo E uno spazio unitario n-dimensionale.
Denizione 175

A è autoaggiunto o hermitiano se

A =

A
+
.
Osservazione 176 La matrice rappresentativa di un operatore hermitiano in una qualunque
base ortonormale è hermitiana.
Teorema 177

A è hermitiano
_
=
_
gli autovalori di

A sono reali
206
Dimostrazione. Scriviamo lequazione agli autovalori:
Au = u (u ,= 0)
Deve essere:
_
Ax, y
_
=
A=

A
+
_
x,

Ay
_
Lequazione precedente per x = y = u, diventa:
u,u) = u,u) =u,u) =
u, u) =
u=0
=
Teorema 178 Gli autovettori di un operatore hermitiano corrispondenti ad autovalori dis-

tinti sono ortogonali.
Dimostrazione. Sia

A End (E) tale che

A =

A
+
. Scriviamo lequazione agli autovalori:
Au
i
=
i
u
i
Au
j
=
j
u
j
,
con
i
,=
j
.
_
u
j
,

Au
i
_
= u
j
,
i
u
i
) =
i
u
j
, u
i
) (7.5)
_
u
j
,

Au
i
_
=
_
Au
j
, u
i
_
=
j
u
j
, u
i
)
Sottraendo la prima dalla seconda delle (7.5):
0 = (
i
j
) u
j
, u
i
) =
i
=
j
u
j
, u
i
) = 0 =u
i
u
j
7.3 Operatori unitari
Denizione 179

U End (E) si dice operatore unitario se
U

U
+
=

U
+

U =

1
In altri termini, un operatore unitario è invertibile e linverso coincide con laggiunto.
Teorema 180

U è unitario
_
_
x, y E,
_
Ux,

Uy
_
= x, y)
x, y E,
_
Ux,

Uy
_
=
_
x,

U
+

Uy
_
=
U
+
U=
1
x, y)
x, y E,
_
x,

U
+

Uy
_
= x, y) =

U
+

U =

1
207
U
+

U =

1 =
_
U
+

U
_
+
=

1
+
=

U

U
+
=

1
In altre parole, una trasformazione unitaria conserva il prodotto interno. La condizione
precedente può essere formulata in termini di norma di un vettore:
x E,
Ux
= [[x[[ (7.6)
Osservazione 181

U : E E, tale che Im

U = E,
U
1
, donde

U è una applicazione
biettiva di E in sè. Inoltre,
_
Ux,

Uy
_
= x, y), quindi per la denizione 6.10, gli operatori
unitari deniscono un isomorsmo di uno spazio unitario in sè.
Osservazione 182 La (7.6) può essere scritta come:
x, y E,
U (x y)
= [[x y[[
In altri termini, una trasformazione unitaria conserva le distanze. Da qui il nome di
isometria.
***
In una qualunque base ortonormale e
i
un operatore unitario è rappresentato da una
matrice unitaria:
U = (a
ik
)
Loperatore aggiunto è invece rappresentato dalla trasposta coniugata:
U
+
= (b
ik
) , essendo b
ik
= a
ki
Vediamo quali sono le proprietà di una matrice unitaria. Deve essere:
UU
+
= 1
Cioè
UU
+
= (
ij
)
Esplicitando il prodotto righe per colonne:
n
k=1
a
ik
b
kj
=
ij

n
k=1
a
ik
a
jk
=
ij
Quindi:
n
k=1
[a
ik
[
2
= 1, (i = 1, 2, ..., n)
Cioè la somma del quadrato dei moduli degli elementi di una colonna è pari a 1.
Inoltre:
208
U
+
U = 1
Cioè
U
+
U = (
ij
)
Esplicitando il prodotto righe per colonne:
n
k=1
b
ik
a
kj
=
ij

n
k=1
a
ki
a
kj
=
ij
Quindi:
n
k=1
[a
ki
[
2
= 1, (i = 1, 2, ..., n)
Cioè la somma del quadrato dei moduli degli ementi di una riga è pari a 1.
Riassumendo, assegnata la matrice unitaria:
U =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
U verica le seguenti proprietà:
n
k=1
[a
ik
[
2
= 1, (i = 1, 2, ..., n)
n
i=1
[a
ik
[
2
= 1, (k = 1, 2, ..., n)
Proposizione 183 Sia

U operante sullo spazio unitario E. Se e
i
è una base ortonormale:
_
Ue
i
_
è una base ortonormale
_
U è unitario
Dimostrazione. Implicazione inversa
U è unitario =
_
Ue
i
,

Ue
j
_
= e
i
, e
j
) =
ij
=
_
Ue
i
_
= base o.n.
Implicazione diretta
Per ipotesi è:
_
Ue
i
,

Ue
j
_
=
ij
Esplicitiamo il primo membro:
_
n
k=1
a
ki
e
k
,
n
=1
a
k
j
e
k
_
=
n
k=1
n
=1
a
k
i
a
kk
=
n
k=1
a
ki
a
kj
209
Quindi:
n
k=1
a
ki
a
kj
=
ij
=(U = (a
ik
) matrice unitaria) =
_
U operatore unitario
_
Proposizione 184 Gli autovalori di un operatore unitario hanno modulo pari a 1.
Dimostrazione. Scriviamo lequazione agli autovalori per loperatore unitario

U:
Ux = x (x ,= 0)
Deve essere:
x, x) =
_
Ux,

Ux
_
= x, x) =
x, x) =
x,x=0
= 1 =[[ = 1
Denizione 185 Sia E uno spazio vettoriale sul campo K e H un suo sottospazio. Se
X End (E):
H è invariante per

X
_
def
_
x H,
_

Xx
_
H
Proposizione 186 Sia E uno spazio unitario e W un suo sottospazio.
W è invariante per

A End (E)
_
=
_
W
è invariante per

A
+
Dimostrazione. Per denizione di complemento ortogonale:
y W
=x W, x, y) = 0
Per ipotesi W è invariante per

A:
y W
, 0 =
_
Ax, y
_
=
_
x,

A
+
y
__
=y W
,
_
A
+
y
_
W
7.4 Operatori normali

Denizione 187 Sia

A End (E), con E spazio vettoriale unitario.
A è normale
_
def
A

A
+
=

A
+

A
In altri termini, un operatore è normale se commuta con il proprio aggiunto.
Proposizione 188 Sia

A un operatore normale operante sullo spazio unitario E. Se è
autovalore di

A:
x E () ,

A
+
x =
x
E () è invariante per

A
+
210
Dimostrazione.
x E () ,

A
_
A
+
x
_
=
_
A

A
+
_
x =
_
A
+

A
_
x =

A
+
x =
_
A
+
x
_
=
_
A
+
x
_
E () ,
cioè E () è invariante per

A
+
.
x, y E () =
_
A
+
x, y
_
=
_
x,

Ay
_
= x, y) =
x, y) =

A
+
x =
x
Teorema 189
A ammette una base o.n. di autovettori

_
A è normale
Sia e
i
una base o.n. di autovettori (i = 1, 2, ..., n = dimE):
Ae
i
=
i
e
i
Quindi la matrice rappresentativa nella suddetta base:
A =
_
_
_
_
1
0 ... 0
0
2
... 0
... ... ... ...
0 0 ...
n
_
_
_
_
La matrice rappresentativa dellaggiunto:
A
+
= (A
)
T
=
_
_
_
_
1
0 ... 0
0
2
... 0
... ... ... ...
0 0 ...
n
_
_
_
_
A e A
+
commutano:
AA
+
= A
+
A =

A

A
+
=

A
+

A
K = C = [ è autovalore per

A. Indicando con u
1
lautovettore:
Au
1
= u
1
Se E () è il corrispondente autospazio, si ha che dimE () = r che è il grado di degenerazione
di . Naturalmente E () E. Se risulta E () = E, segue che r = n, cioè lautovalore è
degenere n volte:
Au
(1)
1
= u
(1)
1
Au
(2)
1
= u
(2)
1
...
Au
(n)
1
= u
(n)
1
211
Il sistema
_
u
(1)
1
, u
(2)
1
, ..., u
(n)
1
_
compone una base di E. Tale base può essere ortonormalizzata
attraverso il procedimento di Gram-Schmidt, per cui il teorema è dimostrato. Consideriamo
ora E () E, per cui dimE () = r < n.
Il complemento ortogonale E
() è tale che dimE
() = n r.
Se r > 1 lautovalore è degenere r volte. Procediamo per induzione, ponendo inizialmente
r = n 1, donde dimE
() = 1:
e
1
, e
2
, ..., e
n1
= base o.n. di E ()
e
n
= base di E
() con [[e
n
[[ = 1
Osserviamo innanzitutto che per denzione di complemento ortogonale:
e
n
, e
i
) = 0, per i = 1, 2, ..., n 1 (7.7)
Inoltre, dalla proposizione 188 sappiamo che E () è invariante per

A
+
, e dalla proposizione
186 segue che E
() è invariante per
_
A
+
_
+
=

A. Quindi:
e
n
E
() =
_
Ae
n
_
E
() =
dimE
()=1
C [

Ae
n
= e
n
(7.8)
Da (7.7) e (7.8):
e
1
, e
2
, ..., e
n1
e
n
= base o.n. di autovettori di

A
Lasserto segue per induzione per ogni valore di r = n 2, n 3, ..., 1.
Corollario 190 Gli operatori unitari e autoaggiunti sono diagonalizzabili.
Dimostrazione. Segue direttamente dal teorema precedente, giacche si tratta di operatori
normali.
Teorema 191 Sia

A un operatore normale operante nello spazio unitario E
n
nito-dimensionale.
Se
i
(i = 1, 2, ..., r) sono gli autovalori di

A, abbiamo
E (
i
) E (
j
) , con i ,= j (7.9)
E = E (
1
) E (
2
) ... E (
r
)
A =
1

P
1
+
2

P
2
+ ... +
r

P
r
,
qui

P
i
è loperatore di proiezione ortogonale:
P
i
: x E u E (
i
)
Dimostrazione. Presi ad arbitrio u E (
i
), v E (
j
) con i ,= j:
i
u, v) =
_
Au, v
_
=
_
u,

A
+
v
_
=
u,
j
v
_
=
j
u, v)
=(
i
j
) u, v) = 0 =
i
=
j
u, v) = 0
212
Quindi:
u E (
i
) , v E (
j
) , u, v) = 0 =E (
i
) E (
j
) , con i ,= j
Cioè la prima delle (7.9) (autospazi corrispondenti ad autovalori distinti, sono ortogonali)
Per dimostrare la seconda, osserviamo che:
x E =u
i
E (
i
) [ x =
r
i=1
u
i
,
cioè:
E = E (
1
) + E (
2
) + ... + E (
r
) (7.10)
Inoltre:
0 ,= u
i
E (
i
) =u
i
/ E (
j=i
)
Quindi
E (
i
) E (
j=i
) = 0 (7.11)
Da (7.10) e (7.11):
E = E (
1
) E (
2
) ... E (
r
)
cioè la seconda delle (7.9). La terza segue direttamente dalla denizione di operatore di
proiezione ortogonale.
Esempio 192 Sia

A End (E
4
) rappresentato dalla matrice:
A = diag (2, 3, 4, 1)
Quindi gli autovalori sono:
1
= 2,
2
= 3,
3
= 4,
4
= 1
I corrispondenti autospazi sono unidimensionali: dimE (
i
) = 1. Gli autovettori:
u
1
= (1, 0, 0, 0)
u
2
= (0, 1, 0, 0)
u
3
= (0, 0, 1, 0)
u
4
= (0, 0, 0, 1)
Quindi:
E (
1
) = au
1
[ a R
E (
2
) = bu
2
[ b R
E (
3
) = cu
3
[ c R
E (
4
) = du
4
[ d R
213
Gli operatori di proiezione ortogonale sugli autospazi:
P
1
.
= diag (1, 0, 0, 0)
P
2
.
= diag (0, 1, 0, 0)
P
3
.
= diag (0, 0, 1, 0)
P
4
.
= diag (0, 0, 0, 1)
Evidentemente:
4
i=1
P
i
=

1
4
i=1
i

P
i
=

A
Esempio 193 Sia

A End (E
4
) rappresentato dalla matrice:
A = diag (2, 2, 4, 1)
Quindi gli autovalori sono:
1
= 2, ,
2
= 4,
3
= 1
Si osservi che
1
è degenere 2 volte.
I corrispondenti autospazi sono tali che: dimE (
1
) = 2, dimE (
i>1
) = 1. Gli autovettori:
u
(1)
1
= (1, 0, 0, 0)
u
(2)
1
= (0, 1, 0, 0)
u
2
= (0, 0, 1, 0)
u
3
= (0, 0, 0, 1)
Quindi:
E (
1
) =
_
au
(1)
1
+ bu
(2)
1
[ a, b R
_
E (
2
) = cu
1
[ c R
E (
3
) = du
1
[ d R
Gli operatori di proiezione ortoganale sugli autospazi:
P
1
.
= diag (1, 1, 0, 0)
P
2
.
= diag (0, 0, 1, 0)
P
3
.
= diag (0, 0, 0, 1)
Evidentemente:
3
i=1
P
i
=

1
3
i=1
i

P
i
=

A
214
Capitolo 8
Spazi vettoriali euclidei (2 parte)
Le nozioni precedenti (trasformazioni unitarie e operatori normali) si estendono al caso di
uno spazio euclideo E.
Denizione 194 Loperatore

A End (E) è ortogonale se risulta:
A

A
+
=

A
+

A =

1
Osserviamo che la matrice rappresentativa delloperatore aggiunto è A
+
=
_
A
T
_
= A
T
,
essendo reali gli elementi di A. Quindi
Denizione 195 Una matrice A è ortogonale se:
AA
T
= A
T
A =

1
In altre parole, una matrice è ortogonale se linversa coincide con la trasposta.
Sussistono le proprietà delle matrici unitarie. Precisamente, la conservazione del prodotto
scalare e delle distanze. Inoltre, se A = (a
ik
):
n
i=1
[a
ik
[
2
= 1, k = 1, 2, ..., n
n
k=1
[a
ik
[
2
= 1, i = 1, 2, ..., n
Esempio 196 Consideriamo un sistema di assi cartesiani ortogonali R(0xyz) in R
3
. Es-
eguendo una rotazione attorno allasse z di un angolo , si passa da R(0xyz) a R
(0x
).
Tale trasformazione di coordinate è realizzata da un operatore

1() End (R
3
):
1
z
() x = x
Qui è x = (x, y, z), x
= (x
, y
, z
), con:
x
= xcos + y sin
y
= xsin + y cos
z
= z
215

1
z
() nella base canonica, è:
1
z
() =
_
_
cos sin 0
sin cos 0
0 0 1
_
_
La matrice 1() è ortogonale:
1
z
() 1
z
()
T
= 1
z
()
T
1
z
() =

1
Tale risultato si generalizza ai rimanenti assi coordinati x e y, e quindi a qualsiasi asse
passante per lorigine, per cui una rotazione è una trasformazione ortogonale delle coordinate
dello spazio euclideo R
3
.
216
Parte III
Appendici
217
Appendice A
Soluzioni degli esercizi proposti
A.1 Operazioni sulle matrici e calcolo di determinanti
del secondo ordine
AB =
_
_
a
11
b
11
+ a
12
b
21
a
11
b
12
+ a
12
b
22
a
21
b
11
+ a
22
b
21
a
21
b
12
+ a
22
b
21
a
31
b
11
+ a
32
b
21
a
31
b
12
+ a
32
b
22
_
_
A +B D =
_
_
p 2 q
4 r 1 s
9 t 9 u
_
_
Quindi:
A + B D = 0 (p = 2, q = 0, r = 4, s = 1, t = 9, u = 9)
cioè:
D =
_
_
2 0
4 1
9 9
_
_
***
A + B =
_
_
4 1 2
0 3 2
1 2 3
_
_
A C =
_
_
3 1 5
5 3 0
0 1 2
_
_
2A =
_
_
2 4 6
10 0 4
2 2 2
_
_
218
A + (B C) =
_
_
0 0 3
9 1 5
2 1 1
_
_
(A + B) C =
_
_
0 0 3
9 1 5
2 1 1
_
_
D =
_
_
x
1
x
2
x
3
x
4
x
5
x
6
x
7
x
8
x
9
_
_
ed è tale che:
A + D = B
Ci` o implica:
_
_
1 +x
1
2 +x
2
2 +x
3
5 +x
4
x
5
2 +x
6
1 +x
7
1 +x
8
1 +x
9
_
_
=
_
_
3 1 2
4 2 5
2 0 3
_
_
da cui:
1 +x
1
= 3
2 +x
2
= 1
3 +x
3
= 2
5 +x
4
= 4
2 +x
6
= 5
1 +x
7
= 2
1 +x
8
= 0
1 +x
9
= 3
Quindi:
D =
_
_
2 3 5
1 1 3
1 1 2
_
_
219
B A =
_
_
2 3 5
1 1 3
1 1 2
_
_
(A B) =
_
_
_
_
1 2 3
5 0 2
1 1 1
_
_
_
_
3 1 2
4 2 5
2 0 3
_
_
_
_
=
_
_
2 3 5
1 1 3
1 1 2
_
_
***
2 3
1 4
= 2 4 3 1 = 5;
2 1
1 2
= 4 + 1 = 5;
sin cos
cos sin
= sin
2
+ cos
2
a = 1;
+ i +i
i i
=
2
+
2
2
+
2
_
=
2
+
2
sin sin
sin cos
= sin cos sin cos a = sin ( )
cos sin
sin cos
= cos cos sin sin = cos ( + )
tan 1
1 tan
= tan
2
+ 1 = sec
2
1 lg
b
a
lg
a
b 1
= 1 lg
a
b lg
b
a =
(lg
a
b=lg
b
a)
0
a +b b + d
a + c c + d
= ac + bd ab cd = a (c b) + d (b c)
a + b a b
a b a b
= a
2
+ 2ab + b
2
a
2
+ 2ab b
2
= 4ab
x 1 1
x
3
x
2
+ x + 1
= (x 1)
_
x
2
+ x + 1
_
x
3
= x
3
1 x
3
= 1
=
2
+ =
_
cos
_
2
3
_
+ i sin
_
2
3
__
2
+ i sin
_
2
3
_
220
A.2 Determinanti del terzo ordine
1 1 1
1 0 1
1 1 0
= (1)
1 1
1 0
(1)
1 1
1 1
= (0 + 1) + (1 + 1) = +1
0 1 1
1 0 1
1 1 0
1 1
1 0
1 1
0 1
= (0 1) + (1 0) = +1 + 1 = 2
a a a
a a x
a a x
= a
2
1 1 a
1 1 x
1 1 x
= a
2
1 1 a
0 2 a + x
1 1 x
= a
2
_
2 a + x
1 z
1 a
2 a + x
_
= 2a
2
(a + x)
1 1 1
1 2 3
1 3 6
1 1 1
1 2 3
0 1 3
1 1 1
0 1 2
0 1 3
1 2
1 3
= 1
1 i 1 +i
i 1 0
1 i 0 1
= (1 i)
i 1 +i
1 0
= (1 +i) (1 i) = 2
1 cos

3
+ i sin

3
cos

4
+ i sin

4
cos

3
i sin

3
1 cos
2
3
+ i sin
2
3
cos

4
i sin

4
cos
2
3
i sin
2
3
1
1 cos
2
3
+ i sin
2
3
cos
2
3
i sin
2
3
1
_
cos

3
+ i sin

3
_
cos

3
i sin

3
cos
2
3
+ i sin
2
3
cos

4
i sin

4
1
+
+
_
cos

4
+ i sin

4
_
cos

3
i sin

3
1
cos

4
i sin

4
cos
2
3
i sin
2
3
= 0
_
1
2

i
3
2
__
i
2

_
1
2
+
i
2
_
_
3
2
+
1
2

i
2
3
2
_
+
_
1
1 +i
2
_
= 1
1 i
2
1
1 +i
2
= 2
2
Poniamo:
def
=
1 1 1
1
2
1
2
=
_
3
3 + 2
_
per = cos
2
3
+i sin
2
3
:
= 3i
3
221
A.3 Determinanti di ordine qualsiasi
Si tratta di determinare gli zeri della funzione f (x). Lo sviluppo del determinante porge:
f (x) = x
2
x 8,
donde:
f (x) = 0 x =
1
2
_
1
33
_
***
Per una nota proprietà, il determinante di una matrice diagonale è pari al prodotto degli
elementi della diagonale principale, donde:
det A
diag
= 1 2 3 ... n = n!
***
Il calcolo diretto di (n) (eq. 1.55) porge:
(2) = 1, (3) = 1, (4) = 1, (5) = 1, (6) = 1
Da ciò segue che:
(n) = (1)
k(n)
,
essendo k (n) tale che:
k (n) =
_
_
dispari, n = 2
dispari, n = 3
pari, n = 4
pari, n = 5
dispari, n = 6
.................
(A.1)
La (A.1) implica che k (n) deve essere del tipo:
k (n) = an
2
+ bn (A.2)
Anchè sia valida la (A.1):
4a + 2b = 1
9a + 3b = 3,
da cui:
(a, b) =
_
1
2
,
1
2
_
=k (n) =
n(n 1)
2
222
Si conclude:
(n) = (1)
n(n1)
2
***
Il calcolo diretto di (n) (eq. 1.56) porge:
D(2) = 2, D(3) = 6, D(4) = 24, D(5) = 120, D(6) = 720
Da ciò segue:
D(n) = nD(n 1)
Quindi:
D(n) = n(n 1) (n 2) ... 1 = n!
***
Calcoliamo direttamente F (n) per n = 2, 3. La (1.57) è:
f
2
(x) = x(x 1) (A.3)
f
3
(x) = x(x 1) (x 2)
Quindi:
F (2) =
f
2
(0) f
2
(1) f
2
(2)
f
2
(1) f
2
(2) f
2
(3)
f
2
(2) f
2
(3) f
2
(4)
0 0 2
0 2 6
2 6 12
= 8;
F (3) =
f
3
(0) f
3
(1) f
3
(2) f
3
(3)
f
3
(1) f
3
(2) f
3
(3) f
3
(4)
f
3
(2) f
3
(3) f
3
(4) f
3
(5)
f
3
(3) f
3
(4) f
3
(5) f
3
(6)
0 0 0 3
0 0 3 24
0 3 24 60
3 24 60 120
= 1296
Osserviamo che:
223
(2!)
3
= 8
(3!)
4
= 1296
donde:
[F (n)[ = n!
n+1
Inoltre:
n(n 1)
2
=
_
1, n = 1
2, n = 2
Quindi:
F (n) = (1)
n(n1)
2
n!
n+1
***
Eseguiamo il calcolo esplicito per n = 2:
G(x, 2) =
f
2
(x) f
2
(x) f
2
(x)
f
2
(x) f
2
(x) f
2
(x)
f
2
(x) f
2
(x) f
(4)
2
(x)
Dalla prima delle (A.3):

f
2
(x) = 2x 1; f
2
(x) = 2; f
2
(x) = f
(4)
2
(x) = 0
Quindi:
G(x, 2) =
x
2
x 2x 1 2
2x 1 2 0
2 0 0
= 8
Eseguiamo il calcolo esplicito per n = 3:
G(x, 3) =
f
3
(x) f
3
(x) f
3
(x) f
3
(x)
f
3
(x) f
3
(x) f
3
(x) f
(4)
3
(x)
f
3
(x) f
3
(x) f
(4)
3
(x) f
(5)
3
(x)
f
3
(x) f
(4)
3
(x) f
(5)
3
(x) f
(6)
3
(x)
Dalla seconda delle (A.3):

f
3
(x) = 3x
2
6x + 2
f
3
(x) = 6 (x 1)
f
3
(x) = 6
f
(r)
3
(x) = 0, (r = 4, 5, ...)
224
Quindi:
G(x, 3) =
x(x 1) (x 2) 3x
2
6x + 2 6 (x 1) 6
3x
2
6x + 2 6 (x 1) 6 0
6 (x 1) 6 0 0
6 0 0 0
= 1296
Si conclude che: 1) G(x, n) G(n); 2) G(n) = F (n) = (1)
n(n1)
2
n!
n+1
.
***
Risolviamo la (1.58) per alcuni valori di n. Per n = 1 la soluzione è immediata:
1 x
1 a
1
= 0 x a
1
= 0 x = a
1
Per n = 2:
1 x x
2
1 a
1
a
2
1
1 a
2
a
2
2
= 0 (x a
1
) (x a
2
) (a
2
a
1
) = 0 x = a
1
, a
2
Per n = 3:
1 x x
2
x
3
1 a
1
a
2
1
a
3
1
1 a
2
a
2
2
a
3
2
1 a
3
a
2
3
a
3
3
= 0 (x a
1
) (x a
2
) (a
2
a
1
) (a
3
a
1
) = 0 x = a
1
, a
2
, a
3
Per ogni n N:
1 x x
2
... x
n1
1 a
1
a
2
1
... a
n1
1
1 a
2
a
2
2
... a
n1
2
... ... ... ... ...
1 a
n1
a
2
n1
... a
n1
n1
= 0
n1
k=1
(x a
k
) = 0 x = a
1
, a
2
, ..., a
n
***
La (1.59) per n = 2 si scrive:
1 1
1 1 x
= 0 x = 0
Per n = 3:
1 1 1
1 1 x 1
1 1 2 x
= 0 x(x 1) =x = 0, 1
225
Per n = 4:
1 1 1 1
1 1 x 1 1
1 1 2 x 1
1 1 1 3 x
= 0 x
_
x
2
3x + 2
_
= 0 x = 0, 1, 2
Per n = 5:
1 1 1 1 1
1 1 x 1 1 1
1 1 2 x 1 1
1 1 1 3 x 1
1 1 1 1 4 x
= 0 x
_
x
3
6x
2
+ 11x 6
_
= 0 x = 0, 1, 2, 3
Si conclude che (1.59) è unequazione di grado n 1, le cui soluzioni sono:
x = 0, 1, 2, ..., n 2
***
Risolviamo la (1.60) per n = 2:
a
1
a
2
a
1
a
1
+ a
2
x
= 0 a
1
(a
1
x) = 0 x = a
1
Per n = 2:
a
1
a
2
a
3
a
1
a
1
+ a
2
x a
3
a
1
a
2
a
2
+a
3
x
= 0 a
1
(a
1
x) (a
2
x) = 0 x = a
1
,a
2
Per n = 3:
a
1
a
2
a
3
a
4
a
1
a
1
+a
2
x a
3
a
4
a
1
a
2
a
2
+ a
3
x a
4
a
1
a
2
a
3
a
3
+ a
4
x
= a
1
(a
1
x) (a
2
x) (a
3
x) = 0 x = a
1
,a
2
, a
3
Per n = 4:
a
1
a
2
a
3
a
4
a
5
a
1
a
1
+ a
2
x a
3
a
4
a
5
a
1
a
2
a
2
+ a
3
x a
4
a
5
a
1
a
2
a
3
a
2
+ a
3
x a
5
a
1
a
2
a
3
a
3
a
3
+ a
4
x
= a
1
(a
1
x) (a
2
x) (a
3
x) = 0 x = a
1
,a
2
, a
3
, a
4
226
Per ogni n:
a
1
a
2
a
3
... a
n
a
1
a
1
+ a
2
x a
3
... a
n
a
1
a
2
a
2
+a
3
x ... a
n
... ... ... ... ...
a
1
a
2
a
3
... a
n1
+ a
n
x
=
n1
k=1
a
k
(a
k
x) = 0 x = a
k
, (k = 1, 2, ..., n 1)
***
Il determinante (1.61) è nullo, in quanto la terza colonna è combinazione lineare delle prime
due. Infatti:
2
+ 6 + 9 = C
1
2
+ C
2
_
2
+ 2 + 1
_
+C
3
_
2
+ 4 + 4
_
,
da cui:
C
1
+ C
2
+ C
3
= 1
0 + 2C
2
+ 4C
3
= 6
0 +C
2
+ 4C
3
= 9
Tale sistema lineare è compatibile e determinato:
(C
1
, C
2
, C
3
) = (1, 6, 9)
Quindi:
(k + 3)
2
= k
2
3 (k + 1)
2
+ 3 (k + 2) , k = , , ,
da cui lannullarsi del determinante.
***
La matrice complementare della (1.62) relativa allelemento 11 è la matrice diagonale di
ordine n 1:
A
11
=
_
_
_
_
a
2
0 ... 0
0 a
3
... 0
... ... ... ...
0 0 ... a
n
_
_
_
_
Il complemento algebrico dellelemento 11 è:
11
= (1)
2
M
11
,
227
essendo:
M
11
= det A
11
=
n
k=2
a
k
`
E facile rendersi conto che:
M
ij
= 0 se i ,= j,
poiche ogni A
ij
con i ,= j ha una riga nulla. Ad esempio:
A
12
=
_
_
_
_
0 a
2
... 0
0 0 ... 0
... ... ... ...
0 0 ... a
n
_
_
_
_
Inoltre:
A
22
=
_
_
_
_
a
1
0 0 ... 0
0 a
3
0 ... 0
... ... ... ... ...
0 0 0 0 a
n
_
_
_
_
,
quindi:
22
= M
22
= det A
22
=
n
k=1
k=2
a
k
Si conclude che:
ij
= 0, se i ,= j
ii
=
n
k=1
k=i
a
k
Passando alla somma dei complementi algebrici:
n
i=1
n
j=1
ij
=
n
i=1
ii
=
n
i=1
n
k=1
k=i
a
k
= a
2
a
3
...a
n
+ a
1
a
3
...a
n
+ ... + a
1
a
2
...a
n1
= a
1
a
2
...a
n
_
1
a
1
+
1
a
2
+... +
1
a
n
_
228
***
`
E conveniente eseguire il calcolo diretto per n = 3. La matrice (1.63) è:
A =
_
_
0 0 a
1
0 a
2
0
a
3
0 0
_
_
Segue:
A
11
=
a
2
0
0 0
= 0 =
11
= 0
A
12
=
0 0
a
3
0
= 0 =
12
= 0
A
13
=
0 a
2
a
3
0
= a
2
a
3
=
13
= b
2
b
3
A
21
=
0 a
1
0 0
= 0 =
22
= 0
A
22
=
0 a
1
a
3
0
= a
1
a
3
=
22
= 0
A
23
=
0 0
a
3
0
= 0 =
23
= 0
A
31
=
0 a
1
a
2
0
= a
1
a
2
=
31
= a
1
a
2
A
32
=
0 a
1
0 0
= 0 =
32
= 0
A
33
=
0 0
0 a
2
= 0 =
33
= 0
Sommando:
3
i=1
3
j=1
ij
= (a
1
a
2
a
3
)
_
1
a
1
+
1
a
2
+
1
a
2
_
Per ogni n:
n
i=1
n
j=1
ij
= (1)
n
a
1
a
2
...a
n
_
1
a
1
+
1
a
2
+ ... +
1
a
n
_
***
Sviluppando (1.64):
229
= a
0 1 1
1 1 1
1 1 0
. .
=+3
b
1 1 1
0 1 1
1 1 0
. .
=+1
= +c
1 0 1
0 1 1
1 1 0
. .
=+2
d
1 0 1
0 1 1
1 1 1
. .
=1
= 3a b + 2c d
***
Sviluppando (1.65):
= x
1 2 1
1 1 2
1 1 1
. .
=+1
+ y
2 1 1
1 1 2
1 1 1
. .
=1
+ z
2 1 1
1 2 1
1 1 1
. .
=1
+ 4
2 1 1
1 2 1
1 1 2
. .
4
= 4t (x +y + z)
***
Sviluppando (1.66):
= a
0 1 1
1 0 1
1 1 0
. .
=+2
b
1 1 1
1 0 1
1 1 0
. .
=+1
+ c
1 1 1
0 1 1
1 1 0
. .
=1
d
1 1 1
0 1 1
1 0 1
. .
=1
= 2a b + c d
***
17.
1 2 3 ... n
1 0 3 ... n
1 2 0 ... n
... ... ... ... ...
1 2 3 ... 0
; è conveniente eseguire il calcolo diretto per alcuni signicativi

valori dellintero naturale n:
n = 2:
1 2
1 0
= 2 = 2!
n = 3:
1 2 3
1 0 3
1 2 0
= 6 = 3!
230
n = 4:
1 2 3 4
1 0 3 4
1 2 0 4
1 2 3 0
= 24 = 6!
n = 5:
1 2 3 4 5
1 0 3 4 5
1 2 0 4 5
1 2 3 0 5
1 2 3 4 0
= 120 = 5!
Si conclude che per ogni n, il determinante vale n!.
18. Anche qui è conveniente calcolare per assegnati n:
n = 2:
1 a
1
1 a
1
+ b
1
= b
1
n = 3:
1 a
1
a
2
1 a
1
+ b
1
a
2
1 a
1
a
2
+ b
2
= b
1
b
2
n = 4:
1 a
1
a
2
a
2
1 a
1
+ b
1
a
2
a
3
1 a
1
a
2
+ b
2
a
3
1 a
1
a
2
a
3
+ b
3
= b
1
b
2
b
3
Si conclude che D(n) =
n
k=1
b
k
19. Esplicitando per i vari n:
n = 2; f
2
(x; x
1
) =
1 x
1
1 x
= x x
1
n = 3; f
3
(x; x
1
, x
2
) =
1 x
1
x
2
1 x x
2
1 x
1
x
= (x x
1
) (x x
2
)
n = 4; f
4
(x; x
1,
x
2
, x
3
) =
1 x
1
x
2
x
3
1 x x
2
x
3
1 x
1
x x
3
1 x
1
x
2
x
= (x x
1
) (x x
2
) (x x
3
)
Si conlude che:
f
n
(x; x
1
, x
2
, ..., x
n
) =
n
k=1
(x x
k
)
231
20. Esplicitiamo (1.67) per diversi valori di n:
(2) =
1 2
1 3
= 1
(3) =
1 2 3
1 3 3
1 2 5
= 2
(4) =
1 2 3 4
1 3 3 4
1 2 5 4
1 2 3 7
= 6
(5) =
1 2 3 4 5
1 3 3 4 5
1 2 5 4 5
1 2 3 7 5
1 2 3 4 9
= 24
Si conclude che (n) = (n 1)!
21. Esplicitiamo (1.68) per diversi valori di n:
(2) =
1 2
2 2
= 2
(3) =
1 2 2
2 2 2
2 2 3
= 2
(4) =
1 2 2 2
2 2 2 2
2 2 3 2
2 2 2 4
= 4
(5) =
1 2 2 2 2
2 2 2 2 2
2 2 3 2 2
2 2 2 4 2
2 2 2 2 5
= 12
Si conclude che (n) = 2 (n 2)!
22. Risulta:
n = 1 =(b
1
) =
1 b
1
1 1 b
1
= 1
n = 2 =(b
1
, b
2
) =
1 b
1
0
1 1 b
1
b
2
0 1 1 b
2
= 1
232
n = 3 =(b
1
, b
2
, b
3
) =
1 b
1
0 0
1 1 b
1
b
2
0
0 1 1 b
2
b
2
0 0 1 1 b
2
= 1
Da ciò segue:
n N 0 , (b
1
, b
2
, ..., b
n
) = 1
23. Risulta:
(2) =
a a +h
a a
= a (2a + h)
(3) =
a a + h a + 2h
a a 0
0 a a
= 3a
2
(a + h)
(4) =
a a + h a + 2h a + 3h
a a 0 0
0 a a 0
0 0 a a
= 2a
3
(2a + 3h)
(5) =
a a + h a + 2h a + 3h a + 4h
a a 0 0 0
0 a a 0 0
0 0 a a 0
0 0 0 a a
= 5a
4
(a + 2h)
Da ciò segue che:
(n) = a
n1
f
n
Deve essere:
f
2
= 2a + h
f
3
= 3 (a + h) = 3
_
a +
3 1
2
h
_
f
4
= 4
_
2a +
3
2
h
_
f
5
= 5 (a + 2h) = 5
_
a +
5 1
2
h
_
...
f
n
= n
_
a +
n 1
2
h
_
,
cioè:
(n) = na
n1
_
a +
n 1
2
h
_
233
24. Per n = 4:
(4) =
a
0
1 0 0
a
1
x 1 0
a
2
0 x 1
a
3
0 0 x
= a
0
x
3
+ a
1
x
2
+ a
2
x +a
3
Per ogni n:
(n) = a
0
x
n1
+ a
1
x
n2
+ ... + a
3
25. Per n = 4:
(4) =
4 3 2 1
1 x 0 0
0 1 x 0
0 0 1 x
= 4x
3
+ 3x
2
+ 2x + 1
Per ogni n:
(n) =
n
k=1
kx
k1
26. Il determinante (1.72) è:
r
1
k=1
1k
a
k
1
r
1
k=1
1k
a
k
2
...
r
1
k=1
1k
a
k
n
r
2
k=1
2k
a
k
1
r
2
k=1
2k
a
k
2
...
r
2
k=1
2k
a
k
n
... ... ... ...
r
n
k=1
nk
a
k
1
r
n
k=1
nk
a
k
2
...
r
n
k=1
nk
a
k
n
, (A.4)
poiche:
f
h
(x) =
r
k
k=1
hk
x
h
, h = 1, 2, ..., n
234
Per una nota proprietà dei determinanti, la (A.4) può essere scritta come:
11
a
1
r
1
k=1
1k
a
k
2
...
r
1
k=1
1k
a
k
n
21
a
1
r
2
k=1
2k
a
k
2
...
r
2
k=1
2k
a
k
n
... ... ... ...
n1
a
1
r
n
k=1
nk
a
k
2
...
r
n
k=1
nk
a
k
n
+
+
12
a
2
1
r
1
k=1
1k
a
k
2
...
r
1
k=1
1k
a
k
n
22
a
2
1
r
2
k=1
2k
a
k
2
...
r
2
k=1
2k
a
k
n
... ... ... ...
n2
a
n
1
r
n
k=1
nk
a
k
2
...
r
n
k=1
nk
a
k
n
+ ...
... +
1r
1
a
r
1
1
r
1
k=1
1k
a
k
2
...
r
1
k=1
1k
a
k
n
2r
1
a
r
1
1
r
2
k=1
2k
a
k
2
...
r
2
k=1
2k
a
k
n
... ... ... ...
nr
1
a
r
1
1
r
n
k=1
nk
a
k
2
...
r
n
k=1
nk
a
k
n
=
r
1
k=1
_
_
a
k
1
1k
r
1
k=1
1k
a
k
2
...
r
1
k=1
1k
a
k
n
2k
r
2
k=1
2k
a
k
2
...
r
2
k=1
2k
a
k
n
... ... ... ...
nk
r
n
k=1
nk
a
k
2
...
r
n
k=1
nk
a
k
n
_
=
r
1
k=1
r
2
k=1
...
r
n
k=1
a
k
1
a
k
2
...a
k
n
1k

1k
...
1k
2k

2k
...
2k
... ... ... ...
nk

nk
...
nk
1 1 ... 1
1 1 ... 1
... ... ... ...
1 1 ... 1
r
1
k=1
r
2
k=1
...
r
n
k=1
a
k
1
a
k
2
...a
k
n
1k
2k
...
nk
= 0
235
27. Per n = 1, 2, 3:
n = 1 =f (x
1
; y
1
) =
a
0
a
1
y
1
x
1
= a
0
x
1
+a
1
y
1
n = 2 =f (x
1
, x
2
; y
1
, y
2
) =
a
0
a
1
a
2
y
1
x
1
0
0 y
2
x
2
= a
0
x
1
x
2
+ a
1
x
2
y
1
+a
2
y
1
y
2
n = 3 =f (x
1
, x
2
, x
3
; y
1
, y
2
, y
3
) =
a
0
a
1
a
2
a
3
y
1
x
1
0 0
0 y
2
x
2
0
0 0 y
3
x
3
= a
0
x
1
x
2
x
3
+a
1
x
2
x
3
y
1
+ a
2
x
3
y
1
y
2
+a
3
y
1
y
2
y
3
Per tutti gli n:
f (x
1
, x
2
, ..., x
n
; y
1
, y
2
, ..., y
n
) =
n
h=0
a
k
h
k=1
y
k
n
j=h+1
x
j
28. Per n = 1, 2, 3:
f
1
(x) =
a
0
0
1 x
= a
0
x
f
2
(x) =
2a
0
a
1
0
2 x 0
0 1 x
= 2
_
a
0
x
2
+ 2a
1
_
f
3
(x) =
6a
0
2a
1
a
2
a
3
3 x 0 0
0 2 x 0
0 0 0 x
= 3!
_
a
0
x
3
+ a
1
x
2
+ a
2
x + a
0
_
Per tutti gli n:
f
n
(x) = n!
n
k=0
a
k
x
3k
236
29. Esplicitiamo (1.75):
D(1) = 2
D(2) =
2 1
1 2
= 3
D(3) =
2 1 0
1 2 1
0 1 2
= 4
D(4) =
2 1 0 0
1 2 1 0
0 1 2 1
0 0 1 2
= 5
D(5) =
2 1 0 0 0
1 2 1 0 0
0 1 2 1 0
0 0 1 2 1
0 0 0 1 2
= 6
...
D(n) = n + 1
30. Esplicitiamo lespressione analitica della (1.76) per vari n:
f
1
(x) = 2 cos x
f
2
(x) =
2 cos x 1
1 2 cos x
= 4 cos
2
x 1
f
3
(x) =
2 cos x 1 0
1 2 cos x 1
0 1 2 cos x
= 4 cos x + 8 cos
3
x
Osserviamo che:
4 cos
2
x 1 =
sin 3x
sin x
4 cos x + 8 cos
3
x =
sin 4x
sin x
Ciò implica:
f
n
(x) =
sin [(n + 1) x]
sin x
Il graco è riportato in gura A.1
237
-2 -1 0 1 2
-2
0
2
4
6
8
Figura A.1: Graco di f
n
(x) per n = 1, 2, 3, ..., 7.
31. Esplicitiamo lespressione analitica della (1.77) per vari n:
f
1
(x) = cos x
f
2
(x) =
cos x 1
1 2 cos x
= 2 cos
2
x 1
f
3
(x) =
cos x 1 0
1 2 cos x 1
0 1 2 cos x
= 3 cos x + 4 cos
3
x
Osserviamo che:
2 cos
2
x 1 = cos 2x
3 cos x + 8 cos
3
x = cos 3x
Ciò implica:
f
n
(x) = cos (nx)
Il graco è riportato in gura A.2
238
-1 -0.5 0.5 1
-1
-0.5
0.5
1
Figura A.2: Graco di f
n
(x) per n = 1, 2, 3, ..., 7.
A.3.1 end
239

Algebra Lineare

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Algebra Lineare

Uploaded by

Copyright:

Available Formats

Algebra Lineare

> p `e ordine di nilpotenza per A.

Per n = 1, si pone per denizione:

Per denizione di matrice trasposta:

il determinante ottenuto da (1.39) scambiando la prima con la seconda

sono legati dalla relazione:

Sviluppando secondo gli elementi della seconda colonna:

Raccogliendo i fattori comuni per singola riga:

Calcolare il determinante della matrice di ordine n:

= 1, 2, ...n), risolvere lequazione algebrica di grado

= 1, 2, ...n), risolvere lequazione algebrica di grado

246 427 327

cos (a b) cos (b c) cos (c a)

= 2 sin (a b) sin (a c) sin (b c)

= [eb + af + 2c sin (a b) sin (a c) sin (b c)]

19. Esplicitare lespressione analitica della funzione f

che dipende linearmente dai rimanenti vettori di

, quindi per la proposizione 47,

`e linearmente dipendente. Ma ci`o contraddice lipotesi

`e linearmente indipendente, da qui la tesi.

= v `e linearmente dipendente. In forza dellarbitrariet`a di v E , ogni

`e linearmente dipendente, cio`e la tesi.

sia linearmente dipendente.

due sistemi di ordine massimo

v `e linearmente dipendente in forza della proposizione

(proposizione 62). In forza dellarbitrariet`a di v E ,

`e un sistema di ordine massimo.

[x] di tutti i polinomi in x e a coecienti

Presi n m vettori linearmente indipendenti e

Le componenti nelle rispettive basi sono legate da:

, il sistema (2.66) ammette lunica soluzione (

Studiamo il comportamento di tale operatore. Poniamo:

) due vettori arbitrari di R

da qui la non linearit`a di A.

[ [x[ + [x[ ; (3.10)

che ha per componenti

Th: : E F è un isomorsmo (basta dimostrare liniettività, poiche per ipotesi è

Osserviamo innanzitutto che:

(a, b) e i cui vettori sono le funzioni reali di una

Per il teorema (108) lapplicazione (4.7) non `e un isomorsmo.

(a, b) , D(f + g) = Df + Dg,

(a, b) , g (x) = f (x) + c ,= f (x)) =Df = Dg

1 : v v, la cui matrice rappresentativa `e la matrice identit`a di ordine n:

- risultato dellapplicazione delloperatore

(), per la (4.30) il vettore (v) E

Si osservi che nel caso speciale n = 1, lasserto `e banalmente vero:

sono ruotati rispetto a x, y di un angolo . Le

= xcos + y sin (4.45)

) il vettore posizione rispetto al sistema di coordinate ruotato di attorno

Si conclude che gli autovalori di

dello spazio vettoriale E, abbiamo

loperazione di somma tra funzionali lineari:

La (5.1) `e cos` denita:

La (5.3) `e cos` denita:

assume la struttura di spazio

spazio duale dello spazio vettoriale

`e il funzionale lineare tale che:

, quindi occorre far vedere

hanno componenti scritte in basso, e ci`o si esprime dicendo che

Il prodotto scalare di f e g date dalla (6.3) ha landamento riportato in gura 6.1.

sin (kx) cos (k

sin 2x, ...,

due spazi vettoriali euclidei.

sono isomor se esiste unapplicazione lineare biiettiva: