Dispense Corso

Geometria I
appunti (non rivisti dai professori) delle lezioni
Ateneo Studenti Fisica

Alessandro Principi
Indice
Strutture algebriche 2
Spazi Vettoriali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Sottospazi vettoriali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Costruire sottospazi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Altri sottospazi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Applicazioni Lineari, Sistemi Lineari 7

Nucleo e Immagine di unapplicazione lineare, Sistemi Lineari . . . . . . . . . . . . . . . . . . . 7
Risoluzione di sistemi lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
Algoritmo di Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
Prodotto di Matrici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Dimensione e base di uno spazio vettoriale 12

Formula di Grassman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
Rango di unapplicazione lineare 16

Classe di Equivalenza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
Calcolo del rango di una matrice a scalini S e di una base di ImS . . . . . . . . . . . . . . . . . 18
Matrici Elementari e invertibili . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
Calcolo della matrice inversa attraverso lalgoritmo di Gauss . . . . . . . . . . . . . . . . . . . . 20
Matrice associata a unapplicazione lineare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Matrice del cambiamento di base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
SD-equivalenza 23
Determinante 25
Criterio dei minori orlati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
Coniugio e Similitudine 30
Calcolo di autovalori e autospazi per una matrice . . . . . . . . . . . . . . . . . . . . . . . . . . 31
Diagonalizzabilita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
Triangolabilita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
Forme bilineari 36
Forma quadratica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
Congruenza, forme isometriche 38

Rango di unapplicazione bilineare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
Prodotti Scalari 40
Prodotti scalari definiti positivi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
Proprieta degli spazi euclidei . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
Teorema Spettrale e prodotti Hermitiani 47

Prodotti Hermitiani . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Ateneo Studenti Fisica 1

Strutture algebriche
Definizione: Sia X un insieme, e sia una funzione tale che: : X X X. Allora si dice che e
unoperazione su X.

Definizione: X, si dice gruppo se X e un insieme e unoperazione su X che verifica 3 proprieta:
1. Esistenza dellelemento neutro: e X t. c. a e = e a = a;
2. Esistenza dellinverso: a X b X t.c. a b = b a = e;
3. Proprieta associativa: a, b, c X, (a b) c = a (b c).

Definizione: X, si dice gruppo commutativo (o abeliano) se e un gruppo e vale la proprieta com-
mutativa: a, b X , a b = b a.
Definizione:
Sia X un insieme, + (detta somma) e (detto prodotto) due operazioni su X. Allora
si dice che X, +, e un campo se valgono le seguenti proprieta:
1. Esistenza dellelemento neutro (detto 0) per la somma;

2. Esistenza dellinverso per la somma;
3. Proprieta associativa per la somma;

4. Proprieta commutativa per la somma;
5. Esistenza dellelemento neutro (detto 1) per il prodotto;
6. Proprieta associativa per il prodotto;

7. Proprieta distributiva: a, b, c X, a(b +c) = ab +ac, (a +b)c = ac +bc
(Conta lordine!);
8. Esistenza dellinverso per il prodotto;
9. Proprieta commutativa per il prodotto.

Definizione: X, +, e un anello se valgono le proprieta 1 - 7 sopra elencate. E un anello commutativo
se vale anche la proprieta 9.

Definizione: X, +, e un corpo se valgono le proprieta 1 - 8 sopra elencate.
2 Ateneo Studenti Fisica


Definizione: V, +, , K si dice spazio vettoriale se:
V e un insieme;
K e un campo;
+ e una somma in V (+: V V V);
: K V V (detto prodotto per scalare).
e valgono le seguenti proprieta:
(V, +) e un gruppo commutativo;
, K, v V, ()v = (v);
1 K t. c. v V 1 v = v;
, K, v V, ( + )v = v + v;
K, v, w V, (v + w) = v + w;
Spazi Vettoriali
Definiamo ora alcuni spazi vettoriali:
1) Sia K un campo, chiamiamo Kn = {(x1 , x2 , . . . , xn ) | xi K i = 1, . . . , n}.

Definiamo + e in questo modo:
def
(x1 , x2 , . . . , xn ) + (y1 , y2 , . . . , yn ) = (x1 + y1 , x2 + y2 , . . . , xn + yn ),
(x1 , x2 , . . . , xn ), (y1 , y2 , . . . , yn ) Kn
def
a (x1 , x2 , . . . , xn ) = (a x1 , a x2 , . . . , a xn ), a K, (x1 , x2 , . . . , xn ) Kn
Notiamo innanzitutto che + e sono ben definiti (poiche si basano sulle proprieta del campo K), e che,
grazie a queste definizioni, otteniamo uno spazio vettoriale.
2) Sia K un campo, e sia
K[x] = {a0 + a1 x + . . . + an xn | ai K, i = 1, . . . , n}
e siano + e le due operazioni classiche sui polinomi (somma e prodotto tra polinomi). Si verifica che,
con le definizioni date, K[x] e un anello commutativo:
Elemento neutro per la somma: il polinomio i cui coefficienti sono tutti uguali a zero;
Inverso per la somma: polinomio con i coefficienti inversi;
Elemento neutro per il prodotto: e il polinomio 1 (tutti i coefficienti dei termini di grado
superiore a zero sono zero);
le altre proprieta valgono perche i coefficienti sono in un campo;
Verifichiamo che non vale lesistenza dellinverso per il prodotto:

consideriamo due polinomi p(x) e q(x) entrambi diversi da zero di grado rispettivamente m e n e consi-
deriamo il loro prodotto p(x) q(x). In tal modo otteniamo un polinomio di grado m +n.
Se fosse, ad esempio, q = p1 , allora avremmo che p(x) q(x) = 1. Ma cio e impossibile per polinomi che
non siano costanti (i cui coefficienti dei termini di grado superiore a zero siano diversi da zero), in quanto
essi avrebbero grado maggiore di zero (ovvero il grado di 1).
Se ora consideriamo (K[x], +, , K), con + definito come sopra e definito come:

: K K[x] K[x]
(a, p(x)) 7 a p(x)
Si verifica che e uno spazio vettoriale.
3) Sia V spazio vettoriale su K e sia A un insieme qualsiasi. Sia F linsieme delle applicazioni (funzioni)
da A in V . (F, +, , K) e uno spazio vettoriale se definiamo + e come segue:
f, g F , f + g : A V e t. c.:
def
a A, (f + g)(a) = f (a) + g(a)
f F , K, f : A V e t. c.:
def
a A, (f )(a) = f (a)
4) Sia K un campo. Definiamo:

M (p, q, K) = {matrici con p righe, q colonne con elementi in K}
Una Matrice e nella forma:

a11 a1q
.. .. ..
. . .
ap1 apq
dove ai j K, i = 1, . . . , p, j = 1, . . . , q.
Sia A M (p, q, K):

Ai = i-esima riga;
Ai = i-esima colonna;
[A]ij = elemento di posto (i, j), dove i indica la riga e j la colonna;
0 e la matrice nulla ([0]ij = 0 i, j)

A, B M (p, q, K), A = B [A]ij = [B]ij i, j
Definiamo + e :
def
A, B M (p, q, K), [A + B]ij = [A]ij + [B]ij i, j
def
K, A M (p, q, K), [A]ij = [A]ij i, j
(M (p, q, K), +, , K) e uno spazio vettoriale:
(M (p, q, K), +) e un gruppo abeliano:
1. 0 e lelemento neutro;
2. esiste linverso: [A]ij + ([A]ij ) = 0;
3. vale la proprieta associativa:
[(A + B) + C]ij = [A + B]ij + [C]ij = [A]ij + [B]ij + [C]ij = [A]ij + [B + C]ij =
= [A + (B + C)]ij ;
4. si verifica analogamente la commutativa;
con metodi analoghi si verificano le altre proprieta.
Proposizioni
Sia V uno spazio vettoriale:
1. lo 0 e unico in V:
se 01 , 02 V = 01 = 01 + 02 = 02 per gli assiomi;
2. x V ! x V
se (x)1 , (x)2 V inversi di x per somma = (x)1 = (x)1 + x + (x)2 = (x)2 ;

3. v V 0 v = 0
0 v = (0 + 0)v = 0 v + 0 v = 0 v = 0;
4. se x = 0 = o = 0 o x = 0
se = 0, ok.
se 6= 0 = 1 K t. c. 1 = 1 = x = 1 x = 1 0 = 0 = x = 0;
5. (1)x = x
x + (1)x = (1 1)x = 0 x = 0.
Sottospazi vettoriali
Definizione: V spazio vettoriale su K. W V si dice sottospazio vettoriale di V se:
0 W;
x, y W, x + y W ;
K, x W, x W .
dove + e in questo caso sono le restrizioni della somma e del prodotto su V a W .
Costruire sottospazi
Si puo fare prendendo alcuni vettori e il piu piccolo sottospazio che li contiene.
Sia V sp. vett. su K, v1 , . . . , vn V , c1 , . . . , cn K. Chiamiamo c1 v1 + . . . + cn vn combinazione lineare
di v1 , . . . , vn . Chiamiamo poi:
span(v1 , . . . , vn ) = {c1 v1 + . . . + cn vn | c1 , . . . , cn K}
tale insieme e il piu piccolo sottospazio di V contenente v1 , . . . , vn :

contiene 0 (tutti i ci = 0);
contiene vi i = 1, . . . , n;
(a1 v1 + . . . + an vn ) + (b1 v1 + . . . + bn vn ) = (a1 + b1 )v1 + . . . + (an + bn )vn

(la somma di due combinazioni lineari e ancora una combinazione lineare);
lo stesso per il prodotto per scalare;

e il piu piccolo per la definizione che ne abbiamo dato: in un sottospazio vettoriale ci devono
stare v1 , . . . , vn e le loro combinazioni lineari. Abbiamo imposto solo questo nella definizione di
span(v1 , . . . , vn ).
Altri sottospazi
Sia V sp. vett. su K, U, W due sottospazi vettoriali di V. Allora U W e un sottospazio vettoriale di
V. Verifichiamolo:
contiene 0 (sia U che W lo contengono);
x, y U W, x + y U W , infatti x e y appartengono sia ad U che a W . Essendo questi
sottospazi, la somma de due vettori appartiene ancora ad entrambi, quindi alla loro intersezione;
lo stesso per il prodotto per scalare.
Vogliamo costruire il piu piccolo sottospazio contenente U e W . Notiamo innanzitutto che U W non
soddisfa la nostra ricerca, in quanto non e chiuso per somma. Chiamiamo:
U + W = {u + w | u U, w W }
La definizione che abbiamo dato e buona, poiche sia u che w appartengono a V , quindi ha senso sommarli.

Facciamo vedere che e il sottospazio che cercavamo:
U U + W : u U, u U + W , perche u = u + 0 (con 0 W );
W U + W , per lo stesso motivo (con 0 U );
0 U + W : infatti 0 = 0 + 0;
u1 , u2 U, w1 , w2 W = (u1 + w1 ) + (u2 + w2 ) = (u1 + u2 ) + (w1 + w2 )
ma (u1 + u2 ) U, (w1 + w2 ) W = (u1 + w1 ) + (u2 + w2 ) U + W ;
u U, w W, k K = k(u + w) = ku + kw
ku U, kw W = k(u + w) U + W ;
?
e il piu piccolo: se Z sottosp. vett. t. c. U Z, W Z = U + W Z:
u + w U + W, u U, w W = u + w Z (poiche e sottosp. vett.) = U + W Z
Definizione: se U W = {0}, allora U + W si denota U W e si dice che i due sottospazi sono in

somma diretta tra loro.
Proposizione: in U W ogni vettore si scrive in modo unico come: u + w, u U, w W .

Dimostrazione: se u1 , u2 U, w1 , w2 W t. c. u1 + w1 = u2 + w2 = u1 u2 = w1 w2 .
Ma u1 u2 U, w1 w2 W = u1 u2 U W, w1 w2 U W .
Poiche U W = {0}, u1 u2 = 0, w1 w2 = 0, e i vettori sono a due a due uguali.
Definizione: se U e sottospazio vett. di V , un sottospazio W di V si dice supplementare di U se

U W =V.
N.B.: Il supplementare non e unico.

Applicazioni Lineari, Sistemi Lineari
Siano V, W K-spazi vettoriali, e sia f : V W unapplicazione. Si dice che f e unapplicazione lineare

se soddisfa:
x, y V f (x + y) = f (x) + f (y);
K, x V f (x) = f (x).
Osservazione: Se f e lineare allora f (0) = 0.
Dimostrazione: f (0) = f (0 + 0) = f (0) + f (0) = f (0) = 0.
Definiamo la moltiplicazione tra due vettori (uno riga e uno colonna, entrambi con n elementi) e tra una
matrice A M (p, n, K) e un vettore B Kn :

b1 n
def X
(a1 . . . an ) ... = a1 b1 + . . . + an bn = ai bi
bn i=1

a11 ... a1n b1 a11 b1 + . . . + a1n bn
.. .. .. def ..
. . . = .
ap1 ... apn bn ap1 b1 + . . . + apn bn
Osservazione: il vettore risultato della seconda moltiplicazione e un vettore C Kp
Sia A M (p, n, K) e sia LA : Kn Kp

X 7 AX
Si verifica che LA e unapplicazione lineare. Tutte le applicazioni lineari sono infatti prodotte da unop-
portuna matrice.
Osservazione: A M (p, n, K), X Kn , A X = x1 A1 + . . . + xn An

1 0
0 ..
.
Proposizione: sia g : Kn Kp lineare, siano e1 = . , . . . , en = (ossia ei e il vettore
.. 0
0 1
formato
da tutti 0, eccettolelemento i-esimo, uguale ad 1) e sia inoltre:
A = g(e1 ) . . . g(en ) . Allora g = LA .
?
Dimostrazione: X Kn , g(X) = LA (X):
Sapendo che A X = x1 A1 + . . . + xn An , X = x1 e1 + . . . + xn en e che g e lineare, allora:
LA (X) = AX = x1 A1 + . . . + xn An = x1 g(e1 ) + . . . + xn g(en ) = g(x1 e1 ) + . . . + g(xn en ) =
= g(x1 e1 + . . . + xn en ) = g(X).
Nucleo e Immagine di unapplicazione lineare, Sistemi Lineari

Definizione: Siano V e W due spazi vett. e sia f : V W lineare. Definiamo nucleo e immagine di
f come:

Kerf = {x V | f (x) = 0}
Imf = {y W | x V t. c. f (x) = y}
Osservazione: f e surgettiva Imf = W

Proposizione:
1. Kerf e un sottospazio vett. di V ;
2. Imf e un sottospazio vett. di W ;
3. f e iniettiva Kerf = {0}
Dimostrazione: :
1. 0 Kerf , poiche f (0) = 0;
x, y Kerf = x + y Kerf : f (x + y) = f (x) + f (y) = 0 + 0 = 0;
x Kerf, K = x Kerf : f (x) = f (x) = 0 = 0.
2. 0 Imf , poiche f (0) = 0;
z, w Imf, x, y V t. c. z = f (x), w = f (y) = z + w = f (x) + f (y) =
= f (x + y) = z + w Imf ;
z Imf, x V t. c. z = f (x) = K, z = f (x) = f (x) = z Imf .
3. =: Sappiamo che {0} Kerf . Facciamo vedere che Kerf {0}.
Sia x Kerf = f (x) = 0 = f (0). Poiche f e iniettiva: f (x) = f (0) x = 0
=: Facciamo vedere che se f (x) = f (y) x = y
f (x) f (y) = f (x y) = 0 = x y Kerf = x y = 0, x = y
Analogamente: KerLA = {X Kn | AX = 0}.
Risoluzione di sistemi lineari

Definizione: Si dice sistema lineare di p equazioni in n incognite x1 , . . . , xn un sistema nella forma:

a11 x1 + a12 x2 + . . . + a1n xn = b1

a21 x1 + a22 x2 + . . . + a2n xn = b2

...

ap1 x1 + ap2 x2 + . . . + apn xn = bp
tale che aij K, bk K.
Definizione: (y1 , . . . , yn ) Kn e una soluzione di un sistema lineare se e soluzione di tutte le equazioni

che lo compongono. Risolvere un sistema lineare vuol dire trovare tutte le soluzioni.
Definizione: due sistemi lineari si dicono equivalenti fra loro se hanno le stesse soluzioni.
Dedichiamoci ora alla risoluzione dei sistemi lineari. Prima osserviamo che:
Osservazione: i sistemi a scalini sono semplici da risolvere. Essi sono nella forma:

a11 x1 + a12 x2 + a13 x3 + . . . + a1n xn = b1

a22 x2 + a23 x3 + . . . + a2n xn = b2

...

app xp + . . . + apn xn = bp
Chiamiamo aii 6= 0 pivot.
E importante che le incognite calino scendendo nel sistema: e possibile, in tale situazione, risolvere lul-
tima equazione ricavando xp = a1 pp (bp ap,p+1 xp+1 . . . apn xn ), sostituire la variabile ricavata nella
precedente equazione e iterare il processo fino ad arrivare alla prima equazione.

Osservazione: : Eseguendo su un sistema lineare le seguenti operazioni elementari si ottiene un sistema

ad esso equivalente:
1. scambiare due equazioni (lordine non conta);

2. moltiplicare unequazione per K, 6= 0;
3. sommare ad una equazione un multiplo di unaltra.
Possiamo vedere un sistema lineare anche nella forma:

a11 . . . a1n x1 b1
.. .. .. = ..
. . . .
ap1 ... apn xn bn
dove la matrice appartiene a M (p, n, K) ed e detta matrice dei coefficienti.
Osservazione: AX = B e risolubile Y Kn t. c. AY = B B ImLA .

Se LA e surgettiva il sistema e sempre risolubile (esiste sempre Y t. c. AY = B).
Se LA e iniettiva il sistema ha ununica soluzione (se esiste Y soluzione, e unica: LA (X) = LA (Y )
X = Y ).
Un sistema a scalini e rappresentato da una matrice a scalini.
Ci preoccupiamo ora di trasformare una matrice in una a scalini. Per far questo possiamo usare le seguenti
operazioni elementari per riga (che altro non sono che le operazioni elementari sopra citate):
1. scambiare due righe;

2. moltiplicare una riga per K, 6= 0 (Ai Ai );
3. sommare ad una riga un multiplo di unaltra (Ai Ai + Aj ).
Algoritmo di Gauss
Cominciamo con un esempio:
1 2 4 x + 2y = 4
=
2 1 3 2x y = 3
Se la prima colonna e non nulla, guardo lelemento [A]11 . Se e 0, scambio due righe portando al primo
posto una riga il cui primo elemento e diverso da 0. A questo punto (nel nostro esempio) A2 A2 2A1 :

1 2 4
0 5 5
Faccio in modo che sotto al primo pivot non rimangano che 0, quindi itero il procedimento considerando
il secondo pivot (lelemento di posto [A]22 ) senza toccare piu la prima riga.
Enunciamo ora lalgoritmo di Gauss per ridurre una matrice A a scalini utilizzando le operazioni per riga:
1. sia j1 il minimo intero t. c. Aj1 6= 0 (prendo la prima colonna non nulla);
2. a meno di scambiare due righe posso supporre che [A]1j1 6= 0;
3. i > 1 sostituisco Ai Ai ([A]1
1j1 [A]ij1 ) A1 ;
4. itero il procedimento sulla sottomatrice ottenuta scartando la prima riga e le prime j1 colonne.
Esempio:
1 2 3 0 1 2 3 0 1 2 3 0
1 2 4 3 0 0 1 3 0 3 6 1
2 1 0 1 0 3 6 1 0 0 1 3
Teorema:
1. Tramite un numero finito di operazioni per riga ogni matrice puo essere trasformata in una a scalini.

2. Ogni sistema AX = B e equivalente ad un sistema a scalini (cioe ad A1 X = B1 con (A1 |B1 ) a

scalini).
Osservazione: se AX = B e un sistema equivalente a SX = T , dove (S | T ) e a scalini:
il sistema e risolubile numero di pivots di S = numero di pivots di (S | T );
se e risolubile, ricavo r variabili in funzione di n r parametri.
Prodotto di Matrici
Siano f e g due applicazioni lineari tale che:
f g
Kn Kp Kq
con f (X) = AX e g(X) = BX, dove A M (p, n, K), B M (q, p, K).

Osservazione: La composizione di due applicazioni lineari e lineare:

(g f )(x + y) = g f (x + y) = g f (x) + f (y) = g f (x) + g f (y) = (g f )(x) + (g f )(y);

(g f )(x) = g f (x) = g f (x) = g f (x) = (g f )(x).
Anche (g f ) deve essere indotta da una matrice: C M (q, n) t. c. (g f )(X) = CX X Kn .

Per capire come la matrice C derivi dalle matrici A e B, calcoliamo lelemento di posto j nel vettore
(g f )(X) Kq . Utilizziamo la notazione [(g f )(X)]j1 in quanto vediamo il vettore come una matrice
con q righe e 1 colonna.
Ricordiamo inoltre che data una matrice A M (p, n, K) e un vettore X Kn :
n
X
[AX]i1 = [A]ik [X]k1
k=1
p p n n
p !
X X X X X
[(gf )(X)]j1 = [B(AX)]j1 = [B]jh [AX]h1 = [B]jh [A]hi [X]i1 = [B]jh [A]hi [X]i1
h=1 h=1 i=1 i=1 h=1
Dunque se B A M (q, n) allora:

p
X
[AX]ji = [B]jh [A]hi = Bj Ai
h=1
Poiche si moltiplica la j-esima riga di B per la i-esima colonna di A, tale prodotto viene detto: prodotto
riga per colonna.
Osservazione: non sempre due matrici sono moltiplicabili: abbiamo visto che la prima deve avere un
numero di colonne pari al numero di righe della seconda.
Si verifica che, nei casi in cui il prodotto ha senso:
(AB)C = A(BC)
(A)B = (AB)
(A + B)C = AC + BC
A(B + C) = AB + AC
Ip A = AIq = A, A M (p, q), In M (n, n) t. c. [In ]ii = 1, [In ]ji = 0 j 6= i

1 0
..
La matrice In , detta matrice identica e nella forma: .
0 1

Ci restingiamo ora al caso delle matrici quadrate, ossia quelle

in cui il numero di righe e di colonne e lo
stesso. Le indichiamo con M (n). Consideriamo M (n), +, , con restrizione del prodotto fra matrici
allinsieme delle matrici quadrate. Esso e un anello non commutativo.
Facciamo vedere con un esempio che non vale le proprieta commutativa:

1 2 2 1 2 5
=
3 1 0 3 6 0

2 1 1 2 1 3
=
0 3 3 1 9 3
Dimostriamo che non esiste linverso per tutti gli elementi dellanello (e dimostriamo quindi che e effet-
tivamente un anello e nonun corpo).

1 1
Consideriamo la matrice 6= 0 e facciamo vedere che non esiste nessuna matrice che, moltipli-
0 0
candola a destra, ci dia la matrice identita:

1 1 a b a+b c+d 1 0
= =
0 0 c d 0 0 0 1
Ne ricaviamo un assurdo, poiche abbiamo 0 = 1.
Definizione: sia A un anello, a A, a 6= 0 si dice divisore di zero se b A, b 6= 0 t. c. a b = 0.

Osservazione: un campo e un corpo non contengono divisori di 0 (a causa dellesistenza dellinverso).
Facciamo vedere che lanello considerato contiene divisori di 0:

1 0 0 0 0 0
=
0 0 1 1 0 0
Definizione: A M (n) si dice nilpotente se m N t. c. Am = 0.
La seguente matrice e nilpotente:

0 1 0 1 0 0
=
0 0 0 0 0 0

Dimensione e base di uno spazio
vettoriale
Definizione: V spazio vettoriale si dice finitamente generato se v1 , . . . , vn t. c. V = span(v1 , . . . , vn ),

cioe
n
X
v V c1 , . . . , cn K t. c. v = ci vi
i=1
.
Osservazione:
R[x] non e finitamente generato. Se p1 (x), . . . , pm (x) fossero generatori, detto
s = max deg pi (x) , i = 1, . . . , m, non si potrebbero ottenere polinomi di grado maggiore ad s.
Definizione: v1 , . . . , vn V si dicono linearmente indipendenti se lunica combinazione lineare nulla dei

vi e quella con i coefficienti tutti nulli. Ossia:
c1 v1 + . . . + cn vn = 0 c1 = . . . = cn = 0
Definizione: {v1 , . . . , vn } si dice base di V se sono generatori di V e linearmente indipendenti.
Esempi:
{e1 , . . . , en } sono una base di Kn
{1, x, . . . , xd } sono una base di Kd [x], ossia il sottospazio vettoriale di K[x] contenente i polinomi di grado
minore o uguale a d.
Osservazione: v V e linearmente indipendente = v 6= 0.
Proposizione: se uno almeno fra v1 , . . . , vk e nullo = v1 , . . . , vk sono linearmente dipendenti;

Dimostrazione: se v1 = 0 = v1 + 0 v2 + . . . + 0 vn = 0, ma il primo coefficiente e non nullo.
Proposizione: Sia k 2. v1 , . . . , vk sono linearmente indipendenti almeno uno di essi e combina-

zione lineare degli altri.
Dimostrazione:
=: 1 , . . . , k K non tutti nulli t. c. 1 v1 + . . . + k vk = 0.
Se per esempio: 1 6= 0 = 1 v1 = (2 v2 + . . . + k vk ) = v1 = 11 (2 v2 + . . . + k vk ). Cioe v1 e
combinazione lineare degli altri vettori.
=: Se v1 = b2 v2 + . . . + bk vk = v1 b2 v2 . . . bk vk = 0, ossia sono linearmente dipendenti.
Osservazione: v1 , . . . , vk sono vettori linearmente indipendenti e m k = v1 , . . . , vm sono linear-

mente indipendenti.
Osservazione: se vp span(v1 , . . . , vp1 ) = span(v1 , . . . , vp ) = span(v1 , . . . , vp1 ).
Proposizione: Se B = {v1 , . . . , vm } e una base di V , allora ogni v V si scrive in modo unico come:
v = a1 v1 + . . . + am vm . a1 , . . . , am si dicono coordinate di v rispetto alla base B e si scrive [v]B .
Dimostrazione:
Se v = a1 v1 + . . . + am vm = b1 v1 + . . . + bm vm = (a1 b1 )v1 + . . . + (am bm )vm = 0.
Essendo v1 , . . . , vm linearmente indipendenti: ai bi = 0 i = 1, . . . , m = ai = bi i = 1, . . . , m.
In uno spazio Kn le componenti di un vettore coincidono con le coordinate, se si una la base canonica
C = {e1 , . . . , en }.

Dimensione e base di uno spazio vettoriale
Fissare B base di V significa fissare lapplicazione: [ ]B : V Kn .

Verifichiamo che lapplicazione [ ]B e lineare:
?
[ ]B (v + w) = [ ]B (v) + [ ]B (w)
v = a1 v1 + . . . + an vn , w = b1 v1 + . . . + bn vn = v + w = (a1 + b1 )v1 + . . . + (an + bn )vn

a1 + b1 a1 b1
.
. .. ..
[v + w]B = . = . + . = [v]B + [w]B ;
an + bn an bn
allo stesso modo per il multiplo.

[ ]B e iniettiva: se v Ker[ ]B = [v]B = 0, . . . , 0 = v = 0 v1 + . . . + 0 vn .
[ ]B e surgettiva: c1 , . . . , cn v V t. c. [v]B = c1 , . . . , cn , basta prendere v = c1 v1 + . . . + cn vn .
Definizione: unapplicazione lineare inettiva e surgettiva si dice isomorfismo.

Definizione: quando tra due spazi vettoriale ce un isomorfismo si dicono isomorfi.
Teorema: sia {v1 , . . . , vn } una base di V , e siano w1 , . . . , wp p vettori di V . Se p > n = w1 , . . . , wp

sono linearmente dipendenti.
Dimostrazione: Essendo {v1 , . . . , vn } una base posso scrivere w1 , . . . , wp come loro combinazioni li-
neari:
w1 = a11 v1 + . . . + an1 vn
w2 = a12 v1 + . . . + an2 vn
..
.
wp = a1p v1 + . . . + anp vn
Cerco 1 , . . . , p non tutti nulli t. c. 1 w1 + . . . + p wp = 0:

0 = 1 w1 + . . . + p wp = 1 (a11 v1 + . . . + an1 vn ) + . . . + p (a1p v1 + . . . + anp vn ) =
= (a11 1 + . . . + a1p p )v1 + . . . + (an1 1 + . . . + anp p )vn
Ma v1 , . . . , vn sono tutti linearmente indipendenti, quindi una loro combinazione lineare nulla si ot-
tiene
sono se i coefficienti sono tutti nulli, cioe se:
a11 1 + . . . + a1p p = 0

..
.

an1 1 + . . . + anp p = 0
Quindi (1 , . . . , p ) devono essere soluzioni del sistema lineare omogeneo (i cui termini noti sono tutti
nulli)
la cui matrice associata
e:
a11 . . . a1p
.. .. M (n, p)
. .
an1 . . . anp
Sappiamo che un sistema omogeneo ha sempre soluzione (almeno la soluzione nulla), ma ci interessa che
ne abbia almeno unaltra non nulla. Osserviamo che il numero di pivot e al piu n, ma n < p, quindi esiste
almeno unaltra soluzione (1 , . . . , p ) non nulla.
Corollario: se B = {v1 , . . . , vn } e S = {w1 , . . . , wp } sono due basi di V = n = p

Dimostrazione: dal teorema n p, ma anche p n, poiche sono entrambe basi = n = p
Definizione:
se V ammette una base B= {v1 , . . . , vn }, si dice che V ha dimensione n e si indica
dimV = n per convenzione si pone dim 0 = 0 .

Proposizione: sia V 6= 0 . Da ogni insieme finito di generatori e possibile estrarre una base di V (ogni
spazio vettoriale finitamente generato ammette una base).

Dimostrazione: sia v1 , . . . , vk un insieme di generatori di V. Posso supporre

vi 6= 0 i = 1, . . . , k.
v1 e linearmente indipendentepoiche e diverso da 0. Se span v1 = V = v1 e base di V .
Altrimenti consideriamo
v2 e v1 , v2 . Se sono linearmente indipendenti allora tengo
v2 , altrimenti
lo si
scarta e i rimanenti
v
1 3, v , . . . , v k sono ancora
generatori, poiche
v 2 span v 1 = span v 1 2 =
, v
= span v1 = span v1 , v3 , . . . , vk = span v1 , v2 , v3 , . . . , vk .
Si itera lalgoritmo per gli altri generatori. Alla fine si ottiene una lista di vettori linearmente indipendenti
e generatori.
Corollario: se v1 , . . . , vk generano V = dimV k
Lemma: se dimV = n e v1 , . . . , vn sono linearmente indipendenti = {v1 , . . . , vn } e una base di V .

Dimostrazione: se per assurdo v1 , . . . , vn non generano V = v V span(v1 , . . . , vn ). Allora
v1 , . . . , vn , v sono linearmente indipendenti, infatti sia a1 v1 + . . . + an vn + bv = 0; sicuramente b = 0 al-
trimenti v span(v1 , . . . , vn ), ma v1 , . . . , vn sono linearmente indipendenti, quindi a1 = 0 i = 1, . . . , n.
Abbiamo allora trovato n + 1 vettori linearmente indipendenti, ma dimV = n. Assurdo.
Teorema: (di completamento a base) se dimV = n e {v1 , . . . , vk } sono vettori linearmente indipendenti,
(k n) = vk+1 , . . . , vn V t. c. {v1 , . . . , vk , vk+1 , . . . , vn } e una base di V .
Dimostrazione: se k = n e gia una base. Se k < n = v1 , . . . , vk = span(v1 , . . . , vk ) V . Quindi
vk+1 V span(v1 , . . . , vk ) t. c. v1 , . . . , vk , vk+1 sono linearmente indipendenti. Se k + 1 = n la base
e trovata, altrimenti si itera il procedimento cercando vk+2 V span(v1 , . . . , vk+1 ).
Osservazione: se v1 , . . . , vk sono linearmente indipendenti e conosco una base B = {w1 , . . . , wn } di

V = posso completare v1 , . . . , vk a base cos: {v1 , . . . , vk , w1 , . . . , wn }. Ottengo in tal modo un insieme
di generatori di V non tutti linearmente indipendenti. Da questo, applicando lalgoritmo sopra esposto,
estraggo una base di V della forma: S = {v1 , . . . , vn , w1 , . . . , wink }.
Proposizione: sia V uno spazio vettoriale finitamente generato, W V sottospazio vettoriale = W

e finitamente generato e dimW dimV .
Dimostrazione: se W = {0} sicuramente dimV 0. Sia quindi W 6= {0} = w1 W, w1 6= 0.
{w1 } e linearmente indipendente in W e anche in V , poiche w1 V e la verifica da fare e la stessa.
Ora, se span(w1 ) = W = dimW = 1 e dimV 1.
Altrimenti se span(w1 ) W = w2 W span(w1 ) t. c. {w1 , w2 } sono linearmente indipendenti in
V e W . Si itera il procedimento un numero finito di volte, al piu pari a dimV , poiche questultimo e
finitamente generato.
Corollario: se dimW = dimV, W V = W = V .

Dimostrazione: dimW = n = B = {w1 , . . . , wn } e base di W . Ma w1 , . . . , wn V , sono linearmente
indipendenti e generatori, sono n = dimV = V = span(w1 , . . . , wn ) = W .
Formula di Grassman
Sia V uno spazio vettoriale, e siano U, W V sottospazi vettoriali. Allora:
dim(U + W ) = dimU + dimW dim(U W )
Dimostrazione: sia {v1 , . . . , vm } una base di U W . Possiamo completare a base di U e di W :

um+1 , . . . , up U t. c. {v1 , . . . , vm , um+1 , . . . , up } base di U . Allora dimU = p.
wm+1 , . . . , wq W t. c. {v1 , . . . , vm , wm+1 , . . . , wq } base di W . Quindi dimW = q.
Proviamo che dim(U + W ) = p + q m; basta provare che {v1 , . . . , vm , um+1 , . . . , up , wm+1 , . . . , wq } e
una base di U + W , poiche sono nel numero giusto. Dimostriamo innanazitutto che sono generatori:
u + w U + W :
u = a1 v1 + . . . + am vm + bm+1 um+1 + . . . + bp up ;
w = c1 v1 + . . . + cm vm + dm+1 wm+1 + . . . + dq wq ;
quindi ogni u + w U + W si scrive come combinazione lineare di questi vettori. Dimostriamo ora che
sono linearmente indipendenti:
a1 v1 + . . . + am vm + bm+1 um+1 + . . . + bp up + cm+1 wm+1 + . . . + cq wq = 0
a1 v1 + . . . + am vm + bm+1 um+1 + . . . + bp up = (cm+1 wm+1 + . . . + cq wq )

quindi cm+1 wm+1 +. . .+cq wq appartiene sia a W (poiche combinazione di wm+1 , . . . , wq ), sia a U (poiche
combinazione lineare di v1 , . . . , vm , um+1 , . . . , up base di U ). Allora:
cm+1 wm+1 + . . . + cq wq U W = 1 , . . . , m t. c. cm+1 wm+1 + . . . + cq wq = 1 v1 + . . . + m vm
La combinazione lineare nulla di cui sopra diventa:
a1 v1 + . . . + am vm + bm+1 um+1 + . . . + bp up + 1 v1 + . . . + m vm = 0
Essa e una combinazione lineare nulla dei vettori della base di U , che sono linearmente indipendenti.
Sicuramente quindi bi = 0 i = m + 1, . . . , p. In tal modo abbiamo che:
a1 v1 + . . . + am vm + cm+1 wm+1 + . . . + cq wq = 0
Ma tali vettori formano una base di W = i coefficienti di una loro combinazione lineare nulla sono tutti
nulli. Dunque {v1 , . . . , vm , um+1 , . . . , up , wm+1 , . . . , wq } e una base di U + W .
Corollario: se U W = {0} = dim(U W ) = dimU + dimW .
Proposizione: sia V uno spazio vettoriale, U V sottospazio vettoriale. Sia {u1 , . . . , up } una base di
U , vp+1 , . . . , vn V t. c. {u1 , . . . , up , vp+1 , . . . , vn } e una base di V . Sia Z = span(vp+1 , . . . , vn )
= V = U Z.
Dimostrazione: facciamo innanzitutto vedere che U Z = {0}:
Se v U Z allora possiamo scrivere v come:
v = a1 u1 + . . . + ap up , dato che v U e
v = bp+1 vp+1 + . . . + bn vn , dato che v Z.
Allora, eguagliando le due espressioni:
a1 u1 + . . . + ap up bp+1 vp+1 . . . bn vn = 0.
Ma una combinazione lineare nulla dei vettori della base di V e possibile se e solo se i coefficienti sono
tutti nulli. Allora v = 0 e lunico vettore in U Z.
Mostriamo ora che U Z = V . Sappiamo che:
dim(U Z) = dimV , ma anche U Z V = U Z = V .
Proposizione: sia V = U Z, B = {u1 , . . . , up } base di U , S = {z1 , . . . , zq } base di Z. Allora B S e

base di V .
Dimostrazione: Sicuramente sono generatori, visto la loro somma diretta e V . Facciamo vedere che
sono anche linearmente indipendenti:
1 u1 + . . . + p up + 1 z1 + . . . + q zq = 0 = 1 u1 + . . . + p up = (1 z1 + . . . + q zq )
Allora sia 1 u1 + . . . + p up che 1 z1 + . . . + q zq appartengono contemporaneamente a U e Z, quindi
appartengono a U Z.
Ma U Z = {0}, quindi:
1 u1 + . . . + p up = 0
1 z1 + . . . + q zq = 0
Essendo u1 , . . . , up linearmente indipendenti (poiche formano una base di U ), cos come z1 , . . . , zq , tutti
i coefficienti i , i sono zero, quindi i vettori {u1 , . . . , up , z1 , . . . , zq } sono tra loro tutti linearmente
indipendenti e formano una base di V .

Rango di unapplicazione lineare
Lemma: siano V e W due spazi vettoriali, f : V W unapplicazione lineare. Allora

1. se v1 , . . . , vk sono vettori linearmente indipendenti in V e f e iniettiva = f (v1 ), . . . , f (vk ) sono
indipendenti in W ;
2. se v1 , . . . , vk generano V = f (v1 ), . . . , f (vk ) generano Imf (se f e surgettiva generano W ).
Dimostrazione:
1. a1 f (v1 ) + . . . + ak f (vk ) = f (a1 v1 + . . . + ak vk ) = 0 = a1 v1 + . . . + ak vk Kerf = {0} =
= a1 = . . . = ak = 0;
2. f (y) Imf, y V, b1 , . . . , bk t. c. y = b1 v1 + . . . + bk vk = f (y) = f (b1 v1 + . . . + bk vk ) =
= b1 f (v1 ) + . . . + bk f (vk ). Ogni vettore in Imf e generato da f (v1 ), . . . , f (vk ).
Corollario: se f e un isomorfismo = f trasforma una base di V in una di W .
Teorema: (formula delle dimensioni) sia f : V W lineare = dimV = dimKerf + dimImf .

Dimostrazione: sia dimV = n, dimKerf = p. Proviamo che dimImf = n p.
Sia {v1 , . . . , vp } una base di Kerf . La completiamo a base di V : B = {v1 , . . . , vp , vp+1 , . . . , vn } =
= f (v1 ), . . . , f (vp ), f (vp+1 ), . . . , f (vn ) generano Imf (per il Lemma 2). Ma f (v1 ) = . . . = f (vp ) = 0,
quindi basta dimostrare che f (vp+1 ), . . . , f (vn ) sono linearmente indipendenti:
0 = ap+1 f (vp+1 ) + . . . + an f (vn ) = f (ap+1 vp+1 + . . . + an vn ) = ap+1 vp+1 + . . . + an vn Kerf =
= b1 , . . . , bp K t. c. ap+1 vp+1 + . . . + an vn = b1 v1 + . . . + bp vp =
= ap+1 vp+1 + . . . + an vn (b1 v1 + . . . + bp vp ) = 0 = ap+1 = . . . = an = b1 = . . . = bp = 0
Poiche sono tutti vettori di una base di V , quindi linearmente indipendenti. Dunque dimImf = n p =
= dimV dimKerf .
Conseguenze:
1. dimImf dimV ;
2. se dimV = dimW, f e iniettiva f e surgettiva
Dimostrazione: (=): f iniettiva = Kerf = {0} = dimW = dimV = dimImf = essendo
Imf W, dimImf = dimW = Imf = W .
(=): f surgettiva Imf = W = dimKerf = dimV dimImf = dimV dimW = 0 =
= Kerf = {0} = f e iniettiva;
Corollario: V, W K-spazi vettoriali, V, W sono isomorfi dimV = dimW .
Dimostrazione:
(=) : dimV = dimW = n = V = Kn = W.
(=) : f : V W isomorfismo di spazi vettoriali = Kerf = {0}, Imf = W = dimV =
dimKerf + dimImf = dimW .
Si dice che V e W appartengono alla stessa classe di equivalenza.
Classe di Equivalenza
Definizione: Sia E un insieme. Data R una relazione tra gli elementi dellinsieme, e possibile stabilire
se, presi due elementi di E, essi sono in relazione fra loro. In particolare R e una relazione di equivalenza

se valgono le seguenti proprieta:
riflessiva: x E xRx;
simmatrica: x, y E, xRy = yRx;
transitiva: x, y, z E, xRy e yRz = xRz.
Definizione: x E, R relazione di equivalenza, si dice classe di equivalenza di x linsieme: [x] = {y

E | yRx}
Proprieta:
S
1. [x] = E (ossia le classi di equivalenza ricoprono E);
2. [x] = [y] xRy:

Dimostrazione: (=): x [x] = [y] = x [y] = xRy per definizione di classe dequivalenza.
(=): z [x] zRx, poiche si ha anche che xRy = zRy (proprieta transitiva) = z [y]. Vale
il viceversa: z [y] zRy, yRx (proprieta riflessiva) = zRx = z [x];
3. se [x] 6= [y] = [x] [y] = .
Definizione: dato E un insieme, R una relazione dequivalenza, si dice insieme quoziente:
E/R = {[x] | x E}
Proposizione: siano V , W e Z tre spazi vettoriali, e siano f, g due applicazioni lineari tali che:
f g
V W Z:

1. dimIm(g f ) min dimImf, dimImg ;
2. se f e un isomorfismo = dimIm(g f ) = dimImg;
3. se g e un isomorfismo = dimIm(g f ) = dimImf .
Dimostrazione: :
1. dimIm(g f ) = dimIm(g | ) = dimImf dimKer(g | ) dimImf .

Imf Imf
Im(g f ) Img = dimIm(g f ) dimImg.
Allora, dovendo essere minore delluna e dellaltra: dimIm(g f ) min dimImf, dimImg ;
2. f isomorfismo = f surgettiva, quindi Imf = W . Allora:

dimIm(g f ) = dimIm(g | ) = dimIm(g | ) = dimImg;
Imf W
3. g isomorfismo = g iniettiva, quindi Kerg = {0}. Allora:

dimIm(g f ) = dimImf dimKer(g | ) = dimImf dim{0} = dimImf .
Imf
Teorema: sia dimV = n e sia B = {v1 , . . . , vn } una base di V . Siano w1 , . . . , wn vettori di W . =
!f lineare tale che f : V W e f (vi ) = wi i = 1, . . . , n.
Dimostrazione:
Esistenza:
v V, a1 , . . . , an K, unici, t. c. v = a1 v1 + . . . + an vn .
Definiamo f (v) = a1 w1 + . . . + an wn . Proviamo che tale definizione verifica i vincoli, ossia che f definita
in questo modo e lineare:
v, w V, v = a1 v1 + . . . + an vn , w = b1 v1 + . . . + bn vn .
f (v +w) = f (a1 +b1 )v1 +. . .+(an +bn )vn = (a1 +b1 )w1 +. . .+(an +bn )wn = a1 w1 + . . . + an wn +
+ b1 w1 + . . . + bn wn = f (v) + f (w);
Lo stesso si fa per il multiplo.

Unicita:
v V, v = a1 v1 + . . . + an vn .
Se f e unapplicazione lineare tale che f (vi ) = wi i = 1, . . . , n, allora:
f (v) = f (a1 v1 + . . . + an vn ) = a1 f (v1 ) + . . . + an f (vn ) = a1 w1 + . . . + an wn .
Quindi la definizione che abbiamo dato e lunica affiche f fosse lineare.
Definizione: sia f unapplicazione lineare. Si dice rango di f (e si indica rkf ) la dimensione di Imf .
Cominciamo considerando le matrici M (p, q, K), ovvero le applicazioni lineari da Kq a Kp .

Se A M (p, q, K), data C = {e1 , . . . , eq } la base canonica di Kq , abbiamo dimostrato che Ae1 , . . . , Aeq
generano limmagine di A.
Ma Aei = Ai , ossia li-esima colonna di A. Quindi: ImA = span(A1 , . . . , Aq ).
Proposizione: sia A M (p, n) e sia S una sua ridotta a scala. Allora rkA = rkS.
Dimostrazione: dalla formula delle dimensioni:
rkA = dimImA = dimKn dimKerA = n dimKerA;
rkS = n dimKerS.
Ma KerA = KerS. Infatti essi sono gli insiemi delle soluzioni dei due sistemi lineari omogenei associati:
AX = 0 e SX = 0. Essendo essi due sistemi equivalenti (S e ottenuto da A tramite riduzione di Gauss)
hanno le stesse soluzioni, cioe KerA = KerS = rkA = rkS.
Calcolo del rango di una matrice a scalini S e di una base di ImS

Proposizione: sia S M (p, n, K), con p1 , . . . , pr r pivots non nulli nelle colonne S j1 , . . . , S jr . Allora
esse formano una base di ImS e che, quindi, rkS = r.
Dimostrazione: S j1 , . . . , S jr sono linearmente indipendenti:

a1 S j1 +. . .+ar S jr = 0. Dalla prima somma otteniamo un vettore. Consideriamo lultima componente
non nulla di tale vettore (che otteniamo dalla sola colonna S jr ):

.. ..
. .
ar pr = 0
0 0
Affinche sia uguale a 0, poiche pr 6= 0 per ipotesi = ar = 0. Si itera il procedimento, considerando che
ora lultima componente non nulla e data dalla colonna S jr1 .
Sono generatori:
facciamo vedere che i 6= j1 , . . . , jr , S i e una combinazione lineare di S j1 , . . . , S jr , ossia che
a1 , . . . , ar K t. c. S i = a1 S j1 + . . . + ar S jr . Cercare a1 , . . . , ar significa cercare le soluzioni del
seguente sistema lineare:
a
1
S j1 . . . S jr .
.. = S i
ar
Sappiamo che la soluzione esiste se non compare un pivot nella colonna dei termini noti. Nel nostro caso
tutte le colonne in cui compaiono pivot sono S j1 , . . . , S jr , quindi esiste la soluzione, poiche abbiamo posto
i 6= j1 , . . . , jr .
Corollario: In particolare il numero di pivots non dipende dalla riduzione a scala (abbiamo dimostrato
che il rango e invariante rispetto alla riduzione di Gauss).
Matrici Elementari e invertibili

Sia M M (m, n). Le mosse di Gauss per riga si realizzano moltiplicando M a sinistra con opportune
matrici elementari, che si ottengono apportando modifiche alla matrice identita:

1. scambiare due righe i, j t. c. i 6= j, 1 i, j m. La relativa matrice elementare (Aij ) si ottiene

dalla matrice identita scambiando la riga i-esima con la j-esima;
2. moltiplicare la riga i-esima per k: basta moltiplicare la i-esima riga della matrice identita per k e
otteniamo la matrice elementare (Bik );
3. aggiungere alla i-esima riga k volte la j-esima:

I
1 k

Cijk = I

1
I
dove si e indicata con I unopportuna matrice identita (ossia una serie di 1 sulla diagonale). k
compare nel posto [C]ij .
Sappiamo che le mosse di Gauss sono invertibili, quindi devono essere indotte da matrici invertibili. In-
fatti:
A2ij = I (scambiando due volte le righe i, j otteniamo nuovamente la matrice di partenza);
Bi k1 Bik = I (moltiplicando la riga i per k e k1 otteniamo la riga stessa);
Ci,j,k Ci,j,k = I (sommiamo e sottraiamo la stessa riga moltiplicata per k).
Osservazione: Per ottenere le mosse di Gauss sulle colonne, anziche sulle righe, basta utilizzare le stesse
matrici elementari moltiplicando a destra.
Proposizione: Sia A M (n) (A : Kn Kn ). Sono fatti equivalenti:
1. A e una matrice invertibili;
2. A e un isomorfismo;
3. rkA = n.
Dimostrazione:
(1) (2): A matrice invertibile B M (n) t. c. A B = B A = I (considerando A e B
come applicazioni lineari) B e linversa di A A e bigettiva A e un isomorfismo.
(2) (3): A isomorfismo n = dim(Kn ) = dim(ImA) + dim(KerA) = rkA + dim{0} = rkA.

Teorema: (di Rouche-Capelli
) AX =B e risolubile rkA = rk A|B .
Dimostrazione:
(idea) A|B S|T a scalini (sono
equivalenti ). Sappiamo che rkA = rkS,
rk A|B = rk S|T . Ma S|T e risolubile rk S|T = rkS.
Data A M (p, n) sappiamo che ImA = span(A1 , . . . , An ). Resta da determinare una base di ImA,
sapendo che dim(ImA) = rkA = rkS = r. A tal proposito consideriamo una qualunque riduzione di
Gauss che trasforma la matrice A in S (a scalini). Sappiamo che E1 , . . . , Em matrici elementari tali
che:
S = Em . . . E1 A
Detta M = Em . . . E1 , possiamo dare uninterpretazione dellalgoritmo di Gauss sotto forma di
applicazioni lineari:
A M
Kn Kp Kp
Sappiamo che M e una matrice invertibile (poiche prodotto di matrici invertibili), dunque e un isomorfi-
smo di spazi vettoriali. Ma un isomorfismo manda basi in basi, quindi M trasforma una base di ImS in
una di ImA.
Sia {S j1 , . . . , S jr } una base di ImS. Poiche M Aj = S j :

M Aj1 = S j1
..
.
M Ajr = S jr

Di conseguenza {Aj1 , . . . , Ajr } sono una base di ImA.
Conseguenza: Algoritmo di estrazione di una base per span(v1 , . . . , vm ), v1 , . . . , vm Kp . Costruiamo

la seguente matrice:
v1 ... vm M (p, m).
Allora span(v1 , . . . , vm ) = ImA. Per trovare la base cercata si considerano le colonne che in una ridotta
a scala contengono i pivots. Abbiamo visto che tali colonne formano una base di ImA, quindi anche di
span(v1 , . . . , vm ).
Osservazione: sia V un qualsiasi spazio vettoriale, non necessariamente Kn , e siano v1 , . . . , vm vettori

di V da cui vogliamo estrarre una base di span(v1 , . . . , vm ). Fissata B una base di V , abbiamo lisomor-
fismo [ ]B : V Kn . Si applica lalgoritmo di estrazione di una base a [v1 ]B , . . . , [vn ]B .
Calcolo della matrice inversa attraverso lalgoritmo di Gauss

Sia A M (n) t. c. rkA
= n. Cerchiamo X tale che AX = I (inversa a destra).
1 2
Es. Sia A = . Si puo calcolare il rango attraverso una riduzione di Gauss e vedere che rkA = 2.
1 3
Cerchiamo una matrice X tale che:

1 2 x y 1 0
=
1 3 z t 0 1
Ossia
AX 1 = I 1, AX2 = I 2 . Possiamo
rappresentare
il sistema
(e risolverlo):
1 2 1 0 1 2 1 0 1 0 3 2 3 2
. Quindi X = e quello che
1 3 0 1 0 1 1 1 0 3 1 1 1 1
cercavamo.
Ripetiamo il procedimento nel caso generico con A M (n):

1 1

AX = I

IX 1 = B 1
.. Gauss ..
. A | I I | B . X = B

AX n = I n n
IX = B n
Facciamo vedere che B e anche inversa a sinistra:

M invertibile (prodotto di elementari) t. c. I | B = M A | I = M A | M I = B = M I = M,
I = M A = BA.
Matrice associata a unapplicazione lineare

Proposizione: Siano V e W due spazi vettoriali tali che n = dimV, p = dimW , e sia f : V W
unapplicazione lineare. Siano B = {v1 , . . . , vn } e S = {w1 , . . . , wp } basi rispettivamente di V e di W .
Sia A M (p, n) tale che:

A = f (v1 ) S . . . f (vn ) S
che indichiamo come A = mB,S (f ) o A = mB

S (f ) (cioe la matrice associata nelle basi B e S ad f ).

Proposizione: se A = mB S (f ) = v V f (v) S = A v B

Dimostrazione: v V a1 , . . . , an K, t. c. v = a1 v1 + . . . + an vn = [v]B = a1 , . . . , an .
Per linearita di f e sostituendo i valori di f (v1 ), . . . , f (vn ) otteniamo:
f (v) = a1 f (v1 ) + . . . + an f (vn ) = a1 (a11 w1 + . . . + ap1 wp ) + . . . + an (a1n w1 + . . . + apn wp ) =
= (a11 a1 + . . . + a1n an )w1 + . . . + (ap1 a1 + . . . + apn an )wp .

Allora:

a11 a1 + . . . + a1n an a11 a1n a1
. . .. .. = A v
f (v) S = .. = .. ... . . B
ap1 a1 + . . . + apn an ap1 apn an
Osservazione: Da quanto sopra segue che il diagramma:
f
V W

A
Kn Kp
e commutativo.
Proposizione: Siano V , W spazi vettoriali, con n = dimV e p = dimW , f : V W lineare e siano

B = {v1 , . . . , vn } e S = {w1 , . . . , wp } basi rispettivamente di V e W . Allora lapplicazione:

f mB
S (f )
che ad ogni applicazione associa la sua matrice associata nelle basi B e S, e un isomorfismo.
Dimostrazione: e lineare:

f, g Hom(V, W ), (f + g) = (f + g)(v1 ) S . . . (f + g)(vn ) S

Utilizzando la definizione di somma di funzioni (f + g)(v) = f (v) + g(v) e la linearita di [ ]S :

(f + g) = f (v1 ) S . . . f (vn ) S + g(v1 ) S . . . g(vn ) S = (f ) + (g)
Allo stesso modo per il multiplo.
e iniettiva (dimostriamo che Ker(f ) = {0}):

se (f ) = 0 (matrice nulla) = f (v1 ) = . . . = f (vn ) = 0. Da teorema sappiamo che unapplicazione
lineare e ben definita da cio che fa su una base dello spazio di partenza. Poiche f manda tutti i vettori
in 0 = f = 0.
e surgettiva (facciamo vedere che data A esiste sempre f t. c. A = mB S (f )):

Presa A = mB S (f ), definisco f tale che f (v )
i S = A i
, i = 1, . . . , n. Per teorema !f Hom(V, W )
che manda una base in vettori prescritti.

Corollario: dim Hom(V, W ) = pn
Proposizione: siano V, W, Z spazi vettoriali, con basi rispettivamente B, S, T . Siano f, g applicazioni

f g B
lineari tali che VB WS
ZT . Siano
A= mS (f ), B = mST (g). Allora mB
T (g
f ) = B A.
Dimostrazione: v V, (g f )(v) T = (g f (v) T = B f (v) S = B A v B .
Definizione: sia f unapplicazione lineare. Definiamo rkf = dim(Imf ).
Diamo un modo per calcolare rkf :

Imf = span f (v1 ), . . . , f (vn )
= span(A1 , . . . , An ) = dim(Imf ) = dim(ImA) = rkA.
Matrice del cambiamento di base

Il cambiamento di base avviene tramite unapplicazione lineare che manda ciascun vettore in se stesso.
Tale applicazione e lidentita (da non confondere con la matrice identita):
Id : VB VS
La matrice associata allapplicazione identita (A M (n) t. c. A = mB

S (Id)) e tale che:
v V [v]S = A [v]B


che segue da f (v) S = A [v]B , con f = Id.
E chiaro che la matrice A e invertibile, essendo rkA = dim(Imf ) = dimV = n
Osservazione: B = mSB (Id) e la matrice inversa di A, poiche A B = I, cioe applicando le due matrici
in sequenza, le coordinate di ciascun vettore rimangono immutate.

SD-equivalenza
Definizione: chiameremo gruppo lineare di rango n su campo K:
GL(n, K) = {A M (n, K) | Ae invertibile}

Dimostriamo che GL(n, K), , con prodotto fra matrici, e effettivamente un gruppo (non commutativo):
?
1. e unoperazione in GL(n, K): A, B GL(n, K) = AB GL(n, K).
Sia (AB)1 = B 1 A1 . Verifichiamo che e una buona definizione: AB B 1 A1 = A A1 = I;
2. Esistenza dellinverso: A GL(n, K) = A1 GL(n, K), poiche (A1 )1 = A;
3. esiste lelemento neutro per il prodotto, ossia I;
4. Proprieta associativa: vale per tutte le matrici, quindi anche per quelle invertibili.
Siano V, W due spazi vettoriali, f : V W unapplicazione lineare, B e B 0 due basi di V , S e S 0 due

B0
basi di W . Siano n = dimV, p = dimW, A = mB 0
S (f ), A = mS 0 (f ). Consideriamo il seguente diagramma:
A
VB WS
N M
A0
VB0 WS 0
A0 = M AN dove M e N sono le matrici associate allidentita (matrici di cambio di base).
Osservazione: M GL(p, K), N GL(n, K), poiche prodotto di matrici elementari invertibili.
Definizione: due matrici A, B M (p, n) sono dette SD-equivalenti se M GL(p, K), N GL(n, K) t. c.
B = M AN .
Osservazioni:
1. SD-equivalenza e una relazione di equivalenza:
Proprieta riflessiva: A A, poiche Ip GL(p), In GL(n) t. c. A = Ip AIn ;

Proprieta simmetrica: A B = B A, poiche B = M AN = A = M 1 BN 1 ;
Proprieta transitiva: A B, B C = A C, poiche B = M AN, C = P BQ =
= C = (P M )A(N Q). Infatti P, M GL(p) = P M GL(p); lo stesso per N e Q.
2. se A B = rkA = rkB:
rkB = rk(M AN ); N isomorfismo = rk(M AN ) = rk (M A)N ) = rk(M A), M isomorfismo =
= rk(M A) = rkA poiche rk(f g) min(rkf, rkg) . Il rango e un invariante per SD-equivalenza;
3. che A e B siano SD-equivalenti vuol dire che rappresentano la stessa applicazione in basi diverse;
4. equivalentemente, per le applicazioni lineari, date f, g Hom(V, W ), dove dimV = n, dimW = p:

f g GL(V ), GL(W ) t. c. g = f ;
f g mB S B B B B
S (g) = mS () mS (f ) mB () mS (g) mS (f );
In questo caso f e g sono applicazioni diverse nelle stesse basi, non la stessa applicazione vista in
basi diverse.

SD-equivalenza
Proposizione: siano V, W due spazi vettoriali tali che dimV = n, dimW = p. Si f : V W lineare
B Ir 0
tale che r = rkf . Allora esistono una base B di V e una base S di W tali che mS (f ) =
0 0
Dimostrazione: rkf = r = dim(Kerf ) = n r. Sia {vr+1 , . . . , vn } una base di Kerf .
La completiamo a base B = {v1 , . . . , vr , vr+1 , . . . , vn } di V .
Sappiamo che {f (v1 ), . . . , f (vr )} generano Imf , dato che f (vr+1 ) = . . . = f (vn ) = 0, sono r = sono
una base di Imf .
Li completiamo a base S = {f (v1 ), . . . , f (vr ), wr+1 , . . ., wp } di W
.
B Ir 0
La matrice associata ad f nelle basi B, S e: mS (f ) =
0 0

Ir 0
Corollario: sia A M (p, n), se rkA = r = A
0 0
Basta scegliere le basi come nella dimostrazione precedente.
Teorema: A B rkA = rkB (ossia il rango e un invariante completo di SD-equivalenza).

Dimostrazione: (=) gia fatto.

Ir 0
(=) rkA = rkB = r = A B = A B (transitivita).
0 0
Corollario: A M (p, n), rkA = rktA.
Ir 0
Dimostrazione: sia r = rkA = A = M N con M GL(p), N GL(n).
0 0
t t
Ir 0 Ir 0 Ir 0
= tA = tN tM , = M (n, p).
0 0 0 0 0 0
t t t t
N GL(n, K), perche I = tI = (N N 1 ) = (N 1 )tN = (N 1 ) e linversa di tN ; lo stesso per
t
M.
t Ir 0
= A = rktA = r.
0 0
Corollario: sia R(A) = span(A1 , . . . , Ap ) lo spazio generato
dalle righe di A. Allora dimR(A)
= rkA.
Dimostrazione: dimR(A) = dimC(tA) = rktA = rkA dove C(tA) = span(tA1 , . . . , tAn ) .
Proposizione: se A M (p, n) e B e sottomatrice di A = rkB rkA.

Dimostrazione: B = (Ai1 , . . . , Aim | Aj1 , . . . , Ajk ). Sia C = (Ai1 , . . . , Aim | A1 , . . . , An ).
C e ottenuta da A prendendo tutte le colonne e alcune righe. Pensando al rango per riga: rkC rkA.
Allo stesso modo B e ottenuta da C prendendo tutte le righe e alcune colonne. Pensando al rango per
colonna: rkB rkC rkA.
Definizione: ogni sottomatrice quadrata e detta un minore. Si dice ordine del minore il numero delle
sue righe (e colonne).
Proposizione: sia A M (p, n), e sia B un minore di A di ordine q invertibile = le righe di A che
entrano a formare B sono linearmente indipendenti.
Dimostrazione: Supponiamo che B sia formato dalle prime q righe e q colonne di A. Proviamo che
A1 , . . . , Aq sono linearmente indipendenti:
1 A1 + . . . + q Aq = 0 = 1 B1 + . . . + q Bq = 0 1 = . . . = q = 0 (sono linearmente indi-
pendenti).
Proposizione: il rango di una matrice A M (p, q) e il massimo degli ordini dei suoi minori invertibili.
Dimostrazione: sia rkA = r, il massimo ordine dei suoi minori invertibili.
Sia B un minore di A di ordine invertibile = A contiene righe linearmente indipendenti =
= rkA , r.
Ma in A esistono r righe linearmente indipendenti, che supponiamo essere A1 , . . . , Ar .
Sia C = (A1 , . . . , Ar | A1 , . . . , Aq ) = rkC = r (pensato come rango per riga). Allora C contiene r
colonne linearmente indipendenti, supponiamo C j1 , . . . , C jr .
Sia M = (A1 , . . . , Ar | Aj1 , . . . , Ajr ) M (r), minore di A di ordine r, invertibile (contiene r colonne
linearmente indipendenti) = r.
Poiche valgono contemporaneamente r e r = = r.

Determinante
Sia A M (n, K), sappiamo che rkA e il massimo numero di righe e colonne indipendenti.
Cerchiamo una funzione: det : M (n, K) K tale che detA = 0 le righe di A sono linearmente
dipendenti.
Esempio:
a11 a12
sia n = 2 : A = . Abbiamo 3 casi:
a21 a22
1. Se a11 e a21 sono entrambi nulli, le righe sono dipendenti.
2. Se a11 6= 0 = tramite operazioni per righe:

a11 a12
A
0 a22 a1
11 a21 a12
Le righe di A sono dipendenti a22 a1

11 a21 a12 = 0 a11 a22 a21 a12 = 0.
3. Se a11 = 0 ma a21 6= 0:
a21 a22
n=2: A=
0 a12
Le righe di A sono dipendenti a12 = 0, ossia se non e un pivot.
Ponendo, nel caso n = 2, detA = a11 a22 a12 a21 = detA = 0 Le righe sono linearmente
dipendenti.
Abbiamo trovato la funzione che cercavamo nel caso n = 2. Vediamo ora alcune sue proprieta:
1. det e lineare nelle righe. Supponiamo che la prima riga di A sia combinazione lineare di altre due:

B + C B C
B, C K2 t. c. A = . Verifichiamo che det A = det +
A2 A2 A2
Infatti:
se B = (b1 b2 ), C = (c
1 c2 ), A2 = (a1 a2 ):
b1 + c1 b2 + c2
det = a2 (b1 + c1 ) a1 (b2 + c2 ) = (a2 b1 a1 b2 ) + (a2 c1 a1 c2 ) =
a1 a2

b1 b2 c1 c2
= +
a1 a2 a1 a2
2. Se A ha due righe uguali = det A = 0;
3. det I = 1.
Passiamo ora al caso generico, e supponiamo che det A, definito prima, verifichi le 3 proprieta sopra
elencate. Abbiamo le seguenti conseguenze:
se A ha una riga nulla = det A = 0.
Dimostrazione: se Ai = 0, B Kn (riga) = Ai = 0 B. Allora, applicando la proprieta 1:
det(A1 , . . . , 0 B, . . . , An ) = 0 det(A1 , . . . , B, . . . , An ) = 0;
se A0 e ottenuta da A scambiando due righe = det A0 = det A.
Dimostrazione:
A = (A1 , . . . , Ai , . . . , Aj , . . . , An )

Determinante
A0 = (A1 , . . . , Aj , . . . , Ai , . . . , An ).
Consideriamo la matrice A00 = (A1 , . . . , Ai + Aj , . . . , Ai + Aj , . . . , An ). Poiche ha due righe uguali:
det A00 = 0. Applicando le proprieta 1 e 2:
0
z }| {
00
0 = det A = det(A1 , . . . , Ai , . . . , Aj , . . . , An ) + det(A1 , . . . , Ai , . . . , Ai , . . . , An ) +
0
z }| {
+ det(A1 , . . . , Aj , . . . , Aj , . . . , An ) + det(A1 , . . . , Aj , . . . , Ai , . . . , An ) = det A + det A0
= det A0 = det A;
se B M (n, K) e ottenuta da A sommando ad una riga una combinazione lineare delle altre
= det B = det A.
Dimostrazione: B = (A1 + 2 A2 + . . . + n An , A2 , . . . , An ). Applicando la proprieta 1:
0
n
X z }| {
det B = det A + i det(Ai , A2 , . . . , An ) = det A
i=2
se le righe di A sono linearmente dipendenti = det A = 0.

Dimostrazione: se A = (2 A2 + . . . + n An , A2 , . . . , An ):
0
n
X z }| {
det A = i det(Ai , A2 , . . . , An ) = 0
i=2

a1 0
..
se A e diagonale A = . = det A = a1 . . . an .
0 an
Dimostrazione: Per le proprieta 2 e 3:

a1 0 1 0
. .. ..
det = a1 . . . an det . = a1 . . . an
0 an 0 1
Teorema: (unicita) se det verifica le proprieta 1, 2 e 3 = A M (n, K), det A e univocamente

determinato.
Dimostrazione: Riduciamo A a scalini (S) con operazioni per riga di primo e terzo tipo (scambi di
righe, somma con multiplo). Dalla terza conseguenza sopra elencata, sappiamo che sommare ad una riga
il multiplo di unaltra non fa variare il determinante.
Se sono stati fatti m scambi di righe = det A = (1)m det S. Abbiamo 2 casi:
rkS < n (almeno lultima riga e nulla) = det S = 0 = det A = 0;
rkS = n. Finora abbiamo ridotto A in forma triangolare. Con ulteriori operazioni elementari per
riga riduciamo
S a S 0diagonale.
p1 0
0 .
S = .. = det S = det S 0 = p1 . . . pn
0 pn
= det A = (1)m p1 . . . pn
Quindi il valore della funzione e univocamente determinato.
N.B. I pivots possono essere diversi a seconda della riduzione che e stata fatta, ma il loro prodotto e
costante (a meno del segno).
Corollario: det A = 0 le righe di A sono linearmente indipendenti.

Dimostrazione: (=) gia fatta.
Gauss
(=) Se per assurdo le righe di A fossero indipendenti = A S. S ha n pivots = det A =
m m
= (1) det S = (1) p1 . . . pn 6= 0. Assurdo.

Determinante
Esistenza:
def
n = 1 = det a = a;
n = 2 = det A = a11 a22 a21 a12 ;
n = Sia A M (n), ai1 = [A]i1 , Ai1 la sottomatrice ottenua da A scartando la prima colonna e la
i-aesima riga (detta complemento algebrico). Allora si chiama sviluppo di Laplace:
n
X
det A = (1)i+1 ai1 det Ai1
n n1
i=1
Verifichiamo per induzione su n che valgono le 3 proprieta per lo sviluppo di Laplace.

n = 2 gia fatto.
Passo induttivo: supponiamo che le 3 proprieta valgano per il caso detn1 e verifichiamo che valgono
anche detn :
1. supponiamo che B, C Kn t. c. Aj = B + C.
?
Siano A0 = (A1 , . . . , B, . . . , An ), A00 = (A1 , . . . , C, . . . , An ) = det A = det A0 + det A00 .
Consideriamo [A]i1 e Ai1 al variare di i:

se i 6= j = [A]i1 = [A0 ]i1 = [A00 ]i1 , mentre det Ai1 = det A0 i1 + det A00 i1 ;
se i = j = [A]j1 = [A0 ]j1 + [A00 ]j1 , mentre Aj1 = A0 j1 = A00 j1 .
X
det A = (1)i+1 [A]i1 det A0 i1 + det A00 i1 + (1)j+1 [A0 ]j1 + [A00 ]j1 det Aj1
i6=j
Applicando quanto sopra:

n ! n !
X X
i+1 0 0
det A = (1) [A ]i1 det A i1 + (1) [A ]i1 det A i1 = det A0 + det A00
i+1 00 00
i=1 i=1
2. Sia A tale che Ai = Aj . Verifichiamo che det A = 0

A = (A1 , . . . , Ai , . . . , Ai , . . . , An )
Se k 6= i, j = det Ak1 = 0 perche contiene due righe uguali.

Se k = i = [A]k1 = [A]i1 = [A]j1 e det Ai1 = (1)ji1 det Aj1 (come se la j-esima riga
venisse spostata verso lalto di j i 1 posizioni, scambiandola ogni volta con la precedente,
fino ad assumere li-esima posizione).
0
zX }| {

det A = (1)k+1 [A]k1 det Ak1 +(1)i+1 [A]j1 (1)ji1 det Aj1 +(1)j+1 [A]j1 det Aj1
k6=i,j
Ma il secondo e il terzo blocco sono opposti, quindi det A = 0.

3. Verifichiamo che det In = 1.
Se i 6= 1 = [A]i1 = 0;
se i = 1 = [A]11 = 1 e det A11 = 1 (e ancora una matrice identita di rango n 1).
0
z }| {
X n
det A = (1)2 [A]11 det A11 + (1)i+1 [A]i1 det Ai1 = 1
i=2
Osservazione: facendo lo sviluppo di Laplace lungo qualsiasi colonna della matrice si ottiene una fun-
zione che verifica le proprieta 1, 2 e 3. Poiche abbiamo dimostrato lunicita del determinante concludiamo
che tutte queste funzioni sono uguali.
Osservazione: se A M (n) = det(A) = n det A.

Determinante
Teorema: (di Binet) siano A, B M (n, K) = det(AB) = det A det B.

Dimostrazione: se det B = 0 = rkB < n = rk(AB) < min(rkA, rkB) < n = det(AB) = 0.
Se det B 6= 0 definiamo f (A) = det(AB)
det B . Vogliamo dimostrare che f (A) = det A; basta quindi provare
che verifica le proprieta 1, 2 e 3 e ricordarsi dellunicita del determinante.
1. Linearita nelle righe: sia Ai = P + Q, P, Q Kn , allora:

det(AB) = det P + Q B = det P B + QB = det P B + det QB
Poiche det B 6= 0 = rkB = n = P B 6= 0, QB 6= 0 = la i-esima riga della matrice AB e

combinazione lineare di altre due. Essendo det(AB) lineare nelle righe lo e anche f (A).
2. Allo stesso modo, se A ha due righe uguali, anche AB le avra. Allora det AB = 0.
det(IB)
3. f (I) = det B = 1.
1
Corollario: sia A M (n) invertibile = det A1 = (det A) .
1
Dimostrazione: A A1 = I = det(A A1 ) = 1 = det A det A1 = 1 = det A1 = (det A)
Corollario: siano A, B M (n) invertibili = AB e invertibile.

Dimostrazione: det A 6= 0, det B 6= 0 = det(AB) = det A det B 6= 0 = AB e invertibile.
Proposizione: A M (n, K), det tA = det A.

Dimostrazione: se det A = 0 = rktA = rkA < n = det tA = 0.
Consideriamo le matrici elementari : quelle di primo e secondo tipo sono simmetriche, quindi sono uguali
alla loro trasposta (e di conseguenza vale la proposizione), mentre quelle di terzo possono essere ricondotte
tramite unoperazione elementare (che non fa variare il determinante) allidentita, quindi a una matrice
simmetrica. La proposizione vale per tutte le matrici elementari.
Passiamo ora al caso generico con det A 6= 0. Con opportune matrici elementari:
Em . . . E1 A = I = tA tE1 . . . tEm = I = A = (tEm )1 . . . (tE1 )1
det tA = det(tEm 1
) . . . det(tE11 ) = (det tEm )1 . . . (det tE1 )1 (det A)1 det A =
1
= (det Em )1 . . . (det E1 )1 (det A)1 det A = det(Em . . . E1 A) det A = det A.
| {z }
I
Osservazione: lo sviluppo di Laplace secondo la prima riga:

n
X
f (a) = (1)1+i [A]1i det A1i
i=1
e uguale a det A.
Dimostrazione:
det(tA)i1
n
X z }| {
t
f (a) = (1)i+1 [tA]i1 det (A1i ) = det tA = det A
i=1
Proposizione: (regola di Cramer ) Sia AX = B un sistema tale che A M (n, K), B Kn , e supponiamo
det A 6= 0. Se y1 , . . . , yn e soluzione del sistema = yi = det B(i)
det A , dove
B(i) = (A1 , . . . , Ai1 , B, Ai+1, . . . , , An ).
y1

Dimostrazione: se Y = ... , sappiamo che AY = B = y1 A1 + . . . +yn An = B. Allora:
yn
n
X n
X
det B(i) = det(A1 , . . . , Ai1 , yi Ai , Ai+1 , . . . , , An ) = yi det(A1 , . . . , Ai , . . . , , An ) = yi det A
i=1 i=1
Proposizione: sia A M (n, K) inveribile. Allora la matrice B M (n, K) definita da (Aij e il

complemento algebrico):
(1)i+j det Aij
[B]ij =
det A

Determinante
e la matrice inversa di A.
Dimostrazione: verifichiamo che AB = I:
n
X n
X det Aki
[AB]hk = [A]hi [B]ik = (1)i+k [A]hi
i=1 i=1
det A
Tale espressione assume i valori:

1 se k = h, poiche il numeratore della frazione e lo sviluppo di det A;
0 se k 6= h: possiamo costruire la matrice A0 in cui A0 k = A0 h = Ah (cioe la h-esima e la k-esima riga
di A0 sono uguali alla h-esima di A) = det A0 = 0.
Nei casi in cui k 6= h: [A]hi = [A0 ]ki e Aki = A0 ki (viene cancellata proprio la k-esima riga, lunica
che abbiamo modificato; non ci si accorge della differenza). Dunque, in questo caso:
n
X det A0 ki det A0
[AB]hk = (1)i+k [A0 ]ki = =0
i=1
det A det A
Criterio dei minori orlati

Definizione: sia A M (p, q) e sia B un minore di A di ordine n. C e un minore orlato di B se e
un minore di A di ordine n + 1 e B = (C1 , . . . , Cn | C 1 , . . . , C n ) (ossia scartando da C lultima riga e
lultima colonna si ottiene B).
Esempio:

1 2 3 1
1 2
A= 0 9 5 1 B=
0 9
2 1 0
Sono minori orlati diB:
1 2 3 1 2 1
C 0 = 0 9 5 C 00 = 0 9 1

2 1 2 0
Proposizione: : sia A M (p, q), e sia B un minore di ordine n tale che:

det B 6= 0;
tutti i minori orlati di B hanno determinante nullo.

Allora rkA = n.
Dimostrazione: supponiamo che B = (A1 , . . . , An | A1 , . . . , An ) (cioe che sia composto dalle prime
n righe e colonne di A). Sicuramente A1 , . . . , An sono linearmente indipendenti (entrano a formare il
minore). Dimostriamo che generano tutte le altre righe.
Consideriamo quindi la sottomatrice C = (A1 , . . . , An , Ai | A1 , . . . , Aq ), i = n + 1, . . . , p (costituita
dalle righe che entrano a formare B piu una e da tutte le colonne di A).
C1 , . . . , Cn sono indipendenti, ma i = n + 1, . . . , p, Ci span(C1 , . . . , Cn ), perche prendendo tutte le
righe e le prime n colonne piu una (tra le rimanenti) di C si ottiene un minore orlato di B = C ha n
colonne linearmente indipendenti = rkC = n = Ai e linearmente dipendente.

Coniugio e Similitudine
Definizione: siano f, g End(V ) = Hom(V, V ) (detto insieme degli endomorfismi di V ). f e g si

dicono coniugati (e si indica f g) h GL(V ) t. c. g = h1 f h.
Osservazione: f g = f g ( = 1 ) = il rango e invariante per coniugio.
Definizione: siano A, B M (n, K). A B (A e B sono simili) M GL(n, K) t. c.

B = M 1 AM .
Proposizione: siano f, g End(V ), B base di V . f g mB (f ) mB (g) (utilizziamo la stessa

base sia in partenza che in arrivo).
Da quanto sopra, studiare End(V )/ o M (n, K)/ e la stessa cosa.
Osservazione: come per SD-equivalenza, possiamo vedere la similitudine fra matrici in due modi diver-
si: date A, B M (n), con A B, possiamo vederle come endomorfismi coniugati oppure come matrici
associate alla stessa applicazione in basi diverse. Per capire questa seconda interpretazione consideriamo
il diagramma:
B
VS VS
M M 1
A
VB VB
Sia nello spazio di partenza che in quello di arrivo, per entrambe le applicazioni,
utilizziamo la stes-
sa base. Le matrici di cambio di base mB S (Id), m S
B (Id) GL(n, K) sono una linversa dellaltra.
Pertanto A e B sono matrici simili.
Lemma: A M (n, K), M GL(n) = det B = det A (il determinante e invariante per similitudine).
Dimostrazione: det B = det(M 1 AM ) = det M 1 det A det M = (det M )1 det M det A = det A.
def
Definizione: sia f End(V ), B base di V , definiamo det f = det mB (f )
Osserviamo che si tratta di una buona definizione, indipendente dalla scelta della base.
Infatti,
se B e B 0
sono due basi allora, per quanto detto sopra, mB (f ) mB0 (f ), quindi det mB (f ) = det mB0 (f ) =
= det f .
Osservazione: siano f, g End(V ). f g = det f = det g.

Dimostrazione: B base di V , mB (f ) mB (g) = det f = det mB (f ) = det mB (g) = det g.
Tuttavia {rk, det} non e un sistema completo di invarianti. Consideriamo infatti le matrici:

1 0 1 1
I= , A=
0 1 0 1
A 6 I, benche abbiano stesso rango e determinante, infatti la classe di equivalenza di I e:

[I] = M 1 IM | M GL(N ) = {I}
dunque e composta dalla sola matrice identita. Cerchiamo altri invarianti.

Definizione: f End(V ), K si dice autovalore per f se v V, v 6= 0 t. c. f (v) = v (v si dice

autovettore per f ).
Proprieta:

1. f span(v) span(v).
Se 6= 0 vale
luguaglianza (la retta viene mandata in se stessa), mentre se = 0 :
f span(v) = {0} span(v).
2. Lautovalore relativo ad un autovettore e univocamente determinato.

Infatti, se f (v) = v e f (v) = v = ( )v = 0. Ma v 6= 0 = = 0 = = .
3. 0 e autovalore = f non e iniettiva.

Infatti v V, v 6= 0 t. c. f (v) = 0 = Kerf 6= {0}.
Definizione: V (, f ) = {v V | f (v) = v}.

Osservazione: V (, f ) = Ker(f Id), infatti f (v) Id(v) = 0 = V (, f ) e uno spazio vettoriale.
V (, f ) e interessante se e un autovalore. In tal caso dimV (, f ) 1 ed e detto autospazio relativo a .
Proposizione: f, g End(V ), f g:
1. autovalore per f = autovalore per g;
2. autovalore per f e g = dimV (, f ) = dimV (, g).
Dimostrazione: h GL(V ) t. c. g =.
1. per
ipotesi
v V, v 6= 0 t. c. f (v)
= v.

g h1 (v) = (h1 f h) h1 (v) = h1 f (v) = h1 (v).
1

2. Abbiamo visto che v V (,
f ) = h (v) V (, g), ossia h1 V (, f ) V (, g).
1
Allo
stessomodo h V (, g) V (, f ) (poiche
f = h g h ). Allora:
h V (, g) V (, f ) h V (, g) = h V (, g) = V (, f ). Poiche h e un isomorfismo e
preserva le dimensioni: dimV (, f ) = dimV (, g).
Corollario: Autovalori e dimensione degli autospazi sono invarianti per coniugio.
Proposizione: siano f End(V ), B base di V , A = mB (f ), [ ]B : V Kn (isomorfismo indotto dalla

scelta della base). Allora:
1. autovalore per f = autovalore per A;

2. V (, f ) B = V (, A).
Dimostrazione:

1. autovalore per f v V, v 6= 0 t. c. f (v) = v f (v) B = v B A[v]B = [v]B

X Kn , X 6= 0 X = [v]B t. c. AX = X autovalore per A;

2. da quanto sopra: V (, f ) B = V (, A).
Calcolo di autovalori e autospazi per una matrice

Sia A M (n, K).
autovalore per A X Kn , X 6= 0 t. c. AX = X (A I)X = 0 det(A I) = 0
(Poiche tale sistema ha almeno una soluzione X Ker(A I) non nulla).
Definizione: sia A M (n, K). Si dice polinomio caratteristico di A: pA (t) = det(A tI).
Osservazione: autovalore per A pA () = 0. ( e radice del polinomio caratteristico).

Osservazione: degpA (t) = n = A ha al piu n autovalori distinti.
Richiamo: p(t) K[x], K t. c. p() = 0 = p(t) = (t )h q(t) per il teorema del resto, con
h > 0, q() 6= 0. h e detta molteplicita algebrica di .
Proposizione: siano A, B M (n, K). A B = pA (t) = pB (t).

Dimostrazione: B = M 1 AM = pB (t) = det(B tI) = det(M 1 AM tI) = det M 1 (A tI)M .
Applicando il teorema
di Binet:
pB (t) = det M 1 (A tI)M = det M 1 det M det(A tI) = det(A tI) = pA (t).
def
Definizione: f End(V ), sia B una base di V e A = mB (f ). Allora pf (t) = pA (t)
E una buona definizione: al cambiar della base A cambia per similitudine e il polinomio caratteristico e
invariante per similitudine.
Corollario: f g = pf (t) = pg (t) (il polinomio caratteristico e invariante per coniugio).
Finora abbiamo trovato i seguenti invarianti per similitudine:
1. rango;
2. determinante;
3. autovalori;
4. dimensione degli autospazi;
5. polinomio caratteristico.
Tale lista e ridondante, cioe alcuni di questi possono essere cancellati:
Osservazione: possiamo cancellare gli autovalori: se pA (t) = pB (t) = A e B hanno gli stessi autovalori
(gli autovalori sono le radici del polinomio caratteristico).
Osservazione: il determinante
non e necessario: det A = det(A 0 I)= pA (0), cioe il termine noto del
polinomio caratteristico. pA (t) = (1)n tn + (1)n1 trA + . . . + det A
Osservazione: cancelliamo il rango: rkA = dim(ImA) = n dim(KerA) = n dimV (0, A).
Mostriamo che gli invarianti trovati non sono sufficienti a descrivere completamente la relazione dequi-
valenza. Prima osserviamo:
Osservazione: siano A, B M (n, K). A B = p N Ap B p .

Dimostrazione: Q GL(n) t. c. B = Q1 AQ. Allora:
B p = (Q1 AQ) (Q1 AQ) . . . (Q1 AQ) = Q1 Ap Q.
Consideriamo ora le matrici:

0 1 0 1
0 0 1
A=

B =
0 1 0
0 0
Hanno stesso polinomio caratteristico e uguale dimensione degli autospazi ma non sono simili:
1. pA (t) = pB (t) = t4 , lunico autovalore e 0;
2. dim V (0, A) = dim(KerA) = 4 rkA = 2

dim V (0, B) = dim(KerB) = 4 rkB = 2.

A2 6 B 2 = A 6 B :
0 0 1
0 0
A2 = 0 B =
2

0
0
La lista non e un sistema completo di invarianti. Per tal motivo restringiamo la classe delle matrici
considerate.
Diagonalizzabilita
Osservazione: se e autovalore per f = n e autovalore per f n .
Definizione: sia autovalore per A. Chiameremo:

molteplicita algebrica di h() la sua molteplicita come radice di pA (t);
molteplicita geometrica di : dimV (, A)
Proposizione: autovalore di A: dimV (, A) h().

Dimostrazione: sia d = dimV (, A), {v1 , . . . , vd } una base di V (, A). La completiamo a base B di
Kn . Allora:
I 0
mB (A) =
0 C
pA (t) = ( t)d pC (t) = h() d, poiche pC (t) puo avere come radice.
Definizione: f End(V ) si dice diagonalizzabile se esiste B base di V tale che mB (f ) e diagonale (se
esiste una base di autovettori).
Definizione: A M (n, K) si dice diagonalizzabile se A e simile a una matrice diagonale.
Osservazione: siano f End(V ), B una base di V , A = mB (f ). f e diagonalizzabile A e diago-

nalizzabile.
Lemma:
sia
f End(V ), e siano 1 , . . . , k autovalori distinti e v1 , . . . , vk i relativi autovettori
vi V (i ) = v1 , . . . , vk sono linearmente indipendenti.
Dimostrazione: Per induzione su k:
k = 1: v1 6= 0 per definizione di autovettore = v1 e linearmente indipendente.
k 1 = k:
Verifichiamo che sono linearmente indipendenti:
c1 v1 + . . . + ck vk = 0 (1)
Moltiplichiamo (1) per k :
c1 k v1 + . . . +ck k vk = 0
Applichiamo f a (1):
c1 1 v1 + . . . +ck k vk = 0
Sottraiamo le due equazioni:
c1 (1 k )v1 + . . . +ck1 (k1 k )vk1 = 0.
Poiche v1 , . . . , vk1 sono linearmente indipendenti (per ipotesi induttiva) e i k 6= 0 i = 1, . . . , k 1
(per ipotesi che siano tutti autovalori distinti):

c1 (1 k ) = 0
c1 = 0

.. = ..
. .

ck1 (k1 k ) = 0 ck1 = 0
Allora, affinche (1) sia vera, si ha anche ck = 0.
Teorema: (di diagonalizzazione)

sia f End(V ), dimV = n, 1 , . . . , k tutti gli autovalori di f .
h(1 )+ . . . +h(k ) = n;
f e diagonalizzabile
i = 1, . . . , k dimV (i , f ) = h(i ).

Dimostrazione:
(=): per ipotesi esiste una base B di autovettori tale che:
1. la matrice associata e nella forma:

1 I d 1
..
mB (f ) = . = d1 + . . . +dk = n
k Idk
Il polinomio caratteristico e:
pf (t) = (1 t)d1 . . . (k t)dk = h(i ) = di = h(1 )+ . . . +h(k ) = n;
2. la base B contiene di autovettori linearmente indipendenti relativi a i = dimV (i , f ) di , ma

abbiamo dimostrato che: dimV (i , f ) h(i ) = di = dimV (i , f ) = h(i ).
(=): poniamo mi = h(i ) e prendiamo Bi = {vi1 , . . . , vi,mi } base di V (i ) formata da mi vettori.

Sia B = B1 . . . Bk . La cardinalita di B (cioe il numero di elementi che la compongono e):
#B = m1 + . . . +mk = h(1 )+ . . . +h(k ) = n.
Facciamo vedere che sono tutti vettori linearmente indipendenti e avremo dimostrato che esiste una base
di V in cui la matrice e diagonale.
Sia, a questo proposito, zi = ci1 vi1 + . . . +ci,mi vi,mi una combinazione lineare dei vettori di Bi . Facciamo
vedere che z1 + . . . +zk = 0 (una combinazione lineare dei vettori di B) zi = 0 i = 1, . . . , k. Cio e
evidente per il lemma precedentemente dimostrato, poiche zi e una autovettore relativo a i e 1 , . . . , k
sono autovalori distinti tra loro.
Allora zi = 0 = ci1 = . . . = ci,mi = 0 = B e una base di autovettori per V .

Osservazione: in C e sempre vera la prima ipotesi h(1 )+ . . . +h(k ) = n , poiche pf (t) puo essere
scomposto in fattori di primo grado, mentre in R no. Infatti consideriamo:

0 1
A= = pA (t) = t2 + 1
1 0
Il suo polinomio caratteristico non e scomponibile in R.
Definizione: sia V uno spazio vettoriale, V1 , . . . , Vn sottospazi vettoriali di V . Allora:

V = V1 . . . Vn v V unici vi Vi , i = 1, . . . , n tali che v = v1 + . . . +vn .
Proposizione: siano Bi base di Vi , i = 1, . . . , n. V = V1 . . . Vn B = B1 . . . Bn .
Conseguenza: f e diagonalizzabile V = V (1 , f ) . . . V (k , f ).
Osservazione: in ogni Vi lapplicazione e semplice: f | = i Id.

V (i )
Triangolabilita
Definizione: sia V uno spazio vettoriale tale che dimV = n. Si chiama bandiera per V una lista di
sottospazi V1 , . . . , Vn di V tale che:
1. V1 V2 . . . Vn ;
2. dimVi = i, i = 1, . . . , n.
Osservazione: ogni base di V induce una bandiera: sia B = {v1 , . . . , vn }. Allora:

V1 = span(v1 )
V2 = span(v1 , v2 )
..
.
Vn = span(v1 , . . . , vn )

Viceversa ogni bandiera e indotta da una base.
Definizione: sia f End(V

). Una bandiera di V e detta una bandiera per f se i = 1, . . . , n Vi e
f -invariante f (Vi ) Vi .
Definizione: B si dice base a bandiera per f se la bandiera indotta da B e una bandiera per f .
Osservazione: sia f End(V ), B una base di V . mB (f ) e triangolare B e a bandiera per f .
Definizione: una matrice quadrata e detta triangolabile se e simile a una triangolare.
Definizione: f End(V ) e detta triangolabile se esiste una base B di V tale che mB (f ) e triangolare.
Teorema: (di triangolabilita) siano f End(V ), con n = dimV, 1 , . . . , m K tutti i suoi autovalori.
Allora f e triangolabile h(1 )+ . . . +h(m ) = n (tutti i suoi autovalori sono nel campo).
Dimostrazione:
(=): presa B base di V a bandiera per f , consideriamo mB (f ); la matrice associata e triangolare quindi
tutti gli autovalori si trovano sulla diagonale. Allora il polinomio caratteristico e scomponibile in fattori
di primo grado:
pA (t) = (1 t)h(1 ) . . . (m t)h(m )

e h(1 )+ . . . +h(m ) = n (cioe la taglia della matrice).
(=): per induzione su n.
n = 1: tutte le matrici 1 1 sono triangolari.
n 1 = n: per ipotesi v1 autovettore per f (infatti esiste almeno un autovalore e di conseguenza
almeno un autovettore relativo ad esso).
Lo completiamo a base S = {v1 , w2 , . . . , wn } di V . Sia V1 = span(v1 ), W = span(w2 , . . . , wn ).

?
La matrice associata e nella forma: mS (f ) =
0 C
Poiche V = V1 W abbiamo due proiezioni:
pV1 : V V1
pW : V W
Sappiamo infatti che v V a V1 , b W t. c. v = a + b = pV1 (v) + pW (v) = pV1 + pW = Id.
Consideriamo allora lapplicazione: pW f | End(W ). La sua matrice associata e:
W

m{w2 ,..., wn } (pW f| ) = C

W
tale applicazione e un endomorfismo e dimW = n 1. Inoltre sappiamo che pA (t) = ( t) pC (t).

Poiche pA (t) ha tutte le radici nel campo, tale proprieta vale anche per i suoi fattori, in particolare per
pC (t).
Pertanto, poiche verifica le ipotesi del teorema (come si vede sopra), possiamo applicare lipotesi induttiva
a pW f | :
W
esiste quindi {z2 , . . . , zn } base di W a bandiera per pW f | . Mostriamo che {v1 , z2 , . . . , zn } e base di
W
V a bandiera per f , cioe i = 2, . . . , n, f (zi ) span(z2 , . . . , zi ):
Id
z }| {
f (zi ) = (pV1 + pW ) f (zi ) = pV1 f (zi ) + pW f (zi )

Ma pV1 f (zi ) span(v1 ), pW f (zi ) span(z2 , . . . , zi ) (perche {z2 , . . . , zi } e a bandiera per pW f | ),
W
quindi f (zi ) span(v1 , z2 , . . . , zi ).
Osservazione: se K = C tutti gli endomorfismi sono triangolabili (ma non necessariamente diagonaliz-
zabili).

Forme bilineari
Definizione: sia V uno spazio vettoriale tale che dimV = n. : V V K e detta applicazione
bilineare se:
1. x, y, z V (x + y, z) = (x, z) + (y, z), (x, y + z) = (x, y) + (x, z);
2. x, y V, K, (x, y) = (x, y) = (x, y).
Definizione: sia V uno spazio vettoriale. Chiameremo Bil(V ) linsieme delle applicazioni bilineari
f : V V K.
Definizione: sia V uno spazio vettoriale, Bil(V ), B = {v1 , . . . , vn } una base di V . La matrice
associata allapplicazione bilineare e nella forma:
def
mB () ij = (vi , vj )
t
Proposizione: se A = mB () = v, w V, (v, w) = [v]B A[w]B .
Dimostrazione:
b1

Xn Xn Xn Xn

(v, w) = a i vi , bj vj = ai bj (vi , vj ) = a1 , . . . , an A

..
| {z } .
i=1 j=1 i=1 j=1 bn
[A]ij
Osservazione: detta B una base di V , lapplicazione:

f : Bil(V ) M (n, K)
7 mB ()
e un isomorfismo.

Corollario: dim Bil(V ) = n2 .
Definizione: Bil(V ) si dice simmetrica (o prodotto scalare) se (v, w) = (w, v). Si dice antisim-
metrica se (v, w) = (w, v).
Osservazione: B base di V :
antisimmetrica mB () e simmetrica.
e antisimmetrica mB () e antisimmetrica.
m volte
z }| {
Definizione: sia K un campo, e sia m N il piu piccolo numero
tale che 1+ . . . +1 = m 1 = 0
naturale
(1 K). Diremo che m e la caratteristica del campo K char(K) = m . Se m N, m 1 6= 0 =
char(K) = 0.
Da ora in poi e sottinteso che char(K) 6= 2, cioe 21 K.
Osservazione: ogni forma bilineare e somma di una simmetrica e di una antisimmetrica.

Dimostrazione:
(u, v) + (v, u) (u, v) (v, u)
(u, v) = +
| 2
{z } | 2
{z }
simmetrica antisimmetrica
cioe Bil(V ) = BilS (V ) + BilA (V ) e lunica forma sia simmetrica che antisimmetrica e 0.

Forme bilineari
Forma quadratica
Definizione: unapplicazione q : V K si dice forma quadratica se Bil(V ) t. c. v V,
q(v) = (v, v).
Consideriamo lapplicazione:
: Bil(V ) Q(V )
7 q(v) = (v, v)
non e iniettiva, infatti se e antisimmetrica: v V, q(v) = (v, v) = (v, v) = q(v) = q(v) =
0, v V = q 0.
Proposizione: sia q una forma quadratica. ! Bil(V ) prodotto scalare che induce q.
Dimostrazione: q forma quadratica = b Bil(V ) t. c. v V, q(v) = b(v, v). v, w V , sia:
b(u, v) + b(v, u)
(u, v) =
2
Allora e bilineare simmetrica, quindi e un prodotto scalare. Inoltre induce q, poiche v V :
b(v, v) + b(v, v)
(v, v) = = b(v, v) = q(v)
2
Dimostriamo ora lunicita di facendo vedere che, data q, v, w V , il valore di (u, v) e univocamente
determinato. Se e un prodotto scalare che induce q:
q(u + v) q(u) q(v) = (u + v, u + v) (u, u) (v, v) = 2(u, v)
Allora data q abbiamo la seguente formula di polarizzazione:
q(u + v) q(u) q(v)

(u, v) =
2
E il valore di (u, v) e univocamente determinato.

Congruenza, forme isometriche
t
sia Bil(V ), B una base di V e A = mB (). Sappiamo che u, v V, (u, v) = [u]B A [v]B .
Sia ora S unaltra base di V e sia A0 = mS (). Se M e la matrice di cambio di base dalla base B alla
base S, u, v V :
t t t
(u, v) = [u]S A0 [v]S = [u]B tM A0 M [v]B = [u]B A [v]B .
t 0
Allora A = M A M .
Definizione: due matrici A, B M (n, K) si dicono congruenti (e si indica A B) se M GL(n, K)

tale che B = tM AM .
Definizione: , Bil(V
) si dicono
forme isometriche se h GL(V ) (detta isometria) tale che
v, w V, (v, w) = h(v), h(w)
Osservazione: sia B una base di V . , Bil(V ) sono forme isometriche mB () mB ().

Dimostrazione: siano A = mB (), B = mB (), M = mB (h). Allora v, w V :
t t
(v, w) = [v]B A [w]B = [v]B tM BM [w]B = h(v), h(w) = A = tM BM .
Possiamo vedere la relazione di equivalenza di congruenza (A B) in due modi diversi: o A e B sono

matrici associate alla stessa forma bilineare vista in basi diverse, o sono matrici associate nella stessa
base a forme isometriche.
Osservazione: il rango e un invariate per congruenza.

Infatti si moltiplica A con matrici invertibili per ottenere B.

Definizione: sia Bil(V ) e sia B una base di V . Definiamo rk = rk mB () .
Osservazione: rk non dipende dalla scelta della base (poiche la matrice associata cambia per con-
gruenza, di cui rango e invariante).
Osservazione: il determinante non e un invariante per congruenza.

Dimostrazione: siano A, B M (n) t. c. B = tM AM . Allora: det B = det(tM AM ) = (det M )2 det A.
Osservazione: Il segno del determinante e invariante.
Rango di unapplicazione bilineare

Proposizione: sia V uno spazio vettoriale tale che n = dimV , e sia unapplicazione bilineare. Sono
fatti equivalenti:
rk = n;
(u, v) = 0 v V = u = 0;
(u, v) = 0 u V = v = 0.
Dimostrazione: sia B una base di V , A = mB ():

1 = 2: Poiche rkA = rk = n, det A 6= 0. Allora v, w V X = [v]B , Y = [w]B :
(v, w) = tXAY = 0 Y Kn = tXA = 0 = tAX = 0
Poiche det tA = det A 6= 0 la soluzione del sistema e unica, cioe X = 0;

Congruenza, forme isometriche
2 = 1: se per assurdo rkA < n = det A = 0 = X Kn , X 6= 0 t. c. tAX = 0 = tXA.

Allora Y Kn tXAY = 0. Quindi v V, [v]B = X, tale che w V, (v, w) = 0;
le altre dimostrazioni sono identiche a quelle date.
Definizione: sia unapplicazione bilineare. si dice non degenere se vale 1, 2 o 3.

Prodotti Scalari
Definizione: sia un prodotto scalare su V . v, w V si dicono ortogonali se (v, w) = 0.
Definizione: sia V uno spazio vettoriale e sia S V un suo sottospazio. Chiameremo ortogonale di S:
S = {v V | (v, x) = 0 x S}
Osservazione: S e un sottospazio vettoriale di V .
Proposizione: sia V uno spazio vettoriale e sia S V un suo sottospazio. Allora:

1. S T = T S ;
2. S = (spanS) ;

3. S (S ) .
Dimostrazione:
1. per la definizione di ortogonale: v T , w T, (v, w) = 0. S T = s S,
(v, s) = 0 = v S , v T = T S ;
2. per 1: S span(S) = (spanS) S . Facciamo vedere che S (spanS) . Sappiamo che
x S , s S, (x, s) = 0. Allora, se I e un insieme di indici finito:
!
X X
x, a i si = (x, ai si ) = 0
| {z }
iI iI
0

3. per la definizione di ortogonale: (S ) = {v V | (v, x) = 0 x S }; poiche s S,

x S , (s, x) = 0 = S (S ) .
Definizione: sia V uno spazio vettoriale, chiameremo radicale di V :
Rad(V ) = V = {x V | (v, x) = 0 v V }
Osservazione: non degenere = V = {0}.

Osservazione: 0 = V = V .
Proposizione: siano V uno spazio vettoriale tale che dimV = n, un prodotto scalare. Allora
dimV = n rk.
Dimostrazione: sia B una base di V , e sia A = mB (). Dalla definizione: v V , w V, (v, w) = 0.
Siano X = [v]B , Y = [w]B . Allora (v, w) = tXAY = 0, Y Kn = tXA = 0 = tAX = 0 =
X KerA = dimKerA = n rkA = n rk.
Proposizione: siano V uno spazio vettoriale tale che n = dimV , W V un sottospazio vettorial di V ,
un prodotto scalare. Allora
1. dimW n dimW ;
2. non degenere = dimW = n dimW ;
3. | non degenere = V = W W .
W

Prodotti Scalari
Dimostrazione: sia m = dimW :

1. sia {w1 , . . . , wm } una base di W . La completiamo a base di V : S = {w1 , . . . , wm , vm+1 , . . . , vn }.
Sia A = mS ().
W = {v V | (v, w) = 0, w W } = {v V | (v, wi ) = 0, i = 1, . . . , m}
t
Poiche [wi ]S A [v]S = 0i = 1, . . . , n sia [v]S = X :

(1, 0, 0, . . . , 0)AX = 0
(i = 1)
..
.

(0, . . . , , 1, 0, . . . , 0)AX = 0 (i = m)
In forma matriciale: (Im |0)AX = 0.

dimW = dimKer (Im |0)A = n rk (Im |0)A n m;

poiche rk (Im |0)A min rk(Im |0), rkA m;

2. non degenere = A e invertibile = rk (Im |0)A = m = dim W = n m;
3. sia F = mS (| ). Allora det F 6= 0 e:
W
F G
H L

F G
Allora rk (Im |0)A = rk(Im |0) = rk(F |G) = m = dimW = n m =
H L
dimV = dimW + dimW = V = W + W .
Basta dimostrare che W W = {0}. Ma W W = Rad(| ) = {0} poiche | e non degenere.
W W
Allora V = W W
Definizione: sia Bil(V ) un prodotto scalare. v V si dice isotropo se (v, v) = 0 (e radice della
forma quadratica indotta da ).
Proposizione:
1. v V, (v, v) = 0 (ogni vettore di V e isotropo) = 0;

(v, w) (v, w)
2. v V non isotropo = w V, w v e ortogonale a v e detto coefficiente di Fourier ;
(v, v) (v, v)

3. v e non isotropo = V = span(v) span(v) .
Dimostrazione:

1. (v, v) = 0 v V = u, v V, (u, v) = 12 q(u + v) q(u) q(v) =
= 12 (u + v, u + v) (u, u) (v, v) = 0;

(v, w) (v, w)
2. w v, v = (w, v) (v, v) = 0;
(v, v) (v, v)
3. sappiamo che | non degenere = V = W W . Sia W = span(v); e non degenere, perche v

W

non e isotropo (la matrice di | e invertibile). Allora V = span(v) span(v) .
span(v)

Definizione: sia V, uno spazio vettoriale munito di un prodotto scalare. Una base B = {v1 , . . . , vn }
di V si dice ortogonale se (vi , vj ) = 0 i 6= j.
Osservazione:
B e una
base
ortogonale mB () e diagonale.
basta ricordare che mB () ij = (vi , vj ) .
Teorema: Bil(V ) prodotto scalare = B base di V ortogonale per .

Dimostrazione: diamo due dimostrazioni del teorema:

Prodotti Scalari
1. se v V, (v, v) = 0 = 0 e ogni base e ortogonale.

Supponiamo quindi che sia non degenere e diamo una dimostrazione per induzione su n = dimV :

6= 0 = v1 6= 0 non isotropo = V = span(v1 ) span(v1 ) .
n = 1: ogni matrice 1 1 e diagonale, {v1 } e la base cercata;

n 1 = n: per ipotesi induttiva {v2 , . . . , vn } base di span(v1 ) ortogonale per | (e
W
uno spazio di dimensione n 1) = {v1 , . . . , vn } e una base di V ortogonale per .
2. Algoritmo di Lagrange:
Sia B = {v1 , . . . , vn } una base di V , A = mB (). Supponiamo che sia non degenere (non
e restrittivo, visto che nel caso di 0 ogni base e ortogonale). Mostriamo 3 operazioni che
permettono di ortogonalizzare la base B:
Trasformazione di base: se (v1 , v1 ) = [A]11 6= 0 (v1 non isotropo) allora definiamo:

v10 = v1
v20 = v2 (v2 , v1 )
(v1 , v1 ) v1
..
.
vn0 = vn (v n , v1 )
(v1 , v1 ) v1
Sono una base di V . Dimostriamolo ricordando che sono indipendenti se le loro coordinate
rispetto alla base B lo sono. Per questo scriviamo i vettori in matrice (ogni colonna sono le
coordinate del vettore rispetto alla base):

1 c1 . . . cn
0 1 0

.. .. . . ..
. . . .
0 0 0 1
(vi , v1 )
dove ci = (v1 , v1 )
Come si vede, la matrice e triangolare superiore e invertibile, quindi i vettori v10 , . . . , vn0 sono
una base di V .
Inoltre, per il procedimento con cui sono stati ottenuti v20 , . . . , vn0 sono ortogonali a v10 .
Si itera il procedimento se v20 e non isotropo.
Trasformazioni ausiliarie: avvengono nel caso in cui [A]11 = 0 (v1 e isotropo):
(a) se i t. c. [A]ii 6= 0 (vi e non isotropo) = si permuta la base in modo che vi occupi il
primo posto;
(b) se i = 1, . . . , n [A]ii = 0 = poiche A 6= 0 (dato che 6 0) i, j t. c. [A]ij 6= 0.
Mostriamo che vi + vj non e isotropo:
(vi + vj , vi + vj ) = (vi , vi ) + (vj , vj ) +2 (vi , vj ) 6= 0

| {z } | {z } | {z }
0 0 [A]ij
Scegliamo una base in cui vi + vj e il primo vettore e ripartiamo.
Corollario: ogni matrice simmetrica e congruente a una diagonale.
Osservazione: se {v1 , . . . , vn } e una base di V ortogonale per (prodotto scalare non degenere), sap-
piamo che:
v V, v = 1 v1 + . . . + n vn
Consideriamo il prodotto scalare di v con un vettore vi della base:

Xn n
X
(v, vi ) = j vj , vi = j (vj , vi ) = i (vi , vi )
j=1 j=1
Allora:
(v, vi )
i =
(vi , vi )

Prodotti Scalari
cioe il coefficiente di Fourier relativo al vettore vi .
Teorema: (di Sylvester complesso) sia V uno spazio vettoriale su campo C (osu un campo algebrica-
Ir 0
mente chiuso) tale che dimV = n. Allora esiste B base di V tale che: mB () = con r = rk.
0 0
Dimostrazione: sappiamo che S = {v1 , . . . , vn } base ortogonale di V in cui la matrice associata e dia-
gonale. A meno di riordinare la base possiamo supporre che (vi , vi ) 6= 0 se i = 1, . . . , r e (vi , vi ) = 0
se i = r + 1, . . . , n.
Sia:
vi
vi0 = p i = 1, . . . , r
(vi , vi )
e ben definito: infatti essendo su C possiamo sempre fare la radice quadrata di un numero.
Allora B = {v10 , . . . , vr0 , vr+1 , . . . , vn } e la base cercata.
Corollario: il rango e un sistema di invarianti completo per congruenza se K = C.
Teorema: (di Sylvester reale) sia V un R-spazio vettoriale, n = dimV , rk = r = B base di V ed

p N indipendente dalla scelta della base tale che:

Ip
mB () = Irp
0
E si chiamano:
p = i+ : indice di positivita di ;
r p = i : indice di negativita di ;
n r = i0 : indice di nullita di ;
Dimostrazione: sappiamo che esiste una base S = {v1 , . . . , vn } di V ortogonale per tale che mS ()
e diagonale. Costruiamo ora la base B tale che mB () e del tipo voluto: i = 1, . . . , r
vi
(vi , vi ) > 0 = vi0 = p
(vi , vi )
vi
(vi , vi ) < 0 = vi0 = p
(vi , vi )
Allora la base B = {v10 , . . . , vr0 , vr+1 , . . . , vn } e del tipo cercato.
Dimostriamo ora che p non dipende dalla scelta della base. Sia p la massima dimensione di un sottospazio
vettoriale W di V tale che | sia definito positivo. Evidentemente p non dipende dalla scelta della
W
base; per tale motivo proviamo che p = p . Presa B = {v1 , . . . , vn } una base ortogonale in cui la matrice
e nella forma cercata:
sia W = span(v1 , . . . , vp ) = | e definito positivo e dimW = p = p p ;
W
sia ora Z un sottospazio vettoriale di V tale che dimZ = p e | e definito positivo. Sia
Z
W = span(vp+1 , . . . , vn ). Mostriamo che W Z = {0}:
supponiamo per assurdo che v W Z, v 6= 0 = v = p+1 vp+1 + . . . +n vn . Allora:

Xn n
X n
X r
X
(v, v) = i vi , j vj = i2 (vi , vi ) = i2 (vi , vi ) < 0
i=p+1 j=p+1 i=p+1 i=p+1
Ma sappiamo che, per la definizione di Z: (v, v) > 0. Assurdo, quindi W Z = {0}.

Quindi W Z V = dim(W Z) = dimW + dimZ = n p + p n = dimV = p p .
Allora p = p e non dipende dalla scelta della base.
Corollario: la segnatura, ovvero (i+ , i , i0 ), e un sistema di invarianti completo per congruenza se

K = R.

Prodotti Scalari
Osservazione: sia un prodotto scalare su V tale che rk = n = dimV . e definito positivo

i+ () = n (in particolare e non degenere: i0 = 0).
n t
Definizione:
sia A M (n, R) simmetrica.
A e definita positiva X R , X 6= 0, XAX > 0
t
ossia (X, Y ) = XAY e definito positivo .
Osservazione: A M (n, R) simmetrica e definita positiva M GL(n, R) t. c. A = tM M

(infatti A, definita positiva, e congruente allidentita).
Definizione: si chiamano minori principali di A M (n, R) le sottomatrici quadrate A1 , . . . , An di A,

dove Ai e formata dalle prime i righe e i colonne di A. Chiameremo inoltre Di = det Ai .
Proposizione: A M (n, R) simmetrica e definita positiva i = 1, . . . , n Di > 0.

Dimostrazione:
(=): A definita positiva A tM M, M invertibile = det A = Dn = (det M )2 > 0.
Sia ora un prodotto scalare e B = {v1 , . . . , vn } una base di V tale che A = mB (), W = span(v1 , . . . , vi )
e S = {v1 , . . . , vi }. Sappiamo che Ai = mS (| ).
W
Poiche | e ancora definito positivo, Di > 0 (come visto sopra).
W
(=): lo dimostriamo come corollario al seguente:
Teorema: (di Jacobi ) sia A M (n, R) simmetrica. Supponiamo che Di 6= 0 i = 1, . . . , r e che

Di = 0 i = r + 1, . . . , n = B base ortogonale di Rn rispetto alla quale la matrice associata al
prodotto scalare A e diagonale. Gli elementi sulla diagonale principale sono:

D1 se i = 1
Di
[A]ii = se i = 2, . . . , r
Di1
0 se i = r + 1, . . . , n
Corollario: se i = 1, . . . , n Di > 0 = A e definita positiva.
Prodotti scalari definiti positivi

Definizione: sia V uno R-spazio vettoriale munito di un prodotto scalare ; si dice che (V, ) e uno
spazio euclideo se e definito positivo.
def p
Osservazione: induce una norma: k k : V R; v V, kvk = (v, v).
Proprieta:
1. v V {0}, kvk > 0;
2. v V, R, kvk = ||kvk;
3. v, w V, |(v, w)| kvk kwk;
4. v, w V, kv + wk kvk + kwk (disuguaglianza triangolare).
Osservazione: dalla proprieta 3 ricaviamo la definizione di angolo tra due vettori v, w V :
(v, w)
cos =
kvk kwk
def
Osservazione: induce una distanza: d : V V R; v, w V, d(v, w) = kv wk.
Proprieta:
1. v, w V, d(v, w) 0;
2. d(v, w) = 0 v = w;
3. v, w V, d(v, w) = d(w, v);
4. v, w, z V, d(v, w) d(v, z) + d(z, w).

Prodotti Scalari
Proprieta degli spazi euclidei

Sia (V, ) uno spazio euclideo tale che dimV = n. W V sottospazio vettoriale di dimW = k, | e
W
definito positivo = | e non degenere = V = W W (dimW = n k).
W
Siano {v1 , . . . , vk } e {vk+1 , . . . , vn } basi ortogonali rispettivamente di W e W = {v1 , . . . , vk , vk+1 , . . . , vn }
e una base ortogonale di V . Allora v V :
(v, v1 ) (v, vk ) (v, vk+1 ) (v, vn )
v= v1 + . . . + vk + vk+1 + . . . + vn
(v1 , v1 ) (vk , vk ) (vk+1 , vk+1 ) (vn , vn )
| {z } | {z }
pW (v) pW (v)
dove pW (v) e pW (v) sono le proiezioni (ortogonali) di V su W e W .
Definizione: una base B = {v1 , . . . , vn } di V si dice ortonormale se e ortogonale e (vi , vi ) = 1

i = 1, . . . , n.
Osservazione: ogni spazio euclideo ha una base ortonormale.
Teorema: (di Gram-Schmidt) sia (V, ) uno spazio euclideo tale che dimV = n. Se B = {v1 , . . . , vn }
una base qualsiasi di V = B 0 = {v10 , . . . , vn0 } base ortonormale di V tale che i = 1, . . . , n
span(v10 , . . . , vi0 ) = span(v1 , . . . , vi ) (conserva la bandiera indotta da B).
Dimostrazione: diamo la dimostrazione utilizzando il processo di ortonormalizzazione di Gram-Schmidt:
v10 = v1 (certamente e non isotropo);

(v , v 0 )
v20 = v2 (v20 , v10 ) v10
1 1
..
.
(v , v 0 ) (v , v 0 )
vn0 = vn (vn0 , v01) v10 . . . (v0 n , n1
v0
0
) vn1
1 1 n1 n1
Si tratta in realta di un caso particolare dellalgoritmo di Lagrange per un prodotto scalare non de-
genere. In questo caso, poiche non ci sono vettori isotropi, e possibile rendere un vettore ortogonale a
tutti i vettori a lui precenti (senza utilizzare trasformazioni ausiliarie), secondo la formula:
i1
X (vi , vj0 ) 0
vi0 = vi v
j=1
(vj0 , vj0 ) j
Mostriamo ora che la base B 0 , ottenuta come sopra, preserva la bandiera indotta da B. Per la costruzione
che abbiamo fatto, i = 1, . . . , n span(v10 , . . . , vi0 ) span(v1 , . . . , vi ), infatti v10 , . . . , vi0 sono una com-
binazione lineare di v1 , . . . , vi (quindi appartengono allo stesso spazio); non solo, ma i due spazi hanno
la stessa dimensione. Infatti v10 , . . . , vi0 sono linearmente indipendenti (basta metterli in matrice, come
abbiamo fatto per lalgoritmo di Lagrange, per accorgersene). Quindi la bandiera indotta dalla base
ortonormale B0 e la stessa di quella indotta da B.
Definizione: A M (n, R) si dice ortogonale se tAA = I.

Osservazione: tA e anche inversa a destra di A.
Dimostrazione: tAA = I = AtAA = AI = IA = AtA = I.
Osservazioni:
A e ortogonale = A e invertibile: (det A)2 = 1 = det A = 1;
A e ortogonale le righe e le colonne di A formano una base ortonormale di Rn :
t 1
A
.. 1
t
AA = . A . . . An = I
t n
A

0 se i 6= j
Quindi (Ai , Aj ) = tAi Aj = , quindi {A1 , . . . , An } e una base ortonormale di Rn ;
1 se i = j

Prodotti Scalari

detto O(n) = {A M (n, R) | tAA = I}, O(n), e un gruppo detto gruppo ortogonale ( e il
prodotto fra matrici):
t
1. O(n) e chiuso per : A, B O(n), AB O(n); infatti (AB)AB = tB tAAB = tBB = I;
2. esistenza dellinverso: A O(n), tA = A1 . Inoltre A O(n), tA O(n): infatti AtA = I;
3. esistenza dellelemento neutro: I O(n), infatti tI I = tI = I. A O(n), AI = IA = A;
4. proprieta associativa: vale perche vale per tutte le matrici.
O(n) GL(n, R).
Proposizione: sia (V, ) uno spazio euclideo tale che dimV = n, B = {e1 , . . . , en } una base ortonormale

0
di V per , B 0 = {v1 , . . . , vn } unaltra base di V . Detta M la matrice di cambio di base M = mB B (Id) ,
allora: B 0 ortonormale M O(n).
0
Dimostrazione: M = mB i
B (Id) = M = Id(vi ) B = [vi ]B .
Il prodotto scalare di due vettori di B 0 rispetto a B e:
t t t
(vi , vj ) = [vi ]B I [vj ]B = [vi ]B [vj ]B = (M i ) M j = (tM )i M j = [tM M ]ij
Allora:
0 se i 6= j
(vi , vj ) = tM M = I.
1 se i = j
Teorema: siano A M (n, R) avente tutti gli autovalori reali, il prodotto scalare ordinario di Rn
(definito positivo), C la base canonica di Rn tale che A = mC (A). Allora P O(n) t. c. P 1 AP =
= tP AP e di forma triangolare.
Dimostrazione: A : Rn Rn ha tutti gli autovalori reali = A e triangolabile = B base di Rn
a bandiera per A.
Applicando il teorema di Gram-Schmidt: S base di Rn ortonormale per che induce la stessa bandiera
di B = S e una base a bandiera per A, cioe mS (A) e triangolare.
Se P = mCS (Id) e la matrice di cambio di base dalla base C alla base S, allora, poiche entrambe sono
ortonormali: P 1 AP e triangolare e P O(n).
A e simile e congruente a una matrice triangolare.
Definizione: sia(V, ) uno

spazio euclideo. f End(V ) si dice applicazione simmetrica o autoaggiunta
se: v, w V, f (v), w =.
Osservazione: siano (V, ) uno spazio euclideo, B una base di V ortonormale per , A = mB (f ).
Allora: f e simmetrica A e simmetrica.
Dimostrazione:
tse f e simmetrica, v, w V :
f (v), w = [v]B tAI [w]B
q t
v, f (w) = [v]B IA [w]B
Allora:
t t
f simmetrica v, w V, [v]B tA [w]B = [v]B A [w]B A = tA.

Teorema Spettrale e prodotti
Hermitiani
Lemma: sia A M (n, R) simmetrica. Allora tutti gli autovalori di A sono reali.
Dimostrazione: A : Rn Rn . Poiche ogni vettore reale e anche complesso, pensiamo A : Cn Cn .
Sia un autovalore di A. In generale C; dimostriamo che R. Per far questo, ricordando la
definizione di autovalore:
C autovalore di A X Cn , X 6= 0 t. c. AX = X.
Coniugando tutto:
AX = X = AX = X (poiche A e una matrice reale: A = A)
Consideriamo allora:
t
XAX = tXX
q
t t t t
X AX = (AX)X = (X)X = tXX
Allora ( ) tXX = 0. Ma tXX 6= 0, poiche se:
X = (x1 , . . . , xn ) = tXX = x1 x1 + . . . +xn xn = |x1 |2 + . . . +|xn |2
Poiche X 6= 0 almeno una delle sue componenti e diversa da 0. Allora tXX 6= 0 e, poiche R e un campo
e non ci sono divisori di zero: = 0 = = = R. Allora tutti gli autovalori di A sono reali.
Teorema spettrale: sia (V, ) uno spazio euclideo, f End(V ) simmettrica. Allora esiste una base
ortonormale di V di autovettori per f .
Dimostrazione: diamo due diverse dimostrazioni:
1. sia S una base ortonormale di V , e sia A = mS (f ) = A e simmetrica = A ha tutti gli

autovalori reali = P O(n) t. c. tP AP = P 1 AP = T triangolare.
t
A e simmetrica = T e simmetrica. Infatti tT = (tP AP ) = tP tAP = tP AP = T = T e
diagonale.
Se B e la base tale che P = mSB (Id) (la matrice associata al cambio di base fra S e B) =
= P 1 AP = mB (f ) = B e una base di autovettori.
P O(n) = B e ortonormale (la matrice di cambio di base e ortogonale se le basi in partenza e
in arrivo sono ortonormali).
2. per induzione su n = dimV .
n = 1: tutti i vettori sono autovettori, per ottenere una base ortonormale si divide il vettore
di base per la sua norma.
n 1 = n: sia S una base ortonormale di V , e sia A = mS (f ).
A e simmetrica = autovalore reale di A = v1 V, v1 6= 0, autovettore per f relativo
a (non e restrittivo supporre kv1 k = 1).
Siamo in uno spazio euclideo, non ci sono vettori isotropi (eccetto 0), e non degenere. Allora:

V = span(v1 ) span(v1 ) .

W = span(v1 ) e un sottospazio vettoriale di V di dimensione n 1, | e definito positivo
W

= span(v1 ) con la restrizione del prodotto scalare e uno spazio euclideo.

Proviamo che f | e un endomorfismo, cioe che f span(v1 ) span(v1 ) :
W
?
w span(v1 ) = f (w) span(v1 ) (facciamo vedere che f (w) v1 ):

Teorema Spettrale e prodotti Hermitiani

f (w), v1 = w, f (v1 ) = (w, v1 ) = 0 = f End span(v1 )

Poiche e verificata lipotesi induttiva per span(v1 ) : {v2 , . . . , vn } base ortonormale di

span(v1 ) di autovettori per f | = B = {v1 , . . . , vn } e, per la scelta fatta, ortonormale
W
per V e di autovettori per f .
Osservazione: siano f End(V ) simmetrica, , K autovalori per f tali che 6= . Allora

v V (), w V (), (v, w) = 0.
Dimostrazione:
(v, w) = (v, w) = f (v), w = v, f (w) = (v, w) = (v, w) = ()(v, w) = 0.
Poiche siamo in un campo, non ci sono divisori di zero e 6= :
(v, w) = 0.
Corollario: sia A M (n, R) simmetrica, P O(n) t. c. tP AP = P 1 AP = D diagonale. Allora D

e la forma canonica di A rispetto alle relazioni dequivalenza similitudine e congruenza.
Corollario: sia A M (n, R) simmetrica:

i+ (A) = numero di autovalori positivi di A;
i (A) = numero di autovalori negativi di A;
i0 (A) = molteplicita di 0 come autovalore di A;
Osservazione: A e definita positiva tutti gli autovalori sono positivi.
Teorema: (di ortogonalizzazione simultanea) sia (V, ) uno spazio euclideo, sia un prodotto scalare
su V . Allora esiste una base B di V ortonormale per e ortogonale per .
Dimostrazione: siano S una base ortonormale di V per , A = mS () = A e simmetrica.
Sia g End(V ) tale che mS (g) = A = g e simmetrica = (teorema spettrale) B base di V ortonor-
male per e di autovettori per g mB (g) = D diagonale
.
Se M e la matrice di cambio di base tra S e B M = mSB (Id) = M 1 AM = D
Ma S e B sono ortonormali = M O(n) = M 1 = tM , cioe: mB () = tM AM = D = B e
ortogonale per .
Definizione: sia (V, ) uno spazio euclideo, f End(V ) si dice applicazione ortogonale o isometria
f O(V, ) se:

x, y V, f (x), f (y) = (x, y)
.
Osservazione: f End(V ) e ortogonale = f e un isomorfismo.
Dimostrazione:
f End(V ) = f e lineare;

f e iniettiva: se x Kerf, x 6= 0, 0 = f (x), f (x) = (x, x) = kxk2 . Assurdo: lunico vettore
con norma nulla e 0;
f e surgettiva: dimV = dim(Kerf ) + dim(Imf ) = dim(Imf ), Imf V = Imf = V .
Osservazione: sono fatti equivalenti:
1. f e ortogonale;
2. f preserva la norma;

3. se B = {v1 , . . . , vn } e una base ortonormale di V = f (v1 ), . . . , f (vn ) e una base ortonormale
di V .
Dimostrazione:
2
1 = 2: v V, f (v) = f (v), f (v) = (v, v) = kvk2 .

2 = 1: usando la formula di polarizzazione. x, y V :

2 2 2
f (x + y) f (x) f (y) kx + yk2 kxk2 kyk2
f (x), f (y) = = = (x, y)
2 2
1 = 3: la trasformazione
in base e ovvia, visto che f e un isomorfismo. Poiche f preserva la
norma: f (vi ) = 1 i = 1, . . . , n. Inoltre, poiche f preserva il prodotto scalare:

f (vi ), f (vj ) = (vi , vj ) = 0 = f (vi ) f (vj ).
3 = 1 siano x = a1 v1 + . . . + an vn e y = b1 v1 + . . . + bn vn .
n n n
X X X
f (x), f (y) = ai bj (vi , vj ) = ai bi = (x, y)
i=1 j=1 i=1
Osservazione: siano f End(V ), B una base ortonormale

di V . f e ortogonale
mB (f ) O(n).
Dimostrazione: Poiche B e ortonormale, x, y V A = matassocbf :
t
f (x), f (y) = [x]B tAA[y]B
q
t
(x, y) = [x]B [y]B

Allora f (x), f (y) = (x, y) tAA = I (A matrice ortogonale).

Proposizione: O(V, ), e un gruppo ( e la composizione di funzioni).
Dimostrazione:
f, g O(V, ), g f O(V, ): f g e lineare. Facciamo vedere che preserva il prodotto scalare:

v, w V g f (v) , g f (w) = f (v), f (w) = (v, w);
esiste lelemento neutro: Id O(V, );
esiste linverso in O(V, ): f O(V, ) = f GL(V ) = f 1 . Dimostriamo che

f 1 O(V, ):
v, w V, x, y V t. c. v = f (x), w = f (y) = (v, w) = f (x), f (y) = (x, y). Allora:

f 1 (v), f 1 (w) = (f 1 f )(x), f (f 1 f )(y) = (x, y) = (v, w);
vale la proprieta associativa per tutte le funzioni, in particolare per O(V, ).
Osservazione: sia (V, ) uno spazio euclideo tale che n = dimV . O(n) rappresenta O(V, ) in Rn
munito del prodotto scalare standard.
Prodotti Hermitiani
Definizione: sia V un C-spazio vettoriale, e sia h : V V C. h e un prodotto Hermitiano se:
1. x, y, z V, h(x + y, z) = h(x, z) + h(y, z);
2. x, y, z V, h(x, y + z) = h(x, y) + h(x, z);
3. x, y V, C, h(x, y) = h(x, y);
4. x, y V, h(x, y) = h(y, x);
5. x, y V, C, h(x, y) = h(x, y);
grazie alla proprieta 4 e possibile replicare quanto fatto per i prodotti scalari. Infatti v V, h(v, v) =
h(v, v) ed e quindi un numero reale.
Definizione: h e un prodotto hermitiano definito positivo se h(v, v) > 0, v V, v 6= 0.

t
Osservazione: sia B una base di V , h un prodotto hermitiano e sia H = mB (h). H = H [H]ij = [H]ji
t
Osservazione: sia h un prodotto hermitiano, H = mB (h). Allora v, w V, h(v, w) = [v]B H [w]B .
t
Definizione: U M (n, C) e detta unitaria (analogo della matrice ortogonale) se U U = I.
Chiamiamo spazi hermitiani lanalogo degli spazi euclidei. E da notare come, date le definizioni precedenti,
valgano tutti i risultati ottenuti nel caso di questi ultimi.

Lingua

Dispense Corso

Caricato da

Informazioni sul documento

Descrizione:

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Descrizione:

Copyright:

Formati disponibili

Dispense Corso

Caricato da

Descrizione:

Copyright:

Formati disponibili

Geometria I

appunti (non rivisti dai professori) delle lezioni

Ateneo Studenti Fisica

Applicazioni Lineari, Sistemi Lineari 7

Dimensione e base di uno spazio vettoriale 12

Rango di unapplicazione lineare 16

Congruenza, forme isometriche 38

Teorema Spettrale e prodotti Hermitiani 47

Ateneo Studenti Fisica 1

1. Esistenza dellelemento neutro (detto 0) per la somma;

3. Proprieta associativa per la somma;

6. Proprieta associativa per il prodotto;

2 Ateneo Studenti Fisica

1) Sia K un campo, chiamiamo Kn = {(x1 , x2 , . . . , xn ) | xi K i = 1, . . . , n}.

2) Sia K un campo, e sia

Verifichiamo che non vale lesistenza dellinverso per il prodotto:

Ateneo Studenti Fisica 3

Si verifica che e uno spazio vettoriale.

4) Sia K un campo. Definiamo:

Una Matrice e nella forma:

Sia A M (p, q, K):

0 e la matrice nulla ([0]ij = 0 i, j)

(M (p, q, K), +, , K) e uno spazio vettoriale:

(M (p, q, K), +) e un gruppo abeliano:

con metodi analoghi si verificano le altre proprieta.

4 Ateneo Studenti Fisica

tale insieme e il piu piccolo sottospazio di V contenente v1 , . . . , vn :

(a1 v1 + . . . + an vn ) + (b1 v1 + . . . + bn vn ) = (a1 + b1 )v1 + . . . + (an + bn )vn

lo stesso per il prodotto per scalare;

Ateneo Studenti Fisica 5

Facciamo vedere che e il sottospazio che cercavamo:

Definizione: se U W = {0}, allora U + W si denota U W e si dice che i due sottospazi sono in

Proposizione: in U W ogni vettore si scrive in modo unico come: u + w, u U, w W .

Definizione: se U e sottospazio vett. di V , un sottospazio W di V si dice supplementare di U se

6 Ateneo Studenti Fisica

Siano V, W K-spazi vettoriali, e sia f : V W unapplicazione. Si dice che f e unapplicazione lineare

Sia A M (p, n, K) e sia LA : Kn Kp

A = g(e1 ) . . . g(en ) . Allora g = LA .

Nucleo e Immagine di unapplicazione lineare, Sistemi Lineari

Ateneo Studenti Fisica 7

Osservazione: f e surgettiva Imf = W

Risoluzione di sistemi lineari

Definizione: (y1 , . . . , yn ) Kn e una soluzione di un sistema lineare se e soluzione di tutte le equazioni

8 Ateneo Studenti Fisica

Osservazione: : Eseguendo su un sistema lineare le seguenti operazioni elementari si ottiene un sistema

1. scambiare due equazioni (lordine non conta);

Possiamo vedere un sistema lineare anche nella forma:

dove la matrice appartiene a M (p, n, K) ed e detta matrice dei coefficienti.

Osservazione: AX = B e risolubile Y Kn t. c. AY = B B ImLA .

1. scambiare due righe;

Ateneo Studenti Fisica 9

2. Ogni sistema AX = B e equivalente ad un sistema a scalini (cioe ad A1 X = B1 con (A1 |B1 ) a

Osservazione: se AX = B e un sistema equivalente a SX = T , dove (S | T ) e a scalini:

il sistema e risolubile numero di pivots di S = numero di pivots di (S | T );

se e risolubile, ricavo r variabili in funzione di n r parametri.

con f (X) = AX e g(X) = BX, dove A M (p, n, K), B M (q, p, K).

Anche (g f ) deve essere indotta da una matrice: C M (q, n) t. c. (g f )(X) = CX X Kn .

Dunque se B A M (q, n) allora:

Si verifica che, nei casi in cui il prodotto ha senso:

Ip A = AIq = A, A M (p, q), In M (n, n) t. c. [In ]ii = 1, [In ]ji = 0 j 6= i