Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
11 marzo 2020
1 Spazi vettoriali
Osservazione
Se, dati v, w ∈ V, anche v + w ∈ V, si dice che “V è chiuso rispetto alla somma”;
se, dati v ∈ V e α ∈ K, anche αv ∈ V, si dice che “V è chiuso rispetto al prodotto
per uno scalare”.
Definizione
L’insieme V è detto spazio vettoriale (sul campo K) se è chiuso rispetto alle
operazioni di somma e prodotto per uno scalare, ed inoltre esse verificano le
seguenti proprietà:
S1 propr. commutativa – ∀v, w ∈ V: v + w = w + v;
S2 propr. associativa – ∀u, v, w ∈ V: u + (v + w) = (u + v) + w;
S3 esistenza dell’elemento neutro – esiste un solo elemento ω ∈ V tale che
∀v ∈ V si ha v + ω = v, lo indichiamo con 0 (il vettore nullo);
S4 esistenza dell’opposto – ∀v ∈ V esiste un solo elemento w ∈ V tale che
v + w = 0, (w si dice opposto di v, lo indichiamo con −v);
P1 propr. associativa – ∀α, β ∈ K, ∀v ∈ V: (αβ)v = α(βv);
P2 propr. distributiva - 1 – ∀α ∈ K, ∀v, w ∈ V: α(v + w) = αv + αw;
P3 propr. distributiva - 2 – ∀α, β ∈ K, ∀v ∈ V: (α + β)v = αv + βv;
P4 normalizzazzione – ∀v ∈ V: 1v = v.
Osservazione
Dalle proprietà S-P discendono le seguenti
proprietà di annullamento:
αv = 0 ⇒ α = 0 oppure v = 0;
proprietà di cancellazione:
1) v + w = v + u ⇒ w = u,
2) αv = αw, α 6= 0 ⇒ v = w,
3) αv = βv, v 6= 0 ⇒ α = β.
Esempio
1) Gli insiemi dei vettori del piano o dello spazio.
2) Per ogni n ∈ N, l’insieme Rn = {x = (x1 , x2 , . . . , xn ), xi ∈ R}.
3) Per ogni n ∈ N, l’insieme Pn [x] = {polinomi di grado ≤ n}.
4) L’insieme P[x] dei polinomi di grado qualsiasi.
5) Sia I un intervallo chiuso, I ⊂ R, l’insieme C(I ).
Definizione
Il vettore w ∈ V è combinazione lineare dei k vettori v1 , . . . , vk ∈ V se esistono k
scalari α1 , . . . , αk , tali che w = α1 v1 + . . . + αk vk .
Definizione
I vettori v1 , . . . , vk ∈ V si dicono linearmente indipendenti se
α1 v1 + . . . + αk vk = 0 ⇒ α1 = . . . = αk = 0.
Definizione
I vettori v1 , . . . , vk ∈ V si dicono linearmente dipendenti se esistono k scalari
α1 , . . . , αk non tutti nulli tali che
α1 v1 + . . . + αk vk = 0.
Dimostrazione
v1 , . . . , vk linearmente dipendenti significa
α1 v1 + . . . + αk vk = 0 e ∃αi 6= 0,
possiamo pensare che sia α1 , mettiamo in evidenza v1 :
α2 αk
1
v = − α1 v + . . . + − α1 vk ,
2
Proprietà
Se 0 ∈ {v1 , . . . , vk }, allora i vi sono linearmente dipendenti.
• Span
Definizione
Dati k vettori v1 , . . . , vk ∈ V, si chiama span di v1 , . . . , vk l’insieme di tutte le
loro combinazioni lineari, in simboli:
span v1 , . . . , vk = {v ∈ V|v = α1 v1 + . . . + αk vk }.
I vettori v1 , . . . , vk si dicono generatori.
Osservazione
span v1 , . . . , vk è a sua volta uno spazio vettoriale.
• Basi
Definizione
Sia V uno spazio vettoriale, un insieme di generatori di V che siano linearmente
indipendenti è detto base.
Esempio
Dato V = {f : R → R|f (x) = ae x + be −x },
{e x , e −x } è una base per V, anche {Ch x, Sh x} lo è, infatti se v ∈ V
v = αe x + βe −x = (α + β) Ch x + (α − β) Sh x.
Definizione
Sia {v1 , v2 , . . . , vn } un insieme di elementi di V, e sia r ≤ n;
{v1 , v2 , . . . , vr } è un sottoinsieme massimale di elementi indipendenti se
i vettori {v1 , v2 , . . . , vr } sono linearmente indipendenti,
∀j : r < j ≤ n, {v1 , v2 , . . . , vr , vj } sono linearmente dipendenti.
Proprietà
Se B = {v1 , . . . , vr } è una base per V, allora ogni vettore w di V può essere
espresso in uno e un solo modo come combinazione lineare degli elementi di B.
Dimostrazione
Esiste almeno una combinazione lineare dei vi che produce w, poiché v1 , . . . , vr
generano V.
Tale combinazione è unica, perché i vi sono indipendenti: se per assurdo ne
esistessero due distinte
w = α1 v1 + . . . + αr vr w = β1 v 1 + . . . + β r v r ,
sottraendo membro a membro otterremmo
0 = (α1 − β1 )v1 + . . . + (αr − βr )vr ,
ossia una combinazione lineare dei vi , con coefficienti non tutti nulli, che dà il
vettore nullo, contro l’ipotesi che i vi siano indipendenti. n
Teorema 1
Sia V = span v1 , v2 , . . . , vn ,
se {v1 , v2 , . . . , vr } ⊂ {v1 , v2 , . . . , vn } è un sottoinsieme massimale di elementi
indipendenti,
allora {v1 , v2 , . . . , vr } è una base per V.
E la numerosità è importante:
Teorema 2
Sia V uno spazio vettoriale, e sia B = {v1 , . . . , vr } una base di V.
Siano w1 , . . . , wn n elementi di V con n > r ,
allora i wi sono linearmente dipendenti.
• Dimensione
Numerosità delle basi
Teorema 3
Sia V uno spazio vettoriale,
siano inoltre Bv = {v1 , . . . , vr } e Bw = {w1 , . . . , ws } due basi per V.
Allora r = s.
Dimostrazione
Applichiamo il teorema precedente alternativamente a ciascuna delle due basi
(considerando l’altra come un insieme qualsiasi di vettori): non può essere r < s,
né s < r , dunque r = s. n
Definizione
Sia V uno spazio vettoriale, si dice che V ha dimensione r (in simboli: dim V = r )
se una (qualsiasi) base di V è costituita da r elementi.
Per definizione dim{0} = 0.
Osservazione
In uno spazio vettoriale di dimensione r , qualsiasi insieme composto da più di r
vettori è formato da vettori linearmente dipendenti.
Un’importante precisazione:
Osservazione
Vi sono spazi vettoriali per i quali vale la seguente circostanza: comunque presi n
vettori v1 , . . . , vn , è sempre possibile trovare un vettore v che non è combinazione
lineare dei vi ; questi spazi vettoriali si dicono avere dimensione infinita.
D’ora in avanti, quando in questo corso parleremo di spazi vettoriali, saranno spazi
vettoriali di dimensione finita.
Teorema 4
Sia V uno spazio vettoriale di dimensione n; se v1 , . . . , vn sono linearmente
indipendenti, allora costituiscono una base per V.
Dimostrazione
Sappiamo (Teorema 2) che se il numero dei vettori supera la dimensione di V, i
vettori sono linearmente dipendenti, dunque {v1 , . . . , vn } è un sottoinsieme
massimale, e pertanto (Teorema 1) è una base per V. n
Teorema 5
Sia V uno spazio vettoriale con dim V = n. Siano v1 , . . . , vr (r < n) vettori
linearmente indipendenti. Allora è possibile scegliere in V dei vettori vr +1 , . . . , vn
tali che {v1 , . . . , vn } sia una base per V.
Dimostrazione
Poiché r < n, per definizione
di
dimensione {v1 , . . . , vr } non sono una base di V.
Esiste vr +1 6∈ span v1 , . . . , vr ,
dunque v1 , . . . , vr , vr +1 sono indipendenti,
se r + 1 < n, {v1 , . . . , vr , vr +1 } non sono una base: esiste vr +2 . . .
Si arriva a determinare v1 , . . . , vm linearmente indipendenti,
m 6> n, rendendo m il più grande possibile si trova m = n,
pertanto {v1 , . . . , vn } sarà una base per V. n
Osservazione
Se V = Rn , n vettori qualsiasi linearmente indipendenti sono una base.
Definizione
Se V = Rn , i vettori
1 0 0
0 1 0
1 2 n
e = . , e = . , . . . e = .
.. .. ..
0 0 1
costituiscono la base canonica C = {e1 , e2 , . . . , en }.
Osservazione
In R3 , inteso come ambiente della geometria analitica, e1 = i, e2 = j, e3 = k, e
dunque C = {i, j, k}.
• Coordinate
Definizione
Sia V uno spazio vettoriale, e sia B = {v1 , . . . , vr } una sua base; possiamo
esprimere il generico vettore w ∈ V in termini dei vi :
w = α1 v1 + α2 v2 + . . . + αr vr ,
α1 , . . . , αr sono le coordinate di w rispetto alla base B. In simboli:
α1
..
w B = . .
αr
Esempio
Sia V = span {e x , e −x }, con
B1 = {e x , e −x }, B2 = {e −x , e x }, B3 = {Ch x, Sh x},
x −x
preso v = 4e + e = 5 Ch x + 3 Sh x, abbiamo quindi
4 1 5
v B = v B = v B = .
1 1 2 4 3 3
Osservazione
Le coordinate cambiano, non solo al cambiare della base, ma anche al cambiare
dell’ordine con cui i vettori vi compaiono in B.
Osservazione
Ogni spazio vettoriale di dimensione n è (una volta fissata la base) isomorfo a Rn .
Esempio
Sia V = P2 [x] con B = {x 2 , x, 1}, v = 2x 2 + 3x + 1 e w = x 2 − 5:
2 1
v B = 3 w B= 0
1 −5
2
consideriamo la somma: v +w = 3x +3x −4, si ha che
3 2 1
v + w B = 3 = 3 + 0 = v B + w B .
−4 1 −5
V è innanzitutto un insieme,
un suo sottoinsieme può essere un sottospazio.
Definizione
Dato lo spazio vettoriale V, un suo sottoinsieme W è detto sottospazio vettoriale
(di V) se
W è non vuoto, cioè W 6= ∅,
W è chiuso rispetto alla somma tra vettori,
W è chiuso rispetto al prodotto per uno scalare.
Esempio
In V = R4 , W = {x ∈ V : x1 + x2 + x3 + x4 = 0} è un sottospazio.
In V = C[−1, 1], W = {f ∈ V : f (x) = f (−x)} è un sottospazio.
In V = C[−1, 1], W = {f ∈ V : f (1) = 0} è un sottospazio.
In V = C[−1, 1], W = {f ∈ V : f (0) = 1} non è un sottospazio.
Dimostrazione
Se W = {0}, abbiamo la tesi.
Se W 6= {0}, allora ∃w ∈ W;
W chiuso rispetto al prodotto ⇒ −w = (−1)w ∈ W,
W chiuso rispetto alla somma ⇒ w + (−1)w = 0 ∈ W. n
Osservazione
Ogni spazio vettoriale V ha perlomeno due sottospazi: uno è V stesso, l’altro è il
sottoinsieme {0} composto dal solo vettore nullo.
Proprietà
Se v1 , . . . , vk ∈ V, span v1 , . . . vk è un sottospazio vettoriale di V.
Dimostrazione
Sia W = span v1 , . . . vk ,
1) W contiene ciascun elemento vi , dunque non è vuoto;
2) W è chiuso rispetto alla somma: dati w1 , w2 ∈ W,
w1 = α1 v1 + . . . + αk vk e w2 = β1 v1 + . . . + βk vk ,
raccogliendo, si vede che la somma w1 + w2 ∈ W:
w1 + w2 = (α1 + β1 )v1 + . . . + (αk + βk )vk ;
3)W è chiuso rispetto al prodotto per uno scalare:
se w = α1 v1 + . . . + αk vk , abbiamo
βw = (βα1 )v1 + . . . + (βαk )vk . n
Definizione
span v1 , . . . vk è detto sottospazio vettoriale generato
1 da v
1
, . . . , v k
.
1 k k
I vettori v , . . . , v sono detto generatori di span v , . . . v .
Osservazione
span{v1 , . . . vk } è il più piccolo sottospazio vettoriale di V contenente v1 , . . . , vk :
se W ⊆ V è un sottospazio vettoriale di V e v1 , . . . , vk ∈ W,
allora span{v1 , . . . vk } ⊆ W.
Esempio
Sia V = R3 , e ( ( )
x − y + 2z = 0
W= (x, y , z) ∈ R3 : ,
x + y − 4z = 0
W è un sottospazio di R3 , basta verificare(esercizio!)
che
1
W = span 3 .
1
Definizione
Siano V uno spazio e W un suo sottospazio, un insieme {w1 , . . . , wh } di
generatori di W che siano linearmente indipendenti costituisce una base per W.
Proprietà
Sia V uno spazio vettoriale e W un suo sottospazio,
se dim W = dim V allora W e V coincidono.
Dimostrazione
Sia B = {w1 , . . . , wn } una base di W,
poiché n = dim V per il Teorema 4 B è anche una base di V. n
Teorema 6
Sia V uno spazio vettoriale con dim V = n.
Sia W un sottospazio (W = 6 {0}), allora W ha una base, e dim W ≤ n.
Dimostrazione
Sia w1 ∈ W,
o {w1 } è massimale (e quindi una base per W), oppure non lo è,
in questo secondo caso esiste w2 indipendente da w1 ;
o {w1 , w2 } è massimale (e quindi una base per W), oppure non lo è,
in tal caso esiste w3 . . .
dim V = n, quindi (Teor.2) l’operazione non può continuare indefinitamente:
si arriva a trovare un insieme massimale {w1 , . . . , wm } (con m ≤ n).
Per il Teorema 4 {w1 , . . . , wm } è una base di W. n
Intersezione
Nel seguito, V è uno spazio vettoriale, U e W sono due suoi sottospazi.
Proprietà
Il sottoinsieme U ∩ W è un sottospazio vettoriale di V.
Dimostrazione
È sufficiente dimostrare che U ∩ W è nonvuoto e chiuso rispetto alla somma ed al
prodotto per uno scalare.
0 ∈ U, 0 ∈ W, dunque 0 ∈ U ∩ W, che pertanto non è vuoto.
Per quanto riguarda la somma, presi v1 , v2 ∈ U ∩ W:
( (
v1 , v2 ∈ U v1 + v2 ∈ U
1 2
⇒ 1 2
⇒ v1 + v2 ∈ U ∩ W,
v ,v ∈ W v +v ∈W
per quanto riguarda il prodotto per uno scalare α:
( (
v∈U αv ∈ U
v ∈U ∩W ⇒ ⇒ ⇒ αv ∈ U ∩ W. n
v∈W αv ∈ W
Osservazione
L’unione di sottospazi non è in generale un sottospazio
(perché – in generale – non è chiusa rispetto alla somma).
Esempio
In V = R2 prendiamo
α 2β
U= ,α ∈ R W= ,β ∈ R ,
2α β
U ∪ W è l’insieme di tutti i “vettori del piano” con una delle due componenti
uguale al doppio dell’altra,
non è chiuso rispetto alla somma:
1 2 1 2 3
, ∈ U ∪ W, ma + = 6∈ U ∪ W.
2 1 2 1 3
Somma di sottospazi
Definizione
Si chiama somma di U e W il sottoinsieme di V
U + W = {v ∈ V | ∃u ∈ U, w ∈ W tali che v = u + w}.
Proprietà
Il sottoinsieme U + W è un sottospazio vettoriale di V.
Dimostrazione
È sufficiente dimostrare che U + W è non vuoto e chiuso rispetto alla somma ed
al prodotto per uno scalare. (Esercizio. . . )
Osservazione
In generale, per ogni v ∈ U + W esistono infinite coppie (u, w) di elementi
appartenenti rispettivamente a U e a W tali che v = u + w.
Definizione
Se (con i simboli precedenti) la decomposizione v = u + w è unica, si dice che
U + W è somma diretta di U e W, e si indica con U ⊕ W.
Dimostrazione
⇒ – Prendiamo v ∈ U ∩ W, e mostriamo che necessariamente v = 0:
v ∈ U + W, dunque è somma di un elemento di U e di un elemento di W,
possiamo allora scrivere
v= v + 0 = 0 + v
∈U ∈W ∈U ∈W
ma la decomposizione è unica, e quindi v = 0. q
⇐ – Preso v ∈ U + W, supponiamo per assurdo che esistano due coppie
u1 ∈ U, w1 ∈ W e u2 ∈ U, w2 ∈ W che diano v:
u1 + w1 = v = u2 + w2
si ricava u1 − u2 = w2 − w1 , dunque u1 − u2 e w2 − w1 devono appartenere a
U ∩ W = {0}, pertanto u1 = u2 e w1 = w2 . n
Teorema 9
Sia V uno spazio vettoriale (con dim V = n), U un sottospazio di V non costituito
dal solo vettore nullo; esiste un sottospazio W tale che V = U ⊕ W.
Dimostrazione
Per il Teorema 6, è possibile costruire una base {u1 , . . . , um } per U;
per il Teorema 7 possiamo completarla,
ed ottenere una base {u1 , . . . , um , vm+1 , . . . , vn } per V,
ponendo W = span vm+1 , . . . , vn abbiamo la tesi. n
La formula di Grassmann
La formula di Grassmann costituisce un legame tra le dimensioni dei sottospazi
vettoriali U, W, U ∩ W e U + W.
Dimostrazione
Caso 1, dim(U ∩ W) = 0 – per il Teor. 8, U ⊕ W è somma diretta.
Siano BU = {u1 , . . . , ur } e BW = {w1 , . . . , ws } basi di U e W;
ogni elemento v ∈ U + W può essere scritto come
v = u + w = α1 u1 + . . . + αr ur + β1 w1 + . . . + βs ws ,
e tale scrittura è unica perché U + W è somma diretta,
dunque {u1 , . . . , ur , w1 , . . . , ws } è una base per U + W,
che ha dimensione dim(U + W) = r + s = dim U + dim W. q
(continua alla pagina dopo. . . )
(continua dimostrazione)
Caso 2, dim(U ∩ W) = k – Sia BU ∩W = {v1 , . . . , vk },
per il Teorema 7 possiamo completare BU ∩W e ottenere
BU = {v1 , . . . , vk , uk+1 , . . . , ur }, base di U,
BW = {v1 , . . . , vk , wk+1 , . . . , ws }, base di W,
wj 6∈ U, quindi tutti i vettori wj sono indipendenti dai vettori di BU ,
uj 6∈ W, quindi tutti i vettori uj sono indipendenti dai vettori di BW ,
dunque i vettori {v1 , . . . , vk , uk+1 , . . . , ur , wk+1 , . . . , ws } sono linearmente
indipendenti, e formano una base per U + W,
che quindi ha dimensione
r + s − k = dim U + dim W − dim(U ∩ W). n