SPAZI VETTORIALI ASTRATTI

Definizione. Si dice spazio vettoriale su un campo numerico K (R o C) un insieme V su cui sono

definite una operazione di somma e un’operazione di prodotto per scalare.
La somma soddisfa le seguenti proprietà:

+: V ×V → V
(v, w) 7 → v+w

1. proprietà commutativa: ∀v, w ∈ V , v + w = w + v

2. proprietà associativa: ∀v, w, z ∈ V , (v + w) + z = v + (w + z)
3. esiste elemento neutro O, cioè ∀v ∈ V , v + O = v
4. esiste opposto, cioè ∀v ∈ V , esiste −v ∈ V tale che v + (−v) = O

Il prodotto per uno scalare soddisfa le seguenti proprietà:

K×V → V
(λ, v) 7 → λv

1. ∀v ∈ V , 1 · v = v
2. ∀λ, µ ∈ K, ∀v ∈ V , λ(µv) = (λµ)v
3. ∀λ ∈ K, ∀v, w ∈ V , λ(v + w) = λv + λw
4. ∀λ, µ ∈ K, ∀v ∈ V , (λ + µ)v = λv + µw.

Gli elementi di V sono anche detti vettori, mentre i valori λ ∈ K sono detti scalari.
Esempi di spazi vettoriali su R sono Rn , lo spazio dei polinomi di grado minore o uguale a n
a coefficienti in R. Anche l’insieme delle funzioni continue su un aperto assegnato costituisce uno
spazio vettoriale su R.
Spazi vettoriali su C sono Cn e l’insieme dei polinomi di grado minore o uguale a n, a coefficienti
in C.
Definizione. Dato uno spazio vettoriale V , si dice che W ⊆ V è un sottospazio vettoriale di V se
risulta anch’esso uno spazio vettoriale dotato della somma e del prodotto per scalare di V .
Un metodo per riconoscere se W è un sottospazio vettoriale è di verificare che, ∀v, w ∈ W ,
∀λ, µ ∈ K, λv + µw ∈ W .
Definizione. Dati v1 , . . . , vn ∈ V , si dice combinazione lineare dei vettori dati ogni vettore del tipo

λ1 v1 + . . . + λn vn

con λi ∈ K.
Si dice che n vettori sono linearmente dipendenti se esiste una loro combinazione lineare a
coefficienti non tutti nulli uguale al vettore nullo, cioè se ∃λi ∈ K, con qualche λi 6= 0 tale che
λ1 v1 + . . . + λn vn = O.
Si dice che n vettori sono linearmente indipendenti se non sono linearmente dipendenti, cioè se
λ1 v1 + . . . + λn vn = O. implica che λi = 0, ∀i = 1, . . . , n.
Definizione. Sia V uno spazio vettoriale.PSe esistono n vettori linearmente indipendenti e1 , . . . , en ∈
n
V tali che, ∀v ∈ V , ∃λ1 , . . . , λn ∈ K v = i=1 λi ei , si dice che e1 , . . . , en è una base di V e che V ha
dimensione n.
Può accadere che V abbia dimensione infinita. Se ha dimensione finita, tale dimensione è univo-
camente determinata.

1
 Per esempio l’insieme delle funzioni continue su un intervallo è uno spazio vettoriale di dimensione
infinita.
Rimandiamo al corso di Geometria per maggiori dettagli sulle basi di uno spazio vettoriale di
dimensione finita.

Spazi vettoriali con prodotto scalare

2 3
In R e in R abbiamo definito il prodotto scalare. Non su tutti gli spazi vettoriali è possibile
definire un prodotto scalare. Diremo che
Definizione. Dato uno spazio vettoriale V su K, si dice prodotto scalare, se esiste, una operazione

< , >: V × V → K
(v, w) 7 → < v, w >

che soddisfa le seguenti proprietà:

1. ∀v, w ∈ V , < v, w >=< w, v >
2. ∀u, v, w ∈ V , < u, w + w >=< u, v > + < u, w >
3. ∀λ ∈ K, ∀v, w ∈ V , < λv, w >=< v, λw >= λ < v, w >
4. < v, v >= 0 ⇐⇒ v = O.
Quando è possibile definire un prodotto scalare, è possibile definire anche una norma e una
distanza, in questo modo: √
kvk = < v, v >
d(u, v) = ku − vk
Osserviamo che spesso il prodotto scalare si denota con · e dunque < v, w >= v · w. Inoltre la
norma, per analogia con il modulo di un vettore di Rn , viene spesso indicato con |v|. Indicheremo
perciò indifferentemente con i due simboli la norma di un vettore.
Dato uno spazio vettoriale dotato di prodotto scalare, si dice che due vettori v, w ∈ V sono
ortogonali se < v, w >= v · w = 0.
Definizione. Quando uno spazio vettoriale ha dimensione n, è sempre possibile costruire una base
ortonormale di V , cioè una base costituita da n vettori linearmente indipendenti {ei , i = 1, . . . , n}
tali che
1. < ei , ej >= ei · ej = 0, se i 6= j
2. < ei , ei >= ei · ei = 1.
La prima proprietà ci dice che i vettori sono a due ortogonali, mentre la seconda ci dice che tutti i
vettori della base hanno modulo (o norma) 1 (sono normali).
Quando lo spazio ha dimensione infinita ed è dotato di prodotto scalare, ci si può chiedere se esiste
qualcosa di simile ad una base ortonormale. In alcuni casi si può costruire un sistema ortonormale
di vettori, cioè una famiglia infinita di vettori ortonormali (ossia a due a due ortogonali, tutti di
norma 1).
Dato un sottospazio vettoriale W di V , si definisce sottospazio ortogonale a W il sottospazio
vettoriale
W ⊥ = {v ∈ V : v · w = 0, ∀w ∈ W } .

Teorema. Sia V uno spazio vettoriale dotato di prodotto scalare e W un suo sottospazio di dimen-
sione finita. Sia inoltre v ∈ V \ W . Allora esistono e sono unicamente determinati due vettori w, u
tali che
v = w + v, w ∈ W, u ∈ W ⊥ .

2
Il vettore w è detto proiezione ortogonale di v su W ed è il vettore di W che ha minima distanza da
v.
Se conosciamo una base ortonormale {ei , i = 1, . . . , n} di W , la proiezione ortogonale di v su W
si può scrivere cosı̀:
Xn
w= < v, ei > ei .
i=1

Inoltre,
n
X
kv − wk2 = kvk2 − < v, ei >2
i=1

Lo spazio L2 ([a, b]).

Per la trattazione delle serie di Fourier a noi interessa un particolare spazio vettoriale di dimen-
sione infinita: lo spazio L2 ([a, b]) delle funzioni a quadrato integrabile su [a, b], vale a dire le funzioni
il cui quadrato f 2 è integrabile su [a, b]. Si può dimostrare che se f, g sono a quadrato integrabile, al-
lora anche f g è una funzione integrabile. Ne segue che se f, g ∈ L2 ([a, b]), allora f +g, λf ∈ L2 ([a, b]),
per ogni λ ∈ R, e dunque L2 ([a, b]) è uno spazio vettoriale su R.
Su L2 ([a, b]) è anche possibile definire un prodotto scalare:
Z b
< f, g >= f (x)g(x) dx
a

Il lettore può verificare per esercizio che questa operazione soddisfa tutte le proprietà del prodotto
scalare elencate in precedenza.
Al prodotto scalare è associata una norma, che viene detta norma quadratica:
! 12
Z b 1
kf k2 = f 2 (x) dx = (< f, f >) 2 .
a

Noi siamo interessati a costruire un sistema ortonormale di funzioni in L2 ([a, b]), che ci aiuti a
meglio rappresentare le funzioni periodiche. Poiché vedremo che non è restrittivo trattare solo le
funzioni periodiche di periodo 2π, considereremo lo spazio delle funzioni a quadrato integrabile su
[0, 2π]. In particolare appartengono a questo spazio le funzioni sin kx, cos kx, per k ∈ N (osserviamo
che per k = 0, sin kx ≡ 0 e cos kx ≡ 1.
Proposizione.
R 2π
< 1, 1 > = 1 dx = 2π
R02π 2
< sin kx, sin kx > = sin kx dx = π ∀k ∈ N \ {0}
R02π 2
< cos kx, cos kx > = cos kx dx = π ∀k ∈ N \ {0}
R02π
< sin kx, sin hx > = sin kx sin hx dx = 0, ∀h 6= k
R02π
< cos kx, cos hx > = cos kx cos hx dx = 0, ∀h 6= k
R02π
< sin kx, cos hx > = 0
sin kx cos hd dx = 0 ∀h, k ∈ N \ {0}

Questa proposizione (la cui verifica è lasciata al lettore) ci dice che le funzioni sono a due a due
ortogonali, ma non sono normali. Per ottenere funzioni di norma 1, basta normalizzare le funzioni
stesse, dividendo ciascuna di queste per la sua norma. Allora:
1 1 1
√ , √ cos kx, √ sin kx
2π π π

per k ∈ N \ {0}, costituisce un sistema ortonormale di funzioni di L2 ([0, 2π]).