Sei sulla pagina 1di 3

Elenco teoremi ed argomenti di teoria di Geometria ed algebra

lineare
Elenco di domande ispirate a quelle chieste agli appelli precedenti:

! Spazio vettoriale:
o Definizione di dimensione di spazio vettoriale:

Sia V uno spazio vettoriale finitamente generato, dimensione di V è il numero di
vettori che forma una qualsiasi base di V. Se V = {0}, allora ha dimensione 0.
o Dare la definizione di sottospazio generato da k vettori di R n:

Il sottospazio generato da k vettori è l’insieme di tutte le combinazioni lineari di
quei vettori.
o Esempi di sottospazi e non sottospazi:

Z non è un sottospazio (se si
Insieme vuoto non è un sottospazio. L’insieme
moltiplica n ∈ Z per un numero reale ∉ Z, allora otteniamo un numero ∉ Z).
Le combinazioni lineari di vettori generano uno sottospazio.
o Definizione di insieme di vettori linearmente indipendenti:

Un insieme di vettori è linearmente indipendente quando, preso ogni vettore, non
è possibile ottenere quel vettore mediante combinazioni lineari degli altri vettori
di quel insieme.
o Definizione di base di uno spazio vettoriale:

Un insieme ordinato di vettori si dice base di V se è un sistema di generatori
linearmente indipendenti, quindi ogni vettore ∈ V si scrive in modo unico come
combinazione lineare degli elementi della base.
o Dare la definizione di un insieme di generatori di uno spazio vettoriale:

Un insieme di generatori di V è un insieme di vettori mediante le combinazioni
V. Se i vettori dell’insieme di
lineari dei quali è possibile ottenere ogni vettore di
generatori sono anche linearmente indipendenti, allora sono anche una base di V.
! Matrici e rango:
o Teorema di Rouchè – Capelli:

Dato un sistema lineare di n incognite di matrice completa (A  |  b) tale sistema è
compatibile se e solo se il rango di A è uguale al rango di (A  | b). In tal caso, il
sistema ha un’unica soluzione se rg(A) = n, oppure infinite soluzioni dipendenti
da n − rg(A) variabili libere se rg(A) < n.
o Definizione di rango di una matrice:

Il rango di una matrice è il numero di pivot che la matrice presenta nella sua
forma a scalini.
Cos’è la matrice di transizione da una base ad un’altra?

Una matrice di transizione, ad esempio la matrice MBB′,  è una matrice che ha sulle
colonne le componenti dei vettori della base B rispetto alla base B′. Questa permette di
trovare le coordinate dei vettori sulla base B′ se sono noti le componenti sulla base B.
! Determinante:
Teorema di Cramer:

Dato un sistema lineare quadrato n con incognite (x1, …,  xn), matrice dei coefficienti A e
colonna dei termini noti b, tale che d et A ≠ 0, allora il sistema ammette un’unica soluzione.
Indicando con Aj (b) la matrice che si ottiene sostituendo alla colonna j della matrice A la
colonna dei termini noti, tale soluzione è data da 

d et A1(b) d et An(b)
x1 = ,  …,   xn =
d et A d et A
Appunti Slava - Pag. 1 di 3
o Come cambia il determinante facendo somma o prodotto tra due matrici?

Prodotto: det A B = det A ⋅ detB (teorema di Binet)

Non esiste alcuna regola generale per il determinante della somma di matrici.
o Il legame tra determinante di una matrice quadrata ed il suo rango:

Se una matrice ha determinante zero allora la matrice non ha rango massimo.
! Nullità più rango, suriettività, iniettività:
o Dare esempio di endomorfismi suriettivi e iniettivi (e non):

Suriettiva ed iniettiva: T (x,  y,  z) = (2y, 3x,  4z) 

Suriettiva non iniettiva: Impossibile in un endomorfismo

Non suriettiva e iniettiva: Impossibile in un endomorfismo

Non suriettiva non iniettiva: T (x,  y,  z) = (0, 0, 2y)
Cos’è il nucleo di una funzione lineare?

N ( f ) = {v ∈ V  | f (v) = 0}

o Ovvero è l’insieme dei vettori che vengono mandati da f nel vettore nullo.
o Cos’è l’immagine di una funzione lineare

L’insieme dei vettori che sono immagini di vettori del dominio via f (in altre
parole, tutti i vettori che si riescono ad ottenere applicando f a tutti i valori del
dominio).
Cos’è il teorema della nullità più rango?

Data una funzione f :  V → V ′, il teorema della nullità più rango afferma che:

di m di m (V )  = di m di m (Ker ( f ))  + di m(Im( f ))

o Usare nullità più rango per dimostrare iniettività/suriettività:



Sia A la matrice associata ad una funzione lineare T : R n → R m. Si cerca
soluzione all’equazione A x = 0; si riduce la matrice A a scalini e si contano il
numero di pivot. 

Se il numero di pivot è n, allora l’unico modo per esprimere il vettore nullo è
mettendo a zero tutti i coefficienti di x e pertanto la matrice è iniettiva.

Se il numero di pivot è m, allora riusciamo a generare tutto lo spazio di
destinazione e quindi la funzione è suriettiva.

In altri casi la funzione non è né suriettiva né iniettiva.
! Autovettori, autovalori, diagonalizzabilità:
o Cos’è la molteplicità algebrica di λ?

È il numero di volte che un autovalore annulla il polinomio caratteristico della
matrice. 

2
Es: P(λ) = (x − 2) (x + 3), l’autovalore λ = 2 ha molteplicità algebrica 2,
mentreλ = − 3 ha molteplicità algebrica 1.
o Cos’è la molteplicità geometrica di λ? 

È la dimensione dell’autospazio associato all’autovalore λ (la dimensione della
base che genera gli autovettori associati a λ).
o Enunciare il teorema spettrale:

Sia 𝐴 una matrice reale simmetrica 𝑛 × 𝑛. Allora 𝐴 è diagonalizzabile: esiste una
base ortonormale di R n costituita da autovettori di A.
o Definizione di base ortonormale:

Una base è ortonormale se il prodotto scalare di ogni vettore della base per sé
stesso ha come risultato 1.

Appunti Slava - Pag. 2 di 3


o Quando una matrice è diagonalizzabile?

Una funzione lineare f : V → V è diagonalizzabile se esiste una base B di V tale
che la matrice rappresentativa di f in base B sia una matrice diagonale. In altre
parole, f è diagonalizzabile se la sua matrice rappresentativa rispetto ad una base
qualsiasi è una matrice diagonale.

Appunti Slava - Pag. 3 di 3