Sei sulla pagina 1di 890

Principi di Matematica ed Economia

1
Erio Castagnoli Massimo Marinacci Elena Vigna
1 Dicembre 2011
1
Appunti per uso esclusivo degli studenti del corso di Matematica generale dellUniversit
Bocconi. Queste note servono per integrare gli appunti presi a lezione e non sostituiscono in
alcun modo il libro di testo. Si tratta di appunti e in quanto tali saranno via via aggiornati e
corretti (invitiamo gli studenti a segnalarci ogni sErio errore). Ringraziamo Simone Cerreia-
Vioglio, Margherita Cigola, Fabio Maccheroni e Fabio Tonoli per i loro preziosi commenti.
2
Indice
I Strutture 15
1 Insiemi e numeri 17
1.1 Insiemi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.1.1 Sottoinsiemi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.1.2 Operazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.1.3 Propriet delle operazioni . . . . . . . . . . . . . . . . . . . . . 23
1.2 Numeri: introduzione intuitiva . . . . . . . . . . . . . . . . . . . . . . . 25
1.3 Struttura degli interi . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.3.1 Divisori e algoritmi . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.3.2 Numeri primi . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.4 Struttura dordine di R . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.4.1 Massimi e minimi . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.4.2 Estremi superiore e inferiore . . . . . . . . . . . . . . . . . . . . 42
1.4.3 Densit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.5 Potenze e logaritmi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
1.5.1 Potenze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
1.5.2 Potenze con esponente reale . . . . . . . . . . . . . . . . . . . . 47
1.5.3 Logaritmi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
1.6 Numeri, dita e circuiti . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
1.7 La retta reale estesa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2 Struttura cartesiana e R
a
57
2.1 Prodotti cartesiani e R
a
. . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.2 Operazioni in R
a
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.3 Struttura dordine in R
a
. . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.4 Applicazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.4.1 Incertezza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.4.2 Scelte statiche . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.4.3 Scelte intertemporali . . . . . . . . . . . . . . . . . . . . . . . . 67
2.5 Ottimi secondo Pareto . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.5.1 Scatola di Edgeworth . . . . . . . . . . . . . . . . . . . . . . . . 71
3
4 INDICE
3 Struttura lineare 77
3.1 Sottospazi vettoriali di R
a
. . . . . . . . . . . . . . . . . . . . . . . . . 77
3.2 Indipendenza e dipendenza lineari . . . . . . . . . . . . . . . . . . . . . 80
3.3 Combinazioni lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.4 Sottospazi generati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
3.5 Basi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
3.6 Basi di sottospazi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.7 Titoli nanziari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
4 Struttura euclidea 97
4.1 Valore assoluto e norma . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.1.1 Prodotto interno . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.1.2 Valore assoluto . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.1.3 Norma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.2 Ortogonalit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
5 Struttura topologica 107
5.1 Distanze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.2 Intorni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.3 Tassonomia dei punti di R
a
. . . . . . . . . . . . . . . . . . . . . . . . 113
5.3.1 Punti interni e di frontiera . . . . . . . . . . . . . . . . . . . . . 113
5.3.2 Punti di accumulazione . . . . . . . . . . . . . . . . . . . . . . . 116
5.4 Insiemi aperti e chiusi . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
5.5 Stabilit insiemistica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
5.6 Insiemi compatti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
5.7 Chiusura e convergenza . . . . . . . . . . . . . . . . . . . . . . . . . . . 127
6 Far di conto: Analisi combinatoria 129
6.1 Generalit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
6.2 Permutazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
6.3 Disposizioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
6.4 Combinazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
6.5 Binomio di Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
II Funzioni 139
7 Funzioni 141
7.1 Il concetto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
7.2 Applicazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
7.2.1 Incertezza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
7.2.2 Scelte statiche . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
7.2.3 Scelte intertemporali . . . . . . . . . . . . . . . . . . . . . . . . 153
7.3 Propriet generali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
INDICE 5
7.3.1 Controimmagini e curve di livello . . . . . . . . . . . . . . . . . 154
7.3.2 Algebra delle funzioni . . . . . . . . . . . . . . . . . . . . . . . . 160
7.3.3 Composizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
7.4 Classi di funzioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
7.4.1 Funzioni iniettive, suriettive e biiettive . . . . . . . . . . . . . . 163
7.4.2 Funzioni inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
7.4.3 Funzioni limitate . . . . . . . . . . . . . . . . . . . . . . . . . . 167
7.4.4 Funzioni monotone . . . . . . . . . . . . . . . . . . . . . . . . . 168
7.4.5 Funzioni separabili . . . . . . . . . . . . . . . . . . . . . . . . . 175
7.5 Funzioni elementari su R . . . . . . . . . . . . . . . . . . . . . . . . . . 176
7.5.1 Polinomi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
7.5.2 Funzioni esponenziali e logaritmiche . . . . . . . . . . . . . . . . 177
7.5.3 Funzioni trigonometriche e periodiche . . . . . . . . . . . . . . . 179
7.6 Domini e restrizioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
7.7 Funzioni biiettive e cardinalit . . . . . . . . . . . . . . . . . . . . . . . 186
7.7.1 Cardinalit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
7.7.2 Un vaso di Pandora . . . . . . . . . . . . . . . . . . . . . . . . . 191
8 Applicazione: funzioni di insieme e probabilit 195
8.1 Misure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
8.2 Probabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
8.3 Variabili aleatorie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
8.4 Probabilit semplici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
8.5 Utilit attesa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
8.6 Lotterie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
8.7 Atti o lotterie? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
9 Successioni 213
9.1 Il concetto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
9.2 Lo spazio delle successioni . . . . . . . . . . . . . . . . . . . . . . . . . 216
9.3 Applicazione: scelte intertemporali . . . . . . . . . . . . . . . . . . . . 218
9.4 Immagini e classi di successioni . . . . . . . . . . . . . . . . . . . . . . 218
9.5 Limiti: esempi introduttivi . . . . . . . . . . . . . . . . . . . . . . . . . 221
9.6 Limiti e comportamento asintotico . . . . . . . . . . . . . . . . . . . . 221
9.6.1 Convergenza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
9.6.2 Divergenza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
9.6.3 Limiti per eccesso e per difetto . . . . . . . . . . . . . . . . . . 226
9.6.4 Topologia di R e denizione generale di limite . . . . . . . . . . 226
9.7 Propriet dei limiti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
9.7.1 Monotonia e convergenza . . . . . . . . . . . . . . . . . . . . . . 230
9.7.2 Algoritmo di Erone . . . . . . . . . . . . . . . . . . . . . . . . . 231
9.7.3 Il Teorema di Bolzano-Weierstrass . . . . . . . . . . . . . . . . . 234
9.8 Algebra dei limiti e limiti notevoli . . . . . . . . . . . . . . . . . . . . . 236
6 INDICE
9.8.1 Le (molte) certezze . . . . . . . . . . . . . . . . . . . . . . . . . 236
9.8.2 Alcuni limiti notevoli . . . . . . . . . . . . . . . . . . . . . . . . 239
9.8.3 Forme di indeterminazione . . . . . . . . . . . . . . . . . . . . . 240
9.8.4 Tabelle riassuntive . . . . . . . . . . . . . . . . . . . . . . . . . 243
9.8.5 Ma quante sono le forme di indeterminazione? . . . . . . . . . . 244
9.9 Criteri di convergenza . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
9.10 La condizione di Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . 250
9.11 Il numero di Nepero . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
9.12 Ordini di convergenza e di divergenza . . . . . . . . . . . . . . . . . . . 255
9.12.1 Equivalenza asintotica . . . . . . . . . . . . . . . . . . . . . . . 258
9.12.2 Terminologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
9.12.3 Scale di inniti . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
9.12.4 La formula di De Moivre-Stirling . . . . . . . . . . . . . . . . . 263
9.12.5 Distribuzione dei numeri primi . . . . . . . . . . . . . . . . . . . 264
9.12.6 Termine di errore . . . . . . . . . . . . . . . . . . . . . . . . . . 267
9.13 Successioni in R
a
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
9.14 Valori limite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
10 Applicazione: prezzi e aspettative 277
10.1 Un mercato . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
10.2 Ritardi nella produzione . . . . . . . . . . . . . . . . . . . . . . . . . . 279
10.3 Formazione delle aspettative . . . . . . . . . . . . . . . . . . . . . . . . 280
10.4 Pigre, ma corrette . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
10.5 Aspettative razionali . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
10.6 Convergenza dei prezzi . . . . . . . . . . . . . . . . . . . . . . . . . . . 285
10.7 Aspettative adattive . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288
11 Serie numeriche 293
11.1 Il concetto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
11.1.1 Tre classiche serie . . . . . . . . . . . . . . . . . . . . . . . . . . 295
11.1.2 Utilit intertemporale con orizzonte innito . . . . . . . . . . . 297
11.2 Propriet elementari . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
11.3 Serie con termini positivi . . . . . . . . . . . . . . . . . . . . . . . . . . 298
11.3.1 Criterio di convergenza del confronto . . . . . . . . . . . . . . . 298
11.3.2 Criteri di convergenza del rapporto: preludio . . . . . . . . . . . 304
11.3.3 Criteri di convergenza del rapporto . . . . . . . . . . . . . . . . 305
11.3.4 Criteri di convergenza della radice . . . . . . . . . . . . . . . . . 309
11.3.5 Potenza del criterio della radice . . . . . . . . . . . . . . . . . . 311
11.3.6 Un primo sviluppo in serie . . . . . . . . . . . . . . . . . . . . . 313
11.4 Serie con termini di segno qualsiasi . . . . . . . . . . . . . . . . . . . . 315
11.4.1 Convergenza assoluta . . . . . . . . . . . . . . . . . . . . . . . . 315
11.4.2 Rivisitazione dei criteri di convergenza . . . . . . . . . . . . . . 318
11.4.3 Serie con i segni alternati . . . . . . . . . . . . . . . . . . . . . . 319
INDICE 7
11.4.4 Il criterio di condensazione di Cauchy . . . . . . . . . . . . . . . 321
11.5 Serie di potenze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
11.6 Propriet associativa e commutativa . . . . . . . . . . . . . . . . . . . 325
11.6.1 Incidenti storici . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
11.6.2 La retta via . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
11.7 Applicazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332
11.7.1 Rappresentazione dei numeri . . . . . . . . . . . . . . . . . . . . 332
11.7.2 Applicazione alla teoria degli insiemi . . . . . . . . . . . . . . . 334
12 Limiti di funzioni 337
12.1 Esempi introduttivi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 337
12.2 Funzioni scalari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
12.2.1 Limiti bilaterali . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
12.2.2 Limiti unilaterali . . . . . . . . . . . . . . . . . . . . . . . . . . 348
12.2.3 Relazioni tra limiti unilaterali e bilaterali . . . . . . . . . . . . . 350
12.2.4 Gran nale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
12.3 Funzioni di vettore . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
12.4 Propriet dei limiti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
12.5 Algebra dei limiti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 359
12.5.1 Forme di indeterminazione . . . . . . . . . . . . . . . . . . . . . 359
12.6 Limiti elementari e limiti notevoli . . . . . . . . . . . . . . . . . . . . . 361
12.6.1 Limiti elementari . . . . . . . . . . . . . . . . . . . . . . . . . . 361
12.6.2 Limiti notevoli . . . . . . . . . . . . . . . . . . . . . . . . . . . 362
12.7 Ordini di convergenza e di divergenza . . . . . . . . . . . . . . . . . . . 364
12.7.1 Equivalenza asintotica . . . . . . . . . . . . . . . . . . . . . . . 366
12.7.2 Terminologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368
12.7.3 Il solito bestiario . . . . . . . . . . . . . . . . . . . . . . . . . . 369
13 Funzioni continue 371
13.1 Discontinuit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 375
13.2 Operazioni e composizione . . . . . . . . . . . . . . . . . . . . . . . . . 378
13.3 Zeri ed equilibri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 379
13.3.1 Zeri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 379
13.3.2 Equilibri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381
13.4 Teorema dei valori intermedi . . . . . . . . . . . . . . . . . . . . . . . . 383
13.5 Monotonia e continuit . . . . . . . . . . . . . . . . . . . . . . . . . . . 384
13.6 Limiti e continuit delle applicazioni . . . . . . . . . . . . . . . . . . . 385
13.7 Continuit uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 387
III Analisi lineare e non lineare 391
14 Funzioni e applicazioni lineari 393
14.1 Funzioni lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 393
8 INDICE
14.1.1 Denizione e prime propriet . . . . . . . . . . . . . . . . . . . 393
14.1.2 Rappresentazione . . . . . . . . . . . . . . . . . . . . . . . . . . 395
14.1.3 Monotonia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 396
14.2 Matrici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 397
14.2.1 Operazioni tra matrici . . . . . . . . . . . . . . . . . . . . . . . 399
14.2.2 Prodotto tra matrici . . . . . . . . . . . . . . . . . . . . . . . . 402
14.2.3 Applicazione: matrice di Leontie . . . . . . . . . . . . . . . . . 406
14.3 Applicazioni lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 407
14.3.1 Denizione e prime propriet . . . . . . . . . . . . . . . . . . . 407
14.3.2 Rappresentazione . . . . . . . . . . . . . . . . . . . . . . . . . . 410
14.3.3 Matrici e operazioni . . . . . . . . . . . . . . . . . . . . . . . . 411
14.4 Rango . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 413
14.4.1 Applicazioni lineari . . . . . . . . . . . . . . . . . . . . . . . . . 413
14.4.2 Rango di matrici . . . . . . . . . . . . . . . . . . . . . . . . . . 417
14.4.3 Propriet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 420
14.4.4 Procedimento gaussiano di eliminazione . . . . . . . . . . . . . . 422
14.5 Applicazioni invertibili . . . . . . . . . . . . . . . . . . . . . . . . . . . 426
14.5.1 Invertibilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426
14.5.2 Matrici inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . 428
14.6 Determinanti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 429
14.6.1 Denizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 429
14.6.2 Propriet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432
14.6.3 Teorema di Laplace . . . . . . . . . . . . . . . . . . . . . . . . . 436
14.6.4 Inverse e determinanti . . . . . . . . . . . . . . . . . . . . . . . 441
14.6.5 Procedimento di Kronecker . . . . . . . . . . . . . . . . . . . . 444
14.7 Sistemi lineari quadrati . . . . . . . . . . . . . . . . . . . . . . . . . . . 446
14.8 Sistemi lineari generali . . . . . . . . . . . . . . . . . . . . . . . . . . . 450
14.9 Risoluzione di sistemi . . . . . . . . . . . . . . . . . . . . . . . . . . . . 453
14.9.1 Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 454
14.9.2 Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 456
14.10Il Teorema fondamentale della Finanza . . . . . . . . . . . . . . . . . . 459
14.10.1Portafogli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 459
14.10.2Intermezzo: Il Teorema di Hahn-Banach . . . . . . . . . . . . . 461
14.10.3Valore di mercato . . . . . . . . . . . . . . . . . . . . . . . . . . 463
14.10.4Legge del prezzo unico . . . . . . . . . . . . . . . . . . . . . . . 464
14.10.5Arbitraggio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 467
14.10.6Teorema di rappresentazione dellarbitraggio . . . . . . . . . . . 470
14.10.7Calcolo dei prezzi di non arbitraggio . . . . . . . . . . . . . . . 472
14.10.8Rendimenti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 475
INDICE 9
15 Funzioni concave 477
15.1 Insiemi convessi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 477
15.1.1 Politopi e poligoni . . . . . . . . . . . . . . . . . . . . . . . . . 479
15.1.2 Coni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 484
15.2 Funzioni concave . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 485
15.3 Propriet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 490
15.3.1 Funzioni concave e insiemi convessi . . . . . . . . . . . . . . . . 490
15.3.2 Disuguaglianza di Jensen e continuit . . . . . . . . . . . . . . . 494
15.4 Funzioni quasi concave . . . . . . . . . . . . . . . . . . . . . . . . . . . 497
15.5 Principio di diversicazione . . . . . . . . . . . . . . . . . . . . . . . . 501
15.6 Rischio e concavit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 504
15.6.1 Unicit e cardinalit . . . . . . . . . . . . . . . . . . . . . . . . 505
15.6.2 Avversione al rischio . . . . . . . . . . . . . . . . . . . . . . . . 507
15.6.3 Premio al rischio . . . . . . . . . . . . . . . . . . . . . . . . . . 510
15.7 Gran nale: lequazione di Cauchy . . . . . . . . . . . . . . . . . . . . 512
15.7.1 Varianti notevoli . . . . . . . . . . . . . . . . . . . . . . . . . . 513
15.7.2 Capitalizzazione . . . . . . . . . . . . . . . . . . . . . . . . . . . 515
16 Funzioni omogenee 519
16.1 Omogeneit e rendimenti di scala . . . . . . . . . . . . . . . . . . . . . 519
16.2 Omotetia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 524
16.3 Omogeneit e quasi concavit . . . . . . . . . . . . . . . . . . . . . . . 526
17 Problemi di ottimo 529
17.1 Generalit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 529
17.1.1 La fortuna del principiante . . . . . . . . . . . . . . . . . . . . . 533
17.1.2 Propriet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 535
17.1.3 Consumo e produzione . . . . . . . . . . . . . . . . . . . . . . . 536
17.2 Esistenza: Teorema di Weierstrass . . . . . . . . . . . . . . . . . . . . . 542
17.3 Esistenza: Teorema di Tonelli . . . . . . . . . . . . . . . . . . . . . . . 545
17.3.1 Coercivit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 545
17.3.2 Supercoercivit . . . . . . . . . . . . . . . . . . . . . . . . . . . 548
17.4 Estremi locali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 551
17.5 Concavit e quasi concavit . . . . . . . . . . . . . . . . . . . . . . . . 553
17.6 Consumo e produzione . . . . . . . . . . . . . . . . . . . . . . . . . . . 556
17.6.1 Consumo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 556
17.6.2 Produzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 557
17.7 Assicurazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 558
17.8 Minimi quadrati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 560
17.8.1 Sistemi lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . 560
17.8.2 Statistica descrittiva . . . . . . . . . . . . . . . . . . . . . . . . 562
17.9 Proiezioni e approssimazioni . . . . . . . . . . . . . . . . . . . . . . . . 565
17.9.1 Teorema della proiezione . . . . . . . . . . . . . . . . . . . . . . 565
10 INDICE
17.9.2 Proiezioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 567
17.9.3 Minimi quadrati e proiezioni . . . . . . . . . . . . . . . . . . . . 569
17.10Approfondimento semicontinuo . . . . . . . . . . . . . . . . . . . . . . 571
IV Calcolo dierenziale 577
18 Derivate 579
18.1 Denizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 579
18.1.1 Osservazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 582
18.2 Interpretazione geometrica . . . . . . . . . . . . . . . . . . . . . . . . . 582
18.3 Funzione derivata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 586
18.4 Derivate unilaterali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 586
18.5 Derivabilit e continuit . . . . . . . . . . . . . . . . . . . . . . . . . . 588
18.6 Derivate delle funzioni elementari . . . . . . . . . . . . . . . . . . . . . 589
18.7 Algebra delle derivate . . . . . . . . . . . . . . . . . . . . . . . . . . . . 591
18.8 La regola della catena . . . . . . . . . . . . . . . . . . . . . . . . . . . 595
18.9 Derivata di funzioni inverse . . . . . . . . . . . . . . . . . . . . . . . . 596
18.10Formulario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 599
18.11Dierenziabilit e linearit . . . . . . . . . . . . . . . . . . . . . . . . . 601
18.11.1Dierenziale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 602
18.11.2Dierenziabilit e derivabilit . . . . . . . . . . . . . . . . . . . 604
18.11.3Dierenziabilit e continuit . . . . . . . . . . . . . . . . . . . . 605
18.12Derivate di ordine superiore . . . . . . . . . . . . . . . . . . . . . . . . 606
19 Derivazione parziale 609
19.1 Generalit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 609
19.1.1 Ceteris paribus: utilit e produttivit marginali . . . . . . . . . 616
19.2 Dierenziale totale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 617
19.3 Regola della catena . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 620
19.4 Derivate parziali di ordine superiore . . . . . . . . . . . . . . . . . . . . 621
19.5 Funzioni implicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 625
19.5.1 Teorema di Dini . . . . . . . . . . . . . . . . . . . . . . . . . . . 625
19.5.2 Saggi marginali . . . . . . . . . . . . . . . . . . . . . . . . . . . 630
19.5.3 Estensioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 633
20 Propriet dierenziali 637
20.1 Estremi e punti critici . . . . . . . . . . . . . . . . . . . . . . . . . . . 637
20.1.1 Preambolo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 637
20.1.2 Teorema di Fermat . . . . . . . . . . . . . . . . . . . . . . . . . 638
20.1.3 Punti stazionari . . . . . . . . . . . . . . . . . . . . . . . . . . . 640
20.1.4 Problemi di ottimo libero . . . . . . . . . . . . . . . . . . . . . 641
20.2 Teorema del valor medio . . . . . . . . . . . . . . . . . . . . . . . . . . 642
20.3 Monotonia e derivabilit . . . . . . . . . . . . . . . . . . . . . . . . . . 646
INDICE 11
20.3.1 Monotonia scalare . . . . . . . . . . . . . . . . . . . . . . . . . . 646
20.3.2 Monotonia vettoriale . . . . . . . . . . . . . . . . . . . . . . . . 650
20.4 Una condizione suciente per estremi locali . . . . . . . . . . . . . . . 651
20.4.1 Ricerca di estremi locali . . . . . . . . . . . . . . . . . . . . . . 654
20.4.2 Ottimi liberi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 656
20.5 Teorema e regola di de lHospital . . . . . . . . . . . . . . . . . . . . . 657
20.5.1 Forme di indeterminazione 0,0 e , . . . . . . . . . . . . . . 657
20.5.2 Altre forme di indeterminazione . . . . . . . . . . . . . . . . . . 660
20.5.3 Dimostrazione del Teorema di de lHospital . . . . . . . . . . . . 662
21 Approssimazione 665
21.1 Approssimazione polinomiale di Taylor . . . . . . . . . . . . . . . . . . 665
21.2 Proposizione omnibus per estremi locali . . . . . . . . . . . . . . . . . . 673
21.3 Procedura omnibus di ricerca di estremi locali . . . . . . . . . . . . . . 675
21.3.1 Caso di funzioni due volte derivabili . . . . . . . . . . . . . . . . 675
21.3.2 Caso di funzioni derivabili innite volte . . . . . . . . . . . . . . 676
21.3.3 Caso generale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 677
21.3.4 Commenti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 678
21.4 Formula di Taylor: caso vettoriale . . . . . . . . . . . . . . . . . . . . . 679
21.4.1 Forme quadratiche . . . . . . . . . . . . . . . . . . . . . . . . . 679
21.4.2 Formula di Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . 683
21.4.3 Condizioni del secondo ordine . . . . . . . . . . . . . . . . . . . 684
22 Concavit e dierenziabilit 687
22.1 Caso scalare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 687
22.1.1 Corde e tangenti . . . . . . . . . . . . . . . . . . . . . . . . . . 695
22.2 Caso vettoriale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 697
23 Complementi 701
23.1 Studio di funzioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 701
23.1.1 Flessi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 701
23.1.2 Asintoti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 703
23.1.3 Studio di funzioni . . . . . . . . . . . . . . . . . . . . . . . . . . 706
23.1.4 Versiera di Agnesi . . . . . . . . . . . . . . . . . . . . . . . . . . 712
23.2 Calcolo Discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 713
23.2.1 Dierenze nite . . . . . . . . . . . . . . . . . . . . . . . . . . . 714
23.2.2 Un teorema di Cesro . . . . . . . . . . . . . . . . . . . . . . . 717
23.2.3 Convergenza in media . . . . . . . . . . . . . . . . . . . . . . . 720
23.2.4 Innita pazienza . . . . . . . . . . . . . . . . . . . . . . . . . . 722
12 INDICE
V Calcolo integrale 725
24 Integrale secondo Riemann 727
24.0.5 Plurirettangoli . . . . . . . . . . . . . . . . . . . . . . . . . . . . 728
24.1 Denizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 730
24.1.1 Funzioni positive . . . . . . . . . . . . . . . . . . . . . . . . . . 730
24.1.2 Funzioni di segno qualsiasi . . . . . . . . . . . . . . . . . . . . . 734
24.1.3 Tutto si tiene . . . . . . . . . . . . . . . . . . . . . . . . . . . . 737
24.2 Criteri di integrabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . 740
24.3 Classi di funzioni integrabili . . . . . . . . . . . . . . . . . . . . . . . . 743
24.3.1 Funzioni a scala . . . . . . . . . . . . . . . . . . . . . . . . . . . 744
24.3.2 Approccio analitico e approccio geometrico . . . . . . . . . . . . 747
24.3.3 Integrabilit delle funzioni continue e delle funzioni monotone . 750
24.4 Propriet dellintegrale . . . . . . . . . . . . . . . . . . . . . . . . . . . 751
24.5 Teorema fondamentale del Calcolo integrale . . . . . . . . . . . . . . . 755
24.5.1 Funzioni primitive . . . . . . . . . . . . . . . . . . . . . . . . . 756
24.5.2 Formulario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 759
24.5.3 Il Primo Teorema fondamentale del calcolo integrale . . . . . . . 760
24.5.4 Il Secondo Teorema fondamentale del calcolo integrale . . . . . . 762
24.6 Propriet dellintegrale indenito . . . . . . . . . . . . . . . . . . . . . 765
24.7 Cambiamento di variabile . . . . . . . . . . . . . . . . . . . . . . . . . 767
24.8 Integrali impropri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 770
24.8.1 Intervalli illimitati dintegrazione . . . . . . . . . . . . . . . . . 770
24.8.2 Funzioni illimitate . . . . . . . . . . . . . . . . . . . . . . . . . 781
24.9 Criterio integrale di convergenza per le serie . . . . . . . . . . . . . . . 782
24.10Gran nale: Riemann e i numeri primi . . . . . . . . . . . . . . . . . . 784
VI Ottimizzazione 791
25 Anteprima 793
26 Ottimizzazione locale vincolata 797
26.1 Introduzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 797
26.2 Il problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 797
26.3 Un vincolo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 798
26.4 Metodo di Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . 802
26.5 Problema del consumatore . . . . . . . . . . . . . . . . . . . . . . . . . 807
26.6 Pi vincoli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 811
27 Programmazione matematica 821
27.1 Programmazione dierenziale . . . . . . . . . . . . . . . . . . . . . . . 821
27.1.1 Anatomia di C . . . . . . . . . . . . . . . . . . . . . . . . . . . 822
27.2 Metodo di eliminazione . . . . . . . . . . . . . . . . . . . . . . . . . . . 823
INDICE 13
27.2.1 Primo caso: interno non vuoto . . . . . . . . . . . . . . . . . . . 823
27.2.2 Ubi maior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 826
27.2.3 Secondo caso: vincoli di uguaglianza . . . . . . . . . . . . . . . 826
27.3 Applicazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 833
27.3.1 Problema del consumatore . . . . . . . . . . . . . . . . . . . . . 833
27.3.2 Problema del produttore . . . . . . . . . . . . . . . . . . . . . . 835
27.4 Programmazione dierenziale concava . . . . . . . . . . . . . . . . . . . 837
27.5 Esempi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 839
27.5.1 Problema del produttore . . . . . . . . . . . . . . . . . . . . . . 839
27.5.2 Minimi quadrati . . . . . . . . . . . . . . . . . . . . . . . . . . . 840
27.5.3 Assicurazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . 841
28 Applicazione: investimento 845
28.1 Scelta intertemporale aleatoria . . . . . . . . . . . . . . . . . . . . . . . 845
28.2 Carpe diem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 846
28.3 Il Problema dellinvestitore . . . . . . . . . . . . . . . . . . . . . . . . . 848
28.4 Risoluzione del problema . . . . . . . . . . . . . . . . . . . . . . . . . . 849
28.5 Prezzi dei titoli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 852
VII Appendici 855
A Richiami di trigonometria 857
A.1 Generalit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 857
A.2 Concerto darchi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 859
A.3 Perpendicolarit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 861
B Elementi di logica 863
C Cenni sulle coniche 869
C.1 I classici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 870
C.2 Le coniche in generale . . . . . . . . . . . . . . . . . . . . . . . . . . . 873
D DizionErio biograco 875
14 INDICE
Parte I
Strutture
15
Capitolo 1
Insiemi e numeri
1.1 Insiemi
Un insieme (o aggregato) una collezione qualsiasi di oggetti (qualsiasi). Vi sono due
modi per descrivere un insieme: elencarne direttamente gli elementi, oppure speci-
carne una propriet che li accomuna. Il secondo modo pi usuale del primo; per
esempio,
11. 13. 17. 19. 23. 29 (1.1)
si pu descrivere come linsieme dei numeri primi tra 10 e 30. Le sedie della vostra
cucina formano un insieme di oggetti, le sedie appunto, accumunati dalla propriet
di far parte della vostra cucina. Le sedie della vostra camera da letto formano un
altro insieme, cos come le lettere dellalfabeto latino formano un insieme, distinto
dallinsieme delle lettere dellalfabeto greco (e dalle sedie o dai numeri di poco fa).
Gli insiemi si indicano abitualmente con lettere maiuscole: , 1, C, e cos via; i
loro elementi si indicano invece con lettere minuscole: c, /, c, e cos via. Per indicare
che un elemento c appartiene allinsieme si scrive
c
dove il simbolo di appartenenza. Al contrario, per indicare che un elemento c non
appartiene allinsieme si scrive c , .
Osservazione fuori busta. Il concetto di insieme, apparentemente introdotto nel
1847 da Bernhard Bolzano, per noi un concetto primitivo, cio non pu essere denito
ricorrendo a nozioni pi semplici. La situazione simile a quella della geometria
Euclidea, in cui punti e linee sono concetti primitivi di signicato intuitivo che si
suppone noto al lettore. *
1.1.1 Sottoinsiemi
Le sedie della vostra camera da letto sono un sottoinsieme delle sedie della vostra casa:
una sedia che appartiene alla vostra camera da letto appartiene anche alla vostra casa.
17
18 CAPITOLO 1. INSIEMI E NUMERI
In generale, un insieme sottoinsieme di un insieme 1 quando tutti gli elementi di
sono anche elementi di 1. In questo caso si scrive _ 1. Formalmente,
Denizione 1 Dati due insiemi e 1, si dice che sottoinsieme di 1, in simboli
_ 1, se tutti gli elementi di sono anche elementi di 1, ossia se r implica
r 1.
Per esempio, si indichi con linsieme (1.1) e sia
1 = 11. 13. 15. 17. 19. 21. 23. 25. 27. 29 (1.2)
linsieme dei numeri dispari tra 10 e 30. Si ha _ 1.
Gracamente, la relazione _ 1 si pu illustrare come
-6 -4 -2 0 2 4 6
-6
-4
-2
0
2
4
6
A
B
A B
Inclusione di insiemi
usando i cosiddetti diagrammi di Venn per rappresentare gracamente gli insiemi e
1: si tratta di una maniera ingenua, ma ecace, di visualizzare insiemi.
Quando si ha sia _ 1 sia 1 _ , ossia r se e solo se r 1, i due insiemi
e 1 sono uguali; in simboli = 1. Per esempio, consideriamo lequazione di secondo
grado r
2
3r + 2 = 0. Sia linsieme delle sue soluzioni e sia 1 linsieme formato
dai numeri 1 e 2. facile vedere che
1
= 1.
Quando _ 1 ma non = 1 si scrive 1 e si dice che sottoinsieme
proprio di 1.
Gli insiemi costituiti da un unico elemento sono detti singoletti.
Nota Bene. Sebbene i due simboli e _ siano concettualmente ben distinti e non
debbano essere quindi confusi, esiste tra loro uninteressante relazione. Si consideri
1
Si rimanda a G. Osimo et al. (2009) per richiami sulle equazioni di secondo grado.
1.1. INSIEMI 19
infatti linsieme formato da un unico elemento c, ossia linsieme c. Si tratta di un
insieme particolare, ma del tutto legittimo
2
. Tramite i singoletti, possiamo stabilire la
relazione
c se e solo se c _
tra e _. V
OfB. In queste note di solito deniremo gli insiemi tramite propriet dei loro oggetti.
Per i nostri ni tale nozione ingenua di insieme suciente. Lingenuit dellapproc-
cio evidenziata dai classici paradossi che, tra la ne Ottocento e linizio Novecento,
furono scoperti da Cesare Burali Forti (1861-1931) e Bertrand Russell (1872-1970). Si
tratta di paradossi che nascono dal considerare insiemi di insiemi, cio insiemi i cui
elementi sono a lora volta insiemi. Come Burali Forti, usando la nozione ingenua di
insieme deniamo linsieme di tutti gli insiemi, cio linsieme i cui elementi sono
accumunati dalla propriet di essere insiemi. Se esistesse questo insieme universale
l, potremmo per formare anche linsieme 1 : 1 _ l formato da l e da tutti i suoi
sottoinsiemi. Ma, come mostrer il Teorema 89 di Cantor, questo ulteriore insieme
non appartiene a l, il che contraddice luniversalit di l.
Tra le varie caratteristiche bizzarre di un insieme universale vi di appartenere a
s stesso, cio l l, caratteristica del tutto controintuitiva (come osserv Russell,
il genere umano, per esempio, non un uomo). Con Russell, consideriamo quindi
linsieme costituito dagli insiemi con la propriet di non appartenere a s stessi. Se
, , cio se non appartiene a s stesso, allora appartiene a s stesso perch un
insieme che soddisfa la propriet di non contenere s stesso. Daltra parte, se ,
cio se contiene s stesso, allora , , e cadiamo di nuovo in contraddizione. la
celebre antinomia di Russell.
Questi paradossi si possono arontare e risolvere con una teoria non ingenua degli
insiemi, in particolare nella teoria di Zermelo-Fraenkel. Per fortuna, nella pratica
matematica, e a maggior ragione in queste note introduttive, si possono ignorare
gli aspetti fondazionali senza correre troppi pericoli (tanto pi che il loro studio
richiederebbe un corso, e per nulla banale, a s). *
1.1.2 Operazioni
Vi sono tre operazioni di base tra insiemi: unione, intersezione e dierenza. Come
vedremo, esse considerano due assegnati insiemi e, a partire da essi, formano un nuovo
insieme.
La prima operazione che consideriamo lintersezione di due insiemi e 1. Come
suggerisce il termine intersezione, con essa si selezionano tutti gli elementi che
appartengono simultaneamente a entrambi gli insiemi e 1.
2
Si badi che a e a non sono aatto la stessa cosa; a un elemento e a un insieme, seppur
costituito da un solo elemento. Per esempio, linsieme dei paesi della Terra con la bandiera di un
solo colore aveva (sino al 2011) un solo elemento, la Libia, ma non la Libia: Tripoli non la
capitale di .
20 CAPITOLO 1. INSIEMI E NUMERI
Denizione 2 Dati due insiemi e 1, la loro intersezione 1 linsieme di tutti
gli elementi che appartengono sia ad sia a 1, ossia r 1 se r e r 1.
Loperazione si pu illustrare gracamente nel seguente modo:
Intersezione di insiemi.
Per esempio, sia linsieme dei mancini e 1 linsieme dei destrimani in Italia. Lin-
tersezione 1 linsieme degli italiani ambidestri. Se, invece, linsieme delle
auto a benzina e 1 delle auto a metano, la loro intersezione 1 linsieme delle
auto bifuel , a benzina e a metano.
Pu accadere che due insiemi non abbiano alcun elemento in comune. Per esempio,
sia
C = 10. 12. 14. 16. 18. 20. 22. 24. 26. 28. 30 (1.3)
linsieme dei numeri pari tra 10 e 30. Esso non ha alcun elemento in comune con
linsieme 1 in (1.2). In questo caso si parla di insiemi disgiunti, ossia che non hanno
alcun elemento in comune. Tale nozione ci d loccasione per introdurre un insieme
molto particolare, ma fondamentale.
Denizione 3 L insieme vuoto, indicato con O, linsieme privo di elementi
3
.
Come primo uso della nozione, osserviamo che due insiemi e 1 sono disgiunti
quando hanno intersezione vuota, cio 1 = O. Per esempio, per gli insiemi 1 e C
in (1.2) e (1.3), si ha 1 C = O.
La scrittura ,= O sta ad indicare che linsieme non vuoto, ovvero che contiene
almeno un elemento.
3
C chi pensa che gli insiemi vuoti non esistano. Egli deve ammettere allora che linsieme di tali
insiemi vuoto.
1.1. INSIEMI 21
Linsieme vuoto si considera convenzionalmente sottoinsieme di qualsiasi insieme,
ossia O _ per ogni insieme .
immediato mostrare che 1 _ e che 1 _ 1. Il prossimo risultato
pi sottile e stabilisce unutile propriet che lega _ e .
Proposizione 1 Si ha 1 = se e solo se _ 1.
Dim. Se: sia _ 1. Vogliamo dimostrare che 1 = . Quando si deve
mostrare unuguaglianza di due insiemi, bisogna sempre considerare separatamente le
due opposte inclusioni, in questo caso 1 _ e _ 1.
La prima inclusione 1 _ banalmente vera. Infatti, se r 1, per
denizione r appartiene sia ad sia a 1. In particolare r e ci basta per
concludere che 1 _ .
Dimostriamo la seconda inclusione: _ 1. Sia r . Poich, per ipotesi,
_ 1, ogni elemento di appartiene anche a 1. Da r segue quindi che r 1,
ossia che r appartiene sia ad sia a 1: dunque r 1 e ci prova che _ 1.
Abbiamo mostrato che valgono entrambe le inclusioni 1 _ e _ 1;
possiamo quindi concludere che 1 = , il che completa la dimostrazione del Se.
Solo se: sia 1 = . Vogliamo dimostrare che _ 1, ossia che, se r ,
allora r 1. Sia r . Poich per ipotesi 1 = , ne segue che r 1. In
particolare ci signica che r appartiene a 1, che quanto dovevamo provare. B
La prossima operazione che consideriamo lunione. Anche qui il termine unione
gi suggerisce come in questa operazione siano riuniti assieme tutti gli elementi di
entrambi gli insiemi.
Denizione 4 Dati due insiemi e 1, la loro unione ' 1 linsieme di tutti gli
elementi che appartengono a oppure
4
a 1, ossia r '1 se r oppure r 1.
Si noti che un elemento pu appartenere ad entrambi gli insiemi (a meno che gli
insiemi siano disgiunti). Per esempio, se come prima linsieme dei mancini e 1
quello dei destrimani in Italia, linsieme unione contiene tutti gli italiani con almeno
una mano, e vi sono individui (gli ambidestri) che appartengono ad entrambi gli insiemi
.
immediato mostrare che _ ' 1 e che 1 _ ' 1. Ne consegue che
1 _ ' 1.
Gracamente lunione si rappresenta nel seguente modo:
4
La congiunzione oppure intesa nel senso debole del vel latino, e non dellaut (cio r
appartiene ad o r appartiene a 1 o entrambe le cose).
22 CAPITOLO 1. INSIEMI E NUMERI
-2 0 2 4 6 8 10
-6
-4
-2
0
2
4
6
A
B
A B
Unione di insiemi
Lultima operazione che consideriamo la dierenza.
Denizione 5 Dati due insiemi e 1, la loro dierenza 1 linsieme di tutti
gli elementi che appartengono a ma non a 1, ossia r 1 se sia r sia
r , 1.
Linsieme dierenza
5
1 si forma quindi eliminando da tutti gli elementi che
appartengono (anche) a 1. Gracamente:
-3 -2 -1 0 1 2 3 4 5
-3
-2
-1
0
1
2
3
A
B
A - B
Dierenza di insiemi.
5
La dierenza insiemistica 1 si indica spesso con la scrittura 1.
1.1. INSIEMI 23
Per esempio, torniamo agli insiemi e 1 individuati in (1.1) e (1.2). In tal caso,
1 = 15. 21. 25. 27 .
ossia 1 linsieme dei numeri dispari non primi tra 10 e 30. Si noti che: (i)
quando e 1 sono disgiunti, si ha 1 = e 1 = 1, (ii) _ 1 equivale
a 1 = O poich togliendo da tutti gli elementi che appartengono anche a 1 si
priva di tutti i suoi elementi, ossia si rimane con linsieme vuoto.
In molti casi vi un insieme generale di riferimento del quale si considerano vari sot-
toinsiemi. Per esempio, per un demografo tale insieme pu essere lintera popolazione
italiana della quale si possono considerare vari sottoinsiemi secondo le propriet de-
mograche che interessano: per esempio, let una classica variabile demograca con
la quale suddividere la popolazione in sottoinsiemi.
Linsieme generale di riferimento chiamato insieme universale o, pi comune-
mente, spazio. Non esiste una notazione consolidata per tale insieme (che quasi
sempre sottinteso), che temporaneamente indichiamo come o. In questo caso, preso
un suo sottoinsieme qualsiasi, la dierenza o si indica con
c
ed detta insieme
complementare di .
Per esempio, se o linsieme di tutti gli italiani e linsieme di tutti gli italiani
che hanno almeno 65 anni det, linsieme complementare
c
costituito da tutti gli
italiani con meno di 65 anni det.
immediato vericare che, per ogni , si ha '
c
= o e
c
= O. Vale inoltre
la
Proposizione 2 Se un sottoinsieme di uno spazio o si ha (
c
)
c
= .
Dim. Poich dobbiamo vericare unuguaglianza tra insiemi, al pari di quanto fatto
nella dimostrazione della Proposizione 1, occorre considerare separatemente le due
inclusioni (
c
)
c
_ e _ (
c
)
c
.
Se c (
c
)
c
, allora c ,
c
e quindi c . Ne segue che (
c
)
c
_ .
Viceversa, se c allora c ,
c
e quindi c (
c
)
c
; dunque _ (
c
)
c
. B
Da ultimo, si prova senza dicolt che 1 = 1
c
. Infatti r 1 signica
che r e r , 1, cio che r e r 1
c
.
1.1.3 Propriet delle operazioni
Proposizione 3 Le operazioni di unione e intersezione sono:
(i) commutative, ossia, per ogni coppia di insiemi e 1, si ha 1 = 1 e
' 1 = 1 ' ;
(ii) associative, ossia, per ogni terna di insiemi , 1 e C, si ha ' (1 ' C) =
( ' 1) ' C e (1 C) = ( 1) C.
24 CAPITOLO 1. INSIEMI E NUMERI
Lasciamo al lettore la semplice dimostrazione del risultato. La propriet (ii) per-
mette di scrivere ' 1 ' C e 1 C e quindi di estendere senza ambiguit le
operazioni di unione e di intersezione a un arbitrario numero (nito) di insiemi:
_
a
i=1

i
e

a
i=1

i
.
possibile estendere tali operazioni anche a inniti insiemi. Se
1
.
2
. .
a
.
sono inniti insiemi, la loro unione
_
o
a=1

a
linsieme degli elementi che appartengono ad almeno uno degli
a
, cio
o
_
a=1

a
= c : c
a
per almeno un indice :
La loro intersezione

o
a=1

a
linsieme degli elementi che appartengono a ogni
a
, cio
o

a=1

a
= c : c
a
per ogni indice : .
Esempio 1 Sia
a
linsieme dei numeri pari _ :. Si ha
o

a=1

a
= 0 poich 0
lunico pari tale che 0
a
per ogni : _ 1. Inoltre,
o

a=1

a
= 2: : : intero positivo,
ossia
o

a=1

a
linsieme di tutti i numeri pari. #
Volgiamo lattenzione alle relazioni tra le operazioni di intersezione e unione. Si
noter la simmetria tra le propriet (1.4) e (1.5), nelle quali e ' sono scambiate tra
loro.
Proposizione 4 Le operazioni di unione e intersezione sono tra loro distributive,
ossia, dati tre insiemi , 1 e C, si ha
(1 ' C) = ( 1) ' ( C) (1.4)
e
' (1 C) = ( ' 1) ( ' C) . (1.5)
1.2. NUMERI: INTRODUZIONE INTUITIVA 25
Dim. Mostriamo solo la (1.4). Occorre considerare separatemente le due inclusioni
(1 ' C) _ ( 1) ' ( C) e ( 1) ' ( C) _ (1 ' C).
Se r (1 ' C), allora r e r 1 ' C, cio (i) r e (ii) r 1 oppure
r C. Ne segue che r 1 oppure r C, cio r ( 1) ' ( C), e
perci (1 ' C) _ ( 1) ' ( C).
Viceversa, se r ( 1) ' ( C), allora r 1 oppure r C, cio r
appartiene ad e ad almeno uno tra 1 e C e quindi r (1 ' C). Ne segue che
( 1) ' ( C) _ (1 ' C). B
Diamo un concetto che si rivela importante in molte applicazioni.
Denizione 6 Una famiglia

1
.
2
. . . . .
a
=
i

a
i=1
di sottoinsiemi di un insieme detta partizione di se i sottoinsiemi sono a due
a due disgiunti, ossia
i

)
= O per ogni i ,= ,, e se la loro unione coincide con ,
ossia

a
i=1

i
= .
Esempio 2 Sia linsieme di tutti gli italiani in un dato giorno, per esempio oggi.
I suoi sottoinsiemi
1
,
2
e
S
costituiti rispettivamente dai cittadini in et scolare
o prescolare (da 0 a 17 anni), dei cittadini in et lavorativa (da 18 a 64 anni) e dagli
anziani (dai 65 anni in poi) ne costituiscono una partizione. #
Concludiamo con le cosiddette leggi di de Morgan per la complementazione.
Proposizione 5 Dati due sottoinsiemi e 1 di uno spazio o, si ha ( ' 1)
c
=

c
1
c
e ( 1)
c
=
c
' 1
c
.
Dim. Dimostriamo soltanto la prima. Al solito, per dimostrare un uguaglianza tra
insiemi, occorre considerare separatamente le due inclusioni che la compongono. (i)
( ' 1)
c
_
c
1
c
. Se r ( ' 1)
c
, allora r , ' 1, cio r non appartiene n ad
n a 1. Ne segue che r appartiene simultaneamente ad
c
e a 1
c
e quindi alla loro
intersezione. (ii)
c
1
c
_ ( ' 1)
c
. Se r
c
1
c
allora r , e r , 1 e perci r
non appartiene nemmeno alla loro unione. B
Le leggi di de Morgan mostrano che, prendendo i complementi, ' e si scambiano
tra loro. Spesso tali leggi sono scritte nella forma equivalente ' 1 = (
c
1
c
)
c
e
1 = (
c
' 1
c
)
c
.
1.2 Numeri: introduzione intuitiva
Per quanticare le grandezze di interesse nelle applicazioni economiche (quali, per
esempio, le quantit scambiate di beni e i loro prezzi) abbiamo bisogno di un adeguato
insieme di numeri. Di ci ci occupiamo nella presente sezione.
26 CAPITOLO 1. INSIEMI E NUMERI
I numeri naturali
0. 1. 2. 3.
non hanno bisogno di presentazione; il loro insieme sar indicato con il simbolo N.
Linsieme N dei naturali chiuso rispetto alle operazioni fondamentali di addizione
e moltiplicazione:
(i) :+: N tutte le volte che :. : N;
(ii) : : N tutte le volte che :. : N.
Non invece chiuso rispetto alle operazioni fondamentali di sottrazione e di di-
visione: per esempio, n 5 6 n 5,6 sono numeri naturali. quindi chiaro che N
inadeguato come insieme di numeri per quanticare grandezze economiche: la con-
tabilit di unazienda un primo ovvio esempio nel quale la chiusura rispetto alla
sottrazione cruciale (altrimenti, come si potrebbero quanticare le perdite?).
I numeri interi (o interi relativi )
6
. 3. 2. 1. 0. 1. 2. 3.
costituiscono un primo allargamento, indicato col simbolo Z, dellinsieme N. Esso
porta a un insieme chiuso rispetto sia alle operazioni di addizione e di moltiplicazione
sia alloperazione di sottrazione. Infatti, ponendo :: = :+ (:),
7
si ha
(i) :: Z tutte le volte che :. : Z;
(ii) : : Z tutte le volte che :. : Z.
Formalmente, linsieme Z si pu scrivere a partire da N come
Z =:: : :. : N
Proposizione 6 N _ Z.
Dim. Sia : N. Si ha : = :0 Z poich 0 N. B
Rimane unoperazione fondamentale rispetto alla quale Z non chiuso: la divi-
sione. Infatti, per esempio, 1,3 non un numero intero. Per porre rimedio a tale
6
Ci piace ricordare come nellIndia antica si distinguessero i numeri positivi dai negativi scrivendoli
rispettivamente in rosso e in nero. La convenzione seguita era opposta allattuale prassi bancaria
secondo la quale un conto corrente con saldo negativo in rosso.
7
La sottrazione :: non altro che la somma di : col negativo : di :. Al riguardo, si ricordi
la nozione di somma algebrica.
1.2. NUMERI: INTRODUZIONE INTUITIVA 27
importante carenza degli interi (se vogliamo dividere 1 torta tra 3 invitati, come possi-
amo quanticare le loro porzioni se abbiamo a disposizione solo Z?), si ha un ulteriore
allargamento allinsieme dei numeri razionali, indicato col simbolo Q, e dato da
Q =
_
:
:
: :. : Z con : ,= 0
_
.
In altre parole linsieme dei razionali costituito da tutte le frazioni con numeri interi
sia a numeratore sia a denominatore (non nullo).
OfB. Ogni razionale non periodico (cio con un numero nito di decimali) ammette
due rappresentazioni decimali. Per esempio, 1 = 0. 9 poich 10. 9 = 0. 0 = 0, oppure,
se si preferisce, perch
0. 9 = 3 0. 3 = 3
1
3
= 1.
In modo analogo, 2. 5 = 2. 49, 51. 2 = 51. 19, e cos via. In breve il periodico di 9
non ha una sua autonomia. I razionali periodici e gli irrazionali hanno invece una sola
rappresentazione decimale (che innita).
La cosa non una mera curiosit: se 0. 9 non fosse uguale a 1, si potrebbe aermare
che 0. 9 il numero che immediatamente precede 1 (senza che ve ne siano altri in
mezzo), il che violerebbe una notevole propriet che discuteremo tra breve. *
Proposizione 7 Z _ Q.
Dim. Sia : Z. Si ha : = :,1 Q poich 1 Z. B
Linsieme dei razionali chiuso rispetto a tutte le quattro operazioni fondamentali:
(i) :: Q tutte le volte che :. : Q;
(ii) : : Q tutte le volte che :. : Q;
(iii) :,: Q tutte le volte che :. : Q con : ,= 0.
Linsieme dei razionali sembra dunque attrezzato con tutto quanto possa servire.
Ma alcune semplici considerazioni sulla moltiplicazione ci porteranno a inaspettate
scoperte. Se un razionale, come ben noto, la scrittura
a
con : _ 1 intero signica

. .
a volte
.
Si conviene che
0
= 1 per ogni ,= 0. Di per s la scrittura
a
, detta potenza di base
ed esponente :, un mero articio di notazione per scrivere in modo pi compatto la
moltiplicazione ripetuta di un medesimo fattore. Tuttavia, preso un razionale 0,
naturale considerare il percorso inverso, ossia determinare il numero positivo indicato
con
1
n
o, equivalentemente, con
n
_
, e chiamato radice di ordine : di , tale che
_

1
n
_
a
= .
28 CAPITOLO 1. INSIEMI E NUMERI
Per esempio
8
,
_
25 = 5 poich 5
2
= 25. Per rendersi conto dellimportanza delle radici,
si consideri la seguente semplicissima gura geometrica:
-3 -2 -1 0 1 2 3 4 5
-3
-2
-1
0
1
2
3
4
5
Per il Teorema di Pitagora, la lunghezza dellipotenusa
_
2. Per quanticare enti
geometrici del tutto elementari abbiamo quindi bisogno delle radici. Ecco la, per alcuni
tragica, sorpresa
9
.
Teorema 8
_
2 , Q.
Dim. Si supponga, per assurdo, che
_
2 Q. Esistono allora :. : Z tali che
:,: =
_
2, e quindi
_
:
:
_
2
= 2. (1.6)
Supponiamo che :,: sia gi ridotta ai minimi termini, ossia che : e : non ab-
biano fattori in comune
10
. Ci signica che : e : non possano essere entrambi pari
(diversamente, 2 sarebbe un loro fattore comune).
La (1.6) implica
:
2
= 2:
2
(1.7)
e quindi :
2
pari. Siccome il quadrato di un dispari dispari, anche : pari
(diversamente, se : fosse dispari, anche :
2
lo sarebbe). Quindi, esiste un intero
/ ,= 0 tale che
: = 2/ (1.8)
Dalla (1.7) e (1.8) segue che
:
2
= 2/
2
.
8
La radice quadrata
2
_
si indica pi semplicemente con
_
, omettendo lindice 2.
9
Per la losoa pitagorica, in cui le proporzioni (ossia, i numeri razionali) erano centrali, la scoperta
della non razionalit delle radici fu un evento traumatico. Rimandiamo il lettore curioso a K. von
Fritz, The Discovery of Incommensurability by Hippasus of Metapontum, Annals of Mathematics,
46, 242-264, 1945.
10
Per esempio, 14,10 non ridotta ai minimi termini perch numeratore e denominatore hanno in
comune il fattore 2. Invece, 7,5 ridotta ai minimi termini.
1.2. NUMERI: INTRODUZIONE INTUITIVA 29
Dunque :
2
pari, e quindi : pari. In conclusione, sia : sia : sono pari, il che,
come prima osservato, contraddice lipotesi che :,: sia ridotta ai minimi termini. La
contraddizione mostra che
_
2 , Q. B
questo uno dei grandi teoremi della matematica greca e la sua dimostrazione
da parte della scuola pitagorica, tra il VI e il V secolo a. C., fu un punto di svolta
nella storia della Matematica. Lasciando da parte gli aspetti losoci, dal punto di
vista matematico esso mostra la necessit di un ulteriore allargamento dellinsieme dei
numeri necessari a quanticare gli enti geometrici (nonch le grandezze economiche,
come risulter chiaro nel seguito).
Per introdurre a livello intuitivo questultimo allargamento
11
, consideriamo la clas-
sica retta reale:
-3 -2 -1 0 1 2 3 4 5 6
-3
-2
-1
0
1
2
3
4
5
facile vedere come su di essa si possano rappresentare i numeri razionali:
-4 -2 0 2 4 6
-3
-2
-1
0
1
2
3
4
5
I numeri razionali non esauriscono per la retta reale. Per esempio, anche radici
11
Per una trattazione rigorosa si rimanda al primo capitolo di W. Rudin, Principles of mathematical
analysis, McGraw-Hill, 1976.
30 CAPITOLO 1. INSIEMI E NUMERI
come
_
2 o altri numeri non razionali, come :, devono trovare una loro rappresentazione
sulla retta reale
12
:
-4 -2 0 2 4 6 8
-3
-2
-1
0
1
2
3
4
5
Indichiamo con R linsieme di tutti i numeri rappresentabili sulla retta reale, i cui
elementi sono detti numeri reali .
Naturalmente Q _ R: vi sono molti numeri reali, detti irrazionali, che non sono
razionali. Moltissime radici, :, il numero e sono esempi di numeri irrazionali. In realt
si pu mostrare che la maggior dei numeri reali irrazionale. Sebbene una trattazione
rigorosa dellargomento ci porterebbe troppo lontano, il prossimo semplice risultato
gi una chiara indicazione della numerosit degli irrazionali.
Proposizione 9 Dati due reali qualsiasi c < /, esiste un irrazionale c R tale che
c < c < /.
Dim.
13
Per ogni naturale : N si ponga
c
a
= c +
_
2
:
Si ha c
a
c per ogni :, ed facile vericare che ogni c
a
irrazionale. Inoltre
c
a
< / ==:
_
2
/ c
Sia dunque : N qualsiasi naturale tale che :
_
2, (/ c) (tale : esiste per la
propriet archimedea dei reali che vedremo tra breve nella Proposizione 17). Poich
c < c
a
< /, la dimostrazione completa. B
In conclusione, R sar linsieme di numeri che considereremo nel resto del corso, e
si rivela adeguato per la gran parte delle applicazioni economiche
14
.
12
In realt, pur essendo la cosa piuttosto intuitiva, si tratta di un postulato, detto di continuit
della retta.
13
Suggerita da Simone Cerreia-Vioglio.
14
Un importante ulteriore allargamento, del quale non ci occuperemo, linsieme C dei numeri
complessi.
1.3. STRUTTURA DEGLI INTERI 31
1.3 Struttura degli interi
In questa e nelle prossima sezione studiamo alcune elementari, ma non banali, pro-
priet dei numeri interi. Il risultato principale che presenteremo il Teorema Fonda-
mentale dellAritmetica, che mostra il ruolo centrale dei numeri primi nella struttura
dellinsieme degli interi.
1.3.1 Divisori e algoritmi
In questa prima sottosezione presenteremo alcune nozioni necessarie alla sottosezione
successiva sui numeri primi. Nel far ci incontreremo e cominceremo a conoscere la
nozione di algoritmo, di grande importanza nelle applicazioni.
Cominciamo con lintrodurre in modo rigoroso alcune nozioni che, nella loro essen-
za, ci sono note forse n dalle scuole elementari. Un numero intero : divisibile per
un numero intero j ,= 0 se esiste un terzo numero intero tale che : = j. In simboli,
si scrive j [ : e si legge j divide :.
Esempio 3 Il numero intero 6 divisibile per il numero intero 2, cio 2 [ 6, perch il
numero intero 3 tale che 6 = 2 3. Daltra parte, 6 anche divisibile per 3, cio
3 [ 6, perch il numero intero 2 tale che 6 = 2 3. #
Sempre dalle scuole elementari sappiamo come dividere tra loro due numeri interi,
usando resti e quozienti. Per esempio, se : = 7 e : = 2, si ha : = 3 2 + 1, con
quoziente 3 e resto 1. Il prossimo semplice risultato formalizza questa procedura e
mostra che essa vale per ogni coppia di interi (cosa che alle elementari davamo per
scontata, ma ora siamo grandi e non dobbiamo dare pi nulla per scontato).
Proposizione 10 Dati due numeri interi qualsiasi : e :, con : positivo
15
, esiste
una e una sola coppia di interi e : tali che
: = :+:
con 0 _ : < :.
Dim. Nellenunciato si aermano due distinte propriet: lesistenza della coppia
(. :) e la sua unicit. Cominciamo col dimostrare lesistenza. Consideriamo solo
il caso : _ 0 (per : < 0 basta cambiare di segno). Consideriamo linsieme =
j N : j _ :,:. Poich : _ 0, linsieme non vuoto perch contiene, almeno, il
numero zero. Sia il pi grande elemento di . Per denizione, : _ : < ( + 1) :.
Posto : = : :, si ha quindi
0 _ : : = : < ( + 1) :: = :.
Abbiamo quindi dimostrato lesistenza della coppia e : desiderata.
15
Un numero intero : si dice positivo se : _ 1.
32 CAPITOLO 1. INSIEMI E NUMERI
Mostriamo ora lunicit. Per contraddizione, siano (
t
. :
t
) e (
tt
. :
tt
) due coppie
distinte tali che
: =
t
:+:
t
=
tt
:+:
tt
. (1.9)
con 0 _ :
t
. :
tt
< :. Poich
t
,=
tt
, senza perdita di generalit supponiamo che
t
<
tt
;
ossia,

t
+ 1 _
tt
(1.10)
poich
t
e
tt
sono numeri interi. Da (1.9) segue che (
tt

t
) : = :
t
:
tt
. Siccome
(
tt

t
) : _ 0, si ha 0 _ :
tt
_ :
t
< :. Quindi,
(
tt

t
) : = :
t
:
tt
< :.
il che implica
tt

t
< 1, ossia
tt
<
t
+ 1. Ma ci contraddice la (1.10). La
contraddizione mostra che lassunzione di coppie (
t
. :
t
) e (
tt
. :
tt
) distinte falsa. B
Massimo comune divisore
Dati due numeri interi positivi : e :, il loro massimo comune divisore, indicato
:cd (:. :), il pi grande divisore comune a entrambi i numeri. Il prossimo risultato,
dimostrato da Euclide nei suoi Elementi, mostra quel che nelle scuole elementari si
dava per scontato, ossia che ogni coppia di interi possiede un unico massimo comune
divisore.
Teorema 11 (Euclide) Ogni coppia di numeri interi positivi ha uno e un solo mas-
simo comune divisore.
Dim. Come la Proposizione 10, anche questo un risultato di esistenza e unicit. Lu-
nicit ovvia; mostriamo quindi lesistenza. Siano : e : due interi positivi qualsiasi.
Grazie alla Proposizione 10, esiste ununica coppia (
1
. :
1
) tale che
: =
1
:+:
1
, (1.11)
dove 0 _ :
1
< :. Se :
1
= 0, si ha :cd (:. :) = : e la dimostrazione si conclude. Se
:
1
0, si itera la procedura applicando a : la Proposizione 10. Si ha quindi ununica
coppia (
2
. :
2
) tale che
: =
2
:
1
+:
2
, (1.12)
dove 0 _ :
2
< :
1
. Se :
2
= 0, allora :cd (:. :) = :
1
. Infatti, la (1.12) implica :
1
[ :.
Inoltre, grazie alla (1.11) e (1.12), si ha
:
:
1
=

1
:+:
1
:
1
=

1

2
:
1
+:
1
:
1
=
1

2
+ 1.
e perci :
1
[ :. Quindi :
1
divisore sia di : sia di :. Rimane da mostrare che il pi
grande di tali divisori. Supponiamo j sia un intero positivo tale che j [ : e j [ :. Per
denizione, esistono due interi positivi c e / tali che : = cj e : = /j. Si ha
0 <
:
1
j
=
:
1
:
j
= c
1
/.
1.3. STRUTTURA DEGLI INTERI 33
Quindi :
1
,j un intero positivo, il che implica :
1
_ j. In conclusione, :cd (:. :) = :
1
se :
2
= 0. In questo caso, la dimostrazione si conclude.
Se :
2
0, si itera la procedura applicando al resto :
2
la Proposizione 10. Si ha
quindi ununica coppia (
S
. :
S
) tale che
:
1
=
S
:
2
+:
S
,
dove 0 _ :
S
< :
2
. Se :
S
= 0, procedendo come sopra si mostra che :cd (:. :) = :
2
,
e la dimostrazione si conclude. Se :
S
0, si itera la procedura. Di iterazione in
iterazione, si costruisce una successione di interi positivi :
1
:
2
:
I
. Poich
una successione decrescente di interi positivi non pu che essere nita: esiste un / _ 1
tale che :
I
= 0. Procedendo come sopra si mostra che :cd (:. :) = :
I1
, il che
completa la dimostrazione dellesistenza di :cd (:. :). B
Dal punto di vista metodologico questa dimostrazione un bellesempio di di-
mostrazione costruttiva, in quanto basata su un algoritmo (detto di Euclide) che con
un numero nito di iterazioni determina lente matematico di cui si stabilisce lesisten-
za, cio il massimo comune divisore. La nozione di algoritmo fondamentale perch,
quando esiste, rende computabili gli enti matematici. Infatti, in linea di principio un
algoritmo pu essere automatizzato tramite un opportuno programma di computer
(per esempio, lalgoritmo di Euclide permette di automatizzare la ricerca dei massimi
comuni denominatori).
Lalgoritmo di Euclide il primo algoritmo che incontriamo ed molto importante
in Teoria dei numeri. Merita di essere rivisto in dettaglio. Dati due interi positivi :
e :, lalgoritmo si articola nei seguenti / _ 1 passi:
Passo 1 : =
1
:+:
1
Passo 2 : =
2
:
1
+:
2
Passo 3 :
1
=
2
:
2
+:
S
.......
Passo / :
I2
=
2
:
I1
(ossia, :
I
= 0)
Lalgoritmo si arresta al passo / tale che :
I
= 0. In questo caso :cd (:. :) = :
I1
,
come si visto nella dimostrazione.
Esempio 4 Consideriamo gli interi positivi 3801 e 1708. A prima vista non ovvio
quale sia il loro massimo comune divisore. Per fortuna, abbiamo a nostra disposizione
lalgoritmo di Euclide per determinarlo. Si procede come segue:
Passo 1 3801 = 2 1798 + 385
Passo 2 1708 = 4 385 + 168
34 CAPITOLO 1. INSIEMI E NUMERI
Passo 3 385 = 2 168 + 49
Passo 4 168 = 3 49 + 21
Passo 5 49 = 2 21 + 7
Passo 6 21 = 3 7
In sei passi abbiamo quindi scoperto che :cd (3801. 1708) = 7. #
La bont di un algoritmo dipende dal numero di passi, cio di iterazioni, che gli
occorronno per giungere alla soluzione. Un algoritmo tanto pi potente quante
meno iterazioni usa. Per lalgoritmo di Euclide si ha la seguente notevole propriet,
dimostrata da Gabriel Lam.
Teorema 12 (Lam) Dati due numeri interi : e :, il numero di iterazioni richi-
este dallalgoritmo di Euclide minore o uguale a cinque volte il numero di cifre di
min :. :.
Per esempio, se torniamo ai numeri 3801 e 1708, il numero di cifre qui rilevante 4.
Il Teorema di Lam ci garantisce a priori che lalgoritmo di Euclide avrebbe rischiesto
al pi 20 iterazioni. Ne abbiamo usate solo 6, ma grazie al Teorema di Lam prima di
iniziare gi sapevano che non ci avremmo comunque impiegato molto (e che, quindi,
valeva la pena tentare, sapendo di non rischiare di rimanere impantanati in un numero
estenuante di iterazioni).
1.3.2 Numeri primi
Tra i numeri naturali un ruolo preminente svolto dai numeri primi, che il lettore ha
gi probabilmente incontrato nelle scuole superiori.
Denizione 7 Un numero naturale : _ 2 si dice primo se divisibile solo per 1 e
per s stesso.
Un numero naturale non primo si dice composto. Indichiamo con P linsieme dei
numeri primi. Ovviamente, P _ N e NP linsieme dei numeri composti. I naturali
2. 3. 5. 7. 11. 13. 17. 19. 23. 29
sono i primi dieci numeri primi, come il lettore pu facilmente vericare.
Limportanza dei numeri primi comincia a emergere se osserviamo come i numeri
composti si possano esprimere come prodotto di numeri primi. Per esempio, il numero
composto 12 si pu scrivere come
12 = 2
2
3.
1.3. STRUTTURA DEGLI INTERI 35
mentre il numero composto 60 si pu scrivere come
60 = 2
2
3 5.
In generale, la rappresentazione primale di un numero composto : si pu scrivere come
: = j
a
1
1
j
a
2
2
j
a
k
I
(1.13)
dove j
i
P e :
i
N per ogni i = 1. .... /, con
j
1
< j
2
< < j
I
e :
1
0. .... :
I
0.
Esempio 5 Per : = 12 si ha j
1
= :
1
= 2, j
2
= 3 e :
2
= 1; in questo caso / = 2.
Per : = 60 si ha j
1
= :
1
= 2, j
2
= 3, :
2
= 1, j
S
= 5 e :
S
= 1; in questo caso
/ = 3.
Per : = 200 si ha
200 = 2
S
5
2
sicch j
1
= 2, :
1
= 3, j
2
= 5 e :
2
= 2; in questo caso / = 2.
Per : = 522 si ha
522 = 2 3
2
29
sicch j
1
= 2, :
1
= 1, j
2
= 3, :
2
= 2, j
S
= 29 e :
S
= 1; in questo caso / = 3. #
Quanto appena visto solleva due questioni: se ogni naturale ammetta una rappre-
sentazione primale (nora abbiamo solo studiato alcuni esempi particolari) e se tale
rappresentazione sia unica. Il prossimo risultato, il Teorema fondamentale dellarit-
metica, risolve entrambi i problemi mostrando che ogni intero ammette una e una sola
rappresentazione primale. In altre parole, ogni intero si pu esprime in modo univoco
come prodotto di numeri primi.
I numeri primi sono quindi gli atomi di N: non sono scindibili (in quanto divisibili
sono per 1 e per s stessi) e attraverso di essi si pu esprimere univocamente ogni altro
numero naturale. Limportanza del risultato, che mostra la centralit dei numeri primi,
ben testimoniata dal suo nome. La sua prima dimostrazione si trova nelle celebri
Disquisitiones Arithmeticae pubblicate nel 1801 da Carl Friederich Gauss, sebbene il
risultato fosse nella sua essenza gi noto a Euclide.
Teorema 13 (fondamentale dellaritmetica) Ogni numero naturale : 1 am-
mette una e una sola rappresentazione primale (1.13).
Dim. Cominciamo col dimostrare lesistenza della rappresentazione. Procediamo per
contraddizione. Supponiamo quindi che esistano numeri naturali che non ammettanno
rappresentazione primale (1.13). Sia : 1 il pi piccolo tra essi. Ovviamente, il
numero : composto. Esistono quindi due naturali j e tali che : = j con 1 <
j. < :. Poich : il numero naturale pi piccolo che non ammette rappresentazione
36 CAPITOLO 1. INSIEMI E NUMERI
primale, i numeri j e ammettono tale rappresentazione. In particolare, possiamo
scrivere
j = j
a
1
1
j
a
2
2
j
a
k
I
e =
a
0
1
1

a
0
2
2

a
0
s
c
.
Si ha quindi
: = j = j
a
1
1
j
a
2
2
j
a
k
I

a
0
1
1

a
0
2
2

a
0
s
c
Raccogliendo opportunamente i termini j
i
e
)
, si pu scrivere : nella forma (1.13), e
perci : ammette rappresentazione primale, il che contraddice quanto assunto su :.
Ci completa la dimostrazione per contraddizione dellesistenza.
Procediamo per contraddizione anche per mostrare lunicit. Supponiamo quindi
che esistano numeri naturali che ammettano pi duna fattorizzazione. Sia : 1 il pi
piccolo tra essi: tale : ammette almeno due diverse fattorizzazioni, sicch possiamo
scrivere
: = j
a
1
1
j
a
2
2
j
a
k
I
=
a
0
1
1

a
0
2
2

a
0
s
c
.
Siccome
1
un divisore di :, deve essere un divisore di almeno uno dei fattori j
1
<
< j
n
. Per esempio, sia j
1
un tale fattore. Essendo
1
e j
1
entrambi primi, si ha

1
= j
1
. Quindi
j
a
1
1
1
j
a
2
2
j
a
k
I
=
a
0
1
1
1

a
0
2
2

a
0
s
c
< :.
il che contraddice la minimalit di : perch anche il numero j
a
1
1
1
j
a
2
2
j
a
k
I
ammette pi
fattorizzazioni. La contraddizione dimostra lunicit della rappresentazione primale.
B
Dal punto di vista metodologico si deve osservare che questa dimostrazione di
esistenza per contraddizione e, in quanto tale, non pu essere costruttiva. Infatti,
tale tipo di dimostrazioni si basa sul Principio del terzo escluso (una propriet
vera se e solo se non falsa) e la verit di una asserzione stabilita mostrandone
la non falsit. Ci rende spesso queste dimostrazioni brevi ed eleganti, ma, bench
logicamente ineccepibili
16
, dal vago carattere metasico perch non danno un modo
per costruire gli enti matematici di cui stabiliscono lesistenza. In altri termini, non
danno un algoritmo con cui determinare tali enti.
In conclusione, invitiamo il lettore a confrontare questa dimostrazione di esistenza
con quella, costruttiva, del Teorema 11. Il loro confronto dovrebbe chiarire le dierenze
tra i due tipi fondamentali di dimostrazione di esistenza, costruttiva/diretta e non
costruttiva/indiretta.
Non un caso che la dimostrazione di esistenza del Teorema fondamentale dellar-
itmetica non sia costruttiva. Infatti, costruire algoritmi che permettano di fattorizzare
in numeri primi un numero naturale : (i cosiddetti test di fattorizzazione) oltremodo
complicato. Del resto, gi costruire algoritmi in grado perlomeno di stabilire se :
16
A meno di riutare il Principo del terzo escluso, come alcuni illustri matematici hanno fatto (ma,
si tratta di una posizione minoritaria, e comunque un aspetto metodologico molto sottile il cui
studio ora del tutto prematuro).
1.3. STRUTTURA DEGLI INTERI 37
primo o composto (test di primalit) estremamente complesso ed tuttora un attivo
campo di ricerca (tant che un risultato importante in questo ambito del 2002)
17
.
Per intuire la dicolt del problema si osservi che, se : composto, esistono due
naturali c. / 1 tali che : = c/. Quindi, c _
_
: oppure / _
_
: (diversamente,
c/ :), e dunque esiste un divisore di : tra i naturali compresi tra 1 e
_
:. Per
vericare se : primo o composto possiamo quindi limitarci a dividere : per tutti i
naturali tra 1 e
_
:: se nessuno di essi risulta essere un divisore di :, concludiamo
che : primo; diversamente, che : composto. La procedura richiede al pi
_
:
operazioni (di divisione).
Forti di queste considerazioni, supponiamo di voler vericare se il numero 10
100
+
1 primo o composto (si tratta di un numero di 101 cifre, quindi grande ma non
grandissimo). La procedura richiede al pi
_
10
100
+ 1 operazioni, ossia al pi circa 10
0
operazioni. Supponiamo di possedere un potentissimo calcolatore in grado di svolgere
10
10
(dieci miliardi) operazioni al secondo. Poich in un anno vi sono 31.536.000
secondi, cio circa 3 10
7
secondi, il nostro calcolatore in un anno in grado di svolgere
circa 3 10
7
10
10
= 3 10
17
operazioni. Per svolgere le operazioni che la procedura
potrebbe richiedere, il nostro calcolatore ha bisogno di
10
0
3 10
17
=
1
3
10
SS
anni. meglio cominciare subito...
Si osservi che, se conosciamo la rappresentazione primale di due numeri naturali :
e :, possiamo facilmente determinare il loro massimo comune divisore. Per esempio,
da
3801 = 3 7 181 e 1708 = 2
2
7 61
segue subito che :cd (3801. 1708) = 7, il che conferma quanto gi determinato con
lalgoritmo di Euclide. Vista la grande dicolt di fattorizzare i numeri naturali,
losservazione per di scarsa importanza dal punto di vista computazionale. perci
bene tenersi caro lalgoritmo di Euclide che in grado di calcolare, con ragionevole
ecienza grazie al Teorema di Lam, i massimi comuni denominatori senza dover
passare tramite alcuna fattorizzazione.
Ma quanti sono?
Vista limportanza dei numeri primi, naturale chiedersi quanti siano. Il prossimo
celeberrimo risultato, dovuto a Euclide, mostra che essi sono inniti. Dopo il Teorema
8, la seconda notevolissima gemma della matematica classica che abbiamo la fortuna
di incontrare nel volgere di poche pagine.
17
Una delle ragioni per cui lo studio di test di fattorizzazione un attivo campo di ricerca che la
dicolt di fattorizzare i numeri naturali sfruttata dalla moderna crittograa per costruire codici
impenetrabili.
38 CAPITOLO 1. INSIEMI E NUMERI
Teorema 14 (Euclide) Esistono inniti numeri primi.
Dim. La dimostrazione per contraddizione. Supponiamo esista un numero nito di
numeri primi e indichiamoli con j
1
< j
2
< < j
a
. Si ponga
= j
1
j
2
j
a
e : = + 1. Il numero naturale : maggiore di tutti i numeri primi, ed quindi
un numero composto. Per il Teorema fondamentale dellaritmetica, esso dunque
divisibile per almeno uno dei numeri primi j
1
, j
2
, ..., j
a
. Indichiamo tale divisore
con j. Entrambi i numeri naturali : e sono quindi divisibili per j. Ne segue che
anche la loro dierenza, ossia il numero naturale 1 = : , divisibile per j , il che
impossibile perch j 1. La contraddizione mostra che lassunzione che esista un
numero nito di numeri primi falsa. B
In conclusione, abbiamo visto alcune nozioni di base di Teoria dei numeri, la bran-
ca della Matematica che si occupa delle propriet dei numeri interi. uno dei campi
pi aascinanti e dicili della Matematica, con risultati di grande profondit, spes-
so relativamente facili da enunciare ma dicili da dimostrare. Lesempio classico al
riguardo il famoso Ultimo Teorema di Fermat, il cui enunciato molto semplice: se
: _ 3 non esistono tre numeri interi positivi r, e . tali che r
a
+
a
= .
a
. Grazie al
Teorema di Pitagora sappiamo che per : = 2 tali terne di interi esistono (per esempio,
3
2
+4
2
= 5
2
); lUltimo Teorema di Fermat aerma che : = 2 in realt lunico caso in
cui questa notevole propriet vale. Enunciato da Fermat, il teorema stato dimostrato
nel 1994 da Andrew Wiles dopo pi di tre secoli di inutili tentativi.
1.4 Struttura dordine di R
Volgiamo ora la nostra attenzione allinsieme R dei numeri reali, centrale per le appli-
cazioni. Unimportante propriet di R la possibilit di ordinare gli elementi tramite
la disuguaglianza _. Il signicato intuitivo di tale disuguaglianza chiaro: dati due
reali c e /, si ha c _ / quando c grande almeno quanto /.
Consideriamo le seguenti propriet della disuguaglianza _:
(i) riessivit: c _ c;
(ii) antisimmetria: se c _ / e / _ c, allora c = /;
(iii) transitivit: se c _ / e / _ c, allora c _ c;
(iv) completezza: per ogni coppia c. / R, si ha c _ / oppure / _ c (o entrambe);
(v) indipendenza additiva: se c _ /, allora c +c _ / +c per ogni c R.
1.4. STRUTTURA DORDINE DI R 39
(vi) indipendenza moltiplicativa: sia c _ /; allora
cc _ /c se c 0
cc = /c = 0 se c = 0
cc _ /c se c < 0
(vii) separazione: dati due insiemi di numeri reali e 1, se c _ / per ogni c e
/ 1, allora esiste c R tale che c _ c _ / per ogni c e / 1.
Le prime tre propriet hanno unovvia interpretazione. La completezza garantisce
che, dati due numeri reali qualsiasi, essi possano sempre essere ordinati. Lindipen-
denza additiva fa s che lordinamento iniziale tra due reali c e / non sia alterato dal
sommare a entrambi uno stesso reale c. Lindipendenza moltiplicativa considera invece
la stabilit di tale ordinamento rispetto alla moltiplicazione.
Inne, la separazione permette di separare due insiemi tra loro ordinati da _
ossia tali che ogni elemento delluno maggiore o uguale a ogni elemento dellaltro
tramite un numero reale c, detto elemento separatore
18
.
La forma stretta c / della disuguaglianza debole _ indica che c strettamente
pi grande di /. In termini di _ si ha c / se e solo se / c, cio la disuguaglianza
stretta si pu vedere come negazione della disuguaglianza debole (di verso opposto).
In ogni caso, il lettore pu vericare che transitivit e indipendenza, additiva e molti-
plicativa, valgono anche per la disuglianza stretta, sostituendo _ con . Lasciamo al
lettore vericare che le altre propriet della disuglianza _ non valgono, invece, per .
La struttura dordine, caratterizzata dalle propriet (i)-(vii), fondamentale in
R. Prima di iniziarne lo studio, introduciamo grazie a _ e alcuni sottoinsiemi
fondamentali di R:
(i) gli intervalli chiusi limitati [c. /] = r R : c _ r _ /;
(ii) gli intervalli aperti limitati (c. /) = r R : c < r < /;
(iii) gli intervalli semichiusi (o semiaperti ) limitati (c. /] = r R : c < r _ / e
[c. /) = r R : c _ r < /.
Sono inoltre importanti
18
Si noti che la propriet vale anche per N e Z, ma non per Q. Per esempio, gli insiemi =
_
Q : <
_
2
_
e 1 =
_
Q :
_
2
_
non hanno un elemento separatore razionale, come il
lettore potr vericare alla luce di quanto vedremo nella Sezione 1.4.3.
40 CAPITOLO 1. INSIEMI E NUMERI
(iv) gli intervalli illimitati
19
[c. ) = r R : r _ c e (c. ) = r R : r c,
nonch i loro analoghi (. c] e (. c). In particolare, la semiretta positiva
[0. ) spesso indicata con R

, mentre R

indica (0. ), ossia la semiretta


positiva privata dellorigine.
Luso degli aggettivi aperto, chiuso e illimitato diverr chiaro nel Capitolo 5. Per
semplicit di notazione, nel seguito (c. /) star ad indicare sia un intervallo aperto
limitato sia gli illimitati (c. ), (. /) e (. ) = R. Analogamente, con (c. /]
e [c. /) si indicheranno sia gli intervalli semichiusi limitati sia gli illimitati (. /] e
[c. ).
1.4.1 Massimi e minimi
Denizione 8 Sia _ R un insieme non vuoto di numeri reali. Un numero / R
si dice maggiorante di se pi grande (meglio, non pi piccolo) di ogni elemento di
, ossia se
20
/ _ r \r .
mentre si dice minorante di se pi piccolo (meglio, non pi grande) di ogni
elemento di , ossia se
/ _ r \r .
Per esempio, se = [0. 1], il numero 3 un maggiorante e il numero 1 un mino-
rante poich 1 _ r _ 3 per ogni r [0. 1]. In particolare, linsieme dei maggioranti
di lintervallo [1. ) e linsieme dei minoranti lintervallo (. 0].
Indicheremo con
+
linsieme dei maggioranti di e con
+
linsieme dei minoranti.
Nellesempio appena visto,
+
= [1. ) e
+
= (. 0].
Facciamo alcune semplici osservazioni:
(i) Maggioranti e minoranti possono non appartenere allinsieme : il maggiorante
3 e il minorante 1 di [0. 1] ne sono un esempio.
(ii) Maggioranti e minoranti possono non esistere. Per esempio, per linsieme dei
numeri pari
0. 2. 4. 6. (1.14)
non esiste alcun reale che sia pi grande di tutti: linsieme non ha maggioranti.
Analogamente, linsieme
0. 2. 4. 6. (1.15)
19
Quando non vi sia pericolo di equivoci, scriveremo semplicemente in luogo di +. Il simbolo
fu introdotto nella Matematica da John Wallis nel Seicento e richiama una curva detta lemniscata
e una specie di cappello o di aureola (simbolo di forza) posto sul capo di alcune gure dei tarocchi:
in ogni caso non un 8 coricato
20
Il quanticatore universale \ si legge per ogni. Quindi, la scrittura \r si legge per ogni
elemento r appartenente allinsieme .
1.4. STRUTTURA DORDINE DI R 41
non ha minoranti, mentre linsieme degli interi Z un semplice esempio di insieme
che non ha n maggioranti n minoranti.
(iii) Se / un maggiorante, lo anche ogni /
t
/, e, analogamente, se / un
minorante, lo anche ogni /
tt
< /. Quindi, se esistono, maggioranti e minoranti
non sono unici.
Usando maggioranti e minoranti, diamo una prima classicazione degli insiemi della
retta reale.
Denizione 9 Un insieme non vuoto _ R si dice:
(i) superiormente limitato se ha un maggiorante, ossia se
+
,= O;
(ii) inferiormente limitato se ha un minorante, ossia se
+
,= O;
(iii) limitato se sia superiormente sia inferiormente limitato.
Per esempio, lintervallo chiuso [0. 1] limitato poich sia superiormente sia infe-
riormente limitato, mentre linsieme (1.14) dei pari inferiormente, ma non superior-
mente, limitato (infatti, abbiamo visto come non abbia maggioranti). Analogamente,
linsieme (1.15) superiormente, ma non inferiormente, limitato.
Si noti che questa classicazione degli insiemi non esaustiva: esistono insiemi che
non ricadono in alcuno dei punti (i)-(iii) della precedente denizione. Per esempio,
Z non ha n maggioranti n minoranti in R, e quindi non soddisfa nessuno dei punti
(i)-(iii). Tali insiemi si dicono illimitati .
Introduciamo ora una fondamentale classe di maggioranti e minoranti.
Denizione 10 Dato un insieme non vuoto _ R, un elemento ^ r di si dice
massimo di se il pi grande elemento di , ossia se
^ r _ r \r .
mentre si dice minimo di se il pi piccolo elemento di , ossia se
^ r _ r \r .
La caratteristica cruciale della denizione la richiesta che massimo e minimo
appartengano allinsieme considerato. immediato vedere come massimi e minimi
siano, rispettivamente, particolari maggioranti e minoranti. In eetti, essi non sono
altro che maggioranti e minoranti che appartengono allinsieme .
Esempio 6 Lintervallo chiuso [0. 1] ha minimo 0 e massimo 1. #
42 CAPITOLO 1. INSIEMI E NUMERI
Molte applicazioni economiche vertono sulla ricerca dei massimi o dei minimi di
opportuni insiemi di possibilit alternative. Purtroppo, si tratta di nozioni piuttosto
fragili perch spesso gli insiemi non ammettono massimi o minimi.
Esempio 7 Lintervallo semichiuso [0. 1) ha minimo 0, ma non ha massimo. Infatti,
supponiamo per contraddizione che esista un massimo ^ r [0. 1), ossia che valga ^ r _ r
per ogni r [0. 1). Si ponga
~ r =
1
2
^ r +
1
2
1.
Poich ^ r < 1, si ha ^ r < ~ r. Ma immediato vedere che ~ r [0. 1), il che contraddice il
fatto che ^ r sia massimo di [0. 1). #
Ragionando in modo analogo si vede che:
(i) lintervallo semichiuso (0. 1] ha massimo 1 ma non ha minimo;
(ii) lintervallo aperto (0. 1) non ha n minimo n massimo.
Quando esistono, massimi e minimi sono unici:
Proposizione 15 Un insieme _ R ha al pi un solo massimo e un solo minimo.
Dim. Siano ^ r
1
. ^ r
2
due massimi di . Mostriamo che ^ r
1
= ^ r
2
. Poich ^ r
1
un
massimo, si ha ^ r
1
_ r per ogni r . In particolare, poich ^ r
2
, si ha ^ r
1
_ ^ r
2
.
Analogamente, ^ r
2
_ ^ r
1
perch anche ^ r
2
un massimo, e quindi ^ r
1
= ^ r
2
. In modo
simile si mostra lunicit del minimo. B
Il massimo di un insieme si indica con max , e il suo minimo con min . Per
esempio, per = [0. 1], si ha max = 1 e min = 0.
1.4.2 Estremi superiore e inferiore
Poich massimi e minimi sono essenziali nelle applicazioni (e non solo in esse), la
loro fragilit un problema sostanziale. Per alleviare tale problema cerchiamo un
surrogato, cio una nozione concettualmente simile, ma meno fragile, cos da averla
a disposizione anche quando non si hanno massimi o minimi.
Consideriamo prima i massimi
21
. Losservazione dalla quale partire che il massi-
mo, quando esiste, il pi piccolo dei maggioranti, ossia
max = min
+
. (1.16)
Sia ^ r il massimo di . Se / un maggiorante di , si ha infatti / _ ^ r poich
^ r . Daltra parte, ^ r a sua volta un maggiorante e si ha quindi luguaglianza
(1.16).
21
Come gi menzionato, in Economia i massimi hanno un ruolo di primaria importanza.
1.4. STRUTTURA DORDINE DI R 43
Esempio 8 Abbiamo visto che linsieme dei maggioranti di [0. 1] lintervallo [1. ).
In questo esempio luguaglianza (1.16) prende la forma max [0. 1] = min [1. ). #
Quando esiste, il massimo quindi il pi piccolo dei maggioranti. Ma, il pi
piccolo dei maggioranti, ossia min
+
, pu esistere anche quando il massimo non esiste.
Per esempio, consideriamo = [0. 1): il massimo non esiste, ma il pi piccolo dei
maggioranti esiste ed 1, cio min
+
= 1.
Tutto ci candida il pi piccolo dei maggioranti a essere il surrogato del massimo di
cui siamo alla ricerca. In eetti, nellesempio appena visto, il punto 1 , in mancanza
di un massimo, il valore che pi gli vicino in spirito.
Ragionando in modo analogo, il pi grande dei minoranti, ossia max
+
, il can-
didato naturale a surrogare il minimo, quando questi non esista. Motivati da quanto
precede, diamo la seguente denizione.
Denizione 11 Dato un insieme non vuoto _ R, si dice estremo superiore di il
pi piccolo dei maggioranti di , ossia min
+
, ed estremo inferiore il pi grande dei
minoranti di , ossia max
+
.
Grazie alla Proposizione 15, sia lestremo superiore sia linferiore di , quando
esistono, sono unici. Li indichiamo con la notazione sup e inf . Per esempio, se
= (0. 1), si ha inf = 0 e sup = 1.
Come s gi detto, se inf , esso ne il minimo e, se sup , ne il
massimo.
Sebbene gli estremi superiore e inferiore possano esistere in assenza di massimi e
minimi, anchessi non sempre esistono.
Esempio 9 Consideriamo linsieme dei numeri pari in (1.14). In questo caso
+
= O
e lestremo superiore non esiste. Pi in generale, se non superiormente limitato, si
ha
+
= O e lestremo superiore non esiste. In modo analogo, gli insiemi che non sono
inferiormente limitati non hanno estremo inferiore
22
. #
Abbiamo trovato un ragionevole surrogato per le nozioni sia di massimo sia di
minimo, ossia lestremo superiore e linferiore. Tuttavia, per essere utili, occorre che
essi esistano per una classe sucientemente ampia di insiemi; diversamente, se anche la
loro esistenza fosse spesso problematica, sarebbero di ben poco aiuto come surrogati
23
.
Per fortuna, il prossimo importante risultato, il Teorema di completezza dei reali,
garantisce lesistenza degli estremi per unampia classe di insiemi, mostrando che gli
insiemi del tipo visto nellultimo esempio sono in eetti gli unici per i quali non esistono
gli estremi.
22
Qualora non ammetta estremo superiore, si usa scrivere sup = + e, qualora non ammetta
estremo inferiore, inf = . Si pone inoltre convenzionalmente supO = e inf O = +. Ci
motivato dalla circostanza che ogni numero reale da considerare simultaneamente un maggiorante
e un minorante di : naturale allora concludere che supO = inf O

= inf R = e inf O = supO

=
supR = +.
23
Lutilit di un surrogato dipende sia da quanto bene esso approssimi loriginale sia da quanto
ampia sia la sua disponibilit.
44 CAPITOLO 1. INSIEMI E NUMERI
Teorema 16 (di completezza dei reali) Ogni insieme _ R non vuoto e superi-
ormente limitato possiede estremo superiore; se non vuoto e inferiormente limitato
possiede estremo inferiore.
Dim. Ci limitiamo alla prima aermazione. Dire che superiormente limitato
signica che ammette qualche maggiorante, cio che
+
non vuoto. Poich c _ / per
ogni c e ogni /
+
, per la propriet di separazione esiste un elemento separatore
c R tale che c _ c _ / per ogni c e ogni /
+
. Poich c _ c per ogni c ,
si ha che c un maggiorante di , sicch c
+
. Ma, da c _ / per ogni /
+
segue
che c = min
+
, ossia c = sup . Ci prova lesistenza dellestremo superiore di . B
Quindi, eccetto gli insiemi non superiormente limitati, tutti gli altri insiemi in R
ammettono estremo superiore. Analogamente, eccetto gli insiemi non inferiormente
limitati, tutti gli altri insiemi in R hanno estremo inferiore. Ci conferma che gli
estremi superiori e inferiori sono in eetti ottimi surrogati, sulla cui esistenza possiamo
contare per unamplissima classe di insiemi di R.
Si osservi che, grazie al Teorema di completezza dei reali, tutti gli insiemi limitati
hanno estremo sia superiore sia inferiore.
1.4.3 Densit
La struttura dordine utile anche per chiarire i rapporti tra gli insiemi N, Z, Q e R.
Come prima cosa rendiamo rigorosa una intuizione naturale: per quanto grande sia un
numero reale, esiste sempre un numero naturale pi grande. Si tratta della cosiddetta
propriet archimedea dei reali.
Proposizione 17 Per ogni reale c R esiste un naturale : N tale che : _ c.
Dim. Sia c R. Poich linsieme N non superiormente limitato, c non un suo
maggiorante. Esiste quindi : N tale che : _ c. B
La prossima propriet evidenzia una dierenza fondamentale tra le strutture di N
e Z, da una parte, e di Q e R, dallaltra. Se prendiamo un numero intero, possiamo
parlare in modo molto naturale di predecessore e successore. In particolare, se : Z,
il suo predecessore lintero : 1, mentre il suo successore lintero : + 1 (per
esempio, il predecessore di 317 316 e il suo successore 318). In altre parole, Z ha
un ritmo discreto.
Al contrario, non possiamo parlare di predecessori e successori in Q o in R. Con-
sideriamo prima Q. Dato un razionale = :,:, sia
t
= :
t
,:
t
un razionale qualsiasi
tale che
t
. Si ponga

tt
=
1
2

t
+
1
2
.
Il numero
tt
razionale poich

tt
=
1
2

:
t
:
t
+
1
2

:
:
=
1
2
_
:
t
: +::
t
::
t
_
1.4. STRUTTURA DORDINE DI R 45
e risulta
<
tt
<
t
. (1.17)
Non esiste quindi il pi piccolo razionale maggiore di . Analogamente, facile vedere
come non esista il pi grande razionale minore di . I razionali non ammettono quindi
n predecessori n successori.
In modo del tutto simile si mostra che, dati due reali qualsiasi c < /, esiste un
reale c tale che c < c < /. Infatti
c <
1
2
c +
1
2
/ < /
Anche i reali non ammettono quindi n predecessori n successori. Il ritmo di razionali
e reali , per cos dire, serrato, senza interruzioni discrete. Tale propriet di Q e R
detta densit. A dierenza di N e Z, che sono insiemi discreti, Q e R sono insiemi
densi, privi di buchi.
Concludiamo con unimportante relazione di densit tra Q e R. Abbiamo osservato
come si possa dimostrare che la gran parte dei reali non sia razionale, ossia come
gran parte dei punti sulla retta sia rappresentata da numeri irrazionali. Tuttavia, i
razionali sono un sottoinsieme denso, e quindi molto signicativo, dei reali perch,
come mostra il prossimo risultato, nella disuguaglianza c < c < /, con c. / R, si pu
sempre scegliere c tra i razionali: tra due reali qualsiasi si pu cio sempre inlare
un razionale.
Proposizione 18 Dati due reali qualsiasi c < /, esiste un razionale Q tale che
c < < /.
La propriet in discorso si pu enunciare aermando che Q denso in R. Nella
dimostrazione si usa la nozione di parte intera [c] di un reale c R, cio il pi grande
intero : Z tale che : _ c. Per esempio, [:] = 3, [5,2] = 2,
__
2

= 1, [:] = 4 e
cos via. Il lettore pu vericare che
[c + 1] = [c] + 1
poich, per ogni : Z, si ha : _ c se e solo se : + 1 _ c + 1. Inoltre, [c] < c quando
c , Z.
Dim. Siano c. / R, con c < /. Per semplicit, distinguiamo tre casi.
Caso 1: Sia c + 1 = /. Se c Q il risultato segue dalla (1.17). Sia c , Q, e quindi
c + 1 , Q. Si ha
[c] _ c < [c] + 1 = [c + 1] < c + 1 (1.18)
e quindi = [c] + 1 il razionale cercato.
Caso 2: Sia / c 1, cio
c < c + 1 < /
46 CAPITOLO 1. INSIEMI E NUMERI
Dal Caso 1 segue che lesistenza di Q tale che c < < c + 1 < /.
Caso 3: Sia /c < 1. Grazie alla propriet archimedea dei reali, esiste : N. : ,= 0.
tale che
: _
1
/ c
.
sicch :/ :c = :(/ c) _ 1. Allora, per quanto appena visto nei casi 1 e 2, esiste
Q tale che :c < < :/. Quindi,
c <

:
< /
il che completa la dimostrazione perch ,: Q. B
OfB. Per il (pi dicile) caso 3, presentiamo una dimostrazione alternativa che prende
in esame diversi casi, a seconda che almeno uno dei reali sia razionale, oppure che siano
entrambi irrazionali.
Per esempio, siano c Q e / , Q, e sia c = / c con 0 < c < 1. Chiaramente,
esiste : _ 0 tale che c 10
a
(che vale infatti per ogni : log
10
(1,c)). Allora,
preso = c + 10
a
, si ha Q e inoltre c < < /. ll fatto che Q ovvio, dato
che si tratta di somma di due razionali. Inne, c < c + 10
a
= < c + c = /. Il caso
di / razionale e c irrazionale si dimostra analogamente.
Pi delicato il caso in cui c e / sono entrambi irrazionali. In tale evenienza, sia
c = / c < 1, e sia : _ 0 tale che c 10
a
. Allora, preso = [c 10
a
] 10
a
+ 10
a
,
si ha Q e inoltre c < < /. Il fatto che sia razionale ovvio, dato che si tratta
della somma di due razionali. Dimostriamo che c < < /. Infatti, si ha
= [c 10
a
] 10
a
+ 10
a
_ c 10
a
10
a
+ 10
a
= c + 10
a
< c +c = /.
dove abbiamo usato la prima delle due disuguaglianze in (1.18). Inne si ha
= [c 10
a
] 10
a
+ 10
a
= 10
a
([c 10
a
] + 1) 10
a
(c 10
a
) = c.
dove abbiamo usato la seconda delle disuguaglianze in (1.18). Abbiamo quindi di-
mostrato che c < < /.
La dimostrazione ha il pregio di mostrare come si possa costruire un numero
razionale che giace tra due irrazionali: in particolare, il numero razionale che si in-
serisce tra di loro si costruisce secondo quanto lintuizione suggerirebbe di fare. Si
prendono tutte le cifre decimali comuni ai due numeri, si azzerano le restanti ( ci
che si ottiene facendo [c10
a
]10
a
) e si aggiunge una quantit positiva, razionale e pi
piccola della dierenza tra i due numeri ( ci che si fa aggiungendo 10
a
). Il numero
risultante per costruzione razionale ed incluso tra i due irrazionali considerati. *
1.5. POTENZE E LOGARITMI 47
1.5 Potenze e logaritmi
1.5.1 Potenze
Dato : N, abbiamo gi ricordato il signicato di
a
con Q e di
1
n
con 0 < Q.
In modo del tutto analogo si deniscono c
a
con c R e e c
1
n
con 0 < c R. Pi in
generale, si pone
c
a
=
1
c
a
e c
m
n
= (c
n
)
1
n
per :. : N e 0 < c R. Abbiamo quindi denito la potenza c
v
di base reale positiva
ed esponente razionale. Talvolta si scrive
n
_
c
n
in luogo di c
m
n
.
Dato 0 < c R, vogliamo ora estendere questa nozione al caso c
a
con r R, ossia
con esponente reale. Prima di farlo, vediamo due importanti osservazioni.
NB. Abbiamo denito c
v
soltanto per c 0. Ci per evitare pericolosi e imbarazzanti
equivoci. Si pensi, per esempio, a (5)
3
2
. Essa si potrebbe riscrivere
2
_
(5)
S
=
2
_
125
oppure come
_
2
_
5
_
S
che non esistono (tra i reali). Ma si potrebbe scrivere anche
(5)
3
2
= (5)
6
4
che, a sua volta, si pu riesprimere come
4
_
(5)
6
=
4
_
15.625 che
esiste e vale circa 11. 180339 oppure come
_
4
_
5
_
6
che non esiste. V
NB. Consideriamo la radice
_
c = c
1
2
largamente noto che ogni numero positivo possiede due radici: per esempio
_
9 =
3. La doppia possibilit si usa qualicare radice algebrica; lunico valore positivo
della radice si dice invece radice aritmetica: per esempio 3 e 3 sono le due radici
algebriche di 9, mentre 3 ne lunica radice aritmetica.
Nel seguito le radici di ordine pari saranno sempre intese in senso aritmetico (e
quindi con un solo valore). Si tratta, del resto, della convenzione pi abituale: per
esempio, nella classica formula risolutiva
r =
/
_
/
2
4cc
2c
.
di unequazione cr
2
+/r+c = 0 di secondo grado, la radice intesa in senso aritmetico
(se fosse in senso algebrico non vi sarebbe alcuna necessit di scrivere , perch la
radice sarebbe gi di per s doppia). V
1.5.2 Potenze con esponente reale
Riprendiamo il lo del discorso, estendiamo la nozione di potenza al caso c
a
, con
0 < c R e r R. Purtroppo, i dettagli di questa estensione sono tediosi. Ci
accontentiamo di dire che c
a
, se c 1, non altro che lestremo superiore dellinsieme
di tutti i valori c
q
al variare di tra i razionali tali che _ r. Formalmente,
48 CAPITOLO 1. INSIEMI E NUMERI
c
a
= sup c
q
: _ r con Q . (1.19)
In modo analogo si denisce c
a
per 0 < c < 1. Valgono le seguenti propriet, che,
grazie alla (1.19), seguono dalle analoghe propriet che valgono quando lesponente
razionale.
Lemma 19 Sia c 0 e r. R. Si ha c
a
0 per ogni r R. Inoltre:
(i) c
a
c
j
= c
aj
e c
a
,c
j
= c
aj
;
(ii) (c
a
)
j
= c
aj
;
(iii) c
a
/
a
= (c/)
a
e c
a
,/
a
= (c,/)
a
;
(iv) se r si ha
c
a
c
j
se c 1
c
a
< c
j
se c < 1
c
a
= c
j
= 1 se c = 1
Tra le basi c 0 la pi importante il numero e. Come vedremo, la potenza e
a
gode di notevolissime propriet.
1.5.3 Logaritmi
Le operazioni di addizione e di moltiplicazione sono commutative (c + / = / + c e
c/ = /c) e hanno perci una sola operazione inversa, rispettivamente la sottrazione e
la divisione:
(i) se c +/ = c allora / = c c e c = c /
(ii) se c/ = c allora / = c,c e c = c,/, con c. / ,= 0.
Loperazione di potenza c
b
, con c 0, non invece commutativa: c
b
ben diversa
da /
o
e quindi essa possiede due distinte operazioni inverse.
Sia c
b
= c. La prima operazione inversa (assegnati c e /, individuare c) detta
radice /-esima di c:
c =
b
_
c = c
1b
.
La seconda (assegnati c e c, risalire a /) detta logaritmo
24
in base c di c:
/ = log
o
c.
24
Il nome un omaggio al grande matematico arabo Al-Khuwarizmi (o Al-Quwarizmi). Un altro
omaggio algoritmo.
1.5. POTENZE E LOGARITMI 49
Si noti che, oltre a dover essere c 0 e c 0, devessere anche c ,= 1 perch 1
b
= c
impossibile salvo quando c = 1.
Il logaritmo una nozione fondamentalissima, ubiqua in matematica e in tutte le
sue applicazioni. Come abbiamo appena visto, si tratta di una nozione molto semplice:
il numero / = log
o
c non altro che lesponente da attribuire ad c per ottenere c, cio
c
log
a
c
= c.
Le propriet dei logaritmi derivano facilmente dalle propriet delle potenze viste
nel Lemma 19.
Lemma 20 Siano c 0 e c. d 0, con c ,= 1. Si ha:
(i) log
1o
c = log
o
c;
(ii) log
o
k c =
1
I
log
o
c per ogni 0 ,= / R;
(iii) log
o
(cd) = log
o
c + log
o
d;
(iv) log
o
(c,d) = log
o
c log
o
d;
(v) log
o
c
I
= / log
o
c per ogni / R.
(vi) log
o
c = log
b
c, log
b
c ( cambiamento di base).
Dim. (i) Se (1,c)
b
= c, allora c
b
= c. (ii) Se
_
c
I
_
b
= c, allora c
Ib
= c e perci
lesponente da dare ad c
I
per ottenere c 1,/ dellesponente da dare ad c. (iii)
Siano c
a
= c, c
j
= d e c
:
= cd: dato che cd = c
a
c
j
= c
aj
segue lasserto. (iv)
La dimostrazione analoga alla precedente. (v) Siano c
a
= c e c
j
= c
I
: dato che
c
I
= (c
a
)
I
= c
Ia
segue lasserto
25
. (vi) Siano c
a
= c, /
j
= c e /
:
= c: si ha allora
c
a
= (/
:
)
a
= /
:a
= c = /
j
e perci .r = cio r = ,.. B
Alla luce della propriet (vi) di cambiamento di base, si pu prendere come base
dei logaritmi sempre lo stesso numero, per esempio 10, perch
log
o
c =
log
10
c
log
10
c
.
In realt, come per le potenze c
a
, anche per i logaritmi la base largamente pi
comune il numero e, che verr introdotto nel Capitolo 9. In tal caso si scrive sem-
plicemente log r in luogo di log
o
r. A cagione della sua importanza, log r anche
chiamato logaritmo naturale di r, il che porta alla notazione ln r talvolta usata in
alternativa a log r.
Il prossimo risultato evidenzia i legami strettissimi esistenti tra logaritmi e potenze,
che possono vedersi come nozioni tra loro inverse.
25
Per esempio, con a ,= 1, log
a
r
2
= 2 log
a
r per r 0. Si osservi che log
a
r
2
esiste per ogni r ,= 0,
mentre 2 log
a
r esiste soltanto per r 0.
50 CAPITOLO 1. INSIEMI E NUMERI
Proposizione 21 Dato c 0, c ,= 1, si ha
log
o
c
a
= r \r R
e
c
log
a
a
= r \r 0.
Lasciamo al lettore la semplice dimostrazione.
1.6 Numeri, dita e circuiti
Il modo pi abituale di scrivere i numeri utilizza la cosiddetta rappresentazione
decimale. Si sono scelti dieci segni graci
0. 1. 2. 3. 4. 5. 6. 7. 8. 9 (1.20)
le cifre, e con esse, utilizzando la notazione posizionale, ogni numero naturale pu
essere scritto tramite alcune cifre che, da destra a sinistra, ne indicano rispettivamente
le unit, le decine, le centinaia, le migliaia, ecc..
Cos, per esempio 4357 signica 4 migliaia, 3 centinaia, 5 decine e 7 unit. I
numeri naturali risultano cos scanditi dalle potenze di 10, ognuna delle quali determina
laggiunta di una cifra: la scrittura 4357 labbreviazione di
4 10
S
+ 3 10
2
+ 5 10
1
+ 7 10
0
.
Per la notazione posizionale assolutamente fondamentale luso dello 0 per indicare
una casella vuota: per esempio, nella scrittura 4057 lo zero indica lassenza di centinaia,
cio
4 10
S
+ 0 10
2
+ 5 10
1
+ 7 10
0
.
I numeri non interi si rappresentano in maniera del tutto analoga scandendoli
rispetto alle potenze di 1,10 = 10
1
: cos, per esempio 0. 501625 labbreviazione di
5 10
1
+ 0 10
2
+ 1 10
S
+ 6 10
1
+ 2 10

+ 5 10
6
.
La scelta della rappresentazione decimale dipesa dalla circostanza che abbiamo
dieci dita, ma ovviamente non lunica possibile. Alcune popolazioni americane con-
tavano sulle mani ma utilizzando, anzich le dieci dita, gli otto spazi tra esse. Essi
avrebbero scelto soltanto 8 cifre, che senza fantasia supponiamo essere
0. 1. 2. 3. 4. 5. 6. 7
e avrebbero scandito i vari numeri interi sulla base delle potenze di 8, cio 8, 64, 512,
4096, . . . Avrebbero scritto il nostro decimale 4357 come
1 4096 + 0 512 + 4 64 + 0 8 + 5 = 1 8
1
+ 0 8
S
+ 4 8
2
+ 0 8
1
+ 5 8
0
= 10405
1.6. NUMERI, DITA E CIRCUITI 51
e il decimale 0. 501625 come
4 0. 125 + 1 0. 0015625 = 4 8
1
+ 1 8
2
= 0. 41.
In generale, data una base / e linsieme di cifre
C
b
= c
0
. c
1
. .... c
b1

per rappresentare gli interi tra 0 e / 1, ogni numero naturale : si scrive in base /
come
d
I
d
I1
d
1
d
0
dove / un opportuno numero naturale e
: = d
I
/
I
+d
I1
/
I1
+ +d
1
/ +d
0
con d
i
C
b
per ogni i = 0. .... /.
Per esempio, consideriamo la base duodecimale, con cifre
0. 1. 2. 3. 4. 5. 6. 7. 8. 9. A.
In questo caso abbiamo usato i simboli A e per le due cifre addizionali di cui abbiamo
bisogno rispetto al caso decimale. Il numero duodecimale
9A02 = 9 12
1
+A 12
S
+ 0 12
2
+ 12 + 2
si converte in numerazione decimale come
9A02 = 9 12
1
+A 12
S
+ 0 12
2
+ 12 + 2
= 9 12
1
+ 10 12
S
+ 0 12
2
+ 11 12 + 2
= 188630
facendo uso della tabella di conversione
Duod. 0 1 2 3 4 5 6 7 8 9 A
Dec. 0 1 2 3 4 5 6 7 8 9 10 11
Si noti come la rappresentazione duodecimale 9A02 usi meno cifre di quella decimale
188630, ossia cinque invece di sei. Daltra parte, la numerazione duedicimale necessita
di 12 simboli da usare come cifre, invece dei 10 di quella decimale. un tipico trade
o che si aronta nella scelta della base con cui rappresentare i numeri: basi maggiori
permettono di rappresentare i numeri con meno cifre, ma richiedono un pi complesso
insieme di cifre. La risoluzione del trade o, e la conseguente scelta della base, dipende
dalle caratteristiche dellapplicazione di interesse.
Per esempio, in ingegneria eletronica importante avere un insieme semplicissimo
di cifre, con due soli elementi, perch calcolatori e apparecchi elettronici dispongono
in maniera naturale di due sole cifre (circuito aperto o chiuso, polarit positiva o
52 CAPITOLO 1. INSIEMI E NUMERI
negativa). Per tale ragione in questo ambito diusissima la base 2, la pi economica
tra le basi in termini di complessit dellinsieme di cifre C
2
, che consta delle solo cifre
0 e 1 (detti bit, dallinglese binary digits)
In rappresentazione binaria, i vari interi si scrivono come
Dec. 0 1 2 3 4 5 6 7 8 9 10 11 16
Bin. 0 1 10 11 100 101 110 111 1000 1001 1010 1011 10000
dove per esempio, in binario
11 = 1 2
S
+ 0 2
2
+ 1 2
1
+ 1 2
0
e in decimale
11 = 1 10
1
+ 1 10
0
Lestrema economicit su C
2
permessa dalla base 2 ha come costo il gran numero di
bit richiesto dalla rappresentazione binaria dei numeri. Per esempio, dove 16 consta di
due cifre decimali il corrispettivo binario 10000 usa cinque bit, dove 201 usa tre cifre
il corrispettivo binario 11001001 usa otto bit, dove 2171 usa quattro il corrispettivo
binario 100001111011 usa dodici bit, e cos via. Rapidamente la rappresentazione
binaria richiede un numero di bit che solo un computer in grado di digerire.
Dal punto di vista puramente matematico, la scelta della base del tutto conven-
zionale e passare da una base a unaltra facile (bench estremamente tedioso)
26
. Le
basi 2 e 10 sono oggi di gran lunga le basi pi importanti, ma nel passato si sono
utilizzate come basi anche 20 (il numero delle dita di mani e piedi; ne resta traccia
nel francese dove tuttora si dice quattro-venti per ottanta e quattro-venti-dieci
per novanta), nonch 16 (gli spazi tra le dita di mani e piedi) e 60 (comodo perch
divisibile per 2, 3, 4, 5, 6, 10, 12, 15, 20 e 30; ne resta ben pi che un ricordo nel come
suddividiamo ore e minuti o nella misurazione degli angoli).
La notazione posizionale stata usata a livello di calcolo manuale dalla notte dei
tempi (si pensi ai conti svolti con labaco), ma una conquista relativamente recente
nella scrittura, resa possibile dalla fondamentale innovazione dello zero e di eccezionale
importanza per lo sviluppo della Matematica e delle sue moltissime applicazioni, com-
merciali, scientiche e tecnologiche. Iniziatasi in India (sembra intorno al V secolo),
la notazione posizionale stata sviluppata nellAlto Medioevo nel mondo arabo, da
cui il nome di numeri arabi spesso usato per le cifre (1.20), ed giunta in Occidente
26
Anche le operazioni su numeri scritti con una rappresentazione non decimale non presentano
dicolt. Per esempio 11 + 9 = 20 si svolge in modo binario come
1011+
1001 =
10100
Basta ricordare che il riporto si fa a 2 e non pi a 10.
1.7. LA RETTA REALE ESTESA 53
grazie ai mercanti italiani tra lundicesimo e il dodicesimo secolo. In particolare, il
glio di uno di essi, Leonardo da Pisa (ca. 1170-1240), detto Fibonacci, fu il maggiore
matematico del Medioevo e autore nel 1202 di un celeberrimo trattato, il Liber Abaci,
la pi celebre tra le prime esposizioni della notazione posizionale in Occidente. Sino
ad allora si usava la numerazione romana
1. 11. 111. 1\. \. .... A. .... 1. .... C. ...`. ...
che non era posizionale e che rendeva macchinosa lesecuzione anche delle pi banali
operazioni (si provi prima a sommare CA1 e `C1, e poi 140 e 1150).
Chiudiamo con lincipit del primo capitolo del Liber Abaci, con la straordinaria
innovazione che il libro portava in Occidente:
Novem gure indorum he sunt
9. 8. 7. 6. 5. 4. 3. 2. 1
Cum his itaque novem guris, et cum hoc signo, quod arabice zephirum
appellatur, scribitur quilibet numerus, ut inferius demonstratur. [...] ut in
sequenti cum guris numeris super notatis ostenditur.
`1 ``AA111 ```AA11 ```AA `````1C ```
1001 2023 3022 3020 5600 3000
... Et sic in reliquis numeris est procedendum.
27
1.7 La retta reale estesa
Nella teoria dei limiti che ci occuper tra breve molto utile considerare la retta reale
estesa, che si ottiene aggiungendo alla retta reale i due punti ideali + e . Si
ottiene in tal modo linsieme R ' . +, indicato col simbolo R. La struttura
dordine di R si estende in modo ovvio su R ponendo < c < + per ogni c R.
Le operazioni denite in R possono essere parzialmente estese a R. In particolare,
oltre alle usuali regole di calcolo in R, sulla retta reale estesa valgono le seguenti
ulteriori regole, dette di aritmetizzazione parziale di + e :
(i) somma con un numero reale:
c += +. c = \c R (1.21)
27
I nove segni indiani sono ... Con questi nove segni, e col segno 0, che gli arabi chiamano zero, si
scrive un qualsiasi numero, come si mostra nel seguito. [...] i numeri di cui sopra sono qui di seguito
mostrati con i segni ... E cos si continua con i rimanenti numeri.
54 CAPITOLO 1. INSIEMI E NUMERI
(ii) somma tra inniti dello stesso segno:
++= + e =
(iii) prodotto con uno scalare non nullo:
c (+) = + e c () = \c 0
c (+) = e c () = + \c < 0
(iv) prodotto tra inniti:
_
+ (+) = () = +
+ () = (+) =
con, in particolare,
(+)
o
= + se c 0 e (+)
o
= 0 se c < 0
(v) quoziente:
c
+
=
c

= 0 \c R
(vi) potenza di un numero reale:
_

_
c
o
= + se c 1
c
o
= 0 se 0 < c < 1
c
o
= 0 se c 1
c
o
= + se 0 < c < 1
(vii) potenza tra inniti:
_
(+)
o
= +
(+)
o
= 0
Mentre la somma di inniti con lo stesso segno ben denita, per esempio la somma
di due inniti positivi a sua volta un innito positivo, la somma di inniti di segno
diverso non denita. , per esempio, il caso per la somma +, il cui risultato
non denito. Si tratta di un primo esempio di operazione indeterminata in R. In
particolare, sono indeterminate le seguenti operazioni:
(i) somme di inniti con segno diverso:
+ e + (1.22)
1.7. LA RETTA REALE ESTESA 55
(ii) prodotti tra 0 e innito:
0 e 0 () (1.23)
(iii) quozienti con numeratore e denominatore entrambi nulli o entrambi inniti:

e
0
0
(1.24)
(iv) le potenze:
1
o
. 0
0
. (+)
0
(1.25)
Le operazioni indeterminate (i)-(iv) sono chiamate forme di indeterminazione, e
svolgeranno una parte di rilievo nella teoria dei limiti.
OfB. Come abbiamo detto, la pi naturale immagine geometrica di R la retta (reale):
ad ogni punto corrisponde un numero e, viceversa, ad ogni numero corrisponde un pun-
to. Se prendiamo un segmento chiuso (e ovviamente limitato) possiamo trasportare
tutti i numeri dalla retta al segmento come mostra la gura che segue:
-3 -2 -1 0 1 2 3 4 5
-2
-1
0
1
2
3
4
O
Tutti i numeri reali che trovavano posto sulla retta trovano posto anche sul seg-
mento, estremi esclusi (qualcuno sta un po pi stretto, ma ci stanno proprio tut-
ti!). Anzi, avanzano due punti, gli estremi del segmento, ai quali naturale associare
rispettivamente + e . Limmagine geometrica di R cos un segmento chiuso.*
56 CAPITOLO 1. INSIEMI E NUMERI
Capitolo 2
Struttura cartesiana e R
:
2.1 Prodotti cartesiani e R
:
Supponiamo di voler classicare un vino secondo due caratteristiche, invecchiamento
e gradazione alcolica. Per esempio, supponiamo di leggere su unetichetta: 2 anni di
invecchiamento e 12 gradi. Possiamo scrivere
(2. 12) .
Guardiamo unaltra etichetta e leggiamo: 1 anno di invecchiamento e 10 gradi. In
questo caso possiamo scrivere
(1. 10) .
Le coppie (2. 12) e (1. 10) sono dette coppie ordinate ed in esse si distingue il primo
elemento, linvecchiamento, dal secondo, la gradazione alcolica: in una coppia ordinata
perci cruciale la posizione.
Sia
1
linsieme dei possibili anni di invecchiamento e sia
2
linsieme delle possibili
gradazioni. Si pu scrivere
(2. 12)
1

2
. (1. 10)
1

2
.
Indichiamo un generico elemento di
1
con c
1
e con c
2
uno di
2
. Per esempio, in
(2. 12) si ha c
1
= 2 e c
2
= 12.
Denizione 12 Dati due insiemi
1
e
2
, il prodotto cartesiano
1

2
linsieme
di tutte le coppie ordinate (c
1
. c
2
) con c
1

1
e c
2

2
.
Nellesempio, abbiamo
1
_ N e
2
_ N, ossia gli elementi di
1
e
2
sono numeri
naturali. Pi in generale, possiamo pensare che
1
=
2
= R, cosicch gli elementi di

1
e
2
sono numeri reali qualsiasi, sebbene con una possibile diversa interpretazione
a seconda della posizione. In questo caso
1

2
= R R = R
2
e la coppia (c
1
. c
2
)
si pu rappresentare con un punto nel piano:
57
58 CAPITOLO 2. STRUTTURA CARTESIANA E R
.
-3 -2 -1 0 1 2 3 4 5
-2
-1
0
1
2
3
4
x
y
O
a
1
a
2
Punto (c
1
. c
2
) del piano.
Una coppia ordinata di numeri reali (c
1
. c
2
) R
2
si chiama vettore.
Tra i sottoinsiemi di R
2
sono di particolare importanza:
(i) (c
1
. c
2
) R
2
: c
1
= 0, ossia linsieme delle coppie ordinate del tipo (0. c
2
). Si
tratta dellasse delle ordinate.
(ii) (c
1
. c
2
) R
2
: c
2
= 0, ossia linsieme delle coppie ordinate del tipo (c
1
. 0). Si
tratta dellasse delle ascisse.
(iii) (c
1
. c
2
) R
2
: c
1
_ 0 e c
2
_ 0, ossia linsieme delle coppie ordinate (c
1
. c
2
)
con entrambe le componenti positive. Si tratta del primo quadrante del piano
cartesiano. In modo analogo si deniscono gli altri quadranti:
-3 -2 -1 0 1 2 3 4 5
-2
-1
0
1
2
3
4
x
y
O
I II
III IV
2.1. PRODOTTI CARTESIANI E R
.
59
(iv) (c
1
. c
2
) R
2
: c
2
1
+c
2
2
= 1 e (c
1
. c
2
) R
2
: c
2
1
+c
2
2
_ 1, ossia rispettivamente
la circonferenza e il cerchio con centro lorigine e raggio unitario .
Poco sopra abbiamo classicato i vini usando due caratteristiche, invecchiamen-
to e gradazione alcolica. Consideriamo adesso un prodotto un po pi complicato,
per esempio un portafogli di titoli. Supponiamo che esistano quattro diversi titoli
acquistabili sul mercato. Un portafogli descritto dalla quaterna ordinata
(c
1
. c
2
. c
S
. c
1
) .
dove c
1
il denaro investito nel primo titolo, c
2
limporto investito nel secondo titolo,
e cos via. Per esempio,
(1000. 1500. 1200. 600)
indica un portafogli in cui 1000 euro sono stati investiti nel primo titolo, 1500 nel
secondo, e cos via. La posizione fondamentale: il portafogli
(1500. 1200. 1000. 600)
ben diverso dal precedente bench le somme di denaro investite nei vari titoli siano
le stesse.
Siccome le quantit di denaro sono numeri non necessariamente interi, e possono
anche essere negative in caso di vendite allo scoperto, naturale pensare che
1
=

2
=
S
=
1
= R, dove
i
linsieme delle possibili somme investibili nel titolo
i = 1. 2. 3. 4. Si ha
(c
1
. c
2
. c
S
. c
1
)
1

1
= R
1
.
In particolare,
(1000. 1500. 1200. 600) R
1
.
In generale, considerando : insiemi
1
.
2
. .
a
possiamo dare la seguente
Denizione 13 Dati : insiemi
1
.
2
.
a
, il loro prodotto cartesiano

2

a
.
indicato con
a
i=1

i
, linsieme di tutte le :-uple ordinate (c
1
. c
2
. .... c
a
) con c
1

1
. c
2

2
. . c
a

a
.
I vari c
1
. c
2
. . c
a
sono detti componenti (o elementi ) di c.
Quando
1
=
2
= =
a
= , si scrive

2

a
= =
a
;
in particolare se
1
=
2
= =
a
= R il prodotto cartesiano si indica con R
a
, che
cos linsieme di tutte le :-uple (ordinate) di numeri reali. In altre parole,
R
a
= R R R
. .
a volte
60 CAPITOLO 2. STRUTTURA CARTESIANA E R
.
Un elemento
r = (r
1
. r
2
. .... r
a
) R
a
chiamato vettore
1
. Il prodotto cartesiano R
a
si dice spazio euclideo (:-dimensionale).
Per : = 1, R
a
la retta reale R, per : = 2, R
2
il piano, e cos via. Cos come
per R e R
2
, anche i vettori in R
S
ammettono una rappresentazione graca:
0 0. 2 0. 4 0. 6 0. 8 1
0
0. 1
0. 2
0. 3
0. 4
0. 5
0. 6
0. 7
0. 8
0. 9
1
x
y
O
z
a
1
a
2
a
3
Vettore (c
1
. c
2
. c
S
) nello spazio.
che invece non pi possibile in R
a
con : _ 4. La rappresentazione graca pu aiutare
lintuizione, ma, dai punti di vista teorico e di calcolo, non ha alcuna importanza perch
i vettori di R
a
, con : _ 4, sono enti del tutto ben deniti: essi si rivelano fondamentali
nelle applicazioni economiche, come vedremo nella Sezione 2.4.
Nel seguito indicheremo sempre le componenti di un vettore con la stessa lettera us-
ata per il vettore accompagnandola da un indice: per esempio c
S
la terza componente
del vettore c,
7
la settima del vettore , ecc. ecc.
2.2 Operazioni in R
:
Consideriamo due vettori in R
a
:
r = (r
1
. r
2
. ... r
a
) . = (
1
.
2
. ....
a
) .
Deniamo il vettore somma r + come
r + = (r
1
+
1
. r
2
+
2
. .... r
a
+
a
) .
1
Per i numeri reali usiamo la lettera r invece di a.
2.2. OPERAZIONI IN R
.
61
Per esempio, per i due vettori r = (7. 8. 9) e = (2. 4. 7) in R
S
, si ha
r + = (7 + 2. 8 + 4. 9 + 7) = (9. 12. 16) .
Si noti come r + R
a
: tramite la somma si costruito un nuovo elemento di R
a
.
Sia ora c R e r R
a
. Si chiama prodotto dello scalare
2
c per il vettore r il
vettore cr denito come
cr = (cr
1
. cr
2
. .... cr
a
) .
Per esempio, con c = 2 e r = (7. 8. 9) R
S
, abbiamo
2r = (2 7. 2 8. 2 9) = (14. 16. 18) .
Anche cr R
a
, ossia anche con la moltiplicazione scalare si costruito un nuovo
elemento di R
a
.
Notazione. Se r = (r
1
. r
2
. .... r
a
), si ha r = (1) r e r = r + (1) .
Porremo inoltre 0 = (0. 0. .... 0), dove il grassetto distingue il vettore 0 di zeri dallo
scalare 0. #
Abbiamo quindi introdotto in R
a
due operazioni, laddizione e la moltiplicazione
scalare che estendono le corrispondenti operazioni tra numeri reali. Vediamone le
propriet. Cominciamo con laddizione.
Proposizione 22 Siano r, e . tre vettori arbitrari in R
a
. Si ha:
(i) r + = +r (propriet commutativa),
(ii) (r +) +. = r + ( +.) (propriet associativa),
(iii) r +0 = r (esistenza dellelemento neutro per la somma),
(iv) r + (r) = 0 (esistenza dellopposto di ogni vettore).
Dim. Mostriamo la (i), lasciando le altre al lettore. Si ha
r + = (r
1
+
1
. r
2
+
2
. .... r
a
+
a
) = (
1
+r
1
.
2
+r
2
. ....
a
+r
a
) = +r.
come desiderato. B
Consideriamo ora la moltiplicazione scalare.
Proposizione 23 Siano r. R
a
e c. , R. Si ha:
(i) c(r +) = cr +c (propriet distributiva per laddizione di vettori),
2
Un numero reale spesso detto scalare.
62 CAPITOLO 2. STRUTTURA CARTESIANA E R
.
(ii) (c +,) r = cr +,r (propriet distributiva per laddizione di scalari),
(iii) 1r = r (esistenza dellelemento neutro per la moltiplicazione scalare),
(iv) c(,r) = (c,) r (propriet associativa).
Dim. Mostriamo la (ii): le altre sono lasciate al lettore. Si ha
(c +,) r = ((c +,) r
1
. (c +,) r
2
. .... (c +,) r
a
)
= (cr
1
+,r
1
. cr
2
+,r
2
. .... cr
a
+,r
a
)
= (cr
1
. cr
2
. .... cr
a
) + (,r
1
. ,r
2
. .... ,r
a
) = cr +,r
come desiderato. B
Lultima operazione in R
a
che consideriamo il prodotto interno. Dati due vettori
r e in R
a
, il loro prodotto interno, indicato come r , denito come
r = r
1

1
+r
2

2
+ +r
a

a
.
ossia, in notazione pi compatta
3
,
r =
a

i=1
r
i

i
.
Altre notazioni molto diuse per il prodotto interno sono (r. ) e r. .
Per esempio, per i vettori r = (1. 1. 5. 3) e = (2. 3. :. 1) di R
1
, si ha
r = 1 (2) + (1) 3 + 5 : + (3) (1) = 5: 2.
Il prodotto interno unoperazione che dierisce dalla somma e dalla moltiplicazione
scalare in un aspetto strutturale: mentre queste ultime hanno come risultato un nuovo
vettore di R
a
, il risultato del prodotto interno uno scalare. Il prossimo risultato
raccoglie le principali propriet del prodotto interno: lasciamo al lettore la semplice
dimostrazione.
Proposizione 24 Siano r, e . tre vettori in R
a
. Si ha:
(i) r = r ( propriet commutativa),
(ii) (r +) . = (r .) + ( .) ( propriet distributiva),
(iii) cr . = c(r .) ( propriet distributiva).
Si noti che le due propriet distributive si possono compendiare nellunica propriet
(cr +,) . = c(r .) +, ( .).
3
Dati : numeri reali r
i
, la loro somma r
1
+ r
2
+ + r
n
si indica con la sommatoria

n
i=1
r
i
.
Analogamente, il loro prodotto r
1
r
2
r
n
si indica con la produttoria

n
i=1
r
i
.
2.3. STRUTTURA DORDINE IN R
.
63
2.3 Struttura dordine in R
:
La struttura dordine di R
a
si basa su quella di R: pur essendone unestensione,
presenta alcune interessanti novit. Cominciamo con il denire lordine _ su R
a
: dati
due vettori r = (r
1
. r
2
. ... r
a
) e = (
1
.
2
. ...
a
) in R
a
, scriviamo
r _
quando r
i
_
i
per ogni i = 1. 2. . . . . :. In particolare, si ha r = se e solo se si ha
sia r _ sia _ r.
In altre parole, _ ordina due vettori considerando tutte le componenti e applicando
loro lordine _ di R studiato nella Sezione 1.4. Per esempio, r = (0. 3. 4) _ =
(0. 2. 1). Quando : = 1, lordine _ diventa quello classico su R.
Lo studio delle propriet di base della disuguaglianza _ rivela una prima impor-
tante novit: quando : _ 2, lordine _ non soddisfa la completezza. Si dice perci
che _ un ordine parziale (a dierenza dellordine _ in R che completo). Infatti,
siano per esempio r = (0. 1) e = (1. 0) in R
2
: non si ha n r _ n _ r. molto
facile trovare vettori non confrontabili in R
a
. La gura mostra i vettori di R
2
che sono
_ oppure _ del vettore r = (1. 2).
-2 -1 0 1 2 3 4 5
-2
-1
0
1
2
3
4
5
x
y
O 1
2
In giallo i punti maggiori di r = [1. 2], in azzurro
quelli minori. Le due aree bianche sono i punti
non confrontabili con r.
Per il resto, facile vericare che _ su R
a
continua a godere delle propriet gi viste
per : = 1, ossia:
(i) riessivit: r _ r;
64 CAPITOLO 2. STRUTTURA CARTESIANA E R
.
(ii) transitivit: se r _ e _ ., allora r _ .;
(iii) indipendenza: se r _ , allora r +. _ +. per ogni . R
a
.;
(iv) separazione: dati due insiemi di numeri reali e 1 in R
a
, se c _ / per ogni
c e / 1, allora esiste c R
a
tale che c _ c _ / per ogni c e / 1.
Unaltra nozione che diventa sorprendentemente delicata quando : _ 2 la forma
della disuguaglianza stretta. Tale nozione delicata perch, dati due vettori r =
(r
1
. r
2
. .... r
a
) e = (
1
.
2
. ....
a
) di R
a
, si possono vericare due casi:
Tutte le componenti di r sono _ delle corrispondenti componenti di , ed alcune
siano strettamente maggiori; cio r
i
_
i
, per ogni i = 1. 2. ...: ed esiste , tale
che r
)

)
.
tutte le componenti di r sono strettamente maggiori delle corrispondenti com-
ponenti di , cio r
i

i
per ogni i = 1. 2. ...:.
Nel primo caso si parla di disuguaglianza stretta, in simboli r , nel secondo caso
si parla di disuguaglianza forte, in simboli r .
Esempio 10 Per r = (1. 3. 4) e = (0. 1. 2) in R
S
, si ha r . Per r = (0. 3. 4)
e = (0. 1. 2) si ha r ma non r perch r ha solo due componenti su tre
strettamente maggiori delle corrispettive componenti di . #
Dati due vettori r. R
a
, si ha
r =r =r _
Abbiamo cos tre nozioni di disuguaglianza tra vettori in R
a
, via via pi stringenti:
(i) una nozione debole, _, che permette luguaglianza tra i due vettori;
(ii) una nozione intermedia, , che richiede almeno una disuguaglianza stretta tra
le componenti;
(iii) una nozione forte, , che richiede la disuguaglianza stretta tra tutte le compo-
nenti dei due vettori.
Quando : = 1, sia sia si riducono al classico su R visto nella Sezione 1.4.
Inoltre, gli stessi simboli rovesciati, cio _. <. , si usano nel caso opposto.
Un caso particolarmente importante il confronto tra un vettore r e il vettore nullo
0. Si ha la seguente terminologia:
(i) se r _ 0, cio tutte le componenti di r sono positive, il vettore r si dice positivo;
2.3. STRUTTURA DORDINE IN R
.
65
(ii) se r 0, cio tutte le componenti di r sono positive e almeno una di esse
strettamente positiva, il vettore r si dice strettamente positivo;
(iii) se r 0, cio tutte le componenti di r sono strettamente positive, il vettore r
si dice fortemente positivo.
NB. La notazione e terminologia che abbiamo introdotta non lunica possibile. Alcu-
ni autori usano per esempio _. . in luogo di . . , mentre altri autori chiamano
non negativi i vettori che noi chiamiamo positivi, e cos via. Al di l della scelta
della notazione, che ha una forte componente di gusto personale, il signicato delle
nozioni introdotte dovrebbe risultare chiaro. V
Insieme alla non completezza di _, la presenza di due diverse versioni della disug-
uaglianza stretta la novit pi signicativa che si ha in R
a
per : _ 2 rispetto al caso
speciale R, cio : = 1, della Sezione 1.4.
Concludiamo questa sezione generalizzando gli intervalli visti in R nella Sezione
1.4. Dati c. / R
a
, abbiamo:
(i) lintervallo chiuso limitato
[c. /] = r R
a
: c _ r _ / = r R
a
: c
i
_ r
i
_ /
i
;
(ii) lintervallo aperto limitato
(c. /) = r R
a
: c r / = r R
a
: c
i
< r
i
< /
i
;
(iii) gli intervalli semichiusi (o semiaperti ) limitati
(c. /] = r R : c r _ / e [c. /) = r R : c _ r / .
Si hanno inoltre
(iv) gli intervalli illimitati [c. ) = r R
a
: r _ c e (c. ) = r R : r c,
nonch i loro analoghi (. c] e (. c). In particolare, [0. ) = r R
a
: r _ 0
spesso indicato con R
a

, mentre R
a

indica (0. ) = r R
a
: r 0. In
modo analogo si deniscono R
a

= r R
a
: r _ 0 e R
a

= r R
a
: r 0.
NB. (i) Gli intervalli in R
a
si possono esprimere come prodotti cartesiani di intervalli
in R; per esempio,
[c. /] =
a
i=1
[c
i
. /
i
] .
(ii) Nelle nozioni appena viste di intervallo abbiamo usato le disuguaglianze o _.
Sostituendole con la disuguaglianza < otteniamo altri possibili intervalli che, tuttavia,
sono ben poco rilevanti per i nostri ni. V
66 CAPITOLO 2. STRUTTURA CARTESIANA E R
.
2.4 Applicazioni
2.4.1 Incertezza
Consideriamo una monetina, il cui lancio ha come possibili esiti testa 1 o croce C. Il
primo lancio ha come insieme degli esiti
1
= C. 1, il secondo
2
= C. 1, e cos
via: si ha allora
i
= C. 1 per ogni possibili lancio. Supponiamo di lanciare due
volte la monetina. Linsieme degli esiti possibili dato dal prodotto cartesiano

2
= C. 1 C. 1 = (C. 1) . (C. C) . (1. C) . (1. 1) .
Pi in generale, se lanciamo : volte la monetina, linsieme degli esiti dato dal prodotto
cartesiano

a
i=1

i
= C. 1 C. 1 = C. 1
a
= (C. C. . C) . (C. 1. . C) . . (1. 1. . 1)
Luso dei prodotti cartesiani per modellare tutti i possibili esiti di un fenomeno aleato-
rio (in questo caso il lancio di una monetina) fondamentale nel Calcolo delle proba-
bilit.
2.4.2 Scelte statiche
Consideriamo un consumatore che debba scegliere quanti chili di mele e di patate
acquistare al mercato. Per comodit analitica assumiamo che tali beni siano innita-
mente divisibili, cosicch il consumatore possa acquistarne una quantit reale positiva
qualsiasi (per esempio, 3. 5 kg. di mele e : kg. di patate). In questo caso, R

linsieme
sia delle possibili quantit di mele sia di patate acquistabili. Linsieme dei panieri di
mele e patate che il consumatore pu acquistare quindi
R
2

= R

= (r
1
. r
2
) : r
1
. r
2
R

.
ossia gracamente dai punti del primo quadrante del piano. In generale, un consuma-
tore deve scegliere tra pi di due beni: qualora egli debba scegliere tra : beni, linsieme
dei panieri dato dal prodotto cartesiano
R
a

= R

= (r
1
. r
2
. ... r
a
) : r
i
R

per i = 1. 2. . : .
Nella Teoria della produzione, un vettore in R
a

rappresenta invece una possibile


congurazione di : input per il produttore. In questo caso il vettore r = (r
1
. r
2
. ... r
a
)
indica che il produttore ha a disposizione r
1
unit del primo input, r
2
unit del secondo,
..., e r
a
unit dellultimo.
2.5. OTTIMI SECONDO PARETO 67
2.4.3 Scelte intertemporali
Abbiamo appena visto come, nella teoria del consumatore, un vettore r = (r
1
. r
2
. ... r
a
)
sia interpretabile come un paniere in cui r
i
la quantit del bene i-esimo, ossia r
1
la quantit del bene 1, r
2
la quantit del bene 2, e cos via. Ma, in unaltra
possibile interpretazione, vi un unico bene e r = (r
1
. r
2
. ... r
a
) indica la quantit di
esso disponibile in vari periodi, ossia r
i
la quantit del bene disponibile nelli-esimo
periodo. Per esempio, se il bene sono mele, r
1
la quantit di mele nel periodo 1, r
2
la quantit di mele nel periodo 2, e cos via no a r
a
che la quantit di mele nel
periodo :-esimo.
In questo caso, R
a

indica lo spazio di tutti i panieri intertemporali di un dato bene


su : periodi; spesso si usa la notazione pi evocativa R
T
, dove 1 il numero di periodi
e r
t
la quantit di bene nel periodo t, con
4
t = 1. 2. . . . . 1.
Naturalmente, invece di un unico bene su pi periodi, possiamo considerare un
paniere di beni su pi periodi. Similmente, in un problema intertemporale di pro-
duzione, avremo vettori di input su pi periodi. Tali situazioni si modellano con
matrici, una nozione molto semplice della quale parleremo nel Capitolo 14. Molte
applicazioni si limitano comunque a un unico bene, e quindi R
T
uno spazio molto
importante nella Teoria delle scelte intertemporali. Un esempio fondamentale si ha
quando lunico bene la moneta, per cui r = (r
1
. r
2
. .... r
t
. .... r
T
) R
T
rappresenta
la quantit di moneta in diversi periodi: in tal caso r detto usso di cassa.
2.5 Ottimi secondo Pareto
Il concetto di massimo di un insieme di R, dato nella Denizione 10 pu essere
equivalentemente riformulato cos:
Lemma 25 Dato un insieme _ R, il punto ^ r massimo di A se e solo se non
esiste alcun r tale che r ^ r.
evidente infatti che chiedere che tutti i punti di siano _ ^ r esattamente lo
stesso che chiedere che nessuno sia ^ r. Analoga rilettura si pu dare per i minimi.
4
La notazione t = 1, 2, . . . , T equivalente a t 1, 2, . . . , T, cosi come la notazione i = 1, 2, . . . , :
equivalente a i 1, 2, . . . , :. La scelta tra esse di pura comodit.
68 CAPITOLO 2. STRUTTURA CARTESIANA E R
.
-4 -2 0 2 4 6
-3
-2
-1
0
1
2
3
4
5
( ) ( ]
A
Max A
Volgiamo ora lattenzione a sottoinsiemi di R
a
e allordine parziale _ vigente su di
esso. Possiamo estendere la nozione di massimo nel seguente modo.
Denizione 14 Dato un insieme _ R
a
un punto ^ r si dice massimo di A se
^ r _ r per ogni r .
In modo analogo si denisce il minimo. Vale inoltre lanalogo della Proposizione
15: il massimo (minimo) di un insieme _ R
a
, se esiste, unico (la dimostrazione
simile).
Purtroppo, le nozioni di massimo e minimo si rivelano quasi inutili nelle applicazioni
visto che gran parte dei sottoinsiemi di R
a
non possiede n massimi n minimi poich
lordine _ soltanto parziale in R
a
. molto pi procuo seguire invece lordine di idee
abbozzato con il Lemma 25. Infatti, la caratterizzazione ivi stabilita equivalente alla
usuale denizione di massimo in R, ma pi generale in R
a
ove, per giunta, abbiamo
due possibilit potendo usare i due segni di o di per negare il _. Ci motiva la
prossima denizione, di grande importanza nelle applicazioni economiche.
Denizione 15 Sia _ R
a
. Un punto ^ r detto:
(i) ottimo paretiano debole di , o massimale debole, se non esiste alcun r
tale che r ^ r;
(ii) ottimo paretiano di , o massimale, se non esiste alcun r tale che r ^ r.
In modo analogo si possono denire i minimali (eventualmente forti ), anchessi
detti ottimi paretiani (eventualmente forti)
5
.
Un ottimo paretiano ^ r lo anche in senso debole: se non esiste alcun r tale
che r ^ r, a fortiori non esiste alcun r tale che r ^ r. Il viceversa non vale:
5
Gli ottimi, come gli angeli, non hanno sesso. Bench sarebbe preferibile parlare di massimi
e di minimi paretiani, purtroppo la tradizione non distingue tra essi chiamandoli entrambi ottimi
paretiani, lasciando che la loro natura sia chiarita dal contesto.
2.5. OTTIMI SECONDO PARETO 69
Esempio 11 Sia = [0. 1] [0. 1] il quadrato di vertici (0. 0), (0. 1), (1. 0) e (1. 1). Il
vertice (1. 1) lunico ottimo paretiano di , mentre sono ottimi paretiani deboli tutti
i punti che giacciono sia sul lato di vertici (1. 0) e (1. 1) sia sul lato di vertici (1. 1) e
(0. 1). Nella seguente gura sono indicati in rosso gli ottimi paretiani deboli, di cui
(1. 1) lunico ottimo paretiano.
#
Grazie al Lemma 25, le nozioni di massimo e massimale sono equivalenti in R. Ci
non pi vero in R
a
con : 1, ove la nozione di massimo (molto) pi forte di quella
di massimale.
Lemma 26 Dato un insieme _ R
a
, il punto di massimo, se esiste, lunico
massimale.
Dim. Sia ^ r il punto di massimo di . Sia r con r ,= ^ r. Poich r non di
massimo, si ha ^ r _ r. Quindi, r non punto massimale. B
Il punto (1. 1) nellultima gura il punto di massimo, che anche lunico punto
massimale. In modo analogo linsieme della prossima gura possiede un massimo (che
quindi anche lunico massimale),
70 CAPITOLO 2. STRUTTURA CARTESIANA E R
.
-3 -2 -1 0 1 2 3 4
-2
-1
0
1
2
3
4
5
O
1
2
Il Lemma 26 non vale per i massimali deboli, che possono coesistere con un massimo.
La gura dellEsempio 11 ne prova, cos come la prossima, che ha un massimo (che
anche lunico massimale) e inniti massimali deboli, segnati in rosso
-2 -1 0 1 2 3 4 5
-2
-1
0
1
2
3
4
5
O
1
2
Il Lemma 26 ha quindi stabilito che il massimo di un insieme, quando esiste, lunico
massimale; cio
massimo ==massimale
Il converso , per, falso: esistono punti massimali che non sono massimi; cio,
massimale ;massimo
2.5. OTTIMI SECONDO PARETO 71
La prossima gura mostra un insieme di R
2
che possiede due massimali che non sono
massimi dellinsieme.
-2 -1 0 1 2 3 4 5
-2
-1
0
1
2
3
4
5
O -1
-1
Per i due massimali r
t
= (1. 2) e r
tt
= (2. 1) della gura non si ha r
t
_ r e r
tt
_ r
per ogni r . Tuttavia, si ha r
t
_ r e r
tt
_ r per ogni r che sia confrontabile,
rispettivamente, con r
t
o r
tt
. La mancanza di un massimo qui dovuta alla non
confrontabilit di tutti gli elementi dellinsieme, ossia al fatto che lordine _ soltanto
parziale in R
a
quando : 1.
La gura illustra unaltra dierenza fondamentale tra massimo e massimale in R
a
con : 1: il massimo di un insieme, se esiste, unico, mentre un massimale pu non
essere unico (anzi, molto spesso, non lo ).
In conclusione, la parzialit dellordine _ su R
a
rende la nozione di punti di massi-
mo (e minimo) casi particolari meno importanti, in quanto meno applicabili, della pi
generale e importante nozione di punti massimali (e minimali), che fondamentale in
R
a
.
Chiudiamo osservando che, naturalmente, i massimali (anche deboli) possono non
esistere, come mostra il prossimo semplice esempio.
Esempio 12 Si consideri il graco della funzione , : R R data da , (r) = r. Il
graco un sottoinsieme di R
2
privo di punti sia massimali deboli sia minimali deboli
(e quindi anche di punti massimali e minimali). #
2.5.1 Scatola di Edgeworth
Gli ottimi paretiani sono fondamentali per lEconomia. Pensiamo, per esempio, che
i vari vettori dellinsieme _ R
a
identichino i protti conseguibili da : individui.
72 CAPITOLO 2. STRUTTURA CARTESIANA E R
.
I punti di ottimo paretiano (massimali) rappresentano le situazioni dalle quali non ci
si pu allontanare senza diminuire il protto di almeno uno degli individui. In altri
termini, gli : individui non hanno nulla in contrario a restringere allinsieme dei
suoi ottimi paretiani (nessuno ci perde); il vero problema di conitto dinteresse sorge
quando si deve selezionare un punto tra questi ultimi.
Il concetto di ottimo paretiano porta a restringere un insieme di possibilit
alternative con il consenso unanime e perci a delimitarne il vero sottoinsieme critico.
questo il grande pregio di tale nozione, semplice ma ingegnosa, che spesso suciente
a identicare un sottoinsieme critico molto pi piccolo dellinsieme di partenza .
6
Una classica applicazione dellottimalit paretiana la scatola di Edgeworth. Sic-
come faremo uso di nozioni che introdurremo nel Capitolo 7, preferibile rileggere la
presente applicazione dopo tale capitolo.
Consideriamo due agenti, Alberto e Barbara, che debbano dividere tra loro quantit
unitarie di due beni innitamente divisibili (per esempio, un chilo di farina e un litro
di vino). Vogliamo modellare il problema di divisione (verosimilmente determinato da
una contrattazione tra le parti) e vedere se, grazie allottimalit di Pareto, possiamo
dire qualcosa di non banale a riguardo.
Ogni coppia r = (r
1
. r
2
), con r
1
[0. 1] e r
2
[0. 1], una possibile assegnazione
dei due beni a uno dei due litiganti: in altre parole, il prodotto cartesiano [0. 1] [0. 1]
le descrive tutte. I due agenti devono accordarsi sulle assegnazioni (c
1
. c
2
) di Alberto
e (/
1
. /
2
) di Barbara. Naturalmente devessere
c
1
+/
1
= c
2
+/
2
= 1. (2.1)
Per completare la descrizione del problema, dobbiamo dire quali sono i desiderata
dei due agenti. A tal ne, supponiamo che essi abbiano funzioni di utilit n
o
. n
b
: [0. 1]
[0. 1] R identiche, e che, per semplicit, supponiamo siano del tipo Cobb-Douglas
n
o
(r
1
. r
2
) = n
b
(r
1
. r
2
) =
_
r
1
r
2
(si veda lEsempio 75). Le curve di indierenza si
possono inscatolare nel seguente modo
6
Per lottimalit paretiana essenziale che gli agenti considerino unicamente le loro alternative
(panieri di beni, protti, ecc.), senza badare a quelli dei loro pari. In altre parole, che essi non provino
invidia o simili emozioni sociali. Per rendersene conto, si pensi a una trib di invidiosi, il cui capo
decidesse di raddoppiare le razioni di cibo di met dei membri della trib, lasciando invariate quelle
degli altri membri. La nuova allocazione susciterebbe vivaci proteste da parte degli invariati bench
nulla sia cambiato per loro.
2.5. OTTIMI SECONDO PARETO 73
0 0. 2 0. 4 0. 6 0. 8 1
0
0. 1
0. 2
0. 3
0. 4
0. 5
0. 6
0. 7
0. 8
0. 9
1
1 0
1
Scatola di Edgeworth.
che appunto la classica scatola di Edgeworth. Grazie alla condizione (2.1), possiamo
pensare a un punto (r
1
. r
2
) [0. 1] [0. 1] come allassegnazione di Alberto. Anzi,
possiamo in realt identicare ogni possibile suddivisione tra i due agenti con le as-
segnazioni (r
1
. r
2
) di Alberto; infatti, le assegnazioni di Barbara (1 r
1
. 1 r
2
) sono
univocamente determinate una volta note quelle di Alberto.
Ogni assegnazione (r
1
. r
2
) ha utilit n
o
(r
1
. r
2
) per Alberto e n
b
(1 r
1
. 1 r
2
)
per Barbara. Sia
=
_
(n
o
(r
1
. r
2
) . n
b
(1 r
1
. 1 r
2
)) R
2

: (r
1
. r
2
) [0. 1] [0. 1]
_
linsieme di tutti i proli di utilit dei due contendenti determinati dalla suddivisione
dei due beni.
Guardando la scatola di Edgeworth, il lettore si convincer facilmente che linsieme
degli ottimi paretiani di identicato dalla diagonale
1 =
_
(d. d) R
2

: d [0. 1]
_
della scatola, ossia dal luogo dei punti di tangenza delle curve di indierenza (detta
curva dei contratti ). Per dimostrarlo in modo rigoroso, ci occorre il prossimo semplice
Lemma 27 Dati r
1
. r
2
[0. 1], si ha
1
_
r
1
r
2
_
_
(1 r
1
) (1 r
2
). (2.2)
e luguaglianza vale se e solo se r
1
= r
2
.
74 CAPITOLO 2. STRUTTURA CARTESIANA E R
.
Dim. Poich r
1
. r
2
[0. 1], semplici manipolazioni portano alla catena di equivalenze:
1
_
r
1
r
2
_
_
(1 r
1
) (1 r
2
) ==(1
_
r
1
r
2
)
2
_ (1 r
1
) (1 r
2
)
==
r
1
+r
2
2
_
_
r
1
r
2
==
_
r
1
+r
2
2
_
2
_ r
1
r
2
==(r
1
r
2
)
2
_ 0.
Lultima disuguaglianza sempre vericata e possiamo concludere che vale la (2.2).
Inoltre le precedenti equivalenze portano a concludere che
1
_
r
1
r
2
=
_
(1 r
1
) (1 r
2
) ==(r
1
r
2
)
2
= 0.
il che pu vericarsi se e solo se r
1
= r
2
. B
Forti del lemma, mostriamo rigorosamente quanto il graco ha suggerito.
Proposizione 28 Un prolo (n
o
(r
1
. r
2
) . n
b
(1 r
1
. 1 r
2
)) un ottimo pare-
tiano di se e solo se (r
1
. r
2
) 1.
Dim. Cominciamo col mostrare che, per qualsiasi suddivisione di beni (r
1
. r
2
) , 1,
ossia tale che r
1
,= r
2
, esiste (d. d) 1 tale che
(n
o
(d. d) . n
b
(1 d. 1 d)) _ (n
o
(r
1
. r
2
) . n
b
(1 r
1
. 1 r
2
)) . (2.3)
Per Alberto, si ha
n
o
(
_
r
1
r
2
.
_
r
1
r
2
) =
_
r
1
r
2
= n
o
(r
1
. r
2
)
e quindi
_
_
r
1
r
2
.
_
r
1
r
2
_
per lui indierente a (r
1
. r
2
). Grazie al Lemma 27, per
Barbara si ha
n
b
(1
_
r
1
r
2
. 1
_
r
1
r
2
) = 1
_
r
1
r
2

_
(1 r
1
) (1 r
2
) = n
b
(1 r
1
. 1 r
2
) ,
dove la disuguaglianza stretta poich r
1
,= r
2
. Quindi, ponendo d =
_
r
1
r
2
, vale la
(2.3).
Ne segue che le suddivisioni (r
1
. r
2
) al di fuori della diagonale non sono ottimi
paretiani. Rimane da mostrare che le suddivisioni sulla diagonale lo sono. Sia (d. d)
1 e supponiamo, per contra, che esista (r
1
. r
2
) [0. 1] [0. 1] tale che
(n
o
(r
1
. r
2
) . n
b
(1 r
1
. 1 r
2
)) _ (n
o
(d. d) . n
b
(1 d. 1 d)) . (2.4)
Senza perdita di generalit
7
, supponiamo che
n
o
(r
1
. r
2
) n
o
(d. d) e n
b
(1 r
1
. 1 r
2
) _ n
b
(1 d. 1 d)
7
Un argomento simile vale quando n
a
(r
1
, r
2
) _ n
a
(d, d) e n
b
(1 r
1
, 1 r
2
) n
b
(1 d, 1 d).
2.5. OTTIMI SECONDO PARETO 75
ossia,
_
r
1
r
2

_
dd = d e
_
(1 r
1
) (1 r
2
) _
_
(1 d) (1 d) = 1 d.
Quindi
1
_
r
1
r
2
< 1 d _
_
(1 r
1
)(1 r
2
).
il che contraddice la (2.2). Ne segue che non esiste alcun (r
1
. r
2
) [0. 1] [0. 1] per
cui vale la (2.4). Ci completa la dimostrazione. B
Grazie alla Proposizione 28, possiamo dire che, se gli agenti massimizzano le loro
utilit Cobb-Douglas, la contrattazione si risolver in una divisione dei beni sulla
diagonale della scatola di Edgeworth, ossia tale che ogni agente abbia unugual quantit
di entrambi i beni.
Naturalmente, la Proposizione 28 non pu dire alcunch su quale dei punti della
diagonale sia poi eettivamente determinato dalla contrattazione. Linsieme 1 per
un sottoinsieme molto piccolo di : grazie alla nozione di ottimo paretiano, siamo
comunque riusciti a dire qualcosa di non banale sul problema di divisione.
76 CAPITOLO 2. STRUTTURA CARTESIANA E R
.
Capitolo 3
Struttura lineare
In questo capitolo riprendiamo e approfondiamo lo studio della struttura lineare di
R
a
cominciato nella Sezione 2.2. Lo studio di tale struttura fondamentale di R
a
, che
continueremo nel Capitolo 14 sulle funzioni lineari, parte dellAlgebra lineare.
3.1 Sottospazi vettoriali di R
:
Le Proposizioni 22 e 23 avevano mostrato come le operazioni di somma e moltipli-
cazione scalare su R
a
godano delle seguenti propriet, per ogni r. . . R
a
e ogni
c. , R:
(v1) r + = +r (propriet commutativa)
(v2) (r +) +. = r + ( +.) (propriet associativa)
(v3) r +0 = r (esistenza dellelemento neutro per la somma)
(v4) r + (r) = 0 (esistenza dellopposto di ogni r)
(v5) c(r +) = cr +c (propriet distributiva)
(v6) (c +,) r = cr +,r (propriet distributiva)
(v7) 1r = r (esistenza dellelemento neutro per la moltiplicazione scalare)
(v8) c(,r) = (c,) r (propriet associativa)
Come il lettore vedr in corsi successivi, per questa ragione R
a
un esempio di
spazio vettoriale, che, in generale, un insieme dove si deniscono due operazioni di
somma e moltiplicazione scalare che godono delle propriet (v1)-(v8).
1
Per esempio,
nel Capitolo 14 si vedr un altro esempio di spazio vettoriale, quello delle matrici.
1
La nozione di spazio vettoriale centrale in Matematica. Per comprenderla appieno occorre per
andare oltre R
n
e non rientra, perci, nello scopo del libro.
77
78 CAPITOLO 3. STRUTTURA LINEARE
Chiamiamo sottospazi vettoriali di R
a
i suoi sottoinsiemi che ben si comportano
rispetto a tali operazioni:
Denizione 16 Un sottoinsieme non vuoto \ di R
a
si dice sottospazio vettoriale se
chiuso
2
rispetto alle operazioni di somma e moltiplicazione scalare.
Si lascia al lettore la facile verica che le operazioni soddisfano in \ le propriet
(v1)-(v8) per per ogni r. . . \ e ogni c. , R. Al riguardo si osservi che lorigine
appartiene a ogni sottospazio vettoriale \ , cio 0 \ , poich 0r = 0 per ogni vettore
r.
La seguente caratterizzazione utile nel vericare se un sottoinsieme di R
a
un
sottospazio vettoriale.
Proposizione 29 Un sottoinsieme non vuoto \ di R
a
un sottospazio vettoriale se
e solo se
cr +, \ (3.1)
per ogni c. , R e ogni r. \ .
Dim. Solo se. Sia \ un sottospazio vettoriale e siano r. \ . Poich \ chiuso
rispetto alla moltiplicazione scalare si ha cr \ e , \ . Ne segue che cr+, \
essendo \ chiuso rispetto alla somma.
Se. Ponendo c = , = 1 nella (3.1) si ottiene r + \ , mentre, ponendo
, = 0, si ottiene cr \ e quindi \ chiuso rispetto alle operazioni di somma e
moltiplicazione scalare ereditate da R
a
. B
Ponendo c = , = 0, la (3.1) implica che 0 \ . Ogni sottospazio vettoriale
contiene quindi lorigine 0.
Esempio 13 Sia : _ : e
` = r R
a
: r
1
= = r
n
= 0 .
Per esempio, se : = 3 e : = 2, si ha ` = r R
S
: r
1
= r
2
= 0. Il sottoinsieme `
un sottospazio vettoriale. Siano infatti r. ` e c. , R. Si ha:
cr +, = (cr
1
+,
1
. .... cr
a
+,
a
) = (0. .... 0. cr
n1
+,
n1
. .... cr
a
+,
a
) `.
In particolare, lasse delle ordinate in R
2
, che corrisponde a ` = r R
2
: r
1
= 0,
un sottospazio vettoriale di R
2
. #
2
Si ricordi che un insieme chiuso rispetto a un operazione quando il risultato delloperazione
appartiene allinsieme.
3.1. SOTTOSPAZI VETTORIALI DI R
.
79
Esempio 14 Sia ` linsieme di tutti gli r R
1
tali che
_
_
_
2r
1
r
2
+ 2r
S
+ 2r
1
= 0
r
1
r
2
2r
S
4r
1
= 0
r
1
2r
2
2r
S
10r
1
= 0
In altre parole, ` linsieme delle soluzioni del sistema indicato. Esso un sottospazio
vettoriale; infatti, il lettore pu vericare che, dati r. ` e c. , R, si ha cr+,
`.
Svolgendo i calcoli
3
si scopre che i vettori
_

10
3
t. 6t.
2
3
t. t
_
(3.2)
risolvono il sistema per ogni t R, sicch
` =
__

10
3
t. 6t.
2
3
t. t
_
: t R
_
.
#
Se \
1
e \
2
sono due sottospazi vettoriali, si pu mostrare che anche la loro inter-
sezione \
1
\
2
un sottospazio vettoriale. Pi in generale vale la
Proposizione 30 Lintersezione di una collezione qualsiasi di sottospazi vettoriali di
R
a
a sua volta un sottospazio vettoriale.
Dim. Sia \
i
una collezione qualsiasi di sottospazi vettoriali di R
a
. Siccome 0
\
i
per ogni i, si ha che

i
\
i
,= O. Sia r. \ e c. , R. Siccome r.

i
\
i
, si
ha r. \
i
per ogni i e quindi c + ,n \
i
per ogni i poich ogni \
i
sottospazio
3
Per completezza riportiamo i calcoli. Consideriamo r
4
come un parametro e risolviamo il
sistema in r
1
, r
2
e r
3
: ovviamente otterremo soluzioni che dipendono dal valore del parametro r
4
.
_
_
_
2r
1
r
2
+ 2r
3
+ 2r
4
= 0
r
1
r
2
2r
3
4r
4
= 0
r
1
2r
2
2r
3
10r
4
= 0
=
_
_
_
2r
1
r
2
= 2r
3
2r
4
r
1
r
2
= 2r
3
+ 4r
4
r
1
2r
2
2r
3
10r
4
= 0
=
_
_
_
2 (r
2
+ 2r
3
+ 4r
4
) r
2
= 2r
3
2r
4
r
1
+ (2r
3
2r
4
2r
1
) = 2r
3
+ 4r
4
r
1
2r
2
2r
3
10r
4
= 0
=
_
_
_
r
2
= 6r
3
10r
4
r
1
= 4r
3
6r
4
r
1
2r
2
2r
3
10r
4
= 0
=
_
_
_
r
2
= 6r
3
10r
4
r
1
= 4r
3
6r
4
(4r
3
6r
4
) 2 (6r
3
10r
4
) 2r
3
10r
4
= 0
=
_
_
_
r
2
= 6r
3
10r
4
r
1
= 4r
3
6r
4
r
3
=
2
3
r
4
=
_
_
_
r
2
= 6
_

2
3
r
4
_
10r
4
r
1
= 4
_

2
3
r
4
_
6r
4
r
3
=
2
3
r
4
=
_
_
_
r
2
= 6r
4
r
1
=
10
3
r
4
r
3
=
2
3
r
4
In conclusione, tutti e solo i vettori di R
4
della forma (3.2) sono soluzioni del sistema per ogni t R.
80 CAPITOLO 3. STRUTTURA LINEARE
vettoriale di R
a
. Dunque, c + ,n

i
\
i
e quindi

i
\
i
un sottospazio vettoriale
di R
a
. B
Al contrario dellintersezione, lunione di sottospazi vettoriali non in generale un
sottospazio vettoriale, come mostra il prossimo esempio.
Esempio 15 Gli insiemi \
1
= r R
2
: r
1
= 0 e \
2
= r R
2
: r
2
= 0 sono en-
trambi due sottospazi vettoriali di R
2
. Risulta
\
1
' \
2
=
_
r R
2
: r
1
= 0 oppure r
2
= 0
_
che non un sottospazio vettoriale di R
2
. Infatti,
(1. 0) \
1
' \
2
e (0. 1) \
1
' \
2
ma (1. 0) + (0. 1) = (1. 1) , \
1
' \
2
. #
3.2 Indipendenza e dipendenza lineari
Nel capitolo adotteremo la notazione r
i
= (r
i
1
. .... r
i
a
) R
a
dove lapice identica vet-
tori diversi e i pedici le loro componenti. Usiamo subito tale notazione nella prossima
fondamentale denizione:
Denizione 17 Un insieme nito di vettori r
i

n
i=1
di R
a
detto linearmente in-
dipendente se, per ogni insieme c
i

n
i=1
di numeri reali,
c
1
r
1
+c
2
r
2
+ +c
n
r
n
= 0 ==c
1
= c
2
= = c
n
= 0
Linsieme r
i

n
i=1
invece detto linearmente dipendente se non linearmente in-
dipendente, ossia se esiste un insieme c
i

n
i=1
di numeri reali, non tutti nulli, tali
che
c
1
r
1
+c
2
r
2
+ +c
n
r
n
= 0
Esempio 16 In R
a
consideriamo i vettori
c
1
= (1. 0. .... 0)
c
2
= (0. 1. 0. .... 0)



c
a
= (0. 0. .... 0. 1)
detti vettori (o versori ) fondamentali di R
a
. Linsieme c
1
. .... c
a
linearmente
indipendente. Si ha infatti
c
1
c
1
+ +c
a
c
a
= (c
1
. .... c
a
)
e quindi c
1
c
1
+ +c
a
c
a
= 0 implica c
1
= = c
a
= 0. #
3.2. INDIPENDENZA E DIPENDENZA LINEARI 81
Esempio 17 Tutti gli insiemi di vettori r
i

n
i=1
di R
a
che contengono lorigine 0 sono
linearmente dipendenti. Infatti, senza perdita di generalit poniamo r
1
= 0. Preso un
insieme c
i

n
i=1
di numeri reali con c
1
,= 0 e c
i
= 0 per i = 2. .... : si ha
c
1
r
1
+c
2
r
2
+ +c
n
r
n
= 0
il che dimostra la lineare dipendenza dellinsieme r
i

n
i=1
. #
Prima di proseguire con gli esempi dobbiamo chiarire una questione lessicale.
Sebbene lindipendenza e la dipendenza lineare siano propriet da riferire a un in-
sieme di vettori r
i

n
i=1
, spesso si attribuisce ai singoli vettori, parlando di insiemi
di vettori linearmente indipendenti (dipendenti) invece di un insieme linearmente
indipendente (dipendente) di vettori.
Esempio 18 In R
S
, i vettori
r
1
= (1. 1. 1) . r
2
= (3. 1. 5) . r
S
= (9. 1. 25)
sono linearmente indipendenti. Infatti
c
1
r
1
+c
2
r
2
+c
S
r
S
= c
1
(1. 1. 1) +c
2
(3. 1. 5) +c
S
(9. 1. 25)
= (c
1
+ 3c
2
+ 9c
S
. c
1
+c
2
+c
S
. c
1
+ 5c
2
+ 25c
S
)
e quindi c
1
r
1
+c
2
r
2
+c
S
r
S
= 0 signica
_
_
_
c
1
+ 3c
2
+ 9c
S
= 0
c
1
+c
2
+c
S
= 0
c
1
+ 5c
2
+ 25c
S
= 0
che un sistema di equazioni la cui unica soluzione (c
1
. c
2
. c
S
) = (0. 0. 0). Pi in
generale, per vericare se / vettori
r
1
=
_
r
1
1
. .... r
1
n
_
. r
2
=
_
r
2
1
. .... r
2
n
_
. . r
I
=
_
r
I
1
. .... r
I
n
_
sono linearmente indipendenti in R
a
basta risolvere il seguente sistema
_

_
c
1
r
1
1
+c
2
r
2
1
+ +c
I
r
I
1
= 0
c
1
r
1
2
+c
2
r
2
2
+ +c
I
r
I
2
= 0

c
1
r
1
n
+c
2
r
2
n
+ +c
I
r
I
n
= 0
Se (c
1
. .... c
I
) = (0. .... 0) lunica soluzione, allora i vettori sono linearmente indipen-
denti in R
a
. Per esempio, consideriamo in R
S
i due vettori r
1
= (1. 3. 4) e r
2
= (2. 5. 1).
Il sistema da risolvere
_
_
_
c
1
+ 2c
2
= 0
3c
1
+ 5c
2
= 0
4c
1
+c
2
= 0
che ha lunica soluzione (c
1
. c
2
) = (0. 0). I due vettori r
1
e r
2
sono perci linearmente
indipendenti. #
82 CAPITOLO 3. STRUTTURA LINEARE
Esempio 19 Consideriamo i vettori
r
1
= (2. 1. 1) . r
2
= (1. 1. 2) . r
S
= (2. 2. 2) . r
1
= (2. 4. 10)
Per vericare se questi vettori sono linearmente indipendenti in R
S
, risolviamo il
sistema
_
_
_
2c
1
c
2
+ 2c
S
+ 2c
1
= 0
c
1
c
2
2c
S
4c
1
= 0
c
1
2c
2
2c
S
10c
1
= 0
Come abbiamo visto precedentemente, esso risolto dai vettori
_

10
3
t. 6t.
2
3
t. t
_
(3.3)
per ogni t R e quindi, (0. 0. 0. 0) non lunica soluzione del sistema ed i vettori r
1
,
r
2
, r
S
e r
1
sono perci linearmente dipendenti. Infatti, posto per esempio t = 1 in
(3.3), si ha che la quaterna
(c
1
. c
2
. c
S
. c
1
) =
_

10
3
. 6.
2
3
. 1
_
un insieme di coecienti reali non tutti nulli tale che c
1
r
1
+c
2
r
2
+c
S
r
S
+c
1
r
1
= 0.
#
I sottoinsiemi conservano lindipendenza lineare:
Proposizione 31 I sottoinsiemi di un insieme linearmente indipendente sono, a loro
volta, linearmente indipendenti.
La semplice dimostrazione lasciata al lettore, che anche invitato a vericare,
come esercizio, che se si aggiunge un vettore (pi duno) a un insieme linearmente
dipendente, linsieme rimane tale.
3.3 Combinazioni lineari
Denizione 18 Un vettore r R
a
si dice combinazione lineare dei vettori r
i

n
i=1
di
R
a
se esistono : coecienti reali c
i

n
i=1
tali che
r = c
1
r
1
+ +c
n
r
n
Esempio 20 In R
S
consideriamo i due vettori c
1
= (1. 0. 0) e c
2
= (0. 1. 0). Un vettore
di R
S
combinazione lineare di c
1
e c
2
se e solo se ha la forma (c
1
. c
2
. 0) per c
1
. c
2
R.
Infatti, (c
1
. c
2
. 0) = c
1
c
1
+c
2
c
2
. #
Laver introdotto la nozione di combinazione lineare permette di enunciare una
notevole caratterizzazione della dipendenza lineare.
3.3. COMBINAZIONI LINEARI 83
Teorema 32 Un insieme nito o di R
a
linearmente dipendente se e solo se esiste
almeno un elemento di o che combinazione lineare di altri elementi di o.
Dim. Solo se. Sia o = r
i

n
i=1
un insieme linearmente dipendente di R
a
. Sia
2 _ / _ : il pi piccolo numero naturale tra 2 ed : tale che linsieme
_
r
1
. .... r
I
_
sia
linearmente dipendente. Male che vada, / uguale ad : poich per ipotesi r
i

n
i=1
linearmente dipendente. Per la denizione di dipendenza lineare, esistono quindi
/ coecienti reali c
i

I
i=1
, non tutti nulli, tali che
c
1
r
1
+c
2
r
2
+ +c
I
r
I
= 0
Si ha c
I
,= 0 perch altrimenti
_
r
1
. .... r
I1
_
sarebbe un insieme linearmente dipen-
dente, contraddicendo il fatto che / il pi piccolo numero naturale tra 2 ed : tale che
_
r
1
. .... r
I
_
un insieme linearmente dipendente. Visto che c
I
,= 0, possiamo scrivere
r
I
=
c
1
c
I
r
1
+
c
2
c
I
r
2
+ +
c
I1
c
I
r
I1
e quindi r
I
combinazione lineare dei vettori
_
r
1
. .... r
I1
_
. In altre parole, il vettore
r
I
di o combinazione lineare di altri elementi di o.
Se. Supponiamo che il vettore r
I
di un insieme nito o = r
i

n
i=1
sia combi-
nazione lineare di altri elementi di o. Senza perdita di generalit, assumiamo / = 1.
Esiste un insieme c
i

n
i=2
di coecienti reali tali che
r
1
= c
2
r
2
+ +c
n
r
n
Deniamo i coecienti reali ,
i

n
i=1
come segue
,
i
=
_
1 i = 1
c
i
i _ 2
Per costruzione, ,
i

n
i=1
un insieme di coecienti reali non tutti nulli tali che

n
i=1
,
i
r
i
= 0. Infatti
n

i=1
,
i
r
i
= r
1
+c
2
r
2
+c
S
r
S
+ +c
n
r
n
= r
1
+r
1
= 0
Ne segue che r
i

n
i=1
un insieme linearmente dipendente. B
Esempio 21 Consideriamo in R
S
i vettori r
1
= (1. 3. 4), r
2
= (2. 5. 1) e r
S
= (0. 1. 7).
Si ha che r
S
= 2r
1
r
2
, e quindi si pu applicare il Teorema 32 allinsieme r
1
. r
2
. r
S

ponendo / = 3. Ne segue che r


1
. r
2
. r
S
un insieme linearmente dipendente.
immediato vericare come anche ognuno dei vettori nellinsieme r
1
. r
2
. r
S
sia com-
binazione lineare degli altri due. Il prossimo esempio mostrer come ci non valga per
tutti gli insiemi di vettori linearmente dipendenti. #
84 CAPITOLO 3. STRUTTURA LINEARE
Esempio 22 Consideriamo in R
S
i vettori r
1
= (1. 3. 4), r
2
= (2. 6. 8) e r
S
= (2. 5. 1).
Si ha che r
2
= 2r
1
e quindi si pu applicare il Teorema 32 allinsieme r
1
. r
2
. r
S

ponendo / = 2. I tre vettori sono perci linearmente dipendenti. Si noti come r


S
non sia combinazione lineare di r
1
e r
2
, ossia non esistono c
1
. c
2
R tali che r
S
=
c
1
r
1
+ c
2
r
2
. In conclusione, il Teorema 32 assicura che, in un insieme di vettori
linearmente dipendenti, alcuni di essi sono combinazione lineare di altri, ma non
detto che la propriet valga per tutti i vettori dellinsieme. Per esempio, tale propriet
valeva per tutti i vettori nei due esempi precedenti, ma non in questultimo. #
Il prossimo risultato unimmediata, ma fondamentale, conseguenza del Teorema
32.
Corollario 33 Un insieme nito o di R
a
linearmente indipendente se e solo se
nessuno dei vettori nellinsieme o combinazione lineare di altri vettori in o.
3.4 Sottospazi generati
Sia \
i
la collezione di tutti i sottospazi vettoriali che contengono un insieme o di
vettori di R
a
. La collezione non vuota perch, banalmente, R
a
contiene o ed quindi
un elemento della collezione. Grazie alla Proposizione 30, lintersezione complessiva

i
\
i
di tutti tali sottospazi , a sua volta, un sottospazio vettoriale di R
a
che contiene
o. Lintersezione

i
\
i
quindi il pi piccolo (nel senso dellinclusione) sottospazio
vettoriale di R
a
che contiene o: per ogni tale sottospazio \ si ha infatti

i
\
i
_ \ .
Il sottospazio vettoriale

i
\
i
importantissimo ed detto sottospazio vettori-
ale generato da o, indicato con span o. In altre parole, span o il pi piccolo
allargamento di o con la propriet di essere un sottospazio vettoriale.
Il prossimo importante risultato mostra come span o abbia una rappresentazione
concreta in termini di combinazioni lineari di o.
Teorema 34 Sia o un sottoinsieme di R
a
. Un vettore r R
a
appartiene a span o
se e solo se combinazione lineare di vettori di o, ossia se e solo se esiste un insieme
nito r
i

i1
di o ed un insieme c
i

i1
di coecienti reali tali che
r =

i1
c
i
r
i
Dim. Se. Sia r R
a
una combinazione lineare di un insieme nito r
i

i1
di vettori
di o. Per semplicit, poniamo r
i

i1
= r
1
. .... r
a
. Esiste quindi un insieme c
i

a
i=1
di coecienti reali tali che r =

a
i=1
c
i
r
i
. Per la denizione di sottospazio vettoriale,
abbiamo c
1
r
1
+ c
2
r
2
span o poich r
1
. r
2
span o. A sua volta, (c
1
r
1
+c
2
r
2
)
span o implica (c
1
r
1
+c
2
r
2
) + c
S
r
S
span o, e cos continuando, si ottiene che
r =

a
i=1
c
i
r
i
span o, come desiderato.
3.4. SOTTOSPAZI GENERATI 85
Solo se. Sia \ linsieme di tutti i vettori r di R
a
esprimibili come combinazioni
lineari di vettori di o, ossia r \ se esistono insiemi niti r
i

i1
_ o e c
i

i1
_ R
tali che r =

a
i=1
c
i
r
i
. facile vedere come \ sia un sottospazio vettoriale di R
a
contenente o. Ne segue che span o _ \ e quindi ogni r span o combinazione
lineare di vettori di o. B
Prima di illustrare il Teorema 34 con un alcuni esempi, ne enunciamo una semplice
conseguenza.
Corollario 35 Sia o un sottoinsieme di R
a
. Se r R
a
combinazione lineare di
vettori di o, allora span o = span (o ' r).
Esempio 23 Sia o =
_
r
1
. .... r
I
_
_ R
a
. Per il Teorema 34 si ha
span o =
_
r R
a
: r =
I

i=1
c
i
r
i
con c
i
R per ogni i = 1. .... /
_
=
_
I

i=1
c
i
r
i
: c
i
R per ogni i = 1. .... /
_
#
Esempio 24 Sia o = (1. 0. 0) . (0. 1. 0) . (0. 0. 1) _ R
S
. Si ha
span o =
_
r R
S
: r = c
1
(1. 0. 0) +c
2
(0. 1. 0) +c
S
(0. 0. 1) con c
i
R per ogni i = 1. 2. 3
_
= (c
1
. c
2
. c
S
) : c
i
R per ogni i = 1. 2. 3 = R
S
.
Pi in generale, sia o = c
1
. .... c
a
_ R
a
. Abbiamo
span o =
_
r R
a
: r =
a

i=1
c
i
c
i
con c
i
R per ogni i = 1. .... :
_
= (c
1
. .... c
a
) : c
i
R per ogni i = 1. .... : = R
a
#
Esempio 25 Se o = r, si ha span o = cr : c R. Per esempio, sia r = (2. 3)
R
2
. Si ha:
span o = (2c. 3c) : c R
ossia span o non altro che la retta passante per il punto r.
86 CAPITOLO 3. STRUTTURA LINEARE
-6 -4 -2 0 2 4 6
-4
-2
0
2
4
6
8
x
y
O 2
3
#
3.5 Basi
Per il Teorema 34, il sottospazio generato da un sottoinsieme o di R
a
consiste di tutte
le combinazioni lineari dei vettori in o. Supponiamo che o sia un insieme linearmente
dipendente. Per il Teorema 32, alcuni vettori in o sono a loro volta esprimibili come
combinazioni lineari di altri elementi di o. Per il Corollario 35, tali vettori sono perci
ridondanti ai ni della generazione di span o. Infatti, se un vettore r in span o
combinazione lineare di vettori di o, per il Corollario 35 si ha
span o = span (o r)
dove o r linsieme o privato del vettore r.
Un insieme o linearmente dipendente contiene quindi alcuni elementi ridondanti ai
ni della generazione di span o. Ci non accade se, invece, o un insieme linearmente
indipendente, nel qual caso, per il Corollario 33, nessun vettore di o esprimibile come
combinazione lineare di altri elementi di o. In altre parole, quando o linearmente
indipendente, tutti i suoi vettori sono essenziali ai ni della generazione di span o.
Le considerazioni fatte ci portano ad introdurre la nozione di base.
Denizione 19 Un sottoinsieme nito o di R
a
una base di R
a
se o un insieme
linearmente indipendente tale che span o = R
a
.
Se o una base di R
a
si ha quindi:
1. ogni r R
a
rappresentabile come combinazione lineare di vettori in o.
2. tutti i vettori di o sono essenziali ai ni di questa rappresentazione: nessuno
ridondante.
3.5. BASI 87
Tale essenzialit di una base ai ni della rappresentazione come combinazioni
lineari degli elementi di R
a
risulta evidente nel seguente risultato:
Teorema 36 Un sottoinsieme nito o di R
a
una base di R
a
se e solo se ogni r R
a
si scrive in un sol modo come combinazione lineare di vettori in o.
Dim. Solo se. Sia o = r
1
. .... r
n
una base di R
a
. Supponiamo esistano due
insiemi di coecienti reali c
i

n
i=1
e ,
i

n
i=1
tali che
r =
n

i=1
c
i
r
i
=
n

i=1
,
i
r
i
Si ha quindi
n

i=1
(c
i
,
i
) r
i
= 0
ed essendo i vettori in o linearmente indipendenti, risulta c
i
,
i
= 0 per ogni i =
1. .... :, ossia c
i
= ,
i
per ogni i = 1. .... :.
Se. Sia o = r
1
. .... r
n
e supponiamo che ogni r R
a
si scriva in maniera
unica come combinazione lineare di vettori in o. Ovviamente, per il Teorema 34, si
ha R
a
= span o. Resta da dimostrare che o un insieme linearmente indipendente.
Supponiamo che i coecienti reali c
i

n
i=1
siano tali che
n

i=1
c
i
r
i
= 0
Siccome si ha anche
n

i=1
0r
i
= 0
concludiamo che c
i
= 0 per ogni i = 1. .... : poich per ipotesi il vettore 0 si scrive in
un sol modo come combinazione lineare di vettori in o. B
Esempio 26 La base canonica di R
a
data dai vettori c
1
. .... c
a
. Ogni r R
a
si
scrive in maniera unica come combinazione lineare di questi vettori. In particolare:
r = r
1
c
1
+ +r
a
c
a
=
a

i=1
r
i
c
i
(3.4)
ossia i coecienti della combinazione lineare sono le componenti del vettore r. #
Ogni vettore di R
a
ricostruibile come combinazione lineare dei vettori di una
base di R
a
. In un certo senso, una base perci il codice genetico per uno spazio
vettoriale, contenente tutte le informazioni necessarie per identicarne gli elementi.
Poich ci sono pi basi di R
a
, tali informazioni genetiche sono quindi sintetizzabili
in diversi insiemi di vettori. perci importante capire quali sono le relazioni tra le
diverse basi. Esse sono messe in luce dal prossimo teorema, le cui notevoli implicazioni
lo rendono il Deus ex machina del capitolo.
88 CAPITOLO 3. STRUTTURA LINEARE
Teorema 37 Per ogni insieme linearmente indipendente
_
r
1
. .... r
I
_
di R
a
, con / _
:, esistono : / vettori
_
r
I1
. .... r
a
_
tali che linsieme complessivo r
i

a
i=1
una
base di R
a
.
In ragione della sua importanza, diamo due diverse dimostrazioni del risultato. La
prima pi semplice, ma anche pi lunga e tediosa.
Dim. 1 Dimostriamo il teorema per induzione. Cominciamo perci con / = 1, ossia
da un singoletto r
1
. Vogliamo mostrare che esistono : 1 vettori che aggiunti a r
1
formano una base di R
a
. Sia
1
. ....
a
una base di : elementi di R
a
(per esempio,
quella formata dai versori fondamentali). Esistono coecienti c
+
i

a
i=1
_ R tali che
r
1
=
a

i=1
c
+
i

i
(3.5)
Siccome r
1
,= 0, non tutti i coecienti sono nulli (perch r
1
,= 0?). Supponiamo, per
esempio, che c
+
1
,= 0. Si ha

1
=
1
c
+
1
r
1

1
c
+
1
a

i=2
c
+
i

i
e quindi, per ogni insieme di coecienti c
i

a
i=1
_ R,
a

i=1
c
i

i
=
a

i=2
c
i

i
+c
1
_
1
c
+
1
r
1

1
c
+
1
a

i=2
c
+
i

i
_
=
_
c
1
c
+
1
_
r
1
+
a

i=2
_
c
i

c
1
c
+
i
c
+
1
_

i
Ne segue che span (r
1
.
2
. ....
a
) = span (
1
.
2
. ....
a
), e dunque span (r
1
.
2
. ....
a
) =
R
a
. Mostriamo ora che i vettori r
1
.
2
. ....
a
sono linearmente indipendenti, cos da
poter concludere che r
1
.
2
. ....
a
una base di R
a
.
Siano ,
i

a
i=1
_ R coecienti tali che
,
1
r
1
+
a

i=2
,
i

i
= 0 (3.6)
Vogliamo mostrare che ,
1
= = ,
a
= 0. Si supponga che ,
1
,= 0. Si ha
r
1
=
a

i=2
_
,
i
,
1
_

i
Daltra parte, per la (3.5) si ha r
1
=

a
i=1
c
+
i

i
, e quindi
c
+
1
= 0 e c
+
i
=
,
i
,
1
\i = 2. .... :
3.5. BASI 89
poich per il Teorema 36 il vettore r
1
si scrive in maniera unica come combinazione
lineare della base
i

a
i=1
.
Ma c
+
1
= 0 contraddice lassunzione c
+
1
,= 0 e siamo giunti a una contraddizione.
Concludiamo che ,
1
= 0. A questo punto, posto ,
1
= 0, la (3.6) si riduce a
a

i=2
,
i

i
= 0
Siccome
2
. ....
a
un insieme linearmente indipendente (perch?), si ha quindi
,
2
= = ,
a
= 0, il che completa la dimostrazione che r
1
.
2
. ....
a
un in-
sieme linearmente indipendente di R
a
e quindi una sua base. Il caso / = 1 dunque
dimostrato.
Supponiamo ora che il teorema sia vero per ogni insieme di / 1 vettori; vogliamo
mostrare che il teorema vero per ogni insieme di / vettori. Sia quindi
_
r
1
. .... r
I
_
un
insieme di / vettori linearmente indipendenti. Il sottoinsieme
_
r
1
. .... r
I1
_
linear-
mente indipendente ed ha / 1 elementi. Per lipotesi induttiva, esistono : (/ 1)
vettori
_

I
. ....
a
_
tali che
_
r
1
. .... r
I1
.
I
. ....
a
_
una base di R
a
. Pertanto, esistono
coecienti c
+
i

a
i=1
_ R tali che
r
I
=
I1

i=1
c
+
i
r
i
+
a

i=I
c
+
i

i
(3.7)
Siccome i vettori
_
r
1
. .... r
I1
_
sono linearmente indipendenti, almeno uno dei coe-
cienti c
+
i

a
i=I
diverso da zero. Altrimenti si avrebbe r
I
=

I1
i=1
c
+
i
r
i
e il vettore r
I
sarebbe combinazione lineare dei vettori
_
r
1
. .... r
I1
_
, il che per il Corollario 33 non
pu accadere. Sia, per esempio, c
+
I
,= 0. Si ha

I
=
1
c
+
I
r
I
+
I1

i=1

c
+
i
c
+
I
r
i
+
a

i=I1

c
+
i
c
+
I

i
Per ogni insieme di coecienti c
i

a
i=1
_ R abbiamo
I1

i=1
c
i
r
i
+
a

i=I
c
i

i
=
I1

i=1
c
i
r
i
+c
I
_
1
c
+
I
r
I
+
I1

i=1

c
+
i
c
+
I
r
i
+
a

i=I1

c
+
i
c
+
I

i
_
+
a

i=I1
c
i

i
=
I1

i=1
_
c
i

c
I
c
+
i
c
+
I
_
r
i
+
c
I
c
+
I
r
I
+
a

i=I1
_
c
i

c
I
c
+
i
c
+
I
_

i
e quindi
span
_
r
1
. .... r
I
.
I1
. ....
a
_
= span
_
r
1
. .... r
I1
.
I
. ....
a
_
= R
a
Rimane da mostrare che i vettori
_
r
1
. .... r
I
.
I1
. ....
a
_
sono linearmente indipen-
denti.
90 CAPITOLO 3. STRUTTURA LINEARE
Siano ,
i

a
i=1
_ R coecienti tali che
I

i=1
,
i
r
i
+
a

i=I1
,
i

i
= 0 (3.8)
Vogliamo mostrare che ,
1
= = ,
a
= 0. Si supponga che ,
I
,= 0. Si ha
r
I
=
I1

i=1
_

,
i
,
I
_
r
i
+
a

i=I1
_

,
i
,
I
_

i
Essendo
_
r
1
. .... r
I1
.
I
. ....
a
_
una base di R
a
, il vettore r
I
si scrive in un sol modo
come loro combinazione lineare, e quindi la (3.7) implica che
c
+
i
=
,
i
,
I
per i = 1. .... / 1 e i = / + 1. .... :
mentre c
+
I
= 0. Ci contraddice lassunzione c
+
I
,= 0 fatta precedentemente, il che ci
porta a concludere che ,
I
= 0. La (3.8) si riduce a
I1

i=1
,
i
r
i
+
a

i=I1
,
i

i
= 0
ma i vettori
_
r
1
. .... r
I1
.
I1
. ....
a
_
sono linearmente indipendenti (perch?), e quin-
di possiamo concludere che
,
1
= = ,
I1
= ,
I1
= = ,
a
= 0
che mostra che
_
r
1
. .... r
I
.
I
. ....
a
_
sono linearmente indipendenti e sono dunque una
base di R
a
. B
La seconda, pi ingegnosa, dimostrazione si basa sul seguente
Lemma 38 Siano /
1
. .... /
a
una base di R
a
. Se
r = c
1
/
1
+. . . +c
a
/
a
con c
i
,= 0, allora /
1
. .... /
i1
. r. /
i1
. .... /
a
una base di R
a
.
Si osservi che il risultato stato implicitamente usato anche nella precedente
dimostrazione
4
.
4
Pi precisamente, stato usato al passo / = 1 dove dalla base
_
j
1
, j
2
, ..., j
n
_
stata ricavata
la base
_
r
1
, j
2
, ..., j
n
_
, nonch al passo / 1 dove dalla base
_
r
1
, ..., r
k1
, j
k
, j
k+1
, ..., j
n
_
stata
ricavata la base
_
r
1
, ..., r
k
, j
k+1
, ..., j
n
_
.
3.5. BASI 91
Dim. Senza perdita di generalit supponiamo che c
1
,= 0. Dimostriamo che r. /
2
. .... /
a

una base di R
a
. Poich c
1
,= 0, si pu scrivere
/
1
=
1
c
1
r
c
2
c
1
/
2
...
c
a
c
1
/
a
e quindi, per ogni scelta dei coecienti c
i

a
i=1
_ R, si ha
a

i=1
c
i
/
i
=
a

i=2
c
i
/
i
+c
1
_
1
c
1
r
a

i=2
c
i
c
1
/
i
_
=
_
c
1
c
1
_
r +
a

i=2
_
c
i

c
1
c
i
c
1
_
/
i
Ne segue che
span
_
r. /
2
. .... /
a
_
= span
_
/
1
. /
2
. .... /
a
_
= R
a
Resta da mostrare che linsieme r. /
2
. .... /
a
linearmente indipendente, cos da
poter concludere che una base di R
a
. Siano ,
i

a
i=1
_ R coecienti per i quali
,
1
r +
a

i=2
,
i
/
i
= 0. (3.9)
Se ,
1
,= 0 risulta
r =
a

i=2
_
,
i
,
1
_
/
i
= 0/
1
+
a

i=2
_
,
i
,
1
_
/
i
.
Dato che r si pu scrivere in un sol modo come combinazione lineare dei vettori della
base /
i

a
i=1
, possiamo concludere che c
1
= 0, il che assurdo. Ci signica che ,
1
= 0
e la (3.9) si semplica in
0/
1
+
a

i=2
,
i
/
i
= 0.
Essendo /
1
. . . . . /
a
una base, risulta ,
2
= ... = ,
a
= 0 = ,
1
. B
Dim. 2 del Teorema 37 Il Teorema vale per / = 1. Infatti, consideriamo un
singoletto
5
r, con r ,= 0, e la base canonica c
1
. .... c
a
di R
a
. Poich r =

a
i=1
r
i
c
i
,
esiste almeno un indice i tale che r
i
,= 0. Per il Lemma 38, c
1
. .... c
i1
. r. c
i1
. .... c
a

una base di R
a
.
Poich il Teorema vale per / = 1, sia 1 < / _ : il pi piccolo intero per il
quale la propriet del Teorema falsa. Per il Lemma 38, 1 < / _ : ed esiste un
insieme
_
r
1
. .... r
I
_
linearmente indipendente tale che non esistono : / vettori di
R
a
che, aggiunti a
_
r
1
. .... r
I
_
, formano una base di R
a
. Dato che
_
r
1
. .... r
I1
_
, a
5
Si noti che un singoletto r linearamente indipendente quando cr = 0 implica c = 0, il che
equivale a richiedere r ,= 0.
92 CAPITOLO 3. STRUTTURA LINEARE
sua volta, linearmente indipendente, per la minimalit di / vi sono r
I
. .... r
a
tali che
_
r
1
. .... r
I1
. r
I
. .... r
a
_
formano una base di R
a
. Ma allora
r
I
= c
1
r
1
+ +c
I1
r
I1
+c
I
I
r
I
+ +c
a
a
r
a
Dato che
_
r
1
. .... r
I
_
linearmente indipendente non pu accadere che c
I
= =
c
a
= 0 e perci c
)
,= 0 per qualche indice , /. .... :. Per il Lemma 38
_
r
1
. .... r
I1
. r
I
. .... r
)1
. r
I
. r
)1
. .... r
a
_
una base di R
a
: assurdo. B
Il prossimo risultato una semplice, ma importante, conseguenza del Teorema 37.
Corollario 39 (i) Ogni insieme linearmente indipendente di R
a
con : elementi una
sua base.
(ii) Ogni insieme linearmente indipendente di R
a
ha al pi : elementi.
Dim. (i) Basta porre / = : nel Teorema 37. (ii) Sia o un insieme linearmente indipen-
dente in R
a
. Consideriamo prima il caso di o nito e poniamo quindi o =
_
r
1
. .... r
I
_
.
Vogliamo mostrare che / _ :. Per contraddizione, si supponga / :. Allora,
r
1
. .... r
a
a sua volta un insieme linearmente indipendente e per laermazione (i)
una base di R
a
. Quindi, i vettori
_
r
a1
. .... r
I
_
sono combinazione lineare dei vettori
r
1
. .... r
a
, il che, per il Corollario 33, contraddice il fatto che i vettori
_
r
1
. .... r
I
_
siano linearmente indipendenti. Quindi / _ :, il che completa la dimostrazione. B
Siamo nalmente giunti al risultato principale della sezione.
Teorema 40 Ogni base di R
a
ha lo stesso numero : di elementi.
In altre parole, bench linformazione genetica di R
a
sia codicabile in diversi
insiemi di vettori, ossia in diverse basi, tali insiemi hanno lo stesso numero (e nito)
di elementi, cio la stessa lunghezza. Il numero : pu quindi vedersi come la di-
mensione dello spazio R
a
; del resto naturale pensare che uno spazio R
a
sia tanto pi
grande quanti pi elementi hanno le sue basi, ossia quanto pi grande la quantit
di informazioni che occorre per identicare i suoi elementi.
In conclusione, il numero : che emerge dal Teorema 40 indica la dimensione di R
a
e, in un certo senso, ne giustica lapice :. In particolare, tale nozione di dimensione
rende rigorosa lidea intuitiva che lo spazio R
a
pi grande dello spazio R
n
quando
: < :. Esso pi grande perch occorre maggior informazione, cio basi di maggior
cardinalit, per codicarne gli elementi.
Dim. Supponiamo che R
a
abbia una base di : elementi. Per la parte (ii) del Corollario
39, ogni altra base di R
a
pu avere al pi : elementi. Sia
_
r
1
. .... r
I
_
una generica altra
3.6. BASI DI SOTTOSPAZI 93
base di R
a
. Mostriamo che non pu essere / < :, cos da poter concludere che / = :.
Supponiamo che / < :. Per il Teorema 37 esisterebbero : / vettori
_
r
I1
. .... r
a
_
tali che linsieme
_
r
1
. .... r
I
. r
I1
. .... r
a
_
sarebbe una base di R
a
. Ci contraddice
per lassunzione che
_
r
1
. .... r
I
_
sia una base di R
a
poich i vettori
_
r
I1
. .... r
a
_
non sono combinazione lineare dei vettori
_
r
1
. .... r
I
_
, essendo r
1
. .... r
a
un insieme
linearmente indipendente. In conclusione, non si pu avere / < : e quindi / = :. B
3.6 Basi di sottospazi
Le nozioni introdotte nella sezione precedente per R
a
si estendono in modo naturale
ai suoi sottospazi vettoriali \ . Infatti, anche per essi siamo interessati a sottoinsiemi
niti che ne racchiudano tutta linformazione essenziale.
Denizione 20 Sia \ un sottospazio vettoriale di R
a
. Un sottoinsieme nito o di \
una base di \ se o un insieme linearmente indipendente tale che span o = \ .
Anche le basi di sottospazi vettoriali permettono di rappresentare ogni vettore del
sottospazio come loro combinazione lineare, e tale rappresentazione essenziale, priva
di ridondanze.
I risultati della sezione precedente si generalizzano facilmente
6
. Cominciamo con
il Teorema 36.
Teorema 41 Sia \ un sottospazio vettoriale di R
a
. Un sottoinsieme nito o di \
una base di \ se e solo se ogni r \ si scrive in un sol modo come combinazione
lineare di vettori in o.
Esempio 27 (i) Lasse delle ascisse ` = r R
2
: r
2
= 0 un sottospazio vettoriale
di R
2
. Il singoletto c
1
_ ` una sua base. (ii) Il piano ` = r R
S
: r
S
= 0
un sottospazio vettoriale di R
S
. Linsieme c
1
. c
2
_ ` una sua base. #
Poich \ sottoinsieme di R
a
, esso avr al pi : vettori linearmente indipendenti.
In particolare, vale la seguente generalizzazione del Teorema 37.
Teorema 42 Sia \ un sottospazio vettoriale di R
a
con una base di : _ : elementi.
Per ogni insieme linearmente indipendente di vettori
_

1
. ....
I
_
, con / _ :, esistono
:/ vettori
_

I1
. ....
n
_
tali che linsieme complessivo
i

n
i=1
una base di \ .
A sua volta, il Teorema 42 porta alla seguente estensione del Teorema 40.
Teorema 43 Ogni base di un sottospazio vettoriale di R
a
ha lo stesso numero di
elementi.
6
Le dimostrazione dei risultati della sezione sono lasciate al lettore perch analoghe a quelle
dellultima sezione.
94 CAPITOLO 3. STRUTTURA LINEARE
Sebbene, alla luce del Teorema 40, il risultato non sia una sorpresa, rimane di
grande eleganza perch mostra come, al di l della loro diversit, le basi condividono
una caratteristica fondamentale qual la cardinalit.
Ci motiva la prossima denizione, implicita nella discussione che ha seguito il
Teorema 40.
Denizione 21 La dimensione di un sottospazio vettoriale \ di R
a
il numero di
elementi di ogni sua base.
Per il Teorema 43 tale numero unico, e lo indichiamo con dim\ . La nozione
di dimensione rende interessante questa sezione (che altrimenti sarebbe una mera
rivisitazione dei risultati della sezione precedente), come mostrano i prossimi esempi.
Esempio 28 Nel caso speciale \ = R
a
si ha dimR
a
= :, il che rende rigorosa la
discussione che ha seguito il Teorema 40. #
Esempio 29 (i) Lasse delle ascisse un sottospazio vettoriale di dimensione uno di
R
2
. (ii) Il piano ` = r = (r
1
. r
2
. r
S
) R
S
: r
1
= 0 un sottospazio vettoriale di
dimensione due di R
S
. #
Esempio 30 Se \ = 0, ossia se \ il sottospazio vettoriale banale costituito dalla
sola origine 0, si pone dim\ = 0. Daltra parte, \ non contiene vettori linearmente
indipendenti (perch?) e ha quindi come base linsieme vuoto O. #
3.7 Titoli nanziari
Consideriamo un mercato nanziario sul quale sono quotate attivit nanziarie (titoli).
Il mercato osservato in due sole date: 0 (oggi) e 1 (una data futura). Ciascuna attivit
nanziaria aleatoria: il suo pagamento nale in data 1 assume valori (potenzialmente
diversi) in : diversi stati del mondo che diremo .
1
. .
2
. . . . . .
n
; chiameremo
= .
1
. .
2
. . . . . .
n

il loro insieme. Ogni titolo si pu descrivere come un vettore


= (
1
.
2
. ....
n
)
di R
n
, dove
i
il pagamento nale del titolo in data 1 qualora si realizzi lo stato .
i
.
Esempio 31 Supponiamo che i pagamenti dei titoli dipendano dallo stato dellecono-
mia, che pu essere di tre tipi:
.
1
= recessione, .
2
= stasi e .
S
= crescita
Ogni titolo si pu descrivere come un vettore
= (
1
.
2
.
S
)
di R
S
, in cui
i
il pagamento del titolo nel caso la stato .
i
si realizzi, per i = 1. 2. 3.
#
3.7. TITOLI FINANZIARI 95
Supponiamo che sul mercato siano quotati : titoli
1 =
_

1
. ....
a
_
_ R
n
dove 1 sta per listino
7
. Indichiamo con

I
= (
1I
. ....
nI
) R
n
uno di tali titoli, per / = 1. 2. .... :, sicch
iI
il pagamento nale del /-esimo titolo
qualora si realizzi lo stato .
i
. Il mercato aperto in data 0 per operazioni di com-
pravendita dei titoli quotati. Facciamo lipotesi che il mercato sia perfetto: tutti
i titoli si possono acquistare o vendere allo scoperto in qualunque quantit (anche
enorme o piccolissima) allo stesso prezzo (i prezzi dacquisto coincidono cos con i
prezzi di vendita: non vi sono cio n dierenze denaro-lettera, n costi di transazione
o imposte e nemmeno sconti di quantit).
Una combinazione lineare di titoli

a
I=1
r
I

I
detta portafogli e signica acquistare (se r
c
0) o vendere (se r
c
< 0) r
I
unit dei
vari titoli. Sia n R
n
un prolo di pagamenti nei vari stati. Se il vettore n tale che
n =

a
I=1
r
I

I
si usa dire che il portafogli identicato dalla combinazione lineare dei titoli quotati
con pesi r
I
, o brevemente dal vettore
r = (r
1
. r
2
. . . . . r
a
) R
a
replica il vettore n. In altre parole, i vettori di R
n
replicati da portafogli sono tutti
i proli di pagamenti aleatori che si possono costruire sul mercato tramite opportune
operazioni di compravendita degli : titoli quotati. Il sottospazio vettoriale generato
dai titoli quotati contiene tutti e soli i vettori di pagamenti replicabili. Indichiamolo
con ` (come mercato):
` = span 1
Linsieme dei pagamenti aleatori replicabili sul mercato formano dunque un sottospazio
vettoriale di R
n
.
Se gli : titoli del listino sono linearmente dipendenti, alcuni di essi sono inutili
perch risultano replicabili (cio ricostruibili) attraverso portafogli degli altri titoli.
Per esempio, dei tre titoli con i vettori
(3. 7. 4) . (1. 2. 1) . (18. 40. 10) R
S
7
Per listino intendiamo quindi linsieme dei titoli quotati.
96 CAPITOLO 3. STRUTTURA LINEARE
di pagamenti nali, lultimo superuo: pu essere ottenuto con il portafogli composto
da 4 unit del primo titolo e da 6 unit del secondo.
Quindi, se i vettori
1
.
2
. . . . .
a
sono linearmente dipendenti, il loro insieme pu
essere ristretto a un pi piccolo insieme

i1
_ 1
di vettori linearmente indipendenti tali che
` = span
i

i1
(3.10)
Sia 1 _ / _ : il massimo numero di tali vettori linearmente independenti, cio / = [1[.
Il sottospazio vettoriale ` ha dimensione /. In particolare:
(i) se / = : dalla (3.10) segue che ` = R
n
, i vettori generano tutto R
n
. In
questo caso, con portafogli di titoli quotati, si pu ottenere qualsiasi vettore di
pagamenti nali: il mercato detto completo.
(ii) Se / < :, il mercato ` un sottospazio vettoriale proprio, di dimensione /, di
R
n
e non tutti i vettori di pagamenti nali sono replicabili attraverso portafogli:
il mercato detto incompleto. Intuitivamente, la dierenza :/ indica il grado
di incompletezza del mercato.
Siamo quindi giunti a una prima fondamentale classicazione dei mercati nanziari,
basata sulle nozioni di algebra lineare studiate.
Nel Capitolo 14 proseguiremo lo studio dei mercati nanziari qui intrapreso. Da
ultimo, osserviamo che i vettori fondamentali c
1
. c
2
. .... c
n
di R
n
rappresentano titoli
(in genere ttizi) che pagano 1 euro se si vericher un ben preciso stato del mondo.
Essi sono detti titoli elementari (o secondo Arrow) e rappresentano assicurazioni per-
fette contro i vari stati del mondo: il generico c
i
R
n
paga 1 se si verica .
i
oppure
0 negli altri stati del mondo. Essi generano lintero spazio R
n
, cio ` = R
n
, e quindi
formano un mercato completo che replica tutti i vettori n R
n
. Bench ttizi, nella
Sezione 14.10 vedremo che i titoli elementari sono importanti per discutere di sistemi
di prezzo di mercato.
Capitolo 4
Struttura euclidea
4.1 Valore assoluto e norma
4.1.1 Prodotto interno
Le operazioni di somma e moltiplicazione scalare e loro propriet determinano la strut-
tura lineare di R
a
. Loperazione di prodotto interno e le sue propriet caratterizzano
invece la struttura euclidea di R
a
, che studieremo nel capitolo.
Ricordiamo dalla Sezione 2.2 che il prodotto interno r di due vettori in R
a

denito come
r = r
1

1
+r
2

2
+ +r
a

a
=
a

i=1
r
i

i
e che esso commutativo, r = r, e distributivo, (cr +,). = c(r .)+, ( .).
Si noti, inoltre, che
r r =
a

i=1
r
2
i
_ 0
La somma dei quadrati delle coordinate di un vettore non altro che il prodotto interno
del vettore per s stesso. Questa semplice osservazione sar centrale nel capitolo perch
permetter di denire la fondamentale nozione di norma usando il prodotto interno.
Al riguardo si osservi che r r = 0 se e solo se r = 0: la somma di quadrati nulla se
e solo se sono nulli tutti gli addendi.
Prima di studiare la norma introduciamo il valore assoluto, che la versione scalare
della norma e che il lettore forse gi conosce.
4.1.2 Valore assoluto
Il valore assoluto [r[ di un numero r R
[r[ =
_
r se r _ 0
r se r < 0
97
98 CAPITOLO 4. STRUTTURA EUCLIDEA
Per esempio, [5[ = [5[ = 5. Il valore assoluto gode delle seguenti propriet elementari
che lasciamo vericare al lettore:
(i) [r[ _ 0 per ogni r R;
(ii) [r[ = 0 se e solo se r = 0;
(iiii) [r[ = [r[ [[ per ogni r. R.
(iv) [r +[ _ [r[ +[[ per ogni r. R.
La propriet (iv) detta disuguaglianza triangolare. Unaltra propriet importante
del valore assoluto
[r[ < c ==c < r < c, \c 0 (4.1)
Ricordiamo che abbiamo gi convenuto di considerare solo la radice positiva
_
r di
r, r _ 0 (la cosiddetta radice aritmetica): per esempio,
_
25 = 5. Formalmente, ci
equivale ad assumere
_
r
2
= [r[ \r R (4.2)
Lasciamo al lettore la verica di (4.1) e (4.2).
4.1.3 Norma
La norma generalizza la nozione di valore assoluto a R
a
. In particolare, la norma
(euclidea) di un vettore r R
a
, indicata con |r|, data da
|r| = (r r)
1
2
=
_
r
2
1
+r
2
2
+ +r
2
a
Quando : = 1, la norma si riduce al valore assoluto; infatti, grazie alla (4.2) si ha
|r| =
_
r
2
= [r[ \r R
Per esempio, se r = 4 si ha |r| =
_
(4)
2
=
_
16 = 4 = [4[ = [r[. Quindi, la
norma in R
a
eettivamente generalizza il valore assoluto in R.
Geometricamente la norma di un vettore non altro che la lunghezza del segmento
che lo rappresenta. Per : = 2 tale lunghezza, per il Teorema di Pitagora, infatti
proprio |r| =
_
r
2
1
+r
2
2
.
4.1. VALORE ASSOLUTO E NORMA 99
-3 -2 -1 0 1 2 3 4 5
-2
-1
0
1
2
3
4
O
x
1
x
2
||x||
Norma del vettore r.
Per : = 3 vale una simile interpretazione geometrica, che ovviamente si perde per
: _ 4.
Esempio 32 (i) se r = (1. 1) R
2
, si ha |r| =
_
1
2
+ (1)
2
=
_
2;
(ii) se r = (c. c
2
) R
2
, con c R, si ha
|r| =
_
c
2
+ (c
2
)
2
=
_
c
2
+c
1
= [c[
_
1 +c
2
(iii) se r = (c. 2c. c) R
S
, si ha |r| =
_
c
2
+ (2c)
2
+ (c)
2
= [c[
_
6;
(iv) se r =
_
2. :.
_
2. 3
_
R
1
, si ha
|r| =
_
2
2
+:
2
+
_
2
2
+ 3
2
=
_
4 +:
2
+ 2 + 9 =
_
15 + :
2
#
La norma gode di alcune propriet elementari che estendono a R
a
quelle viste per
il valore assoluto. Il prossimo risultato raccoglie le pi semplici.
Proposizione 44 Siano r. arbitrari vettori in R
a
e c R. Allora:
(i) |r| _ 0;
(ii) |r| = 0 se e solo se r = 0;
100 CAPITOLO 4. STRUTTURA EUCLIDEA
(iii) |cr| = [c[ |r|.
Dim. Verichiamo per esempio la (ii), lasciando al lettore le altre. Se r = 0 =
(0. 0. .... 0), si ha |r| =
_
0 + 0 + + 0 = 0; viceversa, se |r| = 0, si ha
0 = |r|
2
= r
2
1
+r
2
2
+ +r
2
a
(4.3)
Siccome r
2
i
_ 0 per ogni i = 1. 2. . :, da (4.3) segue che r
2
i
= 0 per ogni i =
1. 2. . : poich una somma di numeri non negativi nulla solo se sono tutti nulli.B
La propriet (iii) estende la propriet [r[ = [r[ [[ del valore assoluto. La cele-
bre disuguaglianza di Cauchy-Schwarz una diversa, e pi sottile, estensione di tale
propriet.
Proposizione 45 (Cauchy-Schwarz) Risulta, per ogni r. R
a
,
[r [ _ |r| || (4.4)
Vale luguaglianza se e solo se i vettori r e sono linearmente dipendenti.
La (4.4) la disuguaglianza di Cauchy-Schwarz.
Dim. Se r = 0 oppure = 0, si ha banalmente [r [ = |r| || = 0. Supponiamo
perci che entrambi i vettori non siano nulli. Per ogni t R, si ha
(r t) (r t) =
a

i=1
(r
i
t
i
)
2
=
a

i=1
r
2
i
2t
a

i=1
r
i

i
+t
2
a

i=1

2
i
_ 0
Ponendo
t =

a
i=1
r
i

a
i=1

2
i
si ha
0 _
a

i=1
r
2
i
2

a
i=1
r
i

a
i=1

2
i
a

i=1
r
i

i
+
_
a
i=1
r
i

a
i=1

2
i
_
2 a

i=1

2
i
=
a

i=1
r
2
i
2
(

a
i=1
r
i

i
)
2

a
i=1

2
i
+
(

a
i=1
r
i

i
)
2

a
i=1

2
i
=
a

i=1
r
2
i

(

a
i=1
r
i

i
)
2

a
i=1

2
i
=
a

i=1

2
i
_
_
a

i=1
r
2
i
a

i=1

2
i

_
a

i=1
r
i

i
_
2
_
_
Poich

a
i=1

2
i
0, si ha quindi
a

i=1
r
2
i
a

i=1

2
i

_
a

i=1
r
i

i
_
2
_ 0
4.1. VALORE ASSOLUTO E NORMA 101
cio
_
a

i=1
r
i

i
_
2
_
a

i=1
r
2
i
a

i=1

2
i
Prendendo la radice di entrambi i membri:

i=1
r
i

_
_
a

i=1
r
i

i
_
2
_

_
a

i=1
r
2
i
a

i=1

2
i
=

_
a

i=1
r
2
i

_
a

i=1

2
i
= |r| ||
si ottiene la (4.4).
La disuguaglianza vale come uguaglianza quando = 0 oppure r = 0 oppure
quando r
i
t
i
= 0 per ogni i = 1. 2. . . . . :, cio quando i due vettori sono uno
multiplo dellaltro: in breve, quando uno dei due vettori multiplo dellaltro secondo
un coeciente eventualmente nullo. Come il lettore pu vericare, ci accade se e solo
se essi sono linearmente dipendenti. B
La disuguaglianza di Cauchy-Schwarz ci consente di dimostrare la disuguaglianza
triangolare, completando in tal modo lestenzione alle norme delle propriet (i)-(iv)
del valore assoluto.
Corollario 46 Risulta, per ogni r. R
a
,
|r +| _ |r| +|| (4.5)
La (4.5) la disuguaglianza triangolare per la norma.
Dim. Quadrando, la (4.5) diventa
|r +|
2
_ |r|
2
+||
2
+ 2 |r| || .
cio
a

i=1
(r
i
+
i
)
2
_
a

i=1
r
2
i
+
a

i=1

2
i
+ 2
_
a

i=1
r
2
i
_1
2
_
a

i=1

2
i
_1
2
.
ovvero, semplicando,
a

i=1
r
i

i
_
_
a

i=1
r
2
i
_1
2
_
a

i=1

2
i
_1
2
che vera per la disuguaglianza di Cauchy-Schwarz. B
Un vettore di norma unitaria detto versore. Nella gura i vettori
__
2,2.
_
2,2
_
e
_

_
3,2. 1,2
_
sono due versori di R
2
:
102 CAPITOLO 4. STRUTTURA EUCLIDEA
-3 -2 -1 0 1 2 3 4 5
-2
-1
0
1
2
3
4
O
x
y
Si noti che, per ogni r ,= 0, il vettore
=
1
|r|
r
un versore: si tratta semplicemente di normalizzare r dividendolo per la sua
lunghezza. In particolare
c
1
= (1. 0. 0. ... 0)
c
2
= (0. 1. 0. .... 0)

c
a
= (0. 0. .... 0. 1)
sono i versori fondamentali di R
a
introdotti nel Capitolo 3. Per vedere la ragione del
loro impegnativo aggettivo, si osservi che in R
2
essi sono
c
1
= (1. 0) e c
2
= (0. 1)
e giacciono sullasse delle ascisse e delle ordinate, rispettivamente. In particolare, i
quattro versori c
1
. c
2
sono i versori che appartengono agli assi cartesiani di R
2
.
In R
S
i versori fondamentali sono
c
1
= (1. 0. 0) . c
2
= (0. 1. 0) e c
S
= (0. 0. 1)
e anche in questo caso i sei versori c
1
. c
2
. c
S
sono i versori che appartengono
agli assi cartesiani di R
S
.
4.2 Ortogonalit
La Sezione A.3 dellappendice mostra come due vettori r e del piano si possano
vedere come perpendicolari quando il loro prodotto interno nullo, cio r = 0. Ci
suggerisce la:
4.2. ORTOGONALIT 103
Denizione 22 Due vettori r. R
a
si dicono ortogonali (o perpendicolari) quando
r = 0
Quando r e sono ortogonali si scrive rl. Dalla commutativit del prodotto
interno segue che rl equivalente a lr.
Esempio 33 (i) Due versori fondamentali sono ortogonali. Per esempio, per c
1
ed c
2
in R
S
si ha
c
1
c
2
= (1. 0. 0) (0. 1. 0) = 0
(ii) I vettori
__
2,2.
_
6,2
_
e
_

_
3,2. 1,2
_
sono ortogonali:
_
_
2
2
.
_
6
2
_

_
3
2
.
1
2
_
=
_
6
4
+
_
6
4
= 0
#
La nozione di ortogonalit centrale, come ben illustra il celeberrimo:
Teorema 47 (Pitagora) Siano r. R
a
. Se rl,
|r +|
2
= |r|
2
+||
2
.
Dim. Si ha
|r +|
2
= (r +) (r +) = |r|
2
+r + r +||
2
= |r|
2
+||
2
come desiderato. B
Il classico Teorema di Pitagora il caso : = 2. Grazie alla nozione di ortogonalit
ne abbiamo la versione generale per R
a
.
Lortogonalit si estende in modo naturale a insiemi di vettori.
Denizione 23 Un insieme di vettori r
i

I
i=1
di R
a
si dice ortogonale se i suoi vettori
sono, a due a due, ortogonali.
Linsieme c
1
. .... c
a
dei versori fondamentali lesempio pi classico di insieme
ortogonale.
Una notevole propriet degli insiemi ortogonali la lineare indipendenza.
Proposizione 48 Un insieme ortogonale linearmente indipendente.
104 CAPITOLO 4. STRUTTURA EUCLIDEA
Dim. Sia r
i

I
i=1
un insieme ortogonale di R
a
. Sia c
i

I
i=1
un insieme di scalari tali
che

I
i=1
c
i
r
i
= 0. Dobbiamo mostrare che c
1
= c
2
= = c
I
= 0. Si ha
0 =
I

)=1
(c
)
r
)
0) =
I

)=1
_
c
)
r
)

I

i=1
c
i
r
i
_
= c
1
r
1

_
I

i=1
c
i
r
i
_
+c
2
r
2

_
I

i=1
c
i
r
i
_
+ +c
I
r
I

_
I

i=1
c
i
r
i
_
= c
2
1
r
2
1
+c
1
r
1

_
I

i=2
c
i
r
i
_
+c
2
2
r
2
2
+c
2
r
2

_
c
1
r
1
+
I

i=S
c
i
r
i
_
+ +c
2
I
r
2
I
+c
I
r
I

_
I1

i=1
c
i
r
i
_
= c
2
1
r
2
1
+
I

i=2
(c
1
r
1
c
i
r
i
) +c
2
2
r
2
2
+c
2
r
2
c
1
r
1
+
I

i=S
(c
2
r
2
c
i
r
i
) + +c
2
I
r
2
I
+
I1

i=1
(c
I
r
I
c
i
r
i
)
=
I

i=1
c
2
i
r
2
i
Quindi,
0 =
I

i=1
c
2
i
r
2
i
il che implica c
1
= c
2
= = c
I
= 0, come desiderato. B
Un insieme ortogonale composto da vettori di norma unitaria, cio da versori,
detto ortonormale. Linsieme c
1
. .... c
a
dei versori fondamentali , per esempio,
ortonormale. In generale, dato un insieme ortogonale r
i

I
i=1
di vettori di R
a
, linsieme
_
r
i
|r
i
|
_
I
i=1
ottenuto dividendo ogni elemento per la sua norma ortonormale. Infatti,
_
_
_
_
r
i
|r
i
|
_
_
_
_
=
1
|r
i
|
|r
i
| = 1
e
r
i
|r
i
|

r
)
|r
)
|
=
1
|r
i
| |r
)
|
r
i
r
)
= 0
4.2. ORTOGONALIT 105
Esempio 34 Si considerino i seguenti tre vettori ortogonali di R
S
:
r
1
= (1. 1. 1) ; r
2
= (2. 1. 1) ; r
S
= (0. 1. 1)
Si ha
_
_
r
1
_
_
=
_
3 ;
_
_
r
2
_
_
=
_
6 ;
_
_
r
S
_
_
=
_
2
Dividendo ciascun vettore per la sua norma, si ottengono i vettori ortonormali:
r
1
|r
1
|
=
_
1
_
3
.
1
_
3
.
1
_
3
_
;
r
2
|r
2
|
=
_

2
_
6
.
1
_
6
.
1
_
6
_
;
r
S
|r
S
|
=
_
0.
1
_
2
.
1
_
2
_
In particolari, i tre vettori formano una base ortonormale. #
Le basi ortonormali di R
a
, in primis quella composta dai versori fondamentali, sono
le pi importanti tra le basi di R
a
poich per esse facile determinare i coecienti
delle combinazioni lineari che rappresentano i vettori di R
a
:
Proposizione 49 Sia r
1
. r
2
. .... r
a
una base ortonormale di R
a
. Per ogni R
a
,
si ha
= ( r
1
)r
1
+ ( r
2
)r
2
+ + ( r
a
)r
a
=
a

i=1
( r
i
)r
i
I coecienti r
i
si dicono coecienti di Fourier.
Dim. Poich r
1
. r
2
. .... r
a
una base, esistono : scalari c
1
. c
2
. .... c
a
tali che
=
a

i=1
c
i
r
i
Per i = 1. 2. ...: il prodotto scalare r
)
:
r
)
=
a

i=1
c
i
(r
i
r
)
)
Siccome r
1
. r
2
. .... r
a
ortonormale si ha
r
i
r
)
=
_
0 se i ,= ,
1 i = ,
Quindi r
)
= c
)
, da cui segue lasserto. B
Per la base canonica c
1
. c
2
. .... c
a
per ogni = (
1
. ....
a
) R
a
si ha c
i
=
i
e
si ritrova cos la (3.4), cio
=
a

i=1

i
c
i
Il prossimo esempio considera una diversa base ortonormale.
106 CAPITOLO 4. STRUTTURA EUCLIDEA
Esempio 35 Si consideri la base ortonormale di R
S
dellultimo esempio:
r
1
=
_
1
_
3
.
1
_
3
.
1
_
3
_
; r
2
=
_

2
_
6
.
1
_
6
.
1
_
6
_
; r
S
=
_
0.
1
_
2
.
1
_
2
_
Consideriamo, per esempio, il vettore = (2. 3. 4). Poich
r
1
=
9
_
3
; r
2
=
3
_
6
; r
S
=
1
_
2
si ha
=
_
r
1

_
r
1
+
_
r
2

_
r
2
+
_
r
S

_
r
S
=
9
_
3
_
1
_
3
.
1
_
3
.
1
_
3
_
+
3
_
6
_

2
_
6
.
1
_
6
.
1
_
6
_
+
1
_
2
_
0.
1
_
2
.
1
_
2
_
#
Chiudiamo mostrando che il Teorema di Pitagora si estende agli insiemi ortogonali.
Proposizione 50 Per un insieme ortogonale r
i

I
i=1
di vettori di R
a
si ha
_
_
_
_
_
I

i=1
r
i
_
_
_
_
_
2
=
I

i=1
|r
i
|
2
Dim. Dimostriamo il risultato per induzione. Gi sappiamo che il risultato vale per
/ = 2. Supponiamo che esso valga per / 1, cio
_
_
_
_
_
I1

i=1
r
i
_
_
_
_
_
2
=
I1

i=1
|r
i
|
2
(4.6)
Mostriamo che ci ne implica la validit per /. Si osservi che, posto =

I1
i=1
r
i
, si
ha lr
I
. Infatti,
r =
_
I1

i=1
r
i
_
r
I
=
I1

i=1
r
i
r
I
= 0
Grazie al Teorema di Pitagora e alla (4.6) si ha:
_
_
_
_
_
I

i=1
r
i
_
_
_
_
_
2
=
_
_
_
_
_
I1

i=1
r
i
+r
I
_
_
_
_
_
2
= | +r
I
|
2
= ||
2
+|r
I
|
2
=
_
_
_
_
_
I1

i=1
r
i
_
_
_
_
_
2
+|r
I
|
2
=
I1

i=1
|r
i
|
2
+|r
I
|
2
=
I

i=1
|r
i
|
2
come desiderato. B
Capitolo 5
Struttura topologica
In questo capitolo daremo la fondamentale nozione di distanza tra punti di R
a
e ne
studieremo le principali conseguenze.
5.1 Distanze
La norma, studiata nella Sezione 4.1, consente di denire la distanza in R
a
. Cominci-
amo con : = 1, quando la norma prende la veste di valore assoluto [r[. Consideriamo
due punti r e sulla retta, con r ,
-4 -2 0 2 4 6
-3
-2
-1
0
1
2
3
4
5
Distanza tra r e .
La distanza tra i due punti r , ossia la lunghezza del segmento che li congiunge.
Daltra parte, se si prendono due punti qualsiasi r e sulla retta, senza saperne lordine
(cio, se r _ o r _ ), la distanza diventa
[r [
107
108 CAPITOLO 5. STRUTTURA TOPOLOGICA
ossia il valore assoluto della loro dierenza. Infatti,
[r [ =
_
r se r _
r se r <
e quindi il valore assoluto della dierenza fornisce la distanza tra i due punti indipen-
dentemente dal loro ordine. In simboli, possiamo scrivere
d (r. ) = [r [ \r. R
In particolare, d (0. r) = [r[ e quindi il valore assoluto, o, equivalentemente, la norma
di un punto r R pu vedersi come la sua distanza dallorigine.
Consideriamo ora : = 2. Prendiamo due vettori r = (r
1
. r
2
) e = (
1
.
2
) in R
2
:
-3 -2 -1 0 1 2 3 4 5
-2
-1
0
1
2
3
4
O
y
1
x
1
y
2
x
2
Distanza tra r = (r
1
. r
2
) e = (
1
.
2
) in R
2
.
La distanza tra i due vettori r e data dalla lunghezza del segmento che li congiunge.
Grazie al Teorema di Pitagora, tale distanza
d(r. ) =
_
(r
1

1
)
2
+ (r
2

2
)
2
(5.1)
poich lipotenusa del triangolo rettangolo che ha come cateti i segmenti che con-
giungono r
i
e
i
per i = 1. 2.
5.1. DISTANZE 109
-3 -2 -1 0 1 2 3 4 5
-2
-1
0
1
2
3
4
x
y
O
y
1
x
1
y
2
x
2
Osserviamo che la distanza (5.1) altro non che la norma del vettore r (e anche
di r), cio:
d (r. ) = |r |
La distanza tra due vettori in R
2
quindi data dalla norma della loro dierenza.
facile vedere che, applicando di nuovo il Teorema di Pitagora, anche la distanza tra
due vettori r e in R
S
data da
d(r. ) =
_
(r
1

1
)
2
+ (r
2

2
)
2
+ (r
S

S
)
2
e quindi si ha ancora:
d (r. ) = |r |
A questo punto generalizziamo la nozione di distanza a : qualsiasi.
Denizione 24 Si dice distanza ( euclidea) d (r. ) tra due vettori r e in R
a
la
norma della loro dierenza: d (r. ) = |r |.
In particolare, si ha d(r. 0) = |r|, ossia la norma |r| di un vettore r R
a
pu
vedersi come la sua distanza dal vettore 0, cio, come s gi detto, come la lunghezza
del segmento che rappresenta r.
Vale la seguente proposizione per distanze tra vettori di R
a
, la cui semplice di-
mostrazione (basta applicare le denizioni) lasciata al lettore.
Proposizione 51 Siano r. due arbitrari vettori in R
a
. Allora:
(i) d (r. ) _ 0;
(ii) d (r. ) = 0 =r = ;
110 CAPITOLO 5. STRUTTURA TOPOLOGICA
(iii) d (r. ) = d (. r);
(iv) d (r. ) _ d (r. .) +d (.. ) per ogni . R
a
.
Le (i)-(iv) sono tutte propriet naturali per la nozione di distanza. La (i) aerma
che una distanza sempre una quantit positiva, la (ii) che nulla solo quando i vettori
in esame sono uguali, mentre vettori diversi hanno sempre una distanza non nulla. La
(iii) aerma che la distanza una nozione simmetrica: nel misurarla non conta da
quale dei due vettori si parte. Inne, la (iv) la cosiddetta disuguaglianza triangolare:
per esempio, la distanza tra Milano (r) e Roma () non pu superare la somma delle
distanze tra Milano e qualsiasi altra localit . e tra tale . e Roma.
Esempio 36 (i) Se r = (1,3) e = 1,3, si ha
d (r. ) =

1
3

1
3

2
3

=
2
3
;
(ii) se r = c e = c
2
con c R, si ha d (r. ) = d (c. c
2
) = [c c
2
[ = [c[ [1 c[;
(iii) se r = (1. 3) e = (3. 1), si ha
d (r. ) =
_
(1 3)
2
+ (3 (1))
2
=
_
8 = 2
_
2;
(iv) se r = (c. /) e = (c. /), si ha
d (r. ) =
_
(c (c))
2
+ (/ /)
2
=
_
(2c)
2
+ 0 =
_
4c
2
= 2 [c[ ;
(v) se r = (0. c. 0) e = (1. 0. c), si ha
d (r. ) =
_
(0 1)
2
+ (c 0)
2
+ (0 (c))
2
=
_
1
2
+c
2
+c
2
=
_
1 + 2c
2
.
#
5.2 Intorni
Denizione 25 Si dice intorno (sferico) di centro r
0
R
a
e di raggio 0, e si
denota con 1
.
(r
0
), linsieme
1
.
(r
0
) = r R
a
: d (r. r
0
) < .
Lintorno 1
.
(r
0
) quindi il luogo dei punti di R
a
che hanno distanza da r
0
strettamente minore di . In R tale intorno lintervallo aperto (r
0
. r
0
+), cio
1
.
(r
0
) = (r
0
. r
0
+) .
5.2. INTORNI 111
Infatti si ha
r R : d(r. r
0
) < = r R : [r r
0
[ <
= r R : < r r
0
< = (r
0
. r
0
+)
avendo usato la (4.1), cio [r[ < c =c < r < c.
Dunque in R gli intorni sono intervalli; si vede senza dicolt che in R
2
sono cerchi,
in R
S
sfere, ecc.: i punti che distano meno di da r
0
formano infatti un cerchio, una
sfera, ecc. di centro r
0
.
-4 -2 0 2 4 6
-3
-2
-1
0
1
2
3
4
5
( )
x
0
x
0
- x
0
+
Intorno di r
0
R di raggio .
-3 -2 -1 0 1 2 3 4 5
-2
-1
0
1
2
3
4
O
x
0

Intorno di r
0
R
2
di raggio .
112 CAPITOLO 5. STRUTTURA TOPOLOGICA
Vediamo alcuni esempi di intorni. Per semplicit di notazione, scriveremo 1
.
(r
1
. ... r
a
)
in luogo di 1
.
((r
1
. ... r
a
)).
Esempio 37 (i) Si ha 1
S
(1) = (1 3. 1 + 3) = (4. 2).
(ii) Si ha
13
2
(1) =
_
1
3
2
. 1 +
3
2
_
=
_

1
2
.
5
2
_
.
(iii) Le scritture 1
1
(0) e 1
0
(1) sono prive di senso perch deve essere 0.
(iv) Si ha
1
S
(0. 0) = 1
S
(0) =
_
r R
2
: d(r. 0) < 3
_
=
_
r R
2
:
_
r
2
1
+r
2
2
< 3
_
=
=
_
r R
2
: r
2
1
+r
2
2
< 9
_
.
(v) Si ha
1
1
(1. 1. 1) =
_
r R
S
: d (r. (1. 1. 1)) < 1
_
=
_
r R
S
:
_
(r
1
1)
2
+ (r
2
1)
2
+ (r
S
1)
2
< 1
_
=
_
r R
S
: (r
1
1)
2
+ (r
2
1)
2
+ (r
S
1)
2
< 1
_
.
Per esempio, il vettore (1,2. 1,2. 1,2) 1
1
(1. 1. 1). Infatti
_
1
2
1
_
2
+
_
1
2
1
_
2
+
_
1
2
1
_
2
=
3
4
< 1.
Si verichi che, invece, 0 = (0. 0. 0) , 1
1
(1. 1. 1). #
OfB. Un punto possiede sempre inniti intorni: uno per ogni valore di 0. perci
fuorviante parlare dellintorno di un punto come se ve ne fosse uno solo. *
Per alcune nalit avremo occasione di utilizzare, esclusivamente in R, anche
mezzi intorni di un punto r
0
; precisamente:
Denizione 26 Lintervallo [r
0
. r
0
+), con 0, detto intorno destro di r
0
R
di raggio . Lintervallo (r
0
. r
0
], con 0, detto intorno sinistro di r
0
di raggio
.
Con essi possiamo dare unutile caratterizzazione degli estremi superiore e inferiore
di un sottoinsieme di R.
Proposizione 52 Dato un insieme di R, si ha c = sup se e solo se:
5.3. TASSONOMIA DEI PUNTI DI R
.
113
(i) c _ r per ogni r ,
(ii) per ogni 0, esiste r tale che r c .
Dim. Solo se. Se c = sup , la (i) ovviamente soddisfatta. Sia 0. Poich
sup c , il punto c non un maggiorante di . Esiste quindi r tale che
r c .
Se Supponiamo che c R soddis (i) e (ii). Grazie alla (i), c un maggiorante
di . Grazie alla (ii), il pi piccolo dei maggioranti. Infatti, ogni / < c si pu scrivere
come / = c ponendo = c / 0. Per la (ii), esiste r tale che r c = /.
Quindi, / non un maggiorante di , che implica che non esistono maggioranti pi
piccoli di c. B
In altre parole, il punto c R estremo superiore di _ R se e solo se un maggio-
rante di e in ogni suo intorno sinistro cadono elementi di . Una caratterizzazione
analoga vale per gli estremi inferiori, con intorni destri in luogo dei sinistri.
5.3 Tassonomia dei punti di R
:
La nozione di intorno permette di classicare i vettori di R
a
in varie categorie, secondo
i loro rapporti con un dato insieme _ R
a
.
5.3.1 Punti interni e di frontiera
La prima fondamentale nozione di punto interno. Intuitivamente, un punto interno a
un insieme un punto dentro ad esso, cio un punto tutto circondato da altri punti
dellinsieme (ovvero dal quale ci si pu allontanare in qualunque direzione rimanendo,
almeno per un po, nellinsieme).
Denizione 27 Sia un sottoinsieme di R
a
. Un punto r
0
detto punto interno
di se, per qualche 0, 1
.
(r
0
) _ .
In altre parole, r
0
punto interno di se esiste almeno un intorno di r
0
tutto
contenuto in . Ci motiva laggettivo interno. Un punto di quindi interno
se esso contenuto in con tutto un suo intorno, per quanto piccolo possa essere.
Possiamo dire che i punti interni sono i punti che appartengono ad in senso sia
insiemistico (r ) sia topologico (esiste 1
.
(r) _ ).
In modo analogo, un punto r
0
R
a
si dice esterno ad se esso interno al
complementare
c
di , ossia se, per qualche 0, 1
.
(r
0
) contenuto in
c
: 1
.
(r
0
)
= O. Un punto non in quindi esterno quando non appartiene ad con tutto un
suo intorno, per quanto piccolo possa essere.
Linsieme dei punti interni di detto interno di e si indica con int . ovvio
che int _ .
114 CAPITOLO 5. STRUTTURA TOPOLOGICA
Esempio 38 Sia = (0. 1). Ogni suo punto interno, cio int = . Sia infatti
r (0. 1) e si consideri la pi piccola tra le distanze di r dai punti estremi c e /, ossia
min d (0. r) . d (1. r). Prendiamo 0 tale che
< min d (0. r) . d (1. r)
Si ha
1
.
(r) = (r . r +) _ (0. 1)
e quindi r punto interno di . Poich r era un punto qualsiasi di , ne segue che
int = . #
Esempio 39 Sia = [0. 1]. Si ha int = (0. 1). Infatti, procedendo come sopra
si vede che i punti in (0. 1) sono tutti interni, ossia (0. 1) _ int . Rimangono da
considerare i punti estremi 0 e 1. Consideriamo 0. Ogni suo intorno ha la forma
(. ), con 0, e quindi contiene anche punti di
c
. Ne segue che 0 , int . In
modo analogo si mostra che 1 , int . Concludiamo che int = (0. 1).
Troviamo i punti esterni ad = [0. 1]. Si ha

c
= (. 0) ' (1. +)
e quindi int
c
=
c
, come il lettore pu facilmente vericare. Ne segue che i punti
esterni ad sono i punti dellinsieme complementare
c
. #
Denizione 28 Sia un sottoinsieme di R
a
. Un punto r
0
R
a
detto di frontiera
per se non n interno n esterno.
Un punto r
0
quindi di frontiera per allorquando in ogni suo intorno cadono sia
punti di (perch non esterno) sia punti di
c
(perch non interno). Linsieme
dei punti di frontiera si indica con J. Intuitivamente, la frontiera il bordo di un
insieme.
Si noti che la denizione di punto di frontiera residuale: un punto di frontiera
se non altro, cio se non n interno n esterno. Ci fa si che la classicazione
in punti interni, esterni e di frontiera sia esaustiva: dato un insieme , ogni punto
r
0
R
a
necessariamente ricade in una di queste tre categorie.
Esempio 40 (i) Sia = (0. 1). Data la natura residuale della denizione di punto di
frontiera, per determinare J dobbiamo prima identicare i punti interni ed esterni.
Abbiamo visto che int = (0. 1). Per trovare i punti esterni, osserviamo che
c
=
(. 0] ' [1. +), sicch
int
c
= (. 0) ' (1. +)
I punti esterni ad sono dunque quelli dellinsieme (. 0) '(1. +). Ne segue che
J = 0. 1
5.3. TASSONOMIA DEI PUNTI DI R
.
115
cio la frontiera di (0. 1) costituita dai due punti 0 e 1. Si noti che J = O: in
questo esempio i punti di frontiera non appartengono allinsieme .
(ii) Sia = [0. 1]. Nellultimo esempio abbiamo visto che int = (0. 1) e che
c

linsieme dei punti esterni di . Quindi, J = 0. 1. In questo esempio si ha J _ ,


linsieme contiene i propri punti di frontiera.
(iii) Sia = [1. 0). Il lettore pu vericare che int = (0. 1) e che tutti i punti di
(. 0) ' (1. +) sono esterni. Quindi, J = 0. 1. In questo esempio, la frontiera
sta un po fuori e un po dentro linsieme: il punto di frontiera 1 in mentre il punto
di frontiera 0 non lo .
(iv) Se
=
_
(r
1
. r
2
) : r
2
1
+r
2
2
_ 1
_
_ R
2
tutti i punti tali che r
2
1
+r
2
2
< 1 sono interni, cio
int =
_
(r
1
. r
2
) : r
2
1
+r
2
2
< 1
_
mentre tutti i punti tali che r
2
1
+r
2
2
1 sono esterni. Quindi,
J =
_
(r
1
. r
2
) : r
2
1
+r
2
2
= 1
_
Linsieme contiene tutti i propri punti di frontiera.
(v) Sia = Q linsieme dei razionali, sicch
c
linsieme degli irrazionali. Grazie
alle Proposizioni 9 e 18, tra due razionali <
t
esiste un irrazionale c tale che
< c <
t
e tra due irrazionali c < / esiste un razionale Q tale che c < < /. Il
lettore pu vericare che ci implica int = int
c
= O, e quindi J = R. Lesempio
mostra che linterpretazione della frontiera come bordo pu in taluni casi non essere
calzante. Del resto, le nozioni matematiche hanno vita propria e dobbiamo essere
pronti a seguirle anche quando lintuizione fa difetto. #
Individuiamo unimportante sottoclasse dei punti di frontiera.
Denizione 29 Sia un sottoinsieme di R
a
. Un punto r
0
detto isolato se
esiste (almeno) un suo intorno che non contiene altri punti di eccetto r
0
stesso.
Quindi, un punto r
0
isolato se esiste almeno un suo intorno 1
.
(r
0
) tale
che 1
.
(r
0
) = r
0
. Come suggerisce la terminologia, i punti isolati sono punti
dellinsieme staccati dal resto dellinsieme.
Esempio 41 Sia = [0. 1] ' 2. Esso costituito dallintervallo chiuso unitario e,
in aggiunta, dal punto 2. Questultimo isolato. Infatti, sia 1
.
(2) un intorno di 2 con
< 1. Si ha 1
.
(2) = 2. #
Come anticipato, i punti isolati sono di frontiera: la dimostrazione lasciata al
lettore.
Lemma 53 I punti isolati sono di frontiera.
116 CAPITOLO 5. STRUTTURA TOPOLOGICA
5.3.2 Punti di accumulazione
Denizione 30 Sia un sottoinsieme di R
a
. Un punto r
0
R
a
detto di accu-
mulazione per se ogni intorno di r
0
contiene almeno un punto di distinto da
r
0
.
Quindi, r
0
punto di accumulazione di se, per ogni 0, esiste qualche r
tale che
1
0 < |r
0
r| < . Linsieme dei punti di accumulazione di si indica

t
ed detto insieme derivato. Si osservi che non si richiesto che il punto r
0
di
accumulazione appartenga ad .
NB. La Denizione 30 si pu equivalentemente esprimere dicendo che r
0
R
a
punto
di accumulazione per se, per ogni 0, esiste un intorno 1
.
(r
0
) di r
0
tale che
1
.
(r
0
) ( r
0
) ,= O.
V
Come prima cosa, vediamo le relazioni dei punti di accumulazione con la classi-
cazione test vista. Ovviamente, i punti di accumulazione non sono mai esterni.
Inoltre:
Lemma 54 Sia un sottoinsieme di R
a
.
(i) Ogni punto interno di di accumulazione, ossia int _
t
.
(ii) Un punto di frontiera di di accumulazione se e solo se non isolato.
Dim. (i) Se r
0
int , esiste un intorno 1
.
0
(r
0
) di r
0
tale che 1
.
0
(r
0
) _ . Sia
1
.
(r
0
) un intorno qualsiasi di r
0
. Lintersezione
1
.
0
(r
0
) 1
.
(r
0
) = 1
nin.
0
,.
(r
0
)
a sua volta un intorno di r
0
di raggio min
0
. 0. Quindi 1
nin.
0
,.
(r
0
) _
e, per completare la dimostrazione, basta considerare qualsiasi r 1
nin.
0
,.
(r
0
) tale
che r ,= r
0
. Infatti, r appartiene anche allintorno 1
.
(r
0
) ed distinto da r
0
.
(ii) Se. Consideriamo un punto r
0
di frontiera ma non isolato. Per denizione
di punto di frontiera, per ogni 0 si ha 1
.
(r
0
) ,= O. Per denizione di punto
non isolato, per ogni 0 si ha 1
.
(r
0
) ,= r
0
. Ci implica che per ogni
0 si ha 1
.
(r
0
) ( r
0
) ,= O, cio che r
0
punto di accumulazione per
. Solo se. Prendiamo un punto r
0
sia di frontiera sia di accumulazione, ossia
r
0
J
t
. Ogni suo intorno 1
.
(r
0
) contiene almeno un punto r distinto da
r
0
, cio 1
.
(r
0
) ,= r
0
. Ne segue che r
0
non isolato. B
Alla luce di questo risultato linsieme
t
dei punti di accumulazione costituito
dai punti interni di e dai punti di frontiera non isolati di .
1
La disuguaglianza 0 < |r
0
r| equivale a r ,= r
0
, ossia impone che r sia un punto di distinto
da r
0
.
5.3. TASSONOMIA DEI PUNTI DI R
.
117
Esempio 42 (i) Se = [1. 0) _ R, tutti e soli i punti dellintervallo [0. 1] sono di
accumulazione, cio
t
= [0. 1]. Si osservi come il punto 1 sia di accumulazione bench
non appartenga ad .
(ii) Se = (r
1
. r
2
) R
2
: r
2
1
+r
2
2
_ 1, tutti i punti dellinsieme sono di accu-
mulazione, ossia =
t
. #
Esempio 43 Sia = (r
1
. r
2
) R
2
: r
1
+r
2
= 1. Linsieme una retta nel pi-
ano. Si ha int = O e J =
t
= . Linsieme non ha quindi alcun punto interno
(gracamente, si disegni un circoletto attorno a un punto di : per quanto piccolo, non
c modo di includerlo tutto in ), mentre tutti i suoi punti sono sia di accumulazione
sia di frontiera.
#
Nella denizione di punto di accumulazione si richiesto che ogni suo intorno
contenga almeno un punto di distinto da s stesso. In realt, come adesso mostriamo,
ne contiene necessariamente inniti.
Proposizione 55 Ogni intorno di un punto di accumulazione di contiene inniti
punti di .
Dim. Sia r un punto di accumulazione di . Supponiamo per contra che esista un
intorno 1
.
(r) di r contenente un numero nito di punti r
1
. .... r
a
di , salvo, al
pi, r stesso. Poich r
1
. .... r
a
un insieme nito, la minima distanza
min
i=1,...,a
d (r. r
i
)
esiste ed strettamente positiva, ossia min
i=1,...,a
d (r. r
i
) 0. Sia o 0 tale che o <
min
i=1,...,a
d (r. r
i
) . evidente che 0 < o < in quanto o < min
i=1,...,a
d (r. r
i
) < .
Quindi 1
c
(r) 1
.
(r). altres evidente, per costruzione, che per ogni i = 1. 2. ...:.
118 CAPITOLO 5. STRUTTURA TOPOLOGICA
si ha r
i
, 1
c
(r). Dunque, se r si ha 1
c
(r) = r; se invece r , si ha
1
c
(r) = O. Indipendentemente dallappartenenza di r ad . si ha
1
c
(r) _ r .
Quindi lunico punto di che pu contenere 1
c
(r) , al pi, r stesso. Ma ci
contraddice lipotesi che r sia punto di accumulazione di . B
OfB. Il concetto di punto interno richiede che esista un suo intorno tutto formato
da punti dellinsieme: ci signica che ci si pu allontanare (almeno per un po) da
esso seguendo qualsiasi percorso che parte dal punto e rimanendo dentro linsieme
(insomma, si pu fare una passeggiatina in qualunque direzione senza mostrare il
passaporto): vedendo il percorso a rovescio, possiamo dire che ci si pu avvicinare al
punto, provenendo da qualunque direzione, rimanendo dentro linsieme.
Il concetto di punto di accumulazione, che non impone che il punto appartenga
allinsieme, richiede invece che ci si possa avvicinare quanto si vuole al punto saltel-
lando su punti dellinsieme (insomma, che, come quando si traversa un torrente saltel-
lando su sassi aoranti, ci si possa avvicinare quanto si vuole alla meta su sassi tutti
appartenenti allinsieme) Questa idea della possibilit di avvicinarsi a un certo pun-
to rimanendo dentro un dato insieme risulter cruciale per la denizione di limite di
funzione. *
5.4 Insiemi aperti e chiusi
Introduciamo ora le fondamentali nozioni di insieme aperto e di insieme chiuso. Intu-
itivamente, il concetto di insieme aperto lastrazione dellidea di gura geometrica
priva del bordo, mentre il concetto di insieme chiuso lastrazione di gura geometrica
con il bordo (il concetto di frontiera , invece, lastrazione di bordo).
Denizione 31 Un sottoinsieme _ R
a
detto aperto se tutti i suoi punti sono
interni, cio se int = .
Esempio 44 Gli intervalli aperti (c. /) sono aperti (donde il nome). Infatti, sia r
(c. /) un punto qualsiasi di (c. /): mostriamo che interno. Sia
0 < < min d (r. c) . d (r. /) .
Si ha 1
.
(r) _ (c. /) e quindi r punto interno di (c. /). Ne segue che (c. /) aperto.
#
Dato che gli intorni in R sono del tipo (c. /), essi sono tutti aperti. Il prossimo
risultato mostra che lapertura degli intorni vale in generale in R
a
.
Lemma 56 Gli intorni in R
a
sono aperti.
5.4. INSIEMI APERTI E CHIUSI 119
Dim. Sia 1
.
(r
0
) un intorno di un vettore r
0
R
a
. Per mostrare che 1
.
(r
0
) aperto
occorre mostrare che ogni suo punto interno. Sia r 1
.
(r
0
) un punto qualsiasi di
1
.
(r
0
). Dobbiamo dimostrare che r interno a 1
.
(r
0
) . Sia
0 < o < d (r. r
0
) (5.2)
Mostriamo che 1
c
(r) _ 1
.
(r
0
) . Infatti, sia 1
c
(r) . Allora
d(. r
0
) _ d(. r) +d(r. r
0
) < o +d (r. r
0
) < .
dove lultima disuguaglianza segue da (5.2). Dunque, 1
c
(r) _ 1
.
(r
0
), il che completa
la dimostrazione. B
La prossima gura presenta un altro semplice insieme aperto di R
2
.
-3 -2 -1 0 1 2 3 4 5
-2
-1
0
1
2
3
4
x
1
x
2
O
Insieme aperto di R
2
dato da
= 1
1
(0. 0) (0. 0).
Denizione 32 Linsieme
' J
formato dai punti di e dai suoi punti di frontiera detto chiusura
2
di e si indica
con .
2
Per simmetria lessicale con chiusura, linterno di un insieme si sarebbe dovuto chiamare
apertura.
120 CAPITOLO 5. STRUTTURA TOPOLOGICA
ovvio che _ . La chiusura di quindi un suo allargamento che ne
include tutti i punti di frontiera, ossia i bordi. Naturalmente, la nozione signicativa
quando i bordi non sono gi parte di .
Esempio 45 (i) Se = [0. 1) _ R, si ha = [0. 1].
(ii) Se = (r
1
. r
2
) R
2
: r
2
1
+r
2
2
_ 1, si ha = . #
Esempio 46 Dato un intorno 1
.
(r
0
) di un punto r
0
R
a
, si ha
1
.
(r
0
) = r R
a
: d (r. r
0
) _ : (5.3)
la chiusura di un intorno si caratterizza per avere _ in luogo di < . #
Possiamo ora introdurre gli insiemi chiusi.
Denizione 33 Un sottoinsieme di R
a
detto chiuso se esso contiene tutti i propri
punti di frontiera, cio se = .
Un insieme quindi chiuso quando include i propri bordi.
Esempio 47 Linsieme = [0. 1) _ R non chiuso poich ,= , mentre linsieme
= (r
1
. r
2
) R
2
: r
2
1
+r
2
2
_ 1 chiuso poich = . #
Esempio 48 Gli intervalli chiusi [c. /] _ R sono chiusi (di qui il nome). Gli intervalli
illimitati (c. ) e (. c) sono aperti. Gli intervalli illimitati [c. ) e (. c] sono
chiusi. #
Esempio 49 Linsieme = (r
1
. r
2
) R
2
: r
1
+r
2
= 1 chiuso poich = J =

t
= . #
Le nozioni di insiemi aperti e chiusi sono tra loro speculari, come mostra il prossimo
basilare risultato.
3
Teorema 57 Un insieme in R
a
aperto se e solo se il suo complementare chiuso.
Dim. Solo se. Sia aperto. Mostriamo che
c
chiuso. Sia r un arbitrario punto
di frontiera di
c
, ossia r J
c
. Per denizione, r non interno n ad n ad
c
.
Quindi, r , int . Ma, = int siccome aperto. Quindi r , , cio r
c
. Ne
segue che J
c
_
c
poich r era un punto arbitrario di J
c
. Quindi,
c
=
c
, il che
prova che linsieme complementare
c
chiuso.
Se. Sia
c
chiuso. Mostriamo che aperto. Sia r un punto qualsiasi di .
Poich r ,
c
=
c
, il punto r non di frontiera per
c
ed quindi interno ad
oppure interno ad
c
. Ma, poich r ,
c
implica r , int
c
, possiamo concludere che
r int . Quindi il punto r interno, il che implica che aperto. B
3
In molti testi si denisce chiuso un insieme il cui complementare aperto, e si dimostra come teo-
rema la conseguente propriet che ogni chiuso contiene la sua frontiera. In altre parole, la denizione
e il teorema sono scambiati rispetto allimpostazione da noi scelta.
5.4. INSIEMI APERTI E CHIUSI 121
Esempio 50 Gli insiemi niti = r
1
. r
2
. .... r
a
di R
a
(e in particolare i singoletti)
sono chiusi. Per vericarlo si osservi che il complementare
c
aperto. Infatti sia
r
c
e 0 tale che
< d (r. r
i
) \i = 1. .... :
Si ha 1
.
(r) _
c
e quindi r punto interno. Ne segue che
c
aperto. Lasciamo
vericare al lettore che int = O e J = . #
-3 -2 -1 0 1 2 3 4 5
-2
-1
0
1
2
3
4
x
1
x
2
O
2
-1
-1
Insieme chiuso di R
2
dato da
C = (2. 1) ' (r
1
. r
2
) R
2
: r
2
=
r
2
1
'(r
1
. r
2
) R
2
: (r
1
+ 1)
2
+ (r
2
+ 1)
2
_ 1,4
Aperti e chiusi sono quindi due facce della stessa medaglia: dire che un insieme
chiuso/aperto equivale a dire che il suo complementare aperto/chiuso. Naturalmente,
vi sono molti insiemi che non godono di alcuna di queste propriet. Vediamone un
esempio semplicissimo.
Esempio 51 Linsieme = [0. 1) _ R non n aperto n chiuso. Infatti, int =
(0. 1) ,= e = [0. 1] ,= . #
Vi un caso in cui la specularit di aperti e chiusi acquista una veste curiosa.
Esempio 52 Gli insiemi vuoto O e tutto R
a
sono simultaneamente aperti e chiusi.
Per il Teorema 57 basta mostrare che R
a
sia aperto sia chiuso. Ma ci ovvio.
Infatti, R
a
aperto poich, banalmente, ogni suo punto interno, ed chiuso perch
R
a
coincide necessariamente con la propria chiusura. Si pu mostrare che O e R
a
sono
gli unici insiemi con tale doppia personalit. #
122 CAPITOLO 5. STRUTTURA TOPOLOGICA
Torniamo alla nozione di chiusura . Il prossimo risultato mostra come essa si possa
equivalentemente vedere come laggiunta allinsieme dei suoi punti di accumulazione

t
. In altri termini, aggiungere i bordi equivale ad aggiungere i punti di accumulazione.
Proposizione 58 Si ha = '
t
.
Dim. Dobbiamo dimostrare che '
t
= ' J. Cominciamo col mostrare che
'
t
_ ' J. Poich _ ' J, occorre provare che
t
_ ' J. Sia r
t
.
Per quanto osservato dopo la dimostrazione del Lemma 54, r interno o di frontiera,
e quindi r ' J.
Rimane da mostrare che ' J _ '
t
. Poich _ '
t
, occorre provare
che J _ '
t
. Sia r J. Se r punto isolato, per denizione si ha che r .
Altrimenti, per il Lemma 54, si ha che r punto di accumulazione per , cio r
t
.
Quindi, r '
t
. B
Dallequivalenza appena mostrata segue, come corollario, che un insieme chiuso
quando contiene tutti i propri punti di accumulazione. Si tratta di una notevole
equivalenza.
Corollario 59 Un sottoinsieme di R
a
chiuso se e solo se contiene tutti i propri
punti di accumulazione.
Dim. Sia chiuso. Per denizione, = e quindi, grazie alla Proposizione 58, si
ha '
t
= , cio
t
_ . Viceversa, se
t
_ , si ha ovviamente '
t
= .
Grazie alla Proposizione 58, si ha = '
t
= . B
Esempio 53 Linclusione
t
_ nel Corollario 59 pu essere stretta, nel qual caso
linsieme
t
costituito dai punti isolati di . Per esempio, sia = [0. 1]'1. 4.
Linsieme chiuso e si ha
t
= [0. 1]. Quindi
t
strettamente incluso in e
linsieme
t
= 1. 4 costituito dai punti isolati di . #
Come gi si rilevato, risulta sempre
int _ _ . (5.4)
Il prossimo risultato mostra limportanza topologica di queste inclusioni.
Proposizione 60 Dato un insieme qualsiasi in R
a
, si ha:
(i) int il pi grande insieme aperto contenuto in ;
(ii) il pi piccolo insieme chiuso che contiene .
Per dimostrare la proposizione ci occorre una semplice propriet dei punti di
accumulazione.
5.4. INSIEMI APERTI E CHIUSI 123
Lemma 61 Dati due insiemi e 1 di R
a
, si ha
t
_ 1
t
se _ 1.
Dim. Supponiamo che _ 1. Sia r
t
. Per ogni 0, si ha (1
.
(r)r) ,= O.
Poich _ 1, ci implica (1
.
(r) r) 1 ,= O per ogni 0, cio r 1
t
. B
Dim. della Proposizione 60 . (i) Per prima cosa dimostriamo che linsieme int dei
punti interni di aperto. Sia r int . Per denizione, esiste un suo intorno 1
.
(r)
contenuto in , cio 1
.
(r) _ . Dimostriamo che tale intorno costituito da soli punti
interni di . Supponiamo, per contra, che esista J1
.
(r). Si ponga d = d(r. ).
Per denizione si ha d < . Scelto un arbitrario raggio 0 <
t
< d. facile vedere
che lintorno sferico di di raggio
t
contenuto in 1
.
(r), cio 1
.
0 () _ 1
.
(r) _ .
Ma ci contraddice il fatto che punto di frontiera di . La contraddizione dimostra
che esiste 1
.
(r) contenuto in int , il che dimostra che int aperto.
Lasciamo al lettore la verica che int il pi grande aperto contenuto in .
(ii) Cominciamo col dimostrare che la chiusura

un insieme chiuso. A tal ne
osserviamo che per un qualsiasi insieme si ha int = J = (J)
c
. Usando
le leggi di De Morgan e il fatto che e
c
hanno la stessa frontiera, abbiamo:
(

)
c
= ( ' J)
c
=
c
(J)
c
=
c
(J
c
)
c
= int
c
Per il punto (i), linsieme int
c
aperto, e quindi per il Teorema 57 linsieme
chiuso.
Dimostriamo ora che

il pi piccolo chiuso che contiene . Se chiuso ci
banalmente vero poich =

. Supponiamo che non sia chiuso. Si consideri un
insieme
+
,=

tale che _
+
_

. Esiste quindi un punto di frontiera r di
che non contenuto in
+
. Tale punto non pu essere un punto isolato di perch
altrimenti apparterrebbe ad e quindi a
+
. Per il Lemma 54, si ha dunque r
t
.
Per il Lemma 61, ne segue che r punto di accumulazione anche per
+
. Allora
+
non contiene tutti i suoi punti di accumulazione, e quindi non chiuso. In conclusione,
il pi piccolo chiuso che contiene . B
Linsieme dei punti interni int quindi il pi grande insieme aperto che approssi-
ma da dentro linsieme , mentre la chiusura il pi piccolo insieme chiuso che
approssima da fuori linsieme . La relazione (5.4) quindi il miglior panino topo-
logico che si possa avere per linsieme con fetta inferiore aperta e fetta superiore
chiusa
4
.
Risulta ora facile dimostrare una interessante e intuitiva propriet della frontiera
di un insieme.
Corollario 62 La frontiera di qualsiasi insieme in R
a
un insieme chiuso.
4
Naturalmente, vi sono anche panini con fetta inferiore chiusa e fetta superiore aperta, come il
lettore vedr in corsi successivi.
124 CAPITOLO 5. STRUTTURA TOPOLOGICA
Dim. Sia un insieme qualsiasi in R
a
. Poich i punti esterni ad sono interni al
suo complementare, si ha
(J)
c
= int ' int
c
e quindi J chiuso perch int e int
c
sono aperti. B
Il prossimo risultato, la cui dimostrazione lasciata al lettore, mostra che la
dierenza tra chiusura e interno di un insieme dato dai suoi punti di frontiera.
Proposizione 63 Per ogni sottoinsieme _ R
a
si ha J = int .
Il risultato rende precisa lintuizione che gli aperti sono insieme privi di bordi.
Infatti, la Proposizione 63 implica che sia aperto se e solo se J = O. Daltra
parte, per denizione, un insieme chiuso se e solo se J _ , ossia quando include i
bordi.
5.5 Stabilit insiemistica
Abbiamo visto nel Teorema 57 come loperazione insiemistica di complementazione
abbia una funzione cruciale per aperti e chiusi. naturale chiedersi di quale stabilit
godano gli aperti e i chiusi rispetto alle altre operazioni insiemistiche di base, cio
lintersezione e lunione. Cominciamo col considerare il problema per gli intorni, i pi
semplici insiemi aperti.
Lintersezione di due (o pi, ma in numero nito di) intorni di r
0
ancora un
intorno di r
0
: infatti 1
.
1
(r
0
) 1
.
2
(r
0
) non altro che il pi piccolo dei due, cio
1
.
1
(r
0
) 1
.
2
(r
0
) = 1
nin.
1
,.
2

(r
0
) .
e il risultato analogo vale per intersezioni di un numero nito di intorni. La cosa non
vale invece per intersezioni di inniti intorni: per esempio,
o

a=1
11
n
(r
0
) = r
0
(5.5)
ossia lintersezione si riduce al singoletto r
0
, che come osservato nellEsempio 50
chiuso. Quindi lintersezione di inniti intorni pu non essere un insieme aperto. Per
vericare la (5.5), si osservi che un punto appartiene allintersezione

o
a=1
1
1a
(r
0
) se
e solo se appartiene ad ogni intorno 1
1a
(r
0
). Senzaltro ci vero per r
0
, e quindi
r
0

o
a=1
1
1a
(r
0
). Mostriamo che lunico punto a godere di questa propriet. Per
contra, sia ,= r
0
tale che

o
a=1
1
1a
(r
0
). Poich ,= r
0
, si ha d (r
0
. ) 0. Se
prendiamo : sucientemente grande, in particolare
:
1
d (r
0
. )
.
5.5. STABILIT INSIEMISTICA 125
il suo reciproco 1, : sar sucientemente piccolo da avere
0 <
1
:
< d (r
0
. ) .
Quindi, , 1
1 a
(r
0
), il che contraddice lipotesi

o
a=1
1
1a
(r
0
). Ne segue che r
0
lunico punto nellintersezione

o
a=1
1
1a
(r
0
), ossia vale la (5.5).
Lunione di intorni di r
0
invece sempre un intorno di r
0
, anche se lunione
innita. Infatti
1
.
1
(r
0
) ' 1
.
2
(r
0
) = 1
nnx.
1
,.
2

(r
0
)
non altro che il pi grande dei due. Pi in generale, nel caso di inniti intorni 1
.
i
(r
0
),
se sup
i

i
< + si pone = sup
i

i
e si ha
o
_
i=1
1
.
i
(r
0
) = 1
.
(r
0
)
Per esempio
o
_
a=1
11
n
(r
0
) = 1
1
(r
0
)
Quando, invece, sup
i

i
= +, si ha
o
_
i=1
1
.
i
(r
0
) = R
a
Per esempio
o
_
a=1
1
a
(r
0
) = R
a
.
In ogni caso, lunione di intorni un insieme aperto.
Intersezioni nite di intorni sono quindi intorni, mentre unioni qualsiasi di intorni
sono intorni. Il prossimo risultato mostra che queste propriet di stabilit valgano per
tutti gli aperti.
Teorema 64 Lintersezione di un numero nito di aperti aperta. Lunione, anche
innita, di aperti aperta.
Dim. (i) Sia =

a
i=1

i
, con
i
tutti aperti. Ogni r appartiene a tutti gli
i
ed interno a tutti (perch aperti), cio esistono suoi intorni 1
.
i
(r) _
i
. Diciamo
1 la loro intersezione, 1 =

a
i=1
1
.
i
(r): esso ancora un intorno di r (con raggio
= min
1
. ....
a
) e, a maggior ragione, 1 _
i
per ogni i = 1. 2. . . . . :. Ma allora
1 _ ed un intorno di r tutto contenuto in . Quindi, aperto.
(ii) Sia =

c

c
, con c che assume valori in un insieme nito o innito. Ogni
r appartiene ad almeno uno tra gli
c
, diciamolo
c
. Essendo tutti gli
c
aperti,
126 CAPITOLO 5. STRUTTURA TOPOLOGICA
esiste un intorno di r tutto contenuto in
c
e quindi, a maggior ragione, in . Quindi,
aperto. B
Grazie al Teorema 57 e alle leggi di de Morgan, si mostra facilmente che propriet
speculari valgono per la chiusura, che si conserva per intersezioni qualsiasi, ma solo
per unioni nite.
Corollario 65 Lunione di un numero nito di chiusi chiusa. Lintersezione, anche
innita, di chiusi chiusa.
5.6 Insiemi compatti
Chiudiamo con una sezione, tanto breve quanto importante. Diamo per prima cosa
il concetto di insieme limitato. Per insiemi della retta reale la nozione stata gi
introdotta con la Denizione 9: un insieme in R limitato quando sia inferiormente
sia superiormente limitato. Come il lettore pu facilmente vericare, ci equivale a
chiedere che esista una costante 1 0 tale che 1 < r < 1 per ogni r _ R,
cio
[r[ < 1 \r
La prossima denizione la naturale estensione a R
a
di questa idea, dove il valore
assoluto sostituito dalla pi generale nozione di norma.
Denizione 34 Un sottoinsieme di R
a
limitato se esiste una costante 1 0
tale che
|r| < 1 \r .
immediato vedere come tutti gli intorni 1
.
(r) siano insiemi limitati, cos come
le loro chiusure (5.3). Invece, lintervallo (c. ) un semplice esempio di insieme non
limitato (per questa ragione lo abbiamo chiamato intervallo illimitato).
Grazie alla limitatezza possiamo denire una classe di insiemi chiusi che si rivela
molto importante per le applicazioni.
Denizione 35 Un sottoinsieme di R
a
detto compatto se chiuso e limitato.
Per esempio, tutti gli intervalli chiusi e limitati in R sono compatti
5
. Pi in gen-
erale, tutte le chiusure 1
.
(r
0
) di intorni 1
.
(r
0
) in R
a
sono compatti. Per esempio,
linsieme
1
1
(0) =
_
(r
1
. .... r
a
) R
a
: r
2
1
+ +r
2
a
_ 1
_
compatto in R
a
. Tale classico insieme di R
a
chiamato palla unitaria chiusa. La
ragione di tale terminologia evidente considerando il caso particolare : = 2:
5
Linsieme vuoto O, per quanto banale, considerato un insieme compatto.
5.7. CHIUSURA E CONVERGENZA 127
-3 -2 -1 0 1 2 3 4 5
-2
-1
0
1
2
3
4
x
1
x
2
O
Al pari dei chiusi, i compatti sono stabili per unioni nite e intersezioni qualunque,
come lasciamo provare al lettore
6
.
Esempio 54 Gli insiemi niti = r
1
. r
2
. . . . . r
a
(e in particolare i singoletti) sono
insiemi compatti. Infatti, nellEsempio 50 avevamo mostrato che erano insiemi chiusi.
Poich sono ovviamente limitati, ne segue che sono compatti. #
Esempio 55 Gli insiemi di bilancio sono un fondamentale esempio di insieme com-
patto in Teoria del consumatore, come mostrer la Proposizione 280. #
5.7 Chiusura e convergenza
In questa sezione presentiamo unimportante caratterizzazione degli insiemi chiusi
attraverso le successioni, che saranno introdotte nel Capitolo 9.
7
Teorema 66 Un insieme C in R
a
chiuso se e solo se contiene il limite di ogni
successione convergente di suoi punti. Ossia, C chiuso se e solo se
r
a
_ C. r
a
r == r C (5.6)
Dim. Solo se. Sia C chiuso. Sia r
a
_ C una successione tale r
a
r. Vogliamo
mostrare che r C. Supponiamo, per contra, che r , C. Poich r
a
r, per ogni
0 esiste :
.
_ 1 tale che r
a
1
.
(r) per ogni : _ :
.
. Il punto r quindi di
accumulazione per C, il che contraddice r , C perch C chiuso e quindi contiene
tutti i propri punti di accumulazione.
6
A questo proposito, il lettore osservi che, essendo linsieme vuoto compatto, lintersezione di due
insiemi compatti disgiunti linsieme (compatto) vuoto.
7
Pertanto, la sezione pu essere saltata in prima lettura, e letta solo dopo aver studiato le
successioni.
128 CAPITOLO 5. STRUTTURA TOPOLOGICA
Se. Sia C un insieme per il quale valga la propriet (5.6). Per assurdo, sia C
non chiuso. Allora esiste almeno un punto r di frontiera di C che non appartiene a C.
Siccome non pu essere isolato (altrimenti apparterrebbe a C), in virt del Lemma 54
r di accumulazione per C. In ogni intorno 1
1a
(r) cade certamente un punto di C:
chiamiamolo r
a
. La successione di tali r
a
converge a r , C, contro la propriet (5.6).
Si arrivati a una contraddizione: quindi C chiuso. B
Questa propriet molto importante: un insieme chiuso se e solo chiuso rispet-
to alloperazione di limite, cio se il prendere i limiti non fa mai uscire dallinsieme.
La propriet estremamente naturale per questioni economiche: un insieme chiuso
se (e solo se), allorquando ci si pu indenitamente avvicinare a un suo punto stando
nellinsieme, anche il punto appartiene allinsieme.
In un problema concreto sarebbe alquanto strano che, con punti dellinsieme, si
potesse arrivare arbitrariamente vicino a r senza per poterlo raggiungere: come lec-
care la vetrina di una pasticceria senza poter raggiungere le paste (vicinissime ma
irraggiungibili). Non a caso gli insiemi che compaiono nei modelli economici sono
quasi sempre chiusi.
Esempio 56 Consideriamo lintervallo chiuso C = [c. /]. Mostriamo che chiuso
usando il Teorema 66. Sia r
a
_ C tale che r
a
r R. Grazie al Teorema 66, per
mostrare che C chiuso, basta mostrare che r C. Poich c _ r
a
_ /, una semplice
applicazione del Criterio del confronto mostra che c _ r _ /, ossia che r C. B
Esempio 57 Consideriamo il rettangolo C = [c. /] [c. d] in R
2
. Sia
_
r
I
_
_ C tale
che r
I
r R
2
. Grazie al Teorema 66, per mostrare che C chiuso basta mostrare
che r = (r
1
. r
2
) C. Per la (9.38), r
I
r implica r
I
1
r
1
e r
I
2
r
2
. Poich
r
I
1
[c. /] e r
I
2
[c. d] per ogni /, di nuovo una semplice applicazione del Criterio del
confronto mostra che r
1
[c. /] e r
2
[c. d], ossia r C. B
Capitolo 6
Far di conto: Analisi combinatoria
6.1 Generalit
LAnalisi combinatoria, che in s una piccola parte del tutto autonoma della Matem-
atica, si rivela piuttosto utile e ricorre in molte questioni sia teoriche sia applicative.
Cominciamo con un problema molto semplice. Abbiamo a disposizione tre paia
di pantaloni e cinque magliette. Supponendo che non vi siano coppie cromatiche che
feriscono il nostro senso estetico, in quanti modi ci possiamo vestire? La risposta
molto semplice: in 3 5 = 15 modi. Infatti, detti . 1. C i pantaloni e 1. 2. 3. 4. 5 le
magliette, gli abbinamenti possibili sono
1 . 2 . 3 . 4 . 5
11 . 12 . 13 . 14 . 15
C1 . C2 . C3 . C4 . C5.
La semplice regola del prodotto riposa sulla circostanza che la scelta di una cer-
ta maglietta non determina alcuna restrizione sulla scelta dei pantaloni. Non sono
necessarie altri discorsi per concludere che:
Qualora si debbano eettuare due scelte, la prima delle quali preveda : diverse
possibilit alternative e la seconda :, e se nessuna delle due comporta restrizioni
allaltra, il numero complessivo delle scelte ::.
Per esempio, se e 1 sono due insiemi, rispettivamente con : e : elementi,
linsieme delle coppie ordinate (c. /) con c e / 1 contiene :: elementi.
Ci che s detto si pu facilmente estendere al caso di pi di due scelte:
Qualora si debbano eettuare / scelte, nessuna delle quali comporti restrizioni
alle altre, il numero complessivo delle scelte il prodotto del numero di possibilit
di ciascuna scelta.
Esempio 58 Quante sono le possibile targhe italiane? Una targa del tipo
000 (due lettere, tre cifre, due lettere). Le lettere utilizzabili sono 22 (le lettere
dellalfabeto inglese escluse le I,O,Q,U per evitare equivoci) e le cifre ovviamente sono
10. Il numero di targhe (diverse) perci 22 22 10 10 10 22 22 = 234.256.000.#
129
130 CAPITOLO 6. FAR DI CONTO: ANALISI COMBINATORIA
Esempio 59 La classica schedina del Totocalcio prevede di assegnare uno dei tre segni
1. . 2 ai risultati di 13 partite. Il numero di schedine allora 3 3 3 = 3
1S
=
1.594.323. #
6.2 Permutazioni
Denizione 36 Si chiamano permutazioni (semplici) di : oggetti tra loro distinti i
raggruppamenti che si possono formare con tutti tali oggetti, considerando diversi due
raggruppamenti
1
quando dieriscono per lordine nel quale compaiono gli oggetti.
Se gli oggetti sono tre, c. /. c, le permutazioni sono sei:
c/c . cc/ . /cc . /cc . cc/ . c/c.
Teorema 67 Il numero delle permutazioni di : oggetti :! = 1 2 :.
Il numero :! si dice fattoriale di :. Si pone convenzionalmente 0! = 1.
Dim. Al primo posto si pu mettere un oggetto qualsiasi: il primo posto pu quindi
essere occupato in : modi diversi. Al secondo posto si pu sistemare un oggetto
qualsiasi dei rimanenti: il secondo posto pu essere occupato in : 1 modi diversi.
Cos continuando, si vede che la terza posizione pu essere occupata in : 2 modi
diversi, ecc., nch lultima obbligata dovendo contenere lultimo oggetto rimasto.
Il numero delle permutazioni perci : (: 1) (: 2) 2 1 = :!. B
Esempio 60 (i) Un mazzo di 52 carte pu essere rimescolato in 52! = 8. 0658 10
67
maniere diverse.
(ii) Sei passeggeri possono occupare in 6! = 720 modi diversi uno scompartimento da
sei posti.
(iii) Dieci commensali possono sedersi in 9! = 362.880 modi diversi attorno a una
tavola rotonda. #
Il fattoriale di : cresce in modo estremamente rapido
2
, come la seguente tabella
illustra:
: 0 1 2 3 4 5 6 7 8 9 10
:! 1 1 2 6 24 120 720 5.040 40.320 362.880 3.628.800
1
Sarebbe scorretto chiamarli insiemi perch, come sappiamo, in un insieme del tutto irrilevante
lordine nel quale si succedono i suoi elementi.
2
La scelta del punto esclamativo fu determinata proprio dalla sorpresa di quanto fosse veloce la
sua crescita. Pare che 60! sia gi superiore al numero degli atomi, stimato in 10
80
, di tutto luniverso
osservabile.
6.2. PERMUTAZIONI 131
Assegnata una permutazione come fondamentale, possiamo contare il numero di
scambi (cio di inversioni di posto tra elementi contigui) che ogni altra permutazione
presenta rispetto ad essa.
Per esempio, sia c/cdc la permutazione dei cinque oggetti c. /. c. d. c assunta come
fondamentale. La permutazione c/cdc presenta 6 scambi. Infatti c precede c e / per
un totale di 2 inversioni; / precede c per un totale di 1 inversione; c precede d e c per
un totale di 2 inversioni; d precede c per un totale di 1 inversione.
Una permutazione detta di classe pari o di classe dispari secondo che il numero
di scambi rispetto alla permutazione fondamentale sia pari o dispari.
piuttosto evidente che:
(i) scambiando tra loro due oggetti, la combinazione cambia classe;
(ii) il numero delle permutazioni di classe pari uguale al numero di permutazioni
di classe dispari: entrambe sono cio :!,2;
(iii) cambiando la permutazione fondamentale con unaltra di classe pari (dispari)
rispetto ad essa, le altre permutazioni non cambiano (cambiano) classe.
Esempio 61 Il giuoco del quindici una tavoletta con quindici tessere numerate
da 1 a 15 e una vuota:
1 2 3 4
5 6 7 8
9 10 11 12
13 14 15
Il giuoco consiste nellottenere una diversa congurazione dei numeri facendo scivolare
le tessere (senza sradicarle) usando la casella vuota: in breve si tratta di passare
da una permutazione a unaltra. Si pu dimostrare che, partendo da unassegnata
permutazione, se ne pu ottenere qualsiasi altra della stessa classe (pari o dispari) ma
che impossibile ottenerne una di classe opposta. Per rendersi conto intuitivamente
del perch, si consideri il giuoco ridotto a tre tessere:
1 2
3
Si vede facilmente che da tale disposizione si possono ottenere soltanto le due seguenti,
rispettivamente con rotazioni antioraria e oraria:
1 2
3

2
1 3

2 3
1
e
1 2
3

3 1
2

3 1
2
,
132 CAPITOLO 6. FAR DI CONTO: ANALISI COMBINATORIA
cio che dalliniziale permutazione 123 si pu passare soltanto a 231 o a 312 (che sono
della stessa classe), ma non a 132, a 213 o a 321 (di classe opposta).
Il giuoco del quindici fu inventato negli Stati Uniti nel 1874 e divenne popolarissimo
allinizio del 900 quando Sam Loyd promise 1000 $ a chiunque fosse riuscito a invertire
le caselle 14 e 15, il che invogli milioni di persone a cimentarsi nellimpossibile impresa
(ignorando che fosse impossibile). *
Consideriamo ora il caso che tra gli : oggetti con i quali formare i vari raggruppa-
menti ce ne siano alcuni indistinguibili (uguali).
Per esempio, gli oggetti siano sei: c. c. /. /. /. c (i primi due e i secondi tre sono
indistinguibili). Se distinguessimo tutti gli oggetti utilizzando un diverso indice per
gli oggetti indistinguibili, c
1
. c
2
. /
1
. /
2
. /
S
. c, le loro permutazioni sarebbero 6!. Se ora
sopprimiamo lindice distintivo alle tre lettere /, esse possono essere permutate in
3! modi diversi nelle terne di posti da esse occupati. Tali 3! diverse permutazioni
(quando si scrive /
1
. /
2
. /
S
) non sono pi distinguibili (scrivendo /. /. /). Perci le diverse
permutazioni di c
1
. c
2
. /. /. /. c sono 6!,3!. Un analogo ragionamento mostra come,
togliendo lindice distintivo alle due lettere c, le permutazioni distinguibili si riducono
a 6!, (3!2!).
Con lo stesso argomento si prova il
Teorema 68 Il numero delle permutazioni, dette con ripetizione, di : oggetti dei
quali /
1
uguali tra loro, /
2
uguali tra loro ma distinti dai precedenti, ..., /
I
uguali tra
loro ma diversi dai precedenti (con

I
i=1
/
i
= : e /
i
_ 1 per ogni i = 1. 2. . /)
:!
/
1
!/
2
! /
I
!
. (6.1)
Si osservi che tale valore sempre intero.
Esempio 62 I possibili anagrammi della parola MAMMA sono
5!
3!2!
=
120
6 2
= 10.
mentre quelli della parola MATEMATICA sono
10!
2!3!2!
= 151.200.
#
I valori in (6.1) sono detti coecienti multinomiali. Un caso interessante rappre-
sentato da / = 2 nel quale vi sono soltanto due tipi di oggetti.
Corollario 69 Il numero delle permutazioni di : oggetti dei quali / uguali tra loro e
i rimanenti : / uguali tra loro, ma diversi dai precedenti,
:!
/! (: /)!
.
6.2. PERMUTAZIONI 133
Tale espressione, che si indica abitualmente con
_
:
/
_
.
detta coeciente binomiale
3
e si legge : su /. In particolare
_
:
/
_
=
:!
/! (: /)!
=
:(: 1) (: / + 1)
/!
.
Si conviene che
_
:
0
_
=
:!
0!:!
= 1.
Valgono le seguenti semplici identit, che si provano senza alcuna dicolt:
(i)
_
:
/
_
=
_
:
: /
_
per 0 _ / _ :;
(ii)
_
:
/ + 1
_
=
_
:
/
_
: /
/ + 1
.
Si ha inoltre
_
:
/
_
=
_
: 1
/ 1
_
+
_
: 1
/
_
.
detta formula di Stifel . Essa aerma che
_
:
/
_
si pu ottenere cos: se ci si ssa su un oggetto, le permutazioni che lo contengono
sono
_
: 1
/ 1
_
e quelle che non lo contengono sono
_
: 1
/
_
.
Esempio 63 (i) In un parcheggio sono occupati 15 dei 20 posti disponibili. Le
possibili posizioni dei 5 posti liberi (o, ed lo stesso, dei 15 occupati) sono
_
20
5
_
.
(ii) Si ripete un esperimento 100 volte: ogni volta si pu registrare un successo o
un insuccesso. Poniamo che vi siano stati 92 successi e quindi 8 insuccessi:
il numero dei diversi modi nei quali ci pu essere accaduto
_
100
92
_
=
_
100
8
_
.
#
3
Si osservi che vi un prodotto di / fattori sia a numeratore sia a denominatore.
134 CAPITOLO 6. FAR DI CONTO: ANALISI COMBINATORIA
6.3 Disposizioni
Denizione 37 Si dice disposizione (semplice) di classe / di : oggetti ogni raggrup-
pamento di / oggetti scelti tra gli :, considerando diversi due raggruppamenti
4
quando
contengano oggetti diversi oppure gli stessi oggetti in ordine diverso.
Per esempio, le disposizioni dei quattro oggetti c. /. c. d di classe 2 sono le 12
seguenti:
c/ . cc . cd . /c . /c . /d . cc . c/ . cd . dc . d/ . dc.
Il numero delle disposizioni di classe / di : oggetti si indica con 1
a,I
. Se / = :, le
disposizioni possono dierire solo per lordine e perci coincidono con le permutazioni:
1
a,a
= :!.
Teorema 70 Risulta 1
a,I
= :(: 1) (: / + 1).
Dim. La prima posizione pu essere occupata in : modi diversi, la seconda in : 1,
..., lultima (la /-esima) in : / + 1. B
Esempio 64 Le possibili estrazioni (cinquine) da una specica ruota nel giuoco del
lotto sono 1
90,
= 90 89 88 87 86 = 5.273.912.160. Le possibili estrazioni da due
ruote sono 1
2
90,
= 2. 7805 10
19
e da dieci ruote 1
10
90,
= 1. 6618 10
97
. #
Denizione 38 Si dice disposizione con ripetizione di classe / di : oggetti tra loro
distinti ogni raggruppamento di / degli : oggetti, potendo ripetere una o pi volte gli
oggetti.
I vari raggruppamenti dieriscono cos o perch contengono oggetti diversi o perch
contengono gli stessi oggetti ma in ordine diverso o perch contengono gli stessi oggetti
ma con un diverso numero di ripetizioni.
Per esempio, le disposizioni con ripetizione dei quattro oggetti c. /. c. d di classe 2
sono le 16 seguenti:
cc . c/ . cc . cd . /c . // . /c . /d . cc . c/ . cc . cd . dc . d/ . dc . dd.
Il numero delle disposizioni con ripetizione si indica con 1
v
a,I
.
Teorema 71 Risulta 1
v
a,I
= :
I
.
Dim. La prima posizione pu essere occupata in : modi diversi, la seconda ancora in
: modi (visto che si pu anche ripetere il primo oggetto), e cos via. B
Si osservi che il caso delle disposizioni con ripetizione non altro che un caso parti-
colare di quello considerato in apertura nel quale si possono fare / scelte indipendenti
ognuna delle quali con : diverse modalit.
4
Ancora sarebbe scorretto chiamarli inisemi.
6.4. COMBINAZIONI 135
6.4 Combinazioni
Denizione 39 Si dice combinazione (semplice) di classe / di : (/ _ :) oggetti
ogni raggruppamento di / degli : oggetti, considerando diversi due raggruppamenti che
dieriscano almeno per un oggetto
5
(quindi ora non si tien conto dellordine).
Per esempio, le combinazioni dei quattro oggetti c. /. c. d di classe 2 sono le 6
seguenti:
c/ . cc . cd . /c . /d . cd.
Il numero delle combinazioni di : oggetti di classe / si indica con C
a,I
. evidente che
C
a,a
= 1 e che C
a,1
= :.
Teorema 72 Risulta
C
a,I
=
_
:
/
_
.
Dim. Ogni ssata combinazione d luogo a /! diverse disposizioni cambiando lordine
dei / oggetti che la compongono. Perci 1
a,I
= /!C
a,I
e ne segue lasserto. B
Pu apparire sospetto che il numero C
a,I
coincida con il numero delle permutazioni
con ripetizione di : oggetti dei quali / uguali tra loro (diciamoli c) e gli altri : /
uguali tra loro ma diversi dei precedenti (diciamoli /). Ci si convince subito che
proprio cos: per contare le permutazioni basta contare in quanti modi si possono
disporre i / oggetti c negli : posti, che sono evidentemente
_
:
/
_
: a questo punto la
posizione degli oggetti / obbligata (devono occupare i posti rimasti liberi).
Esempio 65 Nel giuoco del poker con un mazzo di 52 carte vi sono
_
52
5
_
= 2.598.960
diverse mani. Quante sono le possibili doppie coppie? Una doppia coppia una sequen-
za (non ordinata) del tipo 11C. Per contarle opportuno scindere il problema in
piccoli passi:
(i) i due valori delle carte delle coppie (per esempio, 3 e fante, 5 e 9, ecc.) possono
essere scelti in
_
1S
2
_
modi diversi;
(ii) i semi della prima coppia possono essere scelti in
_
1
2
_
modi;
(iii) i semi della seconda coppia possono ancora essere scelti in
_
1
2
_
modi;
5
Adesso si tratta di insiemi. Le combinazioni di : oggetti di classe / sono perci tutti i possibili
sottoinsiemi di / elementi delloriginario insieme di : elementi.
136 CAPITOLO 6. FAR DI CONTO: ANALISI COMBINATORIA
(iv) lultima carta pu essere scelta in 44 modi diversi (dalle 52 carte dobbiamo
detrarre le 4 della doppia coppia e le altre 4 che condurrebbero a un full e non
a una doppia coppia).
Il numero complessivo perci
_
13
2
_

_
4
2
_

_
4
2
_
44 =
13 12
2

4 3
3

4 3
2
44 = 123.552.
Il lettore pu vericare che, delle 2.598.960 mani possibili, 1.098.240 contengono una
coppia, (123.552 una doppia coppia), 54.912 un tris, 10.200 una scala, 5.108 un colore,
3.744 un full, 624 un poker, 36 una scala a colore e 4 una scala reale. #
Denizione 40 Si dice combinazione con ripetizione di classe / di : oggetti tra loro
distinti ogni raggruppamento di / degli : oggetti, potendo ripetere una o pi volte gli
oggetti.
I vari raggruppamenti dieriscono cos perch contengono oggetti diversi o perch
contengono gli stessi oggetti con un numero diverso di ripetizioni (ancora non si tien
conto dellordine).
Per esempio, le combinazioni con ripetizione dei quattro oggetti c. /. c. d di classe
2 sono le 10 seguenti:
cc . c/ . cc . cd . // . /c . /d . cc . cd . dd.
Indichiamo con C
v
a,I
il numero delle combinazioni con ripetizione.
Teorema 73 Risulta
C
v
a,I
=
:(: + 1) (: +/ 1)
/!
=
_
: +/ 1
/
_
= C
aI1,I
.
Dim. Scegliamo la seguente notazione: facciamo seguire al nome di un oggetto tanti
asterischi quante volte loggetto ripetuto (nessun asterisco quando loggetto non com-
pare). Per esempio, con i quattro oggetti c. /. c. d, invece di scrivere ccc//c schiveremo
c + + + / + +c + d. Abbiamo cos, per ogni raggruppamento, : +/ simboli: gli : oggetti
(che necessariamente compaiono tutti) e / asterischi. In tal modo la prima posizione
obbligata (contiene necessariamente il primo oggetto c) e quindi le posizioni libere
sono : + / 1 che devono essere occupate da due tipi di simboli: gli : 1 oggetti
rimasti (nel loro ordine) e / asterischi. Ad ogni combinazione con ripetizione cor-
risponde perci una permutazione di : + / 1 oggetti dei quali : 1 uguali tra loro
e i rimanenti / uguali tra loro ma diversi dai precedenti. Quindi
C
v
a,I
=
_
: +/ 1
/
_
=
_
: +/ 1
: 1
_
= C
aI1,I
.
6.5. BINOMIO DI NEWTON 137
B
Estraiamo / palline da unurna che ne contiene : (oppure estraiamo un campione
di / oggetti da una popolazione di numerosit :). Quante sono le possibili diverse
estrazioni? Per rispondere alla domanda necessario rendere pi precisa la nozione di
estrazione. Possiamo considerare diverse due estrazioni se contengono palline diverse
oppure anche quando contengono le stesse palline, ma in ordine diverso. Nel primo
caso parleremo di estrazione senza ordine e nel secondo di estrazione con ordine.
Si parla poi di estrazione con reimmissione quando ogni pallina estratta reinlata
nellurna oppure di estrazione senza reimmissione nel caso opposto. Nei quattro casi
cos determinati si hanno le seguenti risposte alla precedente domanda:
(i) con reimmissione e con ordine: :
I
(disposizioni con ripetizione);
(ii) con reimmissione e senza ordine:
_
aI1
I
_
(combinazioni con ripetizione);
(iii) senza reimmissione e con ordine: :(: 1) (: / + 1) (disposizioni semplici);
(iv) senza reimmissione e senza ordine:
_
a
I
_
(combinazioni semplici).
6.5 Binomio di Newton
largamente noto che
(c +/)
1
= c +/.
(c +/)
2
= c
2
+ 2c/ +/
2
.
(c +/)
S
= c
S
+ 3c
2
/ + 3c/
2
+/
S
.
Pi in generale vale il
Teorema 74 (Tartaglia-Newton) Risulta
(c +/)
a
= c
a
+
_
:
1
_
c
a1
/ +
_
:
2
_
c
a2
/
2
+ +
_
:
: 1
_
c/
a1
+/
a
= (6.2)
=
a

I=0
_
:
/
_
c
aI
/
I
.
Dim. Il prodotto
(c +/) (c +/) (c +/)
. .
a volte
si pu eseguire scegliendo uno dei due termini (c o /) in ciascuno degli : fattori e
facendo il prodotto dei termini cos scelti. Si sommano poi tutti i prodotti in tal modo
ottenuti.
138 CAPITOLO 6. FAR DI CONTO: ANALISI COMBINATORIA
Il prodotto c
aI
/
I
si ottiene scegliendo :/ volte il primo termine c e le rimanenti
/ volte il secondo termine /. Ci pu essere fatto in
_
:
: /
_
=
_
:
/
_
modi diversi: il
fattore c
aI
/
I
si ottiene perci in
_
:
/
_
modi diversi. Ne segue lasserto. B
La formula (6.2) detta del binomio di Newton e motiva il nome di coecienti
binomiali per i valori di
_
:
/
_
. In particolare
(1 +r)
a
=
a

I=0
_
:
/
_
r
I
.
Se prendiamo r = 1 oppure r = 1 si ottengono le notevoli relazioni
_
:
0
_
+
_
:
1
_
+
_
:
2
_
+ +
_
:
:
_
= 2
a
.
e
_
:
0
_
+
_
:
2
_
+
_
:
4
_
+ =
_
:
1
_
+
_
:
3
_
+
_
:
5
_
+ =
2
a
2
= 2
a1
.
Esempio 66 Un insieme di : oggetti possiede 2
a
sottoinsiemi. Infatti vi un solo
(1 =
_
a
0
_
) sottoinsieme con 0 elementi (linsieme vuoto), : =
_
a
1
_
sottoinsiemi con un
solo elemento,
_
a
2
_
sottoinsiemi con due elementi, ..., un solo sottoinsieme (linsieme
stesso) con tutti gli : elementi (1 =
_
a
a
_
). #
Pi in generale, per la potenza di un polinomio, vale la formula
(c
1
+c
2
+ +c
I
)
a
=

:!
/
1
!/
2
! /
I
!
c
I
1
1
c
I
2
2
c
I
h
I
.
dove la somma estesa a tutte le scelte di interi /
1
. /
2
. . /
I
tali che /
1
+/
2
+ +/
I
=
:. Essa detta polinomio di Leibnitz e si dimostra in modo analogo alla precedente e
motiva il nome di coecienti multinomiali per i valori
:!
/
1
!/
2
! /
I
!
.
Parte II
Funzioni
139
Capitolo 7
Funzioni
7.1 Il concetto
Consideriamo un fruttivendolo che allortomercato si trovi di fronte alla seguente tabel-
la che indica il prezzo unitario di un chilogrammo di noci in corrispondenza di varie
quantit (misurate in chilogrammi) di noci acquistabili dal proprio grossista:
Quantit Prezzo al kg
10 kg 4 euro
20 kg 3. 9 euro
30 kg 3. 8 euro
40 kg 3. 7 euro
In altre parole, se il fruttivendolo acquista 10 kg di noci le pagher 4 euro al kg, se ne
acquista 20 kg le pagher 3. 9 euro al kg, e cos via (stiamo assumendo che, a maggior
quantit acquistate, corrisponda un minor prezzo unitario).
La tabella un esempio di funzione di oerta, che associa a ogni quantit il
corrispettivo prezzo di acquisto: = 10. 20. 30. 40 linsieme delle quantit e
1 = 4. 3. 9. 3. 8. 2. 7 linsieme dei loro prezzi unitari: la funzione di oerta fa
corrispondere a ogni elemento dellinsieme un elemento dellinsieme 1.
In generale,
Denizione 41 Dati due insiemi qualsiasi e 1, una funzione denita su e a
valori in 1, indicata con , : 1, una regola che associa a ogni elemento
dellinsieme uno, e un solo, elemento dellinsieme 1.
Per indicare che allelemento c associato lelemento / 1 si scrive / = , (c).
141
142 CAPITOLO 7. FUNZIONI
0. 4 0. 45 0. 5 0. 55 0. 6 0. 65 0. 7 0. 75 0. 8
0. 4
0. 6
0. 8
1
1. 2
1. 4
1. 6
A B
a
b=f(a)
f
La regola pu essere del tutto arbitraria; ci che interessa solo che essa associ ad
ogni elemento c di un solo
1
elemento / di 1. Altro non interessa sulla natura della
regola.
Si noti che perfettamente legittimo che a due diversi elementi di sia associato
il medesimo elemento di 1, ossia
0. 4 0. 45 0. 5 0. 55 0. 6 0. 65 0. 7 0. 75 0. 8
0. 4
0. 6
0. 8
1
1. 2
1. 4
1. 6
A B
a
1
a
2
b
Legittimo
Non pu accadere invece che a uno stesso elemento di siano associati pi elementi
di 1, ossia
1
Abbiamo scritto in corsivo le parole pi importanti: la regola deve funzionare per ogni elemento
di e, a ciascuno, associare un solo elemento di 1.
7.1. IL CONCETTO 143
0. 4 0. 45 0. 5 0. 55 0. 6 0. 65 0. 7 0. 75 0. 8
0. 4
0. 6
0. 8
1
1. 2
1. 4
1. 6
A B
a
b
1
b
2
Illegittimo
Prima di passare ad alcuni esempi, introduciamo un po di terminologia. Le due
variabili, c e /, si chiamano tradizionalmente variabile indipendente e variabile dipen-
dente. Inoltre, linsieme detto dominio della funzione, mentre linsieme 1 il suo
codominio.
Il codominio linsieme nel quale la funzione assume i propri valori, ma non nec-
essariamente contiene soltanto tali valori: pu anche essere pi grande. Al riguardo
importante la prossima nozione: dato c , lelemento , (c) 1 detto immagine
di c. Preso un sottoinsieme qualsiasi C del dominio , linsieme
, (C) = , (r) : r C _ 1 (7.1)
delle immagini dei punti in C detta immagine di C. In particolare, linsieme , ()
di tutte le immagini di punti del dominio si dice (insieme) immagine della funzione.
indicato con Im, ed quindi il sottoinsieme del codominio costituito dagli elementi
che sono immagine di qualche elemento del dominio.
Si noti come ogni insieme che contiene Im, sia, in eetti, un lecito codominio della
funzione: se Im, _ 1 e Im, _ C, entrambe le scritture , : 1 e , : C sono
legittime. La scelta tra esse una mera questione di comodit. Per esempio, in questo
corso considereremo quasi sempre funzioni a valori reali, ossia , (r) R per ogni r del
dominio di ,: in questo caso la scelta naturale come codominio lintera retta reale e
di norma scriveremo , : R.
Esempio 67 Sia linsieme dei paesi della terra e 1 un insieme contenente alcuni
colori (almeno quattro). La funzione , : 1 associ a ciascun paese il colore da
attribuirgli su una carta geograca: Im, linsieme dei colori eettivamente utilizzati
almeno una volta. #
144 CAPITOLO 7. FUNZIONI
Esempio 68 La legge che associa a ogni essere umano vivente la propria data di
nascita una funzione , : 1, dove linsieme degli esseri umani e, per
esempio, 1 linsieme delle date degli ultimi 150 anni (un codominio sucientemente
grande per contenere tutte le possibili date di nascita). #
Vediamo un esempio di regola che non denisce una funzione.
Esempio 69 Consideriamo la regola che a ogni numero reale positivo r associa sia
la radice positiva sia la negativa (la cosiddetta radice algebrica), ossia
_
r.
_
r.
Per esempio, a 4 associa 2. 2. Tale regola non descrive una funzione , : R

R
poich a ogni elemento del dominio diverso da 0 sono associati due diversi elementi
del codominio. #
Presentiamo ora alcune classiche funzioni , : _ R R, dette funzioni di una
variabile (o scalari
2
).
Esempio 70 Sia , : R R denita come , (r) = r
S
, per la quale la regola di
associare a ogni reale il suo cubo; ogni reale ha un unico cubo, e quindi la regola
denisce una funzione con Im, = , (R) = R.
Funzione r
S
Esempio 71 Sia , : R R denita come , (r) = r
2
, per la quale la regola di
associare a ogni reale il suo quadrato; ogni reale ha un unico quadrato che certamente
2
Nel seguito useremo talvolta la terminologia funzione scalare, che ha il pregio della brevit.
Ma, una terminologia meno diusa e che pu avere signicati diversi. Il lettore la usi perci con
accortezza.
7.1. IL CONCETTO 145
_ 0 e quindi anche questa regola denisce una funzione con Im, = , (R) = R

.
Funzione r
2
Si osservi come in questo caso a due diversi elementi del dominio possa corrispondere
il medesimo elemento: per esempio, , (1) = , (1) = 1. #
Esempio 72 (i) Sia , : R

R la funzione denita come , (r) =


_
r, che associa a
ogni reale non negativo la sua radice (aritmetica). Il dominio la semiretta positiva e
inoltre Im, = R

.
Funzione
_
r
(ii) La funzione , : R

R denita come , (r) = log


o
r, c 0 e c ,= 1, che
associa a ogni reale strettamente positivo il suo logaritmo, ha come dominio R

.
146 CAPITOLO 7. FUNZIONI
Inoltre, Im, = R.
Funzione log r
#
Esempio 73 (i) Sia , : R R denita come , (r) = [r[ per ogni r R. Graca-
mente
Funzione [r[
(ii) Sia , : R0 R denita come , (r) = 1, [r[ per ogni r R. Gracamente
7.1. IL CONCETTO 147
Funzione
1
[a[
Il dominio = R 0, la retta reale privata dellorigine, mentre Im, = R

. #
Le funzioni , : _ R
a
R, dette funzioni di pi variabili (o di vettore), sono
fondamentali nelle applicazioni economiche. Vediamone alcuni esempi.
Esempio 74 (i) Sia , : R
2
R denita come
3
, (r
1
. r
2
) = r
1
+r
2
con la quale si associa a ogni r = (r
1
. r
2
) R
2
la somma delle componenti; ogni
r R
2
ha ununica tale somma, e quindi la regola denisce una funzione con Im, =
, (R
2
) = R.
(ii) La funzione , : R
a
R denita come
, (r
1
. r
2
. . r
a
) =
a

i=1
r
i
generalizza a R
a
la funzione , (r
1
. r
2
) = r
1
+r
2
, che il caso speciale : = 2. #
Esempio 75 (i) Sia , : R
2

R denita come
, (r
1
. r
2
) =
_
r
1
r
2
che associa a ogni r = (r
1
. r
2
) R
2

la radice del prodotto delle componenti; ogni


r R
2

ha ununica tale radice, e quindi la regola denisce una funzione con Im, =
R

.
3
Per essere coerenti con la notazione adottata per i vettori dovremmo scrivere ) ((r
1
, r
2
)); per
semplicit scriviamo, qui e nel seguito, ) (r
1
, r
2
).
148 CAPITOLO 7. FUNZIONI
(ii) La funzione , : R
a

R denita come
, (r
1
. r
2
. . r
a
) =
a

i=1
r
c
i
i
con gli esponenti c
i
_ 0 di somma unitaria, ossia

a
i=1
c
i
= 1, generalizza a R
a
la
funzione , (r
1
. r
2
) =
_
r
1
r
2
, che il caso speciale con : = 2 e c
1
= c
2
= 1,2. Questa
funzione usatissima in Economia col nome di funzione Cobb-Douglas. #
In Economia sono molto importanti anche le funzioni del tipo , : _ R
a
R
n
,
dette applicazioni
4
. Vediamo alcuni esempi analitici
5
.
Esempio 76 (i) Sia , : R
2
R
2
denita da
, (r
1
. r
2
) = (r
1
. r
1
r
2
) . \(r
1
. r
2
) R
2
.
Per esempio, se (r
1
. r
2
) = (2. 5), allora , (r
1
. r
2
) = (2. 2 5) = (2. 10) R
2
.
(ii) Sia , : R
S
R
2
denita da
, (r
1
. r
2
. r
S
) =
_
2r
2
1
+r
2
+r
S
. r
1
r
1
2
_
. \(r
1
. r
2
. r
S
) R
S
.
Per esempio, se r = (2. 5. 3), allora
, (r
1
. r
2
. r
S
) =
_
2 2
2
+ 5 3. 2 5
1
_
= (10. 623) .
#
OfB. Una funzione , : 1 una sorta di macchinetta che trasforma ciascun
elemento c in un elemento / = , (c) 1.
a
b=f(a)
4
O anche funzioni vettoriali di vettore.
5
Nella Sezione 17.1 vedremo alcuni esempi economici di tali funzioni.
7.1. IL CONCETTO 149
Se in essa si inla qualsiasi elemento c , essa sputa fuori , (c) 1. Se si
inla un elemento c , , la macchinetta sinceppa e non produce nulla. Linsieme
immagine Im, = , () _ 1 semplicemente il catalogo di tutti gli elementi che
possono uscire dalla macchinetta.
In particolare, la macchinetta trasforma numeri in numeri per le funzioni scalari,
vettori di R
a
in numeri per le funzioni di vettore, e vettori di R
a
in vettori in R
n
per
le applicazioni. *
Si osservi che i nomi delle variabili sono del tutto irrilevanti: si pu indierente-
mente scrivere c = , (/), oppure = , (r), oppure : = , (t), oppure = , (j), ecc., o
anche = , (): i nomi delle variabili sono semplici segnaposto e ci che conta solo
la sequenza di operazioni (quasi sempre numeriche) che conducono da c a / = , (c).
Scrivere / = c
2
+ 2c + 1 esattamente lo stesso che scrivere = r
2
+ 2r + 1 oppure
: = t
2
+ 2t + 1 oppure = j
2
+ 2j + 1 oppure =
2
+ 2 + 1: la funzione (il suo
nome ,) identicata dalle operazioni quadrato + doppio + 1 che permettono di
passare dalla variabile indipendente alla dipendente.
Chiudiamo questa sezione introduttiva rendendo rigorosa la nozione di graco di
una funzione, nora usata a livello intuitivo. Riprendiamo il graco della parabola r
2
:
-3 -2 -1 0 1 2 3 4
-2
-1
0
1
2
3
4
5
x
y
O 1
1
-1
Il graco il luogo dei punti del piano del tipo (r. , (r)), al variare di r nel dominio
della funzione. Per esempio, i punti (1. 1), (0. 0) e (1. 1) appartengono al graco della
parabola.
Denizione 42 Il graco Gr , di una funzione , : 1 linsieme
Gr , = (r. , (r)) : r _ 1.
Il graco quindi un sottoinsieme del prodotto cartesiano 1. In particolare:
150 CAPITOLO 7. FUNZIONI
(i) Quando _ R e 1 = R, il graco un sottoinsieme del piano R
2
. Geometrica-
mente una linea (senza spessore) in R
2
visto che ad ogni r corrisponde un
solo , (r).
-3 -2 -1 0 1 2 3 4
-2
-1
0
1
2
3
4
5
x
y
O
Curva in R
2
(ii) Quando _ R
2
e 1 = R, il graco un sottoinsieme dello spazio tridimensionale
R
S
, cio una supercie (senza spessore)
Supercie in R
S
7.2. APPLICAZIONI 151
7.2 Applicazioni
7.2.1 Incertezza
Consideriamo una scommessa basata sui lanci di una monetina. In particolare, sup-
poniamo che la monetina sia lanciata due volte e che la scommessa paghi 1 euro se
si ha testa in entrambi i lanci, mentre non paga alcunch in caso contrario. Come
possiamo rappresentare in modo rigoroso tale scommessa? Indichiamo testa con 1 e
croce con C, cosicch il prodotto cartesiano

2
= C. 1 C. 1 = (C. 1) . (C. C) . (1. C) . (1. 1)
introdotto nella Sezione 2.4.1 descrive i possibili esiti dei lanci
6
.
Si ponga =
1

2
. Per comodit di notazione, indichiamo la coppia (C. 1)
con C1, la coppia (C. C) con CC, e cos via. La scommessa descritta dalla funzione
, : R denita come , (11) = 1, , (CC) = 0, , (C1) = 0 e , (1C) = 0. Lim-
magine Im, = 0. 1 indica le possibili vincite ottenibili con la scommessa. Invece, la
scommessa che paga 5 euro se si verica C nel secondo lancio e 2 in caso contrario
descritta dalla funzione q : R denita come q (11) = 2, q (CC) = 5, q (C1) = 2
e q (1C) = 5.
Le funzioni , e q sono semplici esempi di variabili aleatorie, cio di funzioni a
valori reali denite su uno spazio di esiti che rappresentano i dierenti modi in cui
lincertezza si pu risolvere. La Sezione 8 approfondir questimportantissima nozione,
centrale nella modellizzazione dellincertezza. *
7.2.2 Scelte statiche
Poniamo che, come nella Sezione 2.4.2, i vettori in R
a

abbiano il signicato di panieri


di beni. naturale pensare che il consumatore preferir alcuni panieri ad altri. Per
esempio, ragionevole ritenere che, se r (r pi abbondante di ), r sia preferito
a . In simboli, si scrive r _ , dove _ la relazione di preferenza del consumatore
sui panieri.
In generale, si ipotizza che la preferenza _ sui vari panieri di beni sia rappre-
sentabile da una funzione n : R
a

R, detta funzione di utilit, tale che il paniere r


preferito a se e solo se n(r) _ n(), cio
r _ ==n(r) _ n() (7.2)
In origine, intorno al 1870, i primi Marginalisti (in particolare Jevons, Menger e
Walras) interpretavano n(r) come il livello di benessere/soddisfazione prodotto dal
paniere r. Si dava quindi uninterpretazione siologica delle funzioni di utilit, che
6
Il simbolo per indicare gli esiti dei lanci comune nel calcolo delle probabilit, ove detto
insieme degli stati del mondo o spazio campionario.
152 CAPITOLO 7. FUNZIONI
quanticavano le emozioni che il consumatore provava nellavere dierenti panieri.
la cosiddetta interpretazione cardinalista delle funzioni di utilit che risale a Jeremy
Bentham (1748-1832) e al suo pain and pleasure calculus.
7
In questo approccio le
funzioni di utilit, oltre a rappresentare la preferenza _, hanno un interesse intrinseco
di quanticazione di uno stato emotivo del consumatore, il suo grado di piacere indotto
dai panieri. Oltre al confronto n(r) _ n(), anche lecito confrontare le dierenze
n(r) n() _ n(.) n(n)
che indicano che il paniere r pi intensamente preferito a di quanto lo sia il paniere .
rispetto al paniere n. Inoltre, poich n(r) misura il grado di piacere che il consumatore
trae dal paniere r, nellinterpretazione cardinalista anche lecito confrontare queste
misure tra diversi consumatori, ossia fare confronti interpersonali di utilit.
Linterpretazione cardinalista entr in crisi a ne 800 per limpossibilit di misurare
in modo sperimentale i presunti aspetti siologici alla base delle funzioni di utilit
8
.
Per questa ragione, con i lavori di inizio 900 di Vilfredo Pareto, sviluppati prima da
Slutsky nel 1915 e poi da Allen e Hicks negli anni Trenta
9
, si aerma linterpretazione
ordinalista delle funzioni di utilit: pi modestamente si assume che esse siano solo
una mera rappresentazione numerica della preferenza _ del consumatore. Secondo
tale interpretazione, ci che conta solo che lordinamento n(r) _ n() rappresenti la
prefenza per il paniere r rispetto a , cio r _ ; non di interesse sapere se questo
rietta emozioni, pi o meno intense, del consumatore. In altri termini, nellapproccio
ordinalista la nozione fondamentale la preferenza _, mentre la funzione di utilit
ne una mera rappresentazione numerica. Non hanno pi signicato i confronti di
intensit (7.2) n i confronti interpersonali di utilit.
A livello sperimentale, la preferenza _ del consumatore si rivela nelle scelte tra
panieri, molto pi semplici da osservare che emozioni o altri stati mentali.
Linterpretazione ordinalista si aermata come linterpretazione standard perch,
oltre al superiore contenuto empirico test menzionato, i lavori di Pareto mostrarono
come essa sia suciente per sviluppare la Teoria del consumatore. Tuttavia, a livello
intuitivo molti economisti continuano a usare categorie cardinaliste per la loro plau-
sibilit introspettiva. Sia come sia, grazie alle funzioni di utilit possiamo arontare
il problema di un consumatore che deve scegliere un paniere in un assegnato insieme
di R
a

. Il consumatore sar guidato in tale scelta dalla propria funzione di utilit


n : _ R
a

R: n(r) _ n() indica che il consumatore preferisce il paniere r di


7
Si veda il suo Introduction to the Principles of Morals and Legislation, pubblicato nel 1789.
8
Intorno al 1901, cos il grande Henri Poincar scriveva a Walras: Posso dire che una sodisfazione
maggiore di unaltra, poich preferisco luna allaltra, ma non posso dire che la prima soddisfazione
due o tre volte pi grande dellaltra. Pur non disponendo di eccessive conoscenze economiche,
Poicar coglie con grande sensibilit il punto fondamentale.
9
Il lettore interessato allo sviluppo della Teoria dellutilit pu leggere G. J. Stigler, The
development of utility theory I, II, Journal of Political Economy, 58, 307-327 and 373-396, 1950.
7.2. APPLICAZIONI 153
beni al paniere o che indierente tra i due. Limmagine Imn rappresenta tutti i
livelli di utilit ottenibili dal consumatore. Per esempio,
n(r) =
a

i=1
r
i
la funzione di utilit di un consumatore che ordina i panieri semplicemente secondo
la somma delle quantit dei beni che essi contengono. La classica funzione di utilit
Cobb-Douglas
n(r) =
a

i=1
r
c
i
i
con gli esponenti c
i
0 tali che

a
i=1
c
i
= 1 (si veda lEsempio 75). Quando c
i
= 1,:
per ogni i, si ha
n(r) =
a

i=1
(r
i
)
1
n
=
_
a

i=1
r
i
_1
n
secondo la quale i panieri sono ordinati secondo la radice :-esima del prodotto delle
quantit dei beni che contengono
10
.
Tornando invece alla Sezione 2.4.2, consideriamo un produttore che debba decidere
la quantit di output da produrre. In tale decisione fondamentale la cosiddetta
funzione di produzione , : _ R
a

R. La funzione di produzione descrive quanto


output , (r) si ottiene partendo da un vettore r R
a
di input. Per esempio,
, (r) =
_
a

i=1
r
i
_1
n
la funzione di produzione Cobb-Douglas in cui loutput pari alla radice :-esima del
prodotto degli input.
7.2.3 Scelte intertemporali
Come nella Sezione 2.4.3, si suppone dabitudine che il consumatore, sui possibili
proli r = (r
1
. r
2
. .... r
T
) intertemporali di consumo, abbia preferenze quanticate da
una funzione intertemporale di utilit l : _ R
T
R. Per esempio, assumiamo che
il consumatore abbia una funzione di utilit n
t
: _ R R, detta istantanea, per
il consumo r
t
di ogni periodo. In questo caso una possibile forma della funzione di
utilit intertemporale
l (r) = n
1
(r
1
) +,n
2
(r
2
) + +,
T1
n
T
(r
T
) =
T

t=1
,
t1
n
t
(r
t
) (7.3)
10
Si noti che, per unovvia propriet del prodotto, tutti i panieri con almeno una r
i
nulla hanno
utilit 0. Dal punto di vista economico, poco plausibile pensare che la nullit anche di una sola
componente di un paniere abbia conseguenze cos drastiche. Per questa ragione spesso si preferisce
denire la funzione Cobb-Douglas solo su R
n
++
e cos faremo anche noi.
154 CAPITOLO 7. FUNZIONI
dove , (0. 1) un fattore soggettivo di sconto che dipende da quanto paziente
il consumatore. Quanto pi il consumatore paziente, ossia quanto pi disposto a
posporre il proprio consumo di una data quantit del bene, tanto pi alto il valore
di ,. Pi , si avvicina a 1, pi ci si avvicina alla forma
l (r) = n
1
(r
1
) +n
2
(r
2
) + +n
T
(r
T
) =
T

t=1
n
t
(r
t
)
nella quale il consumo in ogni periodo valutato in modo paritetico. Al contrario, pi
, si avvicina a 0, pi l (r) si avvicina a n
1
(r
1
), ossia il consumatore estremamente
impaziente e non d quasi peso ai consumi futuri.
7.3 Propriet generali
7.3.1 Controimmagini e curve di livello
La nozione di controimmagine speculare a quella di immagine. Sia , : 1: dato
un punto 1, la sua controimmagine, indicata con ,
1
(), linsieme
,
1
() = r : , (r) =
degli elementi del dominio che hanno come immagine. Pi in generale, dato un
sottoinsieme 1 qualsiasi del codominio 1, la sua controimmagine ,
1
(1) linsieme
,
1
(1) = r : , (r) 1
degli elementi del dominio le cui immagini appartengono a 1.
I prossimi esempi illustrano queste nozioni. Per brevit, considereremo come insie-
mi 1 solo intervalli e singoletti, ma analoghe considerazioni valgono per altri tipi di
insiemi.
Esempio 77 Consideriamo la funzione , : 1 che a ogni essere umano associa
la data di nascita. Se 1 una possibile tale data, ,
1
() linsieme degli esseri
umani che hanno come data di nascita; in altre parole, gli esseri umani in ,
1
()
sono coetanei. #
Esempio 78 Sia , : R R data da , (r) = r
S
. Si ha Im, = R. Per ogni R si
ha
,
1
() =
_

1
3
_
Per esempio, ,
1
(27) = 3. La controimmagine di un intervallo chiuso [c. /]
,
1
([c. /]) =
_
c
1
3
. /
1
3
_
Per esempio, ,
1
([8. 27]) = [2. 3]. #
7.3. PROPRIET GENERALI 155
Esempio 79 Sia , : R R data da , (r) = r
2
. Si ha Im, = R

. La controimmagine
di ogni _ 0
,
1
() =
_
.
_

mentre quella di ogni < 0 ,


1
() = O. Per semplicit, indichiamo la controim-
magine di un intervallo aperto (c. /) come ,
1
(c. /) in luogo di ,
1
((c. /)). Essa

,
1
(c. /) =
_

_
_

_
/.
_
c
_
'
_
_
c.
_
/
_
se c _ 0
O se / < 0
_

_
/.
_
/
_
se c < 0 < /
Si osservi come nellultimo caso, quando c < 0. si abbia ,
1
(c. /) = ,
1
([0. /)). Ci
dovuto al fatto che gli elementi tra c e 0 non hanno alcuna controimmagine. Per
esempio, se 1 = (1. 2), si ha
,
1
(1) =
_

_
2.
_
2
_
Si noti che
,
1
(1) = ,
1
([0. 2)) = ,
1
(. 2)
ossia gli elementi negativi di 1 sono irrilevanti (poich non appartengono allimmagine
della funzione). #
Per una funzione , : _ R
a
R di pi variabili, con un appropriato termine
topograco
11
, la controimmagine ,
1
(/) spesso chiamato curva di livello di , in / (o
di quota /, con / R). Tale terminologia, che esprime lidea che gli elementi di ,
1
(/)
siano i punti del dominio nei quali la funzione raggiunge il livello /, particolarmente
calzante in parecchie applicazioni economiche, come vedremo tra breve. Le curve di
livello sono particolarmente utilizzate per le funzioni , : R
2
R perch in tal caso se
ne pu dare una rappresentazione geometrica che pu rivelarsi illuminante.
Esempio 80 Sia , : R
2
R data da , (r
1
. r
2
) = r
2
1
+ r
2
2
. Per ogni / _ 0, la curva
di livello ,
1
(/) il luogo dei punti di R
2
di equazione
r
2
1
+r
2
2
= /
ossia la circonferenza di raggio
_
/. Gracamente, le curve di livello si possono quindi
rappresentare come
11
Lespediente infatti lo stesso che conduce a rappresentare le montagne su una carta geograca
attraverso le cosiddette isoipse, cio le linee ideali che congiungono tra loro tutti i punti alla stessa
quota sul livello del mare. Per le funzioni di due variabili, il problema esattamente lo stesso: si pu
rappresentare una supercie in R
3
attraverso le linee che congiungono i punti (r
1
, r
2
) per i quali la
funzione assume lo stesso valore /.
156 CAPITOLO 7. FUNZIONI
mentre il graco della funzione
#
Due diverse curve di livello di una stessa funzione non possono avere alcun punto
in comune, cio
,
1
(/
1
) ,
1
(/
2
) = O (7.4)
se /
1
,= /
2
. Infatti, se vi fosse un punto r R
a
che appartiene a entrambe le curve
di livelli /
1
e /
2
, sarebbe , (r) = /
1
e , (r) = /
2
con /
1
,= /
2
, ma ci vietato dal
concetto di funzione che impone che essa assuma un solo valore in ogni punto.
Esempio 81 Sia , : R
2
R data da , (r
1
. r
2
) =
_
7r
2
1
r
2
. Per ogni / _ 0, la
curva di livello ,
1
(/) il luogo dei punti di R
2
di equazione
_
7r
2
1
r
2
= /, ovvero
7.3. PROPRIET GENERALI 157
r
2
= /
2
+ 7r
2
1
. Si tratta di una parabola che interseca lasse delle ordinate in /
2
.
Gracamente:
.
#
Esempio 82 La funzione , : R

R R data da
, (r
1
. r
2
) =
_
r
2
1
+r
2
2
r
1
denita soltanto per r
1
0. Le sue curve di livello hanno equazioni
_
r
2
1
+r
2
2
r
1
= / cio r
2
1
+r
2
2
/
2
r
1
= 0
e quindi sono circonferenze, tutte passanti per lorigine e di centri (/
2
,2. 0), tutti
sullasse delle ascisse. Gracamente:
.
158 CAPITOLO 7. FUNZIONI
Si noti che, pur avendo tutte tali circonferenze lorigine come punto comune, le vere
curve di livello sono le circonferenze private dellorigine (perch in (0. 0) la funzione
non denita) e che esse non hanno alcun punto in comune. #
OfB. Ci limitiamo a funzioni di due variabili. La generica curva di livello di , ha
equazione
, (r
1
. r
2
) = /
Essa si pu riscrivere, in forma apparentemente pi complicata
_
= , (r
1
. r
2
)
= /
ma tale riscrittura ben ne suggerisce il signicato geometrico:
(i) lequazione = , (r
1
. r
2
) rappresenta una supercie in R
S
;
(ii) lequazione = / rappresenta un piano orizzontale (contiene i punti (r
1
. r
2
. /)
R
S
, cio tutti i punti di quota /);
(iii) il simbolo geometricamente signica intersezione.
La curva di livello / appare allora come lintersezione tra la supercie rappresen-
tativa di , e un piano orizzontale.
Curva di livello di una supercie generica.
Dunque, alla buona, le varie curve di livello corrispondono a tagliare la supercie con
piani orizzontali (a vari livelli) e a rappresentare la forma delle fette cos ottenute
sul piano (r
1
. r
2
). *
7.3. PROPRIET GENERALI 159
Curve di indierenza
Vediamo una classica applicazione economica delle curve di livello. Data una funzione
di utilit n : _ R
a

R, le curve di livello
n
1
(/) = r : n(r) = /
sono dette curve di indierenza. In altre parole, una curva di indierenza formata
da tutti i panieri r R
a

che hanno la stessa utilit / (e sono quindi indierenti per il


consumatore). Linsieme n
1
(/) : / R di tutte le curve di indierenza talvolta
chiamata mappa di indierenza.
Esempio 83 Consideriamo la semplice funzione di utilit Cobb-Douglas n : R
2

R
data da
n(r) = (r
1
r
2
)
1
2
Per ogni / _ 0 si ha
n
1
(/) =
_
r R
2

: (r
1
r
2
)
1
2
= /
_
=
_
r R
2

: r
1
r
2
= /
2
_
=
_
r R
2

: r
2
=
/
2
r
1
_
Quindi, la curva di indierenza di livello / liperbole di equazione
r
2
=
/
2
r
1
Al variare di / _ 0 otteniamo la mappa di indierenza n
1
(/)
I
, cio:
0 0. 5 1 1. 5 2 2. 5 3 3. 5
-1
0
1
2
3
4
5
6
7
8
x
y
O
k=1
k=2
k=3
#
160 CAPITOLO 7. FUNZIONI
Si noti come la propriet delle curve di indierenza di non intersecarsi non sia altro
che un caso speciale della propriet (7.4) valida per quasiasi famiglia di curve di livello.
Per una funzione di produzione , : _ R
a

R, le curve di livello
,
1
(/) = r : , (r) = /
sono dette isoquanti. In altre parole, un isoquanto linsieme di tutti i vettori r
R
a

di input che producono lo stesso output. Linsieme ,


1
(/) : / R di tutti gli
isoquanti talvolta chiamato mappa degli isoquanti.
Inne, per una funzione di costo c : _ R

R, le curve di livello
c
1
(/) = r : c (r) = /
sono dette isocosti. In altre parole, un isocosto linsieme di tutti i livelli di output
r che hanno lo stesso costo. Linsieme c
1
(/) : / R di tutti gli isocosti
talvolta chiamato mappa degli isocosti.
Curve di indierenza, isoquanti e isocosti sono tutti esempi di curve di livello, di
cui ereditano le propriet. Per esempio, il fatto che due curve di livello non abbiano
punti in comune la propriet (7.4) implica lanaloga classica propriet delle curve
di indierenza.
7.3.2 Algebra delle funzioni
Dati due insiemi e 1, indichiamo con 1

linsieme di tutte le possibili funzioni


, : 1.
12
Esempio 84 Nella sezione 7.2.1 linsieme R
U
costituito da tutte le possibili scommesse
basate sul doppio lancio di una monetina. Ogni scommessa ha un prezzo che lo scom-
mettitore deve pagare per potervi partecipare. Ogni funzione 1 : R
U
R rappresenta
un possibile sistema di prezzi per acquistare le scommesse relative al doppio lancio di
una monetina. Per esempio, siano ,. q R
U
le due particolari scommesse viste nella
Sezione 7.2.1. Il prezzo loro assegnato dal sistema 1 di prezzi rispettivamente 1 (,)
e 1 (q). #
Dato un insieme qualsiasi, consideriamo linsieme R

di tutte le possibili funzioni


, : R a valori reali. In esso possiamo denire in modo naturale alcune operazioni
che associano a due funzioni qualsiasi in R

una nuova funzione ancora in R

.
Denizione 43 Date due funzioni qualsiasi , e q in R

, la funzione , +q lelemento
di R

per il quale
(, +q) (r) = , (r) +q (r) \r .
12
Talvolta si usa la notazione
A
1 invece di 1
A
.
7.3. PROPRIET GENERALI 161
La funzione somma , + q : R si costruisce quindi sommando, per ogni
elemento r del dominio , le immagini , (r) e q (r) secondo le due funzioni. Siano,
per esempio, , e q le due scommesse della Sezione 7.2.1: la funzione somma , + q :
R descrive la vincita complessiva di uno scommettitore che partecipa a entrambe
le scommesse. Per esempio, se lesito del lancio due volte testa, lo scommettitore
vincer (, +q) (11) = , (11) +q (11) = 1 + 2 = 3.
Esempio 85 Sia R
R
linsieme di tutte le funzioni , : R R. In particolare, consideri-
amo , (r) = r e q (r) = r
2
. La funzione somma , +q denita da (, +q) (r) = r+r
2
.
#
In modo analogo si deniscono:
(i) la funzione dierenza (, q) (r) = , (r) q (r) per ogni r ;
(ii) la funzione prodotto (,q) (r) = , (r) q (r) per ogni r ;
(iii) la funzione rapporto (,,q) (r) = , (r) ,q (r) per ogni r , purch q (r) ,= 0.
Abbiamo introdotto quattro operazioni nellinsieme R

, basate sulle quattro op-


erazioni fondamentali sui reali. facile vedere che queste operazioni godono di pro-
priet analoghe a quelle delle operazioni fondamentali. Per esempio, la somma
commutativa, ossia , +q = q +,, e associativa, ossia (, +q) +/ = , + (q +/).
NB. (i) Nella Denizione 43 e in quella delle altre operazioni le funzioni devono condi-
vidano lo stesso dominio . Per esempio, se , (r) = r
2
e q (r) =
_
r, la somma , +q
priva di senso perch, per r < 0, la funzione q non denita. (ii) Il dominio un
insieme qualunque: numeri, sedie o altro. Invece, essenziale che il codominio sia R
perch tra numeri reali che sappiamo svolgere le quattro operazioni fondamentali. V
7.3.3 Composizione
Consideriamo due funzioni , : 1 e q : C 1, con Im, _ C. Prendiamo un
punto qualsiasi r . Poich Im, _ C, limmagine , (r) appartiene al dominio C
della funzione q. Possiamo applicare la funzione q allimmagine , (r), ottenendo in
tal modo lelemento q (, (r)) di 1. Infatti, la funzione q ha come proprio argomento
limmagine , (r) di r.
Abbiamo quindi associato a ogni elemento r dellinsieme lelemento q (, (r))
dellinsieme 1. Tale regola, detta di composizione, denisce tramite le funzioni , e q
una nuova funzione da in 1, indicata con q ,. Formalmente:
Denizione 44 Siano , 1, C e 1 quattro insiemi qualsiasi e , : 1 e q : C
1 due funzioni. Se Im, _ C, la funzione composta q , : 1 denita da
(q ,) (r) = q (, (r)) \r .
162 CAPITOLO 7. FUNZIONI
Si noti la condizione di incastro Im, _ C senza la quale la composizione non
possibile. Illustriamo la composizione con alcuni esempi.
Esempio 86 Siano ,. q R
R
date da , (r) = r
2
e q (r) = r + 1. In questo caso =
1 = C = 1 = R, e la condizione di incastro banalmente soddisfatta. Consideriamo
q,. Dato r R, risulta , (r) = r
2
. La funzione q ha quindi come proprio argomento
r
2
, sicch
q (, (r)) = q
_
r
2
_
= r
2
+ 1.
Ne segue che la funzione composta q , : R R data da (q ,) (r) = r
2
+ 1.
Consideriamo invece , q. Dato r R, risulta q (r) = r + 1. La funzione , ha
quindi come proprio argomento r + 1, da cui
, (q (r)) = , (r + 1) = (r + 1)
2
.
La funzione composta , q : R R dunque data da (, q) (r) = (r + 1)
2
. #
Esempio 87 Consideriamo , : R

R data da , (r) =
_
r e q : R R data da
q (r) = r 1. In questo caso 1 = C = 1 = R e = R

. La condizione di incastro
soddisfatta per q , perch Im, = R

_ R, ma non lo per , q perch Imq = R


non inclusa in R

, che il dominio di ,.
Consideriamo q ,. Dato r R, si ha , (r) =
_
r. La funzione q ha quindi come
proprio argomento
_
r, da cui
q (, (r)) = q
__
r
_
=
_
r 1.
La funzione composta q , : R

R data da (q ,) (r) =
_
r 1. #
Esempio 88 Se nellesempio precedente consideriamo ~ q : [1. +) R data da
~ q (r) = r 1, la condizione di incastro soddisfatta per , ~ q. In particolare,
, ~ q : [1. +) 1 data da
_
r 1. Come vedremo tra breve nella Sezione
7.6, la funzione ~ q la restrizione di q su [1. +). #
Esempio 89 Sia linsieme dei cittadini italiani e , : R la funzione che a
ognuno associa il suo reddito per questanno e q : R R la funzione che a ogni
possibile reddito associa limposta dovuta. La funzione composta q , : R fa
corrispondere a ogni italiano limposta da egli dovuta. Agli uci tributari (e anche ai
cittadini) interessa, e molto, tale funzione composta. #
7.4 Classi di funzioni
In questa sezione introduciamo alcune importanti classi di funzioni.
7.4. CLASSI DI FUNZIONI 163
7.4.1 Funzioni iniettive, suriettive e biiettive
Dati due insiemi e 1 qualsiasi, una funzione , : 1 si dice iniettiva se
r ,= ==, (r) ,= , () . \r. . (7.5)
ossia se a elementi diversi del dominio , associa elementi diversi del codominio.
0. 4 0. 45 0. 5 0. 55 0. 6 0. 65 0. 7 0. 75 0. 8
0. 4
0. 6
0. 8
1
1. 2
1. 4
1. 6
A B
a
1
b
2
a
2
b
1
b
3
Funzione iniettiva da in 1
Un semplice esempio di funzione iniettiva , (r) = r
S
. Infatti, due reali distinti
hanno sempre cubi distinti, ossia r ,= implica r
S
,=
S
per ogni r. R. Un classico
esempio di funzione non iniettiva , (r) = r
2
: per esempio, ai due punti distinti 2 e
2 di R corrisponde il medesimo quadrato, ossia , (2) = , (2) = 4.
Si noti che la (7.5) equivalente alla contronominale
13
:
, (r) = , () ==r = \r.
che richiede che due elementi del dominio che condividono la stessa immagine siano
uguali.
Dati due insiemi qualsiasi e 1, una funzione , : 1 si dice suriettiva se
Im, = 1.
ossia se per ogni elemento di 1 esiste un elemento r di tale che , (r) = . In
altre parole, una funzione suriettiva se ogni elemento del codominio immagine di
almeno un punto del dominio.
13
Date due propriet j e , si ha j == se e solo se == j ( sta per non). Limplicazione
==j la contronominale dellimplicazione originaria j ==. Si veda lAppendice B.
164 CAPITOLO 7. FUNZIONI
Esempio 90 La funzione , : R R data da , (r) = r
S
suriettiva poich ogni
R immagine di
1
3
R, ossia ,
_

1
3
_
= . Daltra parte, la funzione , : R R
data da , (r) = r
2
non suriettiva poich nessun < 0 immagine di alcun punto
del dominio. #
Ricordando quanto sera detto sui codomini, si pu notare che una funzione , :
1 si pu sempre scrivere come , : Im,, che ovviamente suriettiva (basta
prendere 1 = Im,). Per esempio, se scriviamo la parabola r
2
come , : R R

essa
diventa suriettiva. Quindi, scegliendo in modo opportuno il codominio, ogni funzione
diventa suriettiva. Ci per non signica che la suriettivit sia una nozione priva di
interesse: come si vedr, spesso infatti linsieme 1 ssato (per varie ragioni) a priori
ed importante distinguere le funzioni che hanno 1 come immagine, ossia le suriettive,
da quelle la cui immagine solo contenuta in 1.
Inne, dati due insiemi qualsiasi e 1, una funzione , : 1 si dice biiettiva
o biunivoca se sia iniettiva sia suriettiva. In questo caso, si pu andare avanti e
indietro tra gli insiemi e 1 usando la funzione ,: da qualsiasi r si passa a un
unico = , (r) 1, mentre da qualsiasi 1 si torna a un unico r tale che
= , (r).
0. 4 0. 45 0. 5 0. 55 0. 6 0. 65 0. 7 0. 75 0. 8
0. 4
0. 6
0. 8
1
1. 2
1. 4
1. 6
A B
a
1
a
2
a
3
b
1
b
2
b
3
Per esempio, la , : R R data da , (r) = r
S
biiettiva. Nel caso di insiemi niti
abbiamo il seguente semplice, ma interessante, risultato ove [[ indica la cardinalit
di un insieme nito , ossia il numero di elementi che lo compongono.
Proposizione 75 Siano e 1 due qualsiasi insiemi niti. Esiste una biiezione , :
1 se e solo se [[ = [1[.
Dim. Se. Poniamo [[ = [1[ = : e scriviamo = c
1
. c
2
. . . . . c
a
e 1 =
/
1
. /
2
. . . . . /
a
. Una biiezione , : 1 denita come , (c
i
) = /
i
per i = 1. 2. . :.
7.4. CLASSI DI FUNZIONI 165
Solo se. Sia , : 1 una biiezione. Per la iniettivit si ha [[ _ [1[. Infatti,
a ogni r corrisponde un diverso , (r) 1. Daltra parte, per la suriettivit si ha
[1[ _ [[. Infatti, per ogni 1 si ponga C () = r : , (r) = . Se
1
,=
2
si ha C (
1
) C (
2
) = O. Quindi, posto C = C () : 1, si ha [1[ = [C[. Ma,
facile vedere che [C[ _ [[, da cui [1[ _ [[. In conclusione, si ha [[ = [1[. B
Come vedremo nella Sezione 7.7, parafrasando una celebre battuta di David Hilbert,
questo risultato la porta del paradiso di Cantor.
7.4.2 Funzioni inverse
Dati due insiemi qualsiasi e 1, sia , : 1 una funzione iniettiva. In tal caso, a
ogni elemento , (r) dellimmagine Im, corrisponde un unico elemento r tale che
, (r) = . La funzione cos determinata detta funzione inversa di ,. Formalmente:
Denizione 45 Sia , : 1 una funzione iniettiva. La funzione ,
1
: Im,
denita da ,
1
() = r se e solo se , (r) = detta funzione inversa di ,.
Si ha quindi
,
1
(, (r)) = r \r (7.6)
e
,
_
,
1
()
_
= \ Im, (7.7)
Le funzioni inverse eettuano il percorso inverso delle originarie: da r si arriva a
, (r) 1, e si torna indietro con ,
1
(, (r)) = r.
0. 4 0. 45 0. 5 0. 55 0. 6 0. 65 0. 7 0. 75 0. 8
0. 4
0. 6
0. 8
1
1. 2
1. 4
1. 6
A B
f
f
-1
x y
Ha senso parlare di inversa solo per funzione iniettive. In particolare, quando la
funzione , anche suriettiva, ed quindi biiettiva, si ha ,
1
: 1 . In tal caso il
dominio dellinversa lintero codominio di ,.
166 CAPITOLO 7. FUNZIONI
Esempio 91 (i) Sia , : R R la funzione biiettiva , (r) = r
S
. Da = r
S
segue
r =
1
3
. Linversa ,
1
: R R data da ,
1
() =
1
3
, ovvero, vista lirrilevanza del
nome della variabile indipendente, ,
1
(r) = r
1
3
.
(ii) Sia , : R R la funzione biiettiva , (r) = 3
a
. Da = 3
a
segue r = log
S
.
Linversa ,
1
: R R data da ,
1
() = log
S
, ovvero ,
1
(r) = log
S
r. #
Esempio 92 Sia , : R R data da
, (r) =
_
_
_
r
2
se r < 0
3r se r _ 0
.
Da = r,2 segue r = 2, mentre da = 3r segue r = ,3. Quindi,
,
1
() =
_
_
_
2 se < 0

3
se _ 0
.
#
Esempio 93 Sia , : R 0 R data da , (r) = 1,r. Da = 1,r segue che
r = 1,, e quindi ,
1
: R0 R data da ,
1
() = 1,. In questo caso , = ,
1
.
Si noti come R0 sia il dominio di ,
1
sia limmagine di , #
Esempio 94 La funzione , : R R denita da
, (r) =
_
r se r Q
r se r , Q
pur orribile, iniettiva (e suriettiva) e quindi invertibile. #
facile rendersi conto che, quando esiste, linversa (q ,)
1
della funzione com-
posta q ,
,
1
q
1
(7.8)
cio la composta delle inverse, ma scambiate di posto: infatti da = q (, (r)) si ricava
q
1
() = , (r) e nalmente ,
1
(q
1
()) = r.
OfB. Nel vestirsi, prima ci si mettono le mutande (,) e poi i pantaloni (q); nello
spogliarsi, prima ci si tolgono i pantaloni (q
1
) e poi le mutande (,
1
). *
OfB. Il graco della funzione ,
1
lo stesso di ,, una volta che si siano risistemati
gli assi cartesiani. La maniera pi semplice di vederlo di tracciare il graco di , su
un foglio di carta poco spessa, guardarlo in controluce dopo aver rotato gli assi di 90
0
in modo da scambiare ascisse e ordinate: ci che appare il graco di ,
1
.
7.4. CLASSI DI FUNZIONI 167
- 3 - 2 - 1 0 1 2 3 4
- 2
- 1
0
1
2
3
4
5
x
y
O
Funzione = ,(r) =
3
_
r
- 3 - 2 - 1 0 1 2 3 4
- 2
- 1
0
1
2
3
4
5
x
y
O
Funzione r = ,
1
() =
S
#
7.4.3 Funzioni limitate
Sia , : R una funzione con dominio qualsiasi e codominio la retta reale. Essa
si dice:
(i) superiormente limitata se la sua immagine Im, un insieme superiormente
limitato in R, ossia se esiste / R tale che , (r) _ / per ogni r ;
(ii) inferiormente limitata se la sua immagine Im, un insieme inferiormente limi-
tato in R, ossia se esiste / R tale che , (r) _ / per ogni r ;
(iii) limitata se sia superiormente sia inferiormente limitata.
Per esempio, la funzione , : R 0 R data da
, (r) =
1
[r[
inferiormente, ma non superiormente, limitata poich , (r) _ 0 per ogni r R, men-
tre la funzione , : R R data da , (r) = r
2
superiormente, ma non inferiormente,
limitata poich , (r) _ 0 per ogni r R.
Il prossimo lemma ci d una semplice, ma molto utile, condizione di limitatezza.
Lemma 76 Una funzione , : R limitata se e solo se se esiste / 0 tale che
[, (r)[ _ / \r . (7.9)
168 CAPITOLO 7. FUNZIONI
Dim. Se , limitata, esistono /
t
. /
tt
R tale che /
t
_ , (r) _ /
tt
. Sia / 0 tale che
/ _ /
t
_ /
tt
_ /. Ne segue che vale la (7.9). Viceversa, supponiamo che valga la
(7.9). Grazie alla (4.1), che vale anche per la _, si ha / _ , (r) _ /, il che implica
che , limitata sia superiormente sia inferiormente. B
La funzione denita da
, (r) =
_

_
1 se r _ 1
0 se 0 < r < 1
2 se r _ 0
limitata poich [, (r)[ _ 2 per ogni r R.
Abbiamo quindi una prima tassonomia delle funzioni a valori reali , : R,
ossia degli elementi dello spazio
14
R

. Si noti che tale tassonomia non esaustiva,


ossia esistono funzioni che non soddisfanno alcuna delle condizioni (i)-(iii): il caso,
per esempio, di , (r) = r.
7.4.4 Funzioni monotone
Introduciamo ora unimportante classe di funzioni , : _ R
a
R, ossia funzioni a
valori reali il cui dominio un sottoinsieme di R
a
.
Funzioni monotone su R
Cominciamo col caso : = 1, che di particolare importanza. Nel dettaglio
Denizione 46 Una funzione , : _ R R si dice:
(i) crescente se
r =, (r) _ , () r. ; (7.10)
strettamente crescente se
r =, (r) , () \r. ; (7.11)
(ii) decrescente se
r =, (r) _ , () \r. ; (7.12)
strettamente decrescente se
r =, (r) < , () \r. ;
14
Si noti luso del termine spazio per indicare un insieme di riferimento (in questo caso linsieme di
tutte le funzioni di R
A
).
7.4. CLASSI DI FUNZIONI 169
(iii) costante se esiste / R tale che
, (r) = / \r .
Si noti che una funzione costante se e solo se sia crescente sia decrescente.
In altre parole, la costanza equivale alla compresenza di entrambe le propriet di
monotonia. per questa ragione che abbiamo introdotto la costanza tra le forme
di monotonia. A breve vedremo che nel caso vettoriale la relazione tra costanza e
monotonia un po pi sottile.
Le funzioni crescenti o decrescenti sono dette genericamente monotone. La stretta
monotonia si ha quindi qualora la disuguaglianza tra le immagini , (r) e , () stretta
per tutti i punti r ,= del dominio. In altre parole, la stretta monotonia esclude la
possibilit che la funzione abbia tratti di costanza. Formalmente:
Proposizione 77 Una funzione , : _ R R crescente strettamente crescente
se e solo se
, (r) = , () =r = \r. (7.13)
ossia se e solo se iniettiva.
Un analogo risultato vale per la stretta decrescenza. Le funzioni strettamente
monotone sono dunque iniettive, e quindi invertibili.
Dim. Solo se. Sia , strettamente crescente e sia , (r) = , (). Supponiamo, per
contraddizione, che r ,= : r oppure < r. In entrambi casi, per la (7.11), si ha
, (r) ,= , (), il che contraddice , (r) = , (). Ne segue che r = , come desiderato.
Se. Supponiamo valga la propriet (7.13). Sia , crescente. Mostriamo che lo
anche strettamente. Sia r . Per la crescenza, si ha , (r) _ , () ma non pu aversi
, (r) = , () perch dalla (7.13) seguirebbe r = . Si ha quindi , (r) , () come
desiderato. B
Esempio 95 Le funzioni , : R R date da , (r) = r e , (r) = r
S
sono strettamente
crescenti, mentre la funzione
, (r) =
_
r se r _ 0
0 se r < 0
crescente, ma non strettamente, poich costante per ogni r < 0. Lo stesso vale per
la funzione denita da
, (r) =
_
_
_
r 1 se r _ 1
0 se 1 < r < 1
r + 1 se r _ 1
(7.14)
che ha un tratto di costanza in [1. 1]. #
170 CAPITOLO 7. FUNZIONI
Si noti che nella (7.10) possiamo sostituire r con r _ senza alcuna con-
seguenza poich si ha , (r) = , () se r = . Quindi, la crescenza equivale a
r _ =, (r) _ , () (7.15)
Consideriamo limplicazione inversa,
, (r) _ , () =r _ (7.16)
che richiede che a maggiori valori dellimmagine corrispondano maggiori valori dellar-
gomento. Si osservi che ovviamente , (r) = , () equivale ad avere sia , (r) _ , ()
sia , () _ , (r), che a loro volta, grazie alla (7.16), implicano r _ e _ r, ossia
r = . Quindi, dalla (7.16) segue che
, (r) = , () =r = (7.17)
Alla luce della Proposizione 77, concludiamo che una funzione crescente che soddis-
fa anche limplicazione inversa (7.16) strettamente crescente. Il prossimo risultato
mostra che vero anche il converso, stabilendo cos uninteressante caratterizzazione
della stretta crescenza; lanalogo risultato vale per la stretta decrescenza.
Proposizione 78 Una funzione , : _ R R strettamente crescente se e solo se
r _ ==, (r) _ , () \r. (7.18)
Dim. Grazie a quanto visto sopra, resta da dimostrare il Solo se, ossia che una
funzione strettamente crescente soddisfa la propriet (7.18). Poich una funzione
strettamente crescente crescente, limplicazione
r _ =, (r) _ , ()
ovvia. Per mostrare la (7.18) resta da mostrare che
, (r) _ , () =r _
Sia , (r) _ , () e supponiamo, per contraddizione, che r < . La stretta crescenza
implica , (r) < , (), il che contraddice , (r) _ , (). Si ha quindi r _ , come
desiderato. B
Funzioni monotone su R
a
Le nozioni di monotonia viste nel caso : = 1 si generalizzano in modo naturale al caso
di : qualsiasi, ma con alcuni aspetti delicati legati alle due peculiarit del caso : _ 2,
ossia lincompletezza di _ e la presenza di due nozioni di disuguaglianza stretta: e
. Per brevit, consideriamo la monotonia crescente (nozioni analoghe valgono per
la decrescente). La nozione di crescenza si estende in modo ovvio.
7.4. CLASSI DI FUNZIONI 171
Una funzione , : _ R
a
R si dice crescente se
r _ =, (r) _ , () \r. (7.19)
Si noti che la nozione non richiede nulla a vettori r e non confrontabili, quali per
esempio (1. 2) e (2. 1) in R
2
. Analogamente si d il concetto di funzione decrescente.
Ancora, , costante se esiste / R tale che
, (r) = / \r
Pi delicata lestensione in R
a
della stretta monotonia visto che abbiamo due
distinti concetti di disuguaglianza stretta. Una funzione , : _ R
a
R si dice
strettamente crescente se
r =, (r) , () \r.
e fortemente crescente se crescente e
r =, (r) , () \r. (7.20)
Si ha una semplice gerarchia tra queste nozioni:
Proposizione 79 Per una funzione , : _ R
a
R si ha:
stretta crescenza =forte crescenza =crescenza (7.21)
Si tratta quindi di nozioni di monotonia via via pi forti. Nelle applicazioni si
dovr scegliere la forma che pi pertinente per il problema studiato
15
.
Dim. Una funzione fortemente crescente , per denizione, crescente. Rimane da
mostrare che la stretta crescenza implica la forte crescenza. Sia quindi , strettamente
crescente. Occorre mostrare che , crescente e soddisfa la (7.20). Se r _ , si
ha r = oppure r . Nel primo caso si ha , (r) = , (). Nel secondo caso si
ha , (r) , () e quindi , (r) _ , (). La funzione quindi crescente. Inoltre, se
r , a fortiori si ha r , e quindi , (r) , (). La funzione , quindi fortemente
crescente. B
I conversi delle precedenti implicazioni non valgono. Una funzione crescente con
tratti di costanza un esempio di funzione crescente ma non fortemente. Quindi
crescenza ;forte crescenza
Inoltre, il prossimo esempio mostra che esistono funzioni fortemente crescenti ma non
strettamente crescenti, cio
forte crescenza ;stretta crescenza
15
Le nozioni di monotonia per funzioni di pi variabili studiate sono componente per componente,
cio si basano sul confronto delle componenti dei vettori che sono argomento delle funzioni. Nella
Sezione 22.2 vedremo brevemente unaltra nozione di monotonia per funzioni di pi variabili.
172 CAPITOLO 7. FUNZIONI
Esempio 96 La funzione di Leontief , : R
2
R data da
, (r) = min r
1
. r
2

fortemente crescente ma non strettamente. Per esempio, r = (1. 2) e = (1. 1) sono


tali che r ma , (r) = , () = 1. #
NB. Per le applicazioni , : R
a
R
n
con : 1 le nozioni di monotonia viste nel caso
: = 1 assumono un signicato diverso, che per brevit non investigheremo, perch
le immagini , (r) e , () possono non essere confrontabili, nel qual caso non si ha n
, (r) _ , () n , () _ , (r). Per esempio, se , : R
2
R
2
tale che , (0. 1) = (1. 2)
e , (3. 4) = (2. 1), le immagini (1. 2) e (2. 1) non sono confrontabili. Lasciamo a corsi
successivi lo studio di nozioni di monotonia per applicazioni , : R
a
R
n
con : 1.
V
Funzioni di utilit
Sia n : R una funzione di utilit denita su un opportuno insieme di panieri di
beni (in genere, _ R
a

come nella Sezione 2.4.2). Una sua trasformazione , n :


R, dove , : Imn _ R R, denisce unaltra funzione di utilit di stesso signicato
purch
n(r) _ n() ==(, n) (r) _ (, n) () r. (7.22)
In altri termini, la funzione , n ordina i beni allo stesso modo di n, cio
r _ ==(, n) (r) _ (, n) () r.
Per la Proposizione 78, , soddisfa la (7.22) se e solo se strettamente crescente.
Quindi, una trasformazione , n a sua volta una funzione di utilit se e solo se ,
strettamente crescente. Per descrivere tale fondamentale propriet di invarianza delle
funzioni di utilit si dice che esse sono ordinali, cio uniche a meno di trasformazioni
monotone (strettamente crescenti). Si tratta di una propriet che sta alla base del-
lapproccio ordinalista, in cui le funzioni di utilit sono una mera rappresentazione
numerica della preferenza _, che la nozione fondamentale (si ricordi la discussione
nella Sezione 7.2.2).
Esempio 97 Consideriamo la funzione di utilit Cobb-Douglas n : R
a

R data da
n(r
1
. r
2
. . r
a
) =
a

i=1
r
c
i
i
con ogni c
i
_ 0 e

a
i=1
c
i
= 1. Prendendo , (r) = log r, la trasformazione
, n =
a

i=1
c
i
log r
i
una funzione di utilit equivalente a n. la versione logaritmica della funzione
Cobb-Douglas, spesso detta funzione di utilit log-lineare. #
7.4. CLASSI DI FUNZIONI 173
Le tre nozioni di monotonia su R
a
(crescenza, forte crescenza e stretta crescenza)
sono molto importanti per le funzioni di utilit n : _ R
a

R. Siccome il loro
argomento r un paniere di beni, naturale assumere che il consumatore preferisca
vettori con quantit maggiori dei vari beni, cio pi meglio. A seconda di come si
declina tale motto, una delle tre forme di monotonia diventa appropriata.
Se in un vettore r R
a
ogni componente, ossia ogni tipo di bene, visto dal
consumatore come importante, naturale assumere che n sia strettamente crescente:
r =n(r) n () \r.
In questo caso suciente incrementare la quantit di uno qualunque dei beni per
avere una maggiore utilit: pi di un bene qualsiasi, sempre meglio.
Se invece vogliamo contemplare la possibilit che qualche bene possa in realt essere
inutile per il consumatore, possiamo solo chiedere la crescenza di n:
r _ =n(r) _ n() \r. (7.23)
Infatti, se un bene inutile (come il vino per un astemio, oppure per un ubriaco,
che ne gi sazio), la disuguaglianza r _ pu essere determinata proprio da una sua
maggior quantit, restando invariate tutte le altre; ragionevole allora che n(r) = n()
perch il consumatore non trae alcun benecio nel passare da a r. In questo caso
pi di un qualsiasi bene, pu essere meglio o indierente.
Inne, il pi di un qualsiasi bene, sempre meglio della stretta monotonia si pu
indebolire nel senso della forte monotonia assumendo che pi di tutti i beni, sempre
meglio, cio
r =n(r) n () \r.
In questo caso, si ha un miglioramento solo quando le quantit di tutti i beni aumen-
tano, non basta laumento della quantit di un solo bene. Tale forma di monotonia
riette una forma di complementarit tra i beni, per cui laumento delle quantit di
solo alcuni di essi pu rivelarsi superuo per il consumatore se rimangono invariate
le quantit di altri beni. Il caso estremo si ha con la perfetta complementarit alla
Leontief, di cui il classico esempio sono le coppie di scarpe, destra e sinistra
16
.
Esempio 98 (i) La funzione di utilit Cobb-Douglas n : R
a

R data da
n(r
1
. r
2
. . r
a
) =
a

i=1
r
c
i
i
strettamente crescente. Per la (7.21), anche fortemente crescente e crescente.
(ii) La funzione di utilit Leontief n : R
a

R data da
n(r
1
. r
2
. . r
a
) = min r
1
. .... r
a

in cui i beni sono perfetti complementi, fortemente crescente. Per la (7.21), anche
crescente. Come s gi visto nellEsempio 96 non strettamente crescente. #
16
E inutile aumentare il numero delle scarpe destre senza aumentare in egual misura quello delle
scarpe sinistre (e viceversa).
174 CAPITOLO 7. FUNZIONI
Si osservi che consumatori con funzioni di utilit strettamente monotone oppure
fortemente monotone sono insaziabili perch incrementando in modo opportuno i
panieri si aumenta sempre la loro utilit. Tale propriet delle funzioni di utilit
talvolta chiamata non saziet, ed essa quindi comune sia alla stretta sia alla forte
monotonia. Lunica forma di monotonia che possa contemplare la possibilit di saziet
la crescenza (7.23): come osservato per il consumatore ubriaco, questa forma pi
debole di monotonia permette che un dato bene, quando supera un certo livello, non
determina pi ulteriori aumenti di utilit. Non pu invece accadere che lutilit scenda:
la (7.23) permetta che essa salga o rimanga costante, ma non che scenda. Quindi, se
un ulteriore bicchiere di vino determina un decremento dellutilit del consumatore
ubriaco, ci non modellabile con alcuna forma di crescenza, per quanto debole.
Costanza e monotonia
Oltre alla stretta monotonia, anche la relazione tra costanza e monotonia pi delicata
nel caso vettoriale che in quello scalare. Infatti, mentre anche nel caso vettoriale una
funzione costante sia crescente sia decrescente, il converso, che era banalmente vero
in R, diventa problematico a causa della possibile non confrontabilit di vettori in R
a
.
Esempio 99 Sia = r R
2
: r
1
+r
2
= 0 il luogo dei punti della retta:
Tutti i punti su questa retta non sono tra loro confrontabili, sicch le denizioni di
crescenza e descrenza sono soddisfatte, pur se in modo vacuo, da tutte le funzioni
, : _ R
2
R. Tra esse, per esempio la funzione , (r) = r
1
r
2
non costante pur
essendo sia crescente sia decrescente. #
Per ristabilire il legame tra costanza e monotonia vista nel caso scalare occorre
considerare insiemi che abbiamo la seguente propriet (o sue varianti).
Denizione 47 Un insieme in R
a
si dice direzionato ( per _) se per ogni r.
esiste . tale che . _ r e . _ .
7.4. CLASSI DI FUNZIONI 175
In altre parole, un insieme direzionato quando ogni coppia di suoi elementi ha un
minorante comune che appartiene allinsieme. una semplice propriet soddisfatta,
per esempio, da R
a
, R
a

, nonch dagli intervalli [c. /], (c. /), (c. /] e [c. /) di R


a
visti
nella Sezione 2.3.
Proposizione 80 Una funzione , : _ R
a
R denita su un insieme direzionato
costante se e solo se sia crescente sia decrescente.
Dim. Mostriamo il Se, essendo banale il converso. Sia , crescente e decrescente.
Vogliamo mostrare che costante. Siano r e due elementi di . Per ipotesi, esiste
. tale che . _ r e . _ , e quindi , (.) = , (r) e , (.) = , (). Da ci segue
, (r) = , (), come desiderato. B
Il lettore pu vericare che questo risultato continua a valere se direzionato
per _, cio se se per ogni r. esiste . tale che . _ r e . _ .
7.4.5 Funzioni separabili
In Economia sono molto importanti le funzioni di pi variabili separabili, cio denibili
come somme di funzioni scalari.
Denizione 48 Una funzione , : _ R
a
R, con : _ 2, si dice separabile se
esistono : funzioni scalari q
i
: _ R R tali che
, (r) =
a

i=1
q
i
(r
i
) \r = (r
1
. .... r
a
)
La ragione dellimportanza di tale classe di funzioni di pi variabili nella sua
grande trattabilit. Lesempio pi banale , (r) =

a
i=1
r
i
, per la quale le funzioni
q
i
sono lidentit: q
i
(r) = r. Vediamo alcuni altri esempi.
Esempio 100 La funzione , : R
2
R data da
, (r) = r
2
1
+ 4r
2
\r = (r
1
. r
2
) R
2
separabile con q
1
(r
1
) = r
2
1
e q
2
(r
2
) = 4r
2
. #
Esempio 101 La funzione , : R
a

R, detta entropia, data da


, (r) =
a

i=1
r
i
log r
i
\r = (r
1
. .... r
a
) R
a

separabile con q
i
(r
i
) = r
i
log r
i
. #
176 CAPITOLO 7. FUNZIONI
Esempio 102 La funzione di utilit intertemporale (7.3), cio
l (r) =
T

t=1
,
t1
n
t
(r
t
)
separabile con q
t
(r
t
) = ,
t
n
t
(r
t
). #
Esempio 103 Anche nel caso statico le funzione di utilit separabili sono molto
importanti. Le funzioni di utilit usate dai primi Marginalisti erano infatti della forma
n(r) =
a

i=1
n
i
(r
i
)
In altri termini, si assumeva che lutilit (intesa cardinalmente) di un paniere r fosse
scomponibile nellutilit delle quantit r
i
dei vari beni che lo compongono. unas-
sunzione restrittiva che ignora ogni possibile interdipendenza, per esempio di comple-
mentarit o sostituibilit, tra i diversi beni. A ragione della sua notevole trattabilit,
per lungo tempo rimase per la forma usuale delle funzioni di utilit nch, a ne
Ottocento, i lavori di Edgeworth e Pareto mostrarono come sviluppare la Teoria del
consumatore per funzioni di utilit non necessariamente separabili. #
Esempio 104 La trasformazione logaritmica
log n(r) =
a

i=1
c
i
log r
i
della funzione di utilit Cobb-Douglas separabile. Lesempio mostra che talvolta
possibile ottenere versioni separabili di funzioni di utilit grazie a loro trasformazioni
strettamente monotone. Di solito, queste versioni separabili sono le pi comode dal
punto di vista analitico (cos , per esempio, il caso per questa versione separabile
della funzione Cobb-Douglas, la cosiddetta funzione di utilit log-lineare, pi comoda
da manipolare rispetto alla versione prodotto). #
7.5 Funzioni elementari su R
7.5.1 Polinomi
Un polinomio , (r) di grado : _ 1 ha la forma , (r) = c
0
+ c
1
r + + c
a
r
a
, con
c
i
R per ogni 0 _ i _ : e c
a
,= 0. Sia T
a
linsieme di tutti i polinomi di grado
minore o uguale ad :. Naturalmente,
T
1
_ T
2
_ _ T
a
.
Esempio 105 Si ha , (r) = r +r
2
T
2
, mentre , (r) = 3r 10r
1
T
1
. #
7.5. FUNZIONI ELEMENTARI SU R 177
Esempio 106 Un polinomio , ha grado zero quando esiste c R tale che , (r) = c
per ogni r. Le funzioni costanti si possono quindi intendere come polinomi di grado
zero. #
Linsieme di tutti di polinomi, di ogni grado, si indica con T, cio T =
_
a0
T
a
.
7.5.2 Funzioni esponenziali e logaritmiche
Dato c 0, la funzione , : R R denita come
, (r) = c
a
si dice funzione esponenziale di base c.
Nel seguito utilizzeremo sistematicamente il numero e come base e chiameremo
, (r) = e
a
funzione esponenziale, senza ulteriori specicazioni. Talvolta essa si indica
come , (r) = exp r. Grazie alle propriet della potenza e
a
, la funzione esponenziale
ha una parte di primo piano in moltissimi campi dellAnalisi. Il suo graco :
-3 -2 -1 0 1 2 3 4
-2
-1
0
1
2
3
4
5
x
y
O
Funzione c
a
Molto importante anche la funzione esponenziale negativa , (r) = e
a
, il cui graco
:
178 CAPITOLO 7. FUNZIONI
-3 -2 -1 0 1 2 3 4
-5
-4
-3
-2
-1
0
1
2
x
y
O
Funzione c
a
Limmagine della funzione esponenziale linsieme (0. +) degli scalari strettamente
positivi. Inoltre, grazie al Lemma 19-(iv), la funzione esponenziale c
a
:
(i) strettamente crescente se c 1,
(ii) costante se c = 1,
(iii) strettamente decrescente se c 1,
Purch c ,= 1, la funzione esponenziale strettamente monotona, e quindi iniettiva.
La sua inversa ha come dominio limmagine (0. +) e, grazie alla Proposizione 21 della
Sezione 1.5, essa la funzione , : (0. ) R denita come
, (r) = log
o
r
detta funzione logaritmica di base c 0. Si noti che, per quanto appena osservato,
c ,= 1.
Lasserto della Proposizione 21, ossia che
log
o
c
a
= r \r R
e
c
log
a
a
= r \r (0. +)
non sono quindi altro che le relazioni (7.6) e (7.7) delle funzioni inverse, cio ,
1
(, (r)) =
r e , (,
1
()) = .
7.5. FUNZIONI ELEMENTARI SU R 179
In ragione dellimportanza del logaritmo naturale, chiameremo , (r) = log r =
log
o
r funzione logaritmica senza ulteriori specicazioni. Al pari della funzione espo-
nenziale, cui strettamente legata come vedremo tra poco, la funzione logaritmica
centrale in moltissimi campi. Il suo graco :
-3 -2 -1 0 1 2 3 4
-2
-1
0
1
2
3
4
5
x
y
O
Funzione ln r
Chiudiamo con un risultato che riassume le propriet di monotonia di queste
funzioni elementari.
Lemma 81 Sia la funzione esponenziale c
a
sia la logaritmica log
o
r crescono con r
se c 1 e decrescono se 0 < c < 1.
Dim. Per lesponenziale, si osservi che, quando c 1, anche c
I
1 per ogni / 0.
Quindi c
aI
= c
a
c
I
c
a
per ogni / 0. Per la logaritmica, osservato che log
o
/ 0
se c 1 e / 1, si ha
log
o
(r +/) = log
o
_
r
_
1 +
/
r
__
= log
o
r + log
o
_
1 +
/
r
_
log
o
r
per ogni / 0, come desiderato. B
7.5.3 Funzioni trigonometriche e periodiche
Le funzioni trigonometriche, e pi in generale le periodiche, sono importanti in molte
applicazioni. Le introduciamo, rimandando il lettore allAppendice per un richiamo di
alcune nozioni elementari di trigonometria
17
.
17
Per unintroduzione pi dettagliata alla materia, rimandiamo il lettore a testi di Matematica di
scuola media superiore.
180 CAPITOLO 7. FUNZIONI
Funzioni trigonometriche
La funzione seno , : R R, indicata come , (r) = sin r, il primo esempio di
funzione trigonometrica. Per ogni r R si ha:
sin (r + 2/:) = sin r \/ Z
Il graco della funzione seno :
-4 -2 0 2 4 6
-4
-3
-2
-1
0
1
2
3
4
x
y
O
- 2
La funzione , : R R data da , (r) = cos r la funzione coseno. Per ogni r R
si ha:
cos (r + 2/:) = cos r \/ Z
Il suo graco :
-4 -2 0 2 4 6
-4
-3
-2
-1
0
1
2
3
4
x
y
O
-

Inne, la funzione , : R
_

2
+/:. / Z
_
R data da , (r) = tan r la funzione
tangente. Dalla (A.1) segue che
tan (r +/:) = tan r \/ Z
7.5. FUNZIONI ELEMENTARI SU R 181
Il graco :
-4 -3 -2 -1 0 1 2 3 4
-10
-8
-6
-4
-2
0
2
4
6
8
10
x
y
O
Le funzioni sin r, cos r e tan r sono monotone, e quindi invertibili, rispettivamente
negli intervalli [:,2. :,2], [0. :] e (:,2. :,2). Le loro funzioni inverse si indi-
cano rispettivamente con arcsin r, arccos r e arctan r. In particolare, restringendoci
allintervallo di stretta monotonia della funzione sin r, [:,2. :,2] . si ha
sin r :
_

:
2
.
:
2
_
[ 1. 1]
Quindi, la funzione inversa di sin r
arcsin r : [1. 1]
_

:
2
.
:
2
_
e il suo graco :
-4 -3 -2 -1 0 1 2 3 4
-3
-2
-1
0
1
2
3
x
y
O
Restringendoci a un intervallo [0. :] di stretta monotonia della funzione cos r si ha:
182 CAPITOLO 7. FUNZIONI
cos r : [0. :] [ 1. 1]
Quindi, la funzione inversa di cos r
arccos r : [1. 1] [0. :]
e il suo graco :
-4 -3 -2 -1 0 1 2 3 4
-3
-2
-1
0
1
2
3
x
y
O
Restringendoci allintervallo (:,2. :,2) di stretta monotonia della funzione tan r, si
ha:
tan r :
_

:
2
.
:
2
_
R
Quindi, la funzione inversa di tan r
arctan r : R
_

:
2
.
:
2
_
e il suo graco :
7.5. FUNZIONI ELEMENTARI SU R 183
-4 -3 -2 -1 0 1 2 3 4
-3
-2
-1
0
1
2
3
x
y
O
immediato riconoscere che, per c (0. :,2), risulta 0 < sin c < c < tan c.
Funzioni Periodiche
Le funzione trigonometriche sono le pi classiche funzioni periodiche.
Denizione 49 Una funzione , : R R detta periodica di periodo j R se, per
ogni r R, si ha
, (r +/j) = , (r) \/ Z
In particolare, per ci che s detto le funzioni sin r e cos r sono periodiche di peri-
odo 2:, mentre la funzione tan r ha periodo :. I loro graci evidenziano la propriet
che caratterizza le funzioni periodiche, ossia di ripetersi intatti su ogni intervallo di
ampiezza j.
Esempio 107 Le funzioni sin
2
r e log tan r sono periodiche di periodo :. #
Vediamo un esempio di funzione periodica non trigonometrica.
Esempio 108 La funzione , : R R data da , (r) = r [r], detta mantissa (il
suo valore assoluto la parte decimale di r; per esempio , (2. 37) = 0. 37). Essa
periodica di periodo 1. #
Il lettore pu vericare che la periodicit preservata dalle operazioni fondamentali
tra funzioni. Ossia, se , e q sono due funzioni periodiche di stesso periodo j, anche le
funzioni date da c, (r) +/q (r), , (r) q (r) e , (r) ,q (r) sono periodiche di periodo j.
184 CAPITOLO 7. FUNZIONI
7.6 Domini e restrizioni
Nel primo paragrafo del capitolo abbiamo denito il dominio di una funzione come
linsieme su cui denita la funzione: il dominio di una funzione , : 1
linsieme . Nei diversi esempi di funzioni di variabile reale presentati sinora abbiamo
identicato come dominio il pi grande insieme _ R dove la funzione , poteva essere
denita. Per esempio, per ,(r) = r
2
il dominio tutto R, per ,(r) =
_
r il dominio
R

, per ,(r) = log r il dominio R

, e cos via. Per una funzione , di una o pi


variabili chiameremo dominio naturale (o campo desistenza) il pi grande insieme sul
quale , pu essere denita. Per esempio, R il dominio naturale di r
2
, R

quello di
_
r, R

quello di log r, e cos via.


Ma, non vi nulla di speciale, a parte la massimimalit, nel dominio naturale: una
funzione pu essere denita su un qualsiasi sottoinsieme del dominio naturale. Per
esempio, possiamo considerare r
2
soltanto per valori positivi di r, cos da avere una
funzione quadratica , : R

R, oppure considerare log r solo per valori di r maggiori


di 1, cos da avere una funzione logaritmica , : [1. +) R, e cos via.
In particolare, data una funzione , : 1 talvolta importante considerarne
restrizioni su sottoinsiemi.
Denizione 50 Sia , : 1 una funzione e sia C _ . La funzione q : C 1
denita da
q(r) = ,(r) \r C
detta restrizione di , su C e si indica con ,
[C
.
La restrizione ,
[C
si pu quindi vedere come , ristretta sul sottoinsieme C di .
Grazie al pi piccolo dominio, la funzione ,
[C
pu godere di propriet diverse da quelle
della funzione originaria ,.
Esempio 109 Sia q : [0. 1] R denita da q(r) = r
2
. La funzione q si pu vedere
come restrizione sullintervallo [0. 1] della funzione , : R R data da ,(r) = r
2
; cio
q = ,
[[0,1[
. Grazie al suo dominio ristretto la funzione q gode di molte pi propriet
della funzione ,. Per esempio: q strettamente crescente, mentre , non lo ; q
iniettiva (e quindi invertibile), mentre , non lo ; q limitata, mentre , solo
inferiormente limitata. Nel capitolo 17 introdurremo la nozione di massimo e minimo
di funzione: q possiede sia massimo sia minimo (globale), mentre , non possiede
massimi. #
Esempio 110 Sia q : R

R denita da q(r) = r. La funzione q si pu vedere


come restrizione su (. 0] sia di , : R R data da ,(r) = [r[ sia di / : R R
data da /(r) = r. Infatti, una funzione pu essere considerata la restrizione di
pi funzioni (anzi, di innite funzioni) ed il problema al quale siamo interessati a
indicarci quali tra esse sia pi opportuno considerare. In ogni caso, analizziamo le
dierenze tra q e , e quelle tra q e /. La funzione q iniettiva, mentre , non lo ;
q monotona decrescente, mentre , non lo . La funzione q inferiormente limitata,
mentre / non lo ; q possiede minimo globale, mentre / non possiede minimi. #
7.6. DOMINI E RESTRIZIONI 185
Esempio 111 La funzione , (r
1
. r
2
) =
_
r
1
r
2
ha come dominio naturale R
2

' R
2

.
Tuttavia, quando vista come funzione di utilit di tipo Cobb-Douglas il suo dominio
ristretto a R
2

perch i panieri di beni hanno sempre componenenti positive. In-


oltre, poich , (r
1
. r
2
) = 0 quando anche sola una componente nulla, il che poco
plausibile, tali funzioni di utilit si considerano spesso solo su R
2

. Considerazioni
puramente economiche portano perci a restringere il dominio sul quale si studia la
funzione , (r
1
. r
2
) =
_
r
1
r
2
. #
In modo analogo e speculare al concetto di restrizione, introduciamo ora il concetto
di estensione di una funzione (funzione estesa ad un dominio pi ampio di quello
iniziale).
Denizione 51 Sia , : 1 una funzione e sia _ C. Una funzione q : C 1
tale che
q (r) = , (r) \r
detta estensione di , a C.
Risulta evidente dalle denizioni appena date che restrizione ed estensione sono
due facce della stessa medaglia: q una estensione di , se e solo se , una restrizione
di q. In particolare, una funzione denita sul suo dominio naturale unestensione
ad di ogni sua restrizione. anche evidente che se una funzione possiede una
restrizione/estensione, ne possiede innite
18
.
Esempio 112 La funzione q : R R denita da
q(r) =
_
1
a
se r ,= 0
0 se r = 0
una estensione della funzione ,(r) = 1,r, che ha dominio naturale R 0. #
Esempio 113 Sia q : R R denita da
q(r) =
_
r per r _ 0
log r per r 0
una estensione della funzione ,(r) = log r, che ha dominio naturale R

. #
18
Potrebbe succedere che una funzione non possegga restrizioni o non possegga estensioni. Infatti,
sia ) : _ R R. Se = r
0
, cio se il dominio di ) un singolo punto, allora ) non possiede
restrizioni. Se invece = R, ) non possiede estensioni.
186 CAPITOLO 7. FUNZIONI
7.7 Funzioni biiettive e cardinalit
7.7.1 Cardinalit
Le funzioni biiettive sono fondamentali in Matematica come criterio di similarit. In
questa sezione ne vediamo un importante esempio per lo studio della cardinalit degli
insiemi inniti.
Cominciamo col considerare un insieme nito, cio un insieme che contiene un
numero nito di elementi. Il numero di elementi si usa chiamare potenza o cardinalit
dellinsieme , e si indica abitualmente con [[.
Esempio 114 Linsieme = 11. 13. 15. 17. 19 degli interi dispari tra tra 10 e 20
nito e [[ = 5. #
Grazie alla Proposizione 75, due insiemi niti hanno la stessa potenza se e solo se
i loro elementi si possono porre in corrispondenza biunivoca: per esempio, se abbiamo
sette tazzine e sette cucchiaini, possiamo accoppiare ogni tazzina a un cucchiaino. In
particolare, abbiamo il seguente ovvio lemma.
Lemma 82 Un insieme nito se e solo se si pu porre in corrispondenza biunivoca
con un sottoinsieme del tipo 1. 2. .... : di N. In tal caso, [[ = :.
In altre parole, nito se e solo se esistono un insieme 1. 2. .... : di naturali
e una funzione biiettiva , : 1. 2. .... : . Linsieme 1. 2. .... : pu vedersi come
linsieme prototipo di cardinalit :, rispetto al quale tarare tutti gli altri insiemi
niti di tale cardinalit attraverso opportune funzioni biiettive.
Il punto di vista funzionale per la cardinalit, basato sulle funzioni biiettive e sul-
lindividuazione di un insieme prototipo, nel caso nito poco pi di una curiosit.
Diventa per sostanziale quando si vuole estendere la nozione di cardinalit a insiemi
inniti. Fu questa una delle intuizioni fondamentali di Georg Cantor, che port alla
nascita della teoria degli insiemi inniti. Infatti, la possibilit di instaurare una cor-
rispondenza biunivoca tra insiemi inniti consente una loro classicazione e conduce
a scoprirne propriet poco intuitive.
Denizione 52 Un insieme detto (innito) numerabile se si pu porre in corrispon-
denza biunivoca con linsieme N dei numeri naturali.
In altri termini, numerabile se esiste una funzione biiettiva , : N , ovvero
se gli elementi dellinsieme si possono ordinare in sequenza: c
0
. c
1
. .... c
a
. ... (cio a 0
stato fatto corrispondere c
0
, a 1 c
1
, ecc.). Linsieme N dunque il prototipo degli
insiemi numerabili: ogni altro lo se risulta possibile accoppiare uno a uno (come le
tazzine e i cucchiaini di poco fa) i suoi elementi con quelli di N. Si usa dire che gli
elementi di un insieme siatto costituiscono uninnit numerabile. questa la prima
categoria di insieme innito che incontriamo.
7.7. FUNZIONI BIIETTIVE E CARDINALIT 187
Gli insiemi numerabili presentano qualche piccola sorpresa: per esempio, sempre
possibile porre in corrispondenza biunivoca un insieme numerabile con un suo sot-
toinsieme proprio innito. Per esempio, linsieme 1 dei numeri pari chiaramente un
sottoinsieme proprio di N e si potrebbe pensare che contenga met dei suoi elemen-
ti. Purtuttavia possibile instaurare una corrispondenza uno a uno con N facendo
corrispondere a ogni numero pari la sua met:
2: 1 : N
e quindi [1[ = [N[. Gi Galileo si era reso conto di questa notevole peculiarit degli
insiemi inniti, che li distingue nettamente dagli insiemi niti, i cui sottoinsiemi pro-
pri hanno sempre cardinalit minore
19
. In un celebre passaggio dei Discorsi e di-
mostrazioni matematiche intorno a due nuove scienze
20
, pubblicato nel 1638, egli os-
servava che i numeri naturali si possono mettere in corrispondenza biunivoca con i loro
quadrati ponendo :
2
:, sicch i quadrati, che a prima vista sembrano costituire
un sottoinsieme piuttosto piccolo di N, in realt sono in egual numero dei naturali
per via della corrispondenza :
2
:: ... e pur nel numero innito, se concepir lo
potessimo, bisognerebbe dire, tanti essere i quadrati quanti tutti i numeri insieme.
La chiarezza di Galileo nellesporre il problema degna del suo genio. Purtroppo le
nozioni matematiche a sua disposizione erano del tutto insucienti a sviluppare le sue
intuizioni. Per esempio, la nozione di funzione, basilare per le idee di Cantor, comincia
ad apparire, peraltro in forma molto primitiva, solo alla ne del Seicento con i lavori
di Leibniz.
chiaro che lunione di un numero nito di insiemi numerabili a sua volta
numerabile, ma vale ben di pi:
Teorema 83 Lunione di uninnit numerabile di insiemi numerabili a sua volta
numerabile.
Dim. Indichiamo con
0
,
1
,
2
,. . . ,
a
, ... gli insiemi e con la loro unione.
Disponiamo visivamente gli elementi dei vari insiemi come segue:

0
= c
00
. c
01
. c
02
. . c
0a
.

1
= c
10
. c
11
. c
12
. . c
1a
.

2
= c
20
. c
21
. c
22
. . c
2a
.
e cos via. Chiamiamo ora altezza dei vari elementi c
i)
(che non sono altro che gli
elementi dellunione ) semplicemente la somma i+, dei suoi indici. Possiamo disporli
19
Laccennata possibilit alla base di parecchie storielle. Per esempio, lHotel del Paradiso ha
uninnit numerabile di stanze, numerate progressivamente 1, 2, 3, . In un certo momento sono
tutte occupate, ma si presenta un nuovo ospite. Come trovargli posto? Basta chiedere a tutti di
spostarsi nella stanza successiva (1 2, 2 3, 3 4, ecc.) ed ecco che si libera la stanza numero 1.
Si pu anche fare di meglio: chiedere a tutti di spostarsi nella stanza con il numero doppio di quella
attualmente occupata (1 2, 2 4, 3 6, ecc.) e si liberano innite stanze, le dispari.
20
Il passaggio si trova in un dialogo tra Sagredo, Salviati e Simplicio nella prima giornata.
188 CAPITOLO 7. FUNZIONI
in sequenza uttilizzando tali altezze e, quando due diversi elementi abbiano la stessa
altezza, nellordine determinato dal loro primo indice
21
. Si ottiene cos la sequenza
c
00
. c
01
. c
10
. c
02
. c
11
. c
20
. c
0S
. c
12
. c
21
. c
S0
. c
01
. ...
nella quale trovano posto tutti gli elementi di . B
Con un procedimento analogo si mostra che anche il prodotto cartesiano sia di
un numero nito sia di uninnit numerabile di insiemi numerabili numerabile. In
particolare ci signica che linsieme Q dei razionali numerabile. Scriviamo ogni
numero razionale come una frazione :,: con :. : interi naturali e gi ridotta ai
minimi termini, cio con : e : primi tra loro: per esempio 5 sar scritto 5,1 e non
potremo scrivere 6,4 o 12,8 ma solo 3,2. Basta ora dire altezza di :,: la somma
: + : e procedere esattamente come sopra, con la sola aggiunta di far precedere i
numeri negativi ai positivi di stessa altezza, per ottenere la sequenza
0
1
= 0
. .
altezza 1
.
1
1
= 1.
1
1
= 1
. .
altezza 2
.
1
2
.
2
1
= 2.
1
2
.
2
1
= 2
. .
altezza S
.
1
3
.
3
1
= 3.
1
3
.
3
1
= 3
. .
altezza 1
.
La propriet ora enunciata piuttosto sorprendente: i razionali sono ben di pi
dei naturali eppure esiste un modo di metterli reciprocamente in corrispondenza uno
a uno.
La potenza di N e di qualunque insieme numerabile si indica dabitudine con
22

0
ed detta potenza del numerabile. Possiamo quindi scrivere nel seguente modo la
notevole propriet dei razionali test provata:
Corollario 84 [Q[ =
0
.
A questo punto pu sorgere il sospetto che tutti gli insiemi inniti siano numerabili.
Il prossimo risultato mostra che non cos. Linsieme R dei reali non numerabile:
costituito cio da uninnit non numerabile, molto pi ricca di elementi di N.
Teorema 85 (Cantor) R non numerabile, ossia [R[
0
.
Presentiamo due diverse dimostrazioni. La prima classica, ma basata sulla rap-
presentazione decimale dei reali in (0. 1) che non abbiamo ancora studiato (si veda la
Sezione 11.7.1); la seconda si basa sulle successioni, che vedremo nel prossimo capitolo.
Lasciamo al lettore la scelta della propria dimostrazione preferita.
21
Ci equivale a prendere progressivamente i vari elementi lungo le diagonali discendenti della
tabella innita sopra indicata.
22
(aleph) la prima lettera dellalfabeto ebraico.
7.7. FUNZIONI BIIETTIVE E CARDINALIT 189
Dim. 1 suciente mostrare che [(0. 1)[
0
. Infatti, essendo (0. 1) _ R, ci
ovviamente implica la non numerabilit di R. Per prima cosa osserviamo che [(0. 1)[ _

0
. Infatti, linsieme
_
1
1 +:
: : N
_
ha la stessa cardinalit di N (stabilita dalla biiezione , (:) = 1,1 + :) ed inclusa in
(0. 1).
Poich [(0. 1)[ _
0
, per mostrare che [(0. 1)[
0
basta mostrare che (0. 1) non
numerabile, cio [(0. 1)[ ,=
0
. A tal ne, scriviamo tutti i numeri in (0. 1) ricorrendo
alla loro rappresentazione decimale: ogni r (0. 1) si scriver come
r = 0. c
0
c
1
c
a

con c
i
0. 1. .... 9, utilizzando sempre innite cifre (per esempio 3. 54 si scriver
3. 54000000 . . .).
Supponiamo per assurdo che (0. 1) sia numerabile: esisterebbe allora un modo di
ordinarli in sequenza
r
0
= 0. c
00
c
01
c
02
c
0S
c
0a

r
1
= 0. c
10
c
11
c
12
c
1S
c
1a

r
2
= 0. c
20
c
21
c
22
c
2S
c
2a

e cos via. Prendiamo ora il numero r = 0. d
0
d
1
d
2
d
S
d
a
cos costruito: la
sua generica cifra decimale d
a
diversa da c
aa
(ma senza inniti 9 per evitare il 9
periodico che, come sappiamo, non esiste autonomamente). Esso appartiene a (0. 1)
ma fatalmente non allelenco scritto sopra perch d
a
,= c
aa
(e quindi diverso dal
primo perch d
0
,= c
00
, dal secondo perch d
1
,= c
11
, ecc.). Se ne conclude che lelenco
scritto sopra non pu essere completo e perci i numeri di (0. 1) non si possono porre
in corrispondenza biunivoca con N. Lintervallo (0. 1) non quindi numerabile. B
Dim. 2 Procediamo per contraddizione supponendo che esista una funzione biiettiva
, : N R. Grazie a essa costruiamo per induzione due successioni r
a
e
a
tali
che
r
a1
< r
a
<
a
<
a1
(7.24)
per ogni :. In particolare, al primo passo si ponga , (1) < r
1
<
1
. Per induzione, si
supponga che al passo : si abbia r
a
<
a
. Si scelgano r
a1
e
a1
secondo la seguente
regola:
(i) se , (:) , (r
a
.
a
), allora si pone r
a
< r
a1
<
a1
<
a
;
(ii) se , (:) (r
a
.
a
), allora si pone , (:) < r
a1
<
a1
<
a
.
190 CAPITOLO 7. FUNZIONI
Le successioni cos denite soddisfanno la (7.24). Si ponga r = sup r
a
: : _ 1.
Si ha r R poich linsieme r
a
: : _ 1 superiormente limitato (per esempio,
1
ne
un maggiorante). Siccome , biiettiva, esiste :
a
N tale che , (:
a
) = r. Quindi,
r
ax
< , (:
a
) <
ax
il che implica r = , (:
a
) < r
a
x+1
<
a
x+1
<
ax
, ma ci contraddice
il fatto che r sia un estremo superiore. B
Linsieme R dei reali perci molto pi ricco di N e di Q. I numeri razionali, che
pure hanno, come s detto, un ritmo serrato, sono comparativamente pochissimi
rispetto ai reali: essi costituiscono una sorta di polvere nissima che si sovrappone ai
reali senza ricoprirli tutti ma risultando talmente ne da far s che tra due reali anche
vicinissimi ci siano inniti granelli di tale polvere.
La retta reale quindi un nuovo prototipo di insieme innito:
Denizione 53 Un insieme ha la potenza del continuo se si pu porre in corrispon-
denza biunivoca con linsieme R dei reali.
La potenza del continuo si indica con
1
. Anche in questo caso esistono sottoinsiemi
a prima vista molto pi piccoli di R che hanno la potenza del continuo. Vediamone
un esempio.
Proposizione 86 Lintervallo (0. 1) ha la potenza del continuo.
Dim. Nella prima dimostrazione del Teorema di Cantor si era mostrato che [(0. 1)[

0
. Si vuole ora mostrare che [(0. 1)[ =
1
. Per far ci occorre mostrare che i numeri
di (0. 1) si possono porre in corrispondenza biunivoca con quelli di R. La biiezione
, : R (0. 1) denita da
, (r) =
1
2 +[r[
mostra che, in eetti, tale il caso (come il lettore pu vericare). B
Si pu dimostrare che lunione o il prodotto cartesiano di un numero nito o di
uninnit numerabile di insiemi con la potenza del continuo ha, a sua volta, la potenza
del continuo. Ci ha la prossima notevole conseguenza
Teorema 87 R
a
ha la potenza del continuo per ogni : _ 1.
Si tratta di unaltra notevole sorpresa, gi nel caso speciale del piano R
2
, che pare
contenere molti pi punti di una retta. di fronte a risultati sorprendenti di questo
tipo che Cantor scrisse in una lettera a Dedekind lo vedo, ma non ci credo. In
realt, le sue intuizioni sulluso delle funzioni biiettive nello studio della cardinalit
degli insiemi inniti hanno aperto una nuova profonda area della Matematica, ricca
anche di implicazioni losoche.
7.7. FUNZIONI BIIETTIVE E CARDINALIT 191
7.7.2 Un vaso di Pandora
Le potenze
0
e
1
sono detti numeri cardinali inniti. La parte svolta dai numeri
naturali nel rappresentare la cardinalit degli insiemi niti ora svolta dai numeri
cardinali
0
e
1
per gli insiemi inniti N e R. Tant che i numeri naturali sono anche
chiamati numeri cardinali niti. I numeri cardinali
0. 1. 2. .... :. ....
0
.
1
(7.25)
rappresentano quindi la cardinalit degli insiemi prototipi
O. 1 . 1. 2 . .... 1. 2. .... : . .... N. R.
Guardando la (7.25) sorge spontaneo chiedersi se
0
e
1
siano gli unici numeri cardinali
inniti. Come vedremo tra breve, ci ben lungi dallesser vero. Ci apprestiamo infatti
a scoperchiare un vero e proprio vaso di Pandora (da cui per escono non mali ma
meraviglie).
Per far ci, indichiamo con 2

linsieme delle parti (o insieme potenza) di un


insieme qualsiasi , ossia linsieme
2

= 1 : 1 _
di tutti i suoi sottoinsiemi. La notazione 2

motivata dalla cardinalit dellinsieme


delle parti: infatti, se un insieme nito di cardinalit :, il suo insieme delle parti
ha 2
a
elementi, come mostra la seguente proposizione.
Proposizione 88 Se [[ = :, allora

= 2
a
.
Dim. Lanalisi combinatoria svela immediatamente che 2

contiene linsieme vuoto,


_
a
1
_
insiemi con un elemento,
_
a
2
_
insiemi con due elementi,...,
_
a
a1
_
insiemi con : 1
elementi e
_
a
a
_
= 1 insiemi con tutti gli : elementi. Quindi,

= 1 +
_
:
1
_
+
_
:
2
_
+... +
_
:
: 1
_
+
_
:
:
_
=
a

I=0
_
:
/
_
1
I
1
aI
= (1 + 1)
a
= 2
a
.
dove lultima eguaglianza ottenuta dalla formula di Newton per la potenza di un
binomio. B
Nel nito, si ha evidentemente

[[. La disuguaglianza continua a valere


anche per insiemi inniti, come vuole il
Teorema 89 (Cantor) Per ogni insieme , nito o innito, si ha

[[.
192 CAPITOLO 7. FUNZIONI
Dim. Siccome 2

, si ha [[ _ [2

[. Supponiamo, per assurdo, che sia [[ = [2

[.
Esiste allora una biiezione tra e 2

che ad ogni elemento c fa corrispondere un


elemento / = / (c) 2

e viceversa: c /. Si osservi che tale /, essendo elemento


di 2

, un sottoinsieme di . Consideriamo ora tutti gli elementi c tali che il


corrispondente sottoinsieme / (c) non contenga c e diciamo o linsieme di tali / (c):
esso evidentemente un sottoinsieme di . Consideriamo ora un generico elemento
c :
(i) se c , o, allora / (c) contiene c e quindi c o;
(ii) se c o, allora / (c) non contiene c e quindi c , o.
In ogni caso siamo giunti a un assurdo. Quindi [[ < [2

[. B
Il Teorema di Cantor ore un modo molto semplice per fare un salto di cardinalit
a partire da un dato insieme : basta considerarne linsieme delle parti 2

. Per
esempio,

2
R


1
, ma anche

2
2
R

[2
R
[, e cos via. Possiamo quindi costruire una
successione innita di insiemi di cardinalit sempre pi grande e perci rappresentata
da numeri cardinali via via maggiori, s da arricchire la (7.25) come
1. 2. .... :. ....
0
.
1
. ....
a
. ... . (7.26)
Ecco il vaso di Pandora di cui si diceva e che il Teorema 89 ha permesso di scoperchiare.
La vertiginosa (7.26) solo lincipit della teoria degli insiemi inniti, il cui studio, anche
solo introduttivo, ci porterebbe troppo lontano.
Prima di passare oltre, consideriamo per un ultimo celebre aspetto della teoria,
la cosiddetta ipotesi del continuo, di cui il lettore ha forse gi sentito parlare. Grazie
al Teorema 89, sappiamo che

2
N

[N[. Daltra parte, si ha anche [R[ [N[ per il


Teorema 85. Il prossimo risultato mostra che queste due disuguaglianze in realt si
riducono a una.
Teorema 90

2
N

= [R[.
La dimostrazione di questo notevole risultato rinviata alla Sezione 11.7, quando
il lettore avr a sua disposizione tutti gli strumenti matematici necessari.
Linsieme delle parti di N ha quindi la potenza del continuo. Lipotesi del continuo
aerma che non esiste alcun insieme tale che
[N[ < [[ < [R[ .
ossia che non esiste alcun insieme innito di cardinalit intermedia tra le potenze del
numerabile e del continuo. Un insieme che abbia cardinalit maggiore del numerabile
ha almeno la potenza del continuo.
La validit dellipotesi del continuo il primo tra i celebri problemi posti da David
Hilbert nel 1900 e rappresenta una delle questioni pi profonde della Matematica. Sia
7.7. FUNZIONI BIIETTIVE E CARDINALIT 193
come sia, con la notazione
1
= [R[, noi abbiamo implicitamente adottato tale ipotesi
perch essa giustica il considerare la potenza del continuo come il secondo numero
cardinale innito
1
dopo il primo
0
= [N[.
Lipotesi del continuo si pu quindi riformulare in modo suggestivo scrivendo

1
= 2

0
.
ossia il pi piccolo cardinale maggiore di
0
uguale alla cardinalit dellinsieme delle
parti di N o, equivalentemente, di qualsiasi insieme di cardinalit
0
(per esempio dei
razionali). Lipotesi generalizzata del continuo aerma che, per ogni :, si ha

a1
= 2
n
.
ossia che tutti i salti di cardinalit nella (7.26), e non solo il primo da
0
a
1
, si
ottengono sempre considerando gli insiemi delle parti. Quindi,

2
=

2
2
R

.
S
=

2
2
2
R

.
e cos via.
incredibile quale sia la profondit dei problemi aperti dalluso, al contempo rig-
oroso e intrepido (connubio tipico della grande Matematica e base della sua bellezza),
che Cantor ha fatto delle funzioni biiettive come principio fondamentale di similarit
tra insiemi rispetto alla loro numerosit
23
.
23
Il lettore curioso di approfondire le sue conoscenze di Teoria degli insiemi pu consultare P.
Halmos, Naive set theory, Van Nostrand, 1960 oppure P. Suppes, Axiomatic set theory, Van Nostrand,
1960.
194 CAPITOLO 7. FUNZIONI
Capitolo 8
Applicazione: funzioni di insieme e
probabilit
8.1 Misure
Sia 2
U
linsieme delle parti di un insieme qualsiasi nito = .
1
. .... .
a
, cio la
famiglia di tutti i sottoinsiemi di . Si ricordi dalla Proposizione 88 che la cardinalit
di 2
a
.
Denizione 54 Una funzione dinsieme j : 2
U
R una legge che associa un
numero reale j() ad ogni sottoinsieme di , con j(O) = 0.
Le funzioni di insieme sono quindi funzioni con dominio linsieme delle parti 2
U
e
codominio la retta reale.
Esempio 115 Sia = c. /. c un insieme di tre elementi. Si ha
2
U
= O. c . / . c . c. / , c. c , /. c , .
La funzione cos denita:
j(O) = 0 ; j(c) = 4 ; j(/) = 5 ; j(c) = 3
j(c. /) = 8 ; j(c. c) = 6 ; j(/. c) = 4 ; j() = 12
una funzione dinsieme. #
Esempio 116 Se la popolazione italiana, un sottoinsieme di rappresenta
un gruppo di italiani. Una semplice funzione di insieme la misura di conteggio
j : 2
U
R che conta il numero di componenti di ogni tale gruppo, cio
j() = [[ \ _
195
196 CAPITOLO 8. APPLICAZIONE: FUNZIONI DI INSIEME E PROBABILIT
Si noti che j(O) = [O[ = 0. Grazie ai dati dellultimo censimento, lISTAT ha deter-
minato che let di ogni italiano descritta dalla funzione c : R, sicch c(.)
let di . . La funzione dinsieme j : 2
U
R denita da
j() =
_ P
!2A
(.)
[[
se O , = _
0 se = O
indica let media di ogni gruppo di italiani. Per esempio, se linsieme delle
donne, j() la loro et media. Si noti come si sia dovuto denire separatamente
linsieme vuoto perch per esso il denominatore si annulla. #
Una funzione dinsieme j : 2
U
R detta:
(i) positiva se j() _ 0 per ogni ;
(ii) monotona se j() _ j(1) tutte le volte che _ 1;
(iii) additiva se j( ' 1) = j() +j(1) quando 1 = O;
(iv) normalizzata se j() = 1.
Il signicato di queste propriet molto intuitivo. Per esempio, la misura di conteg-
gio positiva, monotona e additiva; non invece normalizzata. La funzione dinsieme
dellet media positiva, ma non gode delle rimanenti propriet: la monotonia non vale
perch allargando un gruppo let media pu sia aumentare sia diminuire; ladditivit
non vale:
j( ' 1) =

.'1
c(.)
[ ' 1[
=

.
c(.) +

.1
c(.)
[[ +[1[
=

.
c(.)
[[ +[1[
+

.1
c(.)
[[ +[1[
<

.
c(.)
[[
+

.1
c(.)
[1[
= j() +j(1)
purch e 1 siano non vuoti; inne, ovvio che, in generale, j non normalizzata.
Una funzione dinsieme che soddis le propriet (i) e (iii) detta misura. La misura
di conteggio una misura, e ci ne spiega il nome; la funzione dinsieme dellet media
non invece una misura. La propriet (ii) di monotonia implicata dalle altre due:
Proposizione 91 Ogni misura monotona.
Dim. Per ogni . 1 _ con _ 1 i due insiemi 1 e 1 sono disgiunti. Si ha
allora
j() = j(( 1) ' 1) = j( 1) +j(1) _ j(1)
essendo j( 1) _ 0 per la positivit di j. B
8.2. PROBABILIT 197
8.2 Probabilit
Le misure che godono anche della propriet (iv), cio che sono normalizzate, sono dette
misure di probabilit (o, pi brevemente, probabilit). In altre parole, una funzione
dinsieme 1 : 2
U
R una probabilit su se:
(i) 1 () _ 0 per ogni ;
(ii) 1 ( ' 1) = 1 () +1 (1) quando 1 = O;
(iii) 1 (O) = 0 e 1 () = 1.
Indicheremo con 1 una misura di probabilit. Si noti che 1 () [0. 1]: la prob-
abilit di un insieme sempre compresa tra zero e uno. Per tale ragione nel seguito
scriveremo 1 : 2
U
[0. 1].
Le misure di probabilit sono di importanza fondamentale nelle applicazioni per-
ch sono lingrediente centrale in ogni modelizzazione dellincertezza. Linsieme =
.
1
. .... .
a
modella in tal caso tutti i possibili esiti nei quali si pu risolvere un fenom-
eno aleatorio: gli elementi .
i
sono detti stati del mondo o eventi elementari e il loro
insieme spazio degli stati. Tale spazio informa su quali potranno essere le possibili
conclusioni della situazione aleatoria che interessa descrivere.
Ogni sottoinsieme di , cio ogni elemento di 2
U
, detto evento: si tratta di un
insieme del quale, una volta risolta la situazione aleatoria, si potr dire che si o non
si vericato. In particolare O detto evento impossibile e evento certo.
Vediamo alcuni esempi di spazi di probabilit, che riprendono anche quelli gi visti
nelle Sezioni 2.4.1 e 7.2.1.
Esempio 117 Come visto nella Sezione 2.4.1, il lancio di una moneta determina due
soli stati del mondo:
= C. 1
Linsieme delle parti formato da quattro eventi: O. 1 . C . . Il lancio di due
monete determina quattro stati del mondo:
=
1

2
= C. 1 C. 1 = (C. 1) . (C. C) . (1. C) . (1. 1)
Linsieme delle parti costituito da sedici eventi. Per esempio,
= (1. 1) . (1. C)
levento la prima moneta ha mostrato testa, mentre
1 = (1. C) . (C. 1)
levento le due monete hanno mostrato facce diverse. #
198 CAPITOLO 8. APPLICAZIONE: FUNZIONI DI INSIEME E PROBABILIT
Esempio 118 (i) Il lancio di un dado determina sei stati del mondo:
= 1. 2. . . . . 6
Linsieme 2
U
costituito da 2
6
= 64 eventi; per esempio = 1. 3. 5 levento
uscita una faccia dispari.
(ii) Si estrae una pallina da unurna che ne contiene 100 numerate da 1 a 100.
Linsieme costituito da 100 stati del mondo. Per esempio = 1. 2. 3. 4. 5
levento si estratta una pallina con un numero _ 5. #
evidente che le probabilit
1 (.) = 1 (.) \.
degli stati del mondo determinano compiutamente 1 su tutto 2
U
. Infatti ogni evento
2
U
costituito da alcuni stati del mondo (che sono ovviamente disgiunti) e perci
1 () =

.
1 (.)
In particolare

.U
1 (.) = 1 () = 1.
Assegnare una probabilit su 2
U
equivale dunque ad assegnarne i valori sui soli stati
del mondo e perci essa pu essere sintetizzata semplicemente con il vettore 1 R
a

dato da
1 = (1 (.
1
) . 1 (.
2
) . . . . . 1 (.
a
))
ovvero
1 = (1
1
. 1
2
. . . . . 1
a
)
ponendo 1
i
= 1 (.
i
). Le misure di probabilit 1 : 2
U
[0. 1] si possono quindi
identicare con i vettori 1 R
a

tali che

a
i=1
1
i
= 1. Si tratta di unosservazione
tanto semplice quanto utile. Nel Capitolo 15 vedremo come linsieme dei vettori 1
R
a

sia un importante insieme di R


a

, chiamato simplesso.
Esempio 119 Consideriamo lo spazio di stati
= .
1
. .
2
. .
S
. .
1

Il vettore
1 = (1,4. 1,4. 1,6. 1,3) R
1
identica la probabilit 1 : 2
U
[0. 1] data da
1 (.
1
) = 1 (.
2
) =
1
4
. 1 (.
S
) =
1
6
. 1 (.
1
) =
1
3
e la probabilit degli altri dodici eventi si trova di conseguenza. #
8.2. PROBABILIT 199
Esempio 120 (i) Per il lancio di una moneta appare naturale prendere 1 (1) =
1 (C) = 1,2, cosicch
1 =
_
1
2
.
1
2
_
(ii) Per il lancio di un dado appare naturale prendere 1 (i) = 1,6 per ogni i, e
quindi
1 =
_
1
6
.
1
6
.
1
6
.
1
6
.
1
6
.
1
6
_
#
Vediamo alcune propriet della probabilit.
Teorema 92 Sia 1 una probabilit su 2
U
. Allora:
(i) 1 (
c
) = 1 1 ();
(ii) 1 ( ' 1) +1 ( 1) = 1 () +1 (1).
La propriet (i) aerma che la probabilit di un evento e del suo complementare
sommano 1. In altre parole, una volta determinata la probabilit di risulta au-
tomaticamente determinata quella dellevento complementare
c
. La propriet (ii)
generalizza ladditivit, che ne il caso particolare nel quale gli eventi e 1 sono
disgiunti, sicch 1 ( 1) = 0.
Dim. (i) e
c
sono disgiunti e '
c
= ; perci 1 () +1 (
c
) = 1 () = 1.
(ii) Visto che = ( 1) ' ( 1) e che 1 e 1 sono disgiunti, risulta
1 () = 1 ( 1) +1 ( 1) =1 ( 1) = 1 () 1 ( 1)
e analogamente
1 (1 ) = 1 (1) 1 ( 1) .
Ora si pu scrivere ' 1 = ( 1) ' (1 ) ' ( 1) e, essendo i tre eventi
disgiunti,
1 ( ' 1) = 1 ( 1) +1 (1 ) +1 ( 1)
= 1 () 1 ( 1) +1 (1) 1 ( 1) +1 ( 1)
= 1 () +1 (1) 1 ( 1)
B
200 CAPITOLO 8. APPLICAZIONE: FUNZIONI DI INSIEME E PROBABILIT
8.3 Variabili aleatorie
Riprendiamo la nozione di variabile aleatoria gi brevemente incontrata nella Sezione
7.2.1.
Denizione 55 Una funzione , : R denita sullo spazio degli stati detta
variabile aleatoria.
Le variabili aleatorie, che sono anche chiamate variabili casuali o numeri aleatori,
sono funzioni che a ogni stato del mondo associano un numero reale.
Esempio 121 (i) Si ricordi lesempio di scommessa della Sezione 7.2.1. In una pi
semplice scommessa il giocatore vince 50 euro se dal lancio di una moneta esce testa
e perde 50 euro se esce croce. La funzione cos denita
, (1) = 50 ; , (C) = 50 (8.1)
una variabile aleatoria che modella tale scommessa.
(ii) Limpianto di unazienda manifatturiera soggetto a tre tipi di guasti: di
piccola (c), media (/) e grossa (c) entit. Possiamo considerare quattro stati del
mondo:
= c. /. c. d
dove d = nessun guasto. Poniamo che il costo di riparazione dei tre tipi di guasto
sia rispettivamente 1.000, 3.000 e 10.000 euro e che, inoltre, essi causino uno, due o
cinque giorni di interruzione delle produzione con un mancato protto di 300 euro al
giorno. La variabile aleatoria , : R cos denita:
, (.) =
_

_
1.000 + 300 se . = c
3.000 + 2 300 se . = /
10.000 + 5 300 se . = c
0 se . = d
=
_

_
1.300 se . = c
3.600 se . = /
11.500 se . = c
0 se . = d
esprime la perdita dellazienda nei vari stati del mondo.
(iii) Il pagamento di un titolo nanziario (per esempio, unobbligazione) dipende
dal vericarsi degli stati del mondo di uno spazio di stati = .
1
. .... .
a
ed quindi
rappresentato da una variabile aleatoria , : R. *
Una variabile aleatoria , : = .
1
. .... .
a
R e una probabilit 1 : 2
U
[0. 1]
si combinano nel valor medio (o speranza matematica)
a

i=1
, (.
i
) 1 (.
i
) (8.2)
indicato con E
1
(,). In altre parole, il valore medio di , rispetto a 1 la somma
dei valori della variabile aleatoria nei diversi stati del mondo moltiplicati per le loro
probabilit. Si controlla subito che il valor medio lineare: se ,. q sono variabili
aleatorie, risulta E
1
(c, +,q) = cE
1
(,) +,E
1
(q) per ogni c. , R.
8.3. VARIABILI ALEATORIE 201
Esempio 122 (i) Se la probabilit 1 assegna egual probabilit 1,2 a testa e croce, il
valore atteso della scommessa (8.1)
E
1
(,) = , (1) 1 (1) +, (C) 1 (C) =
1
2
50 +
1
2
(50) = 0
Le scommesse con valor medio nullo sono dette eque.
(ii) Se la probabilit 1 degli stati = c. /. c. d sono 1 (c) = 1 (/) = 1 (d) = 1,5
e 1 (c) = 2,5, la perdita media dellazienda
E
1
(,) = , (c) 1 (c) +, (/) 1 (/) +, (c) 1 (c) +, (d) 1 (d)
= 1.300
1
5
+ 3.600
1
5
+ 11.500
2
5
+ 0
1
5
= 5.120
*
Visto che stiamo considerando solo insiemi niti di stati del mondo, = .
1
. .
2
. . . . . .
a
,
ogni variabile aleatoria su assume al pi : diversi valori
, (.
i
) = r
i
\i = 1. .... : (8.3)
(alcuni dei quali possono coincidere). Una variabile aleatoria pu allora essere sem-
plicemente identicata con il vettore di R
a
che ne elenca i valori:
r = (, (.
1
) . , (.
2
) . . . . . , (.
a
)) = (r
1
. r
2
. . . . . r
a
) (8.4)
Con questa notazione il valor medio il prodotto interno dei due vettori 1 e r:
E
1
(,) = 1 r =
a

i=1
1
i
r
i
Esempio 123 Siano = .
1
. .
2
. .
S
. .
1
. .

e r = (5. 10. 8. 6. 4). Possiamo inter-


pretare tale variabile aleatoria come unattivit nanziaria che paga 5 euro se si ver-
ica .
1
, 10 euro se si verica .
2
, 8 euro se si verica .
S
, 6 euro se si verica .
1
e 4
euro se si verica .

. Sia ancora
1 =
_
2
10
.
1
10
.
3
10
.
15
100
.
25
100
_
lassegnazione di probabilit. Il valor medio
E
1
(,) =
_
2
10
.
1
10
.
3
10
.
15
100
.
25
100
_
(5. 10. 8. 6. 4) =
63
10
il pagamento medio dellattivit ,. #
202 CAPITOLO 8. APPLICAZIONE: FUNZIONI DI INSIEME E PROBABILIT
I titoli nanziari sono un notevole esempio di variabili aleatorie. Il pagamento di
un titolo nanziario (per esempio, unobbligazione) dipende dal vericarsi degli stati
del mondo di uno spazio . Lattivit quindi rappresentata da una variabile aleatoria
, : R, dove , (.) il pagamento del titolo se si verica lo stato . .
Nella Sezione 3.7 si era introdotto uno spazio = .
1
. .... .
n
di possibili stati del
mondo che possono vericarsi al tempo 1, e i titoli erano stati modellati come vettori
= (
1
. ...
n
) (8.5)
di R
n
dove
I
il pagamento del titolo qualora si verichi lo stato .
i
. Alla luce
della (8.3) ci del tutto coerente col considerare il titolo come variabile aleatoria:
infatti, se denotiamo con

i
= , (.
i
)
il valore che assume in .
i
, per i = 1. . . . . :, il titolo pu essere identicato con il
vettore in R
n
che ne elenca i vari possibili pagamenti nali, cio col vettore (8.5) che
un esempio di scrittura (8.4).
La rappresentazione come vettori dei titoli spesso molto utile, come dimostra
lanalisi della Sezione 3.7. Non si deve per mai dimenticare la loro natura di variabili
aleatorie.
OfB. Il lettore attento avr anche osservato come tutto ci mostri che i vettori di uno
spazio euclideo R
n
si possano vedere come funzioni a valori reali denite su un insieme
nito di cardinalit :. In corsi successivi losservazione sar di grande importanza. *
8.4 Probabilit semplici
La coppia (. 1) formata da uno spazio di stati del mondo e da una misura di proba-
bilit si dice spazio di probabilit. Esso descrive come lincertezza si pu risolvere e con
quali probabilit. Per ssare le idee sinora abbiamo considerato spazi di probabilit
con niti. Lestensione a spazi qualunque , per fortuna, ovvia:
Denizione 56 Una funzione di insieme 1 : 2
U
R si dice misura di probabilit
su se:
(i) 1 () _ 0 per ogni ;
(ii) 1 ( ' 1) = 1 () +1 (1) quando 1 = O;
(iii) 1 (O) = 0 e 1 () = 1.
Quanto visto sinora il caso speciale di nito.
Esempio 124 Se = R
a
, la misura di probabilit 1 : 2
R
n
[0. 1] assegna a ogni
sottoinsieme di R
a
la probabilit 1 (). #
8.4. PROBABILIT SEMPLICI 203
La nozione di variabile aleatoria non presenta alcuna novit quando innito:
esse sono sempre funzioni , : R che a ogni stato del mondo . associano
la conseguenza , (.). Vi , tuttavia, unimportante complicazione: denire il valor
medio su spazi di cardinalit qualunque presenta sostanziali dicolt, che volentieri
lasciamo a corsi successivi (di Teoria della misura e integrazione). Per evitare tali
problemi, dobbiamo restringerci alla seguente classe di misure di probabilit.
Denizione 57 Una misura di probabilit 1 : 2
U
[0. 1] si dice semplice se esiste
un evento nito 1 _ tale che
1 (1) = 1
Bench denite su spazi di cardinalit qualunque, le probabilit semplici concen-
trano tutta la loro probabilit su un sottoinsieme nito di stati. Infatti, 1 ( 1) =
1 () 1 (1) = 1 1 = 0.
Esempio 125 Se = R, la probabilit 1 : 2
R
[0. 1] tale che 1 (2) = 1,3 e
1 (:) = 2,3 una probabilit semplice su R. #
Tutte le probabilit sono semplici quando nito; il converso per del tutto
falso: come vedremo tra breve, esistono probabilit semplici molto importanti che sono
denite su spazi inniti. In altre parole, bench concentrino la probabilit su un evento
nito, le probabilit semplici formano unimportante classe di misure di probabilit su
spazi di cardinalit qualunque.
Sia dunque 1 una probabilit semplice su di cardinalit qualunque. Linsieme
. : 1 (.) 0
degli stati con probabilit strettamente positiva si dice supporto di 1, indicato con
supp 1. Il supporto formato dagli stati che eettivamente la misura di probabilit
ritiene possibili: gli stati al di fuori del supporto hanno probabilit nulla.
Lemma 93 Il supporto un insieme nito di probabilit uno.
Dim. Sia 1 una probabilit semplice. Per denizione esiste un evento nito 1 tale
che 1 (1) = 1. Quindi, 1 (.) = 0 se . , 1, il che implica supp 1 _ 1. Ne segue
che supp 1 un insieme nito. Inoltre, gli stati di 1 che non appartengono a supp 1
hanno probabilit zero, cio 1 (.) = 0 se . 1 supp 1. Grazie alladditivit ci
implica 1 (1 supp 1) = 0, sicch
1 = 1 (1) = 1 (supp 1 ' (1 supp 1)) = 1 (supp 1)+1 (1 supp 1) = 1 (supp 1)
come desiderato. B
204 CAPITOLO 8. APPLICAZIONE: FUNZIONI DI INSIEME E PROBABILIT
Quindi, supp 1 un insieme nito e 1 (supp 1) = 1. Da ci segue che dato un
evento qualsiasi
1 () = 1 ( supp 1) =

.supp 1
1 (.)
In altre parole, la probabilit di un evento la somma delle probabilit degli stati
del supporto che esso contiene.
La nozione di supporto permette di estendere in modo naturale la nozione di valor
medio a probabilit semplici:
Denizione 58 Il valor medio di una variabile aleatoria , : R rispetto a una
probabilit semplice 1 dato da
E
1
, =

.supp 1
, (.) 1 (.)
Il valor medio considera la variabile aleatoria solo sugli stati del supporto, som-
mandone i valori pesati per le rispettive probabilit. Quando nito si ritrova la
nozione di valor medio (8.2) dellultima sezione.
Esempio 126 Secondo la probabilit 1 : 2
R
[0. 1] dellultimo esempio, il valor
medio di una variabile aleatoria , : R R
E
1
, = , (2) 1 (2) +, (:) 1 (:) = , (2)
1
3
+, (:)
2
3
#
Chiudiamo con una nota terminologica: nel seguito uno spazio di probabilit (. 1)
si dir semplice se la probabilit 1 semplice.
8.5 Utilit attesa
In ambito deterministico le preferenze _ di un decisore tra le diverse alternative di
un insieme di scelta _ R
a
sono descritte da una funzione di utilit n : R.
Sinora abbiamo assunto che fosse un sottoinsieme di R
a
, dove con : = 1 di solito si
descrivono importi monetari e con : 1 panieri di beni. Ma in linea di principio gli
elementi di possono essere di natura assolutamente arbitraria. Per tale ragione, nel
seguito lo indicheremo con la lettera (, sicch n : ( R la funzione di utilit, di cui
diamo in questa sezione uninterpretazione cardinalista: n(c) misura la soddisfazione
dellagente proveniente dalla conseguenza c (.
Lincertezza rende aleatorie le alternative, il cui risultato non pi certo ma ,
invece, legato al vericarsi degli stati del mondo. Per esempio, mentre in ambito
8.5. UTILIT ATTESA 205
deterministico lagente considerava diversi importi monetari secondo una funzione di
utilit n : ( _ R R, lincertezza gli richiede di poter considerare titoli nanziari
che pagano importi monetari diversi a seconda di quale stato del mondo si verichi.
In altre parole, linsieme ( diventa ora la collezione delle possibili conseguenze che le
alternative aleatorie possono avere nei vari stati in . Tutto ci motiva la seguente
denizione:
Denizione 59 Una funzione , : ( detta atto.
Nel caso ( _ R di consequenze monetarie, ritroviamo la nozione di variabile aleato-
ria, qui interpretata come atto monetario (ossia come alternativa aleatoria che associa
importi di denaro ai diversi stati del mondo). Naturalmente, i titoli nanziari sono
lesempio fondamentale di atto monetario.
Sia T linsieme di tutti gli atti , : (. La preferenza _ del decisore ora su
T: la scrittura , _ q indica che egli preferisce latto , allatto q. La coppia (T. _)
rappresenta un problema di decisione in condizioni di incertezza.
Come rappresentiamo le preferenze _ dellagente tra le alternative aleatorie in T?
In altre parole, come estendiamo la funzione di utilit n : ( R sulle conseguenze a
un criterio di scelta \ : T R sugli atti? Vi , per fortuna, una risposta semplice e
naturale a tale fondamentale questito: si ordinano gli atti in base alla loro cosiddetta
utilit attesa, cio al valor medio delle utilit degli importi:
E
1
n(,) =

.supp 1
n(, (.)) 1 (.) (8.6)
dove 1 una probabilit semplice sugli stati del mondo. In altre parole, si pone
\ (,) = E
1
n(,) \, T
Secondo il Criterio dellutilit attesa, introdotto nel 1738 da Daniel Bernoulli, si ha
, _ q ==E
1
n(,) _ E
1
n(q)
cio un atto preferito quando, in media, procura utilit maggiore. Ne consegue che
, e q sono indierenti se e solo se E
1
n(,) = E
1
n(q).
La funzione n in (8.6) detta utilit Bernoulliana, in onore di Daniel Bernoulli. Nel
caso ( _ R di consequenze monetarie, classici esempi di tali funzioni sono la lineare
n(c) = c, la quadratica n(c) = c
2
, la potenza n(c) = c

con 0 < < 1, lesponenziale


negativa n(c) = c
c
e la logaritmica n(c) = log c (questultima fu la funzione di
utilit originariamente proposta da Bernoulli). Secondo tali funzioni lutilit attesa
E
1
n(,)
a

i=1
c
i
1
i
;
a

i=1
c
2
i
1
i
;
a

i=1
c

i
1
i
;
a

i=1
c
c
i
1
i
;
a

i=1
log (c
i
) 1
i
206 CAPITOLO 8. APPLICAZIONE: FUNZIONI DI INSIEME E PROBABILIT
In particolare, nel caso di utilit lineare lutilit attesa
E
1
n(,) =
a

i=1
c
i
1
i
si dice valore atteso.
Una propriet molto naturale delle funzioni di utilit del denaro la stretta crescen-
za
c c
t
==n(c) n (c
t
)
che assegna maggior utilit a maggiori quantit di denaro. Le utilit lineari ed espo-
nenziali negative soddisfano tale propriet su tutta la retta reale e possono quindi
considerare sia guadagni sia perdite. Per esempio la scommessa equa (8.1) ha utilit
attesa zero secondo lutilit lineare, mentre ha utilit attesa
E
1
n(,) =
1
2
_
c
0
_
+
1
2
_
c
0
_
=
1
2
_
c
0
+c
0
_
secondo lesponenziale negativa. Al contrario, lutilit quadratica strettamente monotona
solo su [0. ), ossia per importi positivi. Inne, lutilit logaritmica per sua natura
pu considerare solo importi strettamente positivi, mentre lutilit potenza solo importi
positivi.
8.6 Lotterie
Sia (. 1) uno spazio di probabilit qualsiasi. Consideriamo un atto , : ( che
ad ogni stato associa una conseguenza (per esempio monetaria quando , un titolo
nanziario).
Dato c (, la curva di livello
,
1
(c) = . : , (.) = c
raccoglie tutti gli stati che, tramite la variabile aleatoria ,, hanno c come conseguenza.
Nel caso di un titolo nanziario, ,
1
(c) linsieme degli stati dove il titolo paga la
somma c (.
La curva di livello ,
1
(c) un evento, ossia un sottoinsieme di . In quanto tale
si verica con probabilit
1
_
,
1
(c)
_
In altre parole, la variabile aleatoria , fa s che la conseguenza c si verichi con
probabilit 1 (,
1
(c)).
Pi in generale, dato un insieme di conseguenze 1 _ ( la sua controimmagine
,
1
(1) linsieme
,
1
(1) = . : , (.) 1
8.6. LOTTERIE 207
degli stati le cui conseguenze secondo , appartengono a 1. Per un titolo nanziario,
se 1 per esempio un intervallo [c. /] la controimmagine ,
1
([c. /]) linsieme degli
stati dove il titolo paga la somma che appartiene allintervallo.
Anche la controimmagine ,
1
(1) un evento, con probabilit
1
_
,
1
(1)
_
La variabile aleatoria , fa s che la conseguenza c appartenga allinsieme 1 con
probabilit 1 (,
1
(1)).
Tutto ci porta a considerare la funzione dinsieme j
)
: 2
t
[0. 1] denita da
j
)
(1) = 1
_
,
1
(1)
_
\1 _ (
che assegna una probabilit a ogni insieme di conseguenze 1. Grazie alla Denizione
56 possiamo rendere rigoroso tutto ci.
Lemma 94 La funzione di insieme j
)
: 2
t
[0. 1] denita da
j
)
(1) = 1
_
,
1
(1)
_
\1 _ (
una misura di probabilit su (. Essa semplice se la probabilit 1 semplice.
Dim. Le propriet (i) e (iii) della Denizione 56 sono conseguenze del fatto che 1
una misura di probabilit su e che ,
1
(() = e ,
1
(O) = O.
Per la (ii), siano C e 1 due sottoinsiemi disgiunti di (. Poich ,
1
(C),
1
(1) = O
e ,
1
(C ' 1) = ,
1
(C) ' ,
1
(1), si ha
j
)
(C ' 1) = 1
_
,
1
(C ' 1)
_
= 1
_
,
1
(C) ' ,
1
(1)
_
= 1
_
,
1
(C)
_
+1
_
,
1
(1)
_
= j
)
(C) +j
)
(1)
come desiderato.
Rimane da mostrare la semplicit di j
)
quando 1 semplice. Poich il supporto
di 1 nito, la sua immagine , (supp 1) = , (.) : . supp 1 un insieme nito
in (. Per semplicit di notazione, si ponga = , (supp 1). Si ha
j
)
() = 1
_
,
1
()
_
= 1 (. : , (.) ) = 1 (supp 1) = 1
e quindi limmagine prende le parti dellinsieme 1 nella Denizione 57. Ne segue
che j
)
una probabilit semplice. B
La probabilit j
)
si dice probabilit o lotteria
1
indotta da , su (. La nozione molto
importante di per s, come vedremo nel resto della sezione. Ma anche importante dal
punto di vista metodologico perch mostra la generalit della Denizione 56: bench
gli elementi di ( non siano stati di natura ma conseguenze, tale denizione si applica
e permette di parlare di probabilit anche delle conseguenze
2
.
1
Il termine lotteria ricorda le origini del Calcolo delle probabilit, che nacque verso la met del
Seicento con lo studio dei giochi dazzardo.
2
qui quantomai importante che il lettore vada oltre i simboli, in questo caso piuttosto che (,
e aerri lessenza matematica delle nozioni.
208 CAPITOLO 8. APPLICAZIONE: FUNZIONI DI INSIEME E PROBABILIT
Esempio 127 Riprendendo lEsempio 121, dove ( = R, la misura di probabilit
indotta j
)
: 2
R
[0. 1] con
j
)
(1.300) = 1 (c) ; j
)
(3.600) = 1 (/)
j
)
(11.500) = 1 (c) ; j
)
(0) = 1 (d)
descrive la probabilit delle perdite dellazienda dellEsempio 121. #
Esempio 128 La lotteria indotta da un titolo nanziario descrive le probabilit dei
diversi pagamenti del titolo. #
La lotteria j
)
informa su quali siano le probabilit delle varie conseguenze che latto
, determina. Atti diversi , : R e q : R possono indurre le stesse lotterie,
cio j
)
= j
j
, come mostra il prossimo semplice esempio.
Esempio 129 Si lancia una moneta. Le due scommesse
, (.) =
_
10 euro se . = 1
0 euro se . = C
; q (.) =
_
0 euro se . = 1
10 euro se . = C
sono due atti monetari su = 1. C. Se la probabilit 1 attribuisce probabilit 1,2
sia a 1 sia a C, si ha
j
)
(c) = j
j
(c) =
_

_
1
2
se c = 10
1
2
se c = 0
0 altrimenti
e quindi , e q inducono la stessa lotteria. #
Bench la lotteria j
)
contenga informazioni essenziali sullatto ,, lesempio mostra
quali informazioni si perdono trascrivendo un atto come lotteria: non si sa pi qual
la conseguenza vinta nei vari stati del mondo, ma solo con quale probabilit essa
vinta. Nellesempio precedente, entrambe le scommesse si trascrivono con la stessa
probabilit sulle conseguenze cosicch non possibile sapere in quali casi si vincono
10 o 0 euro. Pi in generale, solo la conoscenza dellatto e dello spazio di probabilit
sottostante consente di capire la genesi delle probabilit che la lotteria assegna alle
diverse conseguenze: dal punto di vista della lotteria tali probabilit sono del tutto
esogene.
Quanto visto sinora, e in particolare la Denizione 94, vale per spazi di probabilit
(. 1) qualsiasi. per giunto il momento di considerare i valor medi e dobbiamo
quindi restringerci al caso di spazi di probabilit semplici perch, grazie al Lemma 94,
essi garantiscono che le probabilit indotte siano anchesse semplici.
8.6. LOTTERIE 209
Sia dunque (. 1) uno spazio di probabilit semplice e sia ( un insieme di con-
seguenze. Dato qualsiasi atto , : (, la probabilit indotta j
)
semplice ed
quindi ben denito il valor medio
E
j
f
(n) =

csupp j
f
j
)
(c) n(c)
della funzione di utilit n : ( R.
3
Il prossimo risultato fondamentale:
Teorema 95 Sia (. 1) uno spazio di probabilit semplice e sia ( un insieme di
conseguenze. Per ogni atto , : ( si ha
E
j
f
(n) = E
1
(n ,)
cio

csupp j
f
j
)
(c) n(c) =

.supp 1
n(, (.)) 1 (.) (8.7)
In altre parole, lutilit attesa E
1
(n ,) dellatto , rispetto alla probabilit di
base 1 uguale al valor medio E
j
f
(n) della funzione di utilit rispetto alla probabilit
indotta. Per tale ragione il valor medio E
j
f
(n) si dice utilit attesa della lotteria j
)
.
Dim. Poich 1 semplice, possiamo porre supp 1 = .
1
. .... .
a
. Si ponga c
i
= , (.
i
)
per ogni i, cio , (supp 1) = c
1
. .... c
a
. Supponiamo, per semplicit, che i valori c
i
siano distinti tra loro
4
. Ci implica
j
)
(c
i
) = 1
_
,
1
(c
i
)
_
= 1 (.
i
) 0 \i = 1. .... :
mentre j
)
(c) = 0 se c , , (supp 1). Ne segue che
supp j
)
= , (supp 1) = c
1
. .... c
a

e quindi:

.supp 1
n(, (.)) 1 (.) =
a

i=1
n(, (.
i
)) 1 (.
i
) =
a

i=1
n(c
i
) j
)
(c
i
) =

csupp j
f
1 (c) n(c)
come desiderato. B
Il teorema conferma limportanza delle lotterie: equivalente ordinare secondo lu-
tilit attesa gli atti o le lotterie indotte. Per lutilit attesa contano solo le conseguenze
che gli atti determinano e le probabilit con le quali si vericano. In altri termini, la
lotteria j
)
distilla dallatto , tutte le informazioni rilevanti per lutilit attesa.
Del resto, ragionevole che di un titolo nanziario interessi i pagamenti e le prob-
abilit con i quali essi si vericheranno e nullaltro. Due titoli nanziari che inducono
la stessa probabilit sui pagamenti sono indistinguibili dal punto di vista economico.
3
Il lettore attento avr gi osservato che, dal punto di vista formale, la funzione di utilit n : ( R
una variabile aleatoria sullo spazio di probabilit ((, j
f
).
4
Se ci non fosse, basterebbe raggruppare gli stati che hanno uguali conseguenze secondo ) e
ripetere la dimostrazione per la partizione del supporto cos costruita. Lasciamo i dettagli al lettore
interessato.
210 CAPITOLO 8. APPLICAZIONE: FUNZIONI DI INSIEME E PROBABILIT
8.7 Atti o lotterie?
Alla luce di quanto appena discusso, nelle applicazioni spesso si considerano diretta-
mente le lotterie, senza specicare quali atti e spazi di probabilit le inducano. Un
titolo nanziario si descrive con una lotteria j su R, senza pi pedice che ci ricordi
latto , che la induce. In altre parole, le probabilit dei vari pagamenti sono specicate
in modo esogeno, senza alcuna modellizzazione della loro possibile genesi.
Esempio 130 La lotteria j su R tale che j (10) = j (50) = 1,2 descrive un titolo
nanziario che paga con egual probabilit 10 e 50 euro. #
In generale, dato un insieme ( di conseguenze, sia (() linsieme delle lotterie su
( con supporto nito. Consideriamo un decisore che ha una preferenza _ su (():
qui la scrittura j _ indica che egli preferisce la lotteria j alla lotteria . La coppia
((() . _) rappresenta un problema di decisione in condizioni di rischio. Lincertezza
espressa da una lotteria quindi chiamata rischio.
Secondo il Criterio dellutilit attesa:
j _ ==E
j
n(c) _ E
q
n(c)
ossia le lotterie j. (() si ordinano secondo le loro utilit attese.
Esempio 131 Consideriamo la lotteria j dellultimo esempio e la lotteria su R tale
che (5) = 1,3, (20) = 1,6 e (75) = 1,2 descrive un altro titolo nanziario, che
paga 5 euro con probabilit 1,3, 20 euro con probabilit 1,6 e 75 euro con probabilit
1,2. Il titolo nanziario j preferito al titolo se e solo se
n(10)
1
2
+n(50)
1
2
_ n(5)
1
3
+n(20)
1
6
+n(75)
1
2
#
Luso delle lotterie ha un altro importante vantaggio. Supponiamo di dover con-
siderare titoli nanziari quotati su mercati diversi, per esempio un titolo americano
, : R e un titolo europeo q :
t
R. La diversit dei mercato fa s che gli
spazi di probabilit (. 1) e (
t
. 1
t
) rilevanti per i due titoli sono diversi. Tuttavia, le
lotterie j
)
e j
t
j
che esse inducono vivono sul medesimo spazio di conseguenze R, cio
appartengono entrambe allo spazio delle lotterie (R), il che permette di confrontare
le loro utilit attese E
j
f
n(c) e E
j
0
g
n(q) e ordinarle di conseguenza. Risulta perci par-
ticolarmente comodo dal punto di vista modellistico descrivere tali titoli come lotterie
su R, senza specicare gli atti e spazi di probabilit sottostanti.
Detto ci, lesogeneit delle probabilit j (c) che caratterizza i problemi di decisione
in condizioni di rischio , al contempo, la forza e il limite di tale approccio. La forza
nella semplicit di una lotteria j (() rispetto alla specicazione di uno spazio
di probabilit (. 1) e di un atto , : ( i quali, oltretutto, possono essere diversi
8.7. ATTI O LOTTERIE? 211
come appena visto per i titoli quotati su mercati diversi. Grazie alla (8.7), lutilit
attesa la stessa: la lotteria ha in s tutto ci che rilevante per tale criterio.
Daltro canto, lEsempio 129 mostra quali informazioni si perdono considerando
solo le lotterie j ((). In particolare, solo la specicazione dello spazio di probabil-
it e degli atti permette di dar conto della genesi delle probabilit j (c), che le lotterie
j (() prendono invece a scatola chiusa. La modelizzazione con spazi di probabilit
e atti quindi pi impegnativa, ma anche molto pi informativa.
Riassumendo, vi un trade-o tra il modellare un problema di scelta aleatorio
come problema di decisione in condizioni di incertezza piuttosto che di rischio, ossia
con atti e non con lotterie. In alcuni casi la semplicit delle lotterie le rende la scelta
naturale, in altri casi invece la maggior completezza degli atti a essere rilevante. Sia
come sia, importante capire entrambe le possibili modelizzazione e, soprattutto, i loro
strettissimi legami: dietro la coppia ((() . _) vi sempre un problema di decisione
in condizioni di incertezza, sia esso esplicitamente modellato o meno. Tale coppia la
forma ridotta del pi generale problema di decisione in condizioni di incertezza che
la sottende.
212 CAPITOLO 8. APPLICAZIONE: FUNZIONI DI INSIEME E PROBABILIT
Capitolo 9
Successioni
9.1 Il concetto
Una successione un elenco di inniti numeri reali, per esempio
2. 4. 6. 8. ... . (9.1)
dove ogni numero occupa un posto dordine, cio segue (eccetto il primo) e precede
un altro numero reale. La prossima denizione formalizza lidea. Con N

indichiamo
linsieme dei naturali privato dello 0.
Denizione 60 Una funzione , : N

R si dice successione di numeri reali.


In altre parole, una successione una funzione che associa a ogni numero naturale
: _ 1 un numero reale , (:). Nellesempio (9.1), a ogni : si associa , (:) = 2:, ossia
: 2:. (9.2)
e si ha cos la successione dei numeri pari. Limmagine , (:) si indica di solito con
r
a
. Con tale notazione, la successione dei numeri pari si denisce ponendo r
a
= 2:
per ogni : _ 1. Le immagini r
a
sono chiamate termini (o elementi ) della successione.
Indicheremo con r
a

o
a=1
, o brevemente con r
a
, una generica successione
1
.
Vi sono vari modi per denire una successione r
a
, ossia per descrivere la sot-
tostante funzione , : N

R. Un primo modo descriverla in forma chiusa, cio


attraverso una formula: per esempio, quanto abbiamo fatto con la successione dei
pari usando la formula (9.2) per denirla. Altre formule denitorie sono per esempio
: 2: 1. (9.3)
: :
2
. (9.4)
:
1
_
2
a1
. (9.5)
1
La scelta di far partire la successione da : = 1 invece di : = 0 una mera convenzione. In
contesti dove risultasse pi ecace partire da : = 0, perfettamente legittimo considerare successioni
r
n

1
n=0
.
213
214 CAPITOLO 9. SUCCESSIONI
La formula (9.3) d luogo alla successione dei numeri interi dispari
1. 3. 5. 7. . (9.6)
la formula (9.4) a quella dei quadrati
1. 4. 9. 16. .
mentre la (9.5) denisce la successione
_
1.
1
_
2
.
1
_
4
.
1
_
8
.
_
. (9.7)
Un altro modo importante per denire una successione per ricorrenza (o induzione
o ricorsione). Consideriamo la classica successione di Fibonacci
0. 1. 1. 2. 3. 5. 8. 13. 21. 34. 55.
nella quale ogni termine la somma dei due che lo precedono. Per esempio, nella
quarta posizione troviamo il numero 2, ovvero la somma 1 + 1 dei due termini che lo
precedono, e cos via. La sottostante funzione , : N

R quindi
_
, (1) = 0 ; , (2) = 1
, (:) = , (: 1) +, (: 2) per : _ 2
(9.8)
Abbiamo quindi due valori iniziali, , (1) = 0 e , (2) = 1, e una regola ricorsiva che
permette di calcolare il termine di posizione : una volta che siano noti i due termini
precedenti. A dierenza delle successioni denite attraverso una formula chiusa, per
determinare il termine r
a
, si devono ora preventivamente costruire, usando la regola
ricorsiva, tutti termini che lo precedono. Per esempio, per calcolare il termine r
100
nella
successione (9.6) dei dispari, basta sostituire : = 100 nella formula (9.3), trovando
cos r
100
= 199. Invece, per calcolare il termine r
100
nella successione di Fibonacci si
devono necessariamente dapprima ricostruire per ricorrenza i primi 99 termini della
successione. Infatti, vero che per determinare r
100
basta conoscere i valori di r
99
e
r
9S
e poi usare la regola r
100
= r
99
+r
9S
, ma per determinare r
99
e r
9S
si devono prima
conoscere r
97
e r
96
, e cos via.
Quindi, la denizione ricorsiva di una successione consta di uno o pi valori iniziali
e di una regola di ricorrenza che, a partire da essi, permette di costruire i vari termini
della successione. I valori iniziali sono arbitrari. Per esempio, se in (9.8) scegliamo
, (1) = 2 e , (2) = 1 abbiamo la seguente successione di Fibonacci
2. 1. 3. 4. 7. 11. 18. 29. 47.
Esempio 132 Fissati c. / R qualsiasi,
_
, (1) = c
, (:) = , (: 1) +/ per : _ 2
.
9.1. IL CONCETTO 215
Il valore iniziale , (1) = c, a partire dal quale si pu ricostruire tutta la successione
attraverso la formula ricorsiva , (:) = , (: 1) + /. Tale successione chiamata
aritmetica con primo termine c e ragione /. Per esempio, se c = 2 e / = 4, si ha
2. 6. 10. 14. 18. 22. .
. #
Esempio 133 La successione con r
a
= 1,:, cio
_
1.
1
2
.
1
3
.
1
4
.
1
5
.
_
detta armonica
2
, mentre la successione con r
a
= c
a1
, cio
_
c. c. c
2
. c
S
. c
1
.
_
detta geometrica di primo temine c e ragione . #
Purtroppo non tutte le successioni si possono descrivere in forma chiusa o ricorsiva.
Lesempio pi noto in proposito la successione j
a
dei numeri primi, che innita
per il Teorema 14 di Euclide, ma della quale non si conosce alcuna descrizione esplicita.
In particolare:
(i) Dato : non si conosce alcuna formula che ci dica qual j
a
; in altre parole, la
successione j
a
non denibile in forma chiusa.
(ii) Dato j
a
non si conosce alcuna formula che ci dica qual j
a1
; in altre parole, la
successione j
a
non denibile per ricorrenza.
La situazione in realt ancor pi triste:
(iii) Dato un numero primo j qualsiasi non si conosce alcuna formula che ci dia un
numero primo maggiore di j; in altre parole, la conoscenza di un numero primo
non d alcuna informazione sui numeri primi successivi.
Non si ha quindi la bench minima idea su come i numeri primi si susseguono,
cio di quale sia la forma della funzione , : N

R che denisce tale successione.


Non ci resta che considerare via via tutti i naturali e determinare, ad uno ad uno, se
sono primi o composti attraverso i cosiddetti test di primalit cui si accennato nella
Sezione 1.3. Avendo a disposizione leternit potremo costruire, termine per termine,
la successione j
a
. Pi modestamente, nel breve tempo intercorso tra Euclide e noi
si sono costruite tavole di numeri primi che riportano i termini della successione j
a

2
detta armonica perch 1,2, 1,3, 1,4, sono le posizioni nelle quali mettere un dito su una
corda vibrante per ottenere le diverse note.
216 CAPITOLO 9. SUCCESSIONI
no a numeri ormai molto elevati per noi, ma pur sempre inizie rispetto allinnit di
tutti i numeri primi.
OfB Circa losservazione (iii), per secoli si cercata una regola che, dato un numero
primo j, permettesse di trovarne uno pi grande j secondo una funzione = ,(j).
Un celebre esempio di tale ricerca dato dai numeri primi di Mersenne. Un numero
primo si dice di Mersenne se pu essere scritto nella forma 2
j
1 con j primo. Si pu
mostrare che se 2
j
1 primo, allora anche j lo . Per secoli si creduto (o sperato)
che valesse il, ben pi interessante, converso: j primo implica 2
j
1 primo. Tale
congettura fu denitivamente smentita nel 1536 quando Hudalricus Regius dimostr
che
2
11
1 = 2047 = 23 89.
trovando quindi il primo controesempio a tale congettura: j = 11 non la soddisfa. In
ogni caso i numeri di Mersenne sono tra i pi importanti numeri primi. In particolare,
il pi grande numero primo noto al 2010
2
1S112609
1
che ha 12837064 cifre ed un numero di Mersenne (la cui primalit stata determinata
nel 2008). *
9.2 Lo spazio delle successioni
Indichiamo con R
o
lo spazio di tutte le successioni r = r
a
di numeri reali
3
. In-
dichiamo quindi con r un generico elemento di R
o
che, scritto in forma estesa,
diventa
r = r
a
= r
1
. r
2
. . . . . r
a
. . . . .
Le operazioni viste sulle funzioni nella Sezione 7.3.2 hanno come caso particolare
le operazioni sulle successioni, ossia tra elementi dello spazio R
o
. In particolare, date
due successioni r = r
a
e =
a
in R
o
, si hanno:
(i) la successione somma (r +)
a
= r
a
+
a
per ogni : _ 1;
(ii) la successione dierenza (r )
a
= r
a

a
per ogni : _ 1;
(iii) la successione prodotto (r)
a
= r
a

a
per ogni : _ 1;
(iv) la successione rapporto (r,)
a
= r
a
,
a
per ogni : _ 1, purch
a
,= 0.
3
Talvolta si ha a che fare con insiemi di vettori di lunghezza variabile: per esempio se i vettori
sono proli di consumo, potrebbe darsi che alcuni di essi abbiano durata 3, altri 5, altri ancora 12,
ecc.. Se non vi una durata massima, lunica possibilit di immaginare che tutti i proli di consumo
abbiano durata illimitata (siano cio successioni in R
1
), completando ciascuno con inniti zeri.
9.2. LO SPAZIO DELLE SUCCESSIONI 217
In vista della (i), per comodit di notazione, indicheremo la somma direttamente
come r
a
+
a
invece che come (r +)
a
, e lo stesso faremo per le altre operazioni
4
.
Su R
o
si ha una struttura dordine con caratteristiche simili a quelle viste per R
a
.
In particolare, date r. R
o
, si scrive:
(i) r _ se r
a
_
a
per ogni : _ 1;
(ii) r se r _ e r ,= , ossia se r _ ed esiste almeno una posizione : tale che
r
a

a
;
(iii) r se r
a

a
per ogni : _ 1.
Ancora, (iii) == (ii) == (i), cio
r =r =r _ \r. R
o
Le funzioni q : _ R
o
R denite su sottoinsiemi di R
o
sono molto impor-
tanti. Grazie alla struttura dordine di R
o
abbiamo una loro prima classicazione
per monotonia, analoga a quella vista per R
a
nella Sezione 7.4.4. Una funzione
q : _ R
o
R si dice:
(i) crescente se
r _ =q (r) _ q () r. ; (9.9)
(ii) fortemente crescente se
r =q (r) q () r. ;
(iii) strettamente crescente se
r =q (r) q () r. .
Le controparti decrescenti di queste nozioni si deniscono in modo analogo. Ancora,
in particolare, q costante se esiste / R tale che
q (r) = / \r .
Per brevit omettiamo uno studio dettagliato di queste nozioni, e ci limitiamo a
osservare che la stretta crescenza implica le altre due propriet.
4
Si noti che, se ) : N
+
R e q : N
+
R sono le funzioni sottostanti alle successioni r
n
e j
n
,
la (i) equivale a scrivere (r +j)
n
= () +q) (:) = ) (:)+q (:) per ogni : _ 1; analoghe considerazioni
valgono per le altre operazioni (ii)-(iv).
218 CAPITOLO 9. SUCCESSIONI
9.3 Applicazione: scelte intertemporali
Nella Sezione 2.4.3 avevamo visto come lo spazio euclideo R
T
potesse modellare un
problema di scelta intertemporale del consumatore su 1 periodi. Tuttavia in molte
applicazioni importante non ssare a priori un orizzonte nito 1 per il consumatore,
ma immaginare che abbia di fronte a s un orizzonte innito. In questo caso, nella
successione r = r
1
. r
2
. . . . . r
t
. . . ., il termine r
t
indica la quantit del bene consumata
al tempo t, con t = 1. 2. . . ..
Si tratta naturalmente di unidealizzazione, che per serve a modellare in modo
semplice le scelte intertemporali di agenti che non sono in grado di specicare lultimo
periodo 1 per loro rilevante (per esempio, in alcune scelte intertemporali la data
conclusiva quella del decesso dellagente, che non gli nota a priori ).
In analogia a quanto visto nella Sezione 7.2.3, il consumatore ha preferenze sui
possibili proli r = r
1
. r
2
. . . . . r
t
. . . . di consumo intertemporale, i cosiddetti ussi
di consumo (consumption streams) quanticati da una funzione di utilit intertem-
porale l : R
o

R. Per esempio, se, come nella Sezione 7.2.3, assumiamo che il con-
sumatore abbia, per il consumo r
t
di ogni periodo, una funzione di utilit n
t
: R

R,
detta istantanea, una possibile forma della funzione di utilit intertemporale
l (r) = n
1
(r
1
) +,n
2
(r
2
) + +,
t1
n
t
(r
t
) +
dove , (0. 1) si pu interpretare come un fattore soggettivo di sconto che, come
abbiamo visto, dipende dal grado di pazienza del consumatore.
Le propriet di monotonia delle funzioni di utilit intertemporale l : R
o

R
sono analoghe a quelle delle funzioni di pi variabili. In particolare, la funzione l
crescente se
r _ ==l (r) _ l () r. R
o

.
fortemente crescente se crescente e
r ==l (r) l () r. R
o

.
ed strettamente crescente se
r ==l (r) l () r. R
o

.
A questo riguardo, valgono considerazioni analoghe a quelle fatte nella Sezione 7.4.4
per funzioni di utilit su R
a
. In particolare, anche qui si ha
stretta crescenza =forte crescenza =crescenza
9.4 Immagini e classi di successioni
Si osservi che in una successione si possono ripetere pi volte i medesimi valori. Per
esempio, la successione con generico elemento r
a
= (1)
a
data da
1. 1. 1. 1. ... . (9.10)
9.4. IMMAGINI E CLASSI DI SUCCESSIONI 219
nella quale si ripetono i due soli valori 1 e 1. La successione costante, con generico
elemento r
a
= 2 per ogni : _ 1,
2. 2. 2. ... (9.11)
costituita da soli 2 (la corrispondente , quindi la funzione costante , (:) = 2 per
ogni : _ 1).
Al riguardo importante limmagine
Im, = , (:) : : _ 1
della successione, che consta proprio dei valori che la successione assume, al netto delle
ripetizioni. Per esempio, limmagine della successione (9.10) 1. 1, mentre per la
successione costante (9.11) il singoletto 2. Limmagine d quindi uninformazione
molto importante perch indica quali valori la successione eettivamente assume, al
netto delle ripetizioni: come abbiamo visto, possono essere molto pochi e ripetersi
in continuazione lungo la successione. Daltra parte, la successione (9.6) dei dispari
non contiene alcuna ripetizione, e infatti la sua immagine costituita da tutti i suoi
termini, ossia Im, = 2: 1 : : _ 1.
Tramite limmagine, nella Sezione 7.4.3 avevamo studiato varie nozioni di limitatez-
za per funzioni. Nel caso speciale delle successioni, ossia delle funzioni , : N

R,
tali nozioni generali assumono la seguente forma: una successione r
a
si dice
(i) superiormente limitata se esiste / R tale che r
a
_ / per ogni : _ 1;
(ii) inferiormente limitata se esiste / R tale che r
a
_ / per ogni : _ 1;
(iii) limitata se sia superiormente sia inferiormente limitata, ossia se esiste / 0
tale che [r
a
[ _ / per ogni : _ 1.
Per esempio, la successione r
a
= (1)
a
limitata, mentre quella dei dispari
(9.6) lo solo inferiormente.
Unaltra classe importante di successioni sono le monotone, che si deniscono in
modo analogo a quanto visto per le funzioni nella Sezione 7.4.4. In particolare, una
successione r
a
si dice:
(i) crescente se
r
a1
_ r
a
\: _ 1.
strettamente crescente se
r
a1
r
a
\: _ 1.
(ii) decrescente se
r
a1
_ r
a
\: _ 1.
strettamente decrescente se
r
a1
< r
a
\: _ 1.
220 CAPITOLO 9. SUCCESSIONI
(iii) costante se sia crescente sia decrescente, ossia se esiste / R tale che
r
a
= / \: _ 1.
Una successione crescente o decrescente si dice monotona
5
. Per esempio, la suc-
cessione (9.6) dei dispari crescente, mentre la successione (9.7) decrescente.
Un concetto molto importante riguarda le propriet denitivamente godute da una
successione:
Denizione 61 Si dice che una successione possiede denitivamente una propriet
T se, a partire da un certo posto dordine : = :
T
, tutti i termini della successione
godono di T.
Ovviamente, il posto dordine : dipende dalla propriet T: abbiamo scritto infatti
: = :
T
.
Esempio 134 (i) La successione 2. 4. 6. 32. 57. 1. 3. 5. 7. 9. 11. denitiva-
mente crescente: infatti, a partire dal sesto termine, la successione crescente.
(ii) La successione : denitivamente _ 1.000: infatti, tutti i termini della
successione, a partire da quello di posto 1.000, sono _ 1.000.
(iii) La stessa successione anche denitivamente _ 1.000.000.000 e anche _ 10
12S
.
(iv) La successione 1,: denitivamente minore di 1,1.000.000.
(v) La successione
27. 65. 13. 32. :. 125. 32. 3. 3. 3. 3. 3. 3. 3. 3.
denitivamente costante. #
OfB. Per godere denitivamente di una propriet, la successione, da piccola, pu
fare ci che vuole; limportante che da grande (ovvero da un certo posto dordine
in poi), metta la testa a posto. I peccati di giovent non interessano: importante
che, prima o poi, tutti i termini della successione godano della propriet. *
5
Per le successioni le nozioni di stretta monotonia sono poco importanti.
9.5. LIMITI: ESEMPI INTRODUTTIVI 221
9.5 Limiti: esempi introduttivi
Il concetto di limite nasce per formalizzare rigorosamente il concetto di come si com-
porta una successione per : sempre pi grande, ossia asintoticamente. In altre parole,
come per un romanzo giallo, ci si chiede come andr a nire. Per le successioni i cui
termini rappresentano i valori che una quantit economica assume in date successive,
in economia si parla di comportamento di lungo periodo (o tendenziale).
Cominciamo con alcuni esempi, per capire intuitivamente che cosa si intende per
limite di una successione. Consideriamo la successione (9.7)
_
1.
1
_
2
.
1
_
4
.
1
_
8
.
_
.
Proseguendo con i valori, si pu vericare che, per valori di : sempre pi grandi, i suoi
termini r
a
= 1,
_
2
a1
si avvicinano sempre pi, si dice tendono, al valore 1 = 0.
In questo caso si dice che la successione tende a 0 e si scrive
lim
ao
1
_
2
a1
= 0.
Per la successione (9.6) dei dispari
1. 3. 5. 7. .
i termini r
a
= 2: 1 della successione sono sempre pi grandi per valori sempre pi
grandi di :. In questo caso si dice che la successione diverge positivamente, e si scrive
lim
ao
(2: 1) = +.
Specularmente, la successione dei dispari negativi r
a
= 2:+1 diverge negativamente:
in simboli
lim
ao
(2: + 1) = .
Inne, consideriamo la successione r
a
= (1)
a
:
1. 1. 1. 1. .
Al variare dei valori di : essa continua a oscillare tra i valori 1 e 1, senza avvicinarsi
(denitivamente) ad alcun particolare valore. In questo caso si dice che la successione
oscillante o irregolare: non ammette limite.
9.6 Limiti e comportamento asintotico
Negli esempi introduttivi abbiamo identicato tre possibili comportamenti asintotici
dei termini di una successione:
222 CAPITOLO 9. SUCCESSIONI
(i) convergenza ad un valore 1 R;
(ii) divergenza a + o a ;
(iii) oscillazione.
Nei primi due casi si dice che la successione regolare: essa tende (si avvicina
asintoticamente) a un valore, eventualmente innito. Nellultimo caso si dice che la
successione irregolare (o oscillante). Nel resto della sezione formalizziamo lidea
intuitiva di tendere a un valore.
9.6.1 Convergenza
Cominciamo con la convergenza, cio col caso (i).
Denizione 62 Una successione r
a
converge a un punto 1 R, in simboli r
a
1
o lim
ao
r
a
= 1, se per ogni 0 esiste :
.
_ 1 tale che
: _ :
.
==[r
a
1[ < . (9.12)
Il numero 1 si dice limite della successione.
Limplicazione (9.12) si pu riscrivere come
: _ :
.
==d (r
a
. 1) < .
Quindi, una successione r
a
converge a 1 quando, per ogni quantit , quantunque
piccola (ma positiva), esiste un posto dordine :
.
(che dipende da !) a partire dal
quale la distanza tra i termini r
a
della successione e il limite 1 sempre minore di ,
ossia d (r
a
. 1) < per ogni : _ :
.
. Una successione r
a
che converge a un punto
1 R si dice convergente.
S detto che la posizione :
.
dipende da . Inoltre, come dovrebbe risultare chiaro
dai prossimi Esempi 135 e 136, la scelta di :
.
non aatto univoca: se esiste una
posizione :
.
tale che [r
a
1[ < per ogni : _ :
.
, lo stesso vale per qualsiasi posizione
successiva che pu anchessa essere scelta come :
.
. La scelta di quale tra queste
posizioni chiamare :
.
del tutto irrilevante: la denizione chiede che ne esista (almeno)
una. I due esempi che tra breve presenteremo dovrebbero chiarire la questione.
La denizione di convergenza si pu riscrivere anche con il linguaggio degli intorni.
Si tratta di una riscrittura molto importante dal punto di vista concettuale che merita
una menzione separata.
Denizione 63 Una successione r
a
converge a un punto 1 R se per ogni intorno
1
.
(1) di 1 esiste :
.
_ 1 tale che
: _ :
.
=r
a
1
.
(1) .
ovvero che
: _ :
.
=1 < r
a
< 1 +.
9.6. LIMITI E COMPORTAMENTO ASINTOTICO 223
In altre parole, una successione r
a
tende ad uno scalare 1 R se la successione
cade denitivamente in ogni intorno 1
.
(1) di 1, per quanto piccolo possa essere.
Sebbene la Denizione 63 sia una mera riscrittura della Denizione 62, luso degli
intorni particolarmente ecace nel chiarire la natura della denizione di convergenza.
OfB. La denizione richiede che il cadere denitivamente dentro avvenga per ogni
intorno di 1: decisivo dunque che ci accada per intorni arbitrariamente piccoli (
facile cadere in un intorno enorme, dicile in uno piccolo piccolo). *
Esempio 135 Consideriamo la successione 1,:. Il naturale candidato a esserne il
limite 0. Verichiamo che cos. Sia 0. Si ha

1
:
0

< ==
1
:
< ==:
1

.
Quindi, se prendiamo come :
.
un intero qualsiasi maggiore di 1,, per esempio
6
:
.
=
[1,] + 1, abbiamo
: _ :
.
=0 <
1
:
< .
e quindi 0 eettivamente il limite della successione. Per esempio, se = 10
100
, si ha
:
.
= 10
100
+1. Si noti che avremmo potuto scegliere come :
.
qualsiasi intero maggiore
di 10
100
+ 1. #
Esempio 136 Consideriamo la successione (9.7), cio
_
1,
_
2
a1
_
. Anche qui il
naturale candidato a esserne il limite 0. Verichiamolo. Sia 0. Si ha

1
_
2
a1
0

< ==
1
2
n1
2
< ==2
n1
2

1

==: 1 + 2 log
2
1

e quindi, preso come :


.
qualsiasi intero maggiore di 1 + 2 log
2

1
, per esempio :
.
=
2 + 2 [log
2

1
], si ha
: _ :
.
=0 <
1
_
2
a1
<
e quindi 0 il limite della successione. Per esempio, se = 10
100
si ha :
.
= 2 +
2 [log
2
10
100
] = 2 + 200 [log
2
10] = 602. #
Abbiamo visto due esempi di successioni che convergono a 0. Tali successioni sono
dette innitesime (o nulle). Grazie al prossimo risultato, il calcolo dei loro limiti ha
particolare importanza.
Proposizione 96 Una successione r
a
converge a un punto 1 R se e solo se
d (r
a
. 1) 0.
6
Ricordiamo che [] denota la parte intera, presentata nella Sezione 1.4.3.
224 CAPITOLO 9. SUCCESSIONI
Dim. Solo se: sia lim
ao
r
a
= 1. Consideriamo la (nuova) successione di termine

a
= d(r
a
. 1). Dobbiamo dimostrare che lim
ao

a
= 0, cio che per ogni 0 esiste
:
.
_ 1 tale che : _ :
.
implica [
a
[ < . Daltra parte, siccome
a
_ 0, ci equivale a
dimostrare che
: _ :
.
==
a
< . (9.13)
Per ipotesi sappiamo che r
a
1. Quindi, dato 0, esiste :
.
_ 1 tale che d(r
a
. 1) <
per ogni : _ :
.
, e quindi vale la (9.13).
Se: si supponga che lim
ao
d (1. r
a
) = 0. Sia 0. Esiste :
.
_ 1 tale che
d (1. r
a
) < per ogni : _ :
.
. Quindi, r
a
1
.
(1) per ogni : _ :
.
, come desiderato.
B
Possiamo quindi ridurre lo studio della convergenza di qualsiasi successione alla
convergenza a 0 della successione d (r
a
. 1)
a1
di numeri reali. In altre parole, per
vericare se r
a
1, basta vericare se d (r
a
. 1) 0.
Esempio 137 Consideriamo
r
a
= 1 + (1)
a
1
:
e verichiamo che converge a 1 = 1. Si ha
d (r
a
. 1) =

1 +
(1)
a
:
1

(1)
a
:

=
1
:
0.
e quindi, per la Proposizione 96, si ha r
a
1. #
Chiudiamo con unimportante osservazione: nellapplicare la Denizione 62 di con-
vergenza, dobbiamo sempre specicare un possibile limite 1 R, per poi vericare,
grazie alla denizione, se eettivamente cos. Per alcune successioni specicare un
possibile candidato limite 1 pu non essere ovvio, rendendo problematica lapplicazione
della denizione. Ne riparleremo.
9.6.2 Divergenza
Consideriamo ora la divergenza, cominciando con la divergenza positiva. Lidea della
denizione simile, mutatis mutandi s, alle precedenti.
Denizione 64 Una successione r
a
diverge positivamente, in simboli r
a
+ o
lim
ao
r
a
= +, se per ogni scalare 1 R esiste :
1
_ 1 tale che
: _ :
1
=r
a
1.
9.6. LIMITI E COMPORTAMENTO ASINTOTICO 225
In altre parole, una successione diverge positivamente quando denitivamente
maggiore di ogni 1 0. Poich la costante 1 pu essere presa arbitrariamente
grande, ci pu accadere soltanto se la successione non superiormente limitata.
OfB. La denizione richiede che la disuguaglianza valga per ogni scalare 1: decisivo
che ci accada per valori arbitrariamente grandi di 1 ( facile essere 1 quando 1
piccolo, sempre pi dicile quanto pi 1 grande). *
Esempio 138 Consideriamo la successione dei numeri pari data da r
a
= 2: e veri-
chiamo che diverge positivamente. Sia 1 R. Si ha
2: _ 1 ==: _
1
2
e quindi possiamo scegliere come :
1
qualsiasi intero maggiore o uguale a 1,2. Per
esempio, se 1 = 10
100
, si pu porre :
1
= 10
100
,2. Quindi r
a
= 2: diverge
positivamente. #
La denizione di divergenza negativa analoga.
Denizione 65 Una successione r
a
diverge negativamente, in simboli r
a

o lim
ao
r
a
= , se per ogni scalare 1 R esiste :
1
_ 1 tale che
: _ :
1
==r
a
< 1.
In tal caso, la successione denitivamente minore di ogni 1 < 0: per quanto
la costante possa prendere valori negativi arbitrariamente grandi (in valore assoluto),
esiste una posizione oltre la quale tutti i termini della successione sono minori o uguali
della costante. Ci caratterizza la tendenza a della successione.
Intuitivamente, la divergenza una forma di convergenza a innito. Il prossi-
mo semplice, ma importante, risultato evidenzia lo stretto legame tra convergenza e
divergenza.
Proposizione 97 Una successione r
a
, con r
a
0 denitivamente, diverge positi-
vamente se e solo se la successione 1,r
a
converge a zero.
Un analogo risultato vale per la divergenza negativa. Si noti come lipotesi r
a
0
denitivamente sia irrilevante per una successione che diverge positivamente poich
denitivamente la successione soddisfa sempre questa condizione.
Dim. Se. Sia 1,r
a
0. Sia 1 0. Per la Denizione 62, esiste :
11
_ 1
tale 1,r
a
< 1,1 per ogni : _ :
11
. Quindi, r
a
1 per ogni : _ :
11
, e per la
Denizione 64 si ha r
a
+.
Solo se. Sia r
a
+ e sia 0. Per la Denizione 64, esiste :
1.
tale che
r
a
_ 1, per ogni : _ :
1.
. Quindi, 0 < 1,r
a
< per ogni : _ :
1.
e quindi
1,r
a
0. B
226 CAPITOLO 9. SUCCESSIONI
OfB. Aggiungendo, togliendo, alterando (o comunque pasticciando) un numero nito
di termini di una successione, essa non cambia limite: se era regolare, lo rimane, e con
lo stesso limite; se era irregolare lo rimane. Ci ovviamente dipende dal fatto che il
limite richiede che una propriet (il tuarsi in un intorno arbitrariamente piccolo in
caso di convergenza oppure lessere maggiore di un numero arbitrariamente grande in
caso di divergenza) valga denitivamente. *
9.6.3 Limiti per eccesso e per difetto
Pu accadere che r
a
1 R e che denitivamente si abbia r
a
_ 1. In questo caso
r
a
si avvicina dunque a 1 rimanendone alla destra. In tal caso si dice che r
a

tende a 1 per eccesso e si scrive lim


ao
r
a
= 1

oppure r
a
1

oppure, ancor
meglio, r
a
| 1. Si noti che le scritture r
a
| 1 e r
a
1

sono pi informative della


r
a
1: oltre a dire che r
a
converge a 1, le scritture r
a
| 1 e r
a
1

ci dice che
ci avviene per eccesso.
Analogamente, se r
a
1 R e denitivamente r
a
_ 1, si dice che r
a
tende a
1 per difetto e si scrive lim
ao
r
a
= 1

oppure r
a
1

oppure r
a
1.
Esempio 139 (i) Si ha 1,: | 0.
(i) Si ha 1,
_
2
a1
| 0 perch
_
2
a1
0.
(ii) Si ha 1 1,: 1 perch 1 1,: < 1.
(iii) Si ha 1 + (1
a
) :
1
1 ma non a 1

o a 1

. #
Lasciamo al lettore la denizione rigorosa di limite per eccesso e per difetto in
termini di intorni destri e sinistri di 1.
9.6.4 Topologia di R e denizione generale di limite
La topologia della retta reale pu essere estesa in modo naturale alla retta reale estesa
denendo gli intorni dei punti di innito nel seguente modo.
Denizione 66 Un intorno di + una semiretta del tipo (1. +], con 1 R.
Un intorno di una semiretta del tipo [. 1), con 1 R.
Un intorno di + formato quindi da tutti i punti maggiori di 1, un intorno di
formato da tutti i punti minori di 1. Chiaramente, per un intorno di +,
il valore di 1 diventa particolarmente signicativo quando arbitrariamente grande,
mentre per un intorno di il valore di 1 diventa particolarmente signicativo
quando di segno negativo e arbitrariamente grande in valore assoluto.
OfB. Un intorno 1
.
(r) di un punto tanto pi piccolo quanto pi piccolo
0; un intorno (1. +] di + tanto pi piccolo quanto pi grande 1 (e simili
considerazioni valgono per gli intorni [. 1) di ). *
9.6. LIMITI E COMPORTAMENTO ASINTOTICO 227
Osservato che (1. +] e che [. 1) sono aperti in R per ogni 1 R, possiamo
dare un lemma che si riveler utile nel denire i limiti di successioni e di funzioni.
Lemma 98 Sia un insieme in R.
(i) + punto di accumulazione di se e solo se non superiormente limitato.
(ii) punto di accumulazione di se e solo se non inferiormente limitato.
Dim. Siccome la dimostrazione di (ii) analoga, basta mostrare (i). Se Sia non
superiormente limitato, cio sia privo di maggioranti. Sia (1. +] un intorno di +
con 1 R. Poich privo di maggioranti, in particolare 1 non lo . Esiste quindi
r tale che r 1, cio r (1. +] e r ,= +. Ne segue che + punto di
accumulazione di (in ogni intorno di + cadono infatti punti di diversi da +).
Solo se Sia + punto di accumulazione di . Mostriamo che non possiede
maggioranti. Supponiamo, per contra, che 1 R sia un maggiorante di . Poich
+ punto di accumulazione di , lintorno (1. +] di + possiede un punto
r ,= + tale che r . Quindi 1 < r, il che contraddice il fatto che 1 sia un
maggiorante di . B
Gli insiemi tali che (c. +) _ per qualche c R formano una classe impor-
tante di insiemi non superiormente limitati. Grazie al Lemma 98, per essi + punto
di accumulazione. In modo simile, punto di accumulazione per gli insiemi
tali che (. c) _ per qualche c R.
Usando la topologia di R possiamo dare una denizione generale di limite che
estende la Denizione 63 in modo da includere anche le Denizioni di divergenza 64 e
65. Osserviamo che nella prossima denizione, che unica tutte le possibili denizioni
di limite di successione, si ha che:
l(1) = 1
.
(1) se 1 R
l(1) = (1. +] se 1 = +
l(1) = [. 1) se 1 =
Denizione 67 Una successione r
a
in R converge a un punto 1 R se per ogni
intorno l (1) di 1 esiste :
l
_ 1 tale che
: _ :
l
==r
a
l (1) .
Se 1 R, ritorniamo alla Denizione 63. Se 1 = , grazie alla Denizione 66 di
intorno, la Denizione 67 diventa una riscrittura in termini di intorni delle Denizioni
64 e 65.
La denizione generale mostra quindi lunitariet delle nozioni che abbiamo vis-
to, confermando lo stretto legame tra convergenza e divergenza gi evidenziato dalla
Proposizione 97.
228 CAPITOLO 9. SUCCESSIONI
OfB. Osserviamo che se 1 R, :
l
dipende da un raggio 0 qualsiasi (in particolare
piccolo a piacere), e si pu quindi scrivere :
l
= :
.
. Se, invece, 1 = +, :
l
dipende da
un numero reale 1 qualsiasi (in particolare arbitrariamente grande) e si pu scrivere
:
l
= :
1
, con 1 0 senza perdit di generalit. Per ultimo, se 1 = , :
l
dipende
da un numero reale 1 negativo qualsiasi (in particolare arbitrariamente grande in val-
ore assoluto) e, senza perdere generalit, si pu porre :
l
= :
1
con 1 < 0. Del resto,
quando 1 nito decisivo che la propriet valga anche per valori arbitrariamente
piccoli di , quando 1 = invece decisivo che la propriet valga anche per valori
arbitrariamente grandi in valore assoluto di 1. *
9.7 Propriet dei limiti
In questa sezione studiamo alcune propriet dei limiti. Il primo risultato, il Teorema
di unicit del limite, mostra che il limite di una successione, se esiste, unico.
Teorema 99 (Unicit del limite) Una successione r
a
converge al pi a un limite
1 R.
Dim. Supponiamo, per contraddizione, che esistano due limiti niti 1
t
. 1
tt
R tra
loro distinti, cio 1
t
,= 1
tt
. Senza perdita di generalit, supponiamo che 1
tt
1
t
.
Consideriamo 0 tale che
<
1
tt
1
t
2
.
Risulta quindi
1
.
(1
t
) 1
.
(1
tt
) = O
come il lettore pu vericare. Daltra parte, per la Denizione 63, esiste :
t
.
_ 1 tale
che r
a
1
.
(1
t
) per ogni : _ :
t
.
, ed esiste :
tt
.
_ 1 tale che r
a
1
.
(1
tt
) per ogni
: _ :
tt
.
. Posto :
.
= max :
t
.
. :
tt
.
, si ha quindi sia r
a
1
.
(1
t
) sia r
a
1
.
(1
tt
)
per ogni : _ :
.
, ossia r
a
1
.
(1
t
) 1
.
(1
tt
) per ogni : _ :
.
. Ma ci contraddice
1
.
(1
t
) 1
.
(1
tt
) = O. Ne segue che 1
t
= 1
tt
e perci il limite unico.
Poniamo che la successione ammetta un limite 1 nito e un altro +. Per ogni
0 e ogni 1 0, esistono :
.
e :
1
tali che simultaneamente dovrebbe essere
1 < r
a
< 1 + \: _ :
.
e r
a
1 \: _ :
1
.
Basta ora prendere 1 = 1 + per avvedersi che, per : _ max :
.
. :
1
, le due
disuguaglianze non possono coesistere.
Gli altri casi si trattano in modo analogo. B
Il prossimo risultato mostra che, quando una successione converge ad un punto
1 R, in ogni intorno di tale punto si trovano quasi tutti i punti della successione.
Proposizione 100 Una successione r
a
converge a 1 R se e solo se ogni intorno
1
.
(1) di 1 contiene tutti i termini della successione, tranne al pi un numero nito
di essi.
9.7. PROPRIET DEI LIMITI 229
Dim. Supponiamo r
a
1. Per la Denizione 63, per ogni 0 esiste :
.
_ 1 tale
che r
a
1
.
(1) per ogni : _ :
.
. Quindi, tranne al pi i valori r
a
con 1 _ : < :
.
,
tutti gli elementi della successione appartengono a 1
.
(1).
Viceversa, dato un intorno qualsiasi 1
.
(1) di 1, supponiamo che tutti i termini
della successione vi appartengano, tranne al pi un numero nito di essi. Indichiamo
con r
a
k
, / = 1. 2. . . . . :, linsieme degli elementi della successione che non apparten-
gono a 1
.
(1). Detto :
.
= :
n
+ 1, si ha che r
a
1
.
(1) per ogni : _ :
.
. Poich ci
vero per ogni intorno 1
.
(1) di 1, per la Denizione 63 si ha che r
a
1. B
Il prossimo classico risultato, il Teorema della permanenza del segno, mostra che
se una successione ha limite 1 non nullo, allora i termini della successione hanno
denitivamente lo stesso segno di 1.
Teorema 101 (Permanenza del segno) Sia r
a
una successione che converge al
limite 1 ,= 0. Allora, esiste : _ 1 tale che r
a
ha lo stesso segno di 1 per ogni : _ :,
ossia
r
a
1 0 \: _ :.
Analogamente, se r
a
+ (), allora esiste : tale che r
a
positiva (negativa)
per ogni : _ :.
Dim. Supponiamo 1 0 (largomento analogo vale se 1 < 0). Sia (0. 1). Per la
Denizione 62 esiste : _ 1 tale che [r
a
1[ < per ogni : _ :, ossia
0 < 1 < r
a
\: _ :.
e si conclude che r
a
0 per ogni : _ :, come desiderato. Se r
a
, per denizione,
r
a
1 0 per : _ :. B
Il Teorema della permanenza del segno rappresenta una propriet dei limiti rispetto
alla struttura dordine che vige in R. Diamo un altro semplice risultato dello stesso
tipo, lasciando la dimostrazione al lettore.
Proposizione 102 Siano r
a
e
a
due successioni tali che r
a
1 R e
a

H R. Se denitivamente r
a
_
a
, allora 1 _ H.
Il converso non vale: siano per esempio 1 = H = 0, r
a
= 1,: e
a
=
1,:. Si ha 1 _ H e r
a
<
a
per ogni :. Tuttavia, se assumiamo 1 H, il converso
vale nella seguente forma stretta:
Proposizione 103 Se r
a
e
a
sono due successioni tali che r
a
1 R e

a
H R, con 1 H, allora denitivamente r
a

a
.
230 CAPITOLO 9. SUCCESSIONI
9.7.1 Monotonia e convergenza
Il prossimo risultato d una semplice condizione necessaria per la convergenza.
Proposizione 104 Ogni successione convergente limitata.
Dim. Supponiamo r
a
1. Posto = 1, esiste :
1
_ 1 tale che r
a
1
1
(1) per ogni
: _ :
1
. Sia ` una costante tale che ` max [1. d (r
1
. 1) . . . . . d (r
a
1
1
. 1)]. Si ha
d (r
a
. 1) < ` per ogni : _ 1, ossia [r
a
1[ < ` per ogni : _ 1. Ci implica che
1 ` < r
a
< 1 +`
e quindi la successione limitata. B
Grazie alla Proposizione 104, le successioni convergenti costituiscono un sottoin-
sieme delle limitate. Quindi, se una successione non limitata, non pu essere
convergente.
In generale, il converso della Proposizione 104 falso. Per esempio la successione
r
a
= (1)
a
limitata ma non converge. Tuttavia, per unimportante classe di suc-
cessioni, le monotone, vale il converso: per tale classe di successioni, la limitatezza
dunque condizione sia necessaria sia suciente per la convergenza. Prima di enuncia-
re e dimostrare tale risultato, abbiamo bisogno di un altro importante teorema sulle
successioni limitate che mostra che ogni successione monotona regolare.
Teorema 105 Ogni successione monotona in R regolare; in particolare,
(i) converge se limitata;
(ii) diverge positivamente se crescente e non limitata;
(iii) diverge negativamente se decrescente e non limitata.
Dim. Sia r
a
una successione crescente in R (la dimostrazione nel caso di decrescenza
analoga). La successione r
a
pu essere limitata oppure non limitata superiormente
( infatti inferiormente limitata poich r
1
_ r
a
per ogni : _ 1).
Supponiamo che sia limitata. Vogliamo mostrare che convergente. Sia 1 lim-
magine della successione. Per ipotesi, esso un sottoinsieme limitato di R. Per il
Teorema di completezza dei reali, esiste sup 1. Poniamo 1 = sup 1 e mostriamo che
r
a
1. Sia 0. Dal fatto che 1 lestremo superiore di 1 scendono due con-
seguenze (si ricordi la Proposizione 52): (i) 1 _ r
a
per ogni : _ 1, (ii) esiste un
elemento r
a"
di 1 tale che r
a"
1 . Poich r
a
una successione crescente, ne
segue che
1 _ r
a
_ r
a"
1 \: _ :
.
e quindi r
a
1
.
(1) per ogni : _ :
.
, come desiderato.
9.7. PROPRIET DEI LIMITI 231
Se r
a
non superiormente limitata, per ogni 1 0 esiste un elemento r
a
K
tale
che r
a
K
1. Essendo crescente, si ha r
a
_ r
a
K
1 per ogni : _ :
1
e quindi essa
diverge a +. B
Il Teorema 105 garantisce dunque che ogni successione monotona non pu essere
irregolare. Siamo ora in grado di enunciare e dimostrare il teorema anticipato sopra
sulla equivalenza di limitatezza e convergenza per le successioni monotone.
Corollario 106 Una successione monotona convergente se e solo se limitata.
Dim. Sia r
a
una successione crescente in R. Se convergente, per la Proposizione
104 limitata. Se limitata, per il Teorema 105 convergente. B
Chiudiamo con unosservazione ovvia ma utile: i risultati appena visti valgono, pi
in generale, per successioni che siano denitivamente monotone.
9.7.2 Algoritmo di Erone
Il calcolo del quadrato c
2
di un numero c molto semplice, mentre il calcolo della radice
_
c di un numero positivo c , in generale, molto meno semplice. Nel far ci ci soccorre
un bellissimo algoritmo di Erone di Alessandria, detto anche metodo babilonese.
La procedura per ottenere
_
c, con c 0 e c ,= 1, prevede la costruzione per
ricorrenza della successione r
a
ponendo
7
r
1
= c e
r
a1
=
1
2
_
r
a
+
c
r
a
_
\: _ 2
Teorema 107 (Erone) r
a

_
c.
La successione di Erone converge quindi alla radice quadrata di c. Per giunta,
come vedremo in alcuni esempi, la convergenza piuttosto rapida.
Dim. La successione (strettamente) decrescente, almeno a partire da : = 2, per le
seguenti ragioni:
(i) Si prova intanto che
r
a

_
c ==
_
c < r
a1
< r
a
.
Infatti, se r
a

_
c, si ha anche r
2
a
c cio r
a
c,r
a
e perci
r
a1
=
1
2
_
r
a
+
c
r
a
_
<
1
2
(r
a
+r
a
) = r
a
.
7
Si pu anche prendere r
1
= / con / compreso tra
_
a e a: in tal modo si accelera la convergenza
della successione.
232 CAPITOLO 9. SUCCESSIONI
Inoltre, dalla disuguaglianza (r
2
a
c)
2
0 che sempre vera per ogni r
a
,=
_
c, si
deduce progressivamente che
r
1
a
2r
2
a
c +c
2
0 ;
r
1
a
+c
2
r
2
a
2c ; r
2
a
+
c
2
r
2
a
2c
r
2
a
+
c
2
r
2
a
+ 2c 4c ;
_
r
a
+
c
r
a
_
2
4c.
cio, in denitiva, che
r
2
a1
=
1
4
_
r
a
+
c
r
a
_
2
c e quindi r
a1

_
c.
(ii) Quando c 1, r
1
= c
_
c. A maggior ragione, per il precedente punto (i),
anche r
2
<
_
c. Quando invece
8
0 < c < 1, r
2
=
1
2
(c + 1)
_
c perch, quadrando,
si ottiene
(c + 1)
2
4c ; c
2
+ 2c + 1 4c ; c
2
2c + 1 0 ; (c 1)
2
0
che certamente vera.
In denitiva, r
2
sempre
_
c. Ne segue, per ci che si visto nel punto (i),
che
_
c < r
S
< r
2
che a sua volta implica
_
c < r
1
< r
S
e cos via. I termini della
successione, a partire da secondo, sono perci decrescenti e maggiori di
_
c.
In conclusione, la successione r
a
decrescente (almeno per : _ 2) e ammette
dunque limite 1 che, per come essa stata denita, deve soddisfare la relazione
1 =
1
2
_
1 +
c
1
_
; 21 = 1 +
c
1
; 1 =
c
1
; 1
2
= c
Perci 1 =
_
c. B
Esempio 140 (i) Calcoliamo
_
2 che sappiamo essere circa uguale a 1. 4142135. La
successione di Erone ha elementi:
r
1
= 2;
r
2
=
1
2
_
2 +
2
2
_
=
3
2
= 1. 5;
r
S
=
1
2
_
3
2
+
2
3,2
_
=
17
12
1. 4166667;
r
1
=
1
2
_
17
12
+
2
17,12
_
=
577
408
1. 4142156;
r

=
1
2
_
577
408
+
2
577,408
_
=
665857
470832
1. 4142135.
8
Se a = 1 chiaro che r
n
= 1 per ogni :.
9.7. PROPRIET DEI LIMITI 233
(ii) Calcoliamo
_
428356 654. 48911:
r
1
= 428356 ; r
2
214178. 5 ; r
S
107090. 24 ;
r
1
53547. 115 ; r

26777. 619 ; r
6
13396. 807 ;
r
7
6714. 3905 ; r
S
3389. 0936 ; r
9
1757. 743 ;
r
10
1000. 7198 ; r
11
= 714. 3838 ; r
12
656. 9999 ;
r
1S
654. 4939 ; r
11
654. 4891.
Prendendo r
1
= / = 1.000 si ha unaccelerazione della convergenza:
r
2
714. 178 ; r
S
656. 9834 ; r
1
654. 4938 ; r

654. 4891.
(iii) Per
_
0. 13 0. 3605551 si ottiene:
r
1
= 0. 13 ; r
2
0. 565 ; r
S
0. 3975442 ;
r
1
0. 3622759 ; r

0. 3605592 ; r
6
0. 360555.
Si noti che, essendo 0. 13 < 1, la decrescenza non si ha dallinizio ma solo a
partire dal secondo termine. #
Lintuizione che sorregge la formula di Erone di ranata eleganza. Essa si basa
su una successione di rettangoli, tutti di area c, che si avvicinano al quadrato (di area
c e quindi) di lato
_
c. L:-esimo rettangolo ha il lato pi lungo pari a r
a
e il pi
corto necessariamente a c,r
a
(visto che larea devessere c): al colpo successivo il lato
pi lungo scorciato ponendolo pari a
r
a1
=
1
2
_
r
a
+
c
r
a
_
< r
a
.
Si prosegue nch r
a
e c,r
a
tendono a coincidere: il valore comune non pu che essere
_
c.
-1 0 1 2 3 4 5
-1
0
1
2
3
4
5
x
y
O
x
n
x
n+1
a/x
n
a/x
n+1
234 CAPITOLO 9. SUCCESSIONI
9.7.3 Il Teorema di Bolzano-Weierstrass
Esiste un parziale converso della Proposizione 104, il celebre Teorema di Bolzano-
Weierstrass. Per enunciarlo dobbiamo preliminarmente introdurre la nozione di sotto-
successione. Consideriamo una successione r
a
in R. Data una successione :
I

o
I=1
strettamente crescente e che assume solo valori interi positivi, ossia tale che
:
1
< :
2
< :
S
< < :
I
<
con ogni :
I
_ 1, la successione r
a
k

o
I=1
detta sottosuccessione di r
a
. In altre
parole, la sottosucessione r
a
k
una successione costruita a partire dalla successione
originaria r
a
prendendone soltanto i termini di posizione :
I
.
OfB. Una sottosuccessione si ottiene semplicemente buttando via un po di termini
(anche inniti) della successione, lasciandone per sopravvivere inniti. Ovviamente
se una successione regolare, ogni sua sottosuccessione regolare e con lo stesso limite:
ubi maior,.... *
Esempio 141 Si consideri la successione
_
1.
1
2
.
1
3
.
1
4
. . . . .
1
:
. . . .
_
(9.14)
con generico elemento r
a
= 1,:. Una sua sottosuccessione data da
_
1.
1
3
.
1
5
.
1
7
. . . . .
1
2/ + 1
. . . .
_
.
nella quale :
I

I1
la successione dei dispari 1. 3. 5. . . .: tale sottosuccessione
stata costruita selezionando gli elementi di posto dispari delloriginaria.
Unaltra sottosuccesione di (9.14) data da
_
1
2
.
1
8
.
1
16
. . . . .
1
2
a
. . . .
_
.
dove questa volta :
I

I1
formata delle potenze di 2, ossia 2. 2
2
. 2
S
. . . ., costruita
selezionando gli elementi originari il cui posto una potenza di 2. #
Esempio 142 Si consideri la successione oscillante in R con generico elemento r
a
=
(1)
a
. Una sua semplice sottosuccessione data da
1. 1. 1. . . . . 1. . . . .
in cui :
I

I1
la successione dei pari: la sottosuccessione stata costruita selezio-
nando gli elementi di posto pari delloriginaria. Se avessimo selezionato quelli di posto
dispari avremmo costruito la sottosuccessione
1. 1. 1. . . . . 1. . . . .
Prendendo :
I

I1
= 1000/, cio selezionando soltanto gli elementi di posti 1.000,
2.000, 3.000, ... si ottiene ancora 1. 1. 1. . . . . 1. . . .. #
9.7. PROPRIET DEI LIMITI 235
Come mostra lultimo esempio, pu accadere che, mentre la successione originaria
irregolare, alcune sue sottosuccessioni siano convergenti. In altre parole, talvolta
possibile, selezionando in modo opportuno gli elementi, che si possa estrarre un
andamento convergente da uno irregolare. NellEsempio 142 abbiamo una successione
oscillante, dalla quale abbiamo selezionato una sottosuccessione costante prendendo
solo gli elementi di posizione pari (oppure solo di posizione dispari). Il prossimo
risultato, il Teorema di Bolzano-Weierstrass, mostra che ci sempre possibile purch
la successione sia limitata (come il caso della successione r
a
= (1)
a
, che ha come
immagine linsieme limitato 1. 1).
Teorema 108 (Bolzano-Weierstrass) Ogni successione limitata possiede una sot-
tosuccessione convergente.
In altre parole, da qualsiasi successione limitata r
a
, per quanto irregolare, si pu
estrarre una sottosuccessione r
a
k
convergente, ossia tale che esista 1 R per il
quale si abbia limr
a
k
= 1. Il poter sempre estrarre un comportamento convergente
da una successione limitata qualsiasi rappresenta una propriet di grande rilievo.
La dimostrazione del Teorema di Bolzano-Weierstrass si basa sul prossima lemma.
Lemma 109 Ogni successione possiede una sottosuccessione monotona.
Dim. Sia r
a
una successione in R. Consideriamo due casi.
Caso 1: supponiamo che per ogni : _ 1 esista : : tale che r
n
_ r
a
. Si ponga
:
1
= 1. Sia :
2
:
1
tale che r
a
2
_ r
a
1
; sia :
S
:
2
tale che r
a
3
_ r
a
2
, e cos
via. Si costruisce cos una sottosuccessione r
a
k
monotona decrescente e il lemma
dimostrato nel Caso 1.
Caso 2: supponiamo che non valga il Caso 1, ossia che esista una posizione : _ 1
tale che per ogni : : si abbia r
n
r
a
. Sia 1 _ N linsieme di tutte le posizioni
con questa propriet. Se 1 un insieme nito, per tutte le posizione : max 1 vale il
Caso 1. Considerando : max 1, si pu quindi costruire, procedendo come nel Caso
1, una sottosuccesione r
a
k
monotona decrescente.
Supponiamo che, invece, 1 non sia nito, ossia che esistano innite posizioni : _ 1
tali che
: : ==r
n
r
a
. (9.15)
Poich sono inniti, indichiamo gli elementi di 1 come 1 = :
1
. :
2
. . . . . :
I
. . . .. Grazie
alla (9.15) si ha
r
a
1
< r
a
2
< < r
a
k
< .
La sottosuccessione r
a
k
quindi monotona crescente: anche nel Caso 2 abbiamo
provato lesistenza di una sottosuccessione monotona. B
Dim. del Teorema di Bolzano-Weierstrass. Sia r
a
una successione con i
valori in un insieme compatto 1 in R. Per il Lemma 109, esiste una sottosuccessione
236 CAPITOLO 9. SUCCESSIONI
r
a
k
monotona. Poich r
a
k
_ 1, tale sottosuccessione anche limitata. Grazie al
Teorema 105, essa convergente, come desiderato. B
OfB. Il Teorema di Bolzano-Weiestrass aerma in sostanza che non si possono prendere
inniti numeri (gli elementi della successione) in un intervallo reale limitato in modo
che essi siano ben separati luno dallaltro: necessariamente essi si addensano in
prossimit di (almeno) un punto. *
Per le successioni non limitate possiamo aermare qualcosa di molto analogo:
Proposizione 110 Ogni successione non limitata possiede una sottosuccessione di-
vergente (a + quando non superiormente limitata, a quando non inferior-
mente limitata
9
).
Dim. Se la successione non superiormente limitata, per ogni 1 0 esiste almeno
un elemento della successione maggiore di 1. Indichiamo con r
a
K
il pi piccolo valore
della successione r
a
che risulta 1: prendendo 1 = 1. 2. . . ., r
a
K
chiaramente
una sottosuccessione di r
a
(tutti i suoi termini sono stati pescati tra quelli di r
a
)
e, per denizione, diverge a +. Il caso di successione non inferiormente limitata si
tratta in modo analogo. B
Perci
Proposizione 111 Ogni successione possiede una sottosuccessione regolare.
OfB. Possiamo dunque aermare che non vi modo di prendere inniti numeri reali
senza che essi si addensino da qualche parte (in prossimit di un numero, o di +, o
di , cio di qualche punto di R). *
9.8 Algebra dei limiti e limiti notevoli
9.8.1 Le (molte) certezze
Nel calcolo dei limiti importante sapere come si comportano i limiti rispetto alle
operazioni tra successioni viste nella Sezione 9.2. Oltre che di interesse teorico, la
questione importante dal punto di vista computazionale perch il calcolo di limiti
pi complessi spesso si riduce, applicando le regole che vedremo nella Proposizione
112, al calcolo di limiti pi elementari o che coinvolgono i limiti notevoli che vedremo
tra breve.
Il prossimo risultato, basato sulle propriet della retta reale estesa, mostra che
in tutti i casi coperti dalle regole di aritmetizzazione parziale, escludendo cio le
forme che abbiamo dette di indeterminazione, i limiti si scambiano con le operazioni
fondamentali. La scrittura r
a
1 R indica che la successione r
a
converge a
1 R oppure diverge positivamente o negativamente.
9
Nel caso che non sia n inferiormente n superiormente limitata possiede sia una sottosuccessione
divergente a + sia una divergente a .
9.8. ALGEBRA DEI LIMITI E LIMITI NOTEVOLI 237
Proposizione 112 Sia r
a
1 R e
a
H R. Allora,
(i) r
a
+
a
1+H, purch 1+H non sia una forma di indeterminazione (1.22),
cio
+ e +
(ii) r
a

a
1H, purch 1H non sia una forma di indeterminazione (1.23), cio
0 e 0 ()
(iii) r
a
,
a
1,H purch
a
. H ,= 0 e 1,H non sia una forma di indeterminazione
(1.24), cio

e
0
0
Dim. (i) Sia r
a
1 e
a
H, con 1. H R. Ci signica che, per ogni 0,
esistono :
1
e :
2
tali che
1 < r
a
< 1 + \: _ :
1
;
H < r
a
< H + \: _ :
2
.
Sommandole membro a membro, si ha che, per : _ :
S
= max :
1
. :
2
,
1 +H 2 < r
a
+
a
< 1 +H + 2
e, per larbitrariet di 2, ne segue che r
a
+
a
1 +H.
Sia ora r
a
1 R e
a
+. Ci signica che, per ogni 0 e per ogni
1 0, esistono :
1
e :
2
tali che
1 < r
a
< 1 + \: _ :
1

a
1 \: _ :
2
.
Sommandole, si ha che, per : _ :
S
= max :
1
. :
2
,
r
a
+
a
1 +1
e, per larbitrariet di 1 + 1 0, ne segue che r
a
+
a
+. Gli altri casi di
limite innito si trattano in maniera analoga.
(ii) Sia r
a
1 e
a
H, con r. R. Ci signica che, per ogni 0, esistono
:
1
e :
2
tali che
1 < r
a
< 1 + \: _ :
1
;
H <
a
< H + \: _ :
2
.
238 CAPITOLO 9. SUCCESSIONI
Inoltre, essendo convergente,
a
limitata (si ricordi la Proposizione 104): [
a
[ _ /
per ogni :. Ora, per : _ :
S
= max :
1
. :
2
,
[r
a

a
1H[ = [
a
(r
a
1) +1(
a
H)[ _ [
a
[ [r
a
1[ +[1[ [
a
H[ < (/ +[1[)
e, per larbitrariet di (/ +[1[), si conclude che r
a

a
1 H.
Se 1 0 e H = +, oltre a risultare, per ogni 0,
1 < r
a
< 1 + \: _ :
1
.
risulta anche, per ogni 1 0,
a
1 per : _ :
2
. Ne segue che, per : _ :
S
=
max :
1
. :
2
,
r
a

a
(1 ) 1
e, per larbitrariet di (1 ) 1 0, si conclude che r
a

a
+. Se 1 < 0 e
H = +, r
a

a
< (1 +) 1 e quindi r
a

a
. Gli altri casi di limiti inniti si
trattano in modo analogo.
Lasciamo al lettore le (iii) e (iv). B
Esempio 143 Siano r
a
= :, (: + 1) e
a
= 1+(1)
a
,:. Dato che r
a
1 e
a
1,
si ha che r
a
+
a
1 + 1 = 2 e che r
a

a
1. #
Esempio 144 Consideriamo r
a
= 2: e
a
= 1 + (1)
a
,:. Dato che r
a
+ e

a
1, si ha che r
a
+
a
+ e che r
a

a
+. #
Oltre che con le operazioni fondamentali, loperazione di limite si scambia anche
con la potenza (e la radice che ne un caso particolare) e il logaritmo. In realt, la
(13.8) del Capitolo 13 mostrer che questo scambio indolore avviene ben pi spesso,
cio per tutte le funzioni continue.
Proposizione 113 Escludendo le forme di indeterminazione (1.25), cio
1
o
. 0
0
. (+)
0
si ha
10
:
(i) limr
c
a
= (limr
a
)
c
purch c R e r
a
0;
(ii) limc
an
= c
linan
purch c 0;
(iii) limlog
o
r
a
= log
o
limr
a
.
10
Dora in poi, non essendoci possibilit di equivoco, scriveremo semplicemente limr
n
anzich
lim
n!1
r
n
. Il limite di una successione infatti denito soltanto per : e perci la precisazione
pu essere ritenuta superua.
9.8. ALGEBRA DEI LIMITI E LIMITI NOTEVOLI 239
Dim. Ci limitiamo a provare il punto (iii), lasciando volentieri al lettore i rimanenti.
Sia limr
a
= 1; ci signica che, per ogni 0, esiste :
.
tale che
1 < r
a
< 1 + \: _ :
.
.
Quando c 1, risulta allora
log
o
(1 ) < log
o
r
a
< log
o
(1 +) \: _ :
.
.
Il logaritmo cresce al crescere del suo argomento e perci log
o
(1 +) = log
o
1+ con
0 e log
o
(1 ) = log
o
1 j con j 0 e, detto il pi piccolo tra e j
log
o
1 < log
o
r
a
< log
o
1 + \: _ :
.
e, per larbitrariet di (si osservi che sia sia j sono arbitrariamente piccole quando
lo ), segue lasserto. Quando 0 < c < 1, il logaritmo decresce al crescere del suo
argomento e si ragiona in modo analogo. B
9.8.2 Alcuni limiti notevoli
Vediamo due successioni fondamentali (in realt basterebbe considerare la prima per-
ch la seconda ne semplicemente il reciproco): dal loro comportamento si deducono,
grazie alle precedenti Proposizioni 112 e 113, moltissimi altri limiti. Per la successione
di generico termine r
a
= : risulta molto facilmente:
lim: = +.
essendo : 1 per ogni : _ [1] + 1.
Per la successione reciproca r
a
= 1,:, si ha
lim
1
:
= 0
essendo 0 < 1,: < per ogni : _ [1,] + 1.
Come abbiamo anticipato, dai due limiti elementari sopra indicati, ricordando le
Proposizioni 112 e 113, se ne deducono moltissimi altri:
(i) lim:
c
= + per ogni c 0,
(ii) lim(1,:)
c
= lim:
c
= 0

per ogni c 0; dunque


lim:
c
=
_
_
_
+ se c 0
1 se c = 0
0

se c < 0
:
240 CAPITOLO 9. SUCCESSIONI
(iii) si ha:
limc
a
=
_
_
_
+ se c 1
1 se c = 1
0

se 0 < c < 1
e
limlog
c
: =
_
+ se c 1
se 0 < c < 1
e molti altri ancora. Per esempio, si ha
lim
_
5
a
7
+:
2
+ 1
_
= +++ 1 = +.
nonch
lim
_
:
2
3: + 1
_
= lim:
2
_
1
3
:
+
1
:
2
_
= + (1 0 + 0) = +.
e
lim
:
2
5: 7
2:
2
+ 4: + 6
= lim
:
2
_
1

a

7
a
2
_
:
2
_
2 +
1
a
+
6
a
2
_ =
1 0 0
2 + 0 + 0
=
1
2
.
e
lim
5
1
a
2
a
2
= [0 (5 0)] = 0.
e
lim
:(: + 1) (: + 2)
(2: 1) (3: 2) (5: 4)
= lim
: :
_
1 +
1
a
_
:
_
1 +
2
a
_
2:
_
1
1
2a
_
3:
_
1
2
Sa
_
5:
_
1
1
a
_
= lim
_
1 +
1
a
_ _
1 +
2
a
_
30
_
1
1
2a
_ _
1
2
Sa
_ _
1
1
a
_ =
1 1
30 1 1 1
=
1
30
9.8.3 Forme di indeterminazione
Nella precedente sezione abbiamo evitato con cura le forme di indeterminazione poich
in tali casi non si pu aermare nulla in generale. Per esempio, il limite della somma di
due successioni i cui limiti sono inniti di segno opposto pu risultare nito, innito o
non esistere, come mostreranno i prossimi esempi. Tale limite risulta cos indetermi-
nato sulla base della sola informazione che i due addendi divergono rispettivamente
a + e a .
Cerchiamo di essere molto espliciti. In molti casi (tutti quelli coperti dalla ar-
itmetizzazione parziale) il limite di una successione ottenuta tramite unoperazione
su due altre successioni determinato soltanto dai limiti di tali due successioni (per
esempio, qualsiasi siano r
a
e
a
, se esse tendono rispettivamente a 5 e a 3, il
limite di r
a
+
a
5 + (3) = 2 e il limite di r
a

a
5 (3) = 15). In qualche
caso invece (e sono quelli che abbiamo detto di indeterminazione) linformazione sui
due limiti non suciente; non c perci alcuna scorciatoia di calcolo del limite: non
rimane che tirarsi su le maniche e calcolarlo volta per volta.
9.8. ALGEBRA DEI LIMITI E LIMITI NOTEVOLI 241
Forma di indeterminazione
Consideriamo la forma di indeterminazione . Per esempio, il limite della somma
r
a
+
a
delle successioni del tipo r
a
= : e
a
= :
2
ricade sotto questa forma di
indeterminazione il che vieta il ricorso ai precedenti risultati. Si ha per
r
a
+
a
= : :
2
= :(1 :)
ove : + e 1 : cosicch, essendo del tipo +(), r
a
+
a
. Si
noti come, grazie a una semplicissima manipolazione algebrica, siamo riusciti a trovare
il modo di uscire dallindeterminazione.
Consideriamo r
a
= :
2
e
a
= :. Anche in questo caso limite della somma r
a
+
a
ricade sotto la forma di indeterminazione . Procedendo come appena visto, si
ha stavolta
lim(r
a
+
a
) = lim:(: 1) = lim: lim(: 1) = +
Consideriamo ora r
a
= : e
a
=
1
:
: , ancora del tipo . Anche qui una
semplice manipolazione consente di trovare la via duscita:
lim(r
a
+
a
) = lim
_
: +
1
:
:
_
= lim
1
:
= 0
Consideriamo inne r
a
= :
2
+ (1)
a
: e
a
= :
2
, che, dato che r
a
_ :
2
: =
:(: 1) diverge a +, ancora una volta del tipo . Ora
lim(r
a
+
a
) = lim(1)
a
:
non esiste.
Dunque quando si presenta un caso del tipo , pu accadere che il limite
in discorso risulti + oppure oppure che sia nito oppure che non esista. In
altre parole, pu accadere di tutto. La semplice constatazione che si tratta di
non consente di dir nulla del limite della somma
11
. Nel caso bisogna proprio
considerare le due successioni e, volta per volta, riuscire a trovare una maniera, che
molto spesso semplice, di aggirare lindeterminazione, come abbiamo visto negli
esempietti di poco fa. Lo stesso si pu ripetere per le altre forme di indeterminazione.
Forma di indeterminazione 0
Siano, per esempio, r
a
= 1,: e
a
= :
S
. Il limite del loro prodotto ha la forma 0 ,
e non possiamo quindi farci guidare dai precedenti risultati. Si ha per
limr
a

a
= lim
1
:
:
S
= lim:
2
= +.
11
Se invece si fosse trattato di una forma del tipo +a, anche senza sapere come sono fatte le due
successioni, avremmo potuto dire che il limite della loro somma .
242 CAPITOLO 9. SUCCESSIONI
Se r
a
=
1
:
S
e
a
= :,
limr
a

a
= lim
1
:
S
: = lim
1
:
2
= 0.
Se r
a
= :
S
e
a
= 7,:
S
,
limr
a

a
= lim:
S
7
:
S
= lim7 = 7
Se r
a
= 1,: e
a
= :(cos : + 2),
limr
a

a
= lim(cos : + 2)
non esiste.
Ancora, solo il calcolo diretto del limite pu stabilirne il valore: la forma di
indeterminazione pu fornire risultati del tutto diversi.
Forme di indeterminazione , e 0,0
Siano, per esempio, r
a
= : e
a
= :
2
. Il limite del loro quoziente ha la forma ,,
ma
lim
r
a

a
= lim
:
:
2
= lim
1
:
= 0.
Daltra parte, scambiando le parti di r
a
e
a
, permane la forma di indeterminazione
,, ma
lim

a
r
a
= lim
:
2
:
= lim: = +.
con limite del tutto diverso dal precedente
12
.
Vediamo un altro esempio relativo a ,. Se r
a
= :
2
e
a
= 1 + 2:
2
, si ha
lim
r
a

a
= lim
:
2
1 + 2:
2
= lim
1
1
a
2
+ 2
=
1
2
.
Ancora, Se r
a
= :
2
(sin : + 7) e
a
= :
2
,
lim
r
a

a
= lim(sin : + 7)
che non esiste.
Ci vale naturalmente anche per la forma di indeterminazione 0,0. Per esempio,
sia r
a
= 1,: e
a
= 1,:
2
. Si ha
lim
r
a

a
= lim
1
a
1
a
2
= lim: = +.
12
Poich r
n
,j
n
= 1, (j
n
,r
n
), per i due limiti vale la Proposizione 97.
9.8. ALGEBRA DEI LIMITI E LIMITI NOTEVOLI 243
mentre, scambiando le parti di r
a
e
a
, si ha
lim

a
r
a
= lim
1
a
2
1
a
= lim
1
:
= 0.
Si osservi la semplice relazione tra le forme di indeterminazione , e 0,0: se il
limite del quoziente delle successioni r
a
e
a
ricade sotto la forma di indetermi-
nazione ,, il limite del quoziente delle successioni 1,r
a
e 1,
a
ricade sotto la
forma di indeterminazione 0,0, e viceversa.
9.8.4 Tabelle riassuntive
Possiamo riassumere in tre tabelle lalgebra dei limiti. Nelle tabelle la prima riga
indica il limite della successione r
a
, mentre la prima colonna indica il limite della
successione
a
.
Cominciamo col limite della somma: le celle interne danno il risultato del limite
r
a
+
a
; abbiamo scritto ?? in caso di forma di indeterminazione.
somma + 1
+ + + ??
H + 1 +H
??
Abbiamo due casi indeterminati su nove. Passiamo al prodotto: le celle interne danno
il risultato del limite r
a

a
:
prodotto + 1 0 0 1 < 0
+ + + ??
H 0 + 1H 0 1H
0 ?? 0 0 0 ??
H < 0 1H 0 1H +
?? + +
dove ci sono quattro casi indeterminati su venticinque. Inne, per il quoziente si ha la
seguente tabella, dove le celle interne danno il risultato del limite r
a
,
a
:
244 CAPITOLO 9. SUCCESSIONI
quoziente + 1 0 0 1 < 0
+ ?? 0 0 0 ??
H 0 + 1,H 0 1,H
0 ??
H < 0 1,H 0 1,H +
?? 0 0 0 ??
dove nella terza riga si ha ambiguit circa il segno dellinnito, a seconda che
a
tenda
a 0 per eccesso o per difetto (se r
a
1 0 e
a
0

allora r
a

a
, ecc., con
le abituali regole dei segni). Per esempio,
lim
1
1
a
= lim: = + e lim
1

1
a
= lim(:) = .
Abbiamo qui cinque casi indeterminati su venticinque.
Le tabelle rendono chiaro come nella maggior parte dei casi i precedenti risultati
siano ecaci, lasciando solo relativamente pochi casi indeterminati.
OfB. Il caso 0
o
non una forma di indeterminazione. Esso ovviamente una
sigla per il limr
jn
a
ove la base una successione (positiva, altrimenti la potenza non
denita!) tendente a 0 (anzi a 0

) e lesponente una successione divergente. Possiamo


porre senza imbarazzi 0
o
= 0: a buon senso, si tratta di moltiplicare 0 per s stesso
innite volte e si ottiene uno zero grande come un palazzo (uno zerissimo diceva
un illustre professore). La forma 0
o
reciproca della precedente e perci 0
o
= +.
*
9.8.5 Ma quante sono le forme di indeterminazione?
Avevamo indicato sette forme di indeterminazione:

.
0
0
. 0 . . 0
0
.
0
. 1
o
In realt sono tutte sostanzialmente riconducibili luna allaltra. Potremmo consider-
are, per esempio, 0 (o qualunque altra) come la forma di indeterminazione di base
e ad essa ridurre le altre:
(i) Se r
a
.
a
, il loro rapporto r
a
,
a
si presenta nella forma ,, ma basta
scrivere il rapporto come
1

a
r
a
per avere la forma 0 .
9.9. CRITERI DI CONVERGENZA 245
(ii) Se r
a
.
a
0, il loro rapporto r
a
,
a
si presenta nella forma 0,0, ma basta
ancora scrivere il rapporto come
r
a

a
per avere la forma 0 .
(iii) Se r
a
e
a
, la loro somma r
a
+
a
si presenta nella forma .
Si pu per scrivere
r
a
+
a
=
_
1 +

a
r
a
_
r
a
;
se
a
,r
a
non tende a 1, la forma non pi indeterminata e, se
a
,r
a
1 la
forma del tipo 0 .
(iv) Per le ultime tre basta considerarne il logaritmo per mettersi nel caso 0 :
log 0
0
= 0log 0 = 0() . log
0
= 0log = 0. log 1
o
= log 1 = 0.
Il numero e, che incontreremo tra breve, rappresenta il limite di una forma di
indeterminazione (la pi pregiata) del tipo 1
o
.
Il lettore provi a ricondurre tutte le forme di indecisione a 0,0 oppure a ,.
9.9 Criteri di convergenza
Il calcolo dei limiti oltremodo fastidioso e, in molti casi, presenta qualche dicolt.
Soccorrono alcuni teoremi che forniscono condizioni sucienti per la convergenza: essi
sono detti criteri di convergenza
13
.
Cominciamo col classico Criterio del confronto, che mostra come quando due suc-
cessioni convergono allo stesso limite, tale il caso anche di qualsiasi successione i cui
termini sono presi in mezzo tra quelli delle due successioni
14
.
Teorema 114 (Criterio del confronto) Siano r
a
,
a
e .
a
tre successioni.
Se, denitivamente,

a
_ r
a
_ .
a
(9.16)
e
lim
a
= lim.
a
= 1 R (9.17)
allora
limr
a
= 1
13
Criterio (test in inglese) sempre sinonimo di condizione suciente.
14
Il Teorema detto spesso dei carabinieri: r
n
accompagnata dai due carabinieri j
n
e .
n

(uno di qua e uno di l) ed costretta ad andare dove vanno loro.


246 CAPITOLO 9. SUCCESSIONI
Dim. Sia 0. Dalla (9.17) segue, per la Denizione 63, che esiste :
1
tale che

a
1
.
(1) per ogni : _ :
1
, e che esiste :
2
tale che .
a
1
.
(1) per ogni : _ :
2
.
Diciamo inne :
S
il posto dordine a partire dal quale risulta
a
_ r
a
_ .
a
. Posto
: = max :
1
. :
2
. :
S
, si ha quindi sia
a
1
.
(1) sia .
a
1
.
(1) sia
a
_ r
a
_ .
a
per
ogni : _ : e, per la (9.16),
1 <
a
_ r
a
_ .
a
< 1 + \: _ :
ossia r
a
1
.
(1) per ogni : _ : e quindi r
a
1 come desiderato. B
Il tipico uso del risultato nel dimostrare la convergenza di una successione mostran-
do che essa pu essere intrappolata tra due opportune successioni convergenti.
Esempio 145 Consideriamo la successione r
a
= :
2
sin
2
:. Dato che 1 _ sin : _ 1
per ogni : N, si ha 0 _ sin
2
: _ 1 per ogni : _ 1 e quindi
0 _
sin
2
:
:
2
_
1
:
2
\: _ 1
Se consideriamo le successioni con
a
= 0 e .
a
= 1,:
2
, valgono le ipotesi (9.16) e (9.17)
con 1 = 0. Per il Criterio del confronto si ha limr
a
= 0. #
Esempio 146 La successione con r
a
= :
1
sin : converge a 0. Infatti

1
:
_
sin :
:
_
1
:
\: _ 1
ed entrambe le successioni 1,: 0. #
Lesempio che precede lascia intendere che, se r
a
una successione limitata e

a
, allora
r
a

a
0
Infatti [`,
a
[ _ r
a
,
a
_ [`,
a
[ dove ` lestremo superiore di [r
a
[.
I due prossimi semplici e utilissimi teoremi introducono tecniche di analisi che
saranno utilizzate anche per la convergenza delle serie, come vedremo nel prossimo
capitolo.
Teorema 115 (Criterio del rapporto) Se esiste un numero < 1 tale che, den-
itivamente,

r
a1
r
a

_ (9.18)
allora la successione r
a
tende a 0.
9.9. CRITERI DI CONVERGENZA 247
Si noti che la propriet (9.18) vale senzaltro se il rapporto r
a1
,r
a
ammette limite
ed esso minore di 1. Infatti, se il limite dei rapporti 1 < 1, essi sono denitivamente
minori di 1 +` per ogni ` 0 e si pu sempre prendere ` in modo che 1 +` < 1.
Si badi che il teorema non richiede semplicemente che il rapporto [r
a1
,r
a
[ sia < 1,
cio
lim
r
a1
r
a
< 1
ma che ne sia discosto, cio che sia minore di un numero a sua volta minore di 1.
Inoltre, ricordando che r
a
1 se e solo se r
a
1 0, possiamo anche aermare
che

r
a1
1
r
a
1

< =r
a
1
Grazie a questa semplice osservazione il Criterio del rapporto (nonch il Criterio della
radice che vedremo tra breve) si applica allo studio della convergenza r
a
1, bench
enunciato solo per r
a
0.
Dim. Poniamo che la disuguaglianza valga a partire da : = 1: se valesse da un certo
: in poi, basterebbe ricordare che la soppressione di un numero nito di termini non
altera il limite. Da

r
a1
r
a

_
si deduce che [r
a1
[ _ [r
a
[ e quindi, in particolare,
[r
2
[ _ [r
1
[ ; [r
S
[ _ [r
2
[ _
2
[r
1
[ ; ; [r
a
[ _
a1
[r
1
[ .
che si possono riscrivere

a1
[r
1
[ _ r
a
_
a1
[r
1
[ \: _ 2
Visto che, essendo 0 < < 1,
a1
0, il risultato segue dal Criterio del confronto.B
Il Criterio del rapporto permette di provare alcuni limiti fondamentali:
(i) Qualsiasi siano c 1 e / R risulta
lim
:
I
c
a
= 0 (9.19)
Infatti, posto
r
a
=
:
I
c
a
e prendendo il rapporto tra due termini consecutivi (il valor assoluto irrilevante
visto che tutti i termini sono positivi), si ha
r
a1
r
a
=
(: + 1)
I
c
a1

c
a
:
I
=
_
: + 1
:
_
I
1
c
=
1
c
_
1 +
1
:
_
I

1
c
< 1
248 CAPITOLO 9. SUCCESSIONI
(ii) Pi in generale si mostra, sempre con c 1, che
.
a
+=
.
I
a
c
an
0
La (9.19) il caso speciale .
a
= :. Si indichi con j
a
= [.
a
] la parte intera di .
a
,
sicch j
a
_ .
a
< j
a
+ 1. Si ha
.
I
a
c
an
<
(j
a
+ 1)
I
c
jn
=
_
j
a
+ 1
j
a
_
I
j
I
a
c
jn
0
dato che (j
a
+ 1)
I
,j
I
a
1 e j
I
a
,c
jn
0 perch si tratta di una sottosuccessione
di :
I
,c
a
.
(iii) Se / R e
a
+, allora
lim
log
I

a
= 0
Basta porre
a
= c
:n
e si ricade nel caso precedente. In particolare
lim
log
I
:
:
= lim
log :
:
= 0
Ci che precede lascia intravedere una precisa gerarchia tra le seguenti classi di
successioni divergenti:
c
a
con c 1 ; :
I
con / 0 ; log
I
: con / 0
Le pi forti sono le esponenziali, al loro interno graduate secondo la base c,
seguono le potenze, al loro interno graduate secondo lesponente /, e, buone ultime, le
logaritmiche, al loro interno graduate secondo lesponente /.
Per esempio,
5
a
6 2
a
:
12S
+ 7:
S7
:
S6
log : +
ereditando il comportamento di 5
a
,
:
1
3:
S
+ 6:
2
4
5:
1
+ 7:
S
+ 25:
2
+ 342

1
5
perch il numeratore eredita il comportamento di :
1
e il denominatore di 5:
1
. Tra
poco, nella Sezione 9.12, renderemo rigorose queste considerazioni sui limiti basate
sulla velocit di convergenza (o divergenza).
Teorema 116 (Criterio della radice) Se esiste un numero < 1 tale che, almeno
denitivamente
n
_
[r
a
[ _ (9.20)
allora la successione r
a
tende a 0.
9.9. CRITERI DI CONVERGENZA 249
Anche per questo risultato si possono fare considerazioni simili a quelle viste per il
Criterio del rapporto. In particolare, la propriet (9.20) vale senzaltro se la successione
_
n
_
[r
a
[
_
ammette limite ed esso minore di 1, cio se
lim
n
_
[r
a
[ < 1
Dim. Poniamo che la disuguaglianza valga a partire da : = 1. Da
n
_
[r
a
[ _
si trae immediatamente che [r
a
[ _
a
cio che
a
_ r
a
_
a
. Visto che, essendo
0 < < 1,
a
0, il risultato segue dal Criterio del confronto. B
Esempio 147 Sia
r
a
=
_
2:
2
5: + 6
3:
S
7: 3
_
a
Dato che
n
_
_
2:
2
5: + 6
3:
S
7: 3
_
a
=
2:
2
5: + 6
3:
S
7: 3

2
3
< 1
si ha r
a
0. #
Nel prossimo esempio si ha r
a
+ e
n
_
r
a
1. Ci mostra limportanza della
disuguaglianza stretta < 1 nella (9.20).
Esempio 148 Risulta
n
_
: 1 perch
log
o
n
_
: = log
o
:
1a
=
log
o
:
:
0
con qualunque c 1. #
Chiudiamo con un semplice esempio che mostra come sia il Criterio del rapporto
sia il Criterio della radice siano condizioni sucienti, ma non necessarie, per la con-
vergenza. Sebbene utili, non possono quindi essere sempre decisivi nel determinare la
convergenza di una successione.
Esempio 149 La successione di termine r
a
= 1,: converge a zero. Tuttavia, si ha
r
a1
r
a
=
:
: + 1
1
e quindi il Criterio del rapporto non applicabile. Daltra parte, da quanto visto
nellultimo esempio, segue che
n
_
1
:
=
1
_
:
1
e quindi anche il Criterio della radice non applicabile. Nessuno dei due criteri
dunque utile per determinare la convergenza di questa semplice successione. #
Ulteriori propriet dei Criteri del rapporto e della radice saranno esaminate nello
studio delle serie (Sezione 11.3).
250 CAPITOLO 9. SUCCESSIONI
9.10 La condizione di Cauchy
Una successione convergente se ammette limito nito. Per stabilire la convergenza di
unassegnata successione si dovrebbe quindi calcolarne il limite, impresa che potrebbe
rivelarsi dicoltosa. Per giunta il limite un oggetto, in un certo senso, estraneo alla
successione (in generale non un suo termine). Dunque, per accertare la convergenza
di una successione, ci si deve adare a un estraneo che, per giunta, pu essere
dicile da calcolare.
Sarebbe preferibile avere una denizione di convergenza che si faccia bastare i
termini della successione. Per vedere come fare, basta la seguente semplice intuizione:
se una successione converge, i suoi elementi sono, almeno da un certo punto in poi,
tutti vicinissimi al limite. Ma, se sono tutti vicinissimi al limite, sono anche vicinissimi
tra loro. Ci che segue non fa che formalizzare lintuizione.
Teorema 117 (Cauchy) La successione r
a
convergente se e solo se a ogni 0
si pu associare un intero :
.
_ 1 tale che
[r
a
r
n
[ < \:. : _ :
.
(9.21)
La condizione (9.21), che si pu riscrivere come d (r
a
. r
n
) < per ogni :. : _ :,
detta condizione di Cauchy: il suo sussistere per ogni 0 dunque condizione
necessaria e suciente di convergenza.
Dim. Necessit. Se r
a
1 allora, per denizione, ad ogni 0 si pu associare
:
.
_ 1 tale che [r
a
1[ < per ogni : _ :
.
. Ora, per :. : _ :
.
,
[r
a
r
n
[ = [r
a
1 +1 r
n
[ _ [r
a
1[ +[r
n
1[ < + = 2
e, per larbitrariet di 2, lasserto provato.
Sucienza. Se [r
a
r
n
[ < per ogni :. : _ :
.
, risulta, a maggior ragione,
[r
a
r
a"
[ < per : = :
.
+ 1. :
.
+ 2. . . . cio
r
a"
< r
a
< r
a"
+ per : = :
.
+ 1. :
.
+ 2. . . .
Indichiamo ora con linsieme dei numeri reali denitivamente minori degli elementi
della successione e con 1 linsieme dei numeri che ne sono denitivamente maggiori.
(i) e 1 non sono vuoti: contiene almeno il precedente r
a"
e 1 almeno
r
a"
+.
(ii) e 1 sono disgiunti. Se vi fosse un numero che appartiene a entrambi, esso
dovrebbe essere a un tempo denitivamente minore e maggiore (strettamente)
degli elementi della successione, il che non pu essere.
(iii) sup = inf 1 perch, come s detto sopra, r
a"
e r
a"
+ 1 per ogni
0 e risulta (r
a
+) (r
a
) = 2 che arbitrariamente piccola.
9.11. IL NUMERO DI NEPERO 251
Diciamo . il valore comune di sup e inf 1. Mostriamo che r
a
.. Fissato
arbitrariamente un numero j 0, esistono c e / 1 tali che / c < j e perci
(essendo per certo c < . < / e quindi . j < c e / < . +j)
. j < c < / < . +j
Ma i termini r
a
della successione sono denitivamente maggiori di c e denitivamente
minori di / e quindi, a maggior ragione,
. j < r
a
< . +j
che, per larbitrariet di j, consente di aermare che . il limite della successione
r
a
. B
OfB. Il Teorema appena visto, talora detto Criterio generale di convergenza, enuncia
s una fondamentale propriet delle successioni convergenti, ma in realt rappresenta
una propriet strutturale (di grande portata concettuale) dellinsieme dei numeri reali,
detta completezza.
Poniamo, per esempio (e come Pitagora), di conoscere soltanto i numeri razionali:
lo spazio sul quale ragioniamo dunque Q. Consideriamo la successione i cui elementi
(tutti razionali) sono le successive approssimazioni decimali di ::
r
1
= 3 . r
2
= 3. 1 . r
S
= 3. 14 . r
1
= 3. 141 . r

= 3. 1415 . . . .
Essa rispetta la condizione di Cauchy: [r
a
r
n
[ < min 10
a
. 10
n
che denitiva-
mente arbitrariamente piccolo. Tale successione per non converge (per noi che conos-
ciamo solo Q) ad alcun punto di Q: se conoscessimo R potremmo dire che converge a
: (e non pu convergere ad altro perch il limite necessariamente unico). Dunque in
Q la condizione di Cauchy ( necessaria ma) non suciente per la convergenza.
Vi sono spazi, come R, nei quali la condizioni di Cauchy suciente per la con-
vergenza e altri, come Q, per i quali non lo (in ogni caso necessaria). I primi sono
detti completi e i secondi incompleti. Senza approfondire la questione, R il com-
pletamento di Q cio il pi piccolo spazio completo che lo contiene: ecacemente,
arricchendo Q con tutti i limiti (inesistenti in Q) delle successioni che rispettano la
condizione di Cauchy, si ottiene lo spazio completo R. *
9.11 Il numero di Nepero
Una successione fondamentale, che si presenta nella forma di indeterminazione 1
o
,
__
1 +
1
:
_
a
_
(9.22)
Dimostreremo tra breve che essa converge a un numero (irrazionale, anzi trascen-
dente
15
) che si indica dabitudine con e e che vale 2. 71828....
15
Un numero non razionale detto algebrico se radice di qualche equazione polinomiale con tutti
i coecienti interi: per esempio,
_
2 algebrico dato che esso radice dellequazione r
2
2 = 0. Sono
detti trascendenti i numeri irrazionali non algebrici.
252 CAPITOLO 9. SUCCESSIONI
Esso la base pi naturale dei logaritmi che in tal modo acquistano pregevoli
propriet. Dora in avanti si assumer senza eccezioni e come base dei logaritmi e
molto spesso come base delle potenze.
Teorema 118 La successione (9.22) convergente. Il suo limite si denota con e ed
detto numero di Nepero.
La dimostrazione si basa sulla seguente classica disuguaglianza.
Lemma 119 Se c 1, con c ,= 0, risulta
(1 +c)
a
1 +c: (9.23)
per ogni intero
16
: 1.
Dim La dimostrazione si fa per induzione. La disuguaglianza (9.23) vale per : = 2.
Infatti, per ogni c ,= 0 si ha:
(1 +c)
2
= 1 + 2c +c
2
1 + 2c.
Supponiamo, per induzione, che (9.23) valga per un certo valore : _ 2, cio si abbia:
(1 +c)
a
1 +c:.
Intendiamo dimostrare che la (9.23) vale per : + 1. Si ha:
(1 +c)
a1
= (1 +c)(1 + c)
a
(1 +c)(1 + c:)
= 1 +c(: + 1) + c
2
: 1 +c(: + 1)
dove la prima disuguaglianza, dovuta allipotesi induttiva, vale solo per c 1.
Abbiamo quindi dimostrato che (9.23) vale anche per : + 1, che era quanto si voleva
dimostrare. B
Dim. del Teorema 118. Poniamo
c
a
=
_
1 +
1
:
_
a
; /
a
=
_
1 +
1
:
_
a1
\: = 1. 2. ...
Procediamo per passi successivi.
Passo 1: /
a
decrescente. Infatti, per : _ 2 si ha
/
a
/
a1
=
_
1 +
1
a
_
a1
_
1 +
1
a1
_
a
=
_
1 +
1
:
_
_
_
1 +
1
a
_
_
1 +
1
a1
_
_
a
=
_
1 +
1
:
_
_
a1
a
a
a1
_
a
=
_
1 +
1
:
__
(: + 1) (: 1)
:
2
_
a
=
_
1 +
1
a
_
_
1 +
1
a
2
1
_
a
16
Per : = 1 vale banalmente luguaglianza.
9.11. IL NUMERO DI NEPERO 253
e, utilizzando la disuguaglianza (1 +c)
a
1 + c: dimostrata nel Lemma 119
17
, si
vede che
_
1 +
1
:
2
1
_
a
1 +
:
:
2
1
1 +
:
:
2
1 +
1
:
e perci /
a
,/
a1
< 1.
Passo 2: c
a
crescente. Infatti
c
a
c
a1
=
_
1 +
1
a
_
a
_
1 +
1
a1
_
a1
=
_
a1
a
_
a
_
a1
a
_
a
a1
a
=
_
a
2
1
a
2
_
a
1
1
a
=
_
1
1
a
2
_
a
1
1
a
e, usando ancora la disuguaglianza di poco fa,
_
1
1
:
2
_
a
1
:
:
2
= 1
1
:
si vede che c
a
,c
a1
1.
Passo 3: /
a
c
a
per ogni : e, per di pi, /
a
c
a
0. Infatti
/
a
c
a
=
_
1 +
1
:
_
a1

_
1 +
1
:
_
a
=
_
1 +
1
:
_
a1
_
1
1
1 +
1
a
_
=
_
1 +
1
:
_
a1
1
: + 1
= /
a
1
: + 1
0
Dato che /
a
< /
1
, risulta
0 < /
a
c
a
=
/
a
: + 1
<
/
1
: + 1
0
Si conclude, che essendo le due successioni strettamente monotone, convergenti e
tali che la loro dierenza tende a 0, si ha sup c
a
= inf /
a
= limc
a
= lim/
a
. B
Risulta
c
1
= 2
1
= 2 /
1
= 2
2
= 4
c
2
=
_
S
2
_
2
=
9
1
= 2. 25 /
2
=
_
S
2
_
S
=
27
S
= 3. 375

c
10
=
_
11
10
_
10
2. 59 /
10
=
_
11
10
_
11
2. 85
e quindi il numero di Nepero compreso tra 2. 59 e 2. 85. Come gi abbiamo avvertito,
il numero e trascendente e vale 2. 71828....
Dal limite fondamentale appena indicato se ne deducono parecchi altri.
17
Osserviamo che 1 <
1
n
2
1
,= 0 e che : _ 2.
254 CAPITOLO 9. SUCCESSIONI
(i) Se [r
a
[ + (cio r
a
+ oppure r
a
), si ha:
lim
_
1 +
/
r
a
_
an
= e
I
Per / = 1 la dimostrazione si pu fare facilmente considerando la parte intera di
r
a
. Per / qualsiasi, basta porre /,r
a
= 1,
a
, col che
_
1 +
/
r
a
_
an
=
_
1 +
1

a
_
Ijn
=
__
1 +
1

a
_
jn
_
I
e
I
(ii) Se c
a
0 e c
a
,= 0, si ha:
lim(1 +c
a
)
1on
= e
Basta porre c
a
= 1,r
a
per ritrovare il precedente caso (i).
(iii) Se c
a
0 e c
a
,= 0, si ha:
lim
log (1 +c
a
)
c
a
= 1
Basta prendere il logaritmo nel limite precedente. Pi in generale:
lim
log
b
(1 +c
a
)
c
a
= log
b
e \0 < / ,= 1
(iv) Se c 0,
a
0 e
a
,= 0:
lim
c
jn
1

a
= log c
Basta porre c
jn
1 = c
a
(cosicch anche c
a
0) per avvedersi che
c
jn
1

a
=
c
a
log
c
(1 +c
a
)
e che quindi ci si riduce al (reciproco del) caso precedente nel quale il limite
1, log
c
e = log
o
c = log c.
(vi) Se c R e .
a
0, con .
a
,= 0, si ha:
lim
(1 +.
a
)
c
1
.
a
= c
Laermazione ovvia per c = 1. Se c ,= 1 si pone c
a
= (1 +.
a
)
c
1 ovvero
1 + c
a
= (1 +.
a
)
c
cio log (1 +c
a
) = clog (1 +.
a
) (col che anche c
a
0). Si
ha allora
log (1 +c
a
)
c
a
=
clog (1 +.
a
)
(1 +.
a
)
c
1
= c
log (1 +.
a
)
.
a
.
a
(1 +.
a
)
c
1
e, dato che
log (1 +c
a
)
c
a
1 e
log (1 +.
a
)
.
a
1, ne segue lasserto.
9.12. ORDINI DI CONVERGENZA E DI DIVERGENZA 255
Applichiamo quanto appena visto ad alcuni semplici limiti. Si ha:
_
: + 5
:
_
a
=
_
1 +
5
:
_
a
e

nonch
:
2
_
_
1 +
1
:
2
_
S
1
_
=
(1 + 1,:
2
)
S
1
1,:
2
3
e
:log
_
1 +
1
:
_
=
log (1 + 1,:)
1,:
1
e
2
a
1
:
log 2
9.12 Ordini di convergenza e di divergenza
Alcune successioni convergono al proprio limite pi velocemente di altre. Per esem-
pio, consideriamo due successioni r
a
e
a
entrambe divergenti a +. Per esempio,

a
= : e r
a
= :
2
. Intuitivamente, la successione r
a
diverge pi velocemente di
a
.
Se le mettiamo a confronto tramite il loro rapporto

a
r
a
si ha
lim
a

a
r
a
= lim
a
1
:
= 0
Ha quindi prevalso il denominatore che, nonostante anche il numeratore tenda a +,
ha trascinato lintera frazione dalla sua parte, schiacciandola a zero. Dunque, la mag-
gior velocit di divergenza (ovvero di convergenza a +) della successione r
a
si
manifesta nella convergenza a zero del rapporto
a
,r
a
. Il rapporto sembra quindi es-
sere il naturale terreno di confronto per la velocit relativa di convergenza/divergenza
delle due successioni .
La prossima denizione formalizza tale intuizione, importante sia dal punto di vista
concettuale sia per il calcolo.
Denizione 68 Siano r
a
e
a
due successioni, con i termini della prima deni-
tivamente diversi da zero.
(i) Se

a
r
a
0
diciamo che
a
trascurabile rispetto a r
a
; in simboli

a
= o (r
a
)
256 CAPITOLO 9. SUCCESSIONI
(ii) Se

a
r
a
/ ,= 0 (9.24)
diciamo che
a
dello stesso ordine o che confrontabile con r
a
; in simboli

a
r
a
(iii) In particolare quando / = 1, cio quando

a
r
a
1
si dice che
a
e r
a
sono asintotiche. In simboli,

a
~ r
a
La classicazione comparativa. Per esempio,
a
trascurabile rispetto a r
a
:
ci non signica che
a
sia in s trascurabile ma che lo diventa quando accompa-
gnata da r
a
. La successione :
2
trascurabile rispetto a :

, ma, in assenza di
:

, non per nulla trascurabile (tende allinnito!).


Si osservi, inoltre, che grazie alla Proposizione 97 si ha

a
r
a
==
r
a

a
0
cio se e solo se r
a
= o (
a
). Quindi, anche quando il rapporto diverge possiamo
applicare la classicazione appena vista, il caso non richiede unanalisi separata.
Riportiamo subito alcune semplici propriet di queste nozioni.
Lemma 120 Siano r
a
e
a
due successioni con termini denitivamente diversi
da zero. Allora,
(i) la relazione di confrontabilit (in particolare ~) sia simmetrica, cio
a
r
a
se e solo se r
a

a
, sia transitiva, cio .
a

a
e
a
r
a
implicano .
a
r
a
.
(ii) la relazione di trascurabilit transitiva, cio .
a
= o (
a
) e
a
= o (r
a
) implica
.
a
= o (r
a
).
Dim. La simmetria di segue da

a
r
a
/ ,= 0 ==
r
a

a

1
/
,= 0
Lasciamo al lettore la facile dimostrazione delle altre propriet. B
9.12. ORDINI DI CONVERGENZA E DI DIVERGENZA 257
Si osservi da ultimo che

a
r
a
==
1

a

1
r
a
e in particolare

a
~ r
a
==
1

a
~
1
r
a
(9.25)
purch r
a
e
a
siano denitivamente diverse da zero. In altre parole, confrontabil-
it e trascurabilit si preservano passando ai reciproci.
Consideriamo ora i casi, pi interessanti, dove entrambe le successioni sono inn-
itesime o divergenti. Cominciamo con due successioni r
a
e
a
entrambe inn-
itesime, ossia lim
ao
r
a
= lim
ao

a
= 0. In questo caso, le successioni trascurabili
tendono pi velocemente a zero. Consideriamo per esempio r
a
= 1,: e
a
= 1,:
2
.
Intuitivamente,
a
va a zero pi velocemente di r
a
. Infatti,
1
a
2
1
a
=
1
:
0
ossia
a
= o (r
a
). Daltra parte, si ha
_
:
_
: + 1
=
_
1
1 +
1
a
1
e quindi le successioni innitesime r
a
=
_
: + 1 e
a
=
_
: sono confrontabili.
Supponiamo ora che le le successioni r
a

o
a=1
e
a

o
a=1
siano entrambe divergenti,
positivamente o negativamente, ossia lim
ao
r
a
= e lim
ao

a
= . In questo
caso, successioni trascurabili tendono meno velocemente a innito (indipendemente dal
segno), ossia assumono valori via via pi grandi in valore assoluto meno rapidamente.
Per esempio, siano r
a
= :
2
e
a
= :. Intuitivamente,
a
va a innito pi lentamente
di r
a
. Infatti,

a
r
a
=
:
:
2
=
1
:
0
ossia
a
= o (r
a
). Daltra parte, lo stesso si ha se r
a
= :
2
e
a
= : perch non il
segno dellinnito che conta, ma la velocit di avvicinamento.
Il signicato di trascurabilit devessere quindi precisato a seconda che si consideri
convergenza a zero oppure a innito (cio divergenza). importante distinguere con
cura i due casi.
NB. (i) Aermare che una successione un o (1) signica semplicemente che essa tende
a 0: infatti, r
a
= o (1) signica che r
a
,1 = r
a
0. (ii) Posto r
a
= : e
a
= :+/, con
/ 0, le successioni r
a
e
a
sono asintotiche. Infatti, per quanto grande possa
258 CAPITOLO 9. SUCCESSIONI
essere /, la divergenza a + delle due successioni render trascurabile il ruolo di /
dal punto di vista asintotico. Tale fondamentale punto di vista, centrale per la Teoria
delle successioni, non deve per far dimenticare che successioni asintotiche sono, in
generale, ben distinte tra loro (per ssare le idee, si ponga per esempio / = 10
100
, cio
100 miliardi, e si considerino le successioni asintotiche r
a
= : e
a
= : + 10
100
). V
9.12.1 Equivalenza asintotica
La relazione ~ identica successioni che sono tra loro equivalenti dal punto di vista
asintotico. Infatti, facile vedere che
a
~ r
a
implica che, dato 1 R, si ha

a
1 ==r
a
1 (9.26)
In dettaglio:
(i) se 1 R,
a
1 se e solo se r
a
1;
(ii) se 1 = +,
a
+ se e solo se r
a
+;
(iii) se 1 = ,
a
se e solo se r
a
;
Tutto ci porta a pensare che sia possibile sostituire r
a
con
a
(o viceversa) nel
calcolo dei limiti. Tale possibilit allettante perch darebbe loccasione di sostituire
a una successione complicata una pi semplice che le asintotica.
Per rendere precisa lintuizione cominciamo con losservare che lequivalenza asin-
totica ~ si conserva rispetto alle operazioni fondamentali.
Lemma 121 Se
a
~ r
a
e .
a
~ n
a
, allora
(i)
a
+.
a
~ r
a
+n
a
purch esista / 0 tale che denitivamente
18
[r
a
, (r
a
+n
a
)[ _
/;
(ii)
a
.
a
~ r
a
n
a
;
(iii)
a
,.
a
~ r
a
,n
a
purch denitivamente .
a
,= 0 e n
a
,= 0.
Dim. (i) Si ha

a
+.
a
r
a
+n
a
=

a
r
a
+n
a
+
.
a
r
a
+n
a
=

a
r
a
r
a
r
a
+n
a
+
.
a
n
a
n
a
r
a
+n
a
=

a
r
a
r
a
r
a
+n
a
+
.
a
n
a
_
1
r
a
r
a
+n
a
_
=
_

a
r
a

.
a
n
a
_
r
a
r
a
+n
a
+
.
a
n
a
Poich
a
,r
a
1 e .
a
,n
a
1, si ha

a
r
a

.
a
n
a
0
18
Per esempio, la condizione vale se r
n
e n
n
sono entrambe denitivamente positive.
9.12. ORDINI DI CONVERGENZA E DI DIVERGENZA 259
e quindi
0 _

a
r
a

.
a
n
a
_
r
a
r
a
+n
a

a
r
a

.
a
n
a

r
a
r
a
+n
a

a
r
a

.
a
n
a

/ 0
Per il Criterio del confronto,
_

a
r
a

.
a
n
a
_
r
a
r
a
+n
a
0
e quindi, essendo .
a
,n
a
1, si ha

a
+.
a
r
a
+n
a
1
come desiderato.
(ii) e (iii) Si ha

a
.
a
r
a
n
a
=

a
r
a
.
a
n
a
1
e
jn
:n
an
&n
=

a
.
a
n
a
r
a
=

a
r
a
n
a
.
a
1
poich
a
,r
a
1 e .
a
,n
a
1. B
Il prossimo semplicissimo lemma molto utile: nel calcolo di un limite bene
trascurare ci che trascurabile.
Lemma 122 Si ha
r
a
~ r
a
+o (r
a
)
Dim. Basta osservare che
r
a
+o (r
a
)
r
a
= 1 +
o (r
a
)
r
a
1
B
Grazie alla (9.26), si ha quindi
r
a
+o (r
a
) 1 ==r
a
1
Ci che trascurabile rispetto alla successione r
a
, ossia ci che o (r
a
), asintoti-
camente irrilevante ed bene trascurarlo. Assieme al Lemma 121 ci implica:
r
a
+o (r
a
) +
a
+o (r
a
) ~ r
a
+
a
(9.27)
e
(r
a
+o (r
a
)) (
a
+o (r
a
)) ~ r
a

a
(9.28)
nonch
r
a
+o (r
a
)

a
+o (r
a
)
~
r
a

a
(9.29)
Illustriamo queste utilissime equivalenze asintotiche con alcuni esempi, che inviti-
amo il lettore a leggere con particolare attenzione.
260 CAPITOLO 9. SUCCESSIONI
Esempio 150 Consideriamo il limite
lim
:
1
3:
S
+ 5:
2
7
2:

+ 12:
1
6:
S
+ 4: + 1
Grazie alla (9.29) si ha
:
1
3:
S
+ 5:
2
7
2:

+ 12:
1
6:
S
+ 4: + 1
=
:
1
+o (:
1
)
2:

+o (:

)
~
:
1
2:

=
1
2:
0
*
Esempio 151 Consideriamo il limite
lim:
1
+:
2
c
a
c
a
2
Grazie alla (9.27) si ha
:
1
+:
2
c
a
c
a
2
= :
1
+o
_
:
1
_
c
a
2
+o
_
c
a
2
_
~ :
1
c
a
2
= c
a
2
+o
_
c
a
2
_
~ c
a
2

*
Esempio 152 Consideriamo il limite
lim
_
:
2
7: + 3
_
_
2
1
:
+
3
:
2
_
Grazie alla (9.28) si ha
_
:
2
7: + 3
_
_
2
1
:
+
3
:
2
_
=
_
:
2
+o
_
:
2
__
(2 +o (1)) ~ 2:
2
+
*
Esempio 153 Consideriamo il limite
lim
:(: + 1) (: + 2) (: + 3)
(: 1) (: 2) (: 3) (: 4)
Grazie alla (9.29) si ha
:(: + 1) (: + 2) (: + 3)
(: 1) (: 2) (: 3) (: 4)
=
:
1
+o (:
1
)
:
1
+o (:
1
)
~
:
1
:
1
= 1 1
*
9.12. ORDINI DI CONVERGENZA E DI DIVERGENZA 261
Esempio 154 Consideriamo il limite
lime
a
_
7 +
1
:
_
Grazie alla (9.28) si ha
e
a
_
7 +
1
:
_
= e
a
(7 +o (1)) ~ 7e
a
0
*
Grazie alla (9.25) si ha

a
.
a
~
r
a
n
a
==
.
a

a
~
n
a
r
a
(9.30)
purch i rapporti siano (denitivamente) ben deniti e non nulli. Quindi, una volta
stabilita lasintoticit dei rapporti
a
,.
a
e r
a
,n
a
, si ha automaticamente anche
lasintoticit dei loro reciproci .
a
,
a
e n
a
,r
a
.
Esempio 155 Consideriamo il limite
lim
e
a
:
7
4:
2
+ 3:
6
a
+:
S
:
1
+ 5:
S
Grazie alla (9.29) si ha
e
a
:
7
4:
2
+ 3:
6
a
+:
S
:
1
+ 5:
S
=
e
a
+o (e
a
)
6
a
+o (6
a
)
~
e
a
6
a
=
_
e

6
_
a
+
Se, invece, consideriamo il limite reciproco
lim
6
a
+:
S
:
1
+ 5:
S
e
a
:
7
4:
2
+ 3:
grazie alla (9.30) si ha
6
a
+:
S
:
1
+ 5:
S
e
a
:
7
4:
2
+ 3:
~
_
6
e

_
a
0
*
In conclusione, un uso accorto delle (9.27)-(9.29) permette sovente di semplicare
in modo sostanziale il calcolo dei limiti. Ma, al di l del calcolo, si tratta di relazioni
illuminanti dal punto di vista concettuale.
262 CAPITOLO 9. SUCCESSIONI
9.12.2 Terminologia
In ragione della loro importanza, per il confronto sia di successioni innitesime sia di
successioni divergenti vi una terminologia specica. In particolare,
(i) se due successioni innitesime r
a
e
a
sono tali che
a
= o (r
a
), la successione

a
detta innitesima di ordine superiore rispetto a r
a
;
(ii) se due successioni divergenti r
a
e
a
sono tali che
a
= o (r
a
), la successione

a
detta innita di ordine inferiore rispetto a r
a
.
In altre parole, una successione innitesima di ordine superiore se tende a zero
pi velocemente, mentre innita di ordine inferiore se tende a innito pi lenta-
mente. Al di l della terminologia (peraltro non univoca), importa ricordare lidea di
trascurabilit che sta alla base della relazione
a
= o (r
a
).
9.12.3 Scale di inniti
Alla luce di quanto visto sugli ordini di convergenza, riproponiamo i risultati, in buona
parte gi ottenuti col criterio del rapporto, relativi al confronto tra successioni espo-
nenziali, c
a
, potenza,
_
:
I
_
, e logaritmiche,
_
log
I
:
_
19
. Per prima cosa, si osservi
che esse sono innite quando c 1 e / 0 e innitesime quando 0 < c < 1 e / < 0.
Inoltre, si ha:
(i) Se c ,, allora ,
a
= o (c
a
). Infatti, ,
a
,c
a
= (,,c)
a
0.
(ii) :
I
= o (c
a
) per ogni c 1, come gi provato col Criterio del rapporto. Si ha
c
a
= o
_
:
I
_
se, invece, 0 < c < 1.
(iii) Se /
1
/
2
, allora :
I
2
= o
_
:
I
1
_
. Infatti :
I
2
,:
I
1
= 1,:
I
1
I
2
0.
(iv) log
I
: = o (:), come gi provato col Criterio del rapporto.
(v) Se /
1
/
2
, allora log
I
2
: = o
_
log
I
1
:
_
. Infatti
log
I
2
:
log
I
1
:
=
1
log
I
1
I
2
:
0
Il prossimo lemma ripota due importanti confronti di inniti, che mostrano che gli
esponenziali sono inniti di ordine inferiore rispetto a quelli di tipo :! e :
a
. Si noti
che il lemma implica, grazie al Lemma 120, che c
a
= o (:
a
).
Lemma 123 Risulta c
a
= o (:!), con c 0, e :! = o (:
a
).
19
Come annunicato nella Sezione 9.11, qui e nel resto del libro consideriamo solo logaritmi naturali.
9.12. ORDINI DI CONVERGENZA E DI DIVERGENZA 263
Dim. (i) Posto c 0, mostriamo che c
a
= o (:!). Si ponga
r
a
=
c
a
:!
sicch
r
a1
r
a
=
c
a1
(: + 1)!
:!
c
a
=
c
1 +:
0
Per il Criterio del rapporto, r
a
0 e quindi c
a
= o (:!).
(ii) Mostriamo che :! = o (:
a
). Ponendo
r
a
=
:!
:
a
risulta
lim
r
a1
r
a
= lim
(: + 1)!
(: + 1)
a1

:
a
:!
= lim
_
:
: + 1
_
a
= lim
1
_
1 +
1
a
_
a
=
1
e
Poich e
1
< 1, per il Criterio del rapporto si ha r
a
0 e quindi :! = o (:
a
). B
I diversi ordini di innito e innitesimo sono talvolta organizzati secondo scale.
Se ci limitiamo agli inniti (considerazioni analoghe valgono per gli innitesimi), la
pi classica scala di inniti la logaritmico-esponenziale. Prendendo r
a
= : come
spartiacque, abbiamo la scala ascendente
:. :
2
. .... :
I
. .... c
a
. c
2a
. .... c
Ia
. .... c
a
2
. .... c
a
k
. .... c
c
n
. ...
e la scala discendente
:. :
1
2
. ... :
1
k
. .... log :. log
2
:. .... log
I
:. .... log log :. log
2
log :. .... log
I
log :. ...
Esse danno dei campioni per il comportamento asintotico di un innito r
a
. Per
esempio, se r
a
~ log :, la successione r
a
asintoticamente logaritmica; se r
a
~ :
2
,
la successione r
a
asintoticamente quadratica, e cos via.
Sebbene per brevit omettiamo i dettagli, il Lemma 123 mostra che la scala
logaritmico-esponenziale pu essere notevolmente anata con ordini di innito del
tipo :! e :
a
.
9.12.4 La formula di De Moivre-Stirling
Per illustrare luso degli o piccoli, presentiamo la formula di De Moivre-Stirling. Si trat-
ta di una formula, che oltre a essere molto sorprendente, usata in parecchi problemi
teorici e applicati. Essa riguarda il comportamento asintotico di :!.
264 CAPITOLO 9. SUCCESSIONI
Teorema 124 Si ha
log :! = :log : : +o (:)
= :log : : +
1
2
log : + log
_
2: +o (1)
Abbiamo quindi due approssimazioni di log :!. La prima, un po pi grossolana,
dovuta a De Moivre e ha un termine di errore di ordine o (:). La seconda, dovuta a
Stirling, pi accurata, con un termine di errore o (1), ma anche pi complessa
20
.
Dim. Ci limitiamo a mostrare la prima uguaglianza. Ponendo r
a
= :!,:
a
, nella
dimostrazione del Lemma 123 si visto che
lim
r
a1
r
a
=
1
e
Per la (11.17), risulta anche
lim
n
_
r
a
= lim
n
_
:!
:
=
1
e
Si conclude allora che :,
n
_
:! = e (1 +o (1)), cio che :!,:
a
= e
a
(1 +o (1))
a
, ovvero
che
:! = :
a
e
a
(1 +o (1))
a
Quindi log :! = :log : : :log (1 +o (1)). Poich log (1 +c
a
) ~ c
a
per c
a
0, si
pu scrivere che :log (1 +o (1)) ~ :o (1) = o (:). B
Se ne deduce che :! = :
a
e
a
_
2::e
c(1)
, e quindi
:!
:
a
e
a
_
2::
= e
c(1)
1
Si ha perci la notevole formula
:! ~ :
a
e
a
_
2::
che chiude in bellezza largomento.
9.12.5 Distribuzione dei numeri primi
Luso di o piccolo nasce alla ne dellOttocento nello studio della distribuzione dei
numeri primi. Nella Sezione 1.3 avevamo introdotto i numeri primi e mostrato col
Teorema fondamentale dellaritmetica la loro centralit, atomica, nellinsieme dei
numeri naturali. Con un celebre teorema di Euclide avevamo anche visto che esistono
20
Si ha o (1) ,: 0, e quindi una successione che sia o (1) anche o (:). Per questo, come termine
di errore o (1) migliore di o (:).
9.12. ORDINI DI CONVERGENZA E DI DIVERGENZA 265
inniti numeri primi, sicch possiamo parlare della loro successione j
a
. Ma, nella
Sezione 9.1 avevamo osservato come, purtroppo, sia impossibile descrivere esplicita-
mente questa successione. Ci ha portato a interrogarsi sulla distribuzione dei numeri
primi in N. Sia : : N

R la successione il cui termine : (:) il numero di numeri


primi minori o uguali a :. Per esempio
: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
: (:) 0 1 2 2 3 3 4 4 4 4 5 5 6 6 6
e cos via. Naturalmente non possibile descrivere la successione : perch ci equivar-
rebbe a poterlo fare per la sucessione dei numeri primi, il che abbiamo visto essere
impossibile. Ma, ci si pu chiedere se esista una successione r
a
descrivibile in for-
ma chiusa e asintotica a :: in altre parole, se esista una successione ragionevomente
semplice che ben approssimi asintoticamente :.
Intorno al 1800, Gauss e Legendre osservarono independentemente che la succes-
sione :, log : sembrava ben approssimare :, come si pu vedere da questa tabella.
: : (:)
a
log a
(a)
a log a
10 4 4. 3 0. 921
10
2
25 21. 7 1. 151
10
S
168 145 1. 161
10
1
1.229 1.086 1. 132
10

9.592 8.686 1. 104


10
10
455.052.511 434.294.482 1. 048
10
1
29.844.570.422.669 28.952.965.460.217 1. 031
10
20
2.220.819.602.560.918.840 2.171.472.409.516.250.000 1. 023
Come si vede, il rapporto
: (:)
a
log a
si mantiene prossimo a 1 per valori via via pi grandi di :. La congettura di Gauss e
Legendre aermava che ci accade perch : asintotica a :, log :. La congettura
rimase irrisolta per circa un secolo nch fu dimostrata nel 1896 indipendentemente da
due grandi matematici, Jacques Hadamar e Charles de la Valle Poussin. Limportanza
del risultato rivelata dal suo nome, tanto semplice quanto impegnativo
21
.
21
La non facile dimostrazione del toerema si basa su metodi di analisi complessa che non studiamo
in queste note. Si deve a una profonda intuizione di Bernard Riemann il sorprendente uso di nozioni
di Analisi complessa nello studio dei numeri primi. Solo nel 1949 due altri notevoli matematici, Paul
Erds e Atle Selberg, riuscirono a dare una dimostrazione di questo risultato basata su metodi di
Analisi reale.
266 CAPITOLO 9. SUCCESSIONI
Teorema 125 (dei numeri primi) Si ha
: (:) ~
:
log :
Grazie al Teorema dei numeri primi, pur non potendo descrivere la successione
:, possiamo dire che il suo comportamento asintotico simile a quello della semplice
successione :, log :. Bench non siamo in grado di descrivere la successione dei
numeri primi, possiamo per dire che, approssimativamente, il loro numero in ogni
dato intervallo di numeri naturali [:. :]
: (:) : (:) =
:
log :

:
log :
con grado di accuratezza via via migliore al crescere di :. un risultato, di sapore
statistico, di incredibile eleganza. Tanto pi alla luce della prossima notevolissima
conseguenza del Teorema dei numeri primi.
Teorema 126 Si ha
j
a
~ :log : (9.31)
La successione j
a
dei numeri primi quindi asintotica alla successione :log :.
Ln-esimo numero primo ha, approssimativamente, valore :log :. Per esempio, con-
sultando le esistenti tavole dei numeri primi si scopre che per : = 100 si ha j
a
= 541
mentre la sua stima :log : = 460 (arrotondando per difetto). Similmente:
: j
a
:log :
jn
alog a
100 541 460 1. 176 1
1.000 7.919 6.907 1. 146 5
10.000 104.729 92.104 1. 137 1
100.000 1.299.709 1.151.292 1. 128 9
10.00.000 154.85.863 13.815.510 1. 120 9
10.000.000 179.424.673 161.180.956 1. 113 2
100.000.000 2.038.074.743 1.842.068.074 1. 106 4
1.000.000.000 22.801.763.489 20.723.265.836 1. 100 3
Come si vede, il rapporto tra j
a
e la sua stima :log : rimane stabilmente prossimo a
1.
Dim. Per il Teorema dei numeri primi si ha
: (:)
log :
:
1
9.12. ORDINI DI CONVERGENZA E DI DIVERGENZA 267
Quindi, ssato 0, esiste :
.
tale che

: (:)
log :
:
1

< \: _ :
.
(9.32)
Poich j
a
, esiste :
.
tale che j
a
_ :
.
per : _ :
.
. Quindi, la (9.32) implica che

: (j
a
)
log j
a
j
a
1

< \: _ :
.
Daltra parte si ha : (j
a
) = :, e quindi

:
log j
a
j
a
1

< \: _ :
.
cio
:
log j
a
j
a
1 (9.33)
Da ci segue che
log
_
:
log j
a
j
a
_
log 1 = 0
cio log : + log log j
a
log j
a
0. Poich log j
a
+,
log :
log j
a
+
log log j
a
log j
a
1 =
log : + log log j
a
log j
a
log j
a
0
Ma log log j
a
, log j
a
0 (perch?), e quindi
log :
log j
a
1
Moltiplicando per la (9.33) si ottiene
:log :
j
a
= :
log j
a
j
a
log :
log j
a
1
il che prova la (9.31). B
9.12.6 Termine di errore
Da un punto di vista metodologico lo studio della distribuzione dei numeri primi
pu essere inquadrato nel seguente modo: siamo interessati a una certa successione
incognita r
a
e linformazione che abbiamo su di essa data da unaltra successione

a
. Usando (e abusando) unanalogia statistica,
a
uno stimatore di r
a

mentre un singolo termine


a
una stima del corrispettivo termine r
a
.
Denizione 69 La successione
a
si dice stima corretta di r
a
quando r
a
~
a
.
268 CAPITOLO 9. SUCCESSIONI
La condizione di asintoticit r
a
~
a
garantisce che lo stimatore sia, al limite,
corretto. Nel caso dei numeri primi appena visto, r
a
la successione dei numeri
primi e
a
la successione :log :, oppure r
a
la successione : (:) e
a

la successione :, log :. Grazie al Teorema dei numeri primi, :, log : uno stimatore
corretto di :, mentre grazie al Teorema 126 :log : uno stimatore corretto della
successione dei numeri primi.
In questa prospettiva diventa importante studiare la successione c
a
dei termini
di errore con
c
a
= [r
a

a
[
Al riguardo, si osservi che da r
a
~
a
scende che r
a
=
a
+o (
a
) e quindi
c
a
= o (
a
) . (9.34)
La correttezza di per s garantisce dunque che la successione c
a
sia trascurabile
rispetto a
a
. Pur essendo confortante, si pu dire molto di pi. Per esempio,
supponiamo che
a
sia la successione dei quadrati :
2
. Se la successione incognita
fosse r
a
= :
2
+:, si avrebbe c
a
= :, mentre se fosse r
a
= :
2
+
_
:, si
avrebbe c
a
=
_
:. In entrambi i casi si ha c
a
= o (
a
), ossia la (9.34), ma anche
_
: = o (:). Il termine di errore
_
: decisamente migliore di :.
Quindi, un primo problema della stima determinare qual il corretto termine di
errore in cui si incorre stimando r
a
con
a
. Siccome non conosciamo r
a
(diver-
samente, la stima sarebbe banale), si tratta di un compito potenzialmente complicato.
per molto importante conoscere il corretto termine di errore perch ci consente
di determinare la bont dello stimatore
a
, il che importante sia di per s, perch
descrive il grado di accuratezza delle sue stime, sia dal punto di vista comparativo
quando occorra confrontare diversi possibili stimatori di una medesima successione
incognita.
NB. Il fatto che il rapporto r
a
,
a
tenda a 1 non implica aatto che le dierenze
[r
a

a
[ siano trascurabili. Negli esempi test visti, entrambi gli errori : e
_
: diver-
gono positivamente. Comunque, grazie alla (9.34) sappiamo che quando c
a
diverge,
tale divergenza di ordine inferiore rispetto a
a
V
Nello studio dei termini di errore molto utile la seguente nozione di O grande.
Denizione 70 Date due successioni r
a
e
a
, se esiste / 0 tale che deniti-
vamente
[
a
[ _ / [r
a
[
diciamo che
a
asintoticamente dominata da r
a
. In simboli r
a
= C(
a
).
Si noti che il valore della costante / lasciato indeterminato: conta soltanto che
tale costante esista. Il prossimo lemma mostra alcuni semplici legami tra le relazioni
~, o e C.
9.12. ORDINI DI CONVERGENZA E DI DIVERGENZA 269
Lemma 127 (i)
a
~ r
a
implica
a
= C(r
a
).
(ii)
a
= o (r
a
) implica
a
= C(r
a
).
Le condizioni
a
~ r
a
e
a
= o (r
a
) sono quindi sucienti per r
a
= C(
a
) ma non
necessarie: un banale esempio
a
= (1)
a
e r
a
= 1. Il limite
a
,r
a
non esiste, e
quindi non si ha n
a
~ r
a
n
a
= o (r
a
), purtuttavia si ha
a
= C(r
a
).
Dim. (i) se
a
~ r
a
allora, per ogni 0, esiste :
.
tale che

a
r
a
1

< \: _ :
.
Dunque [
a
[ , [r
a
[ < 1+ per ogni : _ :
.
, e quindi denitivamente [
a
[ _ (1 +) [r
a
[.
(ii) se
a
= o (r
a
) allora, per ogni 0, esiste :
.
tale che
[
a
[
[r
a
[
< \: _ :
.
e perci [
a
[ , [r
a
[ < per ogni : _ :
.
, e quindi denitivamente [
a
[ _ [r
a
[. B
Vediamo un altro utile risultato.
Lemma 128 (i)
a
= C(r
a
) e r
a
= C(
a
) se e solo se esiste / 0 tale che,
denitivamente,
1
/
[r
a
[ _ [
a
[ _ / [r
a
[ (9.35)
(ii)
a
= C(r
a
) e r
a
= C(
a
) implicano r
a

a
.
Dim. (i)
a
= C(r
a
) implica che esista /
t
0 tale che, denitivamente, [
a
[ _ /
t
[r
a
[,
mentre r
a
= C(
a
) implica che esista /
tt
0 tale che, denitivamente, [r
a
[ _ /
tt
[
a
[.
Ponendo / = max /
t
. /
tt
, si ottiene la (9.35). Lasciamo al lettore la dimostrazione
della (ii). B
Il lemma mostra che la relazione
a
= C(r
a
) e r
a
= C(
a
) generalizza la relazione
di confrontabilit tra successioni, che richiede la convergenza della successione dei
rapporti
a
,r
a
. Quando si ha questultima, grazie alla (i) si ha che r
a

a
equivale ad
avere sia
a
= C(r
a
) sia r
a
= C(
a
). Ma, anche in mancanza di tale convergenza, la
relazione
a
= C(r
a
) e r
a
= C(
a
) equivale alla (9.35) che una forma di confrontabil-
it per le due successioni, pur se un po pi rozza della condizione
a
,r
a
/ ,= 0 che
denisce r
a

a
.
Denizione 71 Date due successioni r
a
e
a
, se
a
= C(r
a
) e r
a
= C(
a
),
diciamo che
a
dello stesso ordine o che confrontabile con r
a
; in simboli

a
r
a
.
270 CAPITOLO 9. SUCCESSIONI
Questa denizione di confrontabilit pienamente coerente con la precedente del-
la Denizione 68, di cui estende la portata non richiedendo la convergenza della
successione dei rapporti
a
,r
a
. Abbiamo perci conservato la notazione .
Esempio 156 (i) Le successioni di termini r
a
= 1 e
a
= (1)
a
sono confrontabili
(si prenda / = 1 nella (9.35)).
(ii) Le successioni di termini r
a
= :(2 + sin :), e
a
= : sono confrontabili (si
prenda / = 3 nella (9.35)). #
Se con unanalogia pensiamo a come a una uguaglianza = e a o piccolo come a
una disuguaglianza stretta , lC grande una sorta di disuguaglianza debole _. Con
tale ordinamento possiamo classicare i termini di errore.
Denizione 72 La successione
a
stima r
a
con termine di errore di ordine .
a

se
r
a
=
a
+C(.
a
)
ossia se c
a
= C(.
a
).
La condizione c
a
= C(.
a
) garantisce che lerrore sia al pi di ordine .
a
, ponendo
un limite allerrore nel quale si pu incorrere nello stimare r
a
con
a
: la scrittura
C(.
a
) ci dice qual il peggior errore che si pu vericare. Sono benvenute maggiori
informazioni sullerrore, che per esempio permettano di dire che c
a
= o (.
a
) o, ancor
meglio, che c
a
~ .
a
. Spesso, per, stabilire che c
a
= C(.
a
) quanto di meglio si riesce
a fare. Naturalmente ci si aspetta che la successione .
a
di riferimento abbia un chiaro
comportamento asintotico: spesso si usano successioni di potenze, con .
a
= :
c
per
c R, oppure di logaritmi, con .
a
= log
c
: per c R, oppure di esponenziali, con
.
a
= c
a

per c R, o loro opportune combinazioni. Al variare di c, abbiamo scale di


potenze, logaritmiche ed esponenziali per valutare gli errori.
Dati due stimatori
t
a
e
tt
a
di una stessa successione r
a
con errori c
t
a
e c
tt
a
,
se:
(i) c
t
a
= C(c
tt
a
), cio se il termine di errore dello stimatore
t
a
asintoticamente
dominato da quello di
tt
a
, allora
t
a
uno stimatore migliore di r
a
rispetto
a
tt
a
;
(ii) c
t
a
c
tt
a
, cio se il termine di errore dello stimatore
t
a
confrontabile con
quello di
tt
a
, allora
t
a
uno stimatore equivalente di r
a
rispetto a
tt
a
.
Esempio 157 Se entrambi gli errori sono inniti, cio c
t
a
+ e c
tt
a
+, e se
c
t
a
= o (c
tt
a
) allora c
t
a
innito di ordine inferiore di c
tt
a
(per esempio, c
t
a
= : e c
tt
a
= :
2
).
Invece, se entrambi gli errori sono innitesimi, cio c
t
a
0 e c
tt
a
0, e se c
t
a
= o (c
tt
a
)
allora c
t
a
innitesimo di ordine superiore di c
tt
a
(per esempio, c
t
a
= 1,:
2
e c
tt
a
= 1,:).
In tutti e due i casi, lo stimatore
t
a
migliore di
tt
a
. #
9.13. SUCCESSIONI IN R
.
271
La classicazione dei termini di errore ha presupposto la loro conoscenza, cosa
niente aatto banale visto che r
a
incognita. Ci siamo quindi posti in una situazione
idealizzata. Tuttavia linquadramento teorico utile anche nella determinazione del
termine di errore. Infatti, in tale questo processo si determinano valutazioni via via
pi accurate del termine di errore, e le nozioni test viste sono utili nel classicare
i miglioramenti. Torniamo ai numeri primi per illustrare tutto ci, lasciando alle
meditazioni del lettore la relativa analisi teorica.
Esempio 158 Consideriamo le successioni : e :, log : del Teorema dei numeri primi.
Poich : ~ :, log :, la (9.35) diventa qui
: =
:
log :
+o
_
:
log :
_
(9.36)
cio c
a
= o (:, log :). Tuttavia si riusciti a dimostrare che esiste una costante
c (1. 2) tale che
: =
:
log :
+C
_
:
log
c
:
_
(9.37)
cosicch c
a
= C(:, log
c
:). Questultima valutazione del termine di errore pi
accurata della precedente
22
. Infatti, per denizione esiste / 0 tale che
c
a
_ /
:
log
c
:
= /
:
log :
1
log
c1
:
e quindi, poich c 1,
0 _
c
a
a
log a
_ /
1
log
c1
:
0
Ne segue che c
a
= o (:, log :). Ma, non valendo il viceversa (perch?), c
a
= C(:, log
c
:)
una valutazione pi accurata dellerrore rispetto a c
a
= o (:, log :). #
9.13 Successioni in R
:
Prendiamo ora in esame successioni
_
r
I
_
di vettori in R
a
. Per esse diamo la seguente
denizione di limite che ricalca quella gi data per successioni in R. La dierenza
fondamentale che ogni elemento della successione un vettore r
I
= (r
I
1
. r
I
2
. .... r
I
a
)
R
a
e non uno scalare.
Denizione 73 Si dice che la successione
_
r
I
_
in R
a
tende a 1 R
a
, in simboli
r
I
1 o limr
I
= 1, se per ogni 0 esiste :
.
_ 1 tale che
/ _ :
.
==|r
I
1| < .
22
Spesso ci che noi chiamiamo valutazione del termine di errore detto stima dellerrore. Si
dice allora che O(:, log

:) una miglior stima dellerrore rispetto a o (:, log :).


272 CAPITOLO 9. SUCCESSIONI
In altre parole, r
I
1 = (1
1
. 1
2
. .... 1
a
) se la successione numerica
_
_
r
I
1
_
_
converge a zero. Dato che
_
_
r
I
1
_
_
=

a
i=1
_
_
r
I
i
1
i
_
2
.
si riconosce immediatamente che
_
_
r
I
r
_
_
0 ==

r
I
i
1
i

0 \i = 1. 2. . . . . :. (9.38)
cio se e solo se le successioni
_
r
I
i
_
delle singole componenti i convergono alla compo-
nente 1
i
del vettore 1.
La convergenza di una successione di vettori dunque ricondotta alla convergenza
delle singole componenti e perci non presenta alcuna dicolt n di comprensione n
di calcolo.
Esempio 159 Sia
__
1 +
1
/
.
1
/
2
.
2/ + 3
5/ 7
__
una successione in R
S
. Dato che
1 +
1
/
1 ,
1
/
2
0 e
2/ + 3
5/ 7

2
5
.
la successione converge a [1. 0. 2,5]. #
In maniera del tutto analoga si hanno le divergenze a + e a quando tutte le
componenti dei vettori che formano la successione divergono rispettivamente a + o
a . Quando, inne, le singole componenti abbiano comportamenti diormi (alcune
convergono, altre divergono o sono irregolari) la successione di vettori non ammette
limite. Per brevit omettiamo i dettagli.
Notazione Le successioni di vettori si indicano con
_
r
I
_
invece di r
a
sia per
evitare confusione con la dimensione : dello spazio R
a
sia per poter indicare le singole
componenti r
I
i
di ogni vettore r
I
della successione.
9.14 Valori limite
Consideriamo una successione r
a
limitata di numeri reali, ossia tale che esista ` 0
per cui ` _ r
a
_ ` per ogni :. Consideriamo le successioni ausiliarie
a
e .
a

tali che

a
= sup
Ia
r
I
e .
a
= inf
Ia
r
I
Esempio 160 Per la successione (1)
a
si ha
a
= 1 e .
a
= 1 per ogni :, mentre
per la successione 1,: si ha
a
= 1,: e .
a
= 0 per ogni :. #
9.14. VALORI LIMITE 273
facile vericare che
` _ .
a
_
a
_ ` \:. (9.39)
sicch anche le due successioni ausiliarie sono limitate. Inoltre,
:
1
< :
2
= sup
Ia
1
r
I
_ sup
Ia
2
r
I
e inf
Ia
1
r
I
_ inf
Ia
2
r
I
e quindi
a
decrescente e .
a
crescente. Grazie al Teorema 105, entrambe le
successioni
a
e .
a
sono convergenti. Se indichiamo con e . tali limiti, ossia

a
e .
a
., possiamo equivalentemente scrivere
lim
ao
sup
Ia
r
I
= e lim
ao
inf
Ia
r
I
= ..
I limiti e . sono rispettivamente detti limite superiore e limite inferiore di r
a
e si
indicano rispettivamente con limsup r
a
e liminf r
a
.
Esempio 161 Per la successione irregolare (1)
a
si ha
limsup r
a
= 1 e liminf r
a
= 1.
mentre per la successione convergente 1,: si ha
limsup r
a
= liminf r
a
= limr
a
= 0.
#
Lesempio ha mostrato due notevolissime propriet di questi limiti: essi esistono
sempre, anche quando la successione originale r
a
irregolare
23
, e la convergenza
della successione r
a
equivale proprio alla loro uguaglianza: limsup r
a
= liminf r
a
se e solo se esiste limr
a
.
Proposizione 129 Sia r
a
una successione limitata di numeri reali. Si ha
< liminf r
a
_ limsup r
a
< +. (9.40)
In particolare, r
a
converge a 1 R se e solo se liminf r
a
= limsup r
a
= 1.
Dim. Grazie alla (9.39), la (9.40) segue dalla Proposizione 102. Lasciamo al lettore
vericare la seconda parte dellenunciato. B
Altre propriet interessanti, che lasciamo vericare al lettore, sono
liminf r
a
= limsup r
a
e limsup r
a
= liminf r
a
(9.41)
23
Essendo limitata, r
n
converge oppure oscilla, ma non diverge.
274 CAPITOLO 9. SUCCESSIONI
Si tratta di propriet di dualit perch mettono in relazione i limiti inferiori e superi-
ori delle successioni r
a
con quelli delle successioni gemelle r
a
. Per esempio,
questa semplice dualit permette di trovare in modo molto semplice quale veste as-
sumano per i limiti inferiori delle propriet stabilite per quelli superiori, e viceversa.
La prossima dimostrazione ne dar un esempio.
Unaltra interessante conseguenza della dualit di permettere di riscrivere la
disuguaglianza (9.40) come
liminf r
a
_ liminf r
a
Il prossimo risultato raccoglie alcune semplici, ma utili, propriet dei limiti superiori
e inferiori. Grazie al risultato precedente, le analoghe propriet viste per successioni
convergenti sono implicate da questi risultati per i limiti superiori e inferiori.
Lemma 130 Siano r
a
e
a
successioni limitate di scalari. Si ha:
(i) liminf r
a
+ liminf
a
_ liminf (r
a
+
a
),
(ii) limsup r
a
+ limsup
a
_limsup (r
a
+
a
) .
(iii) liminf r
a
_ liminf
a
e limsup r
a
_ limsup
a
se, denitivamente, si ha r
a
_

a
.
Dim. (i) Per ogni : si ha
sup
Ia
(r
I
+
I
) _ sup
Ia
r
I
+ sup
Ia
r
I
.
La (i) segue quindi dalla Proposizione 102. La (ii) segue dalla (i) usando le dualit
(9.41):
limsup (r
a
+
a
) = liminf ((r
a
) + (
a
))
_ liminf (r
a
) liminf (
a
) = limsup r
a
+ limsup
a
Lasciamo al lettore la dimostrazione della (iii). B
Possiamo dare una caratterizzazione topologica di questi limiti; a tal ne introdu-
ciamo la nozione di valore limite.
Denizione 74 Si dice che 1 R un valore limite di una successione r
a
se ogni
intorno di 1 contiene inniti termini della successione.
Se la successione convergente, esiste un unico valore limite: il limite della succes-
sione. Se la successione irregolare, i valori limite sono gli scalari ai quali si avvicinano
inniti termini della successione, pur senza che la successione vi converga. Del resto,
facile vedere che 1 un valore limite di r
a
se e solo se esiste una sottosuccessione
r
a
k
che converge a 1.
9.14. VALORI LIMITE 275
Esempio 162 (i) Lintervallo [1. 1] linsieme dei valori limite della successione
irregolare sin : , mentre 0. 1 linsieme dei valori limite della successione irregolare
(1)
a
.
(ii) Il singoletto 0 lunico valore limite della successione convergente 1,:. #
Il prossimo risultato mostra che linsieme dei valori limite incluso nellintervallo
determinato dai limiti superiore e inferiore.
Proposizione 131 Sia r
a
una successione limitata di scalari. Un punto r R
un valore limite per la successione solo se r [liminf r
a
. limsup r
a
].
Intuitivamente, una successione tanto pi irregolare quanto pi ampio linsieme
dei valori limite, che si riduce a un singoletto quando la successione converge. Alla
luce dellultimo risultato, la dierenza tra limiti superiori e inferiori, cio lampiezza
dellintervallo [liminf r
a
. limsup r
a
], un indice (piuttosto grezzo) di irregolarit di
una successione.
Grazie alla disuguaglianza liminf r
a
_ liminf r
a
, lintervallo [liminf r
a
. limsup r
a
]
si pu equivalentemente scrivere come
[liminf r
a
. liminf r
a
] .
Per esempio, per r
a
= sin : oppure r
a
= cos :,
[liminf r
a
. liminf r
a
] = [1. 1]
NB. Finora abbiamo considerato successioni limitate. In realt, tutto quanto si es-
tende in modo naturale a successioni qualsiasi, una volta che si permetta ai limiti
superiori e inferiori di assumere valore innito. Per esempio, per la successione :,
che diverge positivamente. si ha liminf r
a
= limsup r
a
= +; per la successione
e
a
, che diverge negativamente, si ha limsup r
a
= liminf r
a
= , mentre per la
successione irregolare (1)
a
: si ha liminf r
a
= e limsup r
a
= +, cosicch
[liminf r
a
. limsup r
a
] = R. Lasciamo al lettore lestensione a successioni qualsiasi di
quanto visto per le limitate. V
276 CAPITOLO 9. SUCCESSIONI
Capitolo 10
Applicazione: prezzi e aspettative
Di norma le decisioni economiche si basano su variabili il cui valore sar noto so-
lo in futuro. Al momento della decisione gli agenti devono perci basarsi sulle loro
aspettative soggettive circa tali valori. Per tale ragione le aspettative sono centrali nel-
lanalisi economia e limportanza di questa componente soggettiva uno degli aspetti
che maggiormente la distinguono dalle scienze naturali. Nel capitolo diamo una prima
illustrazione della loro importanza facendo uso delle nozioni sulle successioni imparate
nellultimo capitolo.
10.1 Un mercato
Consideriamo un mercato, che indicheremo con `, di un bene agricolo, per esempio
le patate. Esso descritto da una curva di domanda 1 : [/
1
. /
2
] R e da una curva
di oerta o : [/
1
. /
2
] R, con 0 _ /
1
< /
2
. Limmagine 1(j) la quantit di patate
complessivamente domandata al prezzo j dai consumatori, mentre limmagine o (j)
la quantit di patate complessivamente oerta al prezzo j dai produttori. Si assume
che entrambe tali quantit rispondano istantaneamente a variazioni del prezzo j di
mercato: in particolare, ci signica che i produttori sono in grado di aggiustare in
modo istantaneo la propria produzione al prezzo j.
Per semplicit, consideriamo funzioni lineari di domanda e oerta, cio
1(j) = c ,j (M)
o (j) = c +/j
con c 0, c _ 0 e ,. / 0. Siccome i consumatori domandano solo quantit positive,
si pu porre /
2
= c,, 0 (perch 1(j) _ 0 se e solo se j _ c,,); analogamente,
dato che i produttori orono solo quantit positive, si pu porre /
1
= c,/ (perch
o (j) _ 0 se e solo se j _ c,/). Ai prezzi dellintervallo
[/
1
. /
2
] =
_

c
/
.
c
,
_
. (10.1)
277
278 CAPITOLO 10. APPLICAZIONE: PREZZI E ASPETTATIVE
nel quale entrambe le quantit sono simultaneamente positive, vi possono essere scam-
bi: per questa ragione abbiamo considerato le funzioni di domanda e oerta come def-
inite soltanto su tale intervallo, sebbene dal punto di vista matematico siano denite
su tutta la retta reale.
1
Denizione 75 Una coppia (j. ) R
2

di prezzi e quantit si dice equilibrio del


mercato ` se
= 1(j) = o (j) .
Per la nostra economia lineare, la condizione di equilibrio diventa
c ,j = c +/j
sicch il prezzo e la quantit di equilibrio sono rispettivamente
j =
c c
, +/
(10.2)
= 1(j) = c ,j = c ,
c c
, +/
=
c/ c,
, +/
.
Si noti che, in modo equivalente, si pu ricavare la quantit di equilibrio dalla curva
di oerta:
= o (j) = c +j = c +/
c c
, +/
=
c/ c,
, +/
.
La coppia
_
c c
, +/
.
c/ c,
, +/
_
quindi lequilibrio del nostro mercato di patate, che corrisponde allintersezione tra
domanda e oerta
-1 -0.5 0 0. 5 1 1. 5 2 2. 5 3
0
2
4
6
8
10
12
14
16
p O
k
1
k
2
D(p)
S(p)
1
Si noti che, anch sia non vuoto lintervallo (10.1), si deve avere a,/ _ c,,, cio a, _ c/,
che una ulteriore condizione che i coecienti delle curve di domanda e oerta devono rispettare.
10.2. RITARDI NELLA PRODUZIONE 279
10.2 Ritardi nella produzione
Supponiamo che il mercato delle patate si ripeta periodicamente, per esempio ogni
mese. Indichiamo con t, t = 1. 2. . . ., un generico mese e con j
t
il prezzo in esso
vigente. Poniamo che
1(j
t
) = c ,j
t
(M
t
)
o (j
t
) = c +j
t
descrivono il mercato, che indicheremo con `
t
, delle patate in ogni t. Oltre allipotesi
di produzione istantanea gi assunta per il mercato `, lo studio dei mercati `
t
si
basa su due ulteriori ipotesi: (i) in ogni t i produttori e i consumatori sono gli stessi,
sicch i coecienti c, ,, c e / rimangono costanti nel tempo, e (ii) il bene scambiato
in ogni t, le patate, deperibile e non conservabile sino a t +1: le quantit domandate
in t + 1 e in t sono quindi indipendenti, e lo stesso vale per le quantit oerte.
La nozione di equilibrio considera ora tutti i mercati `
t
e non solo un singolo
mercato `. Per questa ragione si richiede che domanda e oerta si equilibrino in ogni
data t, sicch in luogo della coppia (j. ) di scalari della Denizione 75 si ha ora una
coppia di successioni.
Denizione 76 Una coppia di successioni j
t
_ R
o

e
t
_ R
o

di prezzi e
quantit si dice equilibrio uniperiodale dei mercati `
t
se

t
= 1(j
t
) = o (j
t
) \t _ 1.
immediato vedere che la successione j
t
dei prezzi di equilibrio costante:
j
t
=
c c
, +/
. (10.3)
Ritroviamo quindi lo stesso prezzo di equilibrio (10.2) del mercato `. Del resto, grazie
alle ipotesi test assunte, i mercati `
t
sono tra loro indipendenti e in ogni t si ha un
mercato identico a `.
Lipotesi di produzione istantanea delle patate su cui si regge tale equilibrio
per implausibile. Assumiamo, pi sensatamente, che i produttori siano in grado
di aggiustare la produzione solo dopo un periodo: la tecnologia a disposizione dei
produttori richiede che la quantit di produzione in t si decida in t 1 (per raccogliere
patate in t si devono seminare in t 1).
Al momento di decidere la produzione in t 1, i produttori non conoscono il futuro
prezzo j
t
di equilibrio, ma possono solo formarsi unaspettativa su di esso. Indichiamo
con 1
t1
(j
t
) tale aspettativa.
In questo caso il mercato in t, che diremo con ritardo e indicheremo con `1
t
,
ha la forma
1(j
t
) = c ,j
t
(MR
t
)
o (1
t1
(j
t
)) = c +/1
t1
(j
t
)
280 CAPITOLO 10. APPLICAZIONE: PREZZI E ASPETTATIVE
dove laspettativa 1
t1
(j
t
) sostituisce il prezzo j
t
come argomento della funzione di
oerta.
Denizione 77 Una terna di successioni di prezzi j
t
R
o

, di quantit
t
R
o

e di aspettative 1
t1
(j
t
) R
o

si dice equilibrio uniperiodale dei mercati `1


t
con
ritardo se

t
= 1(j
t
) = o (1
t1
(j
t
)) \t _ 1.
In un equilibrio uniperiodale le successioni di prezzi e aspettative devono equili-
brarsi, ossia devono far s che domanda e oerta coincidano in ogni t. In particolare,
in equilibrio si ha
j
t
=
c c
,

/
,
1
t1
(j
t
) \t _ 1. (10.4)
Poich i prezzi sono positivi, devessere
0 _ 1
t1
(j
t
) _
c c
/
\t _ 1.
Tali disuguaglianze rappresentano una condizione necessaria anch le aspettative
siano di equilibrio. Ma, a parte queste semplici disuguaglianze, la nozione di equilibrio
alla quale ci siamo riferiti non pone alcuna restrizione sulle aspettative di equilibrio.
Si richiede loro soltanto di equilibrarsi coi prezzi, nullaltro.
10.3 Formazione delle aspettative
Proviamo a fare alcune ipotesi su come si possano formare le aspettative. Uninfor-
mazione importante per i nostri produttori la successione dei prezzi di equilibrio
j
1
. j
2
. .... j
t1
vericatasi sino in t 1. Supponiamo che essi, un po pigramente, si
aspettino che lultimo prezzo osservato, j
t1
, sia anche il futuro prezzo di equilibrio,
cio
1
t1
(j
t
) = j
t1
\t _ 2. (10.5)
con aspettativa iniziale 1
0
(j
1
) arbitraria
2
. Con questo processo di formazione delle
aspettative, detto classico, il mercato `1
t
diventa
1(j
t
) = c ,j
t
o (j
t1
) = c +/j
t1
e, in equilibrio uniperiodale, i prezzi evolvono secondo lequazione
j
t
=
c c
,

/
,
j
t1
\t _ 2 (10.6)
2
Infatti, le aspettative sul prezzo iniziale j
1
non possono basarsi su alcun prezzo precedentemente
osservato.
10.4. PIGRE, MA CORRETTE 281
con valore iniziale
j
1
=
c c
,

/
,
1
0
(j
1
) (10.7)
determinato dallarbitraria aspettativa iniziale 1
0
(j
1
).
Laspettativa 1
0
(j
1
) funge da innesco: una volta ssato un valore per 1
0
(j
1
),
dallequazione (10.7) scende il prezzo di equilibrio j
1
, che a sua volta determina sia
laspettativa 1
1
(j
2
) tramite lequazione (10.5) sia il prezzo di equilibrio j
2
tramite
lequazione (10.6), e cos via per i periodi successivi. Quindi, a partire da una data
aspettativa iniziale 1
0
(j
1
), le equazioni (10.5) e (10.6) permettono di determinare
per ricorrenza le successioni di equilibrio j
t
e 1
t1
(j
t
) di prezzi e aspettative.
In particolare, in ogni t _ 2 si determinano i prezzi j
t
e si formano le aspettative
1
t
(j
t1
).
Supponiamo che, un po meno pigramente, i produttori si aspettino che il prezzo
futuro sia una media dei due ultimi prezzi osservati, j
t1
e j
t2
, cio
1
t1
(j
t
) =
1
2
j
t1
+
1
2
j
t2
\t _ 3 (10.8)
con aspettative iniziali 1
0
(j
1
) e 1
1
(j
2
) arbitrarie. In equilibrio uniperiodale, tale
processo di formazione delle aspettative, detto estrapolativo, determina lequazione di
prezzo
j
t
=
c c
,

1
2,
`j
t1

1
4,
j
t2
\t _ 3
con arbitrari valori iniziali j
2
e j
1
. In ogni caso, la presenza di ritardi nella produzione
e di aspettative pi o meno pigre, fa quindi s che la successione dei prezzi di equilibrio
uniperiodale sia denita per ricorrenza. Per semplicit, nel seguito considereremo
aspettative classiche.
10.4 Pigre, ma corrette
Una propriet fondamentale delle aspettative la loro correttezza. In equilibrio le
aspettative classiche risultano corrette, cio
1
t1
(j
t
) = j
t
\t _ 1
se e solo se i prezzi di equilibrio sono costanti:
1
t1
(j
t
) = j
t
==j
t
= j
t1
\t _ 1 (10.9)
La condizione di costanza
j
t1
= j
t
= j
+
\t _ 1 (10.10)
282 CAPITOLO 10. APPLICAZIONE: PREZZI E ASPETTATIVE
richiede lesistenza di uno stesso prezzo j
+
, detto stazionario, in ogni data.
Nella successione (10.6) ci vale se e solo se
j
+
=
c c
,

/
,
j
+
ossia
j
+
=
c c
, +/
Si ritrova quindi il prezzo di equilibrio (10.3) del mercato con produzione istantanea.
Esiste un valore di innesco 1
0
(j
1
) da cui, per ricorrenza, si ottiene la successione
costante j
t
= j
+
di equilibrio uniperiodale per il mercato delle patate? Se cos non
fosse, tale successione costante sarebbe un mero fantasma teorico. Losservazione
cruciale per rispondere a questa domanda che la successione costante di prezzi si
realizza quando
1
0
(j
1
) = j
1
(10.11)
cio quando laspettativa iniziale 1
0
(j
1
) corretta, ossia uguale alleettivo prezzo
j
1
di equilibrio uniperiodale. Infatti, dalla relazione (10.4) e dallipotesi di aspettative
classiche (10.5), segue che
1
0
(j
1
) = j
1
==j
1
=
c c
,

/
,
1
0
(j
1
) =
c c
,

/
,
j
1
==j
1
= j
+
(10.12)
Daltra parte, con aspettative classiche, da j
1
= j
+
segue che 1
1
(j
2
) = j
+
, sicch
j
2
=
c c
,

/
,
1
1
(j
2
) =
c c
,

/
,
j
+
=
c c
,

/
,
_
c c
, +/
_
=
1
,
(c c) (, +/) / (c c)
, +/
=
c c
, +/
= j
+
Iterando si ha
1
2
(j
S
) = j
+
.
j
S
=
c c
,

/
,
1
2
(j
S
) =
c c
,

/
,
j
+
= j
+
.


1
t1
(j
t
) = j
+
.
j
t
=
c c
,

/
,
1
t1
(j
t
) =
c c
,

/
,
j
+
= j
+
Grazie allipotesi (10.11) di aspettativa iniziale corretta si ha quindi una successione
costante j
t
di prezzi di equilibrio uniperiodale con j
t
= j
+
, nonch una successione
costante 1
t1
(j
t
) di aspettative di equilibrio con 1
t1
(j
t
) = j
+
.
10.5. ASPETTATIVE RAZIONALI 283
Tirando le la, si ha dunque
1
t1
(j
t
) = j
t
= j
+
\t _ 1
sicch in ogni t i produttori hanno aspettative corrette sul prezzo futuro. Sebbene pi-
gre, le aspettative classiche si rivelano corrette quando laspettativa iniziale azzeccata.
In questo fortunato caso iniziale, sia esso dovuto alla bravura nellelaborazione delle
proprie informazioni oppure a una pi banale fortuna del principiante, la successiva
pigrizia ben meritata.
Possiamo riassumere quanto appena visto nella seguente
Proposizione 132 Per un equilibrio uniperiodale con aspettative classiche le seguenti
propriet sono equivalenti:
(i) la successione j
t
dei prezzi di equilibrio costante;
(ii) la successione 1
t1
(j
t
) delle aspettative di equilibrio corretta;
(iii) laspettativa iniziale corretta, cio 1
0
(j
1
) = j
1
.
In tal caso, si ha
1
t1
(j
t
) = j
t
=
c c
, +/
\t _ 1
10.5 Aspettative razionali
Date una successione di prezzi di equilibrio j
t
e una di aspettative 1
t1
(j
t
),
lerrore di previsione c
t
in ogni t dato da
c
t
= j
t
1
t1
(j
t
)
Laspettativa ha sottostimato il prezzo j
t
se c
t
0 e lo ha sovrastimato se c
t
< 0.
Invece, se c
t
= 0 laspettativa risultata corretta.
presumibile che produttori razionali non siano sistematicamente in errore: er-
rare humanun est, perseverare diabolicum. Una forma estrema del principio consiste
nellassumere che le aspettative siano sistematicamente corrette, cio
1
t1
(j
t
) = j
t
\t _ 1
la cosiddetta ipotesi di aspettative razionali. Bench la correttezza delle aspettative
sia una propriet molto forte, quasi estrema, essa utilissima per ssare le idee. Per
esempio, la Proposizione 132 aerma che le aspettative classiche sono razionali in
equilibrio se e solo se i prezzi di equilibrio sono costanti. In particolare, la condizione
iniziale 1
0
(j
1
) = j
1
necessaria e suciente anch le aspettative di equilibrio siano
razionali.
284 CAPITOLO 10. APPLICAZIONE: PREZZI E ASPETTATIVE
Grazie alla relazione (10.4), nel mercato delle patate lerrore di previsione c
t
commes-
so in t dai produttori
c
t
= j
t
1
t1
(j
t
) =
c c
,

_
/
,
+ 1
_
1
t1
(j
t
)
In particolare, per ogni t _ 1 si ha
c
t
= 0
se e solo se
c c
,

_
/
,
+ 1
_
1
t1
(j
t
) = 0
cio, se e solo se
1
t1
(j
t
) =
c c
, +/
Quindi, le aspettative sono razionali se e solo se
1
t1
(j
t
) = j
t
= j
+
=
c c
, +/
\t _ 1
Abbiamo quindi mostrato la seguente
Proposizione 133 Un equilibrio uniperiodale dei mercati `1
t
ha aspettative di equi-
librio razionali, cio
1
t1
(j
t
) = j
t
\t _ 1
se e solo se la successione di prezzi di equilibrio costante con j
t
= j
+
per ogni t _ 1.
In tal caso, si ha
1
t1
(j
t
) = j
t
=
c c
, +/
\t _ 1
La costanza della successione dei prezzi di equilibrio uniperiodale quindi equiva-
lente alla correttezza delle aspettative. Si tratta di un risultato molto importante per
comprendere la funzione delle aspettative nellinterazione di mercato, e che prescinde
da come si formano le aspettative, in modo classico o non. In eetti, lequivalenza
tra (i) e (ii) della precedente Proposizione 132 un caso molto particolare di questo
risultato, proprio per il caso di aspettative classiche. Rispetto alla Proposizione 133,
la Proposizione 132 conserva limportante equivalenza con la propriet (iii), ossia con
la correttezza dellaspettativa iniziale.
Il confronto tra le Proposizioni 132 e 133 dovrebbe anche aver ulteriormente chiarito
come la razionalit sia una propriet delle aspettative e non unipotesi sul loro mec-
canismo di formazione. Una volta specicato tale meccanismo, per esempio classico o
estrapolativo, si pone il problema teorico di capire in quali condizioni esso determini
aspettative che siano razionali, cio corrette. La Proposizione 132 risolve il problema
nel caso classico, mostrando le condizioni che fanno s che le aspettative classiche siano
razionali.
10.6. CONVERGENZA DEI PREZZI 285
Un altro aspetto notevole della Proposizione 133 che il prezzo di equilibrio uniperi-
odale che si determina con aspettative razionali nel mercato `1
t
con ritardi nella
produzione lo stesso del mercato con produzione istantanea, ovvero fornito dalla
(10.3). Le aspettative razionali hanno quindi annullato, in equilibrio, le dierenze nella
tecnologia di produzione: avere una tecnologia tradizionale, con semina in t 1 e pro-
duzione in t, piuttosto che una fantascientica tecnologia che consenta la produzione
istantanea, non fa alcuna dierenza sui prezzi, e quindi sulle quantit, di equilibrio
uniperiodale del mercato delle patate.
Bench molto forte, lipotesi di aspettative razionali quindi molto importante per
comprendere come lanalisi della produzione e del consumo possa essere ingannevole
senza unadeguata analisi dellinterazione di mercato e delle sue dinamiche.
Chiudiamo con unultima considerazione metodologica. Nella nozione di equilibrio
uniperiodale le aspettative possono contenere errori, anche sistematici. Se riteniamo
che tali errori non siano sostenibili e siano un elemento di disequilibrio del mercato,
occorre dare anche alle aspettative una funzione equilibratrice e considerarle, al
pari di prezzi e quantit, come variabili endogene (e quindi di equilibrio). Ci porta
alla seguente nozione di equilibrio, in cui domanda e oerta devono bilanciarsi e le
aspettative devono essere corrette.
Denizione 78 Una terna di successioni j
t
R
o

di prezzi,
t
R
o

di quantit
e 1
t1
(j
t
) R
o

di aspettative si dice equilibrio di aspettative razionali dei mercati


`1
t
se

t
= 1(j
t
) = o (1
t1
(j
t
)) \t _ 1
e
1
t1
(j
t
) = j
t
\t _ 1
In altre parole, un equilibrio di aspettative razionali un equilibrio uniperiodale
per il quale si richiede la correttezza delle aspettative. Naturalmente, in generale
gli equilibri uniperiodali non sono di aspettative razionali: per esempio, un equilibrio
uniperiodale con aspettative classiche e con 1
0
(j
1
) ,= j
1
non di aspettative razionali.
Grazie alla Proposizione 133, lequilibrio uniperiodale con produzione istantanea
uguale, in termini di prezzi e quantit, allequilibrio di aspettative razionali con
produzione ritardata. Come gi osservato, la correttezza delle aspettative compensa
limpatto di dierenze tecnologiche su prezzi e quantit di equilibrio.
10.6 Convergenza dei prezzi
Torniamo alla successione denita per ricorrenza
j
t
=
c c
,

/
,
j
t1
\t _ 2
286 CAPITOLO 10. APPLICAZIONE: PREZZI E ASPETTATIVE
con condizione iniziale j
1
, dei prezzi di equilibrio uniperiodale di un mercato di un
bene con ritardi di produzione e con aspettative classiche della Sezione 10.2. Lo studio
del limite
limj
t
permette di comprendere il comportamento asintotico della successione di prezzi di
equilibrio. Da j
+
= (c c) , (, +/) segue che
j
t
j
+
=
c c
,

/
,
j
t1

c c
, +/
= (c c)
_
1
,

1
, +/
_

/
,
j
t1
=
c c
, +/
/
,

/
,
j
t1
=
/
,
(j
t1
j
+
) .
cio
j
t
j
+
=
/
,
(j
t1
j
+
) \t _ 2 (10.13)
Grazie alla struttura ricorrente della relazione, si ottiene iterando:
j
2
j
+
=
/
,
(j
1
j
+
)
j
S
j
+
=
/
,
(j
2
j
+
) =
/
,
_

/
,
(j
1
j
+
)
_
=
_
/
,
_
2
(j
1
j
+
)
j
1
j
+
=
/
,
(j
S
j
+
) =
_
/
,
_
S
(j
1
j
+
)


j
t
j
+
= (1)
t1
_
/
,
_
t1
(j
1
j
+
)
Si noti che
(1)
t1
=
_
1 se t dispari
1 se t pari
Prendendo il valore assoluto si ha quindi
[j
t
j
+
[ =
_
/
,
_
t1
[j
1
j
+
[ \t _ 2 (10.14)
Il valore di limj
t
dipende dal rapporto /,,, cio dal rapporto tra le pendenze delle
curve di domanda e oerta. Dobbiamo quindi distinguere tre casi a seconda che tale
rapporto sia maggiore, uguale o minore di 1, cio a seconda che
/ < , ; / = , ; / ,.
10.6. CONVERGENZA DEI PREZZI 287
Caso 1: / < , La curva di oerta meno inclinata della curva di domanda. Si ha
lim[j
t
j
+
[ = [j
1
j
+
[ lim
_
/
,
_
t1
= 0
e quindi
limj
t
= j
+
. (10.15)
nonch
lim1
t1
(j
t
) = j
+
. (10.16)
Quando / < ,, i prezzi di equilibrio del mercato con ritardi di produzione e le aspetta-
tive classiche tendono al prezzo j
+
di equilibrio del mercato con produzione istantanea.
Ci vale per qualsiasi valore iniziale j
1
, e quindi per ogni valore dellaspettativa iniziale
1
0
(j
1
).
I limiti (10.15) e (10.16) mostrano che, per ogni possibile aspettativa iniziale, in
modo asintotico si ha ci che la Proposizione 132 aveva mostrato valere in ogni t
quando laspettativa iniziale corretta, ossia quando 1
0
(j
1
) = j
1
. In particolare,
lerrore di previsione asintoticamente nullo:
c
t
= j
t
1
t1
(j
t
) 0
Le aspettative classiche, pur pigre, grazie alla condizione / < , sono asintoticamente
razionali, lerrore di previsione via via meno rilevante.
Caso 2: / = , Le curve di domanda e di oerta hanno la stessa pendenza. Liter-
azione vista sopra implica
j
t
j
+
= (1)
t1
(j
1
j
+
) \t _ 2.
Daltra parte, nella (10.12) si era visto che
1
0
(j
1
) = j
1
==j
1
= j
+
.
Quindi, se j
1
= j
+
, ossia se laspettativa iniziale corretta, si ottiene j
t
= j
+
per
ogni t, secondo quanto gi visto nella Proposizione 132. Invece, un errore iniziale
nelle aspettative, cio 1
0
(j
1
) ,= j
1
, determina una successione oscillante di prezzi di
equilibrio:
j
t
= j
+
+ (1)
t1
(j
1
j
+
) =
_
2j
+
j
1
se t pari
j
1
se t dispari
per ogni t _ 2. Lerrore di aspettativa
c
t
= j
t
1
t1
(j
t
) = j
t
j
t1
=
_
(1)
t1
(1)
t2
_
(j
1
j
+
) = 2 (1)
t1
(j
1
j
+
)
anchesso oscillante tra i due valori j
1
e 2j
+
j
1
.
288 CAPITOLO 10. APPLICAZIONE: PREZZI E ASPETTATIVE
Caso 3: / , La curva di domanda meno ripida della curva di oerta. Da / ,
segue che
lim
_
/
,
_
t1
= +.
Quando j
1
,= j
+
, le oscillazioni
j
t
j
+
= (1)
t1
_
/
,
_
t1
(j
1
j
+
)
sono dunque di ampiezza via via pi grande. Infatti
lim[j
t
j
+
[ = [j
1
j
+
[ lim
_
/
,
_
t1
= +.
In questo caso lerrore nellaspettativa iniziale si propaga in modo sempre pi grave, de-
terminando una spirale esplosiva di prezzi. Quando / ,, la pigrizia delle aspettative
classiche porta molto lontano dalle aspettative razionali.
10.7 Aspettative adattive
Il pi importante tra i meccanismi di formazione delle aspettative ladattivo. La
successione di aspettative 1
t1
(j
t
) si dice adattiva se esiste un coeciente ` (0. 1]
tale che
1
t1
(j
t
) 1
t2
(j
t1
) = `[j
t1
1
t2
(j
t1
)] \t _ 2. (10.17)
con aspettativa iniziale 1
0
(j
1
) arbitraria. In altre parole, laggiustamento
1
t1
(j
t
) 1
t2
(j
t1
)
nelle aspettative una proporzione ` dellultimo errore di previsione
j
t1
1
t2
(j
t1
) .
Periodo dopo periodo, le aspettative sono aggiornate in base agli errori di previsione
commessi. Se ` = 1 si torna al caso classico 1
t1
(j
t
) = j
t1
. In generale, per
10.7. ASPETTATIVE ADATTIVE 289
` (0. 1), iterando si ottiene:
1
1
(j
2
) = 1
0
(j
1
) +`(j
1
1
0
(j
1
)) = (1 `) j
1
+,1
0
(j
1
)
1
2
(j
S
) = 1
1
(j
2
) +`(j
2
1
1
(j
2
))
= `(1 `) j
1
+,j
2
+ (1 `)
2
1
0
(j
1
)
1
S
(j
1
) = 1
2
(j
S
) +`(j
S
1
2
(j
S
))
= `
_
j
S
+ (1 `) j
2
+ (1 `)
2
j
1
_
+ (1 `)
S
1
0
(j
1
)


1
t1
(j
t
) = 1
t2
(j
t1
) +`(j
t1
1
t2
(j
t1
))
= `
t1

i=1
(1 `)
i1
j
ti
+ (1 `)
t1
1
0
(j
1
)
Si ha dunque
1
t1
(j
t
) = `
t1

i=1
(1 `)
i1
j
ti
+ (1 `)
t1
1
0
(j
1
) . (10.18)
Le aspettative adattive dipendono sia dallaspettativa iniziale 1
0
(j
1
) sia dalla media
pesata
t1

i=1
(1 `)
i1
j
ti
dei prezzi passati, nella quale i prezzi pi recenti ricevono un peso maggiore rispetto
ai pi remoti.
Poich ` (0. 1), si ha lim
to
(1 `)
t1
= 0 e, al crescere di t, il termine (1 `)
t1
diventa via via pi piccolo. Ne segue che laspettativa iniziale 1
0
(j
1
) diventa, al
crescere di t, sempre meno rilevante per la formazione dellaspettativa 1
t1
(j
t
), mentre
diventano prevalenti i prezzi passati.
Si noti che nella (10.18) intervengono tutti i prezzi passati, pur se maggiore il
peso dei pi recenti. Ci implica che le aspettative estrapolative del tipo (10.8) non
siano adattive perch esse considerano solo gli ultimi prezzi (per esempio, in (10.8)
solo quelli degli ultimi due periodi).
Dalla (10.17) segue che le aspettative adattive sono razionali, cio
1
t1
(j
t
) = j
t
\t _ 1
se e solo se
j
t1
j
t
= `[j
t
j
t
] = 0 \t _ 1
ossia, se e solo se
j
t1
= j
t
\t _ 1.
290 CAPITOLO 10. APPLICAZIONE: PREZZI E ASPETTATIVE
Si ritrova quindi la condizione (10.10) vista nella Sezione 10.4 per il caso speciale
delle aspettative classiche. Come il lettore pu agevolmente vericare, si pu quindi
ripetere verbatim lanalisi allora svolta e mostrare che la Proposizione 132 vale, molto
pi in generale, per le aspettative adattive. Esse sono quindi razionali se e solo se
laspettativa iniziale corretta, cio 1
0
(j
1
) = j
1
. La correttezza dellaspettativa
iniziale caratterizza la razionalit delle aspettative adattive, delle quali le aspettative
classiche sono un caso speciale.
Da quanto appena visto segue che le aspettative adattive sono razionali se e solo
se
j
t
= j
+
\t _ 1.
dove, al solito, j
+
= (c c) , (, +/) il prezzo stazionario. Nella Sezione 10.6 si era
visto in quali condizioni il prezzo di equilibrio con aspettative classiche convergesse al
prezzo stazionario. Generalizziamo lanalisi al caso di aspettative adattive: al tal ne,
si noti che la relazione di equilibrio (10.4) si pu riscrivere come
1
t1
(j
t
) =
c c
/

,
/
j
t
.
Sostituendo questultima relazione nella (10.17) si ottiene
,
/
j
t1

,
/
j
t
= `
_
j
t1

c c
/
+
,
/
j
t1
_
.
ossia
j
t1
j
t
= `
/
,
_
j
t1
_
1 +
,
/
_

c c
/
_
il che implica
j
t
=
_
1 `
, +/
,
_
j
t1
+`
c c
,
.
Con semplici manipolazione algebriche si ottiene
j
t
j
+
=
_
1 `
, +/
,
_
j
t1
+`
c c
,

c c
, +/
=
=
_
1 `
, +/
,
_
j
t1
+ (c c)
_
`
,

1
, +/
_
=
=
(1 `) , `/
,
j
t1
+
c c
, (, +/)
(/` , (1 `)) =
=
(1 `) , `/
,
_
j
t1

c c
, +/
_
=
=
(1 `) , `/
,
(j
t1
j
+
) .
10.7. ASPETTATIVE ADATTIVE 291
Si ha quindi la notevole relazione
j
t
j
+
=
(1 `) , `/
,
(j
t1
j
+
) \t _ 2
e la (10.13) ne il caso speciale con ` = 1. Iterando si ha
j
t
j
+
= (1)
t1
_
`/ (1 `) ,
,
_
t1
(j
1
j
+
) \t _ 2.
dalla quale, prendendo il valore assoluto, si ottiene
[j
t
j
+
[ =

`/ (1 `) ,
,

t1
[j
1
j
+
[ \t _ 2
che si riduce alla (10.14) nel caso classico ` = 1.
Il valore del limite limj
t
dipende dal rapporto

`/ (1 `) ,
,

e si devono quindi distinguere tre casi a seconda che esso sia maggiore, uguale o minore
di 1, cio a seconda che
[`/ (1 `) ,[ < , ; [`/ (1 `) ,[ = , ; [`/ (1 `) ,[ ,
Ricordando quanto visto nella Sezione 10.6, facile vedere che nel primo caso si ha
limj
t
= j
+
.
cio i prezzi convergono al prezzo stazionario, che il prezzo di equilibrio con aspet-
tative razionali. Nel secondo caso i prezzi sono oscillanti, mentre nel terzo caso essi
divergono (in valor assoluto).
Consideriamo pi da vicino il caso di convergenza, il pi interessante dal punto di
vista teorico perch in esso le aspettative sono asintoticamente razionali, indipenden-
temente dal valore dellaspettativa iniziale. Si ha
[`/ (1 `) ,[ < , ==, < `/ (1 `) , < , ==1 <
/
,
<
2 `
`
.
Poich /. , 0, risulta
[`/ (1 `) ,[ < , ==
/
,
<
2 `
`
.
Nel caso classico ` = 1 ritroviamo la condizione
/
,
< 1 (10.19)
292 CAPITOLO 10. APPLICAZIONE: PREZZI E ASPETTATIVE
considerata nel primo caso studiato nella Sezione 10.6. Per aspettative adattive non
classiche, cio con ` (0. 1), vale la disuguaglianza
2 `
`
1.
Quindi, per tali aspettative, la condizione
/
,
<
2 `
`
meno stringente della (10.19) del caso classico, sicch la convergenza
limj
t
= j
+
pi facile da ottenere. In altre parole, tra le aspettative adattive, le classiche sono
le meno stabili rispetto alla convergenza al prezzo stazionario j
+
. Con aspettative
adattive non classiche si ha la convergenza ad aspettative razionali per un pi ampio
insieme di valori dei parametri , e / che per le aspettative classiche.
Capitolo 11
Serie numeriche
11.1 Il concetto
Lidea che qui vogliamo sviluppare riguarda, grossolanamente, la possibilit di som-
mare inniti addendi. Per fare un esempio rudimentale, immaginiamo un bastone
lungo 1 metro e di tagliarlo a met, ottenendo cos due pezzi lunghi 1,2; di tagliare
poi il secondo pezzo a met, ottenendo due pezzi lunghi 1,4; di tagliare ancora il secon-
do pezzo, ottenendone due lunghi 1,8, e di proseguire idealmente, senza fermarsi mai.
Prescindendo da volgari contingenze concrete (la segatura che si forma, dopo un po
diventa quasi impossibile continuare a tagliare un moncherino lungo pochi millimetri,
ecc.), avremmo inniti pezzi di lunghezze 1,2, 1,4, 1,8, ... nei quali stato suddiviso
loriginario bastone di 1 metro. piuttosto naturale immaginare che
1
2
+
1
4
+
1
8
+ +
1
2
a
+ = 1. (11.1)
cio che, ricomponendo i singoli pezzi, si ritrovi il metro di partenza.
Ci apprestiamo a dare un contenuto preciso a uguaglianze come la (11.1). Immag-
iniamo dunque una successione r
a
e di volerne sommare tutti i termini, cio di
voler eettuare loperazione
r
1
+r
2
+ +r
a
+ =
o

a=1
r
a
.
Talvolta opportuno far iniziare la sommatoria dallindice : = 0 piuttosto che dal
termine : = 1. Quando la scelta possibile (si vedr che questo non il caso per
alcuni tipi di serie, come la serie armonica, che non pu essere denita per : = 0), la
scelta di far partire una serie da : = 0 oppure da : = 1 di pura comodit. In generale,
si capir dal contesto quale sar la scelta pi opportuna. Sottolineiamo comunque che
tale scelta non cambia il carattere della serie (che deniremo rigorosamente pi avanti),
e quindi non cambia la sostanza del problema di determinare se la somma innita dia
un valore reale, o un valore innito o nessun valore. Per dare un signicato preciso alla
293
294 CAPITOLO 11. SERIE NUMERICHE
nuova operazione di somma di inniti addendi, che diversa dalla somma ordinaria
1
(e ce ne accorgeremo), sommeremo un numero nito di addendi, diciamo :, faremo
tendere : allinnito e assumeremo il limite, se esiste, come valore da assegnare alla
serie. Stiamo dunque pensando di costruire una nuova successione :
a
cos denita:
:
1
= r
1
(11.2)
:
2
= r
1
+r
2
:
S
= r
1
+r
2
+r
S

:
a
= r
1
+ +r
a

e di assumere il suo eventuale limite come somma della serie.
Denizione 79 La serie di una successione r
a
di scalari, in simboli
o

a=1
r
a
, la
successione :
a
denita in (11.2). I termini :
a
della successione sono detti somme
parziali della serie.
La serie
o

a=1
r
a
quindi denita come la successione :
a
delle somme parziali, il
cui comportamento limite ne determina il valore. In particolare, la serie
o

a=1
r
a
:
(i) convergente e ha somma o, in simboli
o

a=1
r
a
= o.
se lim:
a
= o R,
(ii) positivamente divergente, in simboli
o

a=1
r
a
= +, se lim:
a
= +,
(iii) negativamente divergente, in simboli
o

a=1
r
a
= , se lim:
a
= ,
(iv) irregolare (o oscillante) se la successione :
a
irregolare.
In breve, si attribuisce alla serie lo stesso carattere (convergenza, divergenza o
irregolarit) della sua successione delle somme parziali
2
.
1
Non possiamo certo metterci a sommare per davvero inniti addendi: non basterebbe tutta la
carta del mondo, non ci sarebbe suciente la vita intera, non sapremmo dove mettere la riga che
tradizionalmente si scrive sotto gli addendi prima di sommarli, ecc..
2
Usando la terminologia gi usata per le successioni, la serie talvolta detta regolare quando non
irregolare, ossia quando vale uno dei casi (i)-(iii).
11.1. IL CONCETTO 295
11.1.1 Tre classiche serie
Illustriamo le precedenti nozioni con tre importanti serie.
Esempio 163 (Serie di Mengoli) La seguente detta serie di Mengoli :
1
1 2
+
1
2 3
+ +
1
:(: + 1)
+ =
o

a=1
1
:(: + 1)
Poich
1
:(: + 1)
=
1
:

1
: + 1
risulta
:
a
=
1
1 2
+
1
2 3
+ +
1
:(: + 1)
= 1
1
2
+
1
2

1
3
+
1
3

1
4
+ +
1
:

1
: + 1
= 1
1
: + 1
1
Dunque
o

a=1
1
:(: + 1)
= 1
e quindi la serie di Mengoli converge e ha somma 1. #
Esempio 164 (Serie armonica) La serie armonica :
1 +
1
2
+
1
3
+ +
1
:
+ =
o

a=1
1
:
Consideriamone le somme parziali interrotte in un indice : che sia una potenza di 2
(: = 2
I
):
:
1
= 1 . :
2
= 1 +
1
2
:
1
= 1 +
1
2
+
1
3
+
1
4
1 +
1
2
+
1
4
+
1
4
= :
2
+
1
2
= 1 + 2
1
2
:
S
= :
1
+
1
5
+
1
6
+
1
7
+
1
8
:
1
+
1
8
+
1
8
+
1
8
+
1
8
= :
1
+
1
2
1 + 3
1
2
Cos continuando si vede che
:
2
k 1 +/
1
2
(11.3)
La successione delle somme parziali strettamente crescente (dato che gli adden-
di sono tutti positivi) e quindi ammette limite; la (11.3) garantisce che essa non
superiormente limitata e perci lim:
a
= +. Dunque
o

a=1
1
:
= +
e la serie armonica diverge positivamente. #
296 CAPITOLO 11. SERIE NUMERICHE
Esempio 165 (Serie geometrica) La serie geometrica di ragione denita come
segue:
1 + +
2
+
S
+ +
a
+ =
o

a=0

a
Il suo carattere dipende dal valore di . In particolare,
o

a=0

a
=
_

_
+ se _ 1
1
1
se [[ < 1
irregolare se _ 1
Per vederlo, si cominci con losservare che quando = 1 si ha
:
a
= 1 + 1 + + 1
. .
a1 volte
= : + 1 +
Sia ora ,= 1. Poich
:
a
:
a
= 1 + +
2
+
S
+ +
a

_
1 + +
2
+
S
+ +
a
_
= 1 + +
2
+
S
+ +
a

_
+
2
+
S
+ +
a1
_
= 1
a1
si ha
(1 ) :
a
= 1
a1
e quindi, essendo ,= 1,
:
a
=
1
a1
1
Ne segue che
o

a=0

a
= lim
ao
1
a1
1
Lo studio di tale limite devessere separato in vari casi:
(i) se 1 < < 1, si ha
a1
0 e perci
:
a

1
1
(ii) se 1, si ha
a1
+ e perci :
a
+;
(iii) se = 1 le somme parziali di ordine pari sono nulle mentre quelle di ordine
dispari sono uguali a 1. La successione da esse formate quindi irregolare.
(iv) se < 1, la successione
a1
irregolare e quindi lo anche :
a
. #
11.2. PROPRIET ELEMENTARI 297
11.1.2 Utilit intertemporale con orizzonte innito
Le serie si applicano fruttuosamente in Economia. Per esempio, torniamo alle scelte
intertemporali con orizzonte nito introdotte nella Sezione 9.3.
Avevamo visto come un prolo intertemporale di consumo sia rappresentabile con
una successione del tipo
r = r
1
. r
2
. . . . . r
t
. . . .
e possa essere quanticato da una funzione intertemporale l : _ R
o
R di utilit.
In particolare, avevamo menzionato la possibile forma di l data da
l (r) = n
1
(r
1
) +,n
2
(r
2
) + +,
t1
n
t
(r
t
) + (11.4)
dove , (0. 1) il fattore soggettivo di sconto. Alla luce di quanto appena visto, la
(11.4) la serie
o

t=1
,
t1
n
t
(r
t
) (11.5)
Le serie permettono quindi di dare un senso corretto alla fondamentale speci-
cazione (11.4) della funzione intertemporale di utilit. Naturalmente, siamo interessati
al caso in cui la serie (11.5) sia convergente perch vogliamo che lutilit complessiva
che il consumatore trae dal consumo intertemporale r
1
. r
2
. . . . . r
t
. . . . sia nita. Al-
trimenti, come potremmo confrontare, e quindi scegliere, tra tali proli se se ne trae
utilit innita
3
?
Come vedremo tra breve nellEsempio 171, grazie alle propriet della serie geomet-
rica, si ha che la serie (11.5) converge, supponendo che le funzioni n
t
di utilit siano
positive e limitate da una stessa costante, se e solo se , < 1. In tal caso, avendo
assunto , (0. 1), la funzione di utilit intertemporale
l (r) =
o

t=1
,
t1
n
t
(r
t
) (11.6)
ha come dominio tutto R
o
, ossia l (r) R per ogni r R
o
. Essa permette di
confrontare tutti i possibili proli di consumo intertemporale.
11.2 Propriet elementari
Visto che il carattere di una serie stato ricondotto al carattere di una successione,
evidente che togliendo, aggiungendo, o modicando un numero nito di termini
di una serie, essa non cambia carattere. Cambia invece, in generale, la sua somma.
In particolare

o
a=1
r
a
ha lo stesso carattere (ma non la stessa somma) di

o
a=I
r
a
3
La mente corre alla celebre scommessa di Blaise Pascal. Se Dio non esistesse, crederci o no
procurebbe utilit nita; ma se Dio esiste, crederci d utilit innita (leterna beatitudine) e non
crederci utilit pari a meno innito (leterna dannazione): dunque ragionevole credere in Dio.
298 CAPITOLO 11. SERIE NUMERICHE
per ogni intero / 1: la dierenza tra le due somme non altro che il totale delle
modicazioni che si sono apportate.
Rispetto alle operazioni fondamentali si ha:
o

a=1
cr
a
= c
o

a=1
r
a
\c R
e, quando non si cada in una forma di indeterminazione del tipo ,
o

a=1
(r
a
+
a
) =
o

a=1
r
a
+
o

a=1

a
.
Il prossimo risultato piuttosto ovvio, ma importante. Se

o
a=1
r
a
converge,
allora r
a
tende necessariamente a 0: i singoli addendi devono denitivamente diventare
irrilevanti per consentire che la somma non esploda.
Teorema 134 Se la serie

o
a=1
r
a
converge, allora r
a
0.
Dim. Risulta banalmente r
a
= :
a
:
a1
e, visto che la serie converge, :
a
o e
:
a1
o; perci
r
a
= :
a
:
a1
o o = 0.
B
La nullit della successione r
a
quindi condizione necessaria per la convergenza
della sua serie. Che la condizione sia solo necessaria mostrato dalla serie armonica:
pur risultando 1,: 0, la serie

o
a=1
1,: diverge.
Esempio 166 La serie di termine generale
r
a
=
2:
2
3: + 4
17:
2
+ 4: + 5
non convergente perch il generico termine asintotico a 2:
2
,17:
2
= 2,17 e quindi
non tende a 0. #
11.3 Serie con termini positivi
11.3.1 Criterio di convergenza del confronto
Esaminiamo ora il caso speciale di serie

o
a=1
r
a
con tutti i termini r
a
_ 0.
4
Essendo tutti i termini r
a
_ 0, la successione :
a
delle somme parziali crescente
e vale perci banalmente la seguente
4
Se i termini fossero positivi soltanto denitivamente, non cambierebbe nulla visto che si pu sop-
primere un numero nito di addendi senza alterare il carattere della serie. Tutti i risultati sul carat-
tere di serie a termini positivi valgono quindi pi generalmente per serie con termini denitivamente
positivi.
11.3. SERIE CON TERMINI POSITIVI 299
Proposizione 135 Ogni serie con termini positivi convergente o divergente positi-
vamente. In particolare, essa convergente se e solo se superiormente limitata
5
.
Le serie con termini positivi ereditano quindi le notevoli propriet di regolarit
delle successioni monotone. Ci conferisce loro uno status particolarmente importante
tra le serie. Per esse, vediamo ora quale forma assumono in criteri di convergenza visti
nella Sezione 9.9 per le successioni.
Proposizione 136 (Criterio del confronto) Siano

o
a=1
r
a
e

o
a=1

a
due serie
con i termini positivi e sia denitivamente r
a
_
a
.
(i) Se

o
a=1
r
a
diverge positivamente, allora diverge positivamente anche

o
a=1

a
.
(ii) Se

o
a=1

a
converge, allora converge anche

o
a=1
r
a
.
Dim. Dette :
a
e o
a
le somme parziali delle due successioni, risulta denitivamente
0 _ :
a
_ o
a
e lasserto segue dalla Proposizione 102 per le successioni. B
Si noti che la (i) la contronominale della (ii), e viceversa: infatti, grazie alla
Proposizione 135, per una serie a termini positivi la negazione della convergenza la
divergenza positiva
6
. Per la loro utilit le abbiamo enunciate entrambe, ma si tratta
della stessa propriet vista in modi equivalenti.
Esempio 167 La serie dei reciproci dei fattoriali
7
o

a=0
1
:!
converge perch, per ogni : _ 1,
1
:!
<
1
(: 1) :
.
che il generico termine della serie di Mengoli che sappiamo convergere. Vedremo
successivamente che la sua somma il numero e di Nepero. #
5
Per denizione, la serie superiormente limitata quando lo la successione delle somme parziali,
esiste cio / 0 tale che [:
n
[ _ / per ogni : _ 1.
6
Si ricordi che, date due propriet j e , limplicazione == j la contronominale
dellimplicazione originaria j ==.
7
Si ricordi che 0! = 1. Per questa ragione facciamo partire la serie da : = 0. Quando la scelta
possibile (per esempio, non questo il caso per la serie armonica, che non denita per : = 0),
la scelta di far partire una serie da : = 0 oppure da : = 1 di pura comodit. In questo caso
partiamo da : = 0 perch, come vederemo, si ha

1
n=0
1,:! = c, unespressione pi elegante di

1
n=1
1,:! = c 1.
300 CAPITOLO 11. SERIE NUMERICHE
Esempio 168 Si chiama serie armonica generalizzata la serie

o
a=1
1
:
c
con c R. Se c = 1 essa si riduce alla serie armonica che sappiamo divergente a
+. Se c < 1, facile vedere che, per ogni : 1,
1
:
c

1
:
(ovvero che :
c
< :)
e perci

o
a=1
1
:
c
= +.
Se c = 2, la serie armonica generalizzata converge: infatti
1
:
2
<
1
(: 1) :
che il generico termine della serie di Mengoli che sappiamo convergere
8
. Se c 2,
1
:
c
<
1
:
2
e perci si ha ancora convergenza. Inne, si pu vedere, ma la cosa pi delicata,
che la serie armonica generalizzata converge anche per tutti i valori di c (1. 2). #
Esempio 169 La serie

o
a=1
10
a
:5
2aS
converge. Infatti, poich
10
a
:5
2aS
_
10
a
5
2a2
=
10
a
25
a
5
2
=
1
25
_
2
5
_
a
la convergenza della serie geometrica di ragione 2,5 garantisce, per il Criterio del
confronto, la convergenza della serie. #
Dunque la serie

o
a=1
:
c
diverge per ogni c _ 1 e converge per ogni c 1.
Il caso c = 1 cos lultimo caso di divergenza: basta aumentare di un nonnulla
lesponente, da 1 a 1 + con 0, e la serie converge. Ci lascia intuire come la
divergenza sia estremamente lenta, come il lettore pu controllare calcolando alcune
delle somme parziali
9
. Questa intuizione resa precisa dal prossimo bel risultato.
8
Risulta precisamente

1
n=1
1,:
2
=
2
,6, ma non abbiamo qui gli strumenti per dimostrare
questo notevole risultato.
9
Un illustre professore parlava di innito cadaverico.
11.3. SERIE CON TERMINI POSITIVI 301
Proposizione 137 Si ha
1 +
1
2
+
1
3
+ +
1
:
~ log :. (11.7)
In altre parole la successione delle somme parziali della serie armonica asintotica
con il logaritmo.
Dim. La dimostrazione del risultato usa nozioni di integrazione che saranno esposte
nel Capitolo 24. Sia c : [0. +) R la funzione denita come
c(r) =
1
i
\r [i 1. i)
per i _ 1. Quindi c(r) = 1 se r [0. 1), c(r) = 1,2 se r [1. 2), e cos via. Inoltre,
facile vedere che
1
r + 1
_ c(r) _
1
r
\r 0. (11.8)
La funzione c a scala e quindi, grazie alla Proposizione 377, si ha
a

i=I
1
i
=
_
a
I1
c(r) dr \/ = 1. .... :
per ogni : _ 1. Dalla (11.8) segue che
log (1 +:) =
_
a
0
1
r + 1
dr _
a

i=1
1
i
= 1 +
a

i=2
1
i
_ 1 +
_
a
1
1
r
dr = 1 + log :.
per ogni : _ 1. Quindi,
log (1 +:)
log :
_

a
i=1
1
i
log :
_
1 + log :
log :
\: _ 1
e per il Criterio del confronto per successioni concludiamo che

a
i=1
1
i
log :
1.
il che completa la dimostrazione. B
Il Criterio del confronto ha una bella e utile versione asintotica, basata sul confronto
asintotico dei termini delle successioni.
Proposizione 138 (Criterio del confronto asintotico) Siano

o
a=1
r
a
e

o
a=1

a
due serie con i termini positivi.
302 CAPITOLO 11. SERIE NUMERICHE
(i) Se r
a
~
a
, le serie

o
a=1
r
a
e

o
a=1

a
hanno lo stesso carattere.
(ii) Qualora
a
= o (r
a
), la serie

o
a=1

a
converge se

o
a=1
r
a
converge.
La (i) la propriet decisamente pi interessante e mostra che il carattere di una
serie sia invariante per equivalenza asintotica. La (ii) un caso particolare del Criterio
del confronto (come risulter chiaro dalla dimostrazione) e non aggiunge quindi molto
a ci che gi sappiamo. Al riguardo, si noti la contronominale della (ii): la serie

o
a=1
r
a
diverge positivamente se

o
a=1

a
diverge positivamente.
10
Dim. (i) Poich r
a
~
a
, per ogni 0 esiste :
.
_ 1 tale che
11
1 _
r
a

a
_ 1 + \: _ :
.
.
Per ogni : _ :
.
si ha quindi
a

I=1
r
I
=
a"1

I=1
r
I
+
a

I=a"
r
I

I
_
a"1

I=1
r
I
+ (1 + )
a

I=a"

I
_ c + (1 + )
a

I=a"

I
(11.9)
e
a

I=1
r
I
=
a"1

I=1
r
I
+
a

I=a"
r
I

I
_ c + (1 )
a

I=a"

I
(11.10)
dove si posto c =

a"1
a=1
r
I
. Il carattere della serie

o
a=1

a
lo stesso della se-
rie

o
I=a"

I
perch i primi termini di una serie sono irrelevanti per il suo carattere.
Quindi, se

o
a=1

a
converge, dalla (11.9) segue che anche

o
a=1
r
a
converge, men-
tre se

o
a=1

a
diverge positivamente, dalla (11.10) segue che anche

o
a=1
r
a
diverge
positivamente.
(ii) Sia
a
= o (r
a
). Poich
a
= o (r
a
), per ogni 0 esiste :
.
_ 1 tale che

a
_ r
a
\: _ :
.
Lasserto segue dal Criterio del confronto. B
Esempio 170 Sia
r
a
=
2:
S
3: + 8
5:

:
1
4:
S
+ 2:
2
12
.
Dato che
r
a
~
2:
S
5:

=
2
5:
2
,
10
Si ricordi che, grazie alla Proposizione 135, per una serie a termini positivi la negazione della
convergenza la divergenza positiva.
11
Si noti che da r
n
~ j
n
segue che i termini r
n
e j
n
sono denitivamente diversi da zero. I rapporti
che compaiono nella dimostrazione sono perci ben deniti.
11.3. SERIE CON TERMINI POSITIVI 303
la serie

o
a=1
r
a
converge. Sia, invece,
r
a
=
: + 1
:
2
3: + 4
.
Dato che r
a
~ 1,:, la serie

o
a=1
r
a
diverge a +. #
Il Criterio del confronto asintotico ci permette di dimostrare un celebre risultato
legato alla serie armonica, dimostrato nel 1737 da Eulero, che aerma che la serie dei
reciproci dei numeri primi diverge positivamente.
Teorema 139 (Eulero) Si ha
1
2
+
1
3
+
1
5
+
1
7
+
1
11
+ =
o

a=1
1
j
a
= +
Dim. Grazie al Teorema 126 si ha j
a
~ :log :, e quindi
1
j
a
~
1
:log :
(si ricordi la (9.25)). Grazie al Criterio del confronto asintotico, la serie

o
a=1
1,j
a
ha lo stesso carattere della serie
12

o
a=2
1,:log :. Come vedremo nellEsempio 182
(nonch nellEsempio 481), si ha
o

a=2
1
:log :
= +
Ne segue che

o
a=1
1,j
a
= +, come desiderato. B
Il Teorema di Eulero implica la divergenza della serie armonica per il Criterio del
confronto poich 1,j
a
_ 1,: per ogni : (si ha 1,j
1
= 1,2 _ 1, 1,j
2
= 1,3 _ 1,2,
1,j
S
= 1,5 _ 1,3, 1,j
1
= 1,7 _ 1,4, e cos via). Un momento di riessione dovrebbe
essere suciente per rendersi conto di quanto il Teorema di Eulero sia pi potente: in
esso si sommano solo i reciproci dei numeri primi, rispetto al risultato di divergenza
della serie armonica in cui si sommano i reciproci di tutti i numeri naturali, sia primi
sia composti.
Il Teorema di Eulero conferma linnit dei numeri primi e mostra che sono densi
in N, scappando a + meno rapidamente delle potenze :
c
, con c 1, per le quali
si ha

o
i=1
1,:
c
< +. Si noti che per il Criterio del confronto da questultima
convergenza segue che

a
a=1
1,j
c
a
< + per ogni c 1.
Chiudiamo lo studio del Criterio del confronto con un importante esempio eco-
nomico.
12
Si noti che la serie inizia con : = 2 perch per : = 1 il termine non denito. Naturalmente, ci
irrilevante per il carattere della serie.
304 CAPITOLO 11. SERIE NUMERICHE
Esempio 171 Consideriamo la serie (11.5) data da
o

t=1
,
t1
n
t
(r
t
)
e supponiamo che le funzioni n
t
: R R siano positive e limitate da una medesima
costante, ossia esista ` 0 tale che, per ogni t, 0 _ n
t
(r) _ ` per ogni r R.
Quindi
0 _
o

t=1
,
t1
n
t
(r
t
) _ `
o

t=1
,
t1
e, per il Criterio del confronto, basta vericare quando la serie geometrica

o
t=1
,
t1
converge. Tornando a quanto visto nellEsempio 165 possiamo concludere che la serie
(11.5) converge se e solo se , < 1. Il lettore curioso di sapere che cosa accade quando
, 1, cio quando la pazienza diventa innita, trova risposta nel profondo Teorema
di Frobenius-Littlewood della Sezione 23.2.4. #
11.3.2 Criteri di convergenza del rapporto: preludio
Nella prossima sottosezione studieremo in profondit limportante criterio di conver-
genza del rapporto. Per il lettore impaziente, prima di far ci vediamone la versione
pi elementare.
Proposizione 140 (Criterio del rapporto nella forma limite elementare) Sia

o
a=1
r
a
una serie con i termini positivi e non nulli, e supponiamo che il limite
limr
a1
,r
a
esista.
(i) Se
lim
r
a1
r
a
< 1
la serie converge.
(ii) Se
lim
r
a1
r
a
1
la serie diverge positivamente.
Il criterio si basa sullo studio del limite del rapporto
r
a1
r
a
dei termini della successione. Dal punto di vista teorico lipotesi di esistenza del
limite limr
a1
,r
a
troppo stringente, come vedremo nella prossima sottosezione.
Ma, quando sodisfatta, la forma limite elementare del Criterio del rapporto di facile
applicazione e si rivela piuttosto utile in parecchie circostanze.
11.3. SERIE CON TERMINI POSITIVI 305
Esempio 172 (i) La serie
o

a=1
:
2
+ 5: + 1
:2
a
+ 1
converge. Infatti,
r
a1
r
a
=
(a1)
2
(a1)1
(a1)2
n+1
1
a
2
a1
a2
n
1
=
(: + 1)
2
+ 5 (: + 1) + 1
:
2
+ 5: + 1
:2
a
+ 1
(: + 1) 2
a1
+ 1
=
:
2
+ 7: + 7
:
2
+ 5: + 1
:2
a
+ 1
(: + 1) 2
a1
+ 1
~
:
2
:
2
:2
a
(: + 1) 2
a1
=
:2
a
(: + 1) 2
a1
=
1
2
:
: + 1

1
2
il che implica la convergenza della serie.
(ii) La serie
o

a=1
2:!
3
a
diverge positivamente. Infatti,
r
a1
r
a
=
2(a1)!
S
n+1
2a!
S
n
=
2 (: + 1)!
3
a1
3
a
2:!
=
1
3
(: + 1)!
:!
=
1
3
(: + 1) +
il che implica la divergenza della serie. #
Nel caso di limite unitario
lim
r
a1
r
a
= 1
nulla si pu dire: il carattere della serie indeterminato, essa pu convergere oppure
divergere positivamente. Ci ben illustrato dalle serie

o
a=1
1,: e

o
a=1
1,:
2
: bench
per entrambe si abbia limr
a1
,r
a
= 1, la prima diverge e la seconda converge.
11.3.3 Criteri di convergenza del rapporto
Studiamo ora pi in profondit il Criterio del rapporto, del quale diamo subito la
versione pi generale.
Proposizione 141 (Criterio del rapporto) Sia

o
a=1
r
a
una serie con i termini,
denitivamente, positivi e non nulli
13
.
(i) Se esiste un numero < 1 tale che denitivamente
r
a1
r
a
_ (11.11)
allora la serie converge.
13
Lipotesi che i termini r
n
siano non nulli serve a rendere ben denito il rapporto r
n+1
,r
n
.
306 CAPITOLO 11. SERIE NUMERICHE
(ii) Se invece il rapporto denitivamente _ 1, la serie diverge positivamente.
Si badi che il teorema richiede che i rapporti siano minori di un numero a sua volta
minore di 1 e non semplicemente che siano minori di 1. Al riguardo si osservi che per
la serie armonica i rapporti sono
1
a1
1
a
=
:
: + 1
.
tutti minori di 1, ma essa diverge
14
.
Poich, per il Teorema 134, la convergenza di

o
a=1
r
a
implica r
a
0, il Cri-
terio del rapporto per serie pu vedersi come estensione dellomonimo criterio per
successioni. Analoga osservazione vale per il Criterio della radice che vedremo tra
breve.
Dim. Da r
a1
_ r
a
si deduce, come nellanalogo criterio per le successioni che 0 <
r
a
_
a1
r
1
e il primo asserto segue dalla Proposizione 102. Se invece r
a1
,r
a
_ 1,
cio se r
a1
_ r
a
0, r
a
crescente e perci non pu tendere a 0. B
molto utile riscrivere il Criterio del rapporto usando i limiti superiori e inferiori
introdotti nella Sezione 9.14.
Lemma 142 Esiste < 1 tale che denitivamente valga la (11.11) se e solo se
limsup
r
a1
r
a
< 1 (11.12)
Dim. Solo se. Supponiamo che esista < 1 tale che denitivamente valga la (11.11).
Esiste : tale che r
a1
,r
a
_ per ogni : _ :. Quindi, per ogni tale : si ha
sup
Ia
r
I1
r
I
_
il che implica
limsup
r
a1
r
a
= lim
ao
sup
Ia
r
I1
r
I
_ < 1
Se. Supponiamo valga la (11.12). Poich
lim
ao
sup
Ia
r
I1
r
I
= 1 < 1
per ogni 0 esiste : tale che

sup
Ia
r
a1
r
a
1

< \: _ :
14
I rapporti tendono a 1 e perci non vi spazio per inlare un numero che sia simultaneamente
maggiore di tutti e minore di 1.
11.3. SERIE CON TERMINI POSITIVI 307
cio
1 < sup
Ia
r
I1
r
I
< 1 + \: _ :
Se prendiamo sucientemente piccolo di modo che 1 + < 1, ponendo = 1 + si
ottiene la condizione cercata. B
In modo analogo si dimostra che si ha denitivamente r
a1
,r
a
_ 1 se
liminf
r
a1
r
a
1 (11.13)
e solo se
liminf
r
a1
r
a
_ 1 (11.14)
Quindi, la condizione che denitivamente r
a1
,r
a
_ 1 implica la (11.14) ed implicata
dalla (11.13). Ma, nulla di pi si pu dire: la successione costante con termine r
a
= 1
mostra che la suddetta condizione pu valere anche se la (11.13) non vale, mentre
la successione 1,: mostra che la (11.14) pu valere anche quando la condizione
violata.
Tutto ci porta al seguente corollario, molto comodo nel far di conto, in cui il
Criterio del rapporto espresso in termini di limiti.
Corollario 143 (Criterio del rapporto nella forma limite) Sia

o
a=1
r
a
una se-
rie con i termini positivi e non nulli.
(i) Se
limsup
r
a1
r
a
< 1
la serie converge.
(ii) Se
liminf
r
a1
r
a
1
la serie diverge positivamente.
Si noti che, grazie al Lemma 142, il punto (i) equivalente al punto (i) della
Proposizione 141. Invece, per quanto visto appena sopra, il punto (ii) pi debole
del punto (ii) della Proposizione 141 perch la condizione (11.13) solo suciente, ma
non necessaria, per avere denitivamente r
a1
,r
a
_ 1.
Come mostrano i prossimi esempi, questa forma del Criterio del rapporto parti-
colarmente utile quando esiste il limite
lim
r
a1
r
a
308 CAPITOLO 11. SERIE NUMERICHE
cio quando
lim
r
a1
r
a
= limsup
r
a1
r
a
= liminf
r
a1
r
a
In tal caso notevole, il Criterio del rapporto assume lutile forma tripartita della
Proposizione 140:
(i) se
lim
r
a1
r
a
< 1
la serie converge;
(ii) se
lim
r
a1
r
a
1
la serie diverge positivamente;
(iii) se
lim
r
a1
r
a
= 1
il criterio fallisce e non d alcuna indicazione circa il carattere della serie.
A livello operativo, la tripartita la forma usuale con la quale si applica il Criterio
del rapporto. A livello meccanico, suciente ricordare la tripartizione della Propo-
sizione 140 e i relativi esempi illustrativi, ossia quanto si visto nel Preludio. Ma, per
evitare di fare idraulica e non matematica, importante tenerne a mente i fondamenti
teorici dati dalla Proposizione 141 e dal Corollario 143.
LEsempio 172 ha gi illustrato i casi (i) e (ii) della tripartizione, mentre il caso
fallimentare (iii) gi stato ben illustrato dalla serie

o
a=1
1,: e

o
a=1
1,:
2
. In
chiusura, vediamo altri esempi per i casi (i) e (ii).
Esempio 173 (i) La serie

o
a=1
:
I

a
converge per ogni / R e ogni 0 < < 1.
Infatti
(: + 1)
I

a1
:
I

a
=
_
: + 1
:
_
I
< 1.
Ci mostra anche che questa serie diverge positivamente quando 1.
(ii) La serie
o

a=0
r
a
:!
converge per ogni r 0. Infatti per : _ 1 si ha
r
a1
(: + 1)!

:!
r
a
=
r
: + 1
0 \r 0.
11.3. SERIE CON TERMINI POSITIVI 309
(iii) La serie
o

a=1
r
a
:
converge per ogni 0 < r < 1. Infatti
r
a1
: + 1

:
r
a
=
:
: + 1
r r
che ovviamente < 1 quando 0 < r < 1. #
11.3.4 Criteri di convergenza della radice
Il prossimo criterio di convergenza , dal punto di vista teorico, il pi potente, come
vedremo nella prossima sezione.
Proposizione 144 (Criterio della radice) Sia

o
a=1
r
a
una serie con i termini
positivi.
(i) Se esiste un numero < 1 tale che, denitivamente,
n
_
r
a
_
allora la serie converge.
(ii) Se invece
n
_
r
a
_ 1 per inniti valori di :, allora la serie diverge.
Dim. Da
n
_
r
a
_ si ha subito che 0 _ r
a
_
a
e, applicando il Criterio del confronto,
si ha la tesi. Se invece
n
_
r
a
_ 1 per inniti valori di :, per essi r
a
_ 1 e non pu
tendere a 0. B
Vediamone la forma limite. Grazie al Lemma 142, il punto (i) si pu formulare in
modo equivalente come limsup
n
_
r
a
< 1. Circa il punto (ii), esso richiede che
n
_
r
a
_ 1
per inniti valori di :, ossia che esista un sottosuccessione :
I
tale che
n
k
_
r
a
k
_ 1
per ogni /. La condizione vale se
limsup
n
_
r
a
1 (11.15)
e solo se
limsup
n
_
r
a
_ 1. (11.16)
La successione costante r
a
= 1 mostra che la condizione (11.16) pu valere anche
se la (11.15) non vale. La successione (1 1,:)
a
mostra invece che (persino) la
condizione (ii) della Proposizione 144 pu non valere bench valga la (11.16). quindi
chiaro che la (11.15) implica la (ii) della Proposizione 144, che a sua volta implica la
(11.16), ma le implicazioni inverse non valgono.
Tutto ci porta alla seguente forma limite, nella quale il punto (i) equivalente a
quello della Proposizione 144, mentre il (ii) pi debole in quanto, come appena visto,
la (11.15) solo condizione suciente anch si abbia
n
_
r
a
_ 1 per inniti valori di
:.
310 CAPITOLO 11. SERIE NUMERICHE
Corollario 145 (Criterio della radice nella forma limite) Sia

o
a=1
r
a
una se-
rie con i termini positivi.
(i) Se limsup
n
_
r
a
< 1, la serie converge.
(ii) Se limsup
n
_
r
a
1, la serie diverge positivamente.
Dim. Se limsup
n
_
r
a
< 1, si ha che
n
_
r
a
_ denitivamente per qualche < 1 La
tesi segue dalla Proposizione 144. Se limsup
n
_
r
a
1, allora
n
_
r
a
_ 1 per inniti
valori di :, e la tesi segue dalla Proposizione 144. B
Come per la forma limite del Criterio del rapporto, anche quella del Criterio della
radice particolarmente utile quando esiste lim
n
_
r
a
. Esso assume allora la seguente
forma tripartita:
(i) se
lim
n
_
r
a
< 1
la serie converge;
(ii) se
lim
n
_
r
a
1
la serie diverge positivamente;
(iii) se
lim
n
_
r
a
= 1
il criterio fallisce e non d alcuna indicazione circa il carattere della serie.
Al pari dellanaloga forma tripartita del Criterio del rapporto, anche per il Criterio
della radice la versione tripartita ne la forma pi utile a livello operativo. Ma,
ricordando che fatti non foste a viver come bruti ma per seguir virtute e canoscenza,
ci auguriamo che il lettore voglia sempre tenere a mente i fondamenti teorici del criterio.
Esempio 174 (i) Sia 0. La serie
o

a=1

a
:
a
converge perch
n
_

a
:
a
=

:
0.
(ii) Sia 0 _ < 1. La serie

o
a=1
:
I

a
converge per ogni /: infatti
n
_
:
I

a
= :
Ia

visto che :
Ia
1 (dato che log :
Ia
= (/,:) log : 0). #
11.3. SERIE CON TERMINI POSITIVI 311
11.3.5 Potenza del criterio della radice
I criteri del rapporto e della radice si basano sul comportamento delle successioni
r
a1
,r
a
e
_
n
_
r
a
_
. Al riguardo il prossimo risultato, la cui dimostrazione sar data
nella Sezione 23.2.2, illuminante.
Proposizione 146 Per ogni successione r
a
con termini positivi, si ha
liminf
r
a1
r
a
_ liminf
n
_
r
a
_ limsup
n
_
r
a
_ limsup
r
a1
r
a
. (11.17)
Se esiste limr
a1
,r
a
, si ha
lim
r
a1
r
a
= lim
n
_
r
a
. (11.18)
e i due criteri sono equivalenti nella loro forma limite. Tuttavia, se limr
a1
,r
a
non
esiste, si ha comunque, dalla (11.17),
limsup
r
a1
r
a
< 1 =limsup
n
_
r
a
< 1.
e
liminf
r
a1
r
a
1 =limsup
n
_
r
a
1.
il che indica che il Criterio della radice pi potente di quello del rapporto per la
convergenza: ogni volta che il Criterio del rapporto indica convergenza o divergenza, la
stessa conclusione si sarebbe raggiunta applicando il Criterio della radice. Il viceversa
non vale, come mostra il prossimo esempio nel quale il Criterio della radice indica
convergenza mentre quello del rapporto fallisce.
Esempio 175 Consideriamo la serie
15
r
a
=
_
1
2
n
se : dispari
1
2
n2
se : pari
cio:
1
2
+ 1 +
1
8
+
1
4
+
1
32
+
1
16
+
1
128
+
1
64
+
Si ha
r
a1
r
a
=
_

_
1
2
(n+1)2
1
2
n
= 2 se : dispari
1
2
n+1
1
2
n2
=
1
S
se : pari
e
n
_
r
a
=
_
1
2
se : dispari
n
_
1
2
se : pari
15
Si veda Rudin (1976) p. 67.
312 CAPITOLO 11. SERIE NUMERICHE
sicch
limsup
r
a1
r
a
= 2 , liminf
r
a1
r
a
=
1
8
e
limsup
n
_
r
a
=
1
2
Il Criterio del rapporto fallisce, mentre il Criterio della radice garantisce la convergenza
della serie. #
Nonostante la maggior potenza del Criterio della radice, il Criterio del rapporto
rimane comunque un utile strumento perch in generale molto pi semplice calcolare
il limite di rapporti che di radici. Il Criterio della radice s pi potente dal punto di
vista teorico, ma risulta di pi dicile applicabilit dal punto di vista operativo.
Alla luce di tutto ci, in concreto nellapplicare i criteri la prima cosa da fare
vericare se limr
a1
,r
a
esiste e, nel caso, calcolarlo. In tale evenienza, grazie alla
(11.18) sappiamo anche il valore di lim
n
_
r
a
e possiamo quindi giovarci della potenza
del Criterio della radice.
Se, purtroppo, limr
a1
,r
a
non esiste e siamo al pi in grado di determinare
limsup r
a1
,r
a
e liminf r
a1
,r
a
, o ci rassegniamo alla minor potenza del Criterio
del rapporto (rischiando il fallimento come nel precedente esempio), oppure cerchiamo
di calcolare direttamente limsup
n
_
r
a
, con la speranza che esso esista (come nel prece-
dente esempio), cos che il Criterio della radice si possa applicare nella pi comoda
forma tripartita.
Da ultimo si osservi che, per quanto potente, il Criterio della radice (e, a fortiori,
il meno potente Criterio del rapporto) fornisce solo una condizione suciente, ma non
necessaria per la convergenza, come mostra il prossimo esempio.
Esempio 176 La serie
o

a=1
1
:
2
converge. Tuttavia, ricordandosi lEsempio 148, si ha
lim
n
_
1
:
2
= lim
n
_
1
:
lim
n
_
1
:
= 1
#
Il Criterio della radice non quindi di alcun aiuto nel determinare la convergenza
della semplice serie

o
a=1
:
2
. La ragione della carenza emerge con chiarezza dal
prossimo semplice risultato, che mostra come questo criterio implichi la convergenza
a zero dei termini della serie con velocit almeno geometrica.
11.3. SERIE CON TERMINI POSITIVI 313
Proposizione 147 Sia

o
a=1
r
a
una serie con i termini positivi, con limsup
n
_
r
a
<
1. Per ogni 0 tale che
limsup
n
_
r
a
_ < 1
si ha, denitivamente,
r
a
_
a
(11.19)
Dim. Sia 0 tale che limsup
n
_
r
a
_ < 1. Esiste :
q
_ 1 tale che
n
_
r
a
_
per ogni : _ :
q
. Per ogni tale : si ha:
n
_
r
a
_ ==r
a
_
a
e quindi vale la (11.19). B
Grazie alla (11.19), possiamo concludere che serie convergenti i cui termini conver-
gono a zero con velocit inferiori alla geometrica, cio tali che
a
= o (r
a
), sono al di
fuori della portata del Criterio della radice. Per esempio, per ogni numero naturale
/ _ 2 si ha

a
1
a
k
0
e quindi
a
= o
_
:
I
_
. Per determinare la convergenza della serie

o
a=1
:
I
, il Criterio
della radice quindi inutile. Ci confermato dal fatto che
lim
n
_
1
:
I
= 1
ma grazie alla Proposizione 147 possiamo capire la ragione del fallimento del Criterio
della radice.
11.3.6 Un primo sviluppo in serie
Limportantissimo numero c di Nepero stato introdotto nel capitolo precedente come
limite della successione (1 + 1,:)
a
. Sorprendentemente esso emerge anche come som-
ma della serie
o

a=0
1,:! dei reciproci dei fattoriali. Si ricordi, per, che un primo
collegamento tra c e :! si era visto con la formula di De Moivre-Sterling.
Proposizione 148 Si ha
o

a=0
1
:!
= c (11.20)
314 CAPITOLO 11. SERIE NUMERICHE
Dim. NellEsempio 167 abbiamo mostrato che la serie converge. Calcoliamone la
somma. Grazie alla formula di Newton (6.2) si ha
_
1 +
1
:
_
a
=
a

I=0
_
:
/
_
1
:
I
=
a

I=0
1
/!
:!
(: /)!
1
:
I
Daltra parte
:!
(: /)!
= :(: 1) (: / + 1)
. .
I volte
_ : :
. .
I volte
= :
I
Quindi,
:!
(: /)!
1
:
I
_ 1
il che implica
_
1 +
1
:
_
a
=
a

I=0
1
/!
:!
(: /)!
1
:
I
_
a

I=0
1
/!
Ne segue che
c _
o

a=0
1
:!
. (11.21)
Per ogni / _ 1 si ha
lim
ao
:!
(: /)!
1
:
I
= 1 (11.22)
Infatti
:!
(: /)!
1
:
I
=
:(: /) (: / + 1)
:
I
~
:
I
:
I
= 1
Fissiamo : _ 1. Per ogni : : si ha:
_
1 +
1
:
_
a
=
a

I=0
1
/!
:!
(: /)!
1
:
I
=
n

I=0
1
/!
:!
(: /)!
1
:
I
+
a

I=n1
1
/!
:!
(: /)!
1
:
I
_
n

I=0
1
/!
:!
(: /)!
1
:
I
e quindi, grazie alla (11.22),
c = lim
ao
_
1 +
1
:
_
a
_ lim
ao
n

I=0
1
/!
:!
(: /)!
1
:
I
=
n

I=0
1
/!
_
lim
ao
:!
(: /)!
1
:
I
_
=
n

I=0
1
/!
Poich ci vale per ogni :, si ha
c _ lim
no
n

I=0
1
/!
=
o

a=0
1
:!
,
11.4. SERIE CON TERMINI DI SEGNO QUALSIASI 315
che, con la (11.21), implica la (11.20). B
La somma (11.20) si pu generalizzare in modo sostanziale (omettiamo la di-
mostrazione).
Teorema 149 Per ogni r R, si ha
c
a
= lim
ao
_
1 +
r
:
_
a
=
o

a=0
r
a
:!
(11.23)
Luguaglianza (11.23) vale per ogni scalare r e si riduce alla (11.20) nel caso speciale
r = 1. Si noti la notevolissima espressione
c
a
=
o

a=0
r
a
:!
= 1 +r +
r
2
2
+
r
S
3!
+ +
r
a
:!
+ (11.24)
della funzione esponenziale tramite una serie. Tra breve vedremo che
o

a=0
r
a
,:! una
serie di potenze. Per questa ragione, luguaglianza (11.24) detta sviluppo in serie di
potenze della funzione esponenziale. un risultato tanto elegante quanto importante,
che permette di scomporre la funzione esponenziale in una somma (seppur innita)
di funzioni elementari quali le potenze r
a
.
Studieremo con maggiore generalit gli sviluppi in serie con gli strumenti del
Calcolo dierenziale, di cui gli sviluppi in serie sono una delle applicazioni pi notevoli.
11.4 Serie con termini di segno qualsiasi
11.4.1 Convergenza assoluta
Consideriamo ora il caso generale di serie

o
a=1
r
a
con termini r
a
di segno qualsiasi,
non necessariamente sempre positivi, neanche denitivamente. Per studiarle conside-
riamo una serie ausiliaria a termini positivi, facendo cos rientrare dalla porta ci che
era appena uscito dalla nestra.
Denizione 80 La serie

o
a=1
r
a
si dice assolutamente convergente se convergente
la serie

o
a=1
[r
a
[ dei suoi valori assoluti.
Il prossimo risultato mostra che la convergenza della serie dei valori assoluti, veri-
cabile con i criteri test visti, garantisce quella della ben pi selvatica serie originale,
con segni qualsiasi.
Teorema 150 Se

o
a=1
r
a
converge assolutamente, allora

o
a=1
r
a
converge.
316 CAPITOLO 11. SERIE NUMERICHE
Si noti che la condizione solo suciente: la serie
o

a=1
(1)
a
:
= 1 +
1
2

1
3
+
1
4

1
5
+
1
6
+
converge (si veda la Proposizione 155), ma non assolutamente poich
o

a=1

(1)
a
:

=
o

a=1
1
:
= +
La classe delle serie assolutamente convergenti quindi contenuta in quella delle se-
rie convergenti. Come si vedr nella Sezione 11.6, tale sottoclasse ha fondamentali
propriet di regolarit rispetto alle serie convergenti di segno qualsiasi che non sono
assolutamente convergenti. In altre parole, le serie assolutamente convergenti sono, tra
le convergenti, quelle che si comportano decisamente meglio. La convergenza assoluta
unimportante condizione di regolarit.
Per provare il Teorema 150 ci servono un concetto e un piccolo risultato prelimi-
nari, nello spirito della condizione (9.21) di Cauchy. Per una serie

o
a=1
r
a
arbitraria
indichiamo con C
a,I
, dove :. / _ 1, la somma troncata
C
a,I
= :
aI
:
a
= r
a1
+r
a2
+ +r
aI
.
cio la somma di / addendi a partire dall(: + 1)-esimo.
Lemma 151 Condizione necessaria e suciente anch una serie

o
a=1
r
a
converga
che ad ogni 0 si possa associare un indice :
.
tale che [C
a,I
[ < per ogni : _ :
.
e ogni / _ 1.
Dim. unapplicazione della condizione di Cauchy. La successione :
a
converge se
e solo se, per ogni 0 arbitrario, si ha denitivamente [:
n
:
a
[ < . Basta poi
porre : = : +/. B
Laermazione del Lemma piuttosto intuitiva: una serie converge se e solo se,
almeno a partire da un certo posto in poi, la somma di un numero arbitrariamente
grande di addendi arbitrariamente piccola, cio, da un certo posto in poi, gli addendi
devono essere irrilevanti.
Dim. del Teorema 150. Indicando con C
a,I
e con C
t
a,I
rispettivamente le somme
troncate di

o
a=1
r
a
e di

o
a=1
[r
a
[, risulta
[C
a,I
[ = [r
a1
+r
a2
+ +r
aI
[ _ [r
a1
[ +[r
a2
[ + +[r
aI
[ = C
t
a,I
.
Da C
t
a.I
< segue a fortiori che [C
a,I
[ < che, per il precedente Lemma, garantisce
lasserto. B
11.4. SERIE CON TERMINI DI SEGNO QUALSIASI 317
Esempio 177 Riprendiamo, per completarlo lEsempio 173.
(i) Grazie al Teorema 150, la serie

o
a=1
:
I

a
converge per ogni / R e ogni
1 < < 1. Infatti, da

(: + 1)
I

a1
:
I

=
_
: + 1
:
_
I
[[ [[ < 1
segue che essa converge assolutamente.
(ii) La serie

o
a=1
r
a
,:! converge per ogni r R. Infatti, da

r
a1
(: + 1)!

:!
r
a

r
: + 1

0 \r R.
segue che essa converge assolutamente.
(iii) La serie

o
a=1
r
a
,: converge per ogni 1 < r < 1. Infatti

r
a1
: + 1

:
r
a

=
:
: + 1
[r[ [r[.
che ovviamente < 1 quando 1 < r < 1. Anche questa serie quindi converge
assolutamente.
Aggiungiamo due ulteriori esempi.
(iv) La serie
r
r
S
3!
+
r

5!

r
7
7!
+ =
o

a=0
(1)
a
r
2a1
(2: + 1)!
converge per ogni r R. Infatti

r
2aS
(2: + 3)!

(2: + 1)!
r
2a1

r
2
(2: + 3) (2: + 2)

0 \r R
e quindi essa converge assolutamente.
(v) La serie
1
r
2
2!
+
r
1
4!

r
6
6!
+ =
o

a=0
(1)
a1
r
2a
(2:)!
converge per ogni r R. Infatti

r
2a2
(2: + 2)!

(2:)!
r
2a

r
2
(2: + 2) (2: + 1)

0 \r R
e quindi anche questultima serie converge assolutamente. #
318 CAPITOLO 11. SERIE NUMERICHE
11.4.2 Rivisitazione dei criteri di convergenza
Grazie al Teorema 150, possiamo dare versioni dei criteri di convergenze per serie di
segno qualsiasi. Cominciamo col Criterio del confronto visto nella Proposizione 136,
di cui estendiamo il punto (ii).
Proposizione 152 Siano

o
a=1
r
a
e

o
a=1

a
due serie con [r
a
[ _
a
. Se

o
a=1

a
converge, allora anche

o
a=1
r
a
converge.
Dim. Se

o
a=1

a
converge, allora

o
a=1
[r
a
[ converge per il Criterio del confronto.
Grazie al Teorema 150, anche

o
a=1
r
a
converge. B
Esempio 178 Consideriamo la serie
o

a=1
(1)
a
:
2
.
Si ha [(1)
a
,:
2
[ _ 1,:
2
, e quindi per il Criterio del confronto la convergenza della
serie segue da quello di

o
a=1
1,:
2
. #
Passiamo alla versione per serie di segno qualsiasi del Criterio del rapporto. Per
brevit, consideriamo solo la sua forma limite, vista nel Corollario 143.
Corollario 153 Sia

o
a=1
r
a
una serie con i termini di segno qualsiasi e non (den-
itivamente) nulli, e si ponga
limsup

r
a1
r
a

= , [0. +] e liminf

r
a1
r
a

= c [0. +]
Allora,
(i) se , < 1, la serie converge,
(ii) se c 1, la serie non converge.
Dim. Grazie al Teorema 150, il caso , < 1 segue dallanalogo caso del Corollario
143. Se c 1, si ha denitivamente [r
a1
,r
a
[ 1, ossia [r
a1
[ _ [r
a
[ 0, dove si
ha 0 perch, per ipotesi, i termini r
a
non sono nulli. Non vale quindi la condizione
necessaria di convergenza r
a
= o (1). B
Si noti che, mentre per serie con termini positivi la condizione c 1 implica
la divergenza; per serie con termini di segno qualsiasi da c 1 segue solo la non
convergenza. Ci dovuto alle migliori propriet di regolarit delle serie con termini
positive viste nella Proposizione 135 (se non convergono divergono positivamente).
11.4. SERIE CON TERMINI DI SEGNO QUALSIASI 319
Esempio 179 La serie
o

a=1
(1)
a
r
a
:!
converge per ogni r ,= 0. Infatti

r
a1
(: + 1)!

:!
r
a

=
[r[
: + 1
0 \r ,= 0.
#
Chiudiamo con la versione del Criterio della radice, sempre nella forma limite, per
serie di segno qualsiasi: lasciamo al lettore la dimostrazione del risultato.
Corollario 154 Sia

o
a=1
r
a
una serie con i termini di segno qualsiasi e non nulli,
e si ponga
limsup
n
_
[r
a
[ = , [0. +] .
Allora,
(i) se , < 1, la serie converge,
(ii) se , 1, la serie non converge,
(iii) se , = 1, il criterio fallisce e non autorizza alcuna conclusione.
Esempio 180 Sia R. La serie
o

a=1

a
:
a
converge perch
n
_

a
:
a

=
[[
:
0.
In modo simile si pu vedere che la serie

o
a=1
:
I

a
converge per [[ < 1 (si vedano
gli Esempi 174 e 177). #
11.4.3 Serie con i segni alternati
Chiudiamo considerando le serie che hanno i termini di segno alternato:
r
1
r
2
+r
S
r
1
+ + (1)
a1
r
a
+ =
o

a=1
(1)
a1
r
a
.
con ogni r
a
_ 0. Per esse si pu dire qualcosa dinteressante:
320 CAPITOLO 11. SERIE NUMERICHE
Proposizione 155 La serie
o

a=1
(1)
a1
r
a
con i segni alternati convergente se la
successione r
a
decrescente e innitesima.
Come ben sappiamo, la condizione di nullit r
a
0 necessaria, ma non suciente
per la convergenza di una serie generica; per le serie a segni alternati, con laggiunta
della decrescenza dei valori assoluti
16
, diventa anche suciente.
Dim. Per lalternanza dei segni e per la decrescenza dei valori assoluti, le due
successioni
:
1
. :
S
. :

. . . . e :
2
. :
1
. :
6
. . . .
sono rispettivamente decrescente e crescente. Infatti
:
S
= r
1
r
2
+r
S
_ r
1
= :
1
perch r
2
+r
S
_ 0
:

= :
S
r
1
+r

_ :
S
perch r
1
+r

_ 0, ecc.
e
:
1
= :
2
+r
S
r
1
_ :
2
perch r
S
r
1
_ 0
:
6
= :
1
+r

r
6
_ :
1
perch r

r
6
_ 0, ecc..
Le due successioni, essendo monotone, ammettono limite; per di pi, visto che :
2a1

:
2a
= r
2a1
0, il limite lo stesso per entrambe. Quindi lintiera successione :
a

delle somme parziali ammette limite e perci la serie converge. B


OfB. La successione :
a
oscilla attorno al suo limite o con oscillazioni sempre pi
piccole.
0 2 4 6 8 10
-0.5
0
0. 5
1
1. 5
n
s(n)
O
s
1
s
2
s
3
. . .
Esempio di successione oscillante.
16
Si noti che r
n
il valore assoluto del termine (1)
n+1
r
n
della successione.
11.4. SERIE CON TERMINI DI SEGNO QUALSIASI 321
Il primo valore :
1
il pi grande di tutti, il secondo valore :
2
il pi piccolo di tutti;
gli altri sono maggiori di o quando : dispari e minori di o quando : pari e
progressivamente si avvicinano a o. *
Esempio 181 La serie
o

a=1
(1)
a1
1
:
.
detta serie armonica con segni alternati, convergente
17
. #
11.4.4 Il criterio di condensazione di Cauchy
Tra i moltissimi criteri che sono stati sviluppati nellOttocento per la convergenza di
una serie, ne segnaliamo uno che ci permetter di dimostrare una cosetta lasciata in
sospeso.
Teorema 156 (Criterio di condensazione, Cauchy) Sia r
a
una successione con
i termini positivi e decrescenti (r
a
_ r
a1
_ 0) e sia / un arbitrario numero intero
maggiore di 1. Allora la serie originaria
o

a=1
r
a
ha lo stesso carattere della serie
r
1
+/r
I
+/
2
r
I
2 + +/
n
r
I
m + =
o

a=1
/
a1
r
I
n1.
In altre parole, le due serie hanno lo stesso carattere: se luna converge (diverge),
anche laltra converge (diverge).
Dim. Indichiamo con :
a
e con o
n
le somme parziali delle due serie:
:
a
= r
1
+r
2
+ +r
a
e o
n
= r
1
+/r
I
+/
2
r
I
2 + +/
n
r
I
m.
Risulta
:
I
m+1 :
I
m = r
I
m
1
+r
I
m
2
+ +r
I
m+1
e tale somma conta /
n1
/
n
= /
n
(/ 1) addendi che, per ipotesi, sono decrescenti.
Perci
/
n
(/ 1) r
I
m+1 _ :
I
m+1 :
I
m _ /
n
(/ 1) r
I
m
1
.
ovvero
_
1
1
/
_
/
n1
r
I
m+1 _ :
I
m+1 :
I
m _ /
n
(/ 1) r
I
m
1
.
Prendendo : = 0. 1. 2. . /1 e sommando tali disuguaglianze (ovviamente, per
: = 0, /
0
r
I
0 = r
1
), si ottiene
_
1
1
/
_
(o
I
r
1
) _ :
I
h r
1
_ (/ 1) o
I1
.
17
Precisamente la sua somma log 2.
322 CAPITOLO 11. SERIE NUMERICHE
dove la seconda diseguaglianza dovuta al fatto che, poich r
a
decrescente, si ha:
r
1
+/r
I1
+/
2
r
I
2
1
+.. +/
I1
r
I
h1
1
_ r
1
+/r
I
+/
2
r
I
2 +.. +/
I1
r
I
h1 = o
I1
.
Visto che r
1
e / _ 1 non dipendono da /, questultima disuguaglianza mostra che,
se o
I
+, anche :
I
h + e, per la monotonia di di :
a
, segue che :
a
+.
Se invece o
I
1, risulta :
I
h r
1
_ (/ 1) 1 cosicch :
a
monotona e
superiormente limitata e quindi converge. Il Teorema cos dimostrato. B
Il criterio di condensazione consente di discutere il comportamento della serie
armonica generalizzata. Consideriamo dunque

o
a=1
1
:
c
e applichiamole il criterio di condensazione con / = 2: ci conduce a considerare la
serie
1 + 2
1
2
c
+ 2
2
1
2
2c
+ 2
S
1
2
Sc
+ = 1 +
1
2
c1
+
1
2
2(c1)
+
1
2
S(c1)
+
che geometrica di ragione 1,2
c1
e quindi converge se e solo se 2
c1
1, cio se e
solo se c 1. Resta cos provato che la serie armonica generalizzata converge per ogni
c 1 e diverge per ogni c _ 1.
Esempio 182 (i) La serie

o
a=2
1
:log :
divergente. Infatti, prendendo per comodit un primo addendo nullo e applicando il
Criterio di condensazione con / = 2, si ha
2
2 log 2
+
2
2
2
2
log 2
2
+
2
S
2
S
log 2
S
+ =
1
log 2
+
1
2 log 2
+
1
3 log 2
+
che diverge trattandosi della serie armonica moltiplicata per 1, log 2.
(ii) La serie

o
a=2
1
:log
1.
:
invece convergente per ogni 0. Infatti, preso / = 2, il suo carattere lo
stesso della serie
o

a=2
2
a
2
a
log
1.
(2
a
)
=
o

a=2
1
log
1.
(2
a
)
=
o

a=2
1
:
1.
log
1.
2
che converge essendo
1
:
1.
log
1.
2
<
1
:
1.
.
11.5. SERIE DI POTENZE 323
(iii) Si pu concludere allora che la serie
o

a=2
1
:
c
log
o
:
converge per c 1. , qualsiasi e per c = 1. , 1, mentre diverge per c < 1. ,
qualsiasi e per c = 1. , _ 1. Usando lordinamento lessicograco ,
1
18
si pu
dire che si ha convergenza se e solo se [c. ,] ,
1
[1. 1].
(iv) Simile conclusione vale per
o

a=2
1
:
c
log
o
:(log log :)

che converge se e solo se c 1 oppure c = 1 e , 1 oppure c = , = 1 e


1. #
11.5 Serie di potenze
Le serie di potenze sono unimportante classe di serie della forma
o

a=0
c
a
r
a
(11.25)
con c
a
R per ogni : _ 0. Per evitare banalit supporremo sempre che gli scalari c
a
,
detti coeciente della serie, non siano denitivamente nulli; inoltre, si pone 0
0
= 1.
La serie (11.25) converge (diverge od oscilla) in r
0
se la serie

o
a=0
c
a
r
a
0
converge
(diverge od oscilla).
Cominciamo con losservare che ogni serie di potenze converge almeno in 0: infatti

o
a=0
c
a
0
a
= c
0
.
Proposizione 157 Se una serie di potenze

o
a=0
c
a
r
a
converge in r
0
, allora con-
verge in ogni r tale che [r[ < r
0
. Se non converge in un punto r
0
, allora non converge
in ogni r tale che [r[ r
0
.
Dim. Basta applicare il Criterio del confronto e ricordare lassoluta convergenza. B
Ne segue che, per ogni serie di potenze

o
a=0
c
a
r
a
, esiste un numero reale esteso
: _ 0, detto raggio di convergenza tale che essa converge in ogni [r[ < : e diverge in
18
Il cosiddetto ordine lessicograco ,
L
tra vettori aerma che j ,
L
r se il primo elemento di j
del primo elemento di r oppure, quando j
1
= r
1
se j
2
r
2
, oppure, quando j
1
= r
1
e j
2
= r
2
, se
j
3
r
3
, e cos via. Tale ordine lessicograco perch lo stesso che si usa per mettere le parole in
ordine alfabetico: si tratta di un ordine completo.
324 CAPITOLO 11. SERIE NUMERICHE
ogni [r[ : (quando : = 0 la serie converge solo per r = 0; quando invece : = + la
serie converge per ogni r R); in r = : la serie pu essere convergente oppure non
convergente.
I criteri di convergenza per serie di segno qualsiasi danno semplici risultati sul
raggio di convergenza. Il pi potente segue dal Criterio della radice in forma limite.
Teorema 158 (Cauchy-Hadamard) Per la serie di potenze

o
a=0
c
a
r
a
il raggio
di convergenza : = 1,j (ponendo : = + se j = 0 e : = 0 se j = +) ove
j = limsup
n
_
[c
a
[ [0. +] .
Dim. Poich la serie ovviamente converge senzaltro per r = 0, supponiamo r ,= 0.
Si ha
limsup
n
_
[c
a
r
a
[ = [r[ limsup
n
_
[c
a
[ = j [r[ =
[r[
:
.
Per il Criterio della radice, si ha convergenza se [r[ ,: < 1, ossia se [r[ < :, e non si
ha convergenza se [r[ ,: 1, ossia se [r[ :. B
Esempio 183 La serie di potenze
o

a=0
r
a
:!
(11.26)
ha raggio di convergenza : = +. Infatti
1
(a1)!
1
a!
=
1
: + 1
0.
usando la notevole disuguaglianza (11.17), implica j = limsup
n
_
1,:! = 0, ossia
: = +. Del resto, abbiamo gi incontrato questa serie di potenze nel Teorema 149,
in cui si era visto che essa ha somma c
a
per ogni r R. #
Esempio 184 La serie di potenze
o

a=1
r
a
:
(11.27)
ha raggio di convergenza : = 1. Infatti,
1
(a1)
1
a
=
:
: + 1
1.
usando la notevole disuguaglianza (11.17), implica j = limsup
n
_
1,: = 1, ossia : = 1.
Per r = 1, la serie diventa larmonica e quindi diverge, mentre per r = 1 essa diventa
larmonica a segni alternati che converge. Dunque la serie (11.27) converge per ogni
r [1. 1). #
11.6. PROPRIET ASSOCIATIVA E COMMUTATIVA 325
Rivisitiamo le nozioni ora presentate da un punto di vista funzionale che torner
utile in seguito. Data una successione c
a
di scalari, si denisca la funzione , : _
R R come
, (r) =
o

a=0
c
a
r
a
.
Il suo dominio costituito dai punti (:. :) nei quali la serie di potenze

o
a=0
c
a
r
a
converge. Grazie alla Proposizione 157, esiste un intorno dellorigine (:. :), dove
: (0. +]. tale che
(:. :) _ dom, _ [:. :].
A seconda del carattere della serie in r = :, le inclusioni diventano o meno uguaglianze.
Per esempio, se la serie converge in entrambi i punti :, si ha dom, = [:. :], mentre
se non converge in alcuno dei due si ha dom, = (:. :).
Esempio 185 La funzione
, (r) =
o

a=0
r
a
:!
.
denita tramite la serie di potenze (11.26) ha dominio R. In particolare, grazie al
Teorema 149 sappiamo che , (r) = c
a
. Invece la funzione
, (r) =
o

a=1
r
a
:
.
denita tramite la serie di potenze (11.27) ha dominio [1. 1). #
11.6 Propriet associativa e commutativa
Ci siamo occupati in questo capitolo di somme di inniti addendi e ci che abbiamo
esposto costituisce senza dubbio un buon, ma non perfetto, surrogato della somma
ordinaria.
La somma, come sappiamo, gode, tra le altre, delle propriet associativa (facen-
do somme parziali degli addendi, la somma complessiva non cambia) e commutativa
(cambiando lordine degli addendi la somma non risulta alterata). naturale chiedersi
se tali propriet si conservino anche per le serie. In generale la risposta negativa.
piuttosto ovvio che non valga la propriet associativa: se nella serie irregolare
1 1 + 1 1 + 1 1 +
associamo gli addendi a due a due, otteniamo
(1 1) + (1 1) + (1 1) + = 0 + 0 + 0 +
326 CAPITOLO 11. SERIE NUMERICHE
che regolarissima e ha somma 0. Se associamo gli addendi a due a due, lasciando
per fuori il primo, otteniamo
1 + (1 + 1) + (1 + 1) + = 1 + 0 + 0 +
che ancora regolare ma ha la diversa somma 1.
anche semplice vedere che non vale la propriet commutativa. Se nella stessa serie
rimescoliamo gli addendi in modo da averne due positivi e uno negativo, otteniamo
1 + 1 1 + 1 + 1 1 + 1 + 1 1 + .
Calcoliamone le somme parziali. Se prendiamo un indice : multiplo di 3, : = 3/,
dobbiamo sommare 2/ addendi pari a 1 e / addendi pari a 1: perci :
SI
= / e quindi
:
SI1
= / + 1 e :
SI2
= / + 2. Dunque, in generale :
a
_ :,3 e perci la serie, cos
riscritta, divergente a +. C anche di pi: poniamo di voler ottenere, utilizzando
le propriet commutativa e associativa, una serie che converga a 5, o a qualsiasi altro
intero. Basterebbe anticipare cinque addendi 1 e poi proseguire alternando i segni
1 + 1 + 1 + 1 + 1 + (1 1) + (1 1) + = 5 + 0 + 0 + = 5.
Fin troppo facile. Se valessero le propriet associativa e commutativa, potremmo
dunque pasticciare gli addendi della serie, originariamente irregolare, rendendola di-
vergente oppure convergente a qualsiasi intero.
11.6.1 Incidenti storici
Anche se non fu il suo principale contributo scientico, il nome di Luigi Guido Grandi
legato alla serie
1 1 + 1 1 + =
o

a=1
(1)
a1
spesso detta serie di Grandi. curioso che, no alla seconda met dellOttocento,
anche i pi grandi matematici condividessero lopinione che tale serie sommasse 1,2.
La Matematica si sviluppata, sino alla met dellOttocento, in maniera alquanto
disordinata: da un lato erano gi noti teoremi di grande complessit, ma, dallaltro,
mancava lattenzione alle denizioni ben poste e al rigore al quale oggi siamo abituati.
Il monaco Grandi, sbagliando due volte, si disse che 1 1 + 1 1 + 1 1 +
una serie geometrica di ragione = 1 (giusto) e quindi ha somma
1
1q
=
1
1(1)
=
1
2
(sbagliato, perch la serie geometrica converge soltanto per [[ < 1); accorpando poi
gli addendi a due a due (sbagliato perch la propriet associativa in generale non vale
per le serie) prosegu aermando che (1 1)+(1 1)+ = 0+0+ per concludere
che
0 + 0 + 0 + =
1
2
.
11.6. PROPRIET ASSOCIATIVA E COMMUTATIVA 327
ovvero che la somma di inniti zeri vale
1
2
. Ci lo port non a negare lesistenza di
Dio, ma a ritenere irrilevante il suo intervento nella creazione; anche senza interventi
divini, dal nulla si crea qualcosa (basta aspettare un po): creatio ex nihilo.
Altre eleganti dimostrazioni sono:
(i) Posto o = 1 1 + 1 1 + si ha
1 o = 1 (1 1 + 1 1 + ) = 1 1 + 1 1 + = o
e quindi, essendo 1 o = o, risulta o = 1,2.
(ii) Da
1
1 + 1
= 1
1
1 + 1
si deduce che
1
1 + 1
= 1
_
1
1
1 + 1
_
e, cos continuando, che
1
1 + 1
= 1 1 + 1 1 + .
(iii) Pi in generale, si sostenne che, partendo da r = c r (che implica r = c,2), si
ottiene r = c (c r) e, cos continuando, che r = c c +c c + . Dunque
tale somma innita vale c,2.
(iv) Leibnitz osserv che sommando un numero pari di addendi si ottiene zero e che
sommandone un numero dispari si ottiene 1. La serie di Grandi contiene per
inniti addendi: non essendo innito n pari n dispari, la sua somma devessere
qualcosa tra 0 e 1. Per una legge di giustizia devesserne la media. Lo stesso
Leibnitz argoment anche sul fatto che innito pari con probabilit 1,2 e
dispari con probabilit 1,2.
(v) Jacob Bernoulli prov il seguente elegante paradosso. Da
/
:+:
=
/
:

/:
:
2
+
/:
2
:
S

si deduce in particolare, per : = :, che
/
2:
=
/
:

/
:
+
/
:
.
che generalizza la serie di Grandi.
328 CAPITOLO 11. SERIE NUMERICHE
(vi) Callet osserv che 1 1 + 1 1 + si ottiene anche come caso particolare di
1 +r
1 +r +r
2
= 1 r
2
+r
S
r

+r
6
r
S
+
che per, per r = 1, fornisce 2,3 = 1 1 + 1 1 + . Lagrange puntualizz
per che la serie di Callet si sarebbe dovuta correttamente scrivere
1 + 0 r
2
+r
S
+ 0 r

+r
6
+ 0 r
S
+
che avrebbe condotto a 1+01+1+01+1+01+ = 2,3 (sconcertante:
inlando inniti zeri nella serie di Grandi il suo valore cambia passando da 1,2
a 2,3).
In realt, no alla seconda met dellOttocento mancava una denizione rigorosa
di serie cosicch ci si appoggiava a unidea intuitiva di somma di inniti addendi e
ci consentiva di attribuirle signicati (sottilmente e anche inconsapevolmente) diversi.
Vedremo che la somma della serie di Grandi proprio 1,2 dando alla somma di inniti
addendi il signicato datale da Cesro.
11.6.2 La retta via
Per non fare la ne del monaco Grandi cerchiamo di fare chiarezza sulle due propriet.
Cominciamo con la propriet associativa. Possiamo dare il seguente
Teorema 159 Se in una serie regolare (convergente o divergente) si associano, con
una regola arbitraria, un numero nito di addendi consecutivi, si ottiene ancora una
serie regolare e con la stessa somma.
Dim. piuttosto banale: associando un numero nito di addendi consecutivi, nelle-
lenco delle somme parziali, alcune spariscono (quelle relative agli addendi associati) e
le altre rimangono intatte. Per esempio, immaginiamo di associare tra loro r
S
. r
1
. r

,
cio
r
1
+r
2
+ (r
S
+r
1
+r

) +r
6
+ .
Le nuove somme parziali coincidono con le vecchie :
1
. :
2
. :

. :
6,
. . .. In generale dunque,
dopo lassociazione, la successione delle somme parziali diventa una sottosuccessione
delloriginaria. Se la successione delle somme parziali era regolare, lo anche qualunque
sua sottosuccessione. B
La dissociazione (cio la sostituzione di un addendo con un numero nito di
addendi aventi la stessa somma delladdendo rimosso), se perpetrata innite volte,
cambia invece il carattere della serie. Ne abbiamo gi un esempio. La serie 0+0+0+
converge e ha per somma 0, ma
(1 1) + (1 1) + (1 1) + = 1 1 + 1 1 +
11.6. PROPRIET ASSOCIATIVA E COMMUTATIVA 329
irregolare.
Possiamo per aermare che, se si dissocia ciascun termine di una serie in un
numero nito di addendi tutti dello stesso segno, allora la serie non n cambia carattere
n somma.
Pi delicata, ma anche di maggior soddisfazione, la propriet commutativa.
Cominciamo con la
Denizione 81 Una serie detta incondizionatamente convergente ( divergente) se,
permutando in qualunque modo i suoi termini, si ottiene ancora una serie convergente
(divergente) e con la stessa somma.
Possiamo adottare la seguente simbologia. Sia

o
a=1
r
a
una serie. Fissiamo una
corrispondenza biunivoca : : N N tra i posti: a ogni : corrisponde un solo : =
:(:) e viceversa. Costruiamo la nuova serie

o
n=1

n
con
n
=
n(a)
= r
a
. Possiamo
dire che

o
n=1

n
stata ottenuta permutando i termini di

o
a=1
r
a
. Ci stiamo
chiedendo se
o

a=1
r
a
=
o

n=1

n
qualunque sia la corrispondenza biunivoca :(:).
Non lo dimostreremo, ma si pu vedere che la serie armonica a segni alternati
1
1
2
+
1
3

1
4
+ + (1)
a1
1
:
+
che, come sappiamo, convergente e ha somma log 2, non incondizionatamente
convergente. Cambiando lordine dei termini prendendo due addendi positivi e uno
negativo si ottiene la serie
1 +
1
3

1
2
+
1
5
+
1
7

1
4
+
che ancora convergente ma ha somma log 2
_
2. Prendendo tre addendi positivi seguiti
da uno negativo si ottiene una serie che converge a log 2
_
3 e, in generale, prendendo
/ addendi positivi e uno negativo, si ha una serie che converge a log 2
_
/.
Un altro grazioso esempio dello stesso tipo il seguente. Come vedremo:
log (1 +r) = 1
r
2
+
r
2
3

r
S
4
+
r
1
5

r

6
+
per ogni 1 < r _ 1. In particolare, per r = 1,
log2 = 1
1
2
+
1
3

1
4
+
1
5

1
6
+
1
7

1
8
+
1
9

1
10
+
330 CAPITOLO 11. SERIE NUMERICHE
e quindi
2log2 = 2 1 +
2
3

1
2
+
2
5

1
3
+
2
7

1
4
+
2
9

1
5

e, sommando gli addendi con lo stesso denominatore e riordinando,
2log2 = 1
1
2
+
1
3

1
4
+
1
5

1
6
+
si ottiene luguaglianza 2log2 = log2.
Vale il seguente profondo (e quasi commovente)
Teorema 160 (Dirichlet) Una serie incondizionatamente convergente se e solo se
assolutamente convergente. Una serie incondizionatamente divergente a + se e
solo se la serie dei suoi termini positivi diverge e la serie dei suoi termini negativi
converge (viceversa per )
19
.
Il teorema sorprendente perch mostra come due concetti (le convergenze incon-
dizionata e assoluta), completamente diversi da un punto di vista logico (luno riguarda
la propriet commutativa, laltro i valori assoluti), sono in realt equivalenti.
Dim. Quando la serie contiene elementi tutti dello stesso segno, o anche denitiva-
mente dello stesso segno, lasserto una conseguenza del precedente Teorema sulla
propriet associativa.
Lunico caso da prendere in considerazione quindi che vi siano inniti addendi
positivi e inniti negativi. Consideriamo separatamente le due serie dei termini positivi
e negativi e indichiamole con

o
I=1
j
I
e

o
I=1

I
; siano inoltre 1
I
e Q
I
le loro somme
parziali.
Cominciamo con il caso della convergenza. Se. Sia

o
a=1
r
a
assolutamente con-
vergente. Si ha allora
20
1
I
1, Q
I
Q e

o
a=1
r
a
= 1 Q. Indichiamo con A
a
la
sua somma parziale :-esima e con A
t
a
la somma parziale :-esima di

o
a=1
[r
a
[. Si ha
allora che A
a
1 Q e A
t
a
1 +Q.
Prendiamo ora una serie

o
n=1

n
ottenuta permutando i termini di

o
a=1
r
a
e
siano 1
n
le sue somme parziali. Scomponiamo anchessa nelle due serie formate dai
suoi termini positivi e negativi che indicheremo con

o
v=1
j
t
v
e con

o
c=1

t
c
; siano inne
1
t
v
e Q
t
c
le loro somme parziali. Dobbiamo provare che 1
n
1 Q. Ora
1
n
= 1
t
v
Q
t
c
(con : +: = :)
19
A futura memoria, il lettore rietta sulla circostanza che lintegrale di una funzione di segno
qualunque denito proprio cos, cio come la dierenza tra gli integrali delle parti positiva e negativa.
Ci proprio per evitare le inestricabili conseguenze derivanti dal frammischiare i segni.
20
Si badi che, senza lassoluta convergenza (si ricordi la serie armonica con segni alternati), non si
potrebbe garantire che 1
n
e Q
n
convergono.
11.6. PROPRIET ASSOCIATIVA E COMMUTATIVA 331
e visibilmente, quando : , anche : e : . Sempre per il precedente
teorema sulla propriet associativa, 1
t
v
1 e Q
t
c
Q e perci anche 1
n
1 Q.
Solo se. Sia

o
a=1
r
a
incondizionatamente convergente. Dobbiamo mostrare
che anche assolutamente convergente. Se non lo fosse, entrambe le serie

o
I=1
j
I
e

o
I=1

I
divergerebbero perch, se ne divergesse una soltanto,

o
a=1
r
a
non potrebbe
convergere.
Ci baster mostrare che, in tal caso, si possono permutare i termini in modo che
la risultante serie

o
n=1

n
diverga a + oppure diverga a . Dunque 1
I
+
e Q
I
+; indichiamo con /
i
il minimo valore di / per il quale 1
I
Q
i
+ i.
Disponiamo ora i termini nellordine
j
1
+ +j
I
1

1
+j
I
1
1
+ +j
I
2

2
+ .
In tal modo le somme parziali con lultimo termine negativo sono
1
I
1
Q
1
. 1
I
2
Q
2
. . 1
I
i
Q
i
.
e divergono a + perch 1
I
i
Q
i
i. Scambiando le 1
I
con le Q
I
si costruisce una
diversa permutazione che diverge a .
Vediamo il caso di divergenza. Se. Sia 1
I
+ e Q
I
Q R col che

o
a=1
r
a
= +. Ogni serie da essa ottenuta permutandone i termini anchessa
divergente dato che, con i simboli gi introdotti 1
n
= 1
t
v
Q
t
c
e, ancora per il teorema
precedente, 1
t
v
+ e Q
t
c
Q.
Solo se. identica a quella relativa alla convergenza perch, se delle due serie

o
I=1
j
I
e

o
I=1

I
una divergesse e laltra convergesse, lasserto sarebbe banale dato
che, riordinando i termini di una serie divergente con termini tutti positivi, si ottiene
sempre una serie divergente. B
Da ultimo citiamo, ma non dimostriamo, un teorema veramente devastante.
Teorema 161 (Riemann) Sia

o
a=1
r
a
una serie convergente, ma non assoluta-
mente convergente (cio,

o
a=1
[r
a
[ = +). Fissato arbitrariamente un valore 1 R,
si possono permutare i termini di

o
a=1
r
a
in modo che la serie

o
n=1

n
cos ottenuta
abbia somma 1.
Non c che dire: una serie di questo tipo, per esempio la serie armonica con
segni alternati, non gode della propriet associativa nella maniera pi profonda: possi-
amo riorganizzarla in maniera da farle avere qualunque comportamento, convergente
o divergente.
In conclusione, possiamo aermare che soltanto le serie assolutamente convergenti si
comportano come lordinaria somma: per esse vale infatti, senza eccezioni, la propriet
commutativa e, entro certi limiti, anche la propriet associativa.
332 CAPITOLO 11. SERIE NUMERICHE
11.7 Applicazioni
Chiudiamo il capitolo sulle serie con due applicazioni importanti. La prima lim-
potante risultato che ogni numero reale pu essere rappresentato in una qualsiasi base
intera positiva. La seconda utilizza questo risultato per dimostrare il Teorema 90,
ossia che linsieme delle parti di N ha la stessa cardinalit di R, la cui dimostrazione
era stata lasciata in sospeso nella Sezione 7.7.
11.7.1 Rappresentazione dei numeri
Nella Sezione 1.6 si era osservato che i numeri naturali possono essere scritti in una base
intera positiva qualsiasi. Il prossimo teorema generalizza il risultato a ogni numero
reale.
Teorema 162 Sia : N con : _ 2. Ogni numero reale r pu essere rappresentato
in modo univoco rispetto alla base : come una successione c. d
1
. d
2
. ...d
a
. ... in modo
tale che:
(i) c il pi grande intero uguale o minore di r;
(ii) d
a
intero, con 0 _ d
a
< :, per ogni :;
(iii) non esiste ` intero tale che d
a
= : 1 per ogni : `;
(iv) la successione c
a
denita ricorsivamente da
c
0
= c ; c
a1
= c
a
+
d
a1
:
a1
converge a r.
Viceversa, sia c. d
1
. d
2
. ...d
a
. ... una successione tale che:
(i) c intero;
(ii) esiste un intero : _ 2 tale che d
a
intero e 0 _ d
a
< : per ogni :.
Allora esiste un unico reale r tale che la successione c
a
denita ricorsivamente
da
c
0
= c ; c
a1
= c
a
+
d
a1
:
a1
converge a r.
Dim. Sia r un numero reale e sia c il pi grande intero minore o uguale a r. Allora
esiste un numero 0 _
1
< : tale che
r = c +

1
:
.
11.7. APPLICAZIONI 333
Considerando ora il reale
1
, esistono un numero intero d
1
0. 1. ...:1 e un numero
0 _
2
< : tali che

1
= d
1
+

2
:
.
Iterando il procedimento : volte, facile vedere che esistono : interi d
1
. d
2
. ...d
a

0. 1. ...: 1 e : + 1 reali 0 _
1
.
2
. ...
a
.
a1
< : tali che

1
= d
1
+

2
:
.
2
= d
2
+

S
:
. ....
a
= d
a
+

a1
:
.
Per costruzione si ha quindi:
r = c +
d
1
:
+
d
2
:
2
+
d
S
:
S
+... +
d
a
:
a
+

a1
:
a1
. (11.28)
Pi in generale, iterando il procedimento allinnito, esiste una successione di interi
d
i

o
i=1
, con d
i
0. 1. ...:1, che permette di esprimere il reale r nel seguente modo:
r = c +
o

i=1
d
i
:
i
(11.29)
La (11.29) mostra che la successione c
a
converge a r se e solo se la serie
o

i=1
d
i
:
i
(11.30)
converge a r c. Consideriamo la somma parziale :
a
della serie (11.30):
:
a
=
a

i=1
d
i
:
i
.
Da (11.28) si ha
0 _ (r c) :
a
=

a1
:
a1
<
1
:
a
.
Siccome
lim
ao
1
:
a
= 0.
applicando il Teorema del confronto si ha che :
a
converge a r c, come desiderato.
Viceversa, sia c. d
1
. d
2
. ...d
a
. ... una successione che soddisfa le ipotesi (i) e (ii).
Per lunicit del limite, suciente dimostrare che la serie
o

I=1
d
I
:
I
334 CAPITOLO 11. SERIE NUMERICHE
converge. A tal ne basta osservare che si tratta di una serie a termini positivi tale
che
a

i=1
d
i
:
i
<
a

i=1
1
:
i1
=
a1

I=0
1
:
I
=
1
_
1
v
_
a
1
_
1
v
_ <
:
: 1
.
cio con successione delle somme parziali superiormente limitatata. B
Il teorema rende rigorosa unidea intuitiva circa i numero reali. Quando si pensa
a un numero reale, si immagina un numero intero associato a una parte decimale con
innite cifre, che nel caso di numeri irrazionali si susseguono senza regolarit. Per la
classica base : = 10, c rappresenta il numero intero e la successione d
1
. d
2
. ...d
a
. ...
la parte decimale del numero reale r
21
.
Tuttavia, il teorema molto pi profondo e generale: la parte decimale di un
numero reale pu essere sostituita in modo univoco con qualsiasi base intera : _ 2
diversa da 10. In altre parole, come gi si osservato nella Sezione 1.6, lusuale rapp-
resentazione decimale dei numeri reali solo uno degli inniti modi di rappresentarlo.
Il lettore curioso pu (ri)leggere la Sezione 1.6 per avere informazioni dettagliate sul-
luso di diverse basi di rappresentazione dei numeri dalle diverse civilt nella storia.
La rappresentazione decimale risulta particolarmente comoda per il nostro modo di
numerazione, ma, per esempio, per dimostrare il Teorema 90 occorre considerare la
base binaria con : = 2 (peraltro ampiamente usata in informatica ed elettronica).
11.7.2 Applicazione alla teoria degli insiemi
Possiamo ora dimostrare il Teorema 90, completando in tal modo la Sezione 7.7.2. Al
riguardo, si ricordi che tale teorema aerma che

2
N

= [R[, ossia che linsieme delle


parti dei numeri naturali ha la potenza del continuo.
Il Teorema 162 sar il perno della dimostrazione. Occorre tuttavia prima fare
alcune premesse sul legame che intercorre tra insieme delle parti di un insieme e
linsieme delle funzioni , : 0. 1 da in 0. 1, denito come 2

. Osserviamo che
(non a caso!) la notazione usata per i due insiemi la stessa. Per evitare confusione, in
questa sottosezione 2

indica linsieme di tali funzioni, mentre T() indica linsieme


delle parti di .
I due insiemi hanno la stessa cardinalit. Nel caso di nito semplice vederlo.
Abbiamo gi visto che [T()[ = 2
a
se se [[ = :. Daltra parte, non dicile
dimostrare che, dati due insiemi e A di rispettiva cardinalit : e /, allora il numero
di funzioni , : A pari a
22
/
a
. Da ci segue [2

[ = 2
a
se [[ = :.
21
Si noti che la richiesta che non esista intero tale che d
n
= r 1 per ogni : serve per
avere lunivocit della rappresentazione. A titolo di esempio, il numero 1000 in base 10 pu essere
rappresentato solo dalla successione 1000, 0, 0, 0, .... e non anche dalla successione 999, 9, 9, 9, ....
22
Infatti, sia = a
1
, a
2
, ..., a
n
e A = r
1
, r
2
, ..., r
k
. Poich la funzione non necessariamente
iniettiva, vi sono / modi diversi di denire )(a
1
), /
2
modi diversi di denire ()(a
1
), )(a
2
)),... /
n
modi
diversi di denire ()(a
1
), )(a
2
)...)(a
n
)). inne evidente che vi una corrispondenza binunivoca tra
una funzione ) e le :-uple del tipo ()(a
1
), )(a
2
)...)(a
n
)).
11.7. APPLICAZIONI 335
Per un insieme nito linsieme delle parti di e linsieme delle funzioni , :
0. 1 hanno la stessa cardinalit, da cui il precedente abuso di notazione. Il prossimo
risultato mostra che questa corrispondenza biunivoca vale anche per insiemi inniti.
Proposizione 163 Per ogni insieme si ha [T()[ = [2

[.
Dim. Per dimostrare che due insiemi hanno la stessa cardinalit bisogna stabilire una
corrispondenza biunivoca tra i loro elementi. Sia 1 T(). Allinsieme 1 associamo
la funzione ,
1
2

denita da
,
1
(r) =
_
1 se r 1
0 se r 1
.
Viceversa, sia , 2

. Alla funzione , associamo linsieme 1 T() denito da


1 = r : ,(r) = 1 .
Si noti che gli insiemi O e da sono in corrispondenza, rispettivamente con la funzione
costante ,(r) = 0 per ogni r e con la funzione costante ,(r) = 1 per ogni
r . Si quindi stabilita una corrispondenza biunivoca tra gli elementi di T() e
gli elementi di 2

. B
Alla luce di questo risultato, per dimostrare il Teorema 90 baster trovare una
corrispondenza biunivoca tra i numeri reali e le funzioni , : N 0. 1.
Dim. del Teorema 90 Grazie alla Proposizione 163, suciente dimostrare che
linsieme 2
N
delle funzioni , : N 0. 1 ha la potenza del continuo. In altre parole,
dobbiamo dimostrare che esiste una corrispondenza biunivoca tra 2
N
e R, oppure (per
la propriet transitiva dellequipotenza) tra 2
N
e un insieme che ha la potenza del
continuo. A tale scopo, osserviamo che lintervallo [0. 1) ha la potenza del continuo,
com facile vericare. Intendiamo quindi stabilire una biiezione tra 2
N
e [0. 1). Si noti,
a tal ne, che linsieme 2
N
altro non che linsieme delle successioni a valori in 0. 1.
Applicando il Teorema 162 con la base : = 2, esiste una corrispondenza biunivoca
tra i numeri reali r [0. 1) e le successioni d
1
. d
2
. ...d
a
. ..., con d
i
0. 1 per ogni
i _ 1.
23
Si ha quindi [2
N
[ = [[0. 1)[, il che implica