Scaletta LEZIONE MATRICI

Scaletta Matrici
1.Def, esempi, casi particolari.
2.Matrice trasposta, diagonale, simmetrica
3.Operazioni tra matrici:
somma, esempi e proprietà relative
prodotto di uno scalare per una matrice, esempi e proprietà relative,
prodotto righe per colonne ,esempi e proprietà relative.

1.Def, esempi, casi particolari.

Def. Si dice matrice ogni tabella di elementi (in genere numeri ) disposti su m
righe ed n colonne.
Il generico elemento di una matrice si indica con a i j con i  1, . . . , m e
j  1, . . . , n

ESEMPIO
a1 1 a1 2 a1 3 a1 4
A a2 1 a2 2 a2 3 a2 4
a3 1 a3 2 a3 3 a3 4

Si può anche indicare sinteticamente

A ai j con i  1, . . . , 3 e j  1, . . . , 4

Def A si dice quadrata di ordine n se mn

A si dice rettangolare di tipo mxn se mn

A si dice matrice riga se m1 es B 1 5 3 6
10
A si dice matrice colonna se n1 C 7
2
In particolare la i-esima riga di A si indica con
Ai  ai 1 ai 2 . . . . . ai n

mentre
 la j-esima colonna di A si indica con

a1 j
a2 j
Aj  .
:
am j

Def Se A è una matrice quadrata di ordine n, gli elementi

a1 1, a2 2, . . . an n
si dicono elementi diagonali e costituiscono la diagonale principale della
matrice.

Esempio

3 4 1
A 4 5 8
2 6 2
3, 5, 2 sono gli elementi diagonali.

2. Matrice diagonale, trasposta, simmetrica

Def. Una matrice quadrata A ai j si dice diagonale se ai j  0 per

ij

Esempio
3 0 0
A 0 5 0
0 0 2
.
Def. Due matrici A  a i j e B bi j dello stesso tipo sono uguali
se a i j  b i j per ogni i, j.

Def. Una matrice A  ai j si dice nulla se ai j  0 per ogni i, j e

si indica con O m,n
Esempio
 0 0 0
O 2,3 
0 0 0

Def. Si dice opposta di una matrice A a i j , e si indica con A, la matrice

A   ai j

Def. Si dice trasposta di una matrice A  a i j , e si indica con A t , la matrice

che si ottiene da A scambiando righe con colonne, cioè
se A ai j At  bi j con bi j  aj i

Esempio
3 4 1 3 4 2
A 4 5 8 A 
t
4 5 6
2 6 2 1 8 2

Def. Una matrice quadrata A si dice simmetrica se

A  At

Esempio
3 4 1
A 4 5 8  At
1 8 2
Def. Una matrice diagonale si dice matrice unità o identica se gli elementi
della diagonale sono uguali a 1
Esempio
1 0 0
I3  0 1 0
0 0 1

3. Operazioni tra matrici

Somma di matrici
 Def. Si dice somma di due matrici A  a i j e B  bi j dello stesso tipo
la matrice, A  B, che si ottiene sommando ciascun elemento di A con l’omologo di
B.

Esempio
3 4 1 5 1 0 8 5 1
A B AB 
4 5 8 0 0 2 4 5 10

Proprietà della somma

Se A, B, C sono tre generiche matrici dello stesso tipo, allora per la somma si
hanno le seguenti proprietà:

AB  BA commutativa

A  B  CA  B  C associativa
AO  OA  A esistenza elemento neutro
A  A  O esistenza opposto

N.B. Spesso la matrice nulla, per semplicità verrà indicata con O anzichè con
O m,n .

Se indichiamo con M m,n l’insieme delle matrici di tipo mxn allora la struttura
M m,n  è un gruppo abeliano.

Prodotto di uno scalare per una matrice

Def. Si dice prodotto di uno scalare k per una matrice A  ai j la matrice
kA  k a i j .

Esempio

3 4 1
se k  2 e A allora
4 5 8
3 4 1 6 8 2
kA  2A  2 
4 5 8 8 10 16

Proprietà del prodotto di uno scalare k per una matrice

 Se A, B  M m,n (due generiche matrici dello stesso tipo) e h, k  , allora
per prodotto di uno scalare per una matrice
si hanno le seguenti proprietà:

khA  khA
k  hA  kA  hA
kA  B  kA  kB
1A  A

Prodotto righe per colonne

Def. Siano assegnate due matrici A  a i h  M m,p e B  b h j  M p,n

(si osservi che il numero delle colonne di A deve coincidere col numero delle righe di
B ), si dice
prodotto righe per colonne di A per B la matrice
p
C  AB  ci j ove ci j  ai 1b1 j  ai 2b2 j . . . ai pbp j   ai h bh j e quindi C è di tip
h1

cioè l’elemento di posto i j di C si ottiene "moltiplicando" (nel senso

spiegato nell’esempio) la i-esima riga di A con la j-esima colonna di B.

Esempio

2 4 3 2 4
A di tipo 2x2mxp B di
6 1 5 0 3

tipo 2x3pxn la matrice C sarà di tipo mxn  2x3

2  3  4  5 2  2  4  0 2  4  4  3 14 4 20
CAB  .
6315 6210 6  4  1  3 23 12 21

Oss. 1.L’operazione precedente lega matrici di insiemi diversi (non sempre è una
operazione interna!)
2. Se A e B sono due matrici che si possono moltiplicare cioè esiste AB, e
se anche B e A si possono moltiplicare (cioè esiste BA), allora generalmente non vale
la
proprietà ABBA. Per esempio

2 1
4 3 0
A 23 B 4 0 32 
2 5 1
3 2

20 4
AB  22
19 0
mentre

2 1
4 3 0
B 4 0 32 A 23 
2 5 1
3 2

10 1 1
BA  16 12 0
16 1 2

quindi AB  BA.

Oss. AB O non implica necessariamente AO oppure BO

Es.
2 4 2 4 0 0
A B AB  O
1 2 1 2 0 0

Proprietà del Prodotto righe per colonne

Se A, B, C sono tre matrici " moltiplicabili" e k  , allora per il prodotto

righe per colonne si hanno le seguenti proprietà:

ABC  ABC
AB  C  AB  AC
B  CA  BA  CA
AO  O
kAB  AkB

Oss. Se A ed I sono quadrate e dello stesso ordine risulta per definizione

AI  IA. Quindi nell’ambito delle matrici quadrate I si comporta
come elemento neutro rispetto al prodotto righe per colonne (come il numero
1 lo è in  rispetto al prodotto tra numeri), per cui ci si
chiede se anche per le matrici quadrate esiste una matrice inversa che si può
indicare con A 1 tale che AA 1  A 1 A  I.
Esercizi proposti

3 2 1 1 0 3
1. Date le matrici A B
4 2 0 5 6 4
4 6 8
C
2 1 3
calcolare A  2B  1
2
C

1 1 3
RISPOSTA : A  2B  1
C
2
13 27
2
 19
2

3 1 2 4
2. date le matrici A B trovare una matrice
3 4 6 8
X che soddisfi la relazione A  2X  B t

 52 5
2
RISPOSTA : X .
 12 6

1 2
3. Data una matrice A , dimostrare che la matrice A  At è
3 4
una matrice simmetrica
2 5
RISPOSTA : A  A t  .
5 8

3 4
4. Data una matrice A verificare che A 2  5A  6 I 2  O 2
0 2
 DET ERM IN AN T E

Scaletta:
Def. di Determinante di una matrice quadrata di ordine n
casi particolari
n=1
n=2,
n=3, Regola di Sarrus
n 1 (cioè n qualsiasi) complemento algebrico e
Regola di Laplace
Combinazione lineare delle righe o colonne di una matrice
Matrice inversa e determinante
Matrice ortogonale e determinante
Matrice triangolare e determinante
Proprietà dei determinanti

Determinante di una matrice quadrata di ordine n

Diamo una de…nizione più semplice da comprendere senza ledere il rigore
matematico.
Def. Si dice determinante di una matrice A = (ai j ) , e si indica con
det(A) oppure j A j, il numero
reale de…nito nel modo seguente:
n=1 se A = (a) allora det(A) = a es. A = (3)
det(A) = 3
a11 a12
n=2 se A = allora det(A) = a11 a22 a12 a21
a21 a22
5 4
es. A=
1 2
5 4
det(A) = det = 5 2 4 ( 1) = 14
1 2
0 1
a11 a12 a13
n=3 se A = @ a21 a22 a23 A si ricorre alla Regola di
a31 a32 a33
Sarrus data da det(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 (a13 a22 a31 +
a11 a23 a32 + a12 0
a21 a33 ) 1
3 4 2
es. A = @ 1 5 1 A det(A) = (3 5 4) + (4 ( 1) ( 2)) +
2 3 4
(2 1 3) ((4 1 4) + 2 5 ( 2) + 3 ( 1) 3)) = 74 ( 13) = 87

n>4 Premettiamo il concetto di complemento algebrico di un

elemento di una matrice

1
 Def. Sia A una matrice quadrata di ordine n e ai j il
generico elemento di A;si dice complemento algebrico di ai j il
determinante, Ai j ; della matrice di ordine n-1 che si ottiene
da A eliminando la i esima riga e la j esima colonna preso col
segno + oppure a seconda che i + j sia pari
o dispari.
Oss. nella def non è rilevante il valore di ai j ma la sua
posizione i e j
Es. 0 1
3 4 2
A=@ 1 5 1 A il complemento algebrico di
2 3 4
3 2
ai j = a3 2 = 3 A3 2 = = (3 ( 1) (1 2)) = ( 5) = 5:
1 1
Regola di Laplace. Il determinante di una matrice quadrada
è dato dalla somma dei prodotti degli elementi di una riga ( o colonna)
per i rispettivi complementi algebrici, cioè …ssata per esempio
la i esima riga
n
X
det(A) = ai 1 Ai 1 + ai 2 Ai 2 + ::: + ai n Ai n = ai h Ai h
h=1

0 1
1 0 2 3
B 4 2 1 5 C
Es. Sia A = B @ 2 0 0
C …ssiamo la terza riga (perchè
1 A
5 6 1 4
contenendo più zeri si sempli…ca il calcolo) det(A) = 2A31 + 0 A32 + 0 A33
0 2 3 1 2 3 1 0 3
1 A34 = 2 2 1 5 + 0 ( 1) 4 1 5 +0 4 2 5 1
6 1 4 5 1 4 5 6 4
1 0 2 0 2 3 1 0 2
( 1) 4 2 1 = 2 2 1 5 1 ( 1) 4 2 1 = ( 2)
5 6 1 6 1 4 5 6 1
( 56) + 1 24 = 13

Def. Se scriviamo per esempio A = A1 A2 ::: An ove ricordiamo

che Aj è la j-esima colonna di A e se accade che, per esempio,

A1 = kA2 + hA3 + :::rAn

allora si dice che A1 è combinazione lineare di A2 ; A3 ; :::An
secondo i coe¢ cienti reali k; h; ::::r:
Es.

2
 0 1 0 1
1 2 3 A1
A= @ 1 1 0 A = @ A2 A ove
3 4 3 A3

A1 = 1 2 3
A2 = 1 1 0 si può osservare che A3 = A1 + 2A2
A3 = 3 4 3
per cui A3 è combinazione lineare di A1 A2 secondo i
coe¢ cienti 1, 2 .

Matrice inversa e determinante

Def. Sia A una matrice quadrata di ordine n, essa si dice non singolare
se detA 6= 0:
Def. Sia A una matrice quadrata di ordine n, si dice che essa è invertibile
se esiste la sua inversa, A 1 ; che veri…ca la proprietà A A 1 = I:

Per un teorema
una matrice A quadrata di ordine n e invertibile () detA 6= 0:
Costruiamo l’inversa di A = (ai j ) con detA 6= 0:
Si prova che la matrice cosi costruita:
0 0 11t
A11 A12 ::: A1n
B B
1 B A21 A22 ::: A2n C C
A 1=B@ detA @ :::
CC veri…ca
::: ::: ::: AA
An1 An2 ::: Ann
la relazione A A 1 = I: per cui è l’inversa di A:

0 1
2 2 2
Es. A= @ 1 0 1 A; il detA = 6; calcoliamo i complementi
0 1 1
algebrici
0 1 1 1
A11 = det = 1; A12 = det = 1; A13 =
1 1 0 1
1 0 2 2
det = 1; A21 = det = 4; A22 =
0 1 1 1
2 2
det = 2;
0 1
2 2 2 2
A23 = det = 2; A31 = det = 2; A32 =
0 1 0 1
2 2 2 2
det = 4, A33 = det = 2
1 1 1 0

3
 0 0 11t 0 1 1 1 1t
1 1 1 6 6 6
A 1
= @ 16 @ 4 2 2 AA = @ 4
6
2
6
2
6
A =
2 4 2
2 4 2 6 6 6
0 1 1 1
1t 0 1 2 1
1
6 6 6 6 3 3
=@ 2
3
1
3
1
3
A =@ 1
6
1
3
2 A
3 :
1 2 1 1 1 1
3 3 3 6 3 3

1 1
Veri…care che A A = A A = I:

Matrice ortogonale e determinante

Def Una matrice quadrata di ordine n è ortogonale se la sua trasposta

coincide con l’inversa, cioè

A ortogonale () At = A 1

Matrice triangolare e determinante

Proprietà dei Determinanti

1. det(A)=det(At )
2. Se in una matrice si scambiano due righe o colonne il determinante
cambia di segno.
3. Il determinante di una matrice è uguale a 0 se si veri…ca una delle
proprietà:
a. una riga (o colonna) ha tutti gli elementi uguali a 0
b. due righe (o colonne) sono uguali o proporzionali
c. una riga (o colonna) è combinazione lineare delle altre.
4. Se una matrice A viene moltiplicata per un numero k allora det(kA)=kdet(A)
5. Se in una matrice A sommiamo ad una riga (o colonna) un’altra molti-
plicata per k
il determinante della matrice trasformata coincide con det(A).
6. Il determinante di una matrice triangolare (superiore o inferiore) è dato
dal prodotto
degli elementi della diagonale della matrice.
7. det(AB) =det(A) det(B) Teorema di BINET
1
8. det(A 1 )= det(A)

Prop. SE A è una matrice ortogonale allora il suo determinante è

uguale a 1 oppure a -1.
Dim. A ortogonale () At = A 1 per cui
t 1
det(A )=det(A ). Per le proprietà precedenti
1 2
det(A)= det(A) da cui (det(A)) = 1 =) det(A = 1

4
Ulteriori proprietà sulle matrici utili
1
1.(AB) = B 1 A 1
t
2. (AB) = B t At
1 t
3. .(At ) = A 1

5
 RAN GO di una matrice

Def. Sia A una matrice di tipo m n, sia r m e r n: Si dice

minore di ordine r ogni sottomatrice (o matrice estratta)
di A ottenuta prendendo gli elementi comuni ad r righe e ad r
colonne di A.
0 1
2 1 4 7
Esempio A = @ 3 5 6 9 A scegliamo 3 righe e 3 colonne
4 2 8 0
(r = 3) ; per esempio 1 ; 2 ; 3 riga e 1 ; 3 ; 4 0 colonna. Si 1
ottiene
2 4 7
il minore di ordine 3 M = @ 3 6 9 A:
4 8 0
Def. Si dice rango di una matrice A di tipo m n, l’ordine massimo
di un minore estratto con determinante 6= 0 (diverso da 0).

Il rango di A si indica con rang(A) oppure rank(A).

In altre parole, per aiutarci nel calcolo del determinante, si può scrivere

1) 9 un minore M di ordine r con det(M) 6= 0

matrice A di rango r ()
2)Tutti i minori di ordine r + 1 hanno determinanti nulli

Oss. 1.Se A è la matrice nulla allora rang(A)=0

2. Il minore (scelto) con det6= 0 che fornisce il rango di A si dice
minore fondamentale.
3. Il rango non può ovviamente superare il numero delle righe e delle
colonne di A.
Def. Una sottomatrice M di ordine r di A può essere "orlato". Si dice
orlato di M ogni sottomatrice di ordine r+1
ottenuta completando M con una riga e una colonna di A non
appartenente ad M.
Es. 0 1
2 1 4 7
2 7
A=@ 3 5 6 9 A M= se lo orliamo con la 2
4 0
4 2 8 0 0 1
2 4 7
riga e la 3 colonna, si ottiene M0 = @ 3 6 9 A :
4 8 0

Teorema di Kronecher (senza dim)

Se A è una matrice A di tipo m n, allora

1:9 un minore di ordine r; Mr , con det(Mr ) 6= 0

rang (A) = r ()
2:Tutti gli orlati di Mr hanno determinante nullo

1
 Oss. Il vantaggio del teor precedente consiste nel fatto che non è necessario
calcolare tutti i minori
di ordine r + 1 ma solo gli orlati di Mr .
Esempio 0 1
1 4 3
B 3 0 3 C
A=B @ 4
C calcolare il rango di A:
5 9 A
1 1 2
1 4
Si parte da un minore con det 6= 0 di ordine basso, per esempio ;
3 0
1 4
che ha il det = 12 6= 0: Se tutti i suoi orlati hanno determinante
3 0
nullo allora il rango è 2.
Se ce n’è uno con det 6= 0;si considerano tutti gli orlati di questo minore
del 3 ordine. Se tutti tali orlati sono nulli allora il rango è 3.
Per la nostra matrice il processo …nisce qui. Altrimenti si procede ancora e
ci si ferma quando tutti gli orlati sono nulli.
1 4
Costruiamo gli orlati di ; ce ne sono due
3 0
0 1 0 1
1 4 3 1 4 3
@ 3 0 3 A con det @ 3 0 3 A=0
4 5 9 4 5 9
si
può0concludere che 1 rang(A) = 2 0 1
1 4 3 1 4 3
@ 3 0 3 A con det @ 3 0 3 A=0
1 1 2 1 1 2

2
 Sistemi di equazioni lineari
Scaletta Sistemi di equazioni lineari
Def. equazione lineare
Def. di sistema lineare
Teorema di Cramer (enunciato)
Teorema di Rouchè-Capelli (enunciato)
Classi…cazione di un sistema di m equaz. in n incognite:
1. r = m = n sistemi di Cramer
2 . r=m n
3. r m
Esempi relativi agli argomenti

Equazione lineare
Un’equazione nelle incognite x1 ; x2 ; :::::xn si dice lineare se si può scrivere
nella forma

a1 x1 + a2 x2 + :::::an xn = b con b; ai 2 R (1)

gli ai sono detti coe¢ cienti delle incognite e b termine noto.

Oss. Gli esponenti delle variabili sono uguali a 1.
Def. La (1) si dice omogenea se b = 0
Def. Una n-upla di numeri reali k1 ; k2 ; ::::: kn si dice soluzione
dell’equazione (1) se accade che a1 k1 + a2 k2 + :::::an kn = b.
Oss. Una equazione lineare può avere 1soluzione, in…nite soluzioni o nessuna
soluzione.
Def. Un sistema lineare è un sitema di equazioni lineari, cioè:

a11 x1 + a12 x2 + :::::a1n xn = b1

a21 x1 + a22 x2 + :::::a2n xn = b2

am1 x1 + am2 x2 + :::::amn xn = bm

Def. Una n-upla di numeri reali k1 ; k2 ; ::::: kn si dice soluzione del
sistema se la n-upla è soluzione di tutte le equazioni del sistema.
Risolvere un sistema vuol dire trovare tutte le soluzioni del sistema se
esistono.
Udue sistemi sono equivalenti
0 se ammettono le1 stesse soluzioni.
a11 a12 ::: a1n
B a21 a22 ::: a2n C
la matrice A=B @ :::
C si dice matrice
::: ::: ::: A
am1 am2 ::: amn
del sistema o matrice incompleta

1
 0 1
a11 a12 ::: a1n b1
B a21 a22 ::: a2n b2 C
la matrice (A; B) = B
@ :::
C
::: ::: ::: ::: A
am1 am2 ::: amn bm
si dice matrice matrice
0 completa
1
b1
B b2 C
la matrice B=B@ ::: A
C si dice matrice dei termini noti
bm

Oss. Usando le notazioni matriciali e le operazioni tra matrici il sitema si

può scrivere nella forma
0 1 0 x 1 0 b1
1
a11 a12 ::: a1n 1
B a21 a22 ::: a2n C B x C B b2 C
C B
2 C B C
B B . C=B .. C
@ ::: ::: ::: ::: A @ .. A @ A
.
am1 am2 ::: amn xn bn
ovvero in forma matriciale compatta

A X=B

Teorema di Cramer (enunciato)

Un sistema di equazioni lineari con m = n; ammette una sola soluzione se
e solo
se il det(A) 6= 0:Tale soluzione k1 ; k2 ; ::::: kn si ottiene nel modo seguente:

Di
ki = i = 1; 2; :::; n ove Di è il det della matrice ottenuta da A sostituendo
det(A)
la i-esima colonna con quella dei termini noti

Esempio

x + y 2z = 3
4x + 3y z = 1
2x + y + z = 1
0 1
1 1 2
A=@ 4 3 1 A det(A) = 2 6= 0; m=n=3 per
2 1 1
cui il sistema è di Cramer.
La soluzione è data da

2
 0 1 0 1
3 1 2 1 3 2
B C B C
B 1 3 1 C B 4 1 1 C
@ A @ A
1 1 1 4 2 1 1 6
x= 2 = 2 =2, y= 2 = 2 = 3;
0 1
1 3 3
B C
B 4 1 1 C
@ A
2 1 1 4
z= 2 = 2 = 2

Teorema di Rouchè-Capelli (enunciato)

Un sistema lineare di m equazioni in n incognite è compatibile (

ammette soluzioni) se e solo se rank(A) = rank(A; B)

Oss. Se rank(A) = r allora il rango di B può essere r oppure r + 1:

Diamo il metodo di soluzione di un sistema qualsiasi compatibile.

Poichè rank(A) = rank(A; B) = r scegliamo il minore fondamentale M
di ordine r . Si prova che il sistema assegnato
è equivalente al sistema di r equazioni in r incognite ottenuto
considerando le sole equazioni e le sole incognite i cui
coe¢ cienti stanno in M, considerando cioè le rimanenti incognite come para-
metri che possono assumere un qualsiasi valore
reale. Ovviamente il nuovo sistema è un sistema di r equazioni in r
incognite con matrice incompleta uguale
aM e det(M ) 6= 0: Perciò si risolve con la regola di Cramer. Ciò che
cambia rispetto ad un semplice sistema di Cramer
è che " l’unica soluzione"dipende da n r parametri. Quindi, al variare
dei valori assegnati agli n-r parametri,
le soluzioni del sistema di partenza sono 1 n r :
Esempio

x 2y + 3z + t = 2
2x 5y + 9z = 5
x y + 3t = 1
0 1 0 1
1 2 3 1 1 2 3 1 2
A=@ 2 5 9 0 A 3 4 (A,B)= @ 2 5 9 0 5 A
1 1 0 3 1 1 0 3 1
3 5

1 2
si verica che rank(A) = rank(A; B) = 2: Scegliamo M=
2 5
det(M ) = 1 6= 0. Per quanto detto
si può trascurare l’ultima equazione, le incognite z e t portate a
secondo membro diventano parametri

3
 reali ( z = h e t = k che variano in R ): Il sistema assegnato è dunque
"equivalente" al seguente di Cramer:

x 2y = 2 3h k
le cui soluzioni sono date da
2x 5y = 5 9h
0 1
@
2 3h k 2 A
5 9h 5 3h+5k
x= 1 = 1 = 3h 5k ,
0 1
@
1 2 3h k A
2 5 9h
y= 1 = 1 3h+2k
1 = 3h 2k 1
4 2 2
Quindi le 1 =1 soluzioni del sistema sono tutte le quaterne di
numeri reali (3h 5k ,3h 2k 1; h; k) al variare di h, e k.
L’insieme delle soluzioni si scrive

S = f(3h 5k; 3h 2k 1; h; k) h; k 2 Rg

Classi…cazione di un sistema di m equaz. in n incognite:

In de…nitiva ogni sistema lineare di m equazioni in n incognite rientra

in uno dei seguenti casi:
1. r=m=n ( è sistema di Cramer)
2 . r=m n ( è ovviamente rank(A) = rank(A; B) = r quindi
il sistema è compatibile)
3. r m ( rank(A) = r ma rank(A; B) potrebbe essere
maggiore o
uguale ad r e quindi bisogna veri…care la
compatibilità)

Sistemi omogenei

Un sistema omogeneo è sempre compatibile, infatti

a11 x1 + a12 x2 + :::::a1n xn = 0

a21 x1 + a22 x2 + :::::a2n xn = 0
:
am1 x1 + am2 x2 + :::::amn xn = 0

ha come
0 matrici 1 0 1
a11 a12 ::: a1n a11 a12 ::: a1n 0
B a21 a22 ::: a2n C B a21 a22 ::: a2n 0 C
A=B @ :::
C (A; B) = B C
::: ::: ::: A @ ::: ::: ::: ::: ::: A
am1 am2 ::: amn am1 am2 ::: amn 0

4
 Ovviamente una colonna di zeri non può far aumentare il rango di (A; B)
rispetto al rango di A: Quindi rank(A) = rank(A; B) e il sistema è
compatibile

Oss. 1. Se un sistema omogeneo è di Cramer (cioè m = n e det(A) 6= 0)

allora l’unica soluzione è quella banale (0; 0; :::; 0):Negli altri casi si risolve col
metodo descritto precedentemente.

Es.
0 1
1 1 2
m=n=3 A=@ 4 3 1 A ; det(A)= 2 6= 0 per cui essendo di Cramer
2 1 1
ammette un’unica soluzione che è ovviamente quella banale: x=
0; y = 0; z = 0:

x + 3y + 3z + 2t = 0
2. 2x + 6y + 9z + 5t = 0 sistema omogeneo, quindi sempre compati-
3y + 3z t = 0
bile. Risulta

1 3 3 2
m=3 n=4 A 2 6 9 5 ; determiniamo il rango di A. Consideriamo
0 3 3 1
3 3
N=det = 9 6= 0; il rank(A) è maggiore o uguale a due. Consideriamo
6 9
i 2 orlati di M0e vediamo se1tra essi ce n’è almeno0 uno diverso 1 da 0. Essi sono
1 3 3 3 3 2
M=N1 = det @ 2 6 9 A = 9 e N2 = det @ 6 9 5 A = 18: ( Oss:
0 3 3 3 3 1
è inutile calcolare gli altri orlati quando già uno è 6= 0):Dunque rank(A) = r =
3 = m n: Siamo nel 2 caso. Il sistema ammette 1n r = 14 3 = 11
soluzioni date dal sistema equivalente
x + 3y + 3z = 2h
2x + 6y + 9z = 5h avendo posto t = h .
3y + 3z = h
2h 3 3 1 2h 3
5h 6 9 2 5h 9
h 3 3 9h 0 h 3
Per T. Cramer x = 9 = 9 = h, y= 9
1 3 2h
2 6 5h
6h 2 0 3 h
= 9 = 3 h; z = 9 = 93h = 31 h , t = h:

5
 2 1
L0 insieme delle soluzioni è dato da S= (h; 3 h; 3 h; h) 2R :

6
 Strutture di Base lezione1.
Scaletta

Def:
gruppo,
campo
esempi

Def. gruppo
Sia G un insieme con una operzione interna, che indichiamo con  o con  o con
, che verifichi le seguenti proprietà:
1. a  b  c  a  b  c  a, b, c  G associativa
2.  e  G tale che a  e  a a  G esistenza
elemento neutro
3.  a  G tale che a  a  e a  G esistenza del
reciproco
Def. G si dice gruppo.
Def. Se vale anche la proprietà
ab  ba commutativa
G si dice gruppo abeliano

Esempi di gruppo
1.
2.
3.
Def. campo
Sia G un insieme in cui sono definite due operazioni che per semplicità indichiamo
con i simboli  e ,
tale che:
G sia gruppo abeliano con elemento neutro e
G  e sia gruppo abeliano
la legge  è doppiamente distribuitiva rispetto alla  (a  b  c  a  b  a  c

Esempi di campo
 ESEMPI di Gruppo

1. R è un gruppo abeliano

dim:
a  b  c  a  b  c a, b, c  
e  0 tale che a  e  a a  
 a’ -a   tale che aa’ 0 a  .

2.  non è un gruppo ( abeliano)

dim:
a  b  c  a  b  c a, b, c  
e  0 tale che a  e  a a  
 a’   tale che aa’ 0 a  
quindi cade l’ultima proprietà.

3.   0 è un gruppo abeliano

infatti
a  b  c  a  b  c a, b, c  
 e  1 tale che a  1  a a  
 a’ 1a    0 tale che aa’ 1 a   .

ESEMPI di Campo
1.  munito delle usuali operazioni di  e di  è un campo.
infatti per gli esempi 1. e 3. risulta
 è un gruppo abeliano
  0 è un gruppo abeliano

e inoltre vale la proprietà distributiva del prodotto rispetto alla somma, cioè
a  b  c  a  b  a  c

ESEMPI di Gruppo finito e Campo finito

1. A  1, 1   munito dell’usuale prodotto  di  verifica le 3 proprietà di

gruppo.
Quindi è un gruppo con un numero finito di elementi.

2.  p campo (finito) dei resti modulo p con p numero primo e  insieme dei
numeri relativi.
Premettiamo il concetto di insieme delle classi dei resti modulo m con m  
E’ noto che, fissato m  , e un qualsiasi numero a  
 q   , r   tale che a  mq  r
(dividendo a per m, q quoziente ed r resto della divisione con r  m  1) .
Dunque i possibili resti della divisione di ogni elemento a  per m sono in
numero di m-1:

0, 1, 2, ...., m1
Si può definire in  una relazione di equivalenza mettendo nella stessa classe gli
elementi di  che, divisi per m, danno lo stesso resto.
Tali classi si indicano con :
0, 1, 2, ...., m  1
Per esempio, per essere più chiari, presi a, b  
a, b  2, se a, b divisi per m danno come resto 2.

Si indica con  m l’insieme delle classi modulo m , cioè:

m  0, 1, 2, ...., m  1

In  m si possono definire due operazioni (ben poste), indicate con  e , nel
modo seguente:

a bab
a, b   m : a bab

Oss. 1.la classe 0 funge da elemento neutro per , mentre la classe 1
funge da elemento neutro per l’operazione .
2. se prendo  4 , 3  2  5  1 perchè 5 diviso 4 dà come resto
1.

E’ facile verificare, per esempio, che

2 è un campo rispetto alle due operazioni,   precedenti (  2  è un

gruppo abeliano e  2  0 è un gruppo abeliano)
3 è un campo rispetto alle due operazioni,   precedenti (  3  è un
gruppo abeliano e  3  0 è un gruppo abeliano)
mentre, per esempio,

4 non è un campo rispetto alle due operazioni,   precedenti (  4  è

un gruppo abeliano, mentre  4  0 non è un gruppo)
perchè
-si associativa
 -esiste e  1
-non esiste sempre il simmetrico di ogni elemento, ad esempio 2
non ha l’inverso
in quanto 2  1  2, 2  2  4  0,
2  3  6  2.

TABELLE delle operazioni

Le operazioni in  p si possono sintetizzare nelle tabelle del tipo:
Es.  3

 0 1 2
 1 2
0 0 1 2
1 1 2
1 1 2 0
2 2 1
2 2 0 1
 Introduzione agli spazi vettoriali
Scaletta
Def. di spazio vettoriale
Esempi: 1.Rn come spazio vettoriale fondamentale, in particolare R2 ; R3 :
2. Insieme delle funzioni reali di variabile reale
3. Mmn (R) insieme delle matrici su R di tipo m n
4. P insieme dei polinomi con coe¢ cienti reali
5. V insieme dei vettori liberi nel piano e nello spazio
N.B: R2 = R R; R3 = R R R; .Rn = R R ::: R :
| {z }
n volte

De…nizione di spazio vettoriale

Def. Un insieme V 6= ? in cui sono de…nite due operazioni, una detta

addizione che ad ogni coppia di elementi v1 ; v2 appartenenti a V associa uno
ed un solo elemento di V indicato con v1 +v2 , e una, detta moltiplicazione per
uno scalare che ad ogni numero reale e ad ogni elemento v appartenente a
V associa uno ed un solo elemento di V indicato con v, si dice spazio vettoriale
su R (o spazio vettoriale reale) se sono veri…cate le seguenti proprietà :
1) per l’addizione 8u; v; w 2 V
V
u + (v + w) = (u + v) + w associativa
90V 2 V tale che v + 0V = 0V + v esistenza elemento neutro
cioè V (+) è un gruppo abeliano
9v 0 2 V tale che v + v 0 = 0V esistenza dell0opposto
u+v =v+u commutativa

cioè V (+) è un gruppo abeliano

2) per la moltiplicazione per uno scalare
8v 2 V e 8 ; 2 R
( v) = ( )v
(u + v) = u + v
( + )v = v + v
1v = v:
Gli elementi dello spazio vettoriale V si dicono vettori, gli elementi di R si
dicono scalari.

Esempi:
1. Rn come spazio vettoriale fondamentale, in particolare R2 ; R3 :
In Rn ; i cui elementi sono n-uple di numeri reali, si possono considerare, in
modo naturale, le operazioni seguenti:
(x1 ; x2 ; :::xn ); v = (y1 ; y2 ; :::yn ); 2 Rn u + v = (x1 ; x2 ; :::xn ) + (y1 ; y2 ; :::yn ) =
(x1 +y1 ; x2 +y2 ; :::; xn +yn ) 8

1
(x1 ; x2 ; :::xn ) 2 Rn ; 8 2 R u = (x1 ; x2 ; :::xn ) = ( x1 ; x2 ; :::; xn )
E’ facile dimostrare che per tali operazioni sono veri…cate le 4+4 proprietà
precedenti. Perciò Rn è uno spazio vettoriale reale.
particolare R2 ; R3 (che utilizzaremo più spesso) sono spazi vettoriali su R:
Per R2 dimostriamo, per esempio, che R2 (+) è un gruppo abeliano :
sociativa 8u = (x1 ; x2 ); v = (y1 ; y2 ); w = (z1 ; z2 ) 2 R2 risulta u +
(v + w) = (x1 ; x2 ) + ((y1 ; y2 ) + (z1 ; z2 )) = (x1 ; x2 ) + (y1 + z1 ; y2 + z2 ) = (x1 +
(y1 + z1 ) ; x2 + (y2 + z2 )) = ((x1 + y1 ) + z1 ; (x2 + y2 ) + z2 ) = (u + v) + w
esistenza elemento neutro 90R2 = (0; 0) 2 R2 tale che u + 0V =
(x1 ; x2 )+ (0; 0) = (x1 ; + 0; x2 + 0) = (x1 ; x2 ) = u
esistenza dell’opposto se u = (x1 ; x2 ) esiste u’=( x1 ; x2 ) tale che u +
u0 = (x1 ; x2 )+( x1 ; x2 ) = (x1 x1 ; x2 x2 ) = (0; 0) = 0R2 :
mutatività 8u = (x1 ; x2 ); v = (y1 ; y2 ) 2 R2 : u + v = (x1 ; x2 ) +
(y1 ; y2 ) = (x1 + y1 ; x2 + y2 ) = (y1 + x1 ; y2 + x2 ) = (y1 ; y2 ) + (x1 ; x2 ) = v +
u: Allo stesso modo si possono di-
mostrare le altre 4 proprietà. Dimostriamo, per esempio ( v) = ( )v: Infatti
preso v = (x1 ; x2 )

( v) = ( (x1 ; x2 )) = ( x1 ; x2 ) = (( ) x1 ; ( ) x2 ) = (x1 ; x2 ) =
( )v A
mente R3 munito delle operazioni

(x1 ; x2 ; x3 ) + (y1 ; y2 ; y3 ) = (x1 + y1 ; x2 + y2 ; x3 + y3 )

u = (x1 ; x2 ; x3 ) = ( x1 ; x2 ; x3 )

risulta uno spazio vettoriale su R:

2. Insieme delle funzioni reali di variabile reale come spazio vettoriale reale
L’insieme delle funzioni reali di variabile reale,cioè V = ff : R ! Rg con le
seguenti operazioni

(f + g) (x) = f (x) + g(x) 8f; g 2 V

( f ) (x) = (f (x)) 8f 2 V e 8 2 R

è uno spazio vettoriale su R; (la dim. è un utile esercizio!).

3. Mmn (R) insieme delle matrici su R di tipo m n come spazio vettoriale

su R L’ins
Mmn (R) rispetto alle operazioni di somma e moltiplicazione per uno scalare
(già note) è uno spazio vettoriale reale in quanto le proprietà già viste di tali
operazioni sono quelle di spazio vettoriale.

4. P insieme dei polinomi con coe¢ cienti reali come spazio vettoriale su
R Presi
due polinomi p = an xn + an 1 xn 1 + :::a1 x + a0 e q = bm xm + bm 1 xm 1 +

2
:::b1 x + b0 , con m n; l’insieme P rispetto alle operazioni

p+q = bm xm + bm 1 xm 1 + ::: (an+1 + bn+1 ) xn+1 + (an + bn ) xn + (an 1 + bn 1) x

n 1
+ ::: (a1 + b1 ) x +
p = an xn + an 1 xn 1 + ::: a1 x + a0

è uno spazio vettoriale su R:

5. V0 insieme dei vettori liberi nel piano e nello spazio come spazio vettori-
ale su R L’insiem
dei vettori (del piano e dello spazio) applicati nell’origine del riferimento,
rispetto alle operazioni usuali dei vettori "freccia"

u = OP ; v = OR u + v = OT con la regola del parallelogramma 8u; v 2 V0

u = OP ; k 2 R ku = OQ con k OQ k= k k OP k e direzione e senso del vettore OP 8u

E’facile dimostrare che per tali operazioni sono veri…cate le 4 proprietà rispetto
alla somma e le 4 proprietà rispetto al moltiplicazione per uno scalare.
Perciò V0 è uno spazio vettoriale su R: Dimostriamo alcune delle 8 proprietà.
Facciamo prima alcune considerazioni utili.
Si osservi, per esempio, che per un elemento di V0 ; essendo …ssato il punto di
applicazione in O; diventa essenziale il punto …nale P:Per questo motivo molti
testi, identi…cando OP con P; OR con R; OT con T le operazioni
precedenti si esprimono nel seguente modo (operazioni tra punti):

se u ' P; v ' R allora u + v ' T con la regola del parallelogramma 8u; v 2 V0

se u ' P; k 2 R allora ku ' Q 8u 2 V0 e 8k 2 R

Se A(a1 ; a2 ); B(b1 ; b2 ); e u = OA; v = OB u + v = OA + OB = OC

con C(c1; ; c2 ) allora c1 = a1 + b1 e c2 = a2 + b2 cioè C; come punto del
piano, si può scrivere C = A + B:
La dimostrazione si fonda su proprietà di geometria elementare (proprietà
del parallelogramma, parallelismo, triangoli simili, etc....) Oss.
Per questa proprietà si può scrivere anche OA + OB = O (A + B):
Prop.2. Se A(a1 ; a2 ); u = OA; k 2 R e ku = kOA = OQ con Q(q1 ; q2 )
allora q1 = ka1 e q2 = ka2 ; cioè Q come punto del piano, si può scrivere
Q = kA:
dimostrazione si fonda su proprietà di geometria elementare.
Per questa proprietà si può scrivere anche k OA = O (kA) :
mostriamo ora la 2 e la 3 delle 4 proprietà riferite alla somma di due vettori
di V0 :
(esistenza elemento neutro) 90V0 2 V 0 tale che v + 0V0 = v 8v 2 V0 .
! !
Infatti 9O(0; 0) e quindi 90V0 = OO 2 V0 tale che 8v 2 V0 ; v = OA con
! ! ! !
A(a1 ; a2 ) risulta v + 0V0 = OA +OO = O(A + O) = OA = v per la Prop.1.

3
 (esistenza dell0opposto) 9v 0 2 V0 tale che v + v 0 = 0V0 8v 2 V0 :
!
Infatti se v = OA 2 V0 con A(a1 ; a2 ), esiste B( a1 ; a2 ) e quindi
! ! ! ! !
9v 0 = OB 2 V0 tale che v + v0 = OA + OB = O(A + B) = OO = OV0 per
la Prop.1.

mostriamo ora, per esempio, la 2 delle 4 proprietà riferite moltiplicazione per

uno scalare in V0 :
2 proprietà (u + v) = u + v:

Infatti se u = OA; v = OB con A(a1 ; a2 ), B( b1 ; b2 ); 2 R risulta

! ! !
(u + v) = ( OA + OB) = (O(A + B) = (O ( (A + B)) = O( A + B) =
! !
O ( A) + O ( B) = OA + OB = u + v per
la Prop.1, per l’Oss.3.

Da quanto …n qui detto si intuisce che lo spazio vettoriale V0 si comporta

esattamente come lo spazio vettoriale R2 :

! ! !
in V0 OA+OB = OC con C(a1 +b1 ; a2 +b2 ) in R2 (a1 ; a2 )+(b1 ; b2 ) = (c1 ; c2 ) con

per cui i due spazi, anche nelle notazioni, saranno talvolta identi…cati
!
per esempio (a1 ; a2 ) ' A ' OA

Relazione tra i vettori applicati nel piano e lo spazio vettoriale V0 dei

vettori liberi.
Dimostriamo che lo spazio vettoriale V0 dei vettori liberi coincide con lo
spazio quoziente ottenuto mediante la relazione di equipollenza nell’insieme
V dei vettori applicati nel piano.
!
Def. Si chiama vettore applicato, e si indica con AB, una coppia ordinata
di punti A e B del piano (o dello spazio). A viene detto punto di applicazione
!
e B punto …nale. Il verso da A a B si dice verso del vettore AB; la direzione
!
della retta [A; B] si dice direzione del vettore AB; la misura del segmento AB
!
lunghezza o norma o modulo del vettore AB:
! !
Def. Due vettori AB e CD sono equivalenti o equipollenti se hanno
lo stesso verso, stessa direzione e la stessa lunghezza. E¤ettuiamo in V una
ripartizione in sottoinsiemi i cui elementi sono vettori applicati equivalenti tra
hloro.
!i
Tali sottoinsiemi si dicono classi di equivalenza indicate col simbolo
AB .
! h !i ! !
Es. CD 2 AB () CD e AB hanno lo stesso verso, stessa direzione e
la stessa lunghezza.

4
 h !i
E’ facile intuire che nella classe AB esiste sempre un unico vettore
!
havente
i per punto di applicazione
h i O; per esempio OP ; per cui la classe
! !
AB coincide con la classe OP : Si deduce, allora che ogni classe di equiv-
!
alenza può essere rappresentata dal vettore OP che si dice vettore privilegiato:
Prop.3 h !i h !i
AB = OP =) P = B A

La dimostrazione si fonda su proprietà di geometria elementare (proprietà del

parallelogramma, uguaglianza dei triangoli rettangoli).
Es. se A(a1 ; a2 ) e B(b1 ; b2 ) allora le coordinate di P sono (b1 a1 ; b2 a2 ):

h ! Oss.4.
i Spesso il vettore privilegiato identi…ca la sua classe stessa cioè
!
OP ' OP : Con tale identi…cazione possiamo concludere che l’insieme delle
classi dei vettori applicati

nel piano possiamo dire che coincide con l’insieme dei vettori liberi V0
.
Prop.4
! !
Se AB è equipollente al vettore CD allora B A = D C
Dim. La dimostrazione consegue banalmente dal fatto
h !che
i 9h un unico vet-
! ! !i h !i
tore OP equipollente sia ad AB che a CD cioè AB = CD = OP
Per cui per Prop.3 si ha P = B A = D C:

Relazione tra lo spazio vettoriale R2 e lo spazio vettoriale V0 dei vettori

liberi.
Da quanto detto precedentemente si deduce che

assegnare un vettore (libero) 2 V0 () ad assegnare un punto P del piano cartesiano () ad assegnare

per cui si possono "identi…care" gli spazi vettoriali V0 ; R2 ; cioè

V0 t R2 :

5
 Proprietà degli spazi vettoriali e sottospazi vettoriali
Scaletta
Proprietà fondamentali sugli spazi vettoriali
Sottospazi vettoriali
sottospazio intersezione di due sottospazi
Sottospazio somma di due sottospazi
Combinazione lineare di vettori
Esempi relativi
Lineare dipendenza e indipendenza
Esempi relativi

Proprietà fondamentali sugli spazi vettoriali

Dimostriamo le seguenti importanti proprietà sugli spazi vettoriali. Sia V

uno spazio vettoriale su R e siano u; v; w 2 V e k 2 R:
1. u+v = u+w =) v = w
Aggiungiamo u ad ambo i membri u+(u + v) = u + (u + w), per p. asso-
ciativa ( u + u) + v = ( u + u) + w cioè 0V + v = 0V + w da cui v = w:
2. l’equazione u+x = v ha soluzione in V
Prendiamo come elemento di V x = v + ( u) e veri…chiamo che è soluz.
dell’equazione, u+v+( u) =(per p.commutativa) u+( u)+v =(per p.associativa)
( u + ( u)) + v = v
3. 0R u = 0V
k 0V = 0V
Esprimiamo 0R u in due diversi modi e poi uguagliamoli. Si può scrivere
0R u = (0R + 0R ) u = (per una p.sp. vett) 0R u + 0R u: Inoltre si può
anche scrivere 0R u = (aggiungiamo 0V ) 0R u + 0V : Da cui uguagliando le
due esressioni si ha 0R u + 0R u = 0R u + 0V ; da cui per la proprietà. 1
0R u = 0V :
Analogamente esprimiamo k 0V in due diversi modi e poi uguagliamoli.
Si può scrivere k 0V = k (0V + 0V ) = k 0V + k 0V : Inoltre si può
anche scrivere k 0V = k 0V + 0V :Da cui uguagliando le due esressioni si ha
k 0V + k 0V = k 0V + 0V ; da cui per la proprietà. 1 k 0V = 0V :
4. ( 1) u = u
Dim. Basterà provare che l’elemento ( 1) u è l’opposto del vettore u:
Infatti ( 1) u + u = ( 1) u + 1 u = ( 1 + 1) u = 0R u = 0V (per la
proprietà 3)
5. k u = 0V =) k = 0R oppure u = 0V
Dim. Per ipotesi k u = 0V : Se k = 0R la proprietà è provata. Se invece è
k 6= 0R deve essere necessariamente u = 0V : Infatti da k u = 0V (moltiplicando
ambo i membri per k 1 ) si ha k 1 (k u) = k 1 0V da cui k 1 k u = k 1 0V :
Per la proprietà 3 e per le proprietà sugli spazi vettoriali si ha u = 0V :
Def. Un sottoinsieme S di V; S 6= ; si dice sottospazio vettoriale di V
se contiene lo 0V ed è chiuso rispetto alle operazioni somma e prodotto di un
vettore

1
 con uno scalare, cioè
0V 2 S
se u; v 2 S allora u+v 2 S
se u 2 S e k 2 R allora ku 2 S
Oss.1. I sottoinsiemi f0V g e V sono sottospazi vettoriali di V detti
sottospazi banali.

Esempi
V=R2 ; U = (x; y) 2 R2 j y = 0 = f(x; 0) j x 2 Rg è sottospazio vettoriale
di R2 (U;geometricamente, coincide con l’asse delle x del piano cartesiano).
Infatti
(0:0) 2 U
se (x; 0), (x0 ; 0) 2 U allora (x; 0)+ (x0 ; 0) =(x + x0 ; 0) 2 U
se (x; 0) 2 U e k 2 R allora k(x; 0) = (kx; 0) 2 U
2. V=R2 W = (x; y) 2 R2 j x = 0 è sottospazio vettoriale di
2
R (W;geometricamente, coincide con l’asse delle y del piano cartesiano). La
dim. è analoga alla precedente.
Oss.2. Se U e W sono sottospazi vettoriali di V si può de…nire la loro
intersezione ed unione insiemistica. A tal riguardo si provano le seguenti
proposizioni.

Prop.1
U; W sottospazi vettoriali di V =) U \ W è sottospazio vettoriale di V
Dim.
0V 2 U \ W in quanto appartiene ad entrambi i sottospazi.
v1 ; v2 2 U v1 + v2 2 U
se v1 ; v2 2 U \ W allora da cui e quindi
v1 ; v2 2 W v1 + v2 2 W
v1 + v2 2 U \ W
v 2 U; k 2 R kv 2 U
se v 2 U \ W e k 2 R allora da cui e
v 2 W; k 2 R kv 2 W
quindi kv 2 U \ W
Dunque U \ W è sottospazio vettoriale di V:
Prop.2
. U; W sottospazi vettoriali di V ; U [ W è sottospazio vettoriale
di V
Dim. Lo si prova con un esempio.
Siano V = R2 e i sottospazi U = (x; y) 2 R2 j y = 0 e W = (x; y) 2 R2 j x = 0 :L0 insieme
U [ W = (x; y) 2 R2 j x = 0 oppure y = 0 non è sottospazio vettoriale di R2
(x; 0) 2 U [ W con x 6= 0
poichè non è veri…cata la condizione b). Infatti presi
(0; y) 2 U [ W con y 6= 0
risulta (x; 0) + (0; y) = (x; y) che non appartiene a U [ W .
Def. Se U e W sono sottospazi vettoriali di V, si dice somma di U più W
e di indica con U + W l’insieme
def
U + W = fv 2 V j 9u 2 U ed 9w 2 W tale che v = u + wg

2
 Oss. importante
U[ W U + W perchè ogni elemento v 2 U [ W si può scrivere come
v + 0V oppure come 0V + v a seconda che v 2 U oppure v 2 W:
Prop.3.
U; W sottospazi vettoriali di V =) U + W è sottospazio vettoriale di V
sottospazi vettoriali di V =) (U + W è sottospazio vettoriale di V )
Dim.
0V 2 U + W in quanto 0V = 0V + 0V
u1 ; u 2 2 U v1 = u1 + w1
se v1 ; v2 2 U + W allora 9 tale che da
w1 ; w2 2 W v2 = u2 + w2
cui v1 + v2 = (u1 + w1 ) + (u2 + w2 ) = (u1 + u2 ) + (w1 + w2 ) 2 U + W .
| {z } | {z }
u2U
se v 2 U + W e k 2 R allora 9 v = u + w e k 2 R da cui
w2W
kv = k (u + w) = ku+kv 2 U +W .

Def. Siano u; v 2 V e h; k 2 R; si dice combinazione lineare di u e v

secondo i coe¢ cienti h e k l’espressione hu + kv:
Per esempio, se accade che w=hu+kv si dice anche che w è combinazione
lineare di u e v secondo i coe¢ cienti h e k.
Prop.4.
Se S è l’insieme delle combinazioni lineari di u e v allora S è un sot-
tospazio vettoriale di V; cioè
S= fw 2 V j w = hu + kv al variare di h; k in Rg =) (S è un sottospazio vettoriale di V )

Dim.

0V 2 S in quanto 0V = 0R u + 0R v
h1 ; k1 2 R w1 = h1 u + k1 v
se w1 ; w2 2 S allora 9 tali che da cui
h2 ; k2 2 R w2 = h2 u + k2 v
w1 + w2 = (h1 u + k1 v) + (h2 u + k2 v) = h1 u + h2 u + k1 v + k2 v = (h1 + h2 ) u +
| {z }
(k1 + k2 ) v 2 S
| {z }
h2R
se w 2 S e 2 R allora 9 tali che w = (hu + kv) e 2 R da
k2R
cui w = (hu + kv) = hu + kv = ( h) u + ( k) v 2 S:
Oss. 1.Si parla anche di combinazione lineare di n vettori con n 1
es. per n = 1 hv,
per n = 2 hv + kv,
..........,
per n qualsiasi h1 v1 + h2 v2 + h3 v3 + :::::: + hn vn
Oss.2. Per l’insieme delle combinazioni lineari di n vettori con n 1 vale
sempre la Prop.4.
Def.L’insieme S dei vettori di V che sono combinazioni lineari di n vettori,
v1 ; v2 ; v3 ; ::::::; vn di V; con n 1 si indica anche con span, precisamente

3
 def
S = fh1 v1 + h2 v2 + h3 v3 + :::::: + hn vn j hi 2 Rg = span fv1 ; v2 ; v3 ; ::::::; vn g :

I vettori v1 ; v2 ; v3 ; ::::::; vn si dicono generatori di S:

Def. I vettori v1 ; v2 ; v3 ; ::::::; vn di V si dicono linearmente dipendenti
se esiste una loro combinazione lineare nulla con i coi¢ cienti non tutti nulli,
cioè

def
v1 ; v2 ; v3 ; ::::::; vn linearmente dipendenti () 9 h1 ; h2 ; h3 ; ::::::; hn 2 R non tutti nulli

tali che h1 v1 + h2 v2 + h3 v3 + :::::: + hn vn = 0V

Oss.3. Se v1 ; v2 ; v3 ; ::::::; vn sono linearmente dipendenti allora uno di
essi lo si può esprimere come combinazione lineare degli altri, cioè per esempio
per h1 6= 0 si ha v1 = hh21 v2 hh31 v3 :::::: hhn1 vn :
Es. Sia V = R2 , dati i vettori u(1; 4); v = (1; 1); w = (3; 2) 2 R2 ; esiste
una loro combinazione lineare h1 u + h2 v + h3 w nulla, ad esempio

1u 2v+w = 0R2 con i coe¢ cienti non tutti nulli. Se consideriamo h2 = 2 6= 0; moltiplicando
1 1 1
per e applicando le proprietà fondamentali di spazio vettoriale si ottiene v = u+ w
2 2 2
Def. I vettori v1 ; v2 ; v3 ; ::::::; vn di V si dicono linearmente indipendenti
se ogni loro combinazione lineare nulla può essere realizzata solo con coi¢ cienti
tutti nulli, cioè
def
(v1 ; v2 ; v3 ; ::::::; vn linearmente indipendenti) () (h1 v1 +h2 v2 +h3 v3 +::::::+hn vn = 0V

=) h1 = h2 = h3 = :::::: = hn = 0
Es. Sia V = R2 , i vettori u(1; 4); v = (1; 1) 2 R2 sono linearmente
indipendenti. Infatti se h1 u+h2 v = 0R2 = (0; 0) =) (h1 ; 4h1 )+(h2 ; h2 ) =
(0; 0) =) (h1 + h2 ; 4h1 + h2 ) = (0; 0) =)

h1 + h 2 = 0
=) h1 = h2 = 0
4h1 + h2 = 0

4
 Base di uno spazio vettoriale e dimensione
Scaletta
Def.base
Componenti di un vettore
Esempi
Teorema di esistenza di una base
Relazione tra vettori l.i. e generatori (Lemma)
Teorema fondamentale per de…nire la dimensione( le basi hanno stesso n.
elementi)
Def. dimensione
Max numero vettori l.i.
Minimo numero di generatori
Teorema di completamento di una base
Esempi

Base di uno spazio vettoriale

Def. Si dice che i vettori v1 ; v2 ; v3 ; ::::::; vn dello spazio vettoriale V costituis-
cono una base di V se 1.
v1 ; v2 ; v3 ; ::::::; vn sono linearmente indipendenti (l.i.)
v1 ; v2 ; v3 ; ::::::; vn sono generatori di V

Componenti di un vettore

Prop. Se fv1 ; v2 ; v3 ; ::::::; vn g costituiscono una base di V allora ogni vet-

tore v 2 V si esprime in un unico modo come combinazione lineare degli
elementi della base.
Dim. Se v = 1 v1 + 2 v2 + ::: + n vn e v = 1 v1 + 2 v2 + ::: +
v
n n si ha 1 1 + 2 v2 + ::: + n vn =
v 1 v1 + 2 v2 + ::: + n vn da cui
(sommando al 1 e al 2 membro ( i vi ) e applicando le proprietà sugli spazi vettoriali) 8
>
> 1 1 =0
<
2 2 =0
( 1 1 ) v1 +( 2 2 ) v2 +:::+( n n ) vn = 0V =) (essendo v1 ; v2 ; v3 ; ::::::; vn l.i:) =)
>
> :::
:
8 n n =0
>
> 1 = 1
<
2 = 2
da cui l’unicità della rappresentazione di un vettore rispetto
>
> :::
:
n = n
alla base.
La Prop. precedente ci consente la seguente de…nizione

Def. Si dicono componenti di un vettore v 2 V rispetto ad una base

fv1 ; v2 ; v3 ; ::::::; vn g di V; i coe¢ cienti della combinazione lineare di v rispetto
alla base, cioè se v = 1 v1 + 2 v2 + ::: + n vn le componenti di v sono gli

1
scalari ( univocamente
0 determinati)
1 1; 2 ; :::; n: Talvolta si usa la forma
1
B 2 C
B C
matriciale = B . C:
@ .. A
n
Esempi
1. V=R2 ; i vettori e1 = (1; 0) ed e2 = (0; 1) costituiscono una
base di R2 detta base canonica o standard. Infatti e1 + e2 = 0R2 =)
(1; 0) + (1; 0) = 0R2 =) ( ; ) = 0R2 = (0; 0) =) =0 e = 0;
quindi e1 ; e2 sono l:i: Inoltre generano tutto R2 ; infatti se v = (x; y) 2 R2
risulta (con semplici calcoli) v = xe1 + y e2 , per esempio se v = (3; 4) 2 R2
i coe¢ cienti della combinazione lineare di v rispetto alla base canonica sono
proprio 3 e 4 nel senso che v=3e1 + 4e2
Analogamente se V = R3 ;i vettori e1 = (1; 0; 0), e2 = (0; 1; 0) e3 = (0; 0; 1)
costituiscono una base di R3 detta base canonica o standard e se v = (x; y; z) 2
R3 risulta (con semplici calcoli) v = xe1 + y e2 + ze3 :
2. V = R2 ; i vettori v1 = (2; 1) e v2 = (1; 1) costituiscono una base
di R2 .Infatti v1 + v2 = 0R2 =) (2; 1) + (1; 1) = 0R2 =) ::::: = 0 e
= 0 =) v1 ; v2 l:i: Inoltre generano tutto R2 in quanto se v = (x; y) 2 R2 ;
=x y
v = v1 + v2 = (2; 1) + (1; 1) = (2 + ; + ) porta a ;
= x + 2y
=x y=3 4= 1
per esempio se v = (3; 4) 2 R2 allora cioè il
= x + 2y = 3 + 8 = 5
vettore v si esprime come combinazione lineare di v1 e v2 secondo i coe¢ cienti
1 e 5 nel senso che v= v1 + 5v2

Oss.1. Se V = R2 dagli esempi precedenti si vede che il vettore v = (3; 4)

ha la rappresentazione v=3e1 + 4e2 rispetto alla base canonica e quindi le sue
componenti rispetto a tale base sono gli scalari 3, 4 , mentre rispetto alla base
fv1 = (2; 1); v2 = (1; 1)g ha come rappresentazione v= v1 + 5v2 e quindi le
sue componenti rispetto a tale base sono gli scalari -1, 5. Si può scrivere

3
v = (3; 4) ha componenti rispetto alla base canonica fe1 ; e2 g
4

1
v = (3; 4) ha componenti rispetto alla base fv1 ; v2 g
5

Oss.2. Si osservi che rispetto alla base canonica fe1 ; e2 g le componenti

di un vettore coincidono con gli elementi stessi del vettore

Teorema di esistenza di una base

Teorema di esistenza di una base. (si prova mediante eliminazione dei

generatori inutili) Se

2
V 6= f0V g è uno spazio vettoriale …nitamente generato allora dall’insieme dei
suoi generatori si può estrarre una base.
Dim. Siano v1 ; v2 ; v3 ; ::::::; vk generatori di V: Si possono presentare 2 casi

a) v1 ; v2 ; v3 ; :::; vk l.i., in tal caso, essendo già generatori, costituiscono una

base e il Teorema è provato.

b) v1 ; v2 ; v3 ; :::; vk l.d. esiste tra essi uno che è combin. lineare dei rimanenti.
Sia, per esempio, vk ; allora V è generato da v1 ; v2 ; v3 ; :::::; vk 1

Ma anche per i generatori v1 ; v2 ; v3 ; :::::; vk 1 si possono presentare 2 casi

a) v1 ; v2 ; v3 ; ::::::; vk 1 l.i. in tal caso, essendo già generatori,

costituiscono una base e il Teorema è provato

b) v1 ; v2 ; v3 ; ::::::; vk 1 l.d. esiste tra essi uno che è combin. lineare dei rimanenti.
Sia, per esempio, vk ; allora V è generato da v1 ; v2 ; v3 ; :::::; vk 1

Così continuando possiamo scartare tutti i generatori "inutili" e fermarci

quando i vettori sono l.i. e quindi costituiscono una base ( essi sono in numero
1 essendoci in V almeno un vettore non nullo).

Vogliamo ora dimostrare che le basi di uno spazio vettoriale V hanno lo

stesso numero degli elementi. Allo scopo premettiamo alcune proposizioni.
Lemma. (senza dim)
Dato uno spazio vettoriale V

v1 ; v2 ; v3 ; ::::::; vm l.i. di V
=) m n
w1 ; w2 ; :::::wn generatori di V

Teorema
Tutte le basi di uno spazio vettoriale (…nitamente generato) hanno lo stesso numero di elementi
Dim. La dimostrazione si fonda sul doppio ruolo degli elementi di una base.
Infatti siano
fv1 ; v2 ; v3 ; ::::::; vm g base di V
=)
fw1 ; w2 ; :::::wn g base di V
v1 ; v2 ; v3 ; ::::::; vm l.i. di V
=) m n (per il Lemma) ;
w1 ; w2 ; :::::wn generatori di V
ma anche

3
 fv1 ; v2 ; v3 ; ::::::; vm g base di V
=)
fw1 ; w2 ; :::::wn g base di V
v1 ; v2 ; v3 ; ::::::; vm generatori. di V
=) n m (per il
w1 ; w2 ; :::::wn l.i. di V
Lemma).
Ne segue m = n e quindi la tesi.

Def. Se V è uno spazio vettoriale (…nitamente generato) si dice dimen-

sione di V, e si indica con dimV , il numero degli elementi di una sua base
(che può essere qualsiasi per il Teorema precedente).

Max numero vettori l.i.

Teorema a) Se V è uno spazio vettoriale di dimensione n, cioè dimV =

n; allora n è il massimo numero di elementi di V l. i.

Dim. Si parte da k vettori l.i. e si prova che k non supera n: Infatti

se fv1 ; v2 ; v3 ; ::::::; vn g ( poichè dimV = n) è una base di V e se w1 ; w2 ; :::::wk
sono vettori l.i. di V, per il Lemma risulta

v1 ; v2 ; v3 ; ::::::; vn generatori di V
=) k n:
w1 ; w2 ; :::::wk vettori l.i. di V

Minimo numero di generatori

Teorema b) Se V è uno spazio vettoriale di dimensione n, cioè dimV =

n; allora n è il minimo numero di generatori di V:

Dim. Si parte da k generatori di V e si prova che k supera n: Infatti se

fv1 ; v2 ; v3 ; ::::::; vn g è una base di V ( poichè dimV = n) e se w1 ; w2 ; :::::wk
sono generatori di V:, per il Lemma risulta

v1 ; v2 ; v3 ; ::::::; vn vettori l.i. di V

=) n k
w1 ; w2 ; :::::wk generatori di V

Teorema c) Sia V uno spazio vettoriale con dimV = n; se v1 ; v2 ; v3 ; ::::::; vn

sono vettori l.i. di V allora essi sono anche generatori di V

Dim. Dobbiamo provare che ogni vettore v 2 V è combinazione lineare

di v1 ; v2 ; v3 ; ::::::; vn : Infatti preso un vettore v 2 V; gli n + 1 vettori v,
v1 ; v2 ; v3 ; ::::::; vn sono l.d. (per il Teorema a), per cui esiste una loro combi-
nazione lineare nulla con i coe¢ cienti non tutti nulli. Sia essa

bv + b1 v1 + b2 v2 + ::: + bn vn = 0 con coe¢ cienti non tutti nulli.

4
 Sicuramente b 6= 0; se fosse b = 0 la combinaz. lineare precedente
diventerebbe b1 v1 + b2 v2 + ::: + bn vn = 0 da cui b1 = b2 = ::: = bn = 0
(essendo v1 ; v2 ; v3 ; ::::::; vn l.i.), contro la : Dalla ricavando il vettore v
si ottiene
b1 b2 bn
v = v1 + v2 + ::: + vn
b b b
per cui v1 ; v2 ; v3 ; ::::::; vn sono anche generatori di V:
Corollario c). Se V è uno spazio vettoriale con dimV = n; se v1 ; v2 ; v3 ; ::::::; vn
sono vettori l.i. di V allora essi sono anche una base di V.

Teorema d) Sia V uno spazio vettoriale con dimV = n; se v1 ; v2 ; v3 ; ::::::; vn

sono generatori. di V allora essi sono anche vettori l.i di V

Dim. Se v1 ; v2 ; v3 ; ::::::; vn sono generatori allora essi sono anche l.i., infatti
se fossero l.d. uno lo potremmo eliminare e i rimanenti sarebbero comunque
generatori di V in numero n-1, il che va contro il Teorema b) che dice che n è
il più piccolo numero di generatori.

Corollario d). Se V è uno spazio vettoriale con dimV = n; se

v1 ; v2 ; v3 ; ::::::; vn sono generatori. di V allora essi sono anche una base
di V.

Teorema di completamento di una base

Teorema di completamento di una base

Sia V uno spazio vettoriale su R con dimV = n;(questo ci ricorda che
n è il max numero di vettori l.i.) e siano v1 ; v2 ; ::::::; vk 2 V;

(v1 ; v2 ; :::; vk l:i: con k n) =) 9 n k vettori w1 ; w2 ; :::wn k tali che gli n vettori
v1 ; v2 ; ::::::; vk ; w1 ; w2 ; :::wn k formano una base di V

Dim. Si possono presentare due casi

a) k = n
b) k n
k = n non ci sono nelementi da aggiungere e v1 ; v2 ; ::::::; vn , essendo l:i. per
ipotesi, costituiscono una base di V per il Corollario c), per cui il teorema
è provato. Se k n allora l’idea
è di costruire una base di V aggiungendo man mano un vettore ai vettori
v1 ; v2 ; ::::::; vk : Precisamente, se indichiamo con E l’insieme delle combinazioni
lineari di v1 ; v2 ; ::::::; vk ; cioè

E = span fv1 ; v2 ; ::::::; vk g V

5
e prendiamo un qualsiasi vettore w1 2 = E (cioè w1 non è combinazione lineare
di v1 ; v2 ; ::::::; vk ) allora i k + 1 vettori v1 ; v2 ; ::::::; vk ; w1 sono l:i: Ripetiamo
il procedimento considerando
E1 = span fv1 ; v2 ; ::::::; vk ; w1 g V
e prendendo un qualsiasi vettore w2 2 = E1 possiamo a¤ermare; come prima, che
v1 ; v2 ; ::::::; vk ; w1 ; w2 sono l:i. Così continuando …no ad aggiungere n k vet-
tori ai k vettori iniziali, otteniamo n vettori di V, v1 ; v2 ; ::::::; vk ; w1 ; w2 :::wn k
che, per costruzione, sono l:i. e per il Corollario c) costituiscono una base
di V:

Prop. (senza dim.)

Se V è uno spazio vettoriale con dimV = n ed S è un sottospazio
vettoriale di V allora
dimS n
dimS = n () S = V

Esempi

1. V =R3 consideriamo l’insieme S= (x; y; z) 2 R3 2x y+z =0 :

a) dimostrare che S è un sottospazio vettoriale di R3
determinare una base di S e quindi la sua dimensione.

Svolgimento
serviamo che S può essere scritto anche come S=f(x; 2x + z; z) j x; z 2 Rg cioè
S dipende da 2 parametri essenziali. Veri…chiamo le tre condizioni perchè S sia
un sottospazio vettoriale.
0V 2 S in quanto lo si ottiene per x = 0 e z = 0;
v1 = (x1 ; 2x1 + z1 ; z1 )
se v1 ; v2 2 S anche v1 + v2 2 S; infatti se
v2 = (x2 ; 2x2 + z2 ; z2 )
allora
v1 +v2 = (x1 ; 2x1 + z1 ; z1 )+(x2 ; 2x2 + z2 ; z2 ) = (x1 + x2 ; 2x1 + z1 + 2x2 + z2 ; z1 + z2 ) =
= (x1 + x2 ; 2 (x1 + x2 ) + (z1 + z2 ) ; z1 + z2 ) 2 S;
se v 2 S e 2 R anche v 2 S; infatti se v = (x; 2x + z; z)
def
allora v = (x; 2x + z; z) = ( x; (2x + z) ; z) = ( x; 2 x + z; z) 2 S
Prima di determinare una base di S osserviamo che esistono in S due vettori
x=1 x=0
particolari che si ottengono per e per che indichiamo, per
z=0 z=1
esempio, con u = (1; 2; 0) e v = (0; 1; 1):I due vettori precedenti sono l:i:,
infatti u + v = 0R3 =) (1; 2; 0) + (0; 1; 1) = (0; 0; 0) =) ( ; 2 +

; ) = (0; 0; 0) =) =0 e = 0: Inoltre u; v sono generatori di S, in

quanto se w = (x; 2x + z; z) è un generico elemento di S allora esso può
essere espresso come
w = (x; 2x + z; z) = xu + zv;

6
 infatti w = (x; 2x + z; z) = u+ v = (1; 2; 0) + (0; 1; 1) = ( ; 2 +

=x
; ) =) (x; 2x + z; z) = ( ; 2 + ; ) da cui . Ne segue che fu; vg
=z
è una base di S e quindi dimS = 2:
Oss. Nell’esercizio precedente si può evitare di dimostrare che i vettori u; v
siano generatori di S se si tiene conto che è S 6= R3 (es: (1; 1; 1) 2
= S) e quindi,
per la Prop. precedente, risulta dimS 2; quindi 2 è il max numero di
vettori l:i. che S può avere, e avendo già dimostrato che i 2 vettori u; v sono
l:i:, essi costituiscono una base di S per il Corollario c).

7
 Cambiamento di base e relazione tra le componenti
Scaletta
Legame tra vettori l.i., l.d., e rango della matrice formata dai vettori
Esercizi relativi
Cambiamento di base
Relazione tra le componenti di un vettore rispetto a due diverse basi

Teorema (senza dim.) Sia A una matrice quadrata di ordine n

det A = 0 () le righe o le colonne di A sono l.d.

Corollario

det A 6= 0 () le righe o le colonne di A sono l.i.

Oss.(Importante per gli esercizi). Se v1 ; v2 ; :::vn sono n vettori di Rn e se

prendiamo la matrice A=(v1 v2 :::vn ) ; per il corollario precedente, si ha

v1 ; v2 ; :::vn l:i. () det A 6= 0

Esempio. Dati i vettori v1 = (3; 2; 4) ; v2 = (0; 2; 1) ; v3 = (1; 0; 5) 2 R3 ;

vedere se sono l:i: Si può svolgere in due modi
1. applicando la de…nizione
2. applicando la Oss. precedente A, calcoliamo il detA=det v1 v2 v3 =
3 0 1
2 2 0 = 24 6= 0 =) v1 ; v2 ; v3 sono l:i:
4 1 5
Prop. Sia A è una matrice di tipo m n scritta come A=(v1 v2 :::vn ) ; se
r è il suo rango, allora

rangA = r () r è il massimo numero di vettori l:i: tra v1 ; v2 ; :::vn

Esempio 1. Siano assegnati i vettori v1 = (0; 0; 1) ; v2 = (1; 1; 0) ; v3 =

(1; 0; 2) ; v4 = (1; 1; 1) ; determinare il massimo numero r di vettori l.i. tra essi
ed individuarne almeno una r upla tra essi
Svolgimento. Sfruttando la Prop. precedente determiniamo il rankA
0 1
0 1 1 1
A=@ 0 1 0 1 A:
1 0 2 1

1 1
Si vede che = 1 6= 0; se lo orliamo, per esempio, con 1 colonna e 3
1 0
0 1
0 1 1
riga si ottiene M=@ 0 1 0 A con detM = 1 6= 0 e quindi rang(A) = 3 =
1 0 2

1
r=max numero di vettori l.i. Una r-upla= terna di vettori l.i. sono proprio i vet-
tori coinvolti in M, cioè v1 = (0; 0; 1) ; v2 = (1; 1; 0) ; v3 = (1; 0; 2) :Ovviamente
la terna di vettori l.i. non è univocamente determinata ma dipende dal minore
fondamentale scelto.
Esempio 2. Siano assegnati i vettori v1 = (1; 1; 0) ; v2 = (1; 3; 1) ;
v3 = (5; 3; 2) ; determinare il massimo numero r di vettori l.i. tra essi ed
individuarne almeno una r upla tra essi
Svolgimento Sia
0 1
1 1 5
A=@ 1 3 3 A = v1 v2 v3
0 1 2

T eorema
Il detA = 0 =) le colonne di A e quindi i vettori v1 ; v2 ; v3 sono
l.d..Per estrarre da essi il massimo numero di vettori l. i. troviamo il rango di
1 5
A, prendiamo M= ; detM = 2 6= 0 =) rangA = 2: Da quanto
0 2
detto nell’esempio 1, r=2= massimo numero di vettori l.i. e una coppia di
vettori l. i. è per esempio v1 ; v3 :

Esempio 3. Siano assegnati i vettori v1 = (1; 2; 0; 1) ; v2 = ( 1; 0; 1:3) ;

v3 = (5; 2; 1; 2) ; determinare il massimo numero r di vettori l.i. tra essi ed
individuarne almeno una r upla tra essi
Svolgimento. Sia
0 1
1 1 5
B 2 0 2 C
A=B @ 0
C = v1 v2 v3 4 3
1 1 A
1 3 2

1 1
Determiniamo il rankA. Prendiamo la matrice estratta M =
2 0
(che ha il 0
determinante diverso
1 0 e orliamolo. 1I suoi 2 unici orlati sono
da zero)
1 1 5 1 1 5
M1 = @ 2 0 2 A e M2 = @ 2 0 2 A :E’facile veri…care che
0 1 1 1 3 2
det M1 = 10 6= 0 per cui il rangA = r = 3: Si conclude allora che 3 è il
massimo numero di vettori l:i: tra i tre vettori assegnati. Quindi tutti e tre
vettori v1 ; v2 ; v3 assegnati sono l.i.

Cambiamento di base
Sia V è uno spazio vettoriale su R di dimensione n, se fvi gi=1;2;:::n e
fvi0 gi=1;2;:::n sono due diverse basi di V allora si possono esprimere gli el-
ementi di una base rispetto all’altra de…nendo così 2 matrici. Precisamente:
se esprimiamo gli elementi della prima base vi rispetto alla base fvi0 gi=1;2;:::n ;
le componenti di v1 ; v2 ,...vn ; prese ordinatamente e sistemate come colonne

2
di una matrice, costituisce la matrice di passaggio da fv1 ; v2 ; :::vn g a
fv10 ; v20 ; :::vn0 g, in simboli
8 0 1
>
> v1 = a11 v10 + a12 v20 + :::a1n vn0 a11 a21 an1
< B a12 C
v2 = a21 v10 + a22 v20 + :::a2n vn0 a22 an2
la matrice quadrata A = B
@
C
A
>
>
:
vn = an1 v10 + an2 v20 + :::ann vn0 a1n a2n ann

è detta di matrice di passaggio da fv1 ; v2 ; :::vn g a fv10 ; v20 ; :::vn0 g

Analogamente esprimendo gli elementi della seconda base vi0 rispetto alla
base fvi gi=1;2;:::n ; si ottiene la matrice B detta di matrice di passaggio
da fv10 ; v20 ; :::vn0 g a fv1 ; v2 ; :::vn g

Prop.1. La matrice B; matrice di passaggio da fvi0 g a fvi g ; è

l’inversa della matrice A;cioè
1
B=A
Esempio 1.
Sia V=R2 e consideriamo due sue basi: la base fv1 ; v2 g con v1 = (1; 0) ;
v2 = (2; 2) e la base fv10 ; v20 g con v10 = (0; 1) ; v20 = (3; 2) :
Determinare la matrice A di passaggio da fv1 ; v2 g a fv10 ; v20 g :
Svolgimento: detrminiamo le componenti di v1 e v2 rispetto alla seconda
base , cioè
v1 = a11 v10 + a12 v20 (1; 0) = a11 (0; 1) + a12 (3; 2) (1; 0) = (0; a11 ) + (3a12 ; 2a12 )
=) =) =)
v2 = a21 v10 + a22 v20 (2; 2) = a21 (0; 1) + a22 (3; 2) (2; 2) = (0; a21 ) + (3a22 ; 2a22 )
8 8 2
>
> 3a12 = 1 >
> 3a12 = 1 a11 = 3
< < 1
(1; 0) = (3a12 ; a11 + 2a12 ) a11 + 2a12 = 0 a11 + 2a12 = 0 a12 = 3
=) =) =) 2 quindi
(2; 2) = (3a22 ; a21 + 2a22 ) >
> 3a22 = 2 >
> 3a22 = 2 a21 = 3
: : 2
a21 + 2a22 = 2 a21 + 2a22 = 2 a22 = 3

v1 = 32 v10 + 13 v20 2
3
2
3
per cui la matrice richiesta è A = :
v2 = 32 v10 + 23 v20 1
3
2
3
Relazione tra le componenti di un vettore rispetto a due diverse basi di
uno spazio vettoriale V
Sia V uno spazio vettoriale reale di dimensione n e siano fvi gi=1;2;:::n e
fvi0 gi=1;2;:::n due diverse basi di V; e sia v un generico elemento di V , indichiamo
0 1
x1
B x2 C
con X = B @
C la matrice delle componenti di v rispetto alla base
A
xn
fvi gi=1;2;:::n ; cioè
n
X
v = x1 v1 + x2 v2 + ::: + xn vn = xi vi
i=1

3
 0 1
x01
B x02 C
Analogamente indichiamo con X 0 = B @
C la matrice delle componenti
A
0
xn
di v rispetto alla base fvi0 gi=1;2;:::n ; cioè
n
X
v = x01 v10 + x02 v20 + ::: + x0n vn0 = x0i vi0
i=1

Quale relazione intercorre tra le componenti X e X 0 di un vettore rispetto

a due diverse basi di V ? La risposta viene fornita dalla seguente Proposizione.

Prop.2. Se V è uno spazio vettoriale reale di dimensione n e fvi gi=1;2;:::n

e fvi0 gi=1;2;:::n due diverse basi di V; A la matrice di passaggio da fvi gi=1;2;:::n
a fvi0 gi=1;2;:::n e
0 1
x1
B x2 C
v ha X = B @
C come matrice delle componentidi v rispetto alla base
A
xn
fvi g 0 0 1
x1
B x02 C
v ha X = B 0
@
C come matrice delle componenti di v rispetto alla
A
0
xn
basefvi0 g allora X 0 = AX

Dim.
x1 v1 +x2 v2 +:::+xn vn =) v = x1 (a11 v10 + a12 v20 + :::a1n vn0 ) +x2 (a21 v10 + a22 v20 + :::a2n vn0 ) +
moltipl:
::: + xn (an1 v10 + an2 v20 + :::ann vn0 ) = (x1 a11 + x2 a21 + :::xn an1 ) v10 +
commut
(x1 a12 + x2 a22 + :::xn an2 ) v20 + :::: + (x1 a1n + x2 a2n + :::xn ann ) vn0 =

(a11 x1 + a21 x2 + :::an1 xn ) v10 +(a12 x1 + a22 x2 + :::an2 xn ) v20 +:::+(a1n x1 + x2 a2n + :::xn ann ) vn0
| {z } | {z } | {z }

ma le componenti di 8v rispetto alla basefvi0 g sono x01 ; x02 ; :::x0n per cui esse
>
> x0 = a11 x1 + a21 x2 + :::an1 xn
< 10
x2 = a12 x1 + a22 x2 + :::an2 xn
devono coincidere, cioè
>
>
: 0
xn = a1n x1 + x2 a2n + :::xn ann
e, ricordando la ; in forma matriciale diventa
0 0 1 0 10 1
x1 a11 a21 an1 x1
B x02 C B a12 a22 an2 C B C
B C=B C B x2 C
@ A @ A@ A
x0n a1n a2n ann xn

4
 in forma compatta
X 0 = AX

Lemma. (senza dim)

Siano C e D due matrici quadrate di ordine n e sia X una matrice colonna
n 1: Si prova

(CX = DX per ogni vettore colonna X) =) C = D

Passiamo ora alla dimostrazione della Prop.1 di cui sopra, cioè

Prop.1. La matrice B; matrice di passaggio da fvi0 g a fvi g ; è
l’inversa della matrice A;cioè
1
B=A
8 0 1
>
> x1
>
> B x2 C
>
>
>
> X=B@
C rispetto alla base fvi g
A
>
>
<
Dim. Se un vettore v ha componente matriciale 0xn 0 1
>
> x1
>
> B x02 C
>
>
>
> X =B
0
@
C rispetto alla base fv 0 g
A i
>
>
: 0
xn

ed A è la matrice di passaggio da fv1 ; v2 ; :::vn g a fv10 ; v20 ; :::vn0 g ;

0
allora per la Prop.2. si ha X = AX;analogamente essendo
B la matrice di passaggio da fv10 ; v20 ; :::vn0 g a fv1 ; v2 ; :::vn g ; risulta, per
la Prop.2 , X = BX 0
da cui X = BX 0 = BAX =) X = BAX =) In X = BAX per ogni
Lemma
X (cioè per la genericità di v) =) In = BA =) B = A 1

Esempio 2. Sia V=R2 ; siano v1 = (1; 0) ; v2 =(2; 2) una base di V e

v10 = (0; 1) ; v20 = (3; 2) un’altra base di V. Determinare
a) la matrice di passaggio dalla base fv1 ; v2 g alla base fv10 ; v20 g (già deter-
minata
nell’Esempio1)
b) le componenti (in forma matriciale) X del vettore v = (3; 1)
rispetto alla base fvi g
c) le componenti (in forma matriciale) X 0 del vettore v = (3; 1)
rispetto alla base fvi0 g
d) inoltre X 0 utilizzando la Prop.2, cioè la relazione X 0 = AX
e) inoltre X utilizzando le Prop.1 e Prop.2, cioè la relazione X = BX 0 o
meglio X = A 1 X 0 :
Svolgimento:

5
 2 2
a) vedi Esempio1 A= 3 3
1 2
3 3
b) Esprimiamo v = x1 v1 + x2 v2
=) (3; 1) = x1 (1; 0) + x2 (2; 2) =)
(3; 1) = (x1 + 2x2 ; 2x2 ) =)
x1 + 2x2 = 3 x1 = 4 4
=) =) X =
2x2 = 1 x2 = 21 2
1

c) Esprimiamo v = x01 v10 + x02 v20 =) (3; 1) = x01 (0; 1) + x02 (3; 2) =)
(3; 1) = (3x02 ; x01 + 2x02 ) =)
3x02 = 3 x01 = 3 3
0 0 =) =) X 0 =
x1 + 2x2 = 1 x02 = 1 1
d) le componenti di cui in c) si possono calcolare anche usando l’equazione
matriciale nell’incognita X 0 ; cioè: X 0 = AX: Infatti
2 2
4 eseguendo 3
X 0 = AX =) X 0 = 1
3 3
2 1 =) X0 =
3 3 2 cal col i 1

e) le componenti di cui in b) si possono calcolare anche usando l’equazione

matriciale nell’incognita X; cioè: X = A 1 X 0 : Infatti determinata la matrice
inversa
2 1 t 2 1 t
1 1 3 3
1 3 3 1 1
A = 2 2 = 2 2 2 = 1
det A 3 3 3 3 3 2 1
1 1 1 3 4
per cui X = A X 0 =) X = 1 = 1
2 1 1 2

6
 Applicazioni lineari
Scaletta
Def.di applicazione lineare, endomor…smo, isomor…smo.
Proprietà f (0V ) = 0W
Esempio
Def. Kerf e Imf.
Prop. sul Kerf e Imf.

Def. Siano V e W due spazi vettoriali su R:

def 1)8v1; v2 2 V : f (v1+ v2 ) = f (v1 ) + f (v2 )

(f : V !W applicazione lineare di V in W) ()
2)8 2 R e 8v 2 V : f ( v) = f (v)

Prop.

(f : V !W applicazione lineare di V in W) =) f (0V ) = 0W

Dim.
lin
f (0V ) = f (0V +0V ) = f (0V )+ f (0V ) =) f (0V ) = f (0V )+ f (0V ) =)
Pr opr:
=) 0W + f (0V ) = f (0V ) + f (0V ) =) 0W = f (0V ):
nota
Def. Se V=W allora l’applicazione lineare si dice endomor…smo. Se
un’applicazione lineare f : V ! W è bigettiva allora f si dice isomor…smo.

Esempio Siano V = W = R2 ed f : R2 ! R2 de…nita da : se v = (x; y) 2

def
R2 f (v) = f (x; y) = (3x + y; x y):Provare che f è un0 applicazione lineare
in particolare un endomor…smo. Veri…chiamo le due proprietà dell’applicazione
lineare.
Svolgimento
v1 = (x1 ; y1 ) 2 R2
1) presi proviamo che f (v1+ v2 ) = f (v1 ) + f (v2 )
v2 = (x2 ; y2 ) 2 R2
( def
f (v1 ) = f (x1 ; y1 ) = (3x1 + y1 ; x1 y1 )
Infatti sappiamo che v1 +v2 = (x1 +x2 ; y1 +y2 ) e che def ;
f (v2 ) = f (x2 ; y2 ) = (3x2 + y2 ; x2 y2 )
quindi
def
f (v1+ v2 ) = f (x1 + x2 ; y1 + y2 ) =
proprieta sp vett
(3(x1 + x2 ) + (y1 + y2 ) ; (x1 + x2 ) (y1 + y2 )) =
(3x1 + 3x2 + y1 + y2 ; x1 + x2 y1 y2 ) =
def +
((3x1 + y1 ) + (3x2 + y2 ) ; (x1 y1 ) + (x2 y2 )) =
((3x1 + y1 ) ; (x1 y1 )) + ((3x2 + y2 ) ; (x2 y2 )) = f (v1 ) + f (v2 ):
Oss. E’più facile calcolare f (v1+ v2 ) ed f (v1 ) + f (v2 ):Infatti
8 def
< f (v1+ v2 ) = f (x1 + x2 ; y1 + y2 ) = (3(x1 + x2 )+ (y1 + y2 ) ; (x1 + x2 ) (y1 + y2 ))
: f (v1 ) + f (v2 ) = (3x1 + y1 ; x1 y1 ) + (3x2 + y2 ; x2 y2 ) =
= (3x1 + y1 + 3x2 + y2 ; x1 y1 + x2 y2 ) = (3(x1 + x2 ) + (y1 + y2 ) ; (x1 + x)2 (y1 + y2 ))

1
 2) Preso 2 R e v = (x; y) 2 R2 dobbiamo provare che f ( v) =
f (v):Infatti
def
f ( v) = f ( (x; y)) = f ( x; y) = (3 x + y; x y) =
def
= (3x + y; x y) = f ((x; y) = f (v)

Def. Sia f : V ! W un’ applicazione lineare di V in W. Si dice

nucleo di f e si indica con Kerf l’insieme

K erf = fv 2 V j f (v) = 0W g V

Def. Sia f : V ! W un’ applicazione lineare di V in W. Si dice

immagine di f e si indica con Imf l’insieme

Imf = fw 2 W j 9v 2 V tale che f (v) = wg W

Oss. Imf = f (V )= insieme di tutte le immagini degli elementi di V

mediante f .

Prop.1. Se f : V ! W è un’ applicazione lineare di V in W allora

K erf è sottospazio vettoriale di V.
Dim. Proviamo che K erf soddisfa le tre proprietà di sottospazio vettoriale.
0V 2 K erf poichè è noto che f (0V ) = 0W
v1 2 K erf
se dobbiamo provare che v1 + v2 2 K erf; cioè che la sua
v2 2 K erf
immagine è 0W :
lin
Infatti f (v1 +v2 ) = f (v1 )+f (v2 ) = 0W +0W = 0W =) v1 +v2 2 K erf
presi 2 R e v 2 K erf dobbiamo provare che v 2 K erf; infatti
lin Pr opr
f ( v) = f (v) = 0W = 0W

Prop.2. Se f : V ! W è un’ applicazione lineare di V in W allora

Im f è sottospazio vettoriale di W.
Dim. Proviamo che Imf soddisfa le tre proprietà di sottospazio vettoriale.
0W 2 Imf poichè 90V 2 V tale che f (0V ) = 0W
w1 ; w2 2 Imf dobbiamo dimostrare che w1 + w2 2 Imf: Infatti
w1 2 Imf =) 9v1 2 V tale che f (v1 ) = w1
; cerchiamo un elemento
w2 2 Imf =) 9v2 2 V tale che f (v2 ) = w2
di V avente come immagine w1 + w2 :
lin
Tale elemento è v1 + v2 ; infatti f (v1 + v2 ) = f (v1 ) + f (v2 ) = w1 + w2 =)
w1 + w2 2 Imf
presi 2 R e w 2 Im f dobbiamo provare che w 2 Im f; infatti
w 2 Im f =)
=) 9v 2 V tale che f (v) = w; prendiamo in V il vettore v; risulta
lin
f ( v) = f (v) = w =) w 2 Im f

2
 Prop.3. Data f :V !W applicazione lineare di V in W

f :V !W ingettiva () K erf = f0V g

Dim. =)
Supponiamo per assurdo che K erf 6= f0V g ; allora esisterebbe, in K erf; ;
un vettore v 6= 0V ; tale che f (v) = f (0V ) = 0W contro l’ingettività di f:
(= Siano v1 ; v2 2 V con v1 6= v2 dobbiamo provare che f (v1 ) 6= f (v2 );
infatti se fosse f (v1 ) = f (v2 ) allora f (v1 ) f (v2 ) = 0W =)
lin ipot
f (v1 )+ f ( v2 ) =) f (v1 v2 ) = 0W =) v1 v2 2 K erf =) v1 v2 =
0V =) v1 = v2 contro il fatto che v1 è diverso da v2 :

def
Oss. Ricordiamo, inoltre, che f :V !W surgettiva () Imf =
f (V ) = W:

Teorema. (senza dim.)

(f : V ! W applicazione lineare) =) dim V = dim Im f + dim K erf

Domanda Data f : V ! W applicazione lineare, se è nota una base

di V, è nota anche una base di W?
Risposta NON sempre.
A tale scopo si dimostrano le seguenti Proposizioni.

Prop.4. Data f :V !W applicazione lineare,

fv1; v2 ; :::vn g base V =) ff (v1 ) ; f (v2 ) ; :::; f (vn )g è un sistema di generatori di Imf

Dim.
Vogliamo provare che ogni elemento w di Imf è combinazione lineare degli
elementi f (v1 ) ; f (v2 ) ; :::; f (vn ) di Imf: Infatti sia w 2 Imf =) 9v 2 V tale
che f (v) = w; e v è combinazione lineare degli elementi della base di V, cioè
9h1 ; h2 ; :::; hn 2 R tali che v = h1 v1 + h2 v2 + ::: + hn vn : Ne segue che
lin lin
w = f (v) = f (h1 v1 + h2 v2 + ::: + hn vn ) = f (h1 v1 ) + f (h2 v2 ) + ::: + f (hn vn ) =
= h1 f (v1 ) + h2 f (v2 ) + ::: + hn f (vn )

Ne segue la tesi.

Prop.5. Data f :V !W applicazione lineare,

f ingettiva, fv1; v2 ; :::vn g base V =) ff (v1 ) ; f (v2 ) ; :::; f (vn )g è una base di Imf

Dim. Per la Prop.4, essendo già i vettori f (v1 ) ; f (v2 ) ; :::; f (vn ) generatori
di Imf , rimane da provare che sono l:i: Infatti consideriamo una loro combi-
nazione lineare nulla e proviamo che i coe¢ cienti sono tutti nulli.

3
 lin
h1 f (v1 ) + h2 f (v2 ) + ::: + hn f (vn ) = 0W =) f (h1 v1 ) + f (h2 v2 ) + ::: + f (hn vn ) = 0W =)
lin f ing l:i:
=) f (h1 v1 + h2 v2 + ::: + hn vn ) = 0W =) h1 v1 + h2 v2 + ::: + hn vn = 0V =) h1 = h2 = ::: = hn = 0
Pr op3

Ne segue la tesi.

Corollario. Se f oltre che ingettiva è anche surgettiva allora ff (v1 ) ; f (v2 ) ; :::; f (vn )g
è una base di W:
def
Dim. f surgettiva () Im f = W; per cui ff (v1 ) ; f (v2 ) ; :::; f (vn )g
essendo base di Im f è anche base di W
Quindi un’applicazione lineare bigettiva trasforma una base di V in una
base di W.

Esempio
Data f : R3 ! R3 de…ta da f (x; y; z) = (x y + z; 3x + 2y + 4z; 2x +
3y + 3z);
a. dimostrare che f è lineare ( da fare per esercizio)
b. determinare Kerf e Imf ; e di ciascuno una base e la dimensione
c. veri…care che dim R3 = dim Im f + dim K erf

Svolgimento
b. Ricordiamo che K erf = v 2 R3 j f (v) = 0R3 =) se v = (x; y; z) 2
K erf allora f(x; y; z) = 0R3 8
< x y+z =0
=) (x y+z; 3x+2y+4z; 2x+3y+3z) = (0; 0; 0) =) 3x + 2y + 4z = 0
:
0 1 2x + 3y + 3z = 0
1 1 1
1 1
con A=@ 3 2 4 A , detA=0, M= ; detM=56= 0 =)
3 2
2 3 3
rangA = 2 =) sistema ammette 13 2 = 11 soluzioni date dal sistema
il
x y= h x = 56 h
equivalente le cui soluzioni sono , l’insieme
3x + 2y = 4h y = 15 h
6 1
delle soluzioni del sistema di partenza è S= fg 5 h; 5 h; h j h 2 R = K erf :
Per determina una base di K erf si osservi che un generico elemento v del K erf
può essere scritto come

6 1
u=h ; ;1
5 5
6 1
per cui il vettore v= 5; 5 ; 1 2 K erf è un generatore di K erf
6 1
ed è l:i: (perchè non è il vettore nullo), per cui fvg = 5; 5; 1 è una
base di K erf e quindi dimK erf = 1
6 1
Oss Kerf = h 5; 5 ; 1 h 2 R = fk (6; 1; 5) j k 2 Rg

4
 Ricordiamo che Imf = w 2 W = R3 j 9v 2 V = R3 tale che f (v) = w
e che, per la Prop.4, possiamo determinare un sistema di generatori di Imf
facendo le immagini degli elementi di una base di R3 ; per esempio della base
canonica.
f(e1 ) = f (1; 0; 0) = (1; 3; 2) = w1
f(e2 ) = f (0; 1; 0) = ( 1; 2; 3) = w2
f(e3 ) = f (0; 0; 1) = (1; 4; 3) = w3

I vettori w1 ; w2 ; w3 sono generatori di Imf (per la P rop:4:) e quindi

da essi si può estrarre una
0 base. Vediamo
1 se sonol:i: Consideriamo la matrice
1 1 1
A= w1 w2 w3 = @ 3 2 4 A ; risulta detA = 0 =) w1 ; w2 ; w3
2 3 3
1 1
sono l:d:, per cui dobbiamo calcolare il rangA; M= e
3 2
detM6= 0 =) rankA = 2: In conclusione w1 ; w2 sono l:i: =) fw1 ; w2 g
sono una base di Imf: Imf = fw = h (1; 3; 2) + k ( 1; 2; 3) al variare di h e k in Rg
e dim Imf = 2

c. dim R3 = dim Im f + dim K erf è vera perchè 3=2+1.

ESERCIZI VARI
1. Sia V=R3 : I vettori v1 = (3; 2; 4); v2 = (0; 2; 1); v3 (0; 0; 5) formano
una base di R3 ?0 1
3 0 0
A = @ 2 2 0 A =) det A = 30 6= 0 =) fv1 ; v2 ; v3 g sono
4 1 5
l:i., e poichè sono il massimo numero possibile di vettori l.i. sono anche
generatori =) fv1 ; v2 ; v3 g sono base di R3 :
2. S R3 : provare che S= (x; y; z) 2 R3 /x = y è un sottospazio
3
vettoriale di R di dimensione 2:
Svolgimento
0R3 = (0; 0; 0) 2 S
v1 2 S =) v1 = (x; y; z) con x = y
=) v1 +v2 = (x; y; z)+
v2 2 S =) v2 = (x0 ; y 0 ; z 0 ) con x0 = y 0
0 0 0
(x ; y ; z ) =
= (x + x0 ; y + y 0 ; z + z 0 ) 2 S perchè x + x0 = y y0 = (y + y0).
v 2 S =) v = (x; y; z) con x = y
=) v = (x; y; z) =
2R
( x; y; z) 2 S perchè x = ( y) = y:
Ne segue che S è un sottospazio vettoriale di R3 : Osserviamo che S può
essere scritto come

S = f( y; y; z) /y; z 2 R g cioè S dipende da 2 parametri y e z

y=1
se poniamo si ha il vettore di S v1 = ( 1; 1; 0)
z=0

5
 y=0
se poniamo si ha il vettore di S v2 = (0; 0; 1)
z=1
v1 ; v2 sono generatori di S perchè v = ( y; y; z) 2 S può esprimersi
v = ( y; y; z) = yv1 + zv2
v1 ; v2 sono l:i: perchè hv1 + kv2 = 0R3 =) h( 1; 1; 0) + k(0; 0; 1) =
0R3 =) ( h; h; k) = (0; 0; 0) =) h = k = 0

3. Dati i vettori v1 = (1; k; 0); v2 = ( 1; 0; k); v3 = ( k; 1; 1) di R3 ; per

quale valore di k fv1 ; v2 ; v3 g sono l:i. e per quale valore di k fv1 ; v2 ; v3 g
sono l:d.
Svolgimento
0 1
1 1 k
A=@ k 0 1 A detA= k 3 k + k = k 3 = 0 =) k = 0 =)
0 k 1
per k 6= 0 fv1 ; v2 ; v3 g sono l:i
per k6=0 è detA6= 0 =) .
per k = 0 fv1 ; v2 ; v3 g sono l:d.
4. Dati i vettori v1 = (0; 1; k); v2 = (1; k; k); v3 = (k; 1; k) di R3 ; per quale
valore di k fv1 ; v2 ; v3 g sono l:i.
Svolgimento
0 1
0 1 k
A=@ 1 k 1 A detA=k+k2 k 3 k = k 3 +k2 = k 2 ( k + 1) =
k k k
k=0 per k 2 R f0; 1g i vettori sono l:i:
0 =) =)
k=1 per k 2 f0; 1g i vettori sono l:d.

6
 Applicazioni lineari e matrici
Scaletta
Def. di matrice associata ad un’applicazione lineare
Esempio
Casi particolari (V=Rn etc.)
Esempio
Matrice associata all’endomor…smo identico(cambiamento di base)
Esempio

Def. di matrice associata ad un endomor…smo

Isomor…smo tra EndV e Mn
Matrici simili
Propoprietà delle matrici simili

In questa lezione facciamo vedere come ad un’applicazione lineare f si può

associare una matrice A e, viceversa, ad una matrice A è possibile associare
un’applicazione lineare f avente A come matrice associata ad f.

Matrice associata ad un’applicazione lineare

Def. Siano V e W due spazi vettoriali su R con dimV = n e

dimW = m; e fv1 ; v2 ; :::vn g base di V e fw1 ; w2 ; :::wm g base di W.
Partendo da un’applicazione lineare

f :V !W

è possibile costruire una matrice A di tipo m n mettendo come prima

colonna di A le componenti del vettore f (v1 ) 2 W rispetto alla base fwj g
di W, come seconda colonna le componenti del vettore f (v2 ) 2 W rispetto
alla base fwi g di W, e procedendo così …no alla n-sima colonna costituita dalle 9
f (v1 ) = a11 w1 + a12 w2 ::: + a1m wm >
>
>
=
f (v2 ) = a21 w1 + a22 w2 ::: + a2m wm
componenti del vettore f (vn ) 2 W: Precisamente se ( ) ..
. >
>
>
;
f (vn ) = an1 w1 + an2 w2 ::: + anm wm
0 1
a11 a21 an1
B a12 a22 an2 C
B C
si ha A=B .. .. .. .. C ; la matrice A si dice associata all’applicazione
@ . . . . A
a1m a2m anm
lineare f rispetto alle basi fvig e fwj g :

Esercizio
Sia V=R2 con base fv1 = (1; 1); v2 (2; 1)g e W=R3 con base
fw1 = (1; 0; 1); w2 = (0; 2; 1); w3 = (1; 0; 0)g : Consideriamo l’applicazione

1
lineare f : R2 ! R3 de…nita da f (x; y) = (x y; x; y); determinare la
matrice A associata all’applicazione lineare f rispetto alle basi fvig e
fwj g
Svolgimento:
f (v1 ) = a11 w1 + a12 w2 + a13 w3 f (1; 1) = a11 (1; 0; 1) + a12 (0; 2; 1) + a13 (1; 0; 0)
=) =)
f (v2 ) = a21 w1 + a22 w2 + a23 w3 f (2; 1) = a21 (1; 0; 1) + a22 (0; 2; 1) + a23 (1; 0; 0)
(0; 1; 1) = (a11 ; 0; a11 ) + (0; 2a12 ; a12 ) + (a13 ; 0; 0)
=) =)
(1; 2; 1) = (a21 ; 0; a21 ) + (0; 2a22 ; a22 ) + (a23 ; 0; 0)
(0; 1; 1) = (a11 + a13 ; ; 2a12 ; a11 a12 ) =) a11 = 23 ; a12 = 21 ; a13 = 3
2
=) =)
(1; 2; 1) = (a21 + a23 ; ; 2a22 ; a21 a22 ) =) a21 = 2; a22 = 1; a23 = 1
0 3 1
2 2
=) A = @ 12 1 A:
3
2 1
Caso Particolare 1. di matrice associata ad f : Rn ! Rm
Prop. Se abbiamo f : Rn ! Rm e in particolare si scelgono come basi la
base canonica fei gi=1;:::;n di Rn e la base canonica fe0h gh=1;:::;m di Rm allora
la la matrice A associata all’applicazione lineare f rispetto alle basi fei g
e fe0h g è semplicemente la matrice che ha come colonne ordinatamente i vettori
f (e1 ); f (e2 ); :::; f (en ) 2 Rm ; cioè

A= f (e1 ) f (e2 ) f (en )

Dim. Per de…nizione si dovrebbero determinare le componenti di ff (ei )g
rispetto alla base canonica fe0h g di Rm ; ma è a noi noto che tali componenti
coincidono proprio con
f (e1 ); f (e2 ); :::; f (en ): per cui basterà calcolare le immagini mediante f
della base canonica fei g e sistemare tali vettori come colonne della matrice.
Esempio (esempio precedente con le basi canoniche)
Sia V=R2 con base fe1 = (1; 0); e2 (0; 1)g e W=R3 con base
fe01 = (1; 0; 0); e02 = (0; 1; 0); e03 = (0; 0; 1)g : Consideriamo l’applicazione lin-
eare f : R2 ! R3 de…nita da f (x; y) = (x y; x; y); determinare la matrice
A associata all’applicazione lineare f rispetto alle basi fvig e fwj g :
Svolgimento
Determiniamo i vettori f (ei ) :
f (e1 ) = f (1; 0) = (1; 1; 0) f (e1 ) = 1 e01 + 1 e02 + 0 e03
=) =)
f (e2 ) = f (0; 1) = ( 1; 0; 1) f (e2 ) = 1 e01 + 0 e02 + 1 e03
0 1
1 1
=) A = @ 1 0 A = f (e1 ) f (e2 ) :
0 1

Caso Particolare 2.di matrice associata ad f :V !V

Per un endomor…smo (V=W) f : V ! V si parla di matrice A associata

ad f rispetto ad una sola base nel senso che si prende la stessa base fvig sia
nello spazio di partenza V

2
 che nello spazio di arrivo V . Ovviamente in questo caso la matrice A as-
sociata ha come colonne le componenti di f (vi) rispetto sempre alla base
fvig :
Esempio
Sia V=R2 con base fv1 = (1; 1); v2 (2; 1)g ed f : R2 ! R2 de…nita da
f (x; y) = (x y; x):Determinare la la matrice A associata ad f rispetto
alla base fv1 ; v2 )g :

Svolgimento
f (v1 ) = a11 v1 + a12 v2 f (1; 1) = a11 (1; 1) + a12 (2; 1)
=)
f (v2 ) = a21 v1 + a22 v2 f (2; 1) = a21 (1; 1) + a22 (2; 1)
9
a11 = 2 > >
=
f acendo (0; 1) = (a11 + 2a12 ; a11 + a12 ) a12 = 1
=) =) =) A =
i cal col i (1; 2) = (a21 + 2a22 ; a21 + a22 ) a21 = 3 > >
;
a22 = 1
2 3
:
1 1
Prop.a. ( matrice associata all’endomorfmo identico )
Se scegliamo l’ endomor…smo identico i : V ! V e, come basi, la
stessa base fvigi=1;:::;:n sia nello spazio di partenza V sia nello spazio di arrivo
V allora la matrice A
associata ad i coincide con la matrice identica In :
Dim. 9 9
i(v1 ) = v1 >
> i(v1 ) = 1 v1 + 0 v2 + ::: + 0 vn >>
> >
i(v2 ) = v2 = i(v2 ) = 0 v1 + 1 v2 + :::0 vn =
.. =) ..
. >
> . >
>
>
; >
;
i(vn ) = vn i(vn ) = 0 v1 + 0 v2 + ::: + 1 vn
0 1
1 0 ::: 0
B 0 1 ::: 0 C
B C
=) A = B . . .. C = In :
. .
@ . . ::: . A
0 0 ::: 1

Prop.b. (relazione tra matrice associata all’endomorfmo identico e la ma-

trice del cambiamento di base)
Se prendiamo l’ endomor…smo identico i : V ! V e, come basi,
fvi gi=1;:::;:n nello spazio di partenza e fvi0 gi=1;:::;:n nello spazio di arrivo allora
A associata ad i rispetto alle due diverse basi di V coincide con la matrice
di passaggio dalla base fvi gi=1;:::;:n alla base fvi0 gi=1;:::;:n :
Dim. 9
i(v1 ) = v1 >> i(v1 )
>
i(v2 ) = v2 = i(v2 )
Poichè .. allora l’espressione dei vettori .. come com-
. >
> .
>
;
i(vn ) = vn i(vn )

3
 9
v1 >
>
>
=
v2
binazione lineare degli elementi della base fvi0 g ; è la stessa dei vettori ..
. >
>
>
;
vn
come combinazione lineare degli elementi della base fvi0 g ; cioè se
i(v1 ) = a11 v10 + a12 v20 ::: + a1n vn0
i(v2 ) = a21 v10 + a22 v20 ::: + a2n vn0
..
.
i(vn ) = an1 v10 + an2 v20 ::: + ann vn0
v1 = a11 v10 + a12 v20 ::: + a1n vn0
v2 = a21 v10 + a22 v20 ::: + a2n vn0
allora è anche .. ,
.
vn = an1 v10 + an2 v20 ::: + ann vn0

quindi la matrice associata ad i coincide con la matrice di passaggio da

dalla base fvi g alla base fvi0 g :

Applicazione lineare associata ad una matrice

Prop. Se A una matrice di tipo m n allora è possibile costruire

un’applicazione lineare f avente A come matrice associata.

Dim.

Basterà prendere V = Rn e W = Rm e su tali spazi, come basi, le rispet-

0 1
a11 a12 a1n
B a21 a22 a2n C
B C
tive basi canoniche. Se A = (aij )i=1;:::;m ; cioè A=B .. .. .. .. C;
j=1;:::n @ . . . . A
am1 am2 amn
n m
consideriamo l’applicazione lineare
0 f
1 : R ! R de…nita da f (X) =
x1
B x2 C
B C
AX 8X 2 Rn (ricordiamo X=B . C).
@ .. A
xn
Dimostriamo che la matrice Af associata ad f coincide con la matrice
assegnata A.

Calcoliamo infatti, in forma matriciale,

8
>
> f (e1 )
>
< f (e2 )
..
>
> .
>
:
f (en )

4
 0 1 0 1 0 1
1 1 a11
B 0 C B 0 C B a21 C
B C def f B C B C
f (e1 ) = f B .. C = AB .. C=B .. C tale vettore di Rm coincide
@ . A @ . A @ . A
0 0 am1
anche con le componenti di f (e1 ) rispetto alla base canonicafe0i gi=1;:::;m
di Rm
0 1 0 1 0 1
0 0 a12
B 1 C B 1 C B a22 C
B C def f B C B C
f (e2 ) = f B . C = A B .. C=B .. C tale vettore di Rm coincide
@ .. A @ . A @ . A
0 0 am2
anche con le componenti di f (e2 ) rispetto alla base canonicafe0i gi=1;:::;m
di Rm

0 1 0 1 0 1
0 0 a1n
B 0 C B 0 C B a2n C
B C def f B C B C
f (en ) = f B .. C = AB .. C=B .. C tale vettore di Rm coincide
@ . A @ . A @ . A
1 1 amn
anche con le componenti di f (en ) rispetto alla base canonicafe0i gi=1;:::;m
di Rm
0 1
a11 a12 a1n
B a2n C
def B a21 a22 C
per cui Af = B . . . .. C = A cvd.
@ .. .. .. . A
am1 am2 amn

Quanto detto precedentemente si può riassumere nella seguente

Prop.(senza dim.)
L’insieme delle applicazioni lineari f : V ! W , indicato con L(V; W ) è
uno spazio vettoriale su R

Prop. .(senza dim.)

Gli spazi vettoriali L(V; W ) e Mmn (R) sono isomor…
La dimostrazione discende da quanto detto precedentemente, cioè da come
ad f2 L(V; W ) si associa A2 Mmn (R)

Caso particolare (V = W cioè f endomor…smo)

Prop. (senza dim.)
Gli spazi vettoriali End(V ) e Mn (R) sono isomor…

5
 Cenno della dim.. Fissata una sola base di V e considerato un endomor-
…smo f , ad esso facciamo corrispondere la matrice Af associata ad f rispetto
alla base …ssata, cioè esiste l’applicazione

# : End(V ) ! Mn (R) de…nita da #(f ) = Af

Si prova che
#(f + g) = #(f ) + #(g)
# è lineare cioè
#(kf ) = k#(f )
# è bigettiva quindi 9# 1
# 1 è anch’essa lineare
se f 2 End(V ) è bigettiva allora Af è matrice invertibile e viceversa.

Osservazioni importanti

1. Se indichiamo con Af la matrice associata ad f e con Bg matrice

associata ad g; cioè #(f ) = Af e #(g) = Bg ; allora dalla proprietà di
linearità di # risulta che ad f + g è associata la matrice Af + Bg essendo
#(f + g) = #(f ) + #(g) = Af +Bg e a kf è associata la matrice
kAf ove k 2 9 R essendo #(kf ) = k#(f ) = kAf . Più schematicamente,
f ! Af = f + g ! Af + Bg
g ! Bg =) kf ! kAf
;
f invertibile Af è invertibile

2. La surgettività di # ci dice che assegnata una matrice A2 Mn (R)

9f 2 End(V ) tale che f ! A: (caso particolare di quanto fatto
in Applicazione lineare associata ad una matrice ).

2 0
Esempio. Data la matrice A = determinare un’applicazione
3 3
lineare f su uno spazio vettoriale V avente A come matrice associata rispetto
ad una base.
di V. Prendiamo V=R2 e la base canonica su R2 : De…niamo la applicazione
lineare

f : R2 ! R2 tale che Af = A
Per quanto osservato in precedenza basterà de…nire la f sugli elementi della
base di R2 .
Per raggiungere lo scopo poniamo "intelligentemente"
f (e1 ) = 2e1 3e2 f (1; 0) = 2(1; 0) 3(0; 1)
=) =)
f (e2 ) = 0e1 + 3e2 f (0; 1) = 0(1; 0) + 3(0; 1)
f (1; 0) = (2; 3) v=(x;y)2R2 def
=) f (v) = f (x; y) = f (xe1 + ye2 ) =
f (0; 1) = (0; 3) v=xe1 +ye2
= xf (e1 ) + yf (e2 ) = x(2; 3) + y(0; 3) = (2x; 3x + 3y); quindi

6
 f : R2 ! R2 tale che f (x; y) = (2x; 3x + 3y)
Ovviamente, per costruzione , la matrice Af associata ad f coincide
proprio con A:
Oss. Il procedimento per costruire f partendo da A vale anche per matrici
non necessariamente quadrate.

Def. Siano A e B due matrici quadrate dello stesso ordine,

def 1
A e B simili () 9 una matrice P invertibile tale che A = P BP

Esempio
2 1 1 1 0 1
Siano A= e B= ; si può vedere che esiste P
1 1 1 2 1 0
tale che A = P 1 BP; quindi A,B sono simili.
Prop.

A e B simili =) detA = det B

1 1
Dim. A e B simili () A = P BP =) det A = det P BP =)
T:Binet 1
det A = det P ) det B det P =)
=) det A = det1 P det B det P =) det A = det B:
Esempio

2 1 1 1
Le matrici dell’esempio precedente A= e B= sono
1 1 1 2
simili. Per esse si ha detA = detB = 3
Facciamo vedere che la matrice associata ad un’applicazione lineare è
importante, tra l’altro, poichè ci permette di calcolare le componenti del
vettore immagine di
un vettore di partenza.

Precisamente
Sia f : V ! W un0 applicazione lineare con fv1 ; v2 ; :::vn g base0di V 1e
x1
B x2 C
B C
fw1 ; w2 ; :::wm g base di W . Consideriamo v 2 V di componenti X = B . C
@ .. A
xn
0 1
y1
B y2 C
B C
rispetto alla base fv1 ; v2 ; :::vn g e indichiamo con Y = B .. C le
@ . A
yn
componenti di f (v) 2 W rispetto alla base fw1 ; w2 ; :::wm g :

7
 9 0 1
f (v1 ) = a11 w1 + a12 w2 ::: + a1m wm >
> a11 a21 an1
>
= B C
f (v2 ) = a21 w1 + a22 w2 ::: + a2m wm B a12 a22 an2 C
Se ( ) .. allora A=B .. .. .. .. C;
. >
> @ . . . . A
>
;
f (vn ) = an1 w1 + an2 w2 ::: + anm wm a1m a2m anm
è la matrice associata all’applicazione lineare f rispetto alle basi fvig e fwj g :
.
Con tali notazioni si prova che:

Prop. Importante.
0 1
v di componente X
@ f (v) di componente Y A =) Y = AX
A matrice associata ad f
n n
!
X X lin +
Dim. Per ipotesi v = xi vi =) f ( v) = f xi vi =)
i=1 i=1
n
X n
X
lin lin
=) f ( v) = f (xi vi ) =) f ( v) = xi f (vi ) =)
i=1 i=1
f ( v) = x1 f (v1 ) + x2 f (v2 ) + ::: + xn f (vn ); =) sostituendo alle f
(vi ) le ( ),
si ottiene f ( v) = x1 (a11 w1 + a12 w2 ::: + a1m wm )+x2 (a21 w1 + a22 w2 ::: +
a2m wm ) + ::::::

::: + xn (an1 w1 + an2 w2 ::: + anm wm ) =)

(moltiplicando ed applicando le proprietà sugli spazi vettoriali, raccogliamo

i

termini in w1 ; in w2 ; :::;in wm ) =)
z }| { z }| {
f (v) = (a11 x1 + a21 x2 + ::: + an1 xn )w1 + (a12 x1 + a22 x2 + ::: + an2 xn )w2 +
z }| {
::: + (a1m x1 + a2m x2 + ::: + anm xn )wm ;

ma è anche f (v) = y1 w1 +y2 w2 +:::ym wm e quindi, per l’unicità delle componenti

di un vettore rispetto 9
y1 = a11 x1 + a21 x2 + ::: + an1 xn >>
>
y2 = a12 x1 + a22 x2 + ::: + an2 xn =
ad una base, risulta .. =)
. >
>
>
;
ym = a1m x1 + a2m x2 + ::: + anm xn

8
 0 1 0 1
y1 a11 x1 + a21 x2 + ::: + an1 xn
B y2 C B a12 x1 + a22 x2 + ::: + an2 xn C
in form a B C B C
=) B .. C = B .. C =) Y = A X
m atriciale @ . A @ . A
yn a1m x1 + a2m x2 + ::: + anm xn
cvd.

Prop. Sia f : V ! V un endomor…smo

A la matrice associata ad f rispettoall0unica base fv1 ; v2 ; :::vn g di V

=) A e B sono simili
B la matrice associata ad f rispettoall’unica base fw1 ; w2 ; :::wn g di V

Dim.

X la matrice delle componenti di v rispetto a fv1 ; v2 ; :::vn g

Sia v 2 V e siano
X 0 la matrice delle componenti di v rispetto a fw1 ; w2 ; :::wn g
Y la matrice delle componenti di f (v) rispetto a fv1 ; v2 ; :::vn g
e siano :
Y 0 la matrice delle componenti di f (v) rispetto a fw1 ; w2 ; :::wn g

Y = AX
Per la Prop. precedente risulta
Y 0 = BX 0
Indichiamo con P la matrice invertibile di passaggio dalla base fv1 ; v2 ; :::vn g
alla base fw1 ; w2 ; :::wn g ;allora sappiamo che le coordinate di uno stesso vettore
rispetto alle due
X0 = P X
basi sono legate da
Y 0 = PY

Pr op:
BX 0 = Y 0 =) BX 0 = P Y =) BX 0 = P Y =) BP X = P AX =)
per l’arbitrarietà di X(o di v) BP = P A =) A = P 1 BP =) A e B
simili. cvd.

Prop. (Legame tra matrici simili dell’endomor…smo f rispetto a due basi

diverse e la matrice di passaggio d una base all’altra)
Siano f : V ! V un endomor…smo ,
A la matrice associata ad f rispetto a fv1 ; v2 ; :::vn g base(unica) di V;
B la matrice associata ad f rispetto a fw1 ; w2 ; :::wn g base(unica) di
V.
C la matrice di passaggio dalla base fvig alla base fwi g
Si prova che la matrice C di passaggio è la matrice che rende simili A e
B:
1
A=C BC
Dim.

Se v(X) ed f (v)(Y ) rispetto a fvig allora è Y = AX ( )

9
 Se v(X) ed f (v)(Y ) rispetto a fwig allora è Y = BX ( )

Ricordando ora le equazioni del cambiamento di base,

v(X) rispetto a fvig
=) X = CX ( )
v(X) rispetto a fwig

analogamente per f (v)

f (v)(Y ) rispetto a fvig

=) Y = CY ( )
f (v)(Y ) rispetto a fwig

Y = BX
Da ( ) e ( ) =) CY =BX =) CY = BCX
Y = CY ( )

1 1 1 1
=) 1
C CY = C BCX =) Y = C BCX =) AX = C BCX
molt C ( )

8X 2 Rn (v generico vuol dire X qualsiasi), quindi per

la genericità di X e per una proposizione dimostrata
1
A=C BC:

Esercizi 1
0
2 0
1. Data la matrice A = @ 3 3 A determinare un’applicazione lineare
3 1
f su uno spazio vettoriale V avente A come matrice associata rispetto
ad una base di V.

Svolgimento

1 modo.(breve). Osserviamo che A è di tipo 3 2 per cui è

x
f : R2 ! R3 tale che se X = allora f (X) = AX:
y
0 1
2 0
x x x
f = f (X) = AX =) f (X) = A =@ 3 3 A =
y y y
3 1
0 1 0 1
2x 2x
@ x
3x + 3y A =) f =@ 3x + 3y A cioè
y
3x + y 3x + y
f (x; y) = (2x; 3x + 3y; 3x + y):

10
 2 modo.(più concettuale) Osserviamo che A è di tipo 3 2; per cui
dobbiamo scegliere uno spazio vettoriale V con dimV=2 e W con dimW=3.
Per semplicità, come
ben sappiamo, scegliamo V = R2 e W = R3 ; come basi le basi
canoniche in entrambi gli spazi e quindi f : R2 ! R3 :
Se vogliamo che la f, da de…nire, abbia la matrice A come matrice
associata dobbiamo de…nire f (e1 ) avente come componenti la prima colonna di
A rispetto alla
base canonica di R3 ed f (e2 ) avente come componenti la seconda
colonna di A rispetto alla base canonica di R3 :
Per raggiungere lo scopo poniamo
f (e1 ) = 2e01 3e02 + 3e03 f (1; 0) = 2(1; 0; 0) 3(0; 1; 0) + 3(0; 0; 1)
=) =)
f (e2 ) = 0e01 + 3e02 + 1e03 f (0; 1) = 0(1; 0; 0) + 3(0; 1; 0) + 1(0; 0; 1)
0 1
2 0
f (1; 0) = (2; 3; 3) def
=) la matrice associata a questa f = @ 3 3 A =
f (0; 1) = (0; 3; 1)
3 1
A

Osserviamo che f; de…nita solo sugli elementi della base, risulta

de…nita dappertutto, infatti

preso v = (x; y) 2 R2 e ricordando che v = xe1 + ye2

si ha f (x; y) = f (v) = f (xe1 + ye2 ) =)

=) f (v) = f (xe1 ) + f (ye2 ) =) f (v) = xf (e1 ) + yf (e2 ) =)

=) f (v) = x(2; 3; 3) + y(0; 3; 1) = (2x; 3x + 3y; 3x + y); cioè

f (x; y) = (2x; 3x + 3y; 3x + y):

2 0
2. Data la matrice A = determinare un’applicazione
3 3
lineare f su uno spazio vettoriale V avente A come matrice associata rispetto
ad una base
di V.

Svolgimento
Prendiamo V=R2 e la base canonica su R2 : De…niamo la applicazione
lineare

f : R2 ! R2 tale che X ! Y = AX
x x 2 0 x
cioè in forma matriciale f = A = =
y y 3 3 y
2x
: Quindi f (x; y) = (2x; 3x + 3y):
3x + 3y

11
 Possiamo controllare, per esercizio, che la matrice Af associata ad f
coincide con A.

3. Determinare la matrice associata all’applicazione lineare f : R2 ! R3

tale che f (x; y) = (2x; x y; 3y) rispetto alle basi canoniche di R2 e di R3 :
Svolgimento.
Sappiamo già che rispetto alle basi canoniche A, di tipo 3 2, è data da

A = f (e1 ) f (e2 )
0 1
2 0
f (e1 ) = f (1; 0) = (2; 1; 0)
Scriviamo =) A = @ 1 1 A
f (e2 ) = f (0; 1) = (0; 1; 3)
0 3
4. Data l’applicazione lineare f : R2 ! R3 tale che f (x; y) = (2x; x
y; 3y);
a. determinare la matrice associata all’applicazione lineare f rispetto alla
base fv1 = (1; 1); v2 ( 1; 2)g di R2 e alla base fw1 (1; 1; 1); w2 (0; 1; 1); w3 (0; 0; 1)g
di R3 ;
b. preso v = (1; 2) 2 R2 ; trovare le componenti X di v rispetto alla base
fv1 ; v2 g e le componenti Y di f (v) rispetto alla base fw1 ; w2 ; w3 g e veri…care
che Y = AX
Svolgimento

a. La matrice A sarà di tipo 3 2:

f (v1 ) = f (1; 1) = (2; 0; 3) (2; 0; 3) = 1 w1 + 2 w2 + 3 w3
Calcoliamo =) =)
f (v2 ) = f ( 1; 2) = ( 2; 3; 6) ( 2; 3; 6) = ( 1 w1 + 2 w2 + 3 w3 )
(2; 0; 3) = 1 (1; 1; 1) + 2 (0; 1; 1) + 3 (0; 0; 1)
=) =) facendo i
( 2; 3; 6) = 1 (1; 1; 1) + 2 (0; 1; 1) + 3 (0; 0; 1)
1 =2
2 = 2 0 1
2 2
=3 f (v1 ) = 2w1 22 w2 + 3w3
calcoli 3 =) =) A = @ 2 1 A
1 = 2 f (v2 ) = ( 2w1 + 1w2 + 9w3 )
3 9
2 = 1
3 =9
b. v = (1; 2) = 1 v1 + 2 v2 =) (1; 2) = 1 (1; 1) + 2 ( 1; 2) =) facendo i
= 34 4
calcoli 1 1 =) X = 3
1
2 = 3 3
f (v) = f (1; 2) =1 (2; 1; 6) =) (2; 1; 6) = 1 w1 + 2 w2 + 3 w3 =)
(2; 1; 6) = 1 w1 + 2 w2 + 3 w3 =)
1 =2
=) (2; 1; 6) = 1 (1; 1; 1)+ 2 (0; 1; 1)+ 3 (0; 0; 1) =) facendo i calcoli 2 = 3 =)
0 1 3 =7
2
f (v) = 2w1 + 3w2 + 7w3 =) Y = @ 3 A :Veri…chiamo che Y = AX
7

12
 0 1 0 1
2 2 4 2
AX = @ 2 1 A 3
1 =@ 3 A=Y
3 9 3 7
0 1
1 2
5. Data la matrice A = @ 0 1 A determinare l’applicazione lineare
1 3
f : R2 ! R3 avente come matrice associata rispetto alle basi canoniche di
R2 e di R3 la matrice A.
Svolgimento
De…niamo l’applicazione lineare f : R2 ! R3 come negli esercizi
precedenti

f : R2 ! R3 tale che X ! Y = AX
0 1 0 1
1 2 x + 2y
x
AX = @ 0 1 A =@ y A =) f (x; y) = (x + 2y; y; x +
y
1 3 x + 3y
3y): Siamo certi che Af sia proprio la matrice A? Si perchè Af =
f (e1 ) f (e2 ) ; ed essendo
0 1
1 2
f (e1 ) = f (1; 0) = (1; 0; 1)
=) Af = @ 0 1 A = A:
f (e2 ) = f (0; 1) = (2; 1; 3)
1 3

13
 Autovalori e autovettori
Scaletta
De…nizione di autovettore ed autovalore
De…nizione di spettro
Esempi
De…nizione di autospazio
Proposizione sugli autospazi
Polinomio caratteristico ed equazione caratteristica
Matrici simili e polinomio caratteristico
Autovalore e equazione caratteristica

Def. Dato l’endomor…smo f : V ! V;

def
v 2 V; v 6= 0V autovettore di f () 9 2 R tale che f (v) = v

Esempio f : R2 ! R2 tale che f (x; y) = (x; 2y); il vettore v = (0; 7)

è un autovettore di f perchè f (v) = f (0; 7) = (0; 2 7) = 2(0; 7) = 2v =)
f (v) = 2v e =2

Prop 1..Dato l’endomor…smo f : V ! V;

v autovettore di f =) 9 j 2 R tale che f (v) = v

Dim.
Se, per assurdo, fosse
f (v) = v Pr op:nota
=) v = v =) ( )v = 0V =) = 0 =)
f (v) = v v6=0V
= :
Grazie alla Prop. precedente possiamo dare la de…nizione
Def.

2 R si dice autovalore di f se esiste un vettore v 6= 0V tale che f (v) = v

Oss: v è un autovettore e si dice autovalore associato a v.

Oss. Al vettore v = 0V non si può associare un unico tale che

f (0V ) = 0V ; perchè la uguaglianza vale 8 2 R:

Def. Si dice spettro di f l’insieme degli autovalori di f:

Def. Siano f : V ! V un endomor…smo e un suo autovalore, si dice
autospazio relativo all’autovalore ; e si indica con E ; l’insieme costituito
dallo 0V e da tutti gli
autovattori aventi come autovalore associato, cioè

E = fv 2 V j f (v) = vg = fautovettori associati a g [ f0V g :

1
 Prop.2.
Siano f : V ! V un endomor…smo e un suo autovalore, l’autospazio
E V è un sottospazio vettoriale di V
Dim.
0V 2 E per de…nizione
v 2E
presi 1 risulta v1 + v2 2 E ; infatti
v2 2 E
v1 2 E f (v1 ) = v1
=) ; f (v1 + v2 ) = f (v1 )+ f (v2 ) =
v2 2 E f (v2 ) = v2
def E
v1 + v2 = (v1 + v2 ) =) f (v1 + v2 ) = (v1 + v2 ) =) v1 + v2 2 E
v2E
presi risulta kv 2 E ; infatti
k2R
v 2 E =) f (v) = v
; f (kv) = kf (v) = k v = (kv) =)
k2R
f (kv) = (kv) =) kv 2 E : cvd.

Prop.3. Siano f : V ! V un endomor…smo, fvi gi=1;2;:::n una base

(unica) di V ed A la matrice associata ad f rispetto a fvi gi=1;2;:::n ;

autovalore di f =) la matrice A I è non invertibile

def
Dim. autovalore di f () 9v 2 V; v 6= 0 tale che f (v) = v (v è
autovettore!); consideriamo ora, oltre ad f ; l’endomor…smo identico i : v 2
V ! i(v) = v 2 V e
l0 endomor…smo ( i ) : v 2 V ! i(v) = v 2 V :
L’uguaglianza f (v) = v () f (v) = i(v) () f (v) i(v) =

def +in EndV

0 () (f i) (v) = 0 () v 2 ker (f i) e v 6= 0 ()
Pr op
ker (f i) 6= f0V g () (f i) non ingettiva e quindi non bigettiva
e quindi non invertibile. () la matrice associata ad f i che, per il noto
isomor…smo # : End (V ) !Mn (R); è A I , è anche essa non invertibile.

cvd
Oss. A I è non invertibile è lo stesso che dire det (A I) = 0:

Def. si dice polinomio caratteristico della matrice A quadrata di ordine

n, il determinante della matrice A tI , dove t è la variabile e I è la matrice
unità. cioè
def
polinomio caratteristico di A = det (A tI)
n
Oss. Poichè A ha ordine n lo sviluppo del det (A tI) = ( 1) tn +
n 1
() t + ::: () t + a0 ;per cui è un polinomio di grado n; a coe¢ cienti reali che
ammette sempre n zeri (reali

2
 o complessi) .

Esempio
2 1 1 0 t 0 2 1
A= n=2, I= ; tI= ; A tI =
3 5 0 1 0 t 3 5
t 0 2 t 1
= =)
0 t 3 5 t
2 t 1
det (A tI) = = (2 t) (5 t) 3 = 10 2t 5t + t2 3 =
3 5 t
t2 7t + 7 =) det (A tI) = t2 7t + 7

Def. Si dice equazione caratteristica di A Il polinomio caratteristico

della matrice A uguagliato a zero, cioè det (A tI) = 0 oppure jA tIj = 0

Prop.4. Siano A e B due matrici quadrate di ordine n, se A e B sono

simili allora hanno lo stesso polinomio caratteristica, cioè

A; B simili =) det (A tI) = det (B tI)

def 1
Dim. A; B simili () 9P matrice invertibile tale che A = P BP ;
allora
1
1 tI=P tI P 1 1 Pr opr: sp vett.
det (A tI) = det P BP tI = det P BP P tI P =
I commuta
T: Binet
=det P 1 (BP tIP ) = det P (B tI)P 1
= det P 1
det(B tI)
det P =
= det1 P det(B tI) det P = det(B tI):

Oss. Dal fatto che matrici associate ad uno stesso endomor…smo sono simili
e che matrici simili hanno lo stesso polinomio caratteristico, ha senso la seguente
de…nizione.
Def. Si dice polinomio caratteristico di un endomor…smo f : V ! V
il polinomio caratteristico di una qualsiasi matrice associata ad f rispetto ad
una base di V:
Oss. Per l’isomor…smo # : f 2 End (V ) ! A 2Mn (R) rispetto ad una base
autovalore di f ( o di A)
di V;parleremo indi¤erentemente di
v autovettore di f (o di A)
Prop.5. Siano f : V ! V un endomor…smo, A la matrice associata ad
f rispetto a una qualsiasi base, si prova che

autovalore di f (o di A) =) è soluzione dell’equazione caratteristica jA tIj = 0

Pr op:3
Dim. autovalore di f () la matrice A I è non invertibile ()
jA Ij = 0 () soluzione dell’equazione caratteristica jA tIj = 0:

3
 Prop.6 Siano f : V ! V un endomor…smo, A la matrice associata ad
f rispetto a una base fvi gi=1;2;:::n di V , sia inoltre v 2 V autovettore di f
con autovalore e X la
componente matriciale di vrispetto alla base, si prova che

f (v) = v () AX = X

Dim. Osservando che due vettori uguali hanno componenti uguali ,basterà
1) f (v) ha componente matriciale AX
provare che ; infatti la 1) è vera
2) v ha componente matriciale X
f
perchè v(X) ! f (v) (AX);
la 2) è vera perchè se
v = x1 v1 +x2 v2 +:::+xn vn =) v = (x1 v1 + x2 v2 + ::: + xn vn ) =)
=) v = x1 v1 + x2 v2 + ::: + xn vn =)
|{z} |{z}
0 1 |{z}
0 1
x1 x1
B x2 C B x2 C
B C B C
le componenti di v sonoB . C = B . C = X: cvd.
@ .. A @ .. A
xn xn
Esercizio (modello per la ricerca degli autovalori ed autospazi di un endo-
mor…smo)

Dato l’endomor…smo f : R2 ! R2 tale che f (x; y) = (x; x + y);

determinare
a) la matrice A associata ad f rispetto alla base canonica di R2 (si ricordi
che ogni altra matrice associata ad f è simile ad A );
b) gli autovalori di f;
c) gli autospazi relativi a ciascun autovalore, una loro base e quindi la
loro dimensione.

Svolgimento

a) Come è ben noto, trattandosi di base canonica, dobbiamo calcolare

f (e1 ) = f (1; 0) = (1; 1)
e la matrice A= f (e1 ) f (e2 ) cioè A =
f (e2 ) = f (0; 1) = (0; 1)
1 0
:
1 1
b) Ricordiamo che gli autovalori di f sono, per de…nizione, gli autovalori
di una matrice ad esso associata, cioè nel nostro caso gli autovalori di A; che,
come dimostrato in
un Teorema, sono le soluzioni dell’equazione caratteristica di A:

1 0 1 0 1 t 0
jA tIj = 0 =) t = 0 =) =
1 1 0 1 1 1 t
2
0 =) (1 t) = 0 =) t = 1 due volte =) 1 = 2 = 1 (molteplicità
algebrica 2);

4
 c) Avendo trovato i due autovalori coincidenti dobbiamo determinare un
unico autospazio E =E1 :
Ricordando che E = fv 2 V j f (v) = vg = fautovettori di fg[f0V g,
nel nostro caso E1 = v 2 R2 j f (v) = 1v :Ricodando inoltre
che f (v) = v () AX = X; si può scrivere

E = X 2 R2 j AX = X
notando che, con le basi canoniche, i vettori coincidono con le loro com-
ponenti, cioè v = X ed f (v) = AX: Quindi

E1 = X 2 R2 j AX = 1X
1 0 x x x
AX = 1X =) = 1 =) =
1 1 y y x+y
x x=x x=x
=) =) =) le soluzioni del sistema sono
y x+y =y x=0
le coppie (0; y) =)

E1 = (0; y) 2 R2 j y 2 R

E1 ponendo v = (0; 1) può anche scriversi nel seguente modo

E1 = fy(0; 1) j y 2 Rg = f yv j y 2 Rg
cioè l’insieme ridotto al solo elemento fvg è una base di E1 che ha
quindi dimensione 1;cioè

fvg una base di E1

dimE1 = 1

5
 Diagonalizzazione
Scaletta
De…nizione di matrice diagonalizzabile
Criteri di diagolalizzazione
Metodo per determinare ....

Oss. Le matrici di cui trattiamo sono ad elementi reali.

Def. Sia A una matrice quadrata di ordine n ,

def
A diagonalizzabile () A è simile ad una matrice diagonale

cioè
def una matrice D diagonale 1
A diagonalizzabile () 9 tale che D=C AC
una matrice C invertibile

Oss. Se A è diagonale è ovviamente digonalizzabile, perchè 9 D = A

e 9 C = I tale che A = I 1 AI:

Relativamente alla de…nizione precedente ci si pone un duplice problema:

1. Vedere quando A è diagonalizzabile
2. Se A è diagonalizzabile, vedere come può essere determinata la matrice
diagonale D (simile ad A) e come può essere costruita la matrice C che
ci
permette di passare dalla matrice Aalla matrice D:

Senza entrare nel merito di tutte le dimostrazioni, si enunceranno teoremi

che ci forniranno gli strumenti per rispondere ai due problemi.

Oss. Una matrice A con autovalori non tutti reali non è diagonalizz-
abile (per convenzione)

Prop 1. Sia f : V ! V un endomor…smo e sia A la matrice associata

rispetto ad una (sola) base fv1 ; v2 :::; vn g di V,

fv1 ; v2 :::; vn g base di autovettori di f (di A) =) A è diagonale

Dim.

Per determinare la matrice A calcoliamo, come al solito, le componenti dei

vettori immagine f (v1 ); f (v2 ) :::; f (vn ) rispetto alla stessa base fv1 ; v2 :::; vn g ;
infatti

1
 0 1
f (v1 ) = 1 v1 f (v1 ) = 1 v1 + 0v2 + ::: + 0vn 1 0 0
f (v2 ) = 2 v2 f (v2 ) = 0v1 + 2 v2 + ::: + 0vn B 0 ::: 0 C
B 2 C
.. =) .. =) A = B .. .. .. .. C:
. . @ . . . . A
f (vn ) = n vn f (vn ) = 0v1 + 0v2 + ::: + n vn 0 0 0 n

Prop.2 (Corollario). Se f : V ! V è un endomor…smo che ammette

una base (diV) di autovettori allora tutte le matrici associate ad f sono
diagonalizzabili

Dim.
Ricordando che, per un noto Teorema, matrici associate ad uno stesso endomor…smo
sono simili tra loro, ne segue che tutte le matrici saranno
simili alla matrice diagonale A associata alla base degli autovettori, cioè
se
A è la matrice diagonale associata rispetto alla base di autovettori
=)
B è un’altra matrice associata ad f
B è simile ad A che è diagonale =) B è diagonalizzabile.

Prop. 3. Sia f : V ! V un endomor…smo su V con dimV = n;

siano 1 ; 2 ; :::; n autovalori di f e v1 ; v2 :::; vn autovettori associati (cioè vi
è associato a i ) , si prova che

1; 2 ; :::; n autovalori con i 6= j per i 6= j =) gli autovettori v1 ; v2 :::; vn sono l. i.

9 8
n = 1 da dim = <
Dim. La dimostrazione si fa per induzione rispetto ad n n 1 suppone vera :
: ;
n da dimostrare
Per n=1 la proposizione è vera perchè abbiamo un solo autovettore che,
essendo 6= 0; è l:i:; cioè v = 0 =) = 0:
Supponiamo il teorema vero per n 1e dimostriamolo per n:
Consideriamo una combinazione lineare nulla degli n autovettori, cioè ( ) 1 v1 + 2 v2 + ::: + n vn =0
Moltiplichiamo la ( ) per 1 si ottiene 1 ( 1 v1 + 2 v2 + ::: + n vn ) = 1 0 =)

( ) 1 1 v1 + 1 2 v2 + ::: + 1 n vn =0
lin
Applicando ad ( ) la f si ha f ( 1 v1 + 2 v2 + ::: + n vn ) = f (0) =)
f (vi )= i vi

( ) 1 1 v1 + 2 2 v2 + ::: + n n vn =0

uguagliando ( ) e ( ) ed e¤ettuendo gli opportuni calcoli si ottiene

2
 8
< (
> 1 2) 2 =0
(
ipot:induttiva .. i 6= j
1 2 ) 2 v2 +:::+( 1 n ) n vn =0 =) . =)
v2 ;::vn l.i.: >
:
8 ( 1 n) n =0
>
< 2 =0
.. =) che ( ) si riduce
> .
:
n =0
v1 6=0
al solo termine 1 v1 = 0 =) 1 = 0; quindi 1 = 2 = ::: n =0 cvd.

Def. Sia assegnato un endomor…smo f :V !V con dimV=n

def
f diagonalizzabile () V ammette una base di n autovettori
() tutte le matrici associate sono diagonalizzabili

1 Criterio di diagonalizzazione

Sia A una matrice di ordine n e 1 , 2 ,..., n n autovalori di A

1; 2 ; :::; n autovalori con i 6= j per i 6= j =) A è diagonalizzabile

Dim. Sia f :Rn ! Rn l’endomor…smo avente A come matrice associata

rispetto alla base canonica di Rn : Poichè 1 ; 2 ; :::; n sono autovalori (distinti)
di A esistono n
8 autovettori, X1 ; X2 ; :::; Xn ; di A associati ordinatamente ad essi,
>
> AX 1 = 1 X1
>
< AX2 = 2 X2
prop
cioè .. ()
>
> .
>
:
8 AX n = n Xn
>
> f (X 1 ) = 1 X1
>
< f (X2 ) = 2 X2
Pr op:3
.. =) X1 ; X2 ; :::; Xn sono autovettori l:i. di f =)
>
> . i 6= j
>
:
f (Xn ) = n Xn
fX1 ; X2 ; :::; Xn g è base di autovettori per f
Pr op1
=)
la matrice D0associata ad f rispetto
1 alla base di autovettori è la
1 0 0
B 0 ::: 0 C
B 2 C
matrice diagonale D=B . . .. .. C :
@ .. .. . . A
0 0 0 n
Quindi D è diagonale e la matrice A è simile a D (perchè associate
entrambe ad f ) =) A è diagonalizzabile.

3
 Corollario a). Se A è una matrice diagonalizzabile con n
autovalori 1 ; 2 ; :::; n distinti
allora la matrice diagonale ad essa simile è proprio
la matrice
0 1
1 0 0
B 0 ::: 0 C
B 2 C
D=B .. .. .. .. C matrice degli autovalori
@ . . . . A
0 0 0 n

Corollario b). Se A è una matrice diagonalizzabile con n autovalori

1; 2 ; :::;
n distinti, quindi simile alla matrice degli autovalori ; la matrice
C tale che D = C 1 AC
è proprio la matrice della base degli autovettori fX1 ; X2 ; :::; Xn g ; cioè

C= X1 X2 Xn
Dim. Da quanto fatto precedentemente

D è la matrice associata ad f rispetto alla base degli autovettori fX1 ; X2 ; :::; Xn g di Rn

A è la matrice associata ad f rispetto alla base canonica fe1 ; e2 ; :::; en g di Rn

Ricordando che la matrice C del cambiamento di base dalla base fX1 ; X2 ; :::; Xn g
alla base canonica fe1 ; e2 ; :::; en g ha come colonne le componenti di

X1 rispetto alla base canonica fe1 ; e2 ; :::; en g che coincidono con X1 stesso
X2 rispetto alla base canonica fe1 ; e2 ; :::; en g che coincidono con X2 stesso
..
.
Xn rispetto alla base canonica fe1 ; e2 ; :::; en g che coincidono con Xn stesso

si ha =)
C = (X1 X2 :::Xn ) :
Ricordiamo che due matrici D e A associate ad f rispetto a due basi
diverse, quindi simili, sono legate tra loro dalla matrice di passaggio C nel modo
seguente

1
D=C AC

Esempi
1 1
1. Data la matrice A= ; vedere se è diagonalizzabile.
5 1
Svolgimento

4
 Risolviamo l’equazione caratteristica jA Ij = 0: Nel nostro caso jA Ij =
1 1 2
= (1 )( 1 ) + 5 = 0 =) + 4 = 0 =)
5 1
1 = 2i
2 = 2i
=) 1 ; 2 2 C e non reali =) A non è diagonalizzabile

3 1
2. Data la matrice A = ; vedere se è diagonalizzabile e, in caso
0 1
a¤ermativo, determinare la matrice diagonale D ad essa simile e
la matrice invertibile C tale che D = C 1 AC:
Svolgimento
Risolviamo l’equazione caratteristica jA Ij = 0: Nel nostro caso jA Ij =
3 1 1 = 1 1 Criterio
= (3 ) (1 ) = 0 =) =) A è diago-
0 1 2 =3
nalizzabile.
Determiniamo D e C:Dal 1 Criterio sappiamo che
1 0
D=
0 3
e, per calcolare C abbiamo bisogno di una base di autovettori,X1 X2 ; ove
X1 relativo a 1 e un autovettore X2 relativo a 2

Ricordando che gli autovettori sono soluzioni X del sistema di 2 equaz. in 2

incognite AX = X; nel nostro caso risolviamo
3 1 x x
AX = 1 X =) AX = 1X =) =
0 1 y y

3x + y = x 2x + y = 0
=) =) =)
y=y y=y 8 z }| { 9
y < 1 =
x= 2 y
=) E1 = ( 2 :y) jy2R = y( ; 1) j y 2 R =)
8y 2 R : 2 ;
1
X1 = 2
1
3 1 x 3x 3x + y = 3x
AX = 2X =) AX = 3X =) = =)
0 1 y 3y y = 3y
3x + y = 3x x=x x=x 8x 2 R
=) =) =) =)
2y = 0 2y = 0 2y = 0 y=0
z }| { 1
=) E2 = f(x; 0) j x 2 Rg = x (1; 0) j x 2 R =) X2 =
0
1
1 2
Quindi C = (X1 ; X2 ) =
1 0
1
Per controllare la correttezza dei calcoli veri…chiamo che D = C AC o
equivalentemente CD = AC;

5
 1 1
2 1 1 0 2 3
CD = =
1 0 0 3 1 0
1 1
3 1 2 1 2 3
AC = = :
0 1 1 0 1 0

Def. Si dice molteplicità algebrica di i la molteplicità di i come

radice dell’equazione caratteristica

Def. Si dice molteplicità geometrica di i la dimensione di E i

2 Criterio di diagonalizzazione (include il 1 ) (senza dim)

Sia A una matrice di ordine n

i 2R 8i = 1; 2; :::; n
A è diagonalizzabile ()
molteplicità algebrica di i = dim E i

e , nel caso in cui A sia diagonalizzabile, risulta

D è uguale alla matrice degli autovalori

C è la matrice le cui colonne sono ordinatamente gli autovettori base di tutti
gli autospazi presi ordinatamente.
Esempio
0 1
0 1 1
Data la matrice A=@ 1 2 1 A ; vedere se è diagonalizzabile e, in
1 1 2
caso a¤ermativo, determinare la matrice diagonale D ad essa simile e
la matrice invertibile C tale che D = C 1 AC:
Svolgimento

0 Risolviamo l’equazione1caratteristica jA Ij = 0: Nel nostro caso jA Ij =

0 1 1
@ 1 2 1 A =
1 1 2
2
= (2 ) 1 1 + (2 ) + (2 ) + = 0 =)
1 = 1 due volte cioè molteplicità algebrica=2 2 Criterio
12 (2 ) = 0 =) =)
2 = 2 una volta cioè molteplicità algebrica=1

calcoliamo gli autospazi E1 e E2 e quindi una loro base

0 10 1 0 1
0 1 1 x x
AX = 1 X =) AX = 1X =) @ 1 2 1 A @ y A = @ y A =)
1 1 2 z z

6
 8 8 8
< y+z =x < x= y+z < x= y+z
=) x + 2y z = y =) y + z + 2y z = y =) y = y 8y 2 R =)
: : :
x y + 2z = z y z y + 2z = z z = z 8z 2 R
z }| { z }| {
=) E1 = f( y + z; y; z) j y; z 2 Rg = y ( 1; 1; 0) +z (1; 0; 1) j y; z 2 R =)
0 1 0 1
1 1
X1 = @ 1 A ; X2 = @ 0 A autovettori di una base di E1 =)
0 1
dim E1 = 2 =molteplicità algebrica di 1
analogamente
0 10 1 0 1
0 1 1 x 2x
AX = 2 X =) AX = 2X =) @ 1 2 1 A @ y A = @ 2y A =)
1 1 2 z 2z
8
< y + z = 2x
x + 2y z = 2y =)
:
8 x y + 2z = 2z 8 8
< y + z = 2x < x + x = 2x < x = x 8x 2 R
x z=0 =) z=x =) z=x =)
: : :
x y=0 y= x y= x
0 1
z }| { 1
E2 = f(x; x; x) j x 2 Rg = x (1; 1; 1) j x 2 R =) X3 = @ 1 A
1
autovettore di una base di E2 =) dim E2 = 1 =molteplicità algebrica di 2 :
Per il 2 Criterio di diagonalizzazione essendo veri…cate le 2 proprietà si
conclude
0 che la matrice
1 A è diagonalizzabile e che 0 1
1 0 0 1 1 1
D=@ 0 1 0 A e C= X1 X2 X3 = @ 1 0 1 A:
0 0 2 0 1 1
Veri…care per esercizio che D = C 1 AC oppure CD = AC

7
 Prodotto scalare
De…nizione di Prodotto scalare su uno spazio vettoriale V
Esempio di prodotto scalare su V
Caso particolare V=Rn
Prodotto scalare in R2 ; R3 :
De…nizione geometrica di prodotto scalare
Equivalenza delle 2 de…nizioni
Norma, normalizzazione di un vettore
Base ortogonale
Base ortonormale
Esempi
Prodotto vettoriale
De…nizione geometrica di prodotto vettoriale
Prodotto misto

De…nizione di Prodotto scalare su uno spazio vettoriale V

Def. Sia V uno spazio vettoriale su R; si dice prodotto scalare su V e si

indica con h ; i oppure con l’applicazione

h ; i : V V !R
(u; v) ! h u ;v i
oppure
(u; v) ! u v

tale che siano veri…cate le proprietà:

1. h u ; v i = h v ; u i simmetria
2.h u ; v1 + v2 i = h u ; v1 i + h u ; v2 i linearità (sul 2 argomento vale
anche
sul 1 per propr.
1 di simmetria)
3. h u ; v i = h u ;v i linearità

oppure, scritte con il simbolo anzichè h ; i;

1:u v = v u
2:u (v1 + v2 ) = u v1 + u v2
3:u v = (u v)

Def. Il prodotto scalare h ; i si dice de…nito positivo se

h u ; u i 0 e h u ; u i = 0 () u = 0

Esempio 1. (di prodotto scalare su V=Rn )

1
 Sia V=Rn e consideriamo l’applicazione, che in questo esempio si indica
usualmente con e non con h ; i;

: Rn Rn ! R
def
(x; y) ! x y = x1 y1 + x2 y2 + ::: + xn yn
ove x = (x1 ; x2 ; :::; xn ) e y = (y1 ; y2 ; :::; yn )

E’facile veri…care che tale applicazione soddisfa le propr. 1., 2., 3. Infatti
x y = x1 y1 + x2 y2 + ::: + xn yn = y1 x1 + y2 x2 + ::: + yn xn = y x

distr
x (y + z) = x1 (y1 + z1 ) + x2 (y2 + z2 ) + ::: + xn (yn + zn ) =
= x1 y1 + x1 z1 + x2 y2 + x2 z2 + ::: + xn yn + xn zn =
comm def
= x1 y1 + x2 y2 + ::: + xn yn + +x1 z1 + x2 z2 + :::+ xn zn ) = x y + x z

x ( y) = x1 ( y1 )+x2 ( y2 )+:::+xn ( yn ) = (x1 y1 +x2 y2 +:::+xn yn ) =

(x y)

Il prodotto scalare precedente prende il nome di ordinario o standard

di Rn : In particolare in R2
si da’la seguente de…nizione

Def. 1 Se u = (x1 ; x2) ; v = (y1 ; y2) 2 R2 allora si dice prodotto

scalare di u e v e si scrive u v il seguente numero
def
u v = x1 y1 + x2 y2

Esempio 2.
Sia V uno spazio vettoriale qualsiasi e fvi gi=1;2;:::;n una sua base, con-
sideriamo l’applicazione (che indichiamo per semplicità sempre con anzicchè
con h ; i )

: V V !R
def
(u; v) ! u v = x1 y1 + x2 y2 + ::: + xn yn
ove
Xn Xn
u = xi vi e v= yi vi
i=1 i=1

E’facile veri…care le proprietà 1.,2.,3. (si tratta di ripetere quanto fatto in

Esempio1.)

Oss. L’esempio1. è un caso particolare dell’esempio 2. quando si prende

V=Rn e fvi gi=1;2;:::;n = fei gi=1;2;:::;n base canonica.

Esercizio

2
 Siano assegnati i due vettori di R3 u=(3,4,-1) e v=(2,1,5) calcolare il
prodotto scalare (standard o ordinario tra u e v)
def
u v = x1 y1 + x2 y2 + x3 y3 = 3 2+4 1 + ( 1) 5=5

Sia V uno spazio vettoriale con prodotto scalare de…nito positivo ( noi
lavoreremo quasi sempre con V=Rn e con il standard).
Def.1 Si dice norma di v2 V e si indica con k v k il numero
reale positivo così de…nito
q
def p
k v k = v v = x21 + x22 + ::: + x2n

Oss. k v k si dice anche lunghezza o modulo del vettore v:

Def. 2 Un vettore v2 V si dice vettore unità se la sua norma è

uguale a 1, cioè

k v k= 1

Def. 3 A partire da un vettore v2 V è possibile costruire un nuovo

vettore
v
kvk
detto il normalizzato o versore di v ed avente norma 1.

Def.4 Due vettori u, v di V si dicono ortogonali se

u v=0

Oss. Ovviamente nel caso in cui fosse V = R2 oppure V = R3 la def.

precedente corrisponde geometricamente a vettori perpendicolari.

Def.5 Una sua base fvi gi=1;2;:::;n di V si dice ortogonale se tutti

i vettori vi sono a due a due ortogonali, cioè

vi vj = 0 per i 6= j

Def.6 Una sua base fvi gi=1;2;:::;n di V si dice ortonormale se tutti

i vettori vi sono unitari e a due a due ortogonali, cioè

k vi k= 1 i=1;2;:::;n 1 se i = j
oppure equivalentemente vi vj =
vi vj = 0 per i 6= j 0 se i 6= j

Esempio 1.

3
 La base
( canonica di R2 ; fe1 ; e2 g è ovviamente una base ortonormale. Infatti
def p p p p
k e1 k = e1 e1 = (1; 0) (1; 0) = 1 1 + 0 0 = 1 = 1
def p p p p
k e2 k = e2 e2 = (0; 1) (0; 1) = 0 0 + 1 1 = 1 = 1

e1 e2 = (1; 0) (0; 1) = 1 0 + 0 1 = 0 + 0 = 0

Esempio 2.

La base v1 = ( p12 ; p12 ; 0); v2 = ( p12 ; p1 ; 0);

2
v3 = (0; 0; 1) di R3 è una
base ortonormale. Infatti
r q
2 2 p
k v1 k= p1 + p1 + 02 = = 1
+ 1
+0= 1 = 1 analogamente
2 2 2 2
k v2 k= 1
k v3 k= 1
inoltre è
v1 v2 = 0
v1 v3 = 0
v2 v3 = 0:

Diamo, ora una de…nizione di prodotto scalare di carattere geometrico

Per fare ciò richiamiamo l’identi…cazione dello spazio vettoriale R2 con lo

spazio dei vettori liberi V0 ;

Def. Siano u = (x1 ; y1) ; v = (x2 ; y2) 2 R2 (analogamente in R3 ); per

quanto studiato in precedenza possiamo scrivere
! !
u s OP con P(x1 ; y1 ) e v s OQ con Q = (x2 ; y2 );
_ _
si dice angolo tra i vettori u e v, e si scrive uv; l’angolo convesso P OQ = #
con 0 # :

Def.2 Si dice prodotto scalare di u; v il seguente numero

def
u v = k u kk v k cos #

! !
Oss. In V0 esiste una sua base ortonormale formata dai vettori OU1 = i
! !
con U1 (1; 0) e OU2 = j con U2 (0; 1)

Prima di dimostrare l’equivalenza tra le due de…nizioni di prodotto scalare,

con l’identi…cazione R2 s V0 ; risulta che la base canonica fe1 ; e2 g di R2 è
identi…cata n! !o
con la base i ; j di V0 ; cioe

4
 ! !
e1 s OU1 = i ove U1 (1; 0)
! !
e2 s OU2 = j ove U2 (0; 1)

!
per cui, per esempio, un vettore u = (3; 5) 2 R2 identi…cato con OP 2 V0
! !
lo si può anche esprimere come u = 3 i + 5 j (oltre che u = 3e1 + 5e2 )

Analogamente in R3
! !
e1 s OU1 = i ove U1 (1; 0; 0)
! !
e2 s OU2 = j ove U2 (0; 1; 0)
! !
e3 s OU3 = k ove U3 (0; 0; 1)

per cui, per esempio, un vettore u = (3; 5; 8) 2 R3 identi…cato con

! ! ! !
OP 2 V0 lo si puo anche esprimere come u = 3 i + 5 j + 8 k :

Prop. Se u = (x1 ; x2) ; v = (y1 ; y2) 2 R2 allora

def
u v = x1 y1 + x2 y2

è lo stesso che
def
u v = k u kk v k cos # ( )

Dim.
^
Ricordiamo che in un triangolo di lati a; b; c, con a b = #; per il teorema
di Carnot, si ha c2 = a2 + b2 2ab cos #:
! !
Ponendo inoltre u s OP e v s OQ con P (x1 ; x2) e Q = (y1 ; y2) ;
!
quindi P Q = Q P = (y1 x1 ; y2 x2 )
!
e, per Carnot, k P Q k2 =k u k2 + k v k2 2 k u kk v k cos #; risulta
| {z }
( )

def 2
u v = k u kk v k cos # = moltiplicando e dividendo per (-2) ed utiliz-
zando la ( )
1
2 ( 2) k u kk v k cos # = utilizzando la ( )
!
= 21 k P Q k2 k u k2 k v k2 = 12 k Q P k2 k u k2 k v k2 =
1
= 2 k (y1 x1 ; y2 x2 ) k2 k u k2 k v k2 =
1
= 2 ((y1 x1 )2 + (y2 x2 )2 (x21 + x22 ) y12 + y22 ) =

5
 1 1 def 1
= 2( 2x1 y1 2x2 y2 ) = 2( 2)(x1 y1 + x2 y2 ) = x1 y1 + x2 y2 = u v

Oss. Da ( ) si può ricavare

u v
cos # =
k u kk v k

Esercizi
1. Dati i vettori u = (1; 3; 2) v = (0; 2; 0); calcolare
_
u v; k u k; kvk, cos# con # = uv:
Svolgimento

u v=1 0+ 3 ( 2) + 2 0=6
p p p
k u k= u u = p 12 + ( 3)2 + 22 = 14
p
k v k= v v = 02 + ( 2)2 + 02 = 2

uv p 6 p3
cos # = kukkvk = 14 2
= 14

2. Facciamo un esercizio di geometria analitica utilizzando nozioni di algebra

lineare.
Dato il triangolo ABC con A(1; 3; 1) B(2; 5; 3) C(3; 2; 1);
dimostrare che è rettangolo in A:
Svolgimento
! !
Dobbiamo dimostrare che i vettori (applicati) AB e AC sono perpen-
!
dicolari, cioè equivalentemente che i vettori liberi OP con P = B A 2 R3
!
e OQ con Q = C A 2 R3 sono ortogonali. Eseguendo i calcoli:

B A = (1; 2; 2); C A = (2; 1; 0) e quindi il loro prodotto scalare

(B A) (C A) = 1 2+2 ( 1) + 2 0=0
! !
quindi AB ? AC:

Prodotto vettoriale

Si parla di Prodotto vettoriale per lo spazio vettoriale R3 s V0 :

! ! !
Def. Dati due vettori di R3 u = (a; b:c) = a i + b j + c k e
! ! !
v = (a1 ; b1 :c1 ) = a1 i + b1 j + c1 k si dice prodotto vettoriale di u e di
v ( e si scrive con u ^ v) il vettore

6
 ! ! !
u^v = (bc1 b1 c) i + (a1 c ac1 ) j + (ab1 a1 b) k
oppure
u^v = (bc1 b1 c; a1 c ac1 ; ab1 a1 b)

Oss. Formalmente la de…nizione di prodotto vettoriale di u e di v è

lo sviluppo secondo la 1 riga del seguente determinante (usando la regola di
Laplace)
! ! !
i j k
a b c ( )
a1 b1 c1
Esempi

1. Dimostrare; usando la ( ) ; che

! ! !
i ^ j = (1; 0; 0) f (0; 1; 0) = k
! ! !
i ^ k =(1; 0; 0) f (0; 0; 1) = j
! ! !
j ^ k =(0; 1; 0) f (0; 0; 1) = i
! !
i ^ i =0
! !
j ^ j =0
! !
k ^ k =0
! ! ! ! ! !
2. Dati i vettori u = 2 i + 3 j + k e v=4i + j 2 k ; determiare
il loro prodotto vettoriale u ^ v:
Svolgimento
! ! ! ! ! !
i j k i j k
u^v = a b c = 2 3 1 =
a1 b1 c1 4 1 2
3 1 ! 2 1 ! 2 3 ! ! ! !
= i j + k = 7 i +8 j 10 k :
1 2 4 2 4 1
Possiamo scrivere indi¤erentemente
! ! !
u^v = 7 i +8 j 10 k
oppure
u^v = ( 7; 8; 10)

Proprietà del prodotto vettoriale

1. u ^v = v ^u antisimmetria
2. u ^ (v1 + v2 ) = u ^ v1 + u ^v2 distributiva

3. u ^ ( v ) = (u ^ v) = ( u) ^ v omogeneità

7
 De…nizione geometrica di prodotto vettoriale

Come già fatto per il prodotto scalare di due vettori, possiamo dare una de…nizione geometrica di
prodotto vettoriale.
Premettiamo una de…nizione.
Def. Una base fu; v; wg di V0 si dice orientata positivamente se,
posti il pollice e l’indice della mano destra nelle direzioni e versi rispettivamente
di u e v, il medio segue direzione e verso di w.
Def. Si dice prodotto vettoriale di due vettori u ; v di R3 s V0 il
vettore
8
< modulo k u ^ v k=k u kk v k sen#
u^v = vettore avente direzione ? piano(u; v)
:
verso tale che fu; v; u ^ vg sia positivamente orientata

Oss. Se u = v si ha sen# = sen0 = 0 e un vettore con modulo nullo

non ha direzione e verso determinati.

Signi…cato geometrico del modulo di u^v

Il modulo di u ^ v =k u ^ v k=k u k k v k sen#

| {z }
può essere interpretato come il prodotto della base k u k e dell’altezza
k v k sen# di un parallelogramma di lati k u k e k v k :
Ovviamente ku^vk2 rappresenta l’area del triangolo di cui k u k e k v k
sono due lati.

Esempio
1. Dati nello spazio i punti A = (1; 2; 4), B = (3; 4; 7), C = (0; 3; 1),
D = (2; 5; 4), veri…care che ACDB è un parallelogramma e trovare la sua area.
Svolgimento
! !
AB s O(B A) con B A = (2; 2; 3)
! !
AC s O (C A) C A = ( 1; 1; 3)
! !
CD s O (D C) D C = (2; 2; 3)
! !
BD s O (D B) D B = ( 1; 1; 3)
! !
AB e CD sono equipollenti quindi sono paralleli e della stessa
lunghezza
! !
AC e BD sono equipollenti quindi sono paralleli e della stessa
lunghezza
Quindi il quadrilatero è un parallelogramma

L’area è data da
Area (ACDB) =k (B A) ^ (C A) k

8
 ! ! !
i j k
(B A) f (C A) = 2 2 3 =
1 1 3
2 3 ! 2 3 ! 2 2 ! ! ! !
= i j + k = 9 i +3 j +4k;
1 3 1 3 1 1

come vettore di R3 (B A) ^ (C A) = ( 9; 3; 4):

Quindi p p
p Area (ACDB) =k (B A)^(C A) k= ( 9; 3; 4) ( 9; 3; 4) = 81 + 9 + 16 =
106

Prodotto misto

Def. Dati tre vettori di R3

! ! ! ! ! !
u = (a; b:c) = a i + b j + c k ; v = (a1 ; b1 :c1 ) = a1 i + b1 j + c1 k e
! ! !
w= (a2 ; b2 :c2 ) = a2 i + b2 j + c2 k

si dice prodotto misto lo scalare

u (v ^ w)

Prop. Il prodotto misto u (v ^ w) è il determinante della matrice:

a b c
a1 b1 c1
a2 b2 c2

Dim.
Dalla de…nizione di prodotto misto, facendo i calcoli si ha
! ! !
i j k b1 c1 ! a1 c1 ! a1 b1 !
v^w = a1 b1 c1 = i j + k =
b2 c2 a2 c2 a2 b2
a2 b2 c2
! ! !
= (b1 c2 b2 c1 ) i + (a1 c2 a2 c1 ) j + (a1 b2 a2 b1 ) k
o anche

v ^ w = (b1 c2 b2 c1 ; a1 c2 a2 c1 ; a1 b2 a2 b1 ):
Calcoliamo il prodotto scalare u (v ^ w)

def
u (v f w) = a (b1 c2 b2 c1 ) + b (a1 c2 a2 c1 ) + c (a1 b2 a2 b1 )

9
 a b c
che è lo sviluppo secondo la 1 riga del determinante a1 b1 c1
a2 b2 c2
(usando la regola di Laplace). cvd.

10
 Geometria Analitica nel Piano e nello Spazio
Scaletta
Identi…cazione tra i punti del piano con le coppie di numeri reali
Identi…cazione tra i punti dello spazio con le terne di numeri reali
Retta nel piano e nello spazio
Condizioni di parallelismo e perpendicolarità nel piano e nello spazio
Equazione di un piano nello spazio
Condizioni di parallelismo e perpendicolarità tra retta e piano nello spazio
Angolo tra due rette e tra retta e piano
Cenni sulle coniche: de…nizione e classi…cazione

Identi…cazione tra i punti del piano (spazio) con le coppie (terne) di numeri
reali

E’noto che i punti del piano cartesiano (riferiti a due rette ortogonali e
su cui è de…nita una stessa unità di misura) sono in
corrispondenza biunivoca con le coppie di numeri reali

f : ! R2 tale che f (P ) = (x; y) ove x,y sono le ascisse delle

proiezioni ortogonali di P sugli assi

Analogamente nello spazio

E’noto che i punti dello spazio (riferiti a tre rette ortogonali a due a due
e su cui è de…nita una stessa unità di misura) sono in
corrispondenza biunivoca con le terne di numeri reali

f : ! R3 tale che f (P ) = (x; y; z) ove x,y,z sono le ascisse delle

proiezioni ortogonali di P sugli assi

Oss. Da quanto detto si comprende come i punti del piao (dello spazio)
possono essere considerati vettori dello spazio vettoriale R2 (R3 ):

Oss. E’noto che particolari curve possono essere rappresentate da equazioni

razionali (polinomi) che indicano la proprietà geometrica dei punti della curva.
Esempi
Nel piano
assex : y = 0 perchè tutti i punti P2 assex hanno proiezione ortogonale
di lunghezza nulla sull’assey
assey : x = 0 perchè tutti i punti P2 assey hanno proiezione ortogonale
di lunghezza nulla sull’assex

Nello spazio

1
 y=0
assex : perchè tutti i punti P2 assex hanno proiezione ortog-
z=0
onale di lunghezza nulla sull’assey e sull’assez
x=0
assey : perchè tutti i punti P2 assey hanno proiezione
z=0
ortogonale di lunghezza nulla sull’assex e sull’assez
x=0
assez : perchè tutti i punti P2 assez hanno proiezione
y=0
ortogonale di lunghezza nulla sull’assex e sull’assey
xy : z = 0 perchè tutti i punti P2 xy hanno proiezione
ortogonale di lunghezza nulla sull’assez
xz : y = 0 perchè tutti i punti P2 xz hanno proiezione
ortogonale di lunghezza nulla sull’assey
yz : x = 0 perchè tutti i punti P2 yz hanno proiezione
ortogonale di lunghezza nulla sull’assex

Richiamiamo la de…nizione di parallelismo e di perpendicolarità tra due vet-

tori di V dotato di prodotto scalare, in particolare tra due vettori di R2 e di
R3 :

def
u q v () 9t 2 R tale che u = tv
def
u ? v () u v = 0

Distanza tra due punti

Nel piano
Siano dati due punti A(x1 ; y1 ) e B(x2 ; y2 ) , è noto che B A =
(x2 x1 ; y2 y1 )
q
! 2 2
d(A,B)=k AB k=k B A k= (x2 x1 ) + (y2 y1 ) :

Nello spazio

Siano dati due punti A(x1 ; y1 ; z1 ) e B(x2 ; y2 ; z2 ) , è noto che B A=

(x2 x1 ; y2 y1 ; z2 z1 )
q
! 2 2 2
d(A,B)=k AB k=k B A k= (x2 x1 ) + (y2 y1 ) + (z2 z1 ) :

Esercizio

Determinare la distanza tra i punti A(2; 2:3) e B(4; 1; 4):

Svolgimento q
! 2 2 2
d(A,B)=k AB k=k B A k= (x2 x1 ) + (y2 y1 ) + (z2 z1 ) =
q p p
2 2 2
(4 2) + (1 + 2) + ( 4 3) = 4 + 9 + 49 = 62

2
 Equazione di una retta nel piano e nello spazio

Nel piano
Equazione parametrica di una retta per un punto P0 di assegnata direzione

Siano P0 (x0 ; y0 ) un punto del piano e u = (l; m) un vettore di

R2 : Determiniamo l’equazione della retta r per P0 ed avente direzione u:
DISEGNO???==
Un generico punto P (x; y) del piano appartiene alla retta r se il vettore
!
P0 P risulta parallelo a u, cioè
! !
P 2 r () P0 P k u () 9t 2 R tale che P0 P = tu ()
() (P P0 ) = t(l; m) () (x x0 ; y y0 ) = (tl; tm) ()
x x0 = tl x = x0 + tl
() con t che varia in R
y y0 = tm y = y0 + tm

Dunque
x = x0 + tl
(1) t 2 R si dice equazione parametrica di una retta per
y = y0 + tm
un punto P0 di assegnata direzione u:
Da (1) ; ricavando t da entrambe le equazioni si ottiene
t = x lx0
; ed uguagliando si ha la
t = y my0

(2) x lx0 = y my0 equazione di una retta per un punto P0 di assegnata

direzione u = (l; m):

Se della retta r conosciamo due suoi punti distinti P1 (x1 ; y1 ) e P2 (x2 ; y2 );

!
prendendo come direzione u il vettore P1 P2 = (x2 x1 ; y2 y1 ) e come
punto P0 il
punto P1 ; la (2) diventa

(3) xx2 xx11 = yy2 yy11 equazione di una retta sotto forma di rapporti uguali.
Dalla (3) facendo i calcoli si ha

(x x1 ) (y2 y1 ) = (y y1 ) (x2 x1 ) e quindi

(y2 y1 )x (x2 x1 )y + ( x1 y2 + x2 y1 ) = 0 da cui
| {z } | {z } | {z }
a b c

(4) ax + by + c = 0 con a; b non entrambi nulli, si chiama

equazione cartesiana della retta.

Osservazione geometrica relativa alla (4)

Il vettore ( b; a) è un vettore parallelo alla retta.

3
 !
Infatti u = (l; m) = P1 P2 = (x2 x1 ; y2 y1 ) = ( b; a)

Il vettore n = (a; b) è un vettore ortogonale alla retta.

Infatti u n = ( b; a) (a; b) = ba + ab = 0 =) u ? n:

Equazione di un segmento e coordinate del punto medio tra due punti

Siano assegnati due punti distinti P1 (x1 ; y1 ) e P2 (x2 ; y2 ); ed indichiamo

con M (x; y) il punto medio del segmento P1 P2 :
!
Dalla (1) ponendo u = (l; m) = P1 P2 = (x2 x1 ; y2 y1 ) come direzione
della retta [P1 ; P2 ] e prendendo P0 = P1 ; si ha

P = P1 se t=0
x = x1 + t (x2 x1 )
=) P = P2 se t=1 =)
y = y1 + t (y2 y1 )
P 2 P1 P2 se t 2 [0; 1]
x = x1 + t (x2 x1 )
t 2 [0; 1] è l’equazione del segmento P1 P2
y = y1 + t (y2 y1 )
Per t = 21 P = M che ha quindi coordinate
1 x1 +x2
x = x1 + 2 (x2 x1 ) x= 2
1 =) y1 +y2
y = y1 + 2 (y2 y1 ) y= 2

Angolo tra due rette

Def. Assegnate le rette r di direzione u = (l; m) e r0 di direzione

u = (l0 ; m0 ) si dice angolo tra due rette r , r0 l’angolo tra i vettori u e
0

u0; cioè
^ def ^
r r0 = u u0
^
u u0
Dalla de…nizione, se # = u u0; segue che cos# = kukku0 k =
0 0
p ll +mm
p :
l2 +m2 l02 +m02
N. B. La formula precedente di cos# può dare un numero negativo o positivo
^
a seconda che l’angolo u u0 sia acuto o ottuso, per semplicità conviene
scrivere
la formula col valore assoluto il che vuol dire trovare dei due angoli
tra le le rette r ed r’ quello acuto. In pratica negli esercizi si può scrivere
semplicemente

jll0 + mm0 j
cos# = p p
l2 + m2 l02 + m02

Oss. Ovviamente se di r e di r’ conosciamo le equazioni,

r : ax + by + c = 0
r0 : a0 x + b0 y + c0 = 0

4
 ricordando che u = ( b; a) k r e u0 = ( b0; a0) k r0 , si ha

aa0 + bb0
cos# = p p
a2 + b2 a02 + b02
oppure per il N. B precedente

jaa0 + bb0 j
cos# = p p
a2 + b2 a02 + b02

Si tenga presente che cos# può essere positivo o negativo a seconda che
^
l’angolo convesso u u0 sia acuto oppure ottuso per cui du molti testi il
numeratore è preso in valore assoluto.
Esercizio

Determinare l’angolo tra le rette r:x-y=0 ed s: y=4.

Svolgimento 3 steps

1. parametri di direzione di r e di s che sono noti avendo le equazioni di

r,s.
0 0 0
uu p ll +mm
2. ? cos# = kukku 0k =
p
l2 +m2 l02 +m02
; cioè:
1. u = (1; 1) u’=(-1,0) p
u u0 j(1;1) ( 1;0)j
2. cos# = kukku 0k = p
2 2
p 2 2
= pj 2p
1j
1
= p1
2
= 2
2
=) # = 4
1 +1 ( 1) +0

Distanza di un punto da una retta

Siano P(x0 ; y0 ) un punto e r : ax + by + c = 0 una retta si prova che

j ax0 + by0 + c j
d(P; r) = p
a2 + b2
Esercizio
Determinare la distanza del punto P(1,2) dalla retta r:2x+3y-1=0.
Svolgimento
d(P; r) = jaxp0a+by 0 +cj
2 +b2
= j2 p1+3 2 1j
22 +32
= p713

Nello spazio

Equazione parametrica di una retta per un punto P0 di assegnata direzione

Siano P0 (x0 ; y0 ; z0 ) un punto dello spazio e u = (l; m; n) un vettore

di R3 : Determiniamo l’equazione della retta r per P0 ed avente direzione u:
DISEGNO???==

5
 Un generico punto P (x; y; z) del piano appartiene alla retta r se il vettore
!
P0 P risulta parallelo a u, cioè
! !
P 2 r () P0 P k u () 9t 2 R tale che P0 P = tu ()
() (P P0 ) = t(l; m; n) () (x x0 ; y y0 ; z z0 ) = (tl; tm; tn) ()
8 8
< x x0 = tl < x = x0 + tl
y y0 = tm () y = y0 + tm con t che varia in R
: :
z z0 = tn z = z0 + tn

Dunque8
< x = x0 + tl
(10 ) y = y0 + tm t 2 R si dice equazione parametrica di una retta per
:
z = z0 + tn
un punto P0 di assegnata direzione u:
Da (10 ) ; ricavando t da tutte le equazioni si ottiene
8
< t = x lx0
t = y my0 ; ed uguagliando si ha la
:
t = z nz0

(20 ) x lx0 = y my0 = z nz0 equazione di una retta per un punto P0 di

assegnata direzione u = (l; m; n):

Se della retta r conosciamo due suoi punti distinti P1 (x1 ; y1 ; z1 ) e

!
P2 (x2 ; y2 ; z2 ); prendendo come direzione u il vettore P1 P2 = (x2 x1 ; y2
y1 ; z2 z1 ) e come punto P0 il
punto P1 ; la (20 ) diventa

(30 ) xx2 xx11 = yy2 yy11 = zz2 zz11 equazione di una retta per due punti sotto
forma di rapporti uguali.
La (30 ), a di¤erenza della (3) nel piano, è formata da tre rapporti uguali
per cui non possiamo avere nello spazio una sola equazione per una retta bensì
due equazioni
che si ottengono uguagliando i tre rapporti a due a due, per esempio
x x1 z z1
1 e 3 x2 x1 = z2 z1
y y1 z z1 (40 )
2 e3 y2 y1 = z2 z1
che, come vedremo presto, rappresentano ciascuna un piano nello spazio.

Osservazione geometrica
Il vettore u = (l; m; n) = P2 P1 = (x2 x1 ; y2 y1 ; z 2 z1 ) è un vettore
parallelo alla retta.

Non possiamo parlare di direzione ortogonale alla retta in modo univoco

perchè nello spazio esistono 1 direzioni ortogonali ad una retta.

6
 Esercizio
Determinare la retta per i punti P1 (2; 2:3) e P2 (4; 1; 4):

Svolgimento
x x1 y y1 z z1
In questo esercizio è consigliabile usare la formula x2 x1 = y 2 y1 = z2 z1 ;
cioè
x 2 z 3
x 2 y+2 z 3 x 2 y+2 z 3 2 = 7
4 2 = 1+2 = 4 3 =) 2 = 3 = 7 =) y+2 z 3 =)
3 = 7
x = 27 z + 207
y = 37 z 57
Oss. i parametri di r = [ P1 ; P2 ] sono ovviamente (x2 x1 ; y2 y1 ; z2 z1 ) =
(2; 3; 7) oppure, usando le equazioni ridotte, sono i coe¢ cienti di z (incog-
nita in comune) come l ed m , mentre n=1, cioè ( 72 : 37 ; 1): E’da notare
che, come ci aspettavamo, è ( 27 : 37 ; 1) k (2; 3; 7):

Se si vuole espressamente l’equazione parametrica di r = [ P1 ; P2 ] ; è

consigliabile usare la formula
8 8
< x = x0 + tl < x = 2 + 2t
y = y0 + tm =) y = 2 + 3t con t2 R che fornisce la natura
: :
z = z0 + tn z = 3 + 7t
del generico punto di r.

Equazione di un segmento e coordinate del punto medio tra due punti

Siano assegnati due punti distinti P1 (x1 ; y1 ; z1 ) e P2 (x2 ; y2 ; z2 ); ed

indichiamo con M (x; y; z) il punto medio del segmento P1 P2 :

Analogamente a quanto fatto nel piano si prova che

8
< x = x1 + t (x2 x1 )
y = y1 + t (y2 y1 ) t 2 [0; 1] è l’equazione del segmento P1 P2
:
z = z1 + t (z2 z1 )

e8
x1 +x2
< x= 2
y1 +y2
y= 2
sono le coordinate del punto medio M del segmento P1 P2
: z1 +z2
z= 2

Esercizio

Determinare il punto medio del segmento di estremi i punti P1 (2; 2:3) e

P2 (4; 1; 4):
Svolgimento

7
 8 x1 +x2
8 2+4
8
< x= 2 < x= 2 < x=3
y1 +y2
M ha coordinate y= 2
=) y= 2+1
2 =) y = 21 =)
: : :
z= z1 +z2
2
z= 3 4
2 z = 21
M (3; 21 ; 21 )

Condizioni di parallelismo e perpendicolarità tra rette nel piano e nello spazio

Nel piano
r : ax + by + c = 0 con n = (a; b) ? r
r0 : a0 x + b0 y + c0 = 0 con n0 = (a0 ; b0 ) ? r0

a0 = ka a0 b0
r0 k r () n0 k n () 9k 2 R tale che n0 = kn () () =
b0 = kb a b

r0 ? r () n0 ? n () n0 n = 0 () a0 a + b0 b = 0

0 0 0
Oss. r0 k r () aa = bb () ab0 = a
b () m0 = m
a0
r0 ? r () a0 a + b0 b = 0 () b0 = ab () m0 = 1
m
Esercizio

1.Detrerminare la retta per P(1,2) e ? alla retta r:3x+4y+1=0

Svolgimento
u=(-b,a)k r mentre n=(a,b)=(3,4)? r; quindi la retta richiesta passa per
P ed ha parametri (3,4)

r: x lx0 = y my0 cioè r: x 3 1 = y 4 2 =) 4x 3y + 2 = 0

oppure, con le equazioni parametriche, ponendo x 3 1 = y 4 2 = t
x = 1 + 3t
r:
y = 2 + 4t

2. Vedere se le seguenti coppie di rette sono k o ?

x = 2 + 3t x = 1 + 6t
a. r: s:
y = 21 t y = 3 2t

x = 1 + 2t x = 3 + 2t
b. r: s:
y = 3 4t y =1+t
Svolgimento

l=3 l0 = 6 l0 m0 6 20
a. r s =) = m; cioè = =) r k s
m= 1 m0 = 2 l 3 1

l=2 l0 = 2 0 0
b. r s 0 =) ll 6= m
m in quanto 2 2
4 6= 1 =) r / s
m= 4 m =1
invece ll0 + mm0 = 0 in quanto 2 2 + ( 4) 1 = 4 4 = 0 =) r ? s

8
 Nello spazio
Siano r ed r0 due rette di parametri di direzione rispettivamente u =
l l0
0 0 0 0
(l; m; n) e u = (l ; m ; n ) (si scrive usualmente r m e r’ m0 )
n n0

l0 = kl
l0 m0 n0
r0 k r () u0 k u () 9k 2 R tale che u0 = ku () m0 = km () = =
l m n
n0 = kn

r0 ? r () u0 ? u () u0 u = 0 () l0 l + m0 m + n0 n = 0

Esercizio
1a :Scrivere le equazioni della retta r per i punti P1 (2; 1; 0); P2 ( 1; 1; 2)
e la retta s per i punti Q1 (2; 1; 2); Q2 ( 1; 1; 2)

1b .Scrivere le equazioni della retta t per P (0; 2; 0) e parallela ad r

1c :Dati i punti Q2 ( 1; 1; 2) e R(h; 0; h); determinare h in modo tale
che la retta r0 = [Q2 ; R] sia perpendicolare ad r e scrivere le equazioni della
retta r0 .
Svolgimento
y 1=0
1a .r: x1 22 = y1 11 = z2 00 =) x 32 = y 0 1 = z2 =) r :
x = 32 z + 2
ovviamente i parametri di direz. sono ( 23 ; 0; 1) e si usa scrivere anche
3
2
r 0
1
x 2 y 1 z y 1=0
s: 1 2 = 0 = 0 =) s :
z=0
3
2 3
1b : Poichè r 0 0 possiamo scrivere
s
1 2
x y 2 z y 2=0
t: = = =) t :
3 0 2 x = 23 z

1c i parametri della retta r’ sono (h+1; 1; h 2); imponiamo la condizione

di perpendicolarità con r di direzione ( 3; 0; 2)
l0 l + m0 m + n0 n = 0 =) 3(h + 1) + 0 0 + 2(h 2) = 0 =) h 7 =
0 =) h = 7:
6 6
y 1
Quindi r’ 1 s 1 per cui r0 = [Q2 ; R] : x+1 6 = 1 = 9
z 2
=) r0 :
9 9
x = 6y 7
z = 9y 7

9
 Angolo tra due rette

Def. Assegnate le rette r di direzione u = (l; m; n) e r0 di direzione

0
u = (l0 ; m ; n0 ) si dice angolo tra due rette r , r0 l’angolo tra i vettori u
0

e u0; cioè

^ def ^
r r0 = u u0
^
u u0
Dalla de…nizione precedente, se # = u u0; segue che cos# = kukku0 k =
ll0 +mm0
p +nn
0
p
l2 +m2 +n2 l02 +m02 +n2
:

Per il N.B. di cui precedentemente, negli esercizi conviene usarla col valore
assoluto

jll0 + mm0 + nn0 j

cos# = p p
l2 + m2 + n2 l02 + m02 + n2

Esempio
Determinare l’angolo tra le rette r ed s di direzioni rispettivamente (1,1,0)
e (0,1,1).
Svolgimento
Si osservi che nella formula del cos# sono coinvolti solo le direzioni delle
rette e non necessariamente le loro equazioni per cui
jll0 +mm0 +nn0 j j1 0+1 1+0 1j
cos# = pl2 +m2 +n2 pl02 +m02 +n2 = p12 +1 p
2 +02 002 +102 +12
= p21p2 = 12 =)
#= 3

Equazione di un piano nello spazio

Ora ci distanziamo un po’ dal legame tra piano e spazio

Vogliamo trovare l’equazione generica di un piano.

Troviamo prima l’equazione di un piano per un punto P0 (x0 ; y0 ; z0 ) e

parallelo a due vettori v = (l; m; n) v 0 = (l0 ; m0 ; n0 ) non nulli e non paralleli
di R3 (v; v0 si
dicono giacitura del piano).

Ricordiamo che un vettore è complanare con altri due se sono l.d. cioè se
uno è combinazione lineare degli altri.

10
 !
Un generico punto P (x; y; z) appartiene al piano se il vettore P0 P
risulta complanare con i vettori v; v0, cioè
!
P 2 () P0 P complanare con v; v0; () 9 ; 2 R tale che
! 0
P0 P = v + v () (P P0 ) = (l; m; n) + (l ; m ; n0 ) ()
0 0

() (x x0 ; y y0 ; z z0 ) = ( l + l0 ; m + m0 ; n + n0 ) ()
8 8
< x x0 = l + l0 < x = x0 + l + l0
0
() y y0 = m + m () y = y0 + m + m 0 con ; che variano in R
: 0 :
z z0 = n + n z = z0 + n + n 0

8
< x = x0 + l + l0
(1) y = y0 + m + m0 con ; che variano in R equazioni
:
z = z0 + n + n0
parametriche del piano
! 1 0
! P0 P
Da P0 P = v + v 0 segue che la matrice colonna @ v A ha deter-
v0
minante uguale a 0, cioè

xx0 y y0 z z0
(2) l m n =0 equazioni del piano per un punto
l0 m0 n0
e parallelo a due direzioni ( cioè di assegnata giacitura)

Dalla (2), sviluppando con la regola di Laplace rispetto alla prima riga, si
ha:

m n l n l m
(x x0 ) (y y0 ) + (z z0 ) = 0 cioè
m0 n0 l 0 n0 l0 m0
| {z } | {z } | {z }
a b c

a (x x0 )+b (y y0 )+c (z z0 ) = 0 equazione del piano generico per un punto P0

sviluppando e ponendo d= ax0 by0 cz0 si ottiene

ax + by + cz + d = 0 equazione cartesiana del piano

Prop. Se : ax + by + cz + d = 0 allora il vettore n = (a; b; c) è

ortogonale a v; v0; cioè
n = (a; b; c) ?
Dim.

11
 Osservando la (2) si vede che a; b; c sono proprio le componenti del vettore,
! ! !
i j k
prodotto vettoriale, v ^ v 0 = l m n , cioè n = v ^ v 0 e quindi
0 0 0
l m n

n = (a; b; c) ? v e n = (a; b; c) ? v

quindi
n = (a; b; c) ? :

Esempio
1. Determinare l’equazione del piano per P(-2,3,1) ed avente come giacitura
i vettori w=(3,-1,1) w’=(-2,2,3).
Svolgimento
x x0 y y0 z z0
Si può utilizzare la formula (2) l m n = 0 cioè
l0 m0 n0
x+2 y 3 z 1
3 1 1 = 0 =) 5 (x + 2) 11(y 3) + 4(z 1) = 0
2 2 3
Oppure, ricordando che un vettore ortogonale al piano è n = w ^ w0
5
(cioè n? w e n? w0 ) risulta n 11 e applicare la formula
4
Condizione di parallelismo e perpendicolarità
0
Dati due piani : ax + by + cz + d = 0 e : a0 x + b0 y + c0 z + d0 = 0
con i rispettivi vettori ad essi ortogonali n = (a; b; c) ed n0 = (a0 ; b0 ; c0 ); si ha

0 a0 b0 c0
k () n k n0 () 9k 2 R tale che n0 = kn ()
= =
a b c
0
? () n ? n0 () n n0 = 0 () aa0 + bb0 + cc0 = 0

Dati il piano : ax + by + cz + d = 0 con il vettore ad esso ortogonale

n = (a; b; c) e la retta r di direzione u = (l; m; n); si ha

k r () n ? u () n u = 0 () al + bm + cn = 0
a b c
? r () n k u () 9k 2 R tale che n = ku () = =
l m n
Esercizi
1. Dati il punto P(1,1,2) e il piano : 3x + 2y z + 1 = 0; determinare
la retta r per P e perpendicolare a :
Svolgimento

12
 y y0
Utilizziamo la formula della retta per un punto x lx0 = m = z z0
n ed
imponiamo la condizione di perpendicolarità al = mb
= nc
(l, m,n si possono prendere proprio uguali ad a,b,c.)

y 1 x = 3z + 7
r: x 3 1 = 2 = z 2
1 =)
y = 2z + 4
2. Dati il piano :x y + 2z + 1 = 0; il punto P (0; 1; 1) e la retta
x=2
r: ; determinare la retta per P, incidente r e parallela ad :
y=z
Svolgimento
Step: punto generico di r R(2,h,h)
parametri della retta [P; R]
[P; R] k
2
[P; R] h 1 quindi [P; R] k =) al + bm + cn = 0 cioè
h+1
1 2 + (: 1)(h 1) + 2(h + 1) = 0 =)
2 1
h = 5 =) R(2; 5; 5) e quindi [P; R] 6 s 3
4 2
y = 3x +1
Ne segue [P; R] : x1 = y 31 = z+1
2 =) z = 2x 1

Distanza punto -piano

Siano P (x0 ; y0 ; z0 ) un punto e : ax + by + cz + d = 0 un piano, si

prova che
j ax0 + by0 + cz0 + d j
d(P; ) = p
a2 + b2 + c2
Esercizio
Dato P (1; 2; 1) determinare la distanza di P dal piano : 2x+y z 3 =
0:
Svolgimento p
d(P, ) = jaxp
0 +by0 +cz0 +dj
a2 +b2 +c2
= j2 1+1 2+( 1) ( 1) 3j
p 2
= p2
6
= 3
6
22 +12 +( 1)

Osservazione

Dall’equazione di un piano si deduce che una retta nello spazio è formata da

tutti i punti comuni a due piani, cioè la retta si può pensare come intersezione
di due piani.
Infatti la equazione
x x1 z z1
x x1 y y1 z z1 x2 x1 = z2 z1
r: x2 x1 = y 2 y1 = z2 z1 =) r : y y1 z z1 =)
y2 y1 = z2 z1

13
 8
< x= x2 x1
z x2 x1
z2 z1 z2 z1 z1
=) r : ( ) equazioni di una retta, in forma
: y= y2 y1
z y2 y1
z2 z1 z2 z1 z1
ridotta, come intersezione di due piani.

In generale una retta come intersezione di due piani è

ax + by + cz + d = 0
r:
a0 x + b0 y + c0 z + d0 = 0
Osservazione sui parametri di direzione di una retta

Ricordiamo che (l; m; n) 6= (0; 0; 0); se fosse n 6= 0 sarebbe (l; m; n) k

( nl ; m
n ; 1) per cui sempre la direzione di una retta può essere presa come una
terna
con un elemento uguale a 1.
Se la retta r =[P1 ; P2 ] con P1 6= P2 oppure è assegnata
tramite un punto P0 e la direzione u = (l; m; n); cioè della forma
x x0 y y0 z z0
= =
l m n

allora, per quanto detto prima, la retta r in forma ridotta può scriversi

x x0 = nl (z z0 )
r:
y y0 = m
n (z z0 )

oppure, più semplicemente, scegliendo come direzione di r (l; m; 1)

x x0 = l (z z0 )
r:
y y0 = m (z z0 )
Analogamente se fosse l 6= 0 cioè direzione (1; m; n) potremmo scrivere

y y0 = m (x x0 )
r:
z z0 = n (x x0 )

Analogamente se fosse m 6= 0 cioè direzione (l; 1; n) potremmo scrivere

y y0 = m (x x0 )
r:
z z0 = n (x x0 )

Prop. Se la retta r è scritta come intersezione di due piani generici

14
 ax + by + cz + d = 0
r: ;
a0 x + b0 y + c0 z + d0 = 0
allora una terna di parametri di direzione di r sono i determinanti dei
minori estratti dalla matrice
a b c
a0 b0 c0

eliminando ordinatamente la 3 ; 2 ; 1 colonna e cambiando di segno il

secondo.
Dim.
0
Siano : ax + by + cz + d = 0 con n = (a; b; c) ? ; e :
0 0 0 0 0
a x + b y + c z + d = 0 con n0 = (a0; b0; c0):Osserviamo che r = \ e
che n ? implica
n ortogonale ad ogni retta di e quindi anche ad r, analogamente per
n0:
Quindi se indichiamo con u = (l; m; n) una direzione di r risulta

(u ? n e u ? n0 ) =) u k n ^ n0

Per cui ricordando che

i j k
n ^ n0 = a b c
a0 b0 c0

segue che esiste k 2 R tale che

a b
l=k
a0 b0
a c
m= k :
a0 c0
b c
n=k
b0 c0

Esercizio

z = 2x + 5
1.Trovare i parametri di direzione delle seguenti rette r: ;
y=6
x = 3y 4
s:
z=1
Svolgimento

1 3
r 0 s 1 :
2 0

15
 3x + y 2z + 1 = 0
2. Determinare i parametri di direzione della retta r:
x y+z 3=0
a b c
Usiamo la formula dei minori estratti da
a0 b0 c0
1
r: 5
4

Def. Due rette r ed r0 si dicono sghembe se non giacciono non uno

stesso piano, cioè non parallele e non incidenti.

Def. Si dice retta di minima distanza di due rette sghembe r ed s

l’unica retta incidente r e s e perpendicolare ad entrambe.

Esercizio
x=z+1 x=z
Date le rette r: e s: ; dopo aver veri…cato che
y = 2z y=2
r,s sono sghembe, trovare la retta di minima distanza tra esse e la minima
distanza tra di esse .
Svolgimento
1 1
r 2 s 0 non sono proporzionali e quindi r / s; inoltre r \ s = ;
1 1 8
>
> x=z+1
<
y = 2z
poichè il sistema è
>
> x=z
:
y=2 0 1
1 0 1
B 0 1 2 C
incompatibile in quanto rangA = rang B@ 1 0
C = 3 e rang(A; B) =
1 A
0 0 1 0
1
1 0 1 1
B 0 1 2 0 C
rang B@ 1 0
C = 4 =) r; s sghembe
1 0 A
0 1 0 2
Calcoliamo la retta di minima distanza tr a r,s
Step: punto generico di r R(h+1,2h,h)
punto generico di s S(k,2,k)
[R; S] ? r e [R; S] ? s
k h 1 1 1
[R; S] 2 2h r 2 s 0
k h 1 1
[R; S] ? r =) k h 1 + (2 2h)2 + k h = 0 =) 2k 6h + 3 = 0
[R; S] ? s =) k h 1 + k h = 0 =) 2k 2h 1 = 0

16
 2k 6h + 3 = 0 h=1
Mettendo a sistema =) =) R(2; 2; 1) S( 23 ; 2; 32 )
2k 2h 1 = 0 k = 23
1
2 1
[R; S] 0 s 0
1
2 1
x 2 y 2 z 1
e quindi retta di minima distanza =[R; S] : 1 = 0 = 1 =)
x+z 3=0
y 2=0
q
3 2 3 2
Calcoliamo la minima distanza=d(R,S)= (2 2) + (2 2)2 + (1 2) =
p1
2

Fascio di piani

0
Dati i piani : ax + by + cz + d = 0 e : a0 x + b0 y + c0 z + d0 = 0; si
0
dice fascio = di piani individuato da e l’insieme dei piani di equazione

= : (ax+by+cz+d)+ (a0 x+b0 y+c0 z+d0 ) = 0 con ( , ) 6= (0; 0) fascio chiuso ( )

0
Se k si tratta di un fascio di piani paralleli.

Se , 0 si tratta di un fascio di piani passanti per la retta r :

ax + by + cz + d = 0
intersezione dei due piani. Infatti
a0 x + b0 y + c0 z + d0 = 0
se P (x; y; z) 2 r =) P (x; y; z) 2 e P (x; y; z) 2 0 =) ax+by+cz+d =
0 e a0 x + b0 y + c0 z + d0 = 0 =) P 2 = ( cioè ad ogni piano del fascio)

Oss.1 Per = 0 il piano del fascio è

0
= 0 il piano del fascio è

Oss.2 La ( ); se supponiamo per esempio 6= 0; si scrive

= : (ax + by + cz + d) + k(a0 x + b0 y + c0 z + d0 ) = 0 k 2 R fascio aperto

0
N.B. Per = 0 il piano del fascio è ; esso non si ottiene per alcun valore
di k.

Esempio
x+z 3=0
1. Data la retta r: scrivere il piano contenente r e
y 2=0
passante per P (1; 1; 0)
Svolgimento = : (x + z 3) + (y 2) = 0; imponiamo che P 2 =
(1 + 0 3) + (1 2) = 0 =) 2 = 0 =) = 2 per cui
6=0
: (x + z 3) 2 (y 2) = 0 =) :x 2y + z + 1 = 0

17
 2. Dati i punti P(1,2,3) Q(2,1,2) R(0,4,-1) determinare il piano per
P,Q,R.
Svolgimento
Step: retta [P; Q]
Fascio di piani contenenti la retta [P; Q]
passaggio del generico piano del fascio per R

x 1 y 2 z 3 x+z 4=0
retta [P; Q] : 1 = 1 = 1 =) =) usiamo un
y z+1=0
solo parametro
R2=
= : (x + z 4) + k(y z + 1) = 0 =) 0 1 4 + k(4 + 1 + 1) = 0 =)
5
=) k = 6 =) : 6x + 5y + z 19 = 0

Angolo tra due piani nello spazio

0
Def. Assegnati i piani con vettore normale n = (a; b; c) e con
^
0 0 0 0 0
vettore ortogonale n (a ; b ; c ); sia = (angolo diedro tra i due piani, "
ANGOLO DIEDRO è
una regione dello spazio delimitata da due semipiani aventi la stessa
retta origine"). Osservando che
^ ^
n n’= oppure n n’= 180
si ha
^
0
^ n n0 aa0 + bb0 + cc0
cos = cos # = cos n n’= == p p
k n kk n0 k a2 + b2 + c2 a02 + b02 + c2
oppure, come più volte detto,
^
0 jaa0 + bb0 + cc0 j
cos =p p
a2 + b2 + c2 a02 + b02 + c2

Angolo tra retta e piano nello spazio

Def. Assegnate la retta r di direzione u = (l; m; n) e il piano con

vettore ortogonale n(a; b; c), sia r0 la proiezione ortogonale di r sul
piano . Si dice angolo tra r e l’angolo tra le rette r ed r0, cioè

^ ^
r = r r0 = #
^
Osserviamo che u n = 90 # (uno dei due), per cui
^ ^ ^ al + bm + cn
senr = sen r r0 =sen # = cos(90 #) = cos u n = p p
a2 + b2 + c2 l2 + m2 + n2

18
 oppure, come già detto,

^ jal + bm + cnj
senr =p p
a2 + b2 + c2 l2 + m2 + n2

Esercizio
Dati il punto P0 ( 1; 0; 3) e il piano : x z + 5 = 0; determinare le rette
per P0 ( 1; 0; 3); parallele a e che
0
formano un angolo di 30 con il piano :y+z 3 = 0:
^
0
Svolgimento. 1.Retta r generica per P, 2. r k a ; 3:senr =
sen 6 = 12

1. r: x lx0 = y my0 = z z0
n ; cioè
y
r: x+1
l = m = n
z 3

2. r k a condizione di k al + bm + cn = 0; coiè
1l + 0m 1n = 0 =) l=n
^ ^
jal+bm+cnj
3. senr 0
= sen 6 = 12 ; senr 0
== p p
a2 +b2 +c2 l2 +m2 +n2
= 1
2
j0l+1m+1nj
cioè p p
02 +12 +12 l2 +m2 +n2
= 12 =)
jm+nj
=) p2pl2 +m2 +n2 = 21 =) 2 jm + nj =
p p
= 2 l2 + m2 + n2 =) 4(m + n)2 = 2(l2 + m2 + n2 ) =)
2 2 2
=) 2l 2m 2n 8mn = 0

Mettendo a sistema
l=n l=n l6=0 n=1
=) =) =)
2l2 2m2 2n2 8mn = 0 m2 4mn = 0 l=1 m2 +4m = 0
y
l = 1; n = 1; m = 0 r1 : x+1
1 =
z 3
0 = 1
=) =) y =)
l = 1; n = 1; m = 4 r2 : x+1
1 =
z 3
4 = 1
y=0 x=z 4
r1 : e r2 :
x=z 4 y = 4z + 12

Esercizi vari

1.Determinare la retta r per A(1; 1; 1) con direzione u = ( 1; 2; 3) e

la retta s parallela ad r e passante per B(5; 6; 4):
Svolgimento
Utilizziamo la x lx0 = y my0 = z nz0
x = 13 z + 34
r: x 11 = y 21 = z 3 1 =)
y = 23 z + 35
x = 13 z + 19 3x + z 19 = 0
s: x 15 = y 26 = z 3 4 =) 3 =)
y = 32 z + 263 3y + 2z 26 = 0

19
 x=z
2. Data la retta r: scrivere l’equazione del cono di vertice O,
y=z
asse r e semiapertura 6
Svolgimento

Il cono richiesto è il luogo delle rette passanti per O e formanti con r un

angolo di 6 : Quindi dobbiamo fare
retta s p
generica per O
^
cosrs = 23
y
La retta s : xl = m = nz ; si osservi che n6= 0
(n=0 geometricamente vuol dire che le rette di un cono sono su uno stesso
piano k xy ; perchè i punti di tali rette hanno la stessa quota)

x y x = lz
per cui s: l = m = z =)
y = mz

1
ed r 1
1
p p
^ jll0 +mm0
+nn0 j
cosrs = 2
3
=) p
2
3
=) pl2jl+m+1j
l2 +m2 +n2
p p =
l02 +m02 +n2
+m2 +12 3
=
p
3
p
2 =) 2 jl + m + 1j = 3 l2 + m2 + 12 =)
=) 4(l + m + 1)2 = 9(l2 + m2 + 12 ) =) 5l2 + 5m2 + 5 8lm 8 l 8m = 0

x = lz
Allora tutte le rette del cono sono le rette con la
y = mz
condizione 5l2 + 5m2 8lm 8l 8m + 5 = 0 al variare di l,m, cioè
8
< x = lz
y = mz equazione parametrica del cono
:
5l2 + 5m2 8lm 8l 8m + 5 = 0

Se vogliamo quella cartesiana si eliminano i parametri

x 2 y 2
5 z +5 z 8 xz yz 8 x
z 8 yz +5 = 0 =) 5x2 +3y 2 +5z 2 8xy 8xz 8yz =
0

20