ALTRI ESEMPI DI APPLICAZIONI AFFINI CHE CONSIDEREREMO SPESSO

(CON ESERCIZI)

Richiami dalla volta scorsa: coordinate polari. Come dicevamo mercoledi scorso (4 marzo)
verso la fine della lezione, a volte è utile scrivere i vettori di R2 in coordinate polari. Dunque, dato
un vettore non nullo (x, y) = v ∈ R2 , possiamo scrivere
 1 
(1) v = kvk v
kvk
Il vettore
1
v
kvk
ha la stessa direzione e verso di v, ed è un vettore unitario (a volte detto anche versore). Dunque
(dal liceo) esiste ed è unico un θ ∈ [0, 2π) tale che
1
v = (cos θ, sin θ)
kvk
Invece che rappresentare gli angoli solamente con numeri reali in [0, 2π) è più conveniente fare come
segue: sappiamo anche che, due numeri reali θ, θ0 ∈ R che differiscono per un multiplo intero di
2π (in simboli:esiste k ∈ Z tale che θ0 = θ + 2πk) definiscono lo stesso angolo. Possiamo quindi
considerare l’insieme quoziente di R rispetto alla relazione di equivalenza data dal ”definire lo stesso
angolo”), cioè
θ ∼ θ0 se esiste k ∈ Z tale che θ0 = θ + 2πk
Chiamiamo l’insieme quoziente
R R
:=
∼ Z
R
Osserviamo che, geometricamente, possiamo identificare l’insieme quoziente Z con il cerchio uni-
tario. Denotando la norma di v:
ρ := kvk
possiamo scrivere l’espressione (1) cosı̀:
(2) v = ρ(cos θ, sin θ)
Questo ci consente si rappresentare v tramite la coppia (ρ, θ) ∈ R+ × R Z . Questa si chiama rappre-
sentazione di v in coordinate polari. La rappresentazione in coordinate polari è può essere quindi
vista come una funzione biettiva
R
R2 → R+ ×
Z
che manda il vettore nullo nella coppia (0,0) e definita come sopra sui vettori non nulli. La funzione
è biettiva perchè si può invertire: ad una coppia (ρ, θ) ∈ R+ × R
Z associamo il vettore ρ(cos θ, sin θ)
e alla coppia (0, 0) associamo il vettore nullo.
Rotazioni del piano di centro l’origine. La rotazione (di R2 ) di centro l’origine e ampiezza
(o semplicemente angolo) ϕ, in senso antiorario è l’applicazione rϕ : R2 → R2 che manda il vettore
1
2 ALTRI ESEMPI DI APPLICAZIONI AFFINI CHE CONSIDEREREMO SPESSO (CON ESERCIZI)

nullo nel vettore nullo e un vettore di coordinate polari (ρ, θ) nel vettore di coordinate polari
(ρ, θ + ϕ) 1. Si ha che Rϕ è un’applicazione lineare e la sua matrice (rispetto alla base canonica) è
 
cos ϕ − sin ϕ
Aϕ =
sin ϕ cos ϕ
Infatti       
cos ϕ − sin ϕ ρ cos θ cos ϕ cos θ − sin ϕ sin θ cos(ϕ + θ)
=ρ =ρ
sin ϕ cos ϕ ρ sin θ sin ϕ cos θ + cos ϕ sin θ sin(ϕ + θ)
Osservazione 0.1. È interessante considerare gli autovalori e autovettori di queste applicazioni
lineari. Geometricamente è immediato che una rotazione rϕ non può avere nessun autovettore
(quindi nessun autovalore) a meno che ϕ = 0, π. Infatti se ϕ 6= 0, π ogni retta passante per l’origine
è mandata in una retta diversa. Invece per ϕ = 0 la rotazione r0 è semplicemente l’identità, mentre
rπ è semplicememente la simmetria centrale (di centro l’origine) che a X ∈ R2 associa −X. In
entrambi questi casi vi è un unico autovalore (rispettivamente 1 per r0 e −1 per rπ ). Questo
può essere visto in modo completamente algebrico considerando il polinomio caratteristico della
applicazione lineare rϕ : si vede che il discriminante è negativo eccetto che per ϕ = 0, π, in cui è nullo
(esercizio). Si può osservare che gli zeri complessi del polinomio caratteristico sono cos ϕ ± sin ϕ.
Dunque l’applicazione lineare (su C)
(3) C2 → C2 , X 7→ Aϕ X
è diagonalizzabile (se ϕ 6= 0, π ha due autovalori distinti)
Esercizio 0.2. Diagonalizzare esplicitamente le applicazioni lineari complesse (3) (trovare una base
di autovettori e una matrice invertibile C tale che C −1 Aϕ C è diagonale).

Rotazioni di centro un punto qualsiasi. Come per le proiezioni, possiamo considerare

la ”versione affine” delle rotazioni di centro l’origine: le rotazioni di centro un qualsiasi punto
P ∈ R2 e angoloϕ. per fare ciò procediamo come per le proiezioni: dato X ∈ R2 consideriamo
−−→
il vettore X − P (cioè, nella notazione degli spazi affini, P X). Applichiamo quindi a X − P
la rotazione Rϕ precedentemente definita, e poi sommiamo il risultato a P . In sintesi, abbiamo
definito l’applicazione
rP,ϕ : R2 → R2 X 7→ rϕ (X − P ) + P = rϕ (X) + P − rϕ (P )
Essendo della forma f (X) + c (cioè tc ◦ f ) con f (= rϕ ) applicazione lineare e c = P − rϕ (P ), è
un’applicazione affine.
Riflessioni ortogonali rispetto ad un sottospazio vettoriale. Consideriamo uno spazio vettoriale
reale euclideo V e un suo sottospazio vettoriale W . La riflessione ortogonale di V rispetto a W è
definita cosı̀: consideriamo la decomposizione ortogonale V = W ⊕ W ⊥ . Dunque ogni X ∈ V si
decompone, in modo unico, come
X = pW (X) + pW ⊥ (X)
La riflessione ortogonale rispetto a W è l’applicazione
ρW : V → V X 7→ pW (X) − pW ⊥ (X) = X − 2pW ⊥ (X)
È chiaro che l’applicazione ρW è lineare. Osserviamo che:
- ρW (X) = X se e solo se X ∈ W (esercizio);
- ρW (X) = −X se e solo se X ∈ W ⊥ (esercizio).
1questo è il motivo per cui è necessario considerare l’insieme quoziente R
invece che l’intervallo [0, 2π): se prendiamo
Z
θ, ϕ ∈ [0, 2π) non troppo piccoli succede che θ + ϕ non sta più in [0, 2π)
 ALTRI ESEMPI DI APPLICAZIONI AFFINI CHE CONSIDEREREMO SPESSO (CON ESERCIZI) 3

Le riflessioni ortogonali sono esempi di involuzioni, cioè applicazioni f tali che f 2 := f ◦f = id.
Risulta che gli autovalori di ρW sono 1 e −1 (esercizio) di autospazi V1 = W e V−1 = W ⊥ e
che ρW è diagonalizzabile.
Esempio 0.3. Calcoliamo la matrice AW , rispetto alla base canonica, della riflessione di R2 rispetto
alla retta W = h(−1, 3)i. Possiamo fore in due modi, come per le proiezioni ortogonali.
1. Prendiamo la base (ortogonale) B = {(−1, B
 1)}. Abbiamo che MB (ρW ) = diag(1, −1).
 3), (3,
1 3
Dunque AW = C diag(1, −1) C −1 con C = . Dal punto di vista della matematica pura
−3 1
questo metodo è perfetto. Da quello della rapidità dei calcoli un po’ meno, specie in dimensioni più
grandi, perchè il calcolo dell’inversa di una matrice e del prodotto di matrici è di solito abbastanza
dispendioso.
2.
   
x 3
·
y 1
              
x x 3 x 3x + y 3 1 −8x −6y 1 −8 −6 x
ρW ( = −2 = −2 = =
y y 1 y 1 −6x 8y −6 8 y
   
3 3 10 10 10
·
1 1
 
1 −8 −6
Dunque AW = 10 .
−6 8

Riflessione rispetto ad un sottospazio affine. Sia ora S = W + P un sottospazio affine dello

spazio vettoriale reale euclideo V . Per definire la riflessione ortogonale rispetto ad S procediamo
come al solito:
ρS : V → V, X 7→ ρW (X − P ) + P = ρW (X) + P − ρW (P )
Come sopra, sono appicazioni affini. Osserviamo che anche queste applicazioni affini sono in-
voluzioni (esercizio).
Esercizio 0.4. Dimostrare che la definizione dell’applicazione ρS non dipende dal punto P ∈ S.
Esercizio 0.5. Sia W = h(1, 1, 1, −1), (1, 0, 2, 1), (1, −1, −1, 1)i, P = (1, 0, 1, 0) e sia S = W + P .
(a) Scrivere esplicitamente l’applicazione affine di proiezione (ortogonale) su S, pS : R4 → R4 nella
forma pS (X) = AX + c. (suggerimento: proiettare su W ⊥ )
(b) Scrivere esplicitamente l’applicazione affine di riflessione (ortogonale) S, ρS : R4 → R4 , nella
forma ρS (X) = BX + d.
(c) Stesse domande per W = h(1, 1, 0, 0), (0, 1, 0, 1)i e P = (1, 2, −1, 1).

Esercizio 0.6. In R3 , munito del prodotto scalare ordinario, scrivere esplicitamente nella forma
F (x) = Ax + c la riflessione rispetto al piano S : x + y − z = 1.

Esercizio 0.7. Dato p = (1, −2). Si consideri l’applicazione rθ,p : R2 → R2 di rotazione di centro
p e angolo θ = π3 (in senso antiorario). Trovare una matrice A ∈ M2,2 (R) e un vettore c ∈ R tale
che rθ,p (X) = AX + c per X ∈ R2 .
4 ALTRI ESEMPI DI APPLICAZIONI AFFINI CHE CONSIDEREREMO SPESSO (CON ESERCIZI)

Esercizio 0.8. (a) Sia V uno spazio vettoriale reale euclideo e sia f : V → W un’applicazione
lineare diagonalizzabile i cui autovalori sono 0 e 1. Enunciare una condizione necessaria e sufficiente
affinchè f sia una proiezione ortogonale e dimostrarla. (suggerimento: gli autospazi devono essere
ortogonali)
(b) Sia V uno spazio vettoriale reale euclideo e sia f : V → W un’applicazione lineare diagonalizz-
abile i cui autovalori sono −1 e 1. Enunciare una condizione necessaria e sufficiente affinchè f sia
una riflessione ortogonale e dimostrarla.

Esercizio 0.9. Su wikipedia (e in tanti altri posti) sta scritto che, dato un sottospazio vettoriale
W di Rn , (con dim W = k) la matrice rispetto alla base canonica della proiezione ortogonale
pW : Rn → Rn è:
A = M (M T M )−1 M T
dove M è la matrice n × k le cui colonne sono i vettori delle coordinate di una (qualsiasi) base
{w1 , . . . wk } di W . (A è detta la matrice di proiezione su W ).
Giustificare tale formula.