Sei sulla pagina 1di 240

Algebra Lineare

(parte I)
by www.extrabyte.info
Il contenuto di questo manuale `e distribuito secondo la
Creative Commons License v. 2.5
Attribuzione - Non commerciale - Non opere derivate
Il testo completo della licenza alla seguente URL:
http://creativecommons.org/
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis


scaricato da www.riccardogalletti.com/appunti_gratis/
Indice
I Spazi vettoriali 4
1 Matrici e determinanti 5
1.1 Denizione di matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Classicazione delle matrici . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Operazioni elementari sulle matrici . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.1 Somma e dierenza di matrici . . . . . . . . . . . . . . . . . . . . . . 9
1.4 Determinanti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.5 Minori di una matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.6 Teorema di Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.7 Altre propriet`a delle matrici . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.8 Inversa di una matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1.9 Rango di una matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.10 Esercizi proposti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.10.1 Operazioni sulle matrici e classicazione delle matrici . . . . . . . . . 35
1.10.2 Minori e complementi algebrici . . . . . . . . . . . . . . . . . . . . . 50
1.10.3 Calcolo di determinanti del secondo ordine . . . . . . . . . . . . . . . 52
1.10.4 Calcolo di determinanti del terzo ordine . . . . . . . . . . . . . . . . 53
1.10.5 Calcolo di determinanti di ordine qualsiasi . . . . . . . . . . . . . . . 53
2 Spazi vettoriali 61
2.1 Denizione assiomatica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.2 Dipendenza ed indipendenza lineare di vettori . . . . . . . . . . . . . . . . . 66
2.3 Sottospazio vettoriale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
2.4 Sistemi di ordine massimo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
2.5 Basi e dimensioni di uno spazio vettoriale . . . . . . . . . . . . . . . . . . . . 79
2.6 Spazi innito-dimensionali . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
2.7 Cambiamento di base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
2.8 Somma di due spazi vettoriali . . . . . . . . . . . . . . . . . . . . . . . . . . 84
2.9 Esercizi proposti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
2.9.1 Soluzioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
II Omomorsmi ed isomorsmi 101
3 Applicazioni lineari tra spazi vettoriali 102
3.1 Denizione assiomatica di applicazione lineare . . . . . . . . . . . . . . . . . 102
1
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
3.2 Esercizi proposti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
3.2.1 Soluzioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
4 Omomorsmi e isomorsmi 110
4.1 Introduzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
4.2 Denizione assiomatica e teoremi conseguenti . . . . . . . . . . . . . . . . . 112
4.3 Esercizi proposti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
4.3.1 Soluzioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120
4.4 Lo spazio vettoriale Hom(E, F) . . . . . . . . . . . . . . . . . . . . . . . . . 123
4.5 Matrice rappresentativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
4.5.1 Prodotto di endomorsmi . . . . . . . . . . . . . . . . . . . . . . . . 127
4.5.2 Endomorsmo inverso . . . . . . . . . . . . . . . . . . . . . . . . . . 130
4.5.3 Esercizi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
4.6 Autovalori e autovettori di un endomorsmo . . . . . . . . . . . . . . . . . . 134
4.6.1 Denizioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
4.6.2 Polinomio caratteristico . . . . . . . . . . . . . . . . . . . . . . . . . 136
4.6.3 Endomorsmi diagonalizzabili . . . . . . . . . . . . . . . . . . . . . . 139
4.6.4 Proiettori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
4.6.5 Esercizi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
4.7 Similitudine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
4.7.1 Matrici simili . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
5 Spazio duale 167
5.1 Funzionali lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
5.2 Cambiamento di base nello spazio duale. . . . . . . . . . . . . . . . . . . . . 172
6 Spazi vettoriali euclidei 180
6.1 Introduzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
6.2 Prodotto scalare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
6.3 Tensore metrico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 182
6.4 Spazi vettoriali propriamente euclidei e pseudoeuclidei . . . . . . . . . . . . . 184
6.5 Norma di un vettore . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
6.6 Spazi metrici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
6.7 Base ortonormale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
6.8 Segnatura della metrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 188
6.9 Polinomi ortonormali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189
6.10 Spazi euclidei isomor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
6.11 Complemento ortogonale di un sottospazio vettoriale e proiettori ortogonali . 196
6.12 Componenti covarianti e controvarianti . . . . . . . . . . . . . . . . . . . . . 199
6.13 Applicazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201
7 Spazi vettoriali unitari 202
7.1 Aggiunto di un operatore lineare . . . . . . . . . . . . . . . . . . . . . . . . . 204
7.2 Operatori hermitiani . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
7.3 Operatori unitari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
7.4 Operatori normali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210
2
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
8 Spazi vettoriali euclidei (2parte) 215
III Appendici 217
A Soluzioni degli esercizi proposti 218
A.1 Operazioni sulle matrici e calcolo di determinanti del secondo ordine . . . . . 218
A.2 Determinanti del terzo ordine . . . . . . . . . . . . . . . . . . . . . . . . . . 221
A.3 Determinanti di ordine qualsiasi . . . . . . . . . . . . . . . . . . . . . . . . . 222
A.3.1 end . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239
3
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Parte I
Spazi vettoriali
4
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Capitolo 1
Matrici e determinanti
1.1 Denizione di matrice
Una matrice `e un array (aggregato) di m n elementi disposti per n righe e m colonne.
Scriviamo:
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
m1
a
m2
... a
mn
_
_
_
_
(1.1)
A volte si utilizza la seguente notazione simbolica:
A = (a
ij
) con i = 1, ..., n; j = 1, ..., m
Gli elementi a
ij
possono essere numeri (o funzioni) reali o complessi.
Se m = n si dice che A `e una matrice quadrata di ordine n. Ad es.:
A =
_
1 0
2 3
_
A `e una matrice quadrata di ordine 2.
B =
_
_

2 cosh t 5e
t
2 sin t e
2t

2 sinh t 10 sin t
_
_
B `e una matrice 3 2 i cui elementi sono funzioni del tempo t.
1.2 Classicazione delle matrici
Consideriamo una matrice A(mn):
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
m1
a
m2
... a
mn
_
_
_
_
(1.2)
5
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Si denisce matrice trasposta di A e si indica con A
T
la matrice (mn) ottenuta da A
scambiando le righe per le colonne:
A
T
= (b
ij
) = (a
ji
)
=
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
m1
a
m2
... a
mn
_
_
_
_
Ad esempio, la trasposta della matrice:
A =
_
1 2 3
4 5 6
_
,
`e:
A
T
=
_
_
1 4
2 5
3 6
_
_
***
Consideriamo la matrice quadrata di ordine n:
A = (a
ij
) , con i, j = 1, 2, ..., n
Abbiamo la seguente denizione:
i > j, a
ij
= 0)
def
=(A `e una matrice triangolare alta (1.3)
Risulta:
A =
_
_
_
_
_
_
a
11
a
12
a
13
... a
1n
0 a
22
a
23
... a
2n
0 0 a
33
... a
3n
... ... ... ... ...
0 0 0 0 a
nn
_
_
_
_
_
_
(1.4)
Viceversa:
i < j, a
ij
= 0)
def
=(A `e una matrice triangolare bassa (1.5)
Risulta:
A =
_
_
_
_
_
_
a
11
0 0 ... 0
a
21
a
22
0 ... 0
a
31
a
32
a
33
... 0
... ... ... ... ...
a
n1
a
n2
a
n3
... a
nn
_
_
_
_
_
_
(1.6)
6
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Nel caso speciale in cui la matrice quadrata di ordine n, A = (a
ij
) `e simultaneamente alta e
bassa, si ha:
i ,= j, a
ij
= 0)
def
=(A `e una matrice diagonale (1.7)
La (1.7) implica:
A =
_
_
_
_
_
_
a
11
0 0 ... 0
0 a
22
0 ... 0
0 0 a
33
... 0
... ... ... ... ...
0 0 0 ... a
nn
_
_
_
_
_
_
, (1.8)
e viene indicata con la notazione simbolica:
A = diag (a
11
, a
22
, a
33
, ..., a
nn
) (1.9)
Se a
11
= a
22
= ... = a
nn
= k, la matrice si dice scalare, e per k = 1, la (1.9) `e la matrice
identit`a di ordine n:
I
n
=
_
_
_
_
_
_
1 0 0 ... 0
0 1 0 ... 0
0 0 1 ... 0
... ... ... ... ...
0 0 ... ... 1
_
_
_
_
_
_
(1.10)
= diag (1, 1, 1, ..., 1)
Quando non `e rilevante lordine n della matrice, la matrice identit`a si indica semplicemente
con I.
***
Sia A una matrice quadrata di ordine n.
A = A
T
def
=A `e simmetrica (1.11)
A = A
T
def
=A `e antisimmetrica
Cio`e, rispettiavamente:
i, j 1, 2, 3, ..., n , a
ij
= a
ji
(1.12)
i, j 1, 2, 3, ..., n , a
ij
= a
ji
Esempi.
A =
_
_
1 2 3
2 4 5
3 5 6
_
_
(1.13)
7
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
La (1.13) `e simmetrica:
A
T
=
_
_
1 2 3
2 4 5
3 5 6
_
_
= A
B =
_
_
0 2 3
2 0 4
3 4 0
_
_
(1.14)
La (1.14) `e antisimmetrica:
B
T
=
_
_
0 2 3
2 0 4
3 4 0
_
_
= B
***
Sia A una matrice quadrata di ordine n sul campo complesso C, cio`e a
ij
C. Si denisce
matrice coniugata di A, la matrice quadrata di ordine n i cui elementi sono i complessi
coniugati degli elementi di A:
A

def
=
_
a

ij
_
Ad esempio:
A =
_
4 + 5i 3i
2 2

3i
_
=A

=
_
4 5i 3i
2 2 +

3i
_
Sussiste la propriet`a:
(A

= A
***
Sia A una matrice quadrata di ordine n sul campo complesso C. Abbiamo le seguenti
denizioni:
(A

)
T
= A
def
=A `e hermitiana (1.15)
(A

)
T
= A
def
=A `e antihermitiana
Cio`e, rispettivamente:
8
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
i, j 1, 2, ..., n , a

ji
= a
ij
_
def
=A `e hermitiana
i, j 1, 2, ..., n , a

ji
= a
ij
_
def
=A `e antihermitiana
Ad esempio:
A =
_
_
1 1 i 2
1 +i 3 i
2 i 0
_
_
Passando alla trasposta della coniugata:
(A

)
T
=
_
_
1 1 i 2
1 +i 3 i
2 i 0
_
_
= A,
donde A `e hermitiana.
B =
_
_
1 1 i 2
1 i 3i i
2 i 0
_
_
Passando alla trasposta della coniugata:
(B

)
T
=
_
_
1 1 +i 2
1 +i 3i i
2 i 0
_
_
= B,
donde B `e antihermitiana.
1.3 Operazioni elementari sulle matrici
1.3.1 Somma e dierenza di matrici
Sian A = (a
ij
), B = (b
ij
) con i = 1, 2, ..., m; j = 1, 2, ...n. Si denisce somma di A e B, la
matrice mn:
A +B = (c
ij
) , (1.16)
essendo:
c
ij
= a
ij
+ b
ij
(1.17)
La dierenza A B `e la somma A + (B), essendo B = (b
ij
). Quindi:
9
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
A B = (d
ij
) ,
con
d
ij
= a
ij
b
ij
Esempio.
A =
_
2 7 0
1 5 9
_
, B =
_
4 1 0
1 5 9
_
Abbiamo:
A + B =
_
2 6 0
0 0 0
_
A B =
_
6 8 0
2 10 18
_
Consideriamo le matrici A(n m) e B(mp):
A =
_
_
_
_
a
11
a
12
... a
1m
a
21
a
22
... a
2m
... ... ... ...
a
n1
a
n2
... a
nm
_
_
_
_
; B =
_
_
_
_
b
11
b
12
... b
1p
b
21
b
22
... b
2p
... ... ... ...
b
m1
b
m2
... b
mp
_
_
_
_
(1.18)
che possono essere indicate con la notazione compatta:
A = (a
ij
) , i = 1, 2, ..., n; j = 1, 2, ..., m
B = (b
ij
) , i = 1, 2, ...m; j = 1, 2, ..., p
Si denisce matrice prodotto righe per colonne e si indica con AB, la matrice n p:
AB = (c
ij
) , i = 1, 2, ...n; j = 1, 2, ..., p (1.19)
essendo:
c
ij
=
m

k=1
a
ik
b
kj
(1.20)
Esempio 1 Date le matrici:
A =
_
_
2 1 0
3 2 0
1 0 1
_
_
; B =
_
_
1 1 1 0
2 1 1 0
2 3 1 2
_
_
Determinare la matrice AB.
10
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Soluzione 2 Abbiamo A(3 3) , B(3 4), quindi AB(3 4). Applicando la (1.20):
AB =
_
_
4 3 3 0
7 5 5 0
3 4 2 2
_
_
Ci`o premesso, sussiste il
Teorema 3 Siano A(n m) e B(mp). Risulta:
(AB)
T
= B
T
A
T
(1.21)
Dimostrazione. Poniamo:
A = (a
ij
) con i = 1, ..., n; j = 1, ..., m
B = (b
ij
) con i = 1, ..., m; j = 1, ..., p
Indichiamo con un apice gli elementi di matrice delle rispettive trasposte:
A
T
=
_
a

ij
_
con a

ij
= a
ji
(1.22)
B
T
=
_
b

ij
_
con b

ij
= b
ji
Il prodotto di A e B:
AB = (c
ij
) con c
ij
=
m

k=1
a
ik
b
kj
(1.23)
la cui trasposta `e
(AB)
T
=
_
c

ij
_
con c

ij
= c
ji
=
m

k=1
a
jk
b
ki
(1.24)
Il prodotto di B
T
e A
T
:
B
T
A
T
=
_
c

ij
_
con c

ij
=
m

k=1
b

ik
a

kj
(1.25)
Per le (1.22):
c

ij
=
m

k=1
b
ki
a
jk
= c

ij
=B
T
A
T
= (AB)
T
,
donde lasserto.
Teorema 4 Se A `e una matrice quadrata di ordine n, la matrice A + A
T
`e simmetrica.
Dimostrazione. Poniamo A = (a
ij
) con i, j = 1, 2, ..., n. Quindi, A
T
= (a
ji
); la somma `e:
A + A
T
= (
ij
) ,
essendo:

ij
= a
ij
+ a
ji
Risulta:

ji
=
ij
, i, j = 1, 2, ..., n
donde la simmetria di A +A
T
.
11
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Teorema 5 Se A `e una matrice quadrata di ordine n, la matrice AA
T
`e antisimmetrica.
Dimostrazione. Poniamo A = (a
ij
) con i, j = 1, 2, ..., n. Quindi, A
T
= (a
ji
); la dierenza
`e:
A A
T
= (
ij
) ,
essendo:

ij
= a
ij
a
ji
Risulta:

ji
=
ij
, i, j = 1, 2, ..., n
donde lantisimmetria di A A
T
.
Corollario 6 Ogni matrice quadrata si esprime come somma di una matrice simmetrica e
di una matrice antisimmetrica.
Dimostrazione. Sia A = (a
ij
) con i, j = 1, 2, ..., n. Il generico elemento di matrice pu`o
scriversi:
a
ij
= a
ij
+
1
2
a
ji

1
2
a
ji
(1.26)
=
1
2
a
ij
+
1
2
a
ij
+
1
2
a
ji

1
2
a
ji
=
1
2
(a
ij
+ a
ji
) +
1
2
(a
ij
a
ji
)
La (1.26) implica:
A =
1
2
_
A + A
T
_
. .
simmetrica
+
1
2
_
A A
T
_
. .
antisimmetrica
,
donde lasserto.
Denizione 7 Se A `e una matrice quadrata, diremo che A `e ortogonale se:
AA
T
= A
T
A = I, (1.27)
essendo A
T
la matrice trasposta di A. In altri termini, la matrice A `e ortogonale se linversa
(per tale denizione vedere 1.8) coincide con la trasposta:
A
1
= A
T
(1.28)
Denizione 8 Se A `e una matrice quadrata di ordine n e se p N, la potenza p-esima di
A `e:
A
p
= A A ... A
. .
p volte
Denizione 9 Se A `e una matrice quadrata di ordine n si dice che A `e idempotente, se:
A
2
= A
12
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Denizione 10 Se A `e una matrice quadrata di ordine n e se p N, si dice che A `e
nilpotente di ordine p, se:
A
p
= 0
Teorema 11 Se A `e nilpotente di ordine p, ogni intero p

> p `e ordine di nilpotenza per A.


Dimostrazione.
p

> p, A
p

= A
p
A
p

p
= 0 A
p

p
= 0
Teorema 12 A `e nilpotente di ordine p = 2) =(s N, A(I A)
s
= A
Dimostrazione. La dimostrazione segue per calcolo diretto:
s = 1 =A(I A) = A A
2
= A
s = 2 =A(I A)
2
= A 2A
2
+ A
3
= A
...
s = s =A(I A)
s
= A
***
Assegnate due matrici quadrate dello stesso ordine A(n n), B(n n), si osservi che in
generale il prodotto righe per colonne non `e commutativo, cio`e:
AB ,= BA
Se risulta:
AB = BA
si dice che A e B commutano o che il prodotto AB `e commutativo.
Se risulta:
AB = BA
si dice che A e B anticommutano o che il prodotto AB `e anticommutativo.
Possiamo poi considerare la potenza k-sima di una matrice quadrata:
A
k
= A A ... A
. .
k volte
Si consideri ad esempio, la matrice quadrata di ordine 3:
A =
_
_
2 1 1
0 1 2
1 0 1
_
_
Abbiamo:
13
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
A
2
=
_
_
2 1 1
0 1 2
1 0 1
_
_

_
_
2 1 1
0 1 2
1 0 1
_
_
=
_
_
5 3 1
2 1 4
3 1 2
_
_
A
3
= A
2
A =
_
_
5 3 1
2 1 4
3 1 2
_
_

_
_
2 1 1
0 1 2
1 0 1
_
_
=
_
_
11 8 0
8 1 8
8 4 3
_
_
Verichiamo che il prodotto A
2
A `e commutativo:
A A
2
=
_
_
2 1 1
0 1 2
1 0 1
_
_

_
_
5 3 1
2 1 4
3 1 2
_
_
=
_
_
11 8 0
8 1 8
8 4 3
_
_
= A
2
A
Determiniamo A
5
:
A
5
= A
2
A
3
=
_
_
5 3 1
2 1 4
3 1 2
_
_

_
_
11 8 0
8 1 8
8 4 3
_
_
=
_
_
39 41 21
62 33 20
41 31 2
_
_
Si osservi che A
2
A
3
`e commutativo:
A
3
A
2
=
_
_
11 8 0
8 1 8
8 4 3
_
_

_
_
5 3 1
2 1 4
3 1 2
_
_
=
_
_
39 41 21
62 33 20
41 31 2
_
_
= A
2
A
3
14
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
1.4 Determinanti
Abbiamo visto che una matrice `e un array di mn numeri. Nel caso speciale di una matrice
quadrata:
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
, (1.29)
`e possibile associare a tale array un numero, che si chiama determinante della matrice e si
indica con il simbolo det A,
det A =

a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn

Per n = 1, si pone per denizione:


det A
def
= a
11
Per denire det A nel caso n 2, dobbiamo introdurre la nozione di prodotto associato
alla matrice (1.29). A tale scopo chiediamoci se sia possibile prendere tra gli n
2
elementi di
A, un sottoinsieme S costituito da n elementi tali che:
a
ij
, a
hk
S, (i ,= h, j ,= k)
cio`e due qualunque elementi di S non appartengono n`e alla stessa riga, n`e alla stessa colonna.
Quindi il sottoinsieme deve essere del tipop:
S = a
h
1
k
1
, a
h
2
k
2
, ..., a
h
n
k
n

con h
i
, k
i
tali che:
i, j 1, 2, ..., n , i ,= j =(h
i
,= h
j
, k
i
,= k
j
)
Cio`e
h
1
, h
2
, ..., h
n
(1.30)
k
1
, k
2
, ..., k
n
sono permutazioni arbitrarie (distinte o coincidenti) degli elementi 1, 2, 3, ..., n.
Ad esempio, per n = 5 consideriamo:
(h
1
, h
2
, ..., h
n
) = (4, 2, 1, 3, 5)
(k
1
, k
2
, ..., k
n
) = (2, 4, 3, 1, 5)
ottenendo:
15
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
S = a
42
, a
24
, a
13
, a
31
, a
55
(1.31)
Quindi, gli elementi dellinsieme (1.31) soddisfano la condizione richiesta.
Siano ora h e k le inversioni della prima e seconda delle (1.30), rispettivamente. Il prodotto
associato alla matrice quadrata (1.29) `e per denizione:
(1)
h+k
a
h
1
k
1
a
h
2
k
2
...a
h
n
k
n
Si osservi che:
(1)
h+k
= +1, se h + k `e pari
(1)
h+k
= 1, altrimenti
Inoltre h +k `e pari se h, k hanno la medesima parit`a, cio`e se le due permutazioni sono della
stessa classe. Viceversa, se h +k `e dispari.
Per n = 2:
A =
_
a
11
a
12
a
21
a
22
_
Abbiamo i seguenti sottoinsiemi:
a
11
, a
22
a
12
, a
21
e i relativi prodotti associati:
+ a
11
a
21
a
21
a
22
Da ci`o segue che per ottenere tutti i prodotti associati basta tenere sso uno degli indici
h
i
, k
i
, facendo variare laltro in tutti i modi possibili, per cui il numero di prodotti associati
ad una matrice di ordine n, `e pari a n! Ad esempio, per n = 3:
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
abbiamo 3! = 6 prodotti associati. Infatti gli insiemi sono:
a
11
, a
22
, a
33
a
12
, a
21
, a
33
a
13
, a
21
, a
32
a
13
, a
23
, a
31
a
11
, a
23
, a
32
a
11
, a
23
, a
32
16
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Nel caso generale, il determinante di A `e la somma degli n! prodotti associati. Per eseguire la
somma si pu` o ssare la n-pla h
1
, h
2
, ..., h
n
, per poi variare in tutti i modi possibili k
1
, k
2
, ..., k
n
,
o viceversa. Abbiamo quindi:
det A = (1)
h

k
1
k
2
...k
n
(1)
k
a
h
1
k
1
a
h
2
k
2
...a
h
n
k
n
(1.32)
det A = (1)
k

h
1
h
2
...h
n
(1)
h
a
h
1
k
1
a
h
2
k
2
...a
h
n
k
n
Nel caso speciale in cui (h
1
, h
2
, ..., h
n
) = (1, 2, ..., n), la prima delle (1.32) diventa (h = 0):
det A =

k
1
k
2
...k
n
(1)
k
a
1k
1
a
2k
2
...a
nk
n
(1.33)
Nel caso speciale in cui (k
1
, k
2
, ..., k
n
) = (1, 2, ..., n), la seconda delle (1.32) diventa (k = 0):
det A =

h
1
h
2
...h
n
(1)
h
a
h
1
1
a
h
2
2
...a
h
n
n
(1.34)
Ad esempio, per n = 3:
det A =

a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33

= a
11
a
22
a
33
a
11
a
23
a
32
a
21
a
12
a
33
+ a
21
a
13
a
32
+ a
31
a
12
a
23
a
31
a
13
a
22
Per n = 4
det A =

a
11
a
12
a
13
a
14
a
21
a
22
a
23
a
24
a
31
a
32
a
33
a
34
a
41
a
42
a
43
a
44

= a
11
a
22
a
33
a
44
a
11
a
22
a
34
a
43
a
11
a
32
a
23
a
44
+ a
11
a
32
a
24
a
43
+a
11
a
42
a
23
a
34
a
11
a
42
a
24
a
33
a
21
a
12
a
33
a
44
+ a
21
a
12
a
34
a
43
+a
21
a
32
a
13
a
44
a
21
a
32
a
14
a
43
a
21
a
42
a
13
a
34
+ a
21
a
42
a
14
a
33
+ a
31
a
12
a
23
a
44
a
31
a
12
a
24
a
43
a
31
a
22
a
13
a
44
+ a
31
a
22
a
14
a
43
+ a
31
a
42
a
13
a
24
a
31
a
42
a
14
a
23
a
41
a
12
a
23
a
34
+ a
41
a
12
a
24
a
33
+ a
41
a
22
a
13
a
34
a
41
a
22
a
14
a
33
a
41
a
32
a
13
a
24
+ a
41
a
32
a
14
a
23
Da ci`o segue che al crescere di n, aumenta la complessit`a del calcolo diretto del determinante.
Fortunatamente esistono teoremi che riducono tale complessit` a di calcolo.
Teorema 13 Se A `e una matrice quadrata di ordine n:
det A = det A
T
17
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Dimostrazione. Siano:
det A =

a
11
... a
1n
... ... ...
a
n1
... a
nn

det A
T
=

11
... a

1n
... ... ...
a

n1
... a

nn

Per denizione di matrice trasposta:


a

hk
= a
kh
(1.35)
Il determinante di A:
det A =

k
1
k
2
...k
n
(1)
k
a
1k
1
a
2k
2
...a
nk
n
Per la (1.35):
det A =

k
1
k
2
...k
n
(1)
k
a

k
1
1
a

k
2
2
...a

k
n
n
= det A
T
Teorema 14 Sia A una matrice quadrata di ordine n. Se negli indici di riga eseguiamo la
sostituzione:
(1, 2, ..., n) (h
1
, h
2
, ..., h
n
) (1.36)
otteniamo una nuova matrice quadrata di ordine n, che indichiamo con A

. Risulta:
det A

= (1)
h
det A,
essendo h il numero di inversioni della sostituzione (1.36).
Dimostrazione. Poniamo A

= (a

hk
):
a

1r
= a
h
1
r
, a

2r
= a
h
2
r
, ...,a

nr
= a
h
n
r
con r = 1, 2, ..., n
Abbiamo:
det A

k
1
k
2
...k
n
(1)
k
a

1k
1
a

2k
2
...a

nk
n
=

k
1
k
2
...k
n
(1)
k
a
h
1
k
1
a
h
2
k
2
...a
h
n
k
n
= (1)
h
det A
Ad esempio, consideriamo la matrice
18
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
Eseguiamo la sostituzione degli indici di riga:
(1, 2, 3) (3, 1, 2) (1.37)
Quindi:
a

11
= a
31
, a

21
= a
11
, a
31
= a
21
a

21
= a
11
, a

22
= a
12
a

23
= a
13
a

31
= a
21
, a

32
= a
22
, a

33
= a
23
Da cui:
A

=
_
_
a
31
a
32
a
33
a
11
a
12
a
13
a
21
a
22
a
23
_
_
Si osservi che la sostituzione (1.37) presenta due inversioni, quindi h = 2. Il determinante di
A

`e:
det A

= (1)
2
det A = det A
In maniera analoga si dimostra il seguente
Teorema 15 Sia A una matrice quadrata di ordine n. Se negli indici di colonna eseguiamo
la sostituzione:
(1, 2, ..., n) (k
1
, k
2
, ..., k
n
) (1.38)
otteniamo una nuova matrice quadrata di ordine n, che indichiamo con A

. Risulta:
det A

= (1)
k
det A,
essendo k il numero di inversioni della sostituzione (1.38).
I due teoremi precedenti si specializzano nel seguente:
Teorema 16 Un determinante inverte il proprio segno se si scambiano due righe o due
colonne.
Dimostrazione. Poniamo:
det A =

a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn

(1.39)
19
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Senza ledere la generalit`a, scambiamo la prima riga con la seconda, ottenendo:
det A

a
21
a
22
... a
2n
a
11
a
12
... a
1n
... ... ... ...
a
n1
a
n2
... a
nn

(1.40)
Si osservi che (1.40) si ottiene da (1.39) attraverso la sostituzione di indici di riga:
(1, 2, ..., n) (2, 1, ..., n)
Tale sostituzione ha h = 1 inversioni. Per i teoremi precedenti:
det A

= det A
In maniera analoga si dimostra che
det A

= det A,
essendo det A

il determinante ottenuto da (1.39) scambiando la prima con la seconda


colonna.
Teorema 17 Se in una matrice quadrata A(n n) contiene due righe (o due colonne)
identiche, segue che det A = 0.
Dimostrazione. Senza ledere la generalit`a:
A =
_
_
_
_
a
11
a
12
... a
1n
a
11
a
12
... a
1n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
Se scambiamo la prima riga con la seconda otteniamo una matrice A

= A. Per il teorema
precedente:
det A

= det A
Daltro canto A

= A implica:
det A

= det A
donde:
det A = det A =det A = 0
cio`e lasserto.
Teorema 18 Sia A(n n) una matrice quadrata:
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
20
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Moltiplicando la riga i-esima per una costante , si ottiene la matrice
A

=
_
_
_
_
_
_
a
11
a
12
... a
1n
... ... ... ...
a

i1
a

i2
... a

in
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
_
_
,
essendo a

ir
= a
ir
.
Ci`o posto, i determinanti di A e A

sono legati dalla relazione:


det A

= det A
Dimostrazione. Nella (1.32) troviamo un fattore in ogni termine della sommatoria,
donde:
det A

= (1)
h

k
1
k
2
...k
n
(1)
k
a
h
1
k
1
a
h
2
k
2
...a
h
n
k
n
= det A
Da tale teorema segue che se gli elementi di una riga hanno un fattore comune , questo pu`o
essere posto fuori del determinante:

a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn

a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn

Il teorema precedente si generalizza al caso della moltiplicazione di una costante per gli
elementi di una colonna. Ad esempio:

a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn

a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn

Teorema 19 Se in una matrice quadrata A(n n), gli elementi di una riga (o di una
colonna) sono tutti nulli, si ha det A = 0.
Dimostrazione. Per il teorema (18):

a
11
a
12
... a
1n
... ... ... ...
0 0 ... 0
... ... ... ...
a
n1
a
n2
... a
nn

= 0

a
11
a
12
... a
1n
... ... ... ...
1 1 ... 1
... ... ... ...
a
n1
a
n2
... a
nn

= 0,
donde lasserto.
21
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Teorema 20 Se una matrice quadrata A(n n) contiene due righe (o due colonne) pro-
porzionali, allora `e det A = 0.
Dimostrazione. Qui per righe proporzionali intendiamo:
: a
s1
= a
r1
, a
s2
= a
r2
, ..., a
sn
= a
rn
,
donde:
det A =

a
11
a
12
... a
1n
... ... ... ...
a
r1
a
r2
... a
rn
... ... ... ...
a
r1
a
r2
... a
rn
... ... ... ...
a
n1
a
n2
... a
nn

a
11
a
12
... a
1n
... ... ... ...
a
r1
a
r2
... a
rn
... ... ... ...
a
r1
a
r2
... a
rn
... ... ... ...
a
n1
a
n2
... a
nn

= 0 = 0
1.5 Minori di una matrice
Consideriamo una matrice A(mn):
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
m1
a
m2
... a
mn
_
_
_
_
Sia p N 0 : p min m, n. Quindi prendiamo p righe di indice h
1
< h
2
< ... < h
p
, e
p colonne di indici k
1
, k
2
, ..., k
p
; in tal modo resta individuato il determinante:
a
h
1
h
2
...h
p
,k
1
k
2
...k
p
def
=

a
h
1
k
1
a
h
1
k
2
... a
h
1
k
p
a
h
2
k
1
a
h
2
k
2
... a
h
2
k
p
... ... ... ...
a
h
p
k
1
a
h
p
k
2
... a
h
p
k
p

(1.41)
Il determinante (1.41) si chiama minore di ordine p della matrice A. Ad esempio:
A =
_
1 0 5
2 1 3
_
(1.42)
22
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Assumiamo:
h
1
= 1, h
2
= 2
k
1
= 2, k
2
= 3
Quindi:
a
12,23
=

0 5
1 3

,
che `e un minore di ordine 2 della matrice (1.42).
Ora consideriamo il caso particolare di una matrice quadrata di ordine n :
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
Assegnati p 1, 2, ..., n 1, h
1
, h
2
, ..., h
p
, k
1
, k
2
, ..., k
p
abbiamo il minore di ordine p :
a
h
1
h
2
...h
p
,k
1
k
2
...k
p
=

a
h
1
k
1
a
h
1
k
2
... a
h
1
k
p
a
h
2
k
1
a
h
2
k
2
... a
h
2
k
p
... ... ... ...
a
h
p
k
1
a
h
p
k
2
... a
h
p
k
p

(1.43)
Al tempo stesso resta denito il minore di ordine n p:
a
h
p+1
h
p+2
...h
n
,k
p+1
k
p+2
...k
n
def
=

a
h
p+1
k
p+1
a
h
p+1
k
p+2
... a
h
n
k
n
a
h
p+2
k
p+1
a
h
p+2
k
p+2
... a
h
n
k
p
... ... ... ...
a
h
n
k
p+1
a
h
n
k
p+2
... a
h
n
k
n

(1.44)
Il minore (1.44) si chiama minore complementare del minore (1.43). Deniamo poi
complemento algebrico o aggiunto o cofattore del minore (1.43):
a

h
1
h
2
...h
p
,k
1
k
2
...k
p
= (1)
p

r=1
h
r
+
p

r=1
k
r
a
h
p+1
h
p+2
...h
n
,k
p+1
k
p+2
...k
n
Esempi numerici
A =
_
_
0 1 12
4 2 3
9 6 14
_
_
Poniamo: h
1
= 1, h
2
= 2; k
1
= 1, k
2
= 2, per cui h
p+1
= 3, k
p+1
= 3, essendo p = 2. Perci`o
il minore di ordine 2:
a
12,12
=

0 1
4 2

= 4
Il minore complementare del minore a
12,12
`e di ordine 1:
23
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
a
3,3
= det (14) = 14
Il complemento algebrico di a
12,12
`e:
a

12,12
= (1)
6
a
3,3
= 14
***
Sia:
A =
_
_
_
_
2 4 3 5
1 2 7 9
3 2 9 4
7 2 1 0
_
_
_
_
Prendiamo p = 2, donde: h
1
= 1, h
2
= 2; k
1
= 1, k
2
= 2
a
12,12
=

2 4
1 2

= 0
Il minore complentare del minore a
12,12
`e
a
34,34
=

9 4
1 0

= 4
Il complemento algebrico di a
12,12
`e:
a

12,12
= (1)
6
a
34,34
= 4
Sia:
A =
_
_
_
_
_
_
1 2 9 4 0
2 3 1 3 2
5 4 6 2 1
0 8 1 5 3
6 4 9 1 3
_
_
_
_
_
_
Consideriamo il minore del secondordine:
a
24,23
=

3 1
8 1

= 11
Il minore complementare di a
24,23
`e di ordine 3:
a
135,145
=

1 4 0
5 2 1
6 1 3

= 41
Il complemento algebrico di a
24,23
`e:
a

24,23
= (1)
6+5
a
135,145
= +41
24
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
***
Sia
A =
_
_
2 0 10
4 1 2
0 1 1
_
_
Abbiamo:
a
12,12
=

2 0
4 1

= 2
a
12,13
=

2 10
4 2

= 44
a
12,23
=

0 10
1 2

= 10
a
13,12
=

2 0
0 1

= 2
a
13,13
=

2 10
0 1

= 2
a
13,23
=

0 10
1 1

= 10
a
13,23
=

0 10
1 1

= 10
a
13,23
=

0 10
1 1

= 10
a
23,12
=

4 1
0 1

= 4
a
23,23
=

1 2
1 1

= 3
a
3,3
= det (1) = 1
a

12,12
= (1)
6
a
3,3
= 1
ecc.
***
La nozione di minore di ordine p si specializza nel caso p = 1. Pi` u specicatamente, un
qualunque elemento a
hk
di una matrice A(n n) `e un minore di ordine 1. Il complemento
algebrico di a
hk
`e:
a

hk
= (1)
h+k
M
hk
, (1.45)
essendo
25
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
M
hk
= det A
hk
Qui A
hk
`e la matrice complementare di A :
A =
_
_
_
_
_
_
_
_
_
_
_
_
a
11
... a
1,k1
a
1k
a
1,k+1
... a
1n
a
21
... a
2,k1
a
2k
a
2,k+1
... a
2n
... ... ... ... ... ... ...
a
h1,1
... a
h1,k1
a
h1,k
a
h1,k+1
... a
h1,n
a
h1
... a
h,k1
a
hk
a
h,k+1
... a
hn
a
h+1,1
... a
h+1,k1
a
h+1,k
a
h+1,k+1
... a
h+1,n
... ... ... ... ... ... ...
a
n1
... a
n,k1
a
nk
a
n,k+1
... a
nn
_
_
_
_
_
_
_
_
_
_
_
_
, (1.46)
cio`e la matrice quadrata di ordine n 1 ottenuta dalla (1.46) cancellando la riga h-esima e
la colonna k-esima:
A
hk
=
_
_
_
_
_
_
_
_
_
_
a
11
... a
1,k1
a
1,k+1
... a
1n
a
21
... a
2,k1
a
2,k+1
... a
2n
... ... ... ... ... ...
a
h1,1
... a
h1,k1
a
h1,k+1
... a
h1,n
a
h+1,1
... a
h+1,k1
a
h+1,k+1
... a
h+1,n
... ... ... ... ... ...
a
n1
... a
n,k1
a
n,k+1
... a
nn
_
_
_
_
_
_
_
_
_
_
1.6 Teorema di Laplace
Consideriamo la matrice quadrata:
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
Fissiamo p < n, dopodiche prendiamo p righe di indici: h
1
< h
2
< ... < h
p
. Resta cos`
individuata la matrice p n:
_
_
_
_
a
h
1
1
a
h
1
2
... a
h
1
n
a
h
2
1
a
h
2
2
... a
h
2
n
... ... ... ...
a
h
p
1
a
h
p
2
... a
h
p
n
_
_
_
_
Il numero di minori che possono essere estratti da tale matrice, `e pari al numero delle
combinazioni di classe p di n oggetti, cio`e
_
n
p
_
=
n!
p! (n p)!
Abbiamo quindi:
26
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
a
h
1
h
2
...h
p
,k
1
,k
2
,...,k
p
,
essendo k
1
< k
2
< ... < k
p
una qualunque combinazione di classe p di 1, 2, ..., n. Ci`o posto,
sussiste il Teorema di Laplace:
Teorema 21
det A =

k
1
k
2
...k
p
a
h
1
h
2
...h
p
,k
1
,k
2
,...,k
p
a

h
1
h
2
...h
p
,k
1
,k
2
,...,k
p
(1.47)
Dimostrazione. Omessa.
Nel caso speciale p = 1, la (1.47) si scrive:
det A =

k
a
hk
a

hk
(1.48)
che esprime lo sviluppo di un determinante secondo gli elementi di una riga assegnata (somma
degli
_
n
1
_
= n prodotti dei singoli elementi per i corrispondenti complementi algebrici).
In maniera analoga si dimostra lo sviluppo secondo gli elementi di una colonna assegnata.
Nella (1.48) a

hk
`e il complemento algebrico del minore a
hk
ed `e dato dalla (1.45) che
riscriviamo:
a

hk
= (1)
h+k
det A
hk
=
_
det A
hk
, h + k pari
det A
hk
, altrimenti
La relazione precedente suggerisce la seguente
Denizione 22 Un elemento a
hk
di una matrice quadrata, si dice di posto pari o di posto
dispari se h + k `e pari o dispari rispettivamente.
Esempi
A =
_
_
1 1 2
3 9 2
2 1 5
_
_
Sviluppiamo il determinante di A secondo gli elementi della prima riga:
det A = (+1)

9 2
1 5

+ (1)
1

3 2
2 5

+ 2

3 9
2 1

= 104,
poiche:
a

11
= (1)
2
A
11
= (+1)

9 2
1 5

12
= (1)
3
A
12
= (1)

3 2
2 5

22
= (1)
4
A
13
= (+1)

3 9
2 1

27
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
***
Calcoliamo il determinante
=

1 1 2 3
2 3 1 4
1 3 2 5
4 5 7 6

Sviluppando secondo gli elementi della seconda colonna:


=

2 1 4
1 2 5
4 7 6

+ 3

1 2 3
1 2 5
4 7 6

1 2 3
2 1 4
4 7 6

+ 5

1 2 3
2 1 4
1 2 5

Risulta:

2 1 4
1 2 5
4 7 6

= 36

1 2 3
1 2 5
4 7 6

= 48

1 2 3
2 1 4
4 7 6

= 60

1 2 3
2 1 4
1 2 5

= 0,
donde:
= 288
1.7 Altre propriet`a delle matrici
Sia A(n n) una matrice quadrata di ordine n. Senza ledere la generalit`a supponiamo che
a
ij
R. Fissiamo arbitrariamente p N : p < n, e le righe: h
1
< h
2
< ... < h
p
:
A =
_
_
_
_
_
_
_
_
_
_
_
_
a
11
a
12
... a
1n
... ... ... ...
a
h
1
1
a
h
1
2
... a
h
1
n
a
h
2
1
a
h
2
2
... a
h
n
n
... ... ... ...
a
h
p
1
a
h
p
2
... a
h
p
n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
_
_
_
_
_
_
_
_
(1.49)
28
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Fissiamo lattenzione sulle p righe:
(a
h
r
1
, a
h
r
2
, ..., a
h
r
n
) con r = 1, 2, ..., p
Se
1
,
2
, ...
p
R, consideriamo le combinazioni lineari:
b
1
=
1
a
h
1
1
+
2
a
h
2
1
+ ... +
p
a
h
p
1
b
2
=
1
a
h
1
2
+
2
a
h
2
2
+ ... +
p
a
h
p
2
...
b
n
=
1
a
h
1
n
+
2
a
h
2
n
+ ... +
p
a
h
p
n
Indichiamo con B la matrice ottenuta da (1.49) con la sostituzione
(a
i1
, a
i2
, ..., a
in
) (a
i1
+ b
1
, a
i2
+b
2
, ..., a
in
+ b
n
) ,
per un assegnato i 1, 2, ..., n h
1
, h
2
, ..., h
p
. Sussiste il
Teorema 23
det A = det B
Dimostrazione. Omessa.
Un caso particolare `e:
(a
i1
, a
i2
, ..., a
in
) (a
i1
+ a
r1
, a
i2
+ a
r2
, ..., a
in
+a
rn
) ,
essendo i, r 1, 2, ..., n con i ,= n. Tale sostituzione produce la matrice:
C =
_
_
_
_
_
_
a
11
a
12
... a
1n
... ... ... ...
a
i1
+ a
r1
a
i2
+ a
r1
... a
in
+ a
r1
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
_
_
Si ha:
det C = det A
Esempi
A =
_
_
1 2 5
4 1 1
2 1 1
_
_
det A =

1 2 5
4 1 1
2 1 1

= 36
Fissiamo p = 2, h
1
= 2, h
2
= 3. Quindi:
29
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
b
1
=
1
(4) +
2
(2)
b
2
=
1
(1) +
2
(1)
b
3
=
1
(1) +
2
(1)
Assumendo (
1
,
2
) = (1, 2):
b
1
= 0, b
2
= 3, b
3
= 1
Per i = 1:
B =
_
_
1 5 4
4 1 1
2 1 1
_
_
Un calcolo diretto porge:
det B = 36
***
Sia:
A =
_
_
1 1 0
2 1 1
3 7 2
_
_
det A =

1 1 0
2 1 1
3 7 2

= 4
Eseguiamo la sostituzione:
(a
11
, a
12
, a
13
) (a
11
+ a
21
, a
12
+ a
22
, a
13
+ a
23
)
Per = 1
(1, 1, 0) (3, 0, 1)
donde:
B =
_
_
3 0 1
2 1 1
3 7 2
_
_
det B =

3 0 1
2 1 1
3 7 2

= 4
30
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Per = 1/2
(1, 1, 0)
_
0,
3
2
,
1
2
_
donde:
C =
_
_
0
3
2

1
2
2 1 1
3 7 2
_
_
det C =

0
3
2

1
2
2 1 1
3 7 2

= 4
Eseguiamo la sostituzione:
(a
21
, a
22
, a
23
) (a
21
+ a
11
, a
22
+ a
12
, a
23
+ a
13
)
Per = 2:
(2, 1, 1) (0, 3, 1) ,
donde:
D =
_
_
0
3
2

1
2
2 1 1
3 7 2
_
_
det C =

1 1 0
0 3 1
3 7 2

= 4
Osservazione 24 I teoremi precedenti continuano a valere nel caso di sostituzioni per
colonna. Ad esempio:
A =
_
_
1 2 3
1 1 4
5 2 1
_
_
det A =

1 2 3
1 1 4
5 2 1

= 14
Eseguiamo la sostituzione per colonna:
(a
11
, a
21
, a
31
) (a
11
+a
12
, a
21
+ a
22
, a
31
+a
32
)
Per = 1
(1, 1, 5) (3, 0, 7) ,
31
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
donde:
B =
_
_
1 3 3
1 0 4
5 7 1
_
_
det B =

1 3 3
1 0 4
5 7 1

= 14
Teorema 25 Sia A(n n) e p 1, 2, ..., n 1. Fissiamo quindi h
1
< h
2
< h
p
.
i
0
1, 2, ..., n : (a
i
0
1
, a
i
0
2
, ..., a
i
0
n
) =
p

j=1

j
_
a
h
j
1
, a
h
j
2
, ..., a
h
j
n
_
=det A = 0
j
0
1, 2, ..., n : (a
1j
0
, a
2j
0
, ..., a
nj
0
) =
p

i=1

i
(a
1h
i
, a
2h
i
,
..., a
nh
i
) =det A = 0
Dimostrazione. Omessa.
Secondo il teorema precedente, un determinante `e nullo se una riga (o una colonna) `e
combinazione lineare di altre righe (o di altre colonne). Ad esempio:
A =
_
_
5 7 19
1 2 5
1 1 3
_
_
Qui `e:
(5, 7, 19) = 2 (1, 2, 5) + 3 (1, 1, 3) ,
donde
det A = 0
come confermato da un calcolo diretto.
Teorema 26 Siano A, B matrici quadrate di ordine n.
det (A B) = (det A) (det B)
Dimostrazione. Omessa.
1.8 Inversa di una matrice
Consideriamo la matrice quadrata di ordine n :
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
, (1.50)
32
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Secondo la (1.45) per ogni elemento a
hk
resta univocamente denito il suo complemento
algebrico a

hk
:
a
hk
a

hk
= (1)
h+k
det A
hk
Resta cos` denita la matrice quadrata di ordine n:
A
(a)
def
=
_
_
_
_
a

11
a

12
... a

1n
a

21
a

22
... a

2n
... ... ... ...
a

n1
a

n2
... a

nn
_
_
_
_
T
che si chiama matrice aggiunta della matrice A. In altri termini, la matrice aggiunta `e la
trasposta della matrice dei complementi algebrici.
Denizione 27 Una matrice quadrata `e non singolare se il suo determinante `e non nullo.
Nel caso contrario, la matrice `e singolare.
Denizione 28 Sia A una matrice quadrata di ordine n. Se A `e non singolare, si denisce
inversa di A e si indica con A
1
la matrice quadrata di ordine n tale che:
AA
1
= A
1
A = I
n
,
essendo I
n
la matrice identit`a di ordine n.
Proposizione 29 Sia A una matrice quadrata di ordine n non singolare. La sua inversa `e:
A
1
=
A
(a)
det A
(1.51)
Dimostrazione. Omessa.
***
Denizione 30 Una matrice quadrata di ordine n si dice involutoria se coincide con la
propria inversa:
A
1
= A A
2
= I
Esempi
Sia
A =
_
_
1 1 0
4 3 2
2 2 5
_
_
det A = 43
La matrice aggiunta `e:
33
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
A
(a)
=
_
_
19 5 2
24 5 2
2 4 7
_
_
Quindi linversa:
A
1
=
_
_
19
43
5
43
2
43

24
43
5
43
2
43
2
43

4
43
7
43
_
_
***
Sia
A =
_
_
_
_
1 2 3 4
5 6 7 8
9 10 11 12
13 14 15 16
_
_
_
_
La matrice aggiunta `e:
A
(a)
=
_
_
_
_
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
_
_
_
_
Si osservi che det A = 0, per cui la matrice `e singolare e come tale `e priva di inversa.
1.9 Rango di una matrice
Se A(n n) ,= 0 per 1.5 esistono minori di ordine p = 1, 2, ..., min m, n.
Denizione 31 Dicesi rango o caratteristica di A, lintero naturale:
r (A)
def
= p
>
,
essendo p
>
= max p : i minori di ordine p
>
sono non nulli.
Da tale denizione segue che se r (A) = p
>
, signica:
1. Esiste almeno un minore di ordine p
>
non nullo;
2. se p
>
< min m, n, i minori di ordine p
>
+ 1, p
>
+ 2, ..., sono tutti nulli.
34
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
1.10 Esercizi proposti
1.10.1 Operazioni sulle matrici e classicazione delle matrici
(per alcune soluzioni consultare lAppendice A)
_
_
1 2 1 0
4 0 2 1
2 5 1 2
_
_
+
_
_
3 4 1 2
1 5 0 3
2 2 3 1
_
_
=
_
_
4 2 0 2
5 5 2 4
4 7 4 1
_
_
;
_
_
1 2 1 0
4 0 2 1
2 5 1 2
_
_

_
_
3 4 1 2
1 5 0 3
2 2 3 1
_
_
=
_
_
2 6 2 2
3 5 2 2
0 3 2 3
_
_
;
3
_
_
1 2 1 0
4 0 2 1
2 5 1 2
_
_
=
_
_
3 6 3 0
12 0 6 3
6 15 3 6
_
_
;

_
_
1 2 1 0
4 0 2 1
2 5 1 2
_
_
=
_
_
1 2 1 0
4 0 2 1
2 5 1 2
_
_
***
_
2 3 1
_

_
_
1
4
2
_
_
= 12
_
_
1
4
2
_
_

_
2 3 1
_
=
_
_
2 3 1
8 12 4
4 6 2
_
_
;
_
2 3 1
_

_
_
4 2 6 9
0 1 7 10
5 3 8 11
_
_
=
_
19 13 16 14
_
_
2 3 4
1 5 6
_

_
_
1
2
3
_
_
=
_
20
29
_
;
_
1 2 1
4 0 2
_

_
_
3 4
1 5
2 2
_
_
=
_
3 8
8 12
_
;
Date le matrici:
A =
_
_
a
11
a
12
a
21
a
22
a
31
a
32
_
_
, B =
_
b
11
b
12
b
12
b
22
_
,
calcolare la matrice prodotto AB.
35
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Date le matrici:
A =
_
_
1 2
3 4
5 6
_
_
, B =
_
_
3 2
1 5
4 3
_
_
,
determinare:
D =
_
_
p q
r s
t u
_
_
: A +B D = 0
***
Date le matrici:
A =
_
_
1 2 3
5 0 2
1 1 1
_
_
, B =
_
_
3 1 2
4 2 5
2 0 3
_
_
, C =
_
_
4 1 2
0 3 2
1 2 3
_
_
, (1.52)
determinare: A + B, A C, 2A. Vericare lidentit`a:
A + (B C) = (A + B) C
Determinare una matrice D tale che:
A + D = B
Vericare le identit`a:
D = B A
D = (A B)
***
Date le matrici:
A =
_
_
1 1 1
3 2 1
2 1 0
_
_
; B =
_
_
1 2 3
2 4 6
1 2 3
_
_
vericare la non commutativit`a del loro prodotto.
Soluzione
36
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
AB =
_
_
0 0 0
0 0 0
0 0 0
_
_
BA =
_
_
1 6 6 1 + 4 + 3 1 2
2 12 12 2 + 8 + 6 2 4
1 6 6 1 + 4 + 3 1 2
_
_
=
_
_
11 6 1
20 12 2
11 6 1
_
_
,
cio`e AB ,= BA.
***
Date le matrici:
A =
_
_
1 2 2
2 1 3
4 3 1
_
_
, B =
_
_
1 4 1 0
2 1 1 1
1 2 1 2
_
_
, C =
_
_
2 1 1 2
3 2 1 1
2 5 1 0
_
_
,
vericare lidentit`a matriciale:
AB = AC
Soluzione
Procediamo per calcolo diretto:
AB =
_
_
3 3 0 1
1 15 0 5
3 15 0 5
_
_
AC =
_
_
3 3 0 1
1 15 0 5
3 15 0 5
_
_
***
Date le matrici:
A =
_
_
1 1 1
2 0 3
3 1 2
_
_
, B =
_
_
1 3
0 2
1 4
_
_
, C =
_
1 2 3 4
2 0 2 1
_
vericare lidentit`a (propriet`a distributiva rispetto alla moltiplicazione righe per colonne):
A(BC) = (AB) C
37
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Soluzione
Procediamo per calcolo diretto:
AB =
_
_
2 1
1 18
1 15
_
_
(AB) C =
_
_
4 4 4 7
35 2 39 22
31 2 27 11
_
_
BC =
_
_
7 2 3 1
4 0 4 2
7 2 11 8
_
_
A(BC) =
_
_
4 4 4 7
35 2 39 22
31 2 27 11
_
_
***
Date le matrici (1.52) vericare la propriet`a distributiva della moltiplicazione righe per
colonne rispetto alladdizione di matrici:
A(B +C) = AB + AC (1.53)
Soluzione
B + C =
_
_
7 0 4
4 5 7
3 2 6
_
_
Quindi:
A(B + C) =
_
_
6 16 0
41 4 32
6 7 3
_
_
Determiniamo il secondo membro della (1.53):
AB =
_
_
5 3 3
19 5 16
1 3 0
_
_
AC =
_
_
1 13 3
22 1 16
5 4 3
_
_
da cui:
AB + AC =
_
_
6 16 0
41 4 32
6 7 3
_
_
38
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
***
Data la matrice:
A =
_
i 0
0 i
_
,
essendo i =

1, determinare A
n
per n N.
Soluzione
A
2
=
_
i 0
0 i
__
i 0
0 i
_
=
_
1 0
0 1
_
= I
A
3
=
_
1 0
0 1
__
i 0
0 i
_
= A
A
4
= A
3
A =
_
i 0
0 i
__
i 0
0 i
_
=
_
1 0
0 1
_
= I
Da ci`o segue:
n `e pari =A
n
= I
n `e dispari =A
n
= A
Precisamente:
A
2
= I
A
4
= +I
A
8
= +I
A
10
= I
da ci`o segue:
A
n
= +I, se n = 4p p N
A
n
= I, se n = 4p + 2 p N
In maniera simile si dimostra che:
A
n
= +A, se n = 4p + 1 p N
A
n
= A, se n = 4p + 3 p N
***
39
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Assegnate le matrici:
A =
_
_
2 3 5
1 4 5
1 3 4
_
_
, B =
_
_
1 3 5
1 3 5
1 2 5
_
_
, C =
_
_
2 2 4
1 3 4
1 2 3
_
_
,
vericare che A e B commutano e che AC = A, CA = C.
Soluzione
AB =
_
_
2 3 + 5 6 9 15 10 + 15 25
1 + 4 5 3 12 + 15 5 20 + 25
1 3 + 4 3 + 9 12 5 + 15 20
_
_
=
_
_
0 0 0
0 0 0
0 0 0
_
_
BA =
_
_
2 3 + 5 6 9 15 10 + 15 25
1 + 4 5 3 12 + 15 5 20 + 25
1 3 + 4 3 + 9 12 5 + 15 20
_
_
=
_
_
0 0 0
0 0 0
0 0 0
_
_
Cio`e AB = BA = 0.
AC =
_
_
2 3 5
1 4 5
1 3 4
_
_
= A
CA =
_
_
2 2 4
1 3 4
1 2 3
_
_
= C
***
Assegnate le matrici:
A =
_
a b
b a
_
, B =
_
c d
d c
_
, con a, b, c, d R
vericare che A e B commutano.
Soluzione
AB =
_
a b
b a
__
a b
b a
_
=
_
ac + bd ad + bc
bc +ad bd + ac
_
BA =
_
ca + db cb + da
da + cb db + ca
_
,
40
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
donde:
a, b, c, d R, AB = BA
***
Vericare che la matrice:
A =
_
_
2 2 4
1 3 4
1 2 3
_
_
`e idempotente.
Soluzione
A
2
=
_
_
2 2 4
1 3 4
1 2 3
_
_

_
_
2 2 4
1 3 4
1 2 3
_
_
=
_
_
2 2 4
1 3 4
1 2 3
_
_
=A
2
= A
***
Vericare lidempotenza delle matrici:
A =
_
_
2 3 5
1 4 5
1 3 4
_
_
, B =
_
_
1 3 5
1 3 5
1 3 3
_
_
Per la matrice A:
A
2
=
_
_
2 3 5
1 4 5
1 3 4
_
_

_
_
2 3 5
1 4 5
1 3 4
_
_
=
_
_
2 3 5
1 4 5
1 3 4
_
_
= A
Per la matrice B
B
2
=
_
_
1 3 5
1 3 5
1 3 3
_
_

_
_
1 3 5
1 3 5
1 3 3
_
_
=
_
_
1 3 5
1 3 5
1 3 3
_
_
= B
41
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
***
Dimostrare la seguente proposizione:
AB = A, BA = B) =(A, B sono idempotenti
Soluzione
AB = A =A(BA) = A
Per la propriet`a distributiva rispetto alla moltiplicazione tra matrici:
(AB) A = A
Ma AB = A, donde:
A
2
= A
da cui lidempotenza di A. Passiamo alla matrice B:
BA = B =B(AB) = B
Per la proprit`a distributiva:
(BA) B = B
Ma BA = B, donde:
B
2
= B,
da cui lidempotenza di B.
***
Vericare la nilpotenza di ordine 3 della matrice:
A =
_
_
1 1 3
5 2 6
2 1 3
_
_
Soluzione
42
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
A
2
=
_
_
1 1 3
5 2 6
2 1 3
_
_
_
_
1 1 3
5 2 6
2 1 3
_
_
=
_
_
0 0 0
3 3 9
1 1 3
_
_
A
3
=
_
_
0 0 0
3 3 9
1 1 3
_
_
_
_
1 1 3
5 2 6
2 1 3
_
_
=
_
_
0 0 0
0 0 0
0 0 0
_
_
,
donde lasserto.
***
Assegnata la matrice quadrata:
A =
_
_
1 2 2
2 1 2
2 2 1
_
_
vericare che `e soluzione dellequazione matriciale:
X
2
4X 5I
3
= 0
Abbiamo:
A
2
=
_
_
1 2 2
2 1 2
2 2 1
_
_

_
_
1 2 2
2 1 2
2 2 1
_
_
=
_
_
9 8 8
8 9 8
8 8 9
_
_
Quindi:
A
2
4A 5I
3
=
_
_
9 8 8
8 9 8
8 8 9
_
_

_
_
4 8 8
8 4 8
8 8 4
_
_

_
_
5 0 0
0 5 0
0 0 5
_
_
=
_
_
0 0 0
0 0 0
0 0 0
_
_
43
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Cio`e:
A
2
4A 5I
3
= 0
***
Assegnata la matrice:
A =
_
_
2 1 3
1 1 2
1 2 1
_
_
vericare che `e soluzione dellequazione matriciale:
X
3
2X
2
9X = 0
Abbiamo:
A
2
=
_
_
2 1 3
1 1 2
1 2 1
_
_

_
_
2 1 3
1 1 2
1 2 1
_
_
=
_
_
8 7 11
3 6 3
5 1 8
_
_
A
3
=
_
_
8 7 11
3 6 3
5 1 8
_
_

_
_
2 1 3
1 1 2
1 2 1
_
_
=
_
_
34 23 49
15 3 24
19 20 25
_
_
Quindi:
A
3
2A
2
9A =
_
_
0 0 0
0 0 0
0 0 0
_
_
***
Vericare che la matrice:
A =
_
_
1 3 4
1 3 4
1 3 4
_
_
`e nilpotente di ordine 2.
Soluzione
44
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
A
2
=
_
_
1 3 4
1 3 4
1 3 4
_
_

_
_
1 3 4
1 3 4
1 3 4
_
_
=
_
_
0 0 0
0 0 0
0 0 0
_
_
***
Vericare che le matrici:
A =
_
_
1 2 3
3 2 0
1 1 1
_
_
, B =
_
_
2 1 6
3 2 9
1 1 4
_
_
commutano, e che il loro prodotto `e la matrice identit`a.
Soluzione
Abbiamo:
AB =
_
_
1 2 3
3 2 0
1 1 1
_
_

_
_
2 1 6
3 2 9
1 1 4
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
BA =
_
_
2 1 6
3 2 9
1 1 4
_
_

_
_
1 2 3
3 2 0
1 1 1
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
***
Vericare che le matrici:
A =
_
_
1 1 2
2 3 2
1 2 4
_
_
, B =
_
_
2/3 0 1/3
3/5 2/5 1/5
7/15 1/5 1/15
_
_
commutano, e che il loro prodotto `e la matrice identit`a.
Soluzione
Abbiamo:
45
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
AB =
_
_
1 1 2
2 3 2
1 2 4
_
_

_
_
2/3 0 1/3
3/5 2/5 1/5
7/15 1/5 1/15
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
BA =
_
_
2/3 0 1/3
3/5 2/5 1/5
7/15 1/5 1/15
_
_

_
_
1 1 2
2 3 2
1 2 4
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
***
Vericare che le matrici:
A =
_
1 1
2 1
_
, B =
_
1 1
4 1
_
anticommutano. Inoltre si dimostri che:
A, B : A e B anticommutano, (A + B)
2
= A
2
+ B
2
Soluzione
AB =
_
1 1
2 1
_

_
1 1
4 1
_
=
_
3 2
2 3
_
BA =
_
1 1
4 1
_

_
1 1
2 1
_
=
_
3 2
2 3
_
= BA
Se A, B sono due qualunque matrici che anticommutano:
(A + B)
2
= (A +B) (A + B)
= A
2
+AB + BA + B
2
=
BA=AB
A
2
+ B
2
***
46
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Assegnate le matrici:
A
1
=
_
0 1
1 0
_
, A
2
=
_
0 i
i 0
_
, A
3
=
_
i 0
0 i
_
,
vericare che ciascuna anticommuta con le altre. Pi` u precisamente:
A
i
A
j
=
_
A
j
A
i
se i ,= j
I se i = j
Soluzione
Abbiamo:
A
1
A
2
=
_
i 0
0 i
_
A
2
A
1
=
_
i 0
0 i
_
= A
1
A
2
A
1
A
3
=
_
0 i
i 0
_
A
3
A
1
=
_
0 i
i 0
_
= A
1
A
3
A
2
A
3
=
_
0 1
1 0
_
A
3
A
2
=
_
0 1
1 0
_
= A
2
A
3
A
2
1
=
_
1 0
0 1
_
A
2
2
=
_
1 0
0 1
_
A
2
3
=
_
1 0
0 1
_
***
Determinare le matrici che commutano con D = diag (1, 2, 3).
Soluzione
Sia
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
Quindi:
47
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
AD =
_
_
a
11
2a
12
3a
13
a
21
2a
22
3a
23
a
31
2a
32
3a
33
_
_
DA =
_
_
a
11
a
12
a
13
2a
21
2a
22
2a
23
3a
31
3a
32
3a
33
_
_
A e D commutano se:
AD = DA
_

_
a
12
= 2a
12
a
13
= 3a
13
a
21
= 2a
12
a
31
= 3a
31
3a
32
= 2a
32
Cio`e
A =
_
_
a
11
0 0
0 2a
22
0
0 0 3a
33
_
_
, a
11
, a
22
, a
33
Ridenendo (in forza della loro arbitariet`a) a
11
, a
22
, a
33
:
A =
_
_
a
11
0 0
0 a
22
0
0 0 a
33
_
_
Il risultato precedente si generalizza al caso di una matrice diagonale di ordine n. Precisa-
mente, la pi` u generale matrice quadrata di ordine n che commuta con D
n
= diag (d
11
, d
22
, ..., d
nn
).
A
n
=
_
_
_
_
a
11
0 ... 0
0 a
22
... 0
... ... ... ...
0 0 ... a
nn
_
_
_
_
***
Determinare linversa della matrice
_
1 2
3 4
_
applicando la denizione.
Soluzione
Imponiamo
_
1 2
3 4
__
a b
c d
_
=
_
1 0
0 1
_
Cio`e:
48
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
_
a + 2c = 1
3a + 4c = 1
_
b + 2d = 0
3b + 4d = 1
Risolvendo entrambi i sistemi lineari:
(a, c) =
_
2,
3
2
_
, (b, d) =
_
1,
1
2
_
,
donde:
_
1 2
3 4
_
1
=
_
2 1
3/2 1/2
_
***
Assegnata la matrice:
A =
_
_
0 1 1
4 3 4
3 3 4
_
_
vericare che `e involutoria.
Soluzione
Abbiamo:
A
2
= A A
=
_
_
0 1 1
4 3 4
3 3 4
_
_

_
_
0 1 1
4 3 4
3 3 4
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
***
Assegnate le matrici:
A =
_
_
1 1 +i 2 + 3i
1 i 2 i
2 3i i 0
_
_
, B =
_
_
i 1 +i 2 3i
1 +i 2i 1
2 3i 1 0
_
_
vericare che A `e hermitiana, e B antihermitiana.
Soluzione
Abbiamo:
49
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
A

=
_
_
1 1 +i 2 3i
1 +i 2 i
2 + 3i i 0
_
_
(A

)
T
=
_
_
1 1 +i 2 + 3i
1 i 2 i
2 3i i 0
_
_
= A
(B

)
T
=
_
_
i 1 +i 2 3i
1 +i 2i 1
2 3i 1 0
_
_
= B
1.10.2 Minori e complementi algebrici
Assegnata la matrice:
A =
_
_
_
_
_
_
1 2 3 4 5
6 7 8 9 10
11 12 12 14 15
16 17 18 19 20
21 22 23 24 25
_
_
_
_
_
_
Determinare il minore complementare e il complemento algebrico del minore del terzo ordine
a
145,135
.
Soluzione
Abbiamo:
a
145,135
=

1 3 5
16 18 20
21 23 25

(1.54)
Il minore complementare di (1.54) `e il minore del secondordine:
a
23,24
=

7 9
12 4

= 10
Il complemento algebrico:
a

145,135
= (1)
1+4+5+1+3+5
a
23,24
= a
23,24
***
Assegnate le matrici:
A = (a
ij
) =
_
_
1/3 2/3 2/3
2/3 1/3 2/3
2/3 2/3 1/3
_
_
; B = (b
ij
) =
_
_
4 3 3
1 0 1
4 4 3
_
_
,
vericare che i complementi algebrici degli elementi di A, B soddisfano rispettivamente le
propriet`a seguenti:
50
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
a

ij
= a
ij
, b

ij
= b
ji
Soluzione
Per la matrice A:
a

11
=
1
3
= a
11
, a

12
=
2
3
= a
12
, a

13
=
2
3
= a

13
a

21
=
2
3
= a
21
, a

22
=
1
3
= a
22
, a

23
=
2
3
= a

23
a

31
=
2
3
= a
31
, a

22
=
2
3
= a
22
, a

33
=
2
3
= a

33
In maniera analoga per la matrice B.
***
Assegnata la matrice:
A =
_
_
1 2 3
2 3 2
1 2 2
_
_
Determinare i cofattori dei singoli elementi, nonche la matrice inversa.
Soluzione
Abbiamo:
a

11
=

3 2
2 2

= 2 a

12
=

2 2
1 2

= 2 a

13
=

2 3
1 2

= 1
a

21
=

2 3
2 2

= 2 a

22
=

1 3
1 2

= 1 a

23
=

1 2
1 2

= 0
a

31
= +

2 3
3 2

= 5 a

32
=

1 3
2 2

= 4 a

33
=

1 2
2 3

= 1
La matrice aggiunta `e:
A
(a)
=
_
_
2 2 5
2 1 4
1 0 1
_
_
Linversa:
A
1
=
A
(a)
det A
Calcolo del determinante:
det A =

1 2 3
2 3 2
1 2 2

1 2 3
2 3 2
0 0 1

1 2
2 3

= +1
51
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Quindi:
A
1
= A
(a)
***
Assegnato il determinante
=

bc a
2
a
2
b
2
ca b
2
c
2
c
2
ab

,
si moltiplichino le sue colonne per a, b, c. Quindi, raccogliendo il fattore comune di ciascuna
riga, si dimostri che:
=

bc ab ac
ab ac cb
ac bc ab

Soluzione
Abbiamo:
a = a

bc a
2
a
2
b
2
ca b
2
c
2
c
2
ab

abc a
2
a
2
ab
2
ca b
2
ac
2
c
2
ab

ab = b

abc a
2
a
2
ab
2
ca b
2
ac
2
c
2
ab

abc a
2
b a
2
ab
2
bca b
2
ac
2
bc
2
ab

abc = c

abc a
2
b a
2
ab
2
bca b
2
ac
2
bc
2
ab

abc a
2
b a
2
c
ab
2
bca cb
2
ac
2
bc
2
abc

Raccogliendo i fattori comuni per singola riga:


abc = abc

bc ab ac
ab ac cb
ac bc ab

= =

bc ab ac
ab ac cb
ac bc ab

***
1.10.3 Calcolo di determinanti del secondo ordine

2 3
1 4

2 1
1 2

sin cos
cos sin

a c + id
c id b

+ i + i
i i

sin cos
sin cos

cos sin
sin cos

tan 1
1 tan

1 +

2 2

3
2 +

3 1

1 lg
b
a
lg
a
b 1

a +b b + d
a + c c + d

a + b a b
a b a b

x 1 1
x
3
x
2
+ x + 1

;
52
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
1.10.4 Calcolo di determinanti del terzo ordine

1 1 1
1 0 1
1 1 0

0 1 1
1 0 1
1 1 0

a a a
a a x
a a x

1 1 1
1 2 3
1 3 6

1 i 1 +i
i 1 0
1 i 0 1

1 cos

3
+i sin

3
cos

4
+ i sin

4
cos

3
i sin

3
1 cos
2
3
+ i sin
2
3
cos

4
i sin

4
cos
2
3
i sin
2
3
1

1 1 1
1
2
1
2

;
1.10.5 Calcolo di determinanti di ordine qualsiasi
Determinare i valori di x R per i quali `e nullo il determinante:
f (x) =

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

Calcolare il determinante della matrice di ordine n:


A
diag
=
_
_
_
_
_
_
1 0 0 ... 0
0 2 0 ... 0
0 0 3 ... 0
... ... ... ... ...
0 0 0 ... n
_
_
_
_
_
_
***
Calcolare il determinante di ordine n:
(n) =

0 0 0 ... 0 1
0 0 0 ... 1 0
... ... ... ... ... ...
0 1 0 ... 0 0
1 0 0 ... 0 0

, n = 2, 3, 4, ..., + (1.55)
***
Calcolare il determinante di ordine n:
D(n) =

1 a a ... a
0 2 a ... a
0 0 3 ... a
0 0 0 ... ...
0 0 0 ... n

, n = 2, 3, 4, ..., + (1.56)
***
53
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Assegnata la funzione:
f
n
(x) =
n1

k=0
(x k) , con n N 0, 1 , (1.57)
calcolare i seguenti determinanti di ordine n + 1:
a) F (n) =

f
n
(0) f
n
(1) f
n
(2) ... f
n
(n)
f
n
(1) f
n
(2) f
n
(3) ... f
n
(n + 1)
... ... ... .. ...
f
n
(n) f
n
(n + 1) f
n
(n + 2) ... f
n
(2n)

b) G(x, n) =

f
n
(x) f

n
(x) f

n
(x) ... f
(n)
n
(x)
f

n
(x) f

n
(x) f

n
(x) ... f
(n+1)
n
(x)
... ... ... ... ...
f

n
(x) f

n
(x) ... ... f
(2n)
n
(x)

***
Assegnati a
k
R con a
k
,= a
k
(k

, k

= 1, 2, ...n), risolvere lequazione algebrica di grado


n 1:

1 x x
2
... x
n1
1 a
1
a
2
1
... a
n1
1
1 a
2
a
2
2
... a
n1
2
... ... ... ... ...
1 a
n1
a
2
n1
... a
n1
n1

= 0 (1.58)
***
Risolvere lequazione algebrica di grado n 2:

1 1 1 ... 1
1 1 x 1 ... 1
1 1 2 x ... 1
... ... ... ... ...
1 1 1 ... (n 1) x

(1.59)
Assegnati a
k
R con a
k
,= a
k
(k

, k

= 1, 2, ...n), risolvere lequazione algebrica di grado


n 1:

a
1
a
2
a
3
... a
n
a
1
a
1
+ a
2
x a
3
... a
n
a
1
a
2
a
2
+a
3
x ... a
n
... ... ... ... ...
a
1
a
2
a
3
... a
n1
+ a
n
x

= 0 (1.60)
***
54
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Dimostrare che

2
( + 1)
2
( + 2)
2
( + 3)
2

2
( + 1)
2
( + 2)
2
( + 3)
2

2
( + 1)
2
( + 2)
2
( + 3)
2

2
( + 1)
2
( + 2)
2
( + 3)
2

= 0 (1.61)
***
Assegnata la matrice diagonale di ordine n:
A
diag
=
_
_
_
_
_
_
a
1
0 0 ... 0
0 a
2
0 ... 0
0 0 a
3
... 0
... ... ... ... ...
0 0 0 ... a
n
_
_
_
_
_
_
, (1.62)
determinare la somma dei complementi algebrici degli elementi di matrice.
***
Assegnata la matrice di ordine n:
A =
_
_
_
_
_
_
0 0 ... 0 a
1
0 0 ... a
2
0
0 0 ... 0 0
... ... ... ... ...
a
n
0 ... ... 0
_
_
_
_
_
_
(1.63)
determinare la somma dei complementi algebrici degli elementi di matrice.
***
Calcolare il seguente determinante, sviluppando secondo gli elementi delle terza riga:
=

1 0 1 1
0 1 1 1
a b c d
1 1 1 0

(1.64)
Calcolare il seguente determinante, sviluppando secondo gli elementi delle quarta colonna:
=

2 1 1 x
1 2 1 y
1 1 2 z
1 1 1 t

(1.65)
***
55
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Calcolare il seguente determinante, sviluppando secondo gli elementi delle prima colonna:
=

a 1 1 1
b 0 1 1
c 1 0 1
d 1 1 0

(1.66)
***
Calcolare:
1.

13547 13647
28423 28523

= 1487 600
2.

246 427 327


1014 543 443
342 721 621

= 29 400 000
3.

3 1 1 1
1 3 1 1
1 1 3 1
1 1 1 3

= 48
4.

1 1 1 1
1 2 3 4
1 3 6 10
1 4 10 20

= 1
5.

1 2 3 4
2 3 4 1
3 4 1 2
4 1 2 3

= 160
6.

1 1 1 1
1 2 3 4
1 4 9 16
1 8 27 64

= 12
7.

1 2 3 4
2 1 4 3
3 4 1 2
4 3 2 1

= 900
8.

2 1 1 1 1
1 3 1 1 1
1 1 4 1 1
1 1 1 5 1
1 1 1 1 6

= 394
56
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
9.

5 6 0 0 0
1 5 6 6 0
0 1 5 5 0
0 0 1 1 6
0 0 0 0 5

= 0
10.

0 1 1 1
1 0 a b
1 a 0 c
1 b c 0

= c
2
2ac 2bc + b
2
2ba + a
2
11.

x y x + y
y x + y x
x + y x y

= 2x
3
2y
3
12.

x 0 1 1 0
1 x 1 1 0
1 0 x 1 0 1
0 1 1 x 1
0 1 1 0 x

= x
5
x
4
+x
2
x + 1 +x
3
13.

1 +x 1 1 1
1 1 x 1 1
1 1 1 +z 1
1 1 1 1 z

= z
2
x
2
14.

1 1 2 3
1 2 x
2
2 3
2 3 1 5
2 3 1 9 x
2

= 12 3x
4
+ 15x
2
15.

cos (a b) cos (b c) cos (c a)


cos (a + b) cos (b + c) cos (c + a)
sin (a + b) sin (b + c) sin (c +a)

= 2 sin (a b) sin (a c) sin (b c)


16.

0 a b c
a 0 d e
b d 0 f
c e f 0

= [eb + af + 2c sin (a b) sin (a c) sin (b c)]


2
17.

1 2 3 ... n
1 0 3 ... n
1 2 0 ... n
... ... ... ... ...
1 2 3 ... 0

57
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
18.

1 a
1
a
2
... a
n
1 a
1
+b
1
a
2
... a
n
1 a
1
a
2
+ b
2
... a
n
... ... ... ... ...
1 a
1
a
2
... a
n
+b
n

19. Esplicitare lespressione analitica della funzione f


n
(x, x
1
, x
2
, ..., x
n
) data dallo sviluppo
del determinante di ordine n:
f
n
(x; x
1
, x
2
, ..., x
n
) =

1 x
1
x
2
... x
n1
x
n
1 x x
2
... x
n1
x
n
1 x
1
x ... x
n1
x
n
... ... ... ... ... ...
1 x
1
x
2
... x
n1
x
n
1 x
1
x
2
... x
n1
x

20. Calcolare:
(n) =

1 2 3 ... n 1 n
1 3 3 ... n 1 n
1 2 5 ... n 1 n
... ... ... ... ... ...
1 2 3 ... 2n 3 n
1 2 3 ... n 1 2n 1

(1.67)
21. Calcolare:
(n) =

1 2 2 ... 2 2
2 2 2 ... 2 2
2 2 3 ... 2 2
... ... ... ... ... 2
2 2 2 ... n 1 2
2 2 2 ... ... n

(1.68)
22. Calcolare:
(b
1
, b
2
, ..., b
n
) =

1 b
1
0 0 ... 0 0
1 1 b
1
b
2
0 ... 0 0
0 1 1 b
2
b
2
.. 0 0
... ... ... ... ... ... ...
0 0 0 0 ... 1 b
n1
b
n
0 0 0 0 ... 1 1 b
n

, con n N 0
(1.69)
23. Calcolare:
(n) =

a a + h a + 2h ... a + (n 1) h
a a 0 ... 0
0 a a ... 0
... ... ... ... ...
0 0 0 ... a

(1.70)
58
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
24. Calcolare:
(n) =

a
0
1 0 ... 0 0
a
1
x 1 ... 0 0
a
2
0 x ... 0 0
... ... ... ... ... ...
a
n1
0 0 ... x 1
a
n
0 0 ... 0 x

(1.71)
25. Calcolare:
(n) =

n n 1 n 2 ... 3 2 1
1 x 0 ... 0 0 0
0 1 x ... 0 0 0
... ... ... ... ... ... ...
0 0 0 ... 1 x 0
0 0 0 ... 0 1 x

26. Se n N0, 1 e se f
k
(x) con k = 1, 2, ..., n, sono polinomi su R di grado r
k
n2,
dimostrare:
a
1
, a
2
, ..., a
n
R,

f
1
(a
1
) f
1
(a
2
) ... f
1
(a
n
)
f
2
(a
1
) f
2
(a
2
) ... f
2
(a
n
)
... ... ... ...
f
n
(a
1
) f
n
(a
2
) ... f
n
(a
n
)

= 0 (1.72)
27. Calcolare (n N 0):
f (x
1
, x
2
, ...x
n
; y
1
, y
2
, ..., y
n
) =

a
0
a
1
a
2
... a
n1
a
n
y
1
x
1
0 ... 0 0
0 y
2
x
2
... 0 0
... ... ... ... ... ...
0 0 0 ... y
n
x
n

(1.73)
28. Calcolare (n N 0):
f
n
(x) =

n!a
0
(n 1) a
1
(n 2) a
2
a
n
n x 0 0
0 (n 1) x 0
... ... ... ...
0 0 0

(1.74)
29. Calcolare per ogni n N0
D(n) =

2 1 0 0 ... 0 0
1 2 0 0 ... 0 0
0 1 2 1 ... 0 0
... ... ... ... ... ... ...
0 0 0 0 ... 1 2

(1.75)
59
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
30. Costruire il diagramma cartesiano della funzione reale di variabile reale nellintervallo
[2, 2]:
f
n
(x) =

2 cos x 1 0 ... 0
1 2 cos x 1 ... 0
0 1 2 cos x ... 0
... ... ... ... ...
0 0 0 ... 2 cos x

, (1.76)
per n = 1, ..., 7.
31. Costruire il diagramma cartesiano della funzione reale di variabile reale nellintervallo
[1, 1]:
f
n
(x) =

cos x 1 0 ... 0
1 2 cos x 1 ... 0
0 1 2 cos x ... 0
... ... ... ... ...
0 0 0 ... 2 cos x

(1.77)
per n = 1, ..., 7.
60
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Capitolo 2
Spazi vettoriali
2.1 Denizione assiomatica
Sia E un insieme non vuoto e K un campo (ad esempio, R o C). Linsieme E `e uno spazio
vettoriale (e i suoi elementi si dicono vettori) se sono denite una legge di composizione
interna e una legge di composizione esterna :
: E E E (2.1)
: K E E
La prima delle (2.1) si chiama addizione di vettori e si indica con +. Quindi:
+ : (u, v) E E u +v = w E (2.2)
Loperazione (2.2) verica le seguenti propriet`a:
1. Propriet`a commutativa.
u, v E, u +v = v +u
2. Propriet`a associativa.
u, v, w E, u + (v +w) = (u +v) +w
3. Esistenza dellelemento neutro.
0 E : u E, u +0 = u
4. Esistenza dellopposto
u E, (u) E [ u +u = 0
La seconda delle (2.1) si chiama moltiplicazione di uno scalare per un vettore:
: (, v) K E (v) E (2.3)
Loperazione (2.3) verica le seguenti propriet`a:
61
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
I Propriet`a distributiva rispetto alla somma vettoriale.
K, u, v E, (u +v) = u + v
II Propriet`a distributiva rispetto alla somma in K
, K, v E, ( + ) v = v + v
III Propriet`a associativa
, K, v E, (v) = () v
IV Esistenza dellelemento neutro
1 K : v E, 1v = v
Per quanto detto, se le operazioni (2.1) vericano le propriet`a 1, 2, 3, 4 e I, II, III, IV,
linsieme E assume la struttura di spazio vettoriale su K. Gli elementi di K si dicono
scalari.
Esempio 32 Consideriamo linsieme R
n
delle n-ple ordinate di numeri reali:
R
n
= (x
1
, x
2
, ..., x
n
) : x
i
R, i = 1, 2, ..., n
Deniamo loperazione di addizione:
+ : (x, y) R
n
R
n
R
n
essendo:
x = (x
1
, x
2
, ...x
n
) , y = (y
1
, y
2
, ...y
n
)
Per denizione:
x +y = (x
1
+ y
1
, x
2
+ y
2
, ..., x
n
+ y
n
)
Abbiamo
1. x, y R
n
, x
i
+ y
i
= y
i
+ x
i
(i = 1, 2, ..., n) = x +y = y +x
2. x, y, z R
n
, x
i
+(y
i
+ z
i
) = (x
i
+ y
i
)+z
i
, (i = 1, 2, ..., n) =x+(y +z) = (x +y)+z
3. 0 = (0, 0, ..., 0) R
n
: x +0 = x
4. x R
n
, (x) =(x
1
, x
2
, ..., x
n
) R
n
: x +x = 0
Loperazione di moltiplicazione di uno scalare per un vettore `e cos` denita:
ax = (ax
1
, ax
2
, ..., ax
n
) , a R
e verica le propriet`a:
I a R, x, y R
n
, a (x +y) = ax + ay
II a, b R, x R
n
, (a + b) x = ax + bx
III a, b R, x R
n
, a (bx) = (ab) x
62
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
IV x R
n
, 1x = x
Da ci`o segue che con le operazioni sopra denite, linsieme R
n
`e uno spazio vettoriale
sul campo reale R.
Esempio 33 Consideriamo linsieme C
n
delle n-ple ordinate di numeri complessi:
C
n
= (z
1
, z
2
, ..., z
n
) : z
i
C, i = 1, 2, ..., n
Deniamo loperazione di addizione:
+ : (z, w) C
n
C
n
C
n
essendo:
z = (z
1
, z
2
, ...z
n
) , w = (w
1
, w
2
, ...w
n
)
Per denizione:
z +w = (z
1
+ w
1
, z
2
+w
2
, ..., z
n
+ w
n
)
`
E evidente che:
1. z, w C
n
, z +w = w +z
1. z, w, u C
n
, z + (w +u) = (z +w) +u
2. 0 = (0, 0, ...0) C
n
: z +0 = z
3. z C
n
, z =(z
1
, z
2
, ..., z
n
) C
n
: z +z = 0
Loperazione di moltiplicazione di uno scalare per un vettore `e cos` denita:
az = (az
1
, az
2
, ..., az
n
) , a C
e verica le propriet`a:
I a C, x, y C
n
, a (z +w) = az + aw
II a, b C, z C
n
, (a + b) z = az + bz
III a, b C, z C
n
, a (bz) = (ab) z
IV z C
n
, 1z = z
Da ci`o segue che con le operazioni sopra denite, linsieme C
n
`e uno spazio vettoriale
sul campo complesso C.
Esempio 34 Sia M
R
(mn) linsieme delle matrici mn su R. Introduciamo in M
R
(mn)
loperazione di addizione:
+ : (A, B) M
R
(mn) M
R
(mn) (A + B) M
R
(mn)
Pi` u precisamente:
(A = (a
ij
) , B = (b
ij
)) =A + B = (a
ij
+ b
ij
)
Loperazione di addizione verica gli assiomi:
63
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
1. A, B M
R
(mn), A + B = B +A
2. A, B, C M
R
(mn), A + (B + C) = (A +B) + C
3. 0 = (a
ij
= 0) M
R
(mn) : A M
R
(mn), A +0 = 0 + A = A
4. A = (a
ij
) M
R
(mn), A = (a
ij
) M
R
(mn) : A + A = 0
Deniamo loperazione moltiplicazione di uno scalare per una matrice:
: (, A) R M
R
(mn) (A) M
R
(mn)
Pi` u precisamente:
( R, A = (a
ij
)) =A = (a
ij
)
Tale operazione verica gli assiomi:
I R, A, B M
R
(mn) , (A + B) = A + B
II , R, A M
R
(mn), ( + ) A = A + A
III , R, A M
R
(mn), (A) = () A
IV A M
R
(mn), 1A = A
Si conclude che M
R
(mn) con le operazioni sopra introdotte assume la struttura di
spazio vettoriale su R.
Esempio 35 Sia T
n
[x] linsieme dei polinomi su R di grado minore o uguale di n N.
Prendiamo ad arbitrio due elementi di tale insieme:
p
m
(x) = a
0
+ a
1
x + a
2
x
2
+... +a
m
x
m
q
r
(x) = b
0
+b
1
x +b
2
x
2
+ ... + b
r
x
r
,
essendo m, r n. Deniamo laddizione tra polinomi:
+ : (p
m
(x) , q
r
(x)) T
n
[x] T
n
[x] (p
m
(x) +q
r
(x)) T
n
[x]
Senza ledere la generalit`a, supponiamo che m < r:
p
m
(x) +q
r
(x)
= (a
0
+ b
0
) + (a
1
+ b
1
) x + (a
2
+b
2
) x
2
+... + (a
m
+b
m
) x
m
+ b
m+1
x
m+1
+ ...b
r
x
r
Loperazione di addizione verica gli assiomi:
1. p
m
(x) , q
r
(x) T
n
[x], p
m
(x) + q
r
(x) = q
r
(x) +p
m
(x)
2. p
m
(x) , q
r
(x) , l
k
(x) T
n
[x], p
m
(x) + (q
r
(x) + l
k
(x)) = (p
m
(x) +q
r
(x)) + l
k
(x)
3. 0 = 0 + 0x + 0x
2
+ ... + 0x
n
[ p
m
(x) T
n
[x], p
m
(x) + 0 = p
m
(x)
4. p
m
(x) =
_

m
j=1
a
j
x
j
_
T
n
[x], p
m
(x) =
_

m
j=1
(a
j
) x
j
_
T
n
[x] : p
m
(x) +
p
m
(x) = 0
64
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Deniamo loperazione moltiplicazione di uno scalare per una polinomio
: (, p
m
(x)) R T
n
[x] (p
m
(x)) T
n
[x]
Tale operazione verica i seguenti assiomi:
I R, p
m
(x) , q
r
(x) T
n
[x] , (p
m
(x) + q
r
(x)) = p
m
(x) + q
r
(x)
II , R, p
m
(x) T
n
[x], ( + ) p
m
(x) = p
m
(x) + p
m
(x)
III , R, p
m
(x) T
n
[x], (p
m
(x)) = () p
m
(x)
IV p
m
(x) T
n
[x], 1p
m
(x) = p
m
(x)
Da ci`o segue che linsieme T
n
[x] con loperazioni sopra introdotte assume la struttura
di spazio vettoriale su R.
Esempio 36 Sia T (a, b) linsieme delle funzioni reali di variabile reale denite in [a, b] R:
f T (a, b) =f : [a, b] R
Deniamo laddizione:
+ : (f, g) T (a, b) T (a, b) (f + g) T (a, b) (2.4)
Pi` u specicatamente:
(f + g) (x) = f (x) + g (x)
La (2.4) verica gli assiomi:
1. f, g T (a, b) , f + g = g + f
2. f, g, h T (a, b) , f + (g + h) = (f + g) + h
3. 0 0 (funzione identicamente nulla): f T (a, b) , f +0 = f
4. f T (a, b) , f : f + f = 0
Deniamo loperazione moltiplicazione di uno scalare per un elemento di T (a, b):
: (, f) R T (a, b) (f) T (a, b)
Precisamente:
(f) (x) = f (x) ,
e verica gli assiomi:
I R, f, g T (a, b) , (f + g) = f + g
II , R, f T (a, b), ( +) f = f +g
III , R, f T (a, b), (f) = () f
65
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
IV f T (a, b), 1f = f
Con le operazioni sopra introdotte, T (a, b) assume la struttura di spazio vettoriale.
***
Sia E uno spazio vettoriale su K.
Proposizione 37 K, 0 = 0
Dimostrazione.
0 = (0 +0) = 0+0 =0 = 0
Proposizione 38 v E, 0v = 0
Dimostrazione.
0v = (0 + 0) v =0v + 0v =0v = 0
2.2 Dipendenza ed indipendenza lineare di vettori
Sia E uno spazio vettoriale su K. Consideriamo il sistema di vettori:
= v
1
, v
2
, ..., v
r
, con r N 0
Presi ad arbitrio r scalari
i
K (i = 1, 2, ..., r), il vettore:
v =
1
v
1
+
2
v
2
+ ... +
r
v
r
,
si chiama combinazione lineare dei vettori di . Ci`o premesso, abbiamo la seguente:
Denizione 39 `e linearmente indipendente se:

1
v
1
+
2
v
2
+... +
r
v
r
= 0 =
1
=
2
= ... =
r
= 0 (2.5)
Nel caso contrario diremo che `e linearmente dipendente. Cio`e:
(
1
,
2
, ...,
r
) ,= (0, 0, ..., 0) :
1
v
1
+
2
v
2
+ ... +
r
v
r
= 0 (2.6)
Esempio 40 Assegnato lo spazio vettoriale R
3
(cfr esempio 32 per n = 3), mostrare che il
sistema di vettori = v
1
, v
2
, v
3
con
v
1
= (2, 1, 2) , v
2
=
_
7,
3
2
, 3
_
, v
3
= (3, 1, 1) , (2.7)
`e linearmente dipendente.
66
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Soluzione 41 Consideriamo lequazione vettoriale:

1
v
1
+
2
v
2
+
3
v
3
= 0, (2.8)
equivalente a:

1
(2, 1, 2) +
2
_
7,
3
2
, 3
_
+
3
(3, 1, 1) = (0, 0, 0) ,
le cui componenti formano il sistema lineare omogeneo:
2
1
+ 7
2
3
3
= 0 (2.9)

3
2

2
+
3
= 0
2
1
+ 3
2

3
= 0
La matrice dei coecienti del sistema (2.9) `e:
A =
_
_
2 7 3
1 3/2 1
2 3 1
_
_
La caratteristica del sistema 2.9 `e p = r (A) = 2, per cui tale sistema ammette
1
soluzioni
proprie. In altri termini (
1
,
2
,
3
) ,= (0, 0, 0) :

3
i=1

i
v
i
= 0, per cui = v
i
`e
linearmente dipendente.
Esempio 42 Assegnato lo spazio vettoriale R
3
, mostrare che il sistema di vettori =
v
1
, v
2
, v
3
con
v
1
= (2, 1, 2) , v
2
=
_
7,
1
2
, 3
_
, v
3
= (3, 1, 1) , (2.10)
`e linearmente indipendente. Esprimere altres` il vettore v
4
= (1, 1, 1) come combinazione
lineare di .
Soluzione 43 Procedendo come nellesercizio precedente, abbiamo il sistema lineare omo-
geneo:
2
1
+ 7
2
3
3
= 0 (2.11)

1
2

2
+
3
= 0
2
1
+ 3
2

3
= 0,
la cui matrice dei coecienti `e:
A =
_
_
2 7 3
1 1/2 1
2 3 1
_
_
67
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Qui `e det A = 4, perci`o p = 3 = n (numero di incognite). Pertanto il sistema 2.11 am-
mette solo la soluzione impropria (
1
,
2
,
3
) = (0, 0, 0); da ci`o segue che `e linearmente
indipendente. Per la seconda domanda, poniamo:
v
4
=
1
v
1
+
2
v
2
+
3
v
3
Tale equazione vettoriale pu`o essere scritta come:

1
(2, 1, 2) +
2
_
7,
1
2
, 3
_
+
3
_
7,
1
2
, 3
_
= (1, 1, 1) ,
le cui componenti formano il sistema lineare non omogeneo:
2
1
+ 7
2
3
3
= 1 (2.12)

1
2

2
+
3
= 1
2
1
+ 3
2

3
= 1,
Il sistema 2.12 `e manifestamente di Cramer, ammettendo lunica soluzione:
(
1
,
2
,
3
) =
_

5
2
, 3, 5
_
,
donde:
v
4
=
5
2
v
1
+ 3v
2
+ 5v
3
Proposizione 44 (0 ) =( `e linearmente dipendente)
Dimostrazione. h 1, 2, ..., r : v
h
= 0. Quindi:

h
K 0 , 0v
1
+ 0v
2
+ ... + 0v
h1
+
h
0 + 0v
h+1
+ ... + 0v
r
= 0
Abbiamo cos` trovato una r-pla di scalari (0, 0, ...0,
h
, 0, ..., 0) non tutti nulli tali che

r
k=1

k
v
k
=
0, donde lasserto.
Proposizione 45 (v
h
, v
k
: v
h
= v
k
, K 0) =( `e linearmente dipendente)
Dimostrazione. Senza perdita di generalit`a, supponiamo che h < k. Eseguiamo la
combinazione lineare di vettori di :
0v
1
+ ... + (1) v
h
+ ... + v
k
+ ... + 0v
r
= v
k
+ v
k
+0
= ( + ) v
k
= 0v
k
= 0
Nellultimo passaggio abbiamo applicato la proposizione 38. Abbiamo quindi trovato una
r-pla di scalari:
(
1
, ...,
h
, ...,
k
, ...,
r
) = (0, ..., 1, ..., , ..., 0) ,= (0, ..., 0, ..., 0, ....0) :
r

i=1

i
v
i
= 0,
donde lasserto.
68
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Proposizione 46 ( `e linearmente dipendente) (

`e linearmente dipendente)
Dimostrazione. La condizione `e necessaria.
Hp:

`e linearmente dipendente.
Th: `e linearmente dipendente
Sia:

=
_
v
h
1
, v
h
2
, ..., v
h
p
_
,
essendo:
h
i
1, 2, ..., r , i = 1, 2, ...p < r
Per ipotesi
_

h
1
,
h
2
, ...,
h
p
_
,= (0, 0, ..., 0) :
h
p

k=h
1

h
k
v
h
k
= 0
Posto H = h
1
, h
2
, ..., h
p
, si consideri la seguente combinazione lineare:
r

k=1

k
v
k
=

kH

k
v
k
+

k/ H
0v
k
= 0
Abbiamo cos` trovato una r-pla di scalari non tutti nulli tali che

r
k=1

k
v
k
= 0, donde la
tesi.
La condizione `e suciente
( `e linearmente dipendente) =(

`e linearmente dipendente)
`
E banale, poiche . Quindi, posto

= , segue la tesi.
Proposizione 47
_
_
_
h 1, 2, ..., r : v
h
=
r

k=1
k=h

k
v
k
_
_
_
=
_
`e linearmente
dipendente
_
Dimostrazione. Dimostriamo lasserto per v
h
,= 0; nel caso contrario si riduce alla
proposizione 44.
Esplicitando la sommatoria:
v
h

1
v
1

2
v
2
+ ...
h1
v
h1

h+1
v
h+1
+ ...
r
v
r
= 0
Riordinando i singoli termini:

1
v
1

2
v
2
+ ...
h1
v
h1
+v
h

h+1
v
h+1
+ ...
r
v
r
= 0
Cio`e:
(
1
,
2
, ...,
h1
,
h
,
h+1
, ...,
r
) = (
1
,
2
, ...,
h1
, 1,
h+1
, ...,
r
) :
r

k=1

k
v
k
= 0
La r-pla di scalari (
1
,
2
, ...,
h1
, 1,
h+1
, ...,
r
) `e non nulla.
69
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
2.3 Sottospazio vettoriale
Sia E uno spazio vettoriale su K. Consideriamo un insieme H ,= e tale che H E. Diremo
che H `e un sottospazio vettoriale di E se:
1. v, w H, (v +w) H
2. v H, K, (v) H
I punti 1 e 2 si esprimono dicendo che linsieme H `e chiuso rispetto alle operazioni di
addizione tra vettori e di moltiplicazione di uno scalare per un vettore.
Proposizione 48 Il vettore nullo appartiene ad ogni sottospazio vettoriale di E.
Dimostrazione. Sia H un qualunque sottospazio di E. Ci`o implica:
v, w H, (v +w) H
Prendiamo w = v, per cui 0 H, per ogni H sottospazio di E.
Corollario 49 Linsieme H
0
= 0 `e un sottospazio di ogni spazio vettoriale E.
Dimostrazione. Sia E uno spazio vettoriale su K. Risulta: 0 +0 = 0; per la proposizione
37 `e 0 = 0, K, quindi sono vericate le propriet`a 1 e 2, da cui lasserto.
Esempio 50 Asegnato lo spazio vettoriale R
3
, dire quali tra i suoi seguenti sottoinsiemi `e
uno sottospazio vettoriale di R
3
:
H
1
= (a, b, 0) : a, b R; H
2
= (a, b, c) R
3
: a +b + c = 0, H
3
= (a, b, c) R
3
: a 0;
H
4
=(a, b, c) R
3
: a
2
+ b
2
+ c
2
1
Soluzione 51 Prendiamo ad arbitrio due elementi di H
1
:
v = (a, b, 0) , w = (c, d, 0)
Risulta:
v +w = (a +c, b + d, 0) =(v +w) H
1
Preso ad arbitrio R:
v = (a, b, 0) H
Si conclude che H
1
`e un sottospazio di R
3
.
Consideriamo H
2
. Per ogni v = (a, b, c) H
2
, w = (d, e, f) H
2
, la somma `e:
v +w = (a

, b

, c

) ,
essendo:
a

= a +d, b

= b + e, c

= c + f
Risulta:
a

+ b

+c

= (a + b + c) + (d + e + f) = 0
70
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Quindi:
v, w H
2
, (v +w) H
2
(2.13)
Per ogni R e per ogni v R
3
:
v = (a, b, c) ,
ed `e tale che:
a + b + c = (a + b + c) = 0,
per cui:
v H
2
, R, (v) H
2
(2.14)
Le (2.13)-(2.14) implicano che H
2
`e un sottospazio vettoriale di R
3
.
Linsieme H
3
`e:
H
3
=
_
(a, b, c) R
3
: a 0
_
Quindi:
(, 0) , v = (a, b, c) H
3
, v = (a, b, c) con a 0 =(v) / H
3
Si conclude che H
3
non `e un sottospazio vettoriale di R
3
.
Linsieme H
4
`e:
H
4
=
_
(a, b, c) R
3
: a
2
+ b
2
+ c
2
1
_
Abbiamo:
v = (a, b, c) R
3
, w = (d, e, f) R
3
, v +w = (a

, b

, c

) ,
essendo:
a

= a +d, b

= b + e, c

= c + f
Da ci`o segue:
a
2
+ b
2
+ c
2
= (a + d)
2
+ (b + e)
2
+ (c + f)
2
(2.15)
= f (a, b, c) + f (d, e, f) + 2 (ad + eb + cf)
Nella (2.15) `e:
f (x, y, z) = x
2
+ y
2
+z
2
Deve essere:
(a, b, c) , (d, e, f, ) H
4
, f (a, b, c) , f (d, e, f) 1,
per cui:
a
2
+b
2
+c
2
2 (1 +ad + eb + cf) =
_
(a, b, c) , (d, e, f, ) H
4
: a
2
+ b
2
+ c
2
> 1
_
(2.16)
La (2.16) implica che H
4
non `e un sottospazio vettoriale di R
3
.
Esempio 52 Consideriamo lo spazio vettoriale M
R
(n n) (es. 34). Dire quale tra i
seguenti suoi sottoinsiemi sono sottospazi vettoriali:
H
R
(n n) = A M
R
(n n) : A `e simmetrica
H

R
(n n) = A M
R
(n n) : AX = XA , con X M
R
(n n)
J
R
(n n) = A M
R
(n n) : det A = 0
J

R
(n n) =
_
A M
R
(n n) : A
2
= 0
_
71
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Soluzione 53 A = (a
ij
) , B = (b
ij
) H
R
(n n), A+B = (c
ij
= a
ij
+ b
ij
) = (A,B simmetriche) =
(c
ji
= a
ji
+b
ji
), quindi:
A, B H
R
(n n) , (A + B) H
R
(n n) (2.17)
Inoltre: R, A = (a
ij
) H
R
(n n), (A) = (a
ij
) = (a
ji
), perci`o:
R, A H
R
(n n) , (A) H
R
(n n) (2.18)
Le (2.17)-(2.18) implicano che H
R
(n n) `e un sottospazio vettoriale di M
R
(n n).
Linsieme H

R
(n n) `e linsieme delle matrici di M
R
(n n) che commutano con unasseg-
nata matrice X M
R
(n n).
Risulta: A, B H

R
(n n), (A + B) X = AX + BX = XA +XB = X (A + B), donde:
A, B H

R
(n n) , (A + B) X = X (A + B) =(A +B) A, B H

R
(n n) (2.19)
Inoltre: R, A H

R
(n n), (A) X = (AX) = (XA) = (X) A = X (A),
donde:
R, A H

R
(n n) , (A) X = X (A) =(A) H

R
(n n) (2.20)
Le (2.19)-(2.19) implicano che H

R
(n n) `e un sottospazio vettoriale di M
R
(n n).
Linsieme J
R
(n n) `e linsieme delle matici di M
R
(n n) a determinante nullo. Risulta:
(A, B J
R
(n n) : det (A + B) ,= det A + det B = 0) =(A + B) / J
R
(n n) ,
donde J
R
(n n) non `e un sottospazio di M
R
(n n).
Linsieme J

R
(n n) `e linsieme delle matici di M
R
(n n) idempotenti. Risulta:
A, B J

R
(n n) , (A + B)
2
= A
2
+ AB + BA + B
2
Evidentemente:
A, B J

R
(n n) , (A + B)
2
= A
2
+B
2
+AB+BA ,= (A +B)
2
=(A + B) / J

R
(n n) ,
donde J

R
(n n) non `e un sottospazio di M
R
(n n).
Esempio 54 Sia C (a, b) linsieme delle funzioni reali e continue in [a, b]:
C (a, b) = f : [a, b] R [ f `e ivi continua
Introducendo le operazioni di somma di vettori e moltiplicazione di uno scalare per un vettore,
C (a, b) assume la struttura di spazio vettoriale. Ora consideriamo linsieme delle funzioni
reali derivabili in [a, b]:
H = f : [a, b] R [ f `e ivi derivabile
Risulta:
(f H, f `e derivabile in [a, b]) =(f `e continua in [a, b]) =H C (a, b)
Inoltre H `e chiuso rispetto alle leggi di composizione sopra denite, da cui si conclude che
H `e un sottospazio vettoriale di C (a, b).
72
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
***
Proposizione 55 Sia E uno spazio vettoriale su K. Se H
1
, H
2
, ..., H
n
sono sottospazi di E,
allora
n
i=1
H
i
`e un sottospazio vettoriale di E.
Dimostrazione. Osserviamo innanzitutto che:
(i (1, 2, ..., n) , H
i
E) =
n

i=1
H
i
E
(v, w H
i
(i = 1, 2, ..., n)) =v, w
n

i=1
H
i
Inoltre H
i
`e un sottospazio di E, quindi:
(v +w H
i
(i = 1, 2, ..., n)) =(v +w)
n

i=1
H
i
( K, (v) H
i
(i = 1, 2, ...n)) =(v)
n

i=1
H
i
,
donde lasserto.
Teorema 56 Sia = v
1
, v
2
, ..., v
r
un sistema di vettori di E. Sia A linsieme delle
combinazioni lineari dei vettori di :
A
def
=
_
r

i=1

i
v
i
[
i
K, v
i
, (i = 1, 2, ...r)
_
E (2.21)
Linsieme (2.21) `e un sottospazio vettoriale di E.
Dimostrazione. Presi ad arbitrio due elementi di A:
v =
r

i=1

i
v
i
, w =
r

i=1

i
v
i
,
risulta:
v +w =
r

i=1
(
i
+
i
) v
i
=(v +w) A
K, v =
r

i=1

i
v
i
=(v) A, essendo

i
def
=
i
donde lasserto.
Denizione 57 Linsieme (2.21) si chiama sottospazio generato da e si indica con
A[].
73
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Esercizio 58 Assegnato il sistema = v
1
, v
2
, v
3
di R
4
:
v
1
= (1, 2, 0, 3) , v
1
= (2, 3, 0, 1) , v
1
= (2, 1, 2, 1)
provare che v A[], essendo v = (3, 9, 4, 2).
Soluzione 59 Risulta:
v A[]
_
(
1
,
2
,
3
) ,= (0, 0, 0) : v =
3

i=1

i
v
i
_
(2.22)
La (2.22) si scrive:

1
(1, 2, 0, 3) +
2
(2, 3, 0, 1) +
3
(2, 1, 2, 1) = (3, 9, 4, 2)
cio`e:

1
+ 2
2
+ 2
3
= 3 (2.23)
2
1
+ 3
2

3
= 9
0 + 0 + 2
3
= 4
3
1

2
+
3
= 2
La caratteristica del sistema lineare (2.23) `e p = 3, per cui esso `e equivalente a:

1
+ 2
2
+ 2
3
= 3
2
1
+ 3
2

3
= 9
0 + 0 + 2
3
= 4,
che ammette lunica soluzione (
1
,
2
,
3
) = (1, 3, 2). Si conclude che v A[], poich`e v
si esprime come combinazione lineare dei vettori di :
v = v
1
+ 3v
2
2v
3
***
Sia = v
1
, v
2
, ..., v
r
un sistema di vettori di E. Abbiamo la seguente:
Proposizione 60
_
`e linearmente
indipendente
_

_
v A[] , ! (
1
,
2
, ...,
r
) [ v =
r

i=1

i
v
i
_
Dimostrazione. Implicazione diretta
Hp `e lin. indip.
Per denizione di spazio vettoriale generato da , deve essere:
v A[] = (
1
,
2
, ...,
r
) : v =
r

i=1

i
v
i
74
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Se esiste una seconda r-pla di scalari (
1
,
2
, ...,
r
) : v =

i
v
i
, abbiamo il sistema di
equazioni:
r

i=1

i
v
i
= v
r

i=1

i
v
i
= v
Sottraendo la seconda dalla prima:
(
1

1
) v
1
+ (
2

2
) v
2
+ ... + (
r

r
) v
r
= 0 (2.24)
Ma `e linearmente indipendente, per cui la (2.24) implica:

1
=
2

2
= ... =
r

r
= 0,
cio`e:

i
=
i
, per i = 1, 2, ..., r,
da cui esistenza ed unicit`a della r-pla di scalari (
1
,
2
, ...,
r
).
Implicazione inversa
Hp:
v A[] , ! (
1
,
2
, ...,
r
) : v =
r

i=1

i
v
i
(2.25)
Per la proposizione 48 `e 0 A[], quindi la (2.25) per v = 0 si scrive:
! (
1
,
2
, ...,
r
) : 0 =
1
v
1
+
2
v
2
+... +
r
v
r
(2.26)
Lunica r-pla (
1
,
2
, ...,
r
) che verica la (2.26) `e (
1
,
2
, ...,
r
) = (0, 0, ..., 0), da cui `e
linearmente indipendente.
La proposizione (60) ci dice che se `e un sistema di vettori linearmente indipendente, ogni
vettore appartenente al sottospazio generato da , si esprime in uno e un sol modo come
combinazione lineare dei vettori di .
Lemma 61 Siano = v
1
, v
2
, ..., v
r
,

= u
1
, u
2
, ..., u
p
due sistemi di vettori di E. Se

`e linearmente indipendente e ogni suo vettore dipende linearmente dai vettori di , allora
`e p r.
Dimostrazione. Procediamo per assurdo supponendo che sia: p = r + 1. Per ipotesi:
u
j
=
r

i=1

ji
v
i
, per j = 1, 2, ..., r, r + 1 (2.27)
Scriviamo la (2.27) per j = j
1
1, 2, ..., r + 1:
u
j
1
=
j
1
1
v
1
+
j
1
2
v
2
+ ... +
j
1
r
v
r
(2.28)
75
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Risulta:
linearmente indipendente) =u
j
1
,= 0 =(
j
1
1
,
j
1
2
, ...,
j
1
r
) ,= (0, 0, ..., 0)
Senza perdita di generalit`a supponiamo che
j
1
1
,= 0. Dalla (2.28):
v
1
=
1

j
1
1
u
j
1


j
1
2

j
1
1
v
2
...

j
1
r

j
1
1
v
r
(2.29)
=
1

j
1
1
u
j
1

j
1
2
v
2
...

j
1
r
v
r
,
essendo:

j
1
i
def
=

j
1
i

j
1
1
, i = 2, 3, ..., r
In tal modo la (2.27) diventa:
u
j
=
j1
v
1
+
r

i=2

ji
v
i
=

j1

j
1
1
u
j
1

j1

j
1
2
v
2
...
j1

j
1
r
v
r
+
r

i=2

ji
v
i
=

j1

j
1
1
u
j
1
+
_

j2

j1

j
1
2
_
v
2
+ ... +
_

jr

j1

j
1
r
_
v
r
cio`e:
u
j
=

j1
u
j
1
+
r

i=2

ji
v
i
per j 1, 2, ..., r + 1 j
1
(2.30)
essendo:

ji
=
ji

j1

j
1
i
per i = 2, ..., r

j1
=

j1

j
1
1
Esplicitiamo la sommatoria a secondo membro della (2.30):
u
j
=

j1
u
j
1
+

j2
v
2
+

j3
v
3
+... +

jr
v
r
, per j 1, 2, ..., r + 1 j
1
(2.31)
Scriviamo la (2.31) per j = j
2
1, 2, ..., r + 1 j
1
:
u
j
2
=

j
2
1
u
j
1
+

j
2
2
v
2
+

j
2
3
v
3
+... +

j
2
r
v
r
(2.32)
Risulta:
linearmente indipendente) =u
j
2
,= 0 =
_

j
2
2
,

j
2
3
, ...,

j
2
r
_
,= (0, 0, ..., 0)
Senza perdita di generalit`a supponiamo che
j
2
2
,= 0. Dalla (2.32):
v
2
=
1

j
2
2
u
j
2

j
2
1

j
2
2
u
j
1

j
2
3

j
2
2
v
3
...

j
2
r

j
2
2
v
r
76
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
In tal modo la (2.31) diventa:
u
j
=

j1
u
j
1
+

j2
_
1

j
2
2
u
j
2

j
2
1

j
2
2
u
j
1

j
2
3

j
2
2
v
3
...

j
2
r

j
2
2
v
r
_
+

j3
v
3
+... +

jr
v
r
=
_

j1

j2

j
2
1

j
2
2
_
u
j
1
+

j2

j
2
2
u
j
2
+
_

j3

j2

j
2
3

j
2
2
_
v
3
+ ... +
_

jr

j2

j
2
r

j
2
2
_
v
r
cio`e:
u
j
=

j1
u
j
1
+

j2
u
j
2
+
3

i=1

ji
v
i
, per j 1, 2, ..., r + 1 j
1
, j
2
(2.33)
essendo:

ji
=

ji

j2

j
2
3

j
2
2
, i 1, ..., r 2

j2
=

j2

j
2
2
Il procedimento pu`o essere iterato r volte, ottenendo:
u
j
r+1
=
j
1
u
j
1
+
j
2
u
j
2
+ ... +
j
r
u
j
r
Abbiamo quindi trovato un vettore di

che dipende linearmente dai rimanenti vettori di

, quindi per la proposizione 47,

`e linearmente dipendente. Ma ci`o contraddice lipotesi


secondo cui

`e linearmente indipendente, da qui la tesi.


2.4 Sistemi di ordine massimo
Sia E uno spazio vettoriale sul campo K. Un sistema = v
1
, v
2
, ..., v
r
di vettori di E si
dice sistema di ordine massimo, se:
1. `e linearmente indipendente.
2. p > r [

= v
1
, v
2
, ..., v
r
, v
r+1
, ..., v
p
E =

`e linearmente dipendente.
Abbiamo la seguente:
Proposizione 62 Se = v
1
, v
2
, ..., v
r
`e un sistema di ordine massimo relativamente allo
spazio vettoriale E:
_

E,

`e linearmente dipendente
_

_
v E , v dipende
linearmente da
_
Dimostrazione. Implicazione diretta
Per ipotesi:
v E , v E , v `e linearmente dipendente (2.34)
77
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
La (2.34) implica:
v+
1
v
1
+
2
v
2
+ ... +
r
v
r
= 0 (2.35)
(,
1
,
2
, ...,
r
) ,= (0, ..., 0)
`e linearmente indipendente =
1
=
2
= ... =
r
= 0 = ,= 0
Quindi:
v =
r

i=1

i
v
i
, (2.36)
essendo:

i
=

, i = 1, 2, ..., r,
da cui la tesi.
Implicazione inversa.
Per ipotesi: v E , v dipende linearmente da . Per la proposizione 46 il sistema

= v `e linearmente dipendente. In forza dellarbitrariet`a di v E , ogni

E
e tale che

`e linearmente dipendente, cio`e la tesi.


Proposizione 63 Sia E uno spazio vettoriale su K.
_
= v
1
, v
2
, ..., v
r
`e un sistema
di ordine massimo
_
=
_
p > r,

= u
1
, u
2
, ..., u
p
E
`e linearmente dipendente
_
Dimostrazione. Per la proposizione 62:
(i 1, 2, ..., p , u
i
E) =(u
i
dipende linearmente da ) (2.37)
Per il lemma 61 deve essere p > r, anche

sia linearmente dipendente.


Proposizione 64 Sia E uno spazio vettoriale su K.
_
= v
1
, v
2
, ..., v
r
,

= u
1
, u
2
, ..., u
p

due sistemi di ordine massimo


_
=(p = r)
Dimostrazione. Per il lemma 61:
u
i

, u
i
dipende linearmente da =p r
v
i
, v
i
dipende linearmente da

=r p
cio`e:
(p r, r p) p = r
Proposizione 65 Sia E uno spazio vettoriale su K dotato di un sistema = v
1
, v
2
, ..., v
r

di ordine massimo.
_

= u
1
, u
2
, ..., u
r

`e linearmente indipendente
_
=
_

`e un sistema di
ordine massimo
_
Dimostrazione. v E

v `e linearmente dipendente in forza della proposizione


62, v dipende linearmente da

(proposizione 62). In forza dellarbitrariet`a di v E ,


segue che

`e un sistema di ordine massimo.


78
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
2.5 Basi e dimensioni di uno spazio vettoriale
Sia E uno spazio vettoriale sul campo K.
Denizione 66 Ogni sistema di ordine massimo `e una base di E.
Denizione 67 Se = v
1
, v
2
, ..., v
r
`e una base di E, lintero naturale r `e la dimensione
di E e si indica con dimE.
Tipicamente una base di E `e indicata con:
e
1
, e
2
, ..., e
r
e
i
(2.38)
Per ogni v E:
v =
1
e
1
+
2
e
2
+... +
r
e
r
(2.39)
Gli scalari (
1
,
2
, ...
r
) sono le componenti del vettore v nella base e
i
, e si indicano con
(v
1
, v
2
, ..., v
r
), per cui:
v = v
1
e
1
+ v
2
e
2
+... +v
r
e
r
(2.40)
Esempio 68 Consideriamo lo spazio vettoriale R
n
sul campo reale R. I vettori unitari di
R
n
:
e
1
= (1, 0, ..., 0) , e
2
= (0, 1, ..., 0) ,..., e
r
= (0, 0, ..., 1) ,
costituiscono una base di R
n
.
Infatti preso ad arbitrio un vettore v = (v
1
, v
2
, ..., v
n
):
v = (v
1
, 0, ..., 0) + (0, v
2
, ..., 0) +... (0, 0, ..., v
n
)
= v
1
e
1
+ v
2
e
2
+ ... + v
n
e
n
Esempio 69 Consideriamo lo spazio vettoriale P
n
[x] su R. Un qualunque vettore di P
n
[x]:
p (x) = a
0
+ a
1
x +a
2
x
2
+ ... + a
n
x
n
(2.41)
Il sistema di vettori:
e
0
(x) , e
1
(x) , e
2
(x) , ..., e
n
(x) , (2.42)
essendo:
e
0
(x) = 1, e
1
(x) = x, e
2
(x) = x
2
, ..., e
n
(x) = x
n
`e una base. Infatti, preso ad arbitrio il polinomio:
p
n
(x) =
n

k=0
a
k
x
k
,
vediamo che p
n
(x) `e univocamente determinato dalla n+1-pla di scalari (a
0
, a
1
, ..., a
n
). Da
ci`o segue che e
i
(x) `e una base di T
n
[x] e (a
0
, a
1
, ..., a
n
) sono le componenti di p
n
(x) nella
suddetta base. Inoltre:
dimP
n
[x] = n + 1
79
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Per ssare le idee consideriamo P
3
[x], quindi:
e
0
(x) = 1, e
1
(x) = x, e
2
(x) = x
2
Prendiamo il vettore:
p (x) = 3 + 3x + 2x
2
(2.43)
= 3e
0
(x) + 3e
1
(x) + 2e
2
(x)
Pertanto p (x) ha componenti (2, 3, 3) nella base 1, x, x
2
. Ora consideriamo il sistema di
vettorie

i
(x)
e

0
(x) = 1 +x + x
2
, e

1
(x) = 1 x + x
2
, e

2
(x) = 1 x
2
(2.44)
cio`e
e

0
(x) = e
0
(x) + e
1
(x) + e
2
(x)
e

1
(x) = e
0
(x) e
1
(x) +e
2
(x)
e

2
(x) = e
0
(x) e
2
(x)
Verichiamo che il sistema (2.44) `e linearmente indipendente.
Abbiamo:

0
e

0
+
1
e

1
+
2
e

2
= 0
Cio`e:
(
0
+
1
+
2
) e
0
+ (
0

1
+
2
) e
1
+ (
0
+
1

2
) e
2
= 0
Ma il sistema di vettori e
i
`e linearmente indipendente, donde:

0
+
1
+
2
=
0

1
+
2
=
0
+
1

2
= 0
Abbiamo cos` ottenuto il sistema lineare omogeneo:

0
+
1
+
2
= 0

1
+
2
= 0

0
+
1

2
= 0
La matrice dei coecienti `e:
A =
_
_
1 1 1
1 1 1
1 1 1
_
_
,
il cui rango `e r (A) = 3, donde il sistema ammette la sola soluzione banale (
0
,
1
,
2
) =
(0, 0, 0). Il sistema (2.44) `e manifestamente una base di P
3
[x], giacch`e `e del medesimo ordine
di (2.42). Determiniamo quindi le componenti del vettore (2.43) nella base (2.44). A tale
scopo scriviamo:
p (x) = a

0
e

0
(x) + a

1
e

1
(x) + a

2
e

2
(x) ,
80
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
equivalente al sistema di Cramer:
a

0
+ a

1
+a

2
= 3
a

0
+ a

1
+ 0 = 3
a

0
+a

1
a

2
= 2,
la cui unica soluzione `e (a

0
, a

1
, a

2
) =
_
11
4
,
1
4
,
1
2
_
. Pertanto le componenti di (2.43) nella
base (2.44) sono:
_
11
4
,
1
4
,
1
2
_
Quindi scriviamo:
p (x) =
11
4
e

0
(x)
1
4
e

1
(x) +
1
2
e

2
(x)
2.6 Spazi innito-dimensionali
Negli esempi visti nella sezione precedente, lo spazio vettoriale assegnato `e tale che dimE =
n < +. Ci si pu`o chiedere se esistono spazi tali che dimE +. La risposta `e aermativa
e in tal caso di dice che lo spazio vettoriale `e innito-dimensionale
1
. Alcuni esempi:
Esempio 70 Sia P
n
[x] lo spazio vettoriale dei polinomi di grado n. Per quanto visto `e
dimP
n
[x] = n+1. Ora consideriamo linsieme P

[x] di tutti i polinomi in x e a coecienti


in R.
`
E facile rendersi conto che si tratta di uno spazio vettoriale. Possiamo scrivere
convenzionalmente:
P

[x] = lim
n+
P
n
[x]
donde:
dimP

[x] = lim
n+
dimP
n
[x] = lim
n+
(n + 1) = +
Esempio 71 Sia
C [a, b] = f : [a, b] R [ f `e ivi continua
Come `e noto, C [a, b] assume la struttura di spazio vettoriale quando si introducono le usali
leggi di composizione. Osserviamo che:
n N,
n
=
_
1, x, x
2
, ..., x
n
, x
n+1
, ...
_
`e una base di C [a, b], donde dimC [a, b] = +.
2.7 Cambiamento di base
Nellesempio precedente abbiamo esaminato la possibilit`a di esprimere un vettore come com-
binazione lineare di due basi distinte. Ci proponiamo di formalizzare tale importante nozione
che prende il nome di cambiamento di base. Siano e
i
, e

i
due basi distinte del
medesimo spazio vettoriale E su K. Evidentemente:
1
La dimensione pu`o essere innita numerabile o innita con la potenza del continuo.
81
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
e

i
=
r

k=1

ik
e
k
(2.45)
Qui
ik
compongono una matrice R(r r) sul campo K. A loro volta i vettori e
i
si esprimono
come combinazione lineare dei vettori di e

i
:
e
i
=
r

k=1

ik
e

k
(2.46)
In maniera analoga, i coecienti
ik
della combinazione lineare sono gli elementi di matrice
di R

(r r) sul campo K.
Sostituendo la (2.45) nella (2.46):
e
i
=
r

k=1

ik
r

j=1

kj
e
j
=
r

k=1
r

j=1

ik

kj
e
j
(2.47)
Il vettore e
i
si scrive:
e
i
=
r

j=1

ij
e
j
,
essendo
ki
=
ik
il simbolo di Kronecher:

ik
=
_
1, se i = k
0, se i ,= k
La (2.47) diventa:
r

k=1
r

j=1

ik

kj
e
j

j=1

ij
e
j
= 0
Invertendo lordine delle sommatorie nel primo termine:
r

j=1
_
r

k=1
(
ik

kj
)
ij
_
e
j
= 0 (2.48)
Per denizione di base, il sistema di vettori e
i
`e linearmente indipendente, donde la (2.48)
`e vericata se e solo se:
r

k=1

ik

kj
=
ij
,
che `e manifestamente equivalente alla relazione seguente:
R

R = 1
Allo stesso modo si dimostra che RR

= 1. Si conclude che:
R

= R
1
82
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Si consideri ora un vettore v E che ha componenti (v
1
, v
2
, ..., v
r
) in e
i
:
v =
r

k=1
v
k
e
k
(2.49)
Il medesimo vettore ha componenti (v

1
, v

2
, ..., v

r
) in e

i
:
v =
r

k=1
v

k
e

k
(2.50)
Confrontando le (2.49)-(2.50) e tenendo conto della (2.46):
r

i=1
v

i
e

i
=
r

k=1
r

j=1
v
k

kj
e

j
Eseguendo negli indici muti la sostituzione (k, j) (j, i) e dopo una serie di passaggi:
v

i
=
r

j=1

ij
v
j
(2.51)
Indichiamo con V la matrice (r 1) i cui elementi sono le componenti di v in e
i
:
V
def
=
_
_
_
_
v
1
v
2
...
v
r
_
_
_
_
, (2.52)
Quindi:
V

=
_
_
_
_
v

1
v

2
...
v

r
_
_
_
_
(2.53)
Con le posizioni (2.52)-(2.53), la (2.51) si scrive:
V

=
_
R
1
_
T
V, (2.54)
Esempio 72 Assegnato il vettore v = (1, 2) nella base e
1
= (1, 0), e
2
= (0, 1) dello spazio
vettoriale R
2
(su R), si determinino le componenti di v rispetto alla base e

1
= (1, 1), e

2
=
(1, 1).
Soluzione 73 La matrice R `e:
R =
_
1 1
1 1
_
, det R = 1 1 = 2
la cui aggiunta `e:
R
(a)
=
_
1 1
1 1
_
83
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Quindi linversa [eq. (1.51)]:
R
1
=
_
1
2
1
2
1
2

1
2
_
=
_
R
1
_
T
,
Per la (2.54):
V

=
_
1
2
1
2
1
2

1
2
__
1
2
_
=
_
3
2

1
2
_
,
quindi:
v

1
=
3
2
, v

2
=
1
2
Esempio 74 Assegnato il vettore v = (3, 2, 2) nella base e
1
= (1, 0, 0), e
2
= (0, 1, 0), e
3
=
(0, 0, 1) dello spazio vettoriale R
3
(su R), si determinino le componenti di v rispetto alla base
e

1
= (1, 0, 1), e

2
= (2, 1, 0), e

3
= (0, 1, 1).
Soluzione 75 La matrice R `e:
R =
_
_
1 0 1
2 1 0
0 1 1
_
_
Linversa `e:
R
1
=
_
_
1/3 1/3 1/3
2/3 1/3 2/3
2/3 1/3 1/3
_
_
Quindi il vettore colonna nella nuova base:
V

=
_
_
1/3 1/3 1/3
2/3 1/3 2/3
2/3 1/3 1/3
_
_
T
_
_
3
2
2
_
_
=
_
_
1
1
1
_
_
Si conclude che le componenti di v nella nuova base sono:
v

1
= 1, v

2
= 0, v

3
= 2
2.8 Somma di due spazi vettoriali
Sia E uno spazio vettoriale sul campo K. Se V e W sono due sottospazi di E, sussiste la
seguente
Denizione 76 Dicesi somma di V e W, linsieme di vettori:
V + W
def
= v +w [ v V , w W (2.55)
Teorema 77 Linsieme (2.55) `e un sottospazio vettoriale di E.
84
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Dimostrazione. Osserviamo innanzitutto che ,= V + W E. Inoltre:
(v
1
+w
1
) , (v
2
+w
2
) V + W
(v
1
+w
1
) + (v
2
+w
2
) = (v
1
+v
2
)
. .
def
= v

V
+ (w
1
+w
2
)
. .
def
= w

W
= v

+w

=((v
1
+w
1
) + (v
2
+w
2
)) V + W
Inoltre: K, (v +w) V +W, (v +w) = (v)
V
+ (w)
W
=((v +w)) V +W,
donde lasserto.
Esempio 78 Consideriamo lo spazio vettoriale /
R
(2 2). Prendiamo i sottoinsiemi:
V =
__
a b
0 0
_
[ a, b R
_
(2.56)
W =
__
a 0
c 0
_
[ a, c R
_
`
E facile rendersi conto che V e W sono sottospazi di /
R
(2 2). La somma `e:
V + W =
__
a b
c 0
_
[ a, b, c R
_
Osserviamo che:
V W = 0
Proposizione 79 V, W V + W
Dimostrazione. (W sottospazio di E) =0 W =v V , v = (v +0) V + W =
V V + W
Allo stesso modo si dimostra che W V + W
Proposizione 80 V + W = L[V, W] , essendo L[V, W] il sottospazio generato da V e W:
L[V, W] =
_

i
v
i
[
i
K , v
i
V W
_
Dimostrazione. V +W sottospazio di E tale che V +W V, W =V + W L[V, W]
Preso ad arbitrio u V + W =u = v +w = v + w, con = = 1 e v V , w W,
quindi u L[V, W]
Cio`e:
u V +W, u L[V, W] =V + W L[V, W]
Quindi:
V + W L[V, W]
V + W L[V, W] ,
da ci`o segue V + W = L[V, W].
85
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Denizione 81 Dicesi somma diretta dei sottospazi V , W di E, e si indica con V W,
il sottospazio U tale che:
u U =!v V , !w W [ u = v +w
Teorema 82
U = V W
_
U = V + W
V W = 0
Dimostrazione. Implicazione diretta
U = V W =(u U =!v V , !w W [ u = v +w ) =U = V + W
Preso ad arbitrio u V W,
_
u =u
V
+ 0
W
, u = 0
V
+ u
W
_
=u =0
Lultima implicazione segue dalla unicit`a dellespansione del vettore u. Quindi:
(u V W, u = 0) =V W = 0
Implicazione inversa
Supponiamo che u sia esprimibile attraverso due espansioni:
u = v +w, u = v

+w

Quindi:
v v

. .
V
= ww

. .
W
=
V W={0}
v v

= ww

= 0 =v = v

, w = w

Si conclude che:
U = V W
Denizione 83
(V, W supplementari in E) (E = V W)
Teorema 84 Comunque prendiamo un sottospazio U di E, esiste un sottospazio W tale
che
2
:
E = U W
Inoltre:
dimW = dimE dimU,
o ci`o che `e lo stesso:
dim(U W) = dimU + dimW (2.57)
2
Non univocamente determinato.
86
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Dimostrazione. Poniamo:
dimE = n, dimU = m
Consideriamo una base di U:
g
1
, g
2
, ..., g
m

Presi n m vettori linearmente indipendenti e


1
, e
2
, ..., e
nm
, una base di E `e:
g
i
e
k
i
= g
1
, g
2
, ..., g
m
, e
k
1
,
e
k
2
, ..., e
k
n
,
a E = !
_

1
,
2
, ...,
m
,
e
k
1
,
e
k
2
, ...,
e
k
n
_
[ a =
1
g
1
+
2
g
2
+ ... +
m
g
m
+
k
1
g
k
1
+
... +
k
n
g
k
n
da ci`o segue:
E = U W
dimW = n m = dimE dimW
Teorema 85
dim(V + W) = dimV + dimW dim(V W) (2.58)
Dimostrazione. omessa
Osservazione 86 La (2.58) riproduce la (2.57) se V W = 0.
Esempio 87 Consideriamo lo spazio euclideo R
2
. Siano u e v due vettori non paralleli.
Riferiamoci ai sottospazi generati dal singolo vettore:
U = u [ R
V = v [ R
Il sistema
= u, v
`e manifestamente una base di R
2
, donde:
v R
2
, v = v
1
u + v
2
v,
essendo (v
1
, v
2
) le componenti di v nella base . Assegnato il vettore v, tali componenti sono
univocamente determinate, donde:
R
2
= U V
***
La denizione 81 si generalizza a N sottospazi:
U = V
1
V
2
... V
N
(2.59)
87
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
2.9 Esercizi proposti
1. Assegnati i seguenti vettori di R
2
:
v
1
= (2, 4) , v
2
= (1, 2) , v
3
= (1, 1) , v
4
= (3, 6) , v
5
= (4, 5) , v
6
= (3, 9) ,
provare che: 1) v
2
,v
4
sono proporzionali a v
1
; 2) v
5
dipende linearmente da
1
=
v
1
, v
3
; 3) v
4
dipende linearmente da
2
= v
1
, v
2
; 4) v
6
dipende linearmente da

3
= v
1
, v
3
, v
5
; 5) v
3
non dipende linearmente da
2
.
2. Assegnati i seguenti vettori di R
3
:
v
1
= (1, 2, 1) , v
2
= (1, 1, 0) , v
3
= (0, 1, 1) , v
4
= (1, 1, 1) , v
5
= (2, 1, 2) , v
6
= (1, 5, 4) ,
provare che: 1) v
4
,v
5
non dipendono linearmente
1
= v
1
, v
2
; 2) v
3
e v
6
dipendono
linearmente da
1
; 3) v
5
dipende linearmente da
2
= v
1
, v
2
, v
4
; 4) v
6
dipende
linearmente da
3
= v
1
, v
2
, v
3
.
3. Provare che il seguente sistema di vettori di R
3
:
= v
1
, v
2
, v
3
,
essendo: v
1
= (1, 1, 1), v
2
= (1, 2, 3), v
3
= (2, 1, 1), `e linearmente indipendente.
Esprimere quindi il vettore v = (1, 2, 5) come combinazione lineare dei vettori di .
4. Assegnato il sistema i vettori di R
3
:
= v
1
, v
2
, v
3
,
essendo: v
1
= (1, 1, 1), v
2
= (1, 2, 3), v
3
= (2, 1, 1), scrivere il vettore v = (2, 5, 3)
come combinazione lineare dei vettori di .
5. Provare che il seguente sistema di vettori di R
3
:
= v
1
, v
2
,
essendo: v
1
= (3, 0, 2), v
2
= (2, 1, 5), `e linearmente indipendente. Determinare
poi per quali valori del parametro reale k il vettore v = (1, 2, k) si esprime come
combinazione lineare dei vettori di .
6. Sia = u(x) , v (x) , w(x) un sistema di vettori di T
2
[x] (spazio vettoriale i cui
vettori sono i polinomi su R di grado 2).
u(x) = x
2
2x + 5, v (x) = 2x
2
3x, w(x) = x + 3
Dimostrare che `e linearmente indipendente ed esprimere il vettore p (x) = x
2
+4x3
come combinazione lineare dei vettori di .
88
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
7. Assegnati i vettori di T
2
[x]:
a (x) = x
2
x + 1 b (x) = x
2
+x 1 c (x) = x
2
d (x) = x + 1 e (x) = 2x
2
x + 2 f (x) = x
2
+x 2
,
mostare che: 1) b (x) non `e proporizionale a a (x); 2) c (x) dipende linearmente da
1
=
a (x) , b (x); 3) e (x) non dipende linearmente da
1
; 4) e (x) dipende linearmente
da
2
= a (x) , b (x) , c (x); 5) d (x) dipende linearmente da
2
; 6) f (x) dipende
linearmente da
3
= a (x) , b (x) , e (x).
8. Provare che il sistema =
_
e
1
(x) = 1, e
2
(x) = x 1, e
3
(x) = (x 1)
2
_
`e una base
di T
2
[x], e trovare le componenti di p (x) = 4x
2
x + 1 in .
9. Assegnato lo spazio vettoriale R
3
, si considerino le basi:
e
1
= (1, 0, 0) , e
2
= (0, 1, 0) , e
3
= (0, 0, 1)
e

1
= (1, 1, 1) , e

2
= (1, 1, 0) , e

3
= (1, 0, 0)
Determinare le componenti dei vettori v e w nella base e

i
, essendo note le loro
componenti nella base e
i
: v = (4, 3, 2), w = (a, b, c).
10. Assegnato lo spazio vettoriale R
3
si consideri linsieme:
H =
_
(v
1
, v
2
, v
3
) R
3
: 2v
1
+ v
2
v
3
= 0
_
R
3
Dimostrare che H `e un sottospazio vettoriale di R
3
, determinandone una base.
11. Si consideri lo spazio vettoriale T
4
[cos x], i cui vettori sono i polinomi in cos x, di grado
non superiore a 4. Ad esempio, nella base:
e
i
(cos x) =
_
1, cos x, cos
2
x, cos
3
x, cos
4
x
_
il generico vettore `e:
p (cos x) = a
0
+ a
1
cos x + a
2
cos
2
x + a
3
cos
3
x + a
4
cos
4
x
Assegnata la base:
e

i
(cos x) = 1, cos x, cos 2x, cos 3x, cos 4x ,
scrivere le equazioni di trasformazioni che permettono il cambiamento di base:
e
i
(cos x) e

i
(cos x)
e

i
(cos x) e
i
(cos x)
Soluzione
89
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Abbiamo:
e

i
(cos x) =
4

k=0

ik
e
k
(cos x) (2.60)
Utilizziamo le seguenti formule trigonometriche:
cos 2x = 2 cos
2
x 1 (2.61)
cos 3x = 4 cos
3
x 3 cos x
cos 4x = 8 cos
4
x 8 cos
2
x + 1
Scrivendo la (2.60) componente per componente, si ottiene la matrice R = (
ik
):
R =
_
_
_
_
_
_
1 0 0 0 0
0 1 0 0 0
1 0 2 0 0
0 3 0 4 0
1 0 8 0 8
_
_
_
_
_
_
Quindi linversa:
R
1
=
_
_
_
_
_
_
1 0 0 0 0
0 1 0 0 0
1
2
0
1
2
0 0
0
3
4
0
1
4
0
3
8
0
1
2
0
1
8
_
_
_
_
_
_
Abbiamo:
p (cos x)
.
=
_
_
_
_
_
_
a
0
a
1
a
2
a
3
a
4
_
_
_
_
_
_
nella base e
i
,
dove il simbolo
.
= signica rappresentato da. Similmente:
p

(cos x)
.
=
_
_
_
_
_
_
a

0
a

1
a

2
a

3
a

4
_
_
_
_
_
_
nella base e

Le componenti nelle rispettive basi sono legate da:


_
_
_
_
_
_
a

0
a

1
a

2
a

3
a

4
_
_
_
_
_
_
=
_
_
_
_
_
_
1 0 0 0 0
0 1 0 0 0
1
2
0
1
2
0 0
0
3
4
0
1
4
0
3
8
0
1
2
0
1
8
_
_
_
_
_
_
_
_
_
_
_
_
a
0
a
1
a
2
a
3
a
4
_
_
_
_
_
_
(2.62)
90
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Cio`e:
a

0
= a
0
a

1
= a
1
a

2
=
1
2
(a
0
+ a
1
)
a

3
=
1
4
(3a
1
+a
3
)
a

4
=
1
2
(3a
0
+ 4a
2
+ a
4
)
Invertendo la (2.62):
a
0
= a

0
a
1
= a

1
a
2
= a

0
+ 2a

2
a
3
= 3a

1
+ 4a

3
a
4
= a

0
8a

2
+ 8a

4
2.9.1 Soluzioni
1. Il quesito 1 si risolve banalmente:
v
2
=
1
2
v
1
, v
4
=
3
2
v
1
Quesito 2:
v
5
= v
1
+ v
3
cio`e:
(2, 4) +(1, 1) = (4, 5)
_
2 = 4
4 + = 5
,
che ammette lunica soluzione (, ) = (3/2, 1), quindi:
v
5
=
3
2
v
1
v
3
Quesito 3:
v
4
= v
1
+ v
2
,
cio`e:
(2, 4) + (1, 2) = (3, 6)
_
2 + = 3
4 + 2 = 6
,
che ammette
1
soluzioni (, ) = (, 3 2), R, quindi:
v
4
= 3v
2
v
1
, R
91
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Quesito 4:
v
6
= v
1
+ v
3
+ v
4
,
cio`e:
(2, 4) +(1, 1) + (4, 5) = (3, 9)
_
2 + 4 = 3
4 + + 5 = 9
,
che ammette
1
soluzioni (, , ) =
_
2
3
2
, 1 +,
_
, R, quindi:
v
6
=
_
2
3
2

_
v
1
+ (1 +) v
3
+ v
5
= 2v
1
+v
3
+
_
v
3
+v
5

3
2
v
1
_
, R
Quesito 5:
v
3
= v
1
+v
2
cio`e:
(2, 4) + (1, 2) = (1, 1)
_
2 + = 1
4 + 2 = 1
Tale sistema `e incompatibile = (, ) : v
3
= v
1
+v
2
.
2. Quesito 1:
v
4
= v
1
+ v
2
cio`e:
(1, 2, 1) +(1, 1, 0) = (1, 1, 1)
_
_
_
+ = 1
2 + = 1
+ 0 = 1
Tale sistema lineare `e incompatibile, quindi (, ) : v
4
= v
1
+ v
2
.
v
5
= v
1
+ v
2
cio`e:
(1, 2, 1) + (1, 1, 0) = (2, 1, 2)
_
_
_
+ = 2
2 + = 1
+ 0 = 2
Tale sistema lineare `e incompatibile, quindi (, ) : v
5
= v
1
+ v
2
.
Quesito 2:
v
3
= v
1
+ v
2
cio`e:
(1, 2, 1) +(1, 1, 0) = (0, 1, 1)
_
_
_
+ = 0
2 + = 1
+ 0 = 1
92
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
La terza equazione di tale sistema `e combinazione lineare delle prime due, per cui:
_
+ = 0
2 + = 1
=(, ) = (1, 1)
Quindi:
v
3
= v
1
v
2
Imponiamo che:
v
6
= v
1
+ v
2
cio`e:
(1, 2, 1) + (1, 1, 0) = (1, 5, 4)
_
_
_
+ = 1
2 + = 5
+ 0 = 4
La terza equazione di tale sistema `e combinazione lineare delle prime due, per cui:
_
+ = 1
2 + = 5
=(, ) = (4, 3) ,
quindi:
v
6
= 4v
1
3v
2
Quesito 3:
v
5
= v
1
+ v
2
+ v
4
,
cio`e:
(1, 2, 1) +(1, 1, 0) + (1, 1, 1) = (2, 1, 2)
_
_
_
+ + = 2
2 + + = 1
+ 0 + = 2
Tale sistema `e compatibile e determinato: ! (, , ) = (1, 4 1), donde:
v
5
= v
1
+ 4v
2
v
4
Quesito 4:
v
6
= v
1
+ v
2
+ v
3
,
cio`e:
(1, 2, 1) +(1, 1, 0) + (0, 1, 1) = (1, 5, 4)
_
_
_
+ + 0 = 1
2 + + = 5
+ 0 + = 4
La terza equazione di tale sistema `e combinazione lineare delle prime due, per cui:
_
+ + 0 = 1
2 + + = 5
93
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Tale sistema `e compatibile e indeterminato. Precisamente: p = 2, n = 3 =

1
soluzioni:
(, , ) = (4 , 3, ) , R
Quindi il vettore v
6
si esprime in
1
modi distinti come combinazione lineare dei
vettori v
1
, v
2
, v
3
:
v
6
= (4 ) v
1
+ ( 3) v
2
+ v
3
Osservazione 88 Esistono
1
combinazioni lineari, poiche il sistema v
1
, v
2
, v
3
`e
linearmente dipendente. Infatti il sistema omogeneo:
_
_
_
+ + 0 = 0
2 + + = 0
+ 0 + = 0
,
ha caratteristica p = 2, per cui ammette
1
autosoluzioni = (, , ) ,= (0, 0, 0) :
v
1
+ v
2
+v
3
= 0.
3. Abbiamo lequazione vettoriale:

1
(1, 1, 1) +
2
(1, 2, 3) +
3
(2, 1, 1) = (0, 0, 0)
che scritta componente per componente conduce al sistema omogeneo:

1
+
2
+ 2
3
= 0 (2.63)

1
+ 2
2

3
= 0

1
+ 3
2
+
3
= 0
La matrice dei coecienti `e:
A =
_
_
1 1 2
1 2 1
1 3 1
_
_
Abbiamo: det A = 5 = il sistema (2.63) ammette unicamente la soluzione banale
(
1
,
2
,
3
) = (0, 0, 0), per cui il sistema `e linearmente indipendente.
Scriviamo la combinazione lineare:
v =
1
v
1
+
2
v
2
+
3
v
3
equivalente a:

1
+
2
+ 2
3
= 1 (2.64)

1
+ 2
2

3
= 2

1
+ 3
2
+
3
= 5
Tale sistema `e compatibile e determinato. La soluzione `e (
1
,
2
,
3
) = (6, 3, 2).
Perci`o: v = 6v
1
+ 3v
2
+ 2v
3
.
94
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
4. Il sistema = (1, 3, 2) , (2, 4, 1) , (1, 5, 7) `e linearmente dipendente se il sis-
tema lineare omogeneo:

1
+
2
+
3
= 0 (2.65)
3
1
4
2
5
3
= 0
2
1

2
+ 7
3
= 0,
`e banale. La matrice dei coecienti `e:
A =
_
_
1 2 1
3 4 5
2 1 7
_
_
Risulta: det A = 0 = p < n, essendo p la caratteristica del sistema e n = 3 il
numero di incognite. Quindi il sistema (2.65) ammette
np
soluzioni non nulle,
perci`o (
1
,
2
,
3
) ,= 0, da ci`o segue che `e linearmente dipendente e che non `e
possibile esprimere il vettore v come combinazione lineare dei vettori di .
5. R : v
1
= v
2
, quindi per la proposizione 45 il sistema `e linearmente indipen-
dente. Scriviamo:
v =
1
v
1
+
2
v
2
,
ottenendo il sistema lineare:
3
1
+ 2
2
= 1 (2.66)
0
2
= 2
2
1
5
2
= k
La matrice dei coecienti e la matrice dei coecienti pi` u termini noti:
A =
_
_
3 2
0 1
2 5
_
_
; M (k) =
_
_
3 2 1
0 1 2
2 5 k
_
_
;
Risulta: p = r (A) = 2. Anch`e il sistema sia compatibile, deve essere r (A) = r (M).
Poniamo:
F (k)
def
= det M (k) =

3 2 1
0 1 2
2 5 k

= 3 (k + 8)
`
E facile convincersi che r (A) = r (M) = 2 F (k) = 0 k = 8
def
= k

. Ed `e
questo il valore di k tale che:
v =
2

i=1

i
v
i
Per k = k

, il sistema (2.66) ammette lunica soluzione (


1
,
2
) = (1, 2), per cui:
v = v
1
+ 2v
2
95
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
6. Il sistema `e linearmente indipendente se:
u(x) + v (x) + w(x) = 0 = = = = 0
Sostituendo le espressioni analitiche di u(x), v (x), w(x) e ordinando i vari termini:
( + 2) x
2
+ (2 3 + ) x + (5 + 3) = 0 (2.67)
La (2.67) equivale al sistema:
+ 2 + 0 = 0 (2.68)
2 3 + = 0
5 + 0 + 3 = 0,
che `e banale: (, , ) = (0, 0, 0), per cui `e linearmente indipendente.
Scriviamo:
p (x) =
1
u(x) +
2
v (x) +
3
(x) ,
cio`e:

1
+ 2
2
+ 0 = 1 (2.69)
2
1
3
2
+
3
= 4
5
1
+ 0 + 3
3
= 3,
Il sistema lineare (2.69) `e compatibile e determinato. La soluzione `e (
1
,
2
,
3
) =
(3, 2, 4); pertanto:
p (x) = 3u(x) + 2v (x) + 4 (x)
7. 1) b (x) e a (x) sono proporzionali se:
( R : b (x) = a (x)) x
2
+ x 1 =
_
x
2
x + 1
_
equivalente a:
( 1) x
2
+ ( 1) x + ( + 1) = 0, (2.70)
essendo 0 il polinomio nullo (vettore nullo). La (2.70) `e vera se, e solo se:
1 = 0
+ 1 = 0
+ 1 = 0
Tale sistema `e manifestamente incompatibile, donde : b (x) = (x).
2). Scriviamo:
c (x) = a (x) + b (x)
96
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
equivalente a:
( + 1) x
2
+ ( + ) x + ( ) = 0,
da cui il sistema lineare:
_
_
_
+ = 1
= 0
= 0
=(, ) =
_
1
2
,
1
2
_
,
quindi:
c (x) =
1
2
[a (x) + b (x)]
3). Scriviamo:
e (x) = a (x) + b (x)
Sostituendo le espressioni di a (x), b (x), e (x):
( + 2) x
2
+ ( + + 1) x + ( 2) = 0,
da cui il sistema:
_
_
_
+ = 2
= 0
= 2
= (, ) ,
per cui e (x) non `e combinazione lineare di
1
.
4). Scriviamo:
e (x) = a (x) + b (x) + c (x)
Sostituendo le espressioni di a (x), b (x), c (x), e (x):
( + + 2) x
2
+ ( + + 1) x + ( 2) = 0,
da cui il sistema:
_
_
_
+ + = 2
+ 0 = 0
+ 0 = 0

_
+ + = 2
+ 0 = 0
,
che ammette
1
soluzioni:
(, , ) =
_
1

2
, 1

2
,
_
, R
Quindi:
e (x) =
_
1

2
_
a (x) +
_
1

2
_
b (x) + c (x)
97
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Osservazione 89 Il vettore e (x) si esprime in inniti modi come combinazione lineare
dei vettori
2
= a (x) , b (x) , c (x), poiche tale sistema `e linearmente dipendente.
Infatti:
a (x) + b (x) + c (x) = 0
_
_
_
+ + = 0
+ 0 = 0
+ 0 = 0
Tale sistema ammette
1
soluzioni non banali, quindi
1
(, , ) ,= (0, 0, 0) :
a (x) +b (x) +c (x) = 0
5). Scriviamo:
d (x) = a (x) +b (x) + c (x)
Sostituendo le espressioni di a (x), b (x), c (x), d (x):
( + +) x
2
+ ( + + 1) x + ( 1) = 0,
da cui il sistema:
_
_
_
+ + = 0
+ 0 = 1
+ 0 = 1
,
che`e compatibile e indeterminato con
1
soluzioni:
(, , ) =
_
1
2
_
1

2
_
,
1
2
_
1 +

2
_
,
_
, R
Quindi:
d (x) =
1
2
__
1

2
_
a (x) +
_
1 +

2
_
b (x)
_
+ c (x)
6). Esprimiamo il polinomio f (x) come combinazione lineare di
2
= a (x) , b (x) , e (x):
f (x) = a (x) +b (x) + e (x)
cio`e:
( + + 2 1) x
2
+ ( + 1) x + ( + 2 + 2) = 0,
quindi:
_
_
_
+ + 2 = 1
+ = 1
+ 2 = 2
Tale sistema `e compatibile e determinato:
(, , ) =
_
3
2
,
3
2
, 1
_
,
donde:
f (x) =
3
2
[a (x) +b (x)] e (x)
98
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
8. Scriviamo:

1
e
1
(x) +
2
e
2
(x) +
3
e
3
(x) = 0
Sostituendo le espressioni analitiche di e
i
(x):

1
+
2
(x 1) +
3
_
x
2
2x + 1
_
= 0,
equivalente al sistema lineare omogeneo:
_
_
_
0 + 0 +
3
= 0
0 +
2
2
3

2
+
3
= 0
,
che ammette lunica soluzione (
1
,
2
,
3
) = (0, 0, 0), donde `e una base.
Scriviamo p (x):
p (x) =
1
e
1
(x) +
2
e
2
(x) +
3
e
3
(x)
Ottenendo:
_
_
_
0 + 0 +
3
= 4
0 +
2
2
3
= 1

2
+
3
= 1
=(
1
,
2
,
3
) = (4, 7, 4)
Quindi:
p (x) = 4e
1
(x) + 7e
2
(x) + 4e
3
(x)
Si conclude che la terna (4, 7, 4) sono le componenti del vettore p (x) nella base .
9. Passando ai vettori colonna:
V

= R
1
V, W

= R
1
W,
R
1
`e la matrice inversa di:
R =
_
_
1 1 1
1 1 0
1 0 0
_
_
Abbiamo:
R
1
=
_
_
0 0 1
0 1 1
1 1 0
_
_
Quindi:
V

=
_
_
2
5
7
_
_
, W

=
_
_
c
b c
a b
_
_
,
da cui le componenti di v e w nella nuova base:
v = (2, 5, 7)
w = (c, b c, a b)
99
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
10. v = (v
1
, v
2
, v
3
) , v

= (v

1
, v

2
, v

3
) H,
v +v

= (v
1
+ v

1
, v
2
+ v

2
, v
3
+ v

3
)
2 (v
1
+ v

1
) + (v
2
+ v

2
) (v
3
+ v

3
)
= (2v
1
+ v
2
v
3
) + (2v

1
+ v

2
v

3
)
= 0
R, v = (v
1
, v
2
, v
3
) H,
2 (v
1
) + (v
2
) (v
3
) = (2v
1
+ v
2
v
3
) = 0
da cui H `e un sottospazio di R
3
. Per ricercare una sua base risolviamo lequazione
lineare omogenea:
2v
1
+ v
2
v
3
= 0,
nelle incognite v
1
, v
2
, v
3
. Essa ammette
2
soluzioni non banali:
(v
1
, v
2
, v
3
) = (v
1
, v
2
, 2v
1
+ v
2
)
= (v
1
, 0, 2v
1
) + (0, v
2
, v
2
)
= v
1
(1, 0, 2) +v
2
(0, 1, 1)
Quindi dimH = 2, e una base di H `e (1, 0, 2) , (0, 1, 1).
100
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Parte II
Omomorsmi ed isomorsmi
101
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Capitolo 3
Applicazioni lineari tra spazi vettoriali
3.1 Denizione assiomatica di applicazione lineare
Siano E e F due spazi vettoriali sul medesimo campo K. Consideriamo lapplicazione:
: E F (3.1)
La (3.1) applica a x E, un vettore y F:
x E y F
Scriviamo:
y = (x) (3.2)
Denizione 90 Lapplicazione `e lineare se `e additiva ed omogenea:
1. x, y E, (x +y) = (x) + (y) (additivit`a)
2. x E, K, (x) = (x) (omogeneit`a)
`
E facile rendersi conto che additivit`a e omogeneit`a sono contenute nellunica condizione:
x, y E, , K, (x + y) = (x) + (y) (3.3)
Nel caso E = F lapplicazione lineare (3.2) si chiama operatore lineare e viene spesso
utilizzata la seguente notazione:
x = y, (3.4)
che si legge: il vettore y `e il risultato dellapplicazione delloperatore sul vettore x.
Equivalentemente: opera su x, dando y come risultato.
Due esempi immediati di operatori lineari sono dati rispettivamente dalloperatore nullo

0 e dalloperatore identit`a

1:

0x = 0, x E

1x = x, x E
102
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Loperatore nullo associa ad ogni vettore di E, il vettore nullo, mentre loperatore identit`a
applicato ad un qualunque vettore di E, fornisce il vettore medesimo.
Ulteriori esempi:
1. Consideriamo lo spazio vettoriale T
n
[x] su R dei polinomi di grado n. Loperatore
di derivazione
d
dx
`e un operatore lineare. Per mostrare ci`o, osserviamo innanzitutto
che:
d
dx
: p
m
(x) T
n
[x]
d
dx
p
m
(x) T
n
[x]
essendo p
m
(x) = a
0
+ a
1
x + a
2
x
2
+ ... + a
m
x
m
, quindi
d
dx
p
m
(x) = a
1
+ 2a
2
x + ... +
ma
m1
x
m1
, per cui
d
dx
p
m
(x) T
n
[x].
La linearit`a segue immediatamente dalle regole di derivazione della somma di due
funzioni e del prodotto di una costante per una funzione:
p
m
(x) ,q
r
(x) T
n
[x] , , R,
d
dx
[p
m
(x) + q
r
(x)] =
d
dx
p
m
(x) +
d
dx
q
r
(x)
2. Consideriamo lo spazio vettoriale T (a, b) i cui elementi sono le funzioni reali di variabile
reale denite nellintervallo chiuso e limitato [a, b] ( 36). Se ( (a, b) `e linsieme delle
funzioni continue in [a, b], proviamo che a) C (a, b) `e un sottospazio vettoriale di T (a, b),
b) lapplicazione:
S : C (a, b) C (a, b)
tale che:
f C (a, b)
x
_
a
f () d, x (a, b)
C (a, b) T (a, b) `e un sottospazio di T (a, b), poiche la somma di due funzioni continue
`e a sua volta una funzione continua, e il prodotto di uno numero reale per una funzione
continua `e una funzione continua. In simboli:
f, g C (a, b) , (f + g) C (a, b)
f C (a, b) , K, (f) C (a, b)
Da un punto di vista geometrico, lapplicazione S associa ad ogni funzione f (x) con-
tinua in (a, b), larea del rettangoloide 1(x) sotteso dalla curva di equazione y = f (x),
dallasse x e dalle rette parallele allasse y e passanti per a e per il generico punto x.
Senza perdita di generalit`a assumiamo f (x) 0. Quindi:
1(x) =
_
(, y) 1
2
: a x, 0 y f (x)
_
Per i dettagli vedere gura 3.1.
La linearit`a delloperatore S segue immediatamente dalle propriet`a di addivit`a e omo-
geneit`a dellintegrale denito. Scriviamo:
S (f) =
x
_
a
f () d
103
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
a x b
x
y
yfx
misRx

a
x
f
a x b
x
y
Figura 3.1: Rettangoloide individuato dal graco y = f (x).
Quindi f, g C (a, b), , R:
S (f + g) =
x
_
a
(f () + g ()) d
=
x
_
a
f () d +
x
_
a
g () d
= S (f) + S (g)
3. Ricordiamo che:
C
k
(a, b) = f : [a, b] R [ f `e dotata di derivata k-esima continua
Con le usuali leggi di composizione, C
k
(a, b) assume la struttura di spazio vettoriale.
Ci`o premesso, consideriamo lapplicazione:
d
dx
: C
1
(a, b) C (a, b)
f
df
dx
, f C
1
(a, b)
Tale applicazione `e lineare. infatti:
f, g C
1
(a, b), , R
d
dx
(f (x) + g (x)) =
d
dx
f (x) +
d
dx
g (x)
Di seguito sono riportati casi speciali di applicazioni tra spazi vettoriali.
Sia E uno spazio vettoriale su un campo K. Consideriamo una base di E:
e
i
, i = 1, 2, ..., r
104
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Quindi dimE = r. Sia E

il sottospazio di E generato da e
i
per i = 1, 2, ..., p < r.
Ci`o premesso, si denisce operatore di proiezione di E su E

, loperatore lineare:
: E E

v =
r

i=1
v
i
e
i
v

=
p

i=1
v
i
e
i
Proviamo la linearit`a di .
u =
p

i=1
u
i
e
i
, (3.5)
essendo u = v + w. Evidentemente:
u
i
= v
i
+w
i
Quindi la (3.5) diventa:
u =
p

i=1
(v
i
+ w
i
) e
i
=
p

i=1
v
i
e
i
+
p

i=1
w
i
e
i
= v +u,
donde la linearit`a di . Ad esempio, consideriamo lo spazio vettoriale R
3
e loperatore di
proiezione
x
su R:

x
: R
3
R
Pi` u precisamente,
x
proietta ogni vettore v = (v
x
, v
y
, v
z
) sullasse x:
v = v
x
e
x
+ v
y
e
y
+ v
z
e
z
v
x
e
x
essendo e
i
(i = x, y, z) i versori degli assi coordinati.
***
Loperatore cos` denito:
Tv = v +u,
essendo u un vettore assegnato di E. Si osservi che tale operatore non `e lineare:
T (v + w) = v + w +u
Daltro canto:
105
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Tv +Tw = (v +u) + (w +u)
= v + w + ( + ) u
Quindi:
T (v + w) = Tv + Tw( + ) w
Cio`e:
, K : + ,= 0, w E 0 , T (v + w) ,= Tv + Tw
***
Loperatore costante `e cos` denito:
Ax = a,
essendo x, a E, con a vettore assegnato. Mostriamo che tale operatore `e non lineare.
A(x + y) = a
Daltro canto:
Ax + Ay = ( + ) a,
donde:
A(x + y) ,= Ax + Ay,
da cui la non linearit`a di A.
***
Sia E uno spazio vettoriale tridimensionale sul campo K. Consideriamo loperatore A tale
che:
Ax = y, con x = (x
1
, x
2
, x
3
) , y = (2x
1
+ x
2
, x
2
+x
3
, x
1
) in una base e
i

Studiamo il comportamento di tale operatore. Poniamo:


w = x + z, , K, x, z E (3.6)
Il risultato dellapplicazione delloperatore A sul vettore (3.6) `e il vettore y = (y
1
, y
2
, y
3
):
Aw = y
Abbiamo:
106
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
w = (x
1
, x
2
, x
3
) + (z
1
, z
2
, z
3
)
= (x
1
+z
1
, x
2
+z
2
, x
3
+ z
3
)
Pertanto il risultato dellapplicazione di A su x `e:
Aw = (2 (x
1
+ z
1
) + x
2
+ z
2
, x
2
+ z
2
+ x
3
+ z
3
, x
1
+ z
1
)
= (2x
1
+ x
2
, x
2
+x
3
, x
1
) + (2z
1
+ z
2
, z
2
+ z
3
, z
1
)
= Ax + Az,
quindi la linearit`a di A.
***
Proposizione 91 Sia : E F unapplicazione lineare tra gli spazi vettoriali E e F.
(0
E
) = 0
F
(3.7)
(x) = (x)
Dimostrazione. x E, (x) + 0
F
= (x) = (x +0
E
) = (x) + (0
E
) = 0
F
=
(0
E
)
Dimostriamo ora la seconda delle (3.7).
Dalla prima delle (3.7):
0
F
= (0
E
) = (x +x) = (x) + (x)
ma 0
F
= (x) (x), confrontando con la precedente:
(x) = (x)
3.2 Esercizi proposti
1. Dimostrare la linearit`a dei seguenti operatori:
_
A : R
2
R
2
(x, y) (x + y, y)
(3.8)
_
B : R
3
R
(x, y, z) 2x 3y + 4z
2. Dimostrare la non linearit`a dei seguenti operatori:
_
A : R
2
R
(x, y) xy
(3.9)
_
A : R
2
R
3
(x, y) (x + 1, 2y, x + y)
_
A : R
3
R
2
(x, y, z) ([x[ , 0)
107
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
3.2.1 Soluzioni
1. Poniamo x

= x + x

, , R, x, x

R
2
:
x = (x, y, z) , x

= (x

, y

, z

)
Quindi:
x

= (x + x

, y + y

, z + z

)
Il risultato dellapplicazione di A su x

`e:
Ax

= ((x + x

+ yy

) , y + y

)
= Ax + Ax

Da qui la linearit`a di A.
Poniamo x

= x + x

, , R, x, x

R
2
:
x = (x, y, z) , x

= (x

, y

, z

)
Quindi:
x

= (x + x

, y + y

, z + z

)
Il risultato dellapplicazione di B su x

`e:
Bx

= 2 (x + x

) 3 (y + y

) + 4 (z + z

)
= (2x 3y + 4z) + (2x

3y

+ 4z

)
= Bx + Bx

donde la linearit`a di B.
2. Siano x = (x, y), x = (x

, y

) due vettori arbitrari di R


2
. Poniamo: x

= x +x

, con
, presi ad arbitrio in R. Abbiamo:
Ax

= (x + yx

) (y +y

)
=
2
xy + xy

+ x

y +
2
x

Mentre:
Ax + Ax

= xy + x

Quindi:
A(x +x

) ,= Ax + Ax

da qui la non linearit`a di A.


Il secondo operatore (seconda delle (3.9)) `e tale che:
A(x + x

) = Ax + Ax

+ (1, 0, 0) ,= Ax + Ayx

108
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
da qui la non linearit`a di A.
Il terzo operatore (terza delle (3.9)) `e tale che:
Ax

= ([x + x

[ , 0)
mentre:
Ax +Ax

= ([x[ + [x

[ , 0)
Quindi:
A(x + x

) ,= Ax +Ax

,
giacche:
[x + x

[ [x[ + [x[ ; (3.10)


da qui la non linearit`a di A.
109
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Capitolo 4
Omomorsmi e isomorsmi
4.1 Introduzione
Ricordiamo che se f : X Y , limmagine di f in Y `e:
Imf = f (X)
def
= y Y [ y = f (x) Y
Ci`o premesso, sussistono le seguenti:
Denizione 92 (f ` e suriettiva) (f (X) = Y )
Denizione 93 (f ` e iniettiva) (x ,= x

=f (x) ,= f (x

))
Denizione 94 (f ` e biiettiva) (f `e iniettiva e suriettiva)
Nel caso speciale f : R R, le denizioni suddette si prestano ad interpretazione geomet-
rica. Nel caso di unapplicazione iniettiva, ogni retta parallela allasse x interseca in uno ed
un sol punto la curva di equazione y = f (x). Ad esempio, la funzione esponenziale:
f : R R
x a
x
, (4.1)
`e unapplicazione iniettiva ma non suriettiva (gura 4.1). Infatti:
x ,= x

=a
x
,= a
x

y (, 0) , x R [ a
x
= y,
da cui liniettivit`a e la non suriettivit`a dellapplicazione (4.1).
Nel caso di unapplicazione suriettiva, ogni retta parallela allasse x interseca almeno in un
punto la curva y = f (x). Ci`o implica (a dierenza del caso precedente) che possono esserci
intersezioni multiple, come nel caso della funzione f (x) = x
3
x
2
x (gura 4.2).
Si consideri ora lapplicazione:
f : R R
x x
2
(4.2)
Tale applicazione non `e ne iniettiva e ne suriettiva. Infatti, ogni x
2
`e immagine di x e +x.
Inoltre, y (, 0), x R : f (x) = y (gura 4.3)
110
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
-2
x
1
x
2
x
3
x
1
2
3
4
5
y
Figura 4.1: Graco della funzione f (x) = e
x
. Ogni retta y = y
0
> 0 interseca in uno e un sol
punto il graco di f (x). Qui y
0
`e una costante presa ad arbitrio. Per y
0
< 0 lintersezione `e
vuota. Si tratta quindi di unapplicazione iniettiva ma non suriettiva.
-2 -1 1 2
x
-2
-1.5
-1
-0.5
0.5
1
1.5
2
y
Figura 4.2: Graco della funzione f (x) = x
3
x
2
x. Esistono rette parallele allasse x che
intersecano in punti distinti il graco della funzione. Ogni retta y = y
0
interseca comunque
y = f (x). Si tratta quindi di unapplicazione suriettiva ma non iniettiva.
111
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
-3 -2 -1 1 2 3
x
2
4
6
8
y
Figura 4.3: Graco della funzione f (x) = x
2
. Ogni retta y = b > 0 interseca in due punti
distinti la curva y = f (x). Lintersezione di una generica retta y = c < 0 con il graco di
f (x), `e linsieme vuoto.
4.2 Denizione assiomatica e teoremi conseguenti
Denizione 95 Siano E, F due spazi vettoriali sul campo K. Dicesi omomorsmo tra E
ed F ogni applicazione lineare : E F.
Denizione 96 Due spazi vettoriali si dicono omomor se esiste un omorsmo tra essi.
Denizione 97 Siano E, F due spazi vettoriali sul campo K. Dicesi isomorsmo tra E
ed F ogni applicazione lineare biiettiva : E F.
Denizione 98 Due spazi vettoriali si dicono isomor se esiste un isomorsmo tra essi.
Esempi
Se E `e un qualunque spazio vettoriale su un campo K, consideriamo lapplicazione:
: E E
v v
, (4.3)
essendo scalare assegnato non nullo.
Si dimostri che la (4.3) `e biiettiva.
Soluzione.
Iniziamo a dimostrare la linearit`a:
v, w E, , K, (v +w) =
= (v +w)
= (v) + (w)
= v + w
Liniettivit`a:
112
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
v ,= v

=v ,= v

La suriettivit`a:
u E, v =
_
1

u
_
E [ v = v = u
Da ci` o segue la biiettivit`a di . Tale isomorsmo `e noto come omotetia di rapporto e
centro O: limmagine di un generico vettore v E si identica con v medesimo a meno di
un fattore di scala .
***
Teorema 99 Sia K un campo. Gli spazi vettoriali su K isodimensionali sono isomor.
Dimostrazione. Siano E, F due arbitrari spazi vettoriali isodimensionali:
dimE = n, dimF = n
Fissiamo due basi:
e
i
, i = 1, 2, ..., n base di E
e

i
, i = 1, 2, ..., n base di F
Si consideri lapplicazione lineare:
: E F (4.4)
tale che:
x =
n

i=1
x
i
e
i
x

=
n

i=1
x
i
e

i
Lapplicazione (4.4) associa ad ogni vettore x di E il vettore x

di E

che ha per componenti


le componenti di x in e
i
. Osserviamo che presi ad arbitrio x e y in E:
x =
n

i=1
x
i
e
i
, y =
n

i=1
y
i
e
i
,
risulta:
(x) = x

=
n

i=1
x
i
e

i
(y) = y

=
n

i=1
y
i
e

i
Tenendo conto della proposizione (60) (unicit`a delle componenti di un vettore in una asseg-
nata base):
x ,= y =x
i
,= y
i
,
113
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
donde:
x ,= y = (x) ,= (y)
Cio`e `e iniettiva. Inoltre:
x

F, x

=
n

i=1
x
i
e

i
=x E [ x =
n

i=1
x
i
e
i
da cui la suriettivit`a di .
Si conclude che `e iniettiva e suriettiva, quindi biiettiva. Da qui la tesi.
Denizione 100 Si chiama immagine dellapplicazione : E F e si indica con (E)
il sottoinsieme di F:
(E) = y F [ (x) = y
Teorema 101 (E) `e un sottospazio vettoriale di F.
Dimostrazione. y
1
, y
2
(E) x
1
, x
2
E [ y
1
= (x
1
), y
2
= (x
2
). Quindi:
y
1
, y
2
(E) , y
1
+y
2
= (x
1
) + (x
2
) =
`e lineare
(x
1
+x
2
) (E)
K, y (E) , y = (x) =
`e lineare
(x) (E) ,
donde lasserto.
Denizione 102 Dicesi rango di : E F, la dimensione del sottospazio (E).
Denizione 103 Dicesi kernel o nucleo di : E F, il sottoinsieme di E:
Ker = x E [ (x) = 0
F
,
essendo 0
F
il vettore nullo di F.
Teorema 104 Il kernel di : E F `e un sottospazio vettoriale di E.
Dimostrazione. Prendiamo ad arbitrio x, y Ker, K. Quindi:
(x +y) = (x) + (y) = 0
F
+0
F
= 0
F
=(x +y) Ker
(x) = (x) = 0
F
= 0
F
=(x) Ker ,
donde lasserto.
Denizione 105 Dicesi nullit`a di : E F, e si indica con N (), la dimensione di
Ker:
N () = dimKer
Teorema 106 Sia : E F un omomorsmo suriettivo
( `e un isomorsmo) (Ker = 0
E
)
114
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Dimostrazione. La condizione `e suciente
Hp: Ker = 0
E

Th: : E F `e un isomorsmo (basta dimostrare liniettivit`a, poiche per ipotesi `e


suriettiva).
x, y E [ (x) = (y) =(x) (y) = (x y) = 0
F
=(x y) Ker
Lultima denizione si giustica ricordando la denizione di Kernel. Inoltre:
(x y) Ker =
Ker={0
E
}
x y = 0
E
=x = y
Si conclude
x, y E [ (x) =(y) =x = y
Cio`e liniettivit`a di .
La condizione `e necessaria
Hp: : E F `e iniettiva e suriettiva
Th: Ker = 0
E

Osserviamo innanzitutto che:


x Ker, z, y E [ z y = x
Inoltre per denizione di kernel:
x Ker =0
F
= (x) = (z y) =
`e lineare
(z) (y) =(z) = (y)
=
`e iniettiva
z = y =x = 0
E
Cio`e:
(x Ker, x = 0
E
) =Ker = 0
E

Teorema 107 Sia K un campo. Gli spazi vettoriali su K isomor sono isodimensionali.
Dimostrazione. Sia : E F un isomorsmo. Consideriamo la base di E:
e
i
, i = 1, 2, ..., n = dimE
Quindi, preso ad arbitrio x E:
x =
n

i=1
x
i
e
i
Il risultato dellapplicazione di sul vettore x `e:
(x) =
n

i=1
x
i
(e
i
) (4.5)
Fissiamo lattenzione sul sistema di vettori:

n
= (e
1
) , (e
2
) , ..., (e
n
) (4.6)
115
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Per ipotesi `e un isomorsmo e per il teorema 106 deve essere Ker = 0
E
, quindi:
(x) = 0
F
=x = 0
E
=x
1
= x
2
= ... = x
n
= 0
Tenendo conto della (4.5):
n

i=1
x
i
(e
i
) = 0
F
=x
1
= x
2
= ... = x
n
= 0
Cio`e il sistema (4.6) `e linearemente indipendente. Inoltre:
y F, y = (x) =
n

i=1
x
i
(e
i
) =F = L[
n
]
cio`e
n
genera lo spazio vettoriale F. Si conclude che dimF = n = dimE.
Si osservi che se non `e un isomorsmo, il sistema
n
`e linearmente dipendente, per cui
dim(E) < n. Infatti:
ker x ,= 0
E
=
_
n

i=1
x
i
(e
i
) = 0
F
, con (x
1
, x
2
, ..., x
n
) ,= (0, 0, ..., 0)
_
Pertanto
n
non `e una base di (E). A titolo di esempio consideriamo lomomorsmo:
: R
3
R
3
(x, y, z) (x + 2y z, y + z, x + y 2z)
Consideriamo la base canonica:
e
1
= (1, 0, 0) , e
2
= (0, 1, 0) , e
3
= (0, 0, 1)
Abbiamo:
(e
1
) = (1, 0, 1) , (e
2
) = (2, 1, 1) , (e
i
) = (1, 1, 2)
Il sistema

3
= (e
1
) , (e
2
) , (e
3
)
`e linearmente dipendente. Una base di (E) `e:

2
= (e
1
) , (e
2
) ,
donde il rango di `e
dim(E) = 2
Il Kernel di :
ker =
_
x R
3
[ (x) = 0
R
3
_
116
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Cio`e:
x + 2y z = 0
0 +y + z = 0
x + y 2z = 0
equivalente a:
x + 2y z = 0
0 +y + z = 0
che ammette le
1
autosoluzioni:
(x, y, z) = z (3, 1, 1)
Quindi:
ker = L[(3, 1, 1)]
N () = 1
Evidentemente:
dimR
3
= dim(E) + N ()
***
I teoremi 99 e 107 si riuniscono nellunico teorema:
Teorema 108 Gli spazi vettoriali su un assegnato campo K sono isomor se e solo se sono
isodimensionali.
Esempi
Consideriamo lendomorsmo:
: R
2
R
2
,
denito da:
(x, y) = (2x 4y, x + 2y)
Determiniamo la matrice rappresentativa nella base canonica e
1
= (1, 0), e
2
= (0, 1):
(e
1
) = 2e
1
e
2
(e
2
) = 4e
1
+ 2e
2
,
117
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
donde:

.
= A =
_
2 4
1 2
_
Il sistema (e
1
) , (e
2
) `e linearmente dipendente, per cui una base di (R
2
) `e (e
1
) =
(2, 1), per cui:

_
R
2
_
= L[(2, 1)]
dim
_
R
2
_
= 1,
cio`e:
y
_
R
2
_
, y = k (2, 1) = (2k, k)
Determiniamo il kernel di :
(x, y) = 0
_
2x 4y = 0
x + 2y = 0
x + 2y = 0,
da cui linsieme delle soluzioni:
(x, y) = y (2, 1) , con y (, +)
Cio`e:
ker = L[S] , con S = 2, 1
N () = 1
Determiniamo limmagine di y (R
2
):
(y) = (2k, k)
.
=
_
2 4
1 2
__
2k
k
_
=
_
8k
4k
_
,
da cui::
y
_
R
2
_
, (y) = 8y
Cio`e limmagine di y `e lomotetia di rapporto 8.
Determiniamo limmagine inversa di y =
_
2

k,

k
_
:
_
2x 4y = 2

k
x + 2y =

k
Tale sistema lineare ammette
1
soluzioni:
(x, y) =
_

k, 0
_
+y (2, 1) , con y (, +)
Quindi:

1
_
2

k,

k
_
=
_
(x, y) R
2
[ (x, y) =
_

k, 0
_
+ y (2, 1) , con y (, +)
_
118
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
4.3 Esercizi proposti
1. Assegnata lapplicazione
: R
3
R
2
(4.7)
tale che:
x = (x, y, z) R
3
x

= (x, y) R
2
Si dimostri che `e un omomorsmo ma non un isomorsmo. Si determini inoltre
limmagine, il kernel e la nullit`a di .
2. Se[a, b] R, con la notazione C
n
(a, b) si denota linsieme delle funzioni continue in
[a, b] e ivi derivabili no allordine n. Come `e noto, introducendo le operazioni:
+ : C
n
(a, b) C
n
(a, b) C
n
(a, b)
: RC
n
(a, b) C
n
(a, b) ,
linsieme C
n
(a, b) assume la struttura algebrica di spazio vettoriale su R. Ci`o premesso,
si consideri lo spazio vettoriale C

(a, b) e i cui vettori sono le funzioni reali di una


variabile reale continue in [a, b] e ivi innitamente derivabili. Si consideri lapplicazione:
D : C

(a, b) C

(a, b) ,
essendo D loperatore di derivazione, per cui:
D : f Df =
d
dx
f (x) , f C

(a, b)
Provare che D `e un omomorsmo suriettivo ma non iniettivo. Determinare poi lim-
magine e il kernel di D.
3. Sia T
n
[x] lo spazio vettoriale i cui vettori sono i polinomi di grado n ( 35). Si con-
sideri loperatore di derivazione D dellesercizio precedente. Applicando tale operatore
ai vettori di T
n
[x], determinare limmagine e il kernel di D. Denire inoltre loperatore
di derivazione n-ma D
n
, determinando il suo nucleo.
4. Trovare tutte le applicazioni lineari : R
3
R
3
tali che (1, 2, 3) , (4, 5, 6) sia una
base di (R
3
).
5. Si consideri lapplicazione:
: C
0
(R) C
0
(R) (4.8)
f (x)
x
_
0
f () d
Dimostrare la linearit`a di , determinando poi la sua immagine e il suo nucleo.
119
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
4.3.1 Soluzioni
1. Risulta:
, R, x, y R
3
, (x + y)
= ((x + x

, y + y

, z + z

))
= (x + x

, y + y

)
= (x, y) + (x

.y

)
= x + y,
donde il carattere omomorfo di . Inoltre, tale applicazione `e suriettiva, poich`e:
x

= (x, y) R
2
, x = (x, y, z) R
3
: x = x

Per il teorema (108) lapplicazione (4.7) non `e un isomorsmo.


Limmagine di `e:
(E) =
_
(x, y) R
2
: < x < +, < y < +
_
= piano cartesiano xy
Per il kernel di osserviamo che:
_
z (, +) , x = (0, 0, z) R
3
_
=x = (0, 0) = 0
R
2,
quindi:
Ker =
_
(0, 0, z) R
3
: < z < +
_
= asse z
La nullit`a di `e:
N () = dimKer = 1
2. La linearit`a di D discende immediatamente dalle regole di derivazione della somma di
due funzioni e del prodotto di uno costante per una funzione. Quindi:
, R, f, g C

(a, b) , D(f + g) = Df + Dg,


donde D `e un omorsmo. La suriettivit`a `e evidente:
f C

(a, b) , F (x) =
_
f (x) dx C

(a, b) [ DF = f
Inoltre:
(c R, f C

(a, b) , g (x) = f (x) + c ,= f (x)) =Df = Dg


120
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Cio`e:
f ,= g Df ,= Dg,
per cui D non `e iniettiva. Quindi D non `e un isomorsmo.
Il kernel di D `e composto dalle funzioni costanti in [a, b]:
KerD = f (x) = const, x [a, b] ,
in quanto `e tale che:
d
dx
f (x) = 0
3. Evidentemente:
D : p
n
(x) T
n
[x]
dp
n
dx
T
n1
[x]
Pertanto limmagine di D `e:
ImD = T
n1
[x]
Per denizione di kernel:
ker D = p
m
(x) T
n
[x] : Dp
m
(x) 0 ,
cio`e:
ker D = p
0
(x) (4.9)
Si conclude che:
ker D = T
0
[x]
Osserviamo che T
0
[x] `e un sottospazio vettoriale di T
n
[x].
Loperatore D
n
`e cos` denito:
D
n
p
m
(x) =
d
n
dx
n
p
m
(x)
=
d
dx
_
d
dx
...
_
d
dx
p
m
(x)
__
Per m = n:
Dp
n
(x) = a
1
+ 2a
2
x + 3a
3
x
3
+ ... + na
n
x
n1
D
2
p
n
(x) = 2a
2
+ 6a
3
x + ... +n(n 1) x
n2
...
D
n
p
n
(x) = n!a
n
Per m < n:
D
n
p
m
(x) 0 (4.10)
La (4.10) implica:
ker D
n
= p
m<n
(x) , (4.11)
cio`e il kernel di D
n
`e
ker D
n
= T
m<n
[x]
121
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
4. Per ipotesi:

2
= (1, 2, 3) , (4, 5, 6)
`e una base di (R
3
). Assegnata la base canonica di R
3
:
e
1
= (1, 0, 0) , e
2
= (0, 1, 0) , e
3
= (0, 0, 1) ,
deve essere:
(e
1
) = (1, 2, 3) (4.12)
(e
2
) = (4, 5, 6)
Inoltre:
(x, y, z) = (x

, y

, z

)
Dalla linearit`a di segue:
x

= f
1
(x, y, z) = ax + by + cz
y

= f
2
(x, y, z) = dx + ey + fz
z

= f
3
(x, y, z) = gx + hy + lz
Imponendo le (4.12):
f
1
(x, y, z) = x + 4y + cz
f
2
(x, y, z) = 2x + 5y + fz
f
3
(x, y, z) = 3x + 6y + lz,
donde:
(x, y, z) = (x + 4y + cz, 2x + 5y + fz, 3x + 6y +lz)
Ora dobbiamo imporre dim(R
3
) = 2. A tale scopo determiniamo le immagini dei
vettori della base canonica:
(e
1
) = (1, 2, 3)
(e
2
) = (4, 5, 6)
(e
3
) = (a, b, c)
Anch`e dim(R
3
) = 2, il sistema

3
= (e
1
) , (e
2
) , (e
3
)
Cio`e la matrice:
A =
_
_
1 4 a
3 5 b
3 6 c
_
_
,
122
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
deve avere rango 2, quindi:
det A = 0 =a = 2b +c
Ci`o implica:

2
: R
3
R
3
[ (1, 2, 3) , (4, 5, 6) base di
_
R
3
_
5. La linearit`a della (4.8) segue immediatamente dalle propriet`a di additivit`a e omogeneit`a
dellintegrale denito di una funzione reale di variabile reale.
Se indichiamo con F (x) la primitiva di f C
0
(R), deve essere:
(f) = F (x) F (0) ,
6. per cui:
: f (x) F (x) F (0)
donde limmagine di :

_
C
0
(R)
_
= C
0
(R)
Per denizione di kernel:
Ker =
_
f (x) C
0
(R) : (f) = 0
C
0
(R)
_
,
essendo 0
C
0
(R)
il vettore nullo di C
0
(R), cio`e la funzione identicamente nulla su R.
Dobbiamo perci`o risolvere lequazione operatoriale:
(f) = 0
C
0
(R)
,
equivalente alla:
x R,
x
_
0
f () d = 0 x R, F (x) = F (0) F (x) const f (x) 0
Quindi:
Ker =
_
0
C
0
(R)
_
4.4 Lo spazio vettoriale Hom(E, F)
Siano E, F due spazi vettoriali su K. Poniamo per denizione:
Hom(E, F)
def
= [ omomorsmo tra E e F (4.13)
In altri termini, Hom(E, F) `e la totalit`a delle applicazioni lineari tra i due spazi vettoriali
E, F.
Introduciamo loperazione di somma tra omomorsmi:
123
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
+ : Hom(E, F) Hom(E, F) Hom(E, F) (4.14)
(
1
,
2
) Hom(E, F) Hom(E, F) (
1
+
2
) Hom(E, F)
La (4.14) `e cos` denita:

1
+
2
: E F (4.15)
v E v

= (
1
+
2
) v
def
= (
1
v +
2
v) F
Dimostriamo che (
1
+
2
) Hom(E, F), cio`e la linearit`a dellapplicazione
1
+
2
denita
dalla (4.15). Posto

=
1
+
2
, abbiamo:
, K, v, w E,

(v + w)
def
=
1
(v + w) +
2
(v + w)

k
Hom(E,F)
=
1
v +
1
w+
2
v +
2
w
= (
1
+
2
) v + (
1
+
2
) w
=

v +

w
Introduciamo ora loperazione di prodotto di uno scalare per un elemento di Hom(E, F):
: K Hom(E, F) Hom(E, F) (4.16)
(, ) K Hom(E, F) () Hom(E, F)
La (4.16) `e cos` denita:
: E F (4.17)
v E v

= () v
def
= (v) F
Dimostriamo che () Hom(E, F), cio`e la linearit`a dellapplicazione denita dalla
(4.17). Posto = , abbiamo:
, K, v, w E, (v +w)
def
= (v + w)
Hom(E,F)
= (v + w)
= v +w
= v + w
Con lintroduzione delle operazioni (4.14)-(4.16), linsieme Hom(E, F) assume la struttura
di spazio vettoriale su K.
124
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Osservazione 109 Lelemento neutro in Hom(E, F) `e lapplicazione:

O : v E 0
F
(4.18)
Lelemento opposto ad un elemento Hom(E, F) `e lapplicazione:
() Hom(E, F) : v E (v) F
Nel caso speciale in cui E = F, la generica applicazione lineare : E F `e un operatore
lineare spesso denominato endomorsmo o trasformazione lineare di E. In tal caso
linsieme (4.13) si indica con il simbolo End (E).
4.5 Matrice rappresentativa
Siano E e F due spazi vettoriali sul medesimo campo K. Consideriamo due basi di E ed F
rispettivamente:
e
i
, i = 1, 2, ..., n = dimE
f
j
, j = 1, 2, ..., m = dimF
Evidentemente:
Hom(E, F) , e
i
=
m

j=1
a
ij
f
j
, i = 1, 2, ..., n (4.19)
Esplicitiamo la (4.19):
e
1
= a
11
f
1
+ a
12
f
2
+ ... + a
1m
f
m
(4.20)
e
2
= a
21
f
1
+ a
22
f
2
+ ... + a
2m
f
m
...
e
n
= a
n1
f
1
+ a
n2
f
2
+ ... +a
nm
f
m
Denizione 110 Si denisce matrice rappresentativa dellomomorsmo relativa-
mente alle basi e
i
, f
j
, la matrice n m:
A =
_
_
_
_
a
11
a
21
... a
n1
a
12
a
22
... a
n2
... ... ... ...
a
1m
a
2m
... a
nm
_
_
_
_
Scriviamo:

.
=
_
_
_
_
a
11
a
21
... a
m1
a
12
a
22
... a
m2
... ... ... ...
a
1n
a
2n
... a
mn
_
_
_
_
(4.21)
125
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Si noti che la colonna i-esima della matrice rappresentativa di `e composta dalle componenti
del vettore e
i
nella base f
j
.
Nel caso speciale in cui End (E), assumiamo f
i
= e
i
. La matrice (4.21) `e la matrice
rappresentativa dellendomorsmo relativamente alla base e
i
o semplicemente
matrice rappresentativa nella base e
i
.
Ad esempio consideriamo End (R
2
):
: R
2
R
2
(x, y) (4x 2y, 2x + y)
Determiniamo la matrice rappresentativa di nei due casi seguenti:
1. nella base canonica e
1
= (1, 0), e
2
= (0, 1).
2. Nella base e

1
= (1, 1), e

2
= (1, 0).
Soluzione
Nella base canonica:
e
1
= (4, 2) = 4e
1
+ 2e
2
e
2
= (2, 1) = 2e
1
+e
2
,
quindi

.
=
_
4 2
2 1
_
Nella base e

i
:
e

1
= (2, 3)
e

2
= (4, 2)
Eseguiamo il cambiamento di base e
i
e

i
. La matrice `e:
R =
_
1 1
1 0
_
=R
1
=
_
0 1
1 1
_
,
da cui:
e

1
= 3e

1
+e

2
e

1
= 2e

1
+ 2e

2
,
quindi la matrice rappresentativa nella base e

i
:

.
=
_
3 2
1 2
_
126
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
4.5.1 Prodotto di endomorsmi
Siano , End (E). Dicesi prodotto dellendomorsmo per lendomorsmo ,
lendomorsmo = cos` denito:
v E, v = (v)
`
E facile mostrare che End (E). Infatti:
, K, v, w E, (v + w)
def
= ((v + w))
End(E)
= (v + w)
End(E)
= (v) + (w)
def
= v + w
Proposizione 111 Se A e B sono le matrici rappresentative di e relativamente alla
base e
i
, la matrice rappresentativa di relativamente alla medesima base `e B A, dove
denota il prodotto righe per colonne.
Dimostrazione. Sia
.
= A = (a
ij
),
.
= B = (b
ij
) con i, j = 1, 2, ..., n = dimE. Quindi:
x E, x
.
=
n

j=1
a
ij
x
j
Da ci`o segue:
x E, x = (x)
.
=
n

l=1
b
kl
n

j=1
a
lj
x
j
=
n

l=1
n

j=1
b
kl
a
lj
x
j
=
.
= (c
kj
) ,
essendo:
c
kj
=
n

l=1
n

j=1
b
kl
a
lj
,
donde:
C
def
= (c
kj
) = B A
Denizione 112 Loperatore End (E) `e nilpotente, se risulta:
2
= =

0,
essendo

0 : x E 0.
Pi` u in generale, se p N 0, 1, 2 :
p
=

0, diremo che `e nilpotente con indice di
nilpotenza p.
Denizione 113 Loperatore End (E) `e idempotente, se risulta:
2
= .
127
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Ad esempio, gli operatori:

.
=
_
6 12
3 6
_
;
.
=
_
6 2
15 5
_
Sono rispettivamente nilpotente e idempotente:

2
.
=
_
0 0
0 0
_
=
2
=

0

2
.
=
_
6 2
15 5
_
=
2
=
Esempi.
Consideriamo loperatore lineare:
: R
2
R
2
(4.22)
(x, y) (x + y, y)
Costruiamo la matrice rappresentativa di (4.22) relativamente alle basi:
e
1
= (1, 0) , e
2
= (0, 1)
f
1
= (2, 1) , f
2
= (1, 2)
Abbiamo:
e
1
= (1, 0) = 1 e
1
+ 0 e
2
e
2
= (1, 1) = 1 e
1
+ 1 e
2
,
donde:

.
=
_
1 1
0 1
_
Passiamo alla base f
i
:
f
1
= (3, 1)
f
2
= (3, 2)
Dobbiamo esprimere i suddetti vettori nella base f
i
, ovvero eseguire il cambiamento di
base.
R =
_
2 1
1 2
_
=R
1
=
1
3
_
2 1
1 2
_
,
donde:
128
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
f
1
=
5
3
f
1

1
3
f
2
f
2
=
4
3
f
1
+
1
3
f
2
Quindi:

.
=
1
3
_
5 4
1 1
_
***
Consideriamo lo spazio vettoriale T
n
[x] dei polinomi di grado n, quindi loperatore di
derivazione D
d
dx
:
D : T
n
[x] T
n1
[x]
p
m
(x)
d
dx
p
m
(x)
Determiniamo la matrice rappresentativa di D relativamente alle basi:
e
i
(x) , (i = 1, 2, ..., n)
f
j
(x) , (j = 1, 2, ..., n 1)
essendo:
e
0
(x) = 1
e
1
(x) = x
e
2
(x) = x
2
...
e
n
(x) = x
n
mentre f
j
(x) `e una base dello spazio T
n1
[x]:
f
0
(x) = 1
f
1
(x) = x
f
2
(x) = x
2
...
f
n1
(x) = x
n1
A tale scopo determiniamo i vettori e

i
(x) = De
i
(x). Risulta:
129
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
e

0
(x) = De
0
(x) = 0
e

1
(x) = De
1
(x) = 1
e

3
(x) = De
2
(x) = 2x
...
e

n
(x) = De
n
(x) = nx
n1
Scriviamo i vettori e

i
(x) come combinazione lineare dei vettori della base f
i
(x):
e

0
(x) = 0 f
0
(x) + 0 f
1
(x) + 0 f
2
(x) + ... + 0 f
n1
(x)
e

1
(x) = 1 f
0
(x) + 0 f
1
(x) + 0 f
2
(x) + ... + 0 f
n1
(x)
e

2
(x) = 0 f
0
(x) + 2 f
1
(x) + 0 f
2
(x) + ... + 0 f
n1
(x)
e

3
(x) = 0 f
0
(x) + 0 f
1
(x) + 3 f
2
(x) + ... + 0 f
n1
(x)
...
e

n
(x) = 0 f
0
(x) + 0 f
1
(x) + 0 f
2
(x) + ... +n f
n1
(x) ,
da cui la matrice rappresentativa:
D
.
=
_
_
_
_
_
_
0 1 0 0 ... 0
0 0 2 0 ... 0
0 0 0 3 ... 0
... ... ... ... ... ...
0 0 0 0 ... n
_
_
_
_
_
_
_

_
. .
n+1 colonne
n righe
4.5.2 Endomorsmo inverso
Denizione 114 Se End (E), diremo che esso `e invertibile se esiste
1
End (E)
denomoninato inverso delloperatore tale che:

1
=
1
=

1
Un endomorsmo invertibile `e spesso denominato automorsmo.
Proposizione 115
_
End (E)
`e invertibile
_
(A `e non singolare) ,
essendo A la matrice rappresentativa di in una base assegnata.
Dimostrazione. In una base assegnata, indichiamo con

A la matrice rappresentativa di

1
. Deve essere:
A

A =

AA = I
n
(4.23)
Dallalgebra delle matrici segue che la (4.23) `e vera se e solo se

A = A
1
.
130
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
4.5.3 Esercizi
1. Determinare la matrice rappresentativa delloperatore omotetia (es. 4.2)
2. Assegnata lapplicazione:
: R
2
R
3
(x, y) (x y, x + y, x) ,
mostrare che Hom(R
2
, R
3
), determinando poi la sua matrice rappresentativa
relativamente alle basi:
e
1
= (1, 0) , e
2
= (0, 1)
f
1
= (1, 0, 0) , f
2
= (0, 1, 0) , f
3
= (0, 0, 1)
3. Sia E uno spazio vettoriale su K con dimE = 3. Si consideri loperatore lineare
: E E tale che la sua applicazione sulla base e
i
`e:
e
i

_
e
i1
, se i > 1
0, se i = 1
(4.24)
Determinare: a) il risultato dellapplicazione di su un qualunque vettore di E; b) la
matrice rappresentativa di nella base e
i
.
4. Si determini la nullit`a del seguente operatore lineare:
: R
2
R
2
(x, y) (2x 4y, x + 2y)
4.5.3.1 Soluzioni
1. Abbiamo:
: E E
v v
essendo K 0 il rapporto di omotetia. Consideriamo una base di E:
e
i
, i = 1, 2, ..., n = dimE (4.25)
Applichiamo ai vettori di base:
e

1
= e
1
= e
1
+ 0 e
2
+ ... + 0 e
n
e

2
= e
2
= 0 e
1
+ e
2
+ ... + 0 e
n
...
e

n
= e
n
= 0 e
1
+ 0 e
2
+ ... + e
n
131
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Quindi la matrice rappresentativa di `e la matrice diagonale:

.
=
_
_
_
_
0 0 0
0 0 0
... ... ... ...
0 0 0
_
_
_
_
Ci`o si esprime dicendo che `e diagonale nella base (4.25).
Nel caso speciale = 1, loperatore omotetia si identica con loperatore identit` a:

1 : v v, la cui matrice rappresentativa `e la matrice identit`a di ordine n:

1
.
=
_
_
_
_
1 0 0 0
0 1 0 0
... ... ... ...
0 0 0 1
_
_
_
_
(4.26)
2. Iniziamo a dimostrare la linearit`a.
, R, v = (x, y) R
2
, w = (x

, y

) R
2
, u = v +w = (x + x

, y + y

)
u = (x + x

y y

, x + x

+y + y

, x +x

)
= ((x y) + (x

) , (x + y) + (x

+ y

) , x +x

)
= v + w = Hom
_
R
2
, R
3
_
Determiniamo ora il risultato dellapplicazione di sui vettori di base:
e

1
= e
1
= (1, 1, 1)
e

2
= e
2
= (1, 1, 0)
Quindi esprimiamo tali vettori nella base f
j

1
= 1 f
1
+ 1 f
2
+ 1 f
3
e

2
= 1 f
1
+ 1 f
2
+ 0 f
3
da cui la matrice rappresentativa:

.
=
_
_
1 1
1 1
1 0
_
_
3. Sia x E:
x =
3

i=1
x
i
e
i
Applichiamo :
x =
3

i=1
x
i
e
i
= x
2
e
2
+ x
3
e
3
,
132
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
donde:
: x = (x
1
, x
2
, x
3
) x

= (x
2
, x
3
, 0) (4.27)
Per determinare la matrice rappresentativa, esplicitiamo le (4.24):
e

1
= e
1
= 0 = 0 e
1
+ 0 e
2
+ 0 e
3
e

2
= e
2
= e
1
= 1 e
1
+ 0 e
2
+ 0 e
3
e

3
= e
3
= e
2
= 0 e
1
+ 1 e
2
+ 0 e
3
,
per cui:

.
=
_
_
0 1 0
0 0 1
0 0 0
_
_
Si osservi che al risultato (4.27) si perviene attraverso la moltiplicazione righe x colonne
delle matrici rappresentative di e x rispettivamente:
_
_
0 1 0
0 0 1
0 0 0
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
x
2
x
3
0
_
_
(4.28)
4. Come `e noto:
N () = dimKer ()
Determiniamo il kernel delloperatore:
Ker =
_
x R
2
: x = 0
_
=
_
(x, y) R
2
: (2x 4y, x + 2y) = (0, 0)
_
Gli elementi di Ker sono i vettori x = (x, y) le cui componenti sono soluzioni del
sistema di equazioni lineari:
2x 4y = 0 (4.29)
x + 2y = 0,
equivalente allequazione lineare omogenea:
x 2y = 0,
per cui il sistema (2.23) ammette
1
autosoluzioni:
(x, y) = (2y, y)
Quindi il kernel di `e:
Ker =
_
(x, y) R
2
: x = 2y, < y < +
_
La nullit`a:
N () = 1
133
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
4.6 Autovalori e autovettori di un endomorsmo
4.6.1 Denizioni
Da qui in poi indichiamo con un simbolo del tipo

X un endomorsmo di uno spazio vettoriale
e con X la matrice rappresentativa relativamente ad una base assegnata. Ci`o premesso, sia

A End (E):

A : E E
v v

v E
In generale il vettore v

- risultato dellapplicazione delloperatore



A sul vettore v - non `e
proporzionale a v. Ci si pu`o chiedere se esistono vettori che verichino tale propriet`a. Pi` u
precisamente, sussiste la seguente denizione:
Denizione 116 Il vettore v E 0 dicesi autovettore delloperatore

A se esiste uno
scalare K tale che:

Av = v
Lo scalare si chiama autovalore di

A, e diremo che v `e un autovettore appartenente (o
associato) allautovalore .
Si osservi che se v `e autovettore di

A con autovalore , per ogni K 0:

A(v) =

Av = (v) , (4.30)
cio`e v `e ancora autovettore di

A con autovalore . Sia V [v] il sottospazio di E generato
da v:
V [v] =
_
(v) E [

Av = v, K 0
_
(4.31)
Chiamiamo (4.31) sottospazio invariante per loperatore

A.
***
Assegnato K, consideriamo linsieme:
E ()
def
=
_
v E 0 [

Av = v
_
(4.32)
In altri termini consideriamo la totalit`a dei vettori di E che sono autovettori di

A apparte-
nenti al medesimo autovalore .
Proposizione 117 E

() = E () 0 `e un sottospazio di E.
Dimostrazione. v, w E

():

A(v +w)

AEnd(E)
=

Av +

Aw
= (v +w) =(v +w) E

()
K, v E

(), per la (4.30) il vettore (v) E

().
134
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Denizione 118 Il sottospazio E

() dicesi autospazio di

A associato allautovalore .
Teorema 119 Autovettori appartenenti ad autovalori distinti sono linearmente indipenden-
ti.
Dimostrazione. Sia

A End (E) tale che:

Av
k
=
k
v
k
, k = 1, 2, ..., n (4.33)

k
,=
k
, k, k

1, 2, ..., n
k=k

Si osservi che nel caso speciale n = 1, lasserto `e banalmente vero:

Av
1
=
1
v
1
Per denizione di autovettore deve essere v
1
,= 0 e come tale v
1
`e linearmente indipendente.
Per dimostrare lasserto per ogni n, procediamo per induzione:
_
la proposizione `e vera
per r = n 1
_
=
_
la proposizione `e vera
per r = n
_
(4.34)
Per dimostrare limplicazione induttiva (4.34) procediamo per assurdo. La negazione della
tesi `e:
_
la proposizione `e falsa
per r = n
_
,
ovvero:
_
il sistema
n
= v
1
, v
2
, ..., v
n

`e linearmente dipendente
_
Quindi:
(a
1
, a
2
, ..., a
n
) ,= (0, 0, ..., 0) [ a
1
v
1
+ a
2
v
2
+ ... + a
n
v
n
= 0 (4.35)
Senza perdita di generalit`a supponiamo che:
a
1
,= 0 (4.36)
Applichiamo loperatore

A ad ambo i membri della combinazione lineare (4.35), osservando
che il vettore nullo `e invariante rispetto allazione di un qualunque operatore lineare:

A(a
1
v
1
+ a
2
v
2
+ ... + a
n
v
n
) = 0
Per la (4.33):
a
1

1
v
1
+ a
2

2
v
2
+ ... + a
n

n
v
n
= 0 (4.37)
Moltiplichiamo la (4.35) per
n
, per poi scrivere il sistema di equazioni:
a
1

n
v
1
+ a
2

n
v
2
+ ... + a
n

n
v
n
= 0
a
1

1
v
1
+ a
2

2
v
2
+ ... + a
n

n
v
n
= 0
Sottraendo membro a membro:
a
1
(
1

n
) v
1
+ a
2
(
2

n
) v
2
+ ... + a
n1
(
n1

n
) v
n1
= 0
135
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Per la (4.36) e la seconda delle (4.33):
a
1
(
1

n
) ,= 0,
cio`e il sistema
n1
= v
1
, v
2
, ..., v
n1
`e linearmente dipendente. Inoltre:

n1

n
=
n
`e linearmente dipendente,
che `e una negazione dellipotesi (4.34).
La negazione della tesi implica la negazione dellipotesi, da cui lasserto.
4.6.2 Polinomio caratteristico
Sia

A End (E) rappresentato dalla matrice (in una base assegnata):
A = (a
ij
) , i, j = 1, 2, ..., n = dimE < +
Proposizione 120

Au = u det
_
A 1
n
_
= 0,
essendo 1
n
la matrice identit`a di ordine n.
Dimostrazione. Lequazione agli autovalori:

Au = u
`e equivalente alla:
_

1
_
u = 0, (4.38)
essendo

1 End (E) loperatore identit`a:

1u = u, u E. Per quanto detto, la matrice
rappresentativa di

A `e:
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
,
mentre la matrice rappresentativa di u `e il vettore colonna:
u
.
=
_
_
_
_
u
1
u
2
...
u
n
_
_
_
_
Ovviamente la matrice rappresentativa del vettore nullo `e il vettore colonna:
0 =
_
_
_
_
0
0
...
0
_
_
_
_
136
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Da ci`o segue:

1
.
= A 1
n
=
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn

_
_
_
_
Quindi:
_

1
_
u = 0
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn

_
_
_
_
_
_
_
_
u
1
u
2
...
u
n
_
_
_
_
=
_
_
_
_
0
0
...
0
_
_
_
_
(4.39)
La (4.39) `e equivalente al sistema lineare omogeneo:
(a
11
) u
1
+a
12
u
2
+ ... +a
1n
u
n
= 0 (4.40)
a
21
u
1
+ (a
22
) u
2
+ ... +a
2n
u
n
= 0
...
a
n1
u
1
+ a
n2
u
2
+ ... + (a
nn
) u
n
= 0
Come `e noto, il sistema (4.40) ammette autosoluzioni se e solo se:

a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn

= 0
cio`e:
det
_
A 1
n
_
= 0
Si osservi che det
_
A 1
n
_
`e un polinomio di grado n, quindi poniamo per denizione:
p
A
()
def
= det
_
A 1
n
_
(4.41)
Chiamiamo p
A
() polinomio caratteristico dellendomorsmo

A.
Esempi.
Esplicitare il polinomio caratteristico degli operatori

A e

B, rappresentati dalle matrici:
A =
_
a
11
a
12
a
21
a
22
_
, B =
_
_
b
11
b
12
b
13
b
21
b
22
b
23
b
31
b
32
b
33
_
_
Per loperatore

A:
p
A
() =

a
11
a
21
a
12
a
22

= (a
11
) (a
21
) a
12
a
21
=
2
+ (a
11
a
22
) + a
11
a
22
137
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Per loperatore

B:
p
B
() =

b
11
b
12
b
13
b
21
b
22
b
23
b
31
b
32
b
33

=
3
+
2
(b
11
+ b
22
+b
33
) + (b
12
b
21
b
11
b
22
+ b
13
b
31
+ b
23
b
32
b
11
b
33
b
22
b
33
) +
b
13
b
22
b
31
+ b
12
b
23
b
31
+ b
13
b
21
b
32
b
11
b
23
b
32
b
12
b
21
b
33
+ b
11
b
22
b
33
Da tali esempi si evince che nel caso n n:
p
A
() =
n

k=0

k
(a
ij
)
k
,
essendo
k
(a
ij
) funzioni degli elementi di matrice.
***
Per quanto detto, gli autovalori di un endomorsmo

A sono le radici (in K) del polinomio
caratteristico. Dalla conoscenza di tali radici, risolvendo il sistema lineare (4.40) si ottengono
i corrispondenti autovettori.
Esempio.
Determinare autovalori e autovettori delloperatore

A : C
2
C
2
rappresentato dalla
matrice:
A =
_
1 1
2 1
_
Il polinomio caratteristico `e:
p
A
() =

1 1
2 1

=
2
+ 1
Da ci`o segue che gli autovalori di

A sono le radici dellequazione:

2
+ 1 = 0
1
= i,
2
= +i
Le componenti degli autovettori corrispondenti sono le soluzioni del sistema:
(1
k
) u
1
u
2
= 0 (4.42)
2u
1
(1 +
k
) u
2
= 0,
ottenendo:
u
(1)
.
=
_
1
1 +i
_
, u
(2)
.
=
_
1
1 i
_
Si osservi che gli autovettori u
(k)
sono deniti a meno di una costante moltiplicativa, poiche
il sistema (4.42) ammette
1
autosoluzioni.
138
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
***
Sia p (x) un polinomio a coecienti in K:
p (x) = a
0
+ a
1
x +a
2
x
2
+ ... + a
n
x
n
(4.43)
Se

A End (E), essendo E uno spazio vettoriale n-dimensionale sul campo K, eseguiamo
nella (4.43) la sostituzione:
x

A, a
0
a
0

1
ottenendo loperatore
p
_

A
_
= a
0

1 +a
1

A + a
2

A
2
+ ... +a
n

A
n
(4.44)
Se A `e la matrice rappresentativa di

A:
p
_

A
_
.
= p (A) = a
0
1
n
+ a
1
A + a
2
A
2
+ ... + a
n
A
n
Esempio.
p (x) = 2x
2
3x + 7; q (x) = x
2
5x 2; A =
_
1 2
3 4
_
Risulta:
p (A) = 2A
2
3A + 7 1
2
=
_
12 2
27 27
_
; q (A) = A
2
5A 21
2
=
_
4 6
24 6
_
Denizione 121 Se risulta p (A) = 0, diremo che p (x) `e un polinomio annullatore di
A.
Teorema (di Cayley-Hamilton) 122 Il polinomio caratteristico di una qualunque ma-
trice A `e un polinomio annullatore di A.
4.6.3 Endomorsmi diagonalizzabili
Consideriamo uno spazio vettoriale E n-dimensionale sul campo K.
Denizione 123

A End (E) `e diagonalizzabile se esiste una base di E tale che:

A
.
=
A = diag (a
11
, a
22
, ..., a
nn
).
Proposizione 124

A End (E) `e diagonalizzabile se e solo se

A ammette n autovettori
linearmente indipendenti.
Dimostrazione. La condizione `e necessaria.
Per ipotesi:

Av
i
=
i
v
i
, i = 1, 2, ..., n
139
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Il sistema = v
i
`e una base di E, in quanto sistema di ordine massimo. Scriviamo la
matrice rappresentativa delloperatore

A nella base . A tale scopo determiniamo il risultato
dellapplicazione di

A sui vettori di :

Av
1
=
1
v
1
+ 0 v
2
+ ... + 0 v
n

Av
2
= 0 v
1
+
2
v
2
+ ... + 0 v
n
...

Av
n
= 0 v
1
+ 0 v
2
+... +
n
v
n
Quindi:

A
.
= A =
_
_
_
_

1
0 ... 0
0
2
... 0
... ... ... ...
0 0 ...
n
_
_
_
_
,
donde lasserto.
La condizione `e suciente.
Per ipotesi

A `e diagonalizzabile, per cui esiste una base e
i
di E tale che

A
.
= A =
_
_
_
_
a
11
0 ... 0
0 a
22
... 0
... ... ... ...
0 0 ... a
nn
_
_
_
_
Per denizione di matrice rappresentativa deve essere:

Ae
i
= a
ii
e
i
, i = 1, 2, ..., n
cio`e

A ammette n autovettori linearmente indipendenti.
***
Consideriamo lautospazio E

(
i
) corrispondente allautovalore
i
di

A End (E).
Denizione 125 Dicesi molteplicit`a geometrica
1
di
i
lintero naturale r
i
= dimE

(
i
)
1.
Supponiamo che u
i,1
, u
i,2
, ..., u
i,r
i
sia una base di E

(
i
) con r
i
> 1. Siccome u
i,j
E (
i
),
deve essere:

Au
i,1
=
i
u
i,1

Au
i,2
=
i
u
i,2
...

Au
i,r
i
=
i
u
i,r
i
1
In alcune teorie siche (Meccanica Quantistica) la molteplicit`a geometrica `e denominata grado di
degenerazione, e il corrispondente autovalore si dice degenere.
140
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
In altri termini al medesimo autovalore
i
corrispondono pi` u autovettori linearmente in-
dipendenti. In simboli:

i
u
i,1
, u
i,2
, ..., u
i,r
i

Daltro canto,
i
`e una radice del polinomio caratteristico p
A
() e come tale avr`a una
molteplicit`a algebrica
i
1.
Teorema 126 Se
i
`e autovalore di

A End (E), allora r
i

i
.
Dimostrazione. Omessa
Proposizione 127 Sia E uno spazio vettoriale nito-dimensionale.

A End (E) dotato di
q autovalori distinti
1
,
2
, ...,
q
, `e diagonalizzabile se e solo se:
q

i=1
r
i
= n,
essendo n = dimE.
Dimostrazione. Omessa
Esempi
Consideriamo gli operatori

A,

B,

C End (R
3
) che nella base canonica (1, 0, 0) , (0, 1, 0) , (0, 0, 1)
sono rappresentati dalle matrici:
A =
_
_
2 1 0
0 1 1
0 2 4
_
_
, B =
_
_
1 2 2
1 2 1
1 1 4
_
_
, C =
_
_
1 0 0
0 3 0
0 0 3
_
_
Si diagonalizzino (quando `e possibile) i suddetti operatori.
Soluzione.
Polinomio caratteristico di A:
p
A
() = (2 )
_

2
5 + 6
_
,
le cui radici - autovalori di A - sono:

1
= 2,
1
= 2

2
= 3,
2
= 1
Da ci`o segue immediatamente che r
2
= 1, r
1
2.

1
u
1
= (1, 0, 0) ,
donde:
E (
1
) = u
1
: R =r
1
= 1
Allautovalore
2
:
141
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis

2
= 3 u
2
= (1, 1, 2)
Si conclude che loperatore

A possiede solo due autovettori indipendenti, e come tale non `e
diagonalizzabile. Alternativamente, osserviamo che:
2

i=1
r
i
= 2 < n = dimE,
quindi per la proposizione 127 lendomorsmo

A non `e diagonalizzabile.
Polinomio caratteristico di

B:
p
B
() = ( 1) ( 3)
2
Quindi:

1
= 1,
1
= 1 =r
1
= 1

2
= 3,
2
= 2 =r
2
2
Iniziamo con
1
:
0 + 2u
2
+ 2u
3
= 0
u
1
+ u
2
u
3
= 0
u
1
+ u
2
+ 3u
2
= 0,
che ammette
1
soluzioni proprie:
(u
1
, u
2
, u
3
) = u
3
(2, 1, 1)
Quindi

1
u
1
= (2, 1, 1)
Passiamo allautovalore
2
:
2u
1
+ 2u
2
+ 2u
3
= 0
u
1
+ u
2
u
3
= 0
u
1
+u
2
+ u
3
= 0,
che ammette
2
soluzioni proprie:
(u
1
, u
2
, u
3
) = u
2
(1, 1, 0) +u
3
(1, 0, 1)
Quindi

2
= 3 u
1
= (1, 1, 0) , u
2,2
= (1, 0, 1)
142
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Ci`o implica:
r
2
= dimE (
2
) = 2
Il sistema u
1
, u
2,1
, u
2,2
`e una base di R
3
e in essa la matrice rappresentativa di

B `e:
B
diag
=
_
_
1 0 0
0 3 0
0 0 3
_
_
Operatore

C
La risposta `e banale:

C `e diagonale nella base canonica.
***
Consideriamo due sistemi di assi cartesiani del piano R(0xy) e R

(0x

), aventi in comune
lorigine. Quindi gli assi cartesiani x

, y

sono ruotati rispetto a x, y di un angolo . Le


equazioni di trasformazione sono:
x

= xcos + y sin (4.45)


y

= xsin + y cos
Le (4.45) possono essere scritte in forma matriciale:
_
x

_
=
_
cos sin
sin cos
__
x
y
_
(4.46)
Nel formalismo operatoriale le (4.46) possono essere interpretate come lazione di un opera-
tore

1() su un generico vettore posizione x = (x, y):

1() x = x

essendo x

= (x

, y

) il vettore posizione rispetto al sistema di coordinate ruotato di attorno


allorigine. Evidentemente:

1() End
_
R
2
_
con R
La matrice rappresentativa di

1() nella base (1, 0) , (0, 1) `e:
1() =
_
cos sin
sin cos
_
Quindi il polinomio caratteristico:
p
R
() =
2
2cos + 1,
le cui radici sono:
= cos
_
sin
2
(4.47)
Abbiamo:
143
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
R sin
2
= 0 = k, k Z
R
_
kZ
k = = cos i sin
Pertanto gli autovalori reali sono:

k
= cos (k) = (1)
k
, k Z
Le corrispondenti equazioni agli autovalori sono:

1(0) x =
0
x

1() x =
1
x

1(2) x =
2
x
...........

1(k) x =
k
x
...........
Passiamo agli autovalori complessi, nel senso che consideriamo

1() quale operatore lineare:

1() : R
2
R
2
Qui R
2
`e inteso come spazio vettoriale sul campo complesso C, anzich`e sul campo reale R.
Innanzitutto deve essere ,= k:

k
= cos i sin
Le relative molteplicit`a (algebrica e geometrica):

1
= 1, r
1
= 1

2
= 1, r
2
= 1
Quindi:
q=2

1
r
i
= 2 = n =

1() `e diagonalizzabile
Le componenti (u
1
, u
2
) del generico autovettore sono le autosoluzioni del sistema omogeneo:
(cos ) u
1
+ (sin ) u
2
= 0
(sin ) u
1
+ (cos ) u
2
= 0
Per =
1
, una delle innite soluzioni `e:
144
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
u
1
= (1, i)
Per =
2
, una delle innite soluzioni `e:
u
2
= (1, i)
I corrispondenti autospazi sono:
E

(
1
) = u
1
[ C
E

(
2
) = u
2
[ C
Nella base u
1
, u
2
la matrice rappresentativa di

1() `e:
1
diag
() =
_
cos i sin 0
0 cos + i sin
_
4.6.4 Proiettori
Sia E uno spazio vettoriale su K. Supponiamo che E ammetta una decomposizione in somma
diretta di N sottospazi:
E = U
1
U
2
... U
N
In tal modo un qualunque x E si esprime in uno ed un solo modo come somma di vettori
appartenenti a U
1
,U
2
, ..., U
N
:
x E =x
k
U
k
(k = 1, 2, ..., N) [ x = x
1
+x
2
+ ... +x
N
(4.48)
Per quanto detto, la (4.48) `e univocamente determinata dal vettore x, per cui possiamo
denire N applicazioni:

P
k
: E E k = 1, 2, ..., N (4.49)
x x
k
U
k
x E
Dimostriamo la linearit`a della (4.49).
, K, x, x

P
k
(x + x

) = x
k
+ x

k
=

P
k
x +

P
k
x

per cui

P
k
End (E).
Denizione 128 Gli operatori

P
1
,

P
2
,...,

P
N
si dicono proiettori per E
145
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Limmagine di

P
k
`e:

P
k
(E) = U
k
Determiniamo il kernel di

P
k
:
ker

P
k
=
_
x E [

P
k
x = 0
E
_
Dobbiamo risolvere lequazione operatoriale:

P
k
x = 0
E
Le soluzioni sono:
x U
h=k
,
donde:
ker

P
k
= U
1
+ U
2
+ ... + U
k1
+U
k+1
+ ... + U
N
I proiettori sono operatori idempotenti:
x E,

P
2
k
x =

P
k
_

P
k
x
_
=

P
k
x
k
= x
k
=

P
2
k
=

P
k
Altre propriet`a:
_

P
h

P
k
_
x =

P
h
_

P
k
x
_
=

P
h
x
k
=
_
0, se h ,= k
x
h
, se h = k
Cio`e:

P
h

P
k
=
hk
x
k
,
essendo
hk
il simbolo di Kronecker.
x E,
_

P
1
+

P
2
+ ... +

P
N
_
x =
N

k=1
x
k
= x =
N

k=1

P
k
=

1
Supponiamo che dimE = n. Assegnata la base canonica e
k
:
e
1
= (1, 0, ..., 0)
e
2
= (0, 1, ..., 0)
...
e
n
= (0, 0, ..., 1)
resta denita la decomposizione di E:
E = U
1
U
2
+... + U
n
,
essendo U
k
il sottospazio di E generato da e
k
. Assegnato x = (x
1
, x
2
, ..., x
n
):
146
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis

P
k
x = x
k
= (0, ..., x
k
, ..., 0)
Restano cos` deniti n proiettori, le cui matrici rappresentative nella base canonica sono:

P
1
.
=
_
_
_
_
1 0 ... 0
0 0 ... 0
... ... ... 0
0 0 ... 0
_
_
_
_

P
1
.
=
_
_
_
_
0 0 ... 0
0 1 ... 0
... ... ... 0
0 0 ... 0
_
_
_
_
...

P
n
.
=
_
_
_
_
0 0 ... 0
0 0 ... 0
... ... ... 0
0 0 ... 1
_
_
_
_
Esempi
Consideriamo il piano euclideo R
2
. Assegnato un sistema di assi cartesiani 0xy, siano i e j i
versori degli assi cartesiani. Evidentemente essi compongono una base di R
2
. Assegnato un
qualunque vettore v R
2
:
v = (x, y) = xi + yj
Indichiamo con U
x
, U
y
i sottospazi di R
2
generati da i e j rispettivamente. Evidentemente:
R
2
= U
x
U
y
Resta cos` denita la coppia di proiettori:

P
x
v = v
x

P
y
v = v
y
,
essendo v
x
= (x, 0), v
y
= (0, y).
La matrice rappresentativa di

P
x
nella base = i, j `e:

P
x
.
=
_
1 0
0 0
_
Cio`e

P
x
`e diagonale in . Gli autovalori sono gli elementi della diagonale principale:

1
= 1,
2
= 0
I corrispondenti autovettori sono i vettori di base, quindi abbiamo le equazioni agli autovalori:
147
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis

P
x
i = 1 i

P
x
j = 0 j
Passiamo al proiettore

P
y
:

P
y
.
=
_
0 0
0 1
_
Autovalori:

1
= 0,
2
= 1
I corrispondenti autovettori sono i vettori di base, quindi abbiamo le equazioni agli autovalori:

P
y
i = 0 i

P
y
j = 1 j (4.50)
4.6.5 Esercizi
1. Assegnati gli operatori

A,

B,

C End (C) rappresentati nella base canonica dalle
seguenti matrici:
A =
_
2 1
1 2
_
, B =
_
3 4
5 2
_
, C =
_
0 a
a 0
_
, a R 0
si determinino autovalori e autovettori, diagonalizzando (dove `e possibile) il singolo
operatore.
2. Assegnati gli operatori

A,

B,

C End (R
3
) rappresentati nella base canonica dalle
seguenti matrici:
A =
_
_
1 0 1
1 2 1
2 2 3
_
_
, B =
_
_
1 1 2
1 2 1
0 1 1
_
_
, C =
_
_
1 2 2
0 2 1
1 2 2
_
_
,
si determinino autovalori e autovettori, diagonalizzando (dove `e possibile) il singolo
operatore.
3. Assegnati gli operatori

A,

B,

C End (R
3
) rappresentati nella base canonica dalle
seguenti matrici:
A =
_
_
0 1 0
0 0 1
1 3 3
_
_
, B =
_
_
2 8 12
1 4 4
0 0 1
_
_
, C =
_
_
3 9 12
1 3 4
0 0 1
_
_
,
si determinino autovalori e autovettori, diagonalizzando (dove `e possibile) il singolo
operatore.
148
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
4. Assegnati gli operatori

A,

B End (R
3
) e

C End (R
4
) rappresentati nella base
canonica dalle seguenti matrici:
A =
_
_
2 1 1
1 2 1
0 0 1
_
_
, B =
_
_
2 2 0
2 2 0
0 0 1
_
_
, C =
_
_
_
_
3 2 2 4
2 3 2 1
1 1 2 1
2 2 2 1
_
_
_
_
,
si determinino autovalori e autovettori, valutando la possibilit`a di diagonalizzazione di
singolo operatore.
5. Assegnati gli operatori

A End (R
4
),

B End (R
3
) rappresentati nella base canonica
dalle seguenti matrici:
A =
_
_
_
_
1 1 1 1
1 1 1 1
1 1 1 1
1 1 1 1
_
_
_
_
, B =
_
_
5 6 3
1 0 1
1 2 1
_
_
,
si determinino autovalori e autovettori, valutando la possibilit`a di diagonalizzazione di
singolo operatore.
6. Diagonalizzare loperatore

A End (R
4
) rappresentato nella base canonica dalla ma-
trice:
A =
_
_
_
_
1 4 1 4
2 0 5 4
1 1 2 3
1 4 1 6
_
_
_
_
7. Diagonalizzare loperatore

A End (R
4
) rappresentato nella base canonica dalla ma-
trice:
A =
_
_
_
_
5 6 10 7
5 4 9 6
3 2 6 4
3 3 7 5
_
_
_
_
8. Diagonalizzare loperatore

A End (R
4
) rappresentato nella base canonica dalla ma-
trice:
A =
_
_
_
_
1 1 6 3
1 2 3 0
1 1 0 1
1 1 5 3
_
_
_
_
9. Determinare gli autovalori di

A
1
essendo

A End (E), supponendo noti gli autovalori
di

A e nellipotesi ,= 0.
10. Sia

A End (E) con E spazio vettoriale n-dimensionale sul campo K, la cui equazione
agli autovalori `e:

Au
i
=
i
u
i
, i = 1, 2, ..., n
149
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Per semplicit`a consideriamo il caso non degenere:
i
= r
i
= 1. Si consideri il polinomio
su K:
f (x) = a
0
m

i=1
(x x
i
) ,
Determinare: a) lespressione analitica di f
_

A
_
; b) det f (A) in funzione degli auto-
valori di

A; c) autovettori e autovalori di f
_

A
_
.
11. Assegnato lo spazio vettoriale T
n
[x] i cui vettori sono i polinomi di grado n 1 con
coecienti in R, consideriamo loperatore di derivazione:
D : T
n
[x] T
n
[x]
p (x) Dp (x) =
d
dx
p (x) , p (x) T
n
[x]
Determinare autovalori e autovettori di D.
4.6.5.1 Soluzioni
1. Il polinomio caratteristico di

A `e:
p
A
() =
2
4 1,
le cui radici sono:

1
= 1,
2
= 3
La molteplicit`a algebrica di singola radice `e:

1
= 1,
2
= 1
In forza del teorema 126 la molteplicit`a geometrica di singolo autovalore `e:
r
i
= 1, i = 1, 2 = q
per cui:
q

i=1
r
i
= 2 = dimC,
donde la diagonalizzabilit`a delloperatore

A. Le componenti dellautovettore apparte-
nente a
1
sono le soluzioni (x, y) dellequazione lineare omogenea:
x + y = 0,
quindi:
u
1
= (1, 1)
150
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
In maniera analoga si determinano le componenti dellautovettore appartenente allau-
tovalore
2
, ottenendo:
u
2
= (1, 1)
Nella base u
1
, u
2
loperatore

A `e rappresentato dalla matrice:
A
diag
=
_
1 0
0 3
_
Il polinomio caratteristico di

B `e:
p
B
() =
2
5 14
le cui radici sono:

1
= 2,
2
= 7
La molteplicit`a algebrica di singola radice `e:

1
= 1,
2
= 1
In forza del teorema 126 la molteplicit`a geometrica di singolo autovalore `e:
r
i
= 1, i = 1, 2 = q
per cui:
q

i=1
r
i
= 2 = dimC,
donde la diagonalizzabilit`a delloperatore

B. Le componenti dellautovettore apparte-
nente a
1
sono le soluzioni (x, y) dellequazione lineare omogenea:
5x + 4y = 0,
quindi:
u
1
= (4, 5)
In maniera analoga si determinano le componenti dellautovettore appartenente allau-
tovalore
2
, ottenendo:
u
2
= (1, 1)
Nella base u
1
, u
2
loperatore

B `e rappresentato dalla matrice:
B
diag
=
_
2 0
0 7
_
Il polinomio caratteristico di

C `e:
p
C
() =
2
+a
2
,
151
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
le cui radici sono:

1
= ia,
2
= ia
La molteplicit`a algebrica di singola radice `e:

1
= 1,
2
= 1
In forza del teorema 126 la molteplicit`a geometrica di singolo autovalore `e:
r
i
= 1, i = 1, 2 = q
per cui:
q

i=1
r
i
= 2 = dimC,
donde la diagonalizzabilit`a delloperatore

C. Le componenti dellautovettore apparte-
nente a
1
sono le soluzioni (x, y) dellequazione lineare omogenea:
ix + y = 0,
quindi:
u
1
= (1, i)
In maniera analoga si determinano le componenti dellautovettore appartenente allau-
tovalore
2
, ottenendo:
u
2
= (1, i)
Nella base u
1
, u
2
loperatore

C `e rappresentato dalla matrice:
C
diag
=
_
ia 0
0 ia
_
2. Il polinomio caratteristico di

A `e:
p
A
() =
3
+ 6
2
11 + 6
le cui radici sono:

1
= 1,
2
= 2,
3
= 3
La molteplicit`a algebrica di singola radice `e:

i
= 1, i = 1, 2, 3
In forza del teorema 126 la molteplicit`a geometrica di singolo autovalore `e:
r
i
= 1, i = 1, 2, 3,
152
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
per cui:
q

i=1
r
i
= 3,
donde la diagonalizzabilit`a delloperatore

A.
Gli autovettori sono:
u
1
= (1, 1, 0) , u
2
= (2, 1, 2) , u
3
= (1, 1, 2)
Essi compongono una base di R
3
, pertanto la matrice rappresentativa in tale base `e:
A
diag
=
_
_
1 0 0
0 2 0
0 0 3
_
_
Il polinomio caratteristico di

B `e:
p
B
() =
3
+ 2
2
+ 2
le cui radici sono:

1
= 1,
2
= 1,
3
= 2
La molteplicit`a algebrica di singola radice `e:

i
= 1, i = 1, 2, 3
In forza del teorema 126 la molteplicit`a geometrica di singolo autovalore `e:
r
i
= 1, i = 1, 2, 3,
per cui:
q

i=1
r
i
= 3,
donde la diagonalizzabilit`a delloperatore

B (prop. 127).
Gli autovettori sono:
u
1
= (1, 0, 1) , u
2
= (3, 2, 1) , u
3
= (1, 3, 1)
Essi compongono una base di R
3
, pertanto la matrice rappresentativa in tale base `e:
B
diag
=
_
_
1 0 0
0 1 0
0 0 2
_
_
153
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Il polinomio caratteristico di

C `e:
p
C
() = ( 2)
2
( 1)
le cui radici sono:

1
= 2,
2
= 1
La molteplicit`a algebrica di singola radice `e:

1
= 2,
2
= 1
In forza del teorema 126 la molteplicit`a geometrica di singolo autovalore `e:
r
1
2, r
2
= 1
Determiniamo gli autovettori.

1
u
1
= (2, 1, 0) =r
1
= 1 (4.51)

2
u
2
= (1, 1, 1) =r
2
= 1
Dalle (4.51):
q

i=1
r
i
= 2,
donde la non diagonalizzabilit`a delloperatore

C.
3. Il polinomio caratteristico di

A `e:
p
A
() = (1 )
3
la cui radice `e:

1
= 1
La molteplicit`a algebrica:

1
= 3

1
ammette un solo autovettore:
u
1
= (1, 1, 1)
Evidentemente:
r
1
= 1,
per cui

A non `e diagonalizzabile.
Il polinomio caratteristico di

B `e:
p
B
() =
_

2
3 + 2
_
154
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
le cui radici sono:

1
= 0,
2
= 1,
3
= 2
La molteplicit`a algebrica di singola radice `e:

i
= 1, i = 1, 2, 3
In forza del teorema 126 la molteplicit`a geometrica di singolo autovalore `e:
r
i
= 1, i = 1, 2, 3,
per cui:
q

i=1
r
i
= 3,
donde la diagonalizzabilit`a delloperatore

B (prop. 127).
Gli autovettori sono:
u
1
= (4, 1, 0) , u
2
= (4, 0, 1) , u
3
= (2, 1, 0)
Essi compongono una base di R
3
, pertanto la matrice rappresentativa in tale base `e:
B
diag
=
_
_
0 0 0
0 1 0
0 0 2
_
_
Il polinomio caratteristico di

C `e:
p
C
() =
2
(1 )
2
le cui radici sono:

1
= 0,
2
= 1
La molteplicit`a algebrica di singola radice `e:

1
= 2,
2
= 1
In forza del teorema 126 la molteplicit`a geometrica di singolo autovalore `e:
r
1
2, r
2
= 1
Determiniamo gli autovettori.

1
u
1
= (3, 1, 0) =r
1
= 1 (4.52)

2
u
2
= (12, 4, 1) =r
2
= 1
Dalle (4.51):
q

i=1
r
i
= 2,
donde la non diagonalizzabilit`a delloperatore

C.
155
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
4. Il polinomio caratteristico di

A `e:
p
A
() = (3 ) ( 1)
2
le cui radici sono:

1
= 1,
2
= 3,
La molteplicit`a algebrica di singola radice `e:

1
= 2,
2
= 3
In forza del teorema 126 la molteplicit`a geometrica di singolo autovalore `e:
r
1
2, r
2
= 1
Allautovalore
1
corrispondono gli autovettori:
u
1,1
= (1, 0, 1) , u
1,2
= (1, 1, 0)
Cio`e la molteplicit`a geometrica di
1
`e r
1
def
= dimE (
1
) = 2.
Allautovalore
2
corrisponde lautovettore:
u
2
= (1, 1, 0)
Abbiamo:
q

i=1
r
i
= 2 + 1 = 3
donde la diagonalizzabilit`a delloperatore

A. La matrice rappresentativa in tale base
`e:
A
diag
=
_
_
1 0 0
0 1 0
0 0 3
_
_
Il polinomio caratteristico di

B `e:
p
B
() =
_

2
5 + 4
_
le cui radici sono:

1
= 0,
2
= 1,
3
= 4
La molteplicit`a algebrica di singola radice `e:

i
= 1, i = 1, 2, 3
In forza del teorema 126 la molteplicit`a geometrica di singolo autovalore `e:
r
i
= 1, i = 1, 2, 3,
156
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
per cui:
q

i=1
r
i
= 3,
donde la diagonalizzabilit`a delloperatore

B (prop. 127).
Gli autovettori sono:
u
1
= (1, 1, 0) , u
2
= (0, 0, 1) , u
3
= (1, 1, 0)
Essi compongono una base di R
3
, pertanto la matrice rappresentativa in tale base `e:
B
diag
=
_
_
0 0 0
0 1 0
0 0 4
_
_
Il polinomio caratteristico di

C `e:
p
C
() = ( 1)
2
_

2
5 + 6
_
le cui radici sono:

1
= 1,
2
= 2,
3
= 3
La molteplicit`a algebrica di singola radice `e:

1
= 2,
2
= 1 ,
3
= 1
In forza del teorema 126 la molteplicit`a geometrica di singolo autovalore `e:
r
1
2, r
2
= 1, r
3
= 1
Determiniamo gli autovettori.

1
u
1,1
= (1, 0, 1, 0) , u
1,2
= (1, 1, 0, 0) =r
1
= 2 (4.53)

2
u
2
= (2, 4, 1, 2) =r
2
= 1

3
u
3
= (0, 3, 1, 2) =r
3
= 1 (4.54)
Dalle (4.51):
q

i=1
r
i
= 4,
donde la diagonalizzabilit`a delloperatore

C.
Il sistema di autovettori:
u
1,1
, u
1,2
, u
2
, u
3
,
`e una base di R
4
, e la matrice rappresentativa di

C in tale base `e:
C
diag
=
_
_
_
_
1 0 0 0
0 1 0 0
0 0 2 0
0 0 0 3
_
_
_
_
157
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
5. Il polinomio caratteristico di A `e:
p
A
() = ( 2)
3
( + 2)
Quindi gli autovalori:

1
= 2,
2
= 2
le cui molteplicit`a algebriche sono:

1
= 1,
2
= 3
Le molteplicit`a geometriche:
r
1
= 1, r
2
3
Gli autovettori appartenenti allautovalore
1
hanno per componenti nella base canon-
ica, le soluzioni del sistema lineare omogeneo:
3x +y + z + t = 0
x + 3y z t = 0
x y + 3z t = 0
x y z + 3t = 0,
che ammette
1
autosoluzioni. Quindi a meno di una costante moltiplicativa:
u
1
= (1, 1, 1, 1)
Per lautovalore
2
occorre risolvere il sistema omogeneo:
x + y +z + t = 0
x y z t = 0
x y z t = 0
x y z t = 0,
equivalente a:
x y z t = 0
Pertanto esistono
3
autosoluzioni ( + + , , , ), per ogni , , (, +).
Quindi il pi` u generale autovettore di

A appartenente allautovalore
2
`e:
w = ( + + , , , )
= (1, 1, 0, 0) + (1, 0, 1, 0) + (1, 0, 0, 1)
Posto:
u
2,1
= (1, 1, 0, 0) , u
2,2
= (1, 0, 1, 0) , u
2,3
= (1, 0, 0, 1)
risulta che i suddetti vettori compongono una base dellautospazio E

(
2
):

Au
2,i
=
2
u
2,i
, i = 1, 2, 3 = r
2
158
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Pertanto allautovalore
2
corrispondono tre autovettori lineramente indipendenti:

2
u
2,1
, u
2,2
, u
2,3

Inne
4

i=1
r
i
= 1 + 3 = 4
donde la diagonalizzabilit`a delloperatore

A. La matrice rappresentativa in tale base
`e:
A
diag
=
_
_
_
_
2 0 0 0
0 2 0 0
0 0 2 0
0 0 0 2
_
_
_
_
Il polinomio caratteristico di B `e:
p
B
() =
3
+ 4
2
2 4,
le cui radici sono:

1
= 2,
2
= 1

3,
3
= 1 +

3
Gli autovettori sono:
u
1
= (2, 1, 0)
u
2
=
_
3
_
1 +

3
_
1 +

3
,
1

3
1 +

3
, 1
_
u
3
=
_
3
_
1 +

3
_
1 +

3
,
1 +

3
1

3
, 1
_
Nella base u
i
la matrice rappresentativa di

B `e:
B
diag
=
_
_
2 0 0
0 1

3 0
0 0 1 +

3
_
_
6. Il polinomio caratteristico `e:
p
A
() = det

A 1
4

= ( 1)
3
( 2)
Quindi gli autovalori:

1
= 1,
2
= 2
le cui molteplicit`a algebriche sono:

1
= 3,
2
= 1
159
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Le molteplicit`a geometriche:
r
1
3, r
2
= 1
Gli autovettori appartenenti allautovalore
1
hanno per componenti nella base canon-
ica, le soluzioni del sistema lineare omogeneo:
_
_
_
_
1 4 1 4
2 0 5 4
1 1 2 3
1 4 1 6
_
_
_
_
_
_
_
_
x
y
z
t
_
_
_
_
=
_
_
_
_
x
y
z
t
_
_
_
_
,
che ammette
1
autosoluzioni. Quindi a meno di una costante moltiplicativa:
u
1
= (3, 6, 4, 5)
Per lautovalore
2
troviamo:
u
2
= (2, 3, 2, 3)
Si conclude che loperatore lineare

A possiede solo due autovettori indipendenti, per-
tanto non `e diagonalizzabile.
7. Il polinomio caratteristico `e:
p
A
() = det

A 1
4

= ( + 1) ( 1)
3
Quindi gli autovalori:

1
= 1,
2
= 1
le cui molteplicit`a algebriche sono:

1
= 1,
2
= 3
Le molteplicit`a geometriche:
r
1
= 1, r
2
3
Gli autovettori appartenenti allautovalore
1
hanno per componenti nella base canon-
ica, le soluzioni del sistema lineare omogeneo:
_
_
_
_
5 6 10 7
5 4 9 6
3 2 6 4
3 3 7 5
_
_
_
_
_
_
_
_
x
y
z
t
_
_
_
_
=
_
_
_
_
x
y
z
t
_
_
_
_
,
che ammette
1
autosoluzioni. Quindi a meno di una costante moltiplicativa:
u
1
= (3, 0, 1, 4)
160
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Per lautovalore
2
troviamo:
u
2
= (1, 2, 3, 2)
Si conclude che loperatore lineare

A possiede solo due autovettori indipendenti, per-
tanto non `e diagonalizzabile.
8. Il polinomio caratteristico `e:
p
A
() = det

A 1
4

=
2
_

2
1
_
Quindi gli autovalori:

1
= 0,
2
= 1,
3
= 1
le cui molteplicit`a algebriche sono:

1
= 2,
2
=
3
= 1,
Le molteplicit`a geometriche:
r
1
2, r
2
= r
3
= 1
Gli autovettori appartenenti allautovalore
1
hanno per componenti nella base canon-
ica, le soluzioni del sistema lineare omogeneo:
_
_
_
_
1 1 6 3
1 2 3 0
1 1 0 1
1 1 5 3
_
_
_
_
_
_
_
_
x
y
z
t
_
_
_
_
=
_
_
_
_
0
0
0
0
_
_
_
_
,
che ammette
1
autosoluzioni. Quindi a meno di una costante moltiplicativa:
u
1
= (2, 1, 0, 1)
Per gli autovalori
2
,
3
troviamo:
u
2
= (3, 0, 1, 2) , u
3
= (3, 0, 1, 4)
Si conclude che loperatore lineare

A possiede solo tre autovettori indipendenti, per-
tanto non `e diagonalizzabile.
9. Scriviamo lequazione agli autovalori per gli operatori

A,

A
1
:

Au = u (4.55)

A
1
w =

w
Dalla seconda delle (4.55):
p
A
1 (

) = det
_
A
1

I
_
= 0
161
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Da ci`o segue:
0 = det
_
AA
1

A
_
= det
_

A
_
=

det
_
A (

)
1

I
_
Supponiamo che

,= 0:
Cio`e:
det
_
A (

)
1

I
_
= 0 p
A
_
(

)
1
_
= 0 = =
1

Si conclude che gli autovalori di



A
1
sono
2
:

=
1

10. Loperatore f
_

A
_
si ottiene dallespressione f (x) eseguendo la sostituzione x

A,
x
i
x
i

1, a
0
a
0

1:
f
_

A
_
= a
0

1
m,

i=1
_

A x
i

1
_
(4.56)
Dalla (4.56) passiamo alla matrice rappresentativa:
f
_

A
_
.
= f (A) = a
0

1
n
m,

i=1
(A x
i

1
n
) ,
e per una nota propriet`a dei determinanti:
det [f (A)] = a
m
0
m,

i=1
det (A x
i

1
n
)
Cio`e:
det [f (A)] = a
m
0
m

i=1
p
A
(x
i
) , (4.57)
essendo p
A
() il polinomio caratteristico della matrice A: p
A
() = det (A

1
n
) , le
cui radici sono gli autovalori
i
, donde:
p
A
(x
i
) =
n

j=1
(x
i

j
) (4.58)
Sostituendo la (4.58) nella (4.57):
det [f (A)] = a
m
0
m

i=1
n

j=1
(x
i

j
)
=
n

j=1
m

i=1
[a
0
(x
i

j
)] ,
2
Nellipotesi ,

K 0.
162
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
donde:
det [f (A)] =
n

j=1
f (
j
)
Per determinare gli autovettori delloperatore f
_

A
_
si osservi che f
_

A
_
si esprime
come:
f
_

A
_
=
m

i=1
c
i

A
i
, (4.59)
con c
i
K. Applichiamo loperatore

A ad ambo i membri della (4.59):
f
_

A
_
u
i
=
m

j=1
c
j

A
j
u
i
=
_
m

j=1
c
j

j
i
_
u
i
= f (
i
) u
i
Lultimo passaggio si giustica osservando che se Au
i
=
i
u
i
, allora A
n
u
i
=
n
i
u
i
. Si
conclude che f
_

A
_
ammette gli stessi autovettori di

A, con autovalori f (
i
).
Osservazione. Si pu`o dimostrare che f (
i
) sono gli autovalori di f
_

A
_
nel seguente
modo: si consideri la funzione:
g (x) = f (x)
Posto

B = f
_

A
_
, il polinomio caratteristico della matrice B `e:
p
B
() = det (B

1
n
)
Scriviamo lequazione agli autovalori per

B:

Bv
i
=
i
v
i
Inoltre:
p
B
() = det g (A) = det (f (A) ) =
n

i=1
g (
i
)
=
n

i=1
[f (
j
) ] =
i
= f (
i
)
11. T
n
[x] `e uno spazio vettoriale con dimT
n
[x] = n + 1. La base canonica `e:
_
e
k
(x) = x
k
_
, con k = 0, 1, 2, ..., n
163
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Esplicitando il risultato dellazione di D sui vettori di base si perviene alla matrice
rappresentava:
D
.
=
_
_
_
_
_
_
0 1 0 0 ... 0
0 0 2 0 ... 0
0 0 0 3 ... 0
... ... ... ... ... ...
0 0 0 0 ... 0
_
_
_
_
_
_
Il polinomio caratteristico `e:
p
D
() =

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

= (1)
n+1

n+1
Le radici di p
D
() sono:

1
= 0, con molteplicit`a
1
= n + 1 =r
1
n + 1
Le componenti (u
0
, u
1
, ..., u
n
) del generico autovettore sono le soluzioni del sistema di
n + 1 equazioni lineari ed omogenee:
u
0
+u
1
+ 0 + 0 +... + 0 = 0
0 u
1
+ 2u
2
+ 0 +... + 0 = 0
0 + 0 u
2
+ 3u
3
+ ... + 0 = 0
...
0 + 0 + 0 + 0 +... u
n
= 0
Per =
1
, il sistema amette
1
autosoluzioni (u
0
, 0, 0, ..., 0), essendo u
0
un parametro
arbitrario. Quindi:
u
1
= (1, 0, 0, ..., 0)
Da ci`o segue che r
1
= dimE

(
1
) = 1, cio`e loperatore D non `e diagonalizzabile.
4.7 Similitudine
4.7.1 Matrici simili
Sia

A un endomorsmo diagonalizzabile di uno spazio vettoriale nito-dimensionale (dimE =
n) sul campo K. Supponiamo che in una base assegnata e
i
,

A sia rappresentato dalla
matrice:
A =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
(4.60)
164
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Per ipotesi

A `e diagonalizzabile, per cui se u
i
`e il suo sistema di autovettori e
i
i relativi
autovalori
3
, nella base u
i
loperatore `e rappresentato dalla matrice diagonale:
A
diag
=
_
_
_
_

1
0 ... 0
0
2
... 0
... ... ... ...
0 0 ...
n
_
_
_
_
(4.61)
Proposizione 129 Le matrici (4.60)-(4.61) sono legate dalla relazione:
A
diag
= R
1
AR, (4.62)
essendo R la matrice del cambiamento di base e
i
u
i
( 2.5).
Dimostrazione. Omessa
***
Denizione 130 Le matrici A e B sono simili se esiste una matrice C non singolare tale
che:
B = C
1
AC (4.63)
Quindi nel caso di un operatore A e A
diag
sono simili. Pi` u in generale, sia

A End (E),
rappresentato nella base e
i
dalla matrice A = (a
ij
). Assegnata una seconda base e

dello spazio vettoriale E, abbiamo

A
.
=

A nella base e

Risulta:

A = R
1
AR,
essendo R la matrice del cambiamento di base e
i
e

i
.
Si noti che la relazione di similutidine `e una relazione di equivalenza nellinsieme delle matrici
simili. Infatti, consideriamo il generico operatore

A End (E), rappresentato nella base e
i

dalla matrice A = (a
ij
). Tale matrice appartiene a M
k
(n n). Consideriamo linsieme delle
matrici simili di ordine n:

M
k
(n n) M
k
(n n) [ A, B

M
k
(n n) , A e B sono simili
Indichiamo con la relazione di similitudine:
AB A e B sono simili
Tale relazione verica le propriet`a:
1. A

M
k
(n n), AA (propriet`a riessiva)
2. A, B

M
k
(n n), AB =BA (propriet`a simmetrica)
3
Per semplicit`a stiamo considerando il caso r
i
=
i
= 1, i = 1, ..., n.
165
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
3. A, B, C

M
k
(n n), (AB, BC) =AC (propriet`a transitiva)
Quindi `e una relazione di equivalenza in

M
k
(n n). Una classe di equivalenza `e
[A] =
_
B

M
k
(n n) [ BA
_
`
E evidente che la classe di equivalenza [A] rappresenta lo stesso operatore appartenente a
End (E).
Proposizione 131
AB =p
A
() p
B
() (4.64)
Dimostrazione. Il polinomio caratteristico di B `e:
p
B
() = det
_
B I
_
= det
_
C
1
AC I
_
, (4.65)
giacch`e la matrice B `e legata alla matrice A dalla (4.63). Daltro canto:
I =
C
1
C=I
IC
1
C =
IC
1
=C
1
I
C
1
IC = C
1
_
I
_
C,
che sostituita nella (4.65) porge:
p
B
() = det
_
C
1
AC C
1
_
I
_
C

= det
_
C
1
_
A I
_
C

=
_
det C
1
_
det
_
A I
_
(det C)
= det
_
A I
_
= p
A
() ,
cio`e A e B hanno lo stesso polinomio caratteristico, da cui lasserto.
Osservazione 132 Limplicazione 4.64 non `e invertibile, nel senso che esistono matrici
con lo stesso polinomio caratteristico, che non sono simili. Ci`o si giustica osservando che
matrici simili rappresentando il medesimo operatore devono avere gli stessi autovettori. E
questultima `e una condizione pi` u forte dellidentit`a dei polinomi caratteristici. Si conclude
che lidentit`a dei polinomi caratteristici di A e B, `e condizione necessaria ma non suciente
anche A e B siano simili.
166
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Capitolo 5
Spazio duale
5.1 Funzionali lineari
Nel capitolo 4.4 abbiamo denito linsieme Hom(E, F) (eq. 4.13) che assume la struttura
di spazio vettoriale su K.
Siccome K `e uno spazio vettoriale su stesso, possiamo considerare linsieme degli omomor-
smi : E K:
Hom(E, K) = [ `e un omomorsmo tra E e K
Denizione 133 Un omomorsmo Hom(E, K) si dice funzionale lineare.
In altri termini, se E `e uno spazio vettoriale sul campo K, un funzionale lineare `e lappli-
cazione lineare:
: E K
x k, x E
Poniamo per denizione:
(x)
def
= x, ) , x E
Per determinare la matrice rappresentativa di , scriviamo il risultato dellapplicazione di
sui vettori di base e
i
(eq. 4.20):
e
1
, ) = a
11
e
2
, ) = a
21
...
e
n
, ) = a
n1
Quindi

.
=
_
a
11
a
21
... a
n1
_
Ridenendo i coecienti:
167
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis

.
=
_
a
1
a
2
... a
n
_
Daltro canto:
x E, x =
n

i=1
x
i
e
i
,
donde:
x, ) =
_
n

i=1
x
i
e
i
,
_
Tenendo conto della linearit`a di :
x, ) =
n

i=1
x
i
e
i
, )
=
n

i=1
a
i
x
i
Se rappresentiamo il vettore x attraverso il vettore colonna:
x
.
=
_
_
_
_
x
1
x
2
...
x
n
_
_
_
_
,
abbiamo:
x, )
.
=
_
a
1
a
2
... a
n
_

_
_
_
_
x
1
x
2
...
x
n
_
_
_
_
=
_
n

i=1
a
i
x
i
_
x, ) =
n

i=1
a
i
x
i
Poniamo per denizione:
E

def
= Hom(E, K)
Introduciamo in E

loperazione di somma tra funzionali lineari:


+ : E

(5.1)
(
1
,
2
) (
1
+
2
) , (
1
,
2
) E

La (5.1) `e cos` denita:


168
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis

1
+
2
: E K (5.2)
x E x,
1
+
2
)
def
= (x,
1
) +x,
2
)) K
Introduciamo ora loperazione di prodotto di uno scalare per un elemento di Hom(E, K):
: K E

(5.3)
(, ) , (, ) K E

La (5.3) `e cos` denita:


: E K (5.4)
x x, )
def
= x, ) K
Con lintroduzione delle operazioni (5.1)-(5.3), linsieme E

assume la struttura di spazio


vettoriale su K, giacche Hom(E, K) `e un caso particolare di Hom(E, F) che per quanto
visto in 4.4 `e uno spazio vettoriale. Chiamiamo E

spazio duale dello spazio vettoriale


E.
Osservazione 134 Lelemento neutro in E

`e il funzionale lineare:

0 : x E 0 K
Cio`e:

x,

0
_
= 0, x E
Lelemento opposto ad un elemento E

`e il funzionale lineare tale che:


x, ) = x, ) , x E
***
Lemma 135 Sia E uno spazio vettoriale su K e e
i
una sua base (i = 1, 2, ..., n = dimE).
b
1
, b
2
, ..., b
n
K, ! E

[ e
i
, ) = b
i
(i = 1, 2, ..., n)
Dimostrazione. Esistenza di
Preso ad arbitrio un vettore x E, siano x
i
le sue componenti nella base e
i
.
Consideriamo il funzionale lineare:
: E K (5.5)
x
n

i=1
x
i
b
i
169
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Cio`e
x, ) =
n

i=1
x
i
b
i
Senza perdita di generalit`a, assumiamo che la base e
i
sia la base canonica
1
:
e
1
= (1, 0, ..., 0)
e
2
= (0, 1, ..., 0)
...
e
n
= (0, 0, ..., 1)
Applichiamo ai vettori di base:
x = e
j
=e
j
, ) =
n

i=1

ij
b
i
= b
j
,
da cui lesistenza di E

[ e
j
, ) = b
j
per j = 1, 2, ..., n.
Unicit`a di
Neghiamo la tesi:
,

[ e
i
, ) = e
i
,

) = b
i
=e
i
,

) = 0
Poniamo:

def
=

,
donde:
e
i
, ) = 0
Quindi:
_
x E, x, ) =
_
n

i=1
x
i
e
i
,
_
=
n

i=1
x
i
e
i
, ) = 0
_
= =

0 = =

Nota 136 Da qui in avanti utilizziamo la convenzione (di Einstein) di somma sugli indici
ripetuti due volte. Ad esempio, la sommatoria:
n

i=1
a
i
b
i
andrebbe scritta omettendo il simbolo di sommatoria:
a
i
b
i
Per una ragione che apparir`a chiara in seguito, uno dei due indici `e scritto in alto, per cui
ogni espressione del tipo:
a
i
b
i
signica:

i
a
i
b
i
1
Nel caso contrario `e comunque possibile eseguire un cambiamento di base.
170
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Prendiamo la n-pla:
(b
1
, b
2
, ..., b
n
) = (1, 0, ..., 0)
Per il lemma precedente esiste ed `e unico il funzionale lineare
1
E

tale che:

e
i
,
1
_
= b
i
=
1
i
Si ricordi che
j
i
`e la delta di Kronecher:

j
i
=
_
1, se i = j
0, altrimenti
Similmente possiamo costruire un funzionale
2
:
(b
1
, b
2
, ..., b
n
) = (0, 1, ..., 0) =!
2
E

e
i
,
2
_
=
2
i
Da ci`o segue che in corrispondenza delle n-ple:
(1, 0, ..., 0) , (0, 1, ..., 0) , ..., (0, 0, ..., 1)
esiste ed `e unica la n-pla di funzionali lineari (
1
,
2
, ...,
n
) tali che:

e
i
,
j
_
=
j
i
Ci`o premesso, dimostriamo il:
Teorema 137 Il sistema
j
`e una base dello spazio duale E

.
Dimostrazione. Si tratta di dimostrare che
j
`e un sistema massimo linearmente in-
dipendente. Abbiamo:

j
=

0
Quindi:

x,
j

j
_
= 0, x E
Se x `e un vettore di base:
0 =

e
i
,
j

j
_
=
j

e
i
,
j
_
=
j

j
i
=
i
(5.6)
La (5.6) implica che il sistema
j
`e linearmente indipendente. Dimostriamo che tale sistema
`e di ordine massimo. A tale scopo prendiamo ad arbitrio E

, quindi occorre far vedere


che ,
i
`e linearmente dipendente o, ci`o che `e lo stesso:

i
K [ =
i

i
Osserviamo che:
e
i
, ) =

e
i
,
j

j
_
=
j

e
i
,
j
_
=
j

j
i
=
i
(5.7)
Quindi
E

=
i
K [ =
i

i
_
=
__
,
i
_
`e linearmente dipendente
_
=
__

i
_
`e un sistema di ordine massimo
_
=
__

i
_
`e una base di E

_
171
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Il teorema appena dimostrato garantisce lesistenza di una base
j
dello spazio duale E

,
denominata base duale associata alla base e
i
di E. Le grandezze
i
sono le componenti
di E

nella base
j
.
Dal teorema appena dimostrato si deduce che dimE

= dimE.
5.2 Cambiamento di base nello spazio duale.
Riprendiamo le equazioni relative al cambiamento di base e
i
e

i
( 2.5):
e

i
=
n

k=1

ik
e
k
(5.8)
e
i
=
n

k=1

ik
e

k
,
che individuano la matrice R = (
ik
) e la sua inversa R
1
= (
ik
). Se x `e un arbitrario
vettore di E:
x =
n

i=1
x
i
e
i
nella base e
i

x =
n

i=1
x

i
e

i
nella base e

Le componenti x
i
si trasformano secondo la legge:
x

i
=
n

j=1

ji
x
j
(5.9)
Utilizzando la convenzione di Einstein possiamo ridenire gli indici degli elementi di matrice
che compaiono nelle equazioni appena scritte:
e

i
=
k
i
e
k
(5.10)
e
i
=
k
i
e

k
,
Con tale notazione, la (5.9) si riscrive:
x
i
=
i
j
x
j
(5.11)
La (5.11) esprime la legge di trasformazione dei cosiddetti vettori controvarianti che per
denizione hanno le componenti con gli indici scritti in alto. Inoltre la legge di trasformazione
`e individuata dalla trasposta dellinversa della matrice R. Infatti la (5.11) in forma matriciale
`e:
172
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
x
i
=
i
j
x
j

_
_
_
_
x
1
x
2
...
x
n
_
_
_
_
=
_
_
_
_

1
1

1
2
...
1
n

2
1

2
2
...
2
n
... ... ... ...

n
1

n
2
...
n
n
_
_
_
_
_
_
_
_
x
1
x
2
...
x
n
_
_
_
_
,
equivalente a:
_
_
_
_
x
1
x
2
...
x
n
_
_
_
_
=
_
R
1
_
T
_
_
_
_
x
1
x
2
...
x
n
_
_
_
_
Al cambiamento di base e
i
e

i
nello spazio vettoriale E, corrisponde nello spazio duale
E

il cambiamento di base
j

j
. Si ricordi che:

e
i
,
j
_
=
j
i
_
e

i
,

j
_
=
j
i
Determiniamo le equazioni di trasformazione che connettono le basi
j
,
j
. A tale scopo
esprimiamo
j
come combinazione lineare delle
i
:

j
=
j
i

i
(5.12)
Per la (5.7):

j
i
=

e
i
,
j
_
,
donde:

j
=

e
i
,
j
_

i
Per la seconda delle (5.10):

j
=

k
i
e

k
,
j
_

i
=
k
i

k
,
j
_

i
=
k
i

j
k

i
=
j
i

i
In maniera simile si ottengono le
j
= f
j
(
i
). Quindi:

j
=
j
i

i
(5.13)

j
=
j
i

i
Determiniamo la legge di trasformazione delle forme lineari in corrispondenza di un cambi-
amento di base
i

i
. Abbiamo:
=
i

i
nella base
_

i
_
=

i
nella base
_

i
_
173
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Evidentemente:

i
=

i
=

i
k

k
Scrivendo
i
come
i
=
k

i
k
e sostituendo nellequazione precedente:

i
k

i
k

k
= 0
_

i
k

i
k
_

k
= 0
Il sistema di vettori
i
`e linearmente indipendente, per cui:
_

i
k
_

k
= 0 =
k

i
k
= 0, per k = 1, 2, ..., n
Cio`e:

k
=
i
k

i
(5.14)
Allo stesso modo si giunge a:

k
=
i
k

i
(5.15)
Le (5.14) o ci`o che `e lo stesso le (5.14) compongono le equazioni di trasformazione che
connetteno le due basi
i
,
i
dello spazio duale E

.
Per chiarezza riscriviamo tutte le equazioni ottenute:
e

i
=
k
i
e
k
,
j
=
j
i

i
(5.16)
e
i
=
k
i
e

k
,
j
=
j
i

i
Per quanto riguarda i vettori dello spazio E e del suo spazio duale E

:
x
i
=
i
j
x
j
,
i
=
k
i

k
(5.17)
x
i
=
i
j
x
j
,

i
=
k
i

k
Si noti che le equazioni relative al cambiamento di base e
i
e

i
esibiscono una forma
per cos` dire, speculare rispetto alle equazioni che connettono le basi
i
,
i
. Pi` u pre-
cisamente, i vettori di E

hanno componenti scritte in basso, e ci`o si esprime dicendo che


sono vettori covarianti.
Esempio 1
Assumiamo E = R
2
, per cui E

= R
2
. Consideriamo il funzionale lineare:
x, ) = 7x
1
+ 4x
2
, x =
_
x
1
, x
2
_
R
2
Per esplicitare la matrice rappresentativa di nella base canonica e
1
= (1, 0) , e
2
= (0, 1)
di R
2
, determiniamo il risultato dellapplicazione di sui vettori di base:
e
1
, ) = 7
e
2
, ) = 4,
174
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
donde:

.
=
_
7 4
_
Ci`o signica:
x, )
.
=
_
7 4
_
_
x
1
x
2
_
=
_
7x
1
+ 4x
2
_
(5.18)
La base duale `e
j
tale che:

e
i
,
j
_
=
j
i
Quindi:

e
1
,
1
_
= 1

e
2
,
1
_
= 0,
cio`e:

1
.
=
_
1 0
_
Da ci`o segue:

x,
1
_
.
=
_
1 0
_
_
x
1
x
2
_
=
_
x
1
_

x,
1
_
= x
1
Procedendo in maniera analoga per
2
:

2
.
=
_
0 1
_

x,
2
_
.
=
_
0 1
_
_
x
1
x
2
_
=
_
x
2
_

x,
2
_
= x
2
La (5.18) pu` o essere scritta come:
x, ) = 7

x,
1
_
+ 4

x,
2
_
Lespansione di nei vettori della base duale `e:
=
i

i
=
1

1
+
2

2
,
essendo
i
le componenti di nella base duale. Evidentemente:

1
= 7,
2
= 4
Ora eseguiamo in E il cambiamento di base:
175
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
e
i
e

i
,
essendo:
e

1
= (2, 3)
e

2
= (1, 2)
Deve essere:
e

i
=
k
i
e
k
(5.19)
Quindi la matrice che connette le due basi:
R =
_

k
i
_
=
_
2 3
1 2
_
La relazione inversa della (5.19) `e:
e
i
=
k
i
e

k
Come `e noto:
R
1
=
_

k
i
_
=
_
2 3
1 2
_
Una volta determinate le matrici che connettono le due basi, possiamo scrivere la legge di
trasformazione dei vettori controvarianti quando si passa da una base allaltra. Precisamente:
x
i
=
i
k
x
k
,
che in forma matriciale si scrive:
_
x
1
x
2
_
=
_
2 1
3 2
__
x
1
x
2
_
=
_
2x
1
x
2
3x
1
+ 2x
2
_
Quindi:
x
1
= 2x
1
x
2
(5.20)
x
2
= 3x
1
+ 2x
2
Passiamo ora alla base duale e alla legge di trasformazione dei vettori covarianti quando si
passa da una base duale allaltra. I vettori della base duale si trasformano secondo la legge:

j
=
j
i

i
176
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Qui non occorre esplicitare, poiche `e la legge di trasformazione dei vettori controvarianti
ssata dalla (5.20), quindi

1
= 2
1

2
= 3
1
+ 2
2
Nella base duale
j
:
=

i
(5.21)
I vettori covarianti seguono la legge di trasformazione:

i
=
k
i

k

_

2
_
=
_

1
1

2
1

1
2

2
2
__

1

2
_
=
_
2 3
1 2
__
7
4
_
=
_
26
15
_
,
Quindi:

1
= 26

2
= 15
x, ) = 26x
1
+ 15x
2
, x = x
i
e

i
Osservazione 138 Non cera bisogno di esplicitare la (5.21) poiche tale legge `e quella
secondo cui si trasformano i vettori di base: e

i
=
k
i
e
k
, per cui:

1
= 2
1
+ 3
2

2
=
1
+ 2
2
Esempio 2
Supponendo di passare in R
3
dalla base canonica e
i
alla base e

i
:
e

1
= (1, 1, 0)
e

2
= (2, 3, 0)
e

3
= (3, 1, 1) ,
determinare la legge di trasformazione della corrispondente base duale.
Scriviamo le matrici che connettono le due basi:
R =
_

k
i
_
=
_
_
1 1 0
2 3 0
3 1 1
_
_
R
1
=
_

k
i
_
=
_
_
3 1 0
2 1 0
7 2 1
_
_
177
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Quindi la legge di trasformazione dei vettori controvarianti `e:
x
i
=
i
k
x
k

_
_
x
1
x
2
x
3
_
_
=
_
_
3 1 0
2 1 0
7 2 1
_
_
T
_
_
x
1
x
2
x
3
_
_
=
_
_
3x
1
+ 2x
2
7x
3
x
1
+x
2
+ 2x
3
x
3
_
_
Cio`e:
x
1
= 3x
1
+ 2x
2
7x
3
x
2
= x
1
+ x
2
+ 2x
3
x
3
= x
3
Nel caso particolare dei vettori che compongono la base duale:

1
= 3
1
+ 2
2
7
3

2
=
1
+
2
+ 2
3

3
=
3
Esempio 3
Sia Q
n
[x] linsieme dei polinomi omogenei di grado n e a coecienti reali.
p
m
(x) Q
n
[x] =p
m
(x) =
m

k=1
a
k
x
k
, con a
k
R, m n
`
E facile convincersi che Q
n
[x] `e uno spazio vettoriale su R con dimQ
n
[x] = n. Una base `e:
e
k
(x) , con e
k
(x) = x
k
(k = 1, 2, ..., n)
Lo spazio duale `e Q

n
[x] = Hom(Q
n
[x] , R). Consideriamo i funzionali lineari:

h
: Q
n
[x] R
p
n
(x)
1
h!
_
d
h
p
n
dx
h
_
x=0
, h = 1, 2..., n
Dimostriamo che
_

h
_
`e una base duale. A tale scopo, esplicitiamo la derivata di ordine h
di p
n
(x) =

n
k=1
a
k
x
k
. Abbiamo
178
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
dp
n
dx
=
n

k=1
ka
k
x
k1
d
2
p
n
dx
2
=
n

k=2
k (k 1) a
k
x
k2
d
3
p
n
dx
3
=
n

k=3
k (k 1) (k 2) a
k
x
k3
...
d
n
p
dx
n
= n!a
n
Cio`e:
d
h
p
dx
h
=
n

k=h
k (k 1) (k 2) ... [k (n 1)] a
k
x
kh
= h!a
h
+
n

k=h+1
k (k 1) (k 2) ... [k (n 1)] a
k
x
kh
Quindi:
_
d
h
p
dx
h
_
x=0
= h!a
h
=

p
n
(x) ,
h
_
= a
h
(5.22)
Determiniamo il risultato dellapplicazione di
h
sui vettori di base:

e
k
(x) ,
h
_
=
1
h!
_
d
h
e
k
dx
h
_
x=0
(5.23)
Osserviamo che:
d
h
e
k
dx
h
= 0, se h > k
d
h
e
k
dx
h
= k (k 1) (k 2) ... [k (h 1)] x
kh
, se h < k
d
h
e
k
dx
h
= h!, se h = k,
donde:
_
d
h
e
k
dx
h
_
x=0
= h!
h
k
Sostituendo nella (5.23):

e
k
(x) ,
h
_
=
h
k
,
da cui lasserto.
179
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Capitolo 6
Spazi vettoriali euclidei
6.1 Introduzione
Gli spazi vettoriali euclidei nascono dallesigenza di introdurre in uno spazio vettoriale nozioni
primitive del tipo distanza tra punti, angolo tra direzioni.
6.2 Prodotto scalare
Assegnato un qualunque spazio vettoriale E sul campo reale R, si denisce prodotto scalare
lapplicazione lineare:
: E E R
(u, v) u v (u, v) E E
che verica le propriet`a seguenti:
1. Commutativit`a:
u v = v u, u, v E
2. Associativit`a rispetto alla moltiplicazione di uno scalare per un vettore:
u v = u v = (u v) , R, u, v E
3. Propriet`a distributiva rispetto alla somma tra vettori:
u (v +w) = u v +u w, u, v, w E
4. u E, u v = 0 =v = 0.
In R
n
il prodotto scalare `e cos` denito:
x y =
n

k=1
x
k
y
k
, (6.1)
180
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
essendo x = (x
1
, x
2
, ..., x
n
) R
n
, y = (y
1
, y
2
, ..., y
n
) R
n
.
Si consideri lo spazio vettoriale C (a, b) ( 2), i cui elementi sono le funzioni reali e continue
in [a, b]. Il prodotto scalare tra i vettori di C (a, b) `e denito da:
(f, g) =
b
_
a
f (x) g (x) dx (6.2)
Infatti:
1.
(g, f) =
b
_
a
g (x) f (x) dx =
b
_
a
f (x) g (x) dx = (f, g)
2.
((f) , g) =
b
_
a
f (x) g (x) dx =
b
_
a
f (x) g (x) dx = (f, g)
3.
(f, (g +h)) =
b
_
a
f (x) [g (x) + h(x)] dx =
b
_
a
f (x) g (x) dx +
b
_
a
g (x) h(x) dx
= (f, g) + (f, h)
4.
f C (a, b) , (f, g) = 0 =g (x) 0
Esempi numerici
Consideriamo lo spazio vettoriale C (0, ).
f (x) = x; g (x) = sin x
Il prodotto scalare `e:
(f, g) =

_
0
xsin xdx
Integriamo per parti:
(f, g) =

_
0
xsin xdx =

_
0
xd (cos x) = xcos x[
x=
x=0
+

_
0
cos xdx =
***
181
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
2 4 6 8 10 12
b
0.1
0.2
0.3
0.4
0.5
0.6
fg
Figura 6.1: Graco di (f, g) (b).
Consideriamo lo spazio vettoriale C (0, b) essendo b numero reale positivo preso ad arbitrio.
Siano:
f (x) = xe
x
; g (x) = sin x (6.3)
Il prodotto scalare `e una funzione di b:
(f, g) (b) =
b
_
0
xe
x
sin xdx
=
1
2
_
1 e
b
((1 +b) cos b +b sin b)

Il prodotto scalare di f e g date dalla (6.3) ha landamento riportato in gura 6.1.


Osservazione 139 In R
n
il prodotto scalare tra due vettori `e dato dalla somma dei prodotti
delle componenti omonime dei vettori medesimi [eq. (6.1)]. In C (a, b) il prodotto scalare
tra i vettori f, g C (a, b) `e dato dalla (6.2), che `e la generalizzazione al continuo della
(6.1). Infatti si passa dalla (6.1) alla (6.2) attraverso la sostituzione


_
. Quindi gli
elementi di C (a, b) sono vettori con un numero innito non numerabile di componenti (in
quanto funzioni della variabile continua x).
6.3 Tensore metrico
Sia E uno spazio euclideo. Presi ad arbitrio u, v E, consideriamone le componenti nella
base e
i
:
u = u
i
e
i
, v = v
i
e
i
, (i = 1, 2, ..., n = dimE)
Per la propriet`a associativa rispetto alla moltiplicazione di uno scalare per un vettore:
182
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
u v =
_
u
i
e
i
_

_
v
k
e
k
_
= u
i
v
k
e
i
e
k
(6.4)
Poniamo:
g
ik
def
= e
i
e
k
(6.5)
g
ik
`e un oggetto a 2n componenti, denominato tensore metrico. La ragione di tale
denizione apparir`a chiara in un prossimo capitolo. Il numero delle componenti distinte `e
n(n + 1) /2 in forza della simmetria di g
ik
rispetto alla permutazione degli indici:
g
ki
= e
k
e
i
=
commutativit`a del p.s.
e
i
e
k
= g
ik
Il prodotto scalare (6.4) si scrive:
u v = g
ik
u
i
v
k
(6.6)
Per la propriet`a 4 del prodotto scalare:
u E, u v = 0 =v = 0
In termini del tensore metrico:
u E, g
ik
u
i
v
k
= 0 =v
k
= 0
Cio`e:
_
g
ik
v
k
= 0, i = 1, 2, ..., n
_
=v
k
= 0, k = 1, 2, ..., n (6.7)
La (6.7) `e il sistema omogeneo:
g
11
v
1
+ g
12
v
2
+ ... + g
1n
v
n
= 0 (6.8)
g
21
v
1
+ g
22
v
2
+ ... + g
2n
v
n
= 0
..
g
n1
v
1
+ g
n2
v
2
+ ... +g
nn
v
n
= 0
La nostra richiesta si traduce nellesistenza della sola soluzione banale (o impropria):
_
v
1
, v
2
, ..., v
n
_
= (0, 0, ..., 0)
Come `e noto, condizione necessaria e suciente anch`e il sistema (6.8) ammetta la sola
soluzione impropria `e che sia diverso da zero il determinante della matrice dei coecienti:

g
11
g
12
... g
1n
g
21
g
22
... g
2n
... .... ... ...
g
n1
g
n2
... g
nn

,= 0 (6.9)
Poniamo per denizione:
183
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
g
def
=

g
11
g
12
... g
1n
g
21
g
22
... g
2n
... .... ... ...
g
n1
g
n2
... g
nn

= det (g
ik
)
Quindi la (6.9) si riscrive:
g ,= 0 (6.10)
***
Lintroduzione del prodotto scalare in uno spazio vettoriale E ci consente di introdurre le
nozioni di ortogonalit`a, unitariet`a e norma di un vettore.
Denizione 140 Due vettori u, v si dicono ortogonali se u v = 0.
Osservazione 141 Il vettore nullo `e ortogonale ad ogni vettore di E. Infatti, v E, v0 =
0
Denizione 142 Dicesi quadrato del vettore v, la grandezza:
v v = g
ik
v
i
v
k
(6.11)
Si noti che la (6.11) `e una forma quadratica nelle v
i
i cui coecienti sono le componenti del
tensore metrico g
ik
.
Denizione 143 Un vettore u dicesi vettore unitario o versore se u u = 1.
6.4 Spazi vettoriali propriamente euclidei e pseudoeu-
clidei
Sia E uno spazio vettoriale sul campo R.
Denizione 144 Lo spazio vettoriale E `e propriamente euclideo (o euclideo) se per
ogni v E la forma quadratica g
ik
v
i
v
k
`e denita positiva qualunque sia la base e
i
. Nel
caso contrario, lo spazio vettoriale E dicesi pseudoeuclideo.
La suddetta denizione pu`o essere formulata in termini di prodotto scalare tra i vettori di
E. Precisamente, abbiamo visto in 6.2 che una delle propriet`a del prodotto scalare `e:
u E, u v = 0 =v = 0
In uno spazio vettoriale propriamente euclideo tale propriet`a si specializza nella seguente:
v E, v v =
_
> 0, se v ,= 0
= 0, se v = 0
184
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
6.5 Norma di un vettore
Sia E uno spazio vettoriale propriamente euclideo. Dicesi norma del vettore v E il
numero reale non negativo:
[[v[[
def
=

v v
Qui la radice `e presa con il segno positivo, quindi [[v[[ [0, +), poiche v v [0, +).
Sussiste la seguente
Proposizione (disuguaglianza di Schwarz) 145
v, w E, [v w[ [[v[[ [[w[[
Dimostrazione. Omessa.
La denizione di norma si estende al caso di uno spazio pseudoeuclideo. Qui `e possibile
imbatteri in vettori tali che:
u u < 0
In tal caso si assume:
[[u[[ =

u u
Quindi, in generale:
[[u[[
def
=
_
[u u[
6.6 Spazi metrici
Uno spazio metrico `e un qualunque insieme non vuoto S tale che esiste una funzione reale
d (a, b) denita in S S che verica le seguenti propriet`a:
1. d (a, b) `e non negativa:
d (a, b) : S S [0, +)
Inoltre d (a, b) = 0 se e solo se a = b.
2. d (a, b) `e simmetrica rispetto alla permutazione delle variabili indipendenti:
d (a, b) = d (b, a) , a, b S
3. d (a, b) verica la disuguaglianza triangolare:
d (a, c) d (a, b) + d (b, c) , a, b, c S
Chiamiamo d (a, b) distanza tra gli elementi di S.
Consideriamo il caso speciale S = E spazio propriamente euclideo. Una possibile denizione
di distanza `e:
d (x, y) = [[x y[[ (6.12)
`
E facile rendersi conto che la (6.12) verica gli assiomi precedenti.
185
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
6.7 Base ortonormale
Denizione 146 Un sistema = w
i
con i = 1, 2, ..., r n = dimE, dicesi ortonor-
male se:
w
i
w
j
=
ij
, (6.13)
cio`e se i suoi vettori sono versori e sono mutuamente ortogonali.
Lortonormalit`a di un sistema di vettori implica lindipendenza lineare dello stesso. Invero,
sussiste la seguente:
Proposizione 147
( = w
1
, w
2
, ..., w
r
`e ortonormale) =( `e linearmente indipendente)
Dimostrazione. Studiamo le soluzioni rispetto a
i
dellequazione:

i
w
i
= 0 (6.14)
A tale scopo moltiplichiamo scalarmente per w
k
(k = 1, 2, ..., n) primo e secondo membro
della (6.14):

i
w
i
w
k
= 0 w
k
= 0
Tenendo conto della (6.13):

ik
= 0 =
k
= 0, per k = 1, 2, ..., r
da cui segue che `e linearmente indipendente.
Denizione 148 Per r = n si ha che `e un sistema massimo linearmente indipendente,
cio`e una base. Si conclude che ogni sistema ortonormale di ordine r = n `e una base di E,
denominata base ortonormale
***
Lalgoritmo che implementa lortonormalizzazione di una base generica e
i
`e noto come
procedimento di ortonormalizzazione di Gram-Schmidt:
e
i
e
i
[ e
i
=
a
i
[[a
i
[[
,
essendo:
a
1
= e
1
(6.15)
a
2
= e
2

e
2
a
1
a
1
a
1
a
1
a
3
= e
3

e
3
a
2
a
2
a
2
a
2

e
3
a
1
a
1
a
1
a
1
.........................................
a
n
= e
n

e
n
a
n1
a
n1
a
n1
a
n1
...
e
n
a
1
a
1
a
1
a
1
186
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Esempio 149 Assegnati i vettori di R
3
:
e
1
= (1, 1, 1) , e
2
= (1, 2, 1) , e
3
= (1, 2, 3) ,
provare che e
i
`e una base di R
3
, determinando poi la base ortonormale e

i
attraverso il
procedimento di Gram-Schimidt
Soluzione 150 Studiamo lequazione vettoriale:

1
e
1
+
2
e
2
+
3
e
3
= 0,
equivalente al sistema lineare omogeneo:

1
+
2
+
3
= 0

1
2
2
+ 2
3
= 0

1
+
2
+ 3
3
= 0,
che ammette lunica soluzione (
1
,
2
,
3
) = (0, 0, 0), donde e
i
`e manifestamente una base
di R
3
. Per ortonormalizzare e
i
, applichiamo le (6.15) che in questo caso si scrivono:
a
1
= e
1
a
2
= e
2

a
1
e
2
a
1
a
1
a
1
a
3
= e
3

a
2
e
3
a
2
a
2
a
2

a
1
e
3
a
1
a
1
a
1
da cui:
a
1
= (1, 1, 1) , a
2
= (1, 2, 1) , a
3
= (1, 0, 1)
La norma di singolo vettore:
[[a
1
[[ =

3, [[a
2
[[ =

6, [[a
3
[[ =

2,
quindi:
e
1
=
_
1

3
,
1

3
,
1

3
_
e
2
=
_
1

6
,
2

6
,
1

6
_
e
3
=
_

2
, 0,
1

2
_
***
Sia e
i
una base ortonormale di uno spazio propriamente euclideo E (n-dimensionale).
Preso ad arbitrio x E:
x =
n

i=1
x
i
e
i
(6.16)
187
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
moltiplichiamo scalarmente per e
k
(k = 1, 2, ..., n) primo e secondo membro della (6.16):
x e
k
=
n

i=1
x
i

ik
,
da cui:
x
k
= x e
k
, per k = 1, 2, ..., n (6.17)
La (6.17) esprime le componenti del vettore x nella base e
i
. Quindi le componenti di x
nella base ortonormale e
i
sono:
x
i
= x e
i
Spesso le x
i
si indicano con c
i
noti come coecienti di Fourier del vettore x rispetto alla
base ortonormale e
i
:
x =
n

i=1
c
i
e
i
(6.18)
6.8 Segnatura della metrica
Sia E
n
uno spazio euclideo (propriamente o pseudoeuclideo). In una base assegnata e
i
il
tensore metrico `e:
(g
ik
) =
_
_
_
_
g
11
g
12
... g
1n
g
21
g
22
... g
2n
... .... ... ...
g
n1
g
n2
... g
nn
_
_
_
_
(6.19)
`
E facile convincersi che
i 1, 2, ..., n [ g
ii
< 0) =E
n
`e pseudoeuclideo
giacch`e e
i
e
i
< 0.
Nel caso speciale in cui e
i
`e ortonormale, la (6.19) `e la matrice diagonale:
(g
ik
) =
_
_
_
_
g
11
0 ... 0
0 g
22
... 0
... .... ... ...
0 0 ... g
nn
_
_
_
_
(6.20)
Denizione 151 Si chiama segnatura della metrica g
ik
la successione dei segni algebrici
degli elementi diagonali della (6.20). Ad esempio, se i 1, 2, ..., n, g
ii
> 0, si scrive
(+ +...+)
Proposizione 152 In una qualunque base ortonormale la segnatura di uno spazio vettoriale
euclideo `e (+ +...+).
188
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Consideriamo il seguente esempio numerico. Nella base e
i
di E
2
:
(g
ik
) =
_
1 1
1 1
_
Notiamo che g
22
= e
2
e
2
= 1, cio`e [[e
2
[[
2
= 1, per cui lo spazio `e pseudoeuclideo.
Applichiamo il procedimento di ortonormalizzazione:
a
1
= e
1
a
2
= e
2

e
2
e
1
e
1
e
1
e
1
= e
2
+e
1
Quindi:
e

1
=
e
1
[[e
1
[[
= e
1
e

2
=
a
2
[[a
2
[[
Ora:
[[a
2
[[
2
= (e
2
+e
1
) (e
2
+e
1
)
= e
2
e
2
+ 2e
1
e
2
+e
1
e
1
= +1
In tal caso assumiamo:
e

1
= e
1
e

2
= e
1
+e
2
Nella base o.n. e

i
la metrica `e:
(g

ik
) =
_
1 0
0 1
_
e la segnatura `e (+).
6.9 Polinomi ortonormali
Denizione 153 Dicesi polinomio trigonometrico di ordine n, la funzione reale di
variabile reale:

n
(x) =
a
0
2
+
n

k=1
[a
k
cos (kx) +b
k
sin (kx)] , a
k
, b
k
R
189
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Indichiamo con T
n
(, ) linsieme dei polinomi trigonometrici di ordine n, per x [, ].
Tale insieme assume la struttura di spazio vettoriale reale, e la (2n + 1)-pla di scalari
(a
0
, a
1
, ..., a
n
, b
1
, ..., b
n
) sono le componenti del vettore
n
(x) nella base:
_
1
2
, cos x, sin x, cos 2x, sin 2x, ..., cos (nx) , sin (nx)
_
(6.21)
Poniamo:
e
0
(x) =
1
2
(6.22)
e
1
(x) = cos x
e
2
(x) = sin x
...
e
2n1
(x) = cos (nx)
e
2n
(x) = sin (nx)
Da ci`o segue che dimT
n
(, ) = 2n + 1. Deniamo il prodotto scalare:
(
n
,

n
) =

n
(x)

n
(x) dx,
in forza del quale lo spazio vettoriale T
n
(, ) risulta essere euclideo.
Inoltre la base (6.21) `e ortogonale in forza delle seguenti identit`a:

sin (kx) =

cos (kx) = 0, k N

sin (kx) cos (k

x) = 0, k, k

N
Cio`e:

e
k
(x) e
k
(x) dx = 0, se k ,= k

Tale base non `e per`o ortonormale, in quanto i suoi vettori non sono unitari:
[[e
0
(x)[[
2
=

e
0
(x) e
0
(x) dx =
1
4

dx =

2
,

cos
2
(kx) =

sin
2
(kx) =
190
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Un vettore v non unitario `e legato al suo versore da:
v =
v
[[v[[
(6.23)
La (6.23) ci consente di passare dal vettore v al corrispondente vettore normalizzato v.
Quindi:
e
0
(x) =
e
1
(x)
[[e
1
(x)[[
=
1

2
e
k
(x) =
1

, k > 0
Da cui otteniamo la base ortonormale dello spazio T
n
(, ).
_
1

2
,
1

cos x,
1

sin x,
1

cos 2x,
1

sin 2x, ...,


1

cos (nx) ,
1

sin (nx)
_
(6.24)
***
La nozione di polinomi ortonormali si generalizza nel modo seguente. Consideriamo lo spazio
vettoriale C (a, b) munito di prodotto scalare:
(f, g) =
b
_
a
f (x) g (x) dx, f, g C (a, b)
Sia:
= q
1
(x) , q
2
(x) , ..., q
r
(x)
un sistema di polinomi ortonormali:
(q
i
, q
j
) =
ij
Cio`e:
b
_
a
q
i
(x) q
j
(x) dx =
ij
Sia V = L[], per cui preso un qualunque vettore p (x) V , si ha:
p (x) =
r

k=1
a
k
q
k
(x)
Ci proponiamo di determinare la r-pla (a
1
, a
2
, ..., a
r
) tale che p (x) sia la migliore approssi-
mazione di una funzione f C (a, b). A tale scopo, minimizziamo la norma del vettore
f p:
191
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
F (a
1
, a
2
, ..., a
r
)
def
= [[f p[[
2
= (f p, f p)
=
_
f
r

k=1
a
k
q
k
, f
r

=1
a
k
q
k

_
= [[f[[
2

=1
a
k
(q
k
, f)
r

k=1
a
k
(q
k
, f) +
r

k=1
r

=1
a
k
a
k

kk

= [[f[[
2
2
r

k=1
a
k
(q
k
, f) +
r

k=1
a
2
k
Ma (f, q
k
) sono i coecienti di Fourier c
k
relativamente al sistema ortonormale q
k
:
F (a
1
, a
2
, ..., a
r
) = [[f[[
2
2
r

k=1
a
k
c
k
+
r

k=1
a
2
k
= [[f[[
2
+
r

k=1
_
a
2
k
2a
k
c
k
+c
2
k
c
2
k
_
= [[f[[
2
+
r

k=1
(a
k
c
k
)
2

k=1
c
2
k
Abbiamo:
F
a
k
= 2
r

k=1
(a
k
c
k
) (6.25)
Risulta:
F
a
k
= 0 a
k
= c
k
Dallo studio del segno della (6.25) si deduce che la r-pla (c
1
, c
2
, ..., c
r
) `e punto di minimo
relativo per la funzione F (a
1
, a
2
, ..., a
r
), donde:
min F (a
1
, a
2
, ..., a
r
) = F (c
1
, c
2
, ..., c
r
)
Quindi la migliore approssimazione della funzione f C (a, b) `e:
p (x) =
3

k=1
c
k
q
k
(x)
c
k
=
b
_
a
f (x) q
k
(x) dx
192
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Ad esempio consideriamo f (0, ):
f (x) = x + sin x
Consideriamo il sistema ortonormale:
=
_
q
1
(x) =
1

2
, q
2
(x) =
1

cos x,
1

sin x
_
I coecienti di Fourier sono:
c
1
=
1

_
0
(x + sin x) dx =
4 +
2
2

2
c
2
=
1

_
0
(x + sin x) cos xdx =
2

c
3
=
1

_
0
(x + sin x) sin xdx =
3

2
,
quindi:
p (x) =
4 +
2
4

2

cos x +
3
2
sin x
6.10 Spazi euclidei isomor
Siano E ed E

due spazi vettoriali euclidei.


Denizione 154 E, E

sono isomor se esiste unapplicazione lineare biiettiva:


: E E

tale che
u, v E, u v = (u) (v)
Teorema 155 Gli spazi euclidei isodimensionali sono isomor.
Dimostrazione. Sia E
n
uno spazio euclideo n-dimensionale, ed e
i
una sua base ortonor-
male. Consideriamo lo spazio euclideo R
n
:
x, y R
n
, x y = x
1
y
1
+ x
2
y
2
+ ... + x
n
y
n
Deniamo lapplicazione:
: E
n
R
n
u = u
i
e
i

_
u
1
, u
2
, ..., u
n
_
193
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Dimostriamo la linearit`a di :
u, v E
n
, , R, z
def
= u + v
(z) =
_
z
1
, z
2
, ..., z
n
_
z
i
= u
i
+ v
i
(z) =
_
u
1
, u
2
, ..., u
n
_
+
_
v
1
, v
2
, ..., v
n
_
,
donde Hom(E
n
, R
n
). Inoltre:
ImE
n
= R
n
(suriettivit`a)
u ,= v =
_
u
1
, u
2
, ..., u
n
_
,=
_
v
1
, v
2
, ..., v
n
_
(iniettivit`a)
Cio`e `e biiettiva.
Studiamo il comportamento del prodotto scalare sotto lazione di .
u v = g
ik
u
i
v
k
=
ik
u
i
v
k
= u
1
v
1
+ u
2
v
2
+ ... + u
n
v
n
= (u) (v) ,
da cui lisomorsmo tra E
n
e R
n
.
***
Sia E
n
uno spazio vettoriale euclideo n-dimensionale. Il prodotto scalare `e:
v w = g
ik
v
i
w
k
Assegnato il vettore u E
n
, consideriamo il funzionale lineare
u
tale che:
x E
n
, x,
u
) = x u (6.26)
Esempio 156 E
n
= R
2
. Nella base canonica e
1
= (1, 0) , e
2
= (0, 1) il tensore metrico `e:
g
ik
=
_
1 0
0 1
_
=
ik
,
donde:
u v =
ik
u
i
v
k
= u
1
v
1
+u
2
v
2
Ora assegnamo u = (1, 2). Possiamo denire il funzionale lineare
u
R
2
tale che:
x =
_
x
i
_
R
2
, x,
u
) = x
1
+ 2x
2
,
cio`e:
x,
u
) = x u
194
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Viceversa:
E

n
=u E
n
[ x E
n
, x, ) = x u (6.27)
Sia
i
la base duale associata alla base ortonormale e
i
di E
n
. Quindi:
=
j

j
Preso un qualunque x E
n
:
x = x
i
e
i
Quindi:
x, ) =

x
i
e
i
,
j

j
_
= x
i

e
i
,
j
_
= x
i

i
j
= x
i

i
La nostra richiesta `e:
x
i

i
= g
ik
x
i
u
k
=
_

i
g
ik
u
k
_
x
i
= 0
Cio`e:
g
ik
u
k
=
i
, (6.28)
che `e il sistema di Cramer:
g
11
u
1
+ g
12
u
2
+... + g
1n
u
n
=
1
g
21
u
1
+ g
22
u
2
+... + g
2n
u
n
=
2
...
g
n1
u
1
+ g
n2
u
2
+ ... + g
nn
u
n
=
n
,
giacch`e `e det (g
ik
) ,= 0 e (
1
,
2
, ...,
n
) ,= (0, 0, ..., 0) =! (u
1
, u
2
, ..., u
n
). Si conclude che:
E

n
=!u E
n
[ x E
n
, x, ) = x u
Possiamo denire lapplicazione:
L : E
n
E

n
u
`
E immediato vericare che L `e un isomorsmo tra lo spazio euclideo E
n
e il suo duale E

n
.
Esempio 157 Consideriamo uno spazio euclideo 2-dimensionale E
2
. Assumiamo come base
il sistema di vettori:
e
1
= (1, 0) , e
2
= (1, 2) (6.29)
Quindi il tensore metrico `e:
(g
ik
) =
_
1 1
1 5
_
,
195
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
per cui il prodotto scalare `e:
v w = g
ik
v
i
w
k
= v
1
w
1

_
v
1
w
2
+v
2
w
1
_
+ 5v
2
w
2
Consideriamo il funzionale lineare:
E

2
[ x E
2
, x, ) = 3x
1
+ x
2
,
cio`e nella base duale alla base (6.29) `e

1
= 3,
2
= 1
La (6.28) si scrive:
u
1
u
2
= 3
u
1
+ 5u
2
= 1,
che ammette lunica soluzione (u
1
, u
2
) = (4, 1). Quindi u = (4, 1). Una verica diretta
porge:
x u = 4x
1

_
x
1
+ 4x
2
_
+ 5x
2
= 3x
1
+ x
2
= x, )
6.11 Complemento ortogonale di un sottospazio vetto-
riale e proiettori ortogonali
Sia W un sottospazio vettoriale dello spazio euclideo E
n
.
Denizione 158 Il supplementare ortogonale o complemento ortogonale di W `e:
W

= v E
n
[ v w = 0, w W
In altre parole, W

`e linsieme dei vettori ortogonali ad ogni vettore di W.


Proposizione 159 W

`e un sottospazio di E
n
.
Dimostrazione. Innanzitutto osserviamo che W

E
n
. Inoltre:
u, v W

=(w W, u w = v w = 0)
=(u +v) w = u w +v w = 0 =(u +v) W

u W

, R =(w W, (u) w = (u w) = 0) =(u) W

196
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Esempio 160 Sia E
2
= R
2
. Consideriamo il sottospazio:
W = a (2, 3) [ a R
Il supplementare ortogonale di W `e:
W

=
_
v =
_
v
i
_
E
n
[ a
_
2v
1
+ 3v
2
_
= 0, a R
_
Cio`e:
2v
1
+ 3v
2
= 0
_
v
1
, v
2
_
=
v
1
3
(3, 2)
Quindi:
W

= b (3, 2) [ b R
Teorema 161 Assegnato lo spazio euclideo E
n
, per ogni sottospazio vettoriale W
r
esiste ed
`e unico il supplementare ortogonale W

r
.
Dimostrazione. Sia
r
= e
1
, ..., e
r
una base ortonormale di W
r
. Preso ad arbitrio un
sistema linearmente indipendente
nr
=
r+1
, ...,
n
, risulta che
n
=
r

nr
`e una
base di E
n
. Applichiamo il procedimento di Gram-Schmidt:

n

GS

n
=
r

nr
,
essendo

nr
= e
r+1
, ..., e
n
un sistema ortonormale. Evidentemente:
W
r
= L[
r
] ,
e:
W

r
= L
_

nr
_
Per dimostrare lunicit`a, supponiamo che esiste un W

r
= L[
nr
], essendo:

nr
= f
r+1
, ..., f
n

Esprimiamo i vettori di
nr
attraverso le loro componenti nella base ortonormale

n
.
Iniziamo con il vettore f
r+1
:
f
r+1
= a
h
e
h
+b
k
e
k
, k = r + 1, ..., n; h = 1, ..., r (6.30)
Risulta:
f
r+1
W

r
=f
r+1
e
h
= 0 (6.31)
Moltiplicando scalarmente primo e secondo membro della (6.30) per e
h
con h = 1, 2, ..., r:
0 = f
r+1
e
1
= a
1
0 = f
r+1
e
2
= a
2
...
0 = f
r+1
e
r
= a
r
197
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Quindi:
f
r+1
= b
k
e
k
(6.32)
Il procedimento pu`o essere ripetuto per i rimanenti vettori f
r+2
, ..., f
n
:
f
r+2
= c
k
e
k
f
r+3
= d
k
e
k
...
Da ci`o segue che il sottospazio generato dai vettori e
r+1
, ..., e
n
coincide con il sottospazio
generato da f
r+1
, ..., f
n
, cio`e
W

r
= W

r
Teorema 162 Sia W
r
un sottospazio vettoriale di uno spazio euclideo E
n
. Risulta:
E
n
= W
r
W

r
Dimostrazione. Con le notazioni del teorema precedente, una base ortonormale di E
n
`e:

n
=
r

nr
Quindi:
v E
n
, v = v
h
e
h
+v
k
e
k
, h = 1, ..., r, k = r + 1, ..., n
Evidentemente:
_
v
h
e
h
_
W
r
,
_
v
k
e
k
_
W

r
Cio`e:
E
n
= W
r
+W

r
(6.33)
Inoltre:
w W
r
W

r
, w w = 0 =w = 0 =W
r
W

r
= 0 (6.34)
Dalle (6.33)-(6.34):
E
n
= W
r
W

r
Per il teorema appena dimostrato segue che ogni vettore x E
n
si esprime in uno e in un
solo modo come somma di un vettore di W
r
e di un vettore di W

r
:
x E
n
=x
w
W
r
, x

w
W

r
[ x = x
w
+x

w
Da ci`o segue che possiamo denire un operatore lineare:

P
w
: E
n
E
n
(6.35)
x x
w
x E
Chiamiamo (6.35) operatore di proiezione ortogonale su W. Risulta:
198
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Im

P
w
= E
Il kernel:
ker

P
w
=
_
x E
n
[

P
w
x = 0
_
Dobbiamo risolvere lequazione operatoriale:

P
w
x = 0
Evidentemente:
x = x

w
W

r
,
donde:
ker

P
w
= W

r
Esempio 163 Sia E
3
= R
3
. Consideriamo il sottospazio:
W
1
= (0, 0, z) [ z R
Assumendo un sistema di assi coordinati 0xyz, W si identica con lasse z. Il complemento
ortogonale `e il piano xy:
W

1
= (x, y, 0) [ x, y R
La proiezione ortogonale sullasse z `e:

P
w
: R
3
R
3
(x, y, z) (0, 0, z)
6.12 Componenti covarianti e controvarianti
Nella sezione 5 abbiamo introdotto la nozione di componenti covarianti e componenti con-
trovarianti. Tale nozione si estende al caso degli spazi euclidei.
Senza perdita di generalit`a consideriamo uno spazio euclideo 2-dimensionale E
2
. Sia e
i

una base di vettori unitari:


[[e
1
[[ = [[e
2
[[ = 1
Preso ad arbitrio u E
2
, abbiamo:
u = u
i
e
i
(6.36)
Le componenti u
i
di u nella base e
i
si chiamano componenti controvarianti di u.
Ora, poniamo per denizione:
u
1
= u e
1
, u
2
= u e
2
(6.37)
199
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Le (6.37) sono le componenti covarianti di u. Si osservi che da un punto di vista geomet-
rico, le u
i
si ottengono dalle proiezioni di u secondo le direzioni di e
1
ed e
2
rispettivamente.
Preso un secondo vettore v E
2
:
u v = g
ik
u
i
v
k
(6.38)
Daltro canto:
u v = u
_
v
1
e
1
+ v
2
e
2
_
(6.39)
= v
1
u
1
+ v
2
u
2
= v
i
u
i
Confrontando la (6.39) con la (6.38) otteniamo:
u
i
= g
ik
u
k
(6.40)
La (6.40) lega le componenti controvarianti a quelle covarianti di un medesimo vettore. Si
osservi che se la base `e ortonormale:
u
i
=
ik
u
k
= u
i
Cio`e, in una qualunque base ortonormale le componenti covarianti coincidono con le compo-
nenti controvarianti.
Esempio 164 Sia e
i
(i = 1, 2) una base di uno spazio vettoriale reale E
2
strutturato
pseudoeuclidamente. Il tensore metrico `e:
(g
ik
) =
_

1
_
con , R [ g = det (g
ik
) =
2
,= 0
Determinare: 1) i valori di e per i quali E
2
risulta euclideo; 2) le componenti covarianti
in e
i
del vettore u = 5e
1
+ 2e
2
, nel caso = 2, = 1.
Soluzione
E
2
assume la struttura di spazio euclideo se e solo se g > 0, donde , R [
2
> 0.
Per il quesito 2 osserviamo che per = 2, = 1, si ha:
(g
ik
) =
_
1 2
2 1
_
,
donde:
[[e
1
[[ = [[e
2
[[ = 1
Quindi possiamo determinare le componenti covarianti del vettore u.
u
1
= u e
1
= (5e
1
+ 2e
2
) e
1
= 5 + 4 = 9
u
2
= u e
2
= (5e
1
+ 2e
2
) e
2
= 10 + 2 = 12,
perci`o:
u
1
= 9, u
2
= 12
Alternativamente:
u
1
= g
1k
u
k
= g
11
u
1
+ g
12
u
2
= 9
u
2
= g
2k
u
k
= g
21
u
1
+ g
22
u
2
= 12
200
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
6.13 Applicazioni
Sia E
n
uno spazio propriamente euclideo n-dimensionale. Per analogia con lo spazio ordinario
(R
3
) possiamo introdurre le nozioni di angolo tra due vettori e di componente ortogonale.
Consideriamo due vettori u, v R
3
. Dallalgebra vettoriale:
u v = [[u[[ [[v[[ cos ,
essendo langolo tra u e v. Quindi:
cos =
u v
[[u[[ [[v[[
(6.41)
Il vettore componente ortogonale di u secondo v `e il vettore u
v
tale che:
[[u
v
[[ = [[u[[ [cos [ ,
cio`e la norma di u
v
`e la proiezione ortogonale di u sulla direzione individuata da v. La
presenza del valore assoluto di cos si giustica osservando che [[u
v
[[ > 0, [0, 2].
Abbiamo:
u
v
= [[u
v
[[ versu
v
,
essendo versu il versore di u:
versu
v
=
u
v
[[u
v
[[
Ovviamente:
versu
v
= versv, se
_
0,

2
_

_
3
2
, 2
_
versu
v
= versv, se
_

2
,
3
2

_
Da ci` o segue che:
u
v
= [[u[[ cos versv
Tenendo conto della (6.41)
u
v
=
_
u v
v v
_
v = cv
dove abbiamo introdotto il coeciente di Fourier di u rispetto a v:
c =
u v
v v
(6.42)
Il numero reale (6.42) `e noto anche come la componente ortogonale di u rispetto a v.
201
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Capitolo 7
Spazi vettoriali unitari
Sia E uno spazio vettoriale sul campo complesso C.
Denizione 165 E `e uno spazio vettoriale unitario se in esso `e denito un prodotto
interno indicato con u, v) C, che verica le seguenti propriet`a:
1. u, v E, u, v) = v, u)

, essendo

loperazione di coniugazione complessa.
2. , C, u, v, w E, u + v, w) = u, w) + v, w)
3.
u E, (u, u) 0 (7.1)
u, u) = 0 =u = 0
Osservazione 166 Si osservi che la prima delle (7.1) `e consistente, poich`e u, u) = u, u)

=
u, u) R.
Esempio 167 Sia E = C
n
; presi ad arbitrio due vettori:
u =
_
u
1
, u
2
, ..., u
n
_
v =
_
v
1
, v
2
, ..., v
n
_
Assumiamo come prodotto interno:
u, v) =
n

k=1
u
k
v
k
(7.2)
202
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Verichiamo che la (7.2) soddisfa gli assiomi del prodotto interno.
v, u)

=
_
n

k=1
v
k
u
k
_

=
n

k=1
v
k
u
k
= u, v)
, C, u, v, w E, t
def
= u +v
t, w) =
n

k=1
t
k
w
k
=
n

k=1
_
u
k
+v
k
_
w
k
= u, w) + v, w)
u = 0 =
_
u
1
, u
2
, ..., u
n
_
= (0, 0, ..., 0) =u, u) =
n

k=1
u
k
u
k
= 0
u ,= 0 =(h 1, 2, ..., n [ u
h
,= 0) =u, u) =

h
u
h
u
h
=

u
h

2
> 0
Esempio 168 Sia E lo spazio vettoriale su C i cui vettori sono:
f : [a, b] C [ f `e ivi continua
Il numero complesso
f, g) =
b
_
a
f (x) g (x)

dx, f, g E
`e un prodotto interno. Quindi E `e uno spazio vettoriale unitario.
***
Sia E uno spazio unitario n-dimensionale. Presi ad arbitrio due vettori u, v E, svilup-
piamoli secondo le loro componenti in una base assegnata e
i
: u = u
i
e
i
, v = v
k
e
k
. Il
prodotto interno `e:
u, v) =

u
i
e
i
, v
k
e
k
_
= u
i

e
i
, v
k
e
k
_
= u
i

v
k
e
k
, e
i
_

= u
i
v
k
e
i
, e
k
)
Cio`e:
203
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
u, v) = g
ik
u
i
v
k
, (7.3)
essendo g
ik
= e
i
, e
k
) il tensore metrico.
Per denizione di prodotto interno:
u, v) = v, u)

Abbiamo:
v, u)

=
_
g
ik
v
i
u
k
_

(7.4)
= g

ik
v
i
u
k
= g

ki
u
i
v
k
Confrontando la (7.3) con la (7.4):
u =
_
u
i
_
, v =
_
v
k
_
E, (g
ik
g

ki
) u
i
v
k
= 0 =g
ik
= g

ki
,
cio`e la matrice (g
ik
) `e hermitiana.
***
In uno spazio unitario continuano a valere la denizione di norma di un vettore e la disug-
uaglianza di Scwharz:
[[u[[ =
_
u, u)
[u, v)[ [[u[[ [[v[[
7.1 Aggiunto di un operatore lineare
Sia

A End (E), essendo E uno spazio unitario n-dimensionale con n < +..
Denizione 169 Si chiama aggiunto delloperatore

A e si indica con

A
+
, loperatore
lineare tale che:
x, y E,
_

Ax, y
_
=
_
x,

A
+
y
_
Si osservi che tale denizione `e valida solo se lo spazio vettoriale `e nito-dimensionale. Nel
caso contrario, laggiunto pu`o non esistere.
Proposizione 170 Se A `e la matrice rappresentativa di

A End (E) nella base ortonor-
male e
i
, la matrice rappresentativa delloperatore aggiunto

A
+
, `e la coniugata hermitiana
di A:
A
+
= (A

)
T
204
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Dimostrazione. Poniamo:
A =
_
a
k
i
_
, A
+
=
_
a
+k
i
_
Si osservi che lindice in basso denota la colonna, mentre lindice in alto denota la riga
1
:
A =
_
_
_
_
a
1
1
a
1
2
... a
1
n
a
2
1
a
2
2
... a
2
n
... ... ... ...
a
n
1
a
n
2
... a
n
n
_
_
_
_
Esplicitiamo il prodotto interno:
_

Ax, y
_
=
_

Ax
i
e
i
, y
j
e
j
_
= x
i
y
j
_

Ae
i
, e
j
_
Osserviamo che per denizione di matrice rappresentativa:

Ae
i
= a
k
i
e
k
Quindi:
_

Ax, y
_
= x
i
y
j
a
k
i

kj
= x
i
y
j
a
j
i
Esplicitiamo il prodotto interno
_
x,

A
+
y
_
:
_
x,

A
+
y
_
=
_
x
i
e
i
,

A
+
y
j
e
j
_
= x
i
y
j
_
e
i
,

A
+
e
j
_
= x
i
y
j
a
+k
j

ik
= x
i
y
j
a
+i
j
La nostra richiesta `e
_

Ax, y
_
=
_
x,

A
+
y
_
, donde:

_
x
i
_
,
_
y
j
_
E,
_
a
j
i
a
+i
j
_
x
i
y
j
= 0 =a
j
i
= a
+i
j
a
+j
i
=
_
a
i
j
_

,
donde lasserto.
Esempio 171 Sia E = C
3
. Consideriamo loperatore

A tale che:

A(x, y, z) = (2x + iy, y 5iz, x + (1 i) y + 3z)


Nella base canonica e
1
= (1, 0, 0) , e
2
= (0, 1, 0) , e
3
= (0, 0, 1), la matrice rappresentativa
delloperatore `e:
A =
_
_
2 i 0
0 1 5i
1 1 i 3
_
_
,
quindi la matrice rappresentativa delloperatore aggiunto di

A `e:
A
+
=
_
_
2 0 1
i 1 1 +i
0 5i 3
_
_
1
Utilizziamo questa notazione al posto di quella tradizionale a
ik
, per non appesantire le equazioni con il
simbolo di sommatoria.
205
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Proposizione 172
_

A
+
_
+
=

A
Dimostrazione.
x, y E,
_

A
+
x, y
_
=
_
x,
_

A
+
_
+
y
_
ma
_

A
+
x, y
_
=
_
y,

A
+
x
_

=
_

Ay, x
_

=
_
x,

Ay
_
,
cio`e:
x, y E,
_
x,

Ay
_
=
_
x,
_

A
+
_
+
y
_
=
_

A
+
_
+
=

A
Proposizione 173
_

A +

B
_
+
=

A
+
+

B
+
Dimostrazione. Segue direttamente dalle propriet`a del prodotto interno.
Proposizione 174
_

A

B
_
+
=

B
+

A
+
Dimostrazione.
x, y E,
_
x,
_

A

B
_
+
y
_
=
__

A

B
_
x, y
_
=
_

A
_

Bx
_
, y
_
Poniamo

Bx = x

A
_

Bx
_
, y
_
=
_

Ax

, y
_
=
_
x

,

A
+
y
_
=
_

Bx,

A
+
y
_
=
_
x,
_

B
+

A
+
_
y
_
cio`e:
_

A

B
_
+
=

B
+

A
+
7.2 Operatori hermitiani
Sia

A End (E), essendo E uno spazio unitario n-dimensionale.
Denizione 175

A `e autoaggiunto o hermitiano se

A =

A
+
.
Osservazione 176 La matrice rappresentativa di un operatore hermitiano in una qualunque
base ortonormale `e hermitiana.
Teorema 177

A `e hermitiano
_
=
_
gli autovalori di

A sono reali
206
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Dimostrazione. Scriviamo lequazione agli autovalori:

Au = u (u ,= 0)
Deve essere:
_

Ax, y
_
=

A=

A
+
_
x,

Ay
_
Lequazione precedente per x = y = u, diventa:
u,u) = u,u) =u,u) =

u, u) =
u=0
=

Teorema 178 Gli autovettori di un operatore hermitiano corrispondenti ad autovalori dis-


tinti sono ortogonali.
Dimostrazione. Sia

A End (E) tale che

A =

A
+
. Scriviamo lequazione agli autovalori:

Au
i
=
i
u
i

Au
j
=
j
u
j
,
con
i
,=
j
.
_
u
j
,

Au
i
_
= u
j
,
i
u
i
) =
i
u
j
, u
i
) (7.5)
_
u
j
,

Au
i
_
=
_

Au
j
, u
i
_
=
j
u
j
, u
i
)
Sottraendo la prima dalla seconda delle (7.5):
0 = (
i

j
) u
j
, u
i
) =

i
=
j
u
j
, u
i
) = 0 =u
i
u
j
7.3 Operatori unitari
Denizione 179

U End (E) si dice operatore unitario se

U

U
+
=

U
+

U =

1
In altri termini, un operatore unitario `e invertibile e linverso coincide con laggiunto.
Teorema 180

U `e unitario
_

_
x, y E,
_

Ux,

Uy
_
= x, y)
Dimostrazione. Implicazione diretta
x, y E,
_

Ux,

Uy
_
=
_
x,

U
+

Uy
_
=

U
+
U=

1
x, y)
Implicazione inversa
x, y E,
_
x,

U
+

Uy
_
= x, y) =

U
+

U =

1
207
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis

U
+

U =

1 =
_

U
+

U
_
+
=

1
+
=

U

U
+
=

1
In altre parole, una trasformazione unitaria conserva il prodotto interno. La condizione
precedente pu`o essere formulata in termini di norma di un vettore:
x E,

Ux

= [[x[[ (7.6)
Osservazione 181

U : E E, tale che Im

U = E,

U
1
, donde

U `e una applicazione
biettiva di E in s`e. Inoltre,
_

Ux,

Uy
_
= x, y), quindi per la denizione 6.10, gli operatori
unitari deniscono un isomorsmo di uno spazio unitario in s`e.
Osservazione 182 La (7.6) pu`o essere scritta come:
x, y E,

U (x y)

= [[x y[[
In altri termini, una trasformazione unitaria conserva le distanze. Da qui il nome di
isometria.
***
In una qualunque base ortonormale e
i
un operatore unitario `e rappresentato da una
matrice unitaria:
U = (a
ik
)
Loperatore aggiunto `e invece rappresentato dalla trasposta coniugata:
U
+
= (b
ik
) , essendo b
ik
= a

ki
Vediamo quali sono le propriet`a di una matrice unitaria. Deve essere:
UU
+
= 1
Cio`e
UU
+
= (
ij
)
Esplicitando il prodotto righe per colonne:
n

k=1
a
ik
b
kj
=
ij

n

k=1
a
ik
a

jk
=
ij
Quindi:
n

k=1
[a
ik
[
2
= 1, (i = 1, 2, ..., n)
Cio`e la somma del quadrato dei moduli degli elementi di una colonna `e pari a 1.
Inoltre:
208
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
U
+
U = 1
Cio`e
U
+
U = (
ij
)
Esplicitando il prodotto righe per colonne:
n

k=1
b
ik
a
kj
=
ij

n

k=1
a

ki
a
kj
=
ij
Quindi:
n

k=1
[a
ki
[
2
= 1, (i = 1, 2, ..., n)
Cio`e la somma del quadrato dei moduli degli ementi di una riga `e pari a 1.
Riassumendo, assegnata la matrice unitaria:
U =
_
_
_
_
a
11
a
12
... a
1n
a
21
a
22
... a
2n
... ... ... ...
a
n1
a
n2
... a
nn
_
_
_
_
U verica le seguenti propriet`a:
n

k=1
[a
ik
[
2
= 1, (i = 1, 2, ..., n)
n

i=1
[a
ik
[
2
= 1, (k = 1, 2, ..., n)
Proposizione 183 Sia

U operante sullo spazio unitario E. Se e
i
`e una base ortonormale:
_

Ue
i
_
`e una base ortonormale
_

U `e unitario
Dimostrazione. Implicazione inversa

U `e unitario =
_

Ue
i
,

Ue
j
_
= e
i
, e
j
) =
ij
=
_

Ue
i
_
= base o.n.
Implicazione diretta
Per ipotesi `e:
_

Ue
i
,

Ue
j
_
=
ij
Esplicitiamo il primo membro:
_
n

k=1
a
ki
e
k
,
n

=1
a
k

j
e
k

_
=
n

k=1
n

=1
a
k

i
a

kk
=
n

k=1
a
ki
a

kj
209
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Quindi:
n

k=1
a
ki
a

kj
=
ij
=(U = (a
ik
) matrice unitaria) =
_

U operatore unitario
_
Proposizione 184 Gli autovalori di un operatore unitario hanno modulo pari a 1.
Dimostrazione. Scriviamo lequazione agli autovalori per loperatore unitario

U:

Ux = x (x ,= 0)
Deve essere:
x, x) =
_

Ux,

Ux
_
= x, x) =

x, x) =
x,x=0

= 1 =[[ = 1
Denizione 185 Sia E uno spazio vettoriale sul campo K e H un suo sottospazio. Se

X End (E):
H `e invariante per

X
_
def

_
x H,
_

Xx
_
H
Proposizione 186 Sia E uno spazio unitario e W un suo sottospazio.
W `e invariante per

A End (E)
_
=
_
W

`e invariante per

A
+
Dimostrazione. Per denizione di complemento ortogonale:
y W

=x W, x, y) = 0
Per ipotesi W `e invariante per

A:
y W

, 0 =
_

Ax, y
_
=
_
x,

A
+
y
__
=y W

,
_

A
+
y
_
W

7.4 Operatori normali


Denizione 187 Sia

A End (E), con E spazio vettoriale unitario.

A `e normale
_
def

A

A
+
=

A
+

A
In altri termini, un operatore `e normale se commuta con il proprio aggiunto.
Proposizione 188 Sia

A un operatore normale operante sullo spazio unitario E. Se `e
autovalore di

A:
x E () ,

A
+
x =

x
E () `e invariante per

A
+
210
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Dimostrazione.
x E () ,

A
_

A
+
x
_
=
_

A

A
+
_
x =
_

A
+

A
_
x =

A
+
x =
_

A
+
x
_
=
_

A
+
x
_
E () ,
cio`e E () `e invariante per

A
+
.
x, y E () =
_

A
+
x, y
_
=
_
x,

Ay
_
= x, y) =

x, y) =

A
+
x =

x
Teorema 189

A ammette una base o.n. di autovettori


_

A `e normale
Dimostrazione. Implicazione diretta
Sia e
i
una base o.n. di autovettori (i = 1, 2, ..., n = dimE):

Ae
i
=
i
e
i
Quindi la matrice rappresentativa nella suddetta base:
A =
_
_
_
_

1
0 ... 0
0
2
... 0
... ... ... ...
0 0 ...
n
_
_
_
_
La matrice rappresentativa dellaggiunto:
A
+
= (A

)
T
=
_
_
_
_

1
0 ... 0
0

2
... 0
... ... ... ...
0 0 ...

n
_
_
_
_
A e A
+
commutano:
AA
+
= A
+
A =

A

A
+
=

A
+

A
Implicazione inversa
K = C = [ `e autovalore per

A. Indicando con u
1
lautovettore:

Au
1
= u
1
Se E () `e il corrispondente autospazio, si ha che dimE () = r che `e il grado di degenerazione
di . Naturalmente E () E. Se risulta E () = E, segue che r = n, cio`e lautovalore `e
degenere n volte:

Au
(1)
1
= u
(1)
1

Au
(2)
1
= u
(2)
1
...

Au
(n)
1
= u
(n)
1
211
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Il sistema
_
u
(1)
1
, u
(2)
1
, ..., u
(n)
1
_
compone una base di E. Tale base pu`o essere ortonormalizzata
attraverso il procedimento di Gram-Schmidt, per cui il teorema `e dimostrato. Consideriamo
ora E () E, per cui dimE () = r < n.
Il complemento ortogonale E

() `e tale che dimE

() = n r.
Se r > 1 lautovalore `e degenere r volte. Procediamo per induzione, ponendo inizialmente
r = n 1, donde dimE

() = 1:
e
1
, e
2
, ..., e
n1
= base o.n. di E ()
e
n
= base di E

() con [[e
n
[[ = 1
Osserviamo innanzitutto che per denzione di complemento ortogonale:
e
n
, e
i
) = 0, per i = 1, 2, ..., n 1 (7.7)
Inoltre, dalla proposizione 188 sappiamo che E () `e invariante per

A
+
, e dalla proposizione
186 segue che E

() `e invariante per
_

A
+
_
+
=

A. Quindi:
e
n
E

() =
_

Ae
n
_
E

() =
dimE

()=1
C [

Ae
n
= e
n
(7.8)
Da (7.7) e (7.8):
e
1
, e
2
, ..., e
n1
e
n
= base o.n. di autovettori di

A
Lasserto segue per induzione per ogni valore di r = n 2, n 3, ..., 1.
Corollario 190 Gli operatori unitari e autoaggiunti sono diagonalizzabili.
Dimostrazione. Segue direttamente dal teorema precedente, giacche si tratta di operatori
normali.
Teorema 191 Sia

A un operatore normale operante nello spazio unitario E
n
nito-dimensionale.
Se
i
(i = 1, 2, ..., r) sono gli autovalori di

A, abbiamo
E (
i
) E (
j
) , con i ,= j (7.9)
E = E (
1
) E (
2
) ... E (
r
)

A =
1

P
1
+
2

P
2
+ ... +
r

P
r
,
qui

P
i
`e loperatore di proiezione ortogonale:

P
i
: x E u E (
i
)
Dimostrazione. Presi ad arbitrio u E (
i
), v E (
j
) con i ,= j:

i
u, v) =
_

Au, v
_
=
_
u,

A
+
v
_
=

u,

j
v
_
=
j
u, v)
=(
i

j
) u, v) = 0 =

i
=
j
u, v) = 0
212
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Quindi:
u E (
i
) , v E (
j
) , u, v) = 0 =E (
i
) E (
j
) , con i ,= j
Cio`e la prima delle (7.9) (autospazi corrispondenti ad autovalori distinti, sono ortogonali)
Per dimostrare la seconda, osserviamo che:
x E =u
i
E (
i
) [ x =
r

i=1
u
i
,
cio`e:
E = E (
1
) + E (
2
) + ... + E (
r
) (7.10)
Inoltre:
0 ,= u
i
E (
i
) =u
i
/ E (
j=i
)
Quindi
E (
i
) E (
j=i
) = 0 (7.11)
Da (7.10) e (7.11):
E = E (
1
) E (
2
) ... E (
r
)
cio`e la seconda delle (7.9). La terza segue direttamente dalla denizione di operatore di
proiezione ortogonale.
Esempio 192 Sia

A End (E
4
) rappresentato dalla matrice:
A = diag (2, 3, 4, 1)
Quindi gli autovalori sono:

1
= 2,
2
= 3,
3
= 4,
4
= 1
I corrispondenti autospazi sono unidimensionali: dimE (
i
) = 1. Gli autovettori:
u
1
= (1, 0, 0, 0)
u
2
= (0, 1, 0, 0)
u
3
= (0, 0, 1, 0)
u
4
= (0, 0, 0, 1)
Quindi:
E (
1
) = au
1
[ a R
E (
2
) = bu
2
[ b R
E (
3
) = cu
3
[ c R
E (
4
) = du
4
[ d R
213
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Gli operatori di proiezione ortogonale sugli autospazi:

P
1
.
= diag (1, 0, 0, 0)

P
2
.
= diag (0, 1, 0, 0)

P
3
.
= diag (0, 0, 1, 0)

P
4
.
= diag (0, 0, 0, 1)
Evidentemente:
4

i=1

P
i
=

1
4

i=1

i

P
i
=

A
Esempio 193 Sia

A End (E
4
) rappresentato dalla matrice:
A = diag (2, 2, 4, 1)
Quindi gli autovalori sono:

1
= 2, ,
2
= 4,
3
= 1
Si osservi che
1
`e degenere 2 volte.
I corrispondenti autospazi sono tali che: dimE (
1
) = 2, dimE (
i>1
) = 1. Gli autovettori:
u
(1)
1
= (1, 0, 0, 0)
u
(2)
1
= (0, 1, 0, 0)
u
2
= (0, 0, 1, 0)
u
3
= (0, 0, 0, 1)
Quindi:
E (
1
) =
_
au
(1)
1
+ bu
(2)
1
[ a, b R
_
E (
2
) = cu
1
[ c R
E (
3
) = du
1
[ d R
Gli operatori di proiezione ortoganale sugli autospazi:

P
1
.
= diag (1, 1, 0, 0)

P
2
.
= diag (0, 0, 1, 0)

P
3
.
= diag (0, 0, 0, 1)
Evidentemente:
3

i=1

P
i
=

1
3

i=1

i

P
i
=

A
214
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Capitolo 8
Spazi vettoriali euclidei (2 parte)
Le nozioni precedenti (trasformazioni unitarie e operatori normali) si estendono al caso di
uno spazio euclideo E.
Denizione 194 Loperatore

A End (E) `e ortogonale se risulta:

A

A
+
=

A
+

A =

1
Osserviamo che la matrice rappresentativa delloperatore aggiunto `e A
+
=
_
A
T
_

= A
T
,
essendo reali gli elementi di A. Quindi
Denizione 195 Una matrice A `e ortogonale se:
AA
T
= A
T
A =

1
In altre parole, una matrice `e ortogonale se linversa coincide con la trasposta.
Sussistono le propriet`a delle matrici unitarie. Precisamente, la conservazione del prodotto
scalare e delle distanze. Inoltre, se A = (a
ik
):
n

i=1
[a
ik
[
2
= 1, k = 1, 2, ..., n
n

k=1
[a
ik
[
2
= 1, i = 1, 2, ..., n
Esempio 196 Consideriamo un sistema di assi cartesiani ortogonali R(0xyz) in R
3
. Es-
eguendo una rotazione attorno allasse z di un angolo , si passa da R(0xyz) a R

(0x

).
Tale trasformazione di coordinate `e realizzata da un operatore

1() End (R
3
):

1
z
() x = x

Qui `e x = (x, y, z), x

= (x

, y

, z

), con:
x

= xcos + y sin
y

= xsin + y cos
z

= z
215
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
La matrice rappresentativa di

1
z
() nella base canonica, `e:
1
z
() =
_
_
cos sin 0
sin cos 0
0 0 1
_
_
La matrice 1() `e ortogonale:
1
z
() 1
z
()
T
= 1
z
()
T
1
z
() =

1
Tale risultato si generalizza ai rimanenti assi coordinati x e y, e quindi a qualsiasi asse
passante per lorigine, per cui una rotazione `e una trasformazione ortogonale delle coordinate
dello spazio euclideo R
3
.
216
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Parte III
Appendici
217
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Appendice A
Soluzioni degli esercizi proposti
A.1 Operazioni sulle matrici e calcolo di determinanti
del secondo ordine
AB =
_
_
a
11
b
11
+ a
12
b
21
a
11
b
12
+ a
12
b
22
a
21
b
11
+ a
22
b
21
a
21
b
12
+ a
22
b
21
a
31
b
11
+ a
32
b
21
a
31
b
12
+ a
32
b
22
_
_
A +B D =
_
_
p 2 q
4 r 1 s
9 t 9 u
_
_
Quindi:
A + B D = 0 (p = 2, q = 0, r = 4, s = 1, t = 9, u = 9)
cio`e:
D =
_
_
2 0
4 1
9 9
_
_
***
A + B =
_
_
4 1 2
0 3 2
1 2 3
_
_
A C =
_
_
3 1 5
5 3 0
0 1 2
_
_
2A =
_
_
2 4 6
10 0 4
2 2 2
_
_
218
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
A + (B C) =
_
_
0 0 3
9 1 5
2 1 1
_
_
(A + B) C =
_
_
0 0 3
9 1 5
2 1 1
_
_
D =
_
_
x
1
x
2
x
3
x
4
x
5
x
6
x
7
x
8
x
9
_
_
ed `e tale che:
A + D = B
Ci` o implica:
_
_
1 +x
1
2 +x
2
2 +x
3
5 +x
4
x
5
2 +x
6
1 +x
7
1 +x
8
1 +x
9
_
_
=
_
_
3 1 2
4 2 5
2 0 3
_
_
da cui:
1 +x
1
= 3
2 +x
2
= 1
3 +x
3
= 2
5 +x
4
= 4
2 +x
6
= 5
1 +x
7
= 2
1 +x
8
= 0
1 +x
9
= 3
Quindi:
D =
_
_
2 3 5
1 1 3
1 1 2
_
_
219
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
B A =
_
_
2 3 5
1 1 3
1 1 2
_
_
(A B) =
_
_
_
_
1 2 3
5 0 2
1 1 1
_
_

_
_
3 1 2
4 2 5
2 0 3
_
_
_
_
=
_
_
2 3 5
1 1 3
1 1 2
_
_
***

2 3
1 4

= 2 4 3 1 = 5;

2 1
1 2

= 4 + 1 = 5;

sin cos
cos sin

= sin
2
+ cos
2
a = 1;

+ i +i
i i

=
2
+
2

2
+
2
_
=
2
+
2

sin sin
sin cos

= sin cos sin cos a = sin ( )

cos sin
sin cos

= cos cos sin sin = cos ( + )

tan 1
1 tan

= tan
2
+ 1 = sec
2

1 lg
b
a
lg
a
b 1

= 1 lg
a
b lg
b
a =
(lg
a
b=lg
b
a)
0

a +b b + d
a + c c + d

= ac + bd ab cd = a (c b) + d (b c)

a + b a b
a b a b

= a
2
+ 2ab + b
2
a
2
+ 2ab b
2
= 4ab

x 1 1
x
3
x
2
+ x + 1

= (x 1)
_
x
2
+ x + 1
_
x
3
= x
3
1 x
3
= 1

=
2
+ =
_
cos
_
2
3
_
+ i sin
_
2
3
__
2
+ i sin
_
2
3
_
220
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
A.2 Determinanti del terzo ordine

1 1 1
1 0 1
1 1 0

= (1)

1 1
1 0

(1)

1 1
1 1

= (0 + 1) + (1 + 1) = +1

0 1 1
1 0 1
1 1 0

1 1
1 0

1 1
0 1

= (0 1) + (1 0) = +1 + 1 = 2

a a a
a a x
a a x

= a
2

1 1 a
1 1 x
1 1 x

= a
2

1 1 a
0 2 a + x
1 1 x

= a
2
_

2 a + x
1 z

1 a
2 a + x

_
= 2a
2
(a + x)

1 1 1
1 2 3
1 3 6

1 1 1
1 2 3
0 1 3

1 1 1
0 1 2
0 1 3

1 2
1 3

= 1

1 i 1 +i
i 1 0
1 i 0 1

= (1 i)

i 1 +i
1 0

= (1 +i) (1 i) = 2

1 cos

3
+ i sin

3
cos

4
+ i sin

4
cos

3
i sin

3
1 cos
2
3
+ i sin
2
3
cos

4
i sin

4
cos
2
3
i sin
2
3
1

1 cos
2
3
+ i sin
2
3
cos
2
3
i sin
2
3
1

_
cos

3
+ i sin

3
_

cos

3
i sin

3
cos
2
3
+ i sin
2
3
cos

4
i sin

4
1

+
+
_
cos

4
+ i sin

4
_

cos

3
i sin

3
1
cos

4
i sin

4
cos
2
3
i sin
2
3

= 0
_

1
2

i

3
2
__
i
2

_
1
2
+
i
2
_
_
3
2
+
1
2

i
2

3
2
_
+
_
1
1 +i
2
_
= 1
1 i

2
1
1 +i

2
= 2

2
Poniamo:

def
=

1 1 1
1
2
1
2

=
_

3
3 + 2
_
per = cos
2
3
+i sin
2
3
:
= 3i

3
221
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
A.3 Determinanti di ordine qualsiasi
Si tratta di determinare gli zeri della funzione f (x). Lo sviluppo del determinante porge:
f (x) = x
2
x 8,
donde:
f (x) = 0 x =
1
2
_
1

33
_
***
Per una nota propriet`a, il determinante di una matrice diagonale `e pari al prodotto degli
elementi della diagonale principale, donde:
det A
diag
= 1 2 3 ... n = n!
***
Il calcolo diretto di (n) (eq. 1.55) porge:
(2) = 1, (3) = 1, (4) = 1, (5) = 1, (6) = 1
Da ci`o segue che:
(n) = (1)
k(n)
,
essendo k (n) tale che:
k (n) =
_

_
dispari, n = 2
dispari, n = 3
pari, n = 4
pari, n = 5
dispari, n = 6
.................
(A.1)
La (A.1) implica che k (n) deve essere del tipo:
k (n) = an
2
+ bn (A.2)
Anch`e sia valida la (A.1):
4a + 2b = 1
9a + 3b = 3,
da cui:
(a, b) =
_
1
2
,
1
2
_
=k (n) =
n(n 1)
2
222
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Si conclude:
(n) = (1)
n(n1)
2
***
Il calcolo diretto di (n) (eq. 1.56) porge:
D(2) = 2, D(3) = 6, D(4) = 24, D(5) = 120, D(6) = 720
Da ci`o segue:
D(n) = nD(n 1)
Quindi:
D(n) = n(n 1) (n 2) ... 1 = n!
***
Calcoliamo direttamente F (n) per n = 2, 3. La (1.57) `e:
f
2
(x) = x(x 1) (A.3)
f
3
(x) = x(x 1) (x 2)
Quindi:
F (2) =

f
2
(0) f
2
(1) f
2
(2)
f
2
(1) f
2
(2) f
2
(3)
f
2
(2) f
2
(3) f
2
(4)

0 0 2
0 2 6
2 6 12

= 8;
F (3) =

f
3
(0) f
3
(1) f
3
(2) f
3
(3)
f
3
(1) f
3
(2) f
3
(3) f
3
(4)
f
3
(2) f
3
(3) f
3
(4) f
3
(5)
f
3
(3) f
3
(4) f
3
(5) f
3
(6)

0 0 0 3
0 0 3 24
0 3 24 60
3 24 60 120

= 1296
Osserviamo che:
223
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
(2!)
3
= 8
(3!)
4
= 1296
donde:
[F (n)[ = n!
n+1
Inoltre:
n(n 1)
2
=
_
1, n = 1
2, n = 2
Quindi:
F (n) = (1)
n(n1)
2
n!
n+1
***
Eseguiamo il calcolo esplicito per n = 2:
G(x, 2) =

f
2
(x) f

2
(x) f

2
(x)
f

2
(x) f

2
(x) f

2
(x)
f

2
(x) f

2
(x) f
(4)
2
(x)

Dalla prima delle (A.3):


f

2
(x) = 2x 1; f

2
(x) = 2; f

2
(x) = f
(4)
2
(x) = 0
Quindi:
G(x, 2) =

x
2
x 2x 1 2
2x 1 2 0
2 0 0

= 8
Eseguiamo il calcolo esplicito per n = 3:
G(x, 3) =

f
3
(x) f

3
(x) f

3
(x) f

3
(x)
f

3
(x) f

3
(x) f

3
(x) f
(4)
3
(x)
f

3
(x) f

3
(x) f
(4)
3
(x) f
(5)
3
(x)
f

3
(x) f
(4)
3
(x) f
(5)
3
(x) f
(6)
3
(x)

Dalla seconda delle (A.3):


f

3
(x) = 3x
2
6x + 2
f

3
(x) = 6 (x 1)
f

3
(x) = 6
f
(r)
3
(x) = 0, (r = 4, 5, ...)
224
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Quindi:
G(x, 3) =

x(x 1) (x 2) 3x
2
6x + 2 6 (x 1) 6
3x
2
6x + 2 6 (x 1) 6 0
6 (x 1) 6 0 0
6 0 0 0

= 1296
Si conclude che: 1) G(x, n) G(n); 2) G(n) = F (n) = (1)
n(n1)
2
n!
n+1
.
***
Risolviamo la (1.58) per alcuni valori di n. Per n = 1 la soluzione `e immediata:

1 x
1 a
1

= 0 x a
1
= 0 x = a
1
Per n = 2:

1 x x
2
1 a
1
a
2
1
1 a
2
a
2
2

= 0 (x a
1
) (x a
2
) (a
2
a
1
) = 0 x = a
1
, a
2
Per n = 3:

1 x x
2
x
3
1 a
1
a
2
1
a
3
1
1 a
2
a
2
2
a
3
2
1 a
3
a
2
3
a
3
3

= 0 (x a
1
) (x a
2
) (a
2
a
1
) (a
3
a
1
) = 0 x = a
1
, a
2
, a
3
Per ogni n N:

1 x x
2
... x
n1
1 a
1
a
2
1
... a
n1
1
1 a
2
a
2
2
... a
n1
2
... ... ... ... ...
1 a
n1
a
2
n1
... a
n1
n1

= 0
n1

k=1
(x a
k
) = 0 x = a
1
, a
2
, ..., a
n
***
La (1.59) per n = 2 si scrive:

1 1
1 1 x

= 0 x = 0
Per n = 3:

1 1 1
1 1 x 1
1 1 2 x

= 0 x(x 1) =x = 0, 1
225
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Per n = 4:

1 1 1 1
1 1 x 1 1
1 1 2 x 1
1 1 1 3 x

= 0 x
_
x
2
3x + 2
_
= 0 x = 0, 1, 2
Per n = 5:

1 1 1 1 1
1 1 x 1 1 1
1 1 2 x 1 1
1 1 1 3 x 1
1 1 1 1 4 x

= 0 x
_
x
3
6x
2
+ 11x 6
_
= 0 x = 0, 1, 2, 3
Si conclude che (1.59) `e unequazione di grado n 1, le cui soluzioni sono:
x = 0, 1, 2, ..., n 2
***
Risolviamo la (1.60) per n = 2:

a
1
a
2
a
1
a
1
+ a
2
x

= 0 a
1
(a
1
x) = 0 x = a
1
Per n = 2:

a
1
a
2
a
3
a
1
a
1
+ a
2
x a
3
a
1
a
2
a
2
+a
3
x

= 0 a
1
(a
1
x) (a
2
x) = 0 x = a
1
,a
2
Per n = 3:

a
1
a
2
a
3
a
4
a
1
a
1
+a
2
x a
3
a
4
a
1
a
2
a
2
+ a
3
x a
4
a
1
a
2
a
3
a
3
+ a
4
x

= a
1
(a
1
x) (a
2
x) (a
3
x) = 0 x = a
1
,a
2
, a
3
Per n = 4:

a
1
a
2
a
3
a
4
a
5
a
1
a
1
+ a
2
x a
3
a
4
a
5
a
1
a
2
a
2
+ a
3
x a
4
a
5
a
1
a
2
a
3
a
2
+ a
3
x a
5
a
1
a
2
a
3
a
3
a
3
+ a
4
x

= a
1
(a
1
x) (a
2
x) (a
3
x) = 0 x = a
1
,a
2
, a
3
, a
4
226
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Per ogni n:

a
1
a
2
a
3
... a
n
a
1
a
1
+ a
2
x a
3
... a
n
a
1
a
2
a
2
+a
3
x ... a
n
... ... ... ... ...
a
1
a
2
a
3
... a
n1
+ a
n
x

=
n1

k=1
a
k
(a
k
x) = 0 x = a
k
, (k = 1, 2, ..., n 1)
***
Il determinante (1.61) `e nullo, in quanto la terza colonna `e combinazione lineare delle prime
due. Infatti:

2
+ 6 + 9 = C
1

2
+ C
2
_

2
+ 2 + 1
_
+C
3
_

2
+ 4 + 4
_
,
da cui:
C
1
+ C
2
+ C
3
= 1
0 + 2C
2
+ 4C
3
= 6
0 +C
2
+ 4C
3
= 9
Tale sistema lineare `e compatibile e determinato:
(C
1
, C
2
, C
3
) = (1, 6, 9)
Quindi:
(k + 3)
2
= k
2
3 (k + 1)
2
+ 3 (k + 2) , k = , , ,
da cui lannullarsi del determinante.
***
La matrice complementare della (1.62) relativa allelemento 11 `e la matrice diagonale di
ordine n 1:
A
11
=
_
_
_
_
a
2
0 ... 0
0 a
3
... 0
... ... ... ...
0 0 ... a
n
_
_
_
_
Il complemento algebrico dellelemento 11 `e:

11
= (1)
2
M
11
,
227
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
essendo:
M
11
= det A
11
=
n

k=2
a
k
`
E facile rendersi conto che:
M
ij
= 0 se i ,= j,
poiche ogni A
ij
con i ,= j ha una riga nulla. Ad esempio:
A
12
=
_
_
_
_
0 a
2
... 0
0 0 ... 0
... ... ... ...
0 0 ... a
n
_
_
_
_
Inoltre:
A
22
=
_
_
_
_
a
1
0 0 ... 0
0 a
3
0 ... 0
... ... ... ... ...
0 0 0 0 a
n
_
_
_
_
,
quindi:

22
= M
22
= det A
22
=
n

k=1
k=2
a
k
Si conclude che:

ij
= 0, se i ,= j

ii
=
n

k=1
k=i
a
k
Passando alla somma dei complementi algebrici:
n

i=1
n

j=1

ij
=
n

i=1

ii
=
n

i=1
n

k=1
k=i
a
k
= a
2
a
3
...a
n
+ a
1
a
3
...a
n
+ ... + a
1
a
2
...a
n1
= a
1
a
2
...a
n
_
1
a
1
+
1
a
2
+... +
1
a
n
_
228
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
***
`
E conveniente eseguire il calcolo diretto per n = 3. La matrice (1.63) `e:
A =
_
_
0 0 a
1
0 a
2
0
a
3
0 0
_
_
Segue:
A
11
=

a
2
0
0 0

= 0 =
11
= 0
A
12
=

0 0
a
3
0

= 0 =
12
= 0
A
13
=

0 a
2
a
3
0

= a
2
a
3
=
13
= b
2
b
3
A
21
=

0 a
1
0 0

= 0 =
22
= 0
A
22
=

0 a
1
a
3
0

= a
1
a
3
=
22
= 0
A
23
=

0 0
a
3
0

= 0 =
23
= 0
A
31
=

0 a
1
a
2
0

= a
1
a
2
=
31
= a
1
a
2
A
32
=

0 a
1
0 0

= 0 =
32
= 0
A
33
=

0 0
0 a
2

= 0 =
33
= 0
Sommando:
3

i=1
3

j=1

ij
= (a
1
a
2
a
3
)
_
1
a
1
+
1
a
2
+
1
a
2
_
Per ogni n:
n

i=1
n

j=1

ij
= (1)
n
a
1
a
2
...a
n
_
1
a
1
+
1
a
2
+ ... +
1
a
n
_
***
Sviluppando (1.64):
229
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
= a

0 1 1
1 1 1
1 1 0

. .
=+3
b

1 1 1
0 1 1
1 1 0

. .
=+1
= +c

1 0 1
0 1 1
1 1 0

. .
=+2
d

1 0 1
0 1 1
1 1 1

. .
=1
= 3a b + 2c d
***
Sviluppando (1.65):
= x

1 2 1
1 1 2
1 1 1

. .
=+1
+ y

2 1 1
1 1 2
1 1 1

. .
=1
+ z

2 1 1
1 2 1
1 1 1

. .
=1
+ 4

2 1 1
1 2 1
1 1 2

. .
4
= 4t (x +y + z)
***
Sviluppando (1.66):
= a

0 1 1
1 0 1
1 1 0

. .
=+2
b

1 1 1
1 0 1
1 1 0

. .
=+1
+ c

1 1 1
0 1 1
1 1 0

. .
=1
d

1 1 1
0 1 1
1 0 1

. .
=1
= 2a b + c d
***
17.

1 2 3 ... n
1 0 3 ... n
1 2 0 ... n
... ... ... ... ...
1 2 3 ... 0

; `e conveniente eseguire il calcolo diretto per alcuni signicativi


valori dellintero naturale n:
n = 2:

1 2
1 0

= 2 = 2!
n = 3:

1 2 3
1 0 3
1 2 0

= 6 = 3!
230
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
n = 4:

1 2 3 4
1 0 3 4
1 2 0 4
1 2 3 0

= 24 = 6!
n = 5:

1 2 3 4 5
1 0 3 4 5
1 2 0 4 5
1 2 3 0 5
1 2 3 4 0

= 120 = 5!
Si conclude che per ogni n, il determinante vale n!.
18. Anche qui `e conveniente calcolare per assegnati n:
n = 2:

1 a
1
1 a
1
+ b
1

= b
1
n = 3:

1 a
1
a
2
1 a
1
+ b
1
a
2
1 a
1
a
2
+ b
2

= b
1
b
2
n = 4:

1 a
1
a
2
a
2
1 a
1
+ b
1
a
2
a
3
1 a
1
a
2
+ b
2
a
3
1 a
1
a
2
a
3
+ b
3

= b
1
b
2
b
3
Si conclude che D(n) =
n

k=1
b
k
19. Esplicitando per i vari n:
n = 2; f
2
(x; x
1
) =

1 x
1
1 x

= x x
1
n = 3; f
3
(x; x
1
, x
2
) =

1 x
1
x
2
1 x x
2
1 x
1
x

= (x x
1
) (x x
2
)
n = 4; f
4
(x; x
1,
x
2
, x
3
) =

1 x
1
x
2
x
3
1 x x
2
x
3
1 x
1
x x
3
1 x
1
x
2
x

= (x x
1
) (x x
2
) (x x
3
)
Si conlude che:
f
n
(x; x
1
, x
2
, ..., x
n
) =
n

k=1
(x x
k
)
231
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
20. Esplicitiamo (1.67) per diversi valori di n:
(2) =

1 2
1 3

= 1
(3) =

1 2 3
1 3 3
1 2 5

= 2
(4) =

1 2 3 4
1 3 3 4
1 2 5 4
1 2 3 7

= 6
(5) =

1 2 3 4 5
1 3 3 4 5
1 2 5 4 5
1 2 3 7 5
1 2 3 4 9

= 24
Si conclude che (n) = (n 1)!
21. Esplicitiamo (1.68) per diversi valori di n:
(2) =

1 2
2 2

= 2
(3) =

1 2 2
2 2 2
2 2 3

= 2
(4) =

1 2 2 2
2 2 2 2
2 2 3 2
2 2 2 4

= 4
(5) =

1 2 2 2 2
2 2 2 2 2
2 2 3 2 2
2 2 2 4 2
2 2 2 2 5

= 12
Si conclude che (n) = 2 (n 2)!
22. Risulta:
n = 1 =(b
1
) =

1 b
1
1 1 b
1

= 1
n = 2 =(b
1
, b
2
) =

1 b
1
0
1 1 b
1
b
2
0 1 1 b
2

= 1
232
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
n = 3 =(b
1
, b
2
, b
3
) =

1 b
1
0 0
1 1 b
1
b
2
0
0 1 1 b
2
b
2
0 0 1 1 b
2

= 1
Da ci`o segue:
n N 0 , (b
1
, b
2
, ..., b
n
) = 1
23. Risulta:
(2) =

a a +h
a a

= a (2a + h)
(3) =

a a + h a + 2h
a a 0
0 a a

= 3a
2
(a + h)
(4) =

a a + h a + 2h a + 3h
a a 0 0
0 a a 0
0 0 a a

= 2a
3
(2a + 3h)
(5) =

a a + h a + 2h a + 3h a + 4h
a a 0 0 0
0 a a 0 0
0 0 a a 0
0 0 0 a a

= 5a
4
(a + 2h)
Da ci`o segue che:
(n) = a
n1
f
n
Deve essere:
f
2
= 2a + h
f
3
= 3 (a + h) = 3
_
a +
3 1
2
h
_
f
4
= 4
_
2a +
3
2
h
_
f
5
= 5 (a + 2h) = 5
_
a +
5 1
2
h
_
...
f
n
= n
_
a +
n 1
2
h
_
,
cio`e:
(n) = na
n1
_
a +
n 1
2
h
_
233
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
24. Per n = 4:
(4) =

a
0
1 0 0
a
1
x 1 0
a
2
0 x 1
a
3
0 0 x

= a
0
x
3
+ a
1
x
2
+ a
2
x +a
3
Per ogni n:
(n) = a
0
x
n1
+ a
1
x
n2
+ ... + a
3
25. Per n = 4:
(4) =

4 3 2 1
1 x 0 0
0 1 x 0
0 0 1 x

= 4x
3
+ 3x
2
+ 2x + 1
Per ogni n:
(n) =
n

k=1
kx
k1
26. Il determinante (1.72) `e:

r
1

k=1

1k
a
k
1
r
1

k=1

1k
a
k
2
...
r
1

k=1

1k
a
k
n
r
2

k=1

2k
a
k
1
r
2

k=1

2k
a
k
2
...
r
2

k=1

2k
a
k
n
... ... ... ...
r
n

k=1

nk
a
k
1
r
n

k=1

nk
a
k
2
...
r
n

k=1

nk
a
k
n

, (A.4)
poiche:
f
h
(x) =
r
k

k=1

hk
x
h
, h = 1, 2, ..., n
234
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
Per una nota propriet`a dei determinanti, la (A.4) pu`o essere scritta come:

11
a
1
r
1

k=1

1k
a
k
2
...
r
1

k=1

1k
a
k
n

21
a
1
r
2

k=1

2k
a
k
2
...
r
2

k=1

2k
a
k
n
... ... ... ...

n1
a
1
r
n

k=1

nk
a
k
2
...
r
n

k=1

nk
a
k
n

+
+

12
a
2
1
r
1

k=1

1k
a
k
2
...
r
1

k=1

1k
a
k
n

22
a
2
1
r
2

k=1

2k
a
k
2
...
r
2

k=1

2k
a
k
n
... ... ... ...

n2
a
n
1
r
n

k=1

nk
a
k
2
...
r
n

k=1

nk
a
k
n

+ ...
... +

1r
1
a
r
1
1
r
1

k=1

1k
a
k
2
...
r
1

k=1

1k
a
k
n

2r
1
a
r
1
1
r
2

k=1

2k
a
k
2
...
r
2

k=1

2k
a
k
n
... ... ... ...

nr
1
a
r
1
1
r
n

k=1

nk
a
k
2
...
r
n

k=1

nk
a
k
n

=
r
1

k=1
_

_
a
k
1

1k
r
1

k=1

1k
a
k
2
...
r
1

k=1

1k
a
k
n

2k
r
2

k=1

2k
a
k
2
...
r
2

k=1

2k
a
k
n
... ... ... ...

nk
r
n

k=1

nk
a
k
2
...
r
n

k=1

nk
a
k
n

_
=
r
1

k=1
r
2

k=1
...
r
n

k=1
a
k
1
a
k
2
...a
k
n

1k

1k
...
1k

2k

2k
...
2k
... ... ... ...

nk

nk
...
nk

1 1 ... 1
1 1 ... 1
... ... ... ...
1 1 ... 1

r
1

k=1
r
2

k=1
...
r
n

k=1
a
k
1
a
k
2
...a
k
n

1k

2k
...
nk
= 0
235
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
27. Per n = 1, 2, 3:
n = 1 =f (x
1
; y
1
) =

a
0
a
1
y
1
x
1

= a
0
x
1
+a
1
y
1
n = 2 =f (x
1
, x
2
; y
1
, y
2
) =

a
0
a
1
a
2
y
1
x
1
0
0 y
2
x
2

= a
0
x
1
x
2
+ a
1
x
2
y
1
+a
2
y
1
y
2
n = 3 =f (x
1
, x
2
, x
3
; y
1
, y
2
, y
3
) =

a
0
a
1
a
2
a
3
y
1
x
1
0 0
0 y
2
x
2
0
0 0 y
3
x
3

= a
0
x
1
x
2
x
3
+a
1
x
2
x
3
y
1
+ a
2
x
3
y
1
y
2
+a
3
y
1
y
2
y
3
Per tutti gli n:
f (x
1
, x
2
, ..., x
n
; y
1
, y
2
, ..., y
n
) =
n

h=0
a
k
h

k=1
y
k
n

j=h+1
x
j
28. Per n = 1, 2, 3:
f
1
(x) =

a
0
0
1 x

= a
0
x
f
2
(x) =

2a
0
a
1
0
2 x 0
0 1 x

= 2
_
a
0
x
2
+ 2a
1
_
f
3
(x) =

6a
0
2a
1
a
2
a
3
3 x 0 0
0 2 x 0
0 0 0 x

= 3!
_
a
0
x
3
+ a
1
x
2
+ a
2
x + a
0
_
Per tutti gli n:
f
n
(x) = n!
n

k=0
a
k
x
3k
236
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
29. Esplicitiamo (1.75):
D(1) = 2
D(2) =

2 1
1 2

= 3
D(3) =

2 1 0
1 2 1
0 1 2

= 4
D(4) =

2 1 0 0
1 2 1 0
0 1 2 1
0 0 1 2

= 5
D(5) =

2 1 0 0 0
1 2 1 0 0
0 1 2 1 0
0 0 1 2 1
0 0 0 1 2

= 6
...
D(n) = n + 1
30. Esplicitiamo lespressione analitica della (1.76) per vari n:
f
1
(x) = 2 cos x
f
2
(x) =

2 cos x 1
1 2 cos x

= 4 cos
2
x 1
f
3
(x) =

2 cos x 1 0
1 2 cos x 1
0 1 2 cos x

= 4 cos x + 8 cos
3
x
Osserviamo che:
4 cos
2
x 1 =
sin 3x
sin x
4 cos x + 8 cos
3
x =
sin 4x
sin x
Ci`o implica:
f
n
(x) =
sin [(n + 1) x]
sin x
Il graco `e riportato in gura A.1
237
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
-2 -1 0 1 2
-2
0
2
4
6
8
Figura A.1: Graco di f
n
(x) per n = 1, 2, 3, ..., 7.
31. Esplicitiamo lespressione analitica della (1.77) per vari n:
f
1
(x) = cos x
f
2
(x) =

cos x 1
1 2 cos x

= 2 cos
2
x 1
f
3
(x) =

cos x 1 0
1 2 cos x 1
0 1 2 cos x

= 3 cos x + 4 cos
3
x
Osserviamo che:
2 cos
2
x 1 = cos 2x
3 cos x + 8 cos
3
x = cos 3x
Ci`o implica:
f
n
(x) = cos (nx)
Il graco `e riportato in gura A.2
238
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis
-1 -0.5 0.5 1
-1
-0.5
0.5
1
Figura A.2: Graco di f
n
(x) per n = 1, 2, 3, ..., 7.
A.3.1 end
239
APPUNTI INGEGNERIA GRATUITI - www.riccardogalletti.com/appunti_gratis