Sei sulla pagina 1di 247

Appunti di Algebra Lineare e Geometria

Analitica

Vincenzo De Filippis
Indice

1 Prime nozioni di Algebra. 1


1.1 Strutture algebriche. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Relazioni d’equivalenza. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2 I vettori geometrici. 5
2.1 Introduzione. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Somma e prodotto per uno scalare. . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3 Combinazioni lineari e componenti in un riferimento ortogonale. . . . . . . . . . 6
2.4 Prodotto scalare e proiezione su una retta. . . . . . . . . . . . . . . . . . . . . . . 7
2.5 Prodotto vettoriale e componente rispetto ad un piano. . . . . . . . . . . . . . . 8
2.6 Prodotto misto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.7 Esercizi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

3 Le matrici. 13
3.1 Introduzione. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.2 Prodotto righe per colonne. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.3 Determinanti. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.4 Dipendenza ed indipendenza tra righe. . . . . . . . . . . . . . . . . . . . . . . . . 17
3.5 Rango di una matrice. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.6 Trasposta di una matrice, matrici invertibili e matrici simili. . . . . . . . . . . . . 22
3.7 Esercizi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

4 I sistemi lineari. 26
4.1 Introduzione. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
4.2 Sistemi omogenei. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.3 Metodo di Cramer per la risoluzione di un sistema lineare. . . . . . . . . . . . . . 33
4.4 Metodo di eliminazione di Gauss. . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.5 Esercizi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

5 Gli spazi vettoriali. 42


5.1 Introduzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.2 Intersezione, unione e somma di sottospazi. . . . . . . . . . . . . . . . . . . . . . 44
5.3 Basi e dimensione di uno spazio vettoriale. . . . . . . . . . . . . . . . . . . . . . . 46

1
INDICE 2

5.4 Formula di Grassmann. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48


5.5 Cambiamento di base in uno spazio vettoriale. . . . . . . . . . . . . . . . . . . . . 52
5.6 Esercizi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

6 Prodotti scalari, spazi euclidei e basi ortonormali. 57


6.1 Prodotto interno. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
6.2 Processo di ortonormalizzazione. . . . . . . . . . . . . . . . . . . . . . . . . . . . 59

7 Le applicazioni lineari. 62
7.1 Introduzione. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
7.2 Applicazioni lineari e matrici. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
7.3 Endomorfismi e cambiamento di base. . . . . . . . . . . . . . . . . . . . . . . . . 74
7.4 Autovalori ed autovettori di un endomorfismo. . . . . . . . . . . . . . . . . . . . 77
7.5 Endomorfismi diagonalizzabili. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
7.6 Esercizi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91

8 La forma canonica di Jordan. 95


8.1 Definizioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
8.2 Numero totale di blocchi relativi ad uno stesso autovalore. . . . . . . . . . . . . . 97
8.3 Ordine massimo di un blocco in matrici con un unico autovalore. . . . . . . . . . 99
8.4 Numero di blocchi di uno certo ordine relativi ad uno stesso autovalore. . . . . . 100
8.5 Il polinomio minimo di una matrice (o di un endomorfismo). . . . . . . . . . . . . 104
8.6 Autospazi generalizzati. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
8.7 Esercizi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115

9 Le forme bilineari e le forme quadratiche reali. 116


9.1 Introduzione. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
9.2 Forme bilineari e matrici. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
9.3 Forme bilineari simmetriche e forme quadratiche. . . . . . . . . . . . . . . . . . . 119
9.4 Cambiamento di base in una forma quadratica. . . . . . . . . . . . . . . . . . . . 121
9.5 Metodo per la diagonalizzazione. . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
9.6 Esercizi svolti sulla diagonalizzazione. . . . . . . . . . . . . . . . . . . . . . . . . 126
9.7 Criteri di positivitá. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
9.8 Esercizi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141

10 Spazio affine ed euclideo. 143


10.1 Spazio affine. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 143
10.2 Spazio euclideo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 144

11 Geometria nel piano affine ed euclideo 145


11.1 Equazioni di una retta. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
11.2 Reciproca posizione di due rette. . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
11.3 Fascio di rette. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
11.4 Angoli e distanze nel piano euclideo. . . . . . . . . . . . . . . . . . . . . . . . . . 148
INDICE 3

11.5 Simmetrie. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149


11.6 Coordinate omogenee nel piano. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
11.7 La circonferenza. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
11.8 Esercizi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153

12 Trasformazioni nel piano euclideo. 154


12.1 Traslazioni. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
12.2 Rotazioni. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
12.3 Rototraslazioni. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
12.4 Esercizi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158

13 Curve algebriche piane e punti multipli. 159


13.1 Intersezione di due curve. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
13.2 Molteplicitá di un punto. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159

14 Le coniche. 162
14.1 Definizione. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
14.2 Intersezione di una conica ed una retta. . . . . . . . . . . . . . . . . . . . . . . . 163
14.3 Polaritá rispetto ad una conica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
14.4 Classificazione di una conica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
14.5 Fascio di coniche. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
14.6 Diametri e centro di una conica. . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
14.7 Classificazione delle coniche proiettive. . . . . . . . . . . . . . . . . . . . . . . . . 167
14.8 Classificazione delle coniche euclidee. . . . . . . . . . . . . . . . . . . . . . . . . . 168
14.9 Fuochi di una conica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
14.10Esercizi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182

15 Rette e piani nello spazio affine ed euclideo. 185


15.1 Equazioni di un piano. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
15.2 Reciproca posizione di due piani. . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
15.3 Fascio di piani. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
15.4 Stella di piani. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
15.5 Equazioni di una retta. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
15.6 Rette complanari. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
15.7 Reciproca posizione tra una retta ed un piano. . . . . . . . . . . . . . . . . . . . 190
15.8 Calcolo dei parametri direttori di una retta. . . . . . . . . . . . . . . . . . . . . . 190
15.9 Coordinate omogenee nello spazio. . . . . . . . . . . . . . . . . . . . . . . . . . . 196
15.10Angoli nello spazio euclideo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
15.11Distanze nello spazio euclideo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 198
15.12Elementi complessi nello spazio. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
15.13Esercizi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
INDICE 4

16 Le quadriche. 212
16.1 Definizione. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
16.2 Quadriche generali. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
16.3 Quadriche specializzate. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
16.4 Quadriche riducibili. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218
16.5 Piani ed assi di simmetria delle quadriche generali. . . . . . . . . . . . . . . . . . 219
16.6 Forma canonica di una quadrica generale con centro di simmetria. . . . . . . . . 222
16.7 Forma canonica di un paraboloide. . . . . . . . . . . . . . . . . . . . . . . . . . . 223
16.8 Forma canonica di un cono. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
16.9 Forma canonica di cilindri a base ellittica e iperbolica. . . . . . . . . . . . . . . . 226
16.10Forma canonica di cilindri a base parabolica. . . . . . . . . . . . . . . . . . . . . 227
16.11Esercizi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 229

17 La sfera. 231
17.1 Definizione. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 231
17.2 Sezioni piane. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
17.3 Fascio di sfere. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 232
17.4 Esercizi. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 234

18 Cenni sulle superfici di rotazione. 236


18.1 Definizione e calcolo. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
18.2 Esercizi svolti. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236
Capitolo 1

Prime nozioni di Algebra.

Lo studio dell’Algebra lineare e della Geometria richiede un’introduzione preliminare delle


strutture algebriche piú generali. In particolare daremo nel presente capitolo introduttivo le
definizioni di gruppo, anello e campo. Tali strutture saranno in seguito utili per caratterizzare
la maggior parte degli oggetti utilizzati, tra i quali, per esempio, i vettori, le matrici, gli spazi
vettoriali, gli omomorfismi, le trasformazioni piane.

1.1 Strutture algebriche.


Definizione 1 Sia G un insieme non vuoto ed ⊕ una operazione binaria chiusa rispetto agli
elementi di G, cioé:
∀x, y ∈ G x ⊕ y = z ∈ G.
La coppia (G, ⊕) é detta Gruppoide. Data la generalitá delle proprietá soddisfatte da un grup-
poide, é utile arricchire la sua struttura algebrica con ulteriori assiomi.

Definizione 2 Diciamo Semigruppo, un gruppoide (G, ⊕) che sia associativo, cioé in cui valga
la seguente proprietá (associativa):

∀x, y, z ∈ G x ⊕ (y ⊕ z) = (x ⊕ y) ⊕ z.

Definizione 3 Un Monoide (G, ⊕) é un semigruppo che sia dotato di un elemento neutro e ∈ G


rispetto all’operazione ⊕:

∃e ∈ G tale che ∀x ∈ G e ⊕ x = x ⊕ e = x.

Definizione 4 Un Gruppo (G, ⊕) é una struttura algebrica definita dagli assiomi del monoide
ai quali si aggiunge quello dell’esistenza dell’elemento inverso di ogni elemento in G. Piú
precisamente vale il seguente:

∀x ∈ G ∃y ∈ G tale che x⊕y =y⊕x=e

1
CAPITOLO 1. PRIME NOZIONI DI ALGEBRA. 2

dove e é l’elemento neutro in G.


Un Gruppo é detto commutativo (o abeliano, in onore del matematico norvegese N. Abel) se vale
l’ulteriore seguente proprietá:

∀x, y ∈ G x ⊕ y = y ⊕ x.

Esempio 1 Gli insiemi Z , Q, lR e C, rispettivamente dei numeri interi, razionali, reali e com-
plessi, formano un gruppo commutativo rispetto all’operazione di somma, cioé nel caso ⊕ = +.
I numeri IN naturali non sono un gruppo rispetto alla somma, basti pensare al fatto che ogni
numero 0 6= n ∈ IN non ammette un inverso.

Esempio 2 Gli insiemi Q∗ , lR∗ e C∗ , rispettivamente dei razionali senza lo ’zero’, reali senza
lo ’zero’ e complessi senza lo ’zero’, formano un gruppo commutativo rispetto all’operazione di
prodotto, cioé nel caso ⊕ = ×. L’eliminazione dello ’zero’ é essenziale in quanto tale elemento
non avrebbe l’inverso rispetto al prodotto.

Esempio 3 L’insieme di tutte le applicazioni biettive di un insieme in sé stesso forma un gruppo
non commutativo rispetto all’operazione di composizione tra applicazioni, cioé nel caso in cui
l’operazione tra due applicazioni f, g é definita come segue: (f ⊕ g)(x) = f (g(x)).

Definizione 5 Sia A un insieme dotato di due operazioni interne ⊕ e ⊗. Il sistema (A, ⊕, ⊗)


é detto Anello se valgono i seguenti assiomi:

1. (A, ⊕) é un gruppo commutativo;

2. (A, ⊗) é un semigruppo;

3. vale la proprietá distributiva dell’operazione ⊗ rispetto a ⊕:

∀x, y, z, ∈ A x ⊗ (y ⊕ z) = (x ⊗ y) ⊕ (x ⊗ z).

Osserviamo che non é richiesto che un anello possegga l’elemento neutro rispetto alla seconda
operazione ⊗ (se tale elemento esiste l’anello é detto unitario).
Inoltre non é detto che valga la proprietá commutativa rispetto a ⊗, se essa vale l’anello é detto
commutativo.
Ancora rispetto all’operazione ⊗, non é richiesta la validitá della legge di annullamento del
prodotto. In altre parole, il fatto che x ⊗ y = 0 non implica necessariamente che x = 0 oppure
y = 0.
Infine non é richiesta l’esistenza di un elemento inverso per ciascun x ∈ A, rispetto all’oper-
azione ⊗.

Esempio 4 L’insieme Z rispetto alle usuali operazioni di somma e prodotto, cioé nel caso
⊕ = + e ⊗ = × é un anello unitario in cui vale la legge di annullamento del prodotto, ma in
cui non esiste l’elemento inverso rispetto alla seconda operazione.
CAPITOLO 1. PRIME NOZIONI DI ALGEBRA. 3

Esempio 5 L’insieme mZ Z = {n ∈ Z : n sia multiplo di m} é un anello rispetto alle usuali


operazioni di somma e prodotto, ma non é unitario eccetto nel caso in cui m ∈ {−1, +1}.
Esempio 6 In seguito vedremo un esempio di anello in cui non vale la legge di annullamento del
prodotto rispetto alla seconda operazione: é l’insieme delle matrici quadrate di un dato ordine, in
cui vengano definite le opportune operazioni. Per la comprensione di tale esempio, rimandiamo
al Capitolo relativo alle Matrici (capitolo 3).
Definizione 6 Sia (A, ⊕, ⊗) un anello. Nel caso in cui (A∗ , ⊗) sia un gruppo, diremo che
(A, ⊕, ⊗) é un Corpo. Se a questo si aggiunge la proprietá commutativa rispetto alla secon-
da operazione ⊗ (cioé se (A∗ , ⊗) é un gruppo commutativo) allora (A, ⊕, ⊗) é detto ’corpo
commutativo’ o equivalentemente ’campo’
Esempio 7 Se definiamo le usuali operazioni di somma e prodotto in Q, lR e C, essi hanno la
struttura di corpi commutativi. Sono anche detti campi ’scalari’, ed ogni loro elemento x puó
essere chiamato ’scalare’.

1.2 Relazioni d’equivalenza.


Definizione 7 Siano A e B due insiemi non vuoti. Si definisce prodotto cartesiano A × B,
l’insieme di tutte le coppie ordinate di tipo (a, b), tali che a ∈ A e b ∈ B:
A × B = {(a, b) : a ∈ A, b ∈ B}.
Nel caso in cui i due insiemi A e B posseggano un numero finito di elementi, la cardinalitá (o
potenza) dell’insieme A×B é data dal prodotto delle cardinalitá dei due insiemi che intervengono
nel prodotto cartesiano.
Definizione 8 Una relazione é una terna (A, B, R) in cui A e B siano due insiemi non vuoti
e R sia un sottoinsieme del prodotto cartesiano A × B. Usualmente per indicare una relazione
tra gli insiemi A eB si preferisce utilizzare il semplice simbolo R (sottointendendo la terna
(A, B, R)). Per indicare che due elementi a ∈ A e b ∈ B sono in relazione tra loro, si scrive
aRb oppure (a, b) ∈ R.
Esempio 8 Siano A = {2, 3, 7}, B = {1, 5, 7, 9}. Si definisca R nel seguente modo:
(a, b) ∈ R ⇐⇒ a > b.
Le coppie ordinate di elementi che soddisfano la relazione sono le seguenti:
R = {(2, 1), (3, 1), (7, 1), (7, 5)}.
Esempio 9 Siano A = B = lR. Si definisca R nel seguente modo:
(a, b) ∈ R ⇐⇒ a + b − 1 = 0.
Le coppie ordinate che soddisfano la relazione sono chiaramente tutte le coppie di coordinate del
piano (x, y) che appartengano alla retta di equazione x + y − 1 = 0. Ad esempio (2, −1) ∈ R,
(−3, 4) ∈ R etc. etc.
CAPITOLO 1. PRIME NOZIONI DI ALGEBRA. 4

Poniamoci nel caso in cui A = B e cosideriamo una qualsiasi relazione (A, A, R):

1. la relazione R si dice riflessiva se, per ogni elemento a ∈ A, la coppia (a, a) ∈ R; si noti
ad esempio che nessuna delle due relazioni introdotte negli Esempi 8 e 9 soddisfano alla
proprietá di riflessivitá.

2. R é detta simmetrica quando accade che, per ogni a, b ∈ A tali che (a, b) ∈ R anche
(b, a) ∈ R; la relazione definita nell’esempio 8 non é simmetrica, mentre quella introdotta
nell’esempio 9 lo é.

3. R é detta transitiva se, per ogni a, b, c ∈ A tali che (a, b) ∈ R ed anche (b, c) ∈ R allora ne
segue che (a, c) ∈ R; la relazione all’esempio 8 é transitiva, mentre la relazione all’esempio
9 non lo é.

Definizione 9 Una relazione R su un insieme non vuoto A é detta equivalenza (o relazione


d’equivalenza) se essa soddisfa alle proprietá di riflessivitá, simmetricitá e transitivitá.

Nessuna delle relazioni introdotte negli esempi 8 e 9 é una relazione d’equivalenza.


Ecco un classico esempio di relazione d’equivalenza:

Esempio 10 Sia A l’insieme di tutte le rette del piano. Diciamo che due rette r, s sono in
relazione tra loro se esse sono parallele. É evidente che ciascuna retta r é parallela a se stessa
(R é riflessiva). Inoltre se (r, s) ∈ R allora anche (s, r) ∈ R, poiché nel parallelismo tra rette non
é vincolante l’ordine in cui esse si considerino. Infine se (r, s) ∈ R ed anche (s, t) ∈ R allora le
rette r e t sono ancora parallele, cioé (r, t) ∈ R. Si puó allora pensare di ripartire l’insieme A in
sottoinsiemi, ciascuno dei quali contenga esclusivamente elementi (rette) tra loro in relazione.
Tali sottoinsiemi sono dette classi di equivalenza. Ciascuna classe puó essere rappresentata da
un qualsiasi elemento ad essa appartenente, inoltre due distinte classi non hanno alcun elemento
in comune. Infine l’unione di tutte le classi di equivalenza é esattamente l’intero insieme A.

Quanto detto per il precedente esempio puó essere esteso ad ogni insieme in cui venga
introdotta una relazione di equivalenza. L’utilitá della partizione risiede nel fatto che lo studio
di un rappresentante di una qualsiasi classe, permette di ottenere informazioni algebriche su
tutti gli elementi di tale classe.
Capitolo 2

I vettori geometrici.

2.1 Introduzione.
Siano A, B due punti del piano (o dello spazio). Un segmento orientato AB si dice anche vettore
applicato in A ed é individuato da una direzione, che é la retta su cui giace il segmento AB,
un verso, che é quello che si osserva percorrendo il segmento AB andando da A verso B, ed un
modulo, che é il numero reale non negativo che misura la lunghezza del segmento AB. Un vettore
é detto versore di una retta, se giace su tale retta ed é di modulo 1. Due segmenti orientati AB
e A0 B 0 sono equipollenti se hanno la stessa direzione, lo stesso verso e lo stesso modulo. Tale
relazione tra segmenti é una equivalenza nell’insieme di tutti i segmenti orientati del piano (o
dello spazio). Per cui tutti i segmenti orientati sono ripartiti in classi di equivalenza. Un classe
di equivalenza é del tipo [AB], composta da tutti i segmenti orientati equipollenti al segmento
AB. Identifichiamo tra loro tutti i segmenti appartenenti ad una stessa classe di equivalenza.
Ciascuna classe é detta vettore geometrico o vettore libero e puó essere rappresentata da un
qualsiasi segmento ad essa appartenente. Ció vuol dire che, fissato un punto del piano (o dello
spazio) O , ciascuna classe di equivalenza possiede un rappresentante che sia applicato in O.

Si noti che da ora in avanti, fissato un punto O, ciascun vettore geometrico puó essere
applicato in O, mantenendo la sua direzione ed il suo verso.

2.2 Somma e prodotto per uno scalare.


Siano OP e OP1 due vettori aventi la stessa direzione e stesso verso. Definiamo somma dei
vettori OP + OP1 , il vettore avente per direzione e verso quelli dei vettori addendi, e per modulo
|OP + OP1 | la somma dei moduli |OP | + |OP1 |.
Siano ora OP e OP1 due vettori aventi stessa direzione ma verso opposto. Definiamo somma
dei vettori OP + OP1 il vettore avente direzione dei vettori addendi, verso coincidente con quello
del vettore addendo di modulo maggiore, e modulo pari al valore assoluto della differenza dei
moduli dei vettori addendi.

5
CAPITOLO 2. I VETTORI GEOMETRICI. 6

Siano infine OP e OP1 due vettori con direzioni differenti. Si costruisca il parallelogramma di
lati OP e OP1 e si indichi con Q il quarto vertice del parallelogramma. Definiamo somma OP +
OP1 il vettore avente per direzione quella della retta su cui giace la diagonale OQ, per verso quello
di percorrenza da O a Q e per modulo la lunghezza della diagonale OQ del parallelogramma
(Figura 1).
Notiamo anche che dalla definizione di somma OP + OP1 = OQ si ricava al contrario anche
quella di differenza tra due vettori OQ − OP = OP1 , come lato del parallelogramma avente per
diagonale OQ e per secondo lato OP (Figura 1).
Indichiamo piú semplicemente v, v1 , v2 , v3 vettori del piano (o dello spazio). La somma tra
vettori gode delle seguenti proprietá:
1) Commutativa: v1 + v2 = v2 + v1 ;
2) Associativa : (v1 + v2 ) + v3 = v1 + (v2 + v3 );
3) Esistenza dell’elemento neutro : v+0 = 0+v = v, dove per vettore 0 si intende il segmento
OO;
4) Esistenza dell’elemento opposto : v + (−v) = 0.
Le proprietá 1)-2)-3)-4) rendono l’insieme dei vettori geometrici del piano (o dello spazio),
rispetto all’operazione di somma, un gruppo commutativo.

Siano v un vettore e α ∈ lR. Definiamo il vettore αv come quello avente la direzione del
vettore v, il modulo pari a |α||v| e verso coincidente con quello di v, se α > 0, opposto a quello
di v, se α < 0.
Il prodotto cosı́ definito gode delle seguenti proprietá:
1) (αβ)v = α(βv), per α, β ∈ lR;
2) 1 · v = v, dove 1 é l’unitá in lR;
3) (α + β)v = αv + βv;
4) α(v1 + v2 ) = αv1 + αv2 .
L’insieme di tutti i vettori geometrici, rispetto alle operazioni di somma e prodotto per uno
scalare da noi definite, viene detto spazio vettoriale geometrico.

2.3 Combinazioni lineari e componenti in un riferi-


mento ortogonale.
Siano v1 , v2 , .., vr vettori e α1 , ..., αr ∈ lR. Diciamo combinazione lineare dei vettori v1 , .., vr a
coefficienti reali α1 , .., αr il vettore v risultante dalla seguente somma:

v = α1 v1 + α2 v2 + α3 v3 + ..... + αr vr .

Diremo anche che il vettore v é scomposto nella somma dei vettori α1 v1 , α2 v2 ,...,αr vr e che
α1 , ..., αr sono le componenti del vettore v rispetto ai vettori v1 , ..., vr .

Consideriamo un sistema di riferimento cartesiano ortogonale nello spazio, di origine O e


assi coordinati X, Y, Z. Un qualsiasi punto dello spazio sará individuato da un terna di numeri
CAPITOLO 2. I VETTORI GEOMETRICI. 7

reali (a, b, c), che sono le sue coordinate rispetto al sistema di riferimento. Il vettore v = OP ha
come componenti rispetto ai tre assi coordinati, rispettivamente vx = a, vy = b, vz = c, cioé il
vettore v si puó esprimere come combinazione lineare dei tre versori i, j, k dei tre assi coordinati
nel modo seguente: v = vx i + vy j + vz k (Figura 2).
Diremo che due vettori v = (vx , vy , vz ) e w = (wx , wy , wz ) sono uguali se e solo se hanno le
stesse componenti rispetto ai versori degli assi coordinati.
Dalla definizione di componenti appena data, si q puó facilmente dedurre che il modulo di un
vettore v di componenti (vx , vy , vz ) é dato da |v| = vx2 + vy2 + vz2 .
Siano ora v = (vx , vy , vz ) e w = (wx , wy , wz ) due distinti vettori. Costruiamo la loro somma
v + w = (vx i + vy j + vz k) + (wx i + wy j + wz k) = (vx + wx )i + (vy + wy )j + (vz + wz )k cioé v + w
ha componenti (vx + wx , vy + wy , vz + wz ).
In modo del tutto analogo si osservi che se α ∈ lR, allora il vettore αv ha per componenti la
terna (αvx , αvy , αvz ).

2.4 Prodotto scalare e proiezione su una retta.


Siano v = OP e w = OQ. Per convenzione si definisce angolo ϕ compreso tra i due vettori
quello interno al triangolo P OQ (Figura 3).
Si definisce prodotto scalare il seguente

v × w = |v| · |w| · cos(ϕ).

Si noti che tale prodotto ha come risultato uno scalare (un numero reale), inoltre esso é commu-
tativo, cioé v × w = w × v ed infine esso é nullo solo quando uno dei due vettori é nullo oppure
se i due vettori sono tra loro ortogonali.
Nel caso i due vettori siano considerati in uno spazio dotato di riferimento cartesiano, allora
v = (vx , vy , vz ) e w = (wx , wy , wz ), ed il prodotto scalare si presenta nella seguente forma:

v × w = (vx i + vy j + vz k) × (wx i + wy j + wz k) = vx wx + vy wy + vz wz .

Da quest’ultima ricaviamo anche che:


vx wx + vy wy + vz wz
cos(ϕ) = q q .
vx2 + vy2 + vz2 wx2 + wy2 + wz2

Applicando tale formula si ricavano anche i coseni direttori di un vettore v, cioé i coseni degli
angoli che il vettore forma con i tre assi coordinati, o meglio con i tre versori dei suddetti assi:
vx vy vz
cos(vX) = q , cos(vY ) = q , cos(vZ) = q .
vx2 + vy2 + vz2 vx2 + vy2 + vz2 vx2 + vy2 + vz2

Siano ora v = OQ e r una retta passante per O di versore u, tale che la direzione del vettore
e quella della retta formino un angolo ϕ (Figura 4). Diciamo componente di v rispetto alla retta
CAPITOLO 2. I VETTORI GEOMETRICI. 8

r, la lunghezza del segmento OQ0 , dove Q0 é la proiezione ortogonale di Q su r. Applicando ora


le regole trigonometriche sulla risoluzione dei triangoli, si osserva facilmente che
|OQ0 | = |OQ| · cos(ϕ) = v × u.
Diremo invece vettore proiezione v 0 di v su r, quello avente per modulo |OQ0 | e per direzione e
verso quelli di u, cioé:
v 0 = |OQ0 | · u = (v × u) · u.
Si noti che pur non conoscendo il versore della retta r, esso si puó ricavare se é noto un vettore
w
w parallelo a r. In tal caso u = |w| ed otteniamo
w w w
v 0 = (v × )· = (v × w) · .
|w| |w| |w|2

2.5 Prodotto vettoriale e componente rispetto ad un


piano.
Siano v, w vettori. Definiamo prodotto vettoriale v ∧ w quel vettore che abbia:
1) direzione ortogonale al piano individuato dai vettori v, w;
2) modulo pari a |v||w|sen(ϕ), dove ϕ é l’angolo compreso tra i due vettori;
3) verso tale che un osservatore posto dalla parte in cui é rivolto il vettore v ∧ w, veda il
vettore v sovrapporsi al vettore w in senso antiorario (Figura 5).
Il prodotto vettoriale é nullo solo quando uno dei due vettori é nullo oppure i due vettori
sono tra loro paralleli.
Notiamo che in base alla definizione, al contrario di quanto avviene per il prodotto scalare,
il prodotto vettoriale é anticommutativo cioé: v ∧ w = −w ∧ v. Inoltre il prodotto vettoriale é
distributivo rispetto alla somma tra vettori, cioé: v ∧ (w1 + w2 ) = (v ∧ w1 ) + (v ∧ w2 ).
Consideriamo ora un parallelogramma che abbia come lati i vettori v, w. L’area di tale
parallelogramma é A = b · h, dove b é la base da noi scelta e h é l’altezza relativa a tale base.
Scegliamo ad esempio il vettore v come base (Figura 6). L’altezza relativa a v forma con v e w
un triangolo rettangolo, per cui h = |w|sen(ϕ), quindi
A = |v||w|sen(ϕ) = |v ∧ w|
concludendo che l’area del parallelogramma avente per lati v, w é pari al modulo del prodotto
vettoriale v ∧ w.
Poniamoci ora nel caso in cui i due vettori appartengano allo spazio cartesiano, per cui
v = (vx , vy , vz ) e w = (wx , wy , wz ). Calcoliamo ora il loro prodotto vettoriale:
v ∧ w = (vx i + vy j + vz k) ∧ (wx i + wy j + wz k) =
i(vy wz − vz wy ) + j(vz wx − vx wz ) + k(vx wy − vy wx ) =

i j k

vx vy vz .


wx wy wz
CAPITOLO 2. I VETTORI GEOMETRICI. 9

Osserviamo che lo sviluppo della formula precedente dipende dall’applicazione della propri-
etá distributiva del prodotto vettoriale rispetto alla somma tra vettori ed anche dalle seguenti
identitá che derivano direttamente dalla definizione di prodotto vettoriale:

i ∧ j = −j ∧ i = k, j ∧ k = −k ∧ j = i, i ∧ k = −k ∧ i = −j

i ∧ i = 0, j ∧ j = 0, k ∧ k = 0.
Dal controesempio che segue si deduce inoltre che per il prodotto vettoriale non vale la proprietá
associativa:
i ∧ (i ∧ k) = i ∧ (−j) = k
ma
(i ∧ i) ∧ k = 0.

Sia ora v = OP e π un piano passante per O, al quale appartengano i due vettori u1 , u2 .


La proiezione di OP su π é il vettore v 0 = OP 0 , dove P 0 é la proiezione ortogonale del punto
P sul piano. Se indichiamo w il vettore P P 0 allora otteniamo v 0 + w = v, da cui ovviamente
v 0 = v − w (Figura 7). Per ottenere la proiezione v 0 é allora sufficiente determinare il vettore
w. Tale vettore non é altro che la proiezione di v lungo la retta normale al piano e passante per
O. Per ottenere tale proiezione é necessario conoscere il versore u normale al piano e, poiché
∧u2
sappiamo che il vettore u1 ∧ u2 é normale al piano, deduciamo che u = |uu11 ∧u 2|
. Infine otteniamo:

u1 ∧ u2
w = (v × u) · u = [v × (u1 ∧ u2 )] · .
|u1 ∧ u2 |2

2.6 Prodotto misto.


Siano u, , v, w tre vettori, definiamo prodotto misto quello scalare che si ottiene dall’esecuzione,
rispettando l’associazione tramite parentesi, dei prodotti u × (v ∧ w).
Nel caso i tre vettori siano dati in uno spazio cartesiano ortogonale, allora u = (ux , uy , uz ),
v = (vx , vy , vz ), w = (wx , wy , xz ) e svolgendo il prodotto si ottiene:

u × (v ∧ w) = ux (v ∧ w)x + uy (v ∧ w)y + uz (v ∧ w)z =



v vz v
z vx
v vy
ux y
x
+ uy + uz =

wy wz wz wx wx wy

u
x uy uz

vx vy vz .


wx wy wz

Si noti che il prodotto misto si annulla solo quando uno dei tre vettori é nullo oppure quando i
tre vettori sono complanari, cioé quando il vettore u é ortogonale al vettore v ∧ w.
Consideriamo ora il parallelepipedo avente per spigoli i tre vettori u, v, w. Il volume del
parallelepipedo é V0 = b · h, dove indichiamo con b l’area di una base e con h l’altezza relativa a
tale base scelta (Figura 8).
CAPITOLO 2. I VETTORI GEOMETRICI. 10

Scegliamo come base quella avente per lati i vettori v, w e sappiamo per quanto detto in
precedenza che l’area cercata é pari al modulo |v ∧ w|.
L’altezza h é la componente ortogonale del terzo spigolo del parallelepipedo lungo la normale
al piano individuato da v e w, per cui
v∧w
h=u×
|v ∧ w|

da cui
v∧w
V0 = |v ∧ w| · u × = u × (v ∧ w).
|v ∧ w|

Esempio 11 Siano u = i − 2j + 3k e v = −3j vettori nello spazio cartesiano. Determinare:


a) i moduli dei vettori;
b) il loro prodotto scalare;
c) il coseno dell’angolo da essi formato;
d) i coseni direttori dei due vettori.
a) u × v= (-2)(-3)=6;
√ √ √
b) |u| = q 14, |v| = 9 = 3.
1+4+9=
6 2
c) cos(ϕ) = √
3· 14
= 7.
d) u × i = √1 , u
14
×j = √−2
14
, u×k = √3 ,
14
v × i = 0, v × j = −1, v × k = 0.

Esempio 12 Determinare a ∈ lR tale che i vettori u = (1, −2, 1) e v = (a + 1, −a, −1) formino
un angolo di π3 .
1 π u×v
= cos( ) = =
2 3 |u| · |v|
a + 1 + 2a − 1 3a
√ √ =√ √
2 2
6 a + 1 + 2a + a + 1 2
6 2a + 2a + 2
da cui 2a2 − a − 1 = 0 e a ∈ {1, − 21 }.

Esempio 13 Siano u = (1, 2, −2) e v=(3,0,1). Determinare la proiezione ortogonale di v


rispetto alla retta r contenente u.
La proiezione di v su r é data da
u 1
v× = .
|u| 3
Allora il vettore proiezione é dato da
u u 1
 
v× × = (i + 2j − 2k).
|u| |u| 9
CAPITOLO 2. I VETTORI GEOMETRICI. 11

Esempio 14 Determinare il vettore v 0 proiezione di v = 2i − j + 3k sul piano XY .


Proiettando v su XY si avrebbe v = v 0 + w, dove w é il vettore (perpendicolare al piano XY )
che é proiezione ortogonale di v rispetto alla retta contenente i ∧ j, cioé
i∧j
w = v × (i ∧ j) · = 3k
|i ∧ j|2

e v 0 = 2i − j.

Esempio 15 Determinare il volume del parallelepipedo avente per spigoli i vettori i + j, k,


−i + k.
Il volume é dato da
1 1 0

0 0 1 = 1.

−1 0 1

2.7 Esercizi.
Esercizio 1 Siano u = i − 2j + 3k, v = −3j vettori dello spazio euclideo. Determinare i loro
moduli, il loro prodotto scalare, il coseno dell’angolo da essi formato, i loro coseni direttori.

Esercizio 2 Ripetere l’esercizio precedente coi seguenti vettori: u = (1, 1, 0), v = (2, 1, 1).

Esercizio 3 Determinare la proiezione del vettore v = i − j + k su una retta parallela al vettore


w = i + 2j − k.

Esercizio 4 Determinare il parametro k tale che i vettori (1, −2, 1) e (k + 1, −k, −1) formino
un angolo di π3 .

Esercizio 5 Determinare la componente e il vettore proiezione di v = (3, 0, 1) sulla retta


contenente il vettore (1, 2, −2).

Esercizio 6 Determinare la proiezione del vettore (1, 2, 1) sulla retta contenente il vettore (1, 1, 1).

Esercizio 7 Determinare la proiezione del vettore (1, 1, 1) sul piano contenente i vettori (2, 1, 0)
e (1, 0, 1).

Esercizio 8 Determinare la proiezione del vettore 2i − j + 3k sul piano XY .

Esercizio 9 Utilizzare i vettori (1, −2, 0), (0, 3, 4), (1, −1, 1) per dimostrare che il prodotto
vettoriale non é associativo.

Esercizio 10 Determinare il volume del parallelepipedo avente come spigoli i vettori (1, 1, 0),
(0, 0, 1) e (−1, 0, 1).
CAPITOLO 2. I VETTORI GEOMETRICI. 12

Esercizio 11 I seguenti vettori (2, −1, 3) e (1, 1, 0), sono reciprocamente paralleli, perpendico-
lari o nessuna delle due?

5
Esercizio 12 Determinare se i vettori v = 2i − 3j + k e w = 3i − 52 j + 56 k sono paralleli,
perpendicolari o nessuna delle due.

Esercizio 13 Determinare h1 e h2 tali che i vettori v = 2i + j − 3k e w = i + h1 j + h2 k risultino


paralleli.

Esercizio 14 Determinare il valore del parametro h in modo tale che il vettore (2, h, 1 − h) sia
complanare con i vettori (1, 2, 1) e (3, 1, 5).

Esercizio 15 Esprimere il vettore v = (2, −1, 1) come somma di un vettore v1 parallelo al


vettore w1 = (0, 1, 1) e di un vettore v2 complanare coi vettori w2 = (1, 2, 0) e w3 = (2, 0, 1).

Esercizio 16 Siano v1 = 2i + j e v2 = i + 3j vettori del piano euclideo. Determinare le


componenti del versore di v1 e del versore di v2 e l’angolo compreso tra di essi.

Esercizio 17 Siano v1 = i + j e v2 = i − 2j vettori del piano. Determinare la componente


ortogonale di v1 secondo una retta parallela e concorde col versore di v2 ed anche le componenti
del vettore proiezione ortogonale di v1 su tale retta.

Esercizio 18 Dati i vettori v = i − j + k e w = −2i + k, determinare il loro prodotto scalare e


le componenti del loro prodotto vettoriale.

Esercizio 19 Siano v1 = (1, 0, 1), v2 = (0, 1, 0), v3 = (1, 1, 2) vettori dello spazio. Determinare
le componenti del vettore proiezione ortogonale di v1 sul piano contenente v2 e v3 .
Figura 1

P1 Q

O
P

Figura 2

v vz
k
j
Y
i vx

vy

X
Figura 3

O Q
w

Figura 4

O
u Q’ r
Figura 5

v^w

Figura 6

w
h
b
v
Figura 7 P

u1 ^ u2
v
w
u
u1

u2
O v’ P’

Figura 8

h u

v
Capitolo 3

Le matrici.

3.1 Introduzione.
Una matrice é un simbolo, una tabella nella quale si possono individuare righe e colonne. Una
matrice con m righe e n colonne é un insieme di m · n elementi scelti in un campo (per noi
usualmente il campo dei numeri reali), che siano disposti in modo ordinato nelle righe e nelle
colonne nel seguente modo:
 
a11 a12 ... a1n
 a21 a22 ... a2n 
.
 
... ... ... ...

 
am1 am2 ... amn
In altre parole, l’elemento aij é quello che occupa il posto che é individuato dall’incrocio della riga
i e dalla colonna j. Piú sinteticamente scriveremo una matrice col simbolo A = [aij ], i = 1, .., m,
j = 1, ..n. Chiameremo matrici quadrate quelle tabelle in cui m = n e le chiameremo matrici di
ordine n. In esse individueremo un particolare insieme di elementi: {a11 , a22 , a33 , ..., ann } detta
diagonale principale della matrice. Denoteremo Mmn (lR) l’insieme di tutte le matrici con m
righe e n colonne, i cui elementi sono scelti nei reali. Introduciamo in Mmn (lR) una operazione,
detta somma tra matrici, nel modo seguente: siano A = [aij ] e B = [bij ] matrici in Mmn (lR), la
loro somma é ancora una matrice C = [cij ] di Mmn (lR) definita da
     
c11 c12 ... c1n a11 a12 ... a1n b11 b12 ... b1n
 c21 c22 ... c2n   a21 a22 ... a2n   b21 b22 ... b2n 
= + =
     
... ... ... ... ... ... ... ... ... ... ... ...

     
cm1 cm2 ... cmn am1 am2 ... amn bm1 bm2 ... bmn
 
a11 + b11 a12 + b12 ... a1n + b1n

 a21 + b21 a22 + b22 ... a2n + b2n 

... ... ... ...
 
 
am1 + bm1 am2 + bm2 ... amn + bmn
quindi ogni elemento cij di C é la somma degli elementi omologhi in A e B.

13
CAPITOLO 3. LE MATRICI. 14

Siano A, B, C matrici di Mmn (lR), rispetto all’operazione di somma sono soddisfatte le


seguenti proprietá:
1) (A + B) + C = A + (B + C), proprietá associativa;
2) Esiste l’elemento neutro della somma, cioé la matrice
 
0 0 ... 0
 0 0 ... 0 
0=
 
... ... ... ...

 
0 0 ... 0

tale che A + 0 = 0 + A = A;
3) ogni matrice A = [aij ] possiede l’opposta B = −A = [−aij ], tale che A + B = 0;
4) A + B = B + A, proprietá commutativa.

Siano ora α ∈ lR e A = [aij ] ∈ Mmn (lR). Moltiplicare lo scalare α per la matrice A vuol dire
moltiplicarlo per ogni elemento di A ottenendo cosı́ la matrice αA = [αaij ].

3.2 Prodotto righe per colonne.


Consideriamo ora due matrici A = [aij ] ∈ Mmn (lR) e B = [bij ] ∈ Mnq (lR). Si definisce prodotto
righe per colonne di A e B quella operazione che abbia come risultato la matrice C = [cij ] ∈
Mmq (lR), tale che l’elemento di posto (r, s) di C sia uguale a
n
X
crs = ark bks = ar1 b1s + ar2 b2s + ar3 b3s + ... + arn bns
k=1

In sostanza l’elemento crs é la somma di tutti i prodotti degli elementi della riga r della prima
matrice, ciascuno con il corrispondente elemento della colonna s della seconda matrice.
Per esempio:  
" # 1 −1 0 " #
1 2 3 3 −2 5
· 1 1 1 = .
 
1 0 1 1 −2 1
0 −1 1
Tale prodotto non é definito se A ∈ Mmn e B = Mtq con n 6= t.
Il prodotto righe per colonne gode delle seguenti proprietá:
siano A ∈ Mmn (lR), B ∈ Mnn (lR), C ∈ Mnt (lR) e α ∈ lR.
1) A(BC) = (AB)C, associativa;
2) A(B + C) = AB + AC, (A + B)C = AC + BC, distributiva rispetto alla somma;
3) α(AB) = A(αB).
Inoltre sia Mn (lR) l’insieme di tutte le matrici quadrate di ordine n. Esiste una matrice
I ∈ Mn (lR) che si comporta come elemento neutro per il prodotto righe per colonne, cioé per
ogni A ∈ Mn (lR) si ha AI = IA = A. Tale matrice é quella che ha 1 su tutta la diagonale
CAPITOLO 3. LE MATRICI. 15

principale e zero altrove:  


1 0 ... ... 0

 0 1 ... ... 0  
I= 0 0 1 ... ...  .
 
 
 ... ... ... ... ... 
0 0 ... ... 1
Si noti infine che non vale la proprietá commutativa per il prodotto righe per colonne, cioé
non é regola generale che AB = BA.

3.3 Determinanti.
Sia A = [aij ] ∈ Mn (lR) una matrice quadrata di ordine n. Esiste una corrispondenza ϕ :
Mn (lR) −→ lR che associa ad ogni matrice uno ed un solo valore in lR. Il valore ϕ(A) ∈ lR é
detto determinante di A ed indicato ϕ(A) = det(A) = |A|. La corrispondenza ϕ é definita da:
det(A) = σ (−1)σ a1σ(1) · a2σ(2) · · · anσ(n) al variare di σ tra le n! permutazioni di {1, 2, 3, .., n}.
P

Il segno di ogni addendo é (−1)σ , che é +1 se σ é una permutazione pari, ed é −1 se σ é dispari.


A partire da tale definizione vogliamo introdurre alcuni metodi pratici per il calcolo dei
determinanti, in modo induttivo, da n = 1 fino ad un qualsiasi n.

n=1.
A = [a], a ∈ lR ed in questo caso si definisce det(A) = a.

n=2.
" #
a11 a12
, e det(A) = a11 ·a22 −a12 ·a21 cioé dapprima moltiplichiamo tra loro gli elementi
a21 a22
della diagonale principale. Quindi moltiplichiamo tra loro gli elementi della diagonale secondaria
cambiando il segno di questo ultimo prodotto. Infine sommiamo i due prodotti ottenuti.

n=3.
 
a11 a12 a13
 21 a22 a23 . Per calcolare il determinante usiamo il seguente metodo, detto ’di
a
 
a31 a32 a33
Sarrus’. Ricopiamo le prime due colonne a destra della terza:
 
a11 a12 a13 a11 a12
 a21 a22 a23 a21 a22 
 
a31 a32 a33 a31 a32

Individuiamo cosı́ tre diagonali principali e tre secondarie. Eseguiamo i prodotti degli elementi di
ciascuna diagonale, cambiando il segno al prodotto degli elementi di ogni diagonale secondaria.
Infine sommiamo i prodotti ottenuti:

det(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 +
CAPITOLO 3. LE MATRICI. 16

−a13 a22 a31 − a11 a23 a32 − a12 a21 a33 .

n ≥ 4.
In questo caso abbiamo bisogno di introdurre alcune definizioni:
Sia A ∈ Mmn (lR), diciamo sottomatrice di A una qualsiasi matrice ottenuta utilizzando gli
elementi che appartengano contemporaneamente ad un numero p di righe di A ed ad un numero
q di colonne di A. Tale sottomatrice avrá ordine (p, q).
Diremo minore di ordine p di A, il determinante di una sottomatrice di ordine p di A.
Diremo complemento algebrico di un elemento aij ∈ A ∈ Mn (lR), il minore di ordine n − 1
ottenuto cancellando la riga e la colonna cui appartiene aij , moltiplicato per (−1)i+j .
 
1 0 1 0
Esempio 16 Sia A =  2 1 2 0 .
 
3 1 1 1

Le seguenti sono sottomatrici di A: " #


1 0 1
2 1 2
ottenuta dalle prime 2 righe e dalle prime 3 colonne di A,
" #
1 0
2 0

ottenuta dalle prime due righe e dalla terza e quarta colonna di A,


" #
1 0
1 1

ottenuta dalla prima e terza riga e dalla terza e quarta colonna di A.


Inoltre sono minori di ordine 2 i seguenti

1 0 1 0
= 0, = 1.

2 0 1 1

Esempio 17  
1 2 3
A =  0 1 0 .
 
2 2 1

Il complemento algebrico di a13 = 3 é



0 1
4
A13 = (−1) = −2.

2 2
CAPITOLO 3. LE MATRICI. 17

Il complemento algebrico di a21 = 0 é



2 3
3
A21 = (−1) = 4.

2 1

Teorema di Laplace. Sia A una matrice quadrata di un certo ordine n. Il determinante


di A si ottiene moltiplicando gli elementi di una qualsiasi riga (o colonna) di A per i rispettivi
complementi algebrici e sommando tutti i prodotti ottenuti.

Esempio 18  
1 2 1 0
 3 1 0 1 
A= .
 
 1 1 1 1 
3 2 1 0

Applicando il teorema di Laplace, rispetto alla prima riga, otteniamo:



1 0 1 3 0 1 3 1 1 3 1 0

det(A) = (+1) 1 1 1 + (−2) 1 1 1 + (+1) 1 1 1 + (0) 1 1 1 =


2 1 0 3 1 0 3 2 0 3 2 1

−2 + 10 − 4 + 0 = 4.

Come immediata conseguenza del teorema di Laplace, otteniamo che una matrice quadrata
che abbia una riga o una colonna composta da elementi tutti nulli, avrá determinante nullo.
Una matrice con determinante nullo é detta matrice singolare (al contrario é detta non
singolare).
Si noti che il teorema di Laplace vale per tutte le matrici quadrate di qualsiasi ordine,
ovviamente per quelle di ordine 2 e 3 si preferisce usare i metodi precedentemente esposti,
poiché piú veloci.

3.4 Dipendenza ed indipendenza tra righe.


Consideriamo la matrice
 
a11 a12 ... ... a1n
A =  ... ... ... ... ...  ∈ Mmn (lR).
 
am1 am2 ... ... amn

Isoliamo ciascuna riga della matrice come una n-upla ordinata di scalari:

u1 = (a11 , a12 , ..., a1n )


CAPITOLO 3. LE MATRICI. 18

u2 = (a21 , a22 , ..., a2n )


......................
ui = (ai1 , ai2 , ..., ain )
......................
um = (am1 , am2 , ..., amn ).
Definiamo le seguenti operazioni:
i) sommare due righe (due n-uple) vuol dire sommare ciascun elemento di una con il cor-
rispondente dell’altra, ad esempio

u1 + u2 = (a11 + a21 , a12 + a22 , ..., a1n + a2n ).

ii) moltiplicare una riga per uno scalare α ∈ lR vuol dire moltiplicare ciascun elemento della riga
per α, ad esempio
αu1 = (αa11 , αa12 , ..., αa1n ).
Siano u1 , .., ur righe di una matrice. Diremo che u1 , .., ur sono linearmente dipendenti se esistono
α1 , .., αr ∈ lR non tutti nulli, tali che α1 u1 + α2 u2 + ... + αr ur = (0, 0, 0, ..., 0) (la n-upla nulla).
Supponiamo che sia αi 6= 0. Allora

αi ui = −α1 u1 − α2 u2 .. − αi−1 ui−1 − αi+1 ui+1 − ... − αr ur

da cui
α1 α2 αi−1 αi+1 αn
ui = − u1 − u2 − ... − ui−1 − ui+1 − ... − un
αi αi αi αi αi
cioé, se le righe u1 , .., ur sono linearmente dipendenti, allora almeno una di esse si puó esprimere
come combinazione lineare delle altre.
Diremo invece che le u1 , .., ur sono linearmente indipendenti se vale la seguente:

α1 u1 + α2 u2 + ... + αr ur = (0, 0, 0, ..., 0) se e solo se α1 = α2 = α3 = ... = αr = 0.

 
1 2 0
 3 1 0 
Esempio 19 Sia A =   con righe u1 = (1, 2, 0), u2 = (3, 1, 0), u3 = (2, −1, 0),
 
 2 −1 0 
0 0 1
u4 = (0, 0, 1).

Le righe u1 , u2 , u3 sono linearmente dipendenti infatti:

(−1)u1 + (1)u2 + (−1)u3 = (0, 0, 0)

da cui u3 = u2 − u1 , cioé u3 é combinazione lineare di u2 e u1 .


Le righe u2 , u3 , u4 sono linearmente indipendenti, infatti se supponiamo a2 u2 +a3 u3 +a4 u4 =
(0, 0, 0), otteniamo (3a2 + 2a3 , a2 − a3 , a4 ) = (0, 0, 0) e quindi a2 = a3 = a4 = 0.
CAPITOLO 3. LE MATRICI. 19

3.5 Rango di una matrice.


Sia A una matrice con m righe e n colonne. Diciamo rango di A l’ordine della piú grande sot-
tomatrice quadrata di A che abbia determinante non nullo. Ovviamente rank(A) ≤ min{m, n}.

 
2 1 0
Esempio 20  3 1 1  ha rango 3
 
−1 0 1
 
2 1 0
 3 1 1  ha rango 2
 
1 0 1
" #
2 1 1 0
ha rango 2
3 2 1 0
" #
2 1 1 0
ha rango 1.
4 2 2 0

Talvolta calcolare il rango di una matrice puó non essere facile come negli esempi precedenti.
Ci proponiamo ora di introdurre quelle che sono chiamate operazioni elementari sulle righe di
una matrice. Tali operazioni, pur modificando la matrice di partenza, ne lasciano invariato il
rango. Lo scopo é quello di trasformare una matrice in un’altra di piú facile lettura, al fine
di determinare il rango della trasformata, sicuri che esso sia anche il rango della matrice di
partenza.

Le operazioni elementari sulle righe sono di tre tipi:  


1 2
1) Scambio di posizione tra due righe, per esempio la matrice  3 2  si trasforma nella
 
0 1
 
0 1
 3 2  dopo lo scambio tra la prima e la terza riga. Denoteremo lo scambio tra la riga i e la
 
1 2
riga j con il simbolo Ri ↔ Rj .
Nel caso di matrici quadrate, ció comporta che il valore assoluto del determinante della
matrice finale é identico a quello della matrice iniziale, ma i segni dei due determinanti sono
discordi.
 
1 2
6 0, per esempio la matrice  3 2  si
2) Moltiplicazione di una riga per uno scalare α =
 
0 1
 
3 6
trasforma nella  3 2  dopo aver scambiato la prima riga con essa stessa moltiplicata per
 
0 1
CAPITOLO 3. LE MATRICI. 20

3. Denoteremo lo scambio di una riga i con la stessa riga moltiplicata per lo scalare α, con il
simbolo Ri → αRi .
Nel caso di matrici quadrate, ció comporta che il determinante della matrice finale é pari a
quello della matrice iniziale, moltiplicato per α.

 3) Scambio
 di una riga con la combinazione
 lineare di altre righe, per esempio la matrice
1 2 13 10
 3 2  si trasforma nella  3 2  dopo aver scambiato la prima riga con la somma di essa
   
0 1 0 1
stessa e della seconda riga moltiplicata per 4. Denoteremo lo scambio della riga j con la somma
della riga j e della riga i moltiplicata per uno scalare α, con il simbolo Rj → Rj + αRi .
Nel caso di matrici quadrate, i determinanti della matrice finale e di quella iniziale sono
esattamente identici.

Diciamo elemento speciale in una riga, ogni elemento non nullo tale che nella propria colon- 
1 2 3
na, al di sotto di esso, vi siano solo elementi nulli. Per esempio nella matrice  3 0 4 
 
1 0 −1
l’elemento a12 = 2 é speciale per la prima riga.
Diremo che una matrice é ridotta per righe se in ogni riga vi é almeno un elemento speciale
(il controllo non va ovviamente fatto per gli elementi dell’ultima riga, poiché essi non presentano
altre righe al di sotto.) Si dimostra che il rango di una matrice ridotta per righe é pari al numero
di righe non nulle della matrice stessa.
Quindi per calcolare il rango di una matrice potremmo operare nel modo seguente: se la
matrice é giá ridotta per righe, calcoliamo semplicemente il numero di righe non nulle (esso é
il rango della matrice); altrimenti, per prima cosa riportiamo la matrice ad una forma ridotta,
tramite le operazioni elementari sopra esposte, quindi calcoliamo il numero di righe non nulle
della forma ridotta ottenuta.
 
1 1 2 0 −1
Esempio 21 La matrice  0 9 2 −5 5  é ridotta per righe
 
0 4 0 8 7

Infatti: a11 = 1 é l’elemento speciale della prima riga, a23 = 2 é l’elemento speciale della seconda
riga. Il rango della matrice é tre.
 
1 1 2 0 −1
Esempio 22 La matrice  0 2 1 2 2  non é ridotta per righe.
 
1 3 3 2 1

Operiamo nel modo seguente:  


1 1 2 0 −1
1) R3 → R3 − R1 e la matrice diventa  0 2 1 2 2 ;
 
0 2 1 2 2
CAPITOLO 3. LE MATRICI. 21
 
1 1 2 0 −1
2) R3 → R3 − R2 e la matrice diventa  0 2 1 2 2  che presenta l’elemento speciale
 
0 0 0 0 0
a11 sulla prima riga e quello a22 sulla seconda. Quindi é ridotta ed il suo rango é 2.

Si noti che la possibilitá di trasformare una riga della matrice di partenza in una riga nulla,
dipende esclusivamente dal fatto che tale riga sia una combinazione lineare di altre righe della
matrice (in caso contrario non riusciremmo in alcun modo, attraverso le operazioni elementari,
ad annullare tale riga). In tal senso possiamo dare una ulteriore definizione di rango di una
matrice: esso é il numero massimo di righe tra loro linearmente indipendenti.

 
1 1 2 0 −1
Esempio 23 La matrice  −3 −3 −6 0 3  ha rango 1, poiché ciascuno dei vettori riga
 
2 2 4 0 −2
dipende dagli
 altri. 
1 3 6 0 0
La matrice  0 2 1 0 2  ha rango 3 poiché le tre righe sono tutte tra loro indipendenti.
 
1 3 3 3 1

Queste ultime considerazioni ci fanno comprendere come, nel caso di matrici quadrate, si
possa riconoscere in talune occasioni, se il determinante della matrice é nullo oppure diverso da
zero. In particolare sia A una matrice quadrata di ordine n. Se una riga é tutta nulla, allora il
suo determinante é nullo (il rango non potrá essere n). Se una riga é proporzionale ad un’altra
il determinante é ancora nullo (con opportune trasformazioni sulle righe, una delle due tra loro
proporzionali, diventa nulla). Piú in generale se una riga é combinazione lineare di altre righe,
il determinante é nullo.
Possiamo ora considerare una ulteriore definizione di rango di una matrice: esso é il numero di
righe linearmente indipendenti presenti nella matrice stessa.
Quanto appena detto viene anche utilizzato per dimostrare il seguente
Secondo teorema di Laplace. In una matrice quadrata, moltiplicando gli elementi di una
riga (o di una colonna) per i complementi algebrici di un’altra riga (o colonna) e sommando i
prodotti ottenuti, si ottiene zero.

Terminiamo il paragrafo enunciando il seguente risultato,utile in tutto ció che seguirá:


Teorema di Binet. Siano A, B matrici quadrate di ordine n. Allora

det(A · B) = det(A) · det(B).


CAPITOLO 3. LE MATRICI. 22

3.6 Trasposta di una matrice, matrici invertibili e


matrici simili.
Sia A una matrice con m righe e n colonne, A ∈ Mmn (lR). Diciamo matrice trasposta di A, e la
indichiamo AT , quella matrice con n righe e m colonne, AT ∈ Mnm (lR), tale da avere come righe
e come colonne, rispettivamente le colonne e le righe di A. In altre parole, se aij é l’elemento
di A che occupa il posto di riga i e colonna j, esso sará anche elemento di AT , ma occuperá il
posto di riga j e colonna i.
 
1 0 1

 1 2 3 

AT =  2 1 3 .
 
 
 0 2 2 
−1 2 1

Una matrice A quadrata é detta simmetrica se A = AT . Inoltre, per ogni matrice quadrata
A si ha che det(A) = det(AT ).
Diciamo matrice aggiunta della matrice A, e la indichiamo Agg(A), quella matrice che abbia
come elemento di posto (i, j), il complemento algebrico dell’elemento di A di posto (j, i).

 
1 2 1
Esempio 24 Sia A =  3 1 0 .
 
0 1 1
   
1 3 0 1 −1 −1
Allora AT =  2 1 1  e Agg(A) =  −3 1 3 .
   
1 0 1 3 −1 −5

Diremo che una matrice A, quadrata di ordine n, é invertibile se esiste una matrice quadrata
B di ordine n tale che A · B = I, dove I é la matrice identica di ordine n, avente 1 su tutta la
diagonale principale ezero in ogni altra posizione. Per esempio:
2 0 −1
A =  7 3 23  é invertibile, infatti esiste
 
1 3 4
   
− 52 1 −1 1 0 0
B =  53 −3 10 3  tale che A · B =  0 1 0 .
   
6
−6 2 −2 0 0 1
Le matrici quadrate invertibili sono tutte e sole quelle non singolari. Inoltre, sia A invertibile
tale che A · B = I. Grazie al teorema di Binet otteniamo

1 = det(I) = det(A · B) = det(A) · det(B)

da cui det(B) = det(A)−1 . La matrice B é detta inversa della matrice A, indicata anche con
B = A−1 .
CAPITOLO 3. LE MATRICI. 23

Una matrice quadrata A é detta ortogonale se AT = A−1 . ció vuol dire che

1 = det(I) = det(A · A−1 ) = det(A · AT ) = det(A) · det(AT ) = det(A)2 .

Quindi condizione necessaria (ma non sufficiente) affinché una matrice sia ortogonale é che il
suo determinanate sia pari a +1 oppure −1.

" #
cos(ϕ) sen(ϕ)
Esempio 25 La matrice A = é ortogonale.
−sen(ϕ) cos(ϕ)

Proprietá. Siano A, B matrici quadrate di ordine n. Valgono le seguenti:


1) (A · B)T = B T · AT ;
2) (A · B)−1 = (B)−1 · (A)−1 , nel caso entrambe A e B siano non singolari.

Calcolo dell’inversa. Sia A una matrice quadrata non singolare di ordine n. Per ottenere
l’inversa di A si costruisca dapprima la matrice aggiunta di A. Quindi si divida ciascun elemento
dell’aggiunta per il determinante di A. La matrice ottenuta é esattamente A−1 .

 
1 1 0
Esempio 26 Sia A =  2 0 1 .
 
1 1 1

Poiché det(A) = −2, essa é invertibile. Si ha che


   
1 2 1 −1 −1 1
T
A =  1 0 1 , Agg(A) =  −1 1 −1  .
   
0 1 1 2 0 −2

Quindi  
1 1
2 2 − 12
Agg(A) 
A−1 = = 1
− 12 1 
−2 2 2 
−1 0 1
ed infatti      
1 1
1 1 0 − 12 1 0 0
  21 2
A · A−1 =  2 0 1  ·  2 − 12 1 
= 0 1 0 .
  
2  
1 1 1 −1 0 1 0 0 1
Relazione di Similitudine. Diciamo che due matrici quadrate A, B, entrambe di ordine n,
sono simili se esiste una matrice M quadrata di ordine n, non singolare, tale che A = M −1 ·B ·M .
Si noti che valgono le seguenti:
1) Ogni matrice quadrata A é simile a se stessa, infatti

A = I −1 · A · I = I · A · I.
CAPITOLO 3. LE MATRICI. 24

2) Se la matrice A é simile alla B allora B é simile ad A, infatti

A = M −1 · B · M ⇒ B = (M −1 )−1 · A · (M −1 ).

3) Se A é simile a B e B é simile a C, allora A é simile a C, infatti

A = M −1 · B · M e B = N −1 · C · N

implica
A = (N · M )−1 · C · (N · M ).
Quindi la relazione di similitudine tra matrici soddisfa le proprietá riflessiva (1), simmetrica (2)
e transitiva (3), ed é una relazione di equivalenza.
L’insieme della matrici quadrate di ordine n é allora suddiviso in classi di equivalenza, nel
senso che tutte le matrici tra loro simili costituiscono un’unica classe, avente come rappresentante
una qualsiasi delle matrici che ne fanno parte. Inoltre due distinte classi di equivalena non
possono aver alcuna matrice in comune.
Le proprietá piú rilevanti sono le seguenti:
i) Le matrici tra loro simili hanno lo stesso determinante.
ii) Le matrici tra loro simili hanno lo stesso rango.

3.7 Esercizi.
Esercizio 20 Determinare i ranghi delle seguenti matrici:
   
2 1 0 2 1 0 " # " #
2 1 1 0 2 1 1 0
 3 1 1 ; 3 1 1 ; ; .
   
3 2 1 0 4 2 2 0
−1 0 1 1 0 1

Esercizio 21 Ridurre le seguenti matrici nella loro forma a gradini:


         
1 1 2 0 −1 2 1 3 1 1 2 1 1 2 0 −1 3 1 4 2
 0 2 1 2 2 ; 0 1 2 ; 2 2 4  ;  0 9 2 −5 5  ;  6 0 7 5  .
         
1 3 3 2 1 0 3 −1 −1 −1 −2 0 4 0 8 7 8 0 9 0

Esercizio 22 Determinare se le seguenti matrici sono ortogonali:


 
1 0 0 " #
cos(α) sen(α)
 0 −1 1  ; ;
 
−sen(α) cos(α)
0 0 1

Esercizio 23 Calcolare l’inversa della seguente matrice:


 
1 1 0
 2 0 1 ;
 
1 1 1
CAPITOLO 3. LE MATRICI. 25

Esercizio 24 Determinare una matrice triangolare superiore equivalente per righe alla matrice
 
1 1 1
 1 0 −1  .
 
0 1 1

Esercizio 25 Determinare una matrice triangolare superiore equivalente per righe alla matrice
 
1 1 2 2
 2 1 1 0 
.
 
−1 −1 1 1

 
2 2 3 1

Esercizio 26 Calcolare il determinante della matrice


 
1 −1 2 3
 1 0 1 2 
.
 
3 −1 −1 −2

 
0 1 1 2

Esercizio 27 Determinare i ranghi delle seguenti matrici:


 
    1 −3 −1 1 0
" # 1 1 1 2 3 0 1
1 2 −1  0 1 2 1 1 
;  2 −1 0  ;  1 2 −1 0  ;  .
     
0 1 3 2 −6 1 0 0
3 0 1 −2 0 0 −1
 
−1 3 1 2 0

Esercizio 28 Determinare il rango delle seguenti matrici, al variare del parametro k:


     
k −1 2 k 1 1 1 −1
 k −2 1  ;  1 0 1  ;  0 k  ;
     
3 1 0 2 k 0 1 1

Esercizio 29 Determinare, se esistono, le matrici inverse delle seguenti:


   
" # 1 0 −1 2 1 0
1 1
;  0 1 0  ;  1 −1 1  ;
   
2 0
0 0 1 1 2 −1

Esercizio 30 Per quali valori del parametro reale k, le seguenti matrici sono invertibili:
   
1 0 −1 k k 1
 k 1 k ; 2 0 0 ;
   
1 2 1 −1 −1 k

Scegliere un valore di k per cui una di esse é invertibile e determinarne l’inversa.


Capitolo 4

I sistemi lineari.

4.1 Introduzione.
Una equazione del tipo a1 x1 + a2 x2 + a3 x3 + ... + an xn = b, con a1 , .., an , b ∈ lR, si dice lineare;
x1 , .., xn sono le incognite, b é il termine noto, a1 , .., an sono i coefficienti delle incognite. Risolvere
una equazione lineare vuol dire determinare una n-upla di valori in lR, (c1 , .., cn ), da attribuire
alle incognite x1 , .., xn , tali che a1 c1 + a2 c2 + ... + an cn = b. Un sistema lineare di m equazioni
in n incognite sul campo lR é un insieme di m equazioni lineari nelle stesse incognite x1 , .., xn ,
cioé


 a11 x1 + a12 x2 + ... + a1n xn = b1

 a21 x1 + a22 x2 + ... + a2n xn = b2
.

 ..........


am1 x1 + am2 x2 + ... + amn xn = bm
Una soluzione di un tale sistema é una n-upla di valori reali (c1 , .., cn ) da attribuire alle incognite
x1 , .., xn , tali che essi verifichino ciascuna delle m equazioni, cioé:


 a11 c1 + a12 c2 + ... + a1n cn = b1

 a21 c1 + a22 c2 + ... + a2n cn = b2
.

 ...........


am1 c1 + am2 c2 + ... + amn cn = bm
Se consideriamo le seguenti matrici:
   
  x1 b1
a11 a12 ... a1n
 a
 x2   b2 
a22 ... a2n     
A =  21 ,X =  ... ,B =  ...
     
 ... ... ... ...

   
... ...

   
am1 am2 ... amn
xn bm
allora il sistema lineare si puó riscrivere in forma compatta nel modo seguente:
A · X = B.

26
CAPITOLO 4. I SISTEMI LINEARI. 27
 
a11 a12 ... a1n b1
 a21 a22 ... a2n b2 
Chiameremo A matrice incompleta e C =   matrice completa del
 
 ... ... ... ... ... 
am1 am2 ... amn bm
sistema lineare.

Siano A e C le matrici associate ad un sistema lineare. Supponiamo che la matrice C non


sia ridotta per righe. Dopo aver effettuato la riduzione della matrice C, indichiamo con A0 e C 0
le matrici trasformate e ridotte. Ad esse viene associato ancora un sistema lineare A0 · X = B 0 .
Vale il seguente:

Teorema 1 Le soluzioni di un sistema lineare A · X = B sono le stesse di ciascun sistema


lineare A0 · X = B 0 ottenuto da esso attraverso operazioni elementari effettuete sulle righe delle
matrici caratteristiche del sistema. Tali sistemi sono detti equivalenti.

Esempio 27 Sia dato il sistema lineare



 x1 + x2 + x3 = 3

1x +x −x =2 .
2 3
 x −x +x =2

1 2 3

Le matrici associate sono


   
1 1 1 1 1 1 3
A =  1 1 −1  , C =  1 1 −1 2  .
   
1 −1 1 1 −1 1 2

Riduciamo la matrice C:
 
1 1 1 3
R3 → R3 + R2 , C 0 =  1 1 −1 2 
 
2 0 0 4
 
1 1 1 3
0
R2 → R2 − R1 , C =  0 0 −2 −1  .
 
2 0 0 4
Il sistema associato a questa matrice é

 x1 + x2 + x3 = 3

−2x3 = −1

 2x1 = 4

la cui soluzione é (x1 = 2, x2 = 12 , x3 = 12 ). Poiché il sistema trasformato é equivalente a quello


di partenza, quest’ultima é anche soluzione del primo sistema.
CAPITOLO 4. I SISTEMI LINEARI. 28

Ma non tutti i sistemi lineari hanno necessariamente una soluzione, per esempio basti pensare
al seguente: (
x1 + x2 = 2
.
2x1 + 2x2 = 1
Diremo compatibili i sistemi lineari che ammettono soluzione ed incompatibili quelli che non ne
ammettono alcuna. Parallelamente, non é detto che se un sistema lineare ha una soluzione, esso
abbia solo quella, eccone un esempio:


 x1 + x2 + x3 = 2
2x1 + 2x2 + 2x3 = 4
x1 − x2 = 0

che ammette come soluzioni le infinite terne (α, α, 2 − 2α), per ogni α ∈ lR.
Diremo indeterminati i sistemi lineari che ammettono infinite soluzioni.

Teorema 2 (di Rouché-Capelli) Sia A·X = B un sistema lineare di m equazioni in n incognite,


con matrici associate A ∈ Mmn (lR), C ∈ Mmn+1 (lR). Esso é compatibile se e solo se il rango
della matrice incompleta A é uguale al rango della matrice completa C. Inoltre se il sistema é
compatibile, detto r il rango delle matrici, le soluzioni sono in numero di ∞n−r .

Dim. Dimostriamo il teorema per il sistema A0 ·X = B 0 , ottenuto da A·X = B dopo aver ridotto
per righe la matrice completa [A|B], in modo tale che rango(A) = rango(A0 ) e rango([A|B]) =
rango([A0 |B 0 ]) ed i due sistemi siano equivalenti.
Supponiamo prima che il sistema sia compatibile e per assurdo sia r = rango(A0 ) <
rango([A0 |B 0 ]). Ordiniamo le righe del sistema in modo che le prime r righe di A0 siano pro-
prio quelle non nulle. Allora tutte le righe di A0 dalla r + 1-esima in poi sono nulle. Poiché
rango(A0 ) < rango([A0 |B 0 ]), esiste almeno una tra le righe di ([A0 |B 0 ]) comprese tra la r + 1-
esima e la n-esima che non é nulla. Possiamo per esempio supporre che sia la riga di posto r + 1.
Di conseguenza otteniamo la seguente incongruenza:

0 = 0 · x1 + 0 · x2 + ...... + 0 · xn = br+1 6= 0.

Viceversa supponiamoo ora che rango(A0 ) = rango([A0 |B 0 ]) = r. Ció vuol dire che la colonna
dei termini noti B 0 non incide nel calcolo dei ranghi, in altre parole ogni elemento bi che si trova
su una qualsiasi riga i-esima di B 0 é combinazione lineare degli elementi che si trovano sulla riga
i-esima di A0 . Quindi esistono α1 , .., αn ∈ lR tali che:

a11 α1 + a12 α2 + ... + a1n αn = b1

a21 α1 + a22 α2 + ... + a2n αn = b2


a31 α1 + a32 α2 + ... + a3n αn = b3
....................................................
CAPITOLO 4. I SISTEMI LINEARI. 29

am1 α1 + am2 α2 + ... + amn αn = bm


cioé il sistema ammette almeno la soluzione (x1 , ..., xn )=(α1 , ..., αn ). A questo punto riscriviamo
il sistema dopo aver considerato la sua forma ridotta:


 a11 x1 + a12 x2 + a13 x3 + .... .... a1n xn = b1
a22 x2 + a23 x3 + .... .... a2n xn = b2




a33 x3 + .... .... a3n xn = ....




 .... .... .... ....
arr xr + .... arn xn = br

Dall’ultima riga otteniamo


1
xr = (br − arr+1 xr+1 − arr+2 xr+2 − .... − arn xn ) = Fr (xr+1 , ...., xn )
arr
dove Fr é una funzione dei parametri xr+1 , ...., xn . Sostituendo nella precedente
1
xr−1 = (br−1 − ar−1r xr − ar−1r+1 xr+1 − .... − ar−1n xn ) =
ar−1r−1
1

br−1 − ar−1r (br − arr+1 xr+1 − arr+2 xr+2 − .... − arn xn )
arr
1

−ar−1r+1 xr+1 − .... − ar−1n xn = Fr−1 (xr+1 , ...., xn )
ar−1r−1
ed in generale: per ogni indice di riga i ≤ r
1
xi = (bi − aii+1 xi+1 − aii+2 xi+2 − .... − ain xn ) = Fi (xr+1 , ...., xn )
aii
dove ogni Fi é una funzione dei parametri xr+1 , ...., xn . Concludiamo allora che si puó ottenere
una soluzione (F1 , F2 , .., Fr , xr+1 , .., xn ) del sistema lineare ogni volta che si attribuiscono valori
arbitrari ai parametri xr+1 , .., xn , da cui la seconda parte del teorema. t
u

Esempio 28 Sia dato il sistema




 x1 + x2 + x3 = 1
2x1 − 2x2 + 2x3 = 0 .
x1 − x3 = 1

 
1 1 −1
La matrice incompleta é A =  1 −1 2  che ha rango 3. Ovviamente anche la matrice
 
1 0 −1
completa avrá rango 3. Il sistema é compatibile ed ammette ∞3−3 = ∞0 = 1 soluzione.
CAPITOLO 4. I SISTEMI LINEARI. 30

Esempio 29 Sia dato il sistema



 x1 + x2 − x3 + x4 = 0

3x1 + x2 − x3 = 1 .
2x1 − x4 = 1


 
1 1 −1 1
La matrice incompleta é A =  3 1 −1 0  che ha rango 2. La matrice completa é C =
 
2 0 0 −1
 
1 1 −1 1 0
 3 1 −1 0 1  che ha ancora rango 2. Il sistema é compatibile ed ammette ∞4−2 = ∞2
 
2 0 0 −1 1
soluzioni. Il rango 2 ci é dato dalle prime due righe, le terza é combinazione lineare di esse.
Allora
 un sistema  equivalente a quello dato é quello associato alla seguente matrice: C 0 =
1 1 −1 1 0
 3 1 −1 0 1  e si scrive
 
0 0 0 0 0
(
x1 + x2 = x3 − x4
.
3x1 + x2 = 1 + x3
Dalla prima otteniamo x1 = −x2 + x3 − x4 e sostituendo nella seconda:
−3x2 + 3x3 − 3x4 + x2 = 1 + x3 cioé − 2x2 = 1 − 2x3 + 3x4
1 − 2x3 + 3x4
x2 = −
2
ed ancora sostituendo il valore di x2 nella espressione di x1 :
1 − 2x3 + 3x4
x1 = + x3 − x4 .
2
Allora la generica soluzione del sistema lineare é
1 1 1 3
x1 = + β x2 = − + α − β x3 = α x4 = β
2 2 2 2
per ogni valore reale dei parametri α e β.

Esempio 30 Sia dato il sistema




 x1 + x2 − x3 = 2
x1 + 2x2 − x3 = 0 .
 2x + 3x − 2x = 1

1 2 3
 
1 1 −1
La matrice incompleta é A =  1 2 −1  che ha rango 2. La matrice completa é C =
 
2 3 −2
 
1 1 −1 2
 1 2 −1 0  che ha rango 3. Il sistema é incompatibile.
 
2 3 −2 1
CAPITOLO 4. I SISTEMI LINEARI. 31

4.2 Sistemi omogenei.


Sia A ∈ Mmn (lR), matrice con m righe 
e n colonne. Il sistema lineare A · X = B é detto
0
 0 
 
omogeneo se B = 0 cioé se B =  ...  é il vettore nullo di m componenti. Tali sistemi hanno
 
 
 ... 
0
sempre la soluzione banale, (x1 = 0, .., xn = 0). Poiché in tale caso la matrice completa e quella
incompleta hanno sempre lo stesso rango, la soluzione banale é anche l’unica soluzione se e solo
se il rango della matrice A é pari al numero n di incognite. Al contrario, se il rango di A é r < n
allora le soluzioni sono in numero di ∞n−r .

Esempio 31 Sia dato il sistema




 x1 + x2 + 2x3 = 0
2x1 + 2x2 + 3x3 = 0 .

 3x + x + 2x = 0
1 2 3
 
1 1 2
La matrice associata é A =  2 2 3  che ha rango 3. Allora vi é la sola soluzione banale.
 
3 1 2

Esempio 32 Sia dato il sistema




 x1 + x2 + 2x3 + x4 = 0
2x1 + 2x2 + 3x3 + 2x4 = 0 .

 x1 + x2 + x3 + x4 = 0
 
1 1 2 1
La matrice associata é A =  2 2 3 2  che ha rango 2. Allora vi sono ∞2 soluzioni. Il rango
 
1 1 1 1
é 2 poiché l’ultima riga é combinazione lineare delle precedenti due. Quindi un
 sistema equiv-

1 1 2 1
alente al precedente é quello che ha come matrice associata la seguente: A0 =  2 2 3 2 .
 
0 0 0 0
Tale sistema si scrive: (
x1 + 2x3 = −x2 − x4
.
2x1 + 3x3 = −2x2 − 2x4
Dalla prima otteniamo x1 = −x2 − 2x3 − x4 . Sostituendo nella seconda otteniamo

−2x2 − 4x3 − 2x4 + 3x3 = −2x2 − 2x4 cioé x3 = 0.


CAPITOLO 4. I SISTEMI LINEARI. 32

Un generica soluzione del sistema é allora

x1 = −α − β x2 = α x3 = 0 x4 = β

al variare dei parametri α e β in lR.

Caso particolare é quello in cui r = n − 1. Quando si verifica ció, le soluzioni non banali del
sistema lineare omogeneo sono date dalle n-uple proporzionali ai complementi algebrici di ordine
n − 1 della matrice A. Infatti se in rango é n − 1, possiamo riscrivere il sistema cancellando le
ultime m − n + 1 righe:


 a11 x1 + a12 x2 + a13 x3 + .... + a1n xn = 0

 a12 x1 + a22 x2 + a23 x3 + .... + a2n xn = 0

 ..............................................


an−11 x1 + an−12 x2 + an−13 x3 + .... + an−1n xn = 0

Consideriamo la seguente matrice:


 
1 1 1 1 1 ...... 1
a11 a12 a13 .... .... ...... a1n
 
 
a21 a22 a23 .... .... ...... a2n
 
 
 
B=
 a31 a32 a33 .... .... ...... a3n .


 a41 a42 a43 .... .... ...... a4n 

...... ...... ...... .... .... ...... ......
 
 
an−11 an−12 an−13 .... .... ...... an−1n

Osserviamo che i complementi algebrici degli elementi della prima riga di B sono esattamente
i complementi degli elementi della prima riga del sistema originario: A11 , A12 , ..., A1n . Se
applichiamo il secondo teorema di Laplace alla matrice B otteniamo

aj1 A11 + aj2 A12 + ... + ajn A1n = 0

per ogni indice j = 1, .., n − 1, ed a fortiori

α(aj1 A11 + aj2 A12 + ... + ajn A1n ) = 0

per ogni α ∈ lR. Questo vuol dire che la n-upla α(A11 , A12 , ..., A1n ) é soluzione del sistema
lineare omogeneo, al variare di α ∈ lR.

Esempio 33 Sia dato il sistema




 2x1 + 3x2 − x3 + x4 = 0

 x1 − x2 + x3 = 0
.

 3x1 − 2x3 + x4 = 0


2x2 + 2x3 = 0
CAPITOLO 4. I SISTEMI LINEARI. 33
 
2 3 −1 1
 1 −1 1 0 
La matrice associata é A =   che ha rango 3. In particolare il rango é dato
 
 3 0 −2 1 
0 2 2 0
dalle prime tre righe della matrice, quindi le ∞1 soluzioni del sistema sono proporzionali ai
complementi algebrici degli elementi a41 = 0, a42 = 2, a43 = 2, a44 = 0, cioé
 
3 −1 1 2 −1 1 2 3 1 2 3 −1

α  −1 1 0 , 1 1 0 , 1 −1 0 , 1 −1 1
 

0 −2 1 3 −2 1 3 0 1 3 0 −2

al variare di α parametro reale.

4.3 Metodo di Cramer per la risoluzione di un sis-


tema lineare.
Supponiamo di aver un sistema al quale venga associata un matrice incompleta A quadrata di
ordine n e non singolare:
   
  x1 b1
a11 a12 ... a1n
 a
 x2   b2 
a22 ... a2n     
A =  21 ,X =  ... ,B =  ... .
     
 ... ... ... ...    
... ...

   
an1 an2 ... ann
xn bn

Il sistema sia A · X = B.
Sappiamo dal teorema di Rouché-Capelli che in tal caso il sistema ammette un’unica soluzione.
Essa puó essere determinata nel modo seguente:

A · X = B → A−1 · A · X = A−1 · B → X = A−1 · B

da cui
1 ∆1
x1 = (A11 b1 + A21 b2 + ... + An1 bn ) · =
det(A) det(A)
1 ∆2
x2 = (A12 b1 + A22 b2 + ... + An2 bn ) · =
det(A) det(A)
1 ∆3
x3 = (A13 b1 + A23 b2 + ... + An3 bn ) · =
det(A) det(A)
.............................
1 ∆n
xn = (A1n b1 + A2n b2 + ... + Ann bn ) · =
det(A) det(A)
dove Aij é il complemento algebrico dell’elemento aij ∈ A.
CAPITOLO 4. I SISTEMI LINEARI. 34

In sostanza, il termine al numeratore ∆1 = (A11 b1 + A21 b2 + ... + An1 bn ) é il determinante


della matrice
 
b1 a12 ... a1n

 b2 a22 ... a2n 

... ... ... ...
 
 
bn an2 ... ann
ottenuta scambiando la prima colonna di A con la colonna dei termini noti.
In generale, il termine ∆i = (A1i b1 + A2i b2 + ... + Ani bn ) é il determinante della matrice
 
a11 a12 ... b1 ... a1n

 a12 a22 ... b2 ... a2n 

... ... ... bj ... ...
 
 
a1n an2 ... bn ... ann
ottenuta scambiando la colonna i di A con la colonna dei termini noti.

Supponiamo ora che la matrice A incompleta non sia quadrata e che il sistema sia compati-
bile, diciamo r il rango del sistema. Consideriamo A0 la matrice di ordine r che fornisce il rango
al sistema, essa é ovviamente quadrata e non singolare.
Il sistema relativo alla matrice A0


 a11 x1 + a12 x2 + ... + a1r xr = b1 − a1(r+1) xr+1 − ... − a1n xn

 a21 x1 + a22 x2 + ... + a2r xr = b2 − a2(r+1) xr+1 − ... − a2n xn



..........

ar1 x1 + ar2 x2 + ... + arr xr = bm − ar(r+1) xr+1 − ... − arn xn
é equivalente a quello di partenza, inoltre é risolvibile col metodo di Cramer. Le soluzioni
(x1 , .., xr ) saranno date in funzione dei parametri reali xr+1 , .., xn .

Esempio 34 Ripetiamo un esempio precedentemente esposto, ma applichiamo ora il metodo di


Cramer. Sia dato il sistema


 x1 + x2 + 2x3 + x4 = 0
2x1 + 2x2 + 3x3 + 2x4 = 0 .

 x1 + x2 + x3 + x4 = 0
 
1 1 2 1
La matrice associata é A =  2 2 3 2  che ha rango 2. Allora vi sono ∞2 soluzioni. Il rango
 
1 1 1 1
é 2 poiché l’ultima riga é combinazione lineare delle precedenti due. Quindi un
 sistema equiv-

1 1 2 1
alente al precedente é quello che ha come matrice associata la seguente: A0 =  2 2 3 2 .
 
0 0 0 0
Tale sistema si scrive: (
x1 + 2x3 = −x2 − x4
.
2x1 + 3x3 = −2x2 − 2x4
CAPITOLO 4. I SISTEMI LINEARI. 35

Applichiamo
" # ora il metodo di Cramer. La matrice incompleta del nuovo sistema é A00 =
1 2
, con det(A00 ) = −1. Le variabili x2 , x4 diventano parametri reali, ai quali possiamo
2 3
attribuire un qualsiasi valore in lR. Calcoliamo

−x − x 2
2 4
∆1 = = x2 + x4

−2x2 − 2x4 3

1 −x2 − x4
∆3 = =0

2 −2x2 − 2x4

e quindi
∆1 ∆3
x1 = = −x2 − x4 x3 = =0
−1 −1
con x2 e x4 parametri reali liberi.

4.4 Metodo di eliminazione di Gauss.


Concludiamo ora facendo vedere come un qualsiasi sistema compatibile si possa risolvere utiliz-
zando le operazioni elementari sulle righe della matrice completa, associata ad esso, per riportarla
in forma ridotta.
Siano A ∈ Mmn (lR), B ∈ Mm1 (lR), rispettivamente la matrice incompleta e la colonna dei
termini noti del sistema. Al solito indichiamo con C = [A|B] la matrice completa del sistema.
Se operiamo sulle righe della matrice C, riportandola nella forma ridotta C 0 , automatica-
mente avremo ridotto anche la matrice A nella forma A0 . Il sistema associato alle matrici A0 e
C 0 é equivalente a quello iniziale, ma viene espresso in una forma ridotta, quindi piú facilmente
risolvibile, con il metodo della sostituzione.

Esempio 35 Sia dato il sistema




 x1 + 2x2 − x3 + x4 = 8

 x1 + 3x2 − 5x3 − x4 = 9
.

 2x1 + 4x2 − 4x3 + x4 = 16


4x1 + 10x2 − 9x3 + x4 = 33

La matrice completa associata é


 
1 2 −1 1 8
 1 3 −5 −1 9 
C= .
 
 2 4 −4 1 16 
4 10 −9 1 33
CAPITOLO 4. I SISTEMI LINEARI. 36

Cominciamo con le operazioni elementari sulle righe per rendere speciale l’elemento di posto
(1, 1):  
1 2 −1 1 8
1  0 1 −3 − 3 1 
R2 → R2 − R3 C 0 =  2
 
 2 4 −4 1 16 

2
4 10 −9 1 33
 
1 2 −1 1 8
1  0 1 −3 − 32 1 
R3 → R3 − R4 C0 = 
 
0 −1 21 1
− 12

2  2 
4 10 −9 1 33
 
1 2 −1 1 8
3
 0 1 −3 − 2 1 
R4 → R4 − 4R1 C0 =  .
 
 0 −1 12 1
2 − 12 
0 2 −5 −3 1
Passiamo ora a determinare un elemento speciale sulla seconda riga, e come in precedenza,
scegliamo l’elemento sulla diagonale principale (quello di posto (2, 2)):
 
1 2 −1 1 8
 0 1 −3 − 32 1 
R3 → R3 + R2 , R4 → R4 − 2R2 , C0 =  .
 
 0 0 − 52 −1 12 
0 0 1 0 −1
Infine passiamo alla terza riga:
 
1 2 −1 1 8
2  0 1 −3 − 32 1 
R4 → R4 + R3 C0 =  .
 
5  0 0 − 52 −1 12 
0 0 0 − 25 − 45
La matrice é ora ridotta. Si noti che tanto il rango della incompleta che della completa é 4,
quindi il sistema é compatibile ed ammette una sola soluzione. Inoltre il sistema é ora riscrivibile
come segue: 
 x1 +2x2 −x3
 +x4 =8
3x2 −3x3 − 32 x4 = 1


.

 − 52 x3 −x4 = 12
− 25 x4 = − 45

Dall’ultima equazione si ha x4 = 2. Sostituendo nella terza otteniamo x3 = −1, e continuando


a sostituire nelle prime due, x2 = 1, x1 = 3.

Esempio 36 Sia dato il sistema




 2x1 − x2 + 7x3 = 1
3x1 − 3x2 + 10x3 = 0 .
4x1 − 5x2 + 13x3 = 7


CAPITOLO 4. I SISTEMI LINEARI. 37
 
2 −1 7 1
La matrice completa associata é C =  3 −3 10 0 . Cominciamo con la prima riga:
 
4 −5 13 7
 
2 −1 7 1
3
R2 → R 2 − R1 C 0 =  0 − 32 − 12 − 32 
 
2
4 −5 13 7
 
2 −1 7 1
R3 → R3 − 2R1 C 0 =  0 − 32 − 12 − 32 
 
0 −3 −1 5
 
2 −1 7 1
0
R3 → R3 − 2R2 C =  0 − 32 − 12 − 32  .
 
0 0 0 2
La matrice é ora ridotta. Si noti che il rango della incompleta é 2, mentre quello della matrice
completa é 3. Pertanto il sistema é incompatibile.

Esempio 37 Sia dato il sistema



 x1 − 2x2 + 3x3 − 4x4 = 4

1x − x + 2x − 3x = 1 .
2 3 4
 −x − x + x + 3x = −1

1 2 3 4
 
1 −2 3 −4 4
La matrice completa associata é C =  1 −1 2 −3 1 .
 
−1 −1 1 3 −1
 
1 −2 3 −4 4
0
R 2 → R 2 − R1 C = 0 1 −1 1 −3 
 
−1 −1 1 3 −1
 
1 −2 3 −4 4
R3 → R3 + R1 C 0 =  0 1 −1 1 −3 
 
0 −3 4 −1 3
 
1 −2 3 −4 4
0
R3 → R3 + 3R2 C =  0 1 −1 1 −3  .
 
0 0 1 2 −6
La matrice é ora ridotta. Si noti che tanto il rango della incompleta che della completa é 3,
quindi il sistema é compatibile ed ammette ∞1 soluzioni. Inoltre il sistema é ora riscrivibile
come segue: 
 x1 −2x2 +3x3 −4x4 = 4

x2 −x3 +x4 = −3 .
+2x4 = −6

 x3
CAPITOLO 4. I SISTEMI LINEARI. 38

Dall’ultima equazione si ha
x3 = −2x4 − 6.
Sostituendo nella seconda otteniamo

x2 = x3 − x4 − 3 = −2x4 − 6 − x4 − 3 = −3x4 − 9

ed infine dalla prima equazione:

x1 = 4 + 2x2 − 3x3 + 4x4 = 4 + 4x4 .

Quindi le soluzioni sono date dalle quaterne

(4 + 4α, −9 − 3α, −6 − 2α, α)

al variare del parametro α in lR.

4.5 Esercizi.
Determinare, quando possibile, le soluzioni dei seguenti sistemi lineari:

Esercizio 31 
 2x + y − z = 1

x+z =0
 x + 2y − z = 2

Esercizio 32 
 2x + y − z = 1

x+z =0

 3x + y = 1

Esercizio 33 
 2x + y − z = 1

3x + y = 1
 5x + 2y − z = 5

Esercizio 34 
 x1 + x2 − 2x3 + x4 = 1

2x1 + x2 + x3 + x4 = 2
x1 + 2x2 − x4 = 7

Esercizio 35 

 x+y+z+t=0

 4y + 3t = 5

 2x + 5t = 4


−3z − 2t = 1
CAPITOLO 4. I SISTEMI LINEARI. 39

Esercizio 36 
 2x1 + 3x2 − x3 + 4x4 = 12

3x + x + 2x − 6x = −6
1 2 3 4
 x − 4x − x − 4x = −12

1 2 3 4

Esercizio 37 (
2x − 3y − 4z = 0
x + 4y − 2z = 0

Esercizio 38 
 3x + y − z = 0

x + 3y + z = 0

 x+y =0

Utilizzare il metodo di Gauss per determinare, quando possibile, le soluzioni dei seguenti
sistemi lineari:

Esercizio 39 

 x + 2y − z + w = 8

 x + 3y − 5z − w = 9

 2x + 4y − 4z + w = 16


4x + 10y − 9z + w = 33

Esercizio 40 

 2x − y + 7z = 1
3x − 3y + 10z = 0
 4x − 5y + 13z = 7

Esercizio 41 
 x − 2y + 3z − 4w = 4

x − y + 2z − 3w = 1
 −x − y + z + 3w = −1

Esercizio 42 
 x + 2y + 3z = 1

4x + 5y + 6z = 2

 7x + 8y + 9z = 3

Esercizio 43 

 x − y + 3z = 0

 −3x − y − 7z = 4

 5x + 2y + 9z = −10


2x + y + 2z = −6
CAPITOLO 4. I SISTEMI LINEARI. 40

Esercizio 44 

 x + 2y − z + 5w = 7
2x − 4y − z − 2w = −1
 5x − 6y − 3z + w = 0

Determinare, al variare del parametro k nei reali, quante soluzioni possiedono i seguenti
sistemi lineari:

Esercizio 45 
 x + 2y + 3z = k + 1

4x + 5y + 6z = k

 7x + 8y + 9z = k + 1

Esercizio 46 
 5x − 3y = 1

2x + y = 7
 8x + 3y = k 2

Esercizio 47 
 x + 2y − z = −1

kx + 2z = 1
−x + 3z = 1

Esercizio 48 

 kx + 3y + z = k + 4
4kx + y + 2z = 2k + 2
kx + kz = k − 1

Esercizio 49 
 2kx + 3y − z = 4 − k

4kx + y + 2z = 2k
(k − 1)y = 2

Esercizio 50 

 x−z =3

 (k + 2)y + z = −1

 x + (k − 1)z = 5


(k + 4)z = k

Determinare i valori reali del parametro k per i quali i seguenti sistemi lineari omogenei
ammettono soluzioni non banali:
CAPITOLO 4. I SISTEMI LINEARI. 41

Esercizio 51 
 2x + ky − z = 0

x + y − 3z = 0
 kx − 2y + 2z = 0

Esercizio 52 
 kx − y + 3z = 0

x + y − kz = 0

 2x + 2y + kz = 0
Capitolo 5

Gli spazi vettoriali.

5.1 Introduzione
Siano K un campo e V un insieme non vuoto in cui sono definite le seguenti operazioni:

+ : V ×V →V

· : K × V → V.
Diremo che (V, +, ·) é uno spazio vettoriale sul campo dei reali se valgono le seguenti:
1) (V, +) é un gruppo commutativo, cioé
i) (v1 + v2 ) + v3 = v1 + (v2 + v3 ), per ogni v1 , v2 , v3 ∈ V ;
ii) esiste e ∈ V tale che v + e = e + v = v, per ogni v ∈ V ;
iii) per ogni v ∈ V , esiste w ∈ V , tale che v + w = w + v = e;
iv) per ogni v1 , v2 ∈ V , v1 + v2 = v2 + v1 .

2) (a + b)v = av + bv, per ogni a, b ∈ K, v ∈ V .


3) a(v1 + v2 ) = av1 + av2 , per ogni a ∈ K, v1 , v2 ∈ V .
4) a(bv) = (ab)v = (ba)v = b(av), per ogni a, b ∈ K, v ∈ V .
5) 1K · v = v, per ogni v ∈ V .
Chiameremo vettori gli elementi di uno spazio vettoriale e scalari gli elementi del campo K.

Esempio 38 L’insieme delle matrici Mmn (lR) é uno spazio vettoriale su lR, rispetto alle oper-
azioni di somma tra matrici e prodotto per uno scalare.

Esempio 39 L’insieme dei vettori geometrici in lR3 (o in lR2 ) é uno spazio vettoriale su lR,
rispetto alle operazioni di somma tra vettori e prodotto per uno scalare.

Esempio 40 lR é uno spazio vettoriale su se stesso.

42
CAPITOLO 5. GLI SPAZI VETTORIALI. 43

Esempio 41 L’insieme dei polinomi di grado minore o uguale ad un fissato n,

lR[X] = {a0 + a1 x + a2 x2 + a3 x3 + ... + an xn a0 , ..., an ∈ lR}

a coefficienti reali, é uno spazio vettoriale su lR, rispetto alle operazioni di somma tra polinomi
e di prodotto di un polinomio per uno scalare.

Esempio 42 Sia
lRn = {(x1 , x2 , .., xn ), /x1 , x2 , x3 , .., xn ∈ lR}.
Definiamo le seguenti operazioni

(x1 , .., xn ) + (y1 , .., yn ) = (x1 + y1 , .., xn + yn )

α(x1 , .., xn ) = (αx1 , .., αxn ).


Allora lRn é uno spazio vettoriale sul campo dei reali. Ogni vettore é una n-upla del tipo
(x1 , .., xn ).

Osservazione 1 Nel seguito ci occuperemo esclusivamente di spazi vettoriali definiti sul campo
K = lR dei numeri reali.

Sia W ⊆ V , sottoinsieme dello spazio vettoriale V . Diremo che W é un sottospazio vettoriale


di V , se é uno spazio vettoriale rispetto alle operazioni definite in V , sul medesimo campo dei
reali. Da tale definizione deriva che, condizione necessaria e sufficiente affinché W sia sottospazio
di V é che valgano le due seguenti :

w1 + w2 ∈ W
aw ∈ W
per ogni a ∈ lR, w, w1 , w2 ∈ W , e queste si possono compattare nell’unica condizione

aw1 + bw2 ∈ W

per ogni a, b ∈ lR, w1 , w2 ∈ W .

" #
x y
Esempio 43 W = { x, y ∈ lR} é un sottospazio dello spazio vettoriale delle matrici
0 0
quadrate di ordine 2 su lR, M2 (lR).

Esempio 44 W = {(x, 0, z) x, z ∈ lR} é un sottospazio vettoriale di lR3 .

Esempio 45 lR é un sottospazio banale di se stesso.

Esempio 46 W = {a0 + a1 x1 + a2 x2 + ... + am xm , a0 , .., am ∈ lR}, insieme dei polinomi di


grado minore o uguale a m, con m ≤ n, é sottospazio vettoriale di V = {a0 + a1 x1 + a2 x2 + ... +
an xn , a0 , .., an ∈ lR}.
CAPITOLO 5. GLI SPAZI VETTORIALI. 44

5.2 Intersezione, unione e somma di sottospazi.


Siano U, W sottospazi dello spazio vettoriale V . Consideriamo l’intersezione di U e W

U ∩ W = {v ∈ V : v∈U e v ∈ W}

esso é ancora un sottospazio di V .

Esempio 47 Siano U = {(x, y, 0), x, y ∈ lR} e W = {(x, 0, z), x, z ∈ lR} sottospazi di lR3 .
Allora un generico vettore che appartenga ad entrambi é dato dalle componenti (x, 0, 0), quindi
scriveremo
U ∩ W = {v ∈ V : v = (x, 0, 0), x ∈ lR}.

Esempio 48 Siano U = {(x, y, 0), x, y ∈ lR} e W = {(x, x, x), x ∈ lR} sottospazi di


lR3 . Allora l’unico vettore che appartenga ad entrambi é dato dalle componenti (0, 0, 0), quindi
scriveremo
U ∩ W = {(0, 0, 0)}.

Al contrario definiamo l’unione di dei due sottospazi U e W

U ∪ W = {v ∈ V : v∈U oppure v ∈ W }.

non é detto che tale unione sia un sottospazio di V , e per dimostrarlo portiamo il seguente
controesempio: consideriamo
U = {(x, 0), x ∈ lR}
W = {(0, y), y ∈ lR}
2
sottospazi di lR . Consideriamo il vettore (1, 0) ∈ U ed il vettore (0, 1) ∈ W , ovviamente
entrambi appartengono a U ∪ W ma

(1, 0) + (0, 1) = (1, 1) ∈


/ U ∪ W.

Definiamo ora il seguente sottoinsieme dello spazio vettoriale V :

U + W = {v ∈ V : v = u + w, u∈U e w ∈ W }.

Esso é un sottospazio di V , detto somma di U e W , piú precisamente é il piú piccolo sottospazio


di V contenente U ∪ W .
Diremo che U + W é somma diretta se U ∩ W = {0}, il solo vettore nullo.

Esempio 49 Siano U = {(x, y, 0), x, y ∈ lR} e W = {(x, 0, z), x, z ∈ lR} sottospazi di lR3 .
Allora
U + W = {(x, y, z), x, y, z ∈ lR} = lR3
inoltre U ∩ W = {(x, 0, 0)}, quindi la somma non é diretta.
CAPITOLO 5. GLI SPAZI VETTORIALI. 45

Esempio 50 Siano U = {(x, y, 0), x, y ∈ lR} e W = {(z, z, z), z ∈ lR} sottospazi di lR3 .
Allora
U + W = {(x + z, y + z, z), x, y, z ∈ lR} = lR3
inoltre U ∩ W = {(0, 0, 0)}, quindi la somma é diretta.

Esempio 51 Siano U = {(x, 0, z), x, z ∈ lR} e W = {(y, 0, y), y ∈ lR} sottospazi di lR3 .
Allora
U + W = {(x + y, 0, y + z), x, y, z ∈ lR}
inoltre U ∩ W = {(x, 0, x)}, quindi la somma non é diretta.

Proposizione 1 Siano U e W sottospazi vettoriali dello spazio V . La loro somma é diretta se


e solo se ogni vettore di essa si puó esprimere in modo unico come somma di un vettore di U e
di uno di W .

Ricordiamo che una combinazione lineare di vettori {v1 , .., vn } di V é una scrittura del tipo

a1 v1 + a2 v2 + ... + an vn

per qualsiasi a1 , .., an scalari in lR.


Sia S ⊆ V , un sottoinsieme dello spazio V . Definiamo Span(S) =< S >, e lo chiamiamo
sottospazio generato da S, il sottospazio di V composto da tutte le possibili combinazioni lineari
di vettori di S e scalari in lR.

Esempio 52 Sia V = lR3 , S = {(1, 0, 0), (0, 1, 0)}. Allora Span(S) =< S >= {(x, y, 0), x, y ∈
lR}.

Definizione 10 Siano v1 , .., vn vettori in V . Diremo che v1 , .., vn sono linearmente dipendenti
se esistono a1 , .., an ∈ lR, non tutti nulli tali che a1 v1 + a2 v2 + .. + an vn = 0. Al contrario sono
detti linearmente indipendenti se a1 v1 + a2 v2 + .. + an vn = 0 implica che a1 = a2 = ... = an = 0.

Esempio 53 v1 = (−1, 2, 3), v2 = (0, −1, 0), v3 = (1, 0, 1) vettori di lR3 sono linearmente
indipendenti.

Esempio 54 v1 = (1, 2, 1, 0), v2 = (1, −1, 0, 1), v3 = (−1, 2, −1, 0), v4 = (−1, 1, 0, −1), v5 =
(1, 1, 0, 1) vettori di lR4 sono linearmente dipendenti.

Esempio 55 v1 = (1, 2, 0), v2 = (0, 1, a), v3 = (1, a, −1) vettori di lR3 , con a parametro reale,
sono indipendenti per a 6= 1 e sono dipendenti per a = 1.
CAPITOLO 5. GLI SPAZI VETTORIALI. 46

5.3 Basi e dimensione di uno spazio vettoriale.


Sia V uno spazio vettoriale su lR. Un insieme B di vettori é detta base di V se:
1) i vettori di B sono linearmente indipendenti;
2) Span(B) = V .

Esempio 56 Se V = lR, allora per ogni a ∈ lR, B = {a}.


" #
x1 x2
Esempio 57 Sia V = { , x1 , x2 , x3 , x4 ∈ lR}. Allora una base per V é data da
x3 x4
" # " # " # " #
1 0 0 1 0 0 0 0
B={ , , , }
0 0 0 0 1 0 0 1

Esempio 58 Sia V = lR3 , allora una base é data da

B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}

Esempio 59 Sia

V = lR[X] = {a0 + a1 x + a2 x2 + a3 x3 + ... + an xn a0 , ..., an ∈ lR}

allora una base é data da


B = {1, x, x2 , x3 , .., xn }

Teorema 3 Sia V uno spazio vettoriale e B = {e1 , e2 , .., en } una sua base. Siano v1 , v2 , .., vr
vettori linearmente indipendenti di V , con r ≤ n. Allora esistono n − r vettori ej1 , ej2 , .., ejn−r
di B tali che l’insieme B 0 = {v1 , v2 , .., vr , ej1 , ej2 , .., ejn−r } costituisca una base per V .

Dim. Poiché B é una base di V , esistono α1 , .., αn non tutti nulli tali che

v1 = α1 e1 + α2 e2 + ... + αn en

e supponiamo per esempio α1 6= 0. Segue che


1
e1 = (v1 − α2 e2 − ... − αn en ) .
α1
Quindi {v1 , e2 , e3 , ..., en } é un insieme di generatori di V . Supponiamo che esista una combi-
nazione lineare
β1 v1 + β2 e2 + ... + βn en = 0.
Se fosse β1 = 0 avremmo anche β2 = β3 = ... = βn = 0, poiché e2 , .., en sono indipendenti tra
loro. Nel caso in cui β1 6= 0 allora
1
v1 = −(β2 e2 + ... + βn en )
β1
CAPITOLO 5. GLI SPAZI VETTORIALI. 47

cioé l’insieme {e2 , .., en } sarebbe un insieme di generatori di V , il che contraddice il fatto che la
dimensione di V é n.
Ne segue che {v1 , e2 , e3 , ..., en } devono essere tra loro linearmente indipendenti, quindi sono
una base per V .
Quindi devono esistere α10 , ..., αn0 non tutti nulli, tali che

v2 = α10 v1 + α20 e2 + ... + αn0 en .

In particolare, poiché v1 , v2 sono indipendenti, almeno uno tra α20 , ..., αn0 deve essere non nullo.
Supponiamo per esempio α20 6= 0. Segue che
1
e2 = (v2 − α10 v1 − α30 e3 − ... − αn0 en ) .
α20
Quindi {v1 , v2 , e3 , ..., en } é un insieme di generatori di V . Come prima, supponiamo ora che
esista una combinazione lineare

β10 v1 + β20 v2 + β30 e3 + ... + βn0 en = 0.

Se fosse β20 = 0 avremmo anche β10 = β30 = ... = βn0 = 0, poiché v1 , e2 , .., en sono indipendenti tra
loro. Nel caso in cui β20 6= 0 allora
1
v2 = −(β10 v1 + β30 e3 + ... + βn0 en )
β20
cioé l’insieme {v1 , e3 , .., en } sarebbe un insieme di generatori di V , il che contraddice ancora il
fatto che la dimensione di V é n.
Ne segue che {v1 , v2 , e3 , ..., en } devono essere tra loro linearmente indipendenti, quindi sono
una base per V .
Ragionando per induzione su r, si costruisce una base {v1 , .., vr , er+1 , .., en } di V . t
u

Teorema 4 Sia V uno spazio vettoriale di dimensione n e siano v1 , v2 , .., vr vettori linearmente
indipendenti di V , con r ≤ n. Allora esistono n−r vettori vr+1 , vr+2 , .., vn di B tali che l’insieme
B 0 = {v1 , v2 , .., vr , vr+1 , vr+2 , .., vn } costituisca una base per V .

Dim. Indichiamo A1 il sottospazio generato da v1 , ..., vr . Essendo r < n, esiste un vettore


vr+1 ∈ V −A1 , quindi vr+1 é linearmente indipendente con v1 , ..., vr . Per cui é lecito determinare
il sottospazio A2 =< v1 , .., vr , vr+1 >. Se r + 1 = n abbiamo terminato, altrimenti sia vr+2 ∈
V − A2 . Continuando in tal senso si ottiene una base per V , nel momento in cui la dimensione
del sottospazio é pari ad n. t
u

Dai precedenti due teoremi segue immediatamente che:

Teorema 5 Due distinte basi di uno spazio vettoriale contengono lo stesso numero di elementi.

Definiamo dimensione di uno spazio vettoriale V , e la indichiamo con dim(V ), il numero


di elementi di una qualsiasi base di V .
CAPITOLO 5. GLI SPAZI VETTORIALI. 48

Esempio 60 Sia

W = {(x1 , x2 , x3 , x4 ) ∈ lR4 x1 − x4 = 0, x2 + x3 = 0}.

Il generico vettore di W é (x1 , x2 , −x2 , x1 ), quindi

dim(W ) = 2 e W =< (1, 0, 0, 1), (0, 1, −1, 0) > .

Esempio 61 Sia
W = {(x1 , x2 , x3 , x4 ) ∈ lR4 x4 − x2 + x3 = 0}.

Il generico vettore di W é (x1 , x2 , x3 , x2 − x3 ), quindi

dim(W ) = 3 e W =< (1, 0, 0, 0), (0, 1, 0, 1), (0, 0, 1, −1) > .

Supponiamo ora che lo spazio vettoriale V abbia dimensione n, indichiamo con B = {e1 , .., en }
una sua base. Diciamo componenti di un vettore v ∈ V rispetto alla base B, gli scalari a1 , .., an
tali che v = a1 e1 + a2 e2 + .. + an en .

Esempio 62 Sia V = lR2 e consideriamo due distinte basi di V :

B1 = {(1, 0), (0, 1)}

B2 = {(1, −2), (4, 1)}.


Sia v ∈ V un vettore che abbia componenti (0, −1) rispetto alla base B1 , cioé v = (0)(1, 0) +
(−1)(0, 1) = (0, −1). Calcoliamo le sue componenti (a1 , a2 ) rispetto alla base B2 :

v = a1 (1, −2) + a2 (4, 1)

cioé
(0, −1) = (a1 + 4a2 , −2a1 + a2 )
4
da cui a1 = 9 e a2 = − 19 .

5.4 Formula di Grassmann.


Siano A, B sottospazi vettoriali dello spazio V . Vogliamo considerare ora la relazione che
intercorre tra le dimensioni di A, B, A + B e A ∩ B. Vale la seguente (formula di Grassmann):

Teorema 6 dim(A + B) = dim(A) + dim(B) − dim(A ∩ B).

Dim. Dividiamo la dimostrazione in due casi:


CAPITOLO 5. GLI SPAZI VETTORIALI. 49

1. Sia A ⊕ B somma diretta. Se EA = {c1 , .., cr }, EB = {d1 , .., ds } sono rispettivamente basi
per A e B, allora EA ∪ EB é una base per A ⊕ B. É sufficiente quindi dimostrare che
{c1 , .., cr , d1 , .., ds } sono linearmente indipendenti. Consideriamo la combinazione lineare

α1 c1 + ... + αr cr + β1 d1 + ... + βs ds = 0.

Poiché la somma é diretta, il vettore 0 si puó esprimere in modo unico come somma di un
vettore di A e di uno in B. Certamente 0 si puó esprimere come

0 = 0 · c1 + .. + 0 · cr + 0 · d1 + ... + 0 · ds

Per cui, confrontando quest’ultima con la precedente combinazione lineare, si ottiene

α1 = ... = αr = β1 = ... = βs = 0.

Quindi EA ∪ EB é una base per A ⊕ B, per cui dim(A ⊕ B) = dim(A) + dim(B).


2. Supponiamo ora che A ∩ B =< c1 , .., ck >, dim(A ∩ B) = k. Per il teorema sul completa-
mento di una base, esistono vettori indipendenti tra loro d1 , .., dq , tlai che {c1 , .., ck , d1 , .., dq }
sia una base per B. Consideriamo un vettore v ∈< c1 , .., ck > ∩ < d1 , .., dq >:
k
X q
X
v= αi ci = βj dj
i=1 j=1

e quindi
k
X q
X
αi ci − βj dj = 0.
i=1 j=1

Poiché {c1 , .., ck , d1 , .., dq } sono indipendenti, segue che αi = βj = 0, per ogni i, j. Allora
v = 0, cioé < c1 , .., ck > ∩ < d1 , .., dq >= 0 e

B =< c1 , .., ck > ⊕ < d1 , .., dq >= (A ∩ B)⊕ < d1 , .., dq > .

Inoltre, se w ∈ A∩ < d1 , .., dq >, allora w ∈ (A ∩ B)∩ < d1 , .., dq >, per cui w = 0. Alla
luce di tutto ció:

A + B = A + ((A ∩ B)⊕ < d1 , .., dq >) = A⊕ < d1 , .., dq >

e passando alle dimensioni:

dim(A + B) = dim(A) + dim(< d1 , .., dq >) = dim(A) + (dim(B) − k) =

dim(A) + dim(B) − dim(A ∩ B).


t
u

Proposizione 2 Siano A e B sottospazi vettoriali dello spazio V , e siano CA e CB rispetti-


vamente una base di A ed una di B. Allora l’unione dei vettori delle due basi, cioé CA ∪ CB ,
costituisce un insieme di generatori per il sottospazio A + B. Inoltre i vettori di CA ∪ CB che
sono tra loro linearmente indipendenti costituiscono una base per A + B.
CAPITOLO 5. GLI SPAZI VETTORIALI. 50

Esempio 63 Siano V = lR4 ,


A = {(x, y, z, t) ∈ lR4 , y = 0, 2z − t = 0}
B = {(x, y, z, t) ∈ lR4 , x − t = 0, y + z = 0}
e calcoliamo dim(A + B).
Il primo passo é quello di calcolare basi e dimensioni di A e B. Il generico vettore di A si
esprime (x, 0, z, 2z), al variare di x, z ∈ lR. Allora dim(A) = 2 ed una sua base é la seguente
(1, 0, 0, 0), (0, 0, 1, 2).
Il generico vettore di B si esprime (x, y, −y, x), al variare di x, y ∈ lR. Allora dim(B) = 2 ed
una sua base é
(1, 0, 0, 1), (0, 1, −1, 0).
Quindi se v ∈ A ∩ B, esso deve essere esprimibile contemporaneamente in due modi, cioé
v = (a, 0, b, 2b) = (c, d, −d, c) con a, b, c, d ∈ lR.
Uguagliando le due quaterne si ottiene
a=b=c=d=0
che significa A ∩ B = {0} e dim(A ∩ B) = 0, da cui
dim(A + B) = dim(A) + dim(B) − dim(A ∩ B) = 2 + 2 − 0 = 4.
Concludiamo allora che A + B = lR4 , come somma diretta.
Esempio 64 Siano V = lR3 ,
A = {(a + b, b, a), a, b ∈ lR}
B = {(x, y, z), x − y = 0}.
Si ha che dim(A) = 2 ed una sua base é data da
(1, 0, 1), (1, 1, 0).
Inoltre il generico vettore di B si esprime (x, x, z), quindi dim(B) = 2 ed una sua base é
(1, 1, 0), (0, 0, 1).
Quindi se v ∈ A ∩ B, esso deve essere esprimibile contemporaneamente in due modi, cioé
v = (a + b, b, a) = (c, c, d) con a, b, c, d ∈ lR.
Uguagliando le due terne si ottiene
a=d=0 e b=c da cui v = (b, b, 0).
Ció vuol dire che dim(A ∩ B) = 1 ed una sua base é data dal vettore (1, 1, 0). Applicando la
formula di Grassmann otteniamo:
dim(A + B) = 2 + 2 − 1 = 3
quindi A + B = lR3 ma non come somma diretta.
CAPITOLO 5. GLI SPAZI VETTORIALI. 51

Esempio 65 Siano U =< (0, 1, 1), (2, 0, 1) > e W =< (1, 1, 2) > sottospazi di lR3 . Determini-
amo dim(U + W ).
Il generico vettore v ∈ U ∩ W si deve esprimere nei due seguenti modi

v = a(0, 1, 1) + b(2, 0, 1) = (2b, a, a + b) ∈ U

v = c(1, 1, 2) = (c, c, 2c) ∈ W.


Uguagliando le due terne otteniamo a = b = c = 0, cioé U ∩ W = {0}, quindi in base alla
formula di Grassmann dim(U + W ) = 2 + 1 − 0 = 3, e U + W = lR3 come somma diretta.

Esempio 66 Siano
A =< (2, 0, 0, 1), (0, 0, −2, 0), (0, 0, 1, −1) >
B =< (0, 1, 0, 0), (1, 1, 0, 0) >
4
sottospazi di lR . Un generico vettore v ∈ A ∩ B si esprime nei due seguenti modi

v = a(2, 0, 0, 1) + b(0, 0, −2, 0) + c(0, 0, 1, −1) = (2a, 0, −2b + c, a − c) ∈ A

v = d(0, 1, 0, 0) + e(1, 1, 0, 0) = (e, d + e, 0, 0) ∈ B.


Uguagliando le due quaterne si ottiene
d e
a = 2b = c = − =
2 2
quindi v = (e, 0, 0, 0), al variare di e ∈ lR. Per cui dim(A∩B) = 1 e dim(A+B) = 3+2−1 = 4,
cioé A + B = lR4 , ma non come somma diretta.

Esempio 67 Siano

A =< (2, −1, 0, 1), (1, 3, 1, −1), (0, 1, −1, −1) >

B =< (2, 0, 1, 0), (1, 2, 2, 0) >


sottospazi di lR4 . Determiniamo dim(A + B).
Un generico vettore v ∈ A ∩ B si esprime nei due seguenti modi

v = a(2, −1, 0, 1) + b(1, 3, 1, −1) + c(0, 1, −1, −1) = (2a + b, −a + 3b + c, b − c, a − b − c) ∈ A

v = d(2, 0, 1, 0) + e(1, 2, 2, 0) = (2d + e, 2e, d + 2e, 0) ∈ B.


Uguagliando le due quaterne si ottiene

a=d=0 b = −c = e

quindi v = (e, 2e, 2e, 0), al variare di e ∈ lR. Per cui dim(A∩B) = 1 e dim(A+B) = 3+2−1 = 4,
cioé A + B = lR4 , ma non come somma diretta.
CAPITOLO 5. GLI SPAZI VETTORIALI. 52

5.5 Cambiamento di base in uno spazio vettoriale.


Sia V uno spazio vettoriale di dimensione n sul campo lR e siano B = {e1 , e2 , .., en } e B 0 =
{e01 , e02 , .., e0n } due distinte basi di V . Per ogni vettore v ∈ V avremo:

v = x1 e1 + x2 e2 + ... + xn en x1 , .., xn ∈ lR

v = x01 e01 + x02 e02 + ... + x0n e0n x01 , .., x0n ∈ lR.
Indichiamo allora X = [x1 , .., xn ]T il vettore contenente le componenti di v rispetto alla base B
e X 0 = [x01 , .., x0n ]T quello contenente le componenti di v rispetto alla base B 0 .
In particolare anche i vettori e1 , .., en possono esprimersi come combinazione dei vettori della
base B 0 :

e1 = a11 e01 + a21 e02 + ... + an1 e0n






 0 0
e2 = a12 e1 + a22 e2 + ... + an2 en 0
.

 ..........
en = a1n e01 + a2n e02 + ... + ann e0n

Da queste otteniamo:

v = x1 e1 + x2 e2 + ... + xn en = x1 (a11 e01 + a21 e02 + ... + an1 e0n ) + x2 (a12 e01 + a22 e02 + ... + an2 e0n )+

+.......................... + xn (a1n e01 + a2n e02 + ... + ann e0n ) =


e01 (a11 x1 + a12 x2 + ... + a1n xn ) + e02 (a21 x1 + a22 x2 + ... + a2n xn )+
+........................... + e0n (an1 x1 + an2 x2 + ... + ann xn )
che deve essere uguale a v = x01 e01 + x02 e02 + ... + x0n e0n , cioé

x01 = a11 x1 + a12 x2 + ... + a1n xn





 0

x2 = a21 x1 + a22 x2 + ... + a2n xn
.

 ...........................
x0n = an1 x1 + an2 x2 + ... + ann xn

Indichiamo con A la matrice dei coefficienti di queto sistema lineare, A = [aij ], quindi possiamo
riscrivere il sistema nel seguente modo:

X0 = A · X

che costituiscono le formule di passaggio dalle componenti di un vettore in base B a quelle del
medesimo vettore in base B 0 .
La matrice A é detta matrice del cambiamento di base ed é costruita come segue:
- nella prima colonna vi sono le componenti del vettore e1 rispetto alla base B 0 ;
- nella seconnda colonna vi sono le componenti del vettore e2 rispetto alla base B 0 ;
- In generale, nella colonna j vi sono le componenti del vettore ej della base B, calcolate
rispetto alla base B 0 .
CAPITOLO 5. GLI SPAZI VETTORIALI. 53

Poiché gli n vettori di una base sono sempre linearmente indipendenti, il sistema sopra citato
ha rango massimo, cioé n, quindi la matrice A é invertibile, da cui otteniamo le formule inverse
per il cambiamento di base:
X = A−1 · X 0
che costituiscono le formule di passaggio dalle componenti di un vettore in base B 0 a quelle del
medesimo vettore in base B.
La matrice A−1 é costruita come segue:
- nella prima colonna vi sono le componenti del vettore e01 rispetto alla base B;
- nella seconnda colonna vi sono le componenti del vettore e02 rispetto alla base B;
- In generale, nella colonna j vi sono le componenti del vettore e0j della base B 0 , calcolate
rispetto alla base B.
Esempio 68 Siano V = lR2 e B = {e1 = (1, 1), e2 = (0, 1)}, B 0 = {e01 = (1, 0), e02 = (2, 1)} due
basi di V . Determiniamo le formule di cambiamento di base in entrambi i versi.
Calcoliamo le componenti dei vettori della prima base rispetto alla seconda.
Le componenti di e1 = (1, 1) rispetto a B 0 sono (e1 )B 0 = (−1, 1) infatti
(1, 1) = (−1)(1, 0) + (1)(2, 1)
analogamente le componenti di 0
" e2 = (0, 1)# rispetto a B sono (e2 )B 0 = (−2, 1).
−1 −2
Per cui, la matrice A = é quella che determina il passaggio balla base B a
1 1
quella B 0 , cioé " # " # " #
x01 −1 −2 x1
= ·
x02 1 1 x2
e le formule di passaggio sono (
x01 = −x1 − 2x2
.
x02 = x1 + x2
Le formule inverse sono date da
" # " # " #
x1 1 2 x01
= ·
x2 −1 −1 x02
(
x1 = x01 + 2x02
x2 = −x01 − x02
" #
1 2
in cui la matrice di passaggio é A−1 = . Per esempio consideriamo il vettore
−1 −1
v ∈ V che abbia componenti X = (x1 , x2 ) = (2, −3) rispetto alla base B. Determiniamo le sue
componenti X 0 = (x01 , x02 ) rispetto alla base B 0 :
(
x01 = −2 + 6 = 4
.
x02 = 2 − 3 = −1
CAPITOLO 5. GLI SPAZI VETTORIALI. 54

Esempio 69 Siano V = lR3 , B = {(1, 1, 0), (1, 0, 1), (2, 0, 1)} e B 0 = {(0, 1, 1), (2, −1, 0), (1, 0, 2)}
due basi di V . Determiniamo le formule di cambiamento di base.
Calcoliamo le componenti dei vettori della prima base B rispetto alla seconda B 0 :
(1, 1, 0) → (0, −1, 3)B 0
(1, 0, 1) → (1, 1, −1)B 0
(2, 0, 1) → (1, 1, 0)B 0
per cui      
x01 0 1 1 x1
 0  
 x2  =  −1 1 1  ·  x2 
  
x03 3 −1 0 x3


 x01 = x2 + x3
x02 = −x1 + x2 + x3 .
x03 = 3x1 − x2

Per esempio il vettore v di componenti (1, 2, 3) rispetto alla base B avrá componenti (5, 4, 1)
rispetto alla base B 0 .

Esempio 70 Siano V = lR3 e B = {e1 , e2 , e3 }, B 0 = {e01 , e02 , e03 } due basi di V tali che

0
 e1 = e1 + 3e2 + 2e3

e02 = e1 + e3 .
e03 = e2

In tale caso le formule di passaggio dalla base B 0 alla base B sono


     
x1 1 1 0 x01
  0 
 x2  =  3 0 1  ·  x2 
  
x3 2 1 0 x03
e calcolando l’inversa della matrice che compare nel sistema precedente:
     
x01 −1 0 1 x1
 0  
 x2  =  2 0 −1  ·  x2 
  
x03 3 1 −3 x3

Esempio 71 Siano V = lR3 , B = {(1, 1, 0), (1, 0, 1), (2, 0, 1)} e B 0 = {(1, 1, 1), (0, 0, 1), (1, 0, 2)}
due basi di V . Sia v ∈ V un vettore di componenti (1, 1, 2) rispetto alla base B. Indichi-
amo (a, b, c) le componenti di v rispetto alla base B 0 . Per determinare (a, b, c) applichiamo ora
esattamente la definizione di componenti:
(1)(1, 1, 0) + (1)(1, 0, 1) + (2)(2, 0, 1) = a(1, 1, 1) + b(0, 0, 1) + c(1, 0, 2)
cioé
(6, 1, 3) = (a + c, a, a + b + 2c)
da cui a = 1, b = −8, c = 5.
CAPITOLO 5. GLI SPAZI VETTORIALI. 55

5.6 Esercizi.
Esercizio 53 Siano U = {(x, y, 0); x, y ∈ lR}, V = {(x, 0, z); x, z ∈ lR} e W = {(x, x, x); x ∈ lR}
sottospazi di lR3 . Determinare i sottospazi U ∩ V , U ∩ W , V ∩ W .

Esercizio 54 Siano U = {(x, y, 0); x, y ∈ lR}, V = {(x, 0, z); x, z ∈ lR} e W = {(x, x, x); x ∈ lR}
sottospazi di lR3 . Determinare i sottospazi U + V , U + W , V + W .

Esercizio 55 Siano v1 = (−1, 2, 3), v2 = (0, −1, 0), v3 = (1, 0, 1) vettori di lR3 . Determinare
la dimensione del sottospazio generato da v1 , v2 , v3 .

Esercizio 56 Ripetere l’esercizio precedente in lR4 con i vettori v1 = (1, 2, 1, 0), v2 = (1, −1, 0, 1),
v3 = (−1, 2, −1, 0), v4 = (−1, 1, 0, −1), v5 = (1, 1, 0, 1).

Esercizio 57 Determinare per quali valori di α ∈ lR i seguenti vettori formano una base di lR3
: v1 = (1, 2, 0), v2 = (0, 1, α), (1, α, −1).

Esercizio 58 Siano v1 = (1, 2, 0, 0), v2 = (3, 1, 0, 1) vettori indipendenti in lR4 . Determinare


due vettori che uniti ai precedenti li completino ad una base di lR4 .

Esercizio 59 Siano B1 = {(1, 0), (0, 1)} e B2 = {(1, −2), (4, 1)} due basi di lR2 e v un vettore
di componenti (0, −1) rispetto a B1 . Determinare le componenti di v rispetto alla base B2 .

Esercizio 60 Siano U = {(x, y, z, t) ∈ lR4 ; y = 0, 2z − t = 0} e V = {(x, y, z, t) ∈ lR4 ; x − t =


0, y + z = 0}. Determinare una base per U ∩ V ed una per U + V .

Esercizio 61 Siano U = {(h + k, k, h); h, k ∈ lR}, V = {(x, y, z); x − y = 0} sottospazi di lR3 .


Determinare una base per U ∩ V ed una per U + V .

Esercizio 62 Siano B1 = {(1, 1), (0, 1)} e B2 = {(1, 0), (2, 1)} due basi di lR2 e v un vettore di
componenti (1, 1) rispetto a B1 . Determinare le componenti di v rispetto alla base B2 .

Esercizio 63 Siano

B1 = {(1, 1, 0), (1, 0, 1), (2, 0, 1)} e B2 = {(0, 1, 1), (2, −1, 0), (1, 0, 0)}

due basi di lR3 e v un vettore di componenti (1, 2, 3) rispetto a B1 . Determinare le componenti


di v rispetto alla base B2 .

Esercizio 64 Siano B1 = {e1 , e2 , e3 } e B2 = {e01 , e02 e03 } due basi di lR3 e v un vettore di compo-
nenti (1, 2, 3) rispetto a B1 . Determinare le componenti di v rispetto alla base B2 sapendo che
valgono le seguenti relazioni tra i vettori delle due basi:

e01 = e1 + 3e2 + 2e3 , e02 = e1 + e3 , e03 = e2 .


CAPITOLO 5. GLI SPAZI VETTORIALI. 56

Esercizio 65 Siano

B1 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e B2 = {(1, 4, 0), (1, 5, 0), (0, 0, −1)}

due basi di lR3 e v un vettore di componenti (−1, 0, 5) rispetto a B1 . Determinare le componenti


di v rispetto alla base B2 .

Esercizio 66 Determinare la dimensione e la base del sottospazio: W = {(x, y, z, t) ∈ lR4 ; 2x −


t = 0, y + 3z = 0}.

Esercizio 67 Determinare la dimensione e la base del sottospazio: W = {(x, y, z, t) ∈ lR4 ; 2x −


t + 2z = 0}.

Esercizio 68 Determinare la dimensione e la base del sottospazio: W = {(x, y, z, t) ∈ lR4 ; x −


y = 0, y + 3z + t = 0}.

Esercizio 69 Siano U =< {(0, 1, 1), (2, 0, 1)} > e V =< {(1, 1, 2)} > sottospazi di lR3 . Deter-
minare la dimensione di U + V .

Esercizio 70 Siano U =< {(2, 0, 0, 1), (0, 0, −2, 0), (0, 0, 1, −1)} > e V =< {(0, 1, 0, 0), (1, 1, 0, 0)} >
sottospazi di lR4 . Determinare la dimensione di U + V .

Esercizio 71 Determinare la dimensione della somma dei sottospazi


" # " # " #
2 −1 1 3 0 1
A =< , , >
0 1 1 −1 −1 −1
" # " #
2 0 1 2
B =< , >.
1 0 2 0
Capitolo 6

Prodotti scalari, spazi euclidei e basi


ortonormali.

6.1 Prodotto interno.


In tutto ció che segue, sia V uno spazio vettoriale reale euclideo di dimensione n, V = lRn . Se
X = (x1 , .., xn ) e Y = (y1 , .., yn ) sono due vettori in V , definiremo prodotto interno (o anche
prodotto scalare standard) di X e Y il seguente numero reale:
n
X
< X, Y >= x1 y1 + x2 y2 + .... + xn yn = xi yi .
i=1

Denoteremo Span{w1 , .., wr } il sottospazio di V generato da un certo insieme di vettori w1 , .., wr .

Osservazione 2 Il prodotto interno tra vettori di lRn ha le seguenti proprietá:


1. < X, X >≥ 0, per ogni X ∈ lRn e < X, X >= 0 se e solo se X = 0;
2. < X, Y >=< Y, X >, per ogni X, Y ∈ lRn ;
3. < αX + βY, Z >= α < X, Z > +β < Y, Z >, per ogni X, Y, Z ∈ lRn e α, β ∈ lR.

Definizione 11 In un generico spazio vettoriale reale V di dimensione n, si chiama prodotto


interno o scalare, una qualsiasi funzione f : V × V → lR con le proprietá:
1. f (X, X) ≥ 0, per ogni X ∈ lRn e f (X, X) = 0 se e solo se X = 0;
2. f (X, Y ) = f (Y, X), per ogni X, Y ∈ lRn ;
3. f (αX + βY, Z) = (X, Z) + (Y, Z), per ogni X, Y, Z ∈ lRn e α, β ∈ lR. Il prodotto scalare
standard, definito in principio, é un caso particolare di un qualsiasi prodotto scalare.

Definizione 12 Diciamo norma di un vettore X ∈ V = lRn la seguente: ||X|| = < X, X > =
q Pn 2
i=1 xi .

57
CAPITOLO 6. PRODOTTI SCALARI, SPAZI EUCLIDEI E BASI ORTONORMALI.58

Si noti che ||X|| ≥ 0, per ogni vettore X di V , e ||X|| = 0 solo se X = 0.


Inoltre, per ogni a ∈ lR, ||aX|| = |a| · ||X||.

Osservazione 3 Piú in generale una norma di uno spazio vettoriale reale é una funzione f :
V → lR che abbia le seguenti proprietá:

1. f (X) ≥ 0, per ogni X ∈ V e F (X) = 0 se e solo se X = 0;

2. f (αX) = |α|f (X), per ogni X ∈ V e α ∈ lR;

3. f (X + Y ) ≤ f (X) + f (Y ), per ogni X, Y ∈ V .

La norma da noi definita (detta euclidea) non é l’unica norma possibile in lRn .

Diremo che i due vettori X, Y ∈ V sono ortogonali in V se < X, Y >= 0.


Un insieme di vettori tutti non nulli S = {X1 , .., Xm } é detto insieme ortogonale di vettori
se < Xi , Xj >= 0, per ogni Xi , Xj ∈ S con i 6= j.
S é detto insieme ortonormale di vettori se é un insieme ortogonale ed inoltre < Xi , Xi >= 1,
per ogni i = 1, .., m. In altre parole tutti i vettori di S sono versori.
X1 Xm
Si osservi che se {X1 , .., Xm } é un insieme ortogonale di vettori, allora { ||X1 ||
, ..., ||Xm ||
} é un
insieme ortonormale di vettori.
Una base B = {e1 , .., en } di V é una base ortonormale di V se essa é un insieme ortonormale
di vettori. Possiamo enunciare il seguente teorema, la cui dimostrazione sará immediata, dopo
aver trattato le forme quadratiche reali (Capitolo 9):

Teorema 7 Per ogni prodotto scalare < ., . > in V esiste una base ortonormale di V rispetto
alla quale < ., . > si possa esprimere come prodotto scalare standard.

Osservazione 4 Sia < ., . > un prodotto interno in uno spazio vettoriale reale V = lRn . Per
ogni X, Y ∈ V possiamo scrivere
n
X
< X, Y >= xi yi = X t Y.
i=1

Sia ora A ∈ Mn (lR) una matrice quadrata reale di ordine n. Consideriamo il vettore AX e
calcoliamo il seguente:

< AX, Y >= (AX)t Y = X t At Y =< X, At Y > .

In particolare notiamo che, se A é simmetrica ne segue

< AX, Y >=< X, AY >


CAPITOLO 6. PRODOTTI SCALARI, SPAZI EUCLIDEI E BASI ORTONORMALI.59

6.2 Processo di ortonormalizzazione.


Siano v, w ∈ V = lRn con prodotto scalare associato f (X, Y ) =< X, Y >. Consideriamo il
vettore w − <v,w>
<v,v> v, esso é ortogonale al vettore v infatti:

< v, w > < v, w >


< v, w − v >=< v, w > − < v, v >= 0.
< v, v > < v, v >

Definiamo allora <v,w>


<v,v> v la proiezione ortogonale di w lungo la direzione del vettore v. Nel caso
particolare v sia un versore, la proiezione ortogonale di w su v si riduce < v, w > v.

Teorema 8 Siano v1 , ..., vm vettori dello spazio euclideo V . Allora esiste una successione di
vettori w1 , .., wm di V tali che
i) Span{v1 , .., vm } = Span{w1 , .., wm };
ii) {w1 , .., wm } é un insieme di vettori a due a due ortogonali tra loro.
Inoltre se {u1 , .., um } é un altro insieme di vettori che soddisfano le i) e ii) allora ui = ai wi , per
ogni i ed opportuni ai ∈ lR.

Osserviamo che nel teorema precedente non é detto che {w1 , .., wm } sia un insieme ortogonale
di vettori, poiché qualche wi potrebbe essere nullo.

Conseguenza. Se {v1 , .., vn } é una base di V allora esistono w1 , .., wm tali che
i) {w1 , .., wm } sia una base ortogonale di V ;
w1 wm
ii) { ||w 1 ||
, ..., ||w m ||
} sia una base ortonormale di V .

Ricordiamo che la convenienza di utilizzare basi ortonormali, anziché basi qualunque, risiede
nel fatto che, in una base ortonormale, il prodotto scalare di due vettori si puó esprimere come
il prodotto scalare standard e quindi i calcoli con le coordinate dei vettori sono notevolmente
piú semplici.

Vediamo ora come costruire i vettori {w1 , .., wm } che soddisfino alle condizioni i) e ii) del
teorema precedente.
w1 = v1
< w1 , v2 >
w2 = v2 − w1
< w1 , w1 >
< w1 , v3 > < w2 , v3 >
w3 = v3 − w1 − w2
< w1 , w1 > < w2 , w2 >
< w1 , v4 > < w2 , v4 > < w3 , v4 >
w4 = v4 − w1 − w2 − w3
< w1 , w1 > < w2 , w2 > < w3 , w3 >
ed in generale
i
X < wj , vi+1 >
wi+1 = vi+1 − wj
j=1
< wj , wj >
CAPITOLO 6. PRODOTTI SCALARI, SPAZI EUCLIDEI E BASI ORTONORMALI.60

B = {v1 , v2 , v3 , v4 } é una base di V ma non é ortogonale. A partire da essa costruiamo una


base ortogonale.
w1 = v1
< w1 , v2 >
w2 = v2 − w1 = v2 − v1 = (2, 0, 0, 0)
< w1 , w1 >
< w1 , v3 > < w2 , v3 > 1 1 1 1
w3 = v3 − w1 − w2 = v3 − w1 + w2 = (0, − , 0, )
< w1 , w1 > < w2 , w2 > 2 2 2 2
< w1 , v4 > < w2 , v4 > < w3 , v4 >
w4 = v4 − w1 − w2 − w3 = v4 = (0, 0, 1, 0).
< w1 , w1 > < w2 , w2 > < w3 , w3 >
I vettori w1 = e2 + e4 , w2 = 2e1 , w3 = − 21 e2 + 12 e4 , w4 = e3 costituiscono una base ortogonale
per V e quindi i vettori
w1 1 1
= √ e2 + √ e4
||w1 || 2 2
w2
= e1
||w2 ||
w3 1 1
= − √ e2 + √ e4
||w3 || 2 2
w4
= e3
||w4 ||
costituiscono una base ortonormale per V .

Esempio 72 Siano V = lR3 , < X, Y >= x1 y1 + 2x2 y2 + x3 y3 il prodotto scalare definito in V ,


v1 = (1, 1, 1), v2 = (0, 0, 1), v3 = (1, 0, 1) e B = {v1 , v2 , v3 } una base di V , che non é ortogonale
rispetto al prodotto < ., . >. A partire da essa costruiamo una base ortogonale.

w1 = v1
< w1 , v2 >
w2 = v2 − w1 = v2 = (0, 0, 1)
< w1 , w1 >
< w1 , v3 > < w2 , v3 > 1 2 1
w3 = v3 − w1 − w2 = v3 − v1 − w2 = ( , − , 0)
< w1 , w1 > < w2 , w2 > 3 3 3
allora B 0 = {w1 , w2 , w3 } é una base ortogonale. Inoltre
√ √
||w1 || = < w1 , w1 > = 3

||w2 || = < w2 , w2 > = 1

√ 6
||w3 || = < w3 , w3 > = .
3
I vettori
w1 1 1
= ( √ , √ , 0)
||w1 || 3 3
CAPITOLO 6. PRODOTTI SCALARI, SPAZI EUCLIDEI E BASI ORTONORMALI.61

w2
= (0, 0, 1)
||w2 ||
w3 2 1
= ( √ , − √ , 0)
||w3 || 6 6
costituiscono una base ortonormale per V .

Definizione 13 Siano V uno spazio vettoriale euclideo con prodotto scalare < X, Y > e 0 6= W
un suo sottospazio. Definiamo complemento ortogonale di W in V , il seguente sottospazio di V

W o = {v ∈ V : < v, w >= 0, ∀w ∈ W }.

Esempio 73 Siano V = lR3 , W = {(a, b, 0), a, b ∈ lR} e

W = Span{(1, 0, 0), (0, 1, 0)}.

Consideriamo un generico v = (x1 , x2 , x3 ) ∈ V tale che v ∈ W o allora

< (x1 , x2 , x3 ), (1, 0, 0) >= 0 cioé x=0

< (x1 , x2 , x3 ), (0, 1, 0) >= 0 cioé y=0


quindi
W o = {(0, 0, c), c ∈ lR} = Span{(0, 0, 1)}.

Teorema 9 Siano V uno spazio vettoriale euclideo e 0 6= W un suo sottospazio di dimensione


finita. Allora ogni elemento di v ∈ V si puó esprimere in modo unico come v = w + w0 , dove
w ∈ W e w0 ∈ W o . Quindi si ha V = W ⊕ W o come somma diretta.

Vediamo come costruire w e w0 : Sia {e1 , .., en } una base ortonormale di V e sia W = Span{e1 , .., et },
con t < n. Poniamo

w =< v, e1 > e1 + < v, e2 > e2 + ....+ < v, et > et

e
w0 = v − w.
Ovviamente w ∈ W ed inoltre, per ogni i = 1, 2, ..., t

< w0 , ei >=< v, ei > − < w, ei >=< v, ei > − << v, ei > ei , ei >=

< v, ei > − < v, ei >< ei , ei >=< v, ei > − < v, ei >= 0


quindi w0 é ortogonale con ogni e1 , .., et cioé é ortogonale con ogni vettore di W ed appartiene
a W o.
L’elemento w é detto proiezione ortogonale di v sullo spazio W .
Capitolo 7

Le applicazioni lineari.

7.1 Introduzione.
Siano U e V due spazi vettoriali sul campo K e sia f : U → V una corrispondenza tra i vettori
di U e quelli di V . Diremo che f é una applicazione lineare se, per ogni a, b ∈ K, u1 , u2 ∈ U si
ha:
f (au1 + bu2 ) = af (u1 ) + bf (u2 ).
Lo spazio vettoriale U é detto dominio di f , V é detto codominio di f .

Esempio 74 f : U → U , tale che f (u) = u, per ogni u ∈ U , é una applicazione lineare, detta
identitá di U .

Esempio 75 f : U → U , tale che f (u) = 0, vettore nullo di U , per ogni u ∈ U , é una


applicazione lineare, detta applicazione nulla in U .

Esempio 76 Sia a ∈ lR, f : U → U , tale che f (u) = au, per ogni u ∈ U , é una applicazione
lineare, detta omotetia in U di rapporto a.

Esempio 77 f : lR2 → lR3 , tale che, per ogni X = (x1 , x2 ) ∈ lR, f (X) = f (x1 , x2 ) = (x1 , x1 +
x2 , x1 − x2 ) ∈ lR3 , é una applicazione lineare.

Osservazione 5 Per uniformarci alla trattazione degli Spazi Vettoriali nei precedenti capitoli,
ci occuperemo esclusivamente di applicazioni leneari tra spazi vettoriali definiti sul campo K = lR
dei numeri reali.

Definizione 14 Sia f : U → V una applicazione lineare. Diciamo Immagine di f il seguente


sottoinsieme di V :
Im(f ) = {v ∈ V : ∃u ∈ U, f (u) = v}.
É facile osservare che Im(f ) é un sottospazio vettoriale di V .

62
CAPITOLO 7. LE APPLICAZIONI LINEARI. 63

Esempio 78 f : lR3 → lR4 sia definita da f (x1 , x2 , x3 ) = (x1 , 0, x3 , 0). Allora si ha

Im(f ) = {(a, 0, b, 0) : a, b ∈ lR} =< (1, 0, 0, 0), (0, 0, 1, 0) >

sottospazio di dimensione 2 di lR4 .

Esempio 79 f : lR4 → lR3 sia definita da f (x1 , x2 , x3 , x4 ) = (x1 + x2 , x2 − x3 , x1 + x3 ). Sia


w ∈ Im(f ), allora w = (a1 , a2 , a3 ) tali che

 x1 + x2 = a1

2 3 x −x =a
2

 x +x =a
1 3 3

da cui ricaviamo che a1 = a2 + a3 , per cui w = (a2 + a3 , a2 , a3 ), per ogni a1 , a2 , a3 ∈ lR.

Im(f ) = {(a2 + a3 , a2 , a3 ) : a1 , a2 , a3 ∈ lR} =< (1, 1, 0), (1, 0, 1) >

sottospazio di dimensione 2 di lR3 .

Esempio 80 f : lR3 → lR4 sia definita da f (x1 , x2 , x3 ) = (x1 , x1 +x2 −x3 , 2x1 +x2 −x3 , x2 −x3 ).
Sia w ∈ Im(f ), allora w = (a1 , a2 , a3 , a4 ) tali che


 x1 = a1

 x1 + x2 − x3 = a2

 2x1 + x2 − x3 = a3


x2 − x3 = a4

da cui ricaviamo che a2 = a1 + a4 e a3 = 2a1 + a4 per cui w = (a1 , a1 + a4 , 2a1 + a4 , a4 ), per


ogni a1 , a4 ∈ lR.

Im(f ) = {(a1 , a1 + a4 , 2a1 + a4 , a4 ) : a1 , a4 ∈ lR} =< (1, 1, 2, 0), (0, 1, 1, 1) >

sottospazio di dimensione 2 di lR4 .

Esempio 81 f : lR4 → lR3 sia definita da f (x1 , x2 , x3 , x4 ) = (x1 − x2 , 2x1 − x2 + x4 , −x1 + x2 +


x4 ). Sia w ∈ Im(f ), allora w = (a1 , a2 , a3 ) tali che


 x1 − x2 = a1
2x1 − x2 + x4 = a2
 −x + x + x = a

1 2 4 3

da cui ricaviamo che a2 = a1 + x1 + x4 e a3 = −a1 + x4 per cui, detti x1 = b1 e x4 = b2 ,


w = (a1 , a1 + b1 + b2 , −a1 + b2 ), per ogni a1 , b1 , b2 ∈ lR.

Im(f ) = {(a1 , a1 + b1 + b2 , −a1 + b2 ) : a1 , b1 , b2 ∈ lR} =< (1, 1, 1), (0, 1, 0), (0, 1, 1) >= lR3 .

Definizione 15 Una applicazione lineare f é detta suriettiva quando l’immagine di f coincide


con tutto il codominio di f .
CAPITOLO 7. LE APPLICAZIONI LINEARI. 64

Definizione 16 Diciamo Nucleo di una applicazione lineare f : U → V , il seguente sottoin-


sieme del dominio:
N (f ) = {u ∈ U : f (u) = 0V }
cioé l’insieme dei vettori di U che hanno come immagine in V il vettore nullo. Si dimostra
facilmente che N (f ) é un sottospazio vettoriale di U .

Esempio 82 f : lR3 → lR4 sia definita da f (x1 , x2 , x3 ) = (x1 , 0, x3 , 0). Sia u ∈ N (f ), allora
f (u) = (0, 0, 0, 0) quindi (
x1 = 0
x3 = 0
da cui u = (0, x2 , 0)
N (f ) = {(0, a, 0) : a ∈ lR} =< (0, 1, 0) >
sottospazio di dimensione 1 di lR3 .

Esempio 83 f : lR4 → lR3 sia definita da f (x1 , x2 , x3 , x4 ) = (x1 + x2 , x2 − x3 , x1 + x3 ). Sia


u ∈ N (f ), allora f (u) = (0, 0, 0) quindi

 x1 + x2 = 0

x −x =0
2 3

 x +x =0
1 3

da cui x1 = −x2 = −x3 e u = (x1 , −x1 , −x1 , x4 )

N (f ) = {(a, −a, −a, b) : a, b ∈ lR} =< (1, −1, −1, 0), (0, 0, 0, 1) >

sottospazio di dimensione 2 di lR4 .

Esempio 84 f : lR3 → lR4 sia definita da f (x1 , x2 , x3 ) = (x1 , x1 +x2 −x3 , 2x1 +x2 −x3 , x2 −x3 ).
Sia u ∈ N (f ), allora f (u) = (0, 0, 0, 0) quindi


 x1 = 0

 x1 + x2 − x3 = 0

 2x1 + x2 − x3 = 0


x2 − x3 = 0

da cui u = (0, x2 , x2 )

N (f ) = {(0, a, a) : a ∈ lR} =< (0, 1, 1) >

sottospazio di dimensione 1 di lR3 .


CAPITOLO 7. LE APPLICAZIONI LINEARI. 65

Esempio 85 f : lR4 → lR3 sia definita da f (x1 , x2 , x3 , x4 ) = (x1 − x2 , 2x1 − x2 + x4 , −x1 + x2 +


x4 ). Sia u ∈ N (f ), allora f (u) = (0, 0, 0, 0) quindi


 x1 − x2 = 0
2x1 − x2 + x4 = 0
 −x + x + x = 0

1 2 4

da cui x1 = x2 = x4 = 0 e u = (0, 0, x3 , 0)

N (f ) = {(0, 0, a, 0) : a ∈ lR} =< (0, 0, 1, 0) >

sottospazio di dimensione 1 di lR4 .

Definizione 17 Una applicazione lineare f : U → V é detta iniettiva quando per ogni u1 6= u2


in U si ha: f (u1 ) 6= f (u2 ) in V .

Teorema 10 Una applicazione lineare f : U → V é iniettiva se e solo se N (f ) = {0}, cioé se


il nucleo di f é il sottospazio banale di U .

7.2 Applicazioni lineari e matrici.


Siano U e V spazi vettoriali su lR, tali da avere dim(U ) = n e dim(V ) = m e

B = {e1 , .., en } una base per U

B 0 = {e01 , .., e0m } una base per V.


Sia f : U → V una applicazione lineare. Ogni vettore X ∈ U ha delle componenti (x1 , .., xn )
rispetto alla base B, cioé X = x1 e1 + ... + xn en , ed ogni vettore Y ∈ V ha delle componenti
(y1 , .., ym ) rispetto alla base B 0 , cioé Y = y1 e01 + ... + ym e0m .
In particolare sia Y = f (X) ∈ V , quindi

Y = f (x1 e1 + ... + xn en ) = x1 f (e1 ) + x2 f (e2 ) + .. + xn f (en ).

Poiché i vettori f (e1 ), .., f (en ) sono in V , essi sono esprimibili per componenti rispetto alla base
B0:
f (e1 ) = a11 e01 + a21 e02 + ... + am1 e0m
f (e2 ) = a12 e01 + a22 e02 + ... + am2 e0m
...........
f (en ) = a1n e01 + a2n e02 + ... + amn e0m
CAPITOLO 7. LE APPLICAZIONI LINEARI. 66

da cui
Y = x1 (a11 e01 + a21 e02 + ... + am1 e0m ) + x2 (a12 e01 + a22 e02 + ... + am2 e0m )+
+.............................. + xn (a1n e01 + a2n e02 + ... + amn e0m ) =

e01 (a11 x1 + a12 x2 + ... + a1n xn ) + e02 (a21 x1 + a22 x2 + ... + a2n xn )+
+............................... + e0n (am1 x1 + am2 x2 + ... + amn xn ).
Se indichiamo    
  y1 x1
a11 a12 ... a1n
 a
 y2   x2 
a22 ... a2n     
A =  21 ,Y =  ... ,X =  ...
     
 ... ... ... ...

   
... ...

   
am1 am2 ... amn
ym xn
allora f (X) = Y si puó scrivere nel modo seguente:

A·X =Y

e la matrice A é la matrice associata all’applicazione lineare f rispetto alle basi B e B 0 . Tale


matrice é ottenuta nel seguente modo: la sua colonna j é formata dalle componenti rispetto
alla base B 0 dell’immagine f (ej ) del vettore ej della base B. Concludiamo allora che ad ogni
applicazione lineare f é associata una matrice che dipende dalle basi scelte per il dominio e
codominio di f .

Viceversa sia data una qualsiasi matrice A ∈ Mmn (lR) e siano al solito U e V spazi vettoriali
rispettivamente di dimensioni n e m. Costruiamo la seguente corrispondenza tra i due spazi
vettoriali:
f (X) = A · X ∈ V, per ogni X ∈ U.
Essa é ovviamente una applicazione lineare. Quindi ad ogni matrice é associata una applicazione
lineare.

Quanto detto fin’ora si puó riassumere nel modo seguente: esiste una corrispondenza che
associa ad ogni matrice una applicazione lineare e viceversa.

Osservazione 6 Si noti che se Y ∈ f (U ), allora esso é generato dall’insieme {f (e1 ), ..., f (en )},
che quindi é un generatore per l’immagine della f . Ció vuol dire che le colonne della matrice
associata ad una applicazione lineare costituiscono un insieme di generatori per Im(f ). Allora
una base dell’immagine si puó ricavare facilmente, considerando i vettori colonna della matrice
associata, che siano tra loro indipendenti.

Teorema 11 Sia data una applicazione lineare f : U → V e sia S = {v1 , .., vr } ⊆ U un sottoin-
sieme di S formato da vettori linearmente dipendenti. Allora l’insieme f (S) = {f (v1 ), .., f (vr )} ⊆
V é anche esso formato da vettori linearmente dipendenti.
CAPITOLO 7. LE APPLICAZIONI LINEARI. 67

Teorema 12 Sia data una applicazione lineare f : U → V e sia S = {v1 , .., vr } ⊆ U un sottoin-
sieme di S formato da vettori linearmente indipendenti. Allora l’insieme f (S) = {f (v1 ), .., f (vr )} ⊆
V é anche esso formato da vettori linearmente indipendenti se e solo se f é iniettiva.

Teorema 13 Sia data una applicazione lineare f : U → V . Allora dim(U ) = dim(N (f )) +


dim(Im(f )).

Dim. Indichiamo dim(U ) = n. Se N (f ) = 0 allora f é iniettiva e sappiamo che dato un insieme


di vettori indipendenti B = {e1 , ..., en } nel dominio, i vettori {f (e1 ), ..., f (en )} sono indipendenti
nel codominio. Inoltre se B é una base di U allora é noto anche che {f (e1 ), ..., f (en )} sono
generatori di Im(f ). Unendo le due cose otteniamo che {f (e1 ), ..., f (en )} é esattamente una
base per Im(f ), da cui l’asserto.
Poniamoci allora nel caso in cui N (f ) 6= 0. Essendo N (f ) un sottospazio di U , indichi-
amo con {b1 , ..., br )} una sua base. Siano ora {cr+1 , ..., cn } vettori indipendenti in U tali che
{b1 , .., br , cr+1 , ..., cn } sia una base per U . Ancora richiamiamo il risultato per cui l’insieme
{f (b1 ), ..., f (br ), f (cr+1 ), ..., f (cn )} é un insieme di generatori per Im(f ). Poiché b1 , .., br ap-
partengono al nucleo di f , allora f (b1 ) = f (b2 ) = ... = f (br ) = 0, per cui l’insieme {f (cr+1 ), ..., f (cn )}
é un insieme di generatori per Im(f ). Dimostriamo ora che essi sono anche linearmente indipen-
denti. Consideriamo la combinazione lineare

αr+1 f (cr+1 ) + ..... + αn f (cn ) = 0;

dalla linearitá di f abbiamo che

f (αr+1 cr+1 + ..... + αn cn ) = 0

cioé il vettore αr+1 cr+1 + ..... + αn cn appartiene al nucleo N (f ), che contraddice il fatto che
i vettori cr+1 , ..., cn debbano essere indipendenti con i vettori b1 , .., br . Questo vuol dire che
αr+1 cr+1 + ..... + αn cn = 0, e dalla indipendenza lineare dei vettori cr+1 , ..., cn segue che αi = 0,
per ogni i = r + 1, ..., n.
Infine, essendo {cr+1 , ..., cn } una base per Im(f ), alora dim(Im(f )) = n − r = dim(U ) +
dim(N (f )). t
u

Esempio 86 f : lR3 → lR4 sia definita da f (x1 , x2 , x3 ) = (x1 , x1 +x2 −x3 , 2x1 +x2 −x3 , x2 −x3 ).
Abbiamo visto in un esempio precedente che

Im(f ) = {(a1 , a1 + a4 , 2a1 + a4 , a4 ) : a1 , a4 ∈ lR} =< (1, 1, 2, 0), (0, 1, 1, 1) >

sottospazio di dimensione 2 di lR4 . Ma anche

N (f ) = {(0, a, a) : a ∈ lR} =< (0, 1, 1) >

é sottospazio di dimensione 1 di lR3 .


CAPITOLO 7. LE APPLICAZIONI LINEARI. 68

Esempio 87 Sia f : lR2 → lR3 definita da

f (x1 , x2 ) = (x1 + 2x2 , 3x2 , x1 ).

Determiniamo la matrice associata alla f rispetto alle basi canoniche sia nel dominio che nel
codominio.

f (1, 0) = (1, 0, 1)
f (0, 1) = (2, 3, 0)
 
1 2
A =  0 3 .
 
1 0
Il rango della matrice é 2, quindi dim(Im(f )) = 2 e Im(f ) =< (1, 0, 1), (2, 3, 0) >. Perció
dim(N (f )) = 0 e N (f ) = {0}. L’applicazione é iniettiva ma non suriettiva.

Esempio 88 Ripetiamo l’esempio precedente ma ora esprimiamo la matrice associata a due


basi differenti da quelle canoniche:

B2 = {(1, 1), (2, 1)} base nel dominio

B3 = {(1, 1, 0), (1, 0, 0), (1, 2, 1)} base nel codominio.

Per costruire tale matrice dobbiamo calcolare le immagini dei vettori della base B2 . Tali im-
magini si possono calcolare sfruttando la matrice A associata alla f rispetto alle basi canoniche:
   
1 2 " # 3
1
f (1, 1) =  0 3  · = 3 
   
1
1 0 1
   
1 2 " # 4
2
f (2, 1) =  0 3  · =  3 .
   
1
1 0 2
Ora conosciamo le immagini,ma esse sono espresse rispetto alla base canonica di lR3 , dobbiamo
quindi convertirle rispetto alla base B3 :

(3, 3, 1) = (1, 1, 1)B3

(4, 3, 2) = (−1, 3, 2)B3


quindi la matrice associata alla f rispetto alle basi B2 e B3 é
 
1 −1
A0 =  1 3 
 
1 2
CAPITOLO 7. LE APPLICAZIONI LINEARI. 69

da cui    
1 −1 " # x1 − x2
x1
f (X) =  1 3  · =  x1 + 3x2 
   
x2
1 2 x1 + 2x2
é l’espressione dell’applicazione lineare rispetto a tali basi. Si noti che le dimensioni di Nucleo
e Immagine sono invarianti rispetto ad un cambiamento di basi nel dominio e nel codominio.

Esempio 89 Siano B = {e1 , e2 , e3 } la base canonica di lR3 e f : lR3 → lR4 una applicazione
lineare tale che
f (e1 ) = (1, 1, 1, 0)
f (e2 ) = (1, 0, 1, 0)
f (e3 ) = (0, 0, 0, 1).

La matrice associata a f rispetto alla base canonica in lR4 é allora


 
1 1 0
 1 0 0 
A=
 
1 1 0

 
0 0 1
che ha rango 3, quindi dim(Im(f )) = 3 (f non é suriettiva) e dim(N (f )) = 0 (f é iniettiva),
inoltre l’espressione di f rispetto alle basi canoniche sia nel doimnio che nel codominio é
   
1 1 0   x1 + x2
x1
 1 0 0   x2 
f (X) =   ·  x2  =  .
     
1 1 0 x1 + x2
x3
   
0 0 1 x3

Esempio 90 Sia f : lR5 → lR3 definito da


f (x1 , x2 , x3 , x4 , x5 ) = (x1 − x4 , x2 − x4 , x3 ).

La matrice associata rispetto alle basi canoniche in lR5 e lR3 é


 
1 0 0 −1 0
A =  0 1 0 −1 0 
 
0 0 1 0 0

che ha rango 3. Quindi dim(Im(f )) = 3 (f é suriettiva) e dim(N (f )) = 2 (f non é iniettiva).


Una base dell’immagine é data da
(1, 0, 0), (0, 1, 0), (0, 0, 1).
Il generico vettore del Nucleo, X = (x1 , x2 , x3 , x4 , x5 ) é dato da x3 = 0, x1 = x2 = x4 , per cui
N (f ) = {(x1 , x1 , 0, x1 , x5 ), x1 , x5 ∈ lR} =< (1, 1, 0, 1, 0), (0, 0, 0, 0, 1) > .
CAPITOLO 7. LE APPLICAZIONI LINEARI. 70

Esempio 91 Sia f : lR3 → lR4 definito da

f (x1 , x2 , x3 ) = (5x1 + 4x2 − 9x3 , 4x1 + 5x2 − 9x3 , −9x1 − 9x2 + 9x3 , x1 + x2 + x3 ).

La matrice associata rispetto alle basi canoniche in lR3 e lR4 é


 
5 4 −9
 4 5 −9 
A= .
 
 −9 −9 9 
1 1 1

Determiniamo la matrice associata a f rispetto alla base

B = {(1, 1, 0), (1, 0, −1), (0, 1, −1)} di lR3

ed alla base canonica in lR4 .


Si devono calcolare le immagini dei vettori di B:
   
5 4 −9   9
1
 4 5 −9     9
  
f (1, 1, 0) =  · 1 =
 
−9 −9 9   −18

0
 
1 1 1 2

ed in modo analogo

f (1, 0, −1) = (14, 13, −18, 0) f (0, 1, −1) = (13, 14, −18, 0).

Allora la matrice associata a f rispetto a tali basi é


 
9 14 13
 9 13 14 
A0 =  .
 
 −18 −18 −18 
2 0 0

Esempio 92 Sia f : lR4 → lR2 con matrice associata


" #
1 0 0 1
A=
−1 1 2 −1

rispetto alle basi

B4 = {(1, 1, 0, 0), (1, 0, 0, 0), (2, 0, 0, 1), (0, 0, 1, 0)} in lR4

B2 = {(1, 1), (1, 0)} in lR2 .


Determiniamo la matrice associata a f rispetto alle basi canoniche sia nel dominio che nel
codominio.
CAPITOLO 7. LE APPLICAZIONI LINEARI. 71

Per prima cosa esprimiamo i vettori della base canonica di lR4 per componenti rispetto alla base
B4 :
(1, 0, 0, 0) = (0, 1, 0, 0)B4
(0, 1, 0, 0) = (1, −1, 0, 0)B4
(0, 0, 1, 0) = (0, 0, 0, 1)B4
(0, 0, 0, 1) = (0, −2, 1, 0)B4 .
Quindi calcoliamo le immagini di tali vettori utilizzando la matrice A:
 
" # 0 " #
1 0 0 1  1  0
f (0, 1, 0, 0) = · =
 
−1 1 2 −1  0  1
0

ed analogamente
f (1, −1, 0, 0) = (1, −2)
f (0, 0, 0, 1) = (1, −1)
f (0, −2, 1, 0) = (0, 0).
Tali immagini sono espresse per componenti rispetto alla base B2 e quindi dobbiamo ora
convertirle per componenti rispetto alla base canonica C2 di lR2 :

(0, 1)B2 = (1, 0)C2

(1, −2)B2 = (−1, 1)C2


(1, −1)B2 = (0, 1)C2
(0, 0)B2 = (0, 0)C2 .
La matrice associata rispetto alle basi canoniche é allora
" #
0 1 −1 0 0
A =
0 1 1 0

e l’espressione dell’applicazione lineare nelle basi canoniche di dominio e codomino é


 
" # x1 " #
1 −1 0 0  x2  x1 − x2
f (x1 , x2 , x3 , x4 ) = · = .
 
0 1 1 0  x3  x2 + x3
x4
CAPITOLO 7. LE APPLICAZIONI LINEARI. 72

Esempio 93 Siano f : lR4 → lR4 e

B = {(1, 0, 0, −1), (1, 0, 0, 0), (0, 1, 1, 0), (0, 0, 1, 0)}

un base di lR4 , tali che


f (1, 0, 0, −1) = (2, 0, 0, −1)
f (1, 0, 0, 0) = (−1, 0, 1, 0)
f (0, 1, 1, 0) = (1, 0, 1, −1)
f (0, 0, 1, 0) = (1, 1, 2, 0).

La matrice associata a f rispetto alla base B nel dominio e alla base canonica nel codominio é
 
2 −1 1 1
 0 0 0 1 
A= .
 
 0 1 1 2 
−1 0 −1 0

Determiniamo la matrice associata a f rispetto alla base B anche nel codominio. Si devono
esprimere le immagini dei vettori di B per componenti rispetto alla base B stessa, per cui, detta
C la base canonica di lR4 , si ha:

(2, 0, 0, −1)C = (1, 1, 0, 0)B

(−1, 0, 1, 0)C = (0, −1, 0, 1)B


(1, 0, 1, −1)C = (1, 0, 0, 1)B
(1, 1, 2, 0)C = (0, 1, 1, 1)B
e la matrice associata é  
1 0 1 0
 1 −1 0 1 
A0 =  .
 
 0 0 0 1 
0 1 1 1
Infine determiniamo la matrice relativa ad f rispetto alla base canonica sia nel dominio che
nel codominio:
Per prima cosa esprimiamo i vettori della base canonica C per componenti rispetto alla base
B:
(1, 0, 0, 0) = (0, 1, 0, 0)B
(0, 1, 0, 0) = (0, 0, 1, −1)B
(0, 0, 1, 0) = (0, 0, 0, 1)B
(0, 0, 0, 1) = (−1, 1, 0, 0)B
CAPITOLO 7. LE APPLICAZIONI LINEARI. 73

quindi calcoliamo le immagini di tali vettori tramite la matrice A:


     
2 −1 1 1 0 −1
 0 0 0 1   1   0 
f (0, 1, 0, 0) =  · =
     
0 1 1 2 0 1

     
−1 0 −1 0 0 0
ed analogamente
f (0, 0, 1, −1) = (0, −1, −1, −1)
f (0, 0, 0, 1) = (1, 1, 2, 0)
f (−1, 1, 0, 0) = (−3, 0, 1, 1)
ed é chiaro che, avendo usato la matrice A, i risultati sono giá espressi per componenti rispetto
alla base canonica. Quindi la matrice associata a f rispetto alla base canonica sia nel dominio
che nel codominio é  
−1 0 1 −3
 0 −1 1 0 
A00 = 
 
 1 −1 2 1 

0 −1 0 1
ed esprimiamo f come segue:
     
−1 0 1 −3 x1 −x1 + x3 − 3x4
 0 −1 1 0   x2
    −x2 + x3 
f (x1 , x2 , x3 , x4 ) =  · = .
   
 1 −1 2 1   x3   x1 − x2 + 2x3 + x4 
0 −1 0 1 x4 −x2 + x4

Esempio 94 Sia f : lR3 → lR3 associato alla matrice


 
1 1 2
A= 2 1 3 
 
3 1 4
rispetto alle basi
B = {(1, 1, 0), (1, 0, 1), (0, 0, 1)} nel dominio
C = {(1, 0, −1), (1, 0, 1), (0, 1, 0)} nel codominio.
Determiniamo una base per l’immagine in base canonica.
Poiché il rango dela matrice A é 2, la dimensione dell’immagine é appunto 2.
Le colonne (1, 2, 3) e (1, 1, 1) sono indipendenti, quindi esse rappresentano i 2 vettori che
generano l’immagine.
Per definizione, essi compaiono nella matrice espressi per componenti rispetto alla base C,
quindi per ottenere i vettori che generano l’immagine dobbiamo esprimerli rispetto alla base
canonica:
(1, 2, 3)C = 1(1, 0, −1) + 2(1, 0, 1) + 3(0, 1, 0) = (3, 3, 1)
(1, 1, 1)C = 1(1, 0, −1) + 1(1, 0, 1) + 1(0, 1, 0) = (2, 1, 0).
Allora Im(f ) =< (3, 3, 1), (2, 1, 0) >.
CAPITOLO 7. LE APPLICAZIONI LINEARI. 74

7.3 Endomorfismi e cambiamento di base.


Sia V uno spazio vettoriale di dimensione n. Una applicazione lineare f : V → V , in cui
dominio e codominio coincidono é detta endomorfismo dello spazio V . Sia B una base di V .
Relativamente ad essa, viene associata all’endomorfismo una matrice quadrata di ordine n. Al
variare della base B, varia la matrice che rappresenta f . Ci proponiamo di osservare in quale
modo tali matrici sono tra loro correlate.
Siano allora B e B 0 due distinte basi di V e A la matrice associata alla base B, A0 quella
associata a B 0 . Siano inoltre v, w ∈ V , tali che f (v) = w. Il vettore v avrá componenti
X = (x1 , .., xn ) rispetto alla base B e X 0 = (x01 , .., x0n ) rispetto a B 0 . Analogamente diciamo che
il vettore w avrá componenti Y = (y1 , .., yn ) rispetto a B e Y 0 = (y10 , .., yn0 ) rispetto a B 0 . Per
quanto detto nel capitolo dedicato agli spazi vettoriali, esiste una matrice C di cambiamento di
base che ci permette di esprimere le componenti di un vettore in base B 0 in funzione di quelle
in base B. In particolare abbiamo che
X0 = C · X e Y 0 = C · Y.
Inoltre il fatto che w = f (v) significa
Y =A·X e Y 0 = A0 · X 0 .
Da X = C −1 · X 0 e Y = C −1 · Y 0 ne segue che
C −1 · Y 0 = A · C −1 · X 0 e Y 0 = (C · A · C −1 ) · X 0
cioé
A0 = C · A · C −1 .
Ció vuol dire che le matrici associate ad uno stesso endomorfismo, relativamente a basi differenti,
sono tra loro tutte simili.

Esempio 95 Siano V = lR3 ,


B = {(1, 1, 0), (0, 0, 1), (1, 0, 1)}
B 0 = {(0, 1, 0), (0, 1, 1), (1, 0, 0)}
due basi di lR3 e f : lR3 → lR3 un endomorfismo con matrice associata rispetto alla base B
 
1 0 1
A =  1 0 0 .
 
0 1 1
Rispetto a tale base l’endomorfismo si esprime:
     
1 0 1 x1 x1 + x3
f (X) =  1 0 0  ·  x2  =  x1 .
     
0 1 1 x3 x2 + x3
Determiniamo la matrice associata a f rispetto alla base B 0 , utilizzando sia il metodo esposto
nei paragrafi precedenti, che quello appena illustrato.
CAPITOLO 7. LE APPLICAZIONI LINEARI. 75

Metodo 1. Per prima cosa esprimiamo i vettori di B 0 per componenti rispetto alla base B:

(0, 1, 0) = (1, 1, −1)B

(0, 1, 1) = (1, 2, −1)B


(1, 0, 0) = (0, −1, 1)B
quindi calcoliamo le immagini di tali vettori tramite la matrice A:

w1 = f (1, 1, −1) = (0, 1, 0)

w2 = f (1, 2, −1) = (0, 1, 1)


w3 = f (0, −1, 1) = (1, 0, 0).
Ricordiamo che per definizione della matrice A, tali immagini sono espresse per componenti
rispetto alla base B, quindi
w1 = (0, 1, 0)B = (0, 0, 1)
w2 = (0, 1, 1)B = (1, 0, 2)
w3 = (1, 0, 0)B = (1, 1, 0)
e per ottenere la matrice A0 non resta altro che esprimere tali vettori per componenti rispetto
alla base B 0 :
w1 = (0, 0, 1) = (−1, 1, 0)B 0
w2 = (1, 0, 2) = (−2, 2, 1)B 0
w3 = (1, 1, 0) = (1, 0, 1)B 0 .
La matrice A0 associata a f in base B 0 é allora
 
−1 −2 1
0
A = 1 2 0 .
 
0 1 1

Metodo 2. Calcoliamo la matrice C di cambiamento di base da B a B 0 . Essa ha per colonne


le componenti dei vettori di B rispetto alla base B 0 :
   
1 −1 −1 1 1 0
C= 0 1 1 , C −1 = 1 2 −1 
   
1 0 1 −1 −1 1

da cui      
1 −1 −1 1 0 1 1 1 0
A0 = C · A · C −1 = 0 1 1 · 1 0 0 · 1 2 −1  =
     
1 0 1 0 1 1 −1 −1 1
CAPITOLO 7. LE APPLICAZIONI LINEARI. 76
 
−1 −2 1
 1 2 0 .
 
0 1 1

Ci chiediamo allora se e quando esiste una base di V tale che un endomorfismo f : V → V sia
rappresentabile nel modo piú semplice possibile, cioé tramite una matrice nella quale compaia
il numero piú elevato possibile di elementi nulli. La condizione ideale sarebbe quella in cui la
matrice associata a f si presenti in forma diagonale cioé
 
a11 0 0 ... ... ... 0
0 a22 0 ... ... ... 0
 
 
0 0 a33 ... ... ... 0
 
 
 
A=
 ... ... ... ... ... ... ... 


 ... ... ... ... ... ... ... 

... ... ... ... ... ... ...
 
 
0 0 0 0 ... ... ann
in modo tale che
     
a11 0 0 ... ... ... 0 x1 a11 x1
0 a22 0 ... ... ... 0 x2 a22 x2
     
     
0 0 a33 ... ... ... 0 x3 a33 x3
     
     
     
f (X) =  ... ... ... ... ... ... ... · ... = ... .
     

 ... ... ... ... ... ... ...  
  ...  
  ... 

... ... ... ... ... ... ... ... ...
     
     
0 0 0 0 ... ... ann xn ann xn

Per cui il problema che ci proponiamo di risolvere é il seguente : in quali casi esiste una base di
V rispetto alla quale la matrice associata ad un endomorfismo di V sia diagonale? Osserviamo
che nel caso ció sia possibile, la forma diagonale della matrice é rappresentativa di ogni altra
matrice associata a f in ogni altra base, e tali matrici sono tra di esse tutte simili.

Esempio 96 Siano V = lR3 ,

B = {(0, 1, 0), (1, −1, −1), (0, 1, 1)}

B 0 = {(1, 1, 0), (1, 0, 0), (0, 1, 1)}


due basi di lR3 e f : lR3 → lR3 un endomorfismo con matrice associata rispetto alla base B
 
1 0 0
A =  −1 2 0  .
 
−1 1 1
CAPITOLO 7. LE APPLICAZIONI LINEARI. 77

Rispetto a tale base l’endomorfismo si esprime:


     
1 0 0 x1 x1
f (X) =  −1 2 0  ·  x2  =  −x1 + 2x2  .
     
−1 1 1 x3 −x1 + x2 + x3

Determiniamo la matrice associata a f rispetto alla base B 0 .


Calcoliamo la matrice C di cambiamento di base da B a B 0 . Essa ha per colonne le
componenti dei vettori di B rispetto alla base B 0 :
   
1 0 0 1 0 0
C =  −1 1 0  , C −1 = 1 1 0 
   
0 −1 1 1 1 1

da cui      
1 0 0 1 0 0 1 0 0
A0 = C · A · C −1 =  −1 1 0  ·  −1 2 0  ·  1 1 0  =
     
0 −1 1 −1 1 1 1 1 1
 
1 0 0
 0 2 0 
 
0 0 1
e l’endomorfismo rispetto alla base B 0 si esprime:
     
1 0 0 x1 x1
f (X) =  0 2 0  ·  x2  =  2x2  .
     
0 0 1 x3 x3

In quanto segue, dapprima esporremo un metodo per determinare in quali casi é possibile
ottenere una forma diagonale della matrice associata ad un endomorfismo ed infine osserveremo
quale sia tale forma.

7.4 Autovalori ed autovettori di un endomorfismo.


Siano V uno spazio vettoriale di dimensione n sul campo K, f : V → V un endomorfismo di V
e A = [aij ] la matrice quadrata di ordine n associata a f in una certa base B. Indichiamo con
X ∈ V un generico vettore di V , f (X) = A · X.
Ci chiediamo se possano esistere vettori X ∈ V , la cui immagine f (X) sia un vettore pro-
porzionale a X, cioé f (X) = A · X = hX, per qualche opportuno h ∈ K. Chiaramente il vettore
nullo 0 ∈ V soddisfa tale proprietá, f (0) = h · 0, per cui ci poniamo nel caso in cui la ricerca é
fatta per vettori X 6= 0. La determinazione di tali vettori si riduce alla risoluzione del sistema
lineare A · X = h · X che si puó scrivere come segue:
CAPITOLO 7. LE APPLICAZIONI LINEARI. 78



 a11 x1 + a12 x2 + ... + a1n xn = hx1

 a21 x1 + a22 x2 + ... + a2n xn = hx2

 ..........


an1 x1 + an2 x2 + ... + ann xn = hxn
o meglio ancora, come sistema lineare omogeneo (A − hI)X = 0:


 (a11 − h)x1 + a12 x2 + ... + a1n xn = 0

 a21 x1 + (a22 − h)x2 + ... + a2n xn = 0
.

 ..........


an1 x1 + an2 x2 + ... + (ann − h)xn = 0
Tale sistema ammette soluzioni non banali solo quando p(h) = det(A − hI) = 0. Il polinomio
p(h) = det(A − hI) é detto polinomio caratteristico di f (o di A) ed ha grado n. Analogamente
l’equazione p(h) = 0 é detta equazione caratteristica di f (o di A) ed ha n soluzioni (in K o non
in K, distinte o coincidenti).
Si osservi che da ora in poi ci riferiremo al polinomio caratteristico di un endomorfismo o di
una matrice ad esso associata senza alcuna distinzione.
Le radici del polinomio caratteristico che appartengano al campo K, sono dette autovalori
di f . In corrispondenza di ciascun autovalore h0 , il sistema lineare omogeneo (A − h0 I)X = 0
ammette sempre soluzioni non banali. I vettori X che ricoprono l’insieme V0 di tali soluzioni
sono detti autovettori di f relativi all’autovalore h0

V0 = {0 6= X ∈ V, (A − h0 I)X = 0}.

Il sottospazio vettoriale V0 ∪ {0} ricoperto da tali autovettori é detto autospazio di f relativo


all’autovalore h0 .

Esempio 97 Siano V = lR2 , e f : lR2 → lR2 con matrice associata rispetto alla base canonica
sia nel dominio che nel codominio:
" #
0 −1
A= .
1 0

Il polinomio caratteristico é p(h) = h2 + 1, il quale non ha radici reali. Quindi l’endomorfismo


reale da noi definito non possiede autovalori. Nel caso avessimo definito f : C2 → C2 , dove C
é il campo dei numeri complessi, con la medesima matrice associata A, avremmo avuto i due
autovalori immaginari +i, −i.

Esempio 98 Siano V = lR3 e f : lR3 → lR3 con matrice associata rispetto alla base canonica
di lR3 :  
1 2 2
A =  1 3 1 .
 
2 2 1
CAPITOLO 7. LE APPLICAZIONI LINEARI. 79

Gli autovalori della matrice A sono le soluzioni dell’equazione caratteristica:



1−h 2 2

1 3−h 1 =0

1−h

2 2

cioé
(h + 1)(−h2 + 6h − 5) = 0.
Tali soluzioni sono: h1 = −1, h2 = 5, h3 = 1, ciascuna con molteplicitá algebrica 1 come radici
del polinomio caratteristico.
Determiniamo gli autospazi relativi a ciascun autovalore:
Per h1 = −1,  
2 2 2
A − h1 I =  1 4 1 
 
2 2 2
ed il sistema lineare omogeneo associato é:

 2x1 + 2x2 + 2x3 = 0

1x + 4x + x = 0 .
2 3

 2x + 2x + 2x = 0
1 2 3

Il rango di tale sistema é 2, quindi vi sono ∞1 soluzioni, cioé ∞1 autovettori relativi a h1 = −1.
Essi si ottengono risolvendo il sistema omogeneo: x1 = −x3 , x2 = 0. Per cui il generico
autovettore relativo a h1 é X = (−a, 0, a), al variare di a ∈ lR, e l’autospazio associato a h1 é

V1 = {(−a, 0, a) ∈ lR3 , a ∈ lR}

con dim(V1 ) = 1.
Per h2 = 5,  
−4 2 2
A − h2 I =  1 −2 1 
 
2 2 −4
ed il sistema lineare omogeneo associato é:

 −4x1 + 2x2 + 2x3 = 0

1 x − 2x + x = 0
2 3 .
 2x + 2x − 4x = 0

1 2 3

Il rango di tale sistema é 2, quindi vi sono ∞1 soluzioni, cioé ∞1 autovettori relativi a h2 =


5. Essi si ottengono risolvendo il sistema omogeneo: x1 = x3 , x2 = x3 . Per cui il generico
autovettore relativo a h2 é X = (a, a, a), al variare di a ∈ lR, e l’autospazio associato a h2 é

V2 = {(a, a, a) ∈ lR3 , a ∈ lR}

con dim(V2 ) = 1.
CAPITOLO 7. LE APPLICAZIONI LINEARI. 80

Per h3 = 1,  
0 2 2
A − h3 I =  1 2 1 
 
2 2 0
ed il sistema lineare omogeneo associato é:


 2x2 + 2x3 = 0
x1 + 2x2 + x3 = 0 .

 2x + 2x = 0
1 2

Il rango di tale sistema é 2, quindi vi sono ∞1 soluzioni, cioé ∞1 autovettori relativi a h3 = 1.


Essi si ottengono risolvendo il sistema omogeneo: x1 = x3 , x2 = −x3 . Per cui il generico
autovettore relativo a h3 é X = (a, −a, a), al variare di a ∈ lR, e l’autospazio associato a h3 é

V3 = {(a, −a, a) ∈ lR3 , a ∈ lR}

con dim(V3 ) = 1.

Definizione 18 Chiameremo molteplicitá algebrica di un autovalore, la sua molteplicitá come


radice del polinomio caratteristico e molteplicitá geometrica di un autovalore, la dimensione
dell’autospazio associato ad esso.

Osservazione 7 Una matrice diagonale ha come autovalori gli elementi presenti sulla sua
diagonale principale. Infatti se
 
a11 0 0 ... ... ... 0
0 a22 0 ... ... ... 0
 
 
0 0 a33 ... ... ... 0
 
 
 
A=
 ... ... ... ... ... ... ... 


 ... ... ... ... ... ... ... 

... ... ... ... ... ... ...
 
 
0 0 0 0 ... ... ann
allora  
a11 − h 0 0 ... ... ... 0
0 a22 − h 0 ... ... ... 0
 
 
0 0 a33 − h ... ... ... 0
 
 
 
A − hI = 
 ... ... ... ... ... ... ... 


 ... ... ... ... ... ... ... 

... ... ... ... ... ... ...
 
 
0 0 0 0 ... ... ann − h
e det(A − hI) = (a11 − h)(a22 − h) · · · (ann − h), le cui radici sono

h1 = a11 , h2 = a22 , ..., ..., hn = ann .


CAPITOLO 7. LE APPLICAZIONI LINEARI. 81

Teorema 14 Sia f : V −→ V un endomorfismo su uno spazio vettoriale V di dimensione n


sul campo K, con matrice associata A, e sia h0 un autovalore di f con molteplicitá algebrica r.
Indichiamo con t la dimensione dell’autospazio V0 di f relativo all’autovalore h0 . Allora t ≤ r.

Dim. Denotiamo p(h) il polinomio caratteristico di f (o equivalentemente di A). Poiché


dim(V0 ) = t, esiste un insieme di vettori {b1 , .., bt } che cosituiscono una base per V0 .
Di conseguenza esistono {et+1 , .., en } vettori linearmente indipendenti tali che l’insieme B =
{b1 , .., bt , et+1 , ..., en } sia una base per V . Costruiamo la matrice A0 associata a f rispetto alla
base B, ricordando che le colonne di tale matrice saranno determinate dalle componenti rispet-
to alla" base B dei # vettori {f (b1 ), .., f (bt ), f (et+1 ), .., f (en )}. Poiché f (bi ) = h0 bi , avremo che
D A 1
A0 = , con A1 matrice di ordine (t, n − t), A2 matrice di ordine (n − t, n − t) e D
0 A2
matrice diagonale di ordine (t, t):
 
h0 0 0 0 0

 0 h0 0 0 0 

D= 0 0 h0 0 0 .
 
 
 0 0 0 ... 0 
0 0 0 0 h0

Poiché A e A0 sono simili, esse hanno gli stessi autovalori. In particolare il polinomio carat-
teristico di A0 é : p(h) = (h − h0 )t · µ(h), dove µ(h) é il polinomio caratteristico della matrice
A2 . Quindi h0 compare almeno t-volte come radice del polinomio p(h), di conseguenza la sua
molteplicitá algebrica é almeno t, anche come radice del polinomio caratteristico di A. t
u

Teorema 15 Siano A, B ∈ Mn (lR) due matrici simili, cioé esista una matrice non singolare
C ∈ Mn (lR) tale che B = C −1 · A · C. Siano Yi autovettori di B. Allora A e B hanno gli stessi
autovalori h1 , ..., hm ed inoltre Xi = C · Yi sono autovettori di A, per ogni autovettore Yi di B.

Dim. Siano h1 , ..., hm gli autovalori di A e X1 , .., Xm autovettori di A tali che AXi = hi Xi , per
i = 1, .., m. Poiché A = CBC −1 , segue che:

(CBC −1 )Xi = hi Xi

B(C −1 Xi ) = hi (C −1 Xi )
cioé h1 , .., hm sono anche autovalori di B, con autovettori corrispondenti Yi = C −1 Xi . t
u

7.5 Endomorfismi diagonalizzabili.


Sia f : lRn → lRn un endomorfismo di V = lRn e siano B e B 0 due distinte basi di lRn .
Indichiamo con A la matrice associata a f rispetto alla base B e con A0 quella associata a f
rispetto a B 0 . Come visto in precedenza, le matrici A e A0 sono simili e quindi esse hanno gli
stessi autovalori. Quindi, piú in generale, diciamo che tutte le matrici relative ad uno stesso
CAPITOLO 7. LE APPLICAZIONI LINEARI. 82

endomorfismo possiedono gli stessi autovalori, indipendentemente dalla base rispetto alla quale
sono costruite.
Diremo che l’endomorfismo f é diagonalizzabile se esiste una base di lRn , rispetto alla quale
la matrice associata a f sia diagonale.
Analogamente diremo che una matrice A é diagonalizzabile se é simile ad una matrice diag-
onale, cioé se esiste una matrice non singolare P tale che P −1 · A · P sia diagonale. La matrice
P sará detta matrice diagonalizzante di A.

Teorema 16 Siano h1 , .., hm autovalori distinti di f e X1 , .., Xm autovettori d f tali che ogni
Xi sia autovettore relativo a hi , per ogni i = 1, ..., m. Allora i vettori X1 , .., Xm sono linearmente
indipendenti.

Dim. Possiamo facilmente dimostrarlo nel caso di 2 autovalori distinti h1 6= h2 (induttivamente


si puó estendere al caso generico).
Siano X1 6= 0 autovettore di f relativo a h1 e X2 6= 0 autovettore di f relativo a h2 .
Supponiamo al contrario che essi siano linearmente dipendenti, quindi esista un α 6= 0 tale che
X1 = αX2 . Da f (X1 ) = h1 X1 segue che f (αX2 ) = h1 αX2 , cioé αf (X2 ) = αh1 X2 . Inoltre
f (X2 ) = h2 X2 , quindi otteniamo αh2 X2 = αh1 X2 . Essendo α 6= 0 e h1 6= h2 , segue l’assurdo
che X2 = 0. t
u

Siano ora a1 , a2 , .., am le molteplicitá algebriche rispettivamente degli autovalori h1 , h2 , .., hm ,


come radici del polinomio caratteristico. Allora a1 + a2 + ... + am = n.
Supponiamo che per ogni autovalore hi , la sua molteplicitá algebrica ai coincida con la sua
molteplicitá geometrica gi = dim(Vi ) (la dimensione dell’autospazio relativo a hi ). Allora si ha
che
dim(V1 ) + dim(V2 ) + ... + dim(Vm ) = n = dim(V )
cioé
V1 ⊕ V2 ⊕ ..... ⊕ Vm = V = lRn
ed inoltre l’unione delle basi di tutti gli autospazi costituisce una base di V = lRn .
Esistono allora X1 , .., Xn autovettori in lRn che siano tra loro linearmente indipendenti.
Ricordiamo che gli autovalori sono in numero di n, anche se non tutti necessariamente distinti.
Come supposto sopra, supponiamo che essi siano h1 , .., hn , dei quali m siano distinti. Allora:

AX1 = h1 X1 , AX2 = h2 X2 , AX3 = h3 X3 , ...., , ..., AXn = hn Xn .


h i
Indichiamo con C = X1 X2 X3 X4 ... ... ... Xn la matrice che abbia nella colonna
i-esima le componenti dell’autovettore Xi . Tale matrice é invertibile avendo rango n, visto che
gli autovettori scelti sono tutti indipendenti tra loro. Eseguendo il prodotto A · C otteniamo:
h i
A·C =A· X1 X2 X3 X4 ... ... ... Xn =
CAPITOLO 7. LE APPLICAZIONI LINEARI. 83
 
h1 0 0 0 0 ... ... 0

 0 h2 0 0 0 ... ... 0 

0 0 h3 0 0 ... ... 0
 
 
h i 
 0 0 0 h4 0 ... ... 0


X1 X2 X3 X4 ... ... ... Xn · 

 0 0 0 0 h5 0 ... 0 


 ... 0 0 0 ... ... ... 0 

0 0 0 0 ... ... hn−1 0
 
 
0 0 0 0 ... ... 0 hn
da cui  
h1 0 0 0 0 ... ... 0

 0 h2 0 0 0 ... ... 0 

0 0 h3 0 0 ... ... 0
 
 
 
0 0 0 h4 0 ... ... 0
C −1 · A · C = 
 
.

 0 0 0 0 h5 0 ... 0 


 ... 0 0 0 ... ... ... 0 

0 0 0 0 ... ... hn−1 0
 
 
0 0 0 0 ... ... 0 hn
Quindi rispetto alla base di lRn formata dagli autovettori linearmente indipendenti, la matrice
associata all’endomorfismo é diagonale. Le colonne della matrice diagonalizzante sono costituite
proprio dagli autovettori di f che costituiscono una base per lRn . Vale allora il seguente:

Teorema 17 Sia dato l’endomorfismo f : lRn → lRn . Le seguenti affermazioni sono equivalenti:
i) f é diagonalizzabile;
ii) ogni autovalore di f possiede una molteplicitá algebrica ed una geometrica coincidenti;
iii) esiste una base dello spazio lRn che é costituita da n autovettori di f .

Esempio 99 Siano V = lR3 e f : lR3 → lR3 tale che f (x1 , x2 , x3 ) = (x1 , x2 , x1 + 4x3 ).

La matrice associata a f rispetto alla base canonica di lR3 é:


 
1 0 0
A =  0 1 0 .
 
1 0 4

Gli autovalori della matrice A sono le soluzioni dell’equazione caratteristica:



1−h 0 0

0 1−h 0 =0

4−h

1 0

cioé
(1 − h)2 (4 − h) = 0.
Tali soluzioni sono: h1 = 4, con molteplicitá algebrica a1 = 1 e h2 = 1, con molteplicitá algebrica
a2 = 2.
CAPITOLO 7. LE APPLICAZIONI LINEARI. 84

Determiniamo gli autospazi relativi a ciascun autovalore:


Per h1 = 4,  
−3 0 0
A − h1 I =  0 −3 0 
 
1 0 0
ed il sistema lineare omogeneo associato é:

 −3x1 = 0

−3x2 = 0 .

 x1 = 0

Il rango di tale sistema é 2, quindi vi sono ∞1 soluzioni, cioé ∞1 autovettori relativi a h1 = 4.


Essi si ottengono risolvendo il sistema omogeneo: x1 = x2 = 0. Per cui il generico autovettore
relativo a h1 é X = (0, 0, a), al variare di a ∈ lR, e l’autospazio associato a h1 é

V1 = {(0, 0, a) ∈ lR3 , a ∈ lR}

con dim(V1 ) = 1 e V1 =< (0, 0, 1) >.


Per h2 = 1,  
0 0 0
A − h2 I =  0 0 0 
 
1 0 3
ed il sistema lineare omogeneo associato é:
n
x1 + 3x3 = 0 .

Il rango di tale sistema é 1, quindi vi sono ∞2 soluzioni, cioé ∞2 autovettori relativi a h2 = 1.


Essi si ottengono risolvendo il sistema omogeneo: x1 = −3x3 . Per cui il generico autovettore
relativo a h2 é X = (−3a, b, a), al variare di a, b ∈ lR, e l’autospazio associato a h2 é

V2 = {(−3a, b, a) ∈ lR3 , a, b ∈ lR}

con dim(V2 ) = 2 e V2 =< (−3, 0, 1), (0, 1, 0) >.


Per ogni autovalore le molteplicitá algebrica e geometrica coincidono, quindi la matrice é
diagonalizzabile, l’unione delle basi degli autospazi é una base per lR3

B = {(0, 0, 1), (−3, 0, 1), (0, 1, 0)}

e la matrice associata a f rispetto a tale base é diagonale.


La matrice diagonalizzante é formata dagli autovettori che costituiscono la base per lR3 :
 
0 −3 0
P = 0 0 1 
 
1 1 0
CAPITOLO 7. LE APPLICAZIONI LINEARI. 85

A0 = P −1 · A · P =
     
1
3 0 1 1 0 0 0 −3 0
 1
 −3 0 0 · 0 1 0 · 0 0 1 =
    
0 1 0 1 0 4 1 1 0
 
4 0 0
 0 1 0 .
 
0 0 1

Esempio 100 Siano V = lR3 e f : lR3 → lR3 tale che f (x1 , x2 , x3 ) = (x1 + x3 , x2 + x3 , x3 ).

La matrice associata a f rispetto alla base canonica di lR3 é:


 
1 0 1
A =  0 1 1 .
 
0 0 1

Gli autovalori della matrice A sono le soluzioni dell’equazione caratteristica:



1−h 0 1

0 1−h 1 =0

1−h

0 0

cioé
(1 − h)3 = 0.
Tali soluzioni sono: h1 = 1, con molteplicitá algebrica a1 = 3.
Determiniamo l’autospazio relativo all’unico autovalore:
 
0 0 1
A − h1 I =  0 0 1 
 
0 0 0

ed il sistema lineare omogeneo associato é:


n
x3 = 0 .

Il rango di tale sistema é 1, quindi vi sono ∞2 soluzioni, cioé ∞2 autovettori relativi a h1 = 1.


Essi si ottengono risolvendo il sistema omogeneo: x3 = 0. Per cui il generico autovettore relativo
a h1 é X = (a, b, 0), al variare di a, b ∈ lR, e l’autospazio associato a h1 é

V1 = {(a, b, 0) ∈ lR3 , a, b ∈ lR}

con dim(V1 ) = 2 e V1 =< (1, 0, 0), (0, 1, 0) >. Le molteplicitá algebrica e geometrica non
coincidono, quindi la matrice non é diagonalizzabile, cioé non esiste alcuna base rispetto alla
quale l’endomorfismo sia rappresentabile attraverso una matrice diagonale.
CAPITOLO 7. LE APPLICAZIONI LINEARI. 86

Esempio 101 Siano V = lR3 e f : lR3 → lR3 tale che f (x1 , x2 , x3 ) = (2x1 + x3 , 2x2 − x3 , x1 −
x2 + x3 ).

La matrice associata a f rispetto alla base canonica di lR3 é:


 
2 0 1
A =  0 2 −1  .
 
1 −1 1

Gli autovalori della matrice A sono le soluzioni dell’equazione caratteristica:



2−h 0 1

0 2−h −1 =0

−1 1−h

1

cioé
(2 − h)(h2 − 3h) = 0.
Tali soluzioni sono: h1 = 2, con molteplicitá algebrica a1 = 1, h2 = 0, con molteplicitá algebrica
a2 = 1, h3 = 3, con molteplicitá algebrica a3 = 1.
Determiniamo gli autospazi relativi a ciascun autovalore:
Per h1 = 2,  
0 0 1
A − h1 I =  0 0 −1 
 
1 −1 −1
ed il sistema lineare omogeneo associato é:
(
x3 = 0
.
x1 − x2 − x3 = 0

Il rango di tale sistema é 2, quindi vi sono ∞1 soluzioni, cioé ∞1 autovettori relativi a h1 = 2.


Essi si ottengono risolvendo il sistema omogeneo: x1 = x2 , x3 = 0. Per cui il generico autovettore
relativo a h1 é X = (a, a, 0), al variare di a ∈ lR, e l’autospazio associato a h1 é

V1 = {(a, a, 0) ∈ lR3 , a ∈ lR}

con dim(V1 ) = 1 e V1 =< (1, 1, 0) >.


Per h2 = 0,  
2 0 1
A − h2 I =  0 2 −1 
 
1 −1 1
ed il sistema lineare omogeneo associato é:


 2x1 + x3 = 0
2x2 − x3 = 0 .
x1 − x2 + x3 = 0


CAPITOLO 7. LE APPLICAZIONI LINEARI. 87

Il rango di tale sistema é 2, quindi vi sono ∞1 soluzioni, cioé ∞1 autovettori relativi a h2 =


0. Essi si ottengono risolvendo il sistema omogeneo: x1 = −x2 = − x23 . Per cui il generico
autovettore relativo a h2 é X = (− a2 , a2 , a), al variare di a ∈ lR, e l’autospazio associato a h2 é
a a
V2 = {(− , , a) ∈ lR3 , a ∈ lR}
2 2
con dim(V2 ) = 1 e V2 =< (− 12 , 12 , 1) >.
Per h3 = 3,  
−1 0 1
A − h3 I =  0 −1 −1 
 
1 −1 −2
ed il sistema lineare omogeneo associato é:


 −x1 + x3 = 0
−x2 − x3 = 0 .
 x − x − 2x = 0

1 2 3

Il rango di tale sistema é 2, quindi vi sono ∞1 soluzioni, cioé ∞1 autovettori relativi a h3 = 3.


Essi si ottengono risolvendo il sistema omogeneo: x1 = −x2 = x3 . Per cui il generico autovettore
relativo a h3 é X = (a, −a, a), al variare di a ∈ lR, e l’autospazio associato a h3 é

V3 = {(a, −a, a) ∈ lR3 , a ∈ lR}

con dim(V3 ) = 1 e V3 =< (1, −1, 1) >.


Per ogni autovalore le molteplicitá algebrica e geometrica coincidono, quindi la matrice é
diagonalizzabile, l’unione delle basi degli autospazi é una base per lR3
1 1
B = {(1, 1, 0), (− , , 1), (1, −1, 1)}
2 2
e la matrice associata a f rispetto a tale base é diagonale:
 
2 0 0
0
A =  0 0 0 .
 
0 0 3

La matrice diagonalizzante é formata dagli autovettori che costituiscono la base per lR3 :
 
1 − 12 1
P =  1 12 −1  .
 
0 1 1

Esempio 102 Siano V = lR3 e f : lR3 → lR3 tale che f (x1 , x2 , x3 ) = (3x1 + x2 , 3x2 , 3x1 ).
CAPITOLO 7. LE APPLICAZIONI LINEARI. 88

La matrice associata a f rispetto alla base canonica di lR3 é:


 
3 1 0
A =  0 3 0 .
 
3 0 0

Gli autovalori della matrice A sono le soluzioni dell’equazione caratteristica:



3−h 1 1

0 3 − h 0 =0


−h

3 0

cioé
−h(3 − h)2 = 0.
Tali soluzioni sono: h1 = 0, con molteplicitá algebrica a1 = 1, h2 = 3, con molteplicitá algebrica
a2 = 2,
Determiniamo gli autospazi relativi a ciascun autovalore:
Per h1 = 0,  
3 1 0
A − h1 I =  0 3 0 
 
3 0 0
ed il sistema lineare omogeneo associato é:

 3x1 + x2 = 0

3x2 = 0 .

 3x1 = 0

Il rango di tale sistema é 2, quindi vi sono ∞1 soluzioni, cioé ∞1 autovettori relativi a h1 = 0.


Essi si ottengono risolvendo il sistema omogeneo: x1 = x2 = 0. Per cui il generico autovettore
relativo a h1 é X = (0, 0, a), al variare di a ∈ lR, e l’autospazio associato a h1 é

V1 = {(0, 0, a) ∈ lR3 , a ∈ lR}

con dim(V1 ) = 1 e V1 =< (0, 0, 1) >.


Per h2 = 3,  
0 1 0
A − h2 I =  0 0 0 
 
3 0 −3
ed il sistema lineare omogeneo associato é:
(
x2 = 0
.
3x1 − 3x3 = 0
CAPITOLO 7. LE APPLICAZIONI LINEARI. 89

Il rango di tale sistema é 2, quindi vi sono ∞1 soluzioni, cioé ∞1 autovettori relativi a h2 = 3.


Essi si ottengono risolvendo il sistema omogeneo: x2 = 0, x1 = x3 . Per cui il generico autovettore
relativo a h2 é X = (a, 0, a), al variare di a ∈ lR, e l’autospazio associato a h2 é

V2 = {(a, 0, a) ∈ lR3 , a ∈ lR}

con dim(V2 ) = 1 e V2 =< (1, 0, 1) >. L’autovalore h2 = 3 ha le molteplicitá differenti, quindi la


matrice non é diagonalizzabile.

Osservazione 8 Se gli autovalori di un endomorfismo f sono tutti distinti tra loro, cioé cias-
cuno di essi ha molteplicitá algebrica 1, allora f é certamente diagonalizzabile.

Osservazione 9 Esistono matrici (e quindi endomorfismi) certamente diagonalizzabili: sono


le matrici simmetriche (gli endomorfismi rappresentati da matrici simmetriche).

Vale il seguente:

Teorema 18 Sia f : lRn → lRn un endomorfismo reale. Esiste una base ortonormale B =
{v1 , .., vn } di autovettori di lRn se e solo se f é simmetrico.
In altre parole: Sia data la matrice A ∈ Mn (lR). Esiste una matrice non singolare P ∈ Mn (lR),
costituita da vettori colonna tra loro ortonormali, tale che P −1 · A · P sia una matrice diagonale
se e solo se A é simmetrica.

Dim. Sia B = {v1 , .., vn } una base di autovettori ortonormali di lRn . Scegliamo u, w ∈ lRn ,
allora u = ni=1 αi vi e w = nj=1 βj vj . Indichiamo con λi l’autovalore relativo al generico
P P

autovettore vi e calcoliamo le immagini di u e w tramite f :


X
f (u) = αi f (vi ) = αi λi vi
i
X
f (w) = βj f (vj ) = βj λj vj
i

da cui, ricordando che < vr , vs >= 0 se r 6= s e < vr , vr >= 1 per ogni indice r,
X X
< f (u), w >=< αi λi vi , w >= αi λi < vi , w >=
i i
X X X X
αi λi < vi , βj vj >= αi βi λi < vi , vi >= αi βi λi .
i j i i

In modo analogo X X
< u, f (w) >=< αi vi , βj λj vj >=
i j
CAPITOLO 7. LE APPLICAZIONI LINEARI. 90
X X
αj βj λj < vj , vj >= αj βj λj
j j

quindi
< Au, w >=< f (u), w >=< u, f (w) >=< u, Aw >
cioé A é simmetrica (ed anche f lo é).
Dimostriamo ora la condizione sufficiente, supponendo che A sia simmetrica, e lo facciamo
per induzione. Se V = lR, cioé se la dimensione é n = 1, l’asserto é banale. Supponiamo che
tale asserto sia vero nel caso in cui V = lRm , per ogni m < n. Dimostriamolo vero anche per
V = lRn .
Sia X un qualsiasi autovettore relativo ad un certo autovalore λ: AX = λX (indicheremo
con a il coniugato di un qualsiasi elemento a, vettore o scalare). Dall’uguaglianza xt Ax = xt λx,
nella quale il primo membro é reale poiché esso é uguale al proprio coniugato trasposto, segue
che xt λx é reale. Essendo λ un elemento di un campo, esso ’commuta’ con ogni vettore, per cui
λxt x é reale e quindi λ é reale. Concludiamo che ogni autovalore di A é reale.
Per ipotesi induttiva, consideriamo ora v1 , .., vr autovettori ortonormali relativi ad uno stesso
autovalore λ, con dim(span{1 , .., vr }) = r < n. Indichiamo con U = span{v1 , .., vr } e con
W = U ⊥ il sottospazio composto da tutti i vettori ortogonali ai vettori v1 , .., vr .
Se u ∈ U allora u = ri=1 αi vi , quindi f (u) = ri=1 λαi vi ∈ U , da cui f (U ) ⊆ U .
P P

Sia ora w ∈ W = U ⊥ , quindi, sfruttando la simmetricitá della matrice A e la proprietá


f (u) ∈ U ,
< f (w), u >=< Aw, u >=< w, Au >=< w, f (u) >= 0
per cui anche f (W ) ⊆ W . É possibile allora restringere la f allo spazio W :

fW : W −→ W

il quale é un endomorfismo simmetrico di dimensione n−r < n. Grazie all’ipotesi induttiva, esiste
una base ortonormale {vr+1 , vr+2 , ..., vn } di W composta da autovettori. Poiché tali vettori sono
ortogonali con ciascuno dei v1 , .., vr , l’insieme {v1 , .., vn } é una base di autovettori ortonormali
di lRn . t
u

Osservazione 10 La ortogonalitá tra due vettori implica la loro indipendenza lineare.

Osservazione 11 Nel caso di matrici simmetriche, gli autovettori corrispondenti ad autovalori


distinti sono tra loro ortogonali, in tal senso tutti gli autospazi sono tra loro ortogonali.
Infatti se λ 6= µ sono autovalori con autovettori vλ e vµ rispettivamente, si ha che

λ < vλ , vµ >=< λvλ , vµ >=< f (vλ ), vµ >=

< vλ , f (vµ ) >=< vλ , µvµ >= µ < vλ , vµ >


quindi (λ − µ) < vλ , vµ >= 0 da cui segue < vλ , vµ >= 0, cioé vλ ⊥vµ .
CAPITOLO 7. LE APPLICAZIONI LINEARI. 91

Esempio 103 Siano V = lR3 e f : lR3 → lR3 tale che f (x1 , x2 , x3 ) = (x1 + x2 + x3 , x1 , x1 ).

La matrice associata a f rispetto alla base canonica di lR3 é:


 
1 1 1
A= 1 0 0 
 
1 0 0

che é simmetrica. Gli autovalori della matrice A sono le soluzioni dell’equazione caratteristica:

1−h 1 1

1 −h 0 =0

0 −h

1

cioé
h(h − 2)(h + 1) = 0.
Tali soluzioni sono: h1 = 0, con molteplicitá algebrica a1 = 1, h2 = 2, con molteplicitá algebrica
a2 = 1, h3 = −1 con molteplicitá algebrica a3 = 1. La matrice é diagonalizzabile ed una sua
forma diagonale é
 
2 0 0
A0 =  0 −1 0 
 
0 0 0
per ottenere la quale si utilizza la matrice diagonalizzante
 
2 1 0
P =  1 −1 1 
 
1 −1 −1

le cui colonne sono gli autovettori, tra loro ortogonali, che costituiscono una base di lR3 rispetto
alla quale A0 é la matrice associata a f . Per ottenere una base ortgonormale, é sufficiente
normalizzare i vettori della base.

7.6 Esercizi.
Esercizio 72 Sia f : lR3 −→ lR4 una applicazione lineare cosı́ definita: f (x1 , x2 , x3 ) = (x1 , 0, x3 , 0).
Determinare nucleo, immagine ed una loro base.

Esercizio 73 Sia f : lR4 −→ lR3 una applicazione lineare cosı́ definita: f (x1 , x2 , x3 , x4 ) =
(x1 + x2 , x2 − x3 , x1 + x3 ). Determinare nucleo, immagine ed una loro base.

Esercizio 74 Sia f : lR3 −→ lR4 una applicazione lineare cosı́ definita: f (x1 , x2 , x3 ) = (x1 , x1 +
x2 − x3 , 2x1 + x2 − x3 , x2 − x3 ). Determinare nucleo, immagine ed una loro base.
CAPITOLO 7. LE APPLICAZIONI LINEARI. 92

Esercizio 75 Sia f : lR4 −→ lR3 una applicazione lineare cosı́ definita: f (x1 , x2 , x3 , x4 ) =
(x1 − x2 , 2x1 − x2 + x4 , −x1 + x2 + x4 ). Determinare nucleo, immagine ed una loro base.

Esercizio 76 Sia f : lR2 −→ lR3 una applicazione lineare cosı́ definita: f (x1 , x2 ) = (x1 +
2x2 , 3x2 , x1 ). Determinare la matrice associata alla f rispetto alle seguenti basi:

B1 = {(1, 1), (2, 1)} di lR2

B2 = {(1, 1, 0), (1, 0, 0), (1, 2, 1)} di lR3 .

Esercizio 77 Sia f : lR3 −→ lR4 una applicazione lineare cosı́ definita: f (x1 , x2 , x3 ) = (x1 +
x2 , x2 , x1 + x2 , x3 ). Determinare la matrice associata alla f rispetto alle basi canoniche in lR3 e
lR4 .

Esercizio 78 Sia f : lR5 −→ lR3 una applicazione lineare cosı́ definita: f (x1 , x2 , x3 , x4 , x5 ) =
(x1 − x4 , x2 − x4 , x3 ). Determinare la matrice associata alla f rispetto alle basi canoniche in lR3
e lR5 .

Esercizio 79 Sia f : lR3 −→ lR4 una applicazione lineare cosı́ definita: f (x1 , x2 , x3 ) = (5x1 +
4x2 − 9x3 , 4x1 + 5x2 − 9x3 , −9x1 − 9x2 + 9x3 , x1 + x2 + x3 ). Determinare la matrice associata
alla f rispetto alla base canonica in lR4 e B = {(1, 1, 0), (1, 0, −1), (0, 1, −1)} in lR3 .

Esercizio 80 Sia f : lR4 −→ lR2 una applicazione lineare avente matrice associata
" #
1 0 0 1
−1 1 2 −1

rispetto alle basi


B1 = {(1, 1), (1, 0)} di lR2
B2 = {(1, 1, 1, 0), (1, 0, 0, 0), (2, 0, 0, 1), (0, 0, 1, 0)} di lR4 .
Determinare la matrice associata a f rispetto alle basi canoniche sia nel dominio che nel
codominio.

Esercizio 81 Sia f : lR4 −→ lR4 l’endomorfismo avente matrice associata


 
1 0 1 0

 0 −1 0 1 

0 0 0 1
 
 
0 1 1 1

rispetto alla base

B = {(1, 0, 0, −1), (1, 0, 0, 0), (0, 1, 1, 0), (0, 0, 1, 0)} di lR4

sia nel dominio che nel codominio. Determinare la matrice associata a f rispetto alle basi
canoniche sia nel dominio che nel codominio.
CAPITOLO 7. LE APPLICAZIONI LINEARI. 93

Esercizio 82 Sia f : lR3 −→ lR3 l’endomorfismo avente matrice associata


 
1 1 2
 2 1 3 
 
3 1 4

rispetto alle basi


B1 = {(1, 1, 0), (1, 0, 1), (0, 0, 1)} nel dominio
B2 = {(1, 0, −1), (1, 0, 1), (0, 1, 0)} nel codominio.
Determinare la matrice associata a f rispetto alle basi canoniche sia nel dominio che nel
codominio.

Esercizio 83 Determinare gli autovalori, una base per gli autospazi e, quando possibile, la
matrice diagonalizzante della seguente matrice:
 
1 2 2
 1 3 1 .
 
2 2 1

Esercizio 84 Determinare gli autovalori, una base per gli autospazi e, quando possibile, la
matrice diagonalizzante della seguente matrice:
 
1 0 0
 0 1 0 .
 
1 0 4

Esercizio 85 Determinare gli autovalori, una base per gli autospazi e, quando possibile, la
matrice diagonalizzante della seguente matrice:
 
1 0 1
 0 1 1 .
 
0 0 1

Esercizio 86 Determinare gli autovalori, una base per gli autospazi e, quando possibile, la
matrice diagonalizzante della seguente matrice:
 
2 0 1
 0 2 −1  .
 
1 −1 1

Esercizio 87 Determinare gli autovalori, una base per gli autospazi e, quando possibile, la
matrice diagonalizzante della seguente matrice:
 
2 0 0
 0 2 −1  .
 
1 −2 1
CAPITOLO 7. LE APPLICAZIONI LINEARI. 94

Esercizio 88 Determinare gli autovalori, una base per gli autospazi e, quando possibile, la
matrice diagonalizzante della seguente matrice:
 
1 0 1
 0 0 −2  .
 
0 −2 0

Esercizio 89 Determinare gli autovalori, una base per gli autospazi e, quando possibile, la
matrice diagonalizzante della seguente matrice:
 
3 1 0
 0 3 0 .
 
3 0 0
Capitolo 8

La forma canonica di Jordan.

8.1 Definizioni
Sia f : lRn −→ lRn un endomorfismo. Abbiamo in precedenza analizzato in quali casi tale
endomorfismo sia diagonalizzabile, cioé quando esista una base di lRn composta da autovettori
di f , rispetto alla quale la matrice associata all’endomorfismo si presenti in forma diagonale.
In sostanza abbiamo visto che, quando f é diagonalizzabile, tutte le matrici che si possono ad
esso associare, in una qualsiasi base di lRn , sono tra loro simili e tutte simili ad una matrice
diagonale. Abbiamo concluso che non tutti gli endomorfismi, e quindi non tutte le matrici, sono
diagonalizzabili. Ci proponiamo ora di affrontare l’analisi di una classe di matrici sufficiente-
mente semplici, in modo tale che ogni matrice quadrata sui reali sia simile ad una di esse, e
di conseguenza ogni endomorfismo possa essere rappresentato, in una qualche base, da una di
queste matrici, dette forme canoniche. Fra tutte tali forme, certamente la piú semplice é la
forma canonica di Jordan.
Diciamo Blocco di Jordan di ordine p e relativo allo scalare α ∈ lR, la matrice
 
α 1 0 0 0 0 0 0

 0 α 1 0 0 0 0 0  
0 0 α 1 0 0 0 0 
 

 
 0 0 0 α 1 0 0 0 
Jp (α) =  

 ... ... ... ... ... ... ... ... 


 ... ... ... ... ... ... ... ... 

0 0 0 0 0 0 α 1 
 

0 0 0 0 0 0 0 α

cioé gli elementi aij della matrice sono



 α
 se i=j
aij = 1 se j =i+1

 0 negli altri casi

95
CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 96

Diremo che una matrice A ∈ Mn (lR) é in forma canonica di Jordan se essa presenta la
seguente forma diagonale a blocchi di Jordan
 
Jn1 (α1 ) 0 0 0 0 0 0 0

 0 Jn2 (α2 ) 0 0 0 0 0 0 

0 0 Jn3 (α3 ) 0 0 0 0 0
 
 
 
 0 0 0 Jn4 (α4 ) 0 0 0 0 
A= 

 ... ... ... ... ... ... ... ... 


 ... ... ... ... ... ... ... ... 

0 0 0 0 0 0 Jnr−1 (αr−1 ) 0
 
 
0 0 0 0 0 0 0 Jnr (αr )

dove ogni Jni (αi ) é un blocco di Jordan di ordine ni relativo ad un qualche scalare αi ed
P
ovviamente i ni = n.

Esempio 104  
3 1 0 0 0
 0 3 1 0 0  " #
  J3 (3) 0
A1 =  0 0 3 0 0 =
 
  0 J2 (2)
 0 0 0 2 1 
0 0 0 0 2

Esempio 105
 
2 1 0 0 0 0
 0 2 1 0 0 0   
  J3 (2) 0 0
 0 0 2 0 0 0 
A2 =  = 0 J2 (4) 0 
   
 0 0 0 4 1 0 
  0 0 J1 (3)
 0 0 0 0 4 0 
0 0 0 0 0 3

Esempio 106
   
3 0 0 0 J1 (3) 0 0 0
 0 2 0 0   0 J1 (2) 0 0 
A3 =  = .
   
 0 0 4 0   0 0 J1 (4) 0 
0 0 0 5 0 0 0 J1 (5)

Notiamo allora che le matrici diagonali sono delle particolari matrici di Jordan, con un
numero di blocchi pari all’ordine della matrice stessa ed ogni blocco ha ordine 1.

Teorema 19 Sia A ∈ Mn (lR) una matrice il cui polinomio caratteristico abbia tutte radici reali.
Allora esiste una matrice non singolare C ∈ Mn (lR) tale che la matrice C −1 AC sia in forma
canonica di Jordan. In altre parole, per ogni endomorfismo f di lRn avente tutti gli autovalori nel
campo reale, esiste una base di lRn , rispetto alla quale, la matrice associata a tale endomorfismo
sia in forma canonica di Jordan.
CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 97

Osservazione 12 Sia A la matrice, ed indichiamo

P (X) = (X − λ1 )r1 · (X − λ2 )r2 · · · ·(X − λh )rh

il suo polinomio caratteristico, in cui λ1 , λ2 λ3 , ..., λh sono tutti gli autovalori di A, tra loro distinti
e tali che l’autovalore λi abbia molteplicitá algebrica, come radice del polinomio caratteristico,
pari a ri , con i ri = n. Sia A0 la forma canonica di Jordan simile alla A. Gli scalari rispetto
P

ai quali i blocchi di Jordan della A0 vengono costruiti sono proprio gli autovalori della matrice
A, cioé per ogni autovalore di A esiste almeno un blocco di Jordan in A0 .

A questo punto, per poter effettivamente costruire la matrice nella sua forma canonica di
Jordan, é necessario rispondere alle due seguenti domande:

1. Quanti sono i blocchi di Jordan relativi a ciascun autovalore?

2. Quale deve essere l’ordine di ciascun blocco?

8.2 Numero totale di blocchi relativi ad uno stesso


autovalore.
Sia λ un autovalore di A con molteplicitá geometrica pari a m, cioé sia dim(Vλ ) = m, dove Vλ
é l’autospazio associato a λ. Supponiamo che tutti gli autovalori di A siano reali, quindi esiste
una forma canonica di Jordan A0 di A. Allora il numero di blocchi di Jordan in A0 relativi
all’autovalore λ é proprio m.
In particolare, per ogni autovalore per il quale le molteplicitá algebrica e geometrica coinci-
dano (diciamo m per entrambi i valori), allora nella A0 compaiono m blocchi relativi all’auto-
valore e tutti con ordine 1.

Esempio 107 Sia A ∈ M2 (lR) con autovalori λ1 , λ2 .

Se i due autovalori sono distinti, allora sappiamo che la dimensione geometrica di entrambi é
1, per cui esiste un blocco di Jordan per ognuno dei due autovalori e ciascun blocco ha ordine
1,
" cioé la matrice
# é diagonalizzabile, la forma di Jordan coincide con quella diagonale ed essa é
λ1 0
.
0 λ2
Se i due autovalori coincidono (λ1 = λ2 = λ) e la dimensione dell’autospazio associato é 2, allora
esitono due blocchi di Jordan relativi all’autovalore, ciascuno con ordine 1. Anche in questo
caso la matrice
" é diagonalizzabile
# e la forma canonica di Jordan si riduce alla semplice forma
λ 0
diagonale .
0 λ
Se i due autovalori coincidono (λ1 = λ2 = λ) ma la dimensione dell’autosazio associato é 1,
allora esiste un solo blocco di Jordan relativo all’autovalore,
" ed
# esso deve avere necessariamente
λ 1
ordine 2. La forma canonica di Jordan é in tale caso .
0 λ
CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 98

Esempio 108 Sia A ∈ M3 (lR) e siano λ1 , λ2 , λ3 ∈ lR gli autovalori di A.

Se i tre autovalori sono tutti distinti allora la matrice é diagonalizzabile. Infatti ogni autospazio
ha dimensione 1 e quindi esiste un solo blocco relativo ad ogni autovalore  ed ogni blocco
 ha
λ1 0 0
ordine 1. La forma canonica di Jordan si riduce a quella diagonale ed é  0 λ2 0 .
 
0 0 λ3
Supponiamo ora che λ1 = λ2 = λ e λ3 sia distinto dai primi due.
Se la molteplicitá geometrica di λ é 2, allora vi sono due blocchi di Jordan relativi a λ ed
ovviamente uno relativo a λ3 , per  cui ciascunblocco dovrá avere ordine 1, e la matrice é diago-
λ 0 0
nalizzabile, con forma canonica  0 λ 0 .
 
0 0 λ3
Al contrario, se la molteplicitá geometrica di λ é 1, allora esiste un solo blocco di Jordan relativo
a λ. Poiché il blocco relativo a λ3 deve necessariamente
  avere ordine 1, allora il blocco relativo
λ 1 0
a λ ha ordine due, e la forma canonica é  0 λ 0 .
 
0 0 λ3
Infine consideriamo il caso in cui i tre autovalori siano tutti coincidenti col valore λ.
Se la molteplicitá geometrica
 dell’autovalore
 é anche 3, allora la forma canonica di Jordan si
λ 0 0
riduce a forma diagonale  0 λ 0 .
 
0 0 λ
Se la molteplicitá geometrica dell’autovalore é 2 allora esistono due blocchi di Jordan relativi
ad
 esso, quindi
 uno di questi avrá ordine 2 e l’altro avrá ordine 1. La forma canonica sará
λ 1 0
 0 λ 0 . Se la molteplicitá geometrica dell’autovalore é 1, esiste un solo blocco di Jordan
 
0 0 λ
 
λ 1 0
relativo ad esso e la forma canonica é  0 λ 1 .
 
0 0 λ

Esempio 109 Sia A ∈ M6 (lR),

1 −1 −1 1 −1
 
0

 0 0 1 2 0 1 

 0 0 1 1 0 0 
A= .
 
 0 0 0 1 0 1 
 
 0 0 0 0 2 −1 
0 0 0 0 1 0

Il polinomio caratteristico é det(A − λI) = λ3 (λ − 1)2 (λ − 2), cioé λ1 = 2 é autovalore con


molteplicitá algebrica 1, quindi esisterá un solo blocco relativo ad esso ed avrá ordine 1.
λ2 = 0 é autovalore con molteplicitá algebrica 3, mentre l’autospazio ad esso associato ha
CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 99

dimensione 1. Esiste allora un solo blocco di Jordan ad esso relativo.


Infine l’autospazio relativo all’autovalore λ3 = 1 ha dimensione 2, quindi vi sono due blocchi di
Jordan ad esso relativi, necessariamente entrambi di ordine 1.
La forma canonica sará:
 
1 0 0 0 0 0  

 0 1 0 0 0 0 
 J1 (1) 0 0 0
0
 0 0 0 1 0 0   0 J1 (1) 0 0 
A = = .
   
 0 0 0 0 1 0   0 0 J3 (0) 0 
 
 0 0 0 0 0 0  0 0 0 J1 (2)
0 0 0 0 0 2

Esempio 110 Sia A ∈ M3 (lR),


 
1 2 5
A =  0 14 39  .
 
0 −5 −14

Il polinomio caratteristico é (λ−1)(1−λ)(1+λ). Quindi un autovalore é λ1 = −1 con molteplicitá


algebrica e geometrica pari ad 1, per cui ad esso é associato un solo blocco di Jordan di ordine
1.
L’altro autovalore é λ2 = 1 con molteplicitá algebrica 2. La dimensione dell’autospazio ad esso
associato é 1, quindi vi é un solo blocco ad esso corrispondente, ed ovviamente deve avere ordine
2. La forma canonica della matrice é allora
 
1 1 0
A0 =  0 1 0  .
 
0 0 −1

8.3 Ordine massimo di un blocco in matrici con un


unico autovalore.
Quanto detto fino ad ora é sufficiente per determinare una eventuale forma canonica di una
matrice con un ordine due o tre. Occupiamoci ora di come determinare gli ordini dei blocchi in
matrici che presentino un unico autovalore, nel caso in cui la matrice A ∈ Mn (lR) da riportare
in forma canonica A0 abbia un ordine superiore o uguale a 4.
Sia λ l’autovalore della matrice A, ossia il polinomio caratteristico sia det(A − λI)n e si
consideri B = A − λI, dove I sia la matrice identica di ordine n. Supponiamo che B m = 0 per
qualche intero m (si dice in tal caso che la matrice B é nilpotente). Indichiamo con
r = min{t ∈ N : B t = 0}
dove indichiamo con 0 la matrice nulla (con ogni elemento nullo). Chiamiamo r indice di
nilpotenza di B.
Allora esisterá certamente almeno un blocco di Jordan relativo a λ che abbia ordine r ed
ogni altro eventuale blocco di Jordan relativo a λ avrá un ordine minore o al piú uguale a r.
CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 100

Esempio 111 Sia A ∈ M6 (lR),


 
0 1 1 0 0 0

 0 1 0 0 1 −1 

 −1 1 2 0 0 0 
A= .
 
 0 0 0 1 0 0 
 
 1 0 −1 1 1 1 
0 0 0 1 0 1

Il polinomio caratteristico é det(A − λI) = (λ − 1)6 , cioé λ = 1 é autovalore con molteplicitá


algebrica 6.
L’autospazio associato é
V = {(a − b, −b, a, 0, b, b), a, b ∈ lR}
che ha quindi dimensione 2. Vi sono allora due blocchi relativi all’autovalore λ = 1.
Calcolando l’indice di nilpotenza della matrice B = A − λI = A − I, si avrá B 5 = 0, cioé uno dei
due blocchi ha ordine 5, quindi l’altro deve avere necessariamente ordine 1. La forma canonica
della matrice é
 
1 1 0 0 0 0

 0 1 1 0 0 0 
 " #
0
 0 0 1 1 0 0  J5 (1) 0
A = = .
 
 0 0 0 1 1 0  0 J1 (1)
 
 0 0 0 0 1 0 
0 0 0 0 0 1

8.4 Numero di blocchi di uno certo ordine relativi ad


uno stesso autovalore.
Sia al solito A ∈ Mn (lR) con autovalori h1 , ..., hm . Fissiamo un h0 autovalore di A. Abbiamo
precedentemente visto che il numero totale di blocchi di Jordan relativi a h0 é pari alla dimensione
dell’autospazio associato a h0 , cioé la molteplicitá geometrica di h0 .
Ci proponiamo ora di risolvere l’ultimo problema nella costruzione della forma canonica di
Jordan di una matrice: fissiamo l’intero k ≤ t. Ci chiediamo quanti blocchi di ordine k sono
associati all’autovalore h0 .
Useremo la seguente notazione:

ri = rango(A − h0 I)i , per ogni i = 1, 2, 3, ..., t.

Se k = 1 allora il numero di blocchi di ordine 1 relativi a h0 é pari a

n − 2r1 + r2 .

Per k ≥ 2 vale la seguente tabella, in cui sono riportati a sinistra gli ordini di tutti i blocchi che
eventualmente si possono presentare, e a destra il numero di tali blocchi:
CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 101

ORDINE DEI BLOCCHI NUMERO DEI BLOCCHI


2 r1 − 2r2 + r3
3 r2 − 2r3 + r4
4 r3 − 2r4 + r5
5 r4 − 2r5 + r6
6 r5 − 2r6 + r7
... ........
... ........
... ........
k rk−1 − 2rk + rk+1

Esempio 112 Consideriamo la matrice


 
1 4 5 0 0 0 0 0

 0 1 3 0 0 0 0 0 

0 0 1 0 0 0 0 0
 
 
 
 0 0 0 2 3 0 0 0 
A= .

 0 0 0 0 2 0 0 0 


 0 0 0 0 0 2 2 1 

0 0 0 0 0 0 1 3
 
 
0 0 0 0 0 0 0 1

L’equazione caratteristica é det(A − hI) = (1 − h)5 (2 − h)3 = 0, da cui otteniamo gli autovalori
h1 = 1 con molteplicitá algebrica 5, h2 = 2 con molteplicitá algebrica 3.
L’autospazio relativo all’autovalore h1 = 1 ha dimensione 2, quindi vi sono 2 blocchi di Jordan
relativi a tale autovalore. Inoltre:
 
0 4 5 0 0 0 0 0

 0 0 3 0 0 0 0 0 

0 0 0 0 0 0 0 0
 
 
 
 0 0 0 1 3 0 0 0 
A − h1 I =  

 0 0 0 0 1 0 0 0 


 0 0 0 0 0 1 2 1 

0 0 0 0 0 0 0 3
 
 
0 0 0 0 0 0 0 0
che ha rango 6, quindi r1 = 6.
 
0 0 12 0 0 0 0 0

 0 0 0 0 0 0 0 0 
0 0 0 0 0 0 0 0 
 

 
2
 0 0 0 1 6 0 0 0 
(A − h1 I) =  

 0 0 0 0 1 0 0 0 

 0 0 0 0 0 1 2 7 
0 0 0 0 0 0 0 0 
 

0 0 0 0 0 0 0 0
CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 102

che ha rango 4, quindi r2 = 4.


 
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 1 9 0 0 0 
(A − h1 I) =  

 0 0 0 0 1 0 0 0 


 0 0 0 0 0 1 2 7 

0 0 0 0 0 0 0 0
 
 
0 0 0 0 0 0 0 0
che ha rango 3, quindi r3 = 3.
 
0 0 0 0 0 0 0 0

 0 0 0 0 0 0 0 0 

0 0 0 0 0 0 0 0
 
 
 
4
 0 0 0 1 12 0 0 0 
(A − h1 I) =  

 0 0 0 0 1 0 0 0 


 0 0 0 0 0 1 2 7 

0 0 0 0 0 0 0 0
 
 
0 0 0 0 0 0 0 0
che ha rango 3, quindi r4 = 3. Quindi

ORDINE DEI BLOCCHI NUMERO DEI BLOCCHI


1 0
2 1
3 1
c’é un blocco di ordine 2 ed uno di ordine 3 relativi all’autovalore h1 = 1.
Passiamo all’autovalore h2 = 2.
 
−1 4 5 0 0 0 0 0

 0 −1 3 0 0 0 0 0 

0 0 −1 0 0 0 0 0
 
 
 
 0 0 0 0 3 0 0 0 
A − h2 I =  

 0 0 0 0 0 0 0 0 


 0 0 0 0 0 0 2 1 

0 0 0 0 0 0 −1 3
 
 
0 0 0 0 0 0 0 −1
che ha rango 6, quindi r1 = 6 e vi sono in totale 2 blocchi relativi a tale autovalore.
CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 103

 
1 −8 2 0 0 0 0 0

 0 1 −6 0 0 0 0 0 

0 0 1 0 0 0 0 0
 
 
 
2
 0 0 0 0 0 0 0 0 
(A − h2 I) =  

 0 0 0 0 0 0 0 0 


 0 0 0 0 0 0 −2 5 

0 0 0 0 0 0 1 −6
 
 
0 0 0 0 0 0 0 1
che ha rango 5, quindi r2 = 5.
 
−1 12 −21 0 0 0 0 0

 0 −1 9 0 0 0 0 0 

0 0 −1 0 0 0 0 0 
 

 
3
 0 0 0 0 0 0 0 0 
(A − h2 I) =  

 0 0 0 0 0 0 0 0 


 0 0 0 0 0 0 2 −11 

0 0 0 0 0 0 −1 10 
 

0 0 0 0 0 0 0 −1
che ha rango 5, quindi r3 = 5. Quindi

ORDINE DEI BLOCCHI NUMERO DEI BLOCCHI


1 1
2 1
c’é un blocco di ordine 1 ed uno di ordine 2 relativi all’autovalore h2 = 2.
Quindi una forma canonica di Jordan della matrice di partenza é la seguente:
 
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
A0 = 
 
.

 0 0 0 0 1 0 0 0 


 0 0 0 0 0 2 0 0 

0 0 0 0 0 0 2 1
 
 
0 0 0 0 0 0 0 2

Osservazione 13 L’ordine con cui i blocchi compaiono nella forma canonica di Jordan non
é fondamentale per l’individuazione della forma canonica stessa. Si dice infatti che la forma
canonica ottenuta é unica a meno di permutazioni dei blocchi di Jordan di cui é composta. Per-
mutando tali blocchi si ottiene comunque una forma canonica che sia simile a quella precedente.
Tale permutazione corrisponde di fatto alla scelta di una differente base di lRn rispetto alla quale
la matrice che rappresenta l’endomorfismo é ancora espressa in forma canonica di Jordan.
CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 104

8.5 Il polinomio minimo di una matrice (o di un


endomorfismo).
Sia A ∈ Mn (lR) una matrice quadrata di ordine n ad elementi reali e sia f : lRn −→ lRn l’endo-
morfismo ad essa associato. Indichiamo al solito p(λ) = det(A − λI) il polinomio caratteristico
di A (o equivalentemente di f ). Sará utile per l’argomento che ora tratteremo un richiamo al
ben noto Teorema di Caley-Hamilton:
Teorema 20 Ogni matrice quadrata A di un certo ordine n é una radice del suo polinomio
caratteristico p(λ) = det(A − λI), in altre parole se

p(λ) = a0 + a1 λ + a2 λ2 + ... + an λn

allora
p(A) = a0 I + a1 A + a2 A2 + ... + an An = 0.
Alla luce di ció, vi sono chiaramente infiniti polinomi f (x) di grado superiore ad n tali da avere
la matrice A come radice, sono esattamente tutti i polinomi che ammettano il polinomio p(x)
come divisore, cioé quelli del tipo f (x) = p(x) · h(x), per ogni polinomio h(x). Ci chiediamo
allora se esistono polinomi di grado inferiore a n che ammettano la matrice A come radice. Essi
possono esistere, ma non necessariamente.
Appare chiaro che, per matrici di ordini relativamente grandi, costruire tutti i possibili divi-
sori di p(λ) e verificare quale sia il minimo, potrebbe risultare complicato. É quindi consigliabile
risalire al polinomio minimo di una matrice, dopo aver determinato l’ordine massimo di ciascun
blocco di Jordan che in essa compare.

8.6 Autospazi generalizzati.


Abbiamo fin qui analizzato il comportamento di un endomorfismo e della matrice ad esso as-
sociata in una data base, riferendoci in particolare alla sua trasformazione in forma canonica,
diagonale o di Jordan. Nel caso la matrice sia diagonalizzabile, siamo anche in grado di deter-
minare la base rispetto alla quale essa assume una forma diagonale, tramite la costruzione della
matrice diagonalizzante, attraverso la determinazione degli autovettori della matrice. Vogliamo
ora costruire un algoritmo che ci permetta di determinare una base di vettori, rispetto alla quale
la matrice, non diagonalizzabile, sia espressa in forma canonica di Jordan. A tal fine abbiamo
la necessitá di richiamare alcuni risultati e definizioni relativi ad endomorfismi e matrici.
Definizione 19 Un endomorfismo f : V −→ V di uno spazio vettoriale V di dimensione n
é detto invariante su di un sottospazio W ≤ V se f (w) ∈ W , per ogni w ∈ W . In tale caso
l’applicazione restrittiva fW : W −→ W é ancora un endomorfismo.

Osservazione 14 Sia f : V −→ V un endomorfismo di uno spazio vettoriale V di dimensione


n su di un campo K e siano W1 , ..., Wr sottospazi di V invarianti sotto l’azione di f , tali che

V = W1 ⊕ W2 ⊕ W3 ⊕ ..... ⊕ Wr .
CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 105

Consideriamo B1 , ..., Br rispettivamente basi per W1 , ..., Wr . Sappiamo che l’insieme B = B1 ∪


B2 ∪ ... ∪ Br é una base di V . Allora la matrice associata ad f rispetto alla base B di V é una
matrice a blocchi  
A1 0 0 0 0 0 0 0
 0 A 0 0 0 0 0 0 
 2 
 0 0 A3 0 0 0 0 
 
 
 0 0 0 ... 0 0 0 0 
A=  0

 0 0 0 ... 0 0 0 
 0 0 0 0 0 ... 0 0 


 0 0 0 0 0 0 Ar−1 0 
 

0 0 0 0 0 0 0 Ar
in cui ogni blocco Ai é la matrice associata alla restrizione fWi rispetto alla base Bi .

Definizione 20 Un endomorfismo f : V −→ V é detto nilpotente di indice t se f t é l’omomor-


fismo nullo, cioé se f t (v) = 0, per ogni v ∈ V . Come giá visto, si dice indice di nilpotenza il
minimo t ≥ 1, tale che f t = 0 (analogamente t é l’indice di nilpotenza della matrice A associata
a f , cioé At = 0 e As 6= 0, per ogni s ≤ t).

Sia quindi f : V −→ V un endomorfismo sullo spazio vettoriale V di dimensione n sul campo


K. Consideriamo i seguenti endomorfismi di V :

f 0 = id, f 1 = f, f 2 = f (f ), .. f t = f (f t−1 ).

Ciascuno di essi ha un nucleo ed una immagine:

ker(f i ) = {v ∈ V : f i (v) = 0}, Im(f i ) = {w ∈ V : ∃v ∈ V, f i (v) = w}.

La prima osservazione che possiamo fare é certamente la seguente:

0 = ker(f 0 ) ⊂ ker(f ) ⊂ ker(f 2 ) ⊂ ......... ⊂ ker(f s ) ⊂ ....

é una catena di sottospazi di V , ma poiché quest’ultimo ha dimensione finita, essa non puó
essere infinita, quindi esiste un certo s ≥ 1 tale che ker(f s ) = ker(f s+1 ). In particolare notiamo
che nel caso f sia nilpotente di indice t, allora ker(f t ) = V ed Im(f t ) = 0. Dimostriamo alcune
proprietá:

1. La restrizione g = fker(f s ) : ker(f s ) −→ ker(f s ) é un endomorfismo nilpotente di indice


s; infatti, per ogni X ∈ ker(f s ), si ha g s (X) = f s (X) = 0.

2. La restrizione g = fIm(f s ) : Im(f s ) −→ Im(f s ) é un isomorfismo; é sufficiente dimostrare


che sia iniettiva, visto che é un endomorfismo. Sia allora X ∈ ker(g) = ker(fIm(f s ) ).
Esiste allora Y ∈ V tale che X = f s (Y ). Di conseguenza 0 = g(X) = g(f s (Y )) = f s+1 (Y )
cioé Y ∈ ker(f s+1 ). Poiché ker(f s ) = ker(f s+1 ) ne segue che f s (Y ) = 0 quindi X = 0 ed
il ker(g) é banale.
CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 106

3. V = ker(f s )⊕Im(f s ) come somma diretta; dimostriamo dapprima che ker(f s )∩Im(f s ) =
{0}. Supponiamo che esista 0 6= X ∈ ker(f s )∩Im(f s ). Ció vuol dire contemporaneamente
che esiste Y ∈ V tale che X = f s (Y ) 6= 0 ed anche che f s (X) = 0. D’altro canto,
riferendoci alla precedente proprietá, poiché l’applicazione g = fIm(f s ) é un isomorfismo,
abbiamo che 0 6= g(X) = f s (X), che contraddice quanto supposto. Per completare la
dimostrazione osserviamo che dim(ker(f s ) + Im(f s )) = dim(ker(f s )) + dim(Im(f s )) =
dim(V ).

Definizione 21 Sia V uno spazio vettoriale di dimensione n sul campo K e sia f : V −→ V


un endomorfismo. Indichiamo con s ≥ 1 il minimo intero tale che ker(f s ) = ker(f s+1 ). Per
quanto visto fin’ora V = ker(f s )⊕Im(f s ). Indichiamo con {e1 , ..., et } una base per il sottospazio
ker(f s ) e con {et+1 , ..., en } una base per il sottospazio Im(f s ). Chiaramente {e1 , .., en } é una
base per V . Rispetto a tale base costruiamo la matrice A associata all’endomorfismo f :
" #
A1 0
A=
0 A2

dove la matrice A1 é una matrice quadrata di ordine t, nilpotente di indice s; e la matrice A2 é


una matrice quadrata di ordine n−t, invertibile. I blocchi A1 , A2 sono rispettivemente quelli che
si ottengono tramite le immagini dei vettori delle basi di ker(f s ) ed Im(f s )." Piú #precisamente le
A1
immagini dei vettori della base di ker(f s ) si dispongono nella sottomatrice e le immagini
0
" #
0
dei vettori della base di Im(f s ) nella sottomatrice . La decomposizione V = ker(f s ) ⊕
A2
" #
A1 0
Im(f s ) e la corrispondente decomposizione A = prendono entrambe il nome di
0 A2
Decomposizione di Fitting.

Teorema 21 Sia V uno spazio vettoriale di dimensione n sul campo K e sia f : V −→ V un


endomorfismo. Esso é nilpotente se e solo se il suo polinomio caratteristico é p(λ) = (−1)n λn ,
cioé se ammette come unico autovalore lo 0 con molteplicitá n.

Dim. Supponiamo che l’endomorfismo sia nilpotente e diamo per certo s che esso abbia tutti
gli autovalori in K (si puó dimostrare). Ammettiamo per assurdo che esista un autovalore λ di
f non nullo, e sia X un autovettore ad esso corrispondente. Notiamo che

f s (X) = f s−1 f (X) = f s−1 (λX) = λf s−1 (X) = λf s−2 (f (X)) =

λf s−2 (λX) = λ2 f s−2 (X) = .........λs X.


Quindi λs é autovalore di f s con autovettore corrispondente X. Poiché f é nilpotente di indice
s, allora 0 = f s (X) = λs X che contraddice l’assunzione λ 6= 0.
Viceversa supponiamo ora che l’unico autovalore di f sia lo 0 e per assurdo ipotizziamo che f
non sia nilpotente. Quindi abbiamo che V = ker(f s ) ⊕ Im(f s ), con Im(f s ) 6= 0. Analogamente
CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 107

nella decomposizione di Fitting della matrice associata avremo


" #
A1 0
A=
0 A2

con A2 6= 0 matrice invertibile. Avendo assunto 0 come unico autovalore di f , tale dovrebbe
essere anche ogni autovalore che compare sulla diagonale di A2 , la quale avrebbe determinante
nullo, contraddicendo con la sua non-singolaritá. t
u

Definizione 22 Sia V uno spazio vettoriale di dimensione n sul campo K e sia f : V −→ V


un endomorfismo. Indichiamo con s ≥ 1 il minimo intero tale che ker(f s ) = ker(f s+1 ) e
supponiamo ker(f s ) 6= 0. Al solito indichiamo V = ker(f s ) ⊕ Im(f s ) la decomposizione di
Fitting. In base alla definizione di nucleo di un endomorfismo sappiamo che

ker(f s ) = {X ∈ V : ∃i ≤ s, f i (X) = 0}.

Il sottospazio ker(f s ) é detto autospazio generalizzato di f relativo all’autovalore 0 ed i suoi


elementi sono detti autovettori generalizzati relativi all’autovalore 0.

Teorema 22 Sia V uno spazio vettoriale di dimensione n sul campo K e sia f : V −→ V un


endomorfismo. Sia Xr ∈ V tale che Xr ∈ ker(f r ) − ker(f r−1 ) e costruiamo la seguente catena
di vettori in V :
vr−1 = f (vr ) vr−2 = f (vr−1 ) = f 2 (vr )
vr−3 = f (vr−2 ) = f 3 (vr ), .... ....v1 = f (v2 ) = f r−1 (vr ) 6= 0.
Allora vr−i ∈ ker(f r−i ) − ker(f r−i−1 ), per ogni i = 1, ..., r − 1. Inoltre i vettori {v1 , v2 , ...., vr }
sono linearmente indipendenti e vengono detti catena di autovettori generalizzati relativi allo 0
di lunghezza r.

Dim. Per la dimostrazione della prima parte del teorema, osserviamo che la costruzuione del-
la catena é fatta in modo induttivo, quindi é sufficiente dimostrare che vr−i ∈ ker(f r−i ) −
ker(f r−i−1 ) per un fissato i ∈ {1, ..., r − 1}. Per semplicitá prendiamo i = 1, dobbiamo allora
dimostrare che vr−1 ∈ ker(f r−1 ) − ker(f r−2 ).
Poiché vr−1 = f (vr ), allora f r−1 (vr1 ) = f r−1 f (vr ) = fr (vr ) = 0, visto che vr ∈ ker(f r ).
Per cui vr−1 ∈ ker(f r−1 ). Supponiamo per assurdo che vr−1 ∈ ker(f r−2 ). Allora avremmo
0 = f r−2 (vr−1 ) = f r−2 f (vr ) = f r−1 (vr ), contro l’ipotesi che vr ∈ / ker(f r−1 ). Poiché tale
ragionamento puó essere ripetuto per vr−2 , vr−3 , .., v1 allora concludiamo che vr−i ∈ ker(f r−i ) −
ker(f r−i−1 ) per ogni i ∈ {1, ..., r − 1}.
Passiamo a dimostrare l’indipendenza dei vettori della catena. Supponiamo che esista una
combinazione lineare
α1 v1 + α2 v2 + ... + αr vr = 0 (A)
ed applichiamo ad essa la f r−1 :

0 = α1 f r−1 (v1 ) + α2 f r−1 (v2 ) + ... + αr f r−1 (vr ).


CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 108

Poiché ogni vj ∈ ker(f j ), per ogni j = 1, .., r − 1, l’unico addendo che non si annulla é quello
contenente l’immagine del vettore vr ∈ / ker(f r−1 ). Quindi 0 = αr f r−1 (vr ), da cui αr = 0.
Possiamo riscrivere la combinazione lineare (A):

α1 v1 + α2 v2 + ... + αr−1 vr−1 = 0 (A0 )


ed applicando ora f r−2 ripetiamo lo stesso ragionamento per dimostrare che anche αr−1 = 0. Un
passo alla volta dimostriamo quindi che ogni αi = 0, ed i vettori della catena sono linearmente
indipendenti. t
u

Definizione 23 Sia V uno spazio vettoriale di dimensione n sul campo K e sia f : V −→ V


un endomorfismo. Sia λi un autovalore di f e costruiamo il seguente endomorfismo di V :
fi = f − λi I. Come fatto in precedenza, possiamo determinare ora la decomposizione di Fitting
V = ker(fis ) ⊕ Im(fis ) per un opprtuno s ≥ 1, tale che ker(fis ) = ker(fis+1 ), detto indice di λi
Il sottospazio
ker(fis ) = {X ∈ V : ∃j ≤ s, fij (X) = 0}
é detto autospazio generalizzato di f relativo all’autovalore λi ed i suoi elementi sono detti
autovettori generalizzati relativi all’autovalore λi .

Ripetiamo quanto detto per ogni autovalore λi ∈ {λ1 , ..., λp } nello spettro di f (insieme di
tutti gli autovalori) e denotiamo

Ei = ker(fisi ) = {X ∈ V : ∃j ≤ si , fij (X) = 0}

gli autospazi generalizzati relativi a ciascun λi con indice si .

Osservazione 15 Sia X ∈ Ei , é chiaro che fi (X) ∈ Ei . Inoltre fi (X) = f (X) − λi X, cioé


f (X) = fi (X) + λi X ∈ Ei . Quindi ogni spazio Ei é invariante sotto l’azione di f . Questo
implica che possiamo applicare agli spazi Ei tutti i risultati noti per sottospazi invarianti.

Teorema 23 La dimensione di ciascun autospazio generalizzato Ei é pari alla molteplicitá


algebrica dell’autovalore λi cui esso si riferisce.

Possiamo estendere ora il teorema sulle catene di autovettori:

Teorema 24 Sia V uno spazio vettoriale di dimensione n sul campo K, sia f : V −→ V un


endomorfismo e sia λi un autovalore di f . Sia Xr ∈ V tale che Xr ∈ ker(fir ) − ker(fir−1 ) e
costruiamo la seguente catena di vettori in V :

vr−1 = fi (vr ), vr−2 = fi (vr−1 ) = fi2 (vr )

vr−3 = fi (vr−2 ) = fi3 (vr ), .... ....v1 = fi (v2 ) = fir−1 (vr ) 6= 0.


Allora vr−i ∈ ker(fir−i ) − ker(fir−i−1 ), per ogni i = 1, ..., r − 1. Inoltre i vettori {v1 , v2 , ...., vr }
sono linearmente indipendenti e vengono detti catena di autovettori generalizzati relativi all’au-
tovalore λi di lunghezza r.
CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 109

Teorema 25 La massima lunghezza di una catena di autovettori relativi ad un autovalore λi di


f é pari all’indice si di λi . Inoltre s é ≤ della molteplicitá algebrica dell’autovalore.

Dim. Supponiamo che esista un autovettore generalizzato vr di λi tale che r > si . Per quanto
sappiamo dovremmo avere che vr ∈ ker(fir ) − ker(fir−1 ), in particolare fir−1 (vr ) 6= 0, e quindi
anche fisi (vr ) 6= 0, visto che si ≤ r − 1. In particolare avremmo che fij (vr ) 6= 0, per ogni j ≤ si ,
che contrasta col fatto che vr é un autovettore generalizzato di λi .
Inoltre ogni catena di ordine r di autovettori determina un insieme di r vettori linearmente
indipendenti nell’autospazio Ei , la cui dimensione é pari alla molteplicitá algebrica ai di λi . Per
cui r = si ≤ ai . t
u
Concludendo possiamo dire che se f possiede tutti gli autovalori λ1 , .., λp in K, ciascuno con
la sua molteplicitá algebrica, allora

V = E1 ⊕ E2 ⊕ ..... ⊕ Ep

é somma diretta degli autospazi generalizzati Ei e, tramite la costruzione delle catene di autovet-
tori generalizzati, possiamo determinare la base di ciascun autospazio Ei , al fine di costruire una
base di V rispetto alla quale la matrice associata ad f si esprima in forma di Jordan.

Esempio 113 Sia f : lR4 −→ lR4 con matrice A ∈ M4 (lR) associata


 
0 1 1 0
 0 0 1 0 
A= .
 
 0 0 0 0 
0 0 0 0

Il polimomio caratteristico é p(λ) = λ4 e quello minimo m(λ) = λ3 . L’unico autovalore é λ = 0


e le catene di autovettori sono 2, una di lunghezza 3 e l’altra di lunghezza 1. Per costruirle si
devono calcolare i sottospazi ker(f ), ker(2 ), ker(f 3 ).

ker(f ) = {X ∈ lR4 : AX = 0} =< w1 = (1, 0, 0, 0), w2 = (0, 0, 0, 1) > .


 
0 0 1 0
 0 0 0 0 
Inoltre A2 =  , quindi
 
 0 0 0 0 
0 0 0 0

ker(f 2 ) = {X ∈ lR4 : A2 X = 0} =< w3 = (1, 0, 0, 0), w4 = (0, 1, 0, 0), w5 = (0, 0, 0, 1) > .

Infine A3 = 0 da cui ker(f 3 ) = lR4 =< w6 = (1, 0, 0, 0), w7 = (0, 1, 0, 0), w8 = (0, 0, 1, 0), w9 =
(0, 0, 0, 1) >. Iniziamo dalla catena di ordine 3:

v3 = w8 ∈ ker(f 3 ) − ker(f 2 )

v2 = f (v3 ) = (1, 1, 0, 0) ∈ ker(f 2 ) − ker(f )


CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 110

v1 = f (v2 ) = f 2 (v3 ) = (1, 0, 0, 0).


Passiamo ora alla catena di ordine 1, per la quale é sufficiente scegliere un vettore v10 ∈ ker(f )− <
v1 , v2 , v3 >, prendiamo v10 = w2 = (0, 0, 0, 1). Possiamo ora definire la base rispetto alla quale la
matrice A ammette la forma canonica di Jordan:
B = {(1, 0, 0, 0), (1, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)}
e la matrice P tale che P −1 AP sia la matrice in forma di Jordan é:
 
1 1 0 0
 0 1 0 0 
P = .
 
 0 0 1 0 
0 0 0 1

Esempio 114 Sia f : lR3 −→ lR3 con matrice A ∈ M3 (lR) associata


 
2 0 0
A =  2 2 0 .
 
1 3 2

Il polimomio caratteristico e quello minimo coincidono: p(λ) = m(λ) = (λ − 2)3 . L’unico


autovalore é λ = 2 con una sola catena di autovettori una di lunghezza 3. Per costruirla si
devono calcolare i sottospazi ker(f ), ker(2 ), ker(f 3 ).
ker(f2 ) = {X ∈ lR3 : (A − 2I)X = 0} =< w1 = (0, 0, 1) > .
 
0 0 0
2
Inoltre (A − 2I) =  0 0 0 , quindi
 
6 0 0

ker(f22 ) = {X ∈ lR3 : (A − 2I)2 X = 0} =< w2 = (0, 1, 0), w3 = (0, 0, 1) > .


Infine (A − 2I)3 = 0 da cui ker(f23 ) = lR3 =< w4 = (1, 0, 0), w5 = (0, 1, 0), w6 = (0, 0, 1) >.
Costruiamo la catena di ordine 3:
v3 = w4 ∈ ker(f23 ) − ker(f22 )
v2 = f2 (v3 ) = (0, 2, 1) ∈ ker(f22 ) − ker(f2 )
v1 = f2 (v2 ) = f22 (v3 ) = (0, 0, 6).
La base rispetto alla quale la matrice A ammette la forma canonica di Jordan:
B = {(0, 0, 6), (0, 2, 1), (1, 0, 0)}
e la matrice P tale che P −1 AP = A0 sia la matrice in forma di Jordan é:
   
0 0 1 2 1 0
P = 0 2 0  con A0 =  0 2 1 
   
6 1 0 0 0 2
CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 111

Esempio 115 Sia f : lR5 −→ lR5 con matrice A ∈ M5 (lR) associata


 
1 1 1 1 1

 0 1 0 1 1 

A= 0 0 1 0 1 .
 
 
 0 0 0 1 0 
0 0 0 0 1

Il polimomio caratteristico é p(λ) = (λ − 1)5 e la forma canonica finale sará


 
1 1 0 0 0

 0 1 1 0 0 

A0 =  0 0 1 0 0
 

 
 0 0 0 1 1 
0 0 0 0 1

quindi avremo per l’autovalore λ = 1 una catena di ordine 3 ed una di ordine 2. Calcoliamo la
sequenza di tutti i sottospazi generalizzati relativi a λ = 1:

ker(f1 ) = {X ∈ lR5 : (A − I)X = 0} =< w1 = (1, 0, 0, 0, 0), w2 = (0, 1, −1, 0, 0) > .


 
0 0 0 1 1

 0 0 0 0 0 

Inoltre (A − I)2 =  0 0 0 0 0 , quindi
 
 
 0 0 0 0 0 
0 0 0 0 0

ker(f12 ) = {X ∈ lR5 : (A − I)2 X = 0} =

< w3 = (1, 0, 0, 0, 0), w4 = (0, 1, 0, 0, 0), w5 = (0, 0, 1, 0, 0), w6 = (0, 0, 0, 1, −1) > .
Infine (A − I)3 = 0 da cui
ker(f13 ) = lR5 =
< w7 = (1, 0, 0, 0, 0), w8 = (0, 1, 0, 0, 0), w9 = (0, 0, 1, 0, 0), w10 = (0, 0, 0, 1, 0), w11 = (0, 0, 0, 0, 1) > .
Iniziamo dalla catena di ordine 3:

v3 = w11 ∈ ker(f13 ) − ker(f12 )

v2 = f1 (v3 ) = (1, 1, 1, 0, 0)
v1 = f1 (v2 ) = f12 (v3 ) = (2, 0, 0, 0, 0).
Passiamo ora alla catena di ordine 2: il vettore di partenza v20 deve essere scelto in modo che

v20 ∈ ker(f12 ) − ker(f1 )− < (0, 0, 0, 0, 1), (1, 1, 1, 0, 0), (2, 0, 0, 0, 0) >

v20 = w6
CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 112

v10 = f1 (v60 ) = (0, 0, −1, 0, 0)


Possiamo ora definire la base rispetto alla quale la matrice A ammette la forma canonica di
Jordan:
B = {(2, 0, 0, 0, 0), (1, 1, 1, 0, 0), (0, 0, 0, 0, 1), (0, 0, −1, 0, 0), (0, 0, 0, 1, −1)}.
Esempio 116 Sia f : lR5 −→ lR5 con matrice A ∈ M5 (lR) associata
 
1 0 0 0 0

 1 2 1 1 1 

A= 0 0 2 0 1 .
 
 
 0 0 0 1 0 
1 0 0 1 1
Il polimomio caratteristico é p(λ) = (λ − 2)2 (λ − 1)3 . quindi avremo un autovalore λ1 = 1 ed
uno λ2 = 0. Calcoliamo la sequenza di tutti i sottospazi generalizzati relativi a λ = 1:
ker(f1 ) = {X ∈ lR5 : (A − I)X = 0} =< w1 = (1, 0, 0, −1, 0), w2 = (0, 0, 1, 0, −1) > .
Da questo ricaviamo anche che l’autospazio (in senso usuale) ha dimensione 2, quindi vi sono
due blocchi di Jordan per λ1 = 1, da cui riconosciamo la presenza di una catena di ordine 2 ed
0 0 0 0 0
 2 1 2 2 2 
 
una di ordine 1. Inoltre (A − I)2 =  1 0 1 1 1 , quindi
 
 
 0 0 0 0 0 
0 0 0 0 0
ker(f12 ) =
{X ∈ lR5 : (A − I)2 X = 0} =< w3 = (1, 0, 0, 0, −1), w4 = (0, 0, 1, 0, −1), w5 = (0, 0, 0, 1, −1) > .
Iniziamo dalla catena di ordine 2:
v2 = w5 ∈ ker(f12 ) − ker(f1 )
v1 = f1 (v2 ) = (0, 0, −1, 0, 1).
Passiamo ora alla catena di ordine 1: il vettore in ker(f1 )− < (0, 0, −1, 0, 1), (0, 0, 0, 1, −1) >:
v10 = w1 = (1, 0, 0, −1, 0).
Consideriamo ora l’autovalore λ2 = 2:
ker(f2 ) = {X ∈ lR5 : (A − 2I)X = 0} =< w6 = (0, 1, 0, 0, 0) >
quindi vi é un solo blocco relativo a tale autovalore, e sará di ordine 2. Vi 
é allora una catena
1 0 0 0 0
 0
 0 0 −1 0  
di ordine 2 di autovettori generalizzati: (A − 2I)2 =  1 0 0 0 −1 , quindi
 
 
 0 0 0 1 0 
−2 0 0 0 1
ker(f22 ) = {X ∈ lR5 : (A − 2I)2 X = 0} =< w7 = (0, 1, 0, 0, 0), w8 = (0, 0, 1, 0, 0) >
CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 113

da cui le scelte per la catena sono:

u2 = w8 ∈ ker(f22 ) − ker(f2 )

u1 = f2 (u2 ) = (0, 1, 0, 0, 0).


Possiamo ora definire la base rispetto alla quale la matrice A ammette la forma canonica di
Jordan:

B = {(1, 0, 0, −1, 0), (0, 0, −1, 0, 1), (0, 0, 0, 1, −1), (0, 1, 0, 0, 0), (0, 0, 1, 0, 0)}.

Esempio 117 Sia f : lR3 −→ lR3 con matrice A ∈ M3 (lR) associata


 
3 1 1
A =  0 3 1 .
 
0 0 3

Il polimomio caratteristico é p(λ) = (λ − 3)3 . L’unico autovalore é λ = 3:

ker(f3 ) = {X ∈ lR3 : (A − 3I)X = 0} =< w1 = (1, 0, 0) >

quindi vi é un
 solo blocco
 di Jordan e quindi una sola catena, chiaramente di ordine 3. Inoltre
0 0 1
(A − 3I)2 =  0 0 0 , quindi
 
0 0 0

ker(f32 ) = {X ∈ lR3 : (A − 3I)2 X = 0} =< w2 = (1, 0, 0), w3 = (0, 1, 0) > .

Infine (A − 3I)3 = 0 da cui ker(f33 ) = lR3 =< w4 = (1, 0, 0), w5 = (0, 1, 0), w6 = (0, 0, 1) >.
Costruiamo la catena di ordine 3:

v3 = w6 ∈ ker(f33 ) − ker(f32 )

v2 = f3 (v3 ) = (1, 1, 0) ∈ ker(f22 ) − ker(f2 )


v1 = f3 (v2 ) = f32 (v3 ) = (1, 0, 0).
La base rispetto alla quale la matrice A ammette la forma canonica di Jordan:

B = {(1, 0, 0), (1, 1, 0), (0, 0, 1)}.

Esempio 118 Sia f : lR3 −→ lR3 con matrice A ∈ M3 (lR) associata


 
1 1 −1
A =  0 1 0 .
 
9 2 7
CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 114

Il polimomio caratteristico: p(λ) = (λ − 1)(λ − 4)2 . Per l’autvalore λ1 = 1 non abbiamo


alcun problema ad individuare l’autovettore (che in tal caso é autovalore in senso ordinario e
generalizzato):

ker(f1 ) = {X ∈ lR3 : (A − I)X = 0} =< w1 = (8, −9, −9) > .

Passiamo all’autovalore λ4 = 4:

ker(f4 ) = {X ∈ lR3 : (A − 4I)X = 0} =< w2 = (1, 0, −3) >

quindi vi é un solo blocco di ordine 2 relativo all’autovalore


 4,
 e quindi anche una sola catena
0 8 0
di autovettori di lunghezza 2. Inoltre (A − 4I)2 =  0 9 0 , quindi
 
0 9 0

ker(f42 ) = {X ∈ lR3 : (A − 4I)2 X = 0} =< w3 = (1, 0, 0), w4 = (0, 0, 1) > .

Costruiamo la catena di ordine 2:

v2 = w3 ∈ ker(f42 ) − ker(f4 )

v1 = f4 (v2 ) = (−3, 0, 9).


La base rispetto alla quale la matrice A ammette la forma canonica di Jordan:

B = {(−3, 0, 9), (1, 0, 0), (8, −9, −9)}.

Esempio 119 Sia f : lR3 −→ lR3 con matrice A ∈ M3 (lR) associata


 
2 0 0
A= 0 1 2 .
 
0 −2 −3

Il polimomio caratteristico: p(λ) = (λ − 2)(λ + 1)2 . Per l’autvalore λ2 = 2 non abbiamo


alcun problema ad individuare l’autovettore (che in tal caso é autovalore in senso ordinario e
generalizzato):

ker(f2 ) = {X ∈ lR3 : (A − 2I)X = 0} =< w1 = (1, 0, 0) > .

Passiamo all’autovalore λ1 = −1:

ker(f1 ) = {X ∈ lR3 : (A + I)X = 0} =< w2 = (0, 1, −1) >

quindi vi é un solo blocco di ordine 2 relativo all’autovalore


 −1,
 e quindi anche una sola catena
1 0 0
di autovettori di lunghezza 2. Inoltre (A + I)2 =  0 0 0 , quindi
 
0 0 0

ker(f12 ) = {X ∈ lR3 : (A + I)2 X = 0} =< w3 = (0, 1, 0), w4 = (0, 0, 1) > .


CAPITOLO 8. LA FORMA CANONICA DI JORDAN. 115

Costruiamo la catena di ordine 2:


v2 = w3 ∈ ker(f12 ) − ker(f1 )
v1 = f1 (v2 ) = (0, 2, −2).
La base rispetto alla quale la matrice A ammette la forma canonica di Jordan:
B = {(0, 2, −2), (0, 1, 0), (1, 0, 0)}.

8.7 Esercizi.
Esercizio 90 Determinare la forma canonica di Jordan della seguente matrice:
" #
3 14
.
−1 1
Esercizio 91 Determinare la forma canonica di Jordan della seguente matrice:
 
1 0 0
 0 1 0 .
 
1 0 2
Esercizio 92 Determinare la forma canonica di Jordan della seguente matrice:
 
2 3 0
 0 2 0 .
 
4 0 2
Esercizio 93 Determinare la forma canonica di Jordan della seguente matrice:
 
1 2 5
 0 14 39  .
 
0 −5 −14
Esercizio 94 Determinare la forma canonica di Jordan della seguente matrice:
 
0 1 1 0 0 0

 0 1 0 0 1 −1 

 −1 1 2 0 0 0 
.
 
0 0 0 1 0 0 


 
 1 0 −1 1 1 1 
0 0 0 1 0 1
Esercizio 95 Determinare la forma canonica di Jordan della seguente matrice:
1 −1 −1 1 −1
 
0

 0 0 1 1 0 0 

 0 0 1 1 0 0 
.
 
0 0 0 1 0 1

 
 
 0 0 0 0 2 −1 
0 0 0 0 1 0
Capitolo 9

Le forme bilineari e le forme


quadratiche reali.

9.1 Introduzione.
Siano K un campo e V , W due spazi vettoriali su K, rispettivamente di dimensione n e m. La
applicazione f : V × W −→ K che fa corrispondere ad una coppia di vettori (v, w) ∈ V × W
uno scalare f (v, w) ∈ K, é detta forma bilineare se valgono le seguenti proprietá: per ogni
v, v1 , v2 ∈ V , w, w1 , w2 ∈ W , α, β ∈ K

f (αv1 + βv2 , w) = αf (v1 , w) + βf (v2 , w)

f (v, αw1 + βw2 ) = αf (v, w1 ) + βf (v, w2 ).


In sostanza la f é lineare sia in V che in W .

Esempio 120 La applicazione f : lR2 × lR3 −→ lR, definita da f ((x1 , x2 ), (y1 , y2 , y3 )) = x1 (y1 +
y2 ) + x2 (y1 − y3 ), é una forma bilineare.

Per dimostrarlo é sufficiente verificare che per ogni a, b ∈ lR, (x1 , x2 ), (x01 , x02 ) ∈ lR2 , (y1 , y2 , y3 ), (y10 , y20 , y30 ) ∈
lR3 , si abbia

f (a(x1 , x2 ) + b(x01 , x02 ), (y1 , y2 , y3 )) = af ((x1 , x2 ), (y1 , y2 , y3 )) + bf ((x01 , x02 ), (y1 , y2 , y3 ))

f ((x1 , x2 ), a(y1 , y2 , y3 ) + b(y10 , y20 , y30 )) = af ((x1 , x2 ), (y1 , y2 , y3 )) + bf ((x1 , x2 ), (y10 , y20 , y30 )).

Osservazione 16 Siano 0V e 0W rispettivamente il vettore nullo in V e quello nullo in W .


Allora f (0V , w) = 0 e f (v, 0W ) = 0, per ogni v ∈ V , w ∈ W .

116
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 117

9.2 Forme bilineari e matrici.


Sia f : V × W −→ K una forma bilineare e siano rispettivamente B = {b1 , b2 , .., bn } e C =
{c1 , c2 , .., cm } una base di V ed una di W entrambe su K. Allora per ogni coppia di vettori
v ∈ V e w ∈ W , essi si possono esprimere come combinazione lineare dei vettori base tramite le
proprie componenti:
v = v1 b1 + v2 b2 + v3 b3 + ...... + vn bn
w = w1 c1 + w2 c2 + w3 c3 + ...... + wm cm .
Allora, sfruttando le proprietá di bilinearitá della f si ha:

f (v, w) = f (v1 b1 + v2 b2 + v3 b3 + ...... + vn bn , w1 c1 + w2 c2 + w3 c3 + ...... + wm cm ) =

v1 w1 f (b1 , c1 ) + v1 w2 f (b1 , c2 ) + v1 w3 f (b1 , c3 ) + .... + v1 wm f (b1 , cm )+


v2 w1 f (b2 , c1 ) + v2 w2 f (b2 , c2 ) + v2 w3 f (b2 , c3 ) + .... + v2 wm f (b2 , cm ) + .....
........ + vn w1 f (bn , c1 ) + vn w2 f (bn , c2 ) + vn w3 f (bn , c3 ) + .... + vn wm f (bn , cm ).
Indichiamo con aij = f (bi , cj ), al variare di tutti gli elementi bi e cj delle due basi. Con tali
scalari costruiamo una matrice A = (aij ) che viene detta la matrice associata alla f rispetto alle
basi B e C. Se denotiamo
   
v1 w1
v2 w2
   
   
v3 w3
   
   
   
v=
 ... ,w = 
  ... 


 ... 


 ... 

... ...
   
   
vn wm
allora possiamo osservare che f (v, w) = v T Aw. Quindi ad ogni forma bilineare é associata una
matrice relativa ad una scelta di basi.
Viceversa per ogni matrice A ∈ Mnm (K) esiste una forma bilineare f : V × W −→ K,
definita da f (X, Y ) = X T AY , per ogni vettore X ∈ V espresso per componenti in una certa
base B di V e per ogni vettore Y ∈ W espresso per componenti in una certa base C di W .
In definitiva, la scelta delle basi é determinante al fine di definire una qualsiasi forma bilineare
associata ad una matrice.

Esempio 121 Sia f : lR2 × lR3 −→ lR, definita da f ((x1 , x2 ), (y1 , y2 , y3 )) = x1 (y1 + y2 ) +
x2 (y1 − y3 ), determiniamo la matrice associata a f rispetto alle basi canoniche B = {b1 , b2 } =
{(1, 0), (0, 1)} di lR2 e C = {c1 , c2 , c3 } = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} di lR3 .
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 118

f (b1 , c1 ) = 1, f (b1 , c2 ) = 1, f (b1 , c3 ) = 0


f (b2 , c1 ) = 1, f (b2 , c2 ) = 0, f (b2 , c3 ) = −1
allora la f si puó rappresentare, rispetto alle basi canoniche, nel modo seguente:
 
" # y1
h i 1 1 0
f (X, Y ) = x1 x2  y2  .
 
1 0 −1
y3
Consideriamo ora due basi diverse da quelle canoniche: D = {d1 , d2 } = {(1, 1), (2, 1)} di lR2
e E = {e1 , e2 , e3 } = {(1, 1, 0), (0, 0, 1), (2, 0, 1)}. Calcoliamo gli elementi della matrice associata
in tali basi:
f ((x1 , x2 ), (y1 , y2 , y3 )) = x1 (y1 + y2 ) + x2 (y1 − y3 ),

f (d1 , e1 ) = 3, f (d1 , e2 ) = −1, f (d1 , e3 ) = 3


f (d2 , e1 ) = 5, f (d2 , e2 ) = −1, f (d2 , e3 ) = 5
allora la f si puó rappresentare, rispetto alle basi C e D, nel modo seguente:

 
" # y1
h i 3 −1 3
f (X, Y ) = x1 x2  y2  = x1 (3y1 − y2 + 3y3 ) + x2 (5y1 − y2 + 5y3 ).
 
5 −1 5
y3

3 2
 122 Sia f : lR × lR −→ lR una forma bilineare, alla quale sia associata la matrice
Esempio

1 1
3
 1 0  rispetto alle basi B = {b1 , b2 , b3 } = {(1, 1, 0), (0, 0, 1), (0, 1, 1)} di lR e C = {c1 , c2 } =
 
2 1
{(1, 1), (0, 1)} di lR2 . Determiniamo la matrice associata a f rispetto alle basi D = {d1 , d2 , d3 } =
{(0, 1, 0), (0, 1, 1), (2, 0, 1)} di lR3 e E = {e1 , e2 } = {(1, 1), (2, 1)} di lR2 .

L’espressione della f rispetto alle basi B e C é data da:


 
1 1 " #
 y1
h i
f (X, Y ) = x1 x2 x3  1 0  = x1 (y1 + y2 ) + x2 y1 + x3 (2y1 + y2 ).

y2
2 1

Per poter determinare la matrice rispetto alle nuove basi, dovremmo calcolare i coefficienti
f (di , ej ). Poiché l’unico strumento che abbiamo é la matrice data rispetto alle basi B e C, siamo
costretti inizialmente ad esprimere tutti i vettori di e ej per componenti rispetto alle basi B e
C, e solo allora potremo effettuare il calcolo degli f (di , ej ).

d1 = (0, 1, 0) = (0, −1, 1)B , d2 = (0, 1, 1) = (0, 0, 1)B , d3 = (2, 0, 1) = (2, 3, −2)B

e1 = (1, 1) = (1, 0)C , e2 = (2, 1) = (2, −1)C .


CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 119

f (d1 , e1 ) = 1, f (d1 , e2 ) = 1
f (d2 , e1 ) = 2, f (d2 , e2 ) = 3
f (d3 , e1 ) = 1, f (d3 , e2 ) = 2
allora la f si puó rappresentare, rispetto alle basi D e E, nel modo seguente:
 
1 1 " #
 y1
h i
f (X, Y ) = x1 x2 x3  2 3  = x1 (y1 + y2 ) + x2 (2y1 + 3y2 ) + x3 (y1 + 2y2 ).

y2
1 2

9.3 Forme bilineari simmetriche e forme quadratiche.


Sia f : V × V −→ K una forma bilineare definita in V × V , dove V sia uno spazio vettoriale di
dimensione n sul campo K. Sia B = {e1 , e2 , .., en } una base di V e sia A la matrice associata a
f rispetto a B. Per quanto detto fin’ora, una rappresentazione della f é la seguente: f (X, Y ) =
X T AY , per ogni X, Y vettori di V .
Diciamo che la forma bilineare é simmetrica se accade che f (X, Y ) = f (Y, X) per ogni
X, Y ∈ V . Poiché, da tale definizione, in particolare dovrá essere f (ei , ej ) = f (ej , ei ), per
ogni ei , ej vettori differenti della base B, allora la matrice A associata alla f , sará una matrice
simmetrica.
Viceversa, data una matrice A simmetrica di ordine n, si puó definire la forma bilineare
f (X, Y ) = X T AY , definita in V × V , dove V sia uno spazio vettoriale di dimensione n su un
campo K. Si osserva facilmente che tale f é una forma bilineare simmetrica.
In definitiva tutte le forme bilineari simmetriche sono rappresentate da matrici simmet-
riche ed inoltre, per ogni matrice simmetrica si puó definire una forma bilineare simmetrica,
relativamente ad una base B dello spazio vettoriale.

Esempio 123
  Sia f : lR3 × lR3 −→ lR una forma bilineare, alla quale sia associata la matrice
1 1 0
3
 1 0 2  rispetto alla base canonica di lR .
 
0 2 1

La rappresentazione della f é allora la seguente

  
h i 1 1 0 y1
f (X, Y ) = x1 x2 x3  1 0 2   y2  = x1 y1 + x2 y1 + x1 y2 + 2x3 y2 + 2x2 y3 + x3 y3 .
  
0 2 1 y3

Essa é simmetrica, poiché associata ad una matrice simmetrica. Si noti che per determinare la
simmetricitá della f é sufficiente constatare che le coppie dei termini misti xi yj e xj yi abbiano
lo stesso coefficiente, per ogni scelta di i e j.
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 120

Introduciamo ora il concetto di forma quadratica associata ad una forma bilineare sim-
metrica. Sia quindi f : V × V −→ K una forma bilineare simmetrica definita in V × V , dove
V sia uno spazio vettoriale di dimensione n sul campo K e sia A la matrice associata alla
f . Definiamo q : V −→ K la applicazione che agisce nel modo seguente: per ogni X ∈ V ,
q(X) = f (X, X) = X T AX. La q é detta forma quadratica (associata o polare alla forma f ).

Esempio 124 Come nell’esempio precedente, sia f : lR3 × lR3 −→ lR la forma bilineare sim-
metrica definita da
  
h i 1 1 0 y1
f (X, Y ) = x1 x2 x3  1 0 2   y2  = x1 y1 + x2 y1 + x1 y2 + 2x3 y2 + 2x2 y3 + x3 y3
  
0 2 1 y3

rispetto alla base canonica di lR3 .

Allora la forma quadratica associata a f é la q : lR3 −→ lR definita da


  
h i 1 1 0 x1
2 2
q(X) = f (X, X) = x1 x2 x3  1 0 2   x2  = x1 + 2x1 x2 + 4x2 x3 + x3 .
  
0 2 1 x3

Notiamo che, pur rimanendo invariata la matrice associata ad f e q , essa si ottiene in modo
differente se ricavata dai coefficienti dei monomi presenti nella espressione di f oppure da quelli
presenti nella espressione di q.
Infatti se volessimo costruire tale matrice, rispetto alle basi canoniche, a partire dalla f ,
sarebbe sufficiente considerare il coefficiente del termine xi yj come l’elemento di posto (i, j)
della matrice stessa.
Se invece volessimo la matrice, a partire dalla q, dovremmo notare che il termine misto xi xj
scaturisce dalla somma dei due termini misti xi yj e xj yi presenti nella f . Per cui, se bij é il
b
coefficiente di xi xj allora 2ij é l’elemento di posto (i, j) nella matrice.
Per quanto riguarda gli elementi della diagonale principale della matrice, essi sono i coeffici-
enti dei termini xi yi in f oppure, indifferentemente, dei termini x2i in q.

Esempio 125 Sia f : lR3 −→ lR la forma quadratica definita da q(X) = 3x21 + 2x1 x2 − 4x2 x3 +
7x22 − x23 cioé
  
h i 3 1 0 x1
2 2 2
q(X) = x1 x2 x3 1 7 −2   x2  = 3x1 + 2x1 x2 − 4x2 x3 + 7x2 − x3
  

0 −2 −1 x3

rispetto alla base canonica di lR3 .


CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 121

Allora la forma bilineare simmetrica associata a q é la f : lR3 × lR3 −→ lR definita da


  
h i 3 1 0 y1
f (X, Y ) = x1 x2 x3 1 7 −2   y2  =
  

0 −2 −1 y3

3x1 y1 + x1 y2 + 7x2 y2 + x2 y1 − 2x2 y3 − x3 y3 − 2x3 y2 .

Per quanto visto fin’ora, potremo da ora in poi confondere le proprietá relative ad una forma
bilineare simmetrica con quelle della forma quadratica ad essa associata. Infatti tali proprietá
sono semplicemente caratteristiche della matrice che rappresenta entrambe le f e q.

9.4 Cambiamento di base in una forma quadratica.


Sia q : lRn −→ lR una forma quadratica reale. Siano A1 la matrice associata alla q rispetto
alla base B1 di lRn e A2 la matrice associata rispetto alla base B2 di lRn . Indichiamo con C la
matrice del cambiamento di base da B1 a B2 . Quindi, se X ∈ lRn é un vettore, di componenti
X1 rispetto alla base B1 e componenti X2 rispetto alla base B2 , allora la legge che lega tra loro
tali componenti é X2 = CX1 .
Calcolando la q(X) rispetto alle due differenti basi otteniamo

q(X) = X1T A1 X1 e q(X) = X2T A2 X2

da cui
X1T A1 X1 = X2T A2 X2 = (CX1 )T A2 (CX1 ) = X1T C T A2 CX1
con
A1 = C T A2 C.
Questa é la relazione che lega tra loro le due matrici associate alla stessa forma quadratica, ma
rispetto a due basi differenti. Essa non é una relazione di similitudine, eccetto quando la matrice
di cambiamento di base C sia ortogonale. Diremo che le matrici A1 e A2 sono congruenti. La
congruenza garantisce che, se una delle due é simmetrica, allora lo é anche l’altra, ma in generale
esse hanno autovalori differenti. Quindi due matrici rappresentano la stessa forma quadratica
rispetto a due basi diverse se e solo se esse sono congruenti. Poiché esse sono tutte matrici
simmetriche, esiste una base di lRn rispetto alla quale la matrice associata a q é una matrice
diagonale.

Teorema 26 Sia q : V −→ K una forma quadratica, con dim(V ) = n e K un campo. Esiste


una base di V rispetto alla quale la matrice associata a q sia diagonale, cioé rispetto alla quale
q(X) = a1 x21 + a2 x22 + a3 x23 + .... + an x2n , con a1 , .., an ∈ K. Analogamente, sia f : V × V −→ K
una forma bilineare simmetrica. Esiste una base di V rispetto alla quale la matrice associata a
f sia diagonale, cioé rispetto alla quale f (X, Y ) = b1 x1 y1 + b2 x2 y2 + b3 x3 y3 + .... + bn xn yn , con
b1 , .., bn ∈ K.
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 122

9.5 Metodo per la diagonalizzazione.


Sia f (X, Y ) = aij xi yj la forma bilineare associata alla base B = {e1 , e2 , .., en } e supponiamo
P

che la matrice A = (aij ) non sia diagonale.


Passo 1. Sia f (e1 , e1 ) = a11 6= 0. Calcoliamo i seguenti coefficienti:
f (e1 , e2 ) f (e1 , e3 ) f (e1 , ei )
c2 = c3 = ..... ..... ci = .
f (e1 , e1 ) f (e1 , e1 ) f (e1 , e1 )
Determiniamo il seguente cambiamento di base

e01 = e1 , e02 = e2 − c2 e1 , e03 = e3 − c3 e1 .... ...e0n = en − cn e1 .

Diciamo C la matrice di cambiamento di base e determiniamo X 0 = CX, Y 0 = CY . A


questo punto sostituiamo X 0 , Y 0 nell’espressione della forma bilineare. La matrice associata
a f dopo aver effettuato tali sostituzioni, avrá la prima riga e la prima colonna tutte nulle,
eccetto eventualmente l’elemento a11 .
Passo 2. Per evitare di introdurre ulteriori simboli, indichiamo la base in cui ora ci troviamo
nuovamente {e1 , e2 , .., en } (ma sappiamo bene che non é quella di partenza).
Sia ora f (e2 , e2 ) = a22 6= 0. Calcoliamo i seguenti coefficienti:
f (e2 , e3 ) f (e2 , e4 ) f (e2 , ei )
c3 = c4 = ..... ..... ci = .
f (e2 , e2 ) f (e2 , e2 ) f (e2 , e2 )
Determiniamo il seguente cambiamento di base

e01 = e1 , e02 = e2 , e03 = e3 − c3 e2 .... ...e0n = en − cn e2 .

Diciamo ancora C la matrice di cambiamento di base e determiniamo X 0 = CX, Y 0 = CY . A


questo punto sostituiamo X 0 , Y 0 nell’espressione della forma bilineare. La matrice associata a
f dopo aver effettuato tali sostituzioni, avrá la seconda riga e la seconda colonna tutte nulle,
eccetto eventualmente l’elemento a22 .

Ripetiamo tale iter per ogni riga, ogni volta che f (ei , ei ) 6= 0. Alla fine otterremo la forma
diagonale della matrice e quindi della forma bilineare e di quella quadratica associate.

Passo intermedio. Se dovessimo avere, nel i-esimo passo, il valore f (ei , ei ) = 0, prima
di procedere come giá esposto, dovremo effettuare un cambiamento di base da {e1 , e2 , .., en } a
{e01 , e02 , .., e0n } che garantisca la condizione f (e0i , e0i ) 6= 0. Per farlo, sará sufficiente individuare il
primo indice di colonna j per il quale f (ei , ej ) 6= 0. Quindi si effettua il cambiamento di base
seguente:
e0i = ei + ej , e0k = ek per ogni altro indice k
che garantisce che la condizione sia soddisfatta. A questo punto si potrá riprendere come nei
passi 1 e 2.

La matrice di cambiamento di base finale (cioé quella che trasforma i vettori dalle compo-
nenti rispetto alla base di partenza alle componenti rispetto all’ultima base, in cui la matrice é
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 123

diagonale) é data dal prodotto di tutte le matrici utilizzate nei passaggi intermedi, moltiplicate
nell’ordine in cui esse vengono utilizzate.

Esempio 126 Sia f : lR3 −→ lR la forma quadratica definita da q(X) = x1 x2 + x1 x3 + x2 x3


cioé   
1 1
h i 0 2 2 x1
q(X) = x1 x2 x3  12 0 12   x2  .
  
1 1
2 2 0 x3

Passo 1.
f (e1 , e1 ) = 0 f (e1 , e2 ) 6= 0
e01 = e1 + e2 , e02 = e2 , e03 = e3
La matrice di cambiamento di base é
 
1 0 0
C1 =  1 1 0 
 
0 0 1

da cui
x01 = x1 , x02 = x1 + x2 , x03 = x3
e sostituendo la nuova espressione del vettore X otteniamo la forma quadratica espressa nella
nuova base
q(X) = x21 + x1 x2 + 2x1 x3 + x2 x3 =
  
1
h i 1 2 1 x1
1 1 
x1 x2 x3 0 2   x2  .
 
 2
1
1 2 0 x3
Passo 2.
f (e1 , e2 ) 1 f (e1 , e3 )
f (e1 , e1 ) 6= 0, c2 = = , c3 = =1
f (e1 , e1 ) 2 f (e1 , e1 )
1
e01 = e1 , e02 = e2 − e1 , e03 = e3 − e1
2
La matrice di cambiamento di base é
 
1 − 12 −1
C2 =  0 1 0 
 
0 0 1

da cui
1
x01 = x1 − x2 − x3 , x02 = x2 , x03 = x3
2
e sostituendo la nuova espressione del vettore X otteniamo la forma quadratica espressa nella
nuova base
1
q(X) = x21 − x22 − x23 =
4
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 124
  
h i 1 0 0 x1
x1 x2 x3  0 − 41 0   x2  .
  
0 0 −1 x3
La matrice finale del cambiamento di base é
 
1 − 12 −1
C = C1 · C2 =  1 12 −1 
 
0 0 1

ed infatti si ha che
       
1 1
1 10 0 2 2 1 − 12 −1 1 0 0
 1 1   1 1 1
 −2 0 · 2 0 · 1 −1  =  0 − 14 0 .
    
2 2 2
1 1
1 −1 1 2 2 0 0 0 1 0 0 −1

Esempio 127 Sia f : lR3 −→ lR la forma quadratica definita da q(X) = 5x21 + 3x22 + x1 x3 cioé
  
h i 5 0 21 x1
q(X) = x1 x2 x3  0 3 0   x2  .
  
1
2 0 0 x3

Passo 1.
f (e1 , e2 ) f (e1 , e3 ) 1
f (e1 , e1 ) 6= 0, c2 = = 0, c3 = =−
f (e1 , e1 ) f (e1 , e1 ) 10
1
e01 = e1 , e02 = e2 , e03 = e3 − e1
10
La matrice di cambiamento di base é
 
1
1 0 − 10
C= 0 1 0 
 
0 0 1

da cui
1
x3 , x02 = x2 , x03 = x3
x01 = x1 −
10
e sostituendo la nuova espressione del vettore X otteniamo la forma quadratica espressa nella
nuova base
1
q(X) = 5x21 + 3x22 − x23 =
20
  
h i 5 0 0 x1
x1 x2 x3  0 3 0   x2  .
  
1
0 0 − 20 x3
La matrice finale del cambiamento di base é data dalla sola C ed infatti si ha che
       
1 0 0 5 0 12 1
1 0 − 10 5 0 0
 0 1 0 · 0 3 0 · 0 1 0 = 0 3 0 .
       
1 1 1
− 10 0 1 2 0 0 0 0 1 0 0 − 20
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 125

Il metodo precedentemente esposto permette quindi di individuare una base B rispetto alla
quale la forma quadratica assume una forma

q(X) = a11 x21 + a22 x22 + ... + arr x2r

con aii ∈ lR, dove r é il rango della matrice associata alla forma quadratica q, detto anche rango
di q. Esso vale in qualsiasi caso, indipendentemente dal campo K sul quale V é spazio vettoriale,
quindi non necessariamente per K = lR.
Poiché noi ci occupiamo prevalentemente di spazi vettoriali reali, possiamo ottenere risultati
piú precisi:

Teorema 27 Sia V uno spazio vettoriale reale, dim(V ) = n ≥ 1, q : V → lR una forma


quadratica reale su V . Esistono una base B di V , un numero intero 0 ≤ p ≤ r, dove r é il rango
di q, tali che la matrice associata alla q rispetto alla base B sia
 
Ip 0 0
0 −I 0 (a)
 
 r−p 
0 0 0

dove Ip é il blocco costituito dalla matrice identica di ordine p, Ir−p é il blocco costituito dalla
matrice identica di ordine r − p e gli altri sono tutti blocchi nulli. In altre parole la forma
quadratica si presenta nella forma

q(X) = x21 + x22 + ... + x2p − x2p+1 − ... − x2r .

Si noti che in modo equivalente possiamo dire che ogni matrice simmetrica A ∈ Mn (lR) é
congruente ad una matrice diagonale della forma (a).

Esempio 128 La forma quadratica in lR3 , q(X) = x1 x2 + x1 x3 + x2 x3 ha una forma canonica


q(X) = x21 − 41 x22 − x23 , costruita rispetto alla base

1 1
B = {(1, 1, 0), (− , , 0), (−1, −1, 1)}.
2 2

Poniamo allora a1 = 1, a2 = − 14 , a3 = −1 e scegliamo

(1, 0, 0) (− 12 , 12 , 0) (−1, −1, 1)


e01 = √ , e02 = √ , e03 = √
a1 −a2 −a3

e01 = (1, 1, 0), e02 = (−1, 1, 0), e03 = (−1, −1, 1).
Esprimiamo la forma quadratica rispetto a tale base, con matrice di passaggio
 
1 −1 −1
C =  1 1 −1 
 
0 0 1
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 126

cioé con matrice associata A0 = C T · A · C,


     
1 1
1 1 0 0 2 2 1 −1 −1
0   1 1
A =  −1 1 0  ·  2 0  ·  1 1 −1  =
   
2
1 1
−1 −1 1 2 2 0 0 0 1
 
1 0 0
 0 −1 0  .
 
0 0 −1

Gli interi p e r − p sono detti rispettivamente indice di positivitá e indice di negativitá di q


e la coppia (p, r − p) é detta segnatura di q.
Una forma quadratica q : V → V , con dim(V ) = n, é detta definita positiva se q(X) > 0,
per ogni X ∈ V e la sua segnatura é (n, 0); é detta definita negativa se q(X) < 0, per ogni
X ∈ V , e la sua segnatura é (0, n); é detta semidefinita positiva se q(X) ≥ 0, per ogni X ∈ V , e
la sua segnatura é (r, 0) con r ≤ n; é detta semidefinita negativa se q(X) ≤ 0, per ogni X ∈ V ,
e la sua segnatura é (0, r) con r ≤ n. Nel caso la segnatura di q sia (p, r − p) con 0 < p < r ≤ n,
la forma quadratica é detta indefinita.

Siano f : lRn × lRn → lR una forma bilineare simmetrica e q : lRn → lR la forma quadratica
associata. La f é detta definita positiva, quando lo é q. Una forma bilineare definita positiva é
anche chiamata prodotto scalare. Per quanto detto in precedenza, per ogni forma quadratica q
definita positiva esiste una base B di lRn rispetto alla quale q sia esprimibile

q(X) = x21 + x22 + ..... + x2n

e quindi
f (X, Y ) = x1 y1 + x2 y2 + ... + xn yn
il quale é ben noto come prodotto scalare standard. Uno spazio vettoriale V in cui sia introdotto
un prodotto scalare é detto spazio vettoriale euclideo.

9.6 Esercizi svolti sulla diagonalizzazione.


Esercizio 96

Sia q : lR3 −→ lR la forma quadratica definita da q(X) = x21 − 2x1 x2 + x1 x3 cioé


  
h i 1 −1 21 x1
q(X) = x1 x2 x3  −1 0 0   x2  .
  
1
2 0 0 x3

Determinarne una forma diagonale.


CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 127

Svolg.
La matrice associata alla forma quadratica é
 
1 −1 − 12
A =  −1 0 0 
 
− 12 0 0

Poiché q(e1 ) 6= 0 allora possiamo effettuare il seguente cambiamento di base:


1
−1 1
e01 = e1 , e02 = e2 − e1 = e2 + e1 , e03 = e3 − 2
e1 = e3 − e1
1 1 2
la cui matrice associata é  
1 1 − 12
C1 =  0 1 0 
 
0 0 1
da cui
1
x1 = x01 + x02 − x03 , x2 = x02 , x3 = x03 .
2
L’espressione della forma quadratica nelle nuove coordinate é
1
q(x1 , x2 , x3 ) = x21 − x22 − x23 + x2 x3
4
con matrice associata  
1 0 0
0
A =  0 −1 21  .
 
0 12 − 14
Poiché q(e2 ) 6= 0 allora possiamo effettuare il seguente cambiamento di base:
1
e01 = e1 , e02 = e2 , e03 = e3 − 2
e2 = e3 + e2
−1
la cui matrice associata é  
1 0 0
C2 =  0 1 21 
 
0 0 1
da cui
1
x1 = x01 ,
x2 = x02 + x03 , x3 = x03 .
2
L’espressione della forma quadratica nelle nuove coordinate é

q(x1 , x2 , x3 ) = x21 − x22

con matrice associata  


1 0 0
A00 =  0 −1 0  .
 
0 0 0
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 128

La base ortogonale B rispetto a cui la forma quadratica si esprime in forma diagonale é data
dalle colonne della matrice C = C1 × C2 :
 
1 1 0
C =  0 1 12 
 
0 0 1

per cui B = {(1, 0, 0), (1, 1, 0), (0, 21 , 1)} e la matrice associata alla forma quadratica in tale base
é A00 =T CAC. t
u

Esercizio 97

Sia q : lR3 −→ lR la forma quadratica definita da q(X) = 2x21 − x1 x2 + 2x1 x3 cioé


  
h i 2 − 21 1 x1
 1
q(X) = x1 x2 x3  −2 0 0   x2  .
 
1 0 0 x3

Determinarne una forma diagonale.

Svolg.
La matrice associata alla forma quadratica é
 
2 − 21 1
A =  − 12 0 0 
 
1 0 0

Poiché q(e1 ) 6= 0 allora possiamo effettuare il seguente cambiamento di base:

− 12 1 1
e01 = e1 , e02 = e2 − e1 = e2 + e1 , e03 = e3 − e1
2 4 2
la cui matrice associata é  
1 14 − 12
C1 =  0 1 0 
 
0 0 1
da cui
1 1
x1 = x01 + x02 − x03 , x2 = x02 , x3 = x03 .
4 2
L’espressione della forma quadratica nelle nuove coordinate é
1 1 1
q(x1 , x2 , x3 ) = 2x21 − x22 − x23 + x2 x3
8 2 2
con matrice associata  
2 0 0
A0 =  0 − 18 1
.
 
4
0 14 − 12
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 129

Poiché q(e2 ) 6= 0 allora possiamo effettuare il seguente cambiamento di base:


1
e01 = e1 , e02 = e2 , e03 = e3 − 4
e2 = e3 + 2e2
− 18

la cui matrice associata é  


1 0 0
C2 =  0 1 2 
 
0 0 1
da cui
x1 = x01 , x2 = x02 + 2x03 , x3 = x03 .
L’espressione della forma quadratica nelle nuove coordinate é
1
q(x1 , x2 , x3 ) = 2x21 − x22
8
con matrice associata  
1 0 0
A00 =  0 − 18 0 .
 
0 0 0
La base ortogonale B rispetto a cui la forma quadratica si esprime in forma diagonale é data
dalle colonne della matrice C = C1 × C2 :
 
1 14 0
C= 0 1 2 
 
0 0 1

per cui B = {(1, 0, 0), ( 14 , 1, 0), (0, 2, 1)} e la matrice associata alla forma quadratica in tale base
é A00 =T CAC.
Per ottenere una forma diagonale in cui compaiano come coefficienti non nulli solamente +1
e −1 dobbiamo esprimere la forma quadratica rispetto ad una base ortonormale B 0 . Questa si
ottiene dalla base ortogonale B, dividendo il vettore che occupa la colonna i nella matrice C,
per la radice quadrata del valore assoluto dello scalare (se é non nullo) presente nella colonna i
della matrice A00 :

(1, 0, 0) ( 14 , 1, 0)
B0 = { √ , q , (0, 2, 1)} =
1 1
8
1 1 √
{( √ , 0, 0), ( √ , 2 2, 0), (0, 2, 1)}.
2 2
Quindi la matrice ortonormale di cambiamento di base
√1 √1
 
0
2 √2
C0 =  0 2 2 2 
 

0 0 1
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 130

ci permette di ottenere la forma diagonale


 
1 0 0
A000 =T C 0 AC 0 =  0 −1 0  .
 
0 0 0
t
u

Esercizio 98

Sia q : lR3 −→ lR la forma quadratica definita da q(X) = 2x1 x2 + 2x1 x3 − 2x23 cioé
  
h i 0 1 1 x1
q(X) = x1 x2 x3 1 0 0   x2  .
  

1 0 −2 x3

Determinarne una forma diagonale.

Svolg.
La matrice associata alla forma quadratica é
 
0 1 1
A= 1 0 0 
 
1 0 −2

Poiché q(e1 ) = 0 allora dobbiamo effettuare il seguente cambiamento di base:

e01 = e1 + e2 , e02 = e2 , e03 = e3

la cui matrice associata é  


1 0 0
C1 =  1 1 0 
 
0 0 1
da cui
x1 = x01 , x2 = x01 + x02 , x3 = x03 .
L’espressione della forma quadratica nelle nuove coordinate é

q(x1 , x2 , x3 ) = 2x21 + 2x1 x2 + 2 − x1 x3 − 2x23

con matrice associata  


2 1 1
0
A =  1 0 0 .
 
1 0 −2
Poiché q(e1 ) 6= 0 allora possiamo effettuare il seguente cambiamento di base:
1 1
e01 = e1 , e02 = e2 − e1 , e03 = e3 − e1
2 2
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 131

la cui matrice associata é  


1 − 21 − 12
C2 =  0 1 0 
 
0 0 1
da cui
1 1
x1 = x01 − x02 − x03 , x2 = x02 , x3 = x03 .
2 2
L’espressione della forma quadratica nelle nuove coordinate é
1 5
q(x1 , x2 , x3 ) = 2x21 − x22 − x23 − x2 x3
2 2
con matrice associata  
2 0 0
A00 =  0 − 21 − 12  .
 
0 − 12 −2 5

Poiché q(e2 ) 6= 0 allora possiamo effettuare il seguente cambiamento di base:

e01 = e1 , e02 = e2 , e03 = e3 − e2

la cui matrice associata é  


1 0 0
C3 =  0 1 −1 
 
0 0 1
da cui
x1 = x01 , x2 = x02 − x03 , x3 = x03 .
L’espressione della forma quadratica nelle nuove coordinate é
1
q(x1 , x2 , x3 ) = 2x21 − x22 − 2x23
2
con matrice associata  
2 0 0
000
A =  0 − 12 0 .
 
0 0 −2
La base ortogonale B rispetto a cui la forma quadratica si esprime in forma diagonale é data
dalle colonne della matrice C = C1 × C2 × C3 :
 
1 − 12 0
C =  1 12 −1 
 
0 0 1

per cui B = {(1, 1, 0), (− 12 , 12 , 0), (0, −1, 1)} e la matrice associata alla forma quadratica in tale
base é A000 =T CAC.
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 132

Per ottenere una forma diagonale in cui compaiano come coefficienti non nulli solamente +1
e −1 dobbiamo esprimere la forma quadratica rispetto ad una base ortonormale B 0 . Questa si
ottiene dalla base ortogonale B, dividendo il vettore che occupa la colonna i nella matrice C,
per la radice quadrata del valore assoluto dello scalare (se é non nullo) presente nella colonna i
della matrice A000 :

(1, 1, 0) (− 14 , 12 , 0) (0, −1, 1)


B0 = { √ , q , √ }=
2 1 2
2

1 1 1 1 1 1
{( √ , √ , 0), (− √ , √ , 0), (0, − √ , √ )}.
2 2 2 2 2 2
Quindi la matrice ortonormale di cambiamento di base
 
√1 − √12 0
2
C0 =  √1 √1 − √12 
 
 2 2 
0 0 √1
2

ci permette di ottenere la forma diagonale


 
1 0 0
Aiv =T C 0 AC 0 =  0 −1 0  .
 
0 0 −1

t
u

Esercizio 99

Sia q : lR3 −→ lR la forma quadratica definita da q(X) = x21 + 2x22 + 2x1 x3 + x23 cioé
  
h i 1 0 1 x1
q(X) = x1 x2 x3 0 2 0   x2  .
  

1 0 1 x3

Determinarne una forma diagonale.

Svolg.
La matrice associata alla forma quadratica é
 
1 0 1
A= 0 2 0 
 
1 0 1

Poiché q(e1 ) 6= 0 allora possiamo effettuare il seguente cambiamento di base:

e01 = e1 , e02 = e2 , e03 = e3 − e1


CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 133

la cui matrice associata é  


1 0 −1
C= 0 1 0 
 
0 0 1
da cui
x1 = x01 − x03 , x2 = x02 , x3 = x03 .
L’espressione della forma quadratica nelle nuove coordinate é

q(x1 , x2 , x3 ) = x21 + 2x22

con matrice associata  


1 0 0
0
A =  0 2 0 .
 
0 0 0
La base ortogonale B rispetto a cui la forma quadratica si esprime in forma diagonale é data
dalle colonne della matrice C, cioé:

B = {(1, 0, 0), (0, 1, 0), (−1, 0, 1)}

e la matrice associata alla forma quadratica in tale base é A0 =T CAC.


Per ottenere una forma diagonale in cui compaiano come coefficienti non nulli solamente +1
e −1 dobbiamo esprimere la forma quadratica rispetto ad una base ortonormale B 0 . Questa si
ottiene dalla base ortogonale B, dividendo il vettore che occupa la colonna i nela matrice C,
per la radice quadrata del valore assoluto dello scalare (se é non nullo) presente nella colonna i
della matrice A0 :
(0, 1, 0)
B 0 = {(1, 0, 0), √ , (−1, 0, 1)}.
2
Quindi la matrice ortonormale di cambiamento di base
 
1 0 −1
C0 =  0
 √1 0 
2 
0 0 1

ci permette di ottenere la forma diagonale


 
1 0 0
A00 =T C 0 AC 0 ==  0 1 0 
 
0 0 0

che individua una forma quadratica semidefinita positiva di segnatura (2, 0).

Risolviamo adesso lo stesso esercizio con un metodo alternativo, tramite l’utilizzo degli
autovalori della matrice A.
Dopo aver risolto l’equazione caratteristica associata alla matrice A, si ottengono come
autovalori λ1 = 0 con molteplicitá algebrica 1, λ2 = 2 con molteplicitá algebrica 2.
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 134

L’autospazio relativo a λ1 é generato dall’autovettore (1, 0, −1), il cui versore é ( √12 , 0, − √12 ).
L’autospazio relativo a λ2 é generato dagli autovettori (1, 0, 1), (0, 1, 0), i cui versori sono
rispettivamente ( √12 , 0, √12 ) e (0, 1, 0).
La base rispetto a cui la forma quadratica é diagonalizzabile, con gli autovalori sulla diagonale
principale della matrice ad essa associata, é formata proprio da tali autoversori:
1 1 1 1
B = {( √ , 0, − √ ), ( √ , 0, √ ), (0, 1, 0)}.
2 2 2 2
La matrice di cambiamento di base é allora
√1 √1
 
2 2
0
C= 0 0 1 
 
− √12 √1
2
0

tale che  
0 0 0
T
CAC =  0 2 0  .
 
0 0 2
Al solito, per ottenere una forma diagonale in cui compaiano come coefficienti non nulli
solamente +1 e −1 dobbiamo esprimere la forma quadratica rispetto ad una base ortonormale
B 0 che si ottiene dalla base B, dividendo ogni vettore per la radice quadrata del valore assoluto
dell’autovalore (se é non nullo) ad esso relativo:
1 1 1 1 1
B 0 = {( √ , 0, − √ ), ( , 0, ), (0, √ , 0)}.
2 2 2 2 2
La matrice di cambiamento di base é allora
 
√1 1
0
2 2
C0 =  √1
 
 0 0 2


− √12 1
2 0

tale che  
0 0 0
T 0
C AC 0 =  0 1 0  .
 
0 0 1
t
u

Esercizio 100

Sia q : lR2 −→ lR la forma quadratica definita da q(X) = 3x21 + 3x22 + 4x1 x2 cioé
" #" #
h i 3 2 x1
q(X) = x1 x2 .
2 3 x2
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 135

Determinarne una forma diagonale.

Svolg.
La matrice associata alla forma quadratica é
" #
3 2
A=
2 3

Poiché q(e1 ) 6= 0 allora possiamo effettuare il seguente cambiamento di base:


2
e01 = e1 , e02 = e2 − e1
3
la cui matrice associata é " #
1 − 23
C=
0 1
da cui
2
x1 = x01 − x02 , x2 = x02 .
3
L’espressione della forma quadratica nelle nuove coordinate é
5
q(x1 , x2 ) = 3x21 + x22
3
con matrice associata " #
3 0
A0 = .
0 53
La base ortogonale B rispetto a cui la forma quadratica si esprime in forma diagonale é data
dalle colonne della matrice C, cioé:
2
B = {(1, 0), (− , 1)}
3
e la matrice associata alla forma quadratica in tale base é A0 =T CAC.
Per ottenere una forma diagonale in cui compaiano come coefficienti non nulli solamente +1
e −1 dobbiamo esprimere la forma quadratica rispetto ad una base ortonormale B 0 . Questa si
ottiene dalla base ortogonale B, dividendo il vettore che occupa la colonna i nella matrice C,
per la radice quadrata del valore assoluto dello scalare (se é non nullo) presente nella colonna i
della matrice A0 :
(1, 0) (− 2 , 1)
B 0 = { √ , q3 }=
3 5
3

1 2 3
{( √ , 0), (− √ , √ )}.
3 15 5
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 136

Quindi la matrice ortonormale di cambiamento di base


 
√1 − √215
C0 =  3 √ 
0 √3
5

ci permette di ottenere la forma diagonale


" #
00 T 0 0 1 0
A = C AC ==
0 1

che individua una forma quadratica definita positiva.

Risolviamo adesso lo stesso esercizio tramite l’utilizzo degli autovalori della matrice A.
Dopo aver risolto l’equazione caratteristica associata alla matrice A, si ottengono come
autovalori λ1 = 5 e λ2 = 1, entrambi con molteplicitá algebrica 1.
L’autospazio relativo a λ1 é generato dall’autovettore (1, 1), il cui versore é ( √12 , √12 ).
L’autospazio relativo a λ2 é generato dall’autovettore (1, −1), il cui versore é ( √12 , − √12 ).
La base rispetto a cui la forma quadratica é diagonalizzabile, con gli autovalori sulla diagonale
principale della matrice ad essa associata, é formata proprio da tali autoversori:
1 1 1 1
B = {( √ , √ ), ( √ , − √ )}.
2 2 2 2
La matrice di cambiamento di base é allora
√1 √1
" #
C= 2 2
√1 − √12
2

tale che " #


T 5 0
CAC = .
0 1
Al solito, per ottenere una forma diagonale in cui compaiano come coefficienti non nulli
solamente +1 e −1 dobbiamo esprimere la forma quadratica rispetto ad una base ortonormale
B 0 che si ottiene dalla base B, dividendo ogni vettore per la radice quadrata del valore assoluto
dell’autovalore (se é non nullo) ad esso relativo:
1 1 1 1
B 0 = {( √ , √ ), ( √ , − √ )}.
10 10 2 2
La matrice di cambiamento di base é allora
√1 √1
" #
0 10 2
C = √1
10
− √12

tale che " #


T 0 0 1 0
C AC = .
0 1
t
u
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 137

Esercizio 101

Sia q : lR3 −→ lR la forma quadratica definita da q(X) = x21 + 6x22 + 4x1 x3 + x23 cioé
  
h i 1 2 0 x1
q(X) = x1 x2 x3 2 6 0   x2  .
  

0 0 1 x3

Determinarne una forma diagonale.

Svolg.
La matrice associata alla forma quadratica é
 
1 2 0
A= 2 6 0 
 
0 0 1

Poiché q(e1 ) 6= 0 allora possiamo effettuare il seguente cambiamento di base:

e01 = e1 , e02 = e2 − 2e1 , e03 = e3

la cui matrice associata é  


1 −2 0
C= 0 1 0 
 
0 0 1
da cui
x1 = x01 − 2x02 , x2 = x02 , x3 = x03 .
L’espressione della forma quadratica nelle nuove coordinate é

q(x1 , x2 , x3 ) = x21 + 2x22 + x23

con matrice associata  


1 0 0
0
A =  0 2 0 .
 
0 0 1
La base ortogonale B rispetto a cui la forma quadratica si esprime in forma diagonale é data
dalle colonne della matrice C, cioé:

B = {(1, 0, 0), (−2, 1, 0), (0, 0, 1)}

e la matrice associata alla forma quadratica in tale base é A0 =T CAC.


Per ottenere una forma diagonale in cui compaiano come coefficienti non nulli solamente +1
e −1 dobbiamo esprimere la forma quadratica rispetto ad una base ortonormale B 0 . Questa si
ottiene dalla base ortogonale B, dividendo il vettore che occupa la colonna i nella matrice C
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 138

per la radice quadrata del valore assoluto dello scalare (se é non nullo) presente nella colonna i
della matrice A0 :
(−2, 1, 0)
B 0 = {(1, 0, 0), √ , (0, 0, 1)}.
2
Quindi la matrice ortonormale di cambiamento di base

1 − √22
 
0
C 0 =  0 √12 0 
 

0 0 1

ci permette di ottenere la forma diagonale


 
1 0 0
A00 =T C 0 AC 0 ==  0 1 0 
 
0 0 1

che individua una forma quadratica definita positiva di segnatura (3, 0), che in base B 0 si presenta
in forma di prodotto scalare standard.
t
u

Esercizio 102

Sia q : lR3 −→ lR la forma quadratica definita da q(X) = 4x1 x2 − x21 − 5x22 − 4x23 cioé
  
h i −1 2 0 x1
q(X) = x1 x2 x3  2 −5 0   x2  .
  
0 0 −4 x3

Determinarne una forma diagonale.

Svolg.
La matrice associata alla forma quadratica é
 
−1 2 0
A =  2 −5 0 
 
0 0 −4

Poiché q(e1 ) 6= 0 allora possiamo effettuare il seguente cambiamento di base:

e01 = e1 , e02 = e2 + 2e1 , e03 = e3

la cui matrice associata é  


1 2 0
C= 0 1 0 
 
0 0 1
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 139

da cui
x1 = x01 + 2x02 , x2 = x02 , x3 = x03 .
L’espressione della forma quadratica nelle nuove coordinate é

q(x1 , x2 , x3 ) = −x21 − x22 − 4x23

con matrice associata  


−1 0 0
A0 =  0 −1 0  .
 
0 0 −4
La base ortogonale B rispetto a cui la forma quadratica si esprime in forma diagonale é data
dalle colonne della matrice C, cioé:

B = {(1, 0, 0), (2, 1, 0), (0, 0, 1)}

e la matrice associata alla forma quadratica in tale base é A0 =T CAC.


Per ottenere una forma diagonale in cui compaiano come coefficienti non nulli solamente +1
e −1 dobbiamo esprimere la forma quadratica rispetto ad una base ortonormale B 0 . Questa si
ottiene dalla base ortogonale B, dividendo il vettore che occupa la colonna i nella matrice C
per la radice quadrata del valore assoluto dello scalare (se é non nullo) presente nella colonna i
della matrice A0 :
(0, 0, 1)
B 0 = {(1, 0, 0), (2, 1, 0), √ }=
4
(0, 0, 1)
{(1, 0, 0), (2, 1, 0), }.
2
Quindi la matrice ortonormale di cambiamento di base
 
1 2 0
C0 =  0 1 0 
 
0 0 12

ci permette di ottenere la forma diagonale


 
−1 0 0
A00 =T C 0 AC 0 ==  0 −1 0 
 
0 0 −1

che individua una forma quadratica definita negativa di segnatura (0, 3).
t
u
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 140

9.7 Criteri di positivitá.


Ci occupiamo infine di come stabilire se una forma quadratica (o bilineare simmetrica) reale sia
definita positiva, cioé quando essa é un prodotto scalare.
Ricordiamo (ne faremo un continuo utilizzo) che, poiché le matrici associate alle forme
quadrate sono simmetriche, le basi rispetto a cui esse sono esprimibili in forma diagonale, sono
composte da vettori ortonormali.

Teorema 28 Sia f : lRn × lRn → lR una forma bilineare simmetrica e sia A la matrice che
la rappresenta rispetto ad una base B = {e1 , .., en } di lRn . Allora f é definita positiva (é un
prodotto scalare) se e solo se tutti gli autovalori di A sono positivi.

Svolg. Supponiamo che f sia un prodotto scalare, quindi per ogni 0 6= X ∈ lRn si ha X t AX > 0.
In particolare sia X0 = (a1 , .., an ) ∈ lRn − {0} un autovettore. Ne segue che, per ogni autovalore
λ relativo a x0 ,

λ(a21 + a22 + .... + a2n ) = λX0t X0 = X0t λX0 = X0t AX0 = f (X0 , X0 ) > 0

per cui λ > 0.


Viceversa supponiamo che ogni autovalore λi sia positivo. Essendo A simmetrica, esiste una
base di autovettori ortonormali C = {c1 , ..., cn } di lRn . Sia X ∈ lR−{0}, con X = a1 c1 +...+an cn ,
cioé siano (a1 , .., an ) le componenti di X rispetto a C. Segue che

f (X, X) = (a1 c1 + .... + an cn )t A(a1 c1 + ... + an cn ) =


XX XX
ai aj (cti Acj ) = ai aj cti λj cj =
i j i j
XX X
λj ai aj (cti cj ) = λi a2i > 0.
i j i

t
u

Teorema 29 Sia p(x) = an xn + an−1 xn−1 + .... + ar xr un polinomio di grado n a coefficienti


ai reali, con 0 ≤ r ≤ n e ar 6= 0. Supponiamo che p(x) abbia tutte le radici reali. Allora

1. 0 é radice di p(x) se e solo se r ≥ 1 (in tale caso la molteplicitá dello 0 come radice del
polinomio é esattamente r);

2. p(x) ha tante radici positive quante sono le variazioni di segno nella successione dei suoi
coefficienti non nulli.

Il precedente teorema é noto come criterio di Cartesio. Nel caso degli autovalori, esso é utile per
determinarne il segno, come radici del polinomio caratteristico.
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 141

Definizione 24 Sia A = Mn (K) una matrice quadrata di ordine n a coefficienti in un campo


K, indichiamo
A = (aij )i=1,..,n j=1,..,n .
Indichiamo con Ak la sottomatrice ottenuta da A prendendo ordinatamente la prime k righe e
k colonne. Ogni Ak é detta minore principale di ordine k. Chiaramente A1 = (a11 ) e An = A.

Teorema 30 Se A ∈ Mn (lR) allora tutti i suoi autovalori sono positivi se e solo se ogni
sottomatrice Ak ha determinante positivo.

9.8 Esercizi.
Esercizio 103 Sia f : lR2 × lR2 −→ lR la forma bilineare definita da

f ((x1 , x2 ), (y1 , y2 )) = x1 (y1 + y2 ) + x2 (y1 − y2 ).

Determinare la matrice associata rispetto alle basi canoniche.


" #
1 3
Esercizio 104 Sia data la matrice . Determinare la forma bilineare f : lR2 ×lR2 −→ lR
5 2
associata a tale matrice rispetto alle basi canoniche di lR2 .

Esercizio 105 Sia f : lR3 × lR3 −→ lR la forma bilineare definita da

f ((x1 , x2 , x3 ), (y1 , y2 , y3 )) = x1 y1 − x3 y1 + 2x1 y2 + 2x2 y2 + x1 y3 .

Determinare la matrice associata rispetto alle basi canoniche.

Esercizio 106 Sia f : lR2 × lR3 −→ lR la forma bilineare definita da

f ((x1 , x2 ), (y1 , y2 , y3 )) = x1 (y1 + y2 ) + x2 (y2 + y3 )

rispetto alle basi canoniche. Determinare la matrice associata rispetto alle basi B2 = {(1, 1), (2, 1)}
di lR2 e B3 = {(1, 1, 0), (1, 3, 1), (0, 0, 1)} di lR3 .
" #
1 0 1
Esercizio 107 Sia la matrice associata alla forma bilineare f : lR2 × lR3 −→ lR
1 1 0
rispetto alle basi B2 = {(1, 1), (1, 0)} di lR2 e B3 = {(1, 1, 1), (2, 1, 0), (0, 0, 1)} di lR3 . Deter-
minare la matrice associata rispetto alle basi canoniche di lR2 e lR3 .
" #
1 2
Esercizio 108 Sia la matrice associata alla forma bilineare f : lR2 ×lR2 −→ lR rispetto
2 2
alle basi canoniche di lR2 . Determinare la matrice associata a f rispetto alla base {(1, 3), (1, 5)}
sia nel primo che nel secondo fattore lR2 del prodotto cartesiano.
CAPITOLO 9. LE FORME BILINEARI E LE FORME QUADRATICHE REALI. 142

Esercizio 109 Sia f : lR3 × lR3 −→ lR la forma bilineare definita da

f ((x1 , x2 , x3 ), (y1 , y2 , y3 )) = x1 y1 − x1 y2 + x1 y3 − x2 y1 + x3 y1 .

Determinare la forma quadratica associata alla f e determinarne una forma diagonale.

Esercizio 110 Sia f : lR3 × lR3 −→ lR la forma bilineare definita da

f ((x1 , x2 , x3 ), (y1 , y2 , y3 )) = x1 y1 + x1 y2 + 2x1 y3 + x2 y1 + x2 y3 + 2x3 y1 + x3 y2 .

Determinare la forma quadratica associata alla f e determinarne una forma diagonale.

Esercizio 111 Sia q : lR3 −→ lR la forma quadratica definita da

f ((x1 , x2 , x3 )) = 3x21 + 2x1 x2 − 4x2 x3 + 7x22 − x23 .

Determinare la forma bilineare associata alla q e determinarne una forma diagonale.

Esercizio 112 Sia q : lR3 −→ lR la forma quadratica definita da

f ((x1 , x2 , x3 )) = 2x21 − 2x1 x2 + x22 + 3x2 x3 + 4x23 .

Determinare la forma bilineare associata alla q e determinarne una forma diagonale.

Esercizio 113 Sia q : lR3 −→ lR la forma quadratica definita da

f ((x1 , x2 , x3 )) = x1 x2 + x1 x3 + x2 x3 .

Determinare la forma bilineare associata alla q e determinarne una forma diagonale.

Esercizio 114 Sia q : lR3 −→ lR la forma quadratica definita da

f ((x1 , x2 , x3 )) = 5x21 + 3x22 + x1 x3 .

Determinare la forma bilineare associata alla q e determinarne una forma diagonale.


Capitolo 10

Spazio affine ed euclideo.

10.1 Spazio affine.


Siano V uno spazio vettoriale di dimensione n sul campo K, A un insieme non vuoto e f :
A × A → V una applicazione che gode delle seguenti proprietá:
i) per ogni P ∈ A e v ∈ V esiste Q ∈ A tale che f (P, Q) = v;
ii) per ogni P1 , P2 , P3 ∈ A vale la seguente uguaglianza f (P1 , P3 ) = f (P1 , P2 ) + f (P2 , P3 ).
La struttura (A, f ) prende il nome di spazio affine associato allo spazio vettoriale V .
In uno spazio affine valgono le seguenti proprietá:
1) f (A, A) = 0;
2) f (A, B) = 0 se e solo se A = B;
3) f (A, B) = −f (B, A).
Si definisce dimensione di uno spazio affine A il numero intero n che indica la dimensione
dello spazio vettoriale V a cui A é associato.
Sia B = {e1 , e2 , .., en } una base di V e fissiamo un punto O ∈ A. Diciamo sistema di
riferimento di A, il sistema (O, e1 , .., en ) in modo tale che le coordinate di un qualsiasi punto
P ∈ A siano le componenti rispetto alla base B del vettore f (O, P ) cioé se OP = x1 e1 +...+xn en
allora le coordinate di P sono (x1 , .., xn ).
In particolare se P = (x1 , .., xn ) e Q = (y1 , .., yn ) sono punti di A, allora vale la seguente:
P Q = P O + OQ = (y1 − x1 , ..., yn − xn ).

Scegliamo V = <2 , allora ogni vettore di V é individuato da una coppia di componenti


rispetto alla base B = {e1 , e2 }. Lo spazio affine associato a V = <2 , in cui ogni punto é
individuato da una coppia di coordinate, P = (x1 , x2 ) tali che OP = x1 e1 + x2 e2 , é detto piano
affine.
Sia ora V = <3 , allora ogni vettore di V é individuato da una terna di componenti rispetto
alla base B = {e1 , e2 , e3 }. Nello spazio affine associato a V = <3 ogni punto é individuato da
una terna di coordinate, P = (x1 , x2 , x3 ) tali che OP = x1 e1 + x2 e2 + x3 e3 .

143
CAPITOLO 10. SPAZIO AFFINE ED EUCLIDEO. 144

10.2 Spazio euclideo.


Sia V uno spazio vettoriale di dimensione n sul campo K e sia E uno spazio affine associato
a V . Nel caso V sia uno spazio vettoriale euclideo, cioé dotato di un prodotto interno, allora
E prende il nome di spazio euclideo associato a V . La struttura di E é identica a quella dello
spazio affine A, eccetto che per la presenza del prodotto interno in V , la quale permette di
introdurre i concetti di angolo, distanze ed ortogonalitá. Da ció deriva la possibilitá di scegliere
in E un riferimento (O, e1 , .., en ) che sia formato da vettori ortonormali, cioé {e1 , .., en } é una
base ortonormale di V . Tale base é quella rispetto alla quale il prodotto interno in V puó essere
espresso come prodotto scalare standard. In altre parole, se v = (x1 , .., xn ) e w = (y1 , ., yn ) sono
vettori in V :
< v, w >= x1 y1 + x2 y2 + ... + xn yn .

Siano ora P, Q ∈ E tali che

OP = x1 e1 + .. + xn en OQ = y1 e1 + ... + yn en .

La distanza tra i punti P e Q é pari al modulo del vettore P Q, quindi


q
δ(P, Q) = (y1 − x1 )2 + .... + (yn − xn )2 .

Consideriamo infine due vettori v, w ∈ V di componenti

v = (x1 , ..., xn ) w = (y1 , ..., yn ).

Dalla definizione di prodotto scalare si ha che

< v, w >= |v| · |w| · cos(ϕ) = x1 y1 + ... + xn yn

dove ϕ é l’angolo compreso tra i due vettori. Quindi ne deriva che


x1 y1 + ..... + xn yn
cos(ϕ) = q q .
x1 + ... + x2n · y12 + ... + yn2
2

Scegliamo V = <2 , allora ogni vettore di V é individuato da una coppia di componenti


rispetto alla base ortonormale B = {e1 , e2 }. Lo spazio euclideo associato a V = <2 , in cui ogni
punto é individuato da una coppia di coordinate, P = (x1 , x2 ) tali che OP = x1 e1 + x2 e2 , é
detto piano euclideo.
Capitolo 11

Geometria nel piano affine ed


euclideo

Siano V = lR2 e A lo spazio affine associato a V . Indichiamo con {i, j} una base di V e con
(O, i, j) un riferimento in A. Ogni punto P ∈ A é individuato dalle coordinate (x, y) rispetto
al riferimento dato, tali che OP = xi + yj. Diremo assi coordinati quelle rette passanti per O,
concordi e parallele ai vettori i, j.

11.1 Equazioni di una retta.


Ogni retta del piano puó essere individuata da un suo punto P0 = (x0 , y0 ) e da un vettore
v = (l, m) ad essa parallelo. Quindi ogni punto P = (x, y) della retta é tale che il vettore OP
dipenda da OP0 e v cioé OP = OP0 + tv. Al variare del parametro t si ottengono tutti i punti
della retta: (
x = x0 + tl
y = y0 + tm
che sono dette equazioni parametriche della retta. Gli elementi della coppia (l, m) sono detti
parametri direttori della retta. In particolare se si conoscono due punti della retta P1 = (x1 , y1 )
e P2 = (x2 , y2 ), il vettore P1 P2 é parallelo alla retta e quindi (l, m) = (x2 − x1 , y2 − y1 ) e
l’equazione si puó ottenere nel modo seguente:
(
x = x1 + t(x2 − x1 )
y = y1 + t(y2 − y1 )

da cui
x − x1 y − y1
t= =
x2 − x1 y2 − y1
x − x1 y − y1
t= =
l m
che é detta equazione a catena di una retta.

145
CAPITOLO 11. GEOMETRIA NEL PIANO AFFINE ED EUCLIDEO 146

Da tali espressioni, eliminando il parametro t, otteniamo

mx − mx0 − ly + ly0 = 0

che possiamo riscrivere


ax + by + c = 0
che é l’equazione lineare (implicita) che rappresenta la retta in coordinate affini. Diremo che due
rette sono parallele se esse hanno i parametri direttori proporzionali (in particolare identici). Si
noti che quando la retta é espressa in forma implicita, i suoi parametri direttori sono dati dalla
coppia (l, m) = (b, −a).
Dalla forma implicita ax + by + c = 0 di una retta, ricaviamo la forma detta esplicita:
y = mx + q, per m = − ab e q = − cb .

Abbiamo visto come l’equazione della retta passante per i due punti P1 = (x1 , y1 ) e P2 =
(x2 , y2 ) si scriva
x − x1 y − y1
=
x2 − x1 y2 − y1
che equivale alla
(x − x1 )(y2 − y1 ) − (y − y1 )(x2 − x1 ) = 0
cioé
x−x y − y1
1
= 0.

x2 − x1 y2 − y1

Quest’ultima si puó riscrivere anche nel modo seguente:



x y 1

x1 y1 1 = 0.


x2 y2 1

Diremo allora che il punto P3 = (x3 , y3 ) é allineato con i punti P1 e P2 se



x y3 1
3
x1 y1 1 = 0.


x2 y2 1

11.2 Reciproca posizione di due rette.


Siano r : ax + by + c = 0 e r0 : a0 x + b0 y + c0 = 0 due rette. I punti in comune alle due rette sono
le soluzioni del sistema lineare (
ax + by + c = 0
a0 x + b0 y + c0 = 0
nelle incognite x, y. Le matrici associate al sistema sono
CAPITOLO 11. GEOMETRIA NEL PIANO AFFINE ED EUCLIDEO 147

" # " #
a b a b −c
A= , C= .
a0 b0 a0 b0 −c0
Se rango(A) = rango(C) = 1, allora le due rette sono coincidenti poiché ax + by + c = α(a0 x +
b0 y + c0 ), per un opportuno α ∈ lR.
Se rango(A) = rango(C) = 2, allora il sistema ammette una sola soluzione cioé le due rette
sono incidenti.
Se rango(A) = 1 e rango(C) = 2, allora il sistema é incompatibile e le due rette non hanno
punti in comune, cioé sono parallele. Ció si verifica quando
a b c
0
= 0 6= 0 .
a b c
0
Allora possiamo dire che le due rette sono parallele quando ab = ab0 . Il rapporto − ab é detto
coefficiente direttore (o angolare) della retta, quindi due rette sono parallele se hanno lo stesso
coefficiente direttore.

11.3 Fascio di rette.


Siano r : ax + by + c = 0 e r0 : a0 x + b0 y + c0 = 0 due rette distinte. La totalitá delle rette di
equazione
λ(ax + by + c) + %(a0 x + b0 y + c0 ) = 0
al variare dei parametri reali λ e %, é detta fascio di rette. Si possono verificare due casi: r e
r0 sono incidenti in un punto, ed allora tutte le rette del fascio hanno in comune quel punto, si
parla di fascio proprio. Oppure r e r0 sono tra loro parallele, ed allora tutte le rette del fascio
sono tra loro parallele, si parla di fascio improprio.
Supponiamo allora di avere una terza retta r00 : a00 x + b00 y + c00 = 0 ed analizziamo in quale
casi essa appartiene al fascio individuato da r e r0 . In pratica si deve studiare il sistema


 ax + by + c = 0
a0 x + b0 y + c0 = 0
 a00 x + b00 y + c00 = 0

nelle incognite x, y. Le matrici associate al sistema sono


   
a b a b c
A =  a0 b0  , C =  a0 b0 c0  .
   
00
a b 00 00 00
a b c 00

Se rango(A) = rango(C) = 2, allora il sistema ammette una sola soluzione, cioé le tre rette
hanno un punto in comune: esse appartengono ad un fascio proprio.
Se rango(A) = 1 e rango(C) = 2, allora il sistema é incompatibile ed le tre rette sono
parallele: esse appartengono ad un fascio improprio.
CAPITOLO 11. GEOMETRIA NEL PIANO AFFINE ED EUCLIDEO 148

Possiamo concludere allora che la condizione necessaria e sufficiente affinché le tre rette
appartengano allo stesso fascio (proprio o improprio che sia) é che la matrice
 
a b c
 0
 a b0 c0 

a00 b00 c00

abbia rango ≤ 2.

11.4 Angoli e distanze nel piano euclideo.


Fissiamo nello spazio euclideo un riferimento cartesiano ortogonale OXY di centro O e versori
i, j, rispettivamente per gli assi X, Y .
Chiameremo coseni direttori di una retta r, i coseni degli angoli che la retta forma con gli
assi coordinati. Se la retta é individuata dai parametri direttori (l, m), i suoi coseni direttori
saranno:
l l
α = cos(r, X) ∈ {+ √ , −√ }
2
l +m 2 l + m2
2
m m
β = cos(r, Y ) ∈ {+ √ , −√ }
l2 + m2 l2 + m2

Consideriamo ora due rette ed individuiamole tramite i rispettivi parametri direttori: r =


(l, m) e r0 = (l0 , m0 ). Indichiamo con v e v 0 due vettori paralleli rispettivamente a r e r0 , uno di
componenti (l, m) e l’altro (l0 , m0 ). L’angolo tra le due rette é lo stesso formato dai due vettori:
ll0 + mm0 ll0 + mm0
cos(r, r0 ) = cos(v, v 0 ) ∈ {+ √ √ , −√ √ }.
l2 + m2 · l02 + m02 l2 + m2 · l02 + m02
Quindi le due rette sono ortogonali se ll0 + mm0 = 0.

Siano P1 = (x1 , y1 ) e P2 = (x2 , y2 ) due punti del piano. La distanza tra i punti P1 e P2 é il
modulo del vettore P1 P2 :
q
δ(P1 , P2 ) = (x2 − x1 )2 + (y2 − y1 )2 .

Consideriamo ora il punto P0 = (x0 , y0 ) e la retta r : ax + by + c = 0. Ci proponiamo


di calcolare la distanza del punto dalla retta. Se P0 ∈ r chiaramente diremo che essa é nulla.
poniamoci allora nel caso in cui P0 ∈ / r. La distanza di P1 da r é pari alla lunghezza δ(P0 H)
del segmento P0 H, dove H é la proiezione ortogonale di P0 su r. Scegliamo un qualsiasi punto
Q1 = (x1 , y1 ) ∈ r. Allora δ(P0 H) é la proiezione ortogonale del vettore P0 Q1 lungo la direzione
del vettore P0 H. Per determinare tale proiezione abbiamo bisogno del versore u di P0 H, che é
il versore normale alla retta r:
a b
u = (√ ,√ ).
a2+b 2 a + b2
2
CAPITOLO 11. GEOMETRIA NEL PIANO AFFINE ED EUCLIDEO 149

Quindi:
a b
δ(P0 H) = |(P0 Q1 ) × ( √ i+ √ j)| =
a2+b 2 a + b2
2

a b
|((x1 − x0 )i + (y1 − y0 )j) × ( √ i+ √ j)| =
2
a +b 2 a + b2
2

|ax1 − ax0 + by1 − by0 |


√ .
a2 + b2
Dal fatto che Q1 ∈ r segue che ax1 + by1 = −c, per cui
|ax0 + by0 + c|
δ(P0 H) = √ .
a2 + b2

11.5 Simmetrie.
Due punti P1 = (x1 , y1 ) e P2 = (x2 , y2 ) sono simmetrici rispetto al punto Q = (a, b), se Q é il
punto medio del segmento P1 P2 , cioé se
x1 + x2 y1 + y2
a= , b= .
2 2
Quindi, dato un punto P1 = (x1 , x2 ), per determinare le coordinate (x2 , y2 ) del suo simmetrico
P2 rispetto al punto Q = (a, b), é sufficiente calcolare

x2 = 2a − x1 , y2 = 2b − y1 .

Consideriamo ora il punto P1 = (x1 , y1 ) e la retta r : y = mx+q. Consideriamo una qualsiasi


retta del fascio di centro P1 :
y − y1 = k(x − x1 )
al variare del parametro reale k otteniamo tutte le rette passanti per P1 . Fissiamo una retta r0
di tale fascio e sia Q = r ∩ r0 . Il punto P2 , simmetrico di P1 rispetto a Q, é detto il simmetrico
di P1 rispetto alla retta r, lungo la direzione individuata dalla retta r0 . Quindi uno stesso punto
puó avere infiniti simmetrici rispetto ed una retta che non lo contenga.

Esempio 129 Siano P = (1, 1) e r : x − y = 4. Determiniamo il simmetrico di P rispetto a r


lungo la direzione di coefficiente k = 3.

Svolg. La retta r0 del fascio di centro P e coefficiente angolare 3 é

r0 : y − 1 = 3(x − 1) → y − 3x + 2 = 0.

Il punto Q = r ∩ r0 é dato dalle soluzioni del sistema


(
y − 3x + 2 = 0
x−y−4=0
CAPITOLO 11. GEOMETRIA NEL PIANO AFFINE ED EUCLIDEO 150

dal quale otteniamo Q = (−1, −5). Il simmetrico di P rispetto a Q é


(
0 x = −2 − 1 = −3
P = (x, y) → → P 0 = (−3, −11).
y = −10 − 1 = −11

t
u

Concludiamo con la definizione di asse di un segmento AB: esso é la retta perpendicolare


ad AB e passante per il suo punto medio:

Esempio 130 Siano A = (1, −1) e B = (2, 3). Calcoliamo l’asse del segmento AB.

Svolg. Il vettore AB ha componenti (−1, −4), quindi una retta ad esso ortogonale ha come
parametri direttori, la coppia (b, −a) = (−4, 1).
Il punto medio di AB é Q = ( 23 , 1). Quindi l’asse del segmento AB ha equazione:

1 3
y − 1 = − (x − )
4 2
cioé
2x + 8y + 11 = 0.
t
u

11.6 Coordinate omogenee nel piano.


Sia P = (x, y) un punto del piano. Diremo che (x1 , x2 , x3 ) sono le coordinate omogenee di P se
x1 x2
x3 = x e x3 = y.
Nel caso x3 6= 0 le precedenti scritture hanno evidentemente un senso, e diremo che il putno é
proprio. Ogni punto proprio (x, y) puó banalmente essere individuato da una terna di coordinate
omogenee (x, y, 1). Inoltre due terne tra loro proporzionali individuano lo stesso punto nel piano.
Nel caso il punto P sia individuato dalla terna (x, y, 0) esso verrá detto improprio. L’insieme
dei punti impropri del piano forma una retta detta retta impropria, la cui equazione é x3 = 0.

Consideriamo ora la retta r : ax + by + c = 0, nel passaggio alle coordinate omogenee, la


sua equazione diventa
x1 x2
a +b +c=0
x3 x3
cioé
ax1 + bx2 + cx3 = 0.
Tale retta avrá uno ed un solo punto di intersezione con la retta impropria, e sará detto il punto
improprio di r.
É noto che tutti e soli i punti di r sono quelli le cui coordinate soddisfino l’equazione ax1 +
bx2 + cx3 = 0. Tra questi punti c’é anche il punto improprio di coordinate omogenee (b, −a, 0).
Ma similmente ogni punto improprio del tipo (αb, −αa, 0) soddisfa la precedente equazione,
CAPITOLO 11. GEOMETRIA NEL PIANO AFFINE ED EUCLIDEO 151

quindi un punto improprio é unico a meno di un fattore di proporzionalitá. In altre parole, due
qualsiasi terne (x, y, 0) e (z, t, 0) tra loro proporzionali, individuano il medesimo punto improprio.
In particolare il punto improprio (b, −a, 0) della retta r si puó riscrivere come (1, − ab , 0)
(dividendo la terna per b). La seconda coordinata non é altro che il coefficiente angolare delle
retta. Concludiamo allora che rette parallele hanno lo stesso punto improprio (poiché hanno lo
stesso coefficiente angolare).

11.7 La circonferenza.
Sia C = (α, β) un punto del piano e sia r un numero reale positivo. Diciamo circonferenza di
centro C e raggio r, il luogo dei punti del piano la cui distanza da C é pari a r. Sia P = (x, y)
un punto qualsiasi della circonferenza:
q
δ(P, C) = (x − α)2 + (y − β)2 = r

da cui otteniamo (quadrando e riordinando):

(x − α)2 + (y − β)2 = r2

x2 + y 2 + ax + by + c = 0.
In questúltima equazione compaiono i coefficienti legati alle coordinate del centro e alla lunghezza
del raggio r:
a b 1p 2
α=− , β=− , r= a + b2 − 4c
2 2 2

Esempio 131 Determinare la circonferenza di centro C = (1, 1) e raggio r = 3.

Svolg. Applicando la definizione, l’equazione é

(x − 1)2 + (y − 1)2 = 9

x2 + y 2 − 2x − 2y − 7 = 0
t
u

Esempio 132 Determinare centro e raggio della circonferenza x2 + y 2 − 4x − 2y + 2 = 0.

Svolg. Il centro C ha coordinate α = − −4


2 , β = − −3
2 , da cui C = (2, 1). Il raggio é r =
1
√ 1
√ √
2 16 + 4 − 8 = 2 12 = 3. t
u

Osservazione 17 La circonferenza é l’unica curva di secondo grado nel piano che contenga i
due seguenti punti impropri: (1, i, 0) e (1, −i, 0) detti punti ciclici.
CAPITOLO 11. GEOMETRIA NEL PIANO AFFINE ED EUCLIDEO 152

Circonferenza per tre punti. Consideriamo tre punti P1 = (x1 , y1 ), P2 = (x2 , y2 ) e


P3 = (x3 , y3 ) non allineati cioé
x y 1
1 1
x2 y2 1 6= 0.


x3 y3 1

Per ottenere la circonferenza passante per i tre punti dobbiamo sostituire le coordinate dei punti
alla generica equazione di una circonferenza. In tale caso la circonferenza contenente i tre punti
é unica. Infatti il sistema lineare che dobbiamo risolvere

2 2
 x1 + y1 + ax1 + by1 + c = 0

2 x2 + y 2 + ax + by + c = 0
2 2 2
 x2 + y 2 + ax + by + c = 0

3 3 3 3

nelle incognite (a, b, c) ha rango 3.


Esempio 133 Determinare la circonferenza contenente i punti (1, 2), (1, 8), (5, 0).

Svolg. Il sistema lineare da risolvere é



 1 + 4 + a + 2b + c = 0

1 + 64 + a + 8b + c = 0

 25 + 5a + c = 0

 a + 2b + c = −5

a + 8b + c = −65
5a + c = −25

le cui soluzioni sono a = −10, b = −10, c = 25 e l’equazione della circonferenza é

x2 + y 2 − 10x − 10y + 25 = 0.

t
u

Esiste un altro metodo per determinare l’unica circonferenza passante per i tre punti e si basa
sul fatto che l’asse di un segmento che ha per estremi due punti di un circonferenza, certamente
contiene il centro della circonferenza. Lo esponiamo riproponendo l’esempio precedente:
Esempio 134 Determinare la circonferenza contenente i punti A = (1, 2), B = (1, 8), C =
(5, 0).

Svolg. Consideriamo l’asse del segmento AB, che ha equazione y − 5 = 0 e passa per il centro
della circonferenza.
Calcoliamo ora l’asse del segmento AC, esso é y − 2x + 5 = 0. Quindi il centro della
circonferenza é il punto comune a tali due rette:
(
y−5=0
y − 2x + 5 = 0
CAPITOLO 11. GEOMETRIA NEL PIANO AFFINE ED EUCLIDEO 153

la cui soluzione é O = (5, 5).


Il raggio della circonferenza é pari alla distanza del centro da uno qualsiasi dei tre punti noti,
per esempio: √
r = δ(OC) = 25 = 5
per cui l’equazione della circonferenza é

(x − 5)2 + (y − 5)2 = 25

x2 + y 2 − 10x − 10y + 25 = 0.
t
u

11.8 Esercizi.
Esercizio 115 Nel piano euclideo determinare il punto simmetrico di P (4, −3) rispetto al punto
Q(1, −1).

Esercizio 116 Nel piano euclideo determinare il punto simmetrico di P (1, 1) rispetto alla retta
r : x − 2y + 4 = 0 lungo la direzione ortogonale a r.

Esercizio 117 Nel piano euclideo determinare il punto simmetrico di P (1, 3) rispetto alla retta
r : x − y + 1 = 0 lungo la direzione (2, 1, 0) (cioé lungo la retta di parametri direttori (2, 1) e
passante per P ).

Esercizio 118 Siano A(2, −1) e B(3, 2) punti del piano euclideo. Determinare l’asse del seg-
mento AB.

Esercizio 119 Determinare la circonferenza passante per i punti (0, 2), (1, 1), (2, −1).

Esercizio 120 Determinare il centro ed il raggio della circonferenza x2 + y 2 − 3x + 2y − 1 = 0.

Esercizio 121 Siano r : 2x − y + 3 = 0 e s : x = 2t, y = t + 2 due rette nel piano.


Determinare i coseni direttori di entrambe le rette ed inoltre il coseno dell’angolo tra di esse
compreso.

Esercizio 122 Siano r : x = 3t − 1, y = 2t + 5 l’equazione in forma parametrica di una


retta nel piano e P (1, 1) un punto esterno ad essa. Determinare:
a) L’equazione in forma implicita (equazione affine) della retta.
b) La distanza tra il punto P e la retta r.
c) La retta passante per P ed ortogonale a r.
d) La retta passante per P e parallela a r.
Capitolo 12

Trasformazioni nel piano euclideo.

12.1 Traslazioni.
In un riferimento cartesiano OXY del piano euclideo, siano (x, y) le coordinate del punto P .
Supponiamo di considerare un secondo riferimento O0 X 0 Y 0 in cui gli assi X 0 , Y 0 siano paralleli
rispettivamente a X e Y ed il punto O0 abbia coordinate (a, b) rispetto a OXY .
Denotiamo (x0 , y 0 ) le coordinate di P rispetto al riferimento O0 X 0 Y 0 . La relazione che
intercorre tra le due coppie di coordinate di P é la seguente:
(
x0 = x − a
y0 = y − b

e le formule inverse sono (


x = x0 + a
.
y = y0 + b

Esercizio 123 Sia P (−1, 3) nel sistema di riferimento cartesiano OXY , O0 (1, 2) e X 0 , Y 0 assi
paralleli rispettivamente a X e Y e passanti per O0 . Sia inoltre r : 3x + y − 1 = 0 rispetto a
OXY . Determiniamo le coordinate di P e l’equazione di r rispetto al riferimento O0 X 0 Y 0 .

Svolg. Le equazioni di traslazione sono


(
x0 = x − a
y0 = y − b

dove (a, b) sono le coordinate del nuovo centro del riferimento, ed applicandole nel nostro caso
otteniamo le coordinate di P 0 (
x0 = −1 − 1 = −2
.
y0 = 3 − 2 = 1
Le formule inverse sono (
x = x0 + a
y = y0 + b

154
CAPITOLO 12. TRASFORMAZIONI NEL PIANO EUCLIDEO. 155

da cui otteniamo l’equazione della retta

r: 3(x0 + 1) + (y 0 + 2) − 1 = 0

3x0 + y 0 + 4 = 0.
t
u

12.2 Rotazioni.
Siano (x, y) le coordinate del punto P nel riferimento OXY . Consideriamo ora una secondo
riferimento OX 0 Y 0 in cui gli assi X 0 e Y 0 siano ruotati in senso antiorario di un angolo φ rispetto
agli assi X e Y . Per determinare le coordinate (x0 , y 0 ) di P nel secondo riferimento, ricordiamo
che esse sono le componenti del vettore OP . Esprimiamo tali componenti rispetto alle due coppie
di versori, i, j in OXY , i0 , j 0 in OX 0 Y 0 :

OP = x0 i0 + y 0 j 0 OP = xi + yj.

Quindi possiamo richiamare quanto detto in relazione al cambiamento di base in uno spazio
vettoriale: " # " #
x x0
=A·
y y0
dove A é la matrice di cambiamento di base. Nel nostro caso abbiamo che
" #
cos(φ) −sen(φ)
A=
sen(φ) cos(φ)

cioé " # " # " #


x cos(φ) −sen(φ) x0
= ·
y sen(φ) cos(φ) y0
e le formule inverse sono
" # " # " #
x0 cos(φ) sen(φ) x
= ·
y0 −sen(φ) cos(φ) y

da cui (
x0 = xcos(φ) + ysen(φ)
.
y 0 = −xsen(φ) + ycos(φ)
Si noti che le due matrici usate per il cambiamento di base sono l’una la trasposta dell’altra, ma
anche l’una l’inversa dell’altra, infatti sono entrambe matrici ortogonali.

Esercizio 124 Siano P (1, −1) in OXY e X 0 , Y 0 assi passanti per O e ruotati di π4 in senso
antiorario rispetto a X, Y . Sia inoltre r : 2x + 3y − 2 = 0 rispetto al riferimento OXY .
Determiniamo le coordinate di P e l’equazione di r rispetto a OX 0 Y 0 .
CAPITOLO 12. TRASFORMAZIONI NEL PIANO EUCLIDEO. 156

Svolg. Le equazioni di rotazione sono


" # " # " #
x0 cos(φ) sen(φ) x
= ·
y0 −sen(φ) cos(φ) y

da cui (
x0 = xcos(φ) + ysen(φ)
.
y 0 = −xsen(φ) + ycos(φ)
Le formule inverse sono " # " # " #
x cos(φ) −sen(φ) x0
= ·
y sen(φ) cos(φ) y0
da cui (
x = x0 cos(φ) − y 0 sen(φ)
.
y = x0 sen(φ) + y 0 cos(φ)
Nel nostro caso le coordinate di P 0 sono
( √ √
x0√= 22 (x + y) =√ 22 (1 − 1) = 0

y 0 = 22 (−x + y) = 22 (−1 − 1) = − 2

e l’equazione della retta é


√ √
2 0 0 2 0
r: 2 (x − y ) + 3 (x + y 0 ) − 2 = 0
2 2
√ √
r : 5 2x0 + 2y 0 − 4 = 0.
t
u

12.3 Rototraslazioni.
Siano (x, y) le coordinate di P in OXY e consideriamo un riferimento O00 X 00 Y 00 in cui O00 abbia
coordinate (a, b) rispetto a OXY e tale che gli assi X 00 e Y 00 siano ruotati in senso antiorario di
un angolo φ rispetto a X e Y . Determiniamo le coordinate (x00 , y 00 ) di P nel secondo riferimento.
Effettuiamo prima una traslazione

OXY −→ O00 X 0 Y 0
(
x0 = x − a
.
y0 = y − b
Successivamente operiamo con una rotazione

O00 X 0 Y 0 −→ O00 X 00 Y 00
CAPITOLO 12. TRASFORMAZIONI NEL PIANO EUCLIDEO. 157

" # " # " #


x00 cos(φ) sen(φ) x−a
= ·
y 00 −sen(φ) cos(φ) y−b
ed inversamente abbiamo che:
" # " # " #
x−a cos(φ) −sen(φ) x00
= ·
y−b sen(φ) cos(φ) y 00

cioé
" # " # " # " #
x cos(φ) −sen(φ) x00 a
= · + .
y sen(φ) cos(φ) y 00 b

Esercizio 125 Siano P (3, −1) e O0 (1, 2) in OXY e X 0 , Y 0 assi passanti per O0 e ruotati di π4
in senso antiorario rispetto a X, Y . Sia inoltre r : 2x+y −3 = 0 rispetto al riferimento OXY .
Determiniamo le coordinate di P e l’equazione di r rispetto a O0 X 0 Y 0 .

Svolg. Le equazioni di rototraslazione sono


" # " # " #
x0 cos(φ) sen(φ) x−a
= ·
y0 −sen(φ) cos(φ) y−b

da cui (
x0 = (x − a)cos(φ) + (y − b)sen(φ)
.
y 0 = −(x − a)sen(φ) + (y − b)cos(φ)
Le formule inverse sono
" # " # " # " #
x cos(φ) −sen(φ) x0 a
= · +
y sen(φ) cos(φ) y0 b

da cui (
x = x0 cos(φ) − y 0 sen(φ) + a
.
y = x0 sen(φ) + y 0 cos(φ) + b
Nel nostro caso le coordinate di P 0 sono
( √ √ √
x0 =
√ 2
2
(x − a + y − b) = √22 (2 − 3) = − 22√
y 0 = 22 (−x + a + y − b) = 22 (−2 − 3) = −5 22

e l’equazione della retta é


√ √
2 0 0 2 0
r: 2( (x − y ) + 1) + ( (x + y 0 ) + 2) − 3 = 0
2 2
√ √
r : 3 2x0 − 2y 0 + 2 = 0.
t
u
CAPITOLO 12. TRASFORMAZIONI NEL PIANO EUCLIDEO. 158

12.4 Esercizi.
Esercizio 126 Siano OXY un sistema di riferimento ortogonale nel piano euclideo, P un pun-
to di coordinate (−1, 3) rispetto a OXY e r una retta di equazione 2x − 3y + 1 = 0 in OXY .
Determinare le coordinate di P e l’equazione di r in un secondo sistema di riferimento O0 X 0 Y 0
nei seguenti casi:
a) O0 ha coordinate (1, 2) rispetto a OXY e gli assi X 0 , Y 0 sono paralleli agli assi X, Y (traslazione).
b) O0 = O e gli assi X 0 , Y 0 sono ruotati di un angolo α = π3 in senso antiorario rispetto a X, Y
(rotazione).
c) O0 ha coordinate (1, −1) rispetto a OXY e gli assi X 0 , Y 0 sono ruotati di un angolo α = π6
in senso antiorario rispetto a X, Y (rototraslazione).

Esercizio 127 Siano OXY un sistema di riferimento ortogonale nel piano euclideo e γ : x2 +
y 2 − 3x + y − 1 = 0 una circonferenza la cui equazione é espressa rispetto a OXY . Determinare
l’equazione di γ in un secondo sistema di riferimento O0 X 0 Y 0 nel caso i cui O0 abbia coordinate
(2, 1) rispetto a OXY e gli assi X 0 , Y 0 siano ruotati di un angolo α = π4 in senso antiorario
rispetto a X, Y .
Capitolo 13

Curve algebriche piane e punti


multipli.

13.1 Intersezione di due curve.


Due polinomi f (x, y) e g(x, y) nelle variabili x, y a coefficienti reali, sono detti proporzionali se
esiste a ∈ lR tale che f (x, y) = ag(x, y). Tale proporzionalitá é una relazione di equivalenza.
Una curva algebrica γ é una classe di equivalenza di polinomi cioé se f (x, y) é un polinomio
rapresentante della classe, allora l’equazione f (x, y) = 0 é rappresentativa della curva γ.
Il grado di una curva é il grado del polinomio che la rappresenta.
Teorema 31 Siano γ : f (x, y) = 0 e δ : g(x, y) = 0 due curve algebriche rispettivamente di
gradi n e m. Allora esse hanno n · m punti in comune eccetto il caso in cui hanno infiniti punti
in comune.

Come caso particolare consideriamo quello in cui γ : f (x, y) = 0 sia una curva di grado n e
δ : g(x, y) = 0 sia una curva di grado 1, cioé una retta. Allora γ e δ hanno n punti in comune
eccetto quando δ sia una componente di γ cioé f (x, y) = g(x, y) · h(x, y), dove h(x, y) é un
polinomio di grado n − 1.
√ Per esempio
√ γ : x3 − 3xy 2 = 0 e δ : y − 1 = 0 hanno in comune i seguenti 3 punti : (0, 1),
( 3, 1), (− 3, 1).
Al contrario γ : x3 + x2 y − xy + x − y 2 + y = 0 e δ : x + y = 0 hanno in comune infiniti punti,
cioé tutti quelli di δ, quindi la retta δ é una componente di γ, infatti x3 + x2 y − xy + x − y 2 + y =
(x + y) · (x2 − y + 1).

13.2 Molteplicitá di un punto.


Sia γ : f (x, y) = 0 una curva algebrica di grado n e sia P0 (x0 , y0 ) un punto di γ.
Consideriamo una generica retta r : y − y0 = m(x − x0 ) passante per P0 . La retta r e la
curva γ hanno in comune n punti, non necessariamente tutti distinti, almeno uno dei quali é

159
CAPITOLO 13. CURVE ALGEBRICHE PIANE E PUNTI MULTIPLI. 160

proprio P0 . Diciamo che r e γ hanno molteplicitá di intersezione M nel punto P0 se (x0 , y0 ) é


una soluzione di molteplicitá M per il sistema
(
f (x, y) = 0
.
y − y0 = m(x − x0 )

Esempio 135 Sia γ : x3 − y 2 = 0 e siano P0 = (0, 0) e r : x − y = 0. Determiniamo la


molteplicitá di intersezione tra γ e r nel punto P0 .
Il sistema (
x3 − y 2 = 0
x−y =0
ha le tre soluzioni (1, 1) con molteplicitá 1, (0, 0) con molteplicitá 2. Quindi nel punto P0 le
due curve hanno molteplicitá di intersezione M = 2 (e nel punto (1, 1) hanno molteplicitá di
intersezione 1).

Consideriamo ora una generica retta ri del fascio di centro P0 . Ciascuna delle rette ri ha
una molteplicitá di intersezione Mi con γ in P0 . Diremo molteplicitá di P0 per la curva γ, il
minimo di tali Mi .
Il punto P0 é detto semplice se min{Mi } = 1, é detto punto multiplo se min{mi } ≥ 2, in
particolare é detto doppio se min{Mi } = 2, triplo se min{Mi } = 3, quadruplo se min{Mi } = 4,
etc. etc.

Esercizio 128 Sia γ : x3 − x2 + y 2 = 0 una cubica in OXY . Determiniamo la molteplicitá


di P (0, 0) ∈ γ.

Svolg. Sia r la generica retta passante per P : y = mx.


Per ottenere la molteplicitá di P dobbiamo intersecare r con γ.
( (
x3 − x2 + y 2 = 0 x3 − x2 + m2 x2 = 0

y = mx y = mx

in cui la soluzione (0, 0) é doppia, quindi P é un punto doppio per γ. t


u
Esercizio 129 Sia γ : (x2 + y 2 )2 + 3x2 y − y 3 = 0 una quartica in OXY . Determiniamo la
molteplicitá di P (0, 0) ∈ γ.

Svolg. Sia r la generica retta passante per P : y = mx.


Per ottenere la molteplicitá di P dobbiamo intersecare r con γ.
( (
(x2 + y 2 )2 + 3x2 y − y 3 = 0 (x2 + m2 x2 )2 + 3mx3 − m3 x3 = 0
→ →
y = mx y = mx
(
x3 (x + m4 x + 2m2 x + 3m − m3 ) = 0
y = mx
in cui la soluzione (0, 0) é tripla, quindi P é un punto triplo per γ. t
u
CAPITOLO 13. CURVE ALGEBRICHE PIANE E PUNTI MULTIPLI. 161

Esercizio 130 Sia la curva di sesto grado γ : (x2 +y 2 )3 −4x2 y 2 = 0 in OXY . Determiniamo
la molteplicitá di P (0, 0) ∈ γ.

Svolg. Sia r la generica retta passante per P : y = mx.


Per ottenere la molteplicitá di P dobbiamo intersecare r con γ.
( (
(x2 + y 2 )3 − 4x2 y 2 = 0 (x2 + m2 x2 )3 − 4m2 x4 = 0
→ →
y = mx y = mx
(
x4 (x2 + m6 x2 + 3m2 x2 + 3m4 x2 − 4m2 ) = 0
y = mx
in cui la soluzione (0, 0) é quadrupla, quindi P é un punto quadruplo per γ. t
u
Capitolo 14

Le coniche.

14.1 Definizione.
Una curva algebrica γ : f (x, y) = 0 di secondo grado é detta conica, quindi si puó rappresentare
tramite l’equazione:
f (x, y) = ax2 + bxy + cy 2 + dx + ey + f = 0
dove a, b, c, d, e, f ∈ lR. In coordinate omogenee la curva é rappresentata da un polinomio
omogeneo e l’equazione diventa:

f (x1 , x2 , x3 ) = a11 x21 + 2a12 x1 x2 + a22 x22 + 2a13 x1 x3 + 2a23 x2 x3 + a33 x23 = 0

dove aij ∈ lR, per ogni i e j.


Si noti che anche il prodotto di due polinomi di primo grado determina un polinomio rapp-
resentante di una conica. In tale caso la conica é l’unione delle due rette rappresentate dai due
polinomi di primo grado.
Consideriamo ora la matrice simmetrica di ordine 3, formata con i coefficienti dell’equazione
della conica in coordinate omogenee:
 
a11 a12 a13
A =  a12 a22 a23 
 
a13 a23 a33
 
x1
ed indichiamo X =  x2  il vettore delle coordinate omogenee, allora l’equazione della conica
 
x3
puó essere riscritta in forma compatta:

f (x1 , x2 , x3 ) = X T · A · X = 0

ed il polinomio f (x1 , x2 , x3 ) é una forma quadratica in lR3 , di matrice associata A.

Esempio 136 L’equazione x2 + 2y 2 − xy + x − 1 = 0 rappresenta una conica nel piano

162
CAPITOLO 14. LE CONICHE. 163

La matrice associata alla conica é


 
1 − 12 1
2
A =  − 12 2 0 .
 
1
2 0 −1

Diremo che una conica γ : f (x, y) = 0 é riducibile se essa é composta da due rette cioé se
esistono due polinomi di primo grado g(x, y) e h(x, y) tali che f (x, y) = g(x, y) · h(x, y).

14.2 Intersezione di una conica ed una retta.


Siano γ : X t AX = 0 l’equazione di una conica e r una retta passante per i punti P = Y
e P 0 = Y 0 . Un generico punto della retta é allora rappresentabile tramite il suo vettore di
coordinate X, come combinazione lineare dei vettori di coordinate Y e Y 0 : X = λY + µY 0 é
quindi l’equazione della retta. Se vogliamo determinare l’intersezione tra γ e r, sostituiamo X
nell’equazione della conica:
(λY + µY 0 )t A(λY + µY 0 ) = 0
da cui
µλ(Y 0t AY ) + µ2 (Y 0t AY 0 ) + λ2 (Y t AY ) + λµ(Y t AY 0 ) = 0.
Osserviamo che, poiché Y 0t AY é un numero reale, Y 0t AY = (Y 0t AY )t = Y t AY 0 , quindi segue
che
λ2 (Y t AY ) + 2µλ(Y t AY 0 ) + µ2 (Y 0t AY 0 ) = 0
che é una equazione di secondo grado nelle incognite (λ, µ). Le due soluzioni forniscono le coppie
di valori (λ1 , µ1 ), (λ2 , µ2 ) che, sostituiti alternativamente nell’equazione della retta, individuano
i due punti di intersezione P1 = λ1 Y + µ1 Y 0 , P2 = λ2 Y + µ2 Y 0 . Il discriminante dell’equazione
di secondo grado é
(Y t AY 0 )2 − (Y t AY )(Y 0t AY 0 ) = ∆.
Si puó concludere allora che la retta r é esterna, tangente o secante la conica, in relazione al
valore del ∆ (rispettivamente < 0, = 0, > 0.) In particolare possiamo sfruttare quanto detto
per dimostrare il seguente:

Teorema 32 Sia γ una conica con matrice associata A. Le seguenti affermazioni sono equiv-
alenti:
i) La conica γ é riducibile.
ii) La conica γ ha almeno un punto doppio.
iii) det(A) = 0.

Dim. Supponiamo che la conica sia riducibile.


Essa é allora composta da due rette, incidenti in un punto (proprio o improprio) oppure
coincidenti. In entrambi i casi i punti comuni alle rette sono punti doppi per la conica in base
alla definizione di punto doppio per una curva.
CAPITOLO 14. LE CONICHE. 164

Viceversa se una conica possiede un punto doppio P0 , e detto Q1 un qualsiasi altro punto della
conica, segue che la retta contenente i punti P0 , Q1 dovrá avere almeno 3 punti di intersezione
con la conica. Ció vuol dire che la retta appartiene completamente alla conica, la quale é perció
riducibile.
Infine dimostriamo che la conica é riducibile se e solo se det(A) = 0. Infatti, per quanto
detto sopra, la conica é riducibile ⇔ esiste P 0 = Y 0 punto doppio ⇔ una qualsiasi retta r per P 0
ha 2 intersezioni con la conica γ in P 0 ⇔ intersecando γ ed r si ottine una sistema con ∆ = 0,
dove nel nostro caso (vedi argomento precedente) ∆ = (Y t AY 0 )2 −(Y t AY )(Y 0t AY 0 ) = (Y t AY 0 )2
(poiché P 0 ∈ γ e quindi (Y 0t AY 0 ) = 0 ). Siamo allora nella seguente situazione: (Y t AY 0 ) = 0 al
variare di Y vettore generico del piano. Quindi AY 0 = 0, cioé det(A) = 0, visto che la soluzione
Y 0 = (0, 0, 0) non rappresenta alcun punto del piano. t
u

14.3 Polaritá rispetto ad una conica.


Sia γ : X T ·A·X = 0 una conica non riducibile. Definiamo polaritá rispetto a γ la corrispondenza
biunivoca che associa ad ogni punto X 0 = (x01 , x02 , x03 ) del piano, una retta r0 la cui equazione é
data da X 0T · A · X = 0. La retta r0 é detta rella polare di X 0 rispetto a γ, il punto X 0 é detto
polo della retta r0 rispetto a γ.
Un caso particolare é quello in cui il punto X 0 appartiene alla conica. Quando si verifica ció
allora la retta polare di X 0 é esattamente la tangente alla conica in X 0 .
Consideriamo r0 la retta polare del punto X 0 rispetto alla conica γ. Sia X 00 un qualsiasi punto
di r0 . Anche di tale punto é possibile costruire la retta polare rispetto alla conica γ. Diciamo
r00 tale retta polare. Una proprietá, detta recipprocitá, garantisce che X 0 ∈ r00 . Riassumendo
potremmo dire che se un punto X 00 appartiene alla polare di un altro punto X 0 , allora X 0 appar-
tiene alla polare di X 00 . Diremo che i punti X 0 e X 00 sono tra loro coniugati, ed analogamente
che le rette r0 e r00 sono tra loro coniugate.
Un punto é detto autoconiugato se appartiene alla propria polare. Tutti e soli i punti
autoconiugati rispetto ad una conica sono quelli della conica stessa.
Una retta é detta autoconiugata se contiene il proprio polo. Tutte e sole le rette autoconiu-
gate rispetto ad una conica, sono le tangenti alla conica stessa.

14.4 Classificazione di una conica.


Sia γ : X T · A · X = 0 una conica nel piano. Se intersechiamo γ con la retta impropria x3 = 0
otteniamo ovviamente 2 soluzioni, cioé i due punti impropri della conica.
Una conica con due punti impropri reali e distinti é detta Iperbole. Una conica con due punti
impropri reali e coincidenti é detta Parabola. Una conica con due punti impropri complessi
coniugati é detta ellisse. In altre parole la retta impropria é secante all’iperbole, tangente alla
parabola, esterna all’ellisse. Consideriamo il sistema
( (
XT · A · X = 0 a11 x21 + 2a12 x1 x2 + a22 x22 = 0
→ .
x3 = 0 x3 = 0
CAPITOLO 14. LE CONICHE. 165

Il discriminante del sistema é ∆ = a212 − a11 a22 , da cui



 ∆>0 →
 Iperbole
∆ = 0 → Parabola .
 ∆<0 →

Ellisse

In particolare se indichiamo con A33 il complemento algebrico dell’elemento a33 della matrice
A, notiamo che A33 = −∆, quindi

 A33 > 0 →
 Ellisse
A33 = 0 → Parabola .
< 0 → Iperbole

 A
33

Osservazione 18 Tutte e sole le coniche che contengono i punti ciclici (1, i, 0) e (1, −i, 0) sono
le circonferenze (che sono particolari ellissi).

14.5 Fascio di coniche.


Siano γ1 : f1 (x1 , x2 , x3 ) = 0 e γ2 : f2 (x1 , x2 , x3 ) = 0 due coniche distinte. Poiché sono curve di
secondo grado, escludendo il caso in cui siano entrambe riducibili con una retta in comune, esse
hanno 4 punti A, B, C, D in comune (distinti o no, reali o no).
Il caso generale é quello in cui A, B, C, D sono tutti tra loro distinti.
Nel caso in cui si abbia A = B e C, D distinti, allora le due coniche hanno una tangente
comune ad entrambe (γ1 e γ2 sono chiamate coniche tangenti), ed é la retta tangente nel punto
A = B.
Nel caso si abbia A = B e C = D allora le due coniche hanno due rette tangenti in comune
(γ1 e γ2 sono chiamate coniche bitangenti), e sono le tangenti nel punto A = B ed in C = D.
Nel caso si abbia A = B = C allora le due coniche hanno una retta tangente in comune (γ1
e γ2 sono chiamate coniche osculatrici), ed é la tangente nel punto A = B = C.
Nel caso si abbia A = B = C = D allora le due coniche hanno una retta tangente in comune
(γ1 e γ2 sono chiamate coniche iperosculatrici), ed é la tangente nel punto A = B = C = D.

Diciamo fascio di coniche la totalitá delle coniche che si ottengono da

a1 · f1 (x1 , x2 , x3 ) + a2 · f2 (x1 , x2 , x3 ) = 0

al variare di a1 , a2 ∈ lR. Tutte le coniche del fascio hanno in comune gli stessi 4 punti A, B, C, D, i
quali sono chiamati punti base del fascio. Inoltre per individuare un fascio di coniche é sufficiente
conoscere due qualsiasi coniche di esso (ad esempio anche due coniche riducibili che appartengono
al fascio).

Il caso generale é quello in cui A, B, C, D sono tutti tra loro distinti, si parla quindi di fascio
generale.
CAPITOLO 14. LE CONICHE. 166

Nel caso in cui si abbia A = B e C, D distinti, allora le coniche del fascio hanno una tangente
comune (si parla di fascio di coniche tangenti), ed é la retta tangente nel punto A = B.
Nel caso si abbia A = B e C = D allora le coniche del fascio hanno due rette tangenti in
comune (si parla di fascio di coniche bitangenti), e sono le tangenti nel punto A = B ed in
C = D.
Nel caso si abbia A = B = C allora le coniche del fascio hanno una retta tangente in comune
(si parla di fascio di coniche osculatrici), ed é la tangente nel punto A = B = C.
Nel caso si abbia A = B = C = D allora le coniche del fascio hanno una retta tangente in
comune (si parla di fascio di coniche iperosculatrici), ed é la tangente nel punto A = B = C = D.

Ogni fascio di coniche contiene 3 coniche riducibili (distinte o no a seconda del tipo di
fascio). Nel seguente prospetto indichiamo con tA e tC rispettivamente le tangenti comuni a
tutte le coniche di un fascio nei punti A e C:

Tipo di fascio Coniche riducibili


generale AB · CD
AD · BC
AC · BD
tangenti A = B tA · CD
AD · AC contata due volte
bitangenti A = B, C = D t A · tC
Ac · AC contata due volte
osculatrici A = B = C tA · AD contata tre volte
iperosculatrici A = B = C = D tA · tA contata tre volte

14.6 Diametri e centro di una conica.


Definiamo diametro di una conica γ non riducibile, la retta polare, rispetto alla conica, di un
qualsiasi punto improprio (h, k, 0). Sia A la matrice associata alla conica, allora un diametro é
dato da    
h i a11 a12 a13 x1
h k 0 ·  a12 a22 a23  ·  x2  = 0
   
a13 a23 a33 x3
(a11 h + a12 k)x1 + (a12 h + a22 k)x2 + (a13 h + a23 k)x3 = 0
o meglio
h(a11 x1 + a12 x2 + a13 x3 ) + k(a12 x1 + a22 x2 + a23 x3 ) = 0.
Al variare del punto (h, k, 0) si ottiene un diverso diametro, e quindi al variare dei parametri
h, k si ottengono tutte le rette di un fascio. Il centro di tale fascio é detto centro della conica (il
quale per la reciprocitá é il polo della retta improrpia).
Le coordinate del centro sono allora la soluzione del sistema
(
a11 x1 + a12 x2 + a13 x3 = 0
a12 x1 + a22 x2 + a23 x3 = 0
CAPITOLO 14. LE CONICHE. 167

le cui soluzioni sono date dai complementi algebrici A13 , A23 , A33 della matrice A associata alla
conica.
Il caso in cui A33 = 0 é quallo della parabola, la quale é detta conica a centro improprio (o
conica senza centro). Il fascio dei diametri é un fascio improprio, cioé tutti i diametri sono tra
loro paralleli ed hanno la direzione data dal punto improprio della parabola.
Iperbole ed ellisse sono dette coniche a centro (proprio). Tutti i diametri sono tra loro a due
a due coniugati.
In particolare i diametri tra loro coniugati ed ortogonali sono detti assi della conica (2 assi
per iperbole ed ellisse, 1 asse per la parabola). I diametri che siano autoconiugati (cioé tangenti
alla conica) sono detti asintoti della conica (2 reali per l’iperbole, 2 immaginari per l’ellisse, 1
improprio per la parabola).
Per determinare assi e asintoti é sufficiente operare come segue: si costruisce il generico
diametro della conica
   
h i a11 a12 a13 x1
1 k 0 ·  a12 a22 a23  ·  x2  = 0
   
a13 a23 a33 x3
(a11 + a12 k)x1 + (a12 + a22 k)x2 + (a13 + a23 k)x3 = 0
che é una retta di coefficiente angolare k 0 = − aa11 +a12 k
12 +a22 k
, cioé avente punto improprio (1, k 0 , 0).
Questa é la direzione coniugata a (1, k, 0).
Per ottenere gli assi si deve imporre che le due direzioni siano ortogonali cioé k · k 0 = −1. Si
ottiene quindi una equazione di secondo grado nell’incognita k. Le due soluzioni k1 , k2 forniscono
i due poli (1, k1 , 0) e (1, k2 , 0) dei due assi.
Si noti che, nel caso in cui uno dei due assi abbia come polo il punto (0, 1, 0), e quindi sia
parallelo all’asse delle X, il metodo esposto potrebbe portare ad una incongruenza nei calcoli,
dipendente dalla scelta iniziale del polo (1, k, 0). Anche se si presentasse tale evenienza, saprem-
mo concludere, infatti i due assi sarebbero paralleli ai due assi coordinati.
Nel caso della parabola la ricerca dell’asse é facilitata. Infatti il polo dell’asse della parabola é
dato dalla direzione ortogonale a quella individuata dal punto improprio della parabola.
Infine per ottenere gli asintoti di una iperbole si deve imporre che le due direzioni siano
identiche (autoconiugio) cioé k = k 0 . Si ottiene ancora una equazione di secondo grado nel-
l’incognita k. Le due soluzioni k1 , k2 forniscono i due poli (1, k1 , 0) e (1, k2 , 0) dei due asintoti.
Equivalentemente, le due direzioni (1, k1 , 0) e (1, k2 , 0) si possono ottenere ricordando che esse
non sono altro che i punti impropri dell’iperbole.

14.7 Classificazione delle coniche proiettive.


Sia γ : X T · A · X = f (x1 , x2 , x3 ) = 0 l’equazione di un a conica,

f (x1 , x2 , x3 ) = a11 x21 + 2a12 x1 x2 + a22 x22 + 2a13 x1 x3 + 2a23 x2 x3 + a33 x23 = 0.

Poiché f é una forma quadratica in lR3 , allora vale il seguente:


CAPITOLO 14. LE CONICHE. 168

Teorema 33 Esiste un sistema di riferimento ortonormale in lR3 rispetto al quale l’equazione


della conica γ é una delle seguenti:
i) x21 + x22 + x23 = 0 (conica generale a punti non reali);
ii) x21 + x22 − x23 = 0 (conica generale a punti reali);
iii) x21 + x22 = 0 (conica semplicemente degenere a punti non reali);
iv) x21 − x22 = 0 (conica semplicemente degenere a punti reali);
v) x21 = 0 (conica doppiamente degenere).

Per ottenere la forma ridotta congruente a quella di partenza, si applica esattamente il


metodo di diagonalizzazione delle forme quadratiche.

14.8 Classificazione delle coniche euclidee.


Consideriamo ora l’equazione affine di una conica

γ : f (x, y) = a11 x2 + 2a12 xy + a22 y 2 + 2a13 x + 2a23 y + a33 = 0

dove aij ∈ lR, per ogni i e j. Indichiamo q(x, y) = a11 x2 + 2a12 xy + a22 y 2 la forma quadratica
in lR2 , con matrice associata A33 .
Poiché q(x, y) é riferita ad un sistema otonormale in lR2 , ogni cambiamento del sistema
di riferimento é individuato da una matrice ortogonale C, per cui C T = C −1 . In tale caso
la diagonalizzazione della forma quadratica q(x, y) puó essere effettuata tramite la semplice
diagonalizzazione della matrice simmetrica A33 ad essa associata.
Sia quindi " # " #
h i a11 a12 x
q(x, y) = x y · ·
a12 a22 y
e siano λ1 e λ2 gli autovalori di A33 . Indichiamo con w1 = (b11 , b21 ) l’autovettore che genera
l’autospazio relativo a λ1 e w2 = "(b12 , b22 ) quello
# che genera l’autospazio relativo a λ2 . Allora
b11 b12
la matrice che diagonalizza A33 é con
b21 b22
" #
T −1 λ1 0
C · A33 · C = C · A33 · C = .
0 λ2

Il cambiamento di variabili che permette tale diagonalizazione é


" # " # " #
x b11 b12 x0
= ·
y b21 b22 y0
dopo il quale la conica si presenta nella seguente forma:

f (x0 , y 0 ) = λ1 x2 + λ2 y 2 + 2a013 x + 2a023 y + a033 = 0.


CAPITOLO 14. LE CONICHE. 169

In pratica la f (x0 , y 0 ) é la conica che otteniamo facendo ruotare i suoi assi fino a renderli paralleli
agli assi coordinati.

Supponiamo che la conica sia un’iperbole o una ellisse.


Determiniamo ora una traslazione che riporti il centro della conica nel centro degli assi
coordinati: (
x0 = x00 − c
y 0 = y 00 − d

λ1 (x00 − c)2 + λ2 (y 00 − d)2 + 2a013 (x00 − c) + 2a023 (y 00 − d) + a033 = 0


λ1 x002 +λ2 y 002 +(−2λ1 c+2a013 )x00 +(−2λ2 d+2a023 )y 00 +(λ1 c2 +λ2 d2 +2a013 c+2a023 d+a033 ) = 0 (B).
Poiché dopo la rototraslazione scompaiono i termini in x00 e y 00 , allora imponiamo che

−2λ1 c + 2a013 = 0

−2λ2 d + 2a023 = 0.
I valori di c e d che risolvono le precedenti equazioni sono i valori che determinano la traslazione.
É sufficiente sostituirli nell’equazione (B) per ottenere la conica in forma ridotta:

λ1 x002 + λ2 y 002 + λ3 = 0

con λ3 = λ1 c2 + λ2 d2 + 2a013 c + 2a023 d + a033 .

Consideriamo ora il caso in cui la conica sia una parabola.


Per prima cosa osserviamo che la prima rotazione viene effettuata utilizzando come riferi-
mento quello formato dall’asse della parabola e dalla retta tangente nel suo vertice.
Inoltre uno dei due autovalori λ1 , λ2 di A33 é nullo, per cui, dopo il primo cambiamento di
riferimento (rotazione), l’equazione della conica si presenta in una delle due seguenti forme:

λ1 x02 + 2a023 y 0 + a033 = 0 (C)


oppure
λ2 y 02 + 2a 130 x0 + a033 = 0 (D).

Cominciamo con il caso (C). Determiniamo una traslazione che riporti il vertice della parabo-
la nel centro degli assi coordinati: (
x0 = x00 − c
y 0 = y 00 − d
l’equazione diventa
λ1 (x00 − c)2 + 2a023 (y 00 − d) + a033 = 0 (C0 )
Poiché dopo la rototraslazione scompaiono il termine noto ed il termine in x00 , dobbiamo imporre
che
2λ1 c = 0
CAPITOLO 14. LE CONICHE. 170

λ1 c2 − 2a023 d + a033 = 0.
I valori di c e d che risolvono le precedenti equazioni sono i valori che determinano la traslazione.
É sufficiente sostituirli nell’equazione (C’) per ottenere la conica in forma ridotta:

λ1 x002 + 2a023 y 00 = 0.

Passiamo ora al caso (D). Dopo la traslazione, l’equazione della parabola é

λ2 (y 00 − c)2 + 2a013 (x00 − d) + a033 = 0 (D0 )


Poiché dopo la rototraslazione scompaiono il termine noto ed il termine in y 00 , dobbiamo imporre
che
2λ2 d = 0
λ2 d2 − 2a013 c + a033 = 0.
I valori di c e d che risolvono le precedenti equazioni sono i valori che determinano la traslazione.
É sufficiente sostituirli nell’equazione (D’) per ottenere la conica in forma ridotta:

λ2 y 002 + 2a013 x00 = 0.

Quanto detto fin’ora si puó riassumere nel seguente:

Teorema 34 Ogni conica del piano euclideo reale é congruente ad una delle seguenti forme,
dette forme canoniche:
2 2
1) xa2 + yb2 = 1, ellisse;
x2 y2
2) a2
+ b2
= −1, ellisse a punti non reali;
x2 y2
3) a2
+ b2
= 0, ellisse degenere;
x2 y2
4) a2
− b2
= 1, iperbole;
x2 y2
5) a2
+ = 0, iperbole degenere;
b2
6) y2− ax = 0, parabola;
7) y 2 − a2 = 0, parabola degenere;
8) y 2 + a2 = 0, parabola degenere a punti non reali;
9) y 2 = 0, conica doppiamente degenere.

Riassumendo, abbiamo visto che una rototraslazione degli assi di una conica (dell’asse e della
retta tangente al vertice, nel caso della parabola) ci permette di ottenere una ulteriore e piú
semplice forma della conica stessa, riferita ad un sistema di riferimento opportuno. Tali forme
sono dette ’ridotte’ o ’canoniche’ .
Nel cambiamento del sistema di riferimento ortogonale, vi sono alcune quantitá (reali) che
non mutano, cioé si mantengono invarianti nel passaggio da una forma della conica all’altra.
Tali quantitá vengono dette invarianti ortogonali:
CAPITOLO 14. LE CONICHE. 171

Teorema 35 Sia γ : X T · A · X = 0 una conica del piano euclideo e sia X 0T · A0 · X 0 = 0 la sua


equazione in forma ridotta, cioé dopo una cambiamento ortonormale del sistema di riferimento.
Siano aij gli elementi della matrice A e a0ij quelli della matrice A0 . Allora valgono le seguenti:
i) det(A) = det(A0 ).
ii) A33 = A033 .
iii) a11 + a22 = a011 + a022 .

Possiamo sfruttare il precedente teorema per ottenere la forma ridotta di una conica. Sia A
la matrice associata alla conica, operiamo nel modo seguente:

Coniche a centro. La forma canonica alla quale si vuole arrivare é la seguente

a011 x21 + a022 x22 + a033 x23 = 0

la cui matrice associata é  


a011 0 0
0
 0 a22 0 .
 
0 0 a033
Per ottenere i valori di a011 , a022 , a033 é sufficiente applicare i tre punti del teorema e risolvere le
equazioni:
det(A) = a011 · a022 · a033
A33 = a011 · a022
a11 + a22 = a011 + a022 .

Parabola. Una forma canonica alla quale si puó arrivare é la seguente

a011 x21 + 2a023 x2 x3 = 0

la cui matrice associata é  


a011 0 0
 0 0 a023  .
 
0 a023 0
Per ottenere i valori di a011 , a023 é sufficiente applicare i tre punti del teorema e risolvere le
equazioni:
det(A) = −a011 · a02
23

a11 + a22 = a011 .


L’altra forma canonica puó essere

a022 x22 + 2a013 x1 x3 = 0

la cui matrice associata é  


0 0 a013
 0 a022 0 .
 
0
a13 0 0
CAPITOLO 14. LE CONICHE. 172

Per ottenere i valori di a022 , a023 é sufficiente applicare i tre punti del teorema e risolvere le
equazioni:
det(A) = −a022 · a02
13

a11 + a22 = a022 .

Esercizio 131 Classificare la conica x2 + 4xy − y 2 + x − y + 1 = 0, determinarne eventuali assi


e asintoti, una sua forma canonica ed il polo della retta 2x − y + 1 = 0 rispetto ad essa.

Svolg. La matrice associata alla conica é


 
1
1 2 2
A= 2 −1 − 12 
 
1 1
2 −2 1

con det(A) = −4, A33 = −5, I = a11 + a22 = 0, quindi é una iperbole equilatera.
Determiniamo il generico diametro:
   
1
h i 1 2 2 x1
1  
1 h 0 · 2 −1 − 2  ·  x2  = 0.
 
1
2 − 12 1 x3

Il generico diametro é
1 h
(1 − 2h)x1 + (2 − h)x2 + ( − )x3 = 0
2 2
il cui coefficiente angolare é h0 = 1+2h
h−2 . √ √
Per ottenere gli asintoti imponiamo h = h0 , da cui h ∈ {2 + 5, 2 − 5} e quindi gli asintoti
sono √ √ √
(10 + 4 5)x − 2 5y + (− 5 − 1) = 0
e √ √ √
(10 − 4 5)x + 2 5y + ( 5 − 1) = 0.
√ √
Per ottenere gli assi imponiamo hh0 = −1, da cui h ∈ { −1+2 5 −1− 5
, 2 } e quindi gli assi sono
√ √ √
4 5x + (10 − 2 5)y + (3 − 5) = 0

e √ √ √
−4 5x + (10 + 2 5)y + (3 + 5) = 0.
Una forma canonica é data da a11 x21 + a22 x22 + a33 x23 = 0, con matrice associata
 
a11 0 0
0
A =  0 a22 0  .
 
0 0 a33
CAPITOLO 14. LE CONICHE. 173

I suoi invarianti ortogonali sono allora

−6 = det(A0 ) = a11 a22 a33 , −5 = A033 = a11 a22 , 0 = I = a11 + a22

dai quali otteniamo


√ √ 6
a11 = 5, a22 = − 5, a33 =
5
oppure
√ √ 6
a11 = − 5, a22 = 5, a33 =
5
e le due forme canoniche ottenute sono:
√ √ 6
5x2 − 5y 2 + =0
5
e
√ √ 6
− 5x2 + 5y 2 + = 0.
5
Infine determiniamo il polo della retta 2x1 −x2 +x3 = 0 rispetto alla conica. Esso avrá coordinate
(a, b, c) tali che
   
1
h i 1 2 2 x1
a b c · 2 −1 − 12  ·  x2  = α(2x1 − x2 + x3 ).
   
1 1
2 −2 1 x3

Quindi dobbiamo risolvere il sistema



 2a + 4b + c = 4α

4a − 2b − c = −2α
a − b + 2c = 2α

le cui soluzioni sono


1 5 5
(α , α , α )
8 8 4
che é una yerna proporzionale a (1, 5, 10) = (a, b, c). t
u

Esercizio 132 Determinare l’asse ed una forma canonica della parabola 2x2 + 2y 2 − 4xy + 2x −
1 = 0.

Svolg. La matrice associata alla conica é


 
2 −2 1
A =  −2 2 0 
 
1 0 −1

con det(A) = −2, A33 = 0, I = a11 + a22 = 4.


CAPITOLO 14. LE CONICHE. 174

Determiniamo il punto improprio della parabola:


(
2x21 + 2x22 − 4x1 x2 = 0
x3 = 0

da cui x1 = 1, x2 = 1, x3 = 0 sono le coordinate di tale punto. La direzione ad esso ortogonale


é Q = (1, −1, 0). Tale punto Q é il polo dell’asse:
   
h i 2 −2 1 x1
1 −1 0 ·  −2 2 0  ·  x2  = 0
   
1 0 −1 x3

4x1 − x2 + x3 = 0.
Una forma canonica é data da a11 x21 + 2a23 x2 x3 = 0, con matrice associata
 
a11 0 0
A0 =  0 0 a23  .
 
0 a23 0

I suoi invarianti ortogonali sono allora

−2 = det(A0 ) = −a11 a223 , 4 = I = a11 + a22

dai quali otteniamo


1
a11 = 4, a23 = √
2
oppure
1
a11 = 4, a23 = − √
2
e le due forme canoniche ottenute sono:
2
4x21 + √ x2 x3 = 0
2
e
2
4x21 − √ x2 x3 = 0
2
cioé √ √
y = −2 2x2 e y = 2 2x2 .
t
u

Esercizio 133 Determinare una forma canonica dell’ellisse x2 − xy + y 2 − 5x + 7y + 1 = 0.


CAPITOLO 14. LE CONICHE. 175

Svolg. "Utilizziamo#il metodo degli autovalori. Quindi determiniamo gli autovalori della matrice
1 − 12
A33 = . Essi sono h1 = 12 e h2 = 32 . L’autospazio relativo all’autovalore h1 é
− 12 1
generato dall’autovettore v = (1, 1) che ha come versore ( √12 , √12 ).
L’autospazio relativo all’autovalore h2 é generato dall’autovettore v = (−1, 1) che ha come
versore (− √12 , √12 ).
Allora il primo cambiamento di variabili, con il quale annulliamo il termine in xy é dato da

√1 − √12
" # " # " #
x 2 x0
= ·
y √1
2
√1
2
y0

da cui
√1 (x0 − y0)
(
x= 2
y= √1 (x0 + y0)
2

e l’equazione della conica diventa


1 0 1 1 5 7
(x − y 0 )2 − (x0 − y 0 )(x0 + y 0 ) + (x0 + y 0 )2 − √ (x0 − y 0 ) + √ (x0 + y 0 ) + 1 = 0
2 2 2 2 2
cioé
1 02 3 02 2 12
x + y + √ x0 + √ y 0 + 1 = 0.
2 2 2 2
Per annullare i termini in x0 e y 0 operiamo la seguente traslazione:

x0 = x00 − a y 0 = y 00 − b
1 00 3 2 12
(x − a)2 + (y 00 − b)2 + √ (x00 − a) + √ (y 00 − b) + 1 = 0
2 2 2 2
da cui
1 002 3 2 2 12 12
(x + a2 − 2ax00 ) + (y 002 + b2 − 2by 00 ) + √ x00 − √ a + √ y 00 − √ b + 1 = 0.
2 2 2 2 2 2

I coefficienti di x00 e y 00 si annullano per a = √2


2
eb= √4
2
e l’equazione della conica diventa:

1 00 2 3 4 2 2 12 4
(x − √ )2 + (y 00 − √ )2 + √ (x00 − √ ) + √ (y 00 − √ ) + 1 = 0
2 2 2 2 2 2 2 2
cioé
1 002 3 002
x + y = 12
2 2
x002 y 002
+ = 1.
24 8
Vogliamo ora ripetere l’esercizio utilizzando il metodo di rototraslazione degli assi:
CAPITOLO 14. LE CONICHE. 176

gli assi dell’ellisse sono

a1 : x−y−4=0 che scegliamo come X0

a2 : x+y+2=0 che scegliamo come Y 0.


I versori degli assi sono
1 1 1 1
a1 = ( √ , √ ) a2 = (− √ , √ )
2 2 2 2
ed il centro dell’ellisse é C = (1, −3). Allora le formule del cambiamento del riferimento
(rototraslazione) sono # " 1
− √12
" # " # " #
x √
2 x0 1
= √1 · +
y 2
√1
2
y0 −3
da cui
√1 (x0 − y0) + 1
(
x= 2
y= √1 (x0 + y0) − 3
2

e l’equazione della conica diventa


1 1 1 1
( √ (x0 − y 0 ) + 1)2 − ( √ (x0 − y 0 ) + 1)( √ (x0 + y 0 ) − 3) + ( √ (x0 + y 0 ) − 3)2
2 2 2 2
1 1
−5( √ (x0 − y 0 ) + 1) + 7( √ (x0 + y 0 ) − 3) + 1 = 0
2 2
cioé
1 02 3 02
x + y − 12 = 0
2 2
x02 y 02
+ = 1.
24 8
t
u

Esercizio 134 Determinare una forma canonica della parabola x2 − 4xy + 4y 2 + 2x + y − 5 = 0.

Svolg. " Utilizziamo # il metodo degli autovalori. Quindi determiniamo gli autovalori della matrice
1 −2
A33 = . Essi sono h1 = 0 e h2 = 5. L’autospazio relativo all’autovalore h1 é generato
−2 4
dall’autovettore v = (2, 1) che ha come versore ( √25 , √15 ).
L’autospazio relativo all’autovalore h2 é generato dall’autovettore v = (1, −2) che ha come
versore ( √15 , − √25 ).
Allora il primo cambiamento di variabili, con il quale annulliamo i termini in xy e y é dato
da # " 2
√1
" # " #
x √ − x0
= √15 5 ·
y 5
√2
5
y0
CAPITOLO 14. LE CONICHE. 177

da cui
√2 (x0 − y0)
(
x= 5
y= √1 (x0 + y0)
5

e l’equazione della conica diventa


1 0 4 4 2 1
(x − y 0 )2 − (2x0 − y 0 )(x0 + 2y 0 ) + (x0 + 2y 0 )2 + √ (2x0 − y 0 ) + √ (x0 + 2y 0 ) − 5 = 0
5 5 5 5 5
cioé
5
5y 02 + √ x0 − 5 = 0
5
1
y 02 + √ x0 − 1 = 0.
5
Per annullare il termine noto operiamo la seguente traslazione:

x0 = x00 − a y 0 = y 00 − b
1
(y 00 − b)2 + √ (x00 − a) − 1 = 0
5
1 1
y 002 + b2 − 2by 00 + √ x00 − √ a − 1 = 0.
5 5
Per avere la forma canonica dovremmo avere

b=0 a=− 5

da cui
1 1 √
(y 00 − b)2 + √ (x00 − a) − 1 = y 002 + √ (x00 + 5) − 1 =
5 5
1
y 002 + √ x00 = 0.
5
t
u

Esercizio 135 Sia dato il fascio di coniche x2 + kxy − 1 = 0, al variare di k ∈ lR. Determinare
i punti base, le coniche riducibili e le tangenti comuni a tutte le coniche del fascio.

Svolg. In coordinate omogenee l’equazione del fascio é data da

x21 + kx1 x2 − x23 = 0.

Per determinare i punti base del fascio scegliamo due coniche qualsiasi, per esempio x21 − x23 = 0
e x1 x2 = 0 ed intersechiamole: (
x1 x2 = 0
x21 − x23 = 0
CAPITOLO 14. LE CONICHE. 178

che ha come soluzione i punti (0, 1, 0) con molteplicitá 2, (1, 0, 1) e (1, 0, −1) entrambi con
molteplicitá 1. Siamo in presenza di un fascio di coniche tangenti, cioé vi é una tangente
comune a tutte le coniche del fascio. Per determinarla, scegliamo una conica irriducibile del
fascio, per esempio per k = 2, e calcoliamo la tangente a tale conica nel punto (0, 1, 0): per il
valore k = 2, la conica ottenuta é x2 + 2xy − 1 = 0. La tangente ad essa in (0, 1, 0) é
   
h i 1 1 0 x1
0 1 0 ·  1 0 0  ·  x2  = 0 cioé x1 = 0.
   
0 0 −1 x3
Infine calcoliamo le coniche riducibili del fascio: esse si ottengono annullando il determinante
della matrice associata alla generica conica del fascio:

1 k
0
2 k2
0 = k2 0 0 =

4
0 −1

0

quindi per k = 0, con molteplicitá 2, si ottiene la conica riducibile del fascio x2 − 1 = 0. La terza
conica riducibile si ottiene osservando che il parametro k é associato ad essa nell’espressione del
fascio: xy = 0, con molteplicitá 1. t
u
Esercizio 136 Sia dato il fascio di coniche kx2 +2xy −k = 0, al variare di k ∈ lR. Determinare
i punti base, le coniche riducibili e le tangenti comuni a tutte le coniche del fascio.

Svolg. In coordinate omogenee l’equazione del fascio é data da


kx21 + 2x1 x2 − kx23 = 0.
Per determinare i punti base del fascio scegliamo due coniche qualsiasi, per esempio x21 − x23 = 0
e 2x1 x2 = 0 ed intersechiamole: (
2x1 x2 = 0
x21 − x23 = 0
che ha come soluzione i punti (0, 1, 0) con molteplicitá 2, (1, 0, 1) e (1, 0, −1) entrambi con
molteplicitá 1. Siamo in presenza di un fascio di coniche tangenti, cioé vi é una tangente
comune a tutte le coniche del fascio. Per determinarla, scegliamo una conica irriducibile del
fascio, per esempio per k = 2, e calcoliamo la tangente a tale conica nel punto (0, 1, 0): per il
valore k = 2, la conica ottenuta é 2x2 + 2xy − 2 = 0. La tangente ad essa in (0, 1, 0) é
   
h i 2 1 0 x1
0 1 0 ·  1 0 0  ·  x2  = 0 cioé x1 = 0.
   
0 0 −2 x3
Infine calcoliamo le coniche riducibili del fascio: esse si ottengono annullando il determinante
della matrice associata alla generica conica del fascio:

k 1 0

0= 1 0 0 =k

0 −k

0
CAPITOLO 14. LE CONICHE. 179

quindi per k = 0, con molteplicitá 1, si ottiene la conica riducibile del fascio x1 x2 = 0. Le altre
coniche riducibili si ottengono osservando che il parametro k é associato ad esse nell’espressione
del fascio: x2 = 0, con molteplicitá 2 (infatti la retta x = 0 passa per i due base che hanno
molteplicitá 2). t
u

Esercizio 137 Sia dato il fascio di coniche x2 + ky 2 + xy − 1 = 0, al variare di k ∈ lR.


Determinare i punti base, le coniche riducibili e le tangenti comuni a tutte le coniche del fascio.

Svolg. In coordinate omogenee l’equazione del fascio é data da

x21 + kx22 + x1 x2 − x23 = 0.

Per determinare i punti base del fascio scegliamo due coniche qualsiasi, per esempio x21 + x1 x2 −
x23 = 0 e x22 = 0 ed intersechiamole:
(
x22 = 0
x21 + x1 x2 − x23 = 0

che ha come soluzione i punti (1, 0, 1) e (1, 0, −1) entrambi con molteplicitá 2. Siamo in presenza
di un fascio di coniche bitangenti, cioé vi sono due tangenti comuni a tutte le coniche del fascio.
Per determinarle, scegliamo una conica irriducibile del fascio, per esempio per k = 1, e calcoliamo
la tangente a tale conica nei punti (1, 0, 1) e (1, 0, −1): per il valore k = 1, la conica ottenuta é
x2 + y 2 + xy − 1 = 0. La tangente ad essa in (1, 0, 1) é
   
1
1 2 0 x1
h i
1 1
1 0 1 · 1 0  ·  x2  = 0 cioé x1 + x2 − x3 = 0.
   
2 2
0 0 −1 x3
La tangente in (1, 0, −1) é
   
1
1 0 2 x1
h i
1 1
1 0 −1 · 1 0  ·  x2  = 0 cioé x1 + x2 + x3 = 0.
   
2 2
0 0 −1 x3
Infine calcoliamo le coniche riducibili del fascio: esse si ottengono annullando il determinante
della matrice associata alla generica conica del fascio:

1 1
2 0
1
0 = 12 k 0 = −k +

4
0 −1

0

quindi per k = 41 , con molteplicitá 1, si ottiene la conica riducibile del fascio x1 + 14 x22 +x1 x2 −x23 =
0. Le altre coniche riducibili si ottengono osservando che il parametro k é associato ad esse
nell’espressione del fascio: y 2 = 0, con molteplicitá 2 (infatti la retta y = 0 passa per i due base
che hanno molteplicitá 2). t
u
CAPITOLO 14. LE CONICHE. 180

14.9 Fuochi di una conica.


Siano C1 = (1, i, 0) e C2 = (1, −i, 0) i punti ciclici della retta impropria. Le rette appartenenti
ai due fasci di centri C1 e C2 , sono dette rette isotrope. Quindi una qualsiasi retta isotropa avrá
equazione y = ix + q oppure y = −ix + p, per opportuni q, p elementi del campo dei numeri
complessi.
Indichiamo con f1 : y = ix+q il fascio delle rette isotrope di centro C1 e con f2 : y = −ix+p il
fascio di centro C2 . Osserviamo che se una retta r appartiene al fascio f1 allora la sua coniugata
r appartiene al fascio f2 . Inoltre r ∩ r = P é un punto reale.
Consideriamo quindi una conica non riducibile γ. Dal fascio f1 si possono condurre due rette
r, t che siano tangenti a γ. Analogamente dal fascio f2 si possono condurre due rette che siano
tangenti a γ: esse sono esattamente le coniugate r e t delle rette r, t.

Definizione 25 I fuochi di una conica non riducibile γ sono i 4 punti (di cui 2 reali) che
scaturiscono dall’intersezione delle rette r, t con le rette r e t. In particolare i due fuochi reali
sono F1 = r ∩ r e F2 = t ∩ t.

Osservazione 19 Sottolineamo che la parabola ha un solo fuoco reale, poiché da ciascun punto
ciclico si puó condurre una sola retta tangente alla curva.
Anche nel caso della circonferena vi é un solo fuoco, esattamente il centro della circonferenza:
il motivo risiede nel fatto che, poiché i punti ciclici appartengono alla circonferenza, anche in
questo caso da ciascuno di essi si puó condurre una sola tangente alla curva.

Esempio 137 Determinare il fuoco della parabola γ : 2x2 − y + x + 1 = 0.

Svolg. Consideriamo il fascio di rette isotrope di centro C1 = (1, i, 0): f1 : y = ix + q.


Costruiamo il sistema che determini l’intersezione tra il fascio e la conica:
(
2x2 − y + x + 1 = 0
y = ix + q
(
2x2 − ix − q + x + 1 = 0
y = ix + q
(
2x2 + (1 − i)x + (1 − q) = 0
.
y = ix + q
Poiché siamo interessati alla retta del fascio che sia tangente alla parabola, imponiamo che il
discriminante del sistema sia nullo:

(1 − i)2 − 8(1 − q) = 0

la cui soluzione é q = 41 i + 1. Quindi la retta del fascio f1 che sia tangente alla parabola ha
equazione y = ix + 41 i + 1. Inoltre la retta che appartenga al fascio f2 di centro C2 = (1, −i, 0) e
CAPITOLO 14. LE CONICHE. 181

che sia tangente alla parabola, é la coniugata della precedente : y = −ix − 14 i + 1. Il fuoco della
parabola é l’intersezione di tali due rette:
(
r : y = ix + 41 i + 1
r : y = −ix − 14 i + 1

da cui F = r ∩ r = (− 14 , 1). t
u
Esempio 138 Determinare i fuochi dell’iperbole γ : xy + x − y + 1 = 0.

Svolg. Consideriamo il fascio di rette isotrope di centro C1 = (1, i, 0): f1 : y = ix + q.


Costruiamo il sistema che determini l’intersezione tra il fascio e la conica:
(
xy + x − y + 1 = 0
y = ix + q
(
x(ix + q) + x − (ix + q) + 1 = 0
y = ix + q
(
ix2 + (q − i + 1)x + (1 − q) = 0
.
y = ix + q
Poiché siamo interessati alle rette del fascio che siano tangenti all’iperbole, imponiamo che il
discriminante del sistema sia nullo:
(q − i + 1)2 − 4i(1 − q) = 0
le cui soluzioni sono √ √
q = −1 − i + 2 2i q = −1 − i − 2 2i.
Quindi le rette del fascio f1 che siano tangenti all’iperbole hanno equazioni:
√ √
y = ix − 1 − i + 2 2i y = ix − 1 − i − 2 2i.
√ p
Osserviamo che 2i = (1 + i)2 ∈ {+(1 + i), −(1 + i)} per cui possiamo considerare le tangenti
r : y = ix − 1 − i + 2(1 + i) t : y = ix − 1 − i − 2(1 + i).
Inoltre le rette appartenenti al fascio f2 di centro C2 = (1, −i, 0) e che siano tangenti all’iperbole,
sono le coniugate delle precedenti :
r : y = −ix − 1 + i + 2(1 − i) t : y = −ix − 1 + i − 2(1 − i).
I fuochi sono le intersezioni di tali coppie di rette, in particolare i fuochi reali scaturiscono da:
(
r : y = ix − 1 − i + 2(1 + i)
r : y = −ix − 1 + i + 2(1 − i)
da cui F1 = r ∩ r = (−1, 1) e da
(
t : y = ix − 1 − i − 2(1 + i)
t : y = −ix − 1 + i − 2(1 − i)
da cui F2 = t ∩ t = (3, −3). t
u
CAPITOLO 14. LE CONICHE. 182

14.10 Esercizi.
Esercizio 138 Nel piano ampliato si determinino i punti base del fascio x2 + (λ − 1)y = 0 con
la relativa molteplicitá .

Esercizio 139 Nel piano ampliato si determinino i punti base del fascio y 2 + (λ + 1)x = 0 con
la relativa molteplicitá .

Esercizio 140 Nel piano ampliato si determinino le coniche degeneri del fascio λxy+x2 +y = 0
con la relativa molteplicitá .

Esercizio 141 Nel piano ampliato si determinino le coniche degeneri del fascio xy+λxy+3 = 0
con la relativa molteplicitá .

Esercizio 142 Nel piano ampliato si determinino le coordinate del polo della retta 3x−4y +1 =
0 rispetto alla conica x2 + 2y 2 − 3xy + 2x − y = 0.

Esercizio 143 Nel piano ampliato si determinino le coordinate del polo della retta x + y = 0
rispetto alla conica 2x2 + y 2 − 1 = 0.

Esercizio 144 Nel piano ampliato si determinino le coordinate del polo della retta 2x−3y +2 =
0 rispetto alla conica x2 + 2y 2 − 3xy + 2x − y = 0.

Esercizio 145 Data la conica x2 + 2xy + 4y 2 − 4x − 10y + 4 = 0, determinare una coppia di


diametri coniugati, uno dei quali parallelo all’asse X.

Esercizio 146 Determinare l’equazione della circonferenza che passa per i punti (4, −2), (2, 3)
ed ha centro sulla retta x − y − 1 = 0.
Risposta : (x − 21 )2 + (y + 12 )2 = 29
2

Esercizio 147 Determinare l’equazione del cerchio di centro (6, 7) che sia tangente alla retta
5x − 12y − 24 = 0.
Risposta : (x − 6)2 + (y − 7)2 = 36

Esercizio 148 Data la circonferenza x2 + y 2 + 2x + y + 1 = 0, determinare la tangente nel


punto (−1, 0).
Risposta : y = 0

Esercizio 149 L’equazione 3x2 − 5xy − 2y 2 + x + 5y − 2 = 0 rappresenta una conica riducibile.


Determinare le equazioni delle rette in cui essa si decompone.
Risposta : x − 2y + 1 = 0 e 3x + y − 2 = 0.

Esercizio 150 Data l’iperbole di equazione x2 − 4xy + y 2 − 2x − 4y − 1 = 0, di centro (− 53 , − 43 )


e di assi 3y − 3x − 1 = 0 e y + x + 3 = 0, determinare le sue equazioni ridotte.
2 2 2 2
Risposta : x10 − y10 = 1 e − x10 + y10 = 1.
3 9 3 9
CAPITOLO 14. LE CONICHE. 183

Esercizio 151 Data la conica γ : 3xy − 4y 2 − 3x + 2y − 3 = 0, determinarne il centro, eventuali


asintoti, assi ed il vertice.

Esercizio 152 Determinare centro, assi, asintoti della conica: γ : 2x2 − y 2 + 4x − 1 = 0

Esercizio 153 Nel piano euclideo ampliato sia dato il fascio di coniche

4x2 + 4xy + ky 2 + 4x − 10y − 1 − k = 0.

Di tale fascio si determinino i punti base, le coniche riducibili, eventuali tangenti comuni a tutte
le coniche.

Esercizio 154 Date le coniche di equazione

x2 − y 2 + 2x − 2y − 2 = 0, x2 + 8y 2 + 2x + 16y + 3 = 0

determinare nel fascio da esse individuato:


a) le coniche degeneri;
b) la conica passante per il punto (1, 1);
c) le ellissi, le iperboli e le parabole in esso contenute.

Esercizio 155 Scrivere l’equazione del fascio di coniche che ha come punti base

(0, 0), (2, −1), (1, 2), (−3, −2).

Esercizio 156 Scrivere l’equazione del fascio di coniche che ha come punti base

(−1, −2), (3, −2), (1, −1, 0)

e tangenti in quest’ultimo punto alla retta x + y = 0.

Esercizio 157 Scrivere l’equazione del fascio di coniche che ha come punti base A(−1, −3), B(2, 5)
e tangenti in A alla retta x + 1 = 0 ed in B alla retta y − 5 = 0.

Esercizio 158 Data la conica γ : x2 + 2xy + y 2 − 4y + 6 = 0, determinarne il centro, il fuoco,


il vertice e l’asse (é una parabola).
Scrivere l’equazione della conica γ in forma ridotta.

Esercizio 159 Data la conica γ : 3x2 − 4xy + 16x − 8y − 60 = 0, determinarne il centro, il


vertice, gli assi e gli asintoti.
Scrivere l’equazione della conica γ in forma ridotta.

Esercizio 160 Studiare il tipo di conica di equazione x2 + 2xy + 4y 2 − 4x − 10Y + 4 = 0 e


determinare una coppia di diametri coniugati, uno dei quali parallelo all’asse X.

Esercizio 161 Determinare la tangente comune a tutte le coniche del fascio xy − λ(x2 − y 2 −
2y) = 0
CAPITOLO 14. LE CONICHE. 184

Esercizio 162 Determinare la tangente comune a tutte le coniche dela fascio xy −λ(x−y 2 ) = 0

Esercizio 163 Determinare il polo della retta 7x−10y +5 = 0 nella polaritá rispetto alla conica
x2 + 2y 2 − 3xy + 2x − y = 0.

Esercizio 164 Nel piano ampliato determinare le coniche degeneri del fascio λxy + y 2 − λ = 0

Esercizio 165 Nel piano ampliato determinare le coordiante del polo della retta 7x − 9y + 1 = 0
nella polaritá rispetto alla conica x2 + 2y 2 − 3xy + 2x − y = 0.

Esercizio 166 Nel piano ampliato determinare le coniche degeneri del fascio λxy + xy − 1 = 0

Esercizio 167 Nel piano ampliato determinare il polo della retta 4x − 5y = 0 nella polaritá
rispetto alla conica x2 + 2y 2 − 3xy + 2x − y = 0.

Esercizio 168 Nel piano ampliato quali sono le coniche degeneri del fascio xy + λx2 − λy = 0

Esercizio 169 Determinare le forme ridotte dell’iperbole 2x2 − 3xy − 2y 2 + 5x = 0

Esercizio 170 Determinare le forme ridotte della parabola x2 − 2xy + y 2 + 2x = 0.

Esercizio 171 Determinare gli assi, gli asintoti e le forme ridotte dell’iperbole 3x2 − 4xy +
16x − 8x − 60 = 0.

Esercizio 172 Determinare asse, fuoco, forme ridotte ed equazioni di cambiamento del sistema
di riferimento della seguente parabola x2 + 2xy + y 2 − 4y + 6 = 0.

Esercizio 173 Studiare la seguente conica 2x2 − y + x + 1 = 0.

Esercizio 174 Determinare le forme ridotte dell’iperbole x2 − 4xy + y 2 − 2x − 4y − 1 = 0.

Esercizio 175 Studiare la conica 2x2 − y 2 + 4x − 1 = 0.

Esercizio 176 Determinare l’equazione ridotta dell’iperbole equilatera x2 − y 2 = 4 riferita ai


suoi asintoti.

Esercizio 177 Determinare le equazioni ridotte dell’ellisse x2 − xy + y 2 − 5x + 7y + 1 = 0 di


centro (1, −3) ed assi x − y − 4 = 0, x + y + 2 = 0.
Capitolo 15

Rette e piani nello spazio affine ed


euclideo.

15.1 Equazioni di un piano.


Sia π un piano nello spazio affine A3 . Per individuare π abbiamo bisogno di un punto P0 =
(x0 , y0 , z0 ) ∈ π e di un vettore v = (l, m, n) ∈ π. In particolare, se v1 = (l1 , m1 , n1 ) e v2 =
(l2 , m2 , n2 ) sono due vettori indipendenti del piano, essi generano ogni altro vettore del piano,
cioé v = tv1 + t0 v2 , con t, t0 parametri reali.
Sia ora P = (x, y, z) un generico punto del piano. Esso dipende allora da P0 e da v, cioé
OP = f (OP0 , v), da cui 
0
 x = x0 + tl1 + t l2

0
y = y0 + tm1 + t m2
 z = z + tn + t0 n

0 1 2

che sono dette equazioni parametriche di un piano. Da queste otteniamo




 x − x0 = tl1 + t0 l2
y − y0 = tm1 + t0 m2
 z − z = tn + t0 n

0 1 2

cioé il vettore P P0 dipende linearmente dai vettori v1 , v2 , per cui



x−x y − y 0 z − z0
0
l1 m1 n1 =0



l2 m2 n2

svolgendo la quale si ha l’equazione affine del piano


ax + by + cz + d = 0.

Supponiamo ora di avere tre punti non allineati nello spazio P0 = (x0 , y0 , z0 ), P1 = (x1 , y1 , z1 ),
P2 = (x2 , y2 , z2 ). Essi individuano un piano, in particolare i vettori P0 P1 e P0 P2 sono tra loro

185
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 186

indipendenti ed hanno componenti

P0 P1 = (x1 − x0 , y1 − y0 , z1 − z0 )

P0 P2 = (x2 − x0 , y2 − y0 , z2 − z0 ).
Per ogni altro punto P = (x, y, z) del piano, il vettore P0 P = (x − x0 , y − y0 , z − z0 ) é dipendente
dai precedenti due vettori, cioé

x−x y − y 0 z − z0
0
x1 − x0 y 1 − y 0 z1 − z0 =0

x2 − x0 y 2 − y 0 z2 − z0

che é equivalente alla



x y z 1

x0 y0 z0 1
=0

x1 y1 z1 1



x2 y2 z2 1

che ci riporta ancora alla forma affine dell’equazione del piano.

15.2 Reciproca posizione di due piani.


Siano π : ax + by + cz + d = 0 e π 0 : a0 x + b0 y + c0 z + d0 = 0 due piani. I punti in comune ai due
piani sono le soluzioni del sistema lineare
(
ax + by + cz + d = 0
a0 x + b0 y + c0 z + d0 = 0

nelle incognite x, y, z. Le matrici associate al sistema sono


" # " #
a b c a b c d
A= , C= .
a0 b0 c0 a0 b0 c0 d0
Se rango(A) = rango(C) = 1, allora i due piani sono coincidenti poiché ax + by + cz + d =
α(a0 x + b0 y + c0 z + d0 ), per un opportuno α ∈ lR.
Se rango(A) = rango(C) = 2, allora il sistema ammette ∞1 soluzioni, cioé i due piani hanno
1
∞ punti in comune e quindi sono incidenti in una retta.
Se rango(A) = 1 e rango(C) = 2, allora il sistema é incompatibile ed i due piani non hanno
punti in comune, cioé sono paralleli. Ció si verifica quando
a b c d
0
= 0 = 0 6= 0
a b c d
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 187

15.3 Fascio di piani.


Siano π : ax + by + cz + d = 0 e π 0 : a0 x + b0 y + c0 z + d0 = 0 due piani distinti. La totalitá dei
piani di equazione

λ(ax + by + cz + d = 0) + %(a0 x + b0 y + c0 z + d0 ) = 0

al variare dei parametri reali λ e %, é detta fascio di piani. Si possono verificare due casi: π e
π 0 sono incidenti in una retta, ed allora tutti i piani del fascio hanno in comune quella retta, si
parla di fascio proprio. Oppure π e π 0 sono tra loro paralleli, ed allora tutti i piani del fascio
sono tra loro paralleli, si parla di fascio improprio.
Supponiamo allora di avere un terzo piano π 00 : a00 x + b00 y + c00 z + d00 = 0 ed analizziamo in
quale casi esso appartiene al fascio individuato da π e π 0 . In pratica si deve studiare il sistema


 ax + by + cz + d = 0
a0 x + b0 y + c0 z + d0 = 0
 a00 x + b00 y + c00 z + d00 = 0

nelle incognite x, y, z. Le matrici associate al sistema sono


   
a b c a b c d
A =  a0 b0 c0  , C =  a0 b0 c0 d0  .
   
00 00
a b c 00 00 00
a b c d00 00

Se rango(A) = rango(C) = 2, allora il sistema ammette ∞1 soluzioni, cioé i tre piani hanno
∞1 punti in comune e quindi sono incidenti in una retta: essi appartengono ad un fascio proprio.
Se rango(A) = 1 e rango(C) = 2, allora il sistema é incompatibile ed i tre piani non hanno
punti in comune, cioé sono paralleli: essi appartengono ad un fascio improprio.

15.4 Stella di piani.


Siano π : ax + by + cz + d = 0, π 0 : a0 x + b0 y + c0 z + d0 = 0 e π 00 : a00 x + b00 y + c00 z + d00 = 0 tre
piani. Consideriamo il sistema


 ax + by + cz + d = 0
a0 x + b0 y + c0 z + d0 = 0
 a00 x + b00 y + c00 z + d00 = 0

nelle incognite x, y, z. Le matrici associate al sistema sono


   
a b c a b c d
A =  a b0 c0  ,
 0
C =  a b0 c0 d0  .
  0 
a00 b00 c00 a00 b00 c00 d00

Abbiamo giá visto che:


se rango(A) = rango(C) = 1 allora i tre piani coincidono tra loro;
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 188

se rango(A) = rango(C) = 2 allora i tre paini formano un fascio proprio;


se rango(A) = 1 e rango(C) = 2 allora i trte piani formano un fascio improprio.
Poniamoci ora nel caso in cui i tre piani siano distinti e non appartengano ad uno stesso
fascio. Quindi dovremo avere necessariamente rango(C) = 3.
Se anche rango(A) = 3, allora il sistema ammette una sola soluzione, cioé i tre piani hanno
in comune un punto, si dice che essi formano una stella propria di piani.
Se rango(A) = 2, allora il sistema é incompatibile, i tre piani non hanno punti in comune,
in pratica uno dei tre piani é parallelo alla retta che gli altri due hanno in comune: si dice che i
tre piani formano una stella impropria.
In ogni caso, la totalitá dei piani che appartengono alla stella é data dall’equazione:

α(ax + by + cz + d = 0) + β(a0 x + b0 y + c0 z + d0 ) + γ(a00 x + b00 y + c00 z + d00 ) = 0

al variare dei parametri reali α, β e γ.


Supponiamo di avere un quarto piano π 000 : a000 x + b000 y + c000 z + d000 = 0. Esso appartiene alla
stella formata dai piani π, π 0 e π 00 (propria o impropria che sia) se la matrice
 
a b c d

 a0 b0 c0 d0 

a00 b00 c00 d00
 
 
a000 b000 c000 d000

ha rango 3.

15.5 Equazioni di una retta.


Definiamo retta nello spazio, l’insieme di tutti i punti comuni a due piani non paralleli, quindi
la rappresentiamo con le equazioni:
(
ax + by + cz + d = 0
.
a0 x + b0 y + c0 z + d0 = 0

Ogni retta dello spazio puó essere individuata da un suo punto P0 = (x0 , y0 , z0 ) e da un vettore
v = (l, m, n) ad essa parallelo. Quindi ogni punto P = (x, y, z) della retta é tale che il vettore
OP dipenda da OP0 e v cioé OP = OP0 + tv. Al variare del parametro t si ottengono tutti i
punti della retta: 
 x = x0 + tl

y = y0 + tm

 z = z + tn
0

che sono dette equazioni parametriche della retta. La terna (l, m, n) rappresenta i parametri
direttori della retta. In particolare se si conoscono due punti della retta P1 = (x1 , y1 , z1 ) e
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 189

P2 = (x2 , y2 , z2 ), il vettore P1 P2 é parallelo alla retta e quindi (l, m, n) = (x2 −x1 , y2 −y1 , z2 −z1 )
e l’equazione si puó ottenere nel modo seguente:

 x = x1 + t(x2 − x1 )

y = y + t(y − y )
1 2 1
 z = z + t(z − z )

1 2 1

da cui
x − x1 y − y1 z − z1
t= = =
x2 − x1 y2 − y1 z2 − z1
che é detta equazione a catena di una retta.
Due rette sono parallele se e solo se esse hanno i tre parametri direttori proporzionali (in
particolare identici).

15.6 Rette complanari.


Siano date le due rette (
ax + by + cz + d = 0
r:
a0 x + b0 y + c0 z + d0 = 0
di parametri direttori (l, m, n) e
(
0 a00 x + b00 y + c00 z + d00 = 0
r :
a000 x + b000 y + c000 z + d000 = 0

di parametri direttori (l0 , m0 , n0 ).


Diremo che r e r0 sono complanari se esiste un piano che le contenga entrambe. In tal caso, le
due rette possono essere incidenti in un punto, cioé i quattro piani che le formano appartengono
ad un stella propria, oppure le due rette sono parallele, cioé i quattro piani che le formano
appartengono ad una stella impropria. Possiamo quindi dedurre che due rette sono complanari
se la matrice  
a b c d
 a0 b0 c0 d0 
 
 00
 a b00 c00 d00 

a000 b000 c000 d000


ha rango ≤ 3, cioé quando

a b c d

a 0 b 0 c 0 d0
= 0.


a 00 b 00 c 00 d00
000 000 000 d000

a b c

Analogamente possiamo determinare una ulteriore condizione di complanaritá tra le due rette:
siano scelti due punti P = (x, y, z) ∈ r e P 0 = (x0 , y 0 , z 0 ) ∈ r0 . Se le due rette fossero complanari,
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 190

i vettori (l, m, n), (l0 , m0 , n0 ) e (x − x0 , y − y 0 , z − z 0 ) sarebbero tra loro dipendenti cioé



x − x0 y − y0 z − z0

l m n = 0.


l0 m0 n0

Se due rette non sono complanari sono dette sghembe.

15.7 Reciproca posizione tra una retta ed un piano.


Siano dati il piano
π: ax + by + cz + d = 0
e la retta (
π 0 : a0 x + b0 y + c0 z + d0 = 0
r: .
π 00 : a00 x + b00 y + c00 z + d00 = 0
Se i tre piani appartengono allo stesso fascio, allora la retta r appartiene al piano π (essa é l’asse
del fascio).
Se i tre piani appartengono ad una stella propria allora la retta ed il piano π hanno un punto
in comune (che é il centro della stella).
Se i tre piani appartengono ad una stella impropria allora la retta ed il piano non hanno
punti in comune, cioé la retta é parallela al piano.
Poniamoci in quest’ultimo caso, retta e piano siano paralleli. Siano P1 = (x1 , y1 , z1 ) e
P2 = (x2 , y2 , z2 ) due punti della retta. Allora il vettore (l, m, n) = (x2 − x1 , y2 − y1 , z2 − z1 ) é
parallelo a π. In altre parole esiste un piano σ : ax + by + cz + div , parallelo a π, che contiene il
vettore P1 P2 . Quindi le coordinate dei punti P1 e P2 soddisfano all’equazione di σ:
(
ax2 + by2 + cz2 + div = 0
ax1 + by1 + cz1 + div = 0

e sottraendo le due equazioni otteniamo

a(x2 − x1 ) + b(y2 − y1 ) + c(z2 − z1 ) = 0

al + bm + cn = 0
che é la condizione di parallelismo tra una retta ed un piano.

15.8 Calcolo dei parametri direttori di una retta.


Sia data la reta (
π : ax + by + cz + d = 0
r:
π0 : a0 x + b0 y + c0 z + d0 = 0
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 191

con parametri direttori (l, m, n). Essi sono le componenti di un vettore parallelo alla retta.
Tale vettore deve allora essere parallelo sia al piano π che a π 0 , ed applicando la condizione di
parallelismo otteniamo: (
al + bm + cn = 0
.
a0 l + b0 m + c0 n = 0
Questo é un sistema omogeneo di rango 2, nelle tre incognite (l, m, n), le cui soluzioni sono
proporzionali ai minori " # " # " #
b c c a a b
, , .
b0 c0 c0 a0 a0 b0

Esercizio 178 Determinare l’equazione del piano contenente i punti (1, 1, 0), (1, 0, 1), (3, −1, 0).

Svolg. Sia (x, y, z) il generico punto del piano. L’equazione in forma cartesiana si ottiene allora
da:

x y z 1

1 1 0 1
=0

1 0 1 1



3 −1 0 1

cioé x + y + z − 2 = 0. t
u

Esercizio 179 Determinare l’equazione del piano contenente il punto (1, 1, 2) e parallelo ai
vettori di componenti (−1, 2, 3) e (1, 2, −1).

Svolg. In forma parametrica l’equazione del piano é



0
 x = −t + t + 1

y = 2t + 2t0 + 1
 z = 3t − t0 + 2

ed in forma cartesiana
x−1 y−1 z−2

−1 2 3 =0

−1

1 2

cioé 4x − y + 2z − 7 = 0. t
u

Esercizio 180 Sia dato il fascio di piani (3x + y − 2z) + a(x − 4y + 2z − 1) = 0. Verificare se
il piano π : 2x + 5y − 4z + 2 = 0 appartiene o no al fascio.

Svolg. Le matrici associate al fascio sono


" # " #
3 1 −2 3 1 −2 0
A= , C= .
1 −4 2 1 −4 2 −1
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 192

Hanno entrambe rango 2, quindi il fascio é proprio. Consideriamo ora le matrici associate
ai tre piani (aggiungiamo una riga con i coefficienti di π):
   
3 1 −2 3 1 −2 0
A0 =  1 −4 2  , C 0 =  1 −4 2 −1  .
   
2 5 −4 2 5 −4 2
La matrice A0 ha rango 2, ma la matrice C 0 ha rango 3, quindi il piano π non appartiene al
fascio dato. In particolare i tre piani formano una stella impropria. u
t

Esercizio 181 Sia dato il fascio di piani (x + y − 3z + 2) + a(2x + 2y − 6z + 1) = 0. Verificare


se il piano π : 5x + 5y − 15z + 4 = 0 appartiene o no al fascio.

Svolg. Le matrici associate al fascio sono


" # " #
1 1 −3 1 1 −3 2
A= , C= .
2 2 −6 2 2 −6 1

La matrice A ha rango 1, e la matrice C ha rango 2: é un fascio improprio. Consideriamo ora


le matrici associate ai tre piani (aggiungiamo una riga con i coefficienti di π):
   
1 1 −3 1 1 −3 2
0 0
A =  2 2 −6  , C =  2 2 −6 1  .
   
5 5 −15 5 5 −15 4
La matrice A0 ha rango 1 e la matrice C 0 ha rango 2, quindi il piano π appartiene al fascio
dato. t
u

Esercizio 182 Sia data la stella di piani (3x + y − 2z) + a(x − 4y + 2z − 1) + b(x − 1) = 0.
Verificare se i piani π : 3x + 5y − 4z = 0 e σ : 2x + y − 1 = 0 appartengono o no alla stella.

Svolg. Le matrici associate alla stella sono


   
3 1 −2 3 1 −2 0
A =  1 −4 2  , C =  1 −4 2 −1  .
   
1 0 0 1 0 0 −1

Hanno entrambe rango 3, quindi la stella é propria. Consideriamo ora le matrici associate ai
quattro piani (aggiungiamo una riga con i coefficienti di π):
   
3 1 −2 3 1 −2 0
 1 −4 2   1 −4 2 −1 
A0 =  , C0 =  .
   
 1 0 0   1 0 0 −1 
3 5 −4 3 5 −4 0
Le matrici A0 e C 0 hanno entrambe rango 3, quindi il piano π appartiene alla stella.
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 193

Consideriamo ora le matrici ottenute aggiungendo i coefficienti del piano σ:


   
3 1 −2 3 1 −2 0
 1 −4 2   1 −4 2 −1 
A00 =  , C 00 =  .
   
 1 0 0   1 0 0 −1 
2 1 0 2 1 0 −1

La matrice C 00 ha rango 4, quindi il piano σ non appartiene alla stella. t


u

Esercizio 183 Sia data la stella di piani (2x + y + z) + a(x + y + z) + b(3x + 2y + 2z − 1) = 0.


Verificare se i piani π : 2x + 2y + 2z − 3 = 0 e σ : x + 2y − z = 0 appartengono o no alla stella.

Svolg. Le matrici associate alla stella sono


   
2 1 1 2 1 1 0
A =  1 1 1 , C =  1 1 1 1 .
   
3 2 2 3 2 2 −1

La matrice A ha rango 2 e la matrice C ha rango 3, quindi la stella é impropria. Consideriamo


ora le matrici associate ai quattro piani (aggiungiamo una riga con i coefficienti di π):
   
2 1 1 2 1 1 0
 1 1 1   1 1 1 1 
A0 =  , C0 =  .
   
 3 2 2   3 2 2 −1 
2 2 2 2 2 2 −3
Le matrici A0 e C 0 hanno rispettivamente rango 2 e rango 3, quindi il piano π appartiene alla
stella.
Consideriamo ora le matrici ottenute aggiungendo i coefficienti del piano σ:
   
2 1 1 2 1 1 0
 1 1 1   1 1 1 1 
A00 =  , C 00 =  .
   
 3 2 2   3 2 2 −1 
1 2 −1 1 2 −1 0

La matrice A00 ha rango 3, quindi il piano σ non appartiene alla stella impropria. t
u

Esercizio 184 Determinare la retta passante per i punti (1, 0, 1) e (2, 3, 1).

Svolg. I parametri direttori della retta sono dati dalle differenze delle coordinate omologhe dei
due punti: (l, m, n) = (1, 3, 0), quindi una forma parametrica dell’equazione della retta é:

 x=t+1

y = 3t .

 z=1
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 194

In forma cartesiana, eliminando il parametro t dalle precedenti, otteniamo:


(
3x − y − 3 = 0
.
z=1

t
u

Esercizio 185 Determinare la retta passante per il punto (2, 1, 1) e parallela alla retta s :
2x + y − z = x + y − 2z + 1 = 0.

Svolg. I parametri direttori della retta s sono (−1, 3, 1), e quindi essi possono essere considerati
anche come i parametri direttori della retta da determinare.
Quindi una forma parametrica dell’equazione della retta é:

 x = −t + 2

y = 3t + 1 .

 z =t+1

In forma cartesiana, eliminando il parametro t dalle precedenti, otteniamo:


(
x+z−3=0
.
3x + y − 7 = 0

t
u

Esercizio 186 Determinare se le seguenti rette sono complanari:

r: x − 3y + 2 = x + y + z − 1 = 0

s: x = −t + 2, y = 5t + 3, z = −t.

Svolg. Ps = (2, 3, −1) é un punto di s. Qr = (−2, 0, 3) é un punto di r. Il vettore che li


congiunge ha componenti (4, 3, −4). Inoltre i parametri direttori di r sono (−3, −1, 4) e quelli
di s sono (−1, 5, −1). Calcoliamo il determinante della matrice
 
4 3 4
A =  −3 −1 4  .
 
−1 5 −1

Poiché det(A) 6= 0, le due rette non sono complanari (si dice che sono sghembe). t
u

Esercizio 187 Determinare se le seguenti rette sono complanari:

r: x−y =z−1=0

s: x − y + 2z − 3 = 2x − 2y + 3z − 4 = 0
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 195

Svolg. Per verificare se sono complanari consideriamo la matrice formata dai coefficienti dei
quattro piani che le compongono:
 
1 −1 0 0
 0 0 1 −1 
A= .
 
 1 −1 2 3 
2 −2 3 −4

Poiché det(A) = 0, le due rette sono complanari. Calcoliamo allora il piano π che la contiene
entrambe: determiniamo dapprima il fascio di piani che abbia come sostegno la retta s:

F : (x − y + 2z − 3) + a(2x − 2y + 3z − 4) = 0.

Il piano π appartiene a tale fascio. Inoltre π deve contenere ogni punto di r. Scegliamo P =
(0, 0, 1) ∈ r (la scelta di tale punto deve essere tale da essere certi che P non sia il punto comune
alle due rette). Imponiamo ora che il generico piano del fascio contenga P :

2 − 3 + a(3 − 4) = 0 → a = −1

quindi
π: x − y + z − 1 = 0.
t
u

Esercizio 188 Si verifichi che il piano π : 2x − y − 4z + 2 = 0 e la retta

r: x = t, y = 1 − 2t, z=t

sono paralleli.

Svolg. I parametri direttori della retta sono (l, m, n) = (1, −2, 1) ed i coefficienti del piano sono
(a, b, c) = (2, −1, −4), per cui é verificata la condizione al + bm + cn = 0. t
u

Esercizio 189 Determinare il punto comune alla retta

r: 2x − y + 1 = x + y − z = 0

ed al piano π : 3x − y + 2z = 0.

Svolg. I parametri direttori di r sono (1, 2, 3) ed un suo punto é P0 = (0, 1, 0). Una forma
parametrica della retta é allora: 

 x=t
y = 2t + 1 .

 z = 3t

Sostituiamo il generico punto di r, che ha coordinate (t, 2t + 1, 3t), nell’equazione del piano.
Otterremo il valore del parametro t per il quale il punto appartiene sia alla retta che al piano:
1
3t − (2t + 1) + 6t = 0 → t =
6
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 196

quindi il punto comune a retta e piano é dato da




 x = 16
y = 2 · 16 + 1 = 4
3 .
 z =3· 1 = 1

6 2

Esercizio 190 Determinare il piano passante per il punto (2, 1, 1) e parallelo al piano π : 2x −
y + 3z + 5 = 0.

Svolg. Il generico piano parallelo a π ha equazione

2x − y + 3z + k = 0

al variare di k ∈ lR si ottengono tutti i piani paralleli a π. Imponiamo il passaggio per il punto


(2, 1, 1): → k = −6, cioé l’equazione del piano richiesto é 2x − y + 3z − 6 = 0. t
u

15.9 Coordinate omogenee nello spazio.


Sia P = (x, y, z) un punto nello spazio. Diremo che (x1 , x2 , x3 , x4 ) sono le coordinate omogenee
di P se
x1 x2 x3
x= , y= , z= .
x4 x4 x4
Se x4 6= 0, il punto é detto proprio e puó essere individuato dalla quaterna di coordinate
omogenee (x, y, z, 1).
In caso x4 = 0, il punto é detto improprio. L’insieme di tutti i punti impropri dello spazio é
individuato dall’equazione x4 = 0, che rappresenta un piano, il piano improprio.
Tutte le quaterne di coordinate omogenee che siano tra loro proporzionali, individuano il
medesimo punto.
L’equazione di un piano in coordinate omogenee é

π: ax1 + bx2 + cx3 + dx4 = 0

ed i suoi punti impropri si ottengono intersecandolo col piano improprio:


(
ax1 + bx2 + cx3 + dx4 = 0
x4 = 0

Questa é una retta, detta retta impropria (o giacitura) di π. Tutti i piani tra loro paralleli hanno
la stessa giacitura.

L’equazione di una retta in coordinate omogenee é data dall’intersezione dei due piani
(
ax1 + bx2 + cx3 + dx4 = 0
r:
a0 x1 + b0 x2 + c0 x3 + d0 x4 = 0
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 197

I punti impropri di r si ottengono intersecandola col piano improprio:




 ax1 + bx2 + cx3 + dx4 = 0
a0 x1 + b0 x2 + c0 x3 + d0 x4 = 0

 x4 = 0

Quindi ogni retta contiene un solo punto improprio (l, m, n, 0), dove (l, m, n) sono esattamente
i parametri direttori di r. Per cui rette tra loro parallele hanno lo stesso punto improprio.

Osservazione 20 Se una retta ed un piano sono paralleli, allora il punto improprio della retta
appartiene alla giacitura del piano.

15.10 Angoli nello spazio euclideo.


Fissiamo nello spazio euclideo un riferimento cartesiano ortogonale OXY Z di centro O e versori
i, j, k, rispettivamente per gli assi X, Y, Z.
Chiameremo coseni direttori di una retta r, i coseni degli angoli che la retta forma con gli
assi coordinati. Se la retta é individuata dai parametri direttori (l, m, n), i suoi coseni direttori
saranno:
l l
α = cos(r, X) ∈ {+ √ , −√ }
2
l +m +n2 2 l + m2 + n 2
2

m m
β = cos(r, Y ) ∈ {+ √ , −√ }
l2 + m2 + n2 l2 + m2 + n2
n n
γ = cos(r, Z) ∈ {+ √ , −√ }
2
l +m +n2 2 l + m2 + n2
2

Consideriamo ora due rette ed individuiamole tramite i rispettivi parametri direttori: r =


(l, m, n) e r0 = (l0 , m0 , n0 ). Indichiamo con v e v 0 due vettori paralleli rispettivamente a r e r0 ,
uno di componenti (l, m, n) e l’altro (l0 , m0 , n0 ). L’angolo tra le due rette é lo stesso formato dai
due vettori:
ll0 + mm0 + nn0 ll0 + mm0 + nn0
cos(r, r0 ) = cos(v, v 0 ) ∈ {+ √ √ , −√ √ }.
l2 + m2 + n2 · l02 + m02 + n02 l2 + m2 + n2 · l02 + m02 + n02
Quindi le due rette sono ortogonali se ll0 + mm0 + nn0 = 0.

Sia π : ax + by + cz + d = 0 un piano. Un vettore v di componenti (vx , vy , vz ) é parallelo al


piano se avx + bvy + cvz = 0. Ció vuol dire anche che il vettore v é ortogonale ad ogni vettore
w di componenti proporzionali alla terna (a, b, c). In particolare questo implica che ogni vettore
w = %(a, b, c) é ortogonale anche al piano ax + by + cz + d = 0. Diciamo allora che una retta é
ortogonale al piano π se i suoi coseni direttori sono
a a
α = cos(r, X) ∈ {+ √ , −√ }
a2 2
+b +c2 a + b2 + c2
2
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 198

b b
β = cos(r, Y ) ∈ {+ √ , −√ }
a22
+b +c 2 a + b2 + c2
2

c c
γ = cos(r, Z) ∈ {+ √ , −√ }.
a2 + b2 + c2 a2 + b2 + c2

Siano ora π : ax + by + cz + d = 0 e π 0 : a0 x + b0 y + c0 z + d0 = 0 due piani distinti. L’angolo


formato dai due piani é uguale a quello formato dai due versori normali ai due piani:

aa0 + bb0 + cc0 aa0 + bb0 + cc0


cos(π, π 0 ) ∈ {+ √ √ , −√ √ }.
a2 + b2 + c2 · a02 + b02 + c02 a2 + b2 + c2 · a02 + b02 + c02
Da ció concludiamo anche che i due piani sono ortogonali se aa0 + bb0 + cc0 = 0.

Consideriamo infine una retta r di parametri direttori (l, m, n) ed un piano π : ax + by +


cz + d = 0. Il versore normale al piano é
a b c
n = (√ ,√ ,√ ).
a2 + b2 + c2 a2 + b2 + c2 a2 + b2 + c2
π
Sia ϕ = (r, n) l’angolo formato dalla retta r e dal versore n. Definiamo 2 − ϕ l’angolo formato
dalla retta r e dal piano π. Quindi segue che:
al + bm + cn al + bm + cn
sen(r, π) = cos(r, n) ∈ {+ √ √ , −√ √ }
a2 b2 2 2
+ +c · l +m +n 2 2 a + b + c2 · l2 + m2 + n2
2 2

da cui otteniamo che la retta ed il piano sono paralleli se al + bm + cn = 0.

15.11 Distanze nello spazio euclideo.


Siano P1 = (x1 , y1 , z1 ) e P2 = (x2 , y2 , z2 ) due punti dello spazio. La distanza tra i punti P1 e P2
é il modulo del vettore P1 P2 :
q
δ(P1 , P2 ) = (x2 − x1 )2 + (y2 − y1 )2 + (z2 − z1 )2 .

Consideriamo ora il punto P0 = (x0 , y0 , z0 ) ed il piano π : ax+by +cz +d = 0. Ci proponiamo


di calcolare la distanza del punto dal piano. Se P0 ∈ π chiaramente diremo che essa é nulla.
Poniamoci allora nel caso in cui P0 ∈ / π. La distanza di P0 da π é pari alla lunghezza δ(P0 H)
del segmento P0 H, dove H é la proiezione ortogonale di P0 su π. Scegliamo un qualsiasi punto
Q1 = (x1 , y1 , z1 ) ∈ π. Allora δ(P0 H) é la proiezione ortogonale del vettore P0 Q1 lungo la
direzione del vettore P0 H. Per determinare tale proiezione abbiamo bisogno del versore u di
P0 H, che é il versore normale al piano π:
a b c
u = (√ ,√ ,√ ).
a2 + b2 + c2 a2 + b2 + c2 a2 + b2 + c2
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 199

Quindi:
a b c
δ(P0 H) = |(P0 Q1 ) × ( √ i+ √ j+√ k)| =
a2+b 2 2
a +b 2 a + b2 + c2
2

a b c
|((x1 − x0 )i + (y1 − y0 )j + (z1 − z0 )k) × ( √ i+ √ j) + √ k| =
2
a +b 2 2
a +b 2 a + b2 + c2
2

|ax1 − ax0 + by1 − by0 + cz1 − cz0 |


√ .
a2 + b2 + c2
Dal fatto che Q1 ∈ π segue che ax1 + by1 + cz1 = −d, per cui
|ax0 + by0 + cz0 + d|
δ(P0 H) = √ .
a2 + b2 + c2

Scegliamo ora una retta r di parametri direttori (l, m, n) ed il punto P1 = (x1 , y1 , z1 ) non
appartenente alla retta. Costruiamo il piano π ortogonale alla retta e passante per P1 : tale piano
é unico. Indichiamo con Q1 = π ∩ r, esso é la proiezione ortogonale di P1 su r. La distanza del
punto P1 dalla retta r é la distanza δ(P1 , Q1 ).
Vogliamo ora determinare una formula calcolare tale distanza senza conoscere le coordinate
di Q1 . Scegliamo arbitrariamente un punto Q0 = (x0 , y0 , z0 ) ∈ r. Il segmento h = P1 Q1 é
l’altezza del trapezio avente come lati l1 = Q1 Q0 e l2 = P1 Q0 , inoltre h é l’altezza relativa al
lato l1 . Per cui h = lA1 , dove A é l’area del trapezio. Quindi:

|Q1 Q0 ∧ P1 Q0 |
δ(P1 , r) = h = .
|Q1 Q0 |
In particolare, pur supponendo di non conoscere le coordinate di Q1 , é certo che esiste un
opportuno α ∈ lR, tale che Q1 Q0 = α(l, m, n), da cui


i j k

Q1 Q0 ∧ P1 Q0 = αl αm αn .

(x1 − x0 ) (y1 − y0 ) (z1 − z0 )

Allora il modulo del vettore Q1 Q0 é


v 2 2 2
u
u x − x y1 − y0 x −x z1 − z0 y −y z 1 − z0
αt 1 0 1 0 1 0
+ +

l m l n m n


p
ed il modulo di Q1 Q0 é α l2 + m2 + n2 ). Concludiamo che
|Q1 Q0 ∧ P1 Q0 |
δ(P1 , r) = h = =
|Q1 Q0 |
v 2 2 2
u
u x − x y1 − y0 x −x z1 − z0 y −y z1 − z0
u 1 0 1
+
0 1
+
0
l m l n m n
u
t
.
l2 + m2 + n2
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 200

Siano ora π : ax + by + cz + d1 = 0 e π 0 : ax + by + cz + d2 = 0 due piani paralleli. La distanza


tra di essi é pari alla distanza di un qualsiasi punto P0 = (x0 , y0 , z0 ) di π dall’altro piano π 0 :

|ax0 + by0 + cz0 + d2 |


δ(π, π 0 ) = √ =
a2 + b2 + c2
|d2 − d1 |

a2 + b2 + c2
poiché ax0 + by0 + cz0 = −d1 .

Infine siano r = (l, m, n) e r0 = (l0 , m0 , n0 ) due rette sghembe. Esisteranno quindi due piani
π e π 0 tra loro paralleli tali che r ∈ π e r0 ∈ π 0 . La distanza tra r e r0 é pari alla distanza tra π
e π0.
Un altro metodo per calcolare la distanza tra le rette sghembe r e r0 é quello di sfruttare la
proprietá per la quale esiste una ed una sola retta s perpendicolare ad entrambe r e r0 e con
esse incidente. Dopo aver individuato la retta s, si costruiscono i punti P = r ∩ s e P 0 = r0 ∩ s.
La distanza tra le due rette sghembe é pari alla distanza tra P e P 0 . Esponiamo nei particolari
questo procedimento: Siano scelti i punti Q = (x0 , y0 , z0 ) ∈ r e Q0 = (x00 , y00 , z00 ):
 
0 0 0
 x = x0 + tl
  x = x0 + t l

r: y = y + tm ,
0 r0 : y = y 0 + t0 m0 .
0

 z = z + tn  z = z 0 + t0 n 0

0 0

I generici punti P ∈ r e P 0 ∈ r0 sulle due rette hanno coordinate

P = (lt + x0 , mt + y0 , nt + z0 ), P 0 = (l0 t0 + x00 , m0 t0 + y00 , n0 t0 + z00 )

ed il vettore w che li congiunge ha componenti

w = (lt − l0 t0 + x0 − x00 , mt − m0 t0 + y0 − y00 , nt + n0 t0 + z0 − z00 ).

Al variare dei parametri t e t0 dobbiamo determinare i punti P e P 0 tali che il vettore w sia
ortogonale sia con r che con r0 , cioé devono annullarsi i seguenti prodotti scalari:

w × (l, m, n) = (lt − l0 t0 + x0 − x00 ) · l + (mt − m0 t0 + y0 − y00 ) · m + (nt + n0 t0 + z0 − z00 ) · n = 0

w × (l0 , m0 , n0 ) = (lt − l0 t0 + x0 − x00 ) · l0 + (mt − m0 t0 + y0 − y00 ) · m0 + (nt + n0 t0 + z0 − z00 ) · n0 = 0.


Le soluzioni t, t0 , del precedente sistema, permettono di individuare i punti P, P 0 sulle rette r e
r0 .

Esercizio 191 Determinare il piano contenente la retta di equazioni r : 3x + 6y − z − 2 =


x + y − 1 = 0 e ortogonale alla retta s : x = t + 2, y = 4t, z = −t + 1.
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 201

Svolg. Determiniamo il fascio di piani contenente r:

3x + 6y − z − 2 + h(x + y − 1) = 0

(3 + h)x + (6 + h)y − z − 2 − h = 0
ed imponiamo la ortogonalitá con s:

3 + h = 1, 6+h=4

da cui h = −2 e quindi il piano é


x + 4y − z = 0.
t
u

Esercizio 192 Determiniamo il piano contenente i punti (1, 0, 1), (−1, 1, 1) e parallelo alla
retta r : 2x + y − 1 = x − y − 2 = 0.

Svolg. I parametri direttori della retta r sono (0, 0, 1), per cui il piano richiesto contiene i tre
punti in coordinate omogenee (1, 0, 1, 1), (−1, 1, 1, 1), (0, 0, 1, 0):


x1 x2 x3 x4
1 0 1 1
π: =0

−1 1 1 1

0 0 1 0
π: x1 + 2x2 − x4 = 0
x + 2y − 1 = 0.
t
u

Esercizio 193 Determinare la distanza tra il punto P = (0, 2, 1) ed il piano π di equazione


3x + 2y − z + 2 = 0.

Svolg.
|3 · 0 + 2 · 2 + (−1) · 1| 3
δ(P, π) = √ =√ .
9+4+1 14
t
u

Esercizio 194 Determinare la distanza tra i due piani π : 2x + y + 2z − 1 = 0 e π 0 :


4x + 2y + 4z + 7 = 0.

Svolg. Riscriviamo π 0 : 2x + 2y + 2z + 7
2 = 0.

| 7 − (−1)| 9
3
δ(π, π 0 ) = √2 = √2 = .
4+1+4 9 2
t
u
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 202

Esercizio 195 Determinare la distanza tra le rette 2x + 3y − 2 = x − 1 = 0 e y = x − z + 1 = 0.

Svolg. Verifichiamo se le rette sono complanari o sghembe:




2 3 0 −2
1 0 0 −1
=0

0 1 0 0



1 0 −1 1
quindi le rette sono complanari. Inoltre le terne di parametri direttori delle rette sono

(0, 0, 1) (−1, 0, −1)

per cui le rette sono incidenti e non parallele e la loro distanza é nulla. t
u

Esercizio 196 Determinare la distanza tra le rette r : 2x + 3y − 1 = x − 1 = 0 e s : y=


x − z + 1 = 0.

Svolg. Verifichiamo se le rette sono complanari o sghembe:




2 3 0 −1
1 0 0 −1
=6 0

0 1 0 0



1 0 −1 1
quindi le rette sono sghembe. Inoltre le terne di parametri direttori delle rette sono

r = (0, 0, 1) s = (1, 0, 1).

Costruiamo il fascio di piani che ha come sostegno r

Fr : 2x + 3y − 1 + h(x − 1) = 0

Fr : (2 + h)x + 3y − 1 − h = 0
Il piano πr di Fr parallelo alla retta s deve contenere il punto improprio di s, s∞ = (1, 0, 1, 0).
Imponiamo il passaggio per s∞ : 2 + h = 0 ed il piano é πr : 3y + 1 = 0.
Analogamente costruiamo il fascio di piani che ha come sostegno s

Fs : y + k(x − z − 1) = 0

Fs : kx + y − kz − k = 0
Il piano πs di Fs parallelo alla retta r deve contenere il punto improprio di r, r∞ = (0, 0, 1, 0).
Imponiamo il passaggio per r∞ : k = 0 ed il piano é πs : y = 0. Allora
1
δ(r, s) = δ(πr , πs ) = .
3
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 203

Calcoliamo ora la retta di minima distanza, cioé quella ortogonale ed incidente ad entrambe le
rette date:
In coordinate parametriche il generico punto di r é Pr = (1, − 13 , t) e quello di s é Qs =
(t , 0, t0 + 1). Il segmento Pr Qs ha componenti (t0 − 1, 13 , t0 − t + 1). Inponiamo che tale vettore
0

sia ortogonale ad entrambe le rette:


ortogonalitá con r : t0 − t + 1 = 0
ortogonalitá con s : t0 − 1 + t0 − t + 1 = 0
da cui t0 = 1 e t = 2.
Quindi i punti contenuti nella retta di minima distanza sono
1
Pr = (1, , 2) Qs = (1, 0, 2)
3
e la retta di minima distanza é x − 1 = y − 2 = 0. t
u

Esercizio 197 Determinare la distanza tra il punto P = (1, 1, 3) e la retta r di equazioni


x = 2t, y = 1 − 2t, z = t.

Svolg. Scegliamo Q = (0, 1, 0) sulla retta r. Il segmento P Q ha componenti (1, 0, 3). Conside-
riamo la matrice " # " #
1 0 3 1 0 3
A= = .
l m n 2 −2 1
La distanza tra punto P e la retta r é
q
A211 + A212 + A213
δ(P, r) = √
l 2 + m2 + n 2
in cui Aij sono i minori di ordine 2 di A.
√ √
4 + 25 + 36 65
δ(P, r) = √ = .
4+4+1 3

Un altro metodo potrebbe essere il seguente:


Determiniamo la stella di piani passante per P :
a(x − 1) + b(y − 1) + c(z − 3) = 0
e tra tutti questi piani scegliamo l’unico ortogonale alla retta r, cioé a = 2, b = −2, c = 1:
π: 2x − 2y + z − 3 = 0.
Il punto di intersezione tra r e π é Q = ( 10 1 5
9 , − 9 , 9 ). La distanza tra r e P é pari alla distanza
tra P e Q: r √
1 100 484 65
δ(P, r) = δ(P, Q) = + + = .
81 81 81 3
t
u
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 204

Esercizio 198 Determinare la distanza tra le rette r : x−2z+1 = y−3z = 0 e s : x−z−2 =


y − 2z + 3 = 0.

Svolg. Verifichiamo se le rette sono complanari o sghembe:




1 0 −2 −1
0 1 −3 0
=6 0

1 0 −1 −2



0 1 −2 3
quindi le rette sono sghembe. Inoltre la terna di parametri direttori della retta s é (1, 2, 1).
Costruiamo il fascio di piani che ha come sostegno r

Fr : x − 2z + 1 + h(y − 3z) = 0

Fr : x + hy + (−2 − 3h)z + 1 = 0.
Il piano πr di Fr parallelo alla retta s deve contenere il punto improprio di s, s∞ = (1, 2, 1, 0).
Imponiamo il passaggio per s∞ : 1 + h = 0 ed il piano é πr : x − y + z − 1 = 0.
Scegliamo ora un punto Q a piacere su s: Q = (2, −3, 0). La distanza tra s e r é pari alla
distanza tra Q e πr :
|2 + 3 − 1| 4
δ(r, s) = δ(Q, πr ) = √ =√ .
3 3
Calcoliamo ora la retta di minima distanza, cioé quella ortogonale ed incidente ad entrambe
le rette date:
In coordinate parametriche il generico punto di r é Pr = (2t + 1, 3t, t) e quello di s é
Qs = (t0 + 2, 2t0 − 3, t0 ). Il segmento Pr Qs ha componenti (2t − t0 − 1, 3t − 2t0 + 3, t − t0 ).
Inponiamo che tale vettore sia ortogonale ad entrambe le rette:

ortogonalitá con r : 14t − 9t0 + 7 = 0

ortogonalitá con s : 9t − 6t0 + 5 = 0


da cui t = 1 e t0 = 37 .
Quindi i punti contenuti nella retta di minima distanza sono
13 5 7
Pr = (3, 3, 1) Qs = ( , , )
3 3 3
e la retta di minima distanza é

 x=t+3

y = −t + 3 .

 z =t+1

t
u

Esercizio 199 Determinare il piano passante per i punti P = (1, 0, 1), Q = (−1, 1, 1) e parallelo
alla retta r : 2x + y − 1 = x − y − 2 = 0.
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 205

Svolg. I parametri direttori della retta r sono (0, 0, 1) e quelli della retta contenente il segmento
P Q sono (2, −1, 0). Il piano richiesto é quello contenente i vettori (0, 0, 1), (2, −1, 0) e passante
per il punto P (oppure Q):
x−1 y z−1

0 0 1 =0

−1

2 0
oppure analogamente é il piano contenente i tre punti, in coordinate omogenee, (0, 0, 1, 0),
(2, −1, 0, 0), (1, 0, 1, 1):
x1 x2 x3 x4

0 0 1 0
=0

2 −1 0 0



1 0 1 1

cioé x1 + 2x2 − x4 = 0, o equivalentemente x + 2y − 1 = 0. t


u

Esercizio 200 Determinare il piano passante per il punto P = (0, 1, 1) e parallelo alle rette
r : x = 3t + 1, y = t − 2, z = 3 e s : x − 2z = y − 3z + 1 = 0.

Svolg. I parametri direttori delle due rette sono:

r : (3, 1, 0) s : (2, 3, 1).

Il piano richiesto é quello contenente i vettori (3, 1, 0), (2, 3, 1) e passante per il punto P :

x y−1 z−1

3 1 0 =0


2 3 1

oppure analogamente é il piano contenente i tre punti, in coordinate omogenee, (3, 1, 0, 0),
(2, 3, 1, 0), (0, 1, 1, 1):
x1 x2 x3 x4

3 1 0 0
=0

2 3 1 0


0 1 1 1
cioé x1 − 3x2 + 7x3 − 4x4 = 0, o equivalentemente x − 3y + 7z − 4 = 0. t
u

Esercizio 201 Determinare la retta contenente il punto P = (0, 0, 3) e parallela alla retta
r : x = 1 − t, y = 2, z = 1 + 2t.

Svolg. I parametri direttori della retta sono identici a quelli della retta r, quindi la sua equazione
in forma parametrica é data da: 
 x = −t

y=0

 z = 2t + 3
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 206

ed in forma cartesiana, eliminando t dalle precedenti equazioni:


(
y=0
.
2x + z − 3 = 0

t
u

Esercizio 202 Determinare la retta passante per i punti P = (1, 1, 0, 0) e Q = (0, 0, 1, 0).

Svolg. Sia (x1 , x2 , x3 , x4 ) il generico punto appartenente alla retta richiesta. La condizione di
allineamento di tale punto con i punti P e Q é che la matrice
 
x1 x2 x3 x4
 1 1 0 0 
 
0 0 1 0

abbia rango 2, cioé


x x2 x3
1
1 1 0 =0 x1 − x2 = 0.


0 0 1
Inoltre la retta certamente appartiene al piano improprio x4 = 0, quindi una sua espressione
cartesiana é la seguente: (
x4 = 0
.
x1 − x2 = 0
t
u

Esercizio 203 Determinare la retta s passante per il punto P = (−1, 2, 3) e tale da essere
complanare ed ortogonale alla retta r : 2x + y = 2x − z − 1 = 0.

Svolg. Determiniamo la retta in forma cartesiana. Il primo piano é quello appartenente al


fascio di asse r e passante per P :

Fr : 2x + y + h(2x − z − 1) = 0

ed imponendo il passaggio per P si ottiene h = 0, quindi il primo piano é 2x + y = 0.


Il secondo piano é quello appartenente alla stella di centro P e ortogonale alla retta r:

SP : a(x + 1) + b(y − 2) + c(z − 3) = 0

ed imponendo l’ortogonalitá con r, i cui parametri direttori sono (−1, 2, −1), si ottiene a = −1,
b = 2, c = −1, quindi il secondo piano é x − 2y + 2z − 1 = 0. La retta s é allora:
(
2x + y = 0
.
x − 2y + 2z − 1 = 0

t
u
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 207

15.12 Elementi complessi nello spazio.


Ogni punto dello spazio é individuato da una quaterna di coordinate omogenee (x1 , x2 , x3 , x4 )
non tutte nulle. Due qualsiasi quaterne tra loro proporzionali rappresentano lo stesso punto
nello spazio.
Un punto é detto reale se tra le infinite quaterne proporzionali che lo rappresentano, ce ne
é almeno una composta da soli numeri reali.
Analogamente sia π : ax1 + bx2 + cx3 + dx4 = 0 l’equazione di un piano in coordinate
omogenee. Il piano é detto reale se esiste una sua rappresentazione

π : α(ax1 + bx2 + cx3 + dx4 ) = 0, α ∈ lR

in modo tale che αa, αb, αc, αd ∈ lR.


Consideriamo ora la retta
(
ax1 + bx2 + cx3 + dx4 = 0
r:
a0 x1 + b0 x2 + c0 x3 + d0 x4 = 0

Essa é reale se tra gli infiniti piani del fascio

α(ax1 + bx2 + cx3 + dx4 ) + β(a0 x1 + b0 x2 + c0 x3 + d0 x4 ) = 0

ne esiste almeno uno che sia reale.

Se P é un punto non reale, esiste una sola retta reale che lo contiene: é la retta congiungente
P con il punto ad esso coniugato.
Se π é un piano non reale, esso contiene una sola retta reale: tale retta scaturisce dall’inter-
sezione di π con il piano ad esso coniugato.
Se r é una retta non reale, essa contiene al piú un punto reale: tale punto é l’intersezione di
r con la retta ad essa coniugata. Si noti che non é detto che una retta immaginaria contenga
un punto reale. Infatti essa potrebbe essere sghemba con la propria coniugata e non avere con
questa alcun punto di intersezione.

Esercizio 204 Quanti punti reali possiede la retta r : ix − y − i + 2 = x + 2y − iz − 2 − i = 0?

Svolg. La retta coniugata a r é data dalle equazioni r : −ix−y +i+2 = x+2y +iz −2+i = 0.
Verifichiamo se r e r sono complanari o sghembe:


i −1 0 2−i

1 2 −i −2 − i
6= 0

−i −1 0 2+i



1 2 i −2 + i

quindi le due rette sono sghembe, non hanno punti in comune ed allora non contengono alcun
punto reale. t
u

Esercizio 205 Quanti punti reali possiede la retta r : (1 + i)x − y − i = iy − 1 = 0?


CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 208

Svolg. La retta coniugata a r é data dalle equazioni r : (−i − 1)x − y + i = −iy − 1 = 0.


Verifichiamo se r e r sono complanari o sghembe:

1+i 1
0 −i
0 i 0 −1
=0

1−i 1 0 i


0 −i 0 −1

quindi le due rette sono complanari. Inoltre la matrice


 
1+i 1 0 −i

 0 i 0 −1 

1−i 1 0 i 
 

0 −i 0 −1

ha rango 3, quindi le due rette hanno un punto in comune (i 4 piani che le individuano apparten-
gono ad una stella), cioé la retta r possiede un punto reale. t
u

Esercizio 206 Quanti punti reali possiede la retta r : x+y −i = (1+i)x+(1+i)y −1+i = 0?

Svolg. La retta coniugata a r é data dalle equazioni r : x+y +i = (1−i)x+(1−i)y −1−i = 0.


Verifichiamo se r e r sono complanari o sghembe:

1
1 0 −i

1+i 1+i 0 −1 + i
=0

1 1 0 i



1−i 1−i 0 −1 − i

quindi le due rette sono complanari. Inoltre la matrice


 
1 1 0 −i

 1+i 1+i 0 −1 + i 

1 1 0 i
 
 
1−i 1−i 0 −1 − i

ha rango 2, quindi le due rette hanno infiniti punti in comune (i 4 piani che le individuano
appartengono ad un fascio), cioé la retta r é tutta reale. t
u

Esercizio 207 Quanti punti reali possiede la retta r : x − iy − i = ix + 2y + 2 = 0?

Svolg. La retta coniugata a r é data dalle equazioni r : x + iy + i = −ix + 2y + 2 = 0.


Verifichiamo se r e r sono complanari o sghembe:


1 −i 0 −i
i 2 0 2
=0

1 i 0 i



−i 2 0 2
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 209

quindi le due rette sono complanari. Inoltre la matrice


 
1 −i 0 −i

 i 2 0 2 
1 i 0 i 
 

−i 2 0 2

ha rango 2, quindi le due rette infiniti punti in comune (i 4 piani che le individuano appartengono
ad un fascio), cioé la retta r é tutta reale.
I parametri direttori di r sono (0, 0, 1) ed un suo punto é P = (0, −1, 0). Allora una sua
rappresentazione reale é data da 
 x=0

y = −1

 z=t

ed in forma cartesiana: (
x=0
.
y = −1
t
u

Esercizio 208 Determinare la retta passante per i punti P = (1, 1−i, 0, i) e Q = (1, 1+i, 0, −i).

Svolg. Poiché i due punti sono l’uno il coniugato dell’altro, la retta richiesta é certamente tutta
reale. Sia (x1 , x2 , x3 , x4 ) un generico punto della retta. La condizione di allineamento di tale
punto con i punti P e Q é che la matrice
 
x1 x2 x3 x4
 1 1−i 0 i 
 
1 1 + i 0 −i

abbia rango 2, cioé


x x2 x3
1
1 1−i 0 =0 x3 = 0


1 1+i 0

x x2 x4
1
1 1−i i =0 − 2ix1 + 2ix2 + 2ix4 = 0.

1 + i −i

1

L’equazione cartesiana della retta é:


( (
x3 = 0 z=0
→ .
x1 − x2 − x4 = 0 x−y−1=0

t
u
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 210

15.13 Esercizi.
Esercizio 209 Si determinino i valori del parametro k in modo che i tre piani di equazioni
x = 0, x + ky + z + 1 = 0, x + y + kz − 1 = 0 appartengano alla stessa stella.

Esercizio 210 Dati i piani α : x + y − z = 0 e β : 2x + y + z = 0 ed il punto P (0, 2, 1),


scrivere l’equazione del piano passante per P ed ortogonale ad α e β.

Esercizio 211 Scrivere l’equazione del piano passante per P (0, 0, 6) che taglia il piano z = 0
secondo la retta 2x − 3y − 6 = z = 0.

Esercizio 212 Siano dati il punto P (1, 2, −1) e la retta x − y + 2z − 1 = 2x + y + z = 0.


Calcolare la distanza tra P ed r.

Esercizio 213 Determinare l’equazione della retta r passante per P (1, −1, 2) e parallela ai piani
3x + 2y + z + 1 = 0 e 6x + 4y − z + 3 = 0.

Esercizio 214 Si considerino le rette r : x = 1, y = 2t, z = t − 1 e s : x−y+2 =


x + y + z − 3 = 0. Verificare che r e s sono sghembe. Scrivere l’equazione del piano contenente
r e parallelo a s e quella del piano perpendicolare a r e passante per il punto (0, 2, 1).

Esercizio 215 Si considerino le rette r : x − 3y + 2 = x + y + z + 1 = 0 e s : x = 2 − t, y =


3 + 5t, z = −t. Dimostrare che non sono complanari. Determinare le equazioni della retta
passante per P (2, 0, −2) e complanare (separatamente ma contemporaneamente) con r e s.

Esercizio 216 Si determini il piano del fascio (x + y − z) + k(x − 4y + z − 1) = 0 che sia


perpendicolare al piano x = 1.

Esercizio 217 Determinare i parametri direttori di una qualsiasi retta perpendicolare al piano
x − 2y + z − 1 = 0 e, tra tali rette, le equazioni cartesiane di quella passante per il punto (1,2,1).

Esercizio 218 La retta r : x − i = x − iy + z − 2 = 0 é reale?

Esercizio 219 Si scriva l’equazione del piano passante per i punti (0, 3, 5, 0), (0, 1, 1, 0), (1, 0, 0, 1).

Esercizio 220 Si scriva l’equazione del piano passante per i punti (0, 2, 2, 0), (0, 0, 4, 0), (2, 0, 0, 1).

Esercizio 221 Si considerino le rette r : x − z + 1 = y − 2 = 0 e s : y − z − 1 = x − y = 0.


Si determinino le equazioni cartesiane e quelle parametriche della retta appartenente al piano
y = z che sia incidente con r ed ortogonale a s.

Esercizio 222 Sia π il piano ortogonale alla retta r : x + y − 4 = 2x − z − 4 = 0 e passante


per q(0, 1, 1). Si determinino le equazioni cartesiane e parametriche della retta parallela a π,
passante per P (1, 0, 1) ed incidente la retta t : x − y = z − 2 = 0.
CAPITOLO 15. RETTE E PIANI NELLO SPAZIO AFFINE ED EUCLIDEO. 211

Esercizio 223 Date le rette r : 2x − y + z = 2x + z − 1 = 0 e s : x − 2z + 1 = y + z − 1 = 0


determinare: (i) le equazioni della retta passante per P (1, −2, 1) ed incidente entrambe le rette
r e s; (ii) le equazioni della retta t incidente ortogonalmente entrambe le rette r e s; (iii) la
minima distanza tra r e s.

Esercizio 224 Si considerino le rette r : x − y = z − 1 = 0 e s : x − y + 2z − 3 = y − 2z =


0. Nel caso siano complanari si determini il piano che le contiene; nel caso siano sghembe
determinare le equazioni dei piani paralleli a cui appartengono.

Esercizio 225 Si considerino la retta r : x − 1 = y = z e la retta s passante per il punto


P (1, 2, 0) e parametri direttori (1, −1, 1). Nel caso r e s siano complanari, determinare il piano
che le contiene. Nel caso r e s siano sghembe, determinare la retta di minima distanza.
Capitolo 16

Le quadriche.

16.1 Definizione.
Una quadrica é una superficie nello spazio, luogo dei punti P = (x, y, z) le cui coordinate
soddisfano ad un’equazione del tipo

a11 x2 + a22 y 2 + a33 z 2 + a44 + 2a12 xy + 2a13 xz + 2a23 yz+

+2a14 x + 2a24 y + 2a34 z = 0.


In coordinate omogenee l’equazione di una quadrica é data da

a11 x21 + a22 x22 + a33 x23 + a44 x24 + 2a12 x1 x2 + 2a13 x1 x3 + 2a23 x2 x3 +

+2a14 x1 x4 + 2a24 x2 x4 + 2a34 x3 x4 = 0.


Osserviamo immediatamente che se π : ax + by + cz + d = 0 e π 0 : a0 x + b0 y + c0 z + d0 = 0 sono
due piani, allora

π ∪ π0 : (ax + by + cz + d) · (a0 x + b0 y + c0 z + d0 ) = 0

é l’equazione di una quadrica, che é detta ridotta nell’unione dei due piani.
Indichiamo con  
x1
 x 
X= 2 
 
 x3 
x4
il generico vettore delle coordinate omogenee e sia
 
a11 a12 a13 a14
 a12 a22 a23 a24 
A=
 
a13 a23 a33 a34

 
a14 a24 a34 a44

212
CAPITOLO 16. LE QUADRICHE. 213

la matrice simmetrica formata dai coefficienti che compaiono nell’equazione della quadrica.
Allora l’equazione puó essere riscritta in forma compatta come segeu:

X T · A · X = 0.

Si noti che ogni retta dello spazio incontra una quadrica in due punti, eccetto il caso in cui
la retta appartenga completamente alla quadrica (nel qual caso i punti di incontro tra la retta
e la quadrica sono infiniti, tutti quelli della retta). Analogamente a quanto detto per i punti di
una curva algebrica nel piano affine o euclideo, un punto di una quadrica é detto doppio se una
qualsiasi retta passante per esso ha una intersezione doppia con la quadrica nel punto stesso.
Determiniamo una prima classificazione delle quadriche in base alla presenza di punti doppi:

Teorema 36 Sia Q : X T · A · X = 0 una quadrica. Essa contiene almeno un punto doppio se


e solo se det(A) = 0.

In particolare diciamo quadriche generali quelle che non presentano punti doppi (det(A) 6= 0);
diciamo quadriche specializzate quelle che presentano un solo punto doppio; diciamo quadriche
riducibili quelle che presentano infiniti punti doppi.

Concludiamo questa prima sezione osservando che l’intersezione tra un piano π : ax + by +


cz +d = 0 ed una quadrica Q : X T ·A·X = 0 determina una curva nello spazio, piú precisamente
una conica che giace sul piano π, la cui equazione si scrive
(
ax + by + cz + d = 0
X T · A · X = 0.

Tale conica é riducibile solo quando il piano π é tangente alla quadrica, oppure nel caso la
quadrica sia ridotta nell’unione di due piani.

16.2 Quadriche generali.


Queste sono le quadriche prive di punti doppi. In presenza di una quadrica generale Q : X T ·
A · X = 0, si definisce una corrispondenza biunivoca tra l’insieme di tutti i punti dello spazio e
l’insieme di tutti i piani dello spazio, tale che ad ogni punto P = (a1 , a2 , a3 , a4 ) corrisponda il
piano di equazione
   
a11 a12 a13 a14 x1
h i  a12 a22 a23 a24   x2 
π: a1 a2 a3 a4 · ·  = 0.
   
 a13 a23 a33 a34   x3 
a14 a24 a34 a44 x4

Il punto P é detto polo del piano π rispetto alla quadrica Q, il piano π é detto piano polare di
P rispetto alla quadrica Q.
In particolare, se P ∈ Q é un punto della quadrica, il suo piano polare, rispetto a Q, coincide
col piano tangente in P alla quadrica.
CAPITOLO 16. LE QUADRICHE. 214

Fissiamo ora una quadrica Q : X T · A · X = 0 ed un putno P ∈ Q. Tramite la polaritá


appena definita, é possibile costruire il piano tangente π in P alla quadrica. L’intersezione tra
Q e π genera una conica γ riducibile. Se γ é ridotta in due rette reali e distinte, il punto P é
detto iperbolico. Se γ é ridotta in due rette reali e coincidenti, il punto P é detto parabolico.
Se γ é ridotta in due rette immaginarie e coniugate, il punto P é detto ellittico.
Una quadrica generale non possiede punti parabolici, inoltre vale il seguente:

Teorema 37 Sia Q una quadrica generale. Se essa possiede un punto iperbolico (rispettiva-
mente ellitico) allora ogni punto della quadrica é iperbolico (rispettivamente ellittico).

Le quadriche generali a loro volta si suddividono in tre classi. Tale classificazione viene
fatta in base allo studio della conica che scaturisce dall’intersezione tra la quadrica ed il piano
improprio x4 = 0.

Iperboloide.
É una quadrica generale che interseca il piano improprio in una conica irriducibile e reale (si
dice che il piano improprio e l’iperboloide sono secanti l’un l’altro).
Se i punti dell’iperboloide sono tutti iperbolici, esso é detto iperboloide iperbolico, se i punti
sono tutti ellittici esso é detto iperboloide ellittico.

Teorema 38 Un iperboloide é iperbolico se e solo se det(A) > 0, é ellittico se e solo se det(A) <
0.

L’iperboloide possiede tutte le sezioni piane, cioé si possono generare sia iperboli che parabole
che ellissi, intersecando un iperboloide con i piani dello spazio.

Paraboloide.
É una quadrica generale che interseca il piano improprio in una conica riducibile (si dice che
il piano improprio é tangente al paraboloide).

Teorema 39 Una quadrica generale é tangente al piano improprio (quindi é un paraboloide) se


e solo se il complemento algebrico A44 , dell’elemento a44 della matrice A, é nullo.

Se i punti del paraboloide sono tutti iperbolici, esso é detto paraboloide iperbolico, se i punti
sono tutti ellittici esso é detto paraboloide ellittico.

Teorema 40 Un paraboloide é iperbolico se e solo se det(A) > 0, é ellittico se e solo se det(A) <
0.

Teorema 41 Un paraboloide iperbolico possiede iperboli o parabole come sezioni piane, cioé si
possono generare sia iperboli che parabole, intersecando un paraboloide iperbolico con i piani
dello spazio.

Teorema 42 Un paraboloide ellittico possiede ellissi o parabole come sezioni piane, cioé si
possono generare sia ellissi che parabole, intersecando un paraboloide ellittico con i piani dello
spazio.
CAPITOLO 16. LE QUADRICHE. 215

Ellissoide.
É una quadrica generale che interseca il piano improprio in una conica irriducibile immagi-
naria (si dice che il piano improprio é esterno all’ ellissoide).
I punti di un ellissoide sono tutti ellittici.

Teorema 43 Un ellissoide possiede punti tutti reali se e solo se det(A) < 0, ed é detto ellissodie
reale, in caso contrario é detto ellissoide immaginario.

Teorema 44 Un ellissodie possiede solamente ellissi come sezioni piane, cioé si possono gener-
are solamente ellissi, intersecando un ellissoide con i piani dello spazio.

Esercizio 226 Classificare la quadrica di equazione x2 + y 2 − z 2 + xy + x − 3 = 0.

Svolg. La matrice associata alla quadrica é


1 1
 
1 2 0 2
 1 1 0 0 
 2
A= .

 0 0 −1 0 
1
2 0 0 −3

Otteniamo che det(A) > 0 con A44 6= 0, dove A44 é il complemento algebrico dell’elemento a44
della matrice A.
Inoltre la conica impropria della quadrica é data da:
(
x21 + x22 − x23 + x1 x2 = 0
x4 = 0

ed é a punti reali. Allora la superficie é un iperboloide a punti iperbolici. t


u

Esercizio 227 Classificare la quadrica di equazione 2x2 + y 2 + z 2 − x − 2y + 1 = 0.

Svolg. La matrice associata alla quadrica é

0 − 21
 
2 0
 0 1 0 −1 
A= .
 
 0 0 1 0 
− 12 −1 0 1

Otteniamo che det(A) < 0 con A44 6= 0.


Inoltre la conica impropria della quadrica é data da:
(
2x21 + x22 + x23 = 0
x4 = 0

ed é a punti immaginari. Allora la superficie é un ellissoide a punti reali. t


u
CAPITOLO 16. LE QUADRICHE. 216

Esercizio 228 Classificare la quadrica di equazione x2 + y 2 + 2xy + 2xz + 2yz − 2x + 2 = 0.

Svolg. La matrice associata alla quadrica é


 
1 1 1 −1
 1 1 1 0 
A= .
 
 1 1 0 0 
−1 0 0 2

Otteniamo che det(A) > 0 con A44 = 0.


Allora la superficie é un paraboloide a punti iperbolici. t
u

16.3 Quadriche specializzate.


Sono le quadriche con un solo punto doppio, il quale é detto vertice. Per quanto riguarda i punti
delle superfici specializzate, vale il seguente:

Teorema 45 Se Q é una quadrica specializzata, allora tutti i punti della superficie Q sono
parabolici.

Anche le quadriche specializzate si suddividono in sottoclassi, e tale classificazione si riferisce


alla conica impropria della quadrica, cioé la conica che scaturisce con l’intersezione col piano
improprio.

Cono.
Il cono é la quadrica specializzata la cui conica impropria é irriducibile (il cono ed il piano im-
proprio sono secanti). Il vertice V del cono é un punto proprio e le sue coordinate (x1 , x2 , x3 , x4 )
sono la soluzione del sistema lineare
   
a11 a12 a13 a14 x1
 a12 a22 a23 a24   x2 
·  = 0.
   
a13 a23 a33 a34 x3

   
a14 a24 a34 a44 x4

Si riconosce che la superficie é un cono utilizzando il seguente risultato:

Teorema 46 Sia A la matrice associata alla quadrica Q. La superficie é un cono se e solo se


det(A) = 0, rango(A) = 3 e A44 6= 0.

Un cono possiede tutte le sezioni piane, cioé si possono generare sia iperboli che parabole
che ellissi, intersecando un cono con i piani dello spazio.
Inoltre tutti i piani tangenti alla superficie di un cono devono contenerne il vertice.
CAPITOLO 16. LE QUADRICHE. 217

Cilindro.
Il cilindro é la quadrica specializzata la cui conica impropria é riducibile (il cilindro ed il
piano improprio sono tangenti). Il vertice V del cilindro é un punto improprio e le sue coordinate
(x1 , x2 , x3 , 0) sono la soluzione del sistema lineare
   
a11 a12 a13 a14 x1
 a12 a22 a23 a24   x2 
·  = 0.
   
a13 a23 a33 a34 x3

   
a14 a24 a34 a44 0

Si riconosce che la superficie é un cilindro utilizzando il seguente risultato:

Teorema 47 Sia A la matrice associata alla quadrica Q. La superficie é un cilindro se e solo


se det(A) = 0, rango(A) = 3 e A44 = 0.

Ogni cilindro possiede un solo tipo di sezione piana indipendentemente dal piano col quale si
effettua l’intersezione. Cioé, fissato il cilindro Q, si possono generare solo iperboli o parabole o
ellissi, intersecando il cilindro con i piani dello spazio. In particolare, poiché il piano improprio
é tangente al cilindro, la conica impropria ridotta dovrá rispettare il seguente prospetto:

Conica impropria Generica sezione del cilindro


2 rette reali e distinte Iperbole
2 rette reali e coincidenti Parabola
2 rette immaginarie coniugate Ellisse

Inoltre tutti i piani tangenti alla superficie di un cilindro devono contenerne il vertice.

Esercizio 229 Classificare la quadrica di equazione x2 + y 2 + 2xy + 2yz − 2x + y + 1 = 0.

Svolg. La matrice associata alla quadrica é


 
1 1 0 −1
 1 1 1 12 
A= .
 
 0 1 0 0 
−1 21 0 1

Otteniamo che det(A) = 0 con A44 6= 0.


La superficie é un cono di vertice X = (x1 , x2 , x3 , x4 ) tale che AX = 0, da cui


 x1 + x2 − x4 = 0
x1 + x2 + x3 + x24 = 0



 x2 = 0
−x1 + x22 + x4 = 0

e quindi X = (1, 0, − 32 , 1). t


u
CAPITOLO 16. LE QUADRICHE. 218

Esercizio 230 Classificare la quadrica di equazione x2 + y 2 + 2xy − 2x + y + 1 = 0.

Svolg. La matrice associata alla quadrica é


 
1 1 0 −1
 1 1 0 12 
A= .
 
 0 0 0 0 
−1 21 0 1

Otteniamo che det(A) = 0 con A44 = 0 e rango 3.


La superficie é un cilindro di vertice X = (x1 , x2 , x3 , x4 ) tale che AX = 0, da cui
(
x1 + x2 = 0
−x1 + x22 = 0

e quindi X = (0, 0, 1, 0).


Inoltre la conica impropria della quadrica é data da:
(
x21 + x22 + 2x1 x2 = 0
x4 = 0
(
(x1 + x2 )2 = 0
x4 = 0
cioé sono due rette reali e coincidenti, quindi la conica generatrice del cilindro é una parabola.
t
u

16.4 Quadriche riducibili.


Sono le quadriche di equazione

a11 x2 + a22 y 2 + a33 z 2 + a44 + 2a12 xy + 2a13 xz + 2a23 yz+

+2a14 x + 2a24 y + 2a34 z = 0


tali che
a11 x2 + a22 y 2 + a33 z 2 + a44 + 2a12 xy + 2a13 xz + 2a23 yz+
+2a14 x + 2a24 y + 2a34 z = (ax + by + cz + d) · (a0 x + b0 y + c0 z + d0 )
cioé sono unione di due piani π e π 0 di equazioni:

π : ax + by + cz + d = 0 π 0 : a0 x + b0 y + c0 z + d0 = 0.

Tali quadriche hanno infiniti punti doppi, sono i punti della retta comune ai due piani π e π 0 .
In particolare si possono verificare i seguenti 3 casi:
CAPITOLO 16. LE QUADRICHE. 219

i) i due piani sono distinti ed incidenti, ed allora det(A) = 0, rango(A) = 2, vi sono ∞1


punti doppi propri.
ii) i due piani sono distinti e paralleli, ed allora det(A) = 0, rango(A) = 2, vi sono ∞1 punti
doppi impropri.
iii) i due piani sono coincidenti, ed allora det(A) = 0, rango(A) = 1, vi sono ∞2 punti doppi
propri.
Aggiungiamo come caso ’molto particolare’ quello in cui la quadrica ha equazione x24 = 0,
cioé vi sono ∞2 punti doppi impropri.

Consideriamo π 00 : a00 x+b00 y+c00 z+d00 = 0 un qualsiasi altro piano dello spazio. L’intersezione
della quadrica riducibile con π 00 determina una conica ridotta nelle due rette:
( (
ax + by + cz + d = 0 a0 x + b0 y + c0 z + d0 = 0
r1 : r2 :
a x + b00 y + c00 z + d00 = 0
00 a00 x + b00 y + c00 z + d00 = 0

16.5 Piani ed assi di simmetria delle quadriche gen-


erali.
Definizione 26 Il cerchio assoluto é una conica irriducibile priva di punti reali che giace sul
piano improprio. Essa é identificata dalle equazioni:
(
x21 + x22 + x23 = 0
.
x4 = 0
Ricordando che i punti ciclici di un qualsiasi piano sono i punti che la propria giacitura ha in
comune con ogni circonferenza che giace sul piano stesso, il cerchio assoluto é in definitiva il
luogo dei punti ciclici di tutti i piani dello spazio.
Definizione 27 Sia A = (aij ) ∈ M4 (lR) la matrice non singolare associata all’equazione di una
quadrica generale. Si definisce centro di simmetria della quadrica Q il punto C ∈ Q tale che, se
P ∈ Q é un punto della superficie, allora anche P 0 , il simmetrico di P rispetto a C appartenga
anche alla superficie. Analogamente a quanto visto per le coniche, le coordinate del centro di
simmetria si ottengono direttamante dalla matrice A: C = (A41 , A42 , A43 , A44 ), dove ogni Aij
é il complemento algebrico dell’elemento aij ∈ A considerato con l’opportuno segno (derivante
dalla posizione che esso occupa nella matrice). Nel caso di un paraboloide, essendo A44 = 0, si
parla di quadrica a centro improprio o priva di centro.
Definizione 28 I piani di simmetria (piani principali) di una quadrica generale sono quei pi-
ani dello spazio che, rispetto alla quadrica definita, hanno come polo il punto improprio della
direzione ad essi ortogonale. Gli assi di simmetria della quadrica sono le rette che si otten-
gono dall’intersezione dei piani di simmetria. Nel caso di iperboloide ed ellissoide (quadriche
a centro) si determinano 3 assi di simmetria (in corrispondenza di 3 piani di simmetria): tali
assi si possono ottenere anche congiungendo il centro di simmetria con ciascun polo di ogni
piano di simmetria. Nel caso del paraboloide (senza centro di simmetria) si determina 1 asse di
simmetria (in corrispondenza di 2 piani di simmetria).
CAPITOLO 16. LE QUADRICHE. 220

Teorema 48 Le prime 3 coordinate dei poli dei piani di simmetria sono le componenti degli
autovettori della sottomatrice A44 della matrice A rappresentante la quadrica generale.

Dim. Indichiamo con P0 = (x0 , y0 , z0 , 0) il polo di un piano di simmetria e sia


 
a11 a12 a13 a14
 a21 a22 a23 a24 
A=
 
a31 a32 a33 a34

 
a41 a42 a43 a44

la matrice che rappresenta la quadrica. Il piano polare di P0 rispetto alla quadrica ha equazione

(a11 x0 + a21 y0 + a31 z0 )x1 + (a12 x0 + a22 y0 + a32 z0 )x2 +

(a13 x0 + a23 y0 + a33 z0 )x3 + (a14 x0 + a24 y0 + a34 z0 )x4 = 0


e per sua definizione esso deve essere ortogonale alla direzione (x0 , y0 , z0 , 0), cioé:

(a11 x0 + a21 y0 + a31 z0 ) = λx0

(a12 x0 + a22 y0 + a32 z0 ) = λy0


(a13 x0 + a23 y0 + a33 z0 ) = λz0
per un opportuno λ ∈ lR. Ne segue che

 (a11 − λ)x0 + a21 y0 + a31 z0 = 0

a x + (a
12 0 22 0 − λ)y + a z = 0
32 0
 a x + a y + (a − λ)z = 0

13 0 23 0 33 0

il quale ha soluzioni non banali solo quando



(a − λ) a21 a31
11
a12 (a22 − λ) a32 = 0.


(a33 − λ)

a13 a23

In sostanza λ é un autovalore della matrice A44 e le coordinate (x0 , y0 , z0 ) del punto P0 =


(x0 , y0 , z0 , 0) individuano le componenti di un autovettore relativo a λ. Al variale di λ si otten-
gono tutti gli autovettori e quindi tutti i poli dei piani di simmetria. t
u
Oltre all’utilizzo degli autovalori della matrice A44 (come appena visto), esiste un secondo
metodo per determinare i poli dei piani di simmetria: esso consiste nel determinare inizialmente
un fascio di coniche, utilizzando, come coniche di base, il cerchio assoluto e la conica impropria
della quadrica. Quindi si individuano le tre coniche riducibili di tale fascio ed i rispettivi punti
doppi. Tali punti sono i poli dei piani di simmetria.
Verifichiamo col seguente esempio l’equivalenza dei due metodi:

Esempio 139 Consideriamo il paraboloide iperbolico Q di equazione 6xz + 8yz − 5x = 0.


Determiniamo piani ed asse di simmetria utilizzando entrambi i metodi.
CAPITOLO 16. LE QUADRICHE. 221

Svolg. Metodo del fascio di coniche improprie:


La conica impropria di Q é 6x1 x3 + 8x2 x3 = 0, x4 = 0, determiniamo il fascio con il cerchio
assoluto: (
6x1 x3 + 8x2 x3 + λ(x21 + x22 + x23 ) = 0
F : .
x4 = 0
La matrice associata al fascio é 
λ 0 3
 0 λ 4


3 4 λ
il cui determinante é λ(λ2 − 25). Quindi si ottengono le coniche riducubili del fascio per i valori
λ = 0, 5, −5.
Per λ = 0 la conica é x3 (6x1 + 8x2 ) = 0, x4 = 0, il cui punto doppio é P1 = (4, −3, 0, 0). Il
piano polare di P1 rispetto al paraboloide Q é x4 = 0 (tale piano risulterá sempre nel caso di un
paraboloide, chiaramente non verrá mai preso in considerazione).
Per λ = 5 la conica é 5x21 + 5x22 + 5x23 + 6x1 x3 + 8x2 x3 = 0, x4 = 0 il cui punto doppio é
P2 = (3, 4, −5, 0). Il piano polare di P2 é 6x + 8y + 10z − 3 = 0.
Infine per λ = −5 la conica é −5x21 − 5x22 − 5x23 + 6x1 x3 + 8x2 x3 = 0, x4 = 0 il cui punto doppio
é P2 = (3, 4, 5, 0). Il piano polare di P2 é 6x + 8y − 10z + 3 = 0.
L’asse di simmetria é quindi (
6x + 8y + 10z − 3 = 0
6x + 8y − 10z + 3 = 0
inoltre possiamo calcolare il punto di sella del paraboloide iperbolico, intersecando l’asse con la
sua superficie: 
 6x + 8y + 10z − 3 = 0

6x + 8y − 10z + 3 = 0
 6xz + 8yz − 5x = 0

3
ottenendo le coordinate (0, 0, 10 ).

Metodo degli autovalori.


É sufficiente verificare che gli autovalori della matrice A44 sono esattamente λ = 0, 5, −5 e che i
rispettivi autovettori rispetto ad A44 sono: (− 43 , 1, 0) per λ = 0, ( 35 , 54 , 1) per λ = 5, (− 35 , − 45 , 1)
per λ = −5. Quindi i poli dei piani si simmetria sono esattamente (− 43 , 1, 0, 0), ( 35 , 45 , 1, 0),
(− 53 , − 45 , 1, 0). t
u

Osservazione 21 Il calcolo del punto di sella di un paraboloide iperbolico é analogo al calcolo del
punto del parabolide ellittico che potremmo definire impropriamente ’vertice del parabolide’. In
entrambi i casi tali punti ricopriranno un ruolo fondamentale per la riduzione a forma canonica
delle equazioni dei paraboloidi.
CAPITOLO 16. LE QUADRICHE. 222

16.6 Forma canonica di una quadrica generale con


centro di simmetria.
Sia X t AX = 0 l’equazione di una quadrica generale con centro di simmetria (iperboloide o
ellissoide). Una rototraslazione degli assi di simmetria che riporti l’origine del sistema di rifer-
imento nel centro di simmetria e faccia coincidere gli assi coordinati con gli assi di simmetria
della quadrica, trasforma l’equazione della superficie nella sua forma canonica:

Ellissoide:
x2 y2 z2
1. a2
+ b2
+ c2
= 1 ellissoide reale;
x2 y2 z2
2. a2
+ b2
+ c2
= −1 ellissoide immaginario.

Iperboloide:
x2 y2 z2
1. a2
+ b2
− c2
= 1 iperboloide iperbolico;
x2 y2 z2
2. a2
− b2
+ c2
= 1 iperboloide iperbolico;
2 y2 z2
3. - xa2 + b2
+ c2
= 1 iperboloide iperbolico;
x2 y2 z2
4. a2
− b2
− c2
= 1 iperboloide ellittico;
2 y2 z2
5. - xa2 + b2
− c2
= 1 iperboloide ellittico;
2 y2 z2
6. - xa2 − b2
+ c2
= 1 iperboloide ellittico.

Diciamo X t BX = 0 l’equazione della quadrica nella sua forma ridotta. Come accadeva per
le coniche, si puó dimostrare (non lo facciamo!) che esistono alcune quantitá che non cam-
biano dopo aver effettuato un cambiamneto di base tramite vettori ortonormali: vengono detti
invarianti ortogonali e sono
det(A) = det(B)
det(A44 ) = det(B44 )
la somma degli autovalori di A44 é pari alla somma degli autovalori di B44 .
In altre parole, se indichiamo con αx2 + βy 2 + γz 2 = δ l’equazione di una quadrica a centro, é
sufficiente calcolare gli autovalori di A44 per ottenere i coefficienti α, β, γ, inoltre gli autoversori
relativi ad α, β, γ compongono la matrice di rotazione. Quindi si puó effettuare una traslazione
rispetto alle coordinate del centro o equivalentemente applicare l’invarianza del det(A) = det(B)
per ottenere il valore del coefficiente δ.
CAPITOLO 16. LE QUADRICHE. 223

Esempio 140 Consideriamo l’iperboloide ellittico di equazione 2x2 − 2y 2 − 2yz − 2z 2 − 3 = 0


di matrice associata:  
2 0 0 0
 0 −2 −1 0 
A= .
 
 0 −1 −2 0 
0 0 0 3
Determiniamone una forma canonica e le formule di rototraslazione che ci permettono di otten-
erla.

Svolg. Una forma canonica é ax2 + by 2 + cz 2 = d, dove a, b, c sono gli autovalori della sottoma-
trice A44 . Eseguendo i calcoli, essi sono 2, −3, −1, quindi l’equazione sará 2x2 − 3y 2 − z 2 = d
con matrice associata  
2 0 0 0
 0 −3 0 0 
B=
 
 0 0 −1 0 

0 0 0 −d
di determinante −6d. Inoltre é facile calcolare che det(A) = −18 e grazie all’invarianza or-
togonale sappiamo che 6d = 18, quindi d = 3. Infine l’equazione in forma ridotta sará
2x2 − 3y 2 − z 2 − 3 = 0.
Vediamo ora quale é stata la trasformazione effettuata per ottenere tale forma canonica.
L’autospazio relativo all’autovalore 2 rispetto alla matrice A44 é generato dal versore (1, 0, 0).
L’autospazio relativo all’autovalore −3 rispetto alla matrice A44 é generato dal vettore (0, 1, 1)
e quindi anche dal versore (0, √12 , √12 ).
Infine l’autospazio relativo all’autovalore −1 rispetto alla matrice A44 é generato dal vettore
(0, 1, −1) e quindi anche dal versore (0, √12 , − √12 ).
Inoltre il centro della quadrica é (A41 , A42 , A43 , A44 ) = (0, 0, 0, 6), cioé in coordinate non omo-
genee (0, 0, 0).
Quindi la rototraslazione che ci permette di concludere é la seguente:
       
x1 1 0 0 x01 0
  0 √1 √1   0  
 x2  =   ·  x2  +  0  .
 
2 2
x3 0 √1
2
− √12 x03 0
t
u

16.7 Forma canonica di un paraboloide.


Sia X t AX = 0 l’equazione di un paraboloide. Come in precedenza una trasformazione ortonor-
male del sistema di riferimento trasforma l’equazione della superficie nella sua forma canonica.
Facciamo riferimento ai paraboloidi che abbiano nella loro forma ridotta, l’asse di simmetria
coincidente con l’asse Z, in modo del tutto identico il discorso puó essere riportato agli altri 2
casi:
CAPITOLO 16. LE QUADRICHE. 224

x2 y2
1. a2
+ b2
= 2dz paraboloide ellittico;
x2 y2
2. a2
− b2
= 2dz paraboloide iperbolico.

Diciamo X t BX = 0 l’equazione della quadrica nella sua forma ridotta. Come in precedenza i
seguenti sono invarianti ortogonali:

det(A) = det(B)

det(A44 ) = det(B44 )
la somma degli autovalori di A44 é pari alla somma degli autovalori di B44 .

Esempio 141 Consideriamo il paraboloide iperbolico di equazione 6xz +8yz −5x = 0 di matrice
associata:
0 0 3 − 52
 
 0 0 4 0 
A= .
 
 3 4 0 0 
− 52 0 0 0
Determiniamone una forma canonica e le formule di rototraslazione che ci permettono di otten-
erla.

Svolg. Una forma canonica con asse di simmetria coicidente con l’asse Z é ax2 + by 2 + 2cz = 0,
dove a, b sono gli autovalori non nulli della sottomatrice A44 (ricordiamo che per un paraboloide
l’autovalore nllo esiste sempre ma non fornisce indicazioni, poiché l’autovettore ad esso relativo
é il polo del piano improprio). Eseguendo i calcoli, gli autovalori non nulli sono 5, −5, quindi
l’equazione sará 5x2 − 5y 2 + 2cz = 0 con matrice associata
 
5 0 0 0
 0 −5 0 0 
B=
 
0 0 0 c

 
0 0 c 0

di determinante 25c2 . Inoltre é facile calcolare che det(A) = 100 e grazie all’invarianza ortogonale
sappiamo che 25c2 = 100, quindi c ∈ {−2, 2}. Infine le equazioni in forma ridotta saranno

5x2 − 5y 2 − 4z = 0

oppure
5x2 − 5y 2 + 4z = 0.

Vediamo ora quale é stata la trasformazione effettuata per ottenere tali forme canoniche.
L’autospazio relativo all’autovalore 0 rispetto alla matrice A44 é generato dal versore ( 45 , − 35 , 0).
3 4
L’autospazio relativo all’autovalore 5 rispetto alla matrice A44 é generato dal versore ( 5√ , √
2 5 2
, √12 ).
Infine l’autospazio relativo all’autovalore −5 rispetto alla matrice A44 é generato dal versore
CAPITOLO 16. LE QUADRICHE. 225

3 4
(− 5√ 2
, − 5√ 2
, √12 ).
3
Inoltre il punto di sella della quadrica é (0, 0, 10 ).
Quindi la rototraslazione che ci permette di concludere é la seguente:
  
3 3 4
√ − 5√
    
x1 x0 0
5 2 2 5 1
4 4
− 35
  0  
  
 x2  = 


5 2
− 5√ 2
· x + 0 
 2 .
x3 √1 √1 0 x03 3
10
2 2

Osserviamo che nella rotazione, possiamo scegliere quale asse coordinato diventerá l’asse di
simmetria, sará sufficiente nella matrice di rotazione posizionare l’autoversore relativo all’auto-
valore nullo esattamente nella colonna 1, se si sceglie l’asse X, nella colonna 2 se si sceglie l’asse
Y , nella colonna 3 (come nel nostro esempio) se si sceglie l’asse Z.
Si verifichi infatti che, se si scegli come rototraslazione la seguente:
  
4 3 3
√ − 5√
    
x1 5 5 2 2 x01 0
  −3 4
√ 4 
− 5 2  ·  x02 

 x2  =  + 0 
    
 5 5 2
x3 0 √1 √1 x03 3
10
2 2

in cui l’autoversore relativo all’autovalore nullo é posto nella prima colonna, la forma canonica
finale sará 5y 2 − 5z 2 − 4x = 0, cioé un paraboloide iperbolico con asse di simmetria coincidente
con l’asse X. t
u

16.8 Forma canonica di un cono.


Sia X t AX = 0 l’equazione di un cono, con matrice associata A e vertice V di coordinate XV =
(xv , yv , zv ). Poiché il vertice del cono si comporta esattamente come un centro si simmetria,
quanto detto sulle quadriche a centro proprio (iperboloidi ed ellessoidi) puó essere applicato
anche per la riduzione a forma canonica dell’equazione di un cono. Si tratta allora di determinare
gli autovalori della sottomatrice A44 e quindi di costruire una base di autoversori, tramite la
quale riempire la matrice di rotazione P . Infine si effettua la traslazione rispetto al vettore di
coordinate XV . Dopo la rototraslazione,
   
x1 x01
 0 
 x2  = P ·  x2  + XV
 
x3 x03

l’equazione ridotta assume una delle seguenti forme:

1. a2 x2 + b2 y 2 + c2 z 2 = 0 nel caso di un cono immaginario (l’unico punto reale é il vertice);

2. a2 x2 + b2 y 2 − c2 z 2 = 0 nel caso di un cono reale (con asse perpendicolare al piano z = 0).

I coefficienti a2 , b2 , c2 sono gli autovalori della A44 .


CAPITOLO 16. LE QUADRICHE. 226

Esempio 142 Consideriamo il cono immaginario di equazione 3x2 + 2y 2 + 2xz + 3z 2 = 0 di


matrice associata:  
3 0 1 0
 0 2 0 0 
A= .
 
 1 0 3 0 
0 0 0 0
Determiniamone una forma canonica e le formule di rototraslazione che ci permettono di otten-
erla.

Svolg. Il vertice del cono ha coordinate (0, 0, 0). Gli autovalori della sottomatrice A44 sono
λ1 = 2, con molteplicitá algebrica 2, e λ2 = 4. Una forma canonica é 2x2 + 2y 2 + 4z 2 = 0.
Vediamo ora quale é stata la trasformazione effettuata per ottenere tali forme canoniche.
L’autospazio relativo all’autovalore 2 rispetto alla matrice A44 é generato dai versori ( √12 , 0, − √12 ),
(0, 1, 0).
L’autospazio relativo all’autovalore 4 rispetto alla matrice A44 é generato dal versore ( √12 , 0, √12 ).

Quindi la rototraslazione che ci permette di concludere é la seguente:


   1 √1
    
x1 √
2
0 2 x01 0
  0  
 x2  =  0 1 0  ·  x2  +  0  .
   
x3 − √12 0 √1
2
x03 0
t
u

16.9 Forma canonica di cilindri a base ellittica e iper-


bolica.
Sia X t AX = 0 l’equazione di un cilindro con base ellittica o iperbolica, con matrice associata
A. Anche in questo caso si tratta dapprima di determinare gli autovalori della sottomatrice
A44 : uno di essi é certamente λ = 0. Si costruisce una base di autoversori, tramite la quale
riempire la matrice di rotazione P : l’autospazio relativo all’autovalore nullo ha dimensione 1, il
suo versore generatore é parallelo alle generatrici del cilindro; gli altri autoversori individuano
un piano perpendicolare alla direzione della generatrici. Una volta effettuata la rotazione si
osserva l’equazione ottenuta: se non sono presenti termini di primo grado, allora non vi é alcun
bisogno di traslazioni. In caso contrario, si effettua una sostituzione x0 = x + a, y 0 = y + b,
z 0 = z + c, imponendo che i termini di primo grado si annullino. I valori a, b, c che verificano
l’annullarsi dei termini lineari, sono esattamente le coordinate del vettore di traslazione (esso é
il centro C = (a, b, c) di una qualsiasi conica direttrice del cilindro, cioé una conica che giace
su un qualsiasi piano ortogonale alle generatrici del cilindro). L’equazione ridotta finale assume
una delle seguenti forme:

1. a2 x2 + b2 y 2 + c2 = 0 nel caso di un cilindro immaginario;


CAPITOLO 16. LE QUADRICHE. 227

2. a2 x2 + b2 y 2 − c2 = 0 nel caso di un ellittico (con generatrici parallele all’asse Z);

3. a2 x2 − b2 y 2 − c2 = 0 nel caso del cilindro iperbolico (con generatrici parallele all’asse Z).

I coefficienti a2 , b2 sono gli autovalori non nulli della A44 . Si osservi che in modo analogo si
ottengono le equazioni canoniche dei cilindri con generatrici parallele agli assi X o Y .

Esempio 143 Consideriamo il cono a base iperbolica di equazione 6xz + 8yz − 5 = 0 di matrice
associata:  
0 0 3 0
 0 0 4 0 
A= .
 
 3 4 3 0 
0 0 0 −5
Determiniamone una forma canonica e le formule di rototraslazione che ci permettono di otten-
erla.

Svolg. Il vertice del cilindro ha coordinate (4, −3, 0, 0), infatti l’autospazio relativo all’autoval-
ore 0 rispetto alla matrice A44 é generato dal versore ( 45 , − 35 , 0).
Gli altri due autovalori di A44 sono 5, −5.
3 4
L’autospazio relativo all’autovalore 5 rispetto alla matrice A44 é generato dal versore ( 5√ , √
2 5 2
, √12 ).
Infine l’autospazio relativo all’autovalore −5 rispetto alla matrice A44 é generato dal versore
3 4
(− 5√ 2
, − 5√ 2
, √12 ).
Quindi la rotazione é la seguente:
  
3 3 4
√ − 5√
  
x1 x0
5 2 2 5 1
4 4
− 35
  0 
  
 x2  = 


5 2
− 5√ 2  ·  x .
 2
x3 √1 √1 0 x03
2 2

La forma che si ottiene dopo la sostituzione delle variabili é 5y 2 − 5z 2 − 5 = 0, con generatrici


parallele all’asse X. Essa non presenta termini di primo grado, quindi non necessita di alcuna
traslazione. t
u

16.10 Forma canonica di cilindri a base parabolica.


Discorso a parte per i cilindri a base parabolica: essi presentano un autovalore nullo per la matrice
A44 , con molteplicitá algebrica 2. L’autospazio associato é un piano parallelo alle generatrici
del cilindro, quindi contiene il vertice. La scelta dei tre vettori per la rotazione deve in tale caso
essere piú oculata che non nei precedenti.
Il primo versore é quello relativo alla direzione individuata dal vertice.
Il secondo, anche esso appartenente all’autospazio V0 relativo all’autovalore nullo, é il versore
della retta che si ottiene dall’intersezione del piano V0 e di un qualsiasi piano ortogonale alla
direzione del vertice.
L’ultimo versore é il generatore dell’autospazio relativo all’autovalore non nullo della matrice
CAPITOLO 16. LE QUADRICHE. 228

A44 , che é quindi ortogonale ai precedenti due.


Una volta effettuata la rotazione si osserva l’equazione ottenuta: se non sono presenti termini
di grado zero (termini noti), allora non vi é alcun bisogno di traslazioni. In caso contrario, si
eleminano i termini noti procedendo con una traslazione imposta, come per i cilindri a base
iperbolica o ellittica. Alla fine si ottiene la seguente:

a2 x2 + by = 0

in cui i ruoli delle variabili x, y, z sono intercambiabili.

Esempio 144 Consideriamo il cilindro a base parabolica di equazione x2 − 2xy + y 2 − 4x − 4y −


4z + 4 = 0 di matrice associata:
 
1 −1 0 −2
 −1 1 0 −2 
A= .
 
 0 0 0 −2 
−2 −2 −2 4

Determiniamone una forma canonica e le formule di rototraslazione che ci permettono di otten-


erla.

Svolg. Gli autovalori della sottomatrice A44 sono λ1 = 0, con molteplicitá algebrica 2, e λ2 = 2.
Il vertice del cilindro ha coordinate (1, 1, −2, 0), quindi il primo versore per la rotazione é
( √16 , √16 , − √26 ).
Inoltre l’autospazio relativo all’autovalore 0 rispetto alla matrice A44 é dato dal piano di equazione
x − y = 0.
Scegliamo ora un qualsiasi piano perpendicolare alla direzione individuata dal vertice, ad esem-
pio quello passante per l’origine: x + y − 2z = 0.
Il secondo vettore per la rotazione é quindi individuato dall’intersezione
(
x−y =0
A=
x + y − 2z = 0

per cui ha componenti (1, 1, 1), con versore ( √13 , √13 , √13 )
L’ultimo vettore é l’autovettore relativo all’autovalore λ2 = 0, cioé (1, −1, 0), con versore
( √12 , − √12 , 0). Quindi la rotazione é la seguente:
  
 
√ 1 √1 √1 0

x1 6 3 2 x1
√1 √1 − √12
    0 
 x2  = 
  ·  x .
 6 3  2
x3 − √26 √1 0 x03
3

La forma che si ottiene dopo la sostituzione delle variabili é 2z 2 − 4 3y + 4 = 0. La presenza
del termine di grado zero, richiede una ulteriore traslazione: poniamo x = x0 , y = y 0 + b, z = z 0
tali che: √
2z 02 − 4 3(y 0 + b) + 4 = 0
CAPITOLO 16. LE QUADRICHE. 229
√ √
2z 02 − 4 3y 0 + (−4 3b + 4) = 0.

Imponendo (−4 3b + 4) = 0 otteniamo b = √1 . La trasformazione finale sará
3
  
 
√ 1 √1 √1 0
  
x1 0
1
6 3 2   x10   1 

x
 
=
 2    √ √1 − √12 · x + √ 
6 3  2 3
x3 − √26 √1 0 x03 0
3

che porta alla forma ridotta 2z 2 − 4 3y = 0.
t
u

16.11 Esercizi.
Esercizio 231 Classificare la seguente quadrica x2 − y 2 + 2z 2 + 6yz − 4xz − 2x − 3 = 0 e
determinare la conica intersezione con il piano z = 1.

Esercizio 232 Classificare la quadrica x2 + y 2 − z 2 + 2xy − 2x − 2y = 0 e determinarne gli


eventuali punti doppi.

Esercizio 233 Classificare la quadrica x2 + 2y 2 − z 2 + 2xy − 2x − 2y + 1 = 0 e determinarne


gli eventuali punti doppi.

Esercizio 234 Classificare la quadrica x2 − y 2 + z 2 + 2xz − 2x − 4y − 2z − 3 = 0, determinarne


gli eventuali punti doppi e la conica all’infinito.

Esercizio 235 Classificare la quadrica x2 + 2y 2 + z 2 + 2xy − 2x − 3 = 0 ed i suoi punti.

Esercizio 236 Classificare la quadrica xy + yz + xz − 2x + 1 = 0 ed i suoi punti.

Esercizio 237 Classificare la quadrica y 2 − z 2 + 4xy − 4xz − 6x + 4y + 2z + 8 = 0 ed i suoi


punti.

Esercizio 238 Determinare la conica intersezione tra la quadrica x2 + y 2 + z 2 + 2xy − 2x = 0


ed il piano x + y − z = 0; ripetere l’esercizio nel caso in cui il piano sia x = 0.

Esercizio 239 Determinare la conica intersezione tra la√quadrica 2x2 − 3y 2 − 6z 2 = 0 ed il


piano x = 0; ripetere l’esercizio nel caso il piano sia x = 3z + 1.

Esercizio 240 Classificare la quadrica 2x2 + 2xy + z = 0 e determinare la conica intersezione


con il piano 4x + 2y + z − 2 = 0.

Esercizio 241 Classificare la quadrica x2 − 2y 2 − z 2 = 1 e determinare le coniche intersezione


con i piani α : x = z − 1 e β : x = 1.
CAPITOLO 16. LE QUADRICHE. 230

Esercizio 242 Classificare la quadrica x2 − z 2 − 1 = 0 e determinare la conica intersezione col


piano z = 1.

Esercizio 243 Classificare la quadrica −4x2 + y 2 + z 2 − 2 = 0 e determinare la conica inter-


sezione col piano y + z − 2 = 0.

Esercizio 244 Classificare la quadrica x2 + y 2 − 2xz + z 2 − 1 = 0 e determinare la conica


intersezione col piano x − z = 0.

Esercizio 245 Classificare la quadrica x2 + y 2 + 2xy = 0 e determinare le coniche intersezione


coi piani x = 1 e z = 0.

Esercizio 246 Classificare la quadrica 2x2 + y 2 + 3z 2 + 4x − 2y + 2 = 0 e determinare le coniche


intersezione coi piani x = 0 e y = 0.

Esercizio 247 Classificare la quadrica x2 − z 2 + 2y = 0 e determinare la conica intersezione


col piano x − 2z = 0.

Esercizio 248 Classificare la quadrica x2 − y 2 + z 2 = 1 e determinare le coniche intersezione


coi piani x − y = 1 e z = 1.
Capitolo 17

La sfera.

17.1 Definizione.
La sfera di centro C = (α, β, γ) e raggio r é una superficie, luogo dei punti P = (x, y, z) della
spazio la cui distanza da C é pari a r. Da tale definizione ricaviamo che la sua equazione é:
q
(x − α)2 + (y − β)2 + (z − γ)2 = r

da cui
(x − α)2 + (y − β)2 + (z − γ)2 = r2
x2 + y 2 + z 2 + ax + by + cz + d = 0
dove
a b c
C = (α, β, γ) = (− , − , − )
2 2 2
1p 2
r= a + b2 + c2 − 4d > 0.
2

Esempio 145 Determinare centro e raggio della sfera x2 + y 2 + z 2 − 3x + 5y − z + 1 = 0.

Svolg. Il centro della sfera data é:


3 5 1
C = ( ,− , )
2 2 2
ed il raggio: √ √
9 + 25 + 1 − 4 31
r= = .
2 2
L’equazione della sfera si puó infatti scrivere anche:
3 5 1 31
(x − )2 + (y + )2 + (z − )2 = .
2 2 2 4
t
u

231
CAPITOLO 17. LA SFERA. 232

17.2 Sezioni piane.


Siano S : x2 +y 2 +z 2 +ax+by+cz+d = 0 una sfera di centro C e raggio r e π : ex+f y+gz+h = 0
un piano. Indichiamo con δ = δ(C, π) la distanza tra il centro della sfera ed il piano π.
Se δ > r allora il piano é esterno alla sfera. La loro intersezione genera una circonferenza
non riducibile ed immaginaria.

Se δ = r allora il piano é tangente alla sfera. La loro intersezione genera una circonferenza
ridotta in due rette immaginarie coniugate.

Se δ < r allora il piano é secante la sfera. La loro intersezione genera una circoferenza reale,
le cui equazioni sono date dal sistema:
(
S : x2 + y 2 + z 2 + ax + by + cz + d = 0
π : ex + f y + gz + h = 0.

Il centro C 0 della circonferenza é dato dall’intersezione s ∩ π, dove s é √


la retta passante per il
centro della sfera ed ortogonale a π; il raggio della circonferenza é r0 = r2 − δ 2 .

Poiché la sfera é un particolare ellissoide, possiamo utilizzare la polaritá definita per le


quadriche irriducibili per calcolare un qualsiasi piano tangente ad una sfera in un suo punto.

17.3 Fascio di sfere.


Siano S : x2 + y 2 + z 2 + ax + by + cz + d = 0 una sfera di raggio r e centro C e S 0 : x2 + y 2 +
z 2 + a0 x + b0 y + c0 z + d0 = 0 una di raggio r0 e centro C 0 .
Indichiamo con δ = δ(C, C 0 ) la distanza tra i due centri. Supponiamo che
|r − r0 | < δ < r + r0
allora le due sfere si intersecano in una circonferenza reale. Tale circonferenza giace su di un
piano la cui equazione si ricava sottraendo membro a membro le equazioni delle due sfere:
(
x2 + y 2 + z 2 + ax + by + cz + d = 0
x2 + y 2 + z 2 + a0 x + b0 y + c0 z + d0 = 0.

cioé
π : (a − a0 )x + (b − b0 )y + (c − c0 )z + (d − d0 ) = 0.
Da cui otteniamo l’equazione della circonferenza che le due sfere hanno in comune:
(
x2 + y 2 + z 2 + ax + by + cz + d = 0
γ:
(a − a0 )x + (b − b0 )y + (c − c0 )z + (d − d0 ) = 0.

Definiamo fascio di sfere secanti in γ e di piano radicale π, tutte le sfere che si ottengono, al
variare del parametro reale λ, dall’equazione
(x2 + y 2 + z 2 + ax + by + cz + d) + λ(x2 + y 2 + z 2 + a0 x + b0 y + c0 z + d0 ) = 0
CAPITOLO 17. LA SFERA. 233

o equivalentemente dall’equazione

(x2 + y 2 + z 2 + ax + by + cz + d) + λ((a − a0 )x + (b − b0 )y + (c − c0 )z + (d − d0 )) = 0.

Se P1 é un punto non appartenente a π allora esiste una ed una sola sfera appartenente al fascio
e passante per P1 .

Supponiamo ora che


|r − r0 | = δ
allora le due sfere sono tangenti internamente l’un l’altra. Viceversa, se r + r0 = δ allora le
due sfere sono tengenti esternamente. In entrambi i casi le due sfere si intersecano in una
circonferenza ridotta in due retta immaginarie coniugate, con un unico punto reale P0 , che é
quello di tangenza tra le due sfere.
Indichiamo con π : ex + f y + gz + h = 0 il piano tangente ad entrambe le sfere S e S 0 in P0 .
Definiamo fascio di sfere tangenti in P0 e di piano radicale π, tutte le sfere che si ottengono,
al variare del parametro reale λ, dall’equazione

(x2 + y 2 + z 2 + ax + by + cz + d) + λ(x2 + y 2 + z 2 + a0 x + b0 y + c0 z + d0 ) = 0

o equivalentemente dall’equazione

(x2 + y 2 + z 2 + ax + by + cz + d) + λ(ex + f y + gz + h) = 0.

Anche in questo caso, se P1 é un punto non appartenente a π allora esiste una ed una sola sfera
appartenente al fascio e passante per P1 .

Esempio 146 Determinare il piano tangente alla sfera x2 + y 2 + z 2 − 2x + 2y − 2z − 1 = 0 nel


punto P = (1, 1, 1).

Svolg. Il piano tangente puó essere visto come il piano polare del punto P rispetto alla quadrica
(in questo caso la sfera) data:
   
1 0 0 −1 x1
h i  0 1 0 1   x
  2

1 1 1 1 · · =0
 
 0 0 1 −1   x3 
−1 1 −1 −1 x4

che si riduce a 2x2 − 2x4 = 0, cioé y − 1 = 0.

Analogamente possiamo seguire il seguente procedimento:


Il centro della sfera data é C = (1, −1, 1), quindi il vettore CP ha componenti proporzionali
alla terna (0, 1, 0). Il piano tangente deve essere ortogonale a tale vettore quindi la sua equazione
é:
(0)(x − 1) + (1)(y − 1) + (0)(z − 1) = 0
cioé y − 1 = 0. t
u
CAPITOLO 17. LA SFERA. 234

Esempio 147 Determinare la sfera contenente la circonferenza di equazioni

γ: S∩π : x2 + y 2 + z 2 − 2x + 2z = y + z = 0

ed il punto P = (1, 1, 1).

Svolg. Per prima cosa verifichiamo


√ che la circonferenza γ é reale; infatti il centro di S é C =
(1, 0, −1), il suo raggio é 2, e la distanza δ(C, π) = √12 é minore del raggio di S.
Costruiamo il fascio di sfere contenenti la circonferenza γ:

Fγ : x2 + y 2 + z 2 − 2x + 2z + h(y + z) = 0

ed imponiamo il passaggio di tali sfere per il punto P : otteniamo h = − 32 . Quindi la sfera


richiesta é ottenuta dal fascio per tale valore di h:

2x2 + 2y 2 + 2z 2 − 4x + z − 3y = 0.

t
u

Esempio 148 Determinare la sfera tangente al piano π : x + y − z − 1 = 0 nel punto


P = (1, 1, 1) e passante per il punto Q = (2, 1, 0).

Svolg. La retta ortogonale a π e passante per P ha equazioni:



 x=t+1

y =t+1 .
 z = −t + 1

Su tale retta si trovano i centri di ogni sfera che sia tangente a π in P . Per esempio scegliamo √
t = 1, il centro della sfera S1 ottenuta é C = (2, 2, 0) ed il suo raggio é la distanza δ(P, C) = 3.
La sfera ha equazione (x − 2)2 + (y − 2)2 + z 2 = 3 cioé x2 + y 2 + z 2 − 4x − 4y + 5 = 0. Costruiamo
il fascio di sfere tangenti a π in P :

F : x2 + y 2 + z 2 − 4x − 4y + 5 + h(x + y − z − 1) = 0.

Imponiamo il passaggio per il punto Q, sostituendo le sue coordinate nell’equazione del fascio
F : h = 1. Quindi la sfera richiesta ha equazione

x2 + y 2 + z 2 − 3x − 3y − z + 4 = 0.

t
u

17.4 Esercizi.
Esercizio 249 Determinare centro e raggio della sfere 3x2 + 3y 2 + 3z 2 − 2x = 0, x2 + y 2 + z 2 −
3y + z + 2 = 0.
CAPITOLO 17. LA SFERA. 235

Esercizio 250 Determinare centro e raggio della circonferenza x2 + y 2 + z 2 = 3x − 4y − 5 = 0.

Esercizio 251 Determinare il piano tangente alla sfera (x − 2)2 + y 2 + z 2 = 4 nel suo punto
(0, 0, 0).

Esercizio 252 Determinare la retta tangente alla circonferenza (x−2)2 +y 2 +z 2 −4 = x+y−z =


0 nel suo punto (0, 0, 0).

Esercizio 253 Determinare i piani tangenti alla sfera x2 + y 2 + z 2 − 2x − 2y − 6z + 8 = 0 e


contenenti la retta x + x − 1 = z = 0.

Esercizio 254 Determinare il piano comune alle due sfere (x − 1)2 + y 2 + z 2 = 4, (x − 3)2 +
y 2 + z 2 = 1.

Esercizio 255 Determinare la sfera passante per il punto (0, 0, 0) e per la circonferenza x2 +
y 2 + z 2 − 2x − 3 = 4x − 11 = 0.

Esercizio 256 Determinare la sfera tangente al piano x−y+z = 0 nel punto (0, 0, 0) e passante
per il punto (1, 2, 0).

Esercizio 257 Determinare la circonferenza per i punti (−1, 0, 0), (0, 2, 0), (0, 0, 1).

Esercizio 258 Determinare centro e raggio della circonferenza passante per i punti A(1, 2, 1),
B(3, −1, 2) e tangente in B alla retta x + z − 5 = y − 2z + 5 = 0.
Capitolo 18

Cenni sulle superfici di rotazione.

18.1 Definizione e calcolo.


Siano r una retta e γ una curva nello spazio. Diciamo superficie di rotazione di asse r e meridiana
γ, quella superficie che otteniamo facendo ruotare la curva γ intorno all’asse r. Essa é quindi
l’unione di infinite circonferenze generate, su piani perpendicolari a r, dalla rotazione degli
infiniti punti di γ intorno a r.
Piú precisamente fissiamo un qualsiasi punto P di γ. Determiniamo il piano π passante per
P ed ortogonale all’asse r.
Quindi calcoliamo il punto C = π ∩ r e la distanza δ = δ(C, P ).
Sia ora S la sfera di centro C e raggio δ. Dall’intersezione S ∩ π si ottiene esattamente la
circonferenza che individua la rotazione del punto P intorno all’asse r.
Al variare di tutti i punti P su γ si ricava l’intera superficie di rotazione.

Consideriamo i seguenti casi particolari. Supponiamo che la curva meridiana γ sia anch’essa
una retta:
i) se r e γ sono complanari e incidenti, la superficie di rotazione é un cono;
ii) se r e γ sono complanari e parallele, la superficie di rotazione é un cilindro di sezione
circolare;
iii) se r e γ sono sghembe, la superficie di rotazione é un iperboloide.

18.2 Esercizi svolti.


Esercizio 259 Determinare la superficie ottenuta dalla rotazione della curva meridiana r :
x − y = z − y = 0 intorno all’asse di rotazione s : x = y = 0 (asse Z).

236
CAPITOLO 18. CENNI SULLE SUPERFICI DI ROTAZIONE. 237

Svolg. In forma parametrica r é data dalle equazioni



 x=t

y=t .

 z=t

Il generico punto di r in coordinate parametriche é Pt = (t, t, t).


Il piano passante per Pt ed ortogonale all’asse di rotazione s é

πt : 0(x − t) + 0(y − t) + 1(z − t) = 0 → z − t = 0.

La circonferenza γt che giace su πt , di centro Ct = πt ∩s e raggio δ(Ct , Pt ) é parte della superficie


richiesta. Al variare del parametro t otteniamo tutte le circonferenze γt , la cui unione costituisce
la superficie di rotazione.

Ct = π ∩ s = (0, 0, t)

rt = δ(Ct , Pt ) = 2t2 .
La curva γt si ottiene come intersezione di πt con la sfera di centro Ct e raggio rt :
(
x2 + y 2 + (z − t)2 = 2t2
γt = .
z=t

Eliminando il parametro t otteniamo la superficie:

x2 + y 2 − 2z 2 = 0

che é un cono di vertice X = (0, 0, 0, 1). Allora l’asse di rotazione e la retta meridiana sono
incidenti. t
u

Esercizio 260 Determinare la superficie ottenuta dalla rotazione della curva meridiana r :
x − z = y − 2 = 0 intorno all’asse di rotazione s : y − 1 = z − 3 = 0.

Svolg. In forma parametrica r é data dalle equazioni



 x=t

y=2 .

 z=t

Il generico punto di r in coordinate parametriche é Pt = (t, 2, t).


Il piano passante per Pt ed ortogonale all’asse di rotazione s é

πt : x − t = 0.

La circonferenza γt che giace su πt , di centro Ct = πt ∩s e raggio δ(Ct , Pt ) é parte della superficie


richiesta. Al variare del parametro t otteniamo tutte le circonferenze γt , la cui unione costituisce
la superficie di rotazione.
CAPITOLO 18. CENNI SULLE SUPERFICI DI ROTAZIONE. 238

Ct = π ∩ s = (t, 1, 3)
p
rt = δ(Ct , Pt ) = t2 − 6t + 10.
La curva γt si ottiene come intersezione di πt con la sfera di centro Ct e raggio rt :
(
(x − t)2 + (y − 1)2 + (z − 3)2 = t2 − 6t + 10
γt = .
x=t

Eliminando il parametro t otteniamo la superficie:

x2 − y 2 − z 2 − 6x + 2y + 6z = 0

che é un iperboloide. Allora l’asse di rotazione e la retta meridiana sono sghembe. t


u

Esercizio 261 Determinare la superficie ottenuta dalla rotazione della curva meridiana c :
z = y − x2 = 0 intorno all’asse di rotazione s : y = z = 0 (asse X).

Svolg. In forma parametrica c é data dalle equazioni



 x=t

y = t2 .

 z=0

Il generico punto di c in coordinate parametriche é Pt = (t, t2 , 0).


Il piano passante per Pt ed ortogonale all’asse di rotazione s é

πt : x − t = 0.

La circonferenza γt che giace su πt , di centro Ct = πt ∩s e raggio δ(Ct , Pt ) é parte della superficie


richiesta. Al variare del parametro t otteniamo tutte le circonferenze γt , la cui unione costituisce
la superficie di rotazione.

Ct = π ∩ s = (t, 0, 0)

rt = δ(Ct , Pt ) = t4 = t2 .
La curva γt si ottiene come intersezione di πt con la sfera di centro Ct e raggio rt :
(
(x − t)2 + y 2 + z 2 = t4
γt = .
x=t

Eliminando il parametro t otteniamo la superficie:

y 2 + z 2 − x4 = 0.

t
u