Spazi vettoriali

11 marzo 2020

Spazi vettoriali 11 marzo 2020 1 / 41

1 Spazi vettoriali

Spazi vettoriali 11 marzo 2020 2 / 41

 • Definizione di spazio vettoriale

K è un campo numerico (in genere R. . . )

V è un insieme di oggetti (li indichiamo con u, v, w,. . . ) con due operazioni:
somma: ad ogni coppia v, w di elementi di V
associa l’elemento v + w, ancora appartenente a V;
prodotto per uno scalare, a α ∈ K e a v ∈ V
associa l’elemento αv, ancora appartenente a V.

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”.

Spazi vettoriali 11 marzo 2020 4 / 41

Cos’è uno spazio vettoriale

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.

Spazi vettoriali 11 marzo 2020 5 / 41

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 ).

Spazi vettoriali 11 marzo 2020 6 / 41

 • Combinazioni lineari — Dipendenza e indipendenza
lineare

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.

Spazi vettoriali 11 marzo 2020 8 / 41

Proprietà
Se k vettori v1 , . . . , vk sono linearmente dipendenti, allora ve n’è (almeno) uno
che può essere scritto come combinazione lineare degli altri.

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

dunque v1 è combinazione lineare dei restanti vettori v2 , . . . , vk . n

Proprietà
Se 0 ∈ {v1 , . . . , vk }, allora i vi sono linearmente dipendenti.

Spazi vettoriali 11 marzo 2020 9 / 41

• 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.

Spazi vettoriali 11 marzo 2020 11 / 41

• 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.

Spazi vettoriali 11 marzo 2020 13 / 41

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

Spazi vettoriali 11 marzo 2020 14 / 41

Il concetto di insieme massimale è legato al concetto di base.

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.

Spazi vettoriali 11 marzo 2020 15 / 41

• 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.

Spazi vettoriali 11 marzo 2020 17 / 41

Caratteristiche delle dimensioni

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.

Spazi vettoriali 11 marzo 2020 18 / 41

Estendiamo la possibilità di essere una base:

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

Spazi vettoriali 11 marzo 2020 19 / 41

Ottenere una base “per completamento”

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

Spazi vettoriali 11 marzo 2020 20 / 41

Rn e basi canoniche

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}.

Spazi vettoriali 11 marzo 2020 21 / 41

• 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

Spazi vettoriali 11 marzo 2020 23 / 41

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

Spazi vettoriali 11 marzo 2020 24 / 41

 • Sottospazi vettoriali

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.

Spazi vettoriali 11 marzo 2020 26 / 41

Proprietà
Se W è un sottospazio di V, allora 0 ∈ W.

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.

Spazi vettoriali 11 marzo 2020 27 / 41

Sottospazi generati da vettori

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

Spazi vettoriali 11 marzo 2020 28 / 41

Sottospazi generati da vettori

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.

Spazi vettoriali 11 marzo 2020 29 / 41

Sottospazi individuati da equazioni

Se V = Rn , o se in un generico V è fissata una base, si può individuare un

sottospazio attraverso una o più equazioni lineari omogenee che legano le
componenti (o coordinate) dei vettori.

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
 

Spazi vettoriali 11 marzo 2020 30 / 41

Sottospazi e basi

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

Spazi vettoriali 11 marzo 2020 31 / 41

Ogni sottospazio ha una base

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

Spazi vettoriali 11 marzo 2020 32 / 41

 • Intersezione e somma di sottospazi

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

Spazi vettoriali 11 marzo 2020 34 / 41

L’unione è un sottospazio?

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

Spazi vettoriali 11 marzo 2020 35 / 41

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. . . )

Spazi vettoriali 11 marzo 2020 36 / 41

La decomposizione può non essere univoca
Esempio
Sia V = R4 ,
U = {(x, y , z, t)|x = y , z = t}
W = {(x, y , z, t)|t = −x, z = −y }
osserviamo che (2, 3, 0, 1) = (1, 1, 2, 2) + (1, 2, −2, −1),
dunque (2, 3, 0, 1) ∈ U + W,
però vale anche (2, 3, 0, 1) = (2, 2, 1, 1) + (0, 1, −1, 0).

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.

Spazi vettoriali 11 marzo 2020 37 / 41

Somma diretta e intersezione

Teorema 8
Sia V uno spazio vettoriale, U eW due sottospazi di V.
U + W è somma diretta ⇔ U ∩ W = {0}.

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

Spazi vettoriali 11 marzo 2020 38 / 41

Completamento di un sottospazio

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

Spazi vettoriali 11 marzo 2020 39 / 41

La formula di Grassmann
La formula di Grassmann costituisce un legame tra le dimensioni dei sottospazi
vettoriali U, W, U ∩ W e U + W.

Teorema [Formula di Grassmann]

Dato uno spazio vettoriale V di dimensione finita e due sottospazi U e W:
dim(U + W) = dim U + dim W − dim(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. . . )

Spazi vettoriali 11 marzo 2020 40 / 41

La formula di Grassmann

(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

Spazi vettoriali 11 marzo 2020 41 / 41