Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Scheda 1. Numeri 7
1.1. Richiami di teoria 7
1.2. Esempi ed esercizi svolti 8
1.3. Esercizi 10
Scheda 2. Gruppi anelli campi e polinomi 11
2.1. Richiami di teoria 11
2.2. Esempi ed esercizi svolti 13
2.3. Esercizi 14
Scheda 3. Spazi vettoriali 16
3.1. Richiami di teoria 16
3.2. Esempi ed esercizi svolti 17
3.3. Esercizi 19
Scheda 4. Sistemi di equazioni lineari, risoluzione per sostituzione 22
4.1. Richiami di teoria 22
4.2. Esempi ed esercizi svolti 23
4.3. Esercizi 28
Scheda 5. Matrici. Matrice associata a un sistema lineare 30
5.1. Richiami di teoria 30
5.2. Esempi ed esercizi svolti 31
5.3. Esercizi 32
Scheda 6. Operazioni elementari sulle righe, riduzione a scala e rango, Rouché Capelli 35
6.1. Richiami di teoria 35
6.2. Esempi ed esercizi svolti 36
6.3. Esercizi 38
Scheda 7. Operazioni tra matrici 40
7.1. Richiami di teoria 40
7.2. Esempi ed esercizi svolti 42
7.3. Esercizi 45
Scheda 8. Determinante 47
8.1. Richiami di teoria 47
3
INDICE 4
Numeri
Esercizio 1.2.10. Si trovino tutte le soluzioni in Z/2Z di x2 + x = 0.
Soluzione. in Z/2Z ci sono solo due elementi: basta provarli entrambi. 02 + 0 =
0 + 0 = 0 quindi 0 è soluzione. 12 + 1 = 1 + 1 = 0 quindi anche 1 è soluzione. Le soluzioni
sono dunque
0, 1.
Esercizio 1.2.11. Si trovino tutte le soluzioni in Z/2Z di x2 + x + 1 = 0.
Soluzione. in Z/2Z ci sono solo due elementi: basta provarli entrambi. 02 + 0 + 1 =
0 + 0 + 1 = 1 quindi 0 non è soluzione. 12 + 1 + 1 = 1 + 1 + 1 = 1 quindi neanche 1 è
soluzione. L’equazione non ha soluzioni in Z/2Z.
Esercizio 1.2.12. Si trovino tutte le soluzioni in Z/2Z di x2 = 1.
Soluzione. 02 = 0 quindi 0 non è soluzione, mentre 12 = 1 e quindi 1 è soluzione.
L’unica soluzione è quindi 1 (si noti che in Z/2Z si ha −1 = 1).
1.3. Esercizi
Esercizio 1.3.1. Si determinino le radici quarte di 1 in C.
Esercizio 1.3.2. Si trovino tutte le soluzioni di z 6 = 1
Esercizio 1.3.3. Si trovino tutte le soluzioni di z 6 = −1
Esercizio 1.3.4. Si trovino tutte le soluzioni di z 5 = −1
Esercizio 1.3.5. Si trovino tutte le soluzioni di z 2 = i
Esercizio 1.3.6. Si trovino tutte le soluzioni di z 3 = −i
Esercizio 1.3.7. Si trovino tutte le soluzioni di z 3 = 1 + i
Esercizio 1.3.8. Si trovino le soluzioni complesse di 9z̄ + z 3 = 0.
Esercizio 1.3.9. Si trovino le soluzioni complesse di 4z 2 + z̄ 4 = 0.
Esercizio 1.3.10. Si trovino le soluzioni complesse di 4z 2 − z̄ 4 = 0.
Esercizio 1.3.11. Si trovino tutte le soluzioni complesse del sistema
z3 + w3 = i
2
w 2 = −1
x · (y · z) = (x · y) · z
Esercizio 2.2.13. Sia A un anello commutativo con unità e con almeno due elementi. Si
dimostri che 1 6= 0.
Soluzione. Per l’esercizio precedente, se avessimo 1 = 0 avremmo, per ogni x ∈ A,
0 = 0x = 1x = x. Se ne dedurrebbe quindi che ogni x è uguale a zero. Ma siccome in A ci
sono almeno due elementi, almeno uno dei due è diverso da zero.
Esercizio 2.2.14. Sia A un anello. Si dimostri che per ogni x ∈ A si ha (−1)x = −x.
Soluzione. Per ogni x ∈ A si ha x + (−1)x = 1x + (−1)x = (1 − 1)x = 0x = 0.
2.3. Esercizi
Esercizio 2.3.1. Dimostrare tutte le affermazioni contenute negli esempi precedenti.
Esercizio 2.3.2. Dimostrare che un Anello con almeno due elementi non è mai un gruppo
rispetto alla moltiplicazione.
Esercizio 2.3.3. Sia K un campo e siano x, y ∈ K entrambi diversi da zero. Dimostrare
che xy 6= 0.
Esercizio 2.3.4. Sia K un campo e sia X ⊂ K un sottoinsieme chiuso rispetto alle
operazioni di somma prodotto opposto e inverso. Dimostrare che X è un campo.
Esercizio 2.3.5. Si dia un esempio di Gruppo che non sia uno di quelli dati in precedenza.
Esercizio 2.3.6. Si dia un esempio di Anello che non sia uno di quelli dati in precedenza.
Esercizio 2.3.7. Si dia un esempio di Campo che non sia uno di quelli dati in precedenza.
Esercizio 2.3.8. Si dia un esempio di un insieme con operazione che non sia un Gruppo
e che non sia uno di quelli dati in precedenza.
Esercizio 2.3.9. Si dia un esempio di un insieme dotato di due operazioni che non sia un
Anello e che non sia uno di quelli dati in precedenza.
Esercizio 2.3.10. Si dia un esempio di un insieme dotato di due operazioni che non sia
un Campo e che non sia uno di quelli dati in precedenza.
Esercizio 2.3.11. Si dia un esempio di operazione non commutativa che non sia una di
quelle date in precedenza.
Esercizio 2.3.12. Fattorizzare in C[x] il polinomio x4 + x3 + 2x2 + x + 1.
Esercizio 2.3.13. Fattorizzare in R[x] il polinomio x4 + x3 + 2x2 + x + 1.
Esercizio 2.3.14. Fattorizzare in C[x] il polinomio x3 + (i − 2)x2 + (1 − 2i)x + i.
Esercizio 2.3.15. Fattorizzare in R[x] e C[x] i polinomi
x6 − 1 x6 + 1 x5 + 1 x4 − 1 x3 + 1
Esercizio 2.3.16. Fattorizzare in C[z] i polinomi
z2 − i z2 + i z3 − 1 − i
2.3. ESERCIZI 15
Esercizio 2.3.17. Dimostrare che il grado del prodotto di due polinomi è la somma dei
loro gradi.
Esercizio 2.3.18. Dimostrare che il grado della somma di due polinomi è minore o uguale
del maggiore dei loro gradi. Dare un esempio in cui il grado della somma di due polinomi
è strettamente minore dei loro gradi.
SCHEDA 3
Spazi vettoriali
Soluzione.
0v = 0v + v − v = 0v + v − v = 0v + 1v − v = (0 + 1)v − v = 1v − v = v − v = 0
Esercizio 3.2.10. Sia V uno spazio vettoriale su K e siano W1 e W2 due sottospazi di
V . Dimostrare che W1 ∩ W2 è sempre un sottospazio vettoriale di V , mentre in generale
W1 ∪ W2 non lo è.
Soluzione. Per dimostrare che W1 ∩ W2 è sottospazio di V si deve controllare che sia
chiuso per somma e prodotto. Siano v, w ∈ W1 ∩ W2 e sia λ ∈ K. Allora entrambi v e w
appartengono sia a W1 che a W2 . Siccome W1 e W2 sono chiusi per somma e prodotto si
ha
v + w ∈ W1 v + w ∈ W2
e
λv ∈ W1 λv ∈ W2 ;
ergo
v + w ∈ W1 ∩ W2 λv ∈ W1 ∩ W2
quindi W1 ∩ W2 è chiuso per somma e prodotto ed è dunque un sottospazio vettoriale di
V.
D’altronde, se consideriamo W1 = {(x, y) ∈ R2 : x = 0} e W2 = {(x, y) ∈ R2 : y = 0},
entrambi sono sottospazi di R2 (perché?) ma W1 ∪ W2 non lo è. Infatti (1, 0) ∈ W1 ∪ W2
e (0, 1) ∈ W1 ∪ W2 ma (1, 1) = (1, 0) + (0, 1) non appartiene a W1 ∪ W2 .
Esempio 3.2.11. L’insieme K=2 [x] non è un sottospazio di K[x]. Infatti, detti p = 1 +
x − x2 e q = x2 si ha p + q = 1 + x che non sta in K=2 [x].
Esempio 3.2.12. L’insieme {(x, y) ∈ R2 : xy = 0} non è un sottospazio vettoriale di R2
(perché?).
Esempio 3.2.13. L’insieme {(x, y) ∈ R2 : x = y} è un sottospazio vettoriale di R2
(perché?).
Esercizio 3.2.14. Sia K un campo con un numero infinito di elementi e sia V uno spazio
vettoriale su K. Dimostrare che o V ha un solo elemento, oppure V ha infiniti elementi.
Soluzione. Se V ha almeno due elementi, allora esiste v ∈ V con v 6= 0. Siano
λ1 , λ2 , λ3 , . . .
infiniti elementi di K distinti tra loro. Consideriamo i vettori
vi = λi v
Se esistesse i 6= j tale che vi = vj allora avremmo λi v = λj v da cui (λi − λj )v = 0 da
cui, visto che λi 6= λj , si ottiene v = 0, contrariamente all’ipotesi v 6= 0. Ne segue che i vi
sono infiniti vettori di V tutti distinti tra loro.
Esempio 3.2.15. (Z/2Z)n ha 2n elementi.
3.3. ESERCIZI 19
3.3. Esercizi
Esercizio 3.3.1. Sia V uno spazio vettoriale su K. Si dimostri che per ogni x ∈ K si ha
x0 = 0
(ove entrambi gli zeri sono lo zero di V .)
Esercizio 3.3.2. Sia V uno spazio vettoriale su K. Si dimostri che per ogni v ∈ V si ha
(−1)v = −v.
Esercizio 3.3.3. Si dimostri che l’insieme delle funzioni polinomiali a coefficienti in Z/2Z,
come sottoinsieme di Z/2ZZ/2Z è un sottospazio vettoriale. Si dimostri che tale spazio
vettoriale è diverso da Z/2Z[x] come spazio di polinomi. (Suggerimento: lo spazio delle
funzioni da Z/2Z in Z/2Z è finito.)
Esercizio 3.3.4. Sia R2 con la somma usuale, ma col seguente prodotto misto:
λ ◦ (x, y) = (λx, 0).
Si dimostri che (R2 , +, ◦) non è uno spazio vettoriale su R indicando quale condizione non
è rispettata.
Esercizio 3.3.5. Si dimostri che per ogni n ∈ N si ha K≤n [x] < K[x].
Esercizio 3.3.6. Si dimostri che se W è un sottospazio di uno spazio vettoriale V allora
0 ∈ W.
Esercizio 3.3.7. Sia V uno spazio vettoriale su un campo K e sia X < K un campo. Si
dimostri che V è uno spazio vettoriale su X (con le operazioni originali).
Esercizio 3.3.8. Sia C come spazio vettoriale su C. Si dimostri che R ⊂ C non è un
sottospazio di C.
Esercizio 3.3.9. Sia C come spazio vettoriale su R. Si dimostri che R ⊂ C è un sottospazio
di C.
Esercizio 3.3.10. Sia V ⊂ Kn l’insieme definito da
V = {(x1 , x2 , . . . , xn ) ∈ Kn : x1 = 0}.
Ai dimostri che V è un sottospazio vettoriale di Kn .
Esercizio 3.3.11. Sia V ⊂ Kn l’insieme definito da
V = {(x1 , x2 , . . . , xn ) ∈ Kn : x1 = 1}.
Ai dimostri che V non è un sottospazio vettoriale di Kn .
3.3. ESERCIZI 20
a1 x1 + a2 x2 + · · · + an xn = b
Una soluzione di tale sistema è un elemento di Kn che sia soluzione di tutte le equazioni
del sistema. Il sistema si dice omogeneo se tutti i bi sono nulli; equivalentemente, se il
vettore (b1 , . . . , bm ) ∈ Km è il vettore nullo (si noti che m in generale è diverso da n).
Per trovare le soluzioni di un sistema di equazioni lineare si procede per sostituzioni
successive. Si determina una variabile in funzione delle altre usando la prima equazione
e si sostituisce il risultato in tutte le equazioni successive. Tali equazioni adesso risultano
(m − 1) equazioni in (n − 1) incognite. Si procede determinando una seconda variabile in
funzione delle altre e sostituendo nelle equazioni successive. Si continua cosı́ sino all’ultima
equazione. Adesso si procede con sostituzioni “dal basso verso l’alto” cioè dall’ultima
equazione verso la prima. Si usa l’ultima equazione rimasta per determinare una variabile
in funzione delle altre, si sostituisce il risultato in tutte le equazioni precedenti e si ripete
la procedura con la penultima equazione, e cosı́ via sino alla prima. Alla fine avremo
ottenuto un po’ di variabili in funzione di altre, le cosiddette “variabili libere”. Il numero
di variabili libere è comunemente chiamato numero di gradi di libertà. La descrizione delle
soluzioni che otteniamo dipende dalle scelte fatte (quali variabili isolare rispetto ad altre)
ma l’insieme delle soluzioni è intrinsecamente definito.
Soluzione.
x+y+z =1
x=1−y−z
x=1−y−z
x = 1/2
x−y+z = 0 1−y−z−y+z = 0 2y = 1 y = 1/2
x+y =1
1−y−z+y =1
z=0
z=0
La soluzione è dunque
(1/2, 1/2, 0)
Esercizio 4.2.9. Risolvere il sistema
x+y+z =1
x−t+z =0
x+y =1
x+y+z =1 x= 1−y−z x= 1−y−z
x−t+z =0 1−y−z−t+z =0 t= 1−y
x+y =1
1−y−z+y =1
z=0
Soluzione.
2x − y + z = 1
x = (1 + y − z)/2
x = (1 + y − z)/2
x+y−z =0 (1 + y − z)/2 + y − z = 0 1/2 + 3y/2 − 3z/2 = 0
x − 2y + 2z = 1
(1 + y − z)/2 − 2y + 2z = 1 −3y/2 + 3z/2 = 1/2
4.2. ESEMPI ED ESERCIZI SVOLTI 26
x = (1 + y − z)/2
x = (1 + y − z)/2
x = (1 + y − z)/2
x = (1 + y − z)/2
1 + 3y − 3z = 0 y = z − 1/3 y = z − 1/3 y = z − 1/3
−3y + 3z = 1
−3(z − 1/3) + 3z = 1
−3z + 1 + 3z = 1
0=0
Soluzione.
2x − y + z = 1
y = 2x + z − 1
x+y−z =0 x + 2x + z − 1 − z = 0
x − 2y + 2z = 0
x − 4x − 2z + 2 + 2z = 0
y = 2x + z − 1 y = 2x + z − 1
3x = 1 3x = 1
−3x = 2
−1 = 2
Soluzione.
x + λy − z = 1 x = −λy + z + 1 x = −λy + z + 1 x = −λy + z + 1
x−y =0 x−y =0 −λy + z + 1 − y = 0 z − (λ + 1)y = 0
x = −λy + z + 1 x = −λy + (λ + 1)y + 1 x = y + 1
z = (λ + 1)y z = (λ + 1)y z = (λ + 1)y
Soluzione.
x−y+z = 0 x=y+z x=y+z x=y+z
x+y+z = 1 x+y+z =1 y+z+y+z = 1 0= 1
Soluzione.
x−y =0 x=y x=y x=y
x+y+z = 1 x+y+z = 1 y+y+z = 1 z = 1
e quindi le soluzioni del sistema si possono esprimere in funzione della variabile libera y
come (y, y, 1) e sono dunque due (perché y può assumere solo due valori):
(0, 0, 1) e (1, 1, 1).
4.3. ESERCIZI 28
4.3. Esercizi
Esercizio 4.3.1. Risolvere il sistema
x +x =1
1 2
x2 − x1 = 1
1 1 1 1
La matrice dei coefficienti è , la colonna dei termini noti è , la matrice
1 −1 −2 0
1 1 1 | 1
completa è .
1 −1 −2 | 0
5.3. Esercizi
Esercizio 5.3.1. Scrivere le matrici associate al sistema
x − 2y + z + t = 1
y=x
z−x+t=2
Dove “sotto la scala” ci sono solo 0, “sopra la scala” ci può essere qualsiasi cosa a
patto che “sugli scalini” ci siano degli 1. Molti testi chiamano una matrice ridotta a scala
se sugli scalini c’è un numero diverso da zero. In sostanza questa non è una differenza
fondamentale per le cose che contano e in molti casi potremo considerare matrici a scala
anche quelle con “scalini” diversi da 1. Gli “scalini” devono essere “alti” uno e possono
essere lunghi quanto vogliono. Vedere la sezione esempi.
Fatto: il numero di scalini di una matrice ridotta a scala non eccede né il numero di
righe né quello delle colonne.
Teorema 6.1.1. Ogni matrice A ammette una riduzione a scala. Il numero di righe non
nulle della riduzione a scala di A dipende solo da A e si chiama rango di A.
Teorema 6.1.2 (Rouché-Capelli, versione β). Un sistema lineare in n incognite, con ma-
trice completa (A|b) ammette soluzione se e solo se rango(A) = rango(A|b). In oltre
l’insieme delle soluzioni è descritto da un numero di parametri pari a n − rango(A). (Si
noti che n è il numero delle incognitie, quindi il numero delle colonne di A.)
35
6.2. ESEMPI ED ESERCIZI SVOLTI 36
6.3. Esercizi
Esercizio 6.3.1. Si calcoli il rango di
1 −1 2 0 2
A = 0 0 0 0 0
3 1 0 0 0
Teorema 7.1.3. Il rango di una matrice è uguale al rango della sua trasposta.
Definizione 7.1.4. La moltiplicazione riga per colonna di un vettore riga 1 × n per un
vettore colonna n × 1 è definito come
b
1
.
(a1 , . . . , an ) · .. = a1 b1 + · · · + an bn
bn
si noti che la moltiplicazione riga per colonna è possibile solamente se la riga e la colonna
hanno la stessa lunghezza/altezza.
Definizione 7.1.5. Date due matrici A ∈ Mm×k (K) e B ∈ Mk×n si definisce il loro
prodotto riga per colonna AB, che è una matrice in Mm×n come la matrice che al posto ij
ha il prodotto della riga i-esima di A per la colonna j-esima di B. Si noti che le dimensioni
di A e B devono essere compatibili (la lunghezza di A deve essere uguale all’altezza di B).
Il prodotto tra matrici è un’operazione
Mm×k (K) × Mk×n (K) → Mm×n (K)
40
7.1. RICHIAMI DI TEORIA 41
1 0 1
2 0
−1 2 1/2 √
Esempio 7.1.6. Siano A = e B = 2 1 allora si ha
0 0 0
−2 2
0 1 0
0 2
−3 + 2√2 3
AB =
0 0
√
2 1
Definizione 7.1.7. Una matrice in Mn×n (K) si dice quadrata di ordine n.
L’operazione di prodotto tra matrici quadrate è un’operazione associativa su Mn×n (K).
L’insieme Mn×n (K) con la somma componente per componente e prodotto riga per colonna
è un anello. L’identità è
1 0 0 0 ... 0
0 1 0 0 . . . 0
I = Id = Idn = Idn×n =
0 0 1 0 . . . 0
. .. .. .. .. ..
.. . . . . .
0 ...0 0 0 0 1
In altre parole
1 i=j
(I)ij =
0 i 6= j
Definizione 7.1.8. L’inversa di una matrice quadrata A ∈ Mn×n (K) è una matrice B
tale che
AB = BA = I
L’inversa di A si denota comunemente con A−1 .
Teorema 7.1.9. Una matrice quadrata A ∈ Mn×n (K) è invertibile se e solo se il sistema
AX = b
ha un’unica soluzione (indipendentemente da b). Tale soluzione è
X = A−1 b.
Corollario 7.1.10. Una matrice quadrata A ∈ Mn×n (K) è invertibile se e solo se ha rango
n.
7.2. ESEMPI ED ESERCIZI SVOLTI 42
Pm Pk Pm
= s=1 ais ( t=1 bst ctj ) = s=1 ais (BC)sj = (A(BC))ij
Esercizio 7.2.4. Dimostrare che l’operazione di moltiplicazione riga per colonna per ma-
trici quadrate non è in generale commutativa.
1 0 1 2
Soluzione. Siano A = eB= . Si ha
0 0 3 4
1 2 1 0
AB = 6= BA =
0 0 3 0
7.2. ESEMPI ED ESERCIZI SVOLTI 43
Esempio 7.2.7. L’operazione elementare “Colonna i+λ Colonna j” è data dalla moltipli-
cazione a destra per la matrice la matrice
I + λEji .
Esempio 7.2.8. Un sistema lineare con matrice associata A e colonna dei termini noti b
si esprime come
AX = b
x
1
..
ove X = . è il vettore colonna delle incognite.
xn
e quindi
x2 + yz = 1
xy + yt = 0
zx + tz = 0
zy + t2 = 1
Questo non è un sistema lineare, quindi non possiamo usare le tecniche dei sistemi lineari.
La complessità delle equazioni però è bassa e possiamo risolverlo a mano
x2 + yz = 1
y(x + t) = 0
z(x + t) = 0
zy + t2 = 1
da cui
x2 + yz = 1
x2 + yz = 1 x = √1 − yz
x = −t
x = −t x = −t
zy + t2 = 1
oppure
x2 + yz = 1
x2 = 1
x = ±1
y=0 y=0 y=0
z=0
z=0
z=0
2
zy + t2 = 1 t =1 t = ±1
Le soluzioni sono quindi
1 0 −1 0 −1 0 1 0
, , ,
0 1 0 1 0 −1 0 −1
7.3. Esercizi
Esercizio 7.3.1. Siano A, B due matrici moltiplicabili tra loro. Dimostrare che
(AB)T = B T AT .
Esercizio 7.3.2. Siano A, B due matrici quadrate dello stesso ordine e invertibili. Dimo-
strare che AB è invertibile e che
(AB)−1 = B −1 A−1 .
Dimostrare che se AB è invertibile allora sia A che B lo sono.
Esercizio 7.3.3. Sia A una matrice quadrata. Dimostrare che A è invertibile se e solo se
AT lo è e che (AT )−1 = (A−1 )T .
Esercizio 7.3.4. Dimostrare che se A, B sono due matrici non nulle tali che AB = 0,
allora nessuna delle due matrici A, B è invertibile.
Esercizio 7.3.5. Usando sia il metodo della risoluzione del sistema che quello di riduzione
trovare, se esiste, l’inversa della matrice
1 2 3
0 1 0
1 0 1
Esercizio 7.3.6. Usando sia il metodo della risoluzione del sistema che quello di riduzione
trovare, se esiste, l’inversa della matrice
1 2 3
0 1 1
1 0 1
Esercizio 7.3.7. Usando sia il metodo della risoluzione del sistema che quello di riduzione
trovare, se esiste, l’inversa della matrice
1 0 3
0 0 1
1 0 1
Esercizio 7.3.8. Usando sia il metodo della risoluzione del sistema che quello di riduzione
trovare, se esiste, l’inversa della matrice
1 0 3
0 0 0
1 2 1
7.3. ESERCIZI 46
Esercizio 7.3.10. Sia A ∈ M3×2 (C). Dimostrare che AAT non è mai invertibile.
Esercizio 7.3.11. Esiste una matrice A ∈ M3×2 (C) tale che AT A sia invertibile?
SCHEDA 8
Determinante
e la stessa cosa vale per le righe. Alternante significa che se si scambiano due
righe (o colonne) il determinante cambia segno.
In particolare:
• det(λA) = λn det(A).
• Se A ha una riga nulla allora det(A) = 0.
• Se A ha due righe uguali allora det(A) = 0.
• Se A ha due righe multiple l’una dell’altra allora det(A) = 0.
• Se una riga di A si esprime come somma di multipli di altre righe di A allora
det(A) = 0
• L’operazione elementare “Ri + λRj ” non cambia il determinante di una matrice.
• Il determinante di una matrice triangolare superiore —cioè con zeri sotto la dia-
gonale — (o inferiore — cioè con zeri sopra la diagonale—) è il prodotto degli
elementi sulla diagonale.
• Il determinante si puó calcolare riducendo a scala A e tenendo conto dei contributi
di tutte le operazioni elementari sulle righe.
• Tutto quanto detto per le righe vale anche per le colonne.
e chiaramente
Esercizio 8.2.7. Si dica per quali valori del parametro k ∈ R la seguente matrice risulta
invertibile:
1 1 0
Ak = 0 2 −1
k 0 1
Esercizio 8.2.8. Si dica per quali valori del parametro k ∈ C la seguente matrice risulta
invertibile:
1 1+k 0
Ak = 0 i 1 + i
k 0 i
8.2. ESEMPI ED ESERCIZI SVOLTI 50
Soluzione. Si ha
1 1 + k 0 1 1 0 0 k 0
|Ak | = 0 i 1 + i = 0 i 1 + i + 0 i 1 + i
k 0 i k 0 i k 0 i
1 1 0 1 1 0
k 0
= 0 i 1 + i + 0 i 1 + i + k
i 1 + i
k 0 0 0 0 i
1 0 1 1 k 0
= k + i
+k
i 1 + i 0 i i 1 + i
1 0 1 1
= (k + k 2 ) + i
= (k + k 2 )(1 + i) + i2 = k 2 (1 + i) + k(1 + i) − 1
i 1 + i 0 i
Esercizio 8.2.9. Si dica per quali valori del parametro k ∈ C la seguente matrice risulta
invertibile:
1−k 1 0
Ak = 0 i − k 1 + i
0 0 i−k
Esercizio 8.2.10. Sia A ∈ M2×2 (R). Si dimostri che esiste un k ∈ R tale the la matrice
Ak = A − kI sia invertibile.
8.3. Esercizi
Esercizio 8.3.1. Calcolare il determinante di una matrice quadrata scelta da voi. Ripetere
quest’esercizio con una matrice diversa. Ripetere quest’esercizio con una matrice diversa.
Ripetere quest’esercizio con una matrice diversa. Ripetere quest’esercizio con una matrice
diversa. Ripetere quest’esercizio con una matrice diversa. Ripetere quest’esercizio con una
matrice diversa. Ripetere quest’esercizio con una matrice diversa. Ripetere quest’eserci-
zio con una matrice diversa. Ripetere quest’esercizio con una matrice diversa. Ripetere
quest’esercizio con una matrice diversa. Ripetere quest’esercizio con una matrice diversa.
Ripetere quest’esercizio con una matrice diversa. . .
1 2 1−x 2
Esercizio 8.3.2. Sia A = e sia Ax = . Per quali valori di x la
2 1 2 1−x
matrice A risulta non invertibile? Detto p(x) = |Ax |, calcolare det(p(A)).
Esercizio 8.3.3. Si dica per quali valori del parametro k ∈ C la seguente matrice risulta
invertibile:
1−k 1 0
Ak = 0 i i
k 0 i−k
Esercizio 8.3.4. Si dica per quanti valori del parametro k ∈ R la seguente matrice risulta
non invertibile:
1 1 0
Ak = 0 1 1
k 0 1−k
Esercizio 8.3.5. Si dica per quanti valori del parametro k ∈ R la seguente matrice risulta
non invertibile:
1 1 1 1 1 1 0
0 k k k k k k
1 1 0 1 1 1 1
Ak = 1 0 1 1 1 1 1
1 1 1 0 1 1 1
1 1 1 1 0 1 1
1 1 1 1 1 0 1
8.3. ESERCIZI 52
Esercizio 8.3.6. Sia A ∈ M3×3 (R) tale che det(A) 6= 0. Sia B un’altra matrice in
M3×3 (R). Si dimostri che esiste ε > 0 tale che per ogni x ∈ R con |x| < ε si ha det(A +
xB) 6= 0.
Esercizio 8.3.7. Sia A ∈ M3×3 (C) tale che A4 = I. Si dimostri che | det(A)| = 1. Si dia
un esempio di tale matrice.
Esercizio 8.3.8. Sia A ∈ Mn×n (R). Si dimostri che det(AAT ) ≥ 0.
Esercizio 8.3.9. Sia v ∈ K n un vettore riga e sia A = v T v ∈ Mn×n (K). Si dimostri che
det(A) = 0.
Esercizio 8.3.10. Sia A ∈ M3×5 una matrice non quadrata. Sia B = AT A ∈ M5×5 (K).
Si dimostri che det(B) = 0.
SCHEDA 9
Cof (A)T b
AX = b ⇔ X = A−1 b =
|A|
x
1
..
Se X = . = A−1 b usando lo sviluppo per colonna del determinante, si vede che
xn
T
Cof (A) b ha come entrata i-esima il determinante della matrice ottenuta da A sostituendo
la i-esima colonna con b (e quest’ultima è in realtà la forma piú comune di enunciare la
regola di Cramer).
Definizione 9.1.1. Una sottomatrice di una matrice A è una matrice che si ottiene da
A cancellando alcune righe e alcune colonna. Un minore di ordine k una matrice A
è il determinante di una sua sottomatrice quadrata di ordine k. A seconda del libro la
parola minore si riferisce solo alla sottomatrice quadrata per cui si parla di determinanti
di minori. Nella nostra definizione la parola minore include il determinante.
Nota: Un minore non è solo un numero, ma quando parliamo di minore includiamo
l’informazione sulle righe e colonne cancellate.
Definizione 9.1.2. Sia A ∈ Mm×n (K) e sia M una sottomatrice k × k di A, ottenuta
cancellando (m − k) righe e (n − k) colonne. Un’orlata di M è una sottomatrice (n + 1) ×
53
9.2. ESEMPI ED ESERCIZI SVOLTI 54
Esercizio
9.2.4. Si risolva, tramite il medoto di Cramer, il sistema AX = b con A =
1 2
e b = (1, 1)T .
3 4
Soluzione. Si ha
1 2
1 4
−1 Cof (A)T b |A|
−1
X=A b= =
=
|A| 1 1
1
3 1
|A|
Soluzione. Il minore ottenuto dalle prime due righe e prime due colonne è non nullo.
Quindi la matrice ha rango almeno 2. I suoi orlati di ordine 3 sono sei: per aggiungere
una riga e una colonna dobbiamo scegliere tra due righe (la terza e la quarta) e tre colonne
(terza, quarta e quinta) e sono:
0 1 i 0 1 1 0 1 0
,
1 0 2i 1 0 2 1 0 1,
1 −1 i 1 −1 1 1 −1 1
0 1 i 0 1 1 0 1 0
1 0 2i , 1 0 2 , 1 0 1
−1 2 0 −1 2 0 −1 2 1
I primi tre sono tutti nulli perchè la terza riga è uguale alla seconda meno la prima (in
tutti e tre i casi). Il quarto ed il quinto sono nulli perché in entrambi la terza riga è uguale
9.2. ESEMPI ED ESERCIZI SVOLTI 56
ove il primo dei due è i volte il secondo (per il fattore i presente nella terza colonna) quindi
ci basta calcolare il secondo. Abbiamo
0 1 1 0 0 1 1 0 0 1 1 0
1 0 2 1 1 0 2 0 1 0 2 0
= = =0
1 −1 1 1 1 −1 1 0 0 −1 −1 0
−1 2 0 1 −1 2 0 2 −1 2 0 2
ove nel primo passaggio abbiamo sottratto la prima colonna alla quarta. Nel secondo
passaggio abbiamo sottratto la seconda riga alla terza e l’ulitimo determinante
è nullo
0 1 0
perché la matrice ha due righe uguali. Quindi tutti gli orlati di 1 0 1 sono nulli e
−1 2 1
dunque A ha rango 3.
1 −2 1 0
Esercizio 9.2.6. Sia A = e sia B = . Si dica per quali k il sistema
k 2 k k+1
AX = B ha soluzione.
9.2. ESEMPI ED ESERCIZI SVOLTI 57
x y
Soluzione. Applicheremo il teorema di Rouché-Capelli. Sia X = . Nelle
z t
incognite x, y, z, t la matrice completa del sistema è
1 0 −2 0 | 1
0 1 0 −2 | 0
k 0 +2 0 | k
0 k 0 +2 | k + 1
Usiamo il metodo dei minori orlati per calcolare il rango della matrice dei coefficienti e di
quella completa. Il minore ottenuto dalle prime due righe e colonne è non nullo. Un suo
orlato è
1 0 −2
0 1 0
k 0 +2
che è diverso da zero se k 6= −1. L’unico suo orlato nella matrice dei coefficienti è
1 0 −2 0 1 0 −1 0 1 0 −1 0
0 1 0 −2 0 1 0 −1 0 1 0 −1
= 4 = 4
k 0 +2 0 k 0 +1 0 k + 1 0 0 0
0 k 0 +2 0 k 0 +1 0 k+1 0 0
1 0 1 0 1 0 1 0
0 1 0 1 0 1 0 1
= 4(k + 1)2
= 4 = 4
k + 1 0 0 0 0 0 k + 1 0
0 k + 1 0 0 0 0 0 k + 1
che è diverso da zero per k 6= −1. I calcoli li abbiamo fatti sfruttando le proprietà di
multilinearità e alternanza del determinante. In particolare nel primo passaggio abbia-
mo “portato fuori” un fattore “2” sia dalla terza che dalla quarta colonna. Nel secondo
passaggio abbiamo sommato la prima riga alla terza e la seconda alla quarta. Nel terzo
passaggio abbiamo “portato fuori” un fattore −1 sia dalla terza che dalla quarta colonna.
Nel quarto passaggio abbiamo scambiato la prima colonna con la terza e la seconda con la
quarta (due scambi di colonna, che fanno due cambi di segno nel determinante = nessun
cambio).
Dunque se k 6= −1 la matrice dei coefficienti ha rango 4. Essendo la matrice completa
una matrice 4 × 5, essa non puó avere rango maggiore di 4. Siccome essa ha un minore
9.3. ESERCIZI 58
non nullo di rango 4 (il determinante della matrice dei coefficienti) ha rango esattamente
4. Per il teorema di Rouché-Capelli, se k 6= −1 c’è dunque un’unica soluzione.
Analizziamo in dettaglio il caso k = −1. La matrice completa diventa
1 0 −2 0 | 1
0
1 0 −2 | 0
−1 0 +2 0 | −1
0 −1 0 +2 | 0
Cambiando segno alle ultime due righe si ottiene
1 0 −2 | 1
0
0
1 0 −2 | 0
1
0 −2 0 | 1
0 1 0 −2 | 0
La terza riga è uguale alla prima e la quarta alla seconda. Ne segue che ogni sottomatrice
quadrata di ordine 3 ha almeno due righe uguali. Dunque ogni minore di ordine tre è nullo.
Ne segue che sia la matrice dei coefficieni che quella completa hanno rango 2.
Per il teorema di Rouché-Capelli il sistema ha infinite soluzioni, descritte da due
parametri liberi.
9.3. Esercizi
Esercizio 9.3.1.
P Sia A unaP
matrice quadrata di ordine n e siano C1 , . . . , Cn le sue colonne.
Siano V = i λi Ci e W = µi Ci due vettori colonna. Calcolare
det V W C3 . . . Cn .
Esercizio 9.3.2. Sia A ∈ Mn×n (K). Sia Cof (A) la matrice dei cofattori e siano R1 , . . . , Rn
le sue righe. Sia R un vettore riga. Si dimostri che RRkT è il determinante della matrice
ottenuta da A sostituendo la riga R al posto della riga Rk .
Esercizio 9.3.3. Sia A ∈ Mn×n (K). Si dimostri che
Cof (A)T A = det(A)I.
Esercizio 9.3.4. Sia A ∈ Mn×n (K). Si dimostri che
AT Cof (A) = det(A)I.
Esercizio 9.3.5. Si dimostri che una matrice quadrata A è invertibile se e solo se Cof (A)
lo è.
9.3. ESERCIZI 59
b
1
..
Esercizio 9.3.6. Sia A ∈ Mn×n (K) invertibile. Sia b = . un vettore colonna e sia
bn
Bi il determinante della matrice
ottenuta da A sostituendo la colonna i con la colonna b
x
1
..
dei termini noti. Sia X = . l’unica soluzione di AX = b. Si dimostri xi = |Bi |/|A|.
xn
Esercizio 9.3.7. Si calcoli il rango delle matrici
1 2 3 4
1 2 3
5
6 87
4 5 6 ,
9 10 11 12
7 8 9
13 14 15 16
Esercizio 9.3.8. Per ogni n si calcoli il rango della matrice A ∈ Mn×n (R) definita da
Aij = ni + j.
2
1 −2 k 2
Esercizio 9.3.9. Sia A = e sia B = . Si dica per quali k ∈ R il
−1 2 k −2
sistema AX = B ha soluzione.
Esercizio 9.3.10. Calcolare il rango di una matrice a caso scelta da voi. Ripetere quest’e-
sercizio con una matrice diversa. Ripetere . . .
Esercizio 9.3.11. Si prenda una matrice quadrata a caso scelta da voi e si controlli se è
invertibile. Nel caso lo sia, se ne calcoli l’inversa. Ripetere quest’esercizio con una matrice
diversa. Ripetere . . .
SCHEDA 10
Abbiamo ottenuto cosı̀ una combinazione lineare dei vi che fa zero, siccome il coefficiente
di vs è −1, tale combinazione non è banale e quindi i vi sono linearmente dipendenti. Si
noti che avremmo potuto avere tranquillamente vs = 0.
Esempio 10.2.6. Se il sistema AX = b ammette soluzione allora l’insieme delle colonne
di A più la colonna dei termini noti costituisce un insieme di vettori linearmente dipendenti
tra loro. (è vero il viceversa?)
Esempio 10.2.7. Se un insieme di vettori contiene il vettore nullo allora tali vettori sono
sempre linearmente dipendenti tra loro. (Lo zero si esprime sempre come combinazione
degli altri: la combinazione banale!)
Esercizio 10.2.8. Dimostrare che le funzioni sin(x) e cos(x), come vettori dello spazio
delle funzioni da R in sé, sono linearmente indipendenti tra loro.
Soluzione. Sia λ sin(x) + µ cos(x) = 0 una combinazione lineare che fa zero. Calco-
lando in 0 si ottiene µ = 0 e calcolando in π/2 si ottiene λ = 0. Ne segue che l’unica
combinazione lineare di sin(x) e cos(x) che fa zero è quella banale.
Esercizio 10.2.9. Si dica se i vettori x, (1 + x)2 , x2 + 1 ∈ R[x] sono linearmente dipendenti
o indipendenti tra loro.
Soluzione. Diamo dei nomi ai vettori, ponendo v = x, w = (1 + x)2 , u = x2 + 1. Si
ha w = (1 + x)2 = 1 + 2x + x2 = 2v + u. Quindi i tre vettori sono linearmente dipendenti
tra loro.
Esercizio 10.2.10. Si dica se i vettori 1, (1 + x), (1 + x)2 ∈ R[x] sono linearmente
dipendenti o indipendenti tra loro.
Soluzione. Diamo dei nomi ai vettori, ponendo v1 = 1, v2 = (1 + x), v3 = (1 + x)2 .
Impostiamo il sistema lineare λ1 v1 + λ2 v2 + λ3 v3 = 0 nelle incognite λi , per vedere se ha
una soluzione non banale. Abbiamo
λ1 v1 + λ2 v2 + λ3 v3 = λ1 + λ2 + λ2 x + λ3 (1 + 2x + x2 ) = λ1 + λ2 + λ3 + x(λ2 + 2λ3 ) + x2 λ3
10.2. ESEMPI ED ESERCIZI SVOLTI 63
10.3. Esercizi
Esercizio 10.3.1. Si prendano dei vettori a caso di Kn e si controlli se sono linearmente
dipendenti o indipendenti. Fare l’esercizio con K = R, C, Z/2Z, Q. Ripetere l’esercizio con
dei vettori differenti. Ripetere . . .
Esercizio 10.3.2. Siano v1 , . . . , vk vettori di Kn e sia A la matrice in Mn×k (K) che ha i
vi come vettori colonna: A = (v1 . . . vk ). Si dimostri che i vi sono linearmente indipendenti
tra loro se e solo se il sistema AX = 0 ha un’unica soluzione: il vettore nullo.
Esercizio 10.3.3. Si dica se i seguenti insiemi di vettori in R[x] sono costituiti da vettori
linearmente dipendenti o indipendenti tra loro.
1 + x, 1 + x2 , 1 + x3 x + 1, x − 1, x2 − 1 2, 2 + x, 3 + x, (2 + x)(3 + x)
Esercizio 10.3.4. Si dica se i seguenti insiemi di vettori in C[x] sono costituiti da vettori
linearmente dipendenti o indipendenti tra loro.
x2 + 1, x − i, x + i (1 + x)2 , (i + x)2 (1 + ix)2 , (1 + x)2 , ix (i + x)2 , (1 + x)2 , ix, 1
10.3. ESERCIZI 65
Esercizio 10.3.12. Si dica per quali valori del parametro t ∈ R i seguenti vettori di R2
sono linearmente indipendenti tra loro
v = (cos(t), sin(t)) w = (− sin(2t), cos(2t))
Esercizio 10.3.13. Siano v1 , . . . vk ∈ V dei vettori linearmente dipendenti tra loro e siano
w1 , . . . , wn altri vettori di V . Si dimostri che i vettori v1 , . . . , vk , w1 , . . . , wn sono sempre
linearmente dipendenti tra loro.
Esercizio 10.3.14. Si dimostri che se v1 , . . . , vn ∈ V sono linearmente indipendenti tra
loro allora ogni sottoinsieme non vuoto dei vi è formato da vettori linearmente indipendenti
tra loro.
Esercizio 10.3.15. Siano v1 , . . . , vk ∈ V dei vettori e siano w1 , . . . , wn delle combinazioni
lineari dei vi . Si dimostri che se n > k allora i vettori wi sono sempre linearmente
dipendenti tra loro.
Esercizio 10.3.16. Siano v1 , . . . , vk ∈ V dei vettori linearmente dipendenti tra loro e
siano w1 , . . . , wk delle combinazioni lineari dei vi . Si dimostri che i vettori wi sono sempre
linearmente dipendenti tra loro.
SCHEDA 11
Sistemi di generatori
SePle funzioni fi generassero V avremmo che per ogni f ∈ V esisterebbero λi tali P che
f = per ogni v ∈ Rn esisterebbero
λi fi . In particolareP P dei λ i tali che fv = λi fi .
Avremmo quindi fv (xn ) = λi fi (xn ) per ogni xn , cioè λi vi = v. In altre parole, se
le funzioni fi generano V allora i vettori vi generano Rn . Ma avevamo supposto n > k e
sappiamo che k vettori non generano mai Rn per n > k. Quindi le funzioni fi non generano
V.
Esercizio 11.2.4. Si dica se i vettori (1 + x), (1 + x)2 ∈ R[x] generano R≤2 [x].
λ1 v1 + λ2 v2 = λ1 + λ1 x + λ2 (1 + 2x + x2 ) = λ1 + λ2 + x(λ1 + 2λ2 ) + x2 λ2
Dunque
i vettori v1 , v2 generano R≤2 [x] se esolo
se tale sistema ha soluzione per ogni
b0 1 1
b = b1 . Ciò e vero se e solo se la matrice 1 2 ha rango 3, ma questo è impossibile
b2 0 1
perché la matrice ha solo due colonne. Ponendo b2 = b1 = 0 e b0 = 1 (cioè p = 1) si ottiene
un esempio esplicito in cui il sistema non è risolubile.
Esempio 11.2.5. I vettori 1, i ∈ C generano C come spazio vettoriale su R. (Perché?)
Esempio 11.2.6. Sia V uno spazio vettoriale su C. Se v1 , . . . , vk generano V su R allora
generano V anche su C. (Perché?)
Esercizio 11.2.7. Si dica se i vettori di C2 v = (i, 1) e w = (1, i) generano C2 se lo
consideriamo come spazio su R. E su C?
i 1
Soluzione. Si ha = i2 − 1 = −2 6= 0 quindi i due vettori generano C2 su C.
1 i
Mentre su R no, vediamo il perché. Sia (z1 , z2 ) un generico vettore di C2 . Impostiamo il
sistema λv + µw = (z1 , z2 ) cercando soluzioni con λ, µ ∈ R. Scomponiamo z1 e z2 in parte
reale e parte immaginaria: z1 = a1 + ib1 e z2 = a2 + ib2 . Il sistema diventa
λ = b1
iλ + µ = a + ib µ=a
1 1 1
⇔
λ + iµ = a2 + ib2
λ = a2
µ = b2
11.3. Esercizi
Esercizio 11.3.1. Si prendano dei vettori a caso di Kn e si controlli se generano Kn . Fare
l’esercizio con K = R, C, Z/2Z, Q. Ripetere l’esercizio con dei vettori differenti. Ripetere
...
Esercizio 11.3.2. Dimostrare che un numero finito di polinomi non genera mai K[x].
Esercizio 11.3.3. Siano v1 , . . . , vk vettori di Kn e sia A la matrice in Mn×k (K) che ha i
vi come vettori colonna: A = (v1 . . . vk ). Si dimostri che i vi generano Kn se e solo se il
sistema AX = b ammette soluzione per ogni b.
Esercizio 11.3.4. Si dica se i seguenti insiemi di vettori in R[x] generano R[x]. Generano
R≤2 [x]? e R≤3 [x]? e R≤4 [x]?
1 + x, 1 + x2 , 1 + x3 x + 1, x − 1, x2 − 1 2, 2 + x, 3 + x, (2 + x)(3 + x)
Esercizio 11.3.5. Si dica se i seguenti insiemi di vettori in C[x] generano C≤k [x] con
k = 2, 3.
x2 + 1, x − i, x + i (1 + x)2 , (i + x)2 (1 + ix)2 , (1 + x)2 , ix (i + x)2 , (1 + x)2 , ix, 1
Esercizio 11.3.6. Si dica se i seguenti insiemi di vettori in Z/2Z[x] sono generano Z/2Z≤2 [x].
x2 +1, x+1, x−1 (1+x)2 , (1+x) (1+x)2 , 1+x2 (1+x)2 , 1+x2 0, 1, 1+x, 1+x+x2
Esercizio 11.3.7. Si dica se i seguenti insiemi di vettori di R3 generano R3 .
1 2 3 1 1 0 0 1 0 1 1 1
2 , 1 , 3 2 , 0 , 1 , 0 2 , 0 , 0 2 , 0
1 2 3 1 0 0 1 1 0 1 1 1
11.3. ESERCIZI 72
Esercizio 11.3.8. Si dica per quali valori del parametro k ∈ C i seguenti vettori di C3
generano C3 .
2
k 1 k k
v1 = 0 , v2 = k + 1 , v3 = k v3 = ik
k 1 k k
Esercizio 11.3.9. Si dica per quali valori del parametro k ∈ R i seguenti vettori di R3
generano R3
1 k−1 k
v1 = 2 + k , v2 = 0 , v3 = 0
k 1 k
Esercizio 11.3.10. Si dica per quali valori del parametro k ∈ R i seguenti vettori di R4
generano R4 .
k k−1 0 k k
2 1 0 0 k
v1 = , v2 = , v3 = v4 = v5 =
k 0 0 k k
2 2 0 k+2 k+2
Esercizio 11.3.11. Siano v1 , . . . vn dei generatori di V e siano w1 , . . . , wn altri vettori di
V . Si dimostri che i vettori v1 , . . . , vk , w1 , . . . , wn generano V .
Esercizio 11.3.12. Siano v1 , . . . , vk ∈ V dei vettori e siano w1 , . . . , wn delle combina-
zioni lineari dei vi . Si dimostri che se v1 , . . . , vk , w1 , . . . , wn generano V allora v1 , . . . , vk
generano V .
Esercizio 11.3.13. Siano v1 , . . . , vn dei generatori di V con la seguente proprietà: Se
togliamo anche uno solo dei vi quello che resta non genera V . Dimostrare che i vi sono
linearmente indipendenti tra loro.
SCHEDA 12
Basi
Definizione 12.1.6. Si dice base canonica di Mm×n (K) l’insieme delle matrici
1 i = k, j = l
Eij definita da (Eij )kl =
0 altrimenti
con l’ordine lexicografico.
Definizione 12.1.7. Si dice base canonica di K[x] l’insieme:
1, x, x2 , x3 , x4 , . . .
ordinati secondo il grado.
73
12.2. ESEMPI ED ESERCIZI SVOLTI 74
Teorema 12.1.8.
Siano v1, . . . , vk ∈ Kn e sia A la matrice in Mn×k (K) che ha i vi come
colonne: A = v1 . . . vk . I vettori vi formano una base di Kn se e solo se n = k e
det(A) 6= 0.
Questo teorema è un’immediata conseguenza dei corrispondenti enunciati delle schede
su lineare indipendenza e generatori.
Corollario 12.1.9. n vettori di Kn , stesso n, formano una base se e solo se generano, se
e solo se sono linearmente indipendenti.
Attenzione: Ció è falso per k vettori di Kn con k 6= n.
Teorema 12.1.10. Sia V uno spazio vettoriale su K.
(1) Da ogni insieme di generatori di V si può estrarre una base di V .
(2) Ogni insieme di vettori linearmente indipendenti si estende a base di V .
Il primo punto lo si dimostra per scarti successivi, eliminando i vettori che sono combi-
nazione lineare dei precedenti, il secondo aggiungendo ad uno ad uno elementi di una base
di V che non siano combinazione lineare dei precedenti.
Corollario 12.1.11. Sia V uno spazio vettoriale di dimensione n. Se v1 , . . . , vn ∈ V
sono linearmente indipendenti allora generano e viceversa. Attenzione: vale solo se sono
n vettori in dimensione n, stesso n.
Teorema 12.1.12 (Rouché-Capelli, reloaded). Un sistema lineare AX = b ha soluzione se
e solo se rango(A) = rango(A|b). Lo spazio delle soluzioni del sistema omogeneo AX = 0
ha dimensione n − rango(A) ove n è il numero delle incognite.
Teorema 12.1.13. Dato un sistema lineare AX = b che ammetta soluzione X0 , tutte le
altre soluzioni del sistema sono della forma X0 + X con AX = 0.
che ha soluzioni
x −2z + 3t −2 3
y −2t 0 −2
= = z + t
z z 1
0
t t 0 1
12.2. ESEMPI ED ESERCIZI SVOLTI 78
quindi i vettori v1 = (−2, −2, 1, 0) e v2 = (3, 0, 0, 1) generano lo spazio delle soluzioni. Sono
2 generatori di uno spazio di dimensione 2, quindi ne sono una base.
Una soluzione particolare è chiaramente data da (1, 0, 0, 0). Tutte le soluzioni di AX = b
sono quindi della forma
1
0
+ λ1 v1 + λ2 v2
0
0
Soluzione. (2) Risolviamo il sistema a mano
y + 2t = 0
y = −2t
x + 2y + 2z + t = 1 y = −2t
x − 4t + 2z + t = 1
x + y + 2z − t = 1
x + 2z − 3t = 1
x − 2t + 2z − t = 1
x + 2y + 2z + t = 1
y = −2t
z = 1+3t−x
2
Soluzione. Sono 5 vettori in uno spazio di dimensione 4, quindi non possono essere
linearmente indipendenti. (Perché?)
Esercizio 12.2.15. Si dica se l’insieme di vettori costituisca una base di R≤3 [x]
p1 = 1 + 2x + x2 , p2 = 1 − x, p3 = x3 , p4 = x2
Soluzione. Sono 4 vettori in uno spazio di dimensione 4, quindi ci basta dimostrare
che generano. (Perché?) I vettori p3 e p4 fanno parte della base canonica di R≤ [x] il vettore
1 della base canonica si ottiene come 2p2 − p1 + p4 ed il vettore x si ottiene come −p2 + 1.
Quindi i vettori della base canonica sono combinazione dei pi che quindi generano.
Esercizio 12.2.16. Si verifichi che il seguente insieme sia formato da polinomi linearmente
indipendenti tra loro. Si estenda tale insieme a base di C≤3 [x]
v1 = 1 + x, v2 = 1 + x + ix2
Soluzione. I vettori v1 e v2 non sono multipli l’uno dell’altro, quindi sono linearmente
indipendenti tra loro. Aggiungiamo uno a uno i vettori della base canonica. Aggiungiamo
1
v1 = 1 + x, v2 = 1 + x + ix2 , v3 = 1
Controlliamo se tali vettori siano ancora linearmente indipentendi tra loro. Il sistema
λ1 v1 + λ2 v2 + λ3 v3 = 0 diventa
λ + λ2 + λ3 = 0
1
λ1 + λ2 = 0
iλ2 = 0
che ha come unica soluzione quella banale. Quindi v1 , v2 , v3 sono linearmente indipendenti
tra loro. Non sono ancora una base di C≤3 [x] perché tale spazio ha dimensione 4. Proviamo
ad aggiungere il secondo vettore della base canonica x. Siccome x = v1 + v3 aggiungendo
x si ottiene un insieme di vettori dipendenti, quindi non lo aggiungiamo. Proviamo con
x2 . Anche x2 è combinazione lineare dei vi : x2 = −i(v2 − v1 ) quindi non lo aggiungiamo.
Proviamo x3 :
v1 = 1 + x, v2 = 1 + x + ix2 , v3 = 1, v4 = x3
Tali vettori generano in quanto i vettori della base canonica si esprimono come loro com-
binazione lineare. Essendo 4 vettori in uno spazio di dimensione 4 sono anche generatori e
dunque ne sono una base.
Esercizio 12.2.17. Estrare una base dal seguente insieme di generatori di R3 .
0 1 2 1 0
v1 = 1 , v2 = 2 , v3 = 3 , v4 = 1 , v5 = 0
2 3 4 1 2
Questo esercizio lo risolviamo in due modi differenti.
12.3. ESERCIZI 80
Soluzione. (1) Primo metodo: scarti successivi. Il primo vettore è non nullo, lo
teniamo. Il secondo vettore non è multiplo del primo, lo teniamo. Il terzo vettore è uguale
a 2v2 −v1 , lo buttiamo via. Il quarto vettore è uguale a v2 −v1 , lo buttiamo via. Rimangono
i vettori v1 , v2 , v5 . Se sono linearmente indipendenti abbiamo ottenuto una base di R3 .
0 1 0
0 1
1 2 0 = 2
= −2 6= 0
1 2
2 3 2
Soluzione. (2) Prima di tutto calcoliamo il rango della matrice che ha i vi come
colonne usando il metodo dei minori orlati
0 1 2 1 0
A = 1 2 3 1 0
2 3 4 1 2
Il minore formato dalle prime due colonne e dalla quinta colonna è non nullo quindi i
vettori il rango è 3, i vettori dati sono effettivamente dei generatori di R3 e i vettori
v1 , v2 , v5 formano una base di R3 .
Attenzione: andava bene anche il minore formato dalle ultime tre colonne. Quindi
anche v3 , v4 , v5 formano una base di R3 .
12.3. Esercizi
Esercizio 12.3.1. Si dica se i seguenti gruppi di vettori siano una base di C3
1 1 0 1 1 0 1 1 i 1 1 0 0
0 , 0 , 0 0 , 1 , 0 0 , 2 , 0 0 , 1 , 0 , 2
i 1 i i 1 i i 2 −1 i 1 1 1
Esercizio 12.3.3. Si dica se i seguenti gruppi di vettori siano una base di (Z/2Z)3
1 1 1 1 0 1 1 1 1 1 0 0
0 , 0 0 , 1 , 0 0 , 1 , 0 0 , 1 , 0 , 1
i 1 1 1 1 1 1 −1 1 1 1 1
Esercizio 12.3.4. Si dica se i seguenti polinomi siano una base di R≤3 [x]
1 + x, (1 + x)2 , (1 + x)3 1 + x, 1 − x, x(1 − x), x(1 + x)(1 − x) 1, x, x2 , x3 , (1 + x)
Esercizio 12.3.5. Siano v1 , . . . , vk dei vettori di uno spazio vettoriale V di dimensione n.
Dimostrare che se k < n allora i vi non possono generare V .
Esercizio 12.3.6. Siano v1 , . . . , vk dei vettori di uno spazio vettoriale V di dimensione n.
Dimostrare che se k > n allora i vi non possono essere linearmente indipendenti.
Esercizio 12.3.7. Siano v1 , . . . , vk dei vettori di uno spazio vettoriale V di dimensione n.
Dimostrare che se k = n allora i vi generano V se e solo se sono linearmente indipendenti
se e solo se sono una base di V .
Esercizio 12.3.8. Si dimostri che l’insieme delle soluzioni dell’equazione differenziale
f ′′ (x) = −f (x)
è uno spazio vettoriale. Se ne calcoli la dimensione dimostrando che le funzioni sin(x) e
cos(x) ne sono una base.
Esercizio 12.3.9. Si dimostri che se V è uno spazio vettoriale su C allora
dimR (V ) = 2 dimC (V ).
Esercizio 12.3.10. Trovare una base dello spazio delle soluzioni di AX = 0 con A =
1 1 1 1 1 −1 1 1
1 1 1 1 1 1 1 1
1 0 1 0 1 0 1 0
1 0 1 0 1 0 1 0
0 1 0 2 2 −3 2 3
0 1 0 1 0 1 0 2
2 2 2 3 −1 2 −1 −2
Esercizio 12.3.11. Trovare tutte le soluzioni di AX = b con
1 1 1 1 1 −1 1 1 1 0 1 1 1
1 0 1 0 1 0 1 0
1 1 1 1 0
A= , b = , , , ,
0
1 0 2 2 −3 2
3 1 2 0 2 3
2 2 2 3 −1 2 −1 −2 1 3 2 −1 −2
12.3. ESERCIZI 82
Esercizio 12.3.23. Esibire almeno 100 basi diverse di Kn , K≤n [x], Mn×n K con K =
R, C, Z/2Z e n = 1, . . . , 100.
Esercizio 12.3.24. Sia A ∈ Mm×n (K). Dimostrare che le colonne di A generano Km se
e solo se le righe di A sono linearmente indipendenti.
Esercizio 12.3.25. Sia A ∈ Mm×n (K). Dimostrare che le colonne di A sono linearmente
indipendenti se e solo se le righe di A generano Kn .
Esercizio 12.3.26. Sia V uno spazio vettoriale su K e siano v1 , . . . , vn ∈ V . Dimostrare
che v1 , . . . , vn sono una base di V se e solo se ogni vettore di V si esprime in modo unico
come combinazione lineare dei vi .
SCHEDA 13
84
13.2. ESEMPI ED ESERCIZI SVOLTI 85
x
1
.
Ove v1 , . . . , vk è la base data dalle paramentriche e X = .. è il vettore colonna delle
xn
n
incognite in K . Usando il metodo dei minori orlati e sviluppando gli orlati secondo la
colonna delle incognite si ottiene un sistema di n − k equazioni.
Definizione 13.1.8. Un sottospazio affine di Kn è un sottoinsieme W descritto come
insieme delle soluzioni di un sistema non omogeneo
AX = b.
La giacitura giac(W ) di W è il sottospazio vettoriale di equazioni AX = 0. La dimen-
sione di W è la dimensione della sua giacitura.
Un sottospazio affine è un sottospazio vettoriale solo se passa per lo zero, ossia se
coincide con la propria giacitura.
Definizione 13.1.9. Descrivere un sottospazio affine W di Kn tramite equazioni carte-
siane significa trovare un sistema lineare di cui W sia lo spazio delle soluzioni
W = {AX = b}.
Definizione 13.1.10. Descrivere un sottospazio affine W Kn tramite equazioni para-
metriche significa esprimere i vettori di W come traslati di vettori della giacitura:
X
W = X0 + { λi vi }
i
Esempio 13.2.4. Lo span di tre vettori in R3 è: lo zero se entrambi i vettori sono nulli,
una retta se sono tutti multipli di uno di loro, un piano se sono linearmente dipendenti tra
loro ma non tutti paralleli, tutto R3 se sono linearmente indipendenti.
Soluzione. Il rango di
1 1 −1 2
0 −1 2 −1
1 1 −1 2
0 1 −2 1
Soluzione. Il rango di
1 1 −1 0
0 −1 0 −1
1 1 −1 0
0 1 0 1
è due (perché?) e quindi la dimensione dello span dei vi è 2; dunque ha 4 elementi perchè
ogni spazio vettoriale su Z/2Z che abbia dimensione 2 ha 22 = 4 elementi.
x = −y − z + 1 x = −y − z + 1 x = −y − z + 1
2(−y − z + 1) + y − t = 0 −y − 2z + 2 − t = 0 t = 2 − y − 2z
1 1
Esercizio 13.2.14. Si trovino le equazioni cartesiane del piano di giacitura span(1 , −1)
1 1
e passante per il punto (2, 3, 1).
13.2. ESEMPI ED ESERCIZI SVOLTI 90
13.3. ESERCIZI 91
13.3. Esercizi
Esercizio 13.3.1. Siano A, B due matrici moltiplicabili. Dimostrare che le colonne di AB
appartengono allo span delle colonne di A.
Esercizio 13.3.2. Siano A, B due matrici moltiplicabili. Dimostrare che le righe di AB
appartengono allo span delle righe di B.
Esercizio 13.3.3. Siano A, B due matrici moltiplicabili. Dimostrare che il rango di AB
non eccede né il rango di A né quello di B. Dare un esempio in cui è strettamente piú
piccolo.
Esercizio 13.3.4. Sia A un vettore colonna non nullo e B un vettore riga non nullo.
Dimostrare che AB ha rango esattamente 1.
Esercizio 13.3.5. Sia A ∈ Mm×n (K), sia Y ∈ Kn un vettore colonna e sia b = AY . Si
dimostri che il sistema AX = b ha sempre soluzione.
13.3. ESERCIZI 92
Soluzione. Per calcolare l’intersezione le coordinate cartesiane sono piú comode. Cal-
coliamo le equazioni cartesiane di W1
1 1 −1 x
1 2 0 y
= 2x − 4z + 2t
1 0 0 z
1 −1 1 t
La matrice dei coefficienti di tale sistema ha rango 3 e quindi per il teorema di Rouché-
Capelli W1 ∩ W2 ha dimensione 1.
Esercizio 14.2.4. Si trovi una base di W1 + W2 con
1 3
2 2 x − y + 2z = 0
W1 = span( , ) W2 =
1 0 x−y+z+t= 0
2 1
14.2. ESEMPI ED ESERCIZI SVOLTI 98
1 −2
1 0
quindi una base di W2 è data da , . Un sistema di generatori di W1 + W2
0 1
0 1
1 3 1 −2 1 3 1 −2
2 2 1 0 2 2 1 0
è , , , la matrice ha rango 3 (perché?) e un suo
1 0 0 1 1 0 0 1
2 1 0 1 2 1 0 1
minore non nullo è quello formato dalle prime tre righe e prime tre colonne. Le prime tre
colonne formano quindi una base di W1 + W2 .
Quindi giac(s) = giac(r). Le due rette sono quindi uguali (se si intersecano) o parallele (se
non si intersecano). Per trovare l’intersezione calcoliamo prima le equazioni cartesiane di
14.3. ESERCIZI 99
y−1+x=0 z−x=0
Facendo il sistema
x+y =0
x + 2y + z = 1
s∩r =
x+y =1
z−x=0
la terza e la prima equazione sono incompatibili, quindi il sistema non ha soluzione e quindi
le due rette non si intersecano. Quindi r ed s sono parallele.
14.3. Esercizi
Esercizio 14.3.1. Dimostrare tutti i teoremi della sezione “Richiami di teoria”.
Coordinate
Esempio 15.2.7. Le coordinate di (1 + x)2 rispetto alla base canonica di R≤3 [x] sono
(1, 2, 1, 0).
Esempio 15.2.8. Le coordinate di (1 + x)2 rispetto alla base canonica di R≤4 [x] sono
(1, 2, 1, 0, 0).
Esempio 15.2.9. Le coordinate di (1 + x)3 rispetto alla base canonica di R≤3 [x] sono
(1, 3, 3, 1).
Esempio 15.2.10. Le coordinate di (1 + x)3 rispetto alla base canonica di R≤4 [x] sono
(1, 3, 3, 1, 0).
Esempio 15.2.11. Le coordinate di (1 + x)(1 − x) rispetto alla base canonica di R≤3 [x]
sono (1, 0, −1, 0).
P
Esempio 15.2.12. Le coordinate di p(x) = ki=0 ai xi rispetto alla base canonica di K≤k [x]
sono (a0 , a1 , . . . , ak ).
Esempio 15.2.13. Sia B la base canonica di M2×2 (R), ordinata come segue
1 0 0 1 0 0 0 0
v1 = , v2 = , v3 = , v4 = .
0 0 0 0 1 0 0 1
1 2
Le coordinate di rispetto alla base B sono (1, 2, 3, 4).
3 4
0 1
Le coordinate di rispetto alla base B sono (0, 1, 0, 0).
0 0
−1 0
Le coordinate di rispetto alla base B sono (−1, 0, 2, 1).
2 1
1 2 −1 0
Le coordinate di rispetto alla base B sono (3, 2, 5, 4).
3 4 2 1
Esercizio 15.2.14. Si calcolino le coordinate di (1, 1) rispetto alla base v1 = (1, 1), v2 =
(1, 0) di R2 .
Soluzione. (1, 1) = v1 = 1v1 + 0v2 quindi le coordinate di (1, 1) nella base v1 , v2 sono
(1, 0).
Esercizio 15.2.15. Si calcolino le coordinate di (1, 0) rispetto alla base v1 = (1, 1), v2 =
(1, 0) di R2 .
Soluzione. (1, 0) = v2 = 0v1 + 1v2 quindi le coordinate di (1, 0) nella base v1 , v2 sono
(0, 1).
15.2. ESEMPI ED ESERCIZI SVOLTI 105
Esercizio 15.2.16. Si calcolino le coordinate di (1, 2) rispetto alla base v1 = (1, 1), v2 =
(1, 0) di R2 .
Soluzione. (1, 2) = (2, 2) − (1, 0) = 2v1 − v2 quindi le coordinate di (1, 0) nella base
v1 , v2 sono (2, −1).
Esercizio 15.2.17. Si calcolino le coordinate di (1, 0, 0) nella base v1 = (1, 1, 0), v2 =
(0, 1, −1), v3 = (0, 0, 1) di R3 .
P
Soluzione. Si deve risolvere il sistema λi vi = (1, 0, 0) ossia
X λ1 1
λi vi = λ1 + λ2 = 0
i
−λ2 + λ3 0
λ =1
λ =1
1
1
λ1 + λ2 = 0 λ2 = −1
−λ2 + λ3 = 0 λ3 = −1
Le coordinate cercate sono quindi (1, −1, −1).
Esercizio 15.2.18. Si calcolino le coordinate di (1, 0, 1) nella base v1 = (1, 1, 0), v2 =
(0, 1, −1), v3 = (−1, 0, 1) di R3 .
1 0 −1
Soluzione. Sia A = 1 1 0 la matrice che ha i vi come colonne. Si deve
0 −1 1
λ 1
P 1
risolvere il sistema λi vi = (1, 0, 1) ossia AX = b con X = λ2 e b = 0.
λ3 1
λ − λ3 1
1
AX = λ1 + λ2 = 0
−λ2 + λ3 1
a questo punto o risolviamo il sistema per sostituzione, o calcoliamo A−1 (se A non fosse
invertibile i vi non sarebbero una base: perché?) e troviamo X = A−1 b. In ogni caso
troviamo X = (1, −1, 0). Le coordinate cercate sono quindi (1, −1, 0).
Esercizio 15.2.19. Sia v1 = 1 + x, v2 = (1 + x)2 , v3 = 1 − x. Dopo aver verificato che
B = (v1 , v2 , v3 ) è una base di R≤2 [x] si calcolino le coordinate rispetto alla base B del
polinomio p = 1 + x + x2 .
15.2. ESEMPI ED ESERCIZI SVOLTI 106
Soluzione. Abbiamo
1 = (v1 + v3 )/2, x = (v1 − v3 )/2, x2 = v2 − 2x − 1 = v2 − (v1 − v3 ) − (v1 + v3 )/2
quindi i vettori della base canonica sono combinazione lineare dei vi , che quindi generano;
siccome sono tre generatori in uno spazio P di dimensione tre, ne sono una base. Per le
coordinate dobbiamo risolvere il sistema λ1 vi = 1 + x + x2 quindi
X
λi vi = (λ1 + λ2 + λ3 ) + x(λ1 + 2λ2 − λ3 ) + x2 λ2 = 1 + x + x2
ossia il sistema
λ1 + λ2 + λ3 = 1 λ1 + λ3 = 0 λ1 = −1/2
λ1 + 2λ2 − λ3 = 1 λ1 − λ3 = −1 λ3 = 1/2
λ2 = 1
λ2 = 1
λ2 = 1
Si noti che le colonne della matrice del sistema omogeneo sono i vettori delle coordinate
dei vi in base canonica. A questo punto possiamo risolvere il sistema a mano, ottenendo
che le coordinate di w1 rispetto alla base B sono (0, 2, 1, 2). Visto peró che dobbiamo
risolvere quattro sistemi tutti con matrice dei coefficienti uguale ad A, e visto che A è
invertibile (altrimenti i vi non sarebbero una base: perchè?) sappiamo che il sistema
AX = b ha soluzione X = A−1 b. Quindi, invece di risolvere tutti i sistemi a mano,
calcoliamo direttamente A−1 .
1 −1 −1 1
0 −1 0 1
A−1
=
0 1
1 −1
0 1 0 0
(perché? Come l’abbiamo trovata?) abbiamo
1 1 −1 −1 1 1 0
2 0 −1 0 1 2 2
−1
w1 = A = =
3 0 1
1 −1 3 1
B 4 0 1 0 0 4 2
0 1 −1 −1 1 0 1
0 0 −1 0 1 0 1
= A−1 =
w2 =
0 0 1
1 −1
0 −1
B 1 0 1 0 0 1 0
1 1 −1 −1 1 1 3
−1 0 −1 0 1 −1 1
= A−1 =
w3 =
−1 0 1 1 −1
−1 −2
B 0 0 1 0 0 0 −1
0 1 −1 −1 1 0 −2
1 0 −1 0 1 1 −2
= A−1 =
w4 =
0 0 1
1 −1
0 2
B −1 0 1 0 0 −1 1
15.3. ESERCIZI 109
0 1 3 −2
2 1
1 −2
La matrice ha rango 4 quindi i wi sono una base di M2×2 (R).
1 −1 −2 2
2 0 −1 1
15.3. Esercizi
Esercizio 15.3.1. Si calcolino le coordinate di (1, −1) rispetto alla base v1 = (1, 2), v2 =
(2, 1) di R2 .
Esercizio 15.3.2. Si calcolino le coordinate di (1, 0) rispetto alla base v1 = (1, 1), v2 = (i, 0)
di C2 .
Esercizio 15.3.3. Si calcolino le coordinate di (i, 2) rispetto alla base v1 = (1, i), v2 = (1, 0)
di C2 .
Esercizio 15.3.4. Si calcolino le coordinate di (1, 0, 1) nella base v1 = (1, 1, 0), v2 =
(0, 1, −1), v3 = (0, 0, 1) di (Z/2Z)3 .
Esercizio 15.3.5. Si calcolino le coordinate di (1, 2, 3) nella base v1 = (1, 1, 0), v2 =
(0, 1, −1), v3 = (−1, 0, 1) di R3 .
Esercizio 15.3.6. Si calcolino le coordinate di (1, 2, 1) nella base v1 = (1, 1, 0), v2 =
(0, 1, −1), v3 = (−1, 0, 1) di R3 .
Esercizio 15.3.7. Si calcolino le coordinate di (3, 2, 3) nella base v1 = (1, 1, 0), v2 =
(0, 1, −1), v3 = (−1, 0, 1) di R3 .
Esercizio 15.3.8. Si calcolino le coordinate di (1, 2, 0) nella base v1 = (1, 1, 0), v2 =
(0, 1, −1), v3 = (−1, 0, 1) di R3 .
Esercizio 15.3.9. Si calcolino le coordinate di (0, 2, 3) nella base v1 = (1, 1, 0), v2 =
(0, 1, −1), v3 = (−1, 0, 1) di R3 .
Esercizio 15.3.10. Sia v1 = 1 + x + x2 , v2 = (1 + x)2 , v3 = 1 − x. Dopo aver verificato
che B = (v1 , v2 , v3 ) è una base di R≤2 [x] si calcolino le coordinate rispetto alla base B del
polinomio p = 1 + x.
Esercizio 15.3.11. Sia v1 = 1 + x2 , v2 = (1 + x)2 , v3 = 1 + x. Dopo aver verificato che
B = (v1 , v2 , v3 ) è una base di R≤2 [x] si calcolino le coordinate rispetto alla base B del
polinomio p = 1 − x.
Esercizio 15.3.12. Sia v1 = (1 − x)2 , v2 = (1 + x)2 , v3 = 1 + x. Dopo aver verificato
che B = (v1 , v2 , v3 ) è una base di C≤2 [x] si calcolino le coordinate rispetto alla base B del
polinomio p = i + (1 − i)x + x2 .
15.3. ESERCIZI 110
k
X X
W ={ λ1 Xi : λi ∈ K, λi = 1}.
i=0
P P
Un punto w ∈ W si esprime in modo unico come w = λi Xi con λi = 1 e i coefficienti
(λ0 , . . . , λk ) si dicono coordinate baricentriche di w rispetto a X0 , . . . , Xk .
111
16.2. ESEMPI ED ESERCIZI SVOLTI 112
L’inviluppo di due punti è il segmento che li congiunge, l’inviluppo di tre punti non allineati
è il triangolo che ha quei tre punti come vertici, l’inviluppo di 4 punti non complanari è il
tetraedro che essi determinano.
Il baricentro di k + 1 masse di peso mi poste nei punti Xi è
P
mX
P i i
mi
m
P P
cioè, se poniamo λi = P mi si ha bar(m0 X0 , . . . , mk Xk ) =
i
λi Xi . Si noti che λi = 1 e
che se le masse son tutte positive λi ≥ 0.
2x + y = 4 3x + z = 6
Esercizio 16.2.9. Si trovi il piano di R3 passante per il punto P = (0, 1, 0) e la retta
r : (1, 0, 1) + t(1, 1, 1).
Soluzione. Prendiamo due punti a caso, ma diversi, della retta r considerando due
valori diversi del parametro t, per esempio 0, −1. Poniamo X0 = P, X1 = r(0) =
(1, 0, 1), X2 = r(−1) = (0, −1, 0). Il piano cercato è il piano per i punti X0 , X1 , X2 ,
che ha equazione cartesiana
1 0 x
−1 −2 y − 1 = 0 z = x.
1 0 z
Esercizio 16.2.10. Si trovi il piano di R3 passante per il punto P = (0, 1, 0) e la retta r
di equazioni
x−y =1
y − z = −1
16.3. Esercizi
Esercizio 16.3.1. Dimostrare che se v0 , . . . , vk ∈ Kn sono linearmente indipendenti tra
loro allora sono anche affinemente indipendenti.
Esercizio 16.3.2. Si trovi una formula generale per le equazioni cartesiane di una retta
per due punti distinti in Rn .
Esercizio 16.3.3. Si trovi una formula generale per le equazioni cartesiane di un piano
per tre punti non allineati in Rn .
16.3. ESERCIZI 115
Esercizio 16.3.4. Si trovino delle equazioni cartesiane della retta di R3 passante per
(1, 2, 3), (4, 5, 6).
Esercizio 16.3.5. Si trovino delle equazioni cartesiane del sottospazio affine di C3 passante
per (1, 2, i), (i, i, 0).
Esercizio 16.3.6. Si trovi un’equazione cartesiana del un piano di R3 passante per i punti
(1, 2, 3), (4, 5, 6), (0, 0, 0).
Esercizio 16.3.7. Si dica se i punti (1, 2, 3), (4, 5, 6), (7, 8, 9) sono affinemente indipendenti
tra loro.
Esercizio 16.3.8. Siano X0 = (1/2, 1/2, 0), X1 = (cos t, 0, sin t), X2 = (0, cos t, sin t). Al
variare del parametro t si determini qual’è il sottospazio affine W passante per X0 , X1 , X2 ,
qual’è la dimensione di W e quella di span(W ). Si descriva il moto del baricentro b(t) di
tre masse uguali poste in X0 , X1 , X2 . Si determini span({b(t) : t ∈ R}).
Esercizio 16.3.9. Siano X0 , . . . , Xk punti affinemente indipendenti di Kn , sia W lo spazio
affine che determinano e sia B il punto di W di coordinate baricentriche (m0 , m1 , . . . , mk ).
Dimostrare che X
mi (B − Xi ) = 0.
i
Se ne deduca che il punto di coordinate baricentriche (m0 , m1 , . . . , mk ) è il punto di equili-
brio di (k + 1) masse puntiformi m0 , m1 , . . . , mk poste nei punti Xi .
Esercizio 16.3.10. Siano X0 , . . . , Xk punti affinemente indipendenti di Kn , e sia W lo
spazio affine che determinano. Per ogni t ∈ K sia
X X
Wt = { λi Xi : λi = t}
Dimostrare che, al variare di t ∈ K, Wt descrive la famiglia degli spazi affini k-dimensionali,
paralleli a W e contenuti in span(W ). Dimostrare che i Wt sono a due a due distinti se e
solo se W non passa per l’origine.
SCHEDA 17
∀v ∈ V, λ ∈ K f (λv) = λf (v).
La dimostrazione di questo teorema è un facile esercizio (fatelo!).
Teorema 17.1.3. Ogni applicazione lineare è unicamente determinata dagli elementi di
una base. Viceversa, se v1 , . . . , vk è una base, dati w1 , . . . , wk ∈ W esiste un’unica appli-
cazione lineare tale che f (vi ) = wi .
La dimostrazione di questo teorema discende direttamente dalla definizione nel caso in
cui i vi siano una base di V .
Teorema 17.1.4. F : Kn → Km definita da
F (x1 , . . . , xn ) = (f1 (x1 , . . . , xn ), . . . , fk (x1 , . . . , xn ))
è lineare se e solo tutte le componenti lo sono, se e soloP
se ogni fi è un polinomio omogeneo
di primo grado se e solo se ogni fi è della forma fi = j aij xj .
che ha come colonne le coordinate, rispetto alla base B′ , dei vettori f (vi ):
′
MBB (f ) = f (v1 )
f (v2 ) . . . f (vn )
B′ B′ B′
otteniamo
(1, 1) = v1 = 1v1 + 0v2 (1, −2) = −2v1 + 3v2 (1, 0) = v2 = 0v1 + 1v2
Abbiamo dunque
h i 1 1
f (e1 ) = =
B 1 0
B
h i 1 −2
f (e2 ) = =
B −2 3
B
h i 1 0
f (e3 ) = =
B 0 1
B
La matrice cercata la si ottiene mettendo tali come colonne:
B
1 −2 0
Mcan (f ) = .
0 3 1
2
Esempio 17.2.3. La matrice associata alla rotazione antioraria di angolo α in R , rispetto
cos α − sin α
alle basi canoniche è . Infatti l’immagine di e1 = (1, 0) è (cos α, sin α) e
sin α cos α
l’immagine di e2 = (0, 1) è (− sin α, cos α).
Esempio 17.2.4. Data A ∈ Ms×t (K), l’applicazione fA : Kt → Ks definita da fA (X) =
can
AX è lineare e Mcan (fA ) = A.
Esempio 17.2.5. Data A ∈ Ms×m (K) le applicazioni LA : Mm×k (K) → Ms×k (K) e
RA : Mn×s (K) → Mn×m (K) definite da
LA (X) = AX RA (X) = XA
sono lineari.
1 2 3
Esercizio 17.2.6. Si calcolino le matrici associate alle funzioni LA e RA con A =
4 5 6
e con k = 1, n = 4, rispetto alle basi canoniche.
Soluzione. Per LA abbiamo k = 1 quindi LA : M3×1 (R) → M2×1 (R) è data da
x x
y 7→ A y
z z
17.2. ESEMPI ED ESERCIZI SVOLTI 120
can
e quindi A = Mcan (LA ). Per RA abbiamo n = 4 quindi RA : M4×2 (R) → M4×3 (R) è data
da
x1 x2 x1 x2 x + 4x2 2x1 + 5x2 3x1 + 6x2
1
x x x x 1 2 3 x + 4x 2x3 + 5x4 3x3 + 6x4
3 4 3 4 = 3 4
7→
x5 x6 x5 x6 4 5 6 x5 + 4x6 2x5 + 5x6 3x5 + 6x6
x7 x8 x7 x8 x7 + 4x8 2x7 + 5x8 3x7 + 6x8
Ordiniamo le basi canoniche di M4×2 (R) e M4×3 (R) come segue
v1 = E11 , v2 = E12 , v3 = E21 , v4 = E22 , v5 = E31 , v6 = E32 , v7 = E41 , v8 = E42
w1 = E11 , w2 = E12 , w3 = E13 , w4 = E21 , w5 = E22 , w6 = E23
w7 = E31 , w8 = E32 , w9 = E33 , w10 = E41 , w11 = E42 , w12 = E43
(Si noti che avremmo potuto scrivere Eij = v2(i−1)+j per M4×2 (R) e Eij = w3(i−1)+j
per M4×3 (R).) La matrice associata in tali basi è dunque la matrice 8 × 12:
1 4 0 0 0 0 0 0
2 5 0 0 0 0 0 0
3 6 0 0 0 0 0 0
0 0 1 4 0 0 0 0
0 0 2 5 0 0 0 0
0 0 3 6 0 0 0 0
A=
0 0 0 0 1 4 0 0
0 0 0 0 2 5 0 0
0 0 0 0 3 6 0 0
0 0 0 0 0 0 1 4
0 0 0 0 0 0 2 5
0 0 0 0 0 0 3 6
Esempio 17.2.7. La derivata come funzione dello spazio dei polinomi in sé è lineare.
Esercizio 17.2.8. Sia f : R≤3 [x] → R≤2 [x] la derivata. Si calcoli la matrice associata a f
nelle basi canoniche.
Soluzione. Dobbiamo calcolare le immagini dei vettori della base canonica 1, x, x2 , x3
e scriverne le coordinate rispetto alla base canonica 1, x, x2 . Abbiamo 1′ = 0, x′ = 1.
17.2. ESEMPI ED ESERCIZI SVOLTI 121
Soluzione. Il fatto che F sia lineare discende immediatamente dalle proprietà del
determinante. F (1, 2) = 0, mentre F (i, 2) = 2 − 2i = 2(1 − i). La matrice associata è
dunque
0 2
Esercizio 17.2.12. Scrivere la matrice associata a f (x, y, x) = (2x + y, y − z, z + 3x)
rispetto alle basi canoniche di R3 sia in partenza che in arrivo.
Soluzione. Quando una funzione è scritta in coordinate la matrice in basi canoniche
è già li:
2 1 0
0 1 −1
3 0 1
perché?
1 2 0
Esercizio 17.2.13. Sia A = e sia f : R3 → R2 data da f (X) = AX.
0 1 1
Scrivere la matrice di f nelle basi v1 = (1, 1, 0), v2 = (1, 1, 1), v3 = (1, 0, 0) di R3 e
w1 = (−1, 1), w2 = (1, 0) di R2 .
Soluzione. Abbiamo f (v1 ) = (3, 1) = (−1, 1) + 4(1, 0), f (v2 ) = (3, 2) = 2(−1, 1) +
5(1, 0), f (v3 ) = (1, 0) = 0(−1, 1) + 1(1, 0). Quindi
f (v1 ) = w1 + 4w2 f (v2 ) = 2w1 + 5w2 f (v3 ) = w2
La matrice associata a f nelle basi date è quindi
1 2 0
4 5 2
Esercizio 17.2.14. Sia A ∈ Mm×n (K) e sia f : Kn → Rm data da f (X) = AX. Sia
B = (v1 , . . . , vn ) una base di Kn e sia B′ = (w1 , . . . , wm ) una base di Km . Scrivere la
matrice di f nelle basi B, B′ .
Soluzione. La matrice A altro non è che la matrice associata a f nelle basi canoniche.
B′
Se M = Mcan (IdKm ) e N = MBcan (IdKn ) sono le matrici dei cambi di coordinate avremo
′
MBB (f ) = MAN
La matrice N è ottenuta semplicemente usando i vettori vi come colonne:
17.3. ESERCIZI 123
N = MBcan (Id) = v1 v2 . . . vn
B ′
mentre la matrice M = Mcan (IdKm ) = (MBcan
′ (IdKm ))
−1
quindi
−1
N = (MBcan −1
′ (Id)) = w1 w2 . . . wm
In conclusione
−1
′
MBB (f )
= w1 w2 . . . wm A v1 v2 . . . vn
17.3. Esercizi
Esercizio 17.3.1. Sia f : C≤1 [x] → C≤3 [x] definita da f (p) = p(x)(i + x)2 . Dimostrare
che f è lineare, scrivere la matrice associata a f nelle basi canoniche. Scrivere la matrice
associata a f nelle basi 1 + x, 1 − x in partenza e 1 + x, (1 + x)2 , 1 + x3 , 1 in arrivo.
Esercizio 17.3.2. Sia f : C4 → C2 definita da f (x, y, z, t) = (x + iy, z + it). Dimostrare
che f è lineare, scrivere la matrice associata a f nelle basi canoniche. Scrivere la matrice
associata a f nelle basi (1, 1, 0, 0), (1, i, 0, 0), (0, 0, i, i), (0, 0, i, 1) in partenza e (1, 1), (1, i)
in arrivo.
Esercizio 17.3.3. Sia f : C → C definita da f (z) = z̄. Dimostrare che f è lineare se
consideriamo C some spazio vettoriale su R. Scrivere la matrice di f nella base 1, i sia in
partenza che in arrivo. Scrivere la matrice di f nella base 1 + i, 1 − i sia in partenza che
in arrivo. Dimostrare che f NON è lineare se consideriamo C come spazio vettoriale su
C.
Esercizio 17.3.4. Sia α ∈ C e sia f : C → C definita da f (x) = αx. Si consideri C
come spazio vettoriale su R, si dimostri che f è lineare e se ne scriva la matrice associata
rispetto alla base 1, i di C su R.
Esercizio 17.3.5. Siano B e B′ due basi di uno spazio vettoriale V . Dimostrare che le
matrici del cambio di base da B a B′ e da B′ a B sono l’una inversa dell’altra.
17.3. ESERCIZI 124
1 2
Esercizio 17.3.6. Sia A = e sia fA : R2 → R2 definita da fA (X) = AX. Sia
1 2
B
B = (1, 2), (2, 1). Scrivere MB (fA ).
Esercizio 17.3.7. Sia A ∈ Mm×m (K) e sia fA : Rm → Rm definita da fA (X) = AX. Sia
B la base formata da e1 , e1 + e2 , . . . , e1 + e2 + . . . , +em . Scrivere MBB (fA ).
Esercizio 17.3.8. Sia A ∈ Mm×m (K) invertibile e sia fA : Rm → Rm definita da fA (X) =
AX. Sia B la base formata dalle colonne di A. Dimostrare che MBB (fA ) = A.
Esercizio 17.3.9. Sia V = span(sin x, cos x) e sia f : V → V la derivata prima. Scrivere
la matrice associata a f nella base cos x, sin x.
Esercizio 17.3.10. Sia V = span(sin x, cos x) e sia f : V → V la derivata prima. Scrivere
la matrice associata a f nella base sin x, cos x in partenza e cos x, − sin x in arrivo.
Esercizio 17.3.11. Sia V = span(sin x, cos x) e sia f : V → V la derivata seconda.
Scrivere la matrice associata a f nella base cos x, sin x.
Esercizio 17.3.12. Sia V = span(sin x, cos x) e sia f : V → V definita da f (u) = u′′ + u.
Scrivere la matrice associata a f nella base sin x, cos x.
Esercizio 17.3.13. Sia f : C3 → C4 definita da f (x, y, z) = (2x + iy, z − x, y + z, z + y + x)
si scriva la matrice di f nelle basi canoniche.
Esercizio 17.3.14. Sia f : C3 → C4 definita da f (x, y, z) = (2x + iy, z − x, y + z, z + y + x)
si scriva la matrice di f nelle basi (1, 1, 1), (1, 2, 1), (1, 2, 3) in partenza e
(1, 0, i, 0), (1, 1, 0, 0), (0, 1, 0, i), (0, 0, 0, i) in arrivo.
Esercizio 17.3.15. Sia f : Z/2Z3 → Z/2Z2 definita da f (x, y, z) = (x + y + z, x + y −
z + x) scrivere la matrice associata a f nelle basi canoniche sia in partenza che in arrivo.
Scrivere la matrice associata a f nella base canonica in partenza e nella base (1, 1), (1, 0)
in arrivo. Scrivere la matrice associata a f nella base (1, 1, 1), (1, 1, 0), (1, 0, 0) in partenza
e (1, 1), (1, 0) in arrivo.
Esercizio 17.3.16. Sia f : M3×2 (K) → M2×3 (K) definita come f (X) = X T . Si dimostri
che f è lineare e se ne scrive la matrice associata rispetto a due basi a scelta in partenza
e in arrivo.
Esercizio 17.3.17. Sia f : M3×3 (K) → M3×3 (K) definita come f (X) = X T . Si dimostri
che f è lineare e se ne scrive la matrice associata rispetto alla base canonica di M3×3 (K).
Esercizio 17.3.18. Si scriva la matrice della rotazione di angolo α attorno all’asse X in
R3 , in senso orario secondo la “regola della mano destra”, rispetto alla base canonica.
Esercizio 17.3.19. Si scriva la matrice della rotazione di angolo α attorno all’asse X in
R3 , in senso antiorario secondo la “regola della mano destra”, rispetto alla base canonica.
Esercizio 17.3.20. Si scriva la matrice della riflessione rispetto al piano {y = 0} in R3 ,
rispetto alla base canonica.
17.3. ESERCIZI 125
Due spazi si dicono isomorfi se esiste un’isomorfismo tra loro. Uno spazio vettoriale V
di dimensione 2 è sempre isomorfo a K2 ma di isomorfismi tra V e K2 ce n’è piú d’uno.
(Infiniti se la K è infinito.)
Due spazi isomorfi hanno le stesse proprietà lineari. Se si è interessati per esempio
a capire le proprietà di un insieme di funzioni in hom(V, W ) (per esempio se un dato
sottoinsieme sia o meno un sottospazio vettoriale), basta tradurre il problema nello spazio
delle matrici fissando basi di V e W .
Questo teorema, una volta passati in coordinate, non è altro che una versione di Rouché-
Capelli. Una dimostrazione alternativa la si ottiene considerando una base v1 , . . . , vk di
ker(f ) e estendendola a base di V , BV : v1 , . . . , vk , vk+1, . . . , vn . Adesso basta verificare che
i vettori wi = f (vk−i ) sono una base di Imm(f ). Si noti che se si estendono i wi a base di
W , BW = w1 , . . . , wn−k , u1 , . . . , us la matrice associata a f nelle basi BV e BW è
0 Id(n−k)×(n−k)
MBBVW (f ) =
0 0
ove gli 0 rappresentano blocchi di matrice nulli: lo zero in alto a sinistra rappresenta la
matrice nulla di M(n−k)×k , quello in basso a sinistra lo zero di Ms×k e quello in basso a
18.2. ESEMPI ED ESERCIZI SVOLTI 128
Usando tali basi, l’insieme V corrisponde allo spazio delle matrici della forma
0 a
0 b
0 b
18.2. ESEMPI ED ESERCIZI SVOLTI 129
0 1 0 0
che ha dimensione 2 in quanto una base è data da 0 0 , 0 1 .
0 0 0 1
18.3. Esercizi
Esercizio 18.3.1. Dimostrare che, scelta una base, le coordinate su uno spazio V di
dimensione n forniscono un’isomorfismo lineare tra V e Kn .
Esercizio 18.3.2. Dimostrare che, scelte una base di V e una di W , la matrice associata
a f : V → W lineare fornisce un’isomorfismo lineare tra hom(V, W ) e Mm×n (K), ove
n = dim(V ) e m = dim(W ).
Esercizio 18.3.3. Siano V, W due spazi vettoriali su K. Dimostrare che se dim(V ) >
dim(W ) non esistono f ∈ hom(V, W ) iniettive. Dimostrare che se dim(V ) < dim(W ) non
esistono f ∈ hom(V, W ) suriettive.
Esercizio 18.3.4. Sia V = {f ∈ hom(C2 , C3 ) : f (1, 1) = f (i, i)}. Si dica se V sia un
sottospazio vettoriale di hom(C2 , C3 ) e se ne calcoli la dimensione.
Esercizio 18.3.5. Sia V = {f ∈ hom(R≤2 [x], R2 ) : Imm(f ) ⊂ span(1, 1), f (1 + x2 ) =
f (x)}. Si dica se V sia un sottospazio vettoriale di hom(R≤2 , R2 ) e se ne calcoli la
dimensione.
1 2
Esercizio 18.3.6. Sia A = e sia V = {f ∈ hom(R2 , R3 ) : f (AX) = 0}. Si dica
1 2
se V sia un sottospazio vettoriale di hom(R2 , R3 ) e se ne calcoli la dimensione.
1 2
Esercizio 18.3.7. Sia A = e sia V = {f ∈ hom(R4 , R2 ) : Af (x) = 0}. Si dica
1 2
se V sia un sottospazio vettoriale di hom(R4 , R2 ) e se ne calcoli la dimensione.
Esercizio 18.3.8. Sia f (x, y, z) = (x − y − z, y − 2x, z + x). Si calcolino le dimensioni di
ker(f ) e Imm(f ). Si dica se R3 = ker(f ) ⊕ Imm(f ).
Esercizio 18.3.9. Sia f : R≤2 [x] → R≤2 [x] la derivata. Si calcolino le dimensioni di
ker(f ) e Imm(f ). Si dica se R≤2 [x] = ker(f ) ⊕ Imm(f ).
1 −1
Esercizio 18.3.10. Sia A = e sia f : M3×2 (R) → M3×2 (R) definita da
−1 1
f (X) = XA. Si calcolino le dimensioni di ker(f ) e Imm(f ). Si dica se M3×2 (R) =
ker(f ) ⊕ Imm(f ).
1 1
Esercizio 18.3.11. Sia A = e sia f : M2×3 (R) → M2×3 (R) definita da f (X) =
1 2
AX. Si calcolino le dimensioni di ker(f ) e Imm(f ). Si dica se M2×3 (R) = ker(f ) ⊕
Imm(f ).
18.3. ESERCIZI 131
Esercizio 18.3.12. Sia f ∈ hom(V, W ). Sia v1 , . . . , vk una base di ker(f ). Dimostrare che,
data una qualsiasi estensione v1 , . . . , vk , vk+1 , . . . , vn a base di V , i vettori f (vk−1 ), . . . , f (vn )
sono una base di Imm(f ).
Esercizio 18.3.13. Sia V lo spazio delle funzioni C ∞ su R. Siano a, b, c ∈ R e sia
f (u) = au′′ + bu′ + cu. Si dimostri che f ∈ hom(V, V ). Al variare di (a, b, c) ∈ R3 Si calcoli
la dimensione di ker(f ) (si noti che dim(V ) = ∞). Dimostrare che W = {(a, b, c) ∈ R3 :
dim(ker(f )) 6= 2} è un sottospazio vettoriale di R3 e se ne calcoli la dimensione. Si dica
se U = {(a, b, c) ∈ R3 : dim(ker(f )) ≤ 1} sia un sottospazio vettoriale di R3 .
SCHEDA 19
la matrice che ha le coordinate dei vi come colonne. La matrice associata a f nelle basi
date è dunque
AM −1 .
Infatti A è la matrice associata a f nelle basi v1 , . . . , vn in partenza e BW in arrivo e M −1
altro non è che la matrice del cambio delle coordinate dalla base BV alla base v1 , . . . , vn .
Definizione 19.1.1. Un’applicazione f : Kn → Km si dice trasformazione affine se è del
tipo
f (X) = AX + b
(si noti che b = f (0)) equivalentemente f è affine se esite b tale che f (x) −b è lineare. Una
trasformazione affine si dice affinità se n = m e A è invertibile. L’applicazione lineare
f (x) − b si dice parte lineare di f . Il termine b = f (0) si dice vettore di traslazione di f .
Si noti che questa definizione si puó dare anche per applicazioni tra spazi vettoriali
qualsiasi. L’immagine di una trasformazione affine è un sottospazio affine di Km mentre
non ha senso parlare del nucleo di una applicazione affine in quanto lo zero non è piú un
elemento privilegiato (se b non appartiene allo span delle colonne di A allora {x : f (x) = 0}
132
19.2. ESEMPI ED ESERCIZI SVOLTI 133
(si noti che in questo caso particolare il termine noto si poteva calcolare sapendo che
f (X2 ) = Y2 . Essendo infatti X2 = 0 si ha Y2 = f (X2 ) = f (0) = b.) Verifichiamo adesso
di non aver fatto errori di calcolo e controlliamo che la funzione f cosı́ definita mandi
effettivamente gli Xi negli Yi .
19.2. ESEMPI ED ESERCIZI SVOLTI 134
−1 2 1 2 1
f (X0 ) = + = = Y0 ok!
0 −1 0 1 1
−1 2 1 2 −1
f (X1 ) = + = = Y1 ok!
0 −1 −1 1 2
−1 2 0 2 2
f (X2 ) = + = = Y2 ok!
0 −1 0 1 1
Esercizio 19.2.2. Si scriva una trasformazione lineare f : R3 → R4 che manda (1, 0, 1)
in (1, 0, 0, 0) e (1, 1, 0) in (0, 2, 0, 0).
Soluzione. Poniamo v1 = (1, 0, 1), v2 = (1, 1, 0), w1 = (1, 0, 0, 0), w2 = (0, 2, 0, 0).
Siccome i vi sono solo due, non possono essere una base di R3 . Ma sono linearmente
indipendenti. Li estendiamo quindi a base di R3 ponendo v3 = e1 . Scegliamo w3 come
ci pare, per esempio w3 = 0. Adesso possiamo scrivere l’unica applicazione lineare f che
manda i vi nei wi ponendo f (X) = AX con
1 0 0 −1 1 0 0 0 0 1
1 1 1 0 0 1
0 2 0 0 2 0 0 2 0
A= 0 1 0 = 0 1 0 =
0 0 0 0 0 0 0 0 0
1 0 0 1 −1 −1
0 0 0 0 0 0 0 0 0
Esercizio 19.2.3. Si caratterizzino tutte le trasformazioni lineari f : R3 → R4 che
mandano (1, 0, 1) in (1, 0, 0, 0) e (1, 1, 0) in (0, 2, 0, 0).
Soluzione. Poniamo v1 = (1, 0, 1), v2 = (1, 1, 0), w1 = (1, 0, 0, 0), w2 = (0, 2, 0, 0).
Siccome i vi sono solo due, non possono essere una base di R3 . Ma sono linearmente indi-
pendenti. Li estendiamo quindi a base di R3 ponendo v3 = e1 . Adesso possiamo scegliamo
w3 in qualsiasi modo. Lo lasciamo indicato in modo generico ponendo w3 = (a, b, c, d) La
generica applicazione lineare f che manda i vi nei wi si ottiene in basi canoniche ponendo
f (X) = AX con
1 0 a −1 1 0 a a −a 1 − a
1 1 1 0 0 1
0 2 b 0 2 b b 2 − b −b
A= 0 1 0 = 0 1 0 =
0 0 c 0 0 c c −c −c
1 0 0 1 −1 −1
0 0 d 0 0 d d −d −d
19.3. ESERCIZI 135
Esercizio 19.2.4. Siano v1 = (1, 0), v2 = (1, 1), v3 = (1, 2) e siano w1 = (2, 1, 0), w2 =
(0, 1, 0), w3 = (1, 0, 1). Si dica se esiste un’applicazione lineare f : R2 → R3 tale che
f (vi ) = wi .
Soluzione. I vi non sono linearmente indipendenti tra loro perché sono tre vettori in
uno spazio bidimensionale. Una loro combinazione lineare nulla è per esempio v3 = 2v2 −v1 .
Se esistesse un’applicazione lineare che manda vi in wi avremmo w3 = f (v3 ) = f (2v2 −v1 ) =
2f (v2 ) − f (v1 ) = 2w2 − w1 ma 2w2 − w1 = (−2, 1, 0) 6= (1, 0, 1) = w3 . Quindi una tale f
non puó esistere.
Esercizio 19.2.5. Siano v1 = (1, 2, 2), v2 = (0, 1, 1), v3 = (1, 1, 1) e siano w1 = (2, 1), w2 =
(0, 1), w3 = (2, 0). Si dica se esiste un’applicazione lineare f : R2 → R3 tale che f (vi ) = wi
e nel caso si dica se è unica. Se non è unica si caratterizzino tutte le f ∈ hom(R3 , R2 ) tali
che f (vi ) = wi .
Soluzione. I vi non sono linearmente indipendenti tra loro perché v3 = v1 − v2 . Sic-
come anche w3 = w1 − w2 , allora ogni applicazione lineare che manda v1 in w1 e v2 in
w2 manda automaticamente v3 in w3 . Possiamo quindi scordarci di v3 e w3 . Ora, v1 , v2
sono linearmente indipendenti tra loro ma non sono una base di R3 . Li estendiamo a base
aggiungendo v = (0, 1, 0) (se avessimo aggiunto (1, 0, 0) non veniva una base, perché?).
Adesso abbiamo piena scelta sull’immagine di v. Chiamiamo w = (a, b) un vettore gene-
rico di R2 . La generica applicazione lineare che manda v1 in w1 , v2 in w2 e v in w, in
coordinate canoniche si scrive come f (X) = AX con
−1
1 0 0 1 0 0
2 0 a 2 0 a 2 a −a
A=
2 1 1 =
−2 0 1 =
1 1 b 1 1 b −1 b 1 − b
2 1 0 0 1 −1
19.3. Esercizi
Esercizio 19.3.1. Siano V, W spazi vettoriali su K. Siano v1 , . . . , vk ∈ V vettori linear-
mente indipendenti e siano w1 , . . . , wk ∈ W . Dimostrare che esiste f ∈ hom(V, W ) tale
che f (vi ) = wi per ogni i. Dimostrare che tale f è unica se e solo se v1 , . . . , vk generano
V.
19.3. ESERCIZI 136
proprietà.
Esercizio 19.3.6. In R2 consideriamo i punti
1 1 2 1 0 −1
X0 = , X1 = , X2 = Y0 = , Y1 = , Y2 =
−1 0 2 1 1 2
19.3. ESERCIZI 137
Endomorfismi
da cui
x x 1
y = −x = x −1
z 0 0
Quindi gli atuovettori relativi all’autovalore 2 sono i multipli non nulli di (1, −1, 0).
Calcoliamo gli autovettori relativi all’autovalore zero. Questi sono gli elementi non nulli
di ker(f ) dobbiamo quindi risolvere il sistema AX = 0 che è
x−y−z =0
x=y
−x + y − z = 0
z=0
2z = 0
da cui
x x 1
y = x = x 1
z 0 0
Quindi gli atuovettori di f relativi all’autovalore 0 sono i multipli non nulli di (1, 1, 0).
Calcoliamo gli autovettori di f relativi all’autovalore 2. Questi sono gli elementi non nulli
del ker(f − 2Id) si deve quindi risolvere il sistema (A − 2I)X = 0 ossia
1 − 2 −1 −1 −1 −1 −1
−1 1 − 2 −1 X = 0 −1 −1 −1 X = 0
0 0 2−2 0 0 0
da cui
x x 1 0
y = y = x 0 + y 1
z −x − y −1 −1
Quindi gli atuovettori relativi all’autovalore 2 sono i vettori non nulli dello span di
(1, 0, −1) e (0, 1, −1).
Esercizio 20.2.9. Sia f (x, y) = (3x + 5y, −5x − 3y). Si trovino gli autovalori di f
considerato come endomorfismo di R2 . Si trovino gli autovalori di f considerato come
endomorfismo di C2 . Si trovino gli autovettori di f come endomorfismo di C2 .
Soluzione. La matrice associata a f nella base canonica è
3 5
−5 −3
20.2. ESEMPI ED ESERCIZI SVOLTI 143
Per cui p(x) = 0 non ha radici reali e quindi f non ha autovalori reali. Le radici complesse
di p(x) sono ±4i. Cerchiamo gli autovettori relativi a 4i. Questi sono gli elementi non
nulli di ker(f − 4iId). Impostiamo quindi il sistema
3 5 3 5 4i 0 3 − 4i 5
− 4iId X = 0 − X = 0 X = 0
−5 −3 −5 −3 0 4i −5 −3 − 4i
si noti che la seconda riga è −(3 + 4i)/5 volte la prima.
3 − 4i 5 x
= 0 (3 − 4i)x + 5y = 0 y = (4i − 3)x/5
−5 −3 − 4i y
Gli autovettori relativi a 4i sono quindi del tipo
x x 5
= = x
y (4i − 3)x/5 5 4i − 3
e sono quindi tutti i multipli non nulli di (5, 4i − 3).
Cerchiamo gli autovettori relativi a −4i.
Questi sono gli elementi non nulli di ker(f + 4iId). Impostiamo quindi il sistema
3 5 3 5 4i 0 3 + 4i 5
+ 4iId X = 0 + X = 0 X = 0
−5 −3 −5 −3 0 4i −5 −3 + 4i
si noti che la seconda riga è (4i − 3)/5 volte la prima.
3 + 4i 5 x
= 0 (3 + 4i)x + 5y = 0 y = (−3 − 4i)x/5
−5 −3 + 4i y
Gli autovettori relativi a −4i sono quindi del tipo
x x 5
= = x
y (−3 − 4i)x/5 5 −3 − 4i
Scriviamo l’endomorfismo f6 (X) = A6 X nella base v1 = (1, 0), v2 = (0, 1/2). Abbiamo
f6 (v1 ) = v1 e f6 (v2 ) = (1, 1/2) = v1 + v2 , quindi nella base v1 , v2 l’endomorfismo f6 ha A5
come matrice associata. Quindi A5 e A6 sono simili.
20.3. Esercizi
Esercizio 20.3.1. Dimostrare che la matrice associata all’endomorfismo identità è sempre
Id, in qualsiasi base.
Esercizio 20.3.2. Dimostrare che la matrice associata all’endomorfismo f (x) = 2x è
sempre 2Id, in qualsiasi base.
Esercizio 20.3.3. Dimostrare che se f ∈ End(V ) è un endomorfismo tale che la matrice
ad esso associata non dipende dalla base scelta, allora f è un multiplo dell’identità.
Esercizio 20.3.4. Dimostrare che λ è autovalore di un endomorfismo f se e solo se ker(f −
λId) 6= {0}.
Esercizio 20.3.5. Sia f ∈ End(V ) e sia λ un suo autovalore. Dimostrare che se esistono
m autovettori relativi a λ, linearmente indipendenti tra loro, allora la molteplicità algebrica
di λ è almeno m.
Esercizio 20.3.6. Sia f ∈ End(V ) e sia λ un suo autovalore. Dimostrare che l’insieme
Vλ costituito dai vettori v tali che f (v) = λv, incluso lo zero, è un sottospazio vettoriale di
V , la cui dimensione non eccede la molteplicità algebrica di λ.
Esercizio 20.3.7. Sia p ∈ K[x] e sia A ∈ Mn×n (K). Dimostrare che se p(A) = 0 allora
ogni autovalore di A è radice di p.
Esercizio 20.3.8. Calcolare autovalori (con molteplicità algebrica) e autovettori di f (x, y, z) =
(x + 2y, 2x + y, −z).
Esercizio 20.3.9. Calcolare autovalori (con molteplicità algebrica) e autovettori di f (x, y, z) =
(x + 2y + 3z, 2x + y, 3x + z).
Esercizio 20.3.10. Calcolare autovalori (con molteplicità algebrica) e autovettori di f (x, y, z) =
(x + y − z, x + y, −x + z).
Esercizio 20.3.11. Calcolare autovalori (con molteplicità algebrica) e autovettori di f (x, y, z) =
(x − y − z, x + y, −x + z).
Esercizio 20.3.12. Sia f ∈ End(R≤2 [x]) definito da f (p) = (1 − x)p′ + p′′ . Calcolare
autovalori e autovettori di f .
Esercizio 20.3.13. Al variare del parametro k calcolare autovalori (con molteplicità alge-
brica) e autovettori di f (x, y, z) = (x + ky + kz, x + k 2 y, −x + k 2 z).
Esercizio 20.3.14. Si calcolino autovalori (con molteplicitá algebrica) e autovettori di
2 1 2 0 2 1 1 1 1 0 2 0 2 2 2 2
0 2 0 2 1 2 0 2 0 2 0 1 0 0 0 2
20.3. ESERCIZI 146
T M −M T
chiaramente M +M2
∈ S e 2
∈ A quindi S e A insieme generano V . Quindi L è
diagonalizzabile.
Esercizio 21.2.11. Si trovino tutti i sottospazi invarianti dell’endomorfismo di R3 definito
da f (x, y, z) = (x + 2z, y, 2z + x).
Soluzione. La matrice associata a f nella base canonica è
1 0 2
0 1 0
2 0 1
e f (w) = w + αe1 , cioè w è un vettore tale che (f − Id)w = αe1 , ossia è una soluzione del
sistema
0 1 0 α
y=α
0 0 0 X = 0 0=0
0 0 1 0 z=0
21.3. Esercizi
Esercizio 21.3.1. Si dica se l’endomorfismo di R3 definito da f (x, y, z) = (x + y + z, −x −
y − z, z) è diagonalizzabile.
Esercizio 21.3.2. Si dica se l’endomorfismo di R3 definito da f (x, y, z) = (x + y + z, −x −
y − z, x + y + z) è diagonalizzabile.
Esercizio 21.3.3. Si dica se l’endomorfismo di C3 definito da f (x, y, z) = (y, −x, iz) è
diagonalizzabile.
Esercizio 21.3.4. Si dica se l’endomorfismo di C4 definito da f (x, y, z, t) = (y + z −it, x−
y − iz + t, it, −iz) è diagonalizzabile.
Esercizio 21.3.5. Si dica se la derivata come endomorfismo di R≤5 [x] è diagonalizzabile.
Esercizio 21.3.6. Si dica se la derivata come endomorfismo di C≤5 [x] è diagonalizzabile.
1 2
Esercizio 21.3.7. Sia A = e sia L ∈ End(M2×2 (R)) definita da L(M) = AM.
3 4
Si dica se L è diagonalizzabile.
1 2
Esercizio 21.3.8. Sia A = e sia L ∈ End(M2×2 (R)) definita da L(M) = MA.
3 4
Si dica se L è diagonalizzabile.
1 2
Esercizio 21.3.9. Sia A = e sia L ∈ End(M2×2 (R)) definita da L(M) = AM.
−2 1
Si dica se L è diagonalizzabile.
21.3. ESERCIZI 154
1
1
2
2
4
4
4
5
6
La prima colonna, cioè h1 (λ) = mg (λ) ci dice quanti blocchi abbiamo, e le somme ci
dicono la dimensione. Nel nostro esempio avremmo
• 2 blocchi di ordine 1
• 2 blocchi di ordine 2
• nessun blocco di ordine 3
• 3 blocchi di ordine 4
• un blocco di ordine 5
• un blocco di ordine 6
2 0 0 0 1 0 0 0 0 1 0 0 1 0 0 0
0 3 0 0 0 0 0 0 0 0 0 0 0 0 0 0
, , ,
0 0 1 1 0 0 2 0 0 0 2 0 0 0 0 1
0 0 0 1 0 0 0 −1 0 0 0 1 0 0 0 0
22.2. ESEMPI ED ESERCIZI SVOLTI 158
22.2. ESEMPI ED ESERCIZI SVOLTI 160
Esercizio 22.2.8. Trovare la forma di Jordan della derivata come elemnto di End(R≤3 [x]).
e la forma di Jordan
0 1 0 0
0 0 1 0
0 0 0 1
0 0 0 0
e quindi c’è un solo blocco di ordine 2 relativo all’autovalore 1. La sua forma di Jordan è
dunque
1 1 0
0 1 0
0 0 −1
h2 = 2 h2 = 1
22.2. ESEMPI ED ESERCIZI SVOLTI 163
2 1 0 0 0
0 2 0 0 0
0 0 2 1 0
0 0 0 2 1
0 0 0 0 2
−1 1 0 0 0 0 0 0
0 −1 1 0 0 0 0 0
0
0 −1 0 0 0 0 0
0
0 0 −1 1 0 0 0
A=
0
0 0 0 −1 1 0 0
0
0 0 0 0 −2 1 0
1
0 0 1 0 −1 0 1
0 −1 0 0 −1 0 0 −1
ma = 8. Poniamo
0 1 0 0 0 0 0 0
0 0 1 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 1 0 0 0
M = (A − (−1)Id) = A + Id =
0 0 0 0 0 1 0 0
0 0
0 0 0 −1 1 0
1 0
0 1 0 −1 1 1
0 −1 0 0 −1 0 0 0
0 0 1 0 0 0 0 0
0 0 0 0 0 0 0
0
0 0 0 0 0 0 0 0
0 0 0 0 0 1 0 0
2
rango(M 2 ) = 4
M =
0
0 0 0 0 −1 1 0
1 0 0 1 0 0 0 1
1 0 0 1 0 0 0 1
0 0 −1 0 0 −1 0 0
22.2. ESEMPI ED ESERCIZI SVOLTI 165
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
3
0 0 0 0 0 1 −1 0
rango(M 3 ) = 2
M =
1 0 0 1 0 0 0 1
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 −1 1 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
1 0 0 1 0 0 0 1
M4 = rango(M 4 ) = 1
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
−1 0 0 −1 0 0 0 −1
quindi h2 = 2, h3 = 3, h4 = 1, il diagramma è
e la forma di jordan
−1 1 0 0 0 0 0 0
0 −1 1 0 0 0 0 0
0
0 −1 0 0 0 0 0
0
0 0 −1 1 0 0 0
0
0 0 0 −1 1 0 0
0
0 0 0 0 −1 1 0
0
0 0 0 0 0 −1 1
0 0 0 0 0 0 0 −1
22.3. ESERCIZI 166
22.3. Esercizi
Esercizio 22.3.1. Sia f ∈ End(R2 ) definito da f (x, y) = (x, x + y) si verifichi che è
triangolabile e se ne trovi la forma di Jordan.
Forme bilineari
b(X, Y ) = X T AY
è una forma bilineare.
Esempio 23.2.5. L’applicazione nulla b : V × V → K definita da b(v, w) = 0 è bilineare.
23.2. ESEMPI ED ESERCIZI SVOLTI 171
Esercizio 23.2.13. Sia b ∈ bil(R3 ) una forma bilineare simmetrica con forma quadratica
q(x, y, z) = x2 + 2xy − y 2 − 4xz + yz. Si scriva la matrice associata a b nella base canonica.
Esercizio 23.2.14. Sia b ∈ bil(R3 ) una forma bilineare simmetrica con forma quadratica
q(x, y, z) = 2xy − 4xz + 6yz. Si scriva la matrice associata a b nella base canonica.
0 1 −2
Soluzione. 1 0 3 .
−2 3 0
Esercizio 23.2.15. Sia b ∈ bil(R3 ) una forma bilineare simmetrica con forma quadratica
q(x, y, z) = (x + y + z)2 . Si scriva la matrice associata a b nella base canonica.
23.3. ESERCIZI 174
23.3. Esercizi
Esercizio 23.3.1. Si dica quali delle seguenti formule per b((x1 , x2 ), (y1 , y2 )) determina
una forma bilineare su R2
x1 − y2 x2
(x1 +y1 )2 (x1 +x2 )(y1 +y2 ) (x1 +y1 )(x2 +y2 ) (x1 +1)y2 +x2 y2
y1 y2
Si dimostri che b è bilineare, se ne scriva la matrice rispetto alla base canonica di R≤2 [x]
e rispetto alla base v1 = 1 + x, v2 = (1 + x)2 , v3 = 1. Si determini la parte simmetrica e
quella antisimmetrica di b. Si scriva la forma quadratica associata a b.
Esercizio 23.3.3. Sia b : R≤2 [x] × R≤2 [x] → R definita da
Z 1
b(p, q) = p′ (x)q(0)dx.
−1
Si dimostri che b è bilineare, se ne scriva la matrice rispetto alla base canonica di R≤2 [x]
e rispetto alla base v1 = 1 + x, v2 = (1 + x)2 , v3 = x. Si determini la parte simmetrica e
quella antisimmetrica di b. Si scriva la forma quadratica associata a b.
Esercizio 23.3.4. Sia b : R≤3 [x] × R≤3 [x] → R definita da
Z 1
b(p, q) = p′ (x)q ′′ (x)dx.
−1
Si dimostri che b è bilineare, se ne scriva la matrice rispetto alla base canonica di R≤3 [x] e
rispetto alla base v1 = 1+x, v2 = (1+x)2 , v3 = x, v4 = x3 . Si determini la parte simmetrica
e quella antisimmetrica di b. Si scriva la forma quadratica associata a b.
Esercizio 23.3.5. Sia b : R≤2 [x] × R≤2 [x] → R definita da
Z
1 1 ′
b(p, q) = p (x)q ′ (0)dx.
2 −1
Si dimostri che b è bilineare, se ne scriva la matrice rispetto alla base canonica di R≤2 [x]
e rispetto alla base v1 = 1 + x, v2 = (1 + x)2 , v3 = x. Si determini la parte simmetrica e
quella antisimmetrica di b. Si scriva la forma quadratica associata a b.
Esercizio 23.3.6. Sia b : R≤2 [x] × R≤2 [x] → R definita da
b(p, q) = p(1)q ′ (2).
Si dimostri che b è bilineare, se ne scriva la matrice rispetto alla base canonica di R≤2 [x]
e rispetto alla base v1 = 1 + x2 , v2 = (1 + x)2 , v3 = 1. Si determini la parte simmetrica e
quella antisimmetrica di b. Si scriva la forma quadratica associata a b.
23.3. ESERCIZI 175
Esercizio 23.3.18. Sia b ∈ bil(R4 ) una forma bilineare simmetrica con forma quadratica
q(x, y, z, t) = (x + y + z)(2y − t). Scrivere la matrice associata a b nella base canonica.
Esercizio 23.3.19. Sia b ∈ bil(R4 ) una forma bilineare simmetrica con forma quadratica
q(x, y, z, t) = (x + y)2 − (x − t)2 + zt + 3(x − y + z)2 − (z + t)2 . Scrivere la matrice associata
a b nella base canonica.
SCHEDA 24
ove il dominio di integrazione D dipende di solito dal problema che stiamo studiando.
Diversi domini definiscono prodotti scalari diversi.
n
Definizione 24.1.9. Il prodotto di Minkowski sullo P spazio tempo R × R è la forma di
segnatura (0, n, 1) b((x1 , . . . , x, t), (y1 , . . . , yn , s)) = xi yi − ts.
Questo è un esempio di forma bilineare simmetrica non degenere ove però sono presenti
dei vettori (non nulli) tali che b(v, v) = 0. Tali vettori si dicono isotropi.
che ha rango 1 quindi n0 = 2. In oltre si vede subito che (1, 1, 1) è un autovettore relativo
all’autovalore 3 > 0 quindi n+ ≥ 1. Sicccome n0 = 2 e dim(R≤2 [x]) = 3 l’unica possibilità
è che la segnatura sia (2, 1, 0).
Esercizio 24.2.6. Si calcoli la segnatura della forma bilineare simmetrica b di R3 con
forma quadratica associata q(x, y, z) = 2xy − x2 − 3y 2 + 4yz − 2z 2 .
Soluzione. La matrice associata a b in base canonica è
−1 1 0
1 −3 2
0 2 −2
√
Il polinomio caratteristico è x(x2 + 6x + 6) e gli autovalori
√ sono 0, −3 ± √ 3 tutti con
molteplicità 1. Quindi n0 = 1, n+ = 0, n− = mg (−3 + 3) + mg (−3 − 3) = 2. La
segnatura è quindi (1, 0, 2).
24.3. Esercizi
Esercizio 24.3.1. Si dica quali delle seguenti matrici rappresentano prodotti scalari di R3
nella base canonica
0 0 −1 2 1 1 3 2 1 3 2 1 3 −2 3
0 1 0 1 1 0 2 1 0 2 4 0 −2 4 0
−1 0 0 1 0 1 1 0 1 1 0 2 3 0 3
Esercizio 24.3.2. Si dica quali delle seguenti forme bilineari è un prodotto scalare su
R≤2 [x]
Z −1
p(0)q(0) p(x)q(x)dx p(0)q(0) + p(1)q(1) p(0)q(0) + p(1)q(1) + p(−1)q(−1)
−2
e calcolarne la segnatura. Si dica quali sono non degeneri.
Esercizio 24.3.3. Per ognuna delle seguenti forme quadratiche si consideri la corrispon-
dente forma bilineare simmetrica su R3 . Si dica se è un prodotto scalare e se ne calcoli la
segnatura.
q(x, y, z) = 2xy + x2 + 3y 2 + 4yz − 2z 2
q(x, y, z) = (x − y)2 − (y − z)2 + (x − z)2
q(x, y, z) = 10(x + y + z)2 − x2 − 3z 2
q(x, y, z) = (x − y − z)2 + (x − y)2 + z 2
SCHEDA 25
Norma e ortogonalità
3 0 0 1
(1, 0, 1) 0 2 0 2
hv, wi 0 0 1 −3 0
πv (w) = v= = v = 0.
hv, vi 4
3 0 0 1
(1, 0, 1) 0 2 0 0
0 0 1 1
R1
Esercizio 25.2.12. Sia hp, qi = b(p, q) = −1
p(x)q(x) un prodotto scalare su R≤2 [x]. Sia
v = 1 − x2 . Si calcoli πv (w) con
w=1 w=x w = x2
e v ha coordinate (1, 0, −1). I tre vettori 1, x, x2 sono i vettori della base canonica quindi
1
(1, 0, −1)A 0
0 4/3 4/3 1 5
πv (1) = v= v = v= v = (1 − x2 )
||v||2 16/15 4/5 4
1
(1, 0, −1)A 0
−1
25.2. ESEMPI ED ESERCIZI SVOLTI 186
0
(1, 0, −1)A 1
0 0
πv (x) = v= v=0
||v||2 16/15
0
(1, 0, −1)A 0
1 4/15 1 1 − x2
πv (x2 ) = v= v= v=
||v||2 16/15 4 4
Esercizio 25.2.13. Si trovi la retta r di R3 ortogonale al piano di equazione x + y + z = 2
e passante per (1, 0, 1).
Soluzione. La giacitura della retta r è (1, 1, 1). Quindi le equazioni parametriche di
r sono
(1, 0, 1) + t(1, 1, 1).
Esercizio 25.2.14. Si trovi la retta r di R3 passante per (1, 2, 3) e ortogonale al piano π
passante per (1, 1, 1), (1, 0, 1), (1, 1, 0).
Soluzione. La giacitura del piano π è generata dai vettori (1, 0, 1)−(1, 1, 1) e (1, 1, 0)−
(1, 1, 1). Quindi una base della giacitura di π è e2 , e3 . Un’equazione cartesiana della
giacitura di π è dunque x = 0. Ne segue che la giacitura di r è span(1, 0, 0). Equazioni
parametriche di r sono quindi
1 1
2 + t 0
3 0
Se uno volesse delle equazioni cartesiane di r basta imporre che il determinante della
seguente matrice sia 2
1 x−1
y=2
0 y − 2 da cui
z=3
0 z−3
25.2. ESEMPI ED ESERCIZI SVOLTI 187
3
Esercizio 25.2.15. Si trovi
il piano π di R passante per (1, 2, 3) e ortogonale alla retta
y+x=2
r di equazioni cartesiane
z − x − y = −1
Soluzione. Una base per la giacitura di π è formata dai vettori riga della matrice di un
sistema omogeneo che definisce la giacitura di r, e dunque da v1 = (1, 1, 0) e v2 = (0, 0, 1)1.
Le equazioni parametriche di π sono dunque
Esercizio 25.2.16. Si trovi il piano π di R3 passante per (2, 1, −3) e ortogonale alla retta
r di equazioni parametriche (5, 6, 7) + t(3, 4, 5).
3x + y4 + 5z = −5
y+x=2
1Si noti che il sistema che definisce r è equivalente al sistema
z=1
25.3. ESERCIZI 188
25.3. Esercizi
Esercizio 25.3.1. Si calcoli la norma dei seguenti vettori di R4
1 2 1 0 2
2 3 1 1 1
v1 = , v2 = , v3 = , v4 = , v5 = √
3 4 −1 −1 − 3
4 1 −1 0 0
rispetto al prodotto scalare standard di R4 , rispetto ai prodotti scalari associati alle seguenti
matrici (in base canonica)
1 0 0 0 3 1 0 0 2 0 0 0
0 2 0 0 1 3 0 0 0 3 0 0
A1 = , A2 = , A3 =
0 0 3 0 0 0 2 1 0 0 4 0
0 0 0 4 0 0 1 2 0 0 0 1
e rispetto ai prodotti scalari con forma quadratica
q1 (x, y, z, t) = (x+y+z+t)2 +(x−z)2 +y 2 +t2 , q2 (x, y, z, t) = (t−y)2 +(t−z)2 +z 2 +x2 .
Per ogni i, j si calcoli l’ortogonale di span(vi , vj ), il coseno dell’angolo tra vi e vj e la
proiezione πvi (vj ), rispetto ad ognuno dei prodotti scalari dati.
Esercizio 25.3.2. Si calcoli la norma dei seguenti polinomi di R≤3 [x]
p1 = 1 p2 = 1 + x p3 = (1 + x)2 p4 = (1 + x)3 p5 = p1 + 3p3 p6 = p4 − p2
rispetto ai prodotti scalari
Z 1 Z 1 Z 2
p(x)q(x) p(x)q(x) p(x)q(x).
−1 0 0
Per ogni i, j si calcoli l’ortogonale di span(pi , pj ), il coseno dell’angolo tra pi e pj e la
proiezione πpi (pj ) rispetto ad ognuno dei prodotti scalari dati.
Esercizio 25.3.3. Si trovino equazioni parametriche e cartesiane della retta di R3 passante
per (0, −1, 3) ed ortogonale al piano di equazione x + y − 3x = 4.
Esercizio 25.3.4. Si trovino equazioni parametriche e cartesiane della retta di R3 passante
per (2, −1, 1) ed ortogonale al piano di equazione parametrica (1, 2, 3)+t(1, 0, 1)+s(1, 1, 1).
Esercizio 25.3.5. Si trovino equazioni parametriche e cartesiane del piano di R3 passante
per (0, −1, 3) ed ortogonale alla retta di equazione parametrica (10, 100, 1000) + t(1, 2, −5).
3
Esercizio 25.3.6. Si trovino equazioni parametriche e cartesiane del piano di R passante
y+z =1
per (3, 6, 9) ed ortogonale alla retta di equazioni .
x − 4y + 3z = 7
25.3. ESERCIZI 189
w1 = v1
w2 = v2 − πw1 (v2 )
w3 = v3 − πw1 (v3 ) − πw2 (v3 )
..
.
wn = vn − πw1 (vn ) − πw2 (vn ) − πw3 (vn ) · · · − πwn−1 (vn )
Si verifica facilmente che wi e wj sono ortogonali tra loro.
Si noti che la matrice del cambio di coordinate dalla base v1 , . . . , vn e la base w1 , . . . , wn
è triangolare.
Teorema 26.1.4. Ogni base ortogonale di V si può normalizzare. In particolare V am-
mette sempre una base ortonormale.
Dimostrazione. Basta considerare wi′ = wi /||wi ||.
Teorema 26.1.5. Sia A ∈ Mn×n (R) una matrice simmetrica e siano v, w due autovettori
di A relativi ad autovalori differenti. Allora v e w sono ortogonali rispetto al prodotto
scalare standard di Rn .
Dimostrazione. Se Av = λv e Aw = µw allora, siccome AT = A si ha
λv T w = (λv T )w = (λv)T w = (AV )T w = v T AT w = v T Aw = v T (Aw) = v T µw = µv T w
per cui (λ − µ)v T w = 0 siccome λ 6= µ si ha v T w = 0.
Teorema 26.1.6 (Teorema spettrale per Rn standard). Sia A ∈ Mn×n una matrice sim-
metrica. Allora esite una base ortonormale di Rn (rispetto al prodotto scalare standard)
fatta di autovettori di A.
Per il teorema precedente questa si trova algoritmicamente applicando il procedimento
di Gram-Schmidt su ogni autospazio separatamente e poi normalizzando.
Siccome i cambi di basi tra basi ortonormali sono matrici ortogonali, il teorema spet-
trale dice che A si diagonalizza simultaneamente sia come endomorfismo che come forma
bilineare.
Corollario 26.1.7. Sia h, i il prodotto scalare standard su Rn e sia b un altro prodotto
scalare su Rn . Allora esiste una base di Rn che sia ortogonale sia per h, i che per b.
2
Esempio 26.2.2. La base canonica di R nonè ortogonale rispetto al prodotto scalare
2 1
associato, in base canonica, alla matrice .
1 2
Esempio 26.2.3. La base di R2 formata dai vettori v1 = (1, 1) e v2 = (1, −1) è ortogonale
sia rispetto al prodotto scalarestandard che rispetto al prodotto scalare associato, in base
2 1 √ √
canonica, alla matrice . La base formata dai vettori v1 / 2, v2 / 2 è ortonormale
1 2
√ √
per il prodotto scalare standard ma non per il secondo. La base v1 / 6, v2 / 2 è ortonormale
per il secondo prodotto scalare ma non per quello standard.
Esempio 26.2.4. Sia v1 , . . . , vn una base ortonormale di V . Allora ogni riordinamento
dei vi è una base ortonormale in quanto la condizione di ortogonalità hvi , vj i = 0 e quella
di normalità hvi , vi i = 1 non dipendono dall’ordine dei vi .
Esercizio 26.2.5. Si dica quali delle seguenti matrici sono ortogonali.
√ √
1 1 1 1/ 2 0 1/ 2 cos θ − sin θ 0
1 −1
1 0 −1 , , 0 1 0 , sin θ cos θ 0
1 1 √ √
1 −1 1 1/ 2 0 −1/ 2 0 0 1
√
Soluzione. La prima non è ortogonale perchè la norma della prima colonna è 3. La
seconda non è ortogonale perchè, nonostante le sue colonne siano ortogonali tra loro, esse
non hanno norma unitaria. La terza e la quarta sono ortogonali in quanto le loro colonne
formano basi ortonormali di R3 .
Esercizio 26.2.6. Ortogonalizzare la base (1, 1, 1), (1, 1, 0), (1, 0, 0) rispetto al prodotto
scalare standard di R3 .
Soluzione. Applichiamo il procedimento di Gram-Schmidt
v1 = (1, 1, 1), v2 = (1, 1, 0), v3 = (1, 0, 0)
1 −1/2 r 2 −1/2
w2 = p 1 = 1
2/4 + 2 − 1 3
0 0
0
v3 − hw1 , v3 iw1 − hw2 , v3 iw2 v3 √
w3 = = = v3 / 3 = 0
||v3 − hw1 , v3 iw1 − hw2 , v3 iw2 || ||v3|| √
1/ 3
Riepilogando
√ √ √ √
w1 = (1/ 2, 0, 0) w2 = (−1/ 6, 2/ 6, 0) w3 = (0, 0, 1/ 3)
Le coordinate di v = (1, 2, 3) rispetto alla base ortonormale w1 , w2 , w3 sono
hw1 , vi w1T Av wT
1
hw2 , vi = w2T Av = w2T Av
T
hw3 , vi w3 Av w3T
√
T
w 1/ 2 0 0 2 1 0 1
1 √ √
T
w2 Av = −1/ 6 2/ 6 0 1 2 0 2
√
w3T 0 0 1/ 3 0 0 3 3
26.2. ESEMPI ED ESERCIZI SVOLTI 195
√ √ √
2 1/ 2 0 1 2 2
p √
= 0 3/2 0 2 = 6
√ √
0 0 3 3 3 3
√ √ √
Dunque le coordinate di (1, 2, 3) rispetto alla base w1 , w2 , w3 sono (2 2, 6, 3 3).
Per finire, per essere
√ sicuri√ di non aver
√ fatto errori di calcolo, verifichiamo che effetti-
vamente (1, 2, 3) = 2 2w1 + 6w2 + 3 3w3 :
√ √
1/ 2 −1/ 6 0 1
√
√ √
√
2 2 0 + 6 2/ 6 + 3 3 0 = 2 .
√
0 0 1/ 3 3
Esercizio 26.2.9. Si trovi una base ortonormale di autovettori di
3 −1 2
A = −1 3 2
2 2 0
26.3. Esercizi
Esercizio 26.3.1. Sia v1 , . . . , vn−1 un insieme di vettori di Rn che siano ortogonali fra loro
e ciascuno di norma unitaria. Dimostrare che esistono solo due vettori che completano
v1 , . . . , vn−1 ad una base ortonormale di Rn .
Esercizio 26.3.2. Sia v = e1 il primo vettore della base canonica di Rn . Si esibisca un
endomorfismo f ∈ End(Rn ) tale che v, f (v), . . . , f n−1(v) sia una base ortonormale di Rn .
Esercizio 26.3.3. Si dica quali delle seguenti matrici sono ortogonali.
√
1 1 1 1 1 1 cos θ cos θ −√ 2 sin θ
1 1 1 1
0 0 −1 , , √ 0 −1 0 , √ sin θ sin θ 2 cos θ
0 1 2 2
1 −1 1 1 0 −1 −1 1 0
Esercizio 26.3.4. Si dimostri che i possibili autovalori reali di una matrice ortogonale
sono ±1.
Esercizio 26.3.5. Sia v1 = (1, 2, 1), v2 = (0, 1, 1), v3 = (2, 1, 2). Ortonormalizzare la base
v1 , v2 , v3 rispetto al prodotto scalare standard di R3 . Calcolare le coordinate dei vettore
(2, 1, 2) e (1, 0, 0) rispetto a tale base.
Esercizio 26.3.6. Sia v1 = (1, 2, 1), v2 = (0, 1, 1), v3 = (2, 1, 2). Ortonormalizzare la base
v1 , v2 , v3 rispetto al prodotto scalare di R3 con forma quadratica (x + y + z)2 + y 2 + 2z 2 .
Calcolare le coordinate dei vettore (2, 1, 2) e (1, 0, 0) rispetto a tale base.
26.3. ESERCIZI 197
Esercizio 26.3.7. Sia v1 = (1, 2, 3, 4), v2 = (4, 3, 2, 1), v3 = (0, 0, 1, 0), v4 = (0, 0, 0, 1).
Ortonormalizzare la base v1 , . . . v4 rispetto al prodotto scalare standard di R4 . Calcolare le
coordinate dei vettore (0, 1, 1, 0) e (0, 0, 0, 1) rispetto a tale base.
Esercizio 26.3.8. Sia v1 = (1, 2, 3, 4), v2 = (4, 3, 2, 1), v3 = (0, 0, 1, 0), v4 = (0, 0, 0, 1).
Ortonormalizzare la base v1 , . . . v4 rispetto al prodotto scalare di R4 con forma quadratica
(x + y)2 + (x − y)2 + z 2 + t2 . Calcolare le coordinate dei vettore (2, 1, 1, 1) e (1, 0, 0, 2)
rispetto a tale base.
Esercizio 26.3.9. Ortonormalizzare la base canonica di R≤2 [x] rispetto ai seguenti prodotti
scalari Z Z Z
1 0 2
p(x)q(x)dx p(x)q(x)dx q(x)p(x)dx
0 −1 −2
Calcolare le coordinate di (2 + x)2 rispetto a tali basi.
Esercizio 26.3.10. Si trovi una base ortonormale di autovettori di
1 −2 4
A = −2 1 4
4 4 −5
Si calcolino le coordinate di (1, 1, 1), (1, 1, 2) e (1, 1, −2) rispetto a tale base.
Esercizio 26.3.11. Si trovi una base ortonormale di autovettori di
a −b 2b
A = −b a 2b
2b 2b a − 3b
Si calcolino le coordinate di (1, 1, 1), (1, 1, 2) e (1, 1, −2) rispetto a tale base.
Esercizio 26.3.12. Si trovi una base ortonormale di autovettori di
−2 1 −2 −6
1 −2 −2 −6
A=
−2 −2 1 12
−6 −6 12 33
Si calcolino le coordinate di (1, 1, 1, 1), (1, 0, 0, 0) e (1, 1, −2, 1) rispetto a tale base.
SCHEDA 27
Esercizio 27.2.4. Calcolare la distanza tra x e x2 rispetto al prodotto scalare di R≤2 [x]
R1
dato da 0 p(x)q(x)dx.
Soluzione. Applicando direttamente la formula si ottiene
s
p Z 1 p √
2 2
d(x, x ) = ||x − x || = (x − x2 )2 = 1/3 − 1/2 + 1/5 = 1/ 30.
0
Esercizio 27.2.5. Classificare tutte le isometrie lineari di R2 col prodotto scalare standard.
Soluzione. In coordinate canoniche si
devonotrovare tutte le matrici M che siano
a b
ortogonali, cioè M T M = Id. Posto M = L’equazione M T M = Id diventa il
c d
sistema
a2 + c2 = 1
ab + cd = 0
b2 + d2 = 1
27.2. ESEMPI ED ESERCIZI SVOLTI 202
a b
quindi ponendo a = cosθ, c = sinθ e d = cos α, b = sin α abbiamo che =
c d
cos θ sin α
. La seconda equazione ci dice tan α = − tan θ quindi, modulo 2π si ha
sin θ cos α
α = θ e α = −θ + π. Quindi abbiao due possibilità
cos θ − sin θ cos θ sin θ
sin θ cos θ sin θ − cos θ
Esercizio 27.2.6. Si dica quali delle seguenti funzioni f : R2 → R2 sono isometrie rispetto
al prodotto scalare standard.
Esercizio 27.2.7. Si trovi, se esiste, un’isometria di R2 standard che mandi (1, 2) in (2, 2)
e (1, 1) in (0, 0).
Soluzione. La distanza√ tra (1, 2) e (1, 1) è ||(0, 1)|| = 1 mentre la distanza tra (2, 2)
e (0, 0) è ||(2, 2)|| = 2 2 6= 1. Quindi una tale isometria non esiste.
Soluzione. Sia f una tale isometria e sia L la sua parte lineare. Allora (−1, 0) =
w1 − w2 = f (v1 ) − f (v2 ) = L(v1 − v2 ) = L(0, 1). La matrice della parte lineare è dunque
27.3. ESERCIZI 203
della forma
a −1
M =
c 0
Affinchè M sia ortogonale è necessario che a = 0 e c = ±1. Ci sono quindi due possibilità
per M
0 −1 0 −1
M = M =
1 0 −1 0
Cerchiamo adesso il termine di traslazione X0 imponendo che f (v1 ) = w1
−1 1
= M + X0
0 2
le due possibilità sono quindi
−1 −2 1 −1 −2 1
X0 = − = X0 = − =
0 1 −1 0 −1 1
in totale abbiamo due isometrie con la proprietà richiesta:
0 −1 1 0 −1 1
f (X) = X + f (X) = X +
1 0 −1 −1 0 1
27.3. Esercizi
Esercizio 27.3.1. Calcolare la distanza tra P e Q con
P = (1, 2, 3, 4), (1, 0, 1, 2), (−1, −2, −3, −4), (4, 3, 2, 1), (0, 0, 0, 0), (0, 1, 0, 1), (1, 0, 1, 0)
Q = (1, 3, 3, 2), (1, 2, 1, 0), (−2, −3, −4, −5), (4, 3, 2, 1), (0, 0, 0, 0), (1, 1, 1, 1), (0, 0, 1, 0)
rispetto al prodotto scalare standard di R4 e rispetto ai prodotti scalari di R4 con forma
quadratica q(x, y, z, t) =
x2 + 2y 2 + 3z 4 + z 2 x2 + y 2 + (z + 2y)2 + (t + x)2 2x2 + 2xy + 2y 2 + z 2 + 2zt + t2 .
Esercizio 27.3.2. Calcolare la distanza tra d(p, q) al variare di p e q in
1 x x2 1+x (1 − x)2 x2 + x − 5 (2 − x)(x + 3) − 1
rispetto ai prodotti scalari di R≤2 [x] definiti da
Z 1 Z 0 Z 2
p(x)q(x) p(x)q(x) p(x)q(x) p(0)q(0) + p(1)q(1) + p(−1)q(−1)
0 −1 −2
27.3. ESERCIZI 204
Esercizio 27.3.3. Classificare tutte le “isometrie” lineari dello spazio tempo R2 con il
prodotto di Minkowski.
Esercizio 27.3.4. Classificare tutte le isometrie lineari di R3 col prodotto scalare standard.
Esercizio 27.3.5. Dimostrare che tutte le isometrie di R2 sono prodotto di riflessioni
rispetto a rette.
Esercizio 27.3.6. Dimostrare che i possibili autovalori delle isometrie sono solo ±1.
Esercizio 27.3.7. Dimostrare che per ogni isometria f ∈ End(R3 ) il numero 1 è autovalore
di f 2 . Fornire un esempio di isometria f di R3 per cui 1 non sia un autovalore di f .
Esercizio 27.3.8. Trovare, se esistono, tutte le isometrie di R2 standard che mandano
(1, 1) in (3, 3) e (2, 2) in (2, 2).
Esercizio 27.3.9. Trovare, se esistono, tutte le isometrie di R2 standard che mandano
(1, 1) in (3, 3) e (2, 2) in (1, 1).
Esercizio 27.3.10. Trovare, se esistono, tutte le isometrie di R3 standard che mandano
(1, 1, 1) in (1, 0, 0), (1, 0, 1) in (1, 0, 1) e (0, 1, 1) in (0, 0, 0).
SCHEDA 28
205
28.1. RICHIAMI DI TEORIA 206
1 1
w2 = w2′ /||w2′ || = √ 1
6
−2
Adesso possiamo procedere come prima:
V = P − X0 = (−1, 1, −1)
−1 1 1 −1
1 1
V − πW0 (V ) = V − hw1 , V iw1 − hw2 , V iw2 = 1 + 1 − 1 = 1
3 3
−1 1 −2 0
28.2. ESEMPI ED ESERCIZI SVOLTI 209
√
d(P, W ) = ||V − πW0 (V )|| = 2
Soluzione. Questo esercizio lo abbiamo giá risolto col metodo delle equazioni carte-
siane, risolviamolo adesso usando le equazioni parametriche. Risolvendo il sistema AX = b
troviamo che
0 0 1/2
1 0 0
W = t + s +
0 0 1/2
0 1 0
i vettori
0 0
1 0
v1 = t v2 =
0 0
0 1
28.2. ESEMPI ED ESERCIZI SVOLTI 211
28.3. Esercizi
Esercizio 28.3.1. Calcolare la distanza tra il punto P ed il piano π, con
1 1 1 1 0
P = 2 , P = −2 , P = 2 , P = 1 , P = 2
3 3 −3 1 1
Quadriche e coniche
ponendo bi = βi /2 e aij = (αij + αji )/2 (il perchè sarà chiaro tra poco) l’equazione diventa
X X
aij xi xj + 2 bi xi + c = 0
i,j i
Affinché si abbia una quadrica, la matrice A non deve essere nulla. Inoltre introducendo
la matrice simmetrica M ∈ M(n+1)×(n+1) definita come
a . . . a1n b1
11
.. .. .. ..
A b . . . .
M = =
T
b c an1 . . . ann bn
b1 . . . bn c
l’equazione diventa
x1
.
..
x1 . . . xn =0
1 M
xn
1
In sostanza si stanno cercando i vettori isotropi della forma bilineare simmetrica asso-
ciata a M.
A meno di cambi di coordinate affini le quadriche possono essere messe in una forma
canonica affine, che ne determina la “forma” e le proprietà algebriche. Si noti che una
traslazione X 7→ X + b della variabile X = (x1 , .. . , xn ) si può scrivere in termini della
Id b
variabile (x1 , . . . , xn , 1) tramite la matrice come segue:
0 1
x1 + b1 1 . . . 0 b1 x1
.. .. . . .. .. ..
. . . . . .
=
xn + bn 0 . . . 1 bn xn
1 0 ... 0 1 1
Il procedimento generale per trovare la forma canonica di una quadrica, che esamine-
remo in dettaglio solo nel caso n = 2, consiste nei seguenti passi:
(1) Riduzione di A in forma diagonale, con solo 0, 1, −1 sulla diagonale. Ciò è possibile
usando una forma modificata del procedimento di Gram-Schmidt. La segnatura
di A ci dirà quanti 0, 1, −1 troveremo sulla diagonale.
(2) Se possibile, eliminazione dei termini di primo grado tramite una traslazione. Ciò
sarà possibile solo se l’equazione AX = b ha soluzione. In particolare sarà sempre
possibile se det A 6= 0.
(3) Normalizzazione del termine noto.
29.1. RICHIAMI DI TEORIA 217
Per riconoscere una conica avendo la scrittura in termini matriciali, è utile la Tabella 1,
che fornisce il tipo di conica in relazione a determinante e segnatura di A e M.
(0, 2, 1) y = x2 Parabola
6= 0
(0, 1, 2) (−y = −x2 ) (b ∈
/ Imm(A))
(1, 2, 0) x2 + 1 = 0
0 Insieme vuoto
(1, 1, 0) (1, 0, 2) −x2 − 1 = 0
0
(1, 0, 1) x2 − 1 = 0 Coppia di
(1, 1, 1) 0
(−x2 + 1 = 0) rette parallele
(2, 1, 0) x2 = 0 Retta
0
(2, 0, 1) 2
−x = 0 (rango(M) = 1)
29.1.2. Riconoscimento del tipo di una conica a mano. Una conica su può ridur-
re in forma canonica manualmente, usando il metodo del completamento dei quadrati:
29.1. RICHIAMI DI TEORIA 219
Sia
ax2 + 2bxy + cy 2 + 2dx + 2ey + f = 0
l’equazione di una conica.
• Riduzione al caso b = 0. Se b 6= 0 allora abbiamo due casi:
(1) Se a 6= 0 (oppure se c 6= 0) a meno di cambiare segno all’equazione possiamo
supporre a > 0. In questo caso il termine in xy si fa sparire usando la relazione
√ b b2
ax2 + 2bxy = ( ax + y √ )2 − √ y 2 (completamento del quadrato)
a a
e cambiando variabili come segue
√ b √ b
X = ax + y √ Y =y (oppure Y = cy + x √ X=x)
a c
(2) Se a = c = 0 allora si usa il cambio di variabili
X = (x + y) Y = (x − y)
ed avremo 2bxy = b(X 2 − Y 2 )/2.
• Riduzione al caso d = 0. Adesso che abbiamo b = 0 l’equazione è della forma
ax2 + cy 2 + 2dx + 2ey + f = 0.
I coefficienti a e c non possono essere entrambi nulli altrimenti l’equazione sarebbe
lineare e non quadratica. A meno di scambiare la x con la y possiamo supporre
a 6= 0. A meno di cambiare segno a tutta l’equazione possiamo supporre a > 0.
Procediamo completando ax2 + 2dx a quadrato tramite
√ d d2
ax2 + 2dx = ( ax + √ )2 −
a a
e cambiamo variabili come segue
√ d
X = ax + √ Y =y
a
• Adesso l’equazione è della forma
ax2 + cy 2 + 2ey + f = 0.
e possiamo distinguere i vari casi:
(1) Se c = 0 e e 6= 0 allora la conica è una parabola e si può mettere in forma
canonica prima divindendo per a e riducendosi a x2 + 2ey + f = 0 e poi
tramite il cambio di variabile Y = −(2ey + f ).
(2) Se c = 0 ed e = 0 allora l’equazione è del tipo ax2 + f = 0.
(a) Se f = 0 la conica è una retta e si porta in forma canonica dividendo
l’equazione per a.
(b) Se f e a sono dello stesso segno allora la conica è l’insieme vuoto.
(L’equazione si porta
√ in forma canonica prima dividendo per f e poi
col cambio X = ax.)
29.2. ESEMPI ED ESERCIZI SVOLTI 220
otteniamo l’equazione
X 2 + 3/4 = 0
che definisce l’insieme vuoto.
Esercizio 29.2.2. Si dica che tipo di conica è quella rappresentata dalla seguente equazione
2xy + y 2 + 2x + 2y + 1 = 0.
Soluzione. Completiamo 2xy + y 2 a quadrato ponendo 2xy + y 2 = (x + y)2 − x2 . Ora
cambiamo variabili
X =x Y =x+y
L’equazione diventa
Y 2 − X 2 + 2Y + 1 = 0
che riscriviamo come y 2 −x2 +2y+1 = 0, oppure (y+1)2 −x2 = 0. Poniamo Y = y+1, X = x
ed otteniamo
X2 − Y 2 = 0
che definisce una coppia di rette.
Esercizio 29.2.3. Si dica che tipo di conica è quella rappresentata dalla seguente equazione
2xy + 2x − 4y + 1 = 0.
Soluzione. Scriviamo 2xy = ((x + y)2 − (x − y)2 )/2 e cambiamo variabili
X = x+y Y = x−y
il cambio di variabili inverso è
x = (X + Y )/2 y = (X − Y )/2
L’equazione diventa
X2 Y 2 X2 Y 2
− + X + Y − 2X + 2Y + 1 = 0 − − X + 3Y + 1 = 0
2 2 2 2
moltiplicando il tutto per 2 si ottiene
X 2 − Y 2 − 2X + 6Y + 2 = 0
che riscriviamo come
x2 − y 2 − 2x + 6y + 2 = 0
completiamo x2 − 2x e y 2 − 6y a quadrati
(x − 1)2 − 1 − (y − 3)2 + 9 + 2 = 0 (x − 1)2 − (y − 3)2 + 10 = 0
Ponendo X = x − 1 e Y = y − 3 si ottiene
X 2 − Y 2 + 10 = 0
che definisce un’iperbole. Se la vogliamo in forma canonica dividiamo il tutto per 10
ottenendo
X2 Y 2
− +1=0
10 10
29.2. ESEMPI ED ESERCIZI SVOLTI 222
√ √
e cambiando variabili x = X/ 10, x = Y / 10 ottieniamo
x2 − y 2 + 1 = 0
Esercizio 29.2.4. Si dica che tipo di conica è quella rappresentata dalla seguente equazione
x2 + 2xy − 2x + 6y + 1 = 0.
Abbiamo det(A) < 0 e det(M) 6= 0 quindi dalla Tabella 1 si deduce che l’equazione definisce
un’iperbole.
Esercizio 29.2.5. Si dica che tipo di conica è quella rappresentata dalla seguente equazione
x2 + 2xy + y 2 + 2x + 2y + 1 = 0.
Siccome M ha rango 1, dalla Tabella 1 si deduce che l’equazione descrive una retta.
Esercizio 29.2.6. Si dica che tipo di conica è quella rappresentata dalla seguente equazione
x2 + 2xy + y 2 + 2x + 4y + 1 = 0.
Siccome det(A) = 0 e det(M) 6= 0 l’equazione descrive una parabola (vedasi Tabella 1).
29.3. ESERCIZI 223
29.3. Esercizi
Esercizio 29.3.1. Si dica che tipo di conica è quella rappresentata dalla seguente equazione
3x2 + 2xy + y 2 + 2x + 4y + 1 = 0.
Esercizio 29.3.2. Si dica che tipo di conica è quella rappresentata dalla seguente equazione
x2 + 2xy + 3y 2 + 5x + 5y + 6 = 0.
Esercizio 29.3.3. Si dica che tipo di conica è quella rappresentata dalla seguente equazione
x2 − 2xy + y 2 − x + y − 1 = 0.
Esercizio 29.3.4. Si dica che tipo di conica è quella rappresentata dalla seguente equazione
4xy + 5x + 6y = 0.
Esercizio 29.3.5. Si dica che tipo di conica è quella rappresentata dalla seguente equazione
(x + y)2 + 2(x − y)2 − (x + 2y)2 − (2x + 1)2 = 0.
Esercizio 29.3.6. Si dica che tipo di conica è quella rappresentata dalla seguente equazione
x2 + 2xy + 3y 2 + 12y + 18 = 0.
Esercizio 29.3.7. Si dica che tipo di conica è quella rappresentata dalla seguente equazione
(x + y − 2)2 + (2x − y + 1)2 − 4 = 0.
Esercizio 29.3.8. Si dica che tipo di conica è quella rappresentata dalla seguente equazione
(x + y − 2)2 + (2x − y + 1) − 4 = 0.
Esercizio 29.3.9. Si dica che tipo di conica è quella rappresentata dalla seguente equazione
x2 − 6 + 9 + 2x = 0.
Esercizio 29.3.10. Si dica che tipo di conica è quella rappresentata dalla seguente equa-
zione
2x2 + 8y 4 + 8xy + x + 2y + 4 = 0.
Esercizio 29.3.11. Si dica che tipo di conica è quella rappresentata dalla seguente equa-
zione
3x2 + 5y 2 + 8x − 8xy − 14y − 3 = 0
Esercizio 29.3.12. Si dica che tipo di conica è quella rappresentata dalla seguente equa-
zione
9x2 + 4y 2 − 12xy + 6x − 4y − 2 = 0
Esercizio 29.3.13. Si dica che tipo di conica è quella rappresentata dalla seguente equa-
zione
(x − y)2 + x2 + y 2 + 2 + 4x + 4y + 6xy = 0
Esercizio 29.3.14. Si dica che tipo di conica è quella rappresentata dalla seguente equa-
zione
(x+y)2 +(x−y)2 +(x+2y)2+(x−2y)2 +(x+2y+3)2+(x+2y−3)2 +(x−2y+3)2 +(x−2y−3)2 = 0