Note - Geometria e Algebra Lineare - (VECCHIA VERSIONE)

Universit degli studi di Firenze
Facolt di Ingegneria
Luigi Verdiani
Note per il corso di geometria.
Corso di laurea in Ingegneria Informatica
Note ad uso degli studenti del corso

NON DISTRIBUIRE
Dipartimento di Matematica e Informatica - Via S. Marta 3 - 50139 - Firenze
Il testo copre gli argomenti trattati a lezione, aggiungendo una serie

di esempi e di esercizi che, per mancanza di tempo non possono essere svolti in aula. La quantit di esercizi proposti in ogni caso limitata e non pu costituire un insieme sufficiente per una preparazione
dellesame finale. Per sopperire a questa mancanza disponibile anche
un testo con esercizi svolti, scaricabile dalla mia home page. Si indica inoltre una bibliografia piuttosto vasta nella quale si trovano sia testi che
contengono un prevalente contenuto teorico, indicati con (T) (utili per
completare e approfondire la comprensione dei meccanismi che stanno
dietro alla soluzione degli esercizi) che testi dedicati alla soluzione di
esercizi, contrassegnati con (E).
Il testo suddiviso in capitoli che rispecchiano i punti salienti del
programma. Questi sono a loro volta divisi in sezioni al termine delle
quali si trovano gli esercizi proposti.
Il testo organizzato come segue
Capitolo 1 : capitolo introduttivo nel quale si ricapitolano alcune operazioni fondamentali sugli insiemi e si definiscono le relazioni di equivalenza. Questo argomento non viene approfondito, il suo scopo solo
di facilitare la comprensione della definizione di vettore libero.
Capitolo 2 : si introducono le matrici che saranno utilizzate come
strumento nei capitoli successivi. Vengono definite solo le propriet pi
elementari lasciando ad un capitolo successivo le definizioni pi elaborate.
Capitolo 3 : definizione e propriet dei vettori liberi. Questi costituiscono uno strumento che ci consentir di dare una modellizzazione
matematica dello spazio Euclideo e, al tempo stesso, forniscono un primo
esempio di spazio vettoriale.
Capitolo 4: si applicano i risultati del capitolo precedente allo studio
della geometria analitica dello spazio tridimensionale. Vengono analizzate rette e piani e relazioni metriche nello spazio.
Capitolo 5: si studia il problema dellesistenza di soluzioni di un sistema lineare. Gli strumenti teorici necessari ad affrontare questo problema sono solo accennati.
Capitolo 6: si approfondiscono temi relativi agli spazi vettoriali, definendo i sottospazi vettoriali e generalizzando la definizione di base
ii
data per i vettori liberi. Si studiano quindi le propriet elementari delle

applicazioni lineari, trattando, in qualche caso particolare, il problema
della diagonalizzazione.
Capitolo 7: introduzione dei numeri complessi e studio delle loro propriet algebriche. Breve studio degli spazi vettoriali complessi e del
problema della diagonalizzazione in tali spazi.
Capitolo 8: breve capitolo di approfondimento, dedicato alle forme
bilineari e alle loro applicazioni. Si fornisce una dimostrazione del teorema spettrale e si mostra come sia possibile utilizzarle per studiare
alcune propriet delle coniche e delle quadriche
Capitolo 9: in questo capitolo vengono riportati, senza lo svolgimento,
i risultati di alcuni degli esercizi proposti nel testo.
1. Insiemistica .
. . . . . . . . . . . . . . . . . . . . . . . .1
Insiemi, 1. Relazioni, 3. Strutture algebriche, 7.
2. Matrici e determinanti
. . . . . . . . . . . . . . . . 14
Matrici, 14. Determinante di una matrice, 18.
3. Calcolo Vettoriale
. . . . . . . . . . . . . . . . . . . 23
Vettori liberi, 23. Operazioni elementari, 24. Parallelismo e complanarit, 28. Basi dello spazio dei vettori liberi, 34. Prodotto scalare
e ortogonalit, 37. Prodotto vettoriale e prodotto misto, 44. Equazioni vettoriali, 53. Il metodo delle coordinate, 56.
4. Geometria Analitica .
. . . . . . . . . . . . . . . . . 61
Coordinate nello spazio Euclideo, 61. Rette nello spazio Euclideo, 62.
Piani nello spazio Euclideo, 69. Posizione reciproca di rette e piani
nello spazio, 74. Fasci di piani, 80. Relazioni metriche, 85.
5. Sistemi Lineari .
. . . . . . . . . . . . . . . . . . . . . 91
Rango di una matrice, 91. Sistemi lineari, 102.
6. Algebra Lineare .
. . . . . . . . . . . . . . . . . . . . 112
Spazi vettoriali, 112. Sottospazi vettoriali, 113. Basi di spazi vettoriali, 119. Applicazioni lineari, 125. Matrice associata ad una applicazione lineare, 129. Nucleo e immagine, 133. Inversa di una matrice, 137. Cambiamento di base, 141. Diagonalizzazione di applicazioni lineari, 144.
7. Numeri e spazi vettoriali complessi
. . . . . . 153
I numeri complessi, 153. Forma polare ed esponenziale, 156. Radici

di un numero complesso, 159. Spazi vettoriali complessi, 161.
8. Forme bilineari e applicazioni .
. . . . . . . . . . 164
Forme bilineari e sesquilineari, 164. Il Teorema spettrale, 168. Coniche, 172. Quadriche, 179.
9. Soluzioni degli esercizi
. . . . . . . . . . . . . . . 183
Capitolo 1, 183. Capitolo 2, 183. Capitolo 3, 184. Capitolo 4, 186.

Capitolo 5, 188. Capitolo 6, 189. Capitolo 7, 191. Capitolo 8, 191.
iv
Indice analitico
. . . . . . . . . . . . . . . . . . . . . . . 194
Insiemi
Quello di insieme un concetto primitivo in matematica e affidiamo
la sua definizione allusuale senso attribuitogli dal linguaggio comune.
Fra gli insiemi che verranno presi in considerazione nel corso si distinguono quelli numerici alcuni dei quali verranno indicati con i seguenti
simboli
N - Linsieme dei numeri naturali
Z - Linsieme dei numeri interi
Q - Linsieme dei numeri razionali
R - Linsieme dei numeri reali
C - Linsieme dei numeri complessi
Dove questo abbia senso, un segno utilizzato come apice indica la
restrizione ai soli numeri positivi (e.g. Z+ ) o negativi (e.g. Z ).
Si utilizzer inoltre la seguente convenzione: si indicano con lettere
maiuscole gli insiemi e con lettere minuscole i loro eventuali elementi.
La condizione di appartenenza dellelemento a allinsieme A si indica
con a A mentre la non appartenenza verr indicata con a A. Se si
verifica che ogni elemento di un insieme B appartiene anche allinsieme
A si dice che B un sottoinsieme di A e si indica B A. Se B un
sottoinsieme di A ma si certi che esista almeno un elemento di A non
appartenente a B si indica B A e si dice che B un sottoinsieme proprio
di A.
Si possono definire delle operazioni fra insiemi che definiscono nuovi
insiemi.
Se, ad esempio, B A si definisce il complementare di B in A come
CA (B) = {a A | a B}.
In particolare il complementare di A in A
un insieme privo di elementi detto insieme
vuoto per il quale si usa il particolare simbolo .
CA (B)
B
A
Fig. 1.1 Complementare di B in A
Capitolo 1
Insiemistica
Dati due insiemi A e B si definisce lintersezione di A e B come

A B = {c| c A e c B}
rappesentata in doppio tratteggio
nella Fig. 1.2 e lunione di A e B
come
AB
A B = {c | c A o c B}.
AB
Fig. 1.2 Intersezione ed unione di insiemi
Esempio 1.1 Un insieme pu essere definito mediante lenumerazione dei

suoi elementi, ad esempio
A1 = {1, 2, 3, 4}
o mediante una caratterizzazione dei suoi elementi, ad esempio
A1 = {n N | n 4}.
Se B = {1, 3} e C = {2} si ha che B e C sono sottoinsiemi di A e CA (B) =
{2, 4}, CA (C) = {1, 3, 4}, B C = , B C = {1, 2, 3}.
La definizione mediante caratterizzazione degli elementi si presta bene
alla definizione di insiemi costituiti da un numero infinito di elementi o i
cui elementi non siano facilmente rappresentabili, ad esempio
A2 = {
1
| n N}
n
A3 = {x R | sin(2x ) > 0}.

Se A e B sono due insiemi non vuoti possibile definire un terzo insieme, il prodotto cartesiano A B di A e B come linsieme costituito
da tutte le coppie ordinate il cui primo elemento appartiene ad A ed il
secondo a B, in altri termini
A B = {(a, b) | a A, b B}.
Esempio 1.2 Se A = {1, 2, 3}, B = {a, b} si ha
A B = {(1, a), (2, a), (3, a), (1, b), (2, b), (3, b)}
Relazioni
1.2
B A = {(a, 1), (a, 2), (a, 3), (b, 1), (b, 2), (b, 3)}
Esercizio 1.1 Siano A = {1/n | n N} e B = {x R | 12x 3 4x 2 3x +
1 = 0}. Determinare A B, CR (A), CA (A B).
(1)n
Esercizio 1.2 Sia A = {( n , n ) R R | n N}. Rappresentare graficamente linsieme A come sottoinsieme del piano cartesiano.
Esercizio 1.3 Sia 2a la lunghezza dello spigolo di un cubo inscritto in una
Pn
sfera di raggio unitario e A = {bn = i=0 ai | n N}. Determinare il pi
piccolo intervallo [x, y] R tale che A [x, y].
Relazioni
Definizione 1.1 Una relazione una terna ordinata (A, R, B) dove A e B
sono due insiemi e R un sottoinsieme del prodotto cartesiano di A e B.
Se una coppia (a, b) appartiene a R si dice che a in relazione con b e si
indica aRb. Linsieme
DR = {a A | b B tale che aRb}
detto dominio della relazione. Linsieme
IR = {b B | a A tale che aRb}
detto codominio della relazione. R detto grafico della relazione. Una
relazione si dice suriettiva se IR = B, ovvero se ogni elemento di B in
relazione con almeno un elemento di A. E detta iniettiva se
(a1 , b) R, (a2 , b) R a1 = a2 .
ovvero se elementi distinti di A sono in relazione con elementi distinti di
B. Una relazione che sia iniettiva e suriettiva si dice biettiva .
La definizione data di relazione (A, R, B) costituisce una generalizzazione del noto concetto di funzione, dato come regola che associa ad
ogni elemento di un sottoinsieme di A (il dominio della funzione) uno e
un solo elemento di B. Si pu allora pensare, data una coppia (a, b) R,
a b come immagine, tramite la funzione, di a. Una relazione rappresenta
quindi una funzione se e solo se (a, b1 ) R e (a, b2 ) R comporta
b1 = b2 . Le definizioni date di iniettivit, suriettivit e biettivit si estendono quindi alle funzioni.
Capitolo 1
Insiemistica
Esempio 1.3 Nel caso di insiemi finiti (e con pochi elementi) pu essere
conveniente rappresentare graficamente la relazione. Se
A = {a, b, c, d, e, f }
B = {1, 2, 3, 4, 5, 6}
ed data la relazione (A, R, B) dove

R = {(a, 4), (b, 1), (b, 2), (c, 3), (d, 5), (e, 5), (e, 6), (f , 2)}
riportiamo, a titolo di esempio, una rappresentazione insiemistica ed
una rappresentazione tabulare di R.
1
b x
x
x
x
B
Fig. 1.3 Rappresentazione insiemistica e tabulare di una relazione
Nel caso particolare B = A si possono isolare altre particolari classi di

relazioni. Una relazione si dice
riflessiva se a A, (a, a) R;
simmetrica se (a1 , a2 ) R (a2 , a1 ) R;
transitiva se (a1 , a2 ) R, (a2 , a3 ) R (a1 , a3 ) R.
Una relazione che sia al tempo stesso riflessiva, simmetrica e transitiva
detta di equivalenza. Per una relazione di equivalenza (A, R, A), se
a A, linsieme
[a] = {o A | aRo}
detto classe di equivalenza di a. Linsieme delle classi di equivalenza
di elementi di A detto quoziente di A rispetto alla relazione e si indica con A/R. Ogni elemento di [a] detto rappresentante della classe
[a]. Valendo la propriet riflessiva si ha a [a], valendo la propriet
simmetrica, se o [a] si ha [o] = [a].
Relazioni
1.2
Esempio 1.4 Si consideri un quadrato Q di vertici abcd e le relazioni

(Q, R, Q) dove
(i) (p, q) R se p = q oppure p appartiene al lato ab, q appartiene

al lato opposto cd e la distanza di p da a uguale alla distanza di
q da d.
(ii) (p, q) R se p = q oppure p appartiene al lato ab, q appartiene
al lato opposto cd e la distanza di p da a uguale alla distanza di
q da c.
(iii) (p, q) R se p = q oppure si verifica una delle seguenti possibilit: p appartiene al lato ab, q appartiene al lato opposto cd e la
distanza di p da a uguale alla distanza di q da d oppure p appartiene al lato bc, q appartiene al lato opposto da e la distanza di
p da b uguale alla distanza di q da a.
Lo spazio quoziente rispettivamente, un cilindro, un nastro intrecciato

e una ciambella. E possibile costruire questi modelli a partire da un
foglio di carta.
Data una relazione (A, R, B) possibile definire una relazione, detta
relazione inversa , questa data da (B, R1 , A), dove
R1 = {(b, a) B A | (a, b) R}.
Se, data una relazione (A, R, B), definita una relazione (B, S, C),
possibile definire una terza relazione, detta relazione composta , data da
(A, S R, C) dove
S R = {(a, c) A C | b B tale che (a, b) R e (b, c) S}.
Esempio 1.5 Indichiamo con A e B gli insiemi dei punti di due rette parallele nel piano euclideo E 2 . Sia p un punto del piano che non appartiene ad
A o B. Definiamo la relazione (A, R, B) dove (a, b) R se la distanza di
a da p uguale alla distanza di b da p. Se a A i punti di B in relazione
con a sono i punti di intersezione fra la retta B e la circonferenza di centro p e raggio pari alla distanza fra a e p. A seconda della disposizione
delle rette e del punto e della scelta di a tale intersezione pu essere vuota
o data da uno o due punti. Sicuramente possibile trovare un punto a
in modo che tale circonferenza intersechi la retta B in due punti quindi la
relazione non iniettiva. La relazione suriettiva se e solo se la distanza
della retta B dal punto p non inferiore a quella della retta A da p.
Esempio 1.6 Sia p N. Consideriamo la relazione (Z, R, Z) dove (n, m)
R se e solo se n m divisibile per p. Deve quindi essere n = m + kp
Capitolo 1
Insiemistica
con k Z. Ne segue che la relazione non iniettiva. Daltro canto, dato

un numero m sempre possibile trovare un intero n tale che n m sia
multiplo di p. Ne segue che la relazione suriettiva. Poich 0 divisibile
per ogni intero non nullo la relazione riflessiva. Se n m divisibile
per p lo chiaramente anche m n, la relazione quindi simmetrica. Si
verifica facilmente che la relazione anche transitiva. Si tratta quindi di
una relazione di equivalenza. Linsieme quoziente Z/R si chiama insieme
delle classi di resto modulo p e si indica con Zp . Se, ad esempio, p = 2 due
numeri interi sono in relazione se la loro differenza divisibile per 2, cio
se pari. Ne segue che [0] contiene tutti i numeri pari e [1] tutti i numeri
dispari. Queste due classi esauriscono tutti i numeri interi ne segue che
Z2 = {[0], [1]}. Ogni numero pari un rappresentante di [0] cos come
ogni numero dispari lo per [1].
Esempio 1.7 La relazione (Z, R, N) dove (m, n) R se e solo se n =
m2 + 1 rappresenta ovviamente la funzione f : Z N, f (m) = m2 + 1.
Tale funzione non iniettiva in quanto f (m) = f (m). La funzione non
suriettiva, infatti scelto n = 3 se f fosse suriettiva dovrebbe esistere
m Z tale che m2 + 1 = 3.
Esempio 1.8 Chiamiamo cardinalit di un insieme A il numero di elementi di A, che indichiamo con #A. Siano A e B insiemi finiti ed f : A B
una funzione biunivoca. Poich f iniettiva due elementi distinti di A
hanno immagini distinte, ne segue che #B #A. Essendo f suriettiva ogni
elemento di B ha almeno una retroimmagine in A, ne segue che #A #B.
Quindi #A = #B. Nel caso di insiemi infiniti questo fatto rimane vero ma
si presentano fenomeni che sfuggono allintuizione. Si considerino gli insiemi N e N \ {1} e la funzione f : N N \ {1} data da f (n) = n + 1. E
semplice verificare che questa una corrispondenza biunivoca. Ne segue
che la cardinalit di N non cambia se si priva N di un elemento.
Esercizio 1.4 Rappresentare nel piano cartesiano R2 = R R linsieme
delle coppie (x, y) con xRy, dove la relazione definita da
a) (N, R, N),
b) (R, R, R),
c) (R, R, R+ ),
R = {(x, y) | x y};
R = {(x, y) | x = y oppure y = 5};
R = {(x, y) | y = x 2 + x 1}.
Esercizio 1.5 Sia A = {1, 2, 3, 4, 5} e sia data la relazione (A, R, A), dove
(a1 , a2 ) R se e solo se x + y = 6. Esplicitare gli elementi di R e stabilire
il dominio e il codominio della relazione. Stabilire inoltre se la relazione
Strutture algebriche
1.3
gode delle propriet riflessiva, simmetrica e transitiva. E vero che questa

relazione coincide con la sua inversa?
Esercizio 1.6 Provare che la relazione (Z (Z \ {0}), R, Z (Z \ {0}), dove
R = {((a, b), (c, d)) | ad = bc}
di equivalenza.
Esercizio 1.7 Sia A = N {0} e sia data la relazione (A A, R, A) dove
((x, y), z) Rsez = x + y + 1. Stabilire se la relazione suriettiva,
iniettiva. Determinare gli elementi che sono in relazione con quelli della
forma (a, 1) con a A. Si consideri la relazione inversa e si determinino
gli elementi in relazione con 1.
Esercizio 1.8 Nello spazio Euclideo E 3 si fissi un punto o e si consideri la
seguente relazione (E 3 \{o}, R, E 3 \{o}), dove (p, q) R se e solo se p e q
appartengono alla stessa retta passante per o. Provare che questa una
relazione di equivalenza. Si osservi che ogni punto dello spazio quoziente
corrisponde ad una retta passante per o quindi questo spazio fornisce
una possibile modellizzazione per le immagini di macchine fotografiche o
cineprese.
In questa sezione introduciamo alcuni concetti che non troveranno
(per motivi di spazio) grande applicazione nel corso ma sono fondamentali in molte applicazioni, ad esempio la crittografia. Lo scopo primario
qui vedere, in un caso in cui possibile verificare tutto facendo dei
semplici calcoli, come ad una certa classe di insiemi sia naturale associare dei particolari sottoinsiemi e delle funzioni. Questo dovrebbe
permettere di familiarizzare con dei concetti che verranno ripresi ed approfonditi pi avanti.
Definizione 1.2 Un gruppo un insieme G in cui siano definite due operazioni, il prodotto G G G e linversa G G, che godano delle seguenti
propriet
(i) Esiste un elemento e G, detto elemento neutro, tale che g G
si abbia g e = e g = g.
(ii) Vale la propriet associativa cio g1 , g2 , g3 G si ha (g1 g2 )
g3 = g1 (g2 g3 ).
Capitolo 1
Insiemistica
(iii) Esiste lelemento inverso, g G, g 1 G tale che g g 1 =

g 1 g = e.
Definizione 1.3 Un gruppo G detto commutativo (o abeliano) se g1 , g2
G si ha g1 g2 = g2 g1 .
Esempio 1.9 I numeri interi Z, i razionali Q ed i reali R hanno una struttura di gruppo commutativo rispetto alloperazione di somma. Gli insiemi
Q = Q \ {0} e R = R \ {0} hanno una struttura di gruppo commutativo
rispetto alloperazione di prodotto.
Loperazione di gruppo , in generale, chiamata prodotto. Come

si vede dallesempio precedente questa operazione pu coincidere con
unoperazione gi nota sullinsieme considerato, come la somma tra numeri reali.
Esempio 1.10 Riprendiamo gli insiemi Zp = {[0], [1], . . . , [p 1]} introdotti nellesempio 1.6. Definiamo unoperazione binaria tramite
[m] + [n] = [m + n].
In questa definizione abbiamo usato, al secondo membro, come rappresentanti di [m] e [n] i numeri m e n rispettivamente. Per provare che
la definizione ben posta occorre controllare che il risultato al secondo
membro non varia se si scelgono altri rappresentanti di [m] e [n]. Se
[m] = [m ] e [n] = [n ] si ha che esistono h, k Z tali che m = m + hp
e n = n + kp quindi
[m + n] = [m + hp + n + kp] = [m + n + (h + k)p] = [m + n ]
ovvero il risultato delloperazione di somma tra classi di equivalenza non
dipende dai rappresentanti scelti. Questa operazione fornisce una struttura di gruppo su Zp infatti lelemento neutro [0], linverso di [m]
[m] e si verifica immediatamente che vale la propriet associativa.
Esempio 1.11 Consideriamo il caso G = Z6 = {[0], [1], [2], [3], [4], [5]}.
1.3
Possiamo costruire la tabella relativa alloperazione del gruppo

+
[0]
[1]
[2]
[3]
[4]
[5]
[0]
[1]
[2]
[3]
[4]
[5]
[0]
[1]
[2]
[3]
[4]
[5]
[1]
[2]
[3]
[4]
[5]
[0]
[2]
[3]
[4]
[5]
[0]
[1]
[3]
[4]
[5]
[0]
[1]
[2]
[4]
[5]
[0]
[1]
[2]
[3]
[5]
[0]
[1]
[2]
[3]
[4]
Ad, esempio, linverso di [2] [4].

Esempio 1.12 In Zp anche possibile definire un prodotto tra classi di
equivalenza tramite
[m] [n] = [mn].
Come nel caso precedente il risultato delloperazione non dipende dai rappresentanti scelti e loperazione risulta ben definita. In analogia con il
caso dei reali e dei razionali ci si pu aspettare che questo fornisca una
struttura di gruppo allinsieme Z
p = Zp \ {[0]}. Questo, in generale, non
avviene infatti Zp non neanche chiuso rispetto alloperazione. In Z

6 si
ha
[2] [3] = [6] = [0] Z6 .
Per quanto riguarda le altre propriet si ha che esiste un elemento neutro, dato da [1], ma non tutti gli elementi hanno inverso moltiplicativo
(ad esempio [2] e [3] in Z6 ). Se p un numero primo questo non pu
accadere e si prova che Z
p ha effettivamente una struttura di gruppo.
Non sono solo gli insiemi numerici ad avere una struttura di gruppo.
Esempio 1.13 Consideriamo linsieme delle simmetrie di un triangolo
equilatero. Queste sono date dallidentit, dalle simmetrie rispetto alle
altezze e dalle rotazioni di 120 gradi con centro nel circumcentro del triangolo. La composizione di due tali simmetrie ancora una simmetria e
fornisce una struttura di gruppo allinsieme delle simmetrie del triangolo.
Tale gruppo detto gruppo diedrale di ordine 6 e lo si indica con D6 .
La costruzione si generalizza allinsieme delle simmetrie di un poligono
regolare di k lati, ottenendo un gruppo con 2k elementi.
Esempio 1.14 Unaltra importante classe di esempi data dai gruppi
10
Capitolo 1
Insiemistica
simmetrici. Questi sono dati dallinsieme delle permutazioni degli elementi di un insieme fissato dove loperazione di prodotto data dalla
composizione. Consideriamo ad esempio un un insieme composto da 3 elementi {A, B, C}. Possiamo enumerare le possibili permutazioni in base al
mumero di elementi che queste tengono fermo. C una sola permutazione
che fissa tutti gli elementi 0 : (A, B, C)) (A, B, C) (lelemento neutro del
gruppo), una permutazione che fissa solo lelemento A e scambia B e C:
23 : (A, B, C) (A, C, B) e altre due 13 e 12 che tengono rispettivamente fissi B e C. Esistono infine due permutazioni che non fissano alcun
elemento 231 : (A, B, C) (B, C, A), 312 : (A, B, C) (C, A, B). A titolo
di esempio si ha la composizione
12 312 : (A, B, C) (C, A, B) (A, C, B) = 23 .
Il gruppo simmetrico di un insieme di n oggetti composto da n! elementi.
I primi esempi di gruppo che abbiamo dato sono gli interi, i razionali
e i numeri reali, muniti delloperazione di somma. Abbiamo ovviamente
linclusione Z Q R. Loperazione di gruppo in Z coincide con la
restrizione a Z delloperazione di gruppo definita in Q e lo stesso avviene
per Q visto come sottoinsieme di R. In pratica abbiamo che il gruppo R
contiene dei sottoinsiemi che hanno, rispetto alloperazione di gruppo
definita in R, una struttura di gruppo. Questo un fenomeno che si
presenta molto spesso
Definizione 1.4 Un sottogruppo di un gruppo G un sottoinsieme S G
che sia chiuso rispetto alle operazioni di prodotto ed inversione definite in
G.
Si dimostra facilmente che un sottogruppo , a sua volta, un gruppo
munito delle operazioni di prodotto ed inversione indotte da G.
Esempio 1.15 Consideriamo il gruppo diedrale D6 di ordine 6. Gli elementi di questo gruppo si possono dividere in due classi: le rotazioni e i
ribaltamenti. Si verifica facilmente che linsieme dei ribaltamenti non
chiuso rispetto al prodotto, mentre quello delle rotazioni {e, r , r 2 } lo ed
chiuso anche rispetto alloperazione di inversione. Ne segue che linsieme
delle rotazioni costituisce un sottogruppo del gruppo diedrale, costituito
da 3 elementi.
Capita spesso in matematica che a delle classi di insiemi si associno
delle funzioni che li mettono in relazione. Vediamo qui un primo esem-
1.3
pio, nel caso dei gruppi. Pi avanti studieremo in modo approfondito il

caso degli spazi vettoriali, in cui si verifica lo stesso fenomeno.
Definizione 1.5 Siano G e G due gruppi. Un omomorfismo di G in G
una funzione f : G G tale che
g1 , g2 G :
f (g1 g2 ) = f (g1 ) f (g2 ).
Se f sia iniettiva che suriettiva detta isomorfismo .

Nella definizione di omomorfismo si richiede che lapplicazione f sia
compatibile con la struttura dei due gruppi. Limmagine del prodotto
di due elementi di G deve essere il prodotto in G delle singole immagini
dei due elementi.
Esempio 1.16 Lapplicazione f : Z2 Z6 definita da f ([m]) = [m] un
omomorfismo. Si ha infatti
f ([0] + [0]) = f ([0 + 0]) = f ([0]) = [0] = [0] + [0] = f ([0]) + f ([0]),
f ([1] + [0]) = f ([1 + 0]) = f ([1]) = [1] = [1] + [0] = f ([1]) + f ([0]),
f ([1] + [1]) = f ([1 + 1]) = f ([0]) = [0] = [1] + [1] = f ([1]) + f ([1]).
Esempio 1.17 Lapplicazione Z3 D6 definita da
f ([0]) = e,
f ([1]) = r ,
f ([2]) = r 2
un omomorfismo. Lapplicazione iniettva ma non suriettiva, la sua

immagine il sottogruppo R D6 delle rotazioni. Considerata come
applicazione Z3 R risulta quindi iniettiva e suriettiva e si tratta di un
isomorfismo.
Dimostriamo ora alcune propriet degli omomorfismi che pi avanti
troveremo ancora riformulate per il caso degli spazi vettoriali.
Definizione 1.6 Sia f : G G un omomorfismo tra gruppi. Indicato con
e lelemento neutro di G si definisce il nucleo di f come
ker (f ) = {g G : f (g) = e }
linsieme degli elementi di G che hanno come immagine e . Si definisce
limmagine di f come
im(f ) = {g G : g G, f (g) = g }.
11
12
Capitolo 1
Insiemistica
Proposizione 1.1 Sia f : G G un omomorfismo tra gruppi allora

ker (f ) un sottogruppo di G e Im(f ) un sottogruppo di G .
Dim. Iniziamo col provare che ker (f ) un sottogruppo. Siano g1 , g2

ker (f ) dobbiamo provare che il loro prodotto ancora in ker (f ), infatti
f (g1 g2 ) = f (g1 ) f (g2 ) = e e = e .
Sia g ker (f ), proviamo ora che g 1 ker (f ):
e = f (g) f (g)1 = e f (g 1 ) = f (g 1 ).
Proviamo ora che limmagine di f un sottogruppo di G . Se g1 , g2
im(f ) esistono g1 , g2 G tali che f (g1 ) = g1 e f (g2 ) = g2 , quindi
g1 g2 = f (g1 ) f (g2 ) = f (g1 g2 )
quindi g1 g2 immagine di un elemento di G ed appartiene ad im(f ).
Sia g im(f ) e sia g G tale che f (g) = g allora
g f (g 1 ) = f (g) f (g 1 ) = e
quindi f (g 1 ) linverso di g in G ed appartiene allimmagine di G.
Esercizio 1.9 Provare che Zp un gruppo commutativo mentre il gruppo

diedrale di ordine 6 non lo .
Esercizio 1.10 Si consideri il gruppo diedrale di ordine 6 definito nellesempio
1.13. Indicata con e lidentit, con r la rotazione di 120 gradi e con s
una simmetria rispetto ad unaltezza si verifichi che i restanti elementi
del gruppo sono r 2 , r s, r 2 s e si costruisca la tavola moltiplicativa del
gruppo.
Esercizio 1.11 Provare che, se p primo, loperazione di prodotto in Z
p
interna.
Esercizio 1.12 Dire se uninsieme G = {a, b, c, d} munito di unoperazione
1.3
prodotto definita dalla seguente tabella
a
b
c
d
b
a
d
c
a
b
c
d
d
c
b
a
c
d
b
a
ha una struttura di gruppo.

Esercizio 1.13 Nel gruppo delle permutazioni dellinsieme {1, 2, 3, 4} si
determinino tutti gli elementi che fissano la coppia {2, 4} e si verifichi che
formano un sottogruppo.
13
Matrici
Le matrici sono uno strumento essenziale in geometria. Della vasta
teoria che le riguarda tratteremo solo alcune delle operazioni elementari,
funzionali ad altre parti del corso.
Definizione 2.1 Una matrice di tipo mn (a coefficienti reali) un insieme
ordinato di m n numeri reali disposti su m righe e n colonne. Se m = n
la matrice si dice quadrata e n detto ordine della matrice.
Una matrice A quindi un oggetto rappresentabile nella forma
a11
a
21
A=
..
.
am1
a12
a22
..
.
..
.
am2
a1n
a2n
..
.
amn
dove si indica con aij il numero posto allintersezione della i-esima

riga con la j-esima colonna. Utilizzeremo convenzionalmente lettere
maiuscole per denotare le matrici e le corrispondenti minuscole per denotarne gli elementi.
Esempio 2.1 Le matrici
A=
!
1 2
,
0 1
!
0 0 0
,
B=
2 1 1
1 0 0
C = 0 1 1 .
0 0 2
Sono matrici di tipo 2 2, 2 3, 3 3 rispettivamente. Lelemento a22

della matrice A uguale a 1, lelemento b21 della matrice B uguale a
2, lelemento c3,2 della matrice C uguale a 0. Le matrici A e C sono
quadrate, di ordine 2 e 3 rispettivamente.
E possibile definire alcune operazioni tra matrici. Noi prenderemo in
Matrici
2.1
considerazione la trasposizione, somma, il prodotto per uno scalare e il

prodotto.
Definizione 2.2 Sia A una matrice di tipo m n. La trasposta di A una
matrice, che indichiamo con B = AT , di tipo n m i cui elementi sono
definiti da bij = aji .
Loperazione di trasposizione consiste quindi nello scambiare le righe
con le colonne.
!
1 2 0
. Allora
Esempio 2.2 Sia A =
1 1 1
1 1
AT = 2 1 .
0 1
Definizione 2.3 Siano A e B due matrici di tipo m n. Si definisce la
matrice somma C di A e B, che indicheremo con C = A + B, come la
matrice i cui elementi sono definiti da cij = aij + bij.
Si sommano quindi gli elementi che occupano la stessa posizione nelle
matrici. E possibile effettuare la somma tra matrici solo se queste sono
dello stesso tipo.
Esempio 2.3 Siano
A=
!
1 2
,
3 4
La matrice A + B sar allora

A+B =
B=
!
1 0
.
1 0
!
2 2
.
4 4
Osserviamo alcune propriet elementari della somma che seguono da

quelle dei numeri reali.
(i) La somma tra matrici possiede un elemento neutro, la matrice 0 i
cui elementi sono tutti nulli. E lunica matrice che verifica 0 + A =
A + 0 = A.
(ii) La somma tra matrici commutativa, cio A + B = B + A.
Definizione 2.4 Sia A una matrice e un numero reale. Il prodotto di
15
16
Capitolo 2
Matrici e determinanti
per la matrice A la matrice B = A i cui elementi sono definiti da

bij = aij .
Per calcolare il prodotto di una matrice per uno scalare si moltiplicano
tutti gli elementi della matrice per quel numero.
!
1 2
. Si ha
Esempio 2.4 Sia = 2 e A =
2 0
!
2 4
.
2 A =
4 0
Lultima operazione tra matrici che definiamo il prodotto, ed di
gran lunga la pi complessa.
Definizione 2.5 Sia A una matrice di tipo m n e B una matrice di tipo
n k. Il prodotto di A per B la matrice C = A B, di tipo m k, i cui
elementi sono definiti da
cij =
n
X
ais bsj .
s=1
Il prodotto si effettua mettendo al posto cij la somma dei prodotti

degli elementi della i-esima riga di A per i corrispondenti elementi della
j-esima colonna di B. Tale prodotto anche detto prodotto righe per
colonne. Si osservi che il numero di colonne di A deve essere uguale al
numero di righe di B.
Esempio 2.5 Siano
A=
1 1 1
,
2 0 1
Si ha allora
AB =
1 2 1
0 .
B = 3 1
0 1 0
!
4 4 1
.
2 5 2
Enunciamo alcune propriet del prodotto tra matrici.

(i) Il prodotto gode della propriet distributiva rispetto alla somma,
se A una matrice di tipo m n, B e C sono di tipo n k, si ha
A (B + C) = A B + A C.
Matrici
2.1
(ii) Il prodotto gode della propriet associativa. Se A di tipo m n,

B e C sono di tipo n k e k r , rispettivamente, si ha
A (B C) = (A B) C.
(iii) Sia A una matrice quadrata di ordine n. Esiste una matrice, che
indichiamo con In , tale che
A In = In A = A.
Tale matrice costituisce lelemento neutro rispetto al prodotto. E
definita da iij = 1 se i = j e iij = 0 altrimenti, cio
1 0 0
0 1 0
In =
..
..
.. ..
.
. .
.
0 0
gli unici elementi diversi da zero sono quelli sulla diagonale,

tutti uguali ad 1. Tale matrice detta matrice identit di ordine n.
(iv) Siano A e B due matrici quadrate di ordine n, in tal caso possibile
effettuare i prodotti A B e B A. In generale questi sono diversi,
cio il prodotto fra matrici non gode della propriet commutativa
(Cfr. Esercizio 2.2).
Consideriamo infine un caso particolare
Definizione 2.6 Sia A una matrice quadrata di ordine n. Se k un numero naturale, si definisce la potenza k-sima di A come il prodotto di k
copie di A
Ak = A A
A.
0
1
1 0 1 0
2
3
. Calcolare
Esercizio 2.1 Siano A = 1 0 2 0 e B =
1 2
0 0 1 1
3 4
A B.
!
!
2 1
1 1
. Calcolare i prodotti A B
,B=
Esercizio 2.2 Siano A =
1 1
0 2
e B A.
!
1 0
. Calcolare A2 .
Esercizio 2.3 Sia A =
2 1
17
18
Capitolo 2
Esercizio 2.4 Sia A =
!
1 1
. Calcolare Ak , dove k un numero natu0 1
rale.

Esercizio 2.5 Sia A = 1 1 1 . Calcolare A AT . Provare che se A
una matrice di tipo 1 n, si ha A AT = 0 se e solo se A la matrice nulla.
Esercizio 2.6 Risolvere la seguente equazione matriciale

1
0

3 X 2 = 1 0 1 1 .
1
3
Esercizio 2.7 Siano V1 =
1
0
e V2 =
!
0
. Calcolare A V1 e A V2 dove
1
A la matrice
1)
2 0
,
0 2
2)
2
2
2
2
2
2 ,
2
2
3)
!
0 1
,
1 0
4)
!
1 0
.
0 1
!
x
lelemento di coordinate (x, y) del
Associando ad una matrice X =
y
piano cartesiano R2 , possibile pensare alla funzione X A X come
ad una funzione R2 R2 . Considerare, per ogni scelta della matrice A,
i punti del piano corrispondenti a V1 e V2 e le loro immagini. Cercare di
dedurne il comportamento globale della funzione.
Determinante di una matrice

Sia A una matrice quadrata di ordine n. E possibile associare ad A un
numero reale, detto determinante della matrice A, che indichiamo con
det(A). La sua definizione piuttosto elaborata. Trattiamo dapprima i
casi pi semplici

Se n = 1 la matrice A della forma A = a . Si definisce in tal caso
det(A) = a.
!
a11 a12
Se n = 2 la matrice A della forma A =
. Si definisce in tal
a21 a22
caso det(A) = a11 a22 a12 a21 .
Esempio 2.6 Sia A =
2.2
!
2 1
. Il suo determinante
3 1
det(A) = 2 1 1 3 = 1.
Vediamo questa espressione in un modo che consente di generalizzarla. Scegliamo una riga, ad esempio la prima. Per ogni elemento aij
di tale riga consideriamo la matrice che si ottiene cancellando
la riga e

la colonna che lo contengono. Questa matrice a22 se stiamo con

siderando lelemento a11 e a21 se stiamo considerando a12 . Quindi
moltiplichiamo aij per il determinante della matrice corrispondente (che
in questo caso di ordine 1). Cambiamo segno al risultato se la somma
degli indici i e j dispari (questo equivale a moltiplicarlo per (1)i+j ).
Otteniamo a questo punto le due quantit a11 a22 e a12 a21 . La loro
somma il determinante della matrice.
Formalizziamo questa costruzione
Definizione 2.7 Sia A una matrice quadrata di ordine n. Sia aij un suo
elemento e Aij la matrice (di ordine n 1) che si ottiene da A cancellando la i-esima riga e la j-esima colonna (ovvero la riga e la colonna che
contengono aij ). Il complemento algebrico ij di aij
ij = (1)i+j det(Aij ).
1 0 2
Esempio 2.7 Sia A = 2 1 1. Il complemento algebrico di a21

0 1 2
!
0 2
= 2.
21 = det
1 2
Diamo ora la definizione generale di determinante di una matrice. Tale
definizione induttiva, nel senso che si definisce il determinante di una
matrice di ordine n supponendo di saper calcolare i complementi algebrici dei suoi elementi, cio (a meno del segno) dei determinanti di
matrici di ordine n 1.
Definizione 2.8 Sia A una matrice quadrata di ordine n. Il determinante
di A
n
X
det(A) =
aij ij
j=1
dove i un qualsiasi indice compreso tra 1 e n.
19
20
Capitolo 2
Si pu provare che il determinante di una matrice non dipende dalla

scelta (arbitraria) della riga secondo la quale svilupparlo. Il risultato non
cambia se, anzich scegliere una riga, si fosse fissata una colonna. Si
pu provare che si ha
det(A) =
n
X
aij ij .
i=1
Questa arbitrariet pu essere sfruttata per calcolare il determinante. In

particolare conviene sempre scegliere la riga (o la colonna) contenente il
maggior numero di elementi nulli.
2 0 0
Esempio 2.8 Sia data la matrice A = 2 1 1. Calcoliamo il deter1 1 2

minante di A sviluppandolo secondo la prima riga. Si ha
!
!
!
1 1
2 1
2 1
det(A) = 2 det
0 det
+ 0 det
=
1 2
1 2
1 1
e ovvio che non occorre calcolare dei determinanti che verranno moltiplicati per 0,
!
1 1
= 2 (2 + 1) = 6.
= 2 det
1 2
1
0 1 1
1 1 2 0
svilupEsempio 2.9 Calcoliamo il determinante di A =

2
0 1 1
1 1 1 1
pandolo secondo la seconda colonna. Si ha
1 1 1
1 1 1
det(A) = det 2 1 1 det 1 2 0 = 0 (2) = 2

1 1 1
2 1 1
1 2 3
Esempio 2.10 Sia A = 4 5 6. Si ha

8 8 9
!
!
4 6
5 6
+3
2
det(A) = det
8 9
8 9
= 3 + 24 24 = 3.
4 5
8 8
2.2
Enunciamo, senza dimostrarle, alcune propriet del determinante

(i) Siano A e B due matrici quadrate di ordine n. Si ha
det(A B) = det(A) det(B).
(ii) Sia A una matrice quadrata, allora
det(A) = det(AT ).
(iii) Se in una matrice A uno riga o una colonna composta da soli 0,
si ha det(A) = 0.
Altre utili propriet del determinante verranno provate in un paragrafo successivo quando daremo una interpretazione geometrica del determinante.
Concludiamo questo paragrafo con un caso particolare. Nel caso delle
matrici quadrate di ordine 3, esiste un metodo alternativo di calcolo del
determinante, noto come regola di Sarrus. Lo mostriamo con un esempio
1 0 3
Esempio 2.11 Sia A = 2 0 1. A partire da A costruiamo una

3 1 2
seconda matrice B, ottenuta da A aggiungendo, dopo la terza colonna,
copie della prima e della seconda colonna
1 0 3 1 0
B = 2 0 1 2 0 .
3 1 2 3 1
Nella matrice B possiamo considerare 3
1 . . . .
. 0 . .
. 0 . . . , . . 1 .
. . 2 . .
. . . 3
e 3 diagonali destre
. . .
.
0
. . . 2 . ,
. . 2
.
.
diagonali sinistre
.
. . 3
.
.
. , . . . 2 . ,
.
. . .
.
1
. . . 1 .
. . 1 . . ,
. 1 . . .
. . 3 . .
. 0 . . . .
3 . . . .
Il determinante di A si ottiene moltiplicando tra loro gli elementi delle

diagonali, sommando i prodotti ottenuti dalle diagonali sinistre e sottraendo la somma dei prodotti delle diagonali destre
det(A) = 0 + 0 + (6) 0 1 0 = 7.
21
22
Capitolo 2
Si ricordi che tale regola pu essere applicata esclusivamente al caso

di matrici di ordine 3.
1
3
Esercizio 2.8 Calcolare il determinante della matrice A =

7
1
1
1
6
1
2
4
1
3
1
5
.
2
4
Esercizio 2.9 Determinare

i valori del
parametro A per i quali il determi1 2 3
nante della matrice A = a 3 2 si annulla.

6 1 a
1 1 2
0 1 1
Esercizio 2.10 Siano A = 0 2 1 , B = 1 0 1. Verificare che

1 1 0
0 1 2
det(A B) = det(B A).
Esercizio 2.11 Siano
1 0
0
0 2 0
0 3
A=0
.
..
..
..
.
.
0
0
0
..
.
0
0
0
..
.
B=0
.
..
a12
2
0
..
.
a13
a23
3
..
.
..
.
a1n
a2n
a3n
.
..
.
La matrice A detta diagonale , la matrice B detta triangolare. Calcolare il determinante di A e B.
Vettori liberi
Indichiamo con E 3 lo spazio Euclideo. Definiamo vettore applicato una
coppia ordinata di punti (p, q) E 3 E 3 . Se i punti sono distinti individuano una retta e, considerando la successione dei due punti, una
orientamento sulla retta. Chiamiamo p primo estremo (o punto di applicazione) del vettore e q secondo estremo del vettore. Fissata una unit
di misura, la distanza di p da q detta modulo (o lunghezza) del vettore.
Se p = q il vettore detto vettore nullo .
E comodo dare una rappresentazione grafica di un vettore con una
freccia che congiunga i punti p e q.
Nelluso pratico pu essere conveniente adottare la simbologia q p
in sostituzione di (p, q).
Dati due vettori applicati non nulli, si dice che questi hanno la stessa
direzione se le rette su cui giacs
t
ciono sono parallele o coincidenti.
r
p
In tal caso diremo che hanno lo
u
stesso verso se inducono la stessa
orientazione sulle rette parallele
(pi rigorosamente, se si trasla uq
na delle due rette, muovendola parallelamente a se stessa, fino a far
coincidere i primi estremi, i punti
Fig. 3.1 Vettori con la stessa direzione
finali si trovano sulla stessa semiretta con origine nel primo estremo).
Con riferimento alla Fig. 3.1 i vettori (t, u) e (p, q) hanno lo stesso
verso mentre (t, u) e (r , s) hanno verso opposto. Un vettore nullo ha,
per convenzione, la stessa direzione e lo stesso verso di qualsiasi altro
vettore applicato.
Nellinsieme V dei vettori applicati definiamo una relazione (V , R, V )
dove (p, q)R(r , s) se i due vettori hanno la stessa direzione, lo stesso
verso e lo stesso modulo. In pratica due vettori applicati sono in relazione se possibile sovrapporre le corrispondenti frecce con una
24
Capitolo 3
Calcolo Vettoriale
traslazione in modo che coincidano. Questa risulta essere una relazione

di equivalenza e il corrispondente spazio quoziente V = V /R detto
spazio dei vettori liberi i suoi elementi sono detti vettori liberi o pi semplicemente vettori .
Le notazioni, per quanto concerne i vettori liberi, non sono univocamente determinate. A seconda dello scopo si usa la notazione che rende
pi semplice la comprensione.
Un generico elemento di V verr usualmente denotato con una sottolineatura, ad esempio v. Si user
r
----
t
anche la notazione pq in sostituzione di [(p, q)] per indicare linsieme dei vettori equivalenti al vetu
s
p
tore applicato (p, q). Quando sia
chiaro il contesto si utilizzer, con
abuso di notazione, la scrittura q
q
p. Per il vettore nullo verr usata la notazione 0. Dato un vettore
Fig. 3.2 Vettori equivalenti
libero v, risultano ben definiti la
sua direzione (che la direzione di una retta sulla quale giaccia un rappresentante di v), il suo verso ed il suo modulo |v| (calcolabili scegliendo
un qualsiasi rappresentante). Fissato un punto p esiste ed unico il
punto q tale che (p, q) sia un rappresentante di v. Per costruirlo si considera la retta passante per p e parallela alla direzione di v. Il verso di
v permette di scegliere una delle semirette di origine p. Su questa esiste
un solo punto la cui distanza da p uguale al modulo di v.
Operazioni elementari
Nellinsieme V dei vettori liberi possibile definire delle operazioni.
Consideriamo due operazioni elementari, la somma tra vettori ed il
prodotto di un vettore per un numero (prodotto per uno scalare).
Dati due vettori v, w di definisce la loro somma v + w mediante
la cosiddetta regola del parallelogrammo. Si fissi un punto o e si
q
v +w
determini il rappresentante (o, p)
w
di v avente il primo estremo in o,
quindi il rappresentante (p, q) di
p
o
v
w avente il primo estremo in p. Il
vettore applicato (o, q) , per defiFig. 3.3 Somma tra vettori
nizione, il rappresentante di v +w.
La costruzione effettuata per definire la somma di due vettori liberi
3.2
dipende dalla scelta (arbitraria) del punto o. Non per difficile verificare che il risultato di tale costruzione lo stesso qualunque sia il punto
o. In particolare possibile considerare i rappresentanti dei vettori v
e w applicati nello stesso punto o. In tal caso il secondo estremo di
v + w il vertice opposto ad o nel parallelogrammo che ha per lati i due
rappresentanti (tale parallelogramma degenera in un segmento se i due
vettori sono paralleli!).
Il vertice opposto ad o pu essere raggiunto seguendo due diversi percorsi sul perimetro del parallelov
grammo. Uno di tali percorsi rappresenta, secondo la definizione daw
w
ta di somma di vettori liberi, v +w,
laltro w + v. Quindi
v
v +w = w +v
(3.1)
Fig. 3.4 Commutativit della somma
cio loperazione di somma tra vettori liberi commutativa (cos come

lo la somma tra numeri reali).
Dalla definizione segue immediatamente che, qualunque sia v,
v + 0 = v.
(3.2)
Cio il vettore nullo lelemento neutro nella somma tra vettori liberi
(svolge lo stesso ruolo di 0 nella somma di numeri reali).
Dato un vettore v si consideri un suo rappresentante (p, q). Sulla
semiretta avente origine in p, con la stessa direzione di v ma verso
opposto, si consideri il punto q avente la stessa distanza di q da p.
La coppia (p, q ) rappresenta un vettore libero e si verifica immediatamente che la somma di v con tale vettore ha come risultato il vettore
nullo. Tale vettore si indica con v ed detto opposto di v.
v + (v) = 0.
(3.3)
Si osservi che v lunica soluzione della equazione vettoriale

x + v = 0.
In questo modo risulta definita la differenza fra due vettori. Considerando dei rappresentanti applicati
in uno stesso punto di due vettori non
w
v w
paralleli v e w, la loro differenza v
w rappresentata dalla diagonale del
v
parallelogrammo che li ha come lati diversa da quella che ne rappresenta la
Fig. 3.5 Differenza tra vettori
25
26
Capitolo 3
Calcolo Vettoriale
somma, orientata dal secondo estremo del rappresentante di w al secondo estremo del rappresentante di v.
Si pu provare che la somma tra vettori gode anche della propriet
associativa, cio
(v + w) + t = v + (w + t).
(3.4)
Questo implica che non necessario indicare lordine in cui si effettuano

le somme ed possibile omettere le parentesi nella somma di pi vettori
scrivendo semplicemente v + w + t.
Esempio 3.1 Siano v e w due vettori liberi. Esiste sempre (ed unico)
un vettore x tale che x + v = w. Geometricamente la sua costruzione
si effettua considerando due rappresentanti (o, p) e (o, q) dei due vettori (n.b. uno o entrambi i vettori potrebbero essere nulli). Il vettore
(p, q) , per costruzione, soluzione dellequazione. Per una soluzione algebrica: supponiamo che x sia una soluzione dellequazione. Essendo vera
luguaglianza x + v = w questa rester vera se si aggiunge a ciascuno
dei due membri il vettore v (cfr. Esercizio 3.1). Si ottiene x = w v.
Viceversa si prova, per sostituzione, che il vettore trovato effettivamente
una soluzione.
Definiamo adesso la seconda operazione elementare sui vettori liberi.
Sia v V e R. Il prodotto di v per lo scalare un vettore libero,
che indichiamo con v definito come segue:
(i) se v = 0 o = 0 si pone v = 0;
(ii) altrimenti, v un vettore avente la stessa direzione di v, lo
stesso verso se > 0 (verso opposto se < 0) e modulo pari a
|||v| (il simbolo | | ha nel primo caso il significato di valore assoluto di un numero reale, nel secondo quello di modulo di un
vettore).
Il prodotto di un vettore per uno scalare gode delle seguenti propriet:
se v, w V , , R,
1 v = v;
(3.5)
(v) = ()v;
(3.6)
( + )v = v + v;
(3.7)
(v + w) = v + w.
(3.8)
v
2v
v
Fig. 3.6 Prodotto per uno scalare
3.2
In molti altri insiemi, oltre a quello

dei vettori liberi, possibile definire le operazioni di somma e prodotto
per uno scalare in modo che siano soddisfatte le propriet 3.1-3.4 e 3.53.8. Gli insiemi che godono di tali propriet si chiamano spazi vettoriali e costituiscono un argomento centrale nella geometria di base. Per
analogia col caso dei vettori liberi gli elementi di uno spazio vettoriale si
chiamano ancora vettori .
Esempio 3.2 Indichiamo con P3 linsieme dei polinomi di grado non superiore a 3 a coefficienti reali nellindeterminata x. Ogni elemento p(x)
P3 si potr scrivere nella forma
p(x) = a x 3 + b x 2 + c x + d.
La somma di due polinomi p(x) + q(x) e il prodotto di un polinomio per
uno scalare p(x) sono operazioni ben definite che soddisfano tutte le
propriet richieste a uno spazio vettoriale. La dipendenza dal grado
del tutto ininfluente, in modo del tutto analogo si pu definire linsieme
Pn dei polinomi di grado non superiore ad un naturale n o, pi in generale linsieme P dei polinomi nellindeterminata x (qualunque sia il loro
grado). Tutti questi insiemi sono spazi vettoriali.
Esempio 3.3 Si definisce Rn come linsieme delle n-uple ordinate di numeri reali. Un elemento di Rn sar della forma (x1 , . . . , xn ). Si definiscono in Rn le operazioni di somma e prodotto per uno scalare nel modo
pi naturale
(x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn ),
(x1 , . . . , xn ) = ( x1 , . . . , xn ).
Si verifica facilmente che, con queste definizioni, Rn uno spazio vettoriale.
Le notazioni del calcolo sui vettori liberi si possono applicare alla
soluzioni di problemi nello spazio euclideo, considerando i vettori applicati.
Esempio 3.4 Siano a, b, c i tre vertici di un triangolo e a , b , c rispettivamente i punti medi dei lati opposti a tali vertici. Si pu provare che si
ha
3
(a, a ) + (b, b ) + (c, c ) = ((a, b) + (b, c) + (c, a)) .
2
27
28
Capitolo 3
Calcolo Vettoriale
Infatti (a, a ) = (a, b)+ 2 (b, c), (b, b ) = (b, c)+ 2 (c, a), (c, c ) = (c, a)+
1
2
(a, b). Sommando i tre termini si ha la tesi
Esercizio 3.1 Provare che se a, b, c sono tre vettori liberi che verificano
a + b = c + b allora a = c.
Esercizio 3.2 Dimostrare, usando la definizione di somma tra vettori, che
tale operazione gode della propriet associativa (3.4).
Esercizio 3.3 Provare che 0 v = 0 e (1) v = v qualunque sia il vettore
v.
Esercizio 3.4 Provare che se v = 0 si deve avere v = 0 o = 0.
Esercizio 3.5 Linsieme P30 dei polinomi di grado non superiore a 3 e tali
che p(0) = 0 per ogni p(x) P30 uno spazio vettoriale?
Esercizio 3.6 Provare che linsieme C 1 [0, 1] delle funzioni derivabili con
derivata continua nellintervallo [0, 1] uno spazio vettoriale. Il suo sottoinsieme costituito dalle funzioni f (x) t.c. f (0) = 1 ancora uno spazio
vettoriale?
Esercizio 3.7 Provare che se x il punto medio del segmento ab e o un
punto qualsiasi, si ha
(o, x) =
1
((o, a) + (o, b)) .
2
Parallelismo e complanarit
Ad ogni vettore non nullo v possiamo associare un altro vettore, detto
versore di v, definito da
ver s v =
1
v.
|v|
Il versore di v un vettore che ha la stessa direzione e lo stesso verso

di v (infatti si moltiplica v per un numero positivo) e modulo 1.
Definiamo ora il parallelismo fra vettori liberi.
Definizione 3.1 Due vettori liberi non nulli v e w si dicono paralleli se
hanno la stessa direzione .
3.3
Il vettore nullo 0 parallelo, per definizione, a qualsiasi altro vettore.

Se v e w sono non nulli possiamo considerare i corrispondenti versori,
ver s v e ver s w, segue immediatamente dalla definizione che ver s v =
ver s w oppure ver s v = ver s w a seconda che i due vettori abbiano
o meno lo stesso verso. Quindi
w = |w| ver s w = |w| ver s v =
|w|
v.
|v|
Si pu quindi dare una condizione necessaria e sufficiente affinch due

vettori siano paralleli, uno deve essere multiplo dellaltro:
Proposizione 3.1 Due vettori v 0 e w sono paralleli se e solo se
esiste un numero reale tale che w = v.
Dim. Se i due vettori sono paralleli, da quanto osservato preceden|w|
temente, segue che basta scegliere = |v| , dove la scelta del segno
dipende dal fatto che i vettori abbiano o meno lo stesso verso (cfr. Esercizio 3.3).
Se w = v si ha, dalla definizione, che v (quindi w) un vettore
parallelo a v.
Definizione 3.2 Tre vettori v, w, t si dicono complanari se, considerando
tre loro rappresentanti (o, p), (o, q), (o, r ), applicati in uno stesso punto
o, i punti o, p, q, r giacciono tutti su di uno stesso piano.
La definizione data di complanarit sfrutta la scelta arbitraria di un
punto o. Si verifica facilmente che la dipendenza dal punto o in realta ininfluente.
Come nel caso del parallelismo possibile dare una semplice condizione necessaria e sufficiente per la complanarit di tre vettori. E per
conveniente introdurre due nuove nozioni, pi generali, che ne faciliteranno la definizione.
Definizione 3.3 Siano dati dei vettori liberi v 1 , . . . , v n e degli scalari
1 , . . ., n . Si dice combinazione lineare di v 1 , . . . , v n con coefficienti
1 , . . . , n il vettore
v = 1 v 1 + . . . + n v n .
Esaminiamo pi in dettaglio questa condizione.
Se n = 1 la combinazione lineare di v 1 con coefficiente 1 il vettore
29
30
Capitolo 3
Calcolo Vettoriale
v = 1 v 1 che , per la Proposizione 3.1, un vettore parallelo a v. Tale

proposizione potrebbe quindi essere riformulata come segue
Proposizione 3.2 Se v un vettore non nullo, i vettori paralleli a v
sono tutte e sole le combinazioni lineari di v.
Se n = 2 la combinazione lineare di v 1 e v 2 con coefficienti 1 , 2 il
vettore v = 1 v 1 + 2 v 2 . Questa
rappresenta la somma, effettuata
con la regola del parallelogrammo,
dei due vettori 1 v 1 e 2 v 2 , che
3v + 2w
sono paralleli rispettivamente a v 1
e v 2 . Essendo il parallelogrammo
w
una figura piana si ha che il vettore
v
v complanare a v 1 e v 2 . Questo
suggerisce il seguente criterio per
Fig. 3.7 Combinazione lineare
verificare la complanarit
Proposizione 3.3 Dati due vettori v, w non paralleli. I vettori complanari con v e w sono tutte e sole le combinazioni lineari di v e w.
Dim. Se v combinazione lineare di v 1 e v 2 abbiamo gi osservato che

complanare ai due vettori. Supponiamo adesso che v sia complanare
a v 1 e v 2 e proviamo che pu essere scritto come combinazione lineare
dei due vettori. Il caso in cui v parallelo a v 1 o v 2 elementare ed
lasciato come esercizio(cfr. Esercizio 3.8). Consideriamo tre rappresentanti (o, p), (o, q), (o, r ) dei vettori v 1 , v 2 e v. La retta parallela alla
direzione di v 1 e passante per r interseca la retta passante per o e q in
un punto q . Il vettore applicato (o, q ) parallelo ad (o, q) quindi rappresenta un vettore v 2 = 2 v 2 per un opportuno 2 R. Analogamente,
la retta parallela alla direzione di v 2 e passante per r interseca la retta
passante per o e p in un punto p . Il vettore applicato (o, p ) rappresenta quindi un vettore v 1 = 1 v 1 per un opportuno 1 R. Essendo
o, p , r , q un parallelogrammo si ha v = v 1 + v 2 = 1 v 1 + 2 v 2 .
Insistiamo su altri modi di guardare alle condizioni di parallelismo e
complanarit.
Abbiamo visto che, se v non nullo e w parallelo a v si ha w = v
quindi
w v = 0.
(3.9)
3.3
Analogamente la condizione che t sia complanare a v e w pu essere

scritta come
t 1 v 2 w = 0.
(3.10)
Quindi esiste una combinazione lineare (i cui coefficienti sono non tutti
nulli, in quanto quello di v nella (3.9) e quello di t nella (3.10) sono uguali
ad 1) dei vettori in esame che ha come risultato il vettore nullo. Questo
suggerisce la seguenti definizioni
Definizione 3.4 Dei vettori v 1 , . . . , v n si dicono linearmente dipendenti
se esiste una loro combinazione lineare, i cui coefficienti non siano tutti
nulli, che ha come risultato il vettore nullo. Se si ha invece che
1 v 1 + . . . + n v n = 0
implica necessariamente 1 = . . . = n = 0 i vettori si dicono linearmente
indipendenti .
Si osservi che se, nella precedente definizione, n = 1, il vettore v 1
linearmente dipendente se e solo se il vettore nullo infatti si deve avere
1 v 1 = 0 con v 0 (cfr. Esercizio 3.4). Se uno tra i vettori v 1 , . . . , v n ,
ad esempio v 1 , nullo, i vettori sono linearmente dipendenti infatti la
loro combinazione lineare
v1 + 0 v2 + . . . + 0 vn
nulla ma il coefficiente di v 1 diverso da 0.
Esempio 3.5 I vettori v, w e 2 v w sono linearmente dipendenti in
quanto il terzo combinazione lineare dei primi due.
Esempio 3.6 Siano v e w due vettori linearmente indipendenti. Allora
v e v + w sono linearmente indipendenti. Dal punto di vista geometrico
questo ovvio, se fossero linearmente dipendenti dovrebbero essere paralleli, mentre, fissando dei rappresentanti, v + w la diagonale di un
parallelogrammo di cui v lato, quindi il parallelismo impossibile.
Verifichiamo il risultato anche per via algebrica. Se, per assurdo, fossero linearmente dipendenti, esisterebbe una loro combinazione lineare
nulla
1 v + 2 (v + w) = 0
31
32
Capitolo 3
Calcolo Vettoriale
dove almeno uno tra 1 e 2 non nullo. Applicando le propriet della

somma e del prodotto per scalari si ricava immediatamente
(1 + 2 ) v + 2 w = 0.
Poich i vettori v e w sono supposti linearmente indipendenti, i coefficienti della combinazione lineare scritta sopra devono essere nulli. Cio
1 + 2 = 0 e 2 = 0. Questo implica 1 = 2 = 0 contro lipotesi che
almeno uno dei coefficienti non fosse nullo.
Esempio 3.7 Siano v 1 , . . . , v n dei vettori linearmente indipendenti. Ogni
sottoinsieme di {v 1 , . . . , v n ) composto da vettori linearmente indipendenti. E possibile verificarlo ragionando per assurdo. Supponiamo che vi
sia un sottoinsieme composto da vettori linearmente dipendenti, ad esempio v 1 , . . . , v r . Esiste allora una loro combinazione lineare nulla
1 v 1 + . . . + n v n = 0.
A partire da questa possibile costruire una combinazione lineare nulla,
ma con coefficienti non tutti nulli, di v 1 , . . . , v n , il che assurdo. Indicato
infatti con i il coefficiente di v i , si pone i = i se i r e i = 0 se i > r .
Esempio 3.8 Siano a, b, c tre punti distinti e allineati dello spazio euclideo
ed o un punto qualsiasi. Si pu provare che esistono 3 scalari non tutti
nulli tali che 1 + 2 + 3 = 0 e
1 (o, a) + 2 (o, b) + 3 (o, c) = (o, o).
Infatti i vettori applicati corrispondenti a (a, b) e (a, c) sono paralleli
quindi linearmente dipendenti, esistono quindi due numeri, , , entrambi
non nulli, tali che
(a, b) + (a, c) = (o, o).
Dalla regola del parallelogrammo si ha che (a, b) = (o, b) (o, a) e
(a, c) = (o, c) (o, a). Sostituendo si determinano 1 , 2 , 3 .
La definizione di lineare dipendenza e lineare indipendenza identica
quando si consideri, invece dello spazio dei vettori liberi, un qualsiasi
spazio vettoriale.
Esempio 3.9 Si consideri linsieme P3 dei polinomi di grado non superiore a 3 (cfr. Esempio 3.2). I vettori (cio i polinomi) 1 + x, 2x 1 sono
3.3
linearmente indipendenti. Se una loro combinazione lineare

1 (1 + x) + 2 (2x 1)
fosse nulla (il vettore nullo in questo caso il polinomio che assume il
valore costante 0), si dovrebbe avere
(1 + 22 )x + 1 2 = 0
per ogni x R. Poich un polinomio identicamente nullo se e solo se
tutti i suoi coefficienti sono nulli si deve avere 1 + 22 = 1 2 = 0.
Questo possibile solo se 1 = 2 = 0.
Esempio 3.10 Si consideri lo spazio vettoriale R3 (cfr. Esempio 3.3) e i
seguenti vettori v1 = (1, 0, 0) , v2 = (1, 0, 1) , v3 = (1, 0, 1). Questi sono
linearmente dipendenti infatti, supponendo nulla una loro combinazione
lineare
1 (1, 0, 0) + 2 (1, 0, 1) + 3 (1, 0, 1) = (0, 0, 0),
cio
(1 + 2 3 , 0, 2 + 3 ) = (0, 0, 0),
si ricava il sistema 1 +2 3 = 0 e 2 +3 = 0. Dalla seconda equazione
si ricava 2 = 3 , sostituendo nella prima si ricava 1 = 23 . Questo sistema ammette quindi infinite soluzioni (per ogni valore del parametro 3
si possono ricavare 1 e 2 in modo che tutte le equazioni siano verificate).
In particolare la soluzione 1 = 2, 2 = 1, 3 = 1 una soluzione non
nulla.
Esercizio 3.8 Completare la dimostrazione della proposizione 3.3 nel caso
in cui il vettore v parallelo a v 1 .
Esercizio 3.9 Siano v, w e t tre vettori non complanari. Provare che i
vettori v + t, v + 2w, w + t sono linearmente indipendenti.
Esercizio 3.10 Siano u e v due vettori linearmente indipendenti. Si determinino tutti i sottoinsiemi composti da vettori linearmente indipendenti
in

(i) u, u, 0, v ;

(ii) u, 2 u, 0, v, 2 v ;

(iii) u, u + v, u + 2 v, u + 3 v .
33
34
Capitolo 3
Calcolo Vettoriale
Esercizio 3.11 Siano a, b, c, d dei punti complanari dello spazio euclideo

ed o un punto qualsiasi. Si provi che esistono degli scalari i , la cui somma
sia nulla e sia verificata
1 (o, a) + 2 (o, b) + 3 (o, c) + 4 (o, d) = (o, o).
Esercizio 3.12 Siano u, v, t tre vettori linearmente indipendenti. Provare
che i vettori

u + t, v + t, 2 v t, 3 u
sono linearmente dipendenti.
Esercizio 3.13 Siano u e v due vettori linearmente indipendenti. Verificare che i vettori t 1 = v 2 u e t 2 = 3 uv sono linearmente indipendenti.
Scrivere u e v come combinazione lineare di t 1 e t 2 .
Esercizio 3.14 Siano v 1 , . . . , v n dei vettori complanari (n 3). Da quanti
elementi composto, al pi, un loro sottoinsieme di vettori linearmente
indipendenti?
Esercizio 3.15 Si provi che i polinomi 1, x, x 2 , x 3 di P3 sono linearmente
indipendenti.
Esercizio 3.16 Si consideri lo spazio vettoriale P3 (cfr. Esempio 3.2) e i
seguenti polinomi: p(x) = x 2 x + 1, q(x) = 2x + 1, r (x) = x 2 + x + 2,
s(x) = x 2 + x + 1. Provare che
(i) p(x) e q(x) sono linearmente indipendenti;
(ii) p(x), q(x) e r (x) sono linearmente dipendenti;
(iii) p(x), q(x) e s(x) sono linearmente indipendenti.
Si esprima quindi q(x) come combinazione lineare di p(x) e r (x).
Esercizio 3.17 Si consideri lo spazio vettoriale R4 (cfr. Esempio 3.3) e
i seguenti vettori v1 = (1, 1, 0, 0) , v2 = (1, 0, 1, 0) , v3 = (0, 1, 1, 0) ,
v4 = (1, 0, 0, 1). Dire se sono linearmente indipendenti e, se possibile,
esprimere v = (1, 0, 0, 1) come combinazione lineare di v1 , . . . , v4 .
Basi dello spazio dei vettori liberi

Per introdurre il concetto di base premettiamo un Teorema, noto come
Teorema della Base
Basi dello spazio dei vettori liberi
3.4
Teorema 3.1 Siano v 1 , v 2 , v 3 tre vettori linearmente indipendenti.

Ogni vettore libero si esprime in modo unico come combinazione lineare di v 1 , v 2 , v 3 .
Dim.
I tre vettori v 1 , v 2 , v 3 non sono complanari (si veda lequazione (3.10)).
Consideriamo quindi tre loro rappresentanti (o, p), (o, q), (o, r ) applicati in uno stesso punto o. I punti o, p, q, r non sono quindi complanari.
Indichiamo invece con il piano individuato dai punti o, p, q.
Sia ora v un qualsiasi vettore libero e (o, s) il suo rappresentante applicato nel punto o. La retta passante
per s e parallela alla direzione di (o, r )
r
interseca in un punto s , il vettore applicato (s , s) , per co-struzione paralq
s
lelo a (o, r ), quindi rappresenta un vettore w 3 parallelo a v 3 . Esiste allora uno
scalare 3 tale che w 3 = 3 v 3 . Il vets
tore applicato (o, s ) rappresenta un vetp

o
tore w complanare con v 1 e v 2 . Poich
v 1 e v 2 sono non paralleli (cfr. Esempio
Fig. 3.8 Il teorema della base
3.7), dalla Proposizione 3.3 segue allora
che w = 1 v 1 + 2 v 2 . I vettori v, w e w 3 sono complanari e, dalla
costruzione, risulta chiaro che v = w + w 3 . Sostituendo le espressioni
trovate si ha la prima parte della tesi. Proviamo che lespressione trovata
unica. Se si avesse anche
v = 1 v 1 + 2 v 2 + 3 v 3
uguagliando le due espressioni trovate si avrebbe
1 v 1 + 2 v 2 + 3 v 3 = 1 v 1 + 2 v 2 + 3 v 3
portando i termini del secondo membro al primo membro
(1 1 ) v 1 + (2 2 ) v 2 + (3 3 ) v 3 = 0.
Essendo i tre vettori v 1 , v 2 e v 3 linearmente indipendenti i coefficienti
della combinazione lineare devono essere tutti nulli, cio lespressione
di v come combinazione lineare di v 1 , v 2 e v 3 unica.
Diamo quindi la definizione di base
35
36
Capitolo 3
Calcolo Vettoriale
Definizione 3.5 Si definisce base dello spazio dei vettori liberi una terna
di vettori linearmente indipendenti.
In particolare ogni base dello spazio dei vettori liberi composta da 3
elementi. Dal Teorema della base segue che, data una base, qualsiasi altro vettore pu essere scritto come combinazione lineare degli elementi
della base. Sia v 1 , v 2 , v 3 una base, se le si aggiunge un quarto vettore
v 4 questa propriet continua ad essere valida, cio ogni vettore v pu
essere scritto come combinazione lineare di v 1 , v 2 , v 3 e v 4 , solo che
questa scrittura non pi univoca. Infatti essendo v 1 , v 2 , v 3 una base i
vettore v e v 4 si potranno esprimere come combinazione lineare
v = 1 v 1 + 2 v 2 + 3 v 3
v 4 = 1 v 1 + 2 v 2 + 3 v 3 .
Si hanno quindi le seguenti due possibili espressioni di v come combinazione lineare di v 1 , v 2 , v 3 e v 4
v = 1 v 1 + 2 v 2 + 3 v 3 + 0 v 4
e
v = (1 1 ) v 1 + (2 2 ) v 2 + (3 3 ) v 3 + v 4 .
Le due espressioni sono distinte in quanto i coefficienti di v 4 sono rispettivamente uguali a 0 e 1.
Alla luce di quanto visto possibile dare una definizione equivalente
di base
Definizione 3.6 Una base di V un insieme B di vettori linearmente
indipendenti tali che ogni vettore di V possa essere espresso come combinazione lineare di elementi di B.
Questa definizione apparentemente ridondante ma ha il pregio di
essere la giusta generalizzazione della definizione di base per gli spazi
vettoriali.
Esempio 3.11 Si consideri lo spazio vettoriale P3 . DallEsercizio 3.15 si
ricava che i polinomi 1, x, x 2 , x 3 sono linearmente indipendenti. Daltro
canto ogni polinomio di P3 si pu scrivere come p(x) = ax 3 + bx 2 +
cx + d ed quindi combinazione lineare, con coefficienti d, c, b, a dei
polinomi considerati. Ne segue che B = {1, x, x 2 , x 3 } una base di P3 . In
particolare per uno spazio vettoriale generico non detto che una base
sia composta da 3 elementi.
Prodotto scalare e ortogonalit
3.5
Esercizio 3.18 Sia B = {v 1 , v 2 , v 3 } una base di V . Provare che B =

{v 1 + v 2 , v 3 , v 1 + v 3 } ancora una base di V . Si esprima v 1 come
combinazione lineare degli elementi della nuova base.
Esercizio 3.19 Sia B = {v 1 , v 2 , v 3 } una base di V . Per quali valori del
parametro h, i seguenti insiemi
B = {v 1 + v 2 , h v 1 + v 2 v 3 , v 1 v 2 + 3 v 3 }
B = {(h 2) v 1 + v 2 + v 3 , h v 1 + v 2 + 2v 3 , h v 1 + (h 1) v 3 }
costituiscono ancora basi di V .
Esercizio 3.20 Si provi che B = {1 + x, 1 x, 1 x 2 , 1 x 3 } una base
dello spazio vettoriale P3 .

Si definiscono ora delle operazioni pi complesse sui vettori, che risultano utili quando si utilizzano i vettori come modello per una situazione
geometrica o fisica.
Preliminarmente occorre definire langolo tra due vettori liberi. Dati
due vettori liberi non nulli consideriamo due loro rappresentanti applicati in uno stesso punto o. Questi individuano un piano. Le semirette
contenenti i vettori, individuano due angoli.
Definizione 3.7 Si definisce angolo fra due vettori liberi non nulli u e v
d
langolo convesso, indicato con u
v, formato da due semirette contenenti
due loro rappresentanti applicati in uno stesso punto.
E evidente che la definizione di angolo ben posta, ovvero non dipende
dalla scelta del punto o. La definizione
dipende invece dalla scelta di un verso
q
di rotazione positivo sul piano contenente i due rappresentanti dei vettori (si
d
u
v
d
definisce quindi positivo l angolo u
v se
la rotazione che porta la semiretta conp
o
tenente il rappresentante di u sulla seconda semiretta avviene nel verso posiFig. 3.9 Angolo tra vettori
d
tivo). Ne segue che v
u = d
uv. La cond
dizione di convessit implica che u
v .
37
38
Capitolo 3
Calcolo Vettoriale
Esempio 3.12 Siano u e v due vettori paralleli non nulli. Langolo da essi
formato 0 se i vettori hanno lo stesso verso, se hanno verso opposto.
Definizione 3.8 Due vettori liberi non nulli u e v si dicono ortogonali se
cos(d
uv) = 0. Il vettore nullo , per definizione, ortogonale a qualsiasi
altro vettore.
Nella pratica non utilizzeremo il calcolo di un coseno per verificare
lortogonalit tra due vettori. La seguente definizione, apparentemente
pi complessa, condurr, in un paragrafo successivo, ad un semplicissimo modo di verificare se due vettori sono ortogonali.
Definizione 3.9 Dati due vettori liberi u e v, si definisce il loro prodotto
scalare come
u v = |u| |v| cos(d
uv).
E quindi istantaneo il seguente criterio di ortogonalit
Proposizione 3.4 Due vettori liberi sono ortogonali se e solo se il loro
prodotto scalare nullo.
Siano u e v due vettori liberi non paralleli. Consideriamo due loro
rappresentanti (o, p) e (o, q) applicati in uno stesso punto o. I punti
o, p, q individuano un piano. Possiamo considerare la retta passante per
q e ortogonale alla direzione di u. Questa intersecher la retta passante
per o e p in un punto q . Consideriamo il vettore v 1 rappresentato da
(o, q ). Questo parallelo al vettore u (ma potrebbe essere nullo, nel
caso il vettore v fosse ortogonale a u).
Applicando elementari teoremi di trigonometria al triangolo rettangolo di vertici o, q, q si ha che |v 1 | =
| cos(d
uv)| |v|. Osservando che v 1 ha lo
q
stesso verso di u se e solo se cos(d
uv) >
0, si prova facilmente (provando che i
due vettori hanno stessa direzione, modulo e verso) che si ha
p
o
q
v 1 = cos(d
uv)|v| ver s u.
(3.11)
Fig. 3.10 Proiezione ortogonale
Il vettore v 1 cos definito detto proiezione ortogonale di v nella diuv) |v| invece detto componente orientata
rezione di u. Lo scalare cos(d
di v nella direzione di u. In particolare il prodotto scalare di u e v il
prodotto del modulo di u per la componente di v nella direzione di u.
3.5
Il seguente Lemma sar utile nella dimostrazione di alcune propriet

del prodotto scalare.
Lemma 3.1 Siano dati dei vettori v e v 1 , . . . , v n . La proiezione ortogonale di v 1 + . . . + v n su v coincide con la somma delle proiezioni
ortogonali di v 1 , . . . , v n .
Dim. Si consideri un punto a0 e siano (a0 , a) e (a0 , a1 ) i rappresentanti

di v e v 1 applicati in a0 . Per 1 < i n si consideri quindi il rappresentante (ai1 , ai ) di v i . Dalla definizione di somma segue che (a0 , an ) il
rappresentante di v 1 + . . . + v n applicato in a0 . Si indichi, per 1 i n,
con ai la proiezione ortogonale di ai sulla retta per (a0 , a). Si ha allora che la proiezione di v i rappresentata da (a0 , ai ) e la proiezione di
v 1 + . . . + v n rappresentata da (a0 , an ). Considerando la somma delle
proiezioni si ha la tesi.
Soffermiamoci su alcune propriet del prodotto scalare.
(i) Dalla definizione segue immediatamente che il prodotto scalare
commutativo
u v = v u;
(ii) Il prodotto u u dato da |u|2 quindi
uu0 e
uu=0
se e solo se
u = 0;
(iii) Vale la seguente propriet distributiva

u (v + w) = u v + u w.
Questa una conseguenza immediata della interpretazione in termini di proiezione del prodotto scalare e del Lemma 3.1.
(iv) Si verifica facilmente (cfr. Esercizio 3.21) che vale
( u) v = u v.
Esempio 3.13 Siano u e v due vettori di modulo 1 e 2 rispettivamente.
Sapendo che u + v ortogonale a 2 u v, si pu determinare l angolo
tra u e v.
La condizione di ortogonalit fra i due vettori pu essere scritta come
39
40
Capitolo 3
Calcolo Vettoriale
0 =(u + v) (2 u v) =
=2u u u v + 2v u v v =
=2 + u v 4.
Da questa relazione si ricava u v = 2 e dalla definizione di prodotto

scalare cos(d
uv) = 1. Quindi langolo tra i due vettori nullo.
d
Esempio 3.14 Dati due versori noti u e v, tali che u
v = 2 . determiniamo
un terzo versore, complanare con u e v che formi un angolo di 3 con u.

Tale versore, che indichiamo con t, dovendo essere complanare con u
e v, deve essere una loro combinazione lineare, sar cio della forma
t = x u + y v.
Dovendo avere modulo uguale ad 1 deve verificare
t t = 1,
la condizione che formi un angolo di
con u equivale a
t u = |u| |t| cos(
).
3
Queste due equazioni devono permettere di determinare le incognite x e

y quindi il vettore t. Si ottiene il sistema
2
2
x + y = 1
1
x =
2
La sola soluzione accettabile per la y 23 (Cfr. Esercizio 3.22). Quindi
1
3
t = u+
v.
2
2
Questo esercizio poteva essere risolto in pi modi, sfruttando ad esempio relazioni note sui triangoli rettangoli. In generale questa classe di
problemi si presta a molte soluzioni alternative.
Due vettori ortogonali e non nulli sono linearmente indipendenti (altrimenti dovrebbero essere paralleli). Analogamente presi tre vettori non
nulli, a due a due ortogonali, questi sono non complanari, sono quindi
linearmente indipendenti (e costituiscono una base). La scelta di vettori
ortogonali pu quindi costituire un buon modo di costruire basi. Questo
ha il vantaggio di poter essere facilmente descritto algoritmicamente e
3.5
implementato su computer. Vediamo in dettaglio come possibile, a

partire da due vettori liberi non paralleli, costruire due vettori ortogonali.
Consideriamo due vettori linearmente indipendenti u e v e ripetiamo
la costruzione che ha condotto alla formula (3.11). Il vettore v 2 rappresentato da (q , q) ortogonale a u. Daltro canto si ha, per costruzione
v = v 1 + v 2 , quindi
v 2 = v cos(d
uv)|v| ver s u.
Ne segue che, partendo da due qualsiasi vettori non paralleli u e v,
abbiamo potuto costruire i due vettori ortogonali
u,
v 2 = v cos(d
uv)|v| ver s u.
Tale costruzione si effettua semplicemente sottraendo a v la sua proiezione ortogonale lungo u. E possibile ripetere questa costruzione nel
caso di 3 vettori linearmente indipendenti. Si considerano dei loro rappresentanti applicati in uno stesso punto o. Due qualsiasi di loro individuano un piano. Se si sottrae al terzo vettore la sua proiezione ortogonale
su tale piano (non abbiamo definito rigorosamente la proiezione di un
vettore su un piano, lasciamo questo allintuizione del lettore) otteniamo un vettore ortogonale al piano. Per i due vettori sul piano possiamo
procedere come nel paragrafo precedente. Questo procedimento solo
accennato in quanto per ottenere una terna di vettori ortogonali, procederemo in modo differente, utilizzando unaltra operazione sui vettori
liberi.
La definizione di prodotto scalare ammette una estensione anche al
caso generale degli spazi vettoriali, utilizzandone le propriet 1), .., 4) .
Di conseguenza risulta anche esteso il concetto di ortogonalit.
Esempio 3.15 Nello spazio vettoriale P3 definiamo
Z1
p(x) q(x) =
p(x) q(x) dx.
1
(3.12)
Con questa definizione le propriet 1), .., 4) sono di facile verifica. Determiniamo i polinomi ortogonali a p(x) = x. Questi sono esprimibili nella
forma q(x) = a x 3 + b x 2 + c x + d. Deve quindi essere
Z1
2
2
0=
(a x 4 + b x 3 + c x 2 + d x) dx = a + c.
5
3
1
41
42
Capitolo 3
Calcolo Vettoriale
Si tratta quindi dei polinomi della forma

q(x) = a x 3 + b x 2
3
a x + d.
5
Esempio 3.16 Si consideri lo spazio vettoriale R3 . E possibile definire un

prodotto scalare mediante
(x1 , x2 , x3 ) (y1 , y2 , y3 ) =
3
X
xi yi .
(3.13)
i=1
Anche in questo caso le propriet 1), .., 4) sono di facile verifica. Si pu

interpretare la definizione di prodotto scalare in termini di prodotti fra
matrici, si ha infatti

y1

T

x1 x2 x3 y2 =
x1 x2 x3 y1 y2 y3
=
y3
= (x1 , x2 , x3 ) (y1 , y2 , y3 ).
Determiniamo, ad esempio, langolo tra (0, 1, 1) e (2, 1, 2). Il prodotto

scalare tra questi due vettori 1. Il modulo del primo vettore (cio la
radice quadrata del prodotto scalare del vettore con se stesso) 2, quello
1
del secondo 3 ne segue 3 2 cos() = 1 da cui = arccos( 3 2 ).
La definizione data di prodotto scalare si estende in modo naturale allo
spazio vettoriale
Rn , semplicemente
associando alla n-pla (x1 , . . . , xn ) la

matrice x1 x2 xn .
Esercizio 3.21 Si provi la seguente propriet del prodotto scalare

( u) v = u v.
Esercizio 3.22 Giustificare, nellesempio 3.14, la scelta del valore dellincognita y.
Esercizio 3.23 Siano u, v, t tre vettori ortogonali di modulo 1,
rispettivamente. Determinare i moduli dei seguenti vettori.
1)
3)
u v,
u + 2 t,
2)
4)
2, 1
u + v t,
2 u 2v + t.
d
Esercizio 3.24 Siano u e v due vettori di modulo 1 e 2 tali che u
v =
4.
3.5
Calcolare
1)
3)
u v,
(2 u v) (u + v),
2) (u v) v,
4) (v 2u) (2 u + v).
Esercizio 3.25 Siano u, v due versori ortogonali. Determinare tutti i

vettori complanari con u e v che siano ortogonali a
1) u,
3) u + 2 v,
2)
4)
u + v,
uv e
u + 2 v.
Esercizio 3.26 Dati due versori ortogonali u e v, determinare un vettore

t, complanare a u e v, che formi con u un angolo rispettivamente di
1)
,
6
2)
,
4
3)
,
3
4)
2
,
3
e tale che larea di un parallelogrammo che abbia per lati due rappresentanti di u e t sia 2.
Esercizio 3.27 Siano u, v, t tre versori ortogonali. Determinare i valori
del parametro h per il quale le seguenti coppie sono formate da vettori
ortogonali
1) u + 2 v + 3 t, u + h v + t
3) u + t, 2h u + h v + h t
2) u + 2 v t, h u + v + (h 1) t
4) h u + (1 h) v + t, h u + 2 v t.
Esercizio 3.28 Siano u e v due versori. Determinare langolo tra u e v
sapendo che |2u v| = 3.

Esercizio 3.29 Sia B = {u, v, t} una base costituita da vettori ortogonali
di modulo 2.
Determinare i vettori ortogonali a u v + t;
Determinare i vettori ortogonali a u v + t e u + v + t;
Determinare i vettori ortogonali a u v + t, u + v + t e 2 v;
Determinare i vettori ortogonali a u v + t, u + v + t e u 2 v;
Interpretare geometricamente i risultati ottenuti;
Provare che se un vettore ortogonale agli elementi di una base
ortogonale a qualsiasi vettore. Dedurne che lunico vettore con
questa propriet il vettore nullo;
(vii) Provare che se si ha u v = t v qualunque sia il vettore v, allora
u = t.
(i)
(ii)
(iii)
(iv)
(v)
(vi)
43
44
Capitolo 3
Calcolo Vettoriale
Esercizio 3.30 Determinare, nello spazio vettoriale P3 munito del prodot1

to scalare definito nellEsempio 3.15, i vettori ortogonali a p(x) = 2 e
q(x) =
3 x.
2
Si verifichi inoltre che p(x) e q(x) sono versori ortogonali.
Esercizio 3.31 Si consideri lo spazio R3 munito del prodotto scalare defini2 1 2

1 2
2
to nellEsempio 3.16. Dati i vettori ( 3 , 3 , 3 ) e ( 3 , 3 , 3 ), determinare un
terzo versore in modo da ottenere una base ortogonale.
Esercizio 3.32 Si consideri lo spazio R3 munito del consueto prodotto
scalare. Determinare, nel piano contenente i vettori (1, 1, 0) e (1, 0, 1),
un vettore ortogonale a (1, 1, 0).
Prodotto vettoriale e prodotto misto

Abbiamo visto che lortogonalit tra vettori pu essere valutata utilizzando il prodotto scalare. Introduciamo due nuove operazioni tra vettori
che permettono di stabilire rispettivamente relazioni di parallelismo e di
complanarit tra coppie e terne di vettori.
Prima di dare le definizioni occorre precisare un criterio di scelta
nellorientazione dello spazio. Problema al quale gi abbiamo accennato
al momento di definire langolo tra due vettori.
Siano dati, nellordine, tre vettori linearmente indipendenti (cio una
base) v 1 , v 2 , v 3 . Si considerino tre loro rappresentanti (o, p), (o, q),
(o, r ), applicati in uno stesso punto o. I vettori applicati (o, p) e (o, q)
individuano un piano, il punto r star in uno dei due semispazi definiti
da tale piano. Un osservatore che si trovi nel semispazio contenente
r , per sovrapporre la semiretta di origine o contenente p a quella contenente q, secondo un angolo convesso, deve farle effettuare una rotazione
in senso orario oppure antiorario.
Si noti che la scelta di r nel semispazio opposto ha leffetto di invertire
tale verso, analogamente accade se si scambia il ruolo di v 1 con quello
di v 2 .
Definizione 3.10 Una terna ordinata di vettori linearmente indipendenti
si dice positivamente orientata se, applicati i tre vettori in uno stesso
punto, un osservatore posto nel semispazio individuato dal rappresentante del terzo vettore pu sovrapporre la direzione del rappresentante
del primo vettore su quella del secondo con una rotazione di un angolo
convesso in senso antiorario. In caso contrario si dice Negativamente orientata
3.6
Come nei casi precedenti la definizione non dipende dalla scelta del
punto di applicazione o. Invece, da quanto osservato sopra, segue che
la definizione di terna positivamente orientata dipende sostanzialmente
dallordine dei vettori in gioco. In particolare
(i) Se si scambia un vettore col suo opposto la terna, se positivamente
orientata, diviene negativamente orientata (e viceversa). Pi in
generale questo avviene se si moltiplica uno dei vettori per uno
scalare negativo, se lo scalare positivo tutto resta invariato.
(ii) Scambiando lordine di due dei vettori componenti la terna questa,
se positivamente orientata, diviene negativamente orientata (e viceversa).
(iii) Effettuando un numero pari di operazioni di cui ai punti precedenti la positivit o negativit della terna resta invariata.
Un modo per verificare la positivit di una terna di vettori non complanari considerare dei loro rappresentanti e utilizzare la "regola della
mano destra" nota dalla fisica.
Esempio 3.17 Sia u, v, t una base positivamente orientata (per brevit
useremo anche la terminologia "base positiva"). La terna u, v, 2 uv +2t
ancora positiva. Laver sostituito t con 2 u v + 2t non cambia il segno
della terna in quanto questo dipende solo dal semispazio in cui si trova il
secondo estremo di un rappresentante del terzo vettore. Questo lo stesso
per entrambe le terne in quanto determinato dal segno del coefficiente
di t, che positivo in entrambi i casi.
Possiamo ora definire una nuova operazione tra vettori, che ha come
risultato un terzo vettore.
Definizione 3.11 Siano u e v due vettori non paralleli. Si definisce prodotto vettoriale di u e v il vettore t = u v cos definito
(i) La direzione di t ortogonale a quella di u e v;
(ii) Il verso di t scelto in modo che la terna ordinata u, v, t sia positivamente orientata;
uv)|.
(iii) Il modulo di t dato da |u| |v| | sin(d
Se i due vettori sono paralleli (in particolare se uno dei due nullo) si
definisce u v = 0.
Nella definizione di prodotto vettoriale , in principio, poco chiaro
il significato della definizione data per
45
46
Capitolo 3
Calcolo Vettoriale
il modulo. In realt questa ha un siguv

nificato geometrico. Se si considerano
i vettori u, v e u + v, rappresentati da
v
(o, p), (o, q) e (o, r ), il modulo di u v
rappresenta larea del parallelogrammo
u
di vertici o, p, r , q. Se, in particolare, u
Fig. 3.11 Prodotto vettoriale
parallelo a v, il parallelogrammo degenera in un segmento e larea ovviamente nulla. Il prodotto vettoriale
lo strumento che utilizzeremo per verificare il parallelismo tra vettori
Teorema 3.2 Due vettori u e v sono paralleli se e solo se u v = 0.
Dim. Se u e v sono paralleli il risultato segue dalla definizione. Se
invece u v = 0, il suo modulo deve essere nullo. Se uno tra u e v
nullo il risultato ovvio in quanto il vettore nullo parallelo a qualsiasi
d
altro vettore. In caso contrario deve essere sin(d
uv) = 0, quindi u
v =0
d
ou
v = . In entrambi i casi i vettori sono paralleli.
Analizziamo alcune propriet del prodotto vettoriale
(i) Il prodotto vettoriale anticommutativo
u v = v u.
Infatti scambiando il ruolo di u e v e applicando i vettori in un
punto o, si ha che cambia il semispazio nel quale si deve trovare
il rappresentante di v u affinch la terna u, v, v u risulti
positiva. Modulo e direzione risultano invece invariati (segue dalle
propriet della funzione seno).
(ii) Qualunque sia lo scalare si ha
(u v) = ( u) v = u ( v).
Proviamo la prima delle due uguaglianze. Se = 0 entrambi i
membri sono nulli e luguaglianza ovvia. Supponiamo ora > 0.
In tal caso la direzione e il verso sono gli stessi per i due vettori. Per quanto riguarda il modulo, nel caso del primo membro
questo dato da |u| |v| | sin(d
uv)|, per il secondo membro, esd
sendo langolo tra u e v ancora uguale a u
v (segue dal fatto che
uv)|. Essendo > 0 si ha | u| = |u|
> 0), si ha | u| |v| | sin(d
(dalla definizione di prodotto per uno scalare) e quindi la tesi. Il
caso < 0 si tratta in modo analogo.
3.6
(iii) Valgono le propriet distributive (destra e sinistra) rispetto alla

somma
u (v + t) = u v + u t;
(u + v) t = u t + v t.
Non dimostriamo questultima propriet. Una possibile strategia
di dimostrazione sfrutta la propriet al punto 7) dellesercizio
3.29.
(iv) Il prodotto vettoriale non gode, in generale, della propriet associativa. E infatti possibile determinare dei vettori u, v e t tali
che
(u v) t u (v t).
Si cosiderino ad esempio due vettori non paralleli u, v. Si scelga
quindi t = v. Il secondo membro delluguaglianza nullo, infatti
v e t sono paralleli. Il primo membro non invece nullo. Potrebbe
esserlo solo se u v fosse parallelo a v (Cfr. Teorema 3.2), ma
essendo u e v non paralleli, u v ortogonale a v.
Esempio 3.18 Oltre a stabilire un criterio per il parallelismo tra vettori,
il prodotto vettoriale pu essere utilizzato per costruire terne ortogonali.
Dati due vettori non paralleli abbiamo visto, nel paragrafo precedente,
come sostituirli con una coppia di vettori ortogonali u e v. Per ottenere
una base ortogonale dello spazio dei vettori liberi allora sufficiente aggiungere il vettore u v. In generale, dati due vettori linearmente indipendenti u e v, la terna u, v e u v costituisce una base.
Esempio 3.19 Siano u e v due vettori tali che (u v) u = 3 (v u) u.
Portando tutto al primo membro e utilizzando la propriet antisimmetrica
si ottiene
4 (u v) u = 0.
Quindi i vettori u v e u devono essere paralleli. Se u v non nullo
ortogonale a u, quindi deve essere u v = 0. Ne segue che i vettori u e
v sono paralleli.
Esempio 3.20 Sia u, v, t una terna positivamente orientata di versori
1
1
ortogonali. Consideriamo i vettori v 1 = 3 (u + v + t) e v 2 = 2 (u t). Si
verifica facilmente che questi sono due versori ortogonali. Calcoliamone
47
48
Capitolo 3
Calcolo Vettoriale
il prodotto vettoriale. Poich il prodotto vettoriale si annulla se due vettori

sono paralleli si ha u u = 0 e cos anche per gli altri due componenti
della base. Ne segue, utilizzando le propriet distributive del prodotto
vettoriale
1
v 1 v 2 = (u t + v u v t + t u) =
6
utilizzando la propriet antisimmetrica del prodotto vettoriale
1
= (v u v t + 2 t u) =
6
per semplificare ulteriormente questa espressione, valutiamo il prodotto
u v. Questo deve essere un vettore ortogonale sia a u che a v. Siccome
u e v sono versori ortogonali, il suo modulo deve essere 1 (si tratta cio
di un versore), inoltre la terna u, v, u v deve essere positivamente
orientata. Ne segue che u v = t. Allo stesso modo (si pensi alla regola
della mano destra) si prova che v t = u e t u = v. Utilizzando ancora
lantisimmetria del prodotto vettoriale ci si riduce a
1
= (u + 2 v t).
6
Si osservi che nei paragrafi precedenti avevamo mantenuto un parallelismo fra le definizioni date per i vettori liberi e il caso pi generale degli spazi vettoriali. Nel caso del prodotto vettoriale levidenza
di questo parallelismo viene meno in quanto la definizione strettamente legata alla scelta di una orientazione, fatto ben visualizzabile solo
nel caso dello spazio Euclideo tridimensionale. Consideriamo allora lo
spazio vettoriale R3 che, come vedremo, in stretto legame con lo spazio
dei vettori liberi.
Esempio 3.21 Nello spazio vettoriale R3 definiamo il prodotto vettoriale
con la seguente formula
(x1 , x2 , x3 ) (y1 , y2 , y3 ) = (x2 y3 x3 y2 , x3 y1 x1 y3 , x1 y2 x2 y1 ).
Questo prodotto gode di tutte le propriet del prodotto vettoriale definito
per i vettori liberi. Pu ad esempio essere utilizzato per verificare il parallelismo o per determinare un vettore ortogonale a due vettori dati.
La formula che definisce il prodotto vettoriale in R3 , pu apparire incomprensibile e difficile da memorizzare. Come nel caso del prodotto
scalare si ottiene una sua rappresentazione in termini di matrici che pu
rendere pi semplice il suo calcolo

x2
(x1 , x2 , x3 )(y1 , y2 , y3 ) = (det
y2
!
x3
x3
, det
y3
y3
3.6
!
x1
x1
, det
y1
y1
49
!
x2
).
y2
Questo approccio condurr ad un ulteriore miglioramento della formula,

una volta introdotto il metodo delle coordinate.
Definiamo ora unaltra operazione tra vettori liberi
Definizione 3.12 Sia data una terna ordinata di vettori liberi u, v e t. Si
definisce loro prodotto misto lo scalare
u v t.
Per calcolare il prodotto misto di tre vettori si calcola dapprima il
prodotto vettoriale tra i primi due. Questo ha come risultato un vettore
e se ne calcola il prodotto scalare col terzo vettore.
Diamo una interpretazione geometrica del prodotto misto. Abbiamo
gi visto (Cfr. le osservazioni relative alla formula (3.11)) che il prodotto
scalare pu essere interpretato come il prodotto fra il modulo di u v e
la componente orientata di t lungo u v. Supponiamo che i tre vettori
non siano complanari. In tal caso il modulo di uv interpretabile come
larea di un parallelogrammo che abbia come lati due rappresentanti di u
e v, u v rappresentato da un vettore ortogonale al piano del parallelogrammo e la componente di t lungo tale vettore,a meno del segno, non
altro che laltezza del prisma che ha per lati i rappresentanti di u, v, t.
Il prodotto misto quindi, se considerato in valore assoluto, il volume
di tale prisma. Lannullarsi del prodotto misto equivale allannullarsi di
tale volume. Questo avviene se il prisma degenera in una figura piana,
ovvero se e solo se i tre vettori sono complanari. Ne segue
Teorema 3.3 Tre vettori u, v e t sono complanari se e solo se il loro
prodotto misto nullo.
Il prodotto misto quindi lo strumento che utilizzeremo per verificare la complanarit di tre vettori. Dimostriamo due utili propriet del
prodotto misto
Proposizione 3.5 Una terna ordinata di vettori non complanari u, v,
t positiva (negativa) se e solo se il loro prodotto misto positivo
(negativo).
50
Capitolo 3
Calcolo Vettoriale
Dim. Sappiamo che la terna u, v, u v positiva. La terna u, v, t positiva se e solo se, considerando i vettori applicati in uno stesso punto, i
rappresentanti di t e u v si trovano nello stesso semispazio individuato dal piano contenente i rappresentanti di u e v. Questo avviene se e
solo se langolo tra u v e t compreso tra 2 e 2 , cio se e solo se

cos() > 0. Per definizione di prodotto scalare si ha
u v t = |u v| |t| cos().
Ne segue che il prodotto misto e cos() hanno lo stesso segno, da cui la
tesi.
Proposizione 3.6 Siano u, v, t tre vettori liberi. Si ha
u v t = v t u = t u v.
Dim. In tutti e tre i casi possiamo interpretare il valore assoluto del

prodotto misto come volume di un prisma. I tre prismi in questione
sono uguali, avendo gli stessi spigoli. Basta quindi provare che i segni
dei tre prodotti misti sono uguali. Per la proposizione precedente questo
equivale a provare che le terne {u, v, t}, {v, t, u},{t, u, v} sono tutte
positive o tutte negative. Poich una qualsiasi di tali terne si ottiene
da unaltra mediante due scambi nella posizione dei vettori (ad esempio
{u, v, t} {v, u, t} {v, t, u}) il risultato segue dalla osservazione 3.
relativa alla Definizione 3.10.
Esempio 3.22 Sia u, v, t una base positiva. La terna u v, 2 u + t, v + t
ancora positiva, si ha infatti
(u v)(2 u + t) (v + t) = (u t 2 v u v t) (v + t) =
= u t v 2 v u t = v u t = u v t > 0.
Nel primo passaggio abbiamo utilizzato le propriet distributive del prodotto vettoriale e il fatto che questo si annulla se i due vettori sono paralleli. Nel secondo passaggio si sfrutta la propriet distributiva del prodotto
scalare e il fatto che il prodotto misto si annulla se due vettori sono
complanari. Nel terzo passaggio si sfrutta la Proposizione 3.6 e quindi
lantisimmetria del prodotto vettoriale.
Continuiamo nel definire operazioni analoghe a quelle date per i vettori liberi, nel caso di R3 .
3.6
Esempio 3.23 In R3 si definisce il prodotto misto fra tre vettori (x1 , x2 , x3 ),

(y1 , y2 , y3 ), (z1 , z2 , z3 ) mediante il prodotto scalare ed il prodotto vettoriale gi definiti. Si verifica che
x1
(x1 , x2 , x3 ) (y1 , y2 , y3 ) (z1 , z2 , z3 ) = det y1

z1
Ad esempio
x2
y2
z2
x3
y3 .
z3
(3.14)
1 0 1
(1, 0, 1) (2, 1, 1) (1, 1, 0) = det 2 1 1 = 0.

1 1 0
Poich il prodotto misto in R3 gode delle stesse propriet di quello definito

per i vettori liberi, si pu affermare che i vettori (1, 0, 1), (2, 1, 1), (1, 1, 0)
sono complanari, cio linearmente dipendenti. Questo pu essere valutato
nella direzione opposta. Se tre vettori di R3 sono linearmente dipendenti,
la matrice che si pu costruire mettendo nelle righe le loro componenti,
ha determinante nullo.
Le conclusioni tratte da questultimo esempio sono particolarmente
importanti e completano le fondamentali propriet del determinante gi
definite nel paragrafo 2 e sono valide non solo in R3 ma pi in generale
si ha
Proposizione 3.7 Sia A una matrice quadrata di ordine n. Il suo determinante nullo se e solo se le sue righe, interpretate come vettori di
Rn sono linearmente dipendenti.
Esempio 3.24 Riprendiamo la matrice esaminata nellesempio 3.22. In

questo caso la terza riga ottenuta sottraendo alla prima riga la seconda.
Equivalentemente
(1, 1, 0) = (1, 0, 1) + (2, 1, 1).
Cio il terzo vettore combinazione lineare dei primi due con coefficienti
1 e 1.
Esercizio 3.33 Sia u, v, t una base ortogonale positiva formata da versori. Dati i vettori w 1 = 2 u 2 v, w 2 = u + v t, determinare un terzo
vettore w 3 in modo che w 1 , w 2 , w 3 sia una base ortogonale.
51
52
Capitolo 3
Calcolo Vettoriale
Esercizio 3.34 Sia u, v, t una base ortogonale positiva formata da versori. Dati i vettori w 1 = u v + t, w 2 = 2 u v t, determinare, se
possibile, un terzo vettore w 3 tale che w 1 w 3 = w 2 .
Esercizio 3.35 Sia u, v, t una base ortogonale positiva formata da versori. Calcolare
1)
3)
5)
(u + 2 v) (u + v),
(u v + t) (u + v),
(u + v) (u + v + 2 t),
2)
4)
6)
(u + v t) (u + v t)
(u + 2 t) (u 2 t)
(2 u + 2 v t) (t + v).
Esercizio 3.36 Nello spazio vettoriale R3 calcolare i seguenti prodotti vettoriali

1)
3)
5)
(1, 2, 0) (1, 1, 0),

(1, 1, 1) (1, 1, 0),
(1, 3, 3) (0, 0, 1),
2)
4)
6)
(1, 1, 1) (1, 1, 1)
(2, 1, 1) (1, 0, 2)
(0, 3, 1) (1, 1, 1).
Esiste qualche collegamento fra la soluzione dei primi tre esercizi e quella
dei primi tre dellesercizio precedente?
Esercizio 3.37 Sia u, v, t una base ortogonale positiva formata da versori. Calcolare
1)
2)
3)
4)
(u + 2 v + 3 t) (u + v + t) (u v 2 t)
(u + 2 v t) (2 u + v t) (v + t)
(u + t) (2 u + v + t) (u + v)
(u + v + t) (u + 2 v t) t.
Esercizio 3.38 Sia u, v, t una base ortogonale positiva formata da versori. Determinare i valori del parametro h tale che i vettori w 1 = 2 u2 v,
w 2 = u + h v t, w 3 = h u 2 t siano linearmente dipendenti.
Esercizio 3.39 Calcolare i seguenti prodotti misti in R3 .
1) (0, 1, 0) (1, 0, 0) (0, 0, 1),
3) (1, 1, 0) (1, 1, 0) (2, 3, 1),
5) (1, 1, 3) (1, 0, 1) (2, 0, 1),
2) (1, 0, 1) (1, 1, 1) (2, 0, 1)

4) (1, 1, 1) (1, 0, 1) (0, 1, 2)
6) (1, 3, 2) (1, 1, 1) (3, 0, 0).
Esercizio 3.40 Determinare il valore del parametro h per il quale si annulla il prodotto misto
(2, 2, 0) (1, h, 1) (h, 0, 2).
Equazioni vettoriali
3.7
Esiste qualche analogia fra la soluzione di questo esercizio e quella dellesercizio 3.38?
Consideriamo, in questo paragrafo, delle equazioni vettoriali. Queste
sono equazioni nelle quali lincognita da determinare un vettore. Ne
consideriamo due classi, relative a operazioni che abbiamo definito sui
vettori liberi
La prima equazione che consideriamo
x v = .
In questa equazione sono assegnati il vettore v e lo scalare . Cominciamo col considerare alcuni casi particolari.
Se v = 0 lequazione diventa 0 = . Ha soluzione se e solo se il valore
assegnato a effettivamente 0. In tal caso lincognita x indeterminata, nel senso che qualsiasi vettore libero verifica lequazione.
Supponiamo dora innanzi v 0. Se = 0, lequazione diventa x v =
0. Per la caratterizzazione dellannullarsi del prodotto scalare data dal
Teorema 3.4 si ha che linsieme delle soluzioni x coincide con linsieme
dei vettori ortogonali a v.
Esempio 3.25 Sia u, v, t una terna ortogonale composta da versori. Consideriamo lequazione
x (u v) = 0.
Descriviamo esplicitamente linsieme dei vettori ortogonali a u v. Ogni
soluzione x esprimibile come combinazione lineare di u, v e t. Sar
x = a u + b v + c t. Lequazione diventa
0 = (a u + b v + c t) (u v) = a b.
Ne segue che le soluzioni possono essere descritte da x = a u + a v + c t,
al variare di a e c in R. Pi in dettaglio si ha x = a (u + v) + c t. Cio x
combinazione lineare dei vettori u + v e t. Linsieme delle combinazioni
lineari di due vettori non paralleli descrive linsieme dei vettori complanari con tali vettori. Questo corrisponde al fatto che, applicando i vettori
considerati in un punto o, linsieme dei vettori ortogonali ad un vettore
dato dato dai vettori che giacciono su di un piano.
53
54
Capitolo 3
Calcolo Vettoriale
Supponiamo dora innanzi 0. Lequazione pu essere riscritta

come |v| |x| cos(d
v x) = . Questo sigq
nifica che la componente di x lungo v
deve essere uguale a |v| . Il componente

q
di x lungo v, ovvero la proiezione di x
su v, deve quindi essere il vettore v 1 =
p
v.
=
A
soddisfare
questa
ver
s(v)
2
|v|
|v|
o
q
condizione sono tutti e soli i vettori x
Fig. 3.12 soluzioni di x v =
che si possono scrivere nella forma v 1 +
v 2 dove v 2 un vettore ortogonale a v.
Esempio 3.26 Consideriamo una variante dellesempio precedente
x (u v) = 2.
Si ha |u v|2 = 2. Da quanto visto la soluzione pu essere scritta nella
forma x = u v + v 2 , dove v 2 ortogonale a u v. Dallesempio
precedente ricaviamo quindi
x = u v + a u + a v + c t = (a + 1) u + (a 1) v + c t.
Il secondo tipo di equazione che consideriamo
x v = w,
dove v e w sono due vettori assegnati.
Cominciamo anche in questo caso da alcuni casi particolari.
Se v = 0, lequazione diventa 0 = w ed risolubile solo se w = 0. In
tal caso lincognita x indeterminata.
Supponiamo v 0. Se w = 0, lequazione diventa x v = 0. Per
la caratterizzazione dellannullarsi del prodotto vettoriale data dal Teorema 3.2, sappiamo che le soluzioni sono tutte e sole quelle della forma
x = v.
Supponiamo ora anche w 0. In tal caso osserviamo che (dalla stessa
definizione di prodotto vettoriale) condizione necessaria per lesistenza
di soluzioni che v sia ortogonale a w. Se questo avviene, ogni soluzione
x dellequazione necessariamente ortogonale a w. Come osservato
nellEsempio 3.25, linsieme dei vettori ortogonali ad un vettore non
nullo linsieme delle combinazioni lineare di due qualsiasi vettori non
paralleli ortogonali al vettore dato. Poich sia v che v w sono ortogonali a w, ogni soluzione della nostra equazione sar della forma
x = a v + b v w.
3.7
Non tutti i vettori di questo tipo sono per soluzioni. Per abbiamo
ridotto il problema a determinare due coefficienti scalari, a e b. Sostituiamo lespressione trovata per x nellequazione di partenza
w = (a v + b v w) v = b (v w) v.
Utilizzando la regola della mano destra facile convincersi che (v
w) v un vettore che ha la direzione ed il verso di w. Valutiamo il
suo modulo. Per definizione di prodotto vettoriale, essendo v w,v, w
ortogonali, questo b |v|2 |w|, cio
(v w) v = b |v|2 |w| ver s(w) = b |v|2 w.
1
Deve quindi essere 1 = b |v|2 da cui b = |v|2 . Le soluzioni dellequazione

sono quindi tutte e sole quelle della forma
x = av +
1
v w,
|v|2
dove a un parametro arbitrario.

Esempio 3.27 Sia u, v, t una terna ortogonale positiva composta da versori. Consideriamo lequazione
x (u v) = 2 t.
La condizione necessaria che u v sia ortogonale a t soddisfatta, si ha
allora
x = a (u v) + (v u) = (a 1) u (a + 1) v,
dove a arbitrario.
Esercizio 3.41 Siano u e v due versori ortogonali. Determinare il modulo
di una soluzione del sistema di equazioni vettoriali
(
xu=2
(x 2 v) v = 1.
che sia complanare con u e v.
d
v = 3 . Determinare x
Esercizio 3.42 Siano u e v due versori tali che u
sapendo che x u = 1, x (u v) = 0, x (v u) = 1.
Esercizio 3.43 Determinare le soluzioni del sistema di equazioni vettoriali
55
56
in R3
Capitolo 3
Calcolo Vettoriale
x (1, 0, 1) = 2
x (1, 0, 0) = 1
x x = 14
Esercizio 3.44 Sia u, v, t una terna positiva di versori ortogonali. Determinare la soluzione del sistema
(
xv =u
xu=tv
Il metodo delle coordinate

Dallo svolgimento degli esempi e dagli esercizi proposti dovrebbe risaltare la frequenza con la quale si cerca di lavorare con una terna composta da versori mutuamente ortogonali. La scelta di una tale base porta
a grandi semplificazioni nei calcoli
Definizione 3.13 Una base ortonormale un base composta da versori a
due a due ortogonali.
Abbiamo visto che, data una qualsiasi base, sempre possibile costruirne unaltra ortonormale. Supporremo quindi di fissarne una e, per comodit, la scegliamo positivamente orientata. Indichiamo una tale base
con B = {i, j, k}. Riassumiamone brevemente le propriet
i i = j j = k k = 1,
i j = k,
i j = j k = k i = 0,
j k = i,
k i = j.
Luso pi frequente, che implicitamente abbiamo utilizzato in molti

degli esercizi, realizzare, tramite la scelta della base B, una corrispondenza tra lo spazio dei vettori liberi V e R3 . Tale corrispondenza in
realta pu essere realizzata a prescindere dal fatto che la base scelta
sia ortonormale. Questa scelta permette per grandi semplificazioni nei
calcoli. Vediamo come pu essere realizzata questa corrispondenza.
Ogni vettore libero v pu essere espresso come combinazione lineare
degli elementi della base B, in modo unico, si avr v = x i + y j + z k, si
pone allora f : V R3
f (v) = (x, y, z)
(3.15)
tale corrispondenza biunivoca e permette quindi una sostanziale

identificazione di V e R3 . Sottolineiamo che tale identificazione dipende
3.8
in modo stretto dalla scelta della base, sostituire la base cambia lespressione delle componenti del vettore v e, di conseguenza, f (v).
Enunciamo due propriet basilari di questa identificazione
(i) f (v + w) = f (v) + f (w)
cio alla somma di vettori in V corrisponde la somma dei corrispondenti vettori di R3 . Questo si verifica semplicemente, se
v = x1 i+y1 j+z1 k, w = x2 i+y2 j+z2 k si ha, per le propriet distributive della somma, v +w = (x1 +x2 ) i+(y1 +y2 ) j +(z1 +z2 ) k.
Quindi
f (v + w) = (x1 + x2 , y1 + y2 , z1 + z2 ) =
= (x1 , y1 , z1 ) + (x2 , y2 , z2 ) = f (v) + f (w).
(ii) f ( v) = f (v).
Cio al prodotto di un vettore libero per uno scalare corrisponde
il prodotto del vettore corrispondente di R3 per lo stesso scalare.
Queste propriet evidenziano che le strutture di spazio vettoriale di
V e R3 sono sostanzialmente identiche.
La corrispondenza che abbiamo definito permette soprattutto di semplificare il calcolo dei prodotti che abbiamo definito sui vettori liberi.
In pratica, conoscendo lespressione di un vettore libero come combinazione lineare di elementi di B, vedremo come possiamo, di fatto, utilizzare le regole di calcolo di R3 . Il vantaggio pratico e enorme (ad
esempio per calcolare il prodotto vettoriale in R3 non occorre utilizzare
la regola della mano destra). Tutte le difficolt insite nel calcolo dei
prodotti vengono superate una volta che si faccia lipotesi di conoscere
lespressione di un vettore in termini di combinazioni lineare di elementi
di B.
Siano u, v e w due vettori liberi. Possiamo esprimerli come combinazione lineare degli elementi della base
u = x1 i + x2 j + x3 k,
v = y1 i + y2 j + y3 k
w = z1 i + z2 j + z3 k.
(i) Per il prodotto scalare si ha

u v = x1 y1 + x2 y2 + x3 y3 = (x1 , x2 , x3 ) (y1 , y2 , y3 ).
Quindi per calcolare il prodotto scalare fra u e v sufficiente calcolare quello fra f (u) e f (v).
(ii) Per il prodotto vettoriale la cosa leggermente pi delicata, in
quanto quello che vogliamo ottenere non un numero (che pu
57
58
Capitolo 3
Calcolo Vettoriale
quindi essere calcolato sia a partire da R3 che da V ) ma un vettore

libero. Si ha, con semplici calcoli
u v = (x2 y3 x3 y2 ) i + (x3 y1 x1 y3 ) j + (x1 y2 x2 y1 ) k.
Anche in questo caso si ha quindi f (u v) = f (u) f (v).
Questa quantit pu essere calcolata pi semplicemente con
j
k
i
u v = det x1 x2 x3 .
y1 y2 y3
(iii) Per il prodotto misto, utilizzando la precedente formula, si prova

che si ha
u v w = f (u) f (v) f (w).
Questultimo pu essere calcolato con la formula (3.14).
Esempio 3.28 Sia B = {i, j, k} una base ortonormale positiva di V . Consideriamo i vettori u = i j + 2 k, v = 2 i j + k, w = j + k. Si ha
u v = (1, 1, 2) (2, 1, 1) = 5.
i j k
u v = det 1 1 2 = i + 3 j + k.
2 1 1
1 1 2
u v w = det 2 1 1 = 4.
0 1 1
Esempio 3.29 Per sapere se una data terna di vettori, espressi in termini
di una base ortonormale B, costituisce o meno una base, bisogna controllare se questi sono o meno complanari, ovvero se il loro prodotto misto
non nullo.
1
I vettori i + j 2 k, a i j, i + 3 j formano una base se e solo se a 3 .
Infatti il loro prodotto misto, calcolato come determinante, risulta pari a
2 (3 a + 1).
Esercizio 3.45 Dire se le seguenti terne di vettori costituiscono delle basi
(i) i + 4 j + 3 k, i + 2 j k, 6 j + 4 k.
3.8
(ii) 2 i 7 j + 2 k, 2 j + 4 k, 2 i j + 5 k.
(iii) 2 i + 3 j k, i, 3 j k.
Esercizio 3.46 In R3 sono dati i vettori v 1 = (1, 1, 1) e v 2 = (0, 1, 2). Determinare altri due vettori v 3 e v 4 tali che {v 1 , v 2 , v 3 } siano linearmente
dipendenti mentre {v 1 , v 2 , v 4 } formino una base.
Esercizio 3.47 Sono dati i vettori v 1 = i + 2 j, v 2 = a i + b k e v 3 =
c j + k. E possibile determinare a, b, c in modo che {v 1 , v 2 , v 3 } formino
una base?
Esercizio 3.48 Dire per quali valori del parametro a i vettori (di V e R3 )
(i) i + j + k, i + 2 j + 3 k, a i + j + k.
(ii) (1, 1, a), (2, 1, 4), (4, 2, 8)
sono linearmente indipendenti.

Esercizio 3.49 Siano v 1 = i 2 j + 2 k, v 2 = 2i + 2 j + 3 k. Determinare
un terzo vettore in modo da formare una terna ortogonale positiva.
Esercizio 3.50 Calcolare
1) (i + 2 j + 3 k) (i k)
2) (2 i + 2 j 2 k) (3 i + 3 j k)
3) (i + k) (i k)
4) (i + j + k) (i j k)
5) (i + 2 j + 3 k) (i k)
6) (2 i + 2 j 2 k) (3 i + 3 j k)
7) (i + k) (i k)
8) (i + j + k) (i j k)
9) (i + 2 j + 3 k) (i k) (i + 2 j)
10) (2 i + 2 j 2 k) (3 i + 3 j k) (3 j 2 k)
11) (i + k) (i k) (i + 2 k)
12) (i + j + k) (i j k) (i + j + k)
Esercizio 3.51 Siano v = 2 i + j e w = i + j 2 k. Determinare la
componente di v lungo w e la sua proiezione ortogonale su w.
Esercizio 3.52 Determinare langolo tra i vettori
3i + k e i +
3 k.
Esercizio 3.53 Determinare i vettori ortogonali a i 2 j k e complanari

con i k e i + j.
59
60
Capitolo 3
Calcolo Vettoriale
Esercizio 3.54 Determinare, se esistono, dei valori di per i quali i j

parallelo a i + j + k.
Esercizio 3.55 Determinare, se esistono, dei valori di per i quali i+j+ k
complanare con i j + k e i 2j + k.
Coordinate nello spazio Euclideo

In questo capitolo applichiamo gli strumenti definiti nel capitolo precedente allo studio della geometria analitica dello spazio. In particolare
questi verranno utilizzati per lavorare con rette e piani. Preliminarmente
occorre definire un buon sistema di coordinate nello spazio. Per farlo
utilizzeremo la corrispondenza f : V R3 definita nel capitolo precedente dalla formula (3.15). Ricordiamo che questa permette di identificare, una volta fissata una base (i, j, k), il vettore x i + y j + z k V
con il vettore (x, y, z) R3 . Nel seguito useremo costantemente questa
identificazione, senza ulteriori segnalazioni.
Nello spazio euclideo E fissiamo arbitrariamente un punto O che chiameremo origine del sistema di coordinate. Fissiamo anche una base
ortonormale positiva B = {i, j, k} di V . Dato un qualsiasi punto P dello
spazio, il vettore applicato (O, P ) lunico rappresentante applicato in
O di un vettore libero v. Esprimendo v rispetto alla base ortonormale B
si avr v = x i + y j + z k. Ne risulta definita la composizione
E V R3
P v (x, y, z).
Definizione 4.1 Le coordinate di un punto P dello spazio euclideo, rispetto
allorigine O e alla base ortonormale B sono date dalla terna ordinata
(x, y, z) di R3 secondo la procedura descritta sopra.
In generale supporremo di aver fissato una volta per tutte lorigine O
e la base B. Le coordinate di un punto dello spazio dipendono da queste
scelte anche se fissata una nuova origine O e unaltra base ortonormale
B non difficile descrivere il modo in cui variano le coordinate di P nel
nuovo riferimento.
Consideriamo due punti P0 e P , di coordinate (x0 , y0 , z0 ) e (x, y, z)
rispettivamente. Il vettore applicato (P0 , P ) il rappresentante di un
vettore libero v applicato nel punto P0 .
62
Capitolo 4
Geometria Analitica
Vogliamo determinare le coordinate di un punto P in modo che (O, P )

sia il rappresentante di v applicato in
P
0. Siano v 1 e v 2 i vettori liberi rappresentati da (O, P0 ) e (O, P ). Si ha v =
P
v2
v 2 v 1 quindi, dalla definizione della
P0
corrispondenza f : V R3 ,
v
v1
f (v) = f (v 1 ) f (v 2 ) =
O
= (x, y, z) (x0 , y0 , z0 ) =
Fig. 4.1 Coordinate nello spazio
= (x x0 , y y0 , z z0 ).
Cio la differenza fra le coordinate di P e quelle di P0 rappresenta le

coordinate del secondo estremo del rappresentante di v applicato in 0.
Questo equivale inoltre al fatto che v = (x x0 ) i+(y y0 ) j +(z z0 ) k.
Esempio 4.1 Consideriamo un esempio nel piano cartesiano (omettendo
quindi la coordinata z). Dati i punti P = (1, 1), P0 = (2, 0), il vettore
(P0 , P ) rappresenta un vettore che, applicato in 0, ha il secondo estremo
nel punto di coordinate (1, 1).
Esercizio 4.1 Date le coppie di punti aventi coordinate
(1, 2, 1), (3, 2, 2); (1, 1, 0), (2, 0, 5); (0, 0, 0), (2, 2, 2);
Determinare le coordinate del punto medio del segmento individuato
da ciascuna di esse (cfr. Esercizio 3.7).
Esercizio 4.2 Siano dati due vettori liberi v 1 e v 2 tali che i secondi estremi
dei loro rappresentanti in O abbiano coordinate, rispettivamente, (1, 0, 2)
e (2, 1, 1). Quali coordinate ha il secondo estremo del rappresentante di
v 1 + 3 v 2 applicato in O?
Esercizio 4.3 Dato il punto P di coordinate (2, 1, 3) ed il punto Q di
coordinate (0, 1, 2) determinare un punto P tale che il rappresentante
di (P , P ), applicato in O, abbia secondo estremo in Q.
Rette nello spazio Euclideo

Quello di retta un concetto noto, definito nellambito della geometria
euclidea. Vediamo un possibile approccio alla definizione della retta che
utilizzi i vettori liberi. Supponiamo quindi di aver fissato una origine O
ed una base ortonormale positiva B di V .
4.2
Ogni coppia di punti non coincidenti P ,P0 definisce una retta r . Indichiamo con (x0 , y0 , z0 ) le coordinate di P0 (questo corrisponde al fatto
che il vettore (O, P0 ) un rappresentante di v 1 = x0 i + y0 j + z0 k) e con
(x1 , y1 , z1 ) le coordinate di P .
Per quanto visto nel paragrafo precedente,(P0 , P ) rappresenta un vettore che, applicato in 0, ha il secondo
P
estremo nel punto P di coordinate (x1
Q
x0 , y1 y0 , z1 z0 ). Per semplificare le
P
notazioni, poniamo l = x1 x0 , m =
y1 y0 , n = z1 z0 . Indichiamo con
P0
Q
v1
(x, y, z) le coordinate di un punto Q.
O
Questo punto appartiene alla retta r se
Fig. 4.2 Retta per due punti
e solo se (P0 , P ) e (P0 , Q) sono paralleli.
Sia Q il secondo estremo del vettore rappresentato da (P0 , Q), applicato in 0. Allora la condizione di appartenenza alla retta equivalente al
fatto che (O, P ) e (O, Q ) siano paralleli. Le coordinate di Q sono date
da (x x0 , y y0 , z z0 ). Quindi Q r se e solo se esiste un t R tale
che
(x x0 , y y0 , z z0 ) = t (l, m, n).
Ovvero
x = x0 + tl
y = y0 + tm
z = z0 + tn
(4.1)
La formula (4.1) detta equazione parametrica della retta.

Esempio 4.2 Lequazione parametrica della retta r passante per (0, 1, 1)
e parallela al vettore i 2 j 3 k
x=t
y = 1 2t
z = 1 3t
E importante osservare che lequazione parametrica di una retta non

unica. Consideriamo ad esempio il punto (1, 1, 2). Questo appartiene ad r infatti le sue coordinate si ottengono assegnando il valore 1 al
parametro t. Quindi la retta r pu anche essere descritta come la retta
passante per (1, 1, 2) e parallela a i 2 j 3 k ed ha quindi anche la
63
64
Capitolo 4
Geometria Analitica
seguente equazione parametrica
x =1+t
y = 1 2 t
z = 2 3 t
Un ulteriore grado di libert dato dal fatto che, se consideriamo un

vettore parallelo a i 2 j 3 k, ad esempio 2 i + 4 j + 6 k, la retta r pu
ancora essere descritta come la retta passante per (1, 1, 2) e parallela
a 2 i + 4 j + 6 k ed ha quindi equazione parametrica
x = 1 2t
y = 1 + 4 t
z = 2 + 6 t
Per stabilire se due equazioni parametriche rappresentano la stessa retta

sufficiente controllare che i due vettori che ne forniscono la direzione
siano paralleli e che un punto di una delle due rette appartenga anche
alla rimanente.
Esempio 4.3 Determiniamo lequazione parametrica di una retta passante per i punti di coordinate (1, 0, 2) e (2, 1, 1). Dalla costruzione effettuata nella definizione, risulta che le componenti (l, m, n) di un vettore
parallelo alla retta sono date dalla differenza tra le coordinate dei due
punti, ovvero (1, 1, 1). La retta ha quindi equazione parametrica
x =1+t
y=t
z =2t
Lequazione parametrica della retta , in un certo senso, costruttiva, la

si utilizza quando si vogliono determinare dei punti sulla retta. Basta
infatti assegnare dei valori al parametro t e siamo certi di ottenere terne
(x, y, z) che rappresentano punti della retta, questo effettuando solo
calcoli elementari. Supponiamo, data una retta (individuata da un punto
di coordinate (x0 , y0 , z0 ) e parallela al vettore di componenti (l, m, n))
ed un punto di coordinate (x, y, z), di voler stabilire se il punto appartiene alla retta. In questo caso lequazione parametrica scomoda.
Infatti bisogna stabilire se esiste un valore del parametro t tale che le
tre equazioni siano soddisfatte. In questo caso occorre ricavare t da
una delle equazioni e sostituirlo nelle rimanenti due. Se queste sono
soddisfatte il punto appartiene alla retta. Per evitare di dover risolvere
una equazione si preferisce usare unaltra equazione, detta equazione
4.2
cartesiana della retta. Per determinarla supponiamo dapprima che le

componenti di (l, m, n) siano tutte non nulle. In questo caso, ricavando
t dalle tre equazioni si trova
x x0
y y0
z z0
=
=
.
l
m
n
Che equivalente ad un sistema di due equazioni. Se una delle componenti (l, m, n) nulla, ad esempio l, lequazione si riduce a
(
x = x0
yy0
zz0
m = n
Se due delle componenti sono nulle, ad esempio l e m, lequazione diventa
(
x = x0
y = y0
Questa ultima equazione pu essere interpretata come segue, la variabile
z non compare nellequazione quindi non vincolata. I punti della retta
sono quindi tutti e soli quelli della forma (x0 , y0 , z) e la retta risulta
parallela allasse delle z, passante, ad esempio, per il punto (x0 , y0 , 0).
Esempio 4.4 Determiniamo lequazione cartesiana della retta passante
per il punto di coordinate (1, 2, 1) e parallela al vettore i + j 3 k. Le
componenti del vettore sono tutte non nulle, quindi lequazione cartesiana
1z
.
1x =y 2=
3
Questa pu anche essere scritta nella forma
(
x+y 3 =0
3y + z 7 = 0
Il punto di coordinate (2, 1, 4) appartiene alla retta in quanto le equazioni
risultano identicamente soddisfatte quando si sostituiscono le componenti
a (x, y, z). Il punto (0, 1, 2) invece non appartiene alla retta in quanto la
prima delle due equazioni non soddisfatta.
Lequazione cartesiana della retta sempre esprimibile nella forma
(
ax + by + cz + d = 0
a x + b y + c z + d = 0
non per vero che ogni equazione di quella forma rappresenta una
65
66
Capitolo 4
Geometria Analitica
retta. Per motivi che risulteranno chiari nel prossimo paragrafo, condizione necessaria e sufficiente affinch lequazione rappresenti una retta
che (a, b, c) e (a , b , c ) risultino non proporzionali.
E possibile dare unaltra espressione dellequazione cartesiana della
retta. Una volta che siano note le coordinate di due punti P = (x0 , y0 , z0 )
e Q = (x1 , y1 , z1 ) che stiano sulla retta, dalla costruzione che abbiamo
effettuato per definire la retta chiaro che l = x x0 , m = y y0 ,
z = z z0 . Nel caso che le componenti (l, m, n) siano tutte non nulle
lequazione cartesiana prende quindi la forma
x x0
y y0
z z0
=
=
.
x1 x0
y1 y0
z1 z0
Esempio 4.5 Determiniamo lequazione della retta passante per (1, 2, 0)
e (3, 2, 1). La retta risulta parallela al vettore 4 i k. In particolare la
seconda componente di questo vettore nulla lequazione prende quindi
la forma
(
y =2
x+3
4 =1z
E possibile risalire allequazione parametrica di una retta a partire

dallequazione cartesiana della stessa.
Esempio 4.6 Si consideri la retta di equazione cartesiana
(
x 2y + z + 1 = 0
2x y + 3 = 0
Osserviamo che lincognita y appare in entrambe le equazioni. Ricaviamo x = 2y z 1 dalla prima equazione, sostituendo nella seconda si
trova
(
x = 2y z 1
z = 32 y 12
da cui
x = 2y 2
z = 32 y 21
Pensando alla variabile y, che non risulta determinata, come ad un para-
metro possiamo scrivere
4.2
1
3
x = 2t 2
y=t
z = 3t 1
2
2
che lequazione parametrica della retta. Tale retta risulta passante per
3
1
il punto di coordinate ( 2 , 0, 2 ) e parallela al vettore i + 2 j + 3 k.
Definizione 4.2 Due rette si dicono parallele se i vettori che ne individuano la direzione sono paralleli, ortogonali se tali vettori sono ortogonali.
Esempio 4.7 Sia data la retta r di equazione parametrica
x = 2t 2
y =t+1
z = t 1
Per determinare lequazione della retta parallela ad r e passante per

(0, 1, 1) basta determinare un vettore che abbia la direzione di r , ad esempio 2 i + j k ed imporre che la retta cercata abbia la stessa direzione.
Lequazione parametrica sar allora
x = 2t
y =t+1
z = t + 1
Esempio 4.8 Determiniamo lequazione di una retta che passi per (2, 0, 1)
ed abbia direzione ortogonale a quella delle rette
x = 3s 1
x = 2t 2
y=s
y = t + 1
s:
r :
z = 1
z = 3t 2
Le direzioni di r ed s sono date dai vettori v 1 = 2 ij +3 k e v 2 = 3 i+j.

La direzione della retta cercata deve essere ortogonale a v 1 e v 2 , quindi
deve essere parallela al loro prodotto vettoriale v 1 v 2 = 3 i 9 j k.
Lequazione parametrica quindi
x = 3t + 2
y = 9t
z = t + 1
Esercizio 4.4 Determinare le equazioni parametriche e cartesiane delle
rette passanti per le seguenti coppie di punti
67
68
Capitolo 4
Geometria Analitica
a) (1, 1, 1), (2, 0, 2),

c) (0, 0, 0), (0, 0, 1),
b) (2, 0, 1), (3, 2, 1)

d) (2, 2, 2), (2, 1, 2).
Esercizio 4.5 Determinare le equazioni parametriche e cartesiane delle

rette passanti per il punto (1, 2, 1) e parallele ai seguenti vettori
a) i + j k,
b) 2 i k,
c) i + 2 j k,
d) k.
Esercizio 4.6 Determinare le equazioni cartesiane delle seguenti rette
x=4
x = 1 2t
y = 1t
y = 3t
b)
a)
z =2+t
z = 1 + t
Esercizio 4.7 Determinare il parametro h in modo che la retta passante

per (1, 0, 1) e (2, 1, 2) passi anche per (8h, 2h, 0).
Esercizio 4.8 Determinare le equazioni cartesiane delle rette parallele
alla retta di equazione
(
x 2y + 5 = 0
x 2z = 0
passanti per
a) (1, 1, 1),
b) (2, 1, 1),
c) (1, 3, 3),
d) (0, 0, 0).
Esercizio 4.9 Tra le rette ortogonali alla retta di equazione

(
x y + z + 2 = 0
x y 2z = 0
determinarne una che sia incidente alla retta data e passante per (2, 1, 2).
Esercizio 4.10 Determinare lequazione di una retta che passi per (1, 1, 0)
e risulti ortogonale alle rette di equazione
x =1t
x =1+t
y = 2t
y =2
z=1
z = 1 t
Esercizio 4.11 Determinare lequazione di una retta passante per (0, 1, 1)
Piani nello spazio Euclideo
4.3
e per il punto di intersezione delle rette

(
(
x = 2y 14
x =z1
z = y + 8
y = 3z + 4

Possiamo applicare le metodologie introdotte per lo studio delle rette
allo studio dei piani nello spazio Euclideo. Supponiamo sempre di aver
fissato una origine O ed una base ortonormale positiva B di V . Consideriamo due diversi modi di identificare un piano, che porteranno agli
analoghi delle equazioni parametriche e cartesiane per il caso dei piani.
Un piano risulta univocamente determinato una volta che vengano assegnati tre punti non allineati
P1
che gli appartengano. SuppoP
niamo quindi che il piano passi
per i punti P0 = (x0 , y0 , z0 ),
P1 = (x1 , y1 , z1 ) ed un terzo
P0
P2
punto non allineato ai primi
P
v1
due P2 = (x2 , y2 , z2 ). Un punto
P , di coordinate (x, y, z) apO
v2
partiene al piano se e solo se
i tre vettori applicati (P0 , P ),
Fig. 4.3 Piano per 3 punti
(P0 , P1 ) e (P0 , P2 ) sono complanari. Questi vettori rappresentano tre vettori liberi che, una volta
applicati in 0 hanno il secondo estremo nei punti di coordinate (x
x0 , y y0 , z z0 ), (l, m, n) = (x1 x0 , y1 y0 , z1 z0 ) e (l , m , n ) =
(x2 x0 , y2 y0 , z2 z0 ). La condizione di complanarit equivale a dire
che il primo vettore deve essere combinazione lineare dei due rimanenti,
ovvero devono esistere t, s R tali che
(x x0 , y y0 , z z0 ) = t (l, m, n) + s (l , m , n ).
Ovvero
x = x0 + l t + l s
y = y0 + m t + m s
z = z0 + n t + n s
Questa equazione detta equazione parametrica del piano.

Esempio 4.9 Determiniamo lequazione parametrica del piano passante
69
70
Capitolo 4
Geometria Analitica
per P0 = (1, 1, 1), P1 = (2, 0, 1) e P2 = (3, 0, 3). Si ha, secondo le notazioni introdotte sopra, (x0 , y0 , z0 ) = (1, 1, 1), (l, m, n) = (1, 1, 0),
(l , m , n ) = (2, 1, 2). Lequazione risulta quindi
x = 1 + t + 2s
y = 1 t s
z = 1 + 2s
Come nel caso della retta, lequazione parametrica del piano non
univocamente determinata. Nel modo in cui labbiamo definita, lordine
nel quale si considerano i punti P0 , P1 , P2 determina lespressione formale dellequazione. Ovviamente il piano lo stesso anche se considero
i punti in un ordine diverso. In particolare (l, m, n) e (l , m , n ) rappresentano le componenti di due vettori che siano paralleli al piano. Questi
possono essere sostituiti con una qualsiasi altra coppia di vettori, non
paralleli tra loro, che siano paralleli al piano.
Esempio 4.10 Determiniamo lequazione parametrica del piano passante
per il punto di coordinate (1, 0, 2) e parallelo ai vettori i+2 k e i+j 2 k.
Le componenti di questi vettori sono (l, m, n) = (1, 0, 2) e (l , m , n ) =
(1, 1, 2). Lequazione del piano risulta quindi
x = 1t+s
y =s
z = 2 + 2t 2s
Possiamo arrivare allequazione dello stesso piano in pi modi. Abbiamo visto che i punti P del piano sono tali che (P0 , P ) sia complanare ai
rappresentanti di v 1 e v 2 applicati in P0 . Il vettore v 1 v 2 , applicato in
P0 rappresenta un vettore che ortogonale al piano. In particolare deve
essere ortogonale a (P0 , P ) e, viceversa, ogni punto P con questa propriet appartiene al piano. Un modo per verificare la complanarit tra tre
vettori , come abbiamo visto, dato dallannullarsi o meno del prodotto
misto, dato che il vettore rappresentato da (P0 , P ), applicato in 0, ha il
secondo estremo nel punto di coordinate (x x0 , y y0 , z z0 ) questa
condizione equivalente a
x x0 y y0 z z0
m
n = 0.
det l
l
m
n
Sviluppando questa espressione arriviamo ad una equazione della forma
ax + by + cz + d = 0
(4.2)
4.3
dove a, b, c non sono tutti nulli. Questa si chiama equazione cartesiana

del piano. Cerchiamo di capire meglio il significato dei coefficienti che
compaiono in questa equazione. Il prodotto misto dal quale labbiamo
ricavata
(l, m, n) (l , m , n ) (x x0 , y y0 , z z0 ).
Se indichiamo (l, m, n) (l , m , n ) = (a, b, c), il punto di coordinate
(a, b, c) il secondo estremo del
(a, b, c)
rappresentante di v 1 v 2 applicato in O, rappresenta quindi un
(l , m , n )
vettore ortogonale al piano che vogliamo descrivere. Utilizzando la
definizione di prodotto scalare si
giunge a
(l, m, n)
ax+by+cz(ax0 +by0 +cz0 ) = 0.
Fig. 4.4 Normale ad un piano
ponendo d = (ax0 + by0 + cz0 ) si ottiene lespressione (4.2). In particolare si osservi che i coefficienti delle incognite x, y, z individuano
un vettore (a, b, c) che ortogonale al piano, il termine noto d invece
legato al passaggio del piano per il punto (x0 , y0 , z0 ).
Esempio 4.11 Determiniamo lequazione del piano passante per il punto
di (1, 0, 2) e parallelo a 2 i j + k e i + k. Lequazione del piano data
quindi da
x1 y z2
1
1 =0
det 2
1
0
1
ovvero
x + 3y + z 3 = 0.
Si osservi che lequazione cartesiana del piano determinata a meno di
un coefficiente non nullo di proporzionalit, ovvero i piani rappresentati
dalle equazioni ax + by + cz + d = 0 e ax + by + cz + d = 0
coincidono (questo corrisponde al fatto che se (a, b, c) perpendicolare
al piano, anche (a, b, c) lo ).
Esempio 4.12 Abbiamo ricavato lequazione parametrica del piano a partire dalla condizione di passaggio per tre punti non allineati P0 , P1 , P2 .
71
72
Capitolo 4
Geometria Analitica
Questa equivaleva al fatto che (P0 , P ), (P0 , P1 ) e (P0 , P2 ) fossero complanari. Gli ultimi due vettori rappresentano due vettori noti ai quali il piano parallelo, quindi possiamo utilizzarli anche per ricavare lequazione
cartesiana. Siano P0 = (1, 2, 1), P1 = (2, 0, 1) e P2 = (1, 1, 1). Lequazione
cartesiana del piano che passa per questi tre punti data da
x1 y 2 z1
2
0 =0
det 1
0
1
0
ovvero
z 1 = 0.
Esempio 4.13 Determiniamo lequazione cartesiana del piano passante
per (1, 1, 2) ed ortogonale al vettore j 2 k. Poich i coefficienti delle
incognite che compaiono nellequazione cartesiana del piano rappresentano le componenti di un vettore ortogonale al piano, lequazione del piano deve necessariamente essere della forma
y 2z + d = 0.
Il coefficiente d pu essere determinato imponendo la condizione di passaggio per il punto (1, 1, 2). Le coordinate di questo punto devono soddisfare lequazione del piano, si ricava quindi d = 3.
Come avviene nel caso delle rette possibile ricavare, partendo dall
equazione parametrica, lequazione cartesiana del piano (che di gran
lunga pi maneggevole), eliminando i parametri.
Esempio 4.14 Sia dato il piano di equazione parametrica
x =2+ts
y = t + s
z =6+t
Ricaviamo, dallultima equazione t = z 6, sostituendo nelle rimanenti

due equazioni
(
xz+4+s =0
y +z6+s =0
ricavando s dalla prima equazione e sostituendo nellultima si trova lequazione
cartesiana
x y z + 10 = 0.
4.3
Ricavare lequazione parametrica a partire da quella cartesiana pi

complicato.
Esempio 4.15 Sia dato il piano di equazione cartesiana x y z + 2 =
0. Per ricavare lequazione parametrica del piano possiamo determinare
3 punti che appartengono al piano o un punto appartenente al piano
e due vettori ad esso paralleli. La prima via senzaltro pi semplice,
basta assegnare due delle coordinate e determinare la terza. Ad esempio,
ponendo x = 0 e y = 0 si ricava z = 2, quindi il punto (0, 0, 2) appartiene
al piano, operando allo stesso modo si ricavano altri due punti.
Un possibile modo per determinare vettori ortogonali al piano osservare che ij k un vettore ortogonale al piano, quindi i vettori paralleli
al piano sono tutti quei vettori l i + m j + n k tali che (l i + m j + n k)
(i j k) = 0, ovvero quelli della forma l i + m j + (l m) k. Assegnando
valori ad l e m si ottengono vettori ortogonali al piano.
Concludiamo questo paragrafo osservando che lequazione cartesiana
della retta che abbiamo definito nel precedente paragrafo non altro
che la rappresentazione della retta come intersezione di due piani non
paralleli.
Esempio 4.16 La retta di equazione cartesiana
(
x+y +z+1=0
2x + y z = 0
giace su entrambi i piani x + y + z + 1 = 0 e 2x + y z = 0. In particolare
sar parallela ad un vettore che ortogonale alle normali dei due piani.
Di conseguenza parallela al prodotto vettoriale di tali normali, ovvero a
(1, 1, 1) (2, 1, 1) = (2, 3, 1).
Esercizio 4.12 Determinare lequazione cartesiana dei piani passanti per
le terne di punti
a) (1, 1, 1), (2, 0, 1), (1, 2, 2),
c) (0, 0, 0), (1, 1, 0), (1, 0, 0).
b) (3, 0, 0), (1, 1, 0), (3, 1, 1)
Esercizio 4.13 Determinare lequazione cartesiana dei piani passanti per

(2, 0, 1) e paralleli ai vettori
a) 2 i k, i + k,
b) i + j + k, i,
c) j + 3 k, i 2 j + k.
Esercizio 4.14 Determinare le equazioni dei piani passanti per (2, 1, 1)
73
74
Capitolo 4
Geometria Analitica
ed ortogonali ai vettori
a) i + k,
b) i j + 2 k,
c) i.
Esercizio 4.15 Determinare le coordinate dei punti di intersezione del

piano di equazione 2x + y 3z + 5 = 0 con gli assi coordinati.
Esercizio 4.16 Determinare gli eventuali punti comuni ai piani
a) 2x y + z + 1 = 0, x y z + 1 = 0, x + y = 0,
b) x 4y 2z + 3 = 0, 3x + y + z 5 = 0, 3x + 12y + 6z 7 = 0,
c) 5x + 8y z 7 = 0, x + 2y + 3z 1 = 0, 2x 3y + 2z 9 = 0.
Posizione reciproca di rette e piani nello spazio

Abbiamo gi osservato che, per determinare la posizione reciproca di
due rette nello spazio conveniente averle descritte mediante lequazione
parametrica. Supponiamo quindi di avere le rette
x = x0 + tl
x = x1 + sl
y = y0 + tm ,
y = y1 + sm
r :
s:
z = z0 + tn
z = z1 + sn
Consideriamo inizialmente le alternative: le rette sono complanari

o non lo sono (in questo caso le
rette vengono dette sghembe ). Per
capire in quale di queste situazioni
r
ci troviamo osserviamo che, se le
s
rette sono complanari, prendendo
un punto P su r e un punto Q su
s, aventi coordinate (x0 , y0 , z0 ) e
(x1 , y1 , z1 ) rispettivamente, i vettori (x1 x0 , y1 y0 , z1 z0 ),
(l, m, n) e (l , m , n ) devono esFig. 4.5 Rette sghembe
sere complanari. Questa condizione si controlla calcolando il loro prodotto
misto. Quindi r e s sono complanari se e solo se
x1 x0 y1 y0 z1 z0
l
m
n =0
det
l
m
n
e sghembe in caso contrario. Supponiamo che le rette siano complanari.
Abbiamo altre due alternative: le rette si intersecano o sono parallele.
4.4
Sono parallele se e solo se (l, m, n) e (l , m , n ) sono proporzionali,

ovvero se e solo se
(l, m, n) (l , m , n ) = (0, 0, 0)
(in realt la proporzionalit fra due vettori abbastanza evidente da
poter essere verificata facilmente senza calcolare il prodotto vettoriale).
Esempio 4.17 Determiniamo la posizione reciproca delle rette r1 , r2 , r3 di
equazione parametrica
x = u
x=1
x =1t
y = 1 + u
y = 1 + s , r3 :
y = t
, r2 :
r1 :
z = 3 + u
z = 2 2 s
z = 1 2 t
Per stabilire la posizione reciproca di r1 e r2 si calcola
0
1
1
1 1 2 = 3.
0
1 2
Ne segue che le due rette sono sghembe. Procedendo allo stesso modo si
trova che r1 e r3 sono complanari. Essendo parallele ai vettori (1, 1, 2)
e (1, 1, 1) sono non parallele e quindi incidenti. Le rette r2 e r3 sono
sghembe.
Consideriamo ora le possibili posizioni reciproche di una retta r di
equazione parametrica
x = x0 + tl
y = y0 + tm
r :
z = z0 + tn
e di un piano di equazione cartesiano ax + by + cz + d = 0.

Basiamo questa classificazione sul numero di punti di intersezione tra
r e . Se r e non si intersecano
la retta r parallela a . Questo
r
accade se il vettore (l, m, n) che
fornisce la direzione della retta
perpendicolare alla normale al pi
ano (a, b, c), cio se e solo se
al + bm + cn = 0.
Fra le rette che verificano questa
Fig. 4.6 Retta e piano paralleli
75
76
Capitolo 4
Geometria Analitica
relazione vi sono per anche le rette che giacciono sul piano (ovvero
quelle che hanno almeno 2 punti in comune col piano).
In realt una retta che sia parallela a , giace su non appena un
suo punto gli appartenga. Quindi
r giace su se e solo se
r
(
al + bm + cn = 0
r :
ax0 + by0 + cz0 + d = 0
Il caso rimanente che la retta
non sia parallela o giacente sul
piano, in tal caso r e hanno
un solo punto di intersezione e
questo si verifica se
Fig. 4.7 Retta incidente il piano
al + bm + cn 0.
Esempio 4.18 Determiniamo le posizioni reciproche della retta
x =1+t
y =kt
r :
z = 1 + ht
e del piano 2x y + z + 1 = 0, al variare dei parametri h, k. La retta

parallela al piano se (1, 1, h) e (2, 1, 1) sono ortogonali. Questo accade
se e solo se h = 3. In questo caso la retta giace sul piano se e solo se
(1, k, 1) gli appartiene, ovvero se k = 2. Se h 3 la retta interseca il
piano in un punto.
Determinare la posizione reciproca di due piani particolarmente semplice. Se le equazioni dei piani
sono ax +by +cz +d = 0 e a x +
b y + c z + d = 0, questi sono
paralleli se e solo se le loro normali lo sono, ovvero se e solo se
(a, b, c) proporzionale a (a , b , c ),
ovvero se
(a, b, c) (a , b , c ) = (0, 0, 0).
Fig. 4.8 Piani paralleli
I due piani sono coincidenti se le

equazioni che li rappresentano solo le stesse, a meno di un coefficiente di
proporzionalit, ovvero se (a, b, c, d) e (a , b , c , d ) sono proporzionali.
Se due piani non sono paralleli si intersecano secondo una retta.
4.4
Esempio 4.19 I piani di equazione 2x y + 2 = 0 e x + hy + (2 +

1
4h)z + 5 = 0 sono paralleli (non coincidenti) se e solo se h = 2 , infatti
questo lunico valore di h che rende proporzionali le terne (2, 1, 0) e
(1, h, 2 + 4h). Per altri valori di h i piani si intersecano secondo una retta.
Pi complesso stabilire la posizione reciproca di tre piani. Esistono vari
modi di determinare tale posizione, per limitare il numero di strumenti
matematici necessari, seguiamo un metodo che forse pi involuto ma
coinvolge solo strumenti gi acquisiti.
Dati i piani 1 , 2 , 3 di equazione ax + by + cz + d = 0, a x +
b y +c z+d = 0 e a x +b y +
c z + d = 0, esaminando le
rispettive normali possiamo facilmente stabilire se due o pi
piani sono paralleli e, esaminando il termine noto, verificare se
sono coincidenti. Consideriamo
quindi solo il caso in cui non vi
sono piani paralleli. In questo
caso due qualunque tra loro, ad
Fig. 4.9 Due piani paralleli
esempio 1 e 2 , si interesecano
secondo una retta r .
La posizione reciproca dei tre piani pu essere studiata stabilendo
la posizione reciproca di r e 3 ,
con gli strumenti definiti nel paragrafo precedente. Si possono
presentare i seguenti casi 1) La
retta r non parallela a 3 . In
tal caso lo interseca in un unico
punto. 2) La retta r parallela
a 3 . La retta r , giacendo sia su
1 che su 2 , ha una direzione
ortogonale ad entrambe le normali ai due piani, ha quindi la
direzione del prodotto vettoriale (a, b, c) (a , b , c ). Se la
Fig. 4.10 Tre piani non paralleli
retta r parallela a 3 , la sua
direzione deve essere ortogonale alla normale a 3 , deve quindi essere
(a, b, c) (a , b , c ) (a , b , c ) = 0
77
78
Capitolo 4
Geometria Analitica
quindi il prodotto misto delle tre normali deve essere nullo, ovvero le
normali ai tre piani sono complanari. Questa condizione si verifica utilizzando la formula
a
b
c
det a b c = 0
(4.3)
a b c
Nel caso che la retta r sia parallela al piano 3 , si hanno due ulteriori
sottocasi, r pu giacere o meno su 3 . La retta r , essendo parallela a 3 ,
giace su tale piano se e solo se un suo punto gli appartiene. Conviene allora determinare un punto di r determinando una soluzione particolare
del sistema
(
ax + by + cz + d = 0
r :
a x + b y + c z + d = 0
e controllando se questa verifica o meno lequazione di 3 . Se il determinante nella formula (4.3) diverso da 0, il piano 3 intereseca la retta
r in un punto.
Esercizio 4.17 Stabilire quali tra le rette di equazione
x = 2 + 3t
x = 1 + 4t
x = 1 + 2t
y = 5 + 4t
y = 7t
y = 3 t , b)
, c)
a)
z = 24t 10
z = 2 + 3t
z = 2 + 5t
giacciono sul piano 4x + 3y z + 3 = 0.
Esercizio 4.18 Determinare gli eventuali punti di intersezione fra le seguenti

coppie di rette e piani
x = 1 + 2t
y = 3 + 4t
a)
,
3x 3y + 2z 5 = 0;
z = 3t
c)
x = 13 + 8t
x =2s+u
y = 1 + 2t ,
y = 2s 3u
b)
z = 4 + 3t
z =2+u
2x + y 3z = 0
,
x + 2y + 3z + 1 = 0
x + y + z + 1 = 0.
Esercizio 4.19 Determinare lequazione della retta passante per (2, 3, 1)

e parallela ai piani di equazione 6x y + z 2 = 0 e x + 3y 2z + 1 = 0.
4.4
Esercizio 4.20 Determinare la posizione reciproca delle rette di equazione
x =1t
x = 4 + 2s
y
=
3
+
t
y = s
a)
,
z = 6t
z = 2s + 1
b)
x + 2y z 3 = 0
,
3x y + z + 1 = 0
x = 2 + 4t
y = 6t
c)
,
z = 1 8t
x = 1 + 2t
y =7+t ,
d)
z = 3 + 4t
2x + 3y 2z 1 = 0
x+y 2=0
x = 7 6s
y = 2 + 9s
z = 12s
x = 6 + 3s
y = 1 2s
z = 2 + s
Esercizio 4.21 Determinare la posizione reciproca delle rette e dei piani

di equazione
x = 12 + 4t
y = 9 + 3t ,
3x + 5y z 2 = 0
a)
z =1+t
x = 13 + 8t
y = 1 + 2t ,
b)
z = 4 + 3t
c)
x + 2y 4z + 1 = 0
2x + 3y + 6z 10 = 0
,
x+y +z+5=0
y + 4z + 17 = 0
Esercizio 4.22 Si dica quali tra i seguenti piani

x + y 1 = 0, 2x + y z + 3 = 0, x z + 4 = 0, 4x + 2y 2z = 0
sono paralleli.
Esercizio 4.23 Dati il punto P = (1, 1, 1), il piano di equazione 2x
y + z = 0 e la retta r di equazione
(
2x 3y = 0
y + 2z = 0
determinare
79
80
Capitolo 4
Geometria Analitica
a) un piano passante per P e parallelo a ;

b) Una retta s passante per P e parallela allintersezione di col piano
yz;
c) Una retta per P parallela ad r .
1
Esercizio 4.24 Determinare lequazione di una retta passante per (1, 2 , 3),
parallela al piano di equazione x 3y z 1 = 0 ed incidente lasse y.
Esercizio 4.25 Si determini, al variare di k, la posizione reciproca della
retta
(
2kx y + k = 0
2x + 2ky z + 3 = 0
e del piano 6x + 24y + 6z + 18k = 0.
Esercizio 4.26 Si determinino i valori del parametro k per i quali le rette
(
(
x y + kz = 0
4x y + 4z = 0
,
kx + y + 1 = 0
3x + 3y kz + 4 = 0
risultano sghembe, incidenti o parallele.
Esercizio 4.27 Determinare i valori dei parametri h, k per i quali la retta
di equazione
x = 2t 1
y = h + kt
z=t
giace sul piano di equazione 2x 3y + z 1 = 0.
Fasci di piani
Ai fini pratici conveniente studiare pi approfonditamente due famiglie
di piani
Definizione 4.3 Si definisce fascio improprio di piani linsieme dei piani
paralleli ad un piano dato. Se il piano ha equazione ax + by + cz + d = 0,
a meno di un coefficiente di proporzionalit tali piani hanno equazione
della forma
ax + by + cz + d = 0
al variare di d R.
Fasci di piani
4.5
Definizione 4.4 Si definisce fascio proprio di piani con asse r , linsieme

dei piani contenente la retta r . Se r ha equazione cartesiana
(
ax + by + cz + d = 0
r :
a x + b y + c z + d = 0
i piani del fascio hanno equazione della forma
k(ax + by + cz + d) + h(a x + b y + c z + d ) = 0
al variare di h, k R.
Il fatto che i piani di un fascio proprio abbiano un equazione del tipo riportato sopra non ovvio: indichiamo
con n1 e n2 le normali ai due
piani 1 , 2 utilizzati per rappresentare la retta r in forma
cartesiana. Da quanto visto
nel paragrafo precedente se
un piano contiene la retta r
la sua normale n dovr essere complanare a n1 e n2 .
Dato che queste non sono parallele questo implica che si
possa scrivere
Fig. 4.11 Fascio improprio
n = hn1 + kn2 = (ha + ka )i + (hb + kb )j + (hc + kc )k

dove h, k sono coefficienti fissati i quali un piano contenente r completamente determinato. Possiamo utilizzare il fatto di conoscere la normale ad un piano per determinare, almeno in parte, la sua equazione, che
dovr essere della forma
(ha + ka )x + (hb + kb )y + (hc + kc )z + p = 0
dove p una quantit che deve essere nota una volta che siano assegnati h, k. Per determinarla consideriamo un punto di coordinate
(x0 , y0 , z0 ) r . Dato che il punto appartiene alla retta deve appartenere
ad ogni piano che la contiene, in particolare le sue coordinate ne devono
verificare lequazione. Quindi si deve avere
0 = (ha + ka )x0 + (hb + kb )y0 + (hc + kc )z0 + p =
= h(ax0 + by0 + cz0 ) + k(a x0 + b y0 + c z0 ) + p.
81
82
Capitolo 4
Geometria Analitica
Dato che il punto appartiene in particolare a 1 si ha (ax0 +by0 +cz0 )+

d = 0 da cui d = (ax0 +by0 +cz0 ), analogamente, per lappartenenza a
2 , d = (a x0 +b y0 +c z0 ). Sostituendo nellequazione precedente si
trova p = hd + kd e lequazione del piano effettivamente della forma
riportata nella definizione di fascio proprio.
I fasci di piani forniscono spesso dei metodi veloci per la soluzione
degli esercizi. Come in molti altri casi rappresentano solo uno dei possibili strumenti per risolvere un esercizio. Lutilizzo dei fasci impropri
abbastanza ovvio, i fasci propri richiedono invece pi attenzione.
Esempio 4.20 Tra i piani paralleli al piano : 2x + y 2z 5 = 0
determiniamo quello passante per (1, 2, 2). Il piano deve appartenere
al fascio improprio individuato da , quindi ha equazione della forma
2x + y 2z + d = 0. Imponendo il passaggio per (1, 2, 2) si trova d = 0.
Il piano risulta quindi passante per lorigine.
Esempio 4.21 Tra i piani contenenti la retta r di equazione
(
x 2y + 3z + 1 = 0
2x y + 4z + 3 = 0
determiniamo quello passante per (1, 1, 2). Il piano deve appartenere al
fascio proprio di asse r , quindi la sua equazione deve essere della forma
k(x 2y + 3z + 1) + h(2x y + 4z + 3) = 0.
Imponendo il passaggio per (1, 1, 2) si trova che fra k e h deve sussistere
la relazione k = 2h. Lequazione quindi della forma
2h(x 2y + 3z + 1) + h(2x y + 4z + 3) = 0.
Essendo definita a meno di un coefficiente di proporzionalit, possiamo
eliminare il parametro h. Lequazione del piano cercato quindi 3y
2z + 1 = 0.
Esempio 4.22 Tra i piani contenenti la retta di equazione
(
y z + 2 = 0
r :
x + 2y z + 1 = 0
determiniamo, se esistono, un piano parallelo ed uno ortogonale alla retta
(
2x y + z = 0
s:
x+y +z =0
Fasci di piani
4.5
La retta s parallela al vettore 2 i + j 3 k, il generico piano contenente

la retta r ha equazione del tipo
k(y z + 2) + h(x + 2y z + 1) = 0
ovvero
hx + (2h k)y (h + k)z + 2k + h = 0
e risulta quindi ortogonale a (h i + (2h k) j (h + k) k. La retta s
parallela al piano se e solo se la sua direzione ortogonale alla normale
al piano, ovvero se
(2 i + j 3 k) (h i + (2h k) j (h + k) k) = 0.
7
Questo accade se k = 2 h. Lequazione del piano parallelo alla retta s

quindi 2x + 11y + 5z 12 = 0.
Un piano del fascio ortogonale ad s se e solo se la sua direzione

parallela alla normale al piano, ovvero se e solo se (2, 1, 3) e (h, 2h
k, h k) sono proporzionali. Si verifica facilmente che questo non pu
avvenire.
Esempio 4.23 Siano dati il punto P di coordinate (2, 0, 1), la retta r di
equazione
x =1t
y = 2t
z =1+t
e il vettore v = i j + k. Determiniamo una retta che sia incidente ad r ,

passante per P ed ortogonale a v.
Osserviamo che, poich P r , esiste un unico piano contenente r e

passante per P . La retta cercata deve giacere su questo piano dato che
passa per P e per un punto di r (ha quindi due punti a comune col piano).
Il sapere che la retta giace sul piano ci fornisce lindicazione di una direzione, quella della normale n al piano, che ortogonale a quella della
retta. Siccome la retta deve essere anche ortogonale a v, deve essere
parallela al prodotto vettoriale v n.
Ogni piano contenente r ha equazione della forma
k(2x + y 2) + h(y 2z + 2) = 0.
Dovendo passare per P ha equazione y 2z + 2 = 0. La normale al piano
83
84
Capitolo 4
Geometria Analitica
sar quindi data da n = j 2 k. La direzione della retta cercata quindi

data da i + 2 j + k e la retta ha equazione parametrica
x =2+t
y = 2t
z =1+t
Esercizio 4.28 Si determini, nel fascio di piani avente asse

(
x+y 1=0
2x y + z = 0
un piano passante per (3, 0, 1) ed un piano parallelo alla retta di equazione

(
3x 2y 3 = 0
3z + y = 0
Esercizio 4.29 Determinare le equazioni dei piani contenenti la retta
(
2x y + z = 0
x + y 3z 1 = 0
e paralleli agli assi coordinati
Esercizio 4.30 Determinare lequazione di un piano parallelo al piano
di equazione x + 2y 3z 4 = 0 che passi per il punto di coordinate
(1, 1, 1).
Esercizio 4.31 Determinare lequazione del piano passante per (1, 2, 1)
che intersechi il piano z = 0 secondo la retta di equazione
(
y = 3x 2
z=0
Esercizio 4.32 Determinare lequazione del piano la cui proiezione ortogonale sul piano z = 0 data dalla retta di equazione
(
2x 3y + 1 = 0
z=0
Esercizio 4.33 Determinare, se esiste, un piano comune ai fasci di asse
(
(
xz =0
30x + 2y + z 10 = 0
,
y hz + 1 = 0
3y z = 0
per qualche valore del parametro h.
Relazioni metriche
4.6
Esercizio 4.34 Determinare lequazione di una retta r le cui proiezioni

ortogonali sui piani z = 0 e y = 0 siano date rispettivamente da
(
(
z=0
y =0
,
x+y z =1
3x y + 2z = 2
Esercizio 4.35 Dati il punto P = (1, 0, 1), la retta r di equazione
x =2t
y =1+t
z=t
e il vettore v = 2 i k. Determiniare una retta che sia incidente ad r ,

passante per P ed ortogonale a v.
Relazioni metriche
La definizione di modulo di un vettore presupponeva la scelta di una
unit di misura per le lunghezze nello spazio. La utilizziamo per stabilire le distanze fra punti, rette e piani.
Il primo passo stabilire una formula che dia la distanza fra punti
nello spazio una volta che siano note le loro coordinate. La distanza
d(P , Q) fra due punti P = (x1 , y1 , z1 ) e Q = (x2 , y2 , z2 ) , per definizione,
il modulo del vettore libero v rappresentato da (P , Q). Abbiamo gi
visto come possibile determinare tale modulo utilizzando il prodotto
scalare: |v| = v v. Considerando il rappresentante di v applicato in

O, questo ha il secondo estremo applicato in (x2 x1 , y2 y1 , z2 z1 ),
quindi, per la corrispondenza vista nel capitolo precedente fra prodotto
scalare in V e prodotto scalare in R3 si ha che la distanza fra P e Q
data da
q
d(P , Q) = (x2 x1 )2 + (y2 y1 )2 + (z2 z1 )2 )
(4.4)
Esempio 4.24 Determiniamo

la distanza tra P = (1, 1, 2) e Q = (1, 0, 3).
p
Questa data da (1 1)2 + (1 0)2 + (2 3)2 = 2.

Stabiliamo ora una formula che dia la distanza d(P , r ) di un punto
P = (x, y, z) da una retta r di equazione parametrica
x = x0 + lt
y = y0 + mt
z = z0 + nt
Questa distanza , per definizione, la minima distanza d(P , P ) al variare
85
86
Capitolo 4
Geometria Analitica
di P sulla retta. Considerazioni geometriche elementari (in un triangolo

rettangolo lipotenusa pi lunga di un cateto) tale distanza viene realizzata dal punto P piede della perpendicolare condotta da P alla retta
r . Determiniamo questa distanza utilizzando il calcolo vettoriale.
La retta r passa per il punto di coordinate P0 = (x0 , y0 , z0 ) ed parallela al vettore v = l i + m j + n k. Consideriamo il rappresentante di v
applicato in P0 . Questo avr il secondo estremo in un punto Q e possiamo determinare un punto R in modo che P , P0 , Q, R siano i vertici di un
parallelogrammo. Larea di questo parallelogrammo pu essere calcolata
in due modi: data sia dal prodotto della lunghezza della base P0 , Q per
laltezza P , P (che vogliamo determinare), che dal modulo del prodotto
vettoriale dei vettori rappresentati da (P0 , P ) e (P0 , Q). Ovvero
d(P , r ) = |(P , P )| =
|(P0 , P ) (P0 , Q)|

|(P0 , Q)|
Essendo (P0 , P ) un rappresentante di (x x0 ) i + (y y0 ) j + (z z0 ) k

ed essendo la lunghezza di (P0 , Q) data dal modulo di v si ha
d(P , r ) =
|((x x0 ) i + (y y0 ) j + (z z0 ) k) (l i + m j + n k)
.
l2 + m2 + n2
(4.5)
Esempio 4.25 Determiniamo la distanza di (1, 2, 1) dalla retta di equazione

parametrica
x = 1 + 2t
y = 2t
z =2+t
Abbiamo, con riferimento alla formula (4.5) (x x0 ) i + (y y0 ) j + (z

z0 ) k = 2j k e l i + m j + n k = 2 i + 2 j + k. Quindi
d(P , r ) =
|4 i 2 j 4k|
= 2.
9
La distanza fra due rette risulta ben definita se consideriamo i casi di

due rette parallele oppure di due rette sghembe.
Siano r ed s due rette parallele. La distanza di r da s la distanza di
un qualsiasi punto di r da s (o viceversa) e pu essere calcolata con la
formula vista sopra
Relazioni metriche
4.6
Esempio 4.26 Consideriamo le rette
x =1t
y=t
r :
,
z = 1 + 2t
x = s
y =1+s
s:
z = 1 + 2s
Le rette in questione sono parallele, essendo entrambe parallele al vettore

i + j + 2 k. La distanza tra r ed s la distanza di (1, 0, 1) r da s. Cio
d(r , s) =
|(i j + 2 k) (i + j + 2 k)|
| i + j + 2 k|
4 2
4
= = .
6
3
Il calcolo della distanza tra due rette sghembe leggermente pi complicato. Per facilitarne la comprensione determiniamo prima la distanza
di un punto P = (x, y, z) da un piano : ax + by + cz + d = 0.
La distanza d(P , ) di P da , per definizione, il minimo delle distanze d(P , Q) al variare di Q su . Tale distanza verr realizzata dal
punto Q piede della perpendicolare per P al piano e sar pari al
modulo di (Q, P ). Fissiamo un qualsiasi punto P0 , di coordinate
(x0 , y0 , z0 ). La proiezione ortogonale di (P0 , P ) sulla direzione perpendicolare al piano coincide con (Q, P ) e pu essere calcolata con la formula
(3.11). Il suo modulo il valore assoluto della componente orientata di
(P0 , P ) sulla direzione ortogonale al piano, che sappiamo essere data da
a i + b j + c k. Quindi
d(P , ) =
|((x x0 ) i + (y y0 ) j + (z z0 ) k) (a i + b j + c k)|
|a i + b j + c k|
|ax + by + cz + d|
|ax + by + cz (ax0 + by0 + cz0 )|
=
.
2
2
2
a +b +c
a2 + b2 + c 2
Infatti, dato che P0 , ax0 + by0 + cz0 + d = 0.

Esempio 4.27 La distanza del punto P = (1, 5, 1) dal piano di equazione
x 2y + z 4 = 0
d(P , ) =
p
|1 10 + 1 4|
= 2 6.
6
Vogliamo adesso calcolare la distanza tra due rette sghembe r ed s.

Tale distanza definita come il minimo delle distanze d(P , Q) al variare
di P su r e di Q su s. Supponiamo che le due rette siano date in forma
87
88
Capitolo 4
Geometria Analitica
parametrica
x = x0 + lt
y = y0 + mt
r :
z = z0 + nt
x = x1 + l s
y = y1 + m s
s:
z = z1 + n s
Le due rette hanno direzione individuata dai vettori v 1 = l i + m j + n k

e v 2 = l i + m j + n k Possiamo considerare il piano contenente la
retta r e ortogonale a v 1 v 2 .
Abbiamo pi modi equivalenti di determinare la distanza fra le rette
r ed s . Un primo modo consiste
Q
nel determinare un punto P su r
s
ed un punto Q su s tali che il vettore applicato (P , Q) sia ortogoP
nale sia a v 1 che a v 2 , cio alle di
rezioni delle due rette. Il modulo
r
di (P , Q) realizza quindi la minima distanza fra r ed s. Si tratta
quindi di risolvere il sistema
Fig. 4.12 Distanza tra rette sghembe
(
((x1 + l s, y1 + m s, z1 + n s) (x0 + lt, y0 + mt, z0 + nt)) (l, m, n) = 0
((x1 + l s, y1 + m s, z1 + n s) (x0 + lt, y0 + mt, z0 + nt)) (l , m , n ) = 0
nelle incognite t e s. Si pu provare che il fatto che le rette siano
sghembe implica lesistenza di un unica soluzione. Si determinano quindi
un valore di t ed uno di s che individuano i punti P su r e Q su s. La
distanza tra P eQ uguale alla distanza tra r ed s.
Esempio 4.28
x =1+t
y = 1 + t
r :
z =2+t
x = 2s
y = 1 + s
s:
z = 1 2s
Queste sono parallele ai vettori (1, 1, 1) e (2, 1, 2) rispettivamente. Il

sistema diventa allora
(
3t + s 2 = 0
t + 9s = 0
9
ed ha soluzione t = 13 , s = 13 . Risultano quindi determinati i punti

4
22 17
14 15
P = ( 13 , 13 , 13 ) e Q = ( 13 , 13 , 13 ). La distanza fra r ed s risulta

2
quindi 13 26.
Relazioni metriche
4.6
Un secondo modo si basa sulla seguente osservazione. Se si considera

il piano contenente la retta r ed ortogonale a v 1 v 2 , la normale a
risulta ortogonale sia ad r che ad s (ed ha quindi la direzione del vettore
(P , Q) che abbiamo determinato col metodo precedente). In particolare
s parallela a . La distanza di r da s la distanza di un qualsiasi
punto di s da infatti, dal metodo precedente, sappiamo che esistono
un punto P su r ed un punto Q su s tali che il vettore (P , Q) ortogonale
a e il cui modulo uguale alla distanza fra r ed s. Daltro canto questo
coincide con la distanza di Q da . Ma essendo s parallela a tutti i
suoi punti hanno la stessa distanza da .
Esempio 4.29 Consideriamo le rette dellesempio precedente. Cerchiamo
un piano contenente r ed ortogonale a (1, 1, 1) (2, 1, 2) = (3, 4, 1).
Tale piano ha equazione del tipo 3x 4y + z + d = 0. Affinch contenga
la retta r (dato che r parallela a tutti i piani con quella equazione)
basta che un punto di r , ad esempio (1, 1, 2), appartenga al piano.
Lequazione del piano quindi 3x 4y + z 9 = 0. La distanza di
|4|
2
un punto di s, ad esempio (0, 1, 1) dal piano data da 26 = 13 26.
Un terzo modo di determinare tale distanza sfrutta il fatto che questa
uguale al valore assoluto della componente orientata di un qualsiasi
vettore (P0 , Q0 ), con P0 r e Q0 s, lungo la direzione v 1 v 2 perpendicolare sia ad r che ad s (si pensi al modo in cui si ottenuta la
formula della distanza di un punto da un piano e si consideri il piano
contenente r e parallelo ad s determinato sopra). Scegliendo, ad esempio P0 = (x0 , y0 , z0 ) r e Q0 = (x1 , y1 , z1 ) s, la distanza data
da
d(r , s) =
|(l, m, n) (l , m , n ) (x1 x0 , y1 y0 , z1 z0 )|
.
|(l, m, n) (l , m , n )|
Esempio 4.30 Consideriamo ancora le rette degli esempi precedenti. Si

ha v 1 v 2 = (3, 4, 1). Scegliamo P0 = (1, 1, 2) e Q0 = (0, 1, 1),
dalla formula precedente si ha
d(r , s) =
|((3, 4, 1) (1, 0, 1)|

2 p
26.
=
13
26
Esercizio 4.36 Determinare un piano parallelo alle rette

(
2x z 2 = 0
2y z + 2 = 0
x 2z 1 = 0
y +z+1 = 0
89
90
Capitolo 4
Geometria Analitica
che disti 1 dallorigine.

Esercizio 4.37 Siano date le rette
(
x+y 1 =0
r :
x + 2z = 0
s:
xz =0
x + 2y + z + 3 = 0
Determinare quale tra le due rette ha minor distanza dallorigine e lequazione della retta passante per lorigine che incide ortogonalmente la retta
trovata. Si determini inoltre lequazione del piano passante per lorigine
e parallelo ad entrambe le rette.
Esercizio 4.38 Dati i punti P1 = (1, 0, 1), P2 = (1, 2, 2), P3 = (0, 0, 0),
determinare il luogo dei punti equidistanti da P1 , P2 , P3 .
Esercizio 4.39 Determinare la distanza tra le rette di equazione
x=s
x = 2t
y = 2s 1 .
y =t+1
z=s
z=t
Esercizio 4.40 Determinare la posizione reciproca delle rette di equazione
x = s
x =1t
y = 1 + 2s
y = 2 2t
z = 1 s
z =1+t
e, nel caso siano sghembe, calcolare la loro distanza.
Esercizio 4.41 Determinare la distanza del punto (1, 1, 2) dal piano di

equazione x + y + z 1 = 0.
Esercizio 4.42 Determinare il luogo dei punti aventi distanza 2 dal piano
di equazione x y + 2z + 2 = 0.
In questo capitolo trattiamo, in modo estremamente succinto, il problema dellesistenza di soluzioni di sistemi lineari. Gli argomenti teorici
che stanno dietro alla soluzione di questo problema verranno enunciati
senza alcuna dimostrazione.
Rango di una matrice

Le matrici, che si sono gi rivelate strumento utile nel caso del calcolo
vettoriale e della geometria analitica, sono lo strumento centrale per la
soluzione dei sistemi lineari. Occorre per introdurre un nuovo concetto, quello di rango di una matrice, che verr ampiamente usato anche
nel successivo studio dellalgebra lineare.
In molti casi abbiamo visto che dei problemi (ad esempio la complanarit di vettori) potevano essere ricondotti al calcolo del determinante di una matrice quadrata. Lapproccio seguito era il seguente.
Dati i vettori v 1 = x1 i + y1 j + z1 k, v 2 = x2 i + y2 j + z2 k, v 3 =
x3 i + y3 j + z3 k, si calcola il loro prodotto misto passando ai vettori
(x1 , y1 , z1 ), (x2 , y2 , z2 ), (x3 , y3 , z3 ) di R3 e da questi al determinante
della matrice
x1
x2
x3
y1
y2
y3
z1
z2 .
z3
Se il determinante nullo i tre vettori sono complanari e quindi linearmente dipendenti.

Il calcolo del determinante per non ci permette di distinguere se i tre
vettori sono tutti paralleli o se due sono linearmente indipendenti e il
terzo combinazione lineare degli altri due. Il calcolo del rango della
matrice permette di dare una risposta a questo tipo problema, anche in
contesti molto pi generali. Questo suggerisce la definizione
92
Capitolo 5
Sistemi Lineari
Definizione 5.1 Il rango (per righe) di una matrice
a11
a
21
.
.
.
am1
a12
a22
..
a1n
..
.
..
.
amn
il massimo numero di righe della matrice, pensate come elementi di Rn ,

linearmente indipendenti.
Dora innanzi, in questo capitolo, considereremo, con un abuso di linguaggio, le righe (e pi avanti anche le colonne) delle matrici con le quali
abbiamo a che fare, come dei vettori di Rn ( o di Rm nel caso delle
colonne).
Esempio 5.1 Consideriamo la matrice
1 2 0 1
0 1 2 1 .
0 0 2 2
Questa matrice ha rango 3 infatti i vettori che corrispondono alle tre
righe, cio i vettori (1, 2, 0, 1), (0, 1, 2, 1), (0, 0, 2, 2) di R4 , sono linearmente indipendenti. Verifichiamolo utilizzando la definizione. Consideriamo una loro generica combinazione lineare e poniamola uguale al
vettore nullo
1 (1, 2, 0, 1) + 2 (0, 1, 2, 1) + 3 (0, 0, 2, 2) = (0, 0, 0, 0).
Deve quindi essere
1 = 0
2 = 0
1
2
+
2
3 = 0
+ 2 = 0
1
2
3
La soluzione di questo sistema immediata, basta esaminare nellordine

le equazioni, dalla prima si ricava 1 = 0, sostituendo nella seconda si
ricava 2 = 0, sostituendo nella terza 3 = 0.
Lesempio precedente importante e corrisponde ad una regola gen-
erale. Si consideri una matrice
a11 a12
0
a22
.
.
.
0
0
.
.
.
0
5.1
della forma
a1k
akk
0
..
.
..
a1,n
..
.
..
akn
..
.
0
(5.1)
dove i primi k elementi sulla diagonale a11 , . . . , akk sono non nulli. E
facile provare, procedendo come nellesempio, che il rango di questa
matrice k. Le ultime m k righe sono nulle e quindi linearmente
dipendenti se aggiunte a qualsiasi insieme di vettori, possiamo quindi
trascurarle. Se consideriamo una combinazione lineare con coefficienti
1 , . . . , k , delle prime k righe e la poniamo uguale al vettore nullo di Rn ,
otteniamo un sistema di n equazioni della forma
a11 1 = 0
a12 1 + a22 2 = 0
.
..
a1k 1 + . . . + akk k = 0
...
essendo a11 0 si ricava 1 = 0 dalla prima equazione, sostituendo

nella seconda si ricava 2 = 0, e cos via. Le prime k equazioni sono
sufficienti a provare che lunica soluzione quella nulla.
Esempio 5.2 Nel caso della matrice 3 4
1 0 2 1
0 1 0 2
0 0 0 0
si ha k = 2, quindi il suo rango due.
Esempio 5.3 Nel caso della matrice 3 5
1 1
3 1 0
3 0
0 1 2
0 0 3 0 1
93
94
Capitolo 5
Sistemi Lineari
si ha k = 3, quindi il suo rango tre, ovvero i tre vettori di R5 che costituiscono le sue righe, sono linearmente indipendenti.
Si pu dimostrare che ogni matrice pu essere trasformata nella forma
(5.1) con operazioni elementari che ne conservano il rango. Questo procedimento noto col nome di riduzione di Gauss . Non dimostreremo
rigorosamente i risultati connessi a questo procedimento. Procediamo
tramite degli esempi che diano, pi o meno, unidea del funzionamento
della dimostrazione. Occorre definire delle operazioni elementari che
lascino invariato il rango di una matrice.
Esempio 5.4 Consideriamo le coppie di vettori (v 1 , v 2 ) e (w 1 , w 2 ), dove
w 1 = v 1 e w 2 = v 2 + v 1 . Se i vettori v 1 e v 2 erano paralleli ovvio
che anche w 1 e w 2 lo sono (non si fatto altro che sommare vettori
paralleli). Se invece i vettori di partenza erano linearmente indipendenti
non difficile provare che anche w 1 e w 2 lo sono.
In pratica, dato un insieme di vettori, laggiungere ad uno di tali vettori
un multiplo di un altro vettore, non cambia il numero massimo di vettori
linearmente indipendenti. Nel linguaggio delle matrici questo si traduce
nel seguente fatto
Lemma 5.1 Il rango di una matrice non cambia se si aggiunge ad una
riga un multiplo qualsiasi di unaltra riga.
1 1 1
2 1 0
1 2 2
Vogliamo portare questa matrice nella forma (5.1). In particolare gli elementi della prima colonna diversi dal primo devono diventare nulli.
Per quanto visto il rango di questa matrice non cambia se aggiungiamo
ad una riga un multiplo di unaltra riga. Possiamo quindi aggiungere
alla seconda riga la prima riga moltiplicata per 2, ovvero (2, 1, 0)
2 (1, 1, 1) = (0, 1, 2). Otteniamo una nuova matrice che ha per lo
stesso rango
1
1
1
0 1 2 .
1 2
2
5.1
Quello che abbiamo fatto moltiplicare la prima riga per a21 /a11 in
modo che, sommando alla seconda riga si ottenesse uno zero in a21 . Si
osservi che questo possibile solo grazie al fatto che a11 non nullo.
Possiamo, con lo stesso criterio, sommare alla terza riga la prima riga
ottenendo la matrice
1 1 1
0 1 2 .
0 3 3
95
Per avere la matrice nella forma che ci permette di determinarne il rango,

dobbiamo annullare a32 . Per farlo basta moltiplicare per 3 la seconda
riga e sommarla alla terza (si osservi che questo possibile perch lelemento
a22 di questa matrice non nullo). Otteniamo
1 1
1
0 1 2 .
0 0 3
La matrice di partenza ha quindi rango 3. Questo equivale a dire che

il suo determinante non nullo. Si osservi che la matrice di partenza e
lultima matrice ottenuta hanno lo stesso rango ma non necessariamente
lo stesso determinante.
Nellesempio precedente abbiamo potuto trasformare la matrice data
nella forma in cui facile calcolarne il rango. Questo stato reso possibile dal fatto che alcuni elementi delle matrici che abbiamo costruito
erano non nulli. Non sempre questo avviene, abbiamo quindi bisogno di
nuove regole che ci permettano di sostituire alla matrice data una nuova
che verifichi questa condizione.
Il rango di una matrice dato dal massimo numero di righe linarmente
indipendenti. Il fatto che dei vettori siano linearmente indipendenti non
dipende ovviamente dallordine nel quale li considero. Questo vale anche nel caso si moltiplichi un vettore per uno scalare non nullo, infatti
lo si sostituisce semplicemente con un vettore ad esso parallelo. Nel
linguaggio delle matrici questo corrisponde ai seguenti
Lemma 5.2 Il rango di una matrice non cambia se si scambiano tra

loro delle righe della matrice.
Lemma 5.3 Il rango di una matrice non cambia se si moltiplica una
riga per uno scalare non nullo.
96
Capitolo 5
Sistemi Lineari
0
1 1
2
2 .
1
2 3 5
Il metodo che abbiamo utilizzato nel precedente esempio non immediatamente applicabile perche a11 = 0. Possiamo per scambiare la prima
e la seconda riga. Otteniamo la matrice
1
2
2
1 1
0
2 3 5
che ha lo stesso rango della matrice di partenza. Moltiplichiamo quindi la

prima riga per 2 e sommiamo alla terza. Otteniamo
1 2 2
0 1 1 .
0 1 1
Se, in questa matrice, sommiamo alla terza riga la seconda riga moltiplicata per 1 (ovvero sottraiamo le righe), ottteniamo
1 2 2
0 1 1 .
0 0 0
La matrice di partenza ha quindi rango 2.
2 1 2
3 1 1 .
2 2 3
In questo caso per azzerare la prima colonna dovremmo moltiplicare la

prima riga per 32 e sommarla alla seconda. Utilizzare le frazioni non
molto comodo, possiamo allora moltiplicare la seconda riga per 2 (il
rango non cambia), in questo modo, moltiplicando la prima riga per 3
e sommando si trova
2 1 2
0 1 4 .
2 2 3
5.1
Sottraiamo quindi la prima riga alla terza, ottenendo
2 1 2
0 1 4 .
0 1 1
Sommando la seconda e la terza
0
0
riga
1 2
1 4 .
0
3
La matrice di partenza aveva quindi rango pari a 3.

Le due regole di trasformazione che abbiamo dato non permettono di
portare sempre una matrice nella forma (5.1). Occorre unultima regola,
altrettanto semplice, ma la cui giustificazione pi difficile da intuire.
Lemma 5.4 Il numero di righe linearmente indipendenti di una matrice
uguale a quello della sua trasposta.
Abbiamo accennato, nel paragrafo 2 che il determinante di una matrice
uguale al determinante della sua trasposta, ovvero della matrice che si
ottiene scambiando le righe con le colonne. Se le righe della matrice,
pensate come elementi di Rn , sono linearmente dipendenti (o indipendenti) lo sono anche le colonne, come elementi di Rm . Il Lemma appena
enunciato costituisce quindi una generalizzazione di questo fatto al caso
del calcolo del rango di una matrice.
Il Lemma 5.4 pu essere riformulato come segue
Lemma 5.5 Il numero di righe linearmente indipendenti (come elementi di Rn ) di una matrice di tipo nm uguale al numero di colonne
linearmente indipendenti (come elementi di Rm ).
Il modo in cui useremo questo risultato il seguente: nel calcolo
del rango potremo trovare delle situazioni in cui siamo certi che delle
colonne siano combinazione lineare di altre. In questo caso possiamo
eliminarle e il rango della matrice non cambia.
1 1 2 3
2 2 1 2
1 1 1 1
97
98
Capitolo 5
Sistemi Lineari
Iniziamo azzerando gli elementi della prima colonna. Moltiplichiamo la

prima riga per 2 e sommiamola alla seconda, sommiamola quindi alla
terza. Otteniamo la matrice
1 1 2
3
0 0 3 4 .
0 0
3
2
Per proseguire col nostro metodo dovremmo azzerare anche la seconda

colonna, ma questa gi composta da zeri, anche nellelemento a22 , non
quindi possibile, scambiandola con righe diverse dalla prima, sostituirla
con una in cui a22 0. Questo vuol dire che questa colonna pu essere scartata, infatti ovviamente proporzionale alla proporzionale alla
prima. Il rango della nostra matrice sar quindi uguale a quello della
matrice
1 2
3
0 3 4 .
0 3
2
Sommiamo la seconda e la terza
0
0
riga
2
3
3 4 .
0 2
La matrice di partenza aveva quindi rango uguale a 3.

Con questo insieme di regole sempre possibile portare una matrice
nella forma (5.1). Diamo una forma algoritmica a questo procedimento
(i) Si considera lelemento a11 . Se questo nullo si opera come segue
Si cerca una riga il cui primo elemento sia non nullo. Se possibile trovarla la si sostituisce alla prima.
Se non possibile trovarla vuol dire che la prima colonna composta da soli 0, quindi linearmente dipendente e pu essere
eliminata dalla matrice dato che non contribuisce al calcolo del
rango.
(ii) Si azzerano gli elementi della prima colonna successivi al primo
moltiplicando la prima riga per ai1 /a11 e sommandola alla iesima (questo equivalente a moltiplicare la prima riga per ai1 ,
la i-esima riga per a11 e sommarle).
(iii) Si itera questo procedimento come segue. Si passa alla colonna
successiva (la i-esima). Dora in poi le righe e le colonne dalla
5.1
prima alla (i 1)-esima non verranno scambiate con altre righe o

eliminate. Si considera lelemento aii . Se questo nullo si procede
come segue
Si cerca una riga (successiva alla i-esima) il cui elemento sulla
colonna i-esima sia non nullo. Se possibile trovarla si scambiano le due righe
Se non possibile trovarlo vuol dire che la colonna i-esima
combinazione lineare delle precedenti e la si pu eliminare dalla
matrice senza modificarne il rango.
(iv) Si azzerano gli elementi della colonna i-esima sotto la diagonale
utilizzando lo stesso metodo visto per la prima colonna.
(v) Ci si ferma quando si sono considerate tutte le righe o tutte le
colonne.
0 1 1 0
2 2 4 1 .
1 1 2 0
Poich lelemento a11 nullo dobbiamo cercare una riga che abbia al
primo posto un elemento non nullo, per sostituirla alla prima. Possiamo scegliere fra la seconda e la terza riga, conviene utilizzare la terza
in quanto ce un 1 al posto a31 e sar pi facile azzerare gli elementi
della prima colonna (infatti ai1 /a11 sar uguale a ai1 ). Consideriamo
quindi la matrice
1 1 2 0
0 1 1 0 .
2 2 4 1
Moltiplichiamo per 2 la prima riga
1 1
0 1
0 0
e sommiamola alla terza, otteniamo
2 0
1 0 .
0 1
Passiamo ora alla seconda colonna. In questa lelemento a22 non nullo,
quindi non occorre effetturare degli scambi di riga, gli elementi successivi
sono gi nulli quindi non ci sono calcoli da fare. Passiamo alla terza
colonna. Lelemento a33 nullo e non ci sono righe successive alla terza
con le quali sostituire la terza riga. Questo significa che la terza colonna
99
100
Capitolo 5
Sistemi Lineari
combinazione lineare delle due precedenti, la possiamo quindi eliminare.

Troviamo la matrice
1 1 0
0 1 0 .
0 0 1
In questa matrice lelemento a33 non nullo e non ci sono elementi successivi da azzerare nella terza colonna. Non essendoci altre colonne il
procedimento termina qui. Il rango della matrice 3.
Esempio 5.10 Determiniamo, al

matrice
a
0
1
a
variare del parametro a, il rango della
1 a 1
a 0 a
.
0 1 0
0 a 0
Per iniziare dovremmo poter stabilire se lelemento a11 nullo. Essendo

uguale al parametro a non abbiamo nessuna informazione. Dovremmo
quindi dividere il problema in 2 sottocasi, a = 0 o a 0. E conveniente
scambiare la terza riga con la prima
1 0 1 0
a 1 a 1
0 a 0 a
a 0 a 0
Moltiplichiamo quindi la prima riga per a e sommiamola alla seconda e
alla quarta. Otteniamo
1 0 1 0
0 1 0 1
0 a 0 a
0 0 0 0
Azzerata la prima colonna passiamo alla seconda. Lelemento a22 diverso da zero, possiamo quindi moltiplicare la seconda riga per a e
sommarla alla terza.
1 0 1 0
0 1 0 1
.
0 0 0 0
0 0 0 0
Passiamo alla terza colonna. Lelemento a33 nullo e non ci sono righe,
5.1
successive alla terza, con le quali ovviare a questa situazione. La terza

colonna quindi combinazione lineare delle prime due ( infatti uguale
alla prima) e pu essere eliminata. Si ottiene la matrice
1 0 0
0 1 1
0 0 0
0 0 0
Si ha la stessa situazione, la terza colonna pu essere eliminata, ottenendo
1 0
0 1
0 0
0 0
La matrice ha quindi rango uguale a 2, indipendentemente dal valore di

a.
Concludiamo questo paragrafo con una osservazione importante. Il
rango di una matrice rappresenta il numero massimo di righe (o di
colonne) linearmente indipendenti. In particolare risulter minore o
uguale sia del numero delle righe che di quello delle colonne. Ad esempio il rango di una matrice 4 3 non pu essere superiore a 3.
Esercizio 5.1 Determinare il rango delle
!
1 1
1 3 2 5
,
b) 2 5
a)
2 1 0 2
0 2
1 1 0 2 1
1
1 3 2 ,
d) 3
1 3 1 1 0
Esercizio 5.2 Determinare,
matrici
1 2 1
5 1
2
a)
4 1 a
3 a
4
seguenti matrici
1 2 5
2
7 ,
c) 2 4 10 ,
3 6 15
2
1
e)
1
1
1
1
3
1
1
2
1
1
1
4
1
3
1
1
.
5
4
1
al variare del parametro a, il rango delle
1
1
,
0
1
a 1 1 1
1 a 1 1
b)
1 1 a 1
1 1 1 a
1
1
.
1
1
101
102
Capitolo 5
Sistemi Lineari
Esercizio 5.3 Stabilire quanti,al pi, fra i seguenti elementi di R5

(1, 2, 3, 4, 5), (2, 3, 4, 5, 6), (3, 4, 5, 6, 7), (4, 5, 6, 7, 8)
sono linearmente indipendenti.
Esercizio 5.4 Determinare, al variare del parametro a, il rango delle
matrici
1 1 a
3a + 2a 1 1 2a3 a2
2a
1 0
a2
a) 1 a 1 ,
b)
a 1 1
1
2
1
0
1 a 0 0
c) 1 0 a a .
0 a a 1
Esercizio 5.5 Determinare il rango della matrice
0 1 0 1a
b
1 0 a
1 1 c
a
al variare dei parametri a, b, c.
Sistemi lineari
Applichiamo gli strumenti definiti nel precedente paragrafo al caso
della soluzione di sistemi lineari. Ovvero al problema di stabilire lesistenza di n-ple (x1 , . . . , xn ) (considereremo quindi le incognite come componenti di un vettore di Rn ) che soddisfino un sistema di m equazioni
della forma
a11 x1 + a12 x2 + . . . + a1n xn = b1
a21 x1 + a22 x2 + . . . + a2n xn = b2

(5.2)
..
a x + a x + ...+ a x = b
m1 1
m2 2
mn n
m
Questo sistema pu essere scritto in forma pi compatta, posto
a11 a12 a1n

x1
b1
a
x
b
21 a22 a2n
2
2
A= .
..
.. , x = .. , b =
.. ,
.
.
.
.
.
.
am1 am2 amn
xn
bm
Sistemi lineari
5.2
il sistema equivalente alla equazione vettoriale

A x = b.
La matrice A detta matrice incompleta del sistema, il vettore b invece
il vettore dei termini noti.
Esempio 5.11 Nella soluzione di sistemi lineari si possono presentare
molte situazioni. Un sistema pu non avere soluzioni, come nel caso
(
x1 = 1
x1 = 2
Pu avere una unica soluzione, nel caso di
!
(
1 1
x1 + x2 = 1
x =
equivalente a
1 1
x1 x2 = 2
3
1
2
si determina facilmente (x1 , x2 ) = ( 2 , 2 ), che rappresenta un punto nel

piano. Oppure ne pu avere infinite, nel caso di
!
!
(
1
1 1
x1 + x2 = 1
x =
equivalente a
2
2 2
2x1 + 2x2 = 2
lunica condizione che si riesce a determinare x2 = 1 x1 quindi tutte le
coppie (x1 , 1 x1 ) forniscono soluzioni al variare di x1 . Si osservi che tali
soluzioni possono essere scritte nella forma (0, 1)+x1 (1, 1) ovvero sono
date dalla somma di (0, 1) con un qualsiasi vettore parallelo a (1, 1). Le
soluzioni sono quindi date dai punti che appartengono ad una retta nel
piano (x1 , x2 ) (quella che abbiamo scritto sopra praticamente la sua
equazione parametrica).
Il legame fra sistemi lineari e geometria analitica, se si hanno al pi tre
incognite, dovrebbe essere chiaro, ad esempio in un sistema del tipo
ax + by + cz + d = 0
a x + b y + c z + d = 0

a x + b y + c z + d = 0
una eventuale soluzione rappresenta un punto di interesezione fra tre

piani. Tale intersezione pu non esistere (ad esempio se i piani sono
paralleli), pu essere data da un punto (se due piani si intersecano secondo una retta e il terzo piano interseca in un punto questa retta), pu
essere data dai punti di una retta (se i piani appartengono ad un fascio
proprio), pu essere data dai punti di un piano (se i tre piani sono coincidenti). In questultimo caso, andando a svolgere i calcoli per trovare
103
104
Capitolo 5
Sistemi Lineari
la soluzione, vedremo che possiamo determinare solo una delle incognite, ad esempio (supponendo c 0) il vettore delle soluzioni sar della
forma (x, y, ac x bc y dc ), che fornir lequazione del piano in forma
a
parametrica come (0, 0, c ) + x (1, 0, c ) + y (0, 1, c ). La soluzione ci

porta sempre a descrivere il luogo (retta o piano) in forma parametrica.
In generale, con laumentare del numero delle incognite, perderemo la
possibilit di una rappresentazione grafica delle soluzioni. Per descrivere la quantit di soluzioni di un sistema in modo migliore occorrono
delle nozioni relative a spazi vettoriali (o spazi affini) e il concetto di
dimensione, cose che non tratteremo in dettaglio. Cerchiamo di dare
unidea nel modo che segue. Una retta , secondo la definizione intuitiva, un oggetto di dimensione 1, ed descrivibile mediante la variazione di un parametro. Un piano un oggetto di dimensione 2, e
per descriverlo, nellequazione parametrica, occorrono 2 parametri. La
quantit di soluzioni di un sistema lineare pu essere quindi descritta
mediante il numero di parametri (ovvero le incognite che non riusciamo
a determinare) da cui dipendono.
Se, nella soluzione di un sistema in n incognite, esistono delle soluzioni ed possibile descriverle mediante q parametri, diremo che le soluzioni formano un sottospazio affine di dimensione q di Rn . Questa definizione nei casi q = 1 e q = 2 corrisponde, come si pu intuire dagli esempi visti, al caso di rette e piani. Il caso q = 0 corrisponde invece ad
una soluzione unica, ovvero ad un solo punto in Rn . Il problema che
vogliamo risolvere , dato un sistema, stabilire se questo ha soluzioni e,
in caso affermativo, determinare q. Usiamo un approccio che utilizzi il
calcolo del rango.
Un modo alternativo di scrivere il sistema dato da una equazione
vettoriale della forma
b1
a1n
a12
a11
a b
a
a
2n 2
22
21
+
x
+
x
x1
n .. = .. .
2 ..
..
. .
.
.
am1
am2
amn
bm
Il sistema ammette quindi soluzioni se e solo se possibile esprimere

(b1 , b2 , , bm ) come combinazione lineare di (a11 , a21 , , am1 ), . . .,
(a1n , a2n , , amn ), le incognite diventano i coefficienti della combinazione lineare. Cerchiamo un modo per stabilire quando questo avviene.
Losservazione fondamentale la seguente. Dati dei vettori v 1 , . . . , v n ,
Sistemi lineari
5.2
se aggiungiamo un vettore w, che sia combinazione lineare di v 1 , . . . , v n ,

il numero massimo di vettori linearmente indipendenti non cambia e,
viceversa, se si osserva che aggiungendo w il massimo numero di vettori
linearmente indipendenti non cambia, il vettore w necessariamente
combinazione lineare di v 1 , . . . , v n . Per sapere se un sistema ammette
soluzioni basta quindi contare il massimo numero di vettori linearmente
indipendenti in due insiemi di vettori e controllare se sono uguali. Sappiamo utilizzare il rango per calcolare questi numeri, disponendo i vettori
in colonna (abbiamo finora disposto i vettori secondo le righe ma il rango
di una matrice uguale a quello della sua trasposta), consideriamo la matrice incompleta del sistema e la matrice che otteniamo aggiungendole,
come colonna, il vettore dei termini noti
a11 a12 a1n b1

a
21 a22 a2n b2
(A|b) =
..
..
..
..
.
.
.
.
.
am1
am2
amn
bm
La matrice (A|b) detta matrice completa del sistema. La condizione di

esistenza di soluzioni viene quindi stabilita dal seguente teorema
Teorema 5.1 [Teorema di Rouch-Capelli] Un sistema lineare di m equazioni in n incognite della forma (5.2) ammette soluzioni se e solo se
il rango della matrice completa uguale al rango della matrice incompleta. Detto p tale valore, e posto q = n p, linsieme delle soluzioni
un sottospazio affine q-dimensionale di Rn .
Questo teorema risolve completamente il problema che volevamo trattare, stabilisce infatti quale condizione deve essere soddisfatta per avere
lesistenza di soluzioni e, nel caso questa sia soddisfatta, il numero
di soluzioni del sistema. E difficile, con gli strumenti a disposizione,
dare una giustificazione della seconda parte del teorema. Si afferma
sostanzialmente che, una volta stabilito che le soluzioni esistono, si
hanno tante pi soluzioni quanti meno sono i vettori colonna linearmente indipendenti. Cerchiamo di darne una parziale interpretazione.
Avevamo visto, nelle osservazioni che seguivano il teorema della base,
che, aggiungendo vettori ad una base (cio ad un sistema di vettori linearmente indipendenti) non era pi univoca la scrittura di un vettore
come combinazione lineare (e tale non univocit aumenta allaumentare
dei vettori che si aggiungono). In pratica aumentavano i possibili coefficienti della combinazione lineare. Nel caso dei sistemi lineari questo
105
106
Capitolo 5
Sistemi Lineari
corrisponde al fatto che il vettore dei termini noti b pu essere scritto

in molti modi se ci sono poche colonne linearmente indipendenti. Nel
prossimo capitolo svilupperemo degli strumenti che permettono una
piena giustificazione di questo fatto.
Esempio 5.12 Consideriamo il sistema
x + 2y z = 0
2x + 4y + z = 0
Un tale sistema, nel quale il vettore
geneo. In questo caso le matrici che
!
1 2 1
,
2 4 1
dei termini noti nullo, detto omodobbiamo considerare sono

!
1 2 1 0
.
2 4 1 0
Queste matrici hanno lo stesso rango, infatti abbiamo aggiunto alla matrice incompleta una colonna data da tutti zeri, aggiungendo quindi un
vettore che necessariamente linearmente dipendente dalle altre colonne.
Questo corrisponde al fatto che un sistema omogeneo ha sempre almeno
una soluzione, data da (x, y, z) = (0, 0, 0). Per vedere se esistono altre
soluzioni determiniamo il rango della matrice incompleta. Col metodo di
riduzione visto nel precedente paragrafo si ottiene, al primo passaggio, la
matrice
!
1 2 1
0 0 3
La seconda colonna proporzionale alla prima e la possiamo cancellare,
otteniamo la matrice
!
1 1
0 3
che ha rango p = 2. Essendo il numero delle incognite n = 3, il sistema
ha infinite soluzioni (q = 1), date da una retta in R3
2x y + z = 1
x + 2y + z = 1
3x 4y + z = 2
Le matrici associate al sistema sono
2 1 1
2 1 1 1
1 2 1 , 1 2 1 1 .
3 4 1
3 4 1 2
Sistemi lineari
5.2
E possibile, con qualche attenzione, calcolare contemporaneamente i ranghi delle due matrici, sfruttando il fatto che la matrice completa contiene
quella incompleta. Scriviamo quindi la matrice completa tendendo separata la colonna dei termini noti
..
2 1 1 . 1
1 2 1 .. 1 .
..
3 4 1 . 2
Con lusuale procedimento di riduzione otteniamo che il rango di questa
matrice equivalente a quello della matrice
..
2
1
.
1
..
0 5 . 1 .
.
0 0 .. 6
Il rango della matrice completa quindi 3. La matrice che si ottiene non
considerando lultima colonna (che faceva parte solo della matrice completa) ha lo stesso rango della matrice incompleta, che quindi ha rango 2.
Per il teorema di Rouch-Capelli il sistema non ha soluzione
x y + 3z + 3t = 2
4x 2y + z 3t = 2
3x 5y + 3z t = 2
x + 2y 2z = 0
x+y +t =1
Studiamo il rango della matrice completa e di quella incompleta
..
1
1
3
3
.
2
4 2 1 3 ... 2
..
3 5 3 1 . 2 .
..
.
0
2
2
0
..
1
1
0
1 . 1
107
108
Capitolo 5
Sistemi Lineari
La matrice ridotta della forma
..
1
1
3
3
.
2
..
0 6 13
9
. 10
..
0 0 16 12 . 28 .
..
0 0
0
12 . 12
..
.
0
0 0
0
0
I ranghi della matrice completa e della incompleta sono uguali a p = 4,

il sistema ammette quindi soluzioni. Poich il numero delle incognite
n = 4, la soluzione unica (q = 0).
Esempio 5.15 Determiniamo, al variare del parametro reale k, il numero
di soluzioni del sistema
x + ky + z = k
kx + y kz = 1
x+y z =1
Dobbiamo studiare il rango della matrice
..
1 k 1 . k
k 1 k .. 1 .
..
1 1 1 . 1
Il primo passaggio del metodo di riduzione porta alla matrice
..
1
k
1
.
k
..
2
2
0 1 k 2k . 1 k .
.
0 1k
2 .. 1 k
Questa situazione non ottimale in quanto sulla diagonale dovremmo

avere quantit delle quali sappiamo se sono nulle o meno. Dovremmo
quindi distinguere il caso k = 1 dagli altri. Per evitare di dover procedere con dei sottocasi, scambiamo la seconda e la terza riga. Otteniamo
la matrice
..
1
k
1
.
k
..
2 . 1 k .
0 1 k
.
0 1 k2 2k .. 1 k2
Sistemi lineari
5.2
La situazione non ancora ottimale perch abbiamo ancora al posto a22

una quantit che pu ancora essere nulla (anche se adesso gli unici casi
da considerare sarebbero k = 1 e k 1). Possiamo per scambiare la
seconda e la terza colonna. E importante notare che lo scambio avviene
allinterno della matrice incompleta, quindi il risultato finale non viene
falsato. Si ottiene
..
1
k
.
k
1
..
1 k . 1 k .
0 2
.
0 2k 1 k2 .. 1 k2
Proseguendo col metodo di
riduzione arriviamo alla matrice
..
1
k
.
k
..
2 1 k . 1 k .
.
0 1 k .. 1 k
Se k 1 il rango della matrice incompleta uguale a quello della matrice

completa ed pari a p = 3. Il sistema ammette quindi una soluzione
unica. Se k = 1 i ranghi delle due matrici sono ancora uguali, pari a
p = 2, il sistema ammette quindi infinite soluzioni.
Si osservi che, affinch il sistema ammetta infinite soluzioni, il rango
della matrice incompleta non deve essere pari al numero delle incognite,
mentre affinch la soluzione sia unica deve valere luguaglianza (queste
condizione non sono sufficienti, occorre che le soluzioni esistano cio
bisogna considerare anche la matrice completa. In certi casi, come nel
caso di sistemi omogenei, noto che una soluzione esiste sempre). Nel
caso la matrice in questione sia quadrata, queste condizioni possono
facilmente essere verificate utilizzando il determinante.
Esempio 5.16 Determiniamo il valore del parametro k per il quale il sistema
kx + y = 1
x + y + (1 k)z = k
y +z =1
ammette una soluzione unica. Osserviamo che la matrice incompleta del

sistema di tipo 3 3. Condizione necessaria affinch il sistema ammetta
una soluzione unica che il rango di tale matrice sia 3. Questo equivale a stabilire quando il determinante della matrice incompleta non
109
110
Capitolo 5
Sistemi Lineari
nullo. Tale determinante pari a k2 1. Quindi se k 1 il rango della

matrice incompleta 3. Poich la matrice completa contiene la matrice
incompleta, il rango di tale matrice non pu essere inferiore a quello della
matrice incompleta (se delle colonne sono linearmente indipendenti nella
matrice incompleta lo sono anche nella completa). Quindi, nel nostro caso,
il rango della matrice completa non inferiore a 3. Trattandosi di una
matrice 3 4 il suo rango deve essere proprio uguale a 3, coincidente con
quello della matrice incompleta. Quindi la soluzione esiste.
Finora abbiamo trattato solo il problema dellesistenza e del numero
di soluzioni di un sistema. Determinare queste soluzioni comporta necessariamente dei calcoli. Esistono delle scorciatoie, esaminiamo solo il
metodo dei sistemi equivalenti, tralasciando metodi come la regola di
Cramer. Il numero di calcoli da effettuare pu essere ridotto grazie alla
seguente osservazione. Se nel corso del metodo di riduzione di Gauss
non si elimina nessuna colonna (si pu non considerare una colonna ai
fini del calcolo del rango, basta non rimuoverla dalla matrice, come abbiamo fatto in alcuni esempi), la matrice ottenuta rappresenta un sistema
che ha le stesse soluzioni del sistema di partenza. Tale sistema per
molto pi facile da risolvere, almeno quando il numero delle incognite
alto.
x 3y + z = 0
x + 3y = 1
2x 6y 2z = 4
Il primo passo del procedimento di riduzione porta alla matrice
1 3 1
1
0 0
0 0 4
..
. 0
..
. 1 .
..
. 4
In un caso simile procedevamo eliminando la seconda colonna, che proporzionale alla prima. Possiamo lasciare questa colonna nella matrice
ma non considerarla ai fini del rango. Continuando con la riduzione si
Sistemi lineari
arriva alla matrice
5.2
..
1 3 1 . 0
0 0 1 .. 1 .
.
0 0 0 .. 0
Il rango della matrice completa quindi uguale a quello della incompleta.

Il sistema equivalente al sistema
(
x 3y + z = 0
z=1
Che ha soluzione (x, y, z) = (3y 1, y, 1).
Esercizio 5.6 Stabilire lesistenza ed il numero di soluzioni dei seguenti
sistemi lineari
(
(
2x + y = 1
x + 3y 2z = 1
, b)
a)
4x + 2y = 1
3x + 9y 6z = 3
2x + 2y 4z + 6t = 0
5x + 2y 7z + 10t = 0
,
c)
4x + 5z + 7t = 0
3x + y + 3z 4t = 0
2x y + z + 1 = 0
x + 2y z + 1 = 0
d)
4x + 3y z + 3 = 0
5x + z + 3 = 0
Esercizio 5.7 Determinare, al variare dei parametri a, b, il numero di

soluzioni dei sistemi
4x + y = 8
ax + y = 0
3ax 2y = 0
x + ay = 0
, b)
a)
5x + 2y = 5
2x
+ (1 + a)y = a
x + 7by = 8
x + ay + z = a + 2
x y = 1 + a2
,
c)
y z = a
ax + 2y bz = b
y + az = 0
e)
,
ax + bz = b
x + ay + z = a
ax + y az = 1
d)
x+y z =1
5x y 3z + 4t 8v = 5
x 5y 15z + 4t 8v = a
f)
2x 4y 12z + t 2v = 2
111
Spazi vettoriali
Nel capitolo 3 abbiamo accennato allesistenza di insiemi V che hanno
propriet simili a quelle dello spazio dei vettori liberi, e vengono di conseguenza detti spazi vettoriali reali . La similitudine con il caso dei
vettori liberi data dalla definizione di due operazioni, la somma ed
il prodotto per uno scalare, che godono delle seguenti propriet (nelle
quali, per ora, supporremo K = R)
1) 0 V : v V v + 0 = 0 + v = v;
2) v V v V : v + (v) = 0;
3) v, w V , v + w = w + v;
4) v, w, t V , v + (w + t) = (v + w) + t;
5) v V , 1 v = v;
6) v V , , K, ( + ) v = v + v;
7) v V , , K, () v = ( v);
8) v, w V , K, (v + w) = v + w.
(6.1)
Molti degli spazi con i quali si lavora in matematica godono di queste

propriet, fra questi
(i) Lo spazio reale n-dimensionale Rn , dove le operazioni sono definite da
(x1 + . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn )
(x1 , . . . , xn ) = (x1 , . . . , xn ).
(ii) Lo spazio M(m n, R) delle matrici di tipo m n a coefficienti

reali, dove le operazioni sono definite da
a11
.
.
.
am1

a1n
b11

. .
+ .
.
. .
amn
bm1
a11
.
.
.
am1

b1n
a11

.
=
.
.
bmn
am1
a1n
a11

. .
= .
.
.
.
amn
am1
+ b11
.
.
.
+ bm1
a1n
.
amn
a1n + b1n
.
amn + bmn
Sottospazi vettoriali
6.2
(iii) Lo spazio Pn dei polinomi di grado non superiore a n, dove le

operazioni sono definite, nel modo ovvio, da
(an x n + . . . + a0 ) + (bn x n + . . . + b0 ) = (an + bn )x n + . . . + a0 + b0
(an x n + . . . + a0 ) = an x n + . . . + a0
Grazie alle operazioni di somma e prodotto per uno scalare possibile
estendere agli spazi vettoriali i concetti di combinazione lineare e di lineare indipendenza. Il primo ci porter alla definizione di sottospazio di
uno spazio vettoriale, il secondo a quella di base di uno spazio vettoriale.
Esercizio 6.1 Determinare lelemento neutro della somma dello spazio P3
dei polinomi di grado non superiore a 3 e dello spazio M(4 2, R) delle
matrici di tipo 4 2 a coefficienti reali. Determinare quindi, nei rispettivi
spazi, gli inversi rispetto alla somma del polinomio x 2 + 2x 3 e della
2 1
1 3
matrice
4 2
1 5
Esercizio 6.2 Linsieme dei numeri razionali, munito delle operazioni indotte da R, uno spazio vettoriale?
Esercizio 6.3 Dire se R3 , munito delle seguenti operazioni
(x1 , y1 , z1 ) + (x2 , y2 , z2 ) = (0, 0, 0), (x, y, z) = (x, y, z
uno spazio vettoriale.
Vogliamo cercare, allinterno di uno spazio vettoriale V , dei sottoinsiemi che abbiano ancora la propriet di essere spazi vettoriali rispetto
alle stesse operazioni definite in V . La definizione la seguente.
Definizione 6.1 Sia V uno spazio vettoriale, un suo sottoinsieme W un
sottospazio vettoriale se sono verificate le seguenti propriet
(i) w1 , w2 W , w1 + w2 W ;
(ii) w W , R, w W .
Questo equivale a richiedere che la somma di elementi di W stia ancora in W e cos pure il prodotto di un elemento di W per uno scalare. E
113
114
Capitolo 6
Algebra Lineare
evidente che, quando questo accade, W soddisfa le condizioni imposte

della definizione di spazio vettoriale in quanto le operazioni che utilizziamo in W non sono altro che quelle di V , che verificano tali condizioni.
Esempio 6.1 Consideriamo, in R4 linsieme
W = {(x, y, z, t) : x + 2y + z t = 0}.
Questo un sottospazio vettoriale di R4 . Un modo di verificarlo utilizzare la relazione che definisce gli elementi di W , per descrivere un suo
elemento generico. Si ha
W = {(x, y, z, x + 2y + z), x, y, z R}.
(6.2)
Gli elementi di W sono quindi quegli elementi di R4 la cui quarta componente data dalla somma della prima e della terza col doppio della
seconda. Se consideriamo due elementi w1 = (x1 , y1 , z1 , x1 + 2y1 + z1 ) e
w2 = (x2 , y2 , z2 , x2 + 2y2 + z2 ), essendo la definizione di somma in W la
stessa che abbiamo in R4 , si ha
w1 + w2 = (x1 + x2 , y1 + y2 , z1 + z2 , (x1 + x2 ) + 2(y1 + y2 ) + (z1 + z2 )).
E questo ancora un elemento della forma (6.2), cio un elemento di W .
Sia ora R, si ha
w1 = (x1 , y1 , z1 , x1 + 2y1 + z1 )
che ancora un elemento della forma (6.2). Quindi provato che W un
sottospazio vettoriale di R4 .
Esempio 6.2 Consideriamo il seguente sottoinsieme di M(3 3).
W = {A M(3 3) : tr (A) = 0}.
Dove tr (A) la traccia della matrice A, ovvero la somma degli elementi
sulla diagonale principale, nel nostro caso tr (A) = a11 + a22 + a33 .
Lelemento generico di W si pu allora scrivere come
a11 a12
a13
a23
a21 a22
.
a31 a32 (a11 + a22 )
Non difficile verificare che la somma di elementi di questa forma ancora in W , cos come il prodotto di una tale matrice per uno scalare.
6.2
Esempio 6.3 Consideriamo il seguente sottoinsieme di R3

W = {(x, y, z) R3 : x + y z = 1}.
In questo caso linsieme non un sottospazio vettoriale. E possibile verificarlo anche nel seguente modo. Dato un sottospazio W di uno spazio
vettoriale V ed un suo elemento w, dalla definizione di sottospazio si ha
che (1)w = w deve essere un elemento di W . Dalla definizione di
sottospazio segue ancora che 0 = w + (w) deve essere un elemento di
W . In particolare ogni sottospazio di V contiene lelemento neutro della
somma. Nel caso del nostro esempio tale elemento (0, 0, 0) ed immediato verificare che non appartiene a W .
Si pu provare che i sottospazi vettoriali di Rn sono definiti da sistemi
(eventualmente con una sola equazione) di equazioni lineari omogenee
(ovvero con le incognite elevate ad un grado non superiore al primo e
prive di termine noto).
Per descrivere i sottospazi vettoriali di uno spazio vettoriale V , almeno nei casi che ci interessano, conviene soffermarsi sulla definizione
di combinazione lineare.
Definizione 6.2 La combinazione lineare dei vettori v1 , . . . , vn V con
coefficienti 1 , . . . , n R data da
1 v1 + . . . + n vn .
Indicheremo con L(v1 , . . . , vn ) linsieme di tutte le combinazioni lineari di
v1 , . . . , vn .
Esempio 6.4 Consideriamo il caso dei vettori liberi.
(i) Se v 1 = 0 si ha L(v 1 ) = 0;
(ii) Se v 1 0, L(v 1 ) dato da tutti i vettori paralleli a v 1 ;
(iii) Se v 1 e v 2 sono due vettori non paralleli, L(v 1 , v 2 ) dato da tutti
i vettori complanari a v 1 e v 2 ;
(iv) Sia v 1 , v 2 e v 3 una base di V . In tal caso L(v 1 , v 2 , v 3 ) = V .
Osserviamo che se un sottospazio contiene i vettori v1 , . . . , vn , deve
contenere anche 1 v1 , . . . , n vn , qualunque siano 1 , . . . , n , dato che
la moltiplicazione per uno scalare una operazione interna al sottospazio. Poich anche la somma una operazione interna al sottospazio
vettoriale, anche 1 v1 + . . . + n vn deve appartenere a W . Ne segue
che L(v1 , . . . , vn ) W , ovvero se un sottospazio contiene dei vettori,
115
116
Capitolo 6
Algebra Lineare
deve contenere ogni loro combinazione lineare.

L(v1 , . . . , vn ).
Analizziamo meglio
Proposizione 6.1 Sia V uno spazio vettoriale e v 1 , . . . , v n V . Allora

W = L(v 1 , . . . , v n ) un sottospazio vettoriale di V .
Dim. Siano w1 , w2 W . Essendo W linsieme delle combinazioni lineari
di v1 , . . . , vn si avr w1 = a1 v1 + . . . + an vn e w2 = b1 v1 + . . . + bn vn .
Quindi
w1 + w2 = (a1 + b1 )v1 + . . . + (an + bn )wn
ancora una combinazione lineare di v1 , . . . , vn cio un elemento di W .
Sia ora R, si ha
w1 = a1 v1 + . . . + an vn
che ancora un elemento di W .
Queste osservazioni permettono di descrivere completamente i sottospazi vettoriale di alcuni spazi noti.
Esempio 6.5 Consideriamo lo spazio V dei vettori liberi. Sia W un suo
sottospazio vettoriale. Si deve verificare uno dei seguenti casi.
(i) W contiene tre elementi linearmente indipendenti v 1 , v 2 , v 3 . In tal
caso W deve contenere L(v 1 , v 2 , v 3 ) = V , quindi W = V .
(ii) in W possibile trovare 2 elementi linearmente indipendenti v 1 e
v 2 ma W V . In tal caso W deve contenere anche L(v 1 , v 2 ) cio
linsieme dei vettori complanari a v 1 e v 2 . Non vi possono essere
altri elementi in W dato che un terzo vettore non complanare con
v 1 e v 2 ci riporterebbe al caso precedente. Quindi W = L(v 1 , v 2 ).
(iii) in W non si possono determinare due elementi linearmente indipendenti ma W 0. In tal caso W deve contenere un vettore non nullo
v. Deve quindi contenere L(v), ovvero tutti i vettori paralleli a v.
Non pu contenere altri elementi, altrimenti torneremmo al caso
precedente, quindi W = L(v).
(iv) W contiene solo lelemento neutro della somma W = {0} = L(0).
I sottospazi vettoriale di V sono quindi: V , gli insiemi di vettori complanari a due vettori dati, gli insiemi di vettori paralleli ad un vettore dato e
0.
6.2
Nei casi che consideriamo nel corso i sottospazi vettoriali di uno spazio vettoriale V sono quelli esprimibili nella forma L(v1 , . . . , vn ) per opportuni v 1 , . . . , v n . Si dice in tal caso che il sottospazio generato da
v1 , . . . , vn e che questi vettori formano un sistema di generatori del sottospazio.
Proposizione 6.2 Se vn combinazione lineare di v1 , . . . , vn1 si ha
L(v1 , . . . vn ) = L(v1 , . . . , vn1 ).
Dim. Se vn esprimibile come combinazione lineare di v1 , . . . , vn1 ,

ovvero vn L(v1 , . . . , vn1 ). Si ha vn = a1 v1 + . . . an1 vn1 . Sia ora
v L(v1 , . . . vn ), allora
v = 1 v1 + . . . n vn = 1 v1 + . . . + n1 vn1 +
+n (a1 v1 + . . . an1 vn1 ) =
= (1 + a1 n )v1 + . . . (n1 + an1 n )vn1 .
Quindi v L(v1 , . . . , vn1 ). Dato che si ha ovviamente L(v1 , . . . vn1 )
L(v1 , . . . , vn ) deve valere luguaglianza.
Questo implica che per caratterizzare L(v1 , . . . , vn ) basta considerare
il massimo numero di vettori linearmente indipendenti tra v1 , . . . , vn . In
particolare pu possono esistere sistemi di generatori di un sottospazio
composti da un numero diverso di elementi.
Esempio 6.6 Consideriamo lo spazio
L((1, 2, 0, 1), (2, 1, 1, 0), (0, 3, 1, 2), (1, 2, 1, 1)) R4 .
Cerchiamo di determinare un sottoinsieme massimale di vettori linearmente indipendenti. Costruiamo una matrice le cui colonne siano date
dalle componenti di questi vettori.
1
2
0
1
2 0 1
1 3
2
1 1 1
0 2
1
Applicando il metodo di riduzione di Gauss a tale matrice possiamo stabilire quante (e quali) colonne sono linearmente indipendenti. Si arriva
117
118
Capitolo 6
alla matrice
Algebra Lineare
1 2 0 1
0 3 3 4
0 0 0 7
0 0 0 0
dove il grassetto indica che la terza colonna non contribuisce al calcolo del rango essendo combinazione lineare delle prime due. Il rango
di questa matrice 3 e si ha
L((1, 2, 0, 1), (2, 1, 1, 0), (0, 3, 1, 2), (1, 2, 1, 1)) =
= L((1, 2, 0, 1), (2, 1, 1, 0), (1, 2, 1, 1)).
Nei casi pratici utile la seguente
Proposizione 6.3 Siano W1 e W2 due sottospazi vettoriali di uno spazio
vettoriale V . Allora
(i) W1 W2 un sottospazio vettoriale di V ;
(ii) W1 W2 un sottospazio di V se e solo se W1 W2 oppure W2
W1 .
Esempio 6.7 Consideriamo i seguenti sottospazi di R2

W1 = {(x, y) R2 : y = 0},
W2 = {(x, y) R2 : x = 0}.
Linsieme W1 W2 dato dallunione dei due assi cartesiani e non un

sottospazio di R2 in quanto se, ad esempio, consideriamo (1, 0) + (0, 1) si
ottiene (1, 1) che non un elemento di W .
Lunione di due sottospazi W1 e W2 non pu condurre alla costruzione
di nuovi sottospazi contenenti W1 e W2 , esiste per una costruzione che
conduce a nuovi esempi
Definizione 6.3 Sia V uno spazio vettoriale e W1 , W2 due suoi sottospazi.
La somma di W1 e W2 il sottospazio di V definito da
W1 + W2 = {v V : v = w1 + w2 , w1 W1 , w2 W2 }.
La somma detta diretta se W1 W2 = . In tal caso i sottospazi sono
detti complementari.
La somma di due sottospazi W1 e W2 quindi linsieme dei vettori
Basi di spazi vettoriali
6.3
esprimibili come combinazione lineare di elementi di W1 e W2 . In particolare dato un sistema di generatori per W1 e un sistema di generatori
per W2 la loro unione costituisce un sistema di generatori per la loro
somma.
Esempio 6.8 In R4 si considerano W1 = L((1, 1, 1, 0), (1, 2, 1, 0)) e W2 =
L((1, 3, 1, 0), (1, 5, 7, 0)). Si ha quindi
W1 + W2 = L((1, 1, 1, 0), (1, 2, 1, 0), (1, 3, 1, 0), (1, 5, 7, 0)).
Si ha per che i due sottospazi si intersecano, in quanto (1, 1, 1, 0) W2 ,
quindi la somma non diretta e si ha
W1 + W2 = L((1, 2, 1, 0), (1, 3, 1, 0), (1, 5, 7, 0)).
Esercizio 6.4 Provare che, in P2 si ha L(x 2 + 3x, 2x) = L(x, x 2 ).
Esercizio 6.5 Provare che L((1, 1), (1, 1)) = R2 .
Esercizio 6.6 Costruire un esempio di sottoinsieme di R2 tale che
Esercizio 6.7 Se W un sottospazio di V e v1 , . . . , vn W . E sempre vero
che L(v1 , . . . , vn ) W ?

Nel caso dei vettori liberi avevamo provato che V = L(v 1 , v 2 , v 3 ), se
questi vettori sono non complanari. Un tale insieme detto base di V . La
scelta di una base portava ad enormi semplificazioni nei calcoli, si pensi
alle formule per i prodotti nel caso la base fosse ortonormale e positiva.
Il concetto di base si estende in modo naturale agli spazi vettoriali e
vedremo come la scelta di una base porti ancora a grossi vantaggi. Il
punto di partenza per la definizione delle basi la seguente
Definizione 6.4 Dei vettori v1 , . . . , vn V si dicono linearmente indipendenti se una loro combinazione lineare con coefficienti 1 , . . . , n R
nulla se e solo se 1 = . . . = n = 0. In caso contrario i vettori si dicono
linearmente dipendenti.
Per la definizione di base noi ci limiteremo in realt ad una classe
particolare di spazi vettoriali
119
120
Capitolo 6
Algebra Lineare
Definizione 6.5 Uno spazio vettoriale V si dice di dimensione finita, se

esistono dei vettori v1 , . . . , vn tali che V = L(v1 , . . . , vn ).
Gli spazi vettoriali di dimensione finita sono quindi gli spazi che ammettono un sistema di generatori costituito da un numero finito di elementi. Una base un sistema di generatori privato da quegli elementi
che sono combinazione lineare di altri elementi del sistema.
Definizione 6.6 Sia V uno spazio vettoriale di dimensione finita. I vettori
v1 , . . . , vn costituiscono una base di V se V = L(v1 , . . . , vn ) e v1 , . . . , vn
sono linearmente indipendenti. Il numero n di elementi della base detto
dimensione dello spazio V .
La definizione di dimensione dipende dalla scelta di una particolare
base. Occorre dimostrare che ben posta, ovvero che non dipende dalla
scelta della base. Infatti vale il seguente
Teorema 6.1 Sia V uno spazio vettoriale di dimensione finita. Le basi
di V sono tutte costituite dallo stesso numero di elementi.
Esempio 6.9 Nel caso dei vettori liberi avevamo definito base un insieme
di tre vettori v 1 , v 2 , v 3 non complanari. Questa definizione coincide con
quella che abbiamo dato sopra. Il fatto che i vettori siano non complanari
equivale a dire che sono linearmente indipendenti. Il teorema della base
3.1, infine, assicura che ogni vettore libero pu essere espresso come combinazione lineare di v 1 , v 2 , v 3 , ovvero V = L(v 1 , v 2 , v 3 ). In particolare
la dimensione di V 3.
Esempio 6.10 Consideriamo, in Rn il seguente insieme di vettori
v1 = (1, 0, . . . , 0), v2 = (0, 1, 0, . . . , 0), . . . , vn = (0, . . . , 0, 1).
Si ha Rn = L(v1 , . . . , vn ), infatti
(x1 , x2 , . . . , xn ) = x1 (1, 0, . . . , 0) + x2 (0, 1, 0, . . . , 0) + . . . + xn (0, . . . , 0, 1).
E immediato verificare che i vettori v1 , . . . , vn sono anche linearmente
indipendenti. Costituiscono quindi una base, detta base canonica, di Rn .
Ne segue che la dimensione di Rn n.
Esempio 6.11 Consideriamo, in P3 , i seguenti polinomi
v1 = 1, v2 = x, v3 = x 2 , v4 = x 3 .
6.3
Si verifica facilmente che costituiscono una base di P3 . La dimensione

di P3 quindi 4. Questo esempio si generalizza al caso di Pn , che ha
dimensione n + 1.
Esempio 6.12 Consideriamo, in M(3 3), le seguenti matrici
1 0 0
0 1 0
0 0 0
v1 = 0 0 0 , v2 = 0 0 0 , . . . , v9 = 0 0 0 .
0 0 0
0 0 0
0 0 1
Queste matrici sono linearmente indipendenti e generano M(3 3), infatti
a11 a12 a13

1 0 0
0 1 0
a21 a22 a23 = a11 0 0 0 + a12 0 0 0 + . . . +

a31 a32 a33
0 0 0
0 0 0
0 0 0
+ . . . + a33 0 0 0 .
0 0 1
In generale M(m n) ha dimensione m n.
Una base di V un insieme minimale di vettori v1 , . . . , vn tali che
V = L(v1 , . . . , vn ). Se abbiamo una espressione di V = L(v1 , . . . , vn )
(vettori non necessariamente linearmente indipendenti), una base di V
sar data da un insieme massimale di vettori linearmente indipendenti
(la richiesta che linsieme sia massimale equivale a richiedere che non sia
contenuto propriamente in nessun altro insieme di vettori linearmente
indipendenti), fra v1 , . . . , vn .
Esempio 6.13 Determiniamo una base di
W = L((2, 0, 2, 3), (0, 2, h, 1), (2, 1, 0, 3), (1, 1, 1, 1)) R4
al variare del parametro h. Dobbiamo determinare il massimo numero
di vettori linearmente indipendenti fra quelli sopra elencati, al variare del
parametro h. Questo equivale a calcolare il rango della matrice
2 0 2 1
0 2 1 1
2 h 0 1
3 1 3
1
121
122
Capitolo 6
Algebra Lineare
utilizzando il consueto procedimento di riduzione arriviamo alla matrice
2
0
0
0
0 2
1
2
1
1
0 13
2
0
0
15(h 4)
Il rango quindi pari a 4 se h 4, invece 3 se h = 4. Nel primo caso

si ha W = R4 ed i vettori (2, 0, 2, 3), (0, 2, h, 1), (2, 1, 0, 3), (1, 1, 1, 1)
ne costituiscono una base. Nel secondo caso il rango della matrice 3 e la
quarta colonna combinazione lineare delle prime 3. Ne segue che W ha
dimensione 3 ed una sua base data da (2, 0, 2, 3), (0, 2, 4, 1), (2, 1, 0, 3).
Molto spesso, negli esempi che consideriamo, per il calcolo della dimensione di un sottospazio vettoriale, ci baster contare i parametri da
cui dipende un suo elemento generico.
Esempio 6.14 Consideriamo il seguente sottospazio di R3
W = {(x, y, z) R3 : x + y z = 0}.
Ogni elemento di W della forma (x, y, x + y) = x(1, 0, 1) + y(0, 1, 1).
I vettori (1, 0, 1) e (0, 1, 1) sono chiaramente non paralleli (cio linearmente indipendenti) e gli elementi di W sono dati da tutte e sole le loro
combinazioni lineari. W ha quindi dimensione 2 ed una sua base data
da (1, 0, 1) e (0, 1, 1). Il modo in cui abbiamo ottenuto questa base
il seguente. Nellespressione dellelemento generico di W avevamo due
parametri non determinati x, y, abbiamo quindi considerato lelemento
che si ottiene assegnando ad x il valore 1 e ad y il valore 0, cio (1, 0, 1).
Dando ad x il valore 0 e ad y il valore 1 si ottiene (0, 1, 1).
Esempio 6.15 Consideriamo, in M(3 3) il sottospazio W costituito dalle
matrici antisimmetriche, cio le matrici A tali che A = At . Tali matrici
sono caratterizzate dal fatto che aij = aji . Lelemento generico di W
quindi della forma
0
a12 a13
0
a23 .
a12
a13 a23
0
Abbiamo tre parametri indeterminati ed ogni elemento dello spazio pu
essere ottenuto come combinazione lineare degli elementi che si ottengono
assegnando ad un parametro il valore 1 ed
0
a12 a13
0 1
0
a23 = a12 1 0
a12
a13 a23
0
0 0
0 0
+ a23 0 0
0 1
ai restanti il valore
0
0 0
0 + a13 0 0
0
1 0
1 .
0
6.3
0 +
0
Lo spazio delle matrici antisimmetriche di ordine 3 ha quindi dimensione

3. In generale, lo spazio delle matrici antisimmetriche di ordine n ha
n(n1)
.
dimensione
2
Il metodo di contare i parametri deve essere usato con cautela. Bisogna accertarsi che i parametri siano indipendenti e che lelemento generico dello spazio possa essere scritto come una combinazione lineare
avente quei parametri come coefficienti.
Esempio 6.16 Siano
W1 = {(x, y, z, t) R4 : x y + 3z + t = 0},
W2 = {(x, y, z, t) R4 : x t = 0}.
Determiniamo la dimensione del sottospazio W = W1 W2 di R4 . Le coordinate degli elementi di W devono verificare le equazioni che definiscono W1 e W2 , ne segue che lelemento generico di W della forma
(x, 2x + 3z, z, x) = x(1, 2, 0, 1) + z(0, 3, 1, 0). Quindi W ha dimensione 2
ed una sua base data da (1, 2, 0, 1) e (0, 3, 1, 0).
Nel seguito sar utile il seguente risultato.
Teorema 6.2 [Teorema del completamento della base] Sia V uno spazio
vettoriale di dimensione finita n e sia v1 , . . . , vk un insieme di vettori
linearmente indipendenti (k < n). Esistono dei vettori vk+1 , . . . , vn tali
che v1 , . . . , vn sia una base di V .
Dim. Diamo un cenno della dimostrazione. Sia Wk = L(v1 , . . . , vk ).

Siccome Wk V esiste almeno un vettore vk+1 Wk . In particolare
i vettori v1 , . . . , vk+1 sono linearmente indipendenti. Poniamo Wk+1 =
L(v1 , . . . , vk+1 ). Se Wk+1 = V si ha che v1 , . . . , vk+1 una base di V
(ed n = k + 1). Altrimenti esiste un vettore vk+2 Wk+1 , si considera
Wk+2 = L(v1 , . . . , vk+2 )....
123
124
Capitolo 6
Algebra Lineare
Questo procedimento deve avere termine perch V di dimensione

finita.
Esempio 6.17 Sia B = {i, j, k} una base ortonormale positiva di V . Consideriamo i vettori v 1 = i + k e v 2 = i + j k. Questi vettori sono linearmente indipendenti, quindi possibile determinare un terzo vettore
v 3 in modo che v 1 , v 2 , v 3 sia una base di V . Dalla dimostrazione del
teorema, essendo V di dimensione 3, segue che basta aggiungere un vettore non complanare con v 1 e v 2 , ad esempio v 3 = v 1 v 2 . Un modo
alternativo, in questo caso meno conveniente, considerare un generico
elemento v 3 = a i+b j +c k e scegliere i parametri in modo che il prodotto
misto di v 1 , v 2 , v 3 sia non nullo.
Esercizio 6.8 Dire quali, fra i seguenti sottoinsiemi di R3 , sono sottospazi
vettoriali, verificandolo tramite la definizione.
a) {(x, y, z) R3 : x = 0}
b) {(x, y, z) R3 : xz = 0}
3
c) {(x, y, z) R : y 0}
d) {(x, y, z) R3 : x = y}
e) {(x, y, z) R3 : x + y + z = 0} f ) {(x, y, z) R3 : x + y = 1}
Esercizio 6.9 Provare che il sottoinsieme di M(3 3) dato dalle matrici
simmetriche a traccia nulla un sottospazio vettoriale.
Esercizio 6.10 Provare che il sottoinsieme di P3 dato dai polinomi tali che
p (x) + p (x) = 0 un sottospazio vettoriale.
Esercizio 6.11 Siano W1 = L((1, 0, 2), (2, 1, 2)), W2 = L((1, 3, h)). Dire
per quali valori di h, W1 W2 un sottospazio vettoriale di R3 .
Esercizio 6.12 Sia i, j, k una base ortonormale positiva di V . Determinare i valori di h per i quali {v : v(2 ij) = 0}{v : v(i+h j3 k) =
0} un sottospazio vettoriale di V .
Esercizio 6.13 Dire se le terne
(i) (1,4,3), (-1,2,-1), (0,6,4)
(ii) (2,-7,2), (0,2,4), (2,-1,5)
(iii) (2,3,-1), (2,0,0), (0,3,-1)
costituiscono basi di R3 .
Esercizio 6.14 Dire se le terne
(i) (1,2,0), (h,0,k), (0,l,1)
Applicazioni lineari
6.4
(ii) (1,1,1), (1,2,3), (h,1,1)

(iii) (1,1,h), (2,1,4), (4,2,8)
costituiscono delle basi di R3 per opportuni valori dei parametri.
Esercizio 6.15 Dati v1 = (1, 2, 0), v2 = (2, 1, 1), determinare un vettore
v3 in modo che v1 , v2 , v3 sia una base di R3 .
Esercizio 6.16 Determinare delle basi dei seguenti sottospazi di R4
(i) {(x, y, z, t) R4 : 3x 2y + 4z + t = 0, x + y 3z 2t = 0}
(ii) {(x, y, z, t) R4 : x + y + z = 0, y + z + t = 0, z + t + x =
0, t + x + y = 0}.
Esercizio 6.17 Determinare una base dello spazio delle matrici simmetriche di ordine 2.
Esercizio 6.18 Siano W1 = L((1, 2, 1), (2, 1, 1)) e W2 = L((h, 1, 2)). Determinare h in modo che la dimensione di W1 W2 sia 1.
Ci occupiamo adesso di una classe di funzioni strettamente legata agli
spazi vettoriali.
Definizione 6.7 Siano V e W due spazi vettoriali, una applicazione f :
V W detta lineare o omomorfismo se verifica
(i) v1 , v2 V , f (v1 + v2 ) = f (v1 ) + f (v2 );
(ii) v V , R, f (v) = f (v).
Esempio 6.18 Abbiamo gi incontrato un esempio di applicazione lineare quando abbiamo costruito una identificazione fra V e R3 . Fissata
una base, u, v, w di V , ogni elemento t di V pu essere scritto come combinazione lineare degli elementi di questa base, sar t = x u + y v + z w.
Si pone allora f (t) = (x, y, z) R3 . La verifica della linearit di tale
applicazione immediata.
Esempio 6.19 Quello visto sopra un esempio di un fatto generale. Dato
uno spazio vettoriale V , di dimensione n, fissata una sua base v1 , . . . , vn ,
possiamo considerare lapplicazione f : V Rn definita da
f (v) = f (x1 v1 + x2 v2 + . . . + xn vn ) = (x1 , . . . , xn ).
125
126
Capitolo 6
Algebra Lineare
Questa applicazione lineare ed ha delle propriet addizionali, suriettiva ed iniettiva, cio biunivoca. In un senso che preciseremo meglio entro
breve, costituisce una identificazione fra V e Rn , che useremo costantemente nel seguito. Si osservi che tale identificazione dipende strettamente
dalla scelta della base di V .
Visto che identificheremo ogni spazio vettoriale V di dimensione n
con Rn ci occupiamo, innanzi tutto, di studiare le applicazioni lineari
Rn Rm .
Sia A una matrice di tipo m n, poniamo
a11 a1n
x1
a11 x1 + . . . + a1n xn
.

..
..
.
.
f (x1 , . . . , xn ) =
. .. =
.
..
am1
amn
am1 x1 + . . . + amn xn
xn
Il risultato di questa operazione una matrice m1 che possiamo identificare con un vettore di Rm . Questa applicazione lineare infatti, grazie
alle propriet del prodotto tra matrici

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

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

x1
x1
.
.

f ((x1 , . . . , xn )) = A
.. = A .. = f (x1 , . . . , xn ).
xn
xn
Esempio 6.20 Consideriamo la seguente matrice 2 3

!
1 0 2
.
A=
2 1 1
Questa definisce una applicazione lineare, considerando la base canonica
sia nello spazio di partenza che in quello di arrivo, R3 R2 data da

!
x
x + 2z

f (x, y, z) = A y =
.
2x + y z
z
6.4
Cio f (x, y, z) = (x + 2z, 2x + y z).

Esempio 6.21 In analisi, lo studio delle funzioni R R pu essere facilitato dallo studio del loro grafico, che viene rappresentato in R2 = R R.
Lo studio delle funzioni R2 R2 richiederebbe un grafico in R4 , che non
visualizzabile. Nel caso delle applicazioni lineari si riesce spesso a dare comunque unidea del modo di operare delle applicazioni lineari. Vediamo
alcuni esempi, sottointendendo la scelta della base canonica
1) Consideriamo lapplicazione lineare f : R2 R2 definita dalla matrice
2
2
2
2
2
2 .
2
2
( 22 , 22 ).
Lapplicazione corrisponde
Si ha f (1, 0) = ( 22 , 22 ) e f (0, 1) =
ad una rotazione di 4 in senso antiorario intorno allorigine. Questo un

caso particolare dellapplicazione definita dalla matrice
!
cos() sin()
sin() cos()
che corrisponde ad una rotazione di un angolo .
2) Consideriamo lapplicazione definita dalla matrice
!
2 0
0 2
Si ha f (1, 0) = (2, 0) e f (0, 1) = (0, 2). Tali vettori vengono mandati
in vettori ad essi paralleli ma con modulo raddoppiato. Questa applicazione corrisponde ad una dilatazione nel piano, che trasforma i punti
della circonferenza di raggio unitario e centro nellorigine nei punti della
circonferenza di raggio doppio.
3) Consideriamo lapplicazione definita dalla matrice
!
1 0
0 0
Si ha f (1, 0) = (1, 0) e f (0, 1) = (0, 0). Pi in generale f (x, y) =
(x, 0), questa applicazione corrisponde alla proiezione dei punti del piano sullasse delle x. Si noti che il vettore (1, 0) viene mandato in se
stesso, mentre (0, 1) viene mandato nel vettore nullo.
Questi esempi di applicazioni lineari sono fondamentali, con una semplice costruzione possiamo ricondurre lo studio di una qualsiasi applicazione lineare V W a quello di un prodotto matrice per vettore, col
127
128
Capitolo 6
Algebra Lineare
vantaggio di poter utlizzare gli strumenti gi sviluppato per lo studio

delle matrici.
Consideriamo due spazi vettoriali V e W di dimensione n e m rispettivamente. Fissiamo due basi {v1 , . . . , vn } e {w1 , . . . , wm } per questi due
spazi. Data una applicazione lineare f : V W , possiamo considerare
le immagini degli elementi della base di V . Essendo queste elementi di
W possono essere espresse come combinazione lineare degli elementi
della base di W , si avr
f (v1 ) = a11 w1 + a21 w2 + . . . + am1 wm
f (v2 ) = a12 w1 + a22 w2 + . . . + am2 wm
..
.
f (vn ) = a1n w1 + a2n w2 + . . . + amn wm
Sia v un qualsiasi elemento di V , possiamo esprimerlo come combinazione lineare, v = x1 v1 + . . . + xn vn . Per la linearit dellapplicazione
f si avr
f (v) = f (x1 v1 + . . . + xn vn ) = x1 f (v1 ) + . . . + xn f (vn ) =
= x1 (a11 w1 + a21 w2 + . . . + am1 wm ) + . . .
+xn (a1n w1 + a2n w2 + . . . + amn wm ) =
= (a11 x1 + . . . + a1n xn )w1 + . . . + (am1 x1 + . . . + amn xn )wm .
Ne segue che una applicazione lineare univocamente individuata una
volta che siano noti i valori che assume sugli elementi di una base.
Esempio 6.22 Sia data unapplicazione lineare f : R3 R2 tale che
f (1, 0, 1) = (3, 0), f (2, 1, 0) = (1, 3), f (1, 1, 1) = (0, 2). Per determinare,
ad esempio, f (0, 0, 1), sufficiente esprimerlo come combinazione lineare
di (1, 0, 1),(2, 1, 0),(1, 1, 1). Cio risolvere il sistema
a(1, 0, 1) + b(2, 1, 0) + c(1, 1, 1) = (0, 0, 1).
1
La soluzione a = c = 2 , b = 2 . Quindi
f (0, 0, 1) =
1
1
1
1
f (1, 0, 1) f (2, 1, 0) + f (1, 1, 1) = (1, ).
2
2
2
2
Esempio 6.23 Sia data unapplicazione lineare f : R3 R3 tale che

f (1, 0, 1) = (1, 1, 0), f (1, 2, 1) = (0, 1, 0). Determiniamo, quando possibile, f (1, 6, h). Le informazioni che abbiamo non sono sufficienti a determinare completamente f . Per la linearit di f implica che se f nota sui
vettori v1 , . . . , vn , nota su L(v1 , . . . , vn ). E quindi possibile determinare
Matrice associata ad una applicazione lineare
6.5
f (1, 6, h) se e solo se (1, 6, h) L((1, 0, 1), (1, 2, 1)). Questo accade se

e solo se h = 5 e si trova, in tal caso f (1, 6, 5) = (2, 1, 0).

Abbiamo visto che la scelta di una base in V e in W permette di identificare questi spazi con Rn e Rm rispettivamente, facendo corrispondere
a x1 v1 + . . . + xn vn la n-pla (x1 , . . . , xn ) e a y1 w1 + . . . + ym wm la m-pla
(y1 , . . . , ym ). Con queste notazioni si ha
f (x1 , . . . , xn ) = (a11 x1 + . . . + a1n xn , . . . , am1 x1 + . . . + amn xn )
che equivalente a
a11
.
f (x1 , . . . , xn ) = ..
am1
...

a1n
x1

..
.. .
. .
. . . amn
xn
Quanto visto sopra estremamente importante ed implica che possibile studiare le applicazioni lineari, fra due qualsiasi spazi vettoriali,
utilizzando il prodotto matriciale. Questo una volta che siano state fissate due basi, una nello spazio di partenza ed una nello spazio di arrivo.
Riassumiamo le conclusioni alle quali siamo giunti.
Data una applicazione lineare f : V W , fissiamo una base B =
{v1 , . . . , vn } in V ed una B = {w1 , . . . , wm } in W . Consideriamo le immagini degli elementi della base di V e disponiamo le componenti di
f (vi ), rispetto alla base di W , nella colonna i-esima di una matrice.
Otteniamo quindi una matrice di tipo m n, detta matrice associata
allapplicazione lineare f nelle basi B e B . Quindi, se v = x1 v1 + . . . +
xn vn , volendo calcolare f (v) basta calcolare il prodotto

a11 . . . a1n
x1
.

..
.
.. .
. .
.
am1 . . . amn
xn
per ottenere le componenti di f (v) nella base w1 , . . . , wm .
Esempio 6.24 Consideriamo lapplicazione R4 R3 definita da

f (x, y, z, t) = (x 2y + z, x + t, 2x y z t).
Lespressione di questa applicazione semplice e non richiederebbe di
trasformarla nella forma di un prodotto di una matrice per un vettore,
vedremo per che la matrice associata ad una applicazione lineare rende
129
130
Capitolo 6
Algebra Lineare
pi facilmente accessibili delle importanti informazioni sullapplicazione

lineare. Per determinare tale matrice occorre scegliere delle basi in R3
e in R4 . Conviene scegliere le basi canoniche di questi due spazi. Abbiamo v1 = (1, 0, 0, 0), v2 = (0, 1, 0, 0), v3 = (0, 0, 1, 0), v4 = (0, 0, 0, 1).
Consideriamo le immagini di questi elementi. Si ha f (v1 ) = (1, 1, 2),
f (v2 ) = (2, 0, 1), f (v3 ) = (1, 0, 1), f (v4 ) = (0, 1, 1). Avendo scelto
la base canonica in R3 , le componenti di questi vettori sono esattamente
le loro componenti rispetto alla base. Disponiamo tali valori come colonne
di una matrice, si ottiene
1 2 1
0
0
1
1 0
2 1 1 1
che la matrice associata allapplicazione lineare rispetto alle basi canoniche. Possiamo verificare la correttezza dei nostri calcoli

x
1 2 1
0
x 2y + z
y
0
1 =
x+t
f (x, y, z, t) = 1 0
.
z
2 1 1 1
2x y z t
t
Esempio 6.25 Consideriamo lo spazio vettoriale P2 e lapplicazione P2
P1 data da f (p(x)) = p (x). Si verifica facilmente che questa applicazione lineare. Scegliamo la base {x 2 , x, 1} in P2 e la base {x, 1}
in P1 . Consideriamo le immagini degli elementi della base ed esprimiamole come combinazione lineare degli elementi della base dello spazio
di arrivo. Si ha f (x 2 ) = 2x = 2 x + 0 1, f (x) == 0 x + 1 1,
f (1) = 0 = 0 x + 0 1. Disponiamo i valori trovati nelle colonne di una
matrice, ottenendo
!
2 0 0
A=
0 1 0
Il generico elemento di P2 p(x) = ax 2 + bx + c e corrisponde al vettore
(a, b, c) di R3 . Si pu allora calcolare

!
a
2a

f (p(x)) = A b =
b
c
che corrisponde allelemento 2ax + b di P1 , ed , ovviamente, la derivata

di p(x).
6.5
Si noti che la matrice associata ad una applicazione lineare rispetto

alle basi B e B dipende dalla scelta delle basi, al variare della base
nello spazio di partenza o in quello di arrivo, la matrice associata cambia. La matrice dipende non solo dalla scelta della base, ma anche
dallordinamento degli elementi della base.
Esempio 6.26 Consideriamo lapplicazione lineare f definita nellesempio
6.24. Scegliamo adesso B = {(1, 0, 0, 0), (0, 0, 1, 0), (0, 1, 0, 0), (0, 0, 0, 1)}
e B = {(1, 0, 0), (0, 1, 1), (0, 1, 1)}. Per determinare la matrice associata ad f rispetto a questa nuova scelta di basi dobbiamo determinare
le componenti delle immagini degli elementi della base B (nellordine in
cui appaiono nella definizione della base) espresse come combinazione
lineare degli elementi della base B . Si ha
f (1, 0, 0, 0) = (1, 1, 2) = 1 (1, 0, 0) +
3
1
(0, 1, 1) (0, 1, 1)
2
2
f (0, 0, 1, 0) = (1, 0, 1) = 1 (1, 0, 0)
1
1
(0, 1, 1) + (0, 1, 1)
2
2
f (0, 1, 0, 0) = (2, 0, 1) = 2 (1, 0, 0) +
1
1
(0, 1, 1) (0, 1, 1)
2
2
f (0, 0, 0, 1) = (0, 1, 1) = 0 (1, 0, 0) + 0 (0, 1, 1) + 1 (0, 1, 1)

La matrice associata ad f rispetto a questa scelta di basi quindi
3
2
21
1
21
1
2
1
2
21
0
1
In un paragrafo successivo determineremo esplicitamente il rapporto

tra metrici associate ad una stessa applicazione lineare rispetto a basi
diverse.
Concludiamo questa sezione con un cenno a delle operazioni che si
possono fare con le applicazioni lineari, omettendo le facili dimostrazioni.
131
132
Capitolo 6
Algebra Lineare
Proposizione 6.4 Siano V , W , Z degli spazi vettoriali e f , g : V W ,

h : W Z delle applicazioni lineari. Supponiamo che, fissate delle
basi nei tre spazi, le matrici associate ad f , g, h siano rispettivamente
A, B, C. Allora
(i) f + g : V W , definita da (f + g)(v) = f (v) + g(v) una applicazione lineare. La matrice associata a f + g, rispetto alle basi
fissate, A + B.
(ii) Se R, f : V W , definita da (f )(v) = f (v), una applicazione lineare. La matrice associata a f , rispetto alle basi
fissate, A.
(iii) Lapplicazione h f : V Z, definita da (h f )(v) = h(f (v))
una applicazione lineare. La matrice associata ad h f , rispetto
alle basi fissate, CA.
Esempio 6.27 Siano f , g : R3 R3 definite da f (x, y, z) = (2x, x

y, y + 2z), g(x, y, z) = (x + y, x, 2y z). Rispetto alla base canonica le
matrici associate sono, rispettivamente
2 0 0
1 1 0
A = 1 1 0 ,
B = 1 0 0
0 1 2
0 2 1
Lapplicazione f + g definita da
(f + g)(x, y, z) = (3x + y, 2x y, 3y + z)
e la matrice associata, rispetto alla base canonica,
3 1 0
2 0 0
1 1 0
2 1 0 = 1 1 0 + 1 0 0
0 3 1
0 1 2
0 2 1
Lapplicazione 3f definita da
3f (x, y, z) = (6x, 3x 3y, 3y + 6z)

e la matrice, rispetto alla base
6 0
3 3
0 3
canonica,
0
2 0 0
0 = 3 1 1 0
6
0 1 2
Lapplicazione g f definita da
g f (x, y, z) = (3x y, 2x, 2x 3y + 2z)
Nucleo e immagine
6.6
e la matrice, rispetto alla base canonica,
3 1 0
1 1 0
2 0 0
2 0 0 = 1 0 0 1 1 0
2 3 2
0 2 1
0 1 2
Dati due spazi vettoriali V , W , nellinsieme Hom(V , W ) delle applicazioni lineari V W abbiamo introdotto loperazione di somma e il
prodotto per uno scalare. Si pu verificare che, rispetto a queste operazioni, Hom(V , W ) risulta avere una struttura di spazio vettoriale. In
particolare se W = R, Hom(V , R) si indica con V ed detto spazio
duale di V .
Nucleo e immagine
Abbiamo visto, in uno dei precedenti esempi, il caso di una proiezione
R2 R (vista come applicazione R2 R2 ). Questa una applicazione da
uno spazio di dimensione 2 in uno spazio di dimensione 1 (pi piccolo)
e questo era evidenziato dal fatto che un vettore di R2 veniva trasformato nel vettore nullo. Studiamo pi in generale questa situazione
Definizione 6.8 Siano V e W due spazi vettoriali e f : V W unapplicazione lineare. Si definisce nucleo dellapplicazione lineare linsieme
Ker f = {v V : f (v) = 0W }.
Dove OW lelemento neutro della somma in W .
Lemma 6.1 Siano V e W due spazi vettoriali e f : V W unapplicazione lineare. Il nucleo di f un sottospazio vettoriale di V .
Dim. Siano v1 , v2 Ker f . Si ha, per la linearit di f

f (v1 + v2 ) = f (v1 ) + f (v2 ) = 0W + 0W = 0W
e quindi v1 + v2 Ker f . Sia R
f (v1 ) = f (v1 ) = 0W = 0W
quindi v1 Ker f che quindi un sottospazio vettoriale di V .
133
134
Capitolo 6
Algebra Lineare
Esempio 6.28 Consideriamo lapplicazione lineare R3 R3 definita, rispetto alla base canonica, dalla matrice
1 2 1
2 0 3 .
4 4 1
Il nucleo di f dato dallinsieme delle soluzioni del sistema

1 2 1
x
0

2 0 3 y = 0 .
4 4 1
z
0
Questo un sistema omogeneo, quindi ha sempre soluzione, (infatti qualunque sia lapplicazione lineare f , si ha sempre f (0V ) = 0W ), si trova che
le soluzioni sono date dalle terne della forma (6, 5, 4) e costituiscono
quindi un sottospazio di dimensione 1 di R3 .
Il legame fra la ricerca del nucleo e le soluzioni di un sistema lineare
evidente. In particolare si ricava che la dimensione del nucleo data
da n p, dove n la dimensione dello spazio di partenza e p il rango
della matrice associata allapplicazione lineare rispetto ad una qualsiasi
scelta di basi. Per determinare una base del nucleo occorre risolvere il
sistema lineare.
Data una applicazione lineare f : V W , il suo nucleo la parte di V
che viene persa nella trasformazione data da f . Quello che resta viene
invece trasformato in un sottoinsieme di W , detto immagine di f
Definizione 6.9 Siano V e W due spazi vettoriali e f : V W unapplicazione lineare. Si definisce immagine dellapplicazione lineare linsieme
Im f = {w W : v V , f (v) = w}.
Lemma 6.2 Siano V e W due spazi vettoriali e f : V W unapplicazione lineare. Limmagine di f un sottospazio vettoriale di W .
Dim. Siano w1 , w2 Im f . Quindi esistono v1 , v2 V tali che f (v1 ) =

w1 e f (v2 ) = w2 .Si ha, per la linearit di f
w1 + w2 = f (v1 ) + f (v2 ) = f (v1 + v2 )
e quindi w1 + w2 Im f . Sia R
w1 = f (v1 ) = f (v1 )
Nucleo e immagine
6.6
quindi v1 Im f che quindi un sottospazio vettoriale di W .

Abbiamo visto che, data una base v1 , . . . , vn di V , f (v) combinazione
lineare di f (v1 ), . . . , f (vn ), quindi Im f = L(f (v1 ), . . . , f (vn )). Per determinare una base di Im f occorre stabilire quali fra f (v1 ), . . . , f (vn )
costituiscono un insieme massimale di vettori linearmente indipendenti
Esempio 6.29 Consideriamo lapplicazione lineare definita nellesempio
precedente. Poich le colonne della matrice associata ad f (rispetto alla
base canonica) corrispondono alle immagini degli elementi della base
canonica di R3 , per determinare una base dellimmagine sufficiente
ridurre la matrice col metodo di Gauss. La matrice ridotta
1 2
4
0 4 4 .
0 0
0
Lultima colonna non contribuisce al calcolo del rango, ne segue che limmagine ha dimensione 2 ed una sua base data da (1, 2, 4) e (2, 0, 4).
Dallesempio precedente segue che la dimensione dellimmagine di
unapplicazione lineare pari al rango della matrice associata rispetto
ad una qualsiasi scelta di basi.
Esempio 6.30 Si verifica facilmente che limmagine di un qualsiasi sottospazio di uno spazio vettoriale, tramite una applicazione lineare, un
sottospazio vettoriale dello spazio di arrivo. Avendo classificato i sottospazi vettoriali di V , e sapendo che lidentificazione che abbiamo fatto
tra V e R3 lineare, possiamo determinare dei sottospazi vettoriali di R3
dati dalle immagini dei sottospazi di V . Questi sono dati da (0, 0, 0), le
rette passanti per lorigine, i piani passanti per lorigine, R3 . In realt
questo elenco esaurisce i sottospazi vettoriali di R3 .
Definizione 6.10 Siano V e W due spazi vettoriali e f : V W unapplicazione lineare. f detta iniettiva se Ker f = {0V }, f detta suriettiva se
Im f = W . Se f sia iniettiva che suriettiva detta biunivoca o anche
isomorfismo
Queste definizioni coincidono con quelle che abbiamo dato in precedenza. Infatti
Se f (v1 ) = f (v2 ), per la linearit di f si ha f (v1 v2 ) = 0W , cio
v1 v2 Ker f . Se v1 v2 questo significa che il nucleo di f contiene
almeno un elemento non nullo.
135
136
Capitolo 6
Algebra Lineare
Se Im(f ) = W vuol dire che per ogni elemento w W possiamo

trovare un elemento di v V tale che f (v) = w, che la usuale
definizione di suriettivit.
Siano V e W due spazi vettoriali, di dimensione n e m rispettivamente,
f : V W unapplicazione lineare. Non difficile provare che se f iniettiva, la dimensione di Im f pari a n = dim(V ). Poich Im f un
sottospazio di W ne segue che dim(V ) dim(W ). Se f invece suriettiva si ha Im(f ) = W , poich Im(f ) = L(f (v1 ), . . . , f (vn )), ne segue che
una base di W composta, al pi, da n elementi, ovvero dim W dim V .
Quindi se f un isomorfismo si ha necessariamente dim V = dim W , in
tal caso f costituisce una identificazione fra V e W .
Esempio 6.31 Lapplicazione lineare R3 R3 definita (rispetto alla base
canonica) dalla matrice
1 1 3
2 1 1 .
3 1 2
un isomorfismo R3 R3 . Per verificarlo occorrere controllare che sia
iniettiva e suriettiva. In realt, in questo caso, basta verificare liniettivit.
Infatti se f iniettiva la dimensione dellimmagine uguale alla dimensione dello spazio di partenza, cio 3. Essendo Im f un sottospazio di
R3 di dimensione 3, deve coincidere con R3 , quindi lapplicazione anche suriettiva. Liniettivit facile da verificare, basta infatti calcolare il
rango della matrice associata, che in questo caso 3.
Corollario 6.1 Se una applicazione lineare fra due spazi vettoriali della
stessa dimensione iniettiva (o suriettiva), un isomorfismo.
In realt per stabilire se una applicazione tra due spazi vettoriali della stessa dimensione un isomorfismo o meno, non necessario (anche se spesso conveniente) determinare il rango della matrice associata. Infatti, data la proposizione precedente sufficiente determinare
liniettivi-t della funzione, ovvero lunicit della soluzione di f (v) = w
per ogni w W . Scelte delle basi di V e W questa risulta essere equivalente allunicit della soluzione di un sistema lineare. In questo caso il
numero di equazioni (che corrisponde alla dimensione di W ) uguale al
numero delle incognite (che corrisponde alla dimensione di V ). Quindi,
come visto nello studio dei sistemi lineari, la soluzione unica se e solo
se il determinante della matrice associata non nullo.
Inversa di una matrice
Esempio 6.32 Lapplicazione f : R3

canonica, alla matrice
A = 2
1
un isomorfismo infatti det(A) = 1.
6.7
R3 associata, rispetto alla base
0 2
1 1
1 0
Esercizio 6.19 Stabilire se 1+2x appartiene allimmagine dellapplicazione R3 P2 definita, rispetto alla base canonica e alla base {1, 1 + x 2 , x}
dalla matrice
1 3 0
0 1 0
1 0 1

Finora abbiamo utilizzato le matrici come strumento per lo studio dei
sistemi o delle applicazioni lineari. In questo paragrafo diamo una interpretazione geometrica di una nuova operazione tra matrici, linversione.
Questa operazione non sar definita per qualsiasi matrice, sar necessario restringerla alle matrici con determinante non nullo.
Siano V e W due spazi vettoriali e f : V W unapplicazione lineare. Se f suriettiva, comunque scelto un elemento w W esiste
almeno unelemento v V tale che f (v) = w. Se f anche iniettiva tale elemento unico. In tal caso, ovvero se f unisomorfismo,
lapplicazione f invertibile, ovvero esiste unapplicazione che denoteremo con f 1 : W V tale che, per ogni v V , f 1 f (v) = v. Con le
notazioni introdotte sopra basta infatti definire f 1 (w) = v.
Esempio 6.33 Lapplicazione f : R3 R3 definita da f (x, y, z) = (x +
y, y z, x + y + z) ha come matrice associata rispetto alla base canonica
1 1 0
A = 0 1 1
1 1 1
questa matrice ha determinante 1, si tratta quindi di un isomorfismo.
Per determinare lapplicazione inversa occorre determinare una applicazione lineare f 1 (x, y, z) tale che f 1 (x + y, y z, x + y + z) =
(x, y, z). Vedremo in seguito come sia possibile determinare facilmente
137
138
Capitolo 6
Algebra Lineare
f 1 utilizzando le matrici. Diamo per ora un metodo di calcolo differente. Sappiamo che f 1 una applicazione lineare e come tale univocamente definita dal suo valore sugli elementi di una base. Consideriamo
la base canonica di R3 , si ha f (1, 0, 0) = (1, 0, 1), f (0, 1, 0) = (1, 1, 1)
e f (0, 0, 1) = (0, 1, 1). Si ha che {(1, 0, 1), (1, 1, 1), (0, 1, 1)} sono linearmente indipendenti (le loro componenti rappresentano le colonne della
matrice associata ad f , dato che questa ha rango massimo sono linearmente indipendenti) e formano quindi una base di R3 . Per costruzione
f 1 (1, 0, 1) = (1, 0, 0), f 1 (1, 1, 1) = (0, 1, 0), f 1 (0, 1, 1) = (0, 0, 1),
questo permette di determinare f 1 su qualunque vettore. E sufficiente
scrivere (x, y, z) come combinazione lineare degli elementi della base, si
trova
(x, y, z) = (2x y z)(1, 0, 1)+(y +z x)(1, 1, 1)+(z x)(0, 1, 1)
quindi
f 1 (x, y, z) = (2x y z) (1, 0, 0) + (y + z x) (0, 1, 0)+
+(z x) (0, 0, 1) = (2x y z, y + z x, z x).
La matrice associata a f 1 rispetto alla base canonica
2 1 1
1 .
1 1
1 0
1
Il calcolo matriciale rende pi semplice la determinazione dellapplicazione inversa. Per far questo consideriamo dapprima lapplicazione identica. Se V uno spazio vettoriale si ha idV : V V data da idV (v) = v
per ogni v V . Se B una base di V si prova immediatamente che la matrice associata a idV scegliendo B come base associata sia in partenza
che in arrivo, la matrice identica I (questo non pi vero se le basi
in partenza e arrivo non coincidono), ovvero la matrice i cui elementi
non nulli sono tutti e soli quelli sulla diagonale, che assumono valore
1. Sia ora f : V W un isomorfismo ed A la matrice associata ad f
rispetto ad una scelta di basi. Se B la matrice associata a f 1 rispetto
alle stesse basi si ha f 1 f (v) = v, ovvero f 1 f = idV . Ne segue
che la matrice associata a f 1 f deve essere la matrice identica. Quindi
B A = I. Siccome I lelemento neutro del prodotto tra matrici si
ha che B la matrice inversa di A, e la si indica con A1 (verificarlo
sullesempio precedente). Si noti che questa matrice inversa esiste se e
solo se f un isomorfismo, ovvero se det(A) 0 (si ha un parallelo coi
numeri reali. Tutti e soli i numeri diversi da 0 ammettono un reciproco).
6.7
Il problema della determinazione dellinversa di f si riconduce quindi al

determinare una matrice che, moltiplicata per A, dia la matrice identica.
Senza fornire una motivazione teorica, diamo un algoritmo che permette
di determinare la matrice inversa, illustrandolo con un esempio.
Determiniamo linversa della matrice
1 2 1
A = 1 1 0
1 2 1
(i) Si costruisce una nuova matrice che ha le
dalle colonne della matrice identica
1 2 1 | 1 0
1 1 0 | 0 1
1 2 1 | 0 0
(ii) Si applica la riduzione di Gauss
1 2
1
0 1 1
0 0 2
colonne di A affiancate
0
1
a questa nuova matrice, trovando
| 1 0 0
| 1 1 0
| 1 0 1
(iii) Gli elementi sulla diagonale principale sono tutti non nulli in quanto il rango di A massimo. Si divide ciascuna riga per lelemento
sulla diagonale, in modo da ottenere una matrice che abbia elementi uguali ad 1 sulla diagonale principale.
1 2 1 | 1 0
0
0 1 1 | 1 1 0
0 0 1 | 21 0 21
(iv) Si applica una riduzione di Gauss inversa per azzerare gli elementi posti sopra la diagonale principale, partendo dallultima
riga per azzerare gli elementi della terza colonna. Si sostituisce
quindi alla seconda riga la differenza fra la seconda e la terza riga.
1 2 1 | 1 0
0
1
1
0 1 0 | 2 1 2
1
1
0 0 1 | 2 0 2
e alla prima riga la sua
differenza con la terza
1
1
2 0 | 2 0
2
1
1
1 0 | 2 1 2
1
0 1 | 2 0 21
139
140
Capitolo 6
Algebra Lineare
si passa quindi alla seconda

seconda moltiplicata per 2
1 0 0
0 1 0
0 0 1
colonna. Si sottrae alla prima riga la

1
| 2
1
| 2
1
| 2
1
2 2
1
1 2
1
0 2
Abbiamo spostato la matrice identica. Le ultime colonne della matrice

trovata forniscono linversa della matrice A, ovvero
12 2 21
1
1
A1 =
2 1 2 .
1
1
0 2
2
Esiste una formula per la determinazione dellinversa ma, dato che

coinvolge il calcolo di molti determinanti, il metodo descritto sopra
da preferirsi nella maggior parte dei casi. Indicati con aij gli elementi
della matrice A, lelemento di posto (i, j) della matrice inversa dato
ji
da det(A) , dove ji il complemento algebrico dellelemento aji della
matrice A.
Esercizio 6.20
matrici
1
A1 =
2
Determinare, quando possibile, le inverse delle seguenti
1 1
1 0 ,
0 0
2 0 0
A4 = 0 5 0 ,
0 0 7
2 2 4
A2 = 1 0 1 ,
0 1 0
4 6 3
A3 = 0 0 7
0 0 5
2
1
0
0
1 2 3
A6 = 4 5 6
5 7 9
1
0
A5 =
0
0
Esercizio 6.21 Determinare
1
3
4
2
1
0
6
0
,
2
2
lunica soluzione del sistema

1 1
x
a

2 1 y = b
2 1
z
c
utilizzando la matrice inversa.
Cambiamento di base
6.8
Cambiamento di base
In questa sezione applichiamo gli strumenti forniti dal calcolo dellinversa di una matrice per ottenere una formula che permetta di determinare la matrice associata ad una applicazione lineare al variare delle
basi.
Sia f : V W unapplicazione lineare, date due basi B, B di V e due
basi C e C di W , supponiamo che la matrice associata ad f , rispetto alle
basi B e C, sia A. Consideriamo lapplicazione identica idV di V (risp.
idW di W ). Sia X (risp. Y ) la matrice associata a idV (risp. idW ) rispetto
alla scelta della base B (risp. C) in partenza e B (risp. C ) in arrivo. E
possibile scrivere f come composizione
f (v) = idW f idV (v)
la matrice associata ad f pu quindi essere scritta come prodotto delle
matrici associate a queste tre applicazioni lineari, scegliamo le basi come
segue
VB
idV
VB
f
WC
idW
WC
Dato che la composizione

VB
idV
VB
idV
VB
associata alla matrice identica I, la matrice associata a idV con la scelta

di B in partenza e B in arrivo data da X 1 . Quindi la matrice A
associata ad f rispetto a B in partenza e C in arrivo data da
A = Y A X 1 .
(6.3)
Nel caso sia pi semplice determinare le matrici X e Y associate alle

applicazioni identiche di V e W rispetto alle basi B (risp. C ) in partenza
e B (risp. C) in arrivo la formula diventa chiaramente A = Y 1 A X.
Esempio 6.34 Supponiamo che ad una applicazione lineare R3 R2 sia
associata, rispetto alle basi canoniche B e C, la matrice
!
1 1 2
.
A=
2 1 0
Siano quindi date le basi B = {(1, 0, 0), (0, 1, 1), (0, 1, 1)} di R3 e C =
{(1, 1), (1, 1)} di R2 . In questo caso pi semplice determinare la matrice associata a idR3 rispetto alle basi B e B, in quanto basta mettere in
141
142
Capitolo 6
Algebra Lineare
colonna le componenti degli elementi della base B . Tale matrice allora

data da
1 0 0
X = 0 1 1
0 1 1
mentre la matrice associata a idR2 rispetto alle basi C e C data da
!
1 1
.
Y =
1 1
Linversa della matrice Y data da

Y
1
2
1
2
1
2
1
2
La matrice associata ad f rispetto alle basi
!
!
1 0
1
1
1
1
2
2
0 1
A = 21
1
2 1 0
2 2
0 1
B e C quindi
!
0
3
1 1
2
1 =
.
1
2 0 2
1
Si noti che, nel caso si debbano calcolare le matrici associate a pi

applicazioni lineari, dopo un cambio di base, le stesse matrici X 1 e Y
permettono il calcolo della nuova matrice associata in quanto dipendono
solo dalle basi e non dalle applicazioni lineari in gioco.
Nel caso particolare V = W , se B = C e B = C si ha che la matrice
rispetto alle nuove basi data dalla formula A = X AX 1 . Due matrici
A e A che siano legate da questa relazione sono dette simili . Due matrici
simili sono sempre associate ad una stessa applicazione lineare, rispetto
a basi diverse (avendo la stessa base in partenza e in arrivo).
Esercizio 6.22 Dire quali, fra le seguenti applicazioni R3 R3 , sono lineari. In caso di risposta affermativa scrivere la matrice associata rispetto
alla base canonica.
a) (x, y, z) (x 2 , y 2 , z2 ) b) (x, y, z) (z, x, y)
c) (x, y, z) (z, x, y + 1) d) (x, y, z) (y z, z y, x y)
e) (x, y, z) (2x, 3y, 4z) f ) (x, y, z) (x + 2y, 2z + 3x, y 5x)
Esercizio 6.23 E data lapplicazione lineare f : R3 R3 definita da
f (x, y, z) = ((2 h)x + y z, y x + 3z, x 2y + 3z + h2 ).
(i) Determinare i valori di h per i quali f lineare. Determinare quindi
Cambiamento di base
6.8
(ii) La matrice associata ad f rispetto alla base canonica.

(iii) Delle basi per il nucleo e limmagine di f .
Esercizio 6.24 E data lapplicazione lineare f : R3 R3 definita da
f (x, y, z) = ((h2)x +2y z, 2x +hy +2z, 2hx +2(h+1)y +(h+1)z).
Determinare il nucleo e limmagine di f al variare del parametro h.
Esercizio 6.25 Sia f una applicazione lineare R3 R4 tale che
f (1, 2, 0) = (1, 3, 2, 4), f (2, 1, 0) = (5, 3, 1, 2), f (1, 0, 1) = (2, 0, 1, 1).
Determinare
(i) f (2, 1, 2).
(ii) Il nucleo di f .
(iii) La matrice associata ad f rispetto alla base canonica.
Esercizio 6.26 Dire se lapplicazione f : R3 R3 , associata, rispetto alla
base canonica, alla matrice
1 1 2
1 2 1
2 1 5
iniettiva e/o suriettiva.
Esercizio 6.27 Data lapplicazione f : R4 R2 , associata, rispetto alla
!
2 0 1 5
4 5 0 2
(i) Determinare limmagine di un generico elemento (x, y, z, t)
(ii) Dire se f iniettiva e/o suriettiva.
(iii) Determinare nucleo e immagine di f
Esercizio 6.28 Date le applicazioni lineari g : R4 R3 , h : R4 R4 ,
definite da g(x, y, z, t) = (3x + y, x + z t, x + z + t), h(x, y, z, t) =
(x, 3y, t z, z t) determinare g(h((2, 1, 3, 0))) 2g((0, 0, 2, 1)).
Esercizio 6.29 Sono date le applicazioni lineari f : R6 R4 e g : R4 R2
143
144
Capitolo 6
associate, rispetto alle
1 0
0 1
1 0
0 0
Algebra Lineare
basi canoniche, alle matrici
1 0
0 0
!
2 4 0 5
0 1
0 0
,
.
1 1 2 0
1 0 1 0
0 1 0 1
Determinare la matrice associata alla composizione g f . Determinare

una base del nucleo e una dellimmagine per tale applicazione.
Diagonalizzazione di applicazioni lineari

In questo paragrafo ci occupiamo di applicazioni lineari che trasformano uno spazio vettoriale V in s. Queste applicazioni vengono dette
anche endomorfismi . In aggiunta alla ricerca del nucleo e dellimmagine
di una tale applicazione, estremamente utile, nelle applicazioni, stabilire se esistono dei vettori che vengono trasformati in vettori ad essi
paralleli. Iniziamo con degli esempi
Esempio 6.35 Consideriamo lapplicazione lineare f : R2 R2 definita,
rispetto alla base canonica, dalla matrice
!
2 0
.
0 2
Limmagine del generico elemento (x, y) f (x, y) = (2x, 2y) =
2(x, y). In questo caso ogni vettore viene trasformato in un vettore
parallelo, con verso opposto e modulo doppio. I punti della circonferenza
di raggio 1 e centro nellorigine vengono mandati nei punti della circonferenza di raggio 2.
!
2 0
.
0 1
Limmagine del generico elemento (x, y) f (x, y) = (2x, y). In questo
caso non pi vero che ogni vettore viene trasformato in un vettore parallelo. Se ci limitiamo per agli elementi della base canonica si ha che
f (1, 0) = (2, 0) = 2(1, 0) e f (0, 1) = (0, 1). Quindi questi due vettori
vengono trasformati in vettori paralleli. Stavolta la trasformazione modifica i moduli in modo diverso a seconda della direzione. Un vettore che
sia parallelo allasse x viene trasformato in un vettore di modulo doppio,
6.9
quelli paralleli allasse y vengono invece lasciati inalterati. I vettori che

non si trovano su uno dei due assi non vengono invece trasformati in
vettori paralleli. La circonferenza di raggio 1 e centro nellorigine viene
trasformata in una ellisse.
!
2 0
.
0 0
Limmagine del generico elemento (x, y) f (x, y) = (2x, 0). Anche
in questo caso non vero che ogni vettore viene mandato in un vettore
ad esso parallelo. Nonostante ci, se ci limitiamo agli elementi della base,
questo avviene. Si ha infatti f (1, 0) = 2(1, 0) e f (0, 1) = 0(0, 1). In questo
caso la circonferenza di raggio 1 e centro nellorigine viene schiacciata
sullasse delle x.
!
1 0
.
0 2
Limmagine di un generico elemento f (x, y) = (1 x, 2 y). Se 1
2 non vero che ogni vettore viene trasformato in un vettore ad esso
parallelo. Per se ci limitiamo agli elementi della base canonica questo
accade, si ha infatti f (1, 0) = 1 (1, 0) e f (0, 1) = 2 (0, 1).
!
1 1
.
1 1
In questo caso non assolutamente ovvio stabilire se esistono vettori che
vengono trasformati in vettori paralleli. sicuramente questo non avviene
per i vettori della base canonica. Si ha per f (1, 1) = (2, 2) = 2(1, 1) e
f (1, 1) = (0, 0) = 0(1, 1). Abbiamo sempre sottolineato la dipendenza
della matrice associata ad una applicazione lineare dalla scelta delle basi
nello spazio di partenza e di arrivo. Consideriamo la base B di R2 data da
{(1, 1), (1, 1)} e cerchiamo la matrice associata ad f rispetto a questa
base, sia in partenza che in arrivo. Le sue colonne sono le componenti di
145
146
Capitolo 6
Algebra Lineare
f (1, 1) = 2(1, 1) + 0(1, 1) e f (1, 1) = 0(1, 1) + 0(1, 1) nella base B ,

ovvero
!
2 0
.
0 0
Rispetto a questa base la matrice associata ha preso la forma diagonale
che abbiamo visto nei precedenti esempi.
Dovrebbe ora essere chiaro che il problema di determinare dei vettori
che vengono trasformati da f in vettori ad essi paralleli, legato alla
possibilit di determinare una base di V rispetto alla quale la matrice
associata ad f in forma diagonale. Analizziamo brevemente laspetto
teorico di questo problema.
Definizione 6.11 Sia V uno spazio vettoriale ed f : V V una applicazione lineare. Un elemento v 0 V detto autovettore di f se esiste
un R tale che f (v) = v. In tal caso detto autovalore associato a
v.
Eimportante notare che, nella definizione, richiesto che gli autovettori siano non nulli, questo perch f (0V ) = 0V = 0V qualunque sia
R.
Definizione 6.12 Sia V uno spazio vettoriale ed f : V V una applicazione lineare. f si dice diagonalizzabile se esiste una base di V formata
da autovettori di f .
La definizione di diagonalizzabilit corrisponde, come abbiamo visto
in un precedente esempio, al fatto che la matrice associata ad f rispetto
alla base di autovettori (sia in partenza che in arrivo) in forma diagonale, ovvero tutti gli elementi che non appartengono alla diagonale principale sono nulli. Infatti se v1 , . . . , vn una base di autovettori si ha
f (vi ) = i vi = 0v1 + . . . + 0vi1 + i vi + 0vi+1 + . . . 0vn
e la matrice associata ad f rispetto a tale
1 0
0
2
.
..
.
.
.
0
0
base
0
0
..
.
n
Per arrivare ad un metodo di ricerca degli autovettori e degli autovalori

di un endomorfismo descriviamo un caso particolare
6.9
Esempio 6.40 Sia V uno spazio vettoriale. Consideriamo lapplicazione

identit id : V V . Questa lapplicazione che ad ogni vettore associa il vettore stesso : id(v) = v. Sia B = {v1 , . . . , vn } una qualsiasi
base di V , cerchiamo la matrice associata a id rispetto a questa base (sia
in partenza che in arrivo). Eevidente che tutti gli elementi di B sono
autovettori con autovalore associato 1, quindi la matrice associata a id,
rispetto a qualsiasi base
1 0 0
0 1
0
I=
..
..
..
.
.
.
0 0
ovvero la matrice identit di ordine n.

Sia ora v un autovettore di f , si ha allora f (v) = v = id(v). Abbiamo visto che possible sommare e moltiplicare per uno scalare le
applicazioni lineari, quindi dire che v un autovettore e equivalente a
dire che (f id)(v) = 0V . Quindi il nucleo dellapplicazione lineare
f id ha dimensione positiva. Fissata una qualsiasi base B di V , se
A la matrice associata ad f rispetto a tale base, sia in partenza che
in arrivo, la matrice associata ad f id A I. Dire che il nucleo di
f id non banale equivale a dire che il rango di AI non massimo.
Trattandosi di una matrice quadrata questo equivale a richiedere che il
suo determinante sia nullo.
Tutti questi passaggi possono essere invertiti. Se det(A I) = 0,
vuol dire che il rango di A I non massimo, quindi lapplicazione
f id ha un nucleo non banale, ovvero esiste un v 0V tale che
(f id)(v) = 0V , cio un autovettore per f .
Proposizione 6.5 Sia V uno spazio vettoriale e f : V V unapplicazione lineare. Fissata una base B di V sia A la matrice associata ad f
rispetto a tale base. Gli autovalori di f sono tutte e sole le soluzioni
dellequazione det(A I) = 0. Sia una di tali soluzioni, gli autovettori associati a sono gli elementi di Ker (f id). Questo insieme
detto autospazio relativo allautovalore .
Si noti,in particolare, che
(i) lautospazio relativo ad un autovalore un sottospazio vettoriale
di V .
147
148
Capitolo 6
Algebra Lineare
(ii) il nucleo di unapplicazione lineare sempre un autospazio, relativo allautovalore 0.

1 1 1
A = 0 1 2 .
0 0 2
Per stabilire se f o meno diagonalizzabile dobbiamo prima di tutto determinare gli autovalori, quindi determinare i corrispondenti autovettori.
Se possibile determinare una base composta da autovettori lendomorfismo diagonalizzabile. La matrice associata a f id
1 1 1
1 0 0
1
1
1
1
2 .
A I = 0 1 2 0 1 0 = 0
0 0 2
0 0 1
0
0
2
Gli autovalori sono le soluzioni di det(A I) = 0, ovvero
(1 )2 (2 ) = 0.
det(A I) un polinomio nellincognita , detto polinomio caratteristico dellapplicazione lineare f (o della matrice A). Gli autovalori di f
sono quindi 1 = 1 (con molteplicit 2) e 2 = 2 (con molteplicit 1).
Si noti che gli autovalori che abbiamo determinato sono esattamente gli
elementi sulla diagonale principale della matrice, questo accade sempre
se la matrice, in forma triangolare. Determiniamo gli autovettori corrispondenti, iniziando da quelli associati a 1 . Questi sono gli elementi
di Ker (f 1 id) e sono rappresentati dalle soluzioni del sistema omogeneo (A 1 I) (x, y, z)t = (0, 0, 0)t , Nel nostro caso, essendo 1 = 1,
dobbiamo risolvere il sistema

0 1 1
x
0

0 0 2 y = 0 .
0 0 1
z
0
Ovvero dalle terne della forma (x, 0, 0) = x(1, 0, 0). abbiamo quindi che
gli autovettori relativi a 1 sono tutti e soli i vettori paralleli a (1, 0, 0).
Per determinare gli autovettori relativi a 2 dobbiamo risolvere

1 1 1
x
0

0 1 2 y = 0 .
0
0 0
z
0
6.9
che ha come soluzioni le terne della forma (3z, 2z, z), ovvero gli autovettori relativi a 2 sono tutti e soli i vettori paralleli a (3, 2, 1).
In conclusione abbiamo che possiamo al pi trovare due autovettori
linearmente indipendenti. Quindi impossibile determinare una base di
R3 costituita da autovettori. f non diagonalizzabile.
Il polinomio caratteristico di un endomorfismo di uno spazio vettoriale n-dimensionale ha grado n. Il coefficiente del termine di grado n
(1)n , quello del termine di grado n 1 (1)n1 tr (A), il termine
noto det(A), dove A la matrice associata allendomorfismo rispetto
ad una qualsiasi base.
Ci possono essere pi motivi per i quali un endomorfismo f non
diagonalizzabile.
(i) Il polinomio caratteristico di f non ha un numero sufficiente di
radici. Affinch un endomorfismo sia diagonalizzabile il numero
di tali radici, contate con la loro molteplicit, deve essere pari alla
dimensione dello spazio. Non sempre detto che tali radici siano
numeri reali, si pensi al caso dei polinomi di secondo grado nel
caso il discriminante sia negativo..
(ii) Non si riesce a determinare un numero sufficiente di autovettori
linearmente indipendenti. Una volta determinati gli autovalori,
affinch lendomorfismo sia diagonalizzabile, per ogni autovalore
bisogna poter determinare un numero di autovettori linearmente
indipendenti pari alla sua molteplicit come radice del polinomio
caratteristico. Nel caso dellesempio precedente 1 = 1 aveva
molteplicit 2 come radice del polinomio caratteristico, mentre
linsieme degli autovettori corrispondenti, ovvero Ker (f id)
aveva dimensione 1.
Non dimostriamo la necessit di queste condizioni. Se, nello studio
della diagonalizzabilit di un endomorfismo, una di queste non soddisfatta, si pu subito dare una risposta negativa.
Esempio 6.42 Consideriamo lapplicazione lineare R3 R3 associata,
rispetto alla base canonica, alla matrice
0 5
5
20 0 10 .
18 9 5
Per determinare gli eventuali autovalori calcoliamo le radici del polinomio
149
150
Capitolo 6
Algebra Lineare
caratteristico. Queste sono le soluzioni di
5
5
10 = 0.
det 20
18
9 5
Si trova 1 = 10, 2 = 5, 3 = 10. Determiniamo gli autovettori

corrispondenti.
Quelli relativi a 1 sono dati dalle soluzioni di

10 5
5
x
0

20 10 10 y = 0 .
18 9
5
z
0
e sono quindi gli elementi di L((1, 2, 0)).

5 5
5
x
0

20 5 10 y = 0 .
18 9
0
z
0


10
5
5
x
0

20 10 10 y = 0 .
18
9
15
z
0

Non difficile verificare che (1, 2, 0), (1, 2, 1), (2, 1, 3) formano una
base B di R3 . Quindi lendomorfismo diagonalizzabile e, rispetto alla
base B ha matrice associata
10 0
0
5 0 .
0
0
0 10
Esistono criteri che garantiscono la diagonalizzabilit di un endomorfismo. Ne enunciamo, senza dimostrazione, due che sono di frequente
applicazione
Teorema 6.3 Sia V uno spazio vettoriale di dimensione n e f : V V

una applicazione lineare. Se f ammette n autovalori distinti diagonalizzabile.
Nel caso dellesempio precedente, quindi, era sufficiente determinare
gli autovalori per concludere che lendomorfismo era diagonalizzabile.
6.9
Il seguente teorema, che non enunciamo in tutta la sua generalit, ha

unimportanza fondamentale nella teoria dellalgebra lineare.
Teorema 6.4 [Teorema spettrale reale] Sia V uno spazio vettoriale di
dimensione n e f : V V una applicazione lineare. Se, rispetto ad una
base di V , la matrice associata ad f simmetrica, f diagonalizzabile.
Nel capitolo 8 ne forniremo una dimostrazione rigorosa. Per ora, ai
fini di questo capitolo, importa aggiungere che, nel caso di applicazioni
lineari Rn Rn , se la matrice associata ad f rispetto alla base canonica
simmetrica, la base di autovettori che diagonalizza f pu essere scelta
ortonormale.
Esempio 6.43 Consideriamo lapplicazione lineare associata, rispetto alla
1 0 5
0 4 0 .
5 0 1
Questa matrice simmetrica, per il teorema spettrale lendomorfismo corrispondente diagonalizzabile. Si verifica infatti che ha autovalori 6
(che radice del polinomio caratteristico con molteplicit 1) e 4 (che
radice del polinomio caratteristico con molteplicit 2). Gli autospazi corrispondenti sono L((1, 0, 1)) e L((1, 0, 1), (0, 1, 0)).
Ai fini della determinazione di una base di autovettori comodo utilizzare il seguente risultato
Teorema 6.5 Sia f un endomorfismo di uno spazio vettoriale V . Due
autovettori relativi ad autovalori distinti sono linearmente indipendenti.
Questo implica che, per determinare una base di autovettori (nel caso
lendomorfismo sia diagonalizzabile), sufficiente determinare una base
per ogni autospazio e unire tutte le basi trovate. Questo insieme forma
una base per tutto lo spazio.
Concludiamo osservando che il concetto di autovalore pu essere collegato alle matrici indipendentemente dal considerare una applicazione
lineare associata. Si parla quindi anche di autovalori di matrici.
151
152
Capitolo 6
Algebra Lineare
Esercizio 6.30 Determinare gli autovalori e gli autovettori delle applicazioni lineari associate, rispetto alla base canonica, alle matrici
1 2 0
9 0 10
1 0 0
0 1 1 , 5 4 10 , 0 2 1 .
4 0 1
5 0 6
0 0 2
2 2 1
2 ,
2 5
1 2
2
1 0 3
2 5 0 ,
0 0 4
e discuterne la diagonalizzabilit.
1
0
1
1 1 1 .
0
1
0
Esercizio 6.31 Consideriamo lo spazio delle funzioni di una variabile

reale derivabili. Lapplicazione f (x) f (x) lineare. Determinare un
autovettore relativo allautovalore 1. Se si considera invece lapplicazione
f (x) f (x) determinare due autovettori relativi allautovalore 1.
Esercizio 6.32 Determinare il valore da attribuire ai parametri h, k in
modo che (1, 2, 1) sia un autovettore associato allautovalore 2 per
lapplicazione lineare associata, rispetto alla base canonica, a
h 0 5
1 2 k .
1 3 h
Esercizio 6.33 Determinare gli autovalori e gli autovettori degli endomorfismi associati, rispetto alla base canonica, alle matrici
2 3 2 1
1 3 0
3 2 2 1
1 , b)
.
a) 3 2
2 2 1
0
0
1 1
1 1 0
4
Esercizio 6.34 Sia V = M(22) linsieme delle matrici quadrate di ordine
2. Si consideri lapplicazione lineare V V data da A At . Determinare
le dimensioni e delle basi degli autospazi relativi a 1 e 1. Questa applicazione diagonalizzabile?
In questo capitolo si introducono i numeri complessi, studiandone alcune elementari propriet. Come esempio di applicazione si trattano
brevemente gli spazi vettoriali complessi e, in particolare, il caso della
diagonalizzabilit di applicazioni lineari in questo nuovo contesto.
I numeri complessi
Tra gli insiemi numerici fin qui noti esistono delle inclusioni N Z
Q R. Passando da un insieme numerico ad uno pi ampio si cambia
la possibilit di risolvere equazioni. Limitandosi al caso di polinomi a
coefficienti interi:
(i) Lequazione x + 1 = 0 ha soluzioni in Z ma non in N.
(ii) Lequazione 2x + 1 = 0 ha soluzioni in Q ma non in Z.
(iii) Lequazione x 2 2 = 0 ha soluzioni in R ma non in Q.

(iv) Lequazione x 2 + 1 = 0 non ha soluzioni in R.
Uno dei vantaggi dati dallintroduzione dei numeri complessi proprio la possibilit di risolvere equazioni polinomiali che non hanno soluzioni reali.
Definizione 7.1 Un numero complesso z una coppia ordinata di numeri
reali: z = (x, y). Il primo elemento della coppia detto parte reale del
numero complesso e si indica x = Re(z), il secondo invece detto parte
immaginaria e si indica y = Im(z).
Con questa definizione linsieme C dei numeri complessi coincide con
R2 . E per possibile introdurre delle operazioni in R2 che non hanno
un analogo in Rn rendendo particolare il caso n = 2. Loperazione di
somma coincide con quella nota, la novit costituita dalla definizione
di prodotto.
Definizione 7.2 Se z1 = (x1 , y1 ) e z2 = (x2 , y2 ) sono numeri complessi,
154
Capitolo 7
Numeri e spazi vettoriali complessi
la somma e il prodotto di z1 e z2 sono definiti da

z1 + z2 = (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ),
z1 z2 = (x1 , y1 ) (x2 , y2 ) = (x1 x2 y1 y2 , x2 y1 + x1 y2 ).
Si noti, in particolare, che se z = (0, 1) si ha z2 = z z = 1, ovvero
esistono numeri complessi il cui quadrato negativo, fatto che li differenzia dai numeri reali.
Con un abuso di notazione possiamo considerare R C, identificando
i numeri reali coi numeri complessi con parte immaginaria nulla, ovvero
x R (x, 0) C. In questo modo ha senso parlare di moltiplicazione
di un numero complesso per un numero reale: x z = (x, 0) z. Come
nel caso di R2 si ha
(x, y) = x (1, 0) + y (0, 1).
Si pu provare che C in questo modo uno spazio vettoriale di dimensione 2 su R. In particolare ogni numero complesso combinazione
lineare di (1, 0) e (0, 1) a coefficienti reali. Abbiamo gi introdotto la
notazione 1 = (1, 0), per il secondo elemento della base si usa il simbolo
i = (0, 1). Si ha allora
C = {z = (x, y) = x + iy : x, y R}
nel seguito utilizzeremo sempre questa notazione che risulta essere
molto pi maneggevole. I numeri reali x e y rappresentano sempre la
parte reale e la parte immaginaria di z.
Esempio 7.1 Se z1 = 23i e z2 = 34i si ha (si ricordi che i2 = ii = 1)
z1 + z2 = 5 7i
z1 z2 = 6 17i
Conviene introdurre subito alcune operazioni che permettono di semplificare lalgebra dei numeri complessi
Definizione 7.3 Sia z = x + iy un numero complesso ed n un numero
naturale.
(i) Per n > 0 si pone zn = z . . . z (n volte). Se n = 0 si pone zn = 1.
Forma polare ed esponenziale
7.2
(ii) Si definisce il coniugato di z come

z = x iy.
(iii) Si definisce il modulo di z come
q
|z| = x 2 + y 2 .
(iv) Se z = x + iy 0 esiste un inverso di z rispetto al prodotto si pone
z1 =
1
z
x iy
=
= 2
.
2
z
|z|
x + y2
in tal caso z z1 = 1.
E possibile visualizzare loperato di queste funzioni rappresentando
i numeri complessi come punti del piano. Nel caso dellelevamento a
potenza conviene utilizzare la rappresentazione in forma polare dei numeri complessi, che verr fatta nel seguito. Loperazione di coniugio
corrisponde alla simmetria rispetto allasse delle x. In particolare il
coniugato di un numero reale il numero reale stesso. Il modulo di
un numero complesso pari alla distanza del punto corrispondente
dallorigine degli assi. Si noti che, ristrette ai numeri reali, queste operazioni coincidono con quelle gi note.
Esercizio 7.1 Scrivere i seguenti numeri complessi nella forma x + iy
i) (3 + i)(14 2i),
ii)
2 + 3i
,
1 4i
iii)
(1 + 2i)2
.
1i
Esercizio 7.2 Dimostrare le seguenti propriet dei numeri complessi

i) z1 + z2 = z1 + z2 ,
iv) |z|2 = z z,
ii) z1 z2 = z1 z2 ,
v) |z1 z2 | = |z1 | |z2 |,
z1
z1
z2 = z2 .
z
|z |
vi) | z12 | = |z21 | .
iii)
Esercizio 7.3 Risolvere le seguenti equazioni nelle incognite z e w

(
(1 + i)z + (2 i)w = 3i
i) iz + (2 10i)z = 3z + 2i,
ii)
(1 + 2i)z + (3 + i)w = 2 + 2i
155
156
Capitolo 7

Dal punto di vista insiemistico C pu essere identificato con R2 , le
operazioni in C possono essere quindi rappresentate sul piano. In particolare la somma tra numeri complessi si ottiene mediante la regola del
parallelogrammo. Pi complessa la rappresentazione del prodotto di
due numeri complessi. Per farlo conviene utilizzare unaltra rappresentazione degli elementi non nulli di C. Sia z 0 C, r = |z| rappresenta
z
la distanza euclidea del punto z dallorigine. Ne segue che r , avendo
modulo unitario, un punto della circonferenza di centro lorigine e raggio 1, pu quindi essere rappresentato nella forma (cos(), sin()) che,
tradotto nel formalismo dei numeri complessi diventa cos() + i sin().
Moltiplicando per r si trova quindi
z = r (cos() + i sin())
che detta forma polare del numero z. Langolo detto argomento
del numero complesso z e si indica con ar g(z). Geometricamente rappresenta langolo fra il segmento di estremi z e lorigine e la direzione
positiva dellasse delle ascisse. Non si tratta per di un valore numerico
univocamente determinato in quanto + 2k ancora unargomento di
z, qualunque sia k Z. Per avere un valore univoco dellargomento si
sceglie spesso il cosiddetto argomento principale Ar g(z) che largomento definito da Ar g(z) ( , ]. Se z = x + iy si ha
q
r = x2 + y 2,
cos() = q
x
x2 + y 2
sin() = q
y
x2 + y 2
Se x 0 si ha quindi tan() = x e questo definisce a meno di multipli

y
interi di , ovvero = arctan( x ) + k .
Quella che abbiamo realizzato una corrispondenza biunivoca fra C \
{0} e (0, +) ( , ]. E possibile estendere questa corrispondenza
a 0 C (basta porre r = 0) ma in tal caso la corrispondenza non pi
biunivoca dato che 0 (cos() + i sin()) = 0 qualunque sia . Questo
cambio di coordinate utilizzato in molti contesti ma occorre ricordare
che occorre omettere lorigine per avere una corrispondenza biunivoca.
Esempio 7.2
Ar g(1) = 0, Ar g(1) = , Ar g(i) =
, Ar g(i) = .
2
2
7.2
Posto = arctan( 4 ) si ha
Ar g(4 + 3i) =
Ar g(4 + 3i) = ,
Ar g(4 3i) = + Ar g(4 3i) = .
Calcoliamo il prodotto fra numeri complessi con questa notazione
z1 z2
= r1 (cos(1 ) + i sin(1 )) r2 (cos(2 ) + i sin(2 ))

= r1 r2 (cos(1 ) cos(2 ) sin(1 ) sin(2 )+
+i(cos(1 ) sin(2 ) + sin(1 ) cos(2 )) =
= r1 r2 (cos(1 + 2 ) + i sin(1 + 2 )).
quella ottenuta la forma polare del prodotto dei due numeri. r1 r2 il

modulo del prodotto, mentre largomento del prodotto la somma degli
argomenti dei numeri. Le propriet moltiplicative dellargomento di un
numero complesso si riassumono come segue
(i)
(ii)
(iii)
(iv)
ar g(z1 z2 ) = ar g(z1 ) + ar g(z2 ) + 2k

ar g(z1 ) = ar g(z) + 2k
z
ar g( z12 ) = ar g(z1 ) ar g(z2 ) + 2k
ar g(zn ) = n ar g(z) + 2k
dove k un numero intero.

Esempio 7.3 Determiniamo il modulo e largomento principale di
!17
3+i
z=
1+i
Si ha, utilizzando le propriet del modulo
!17
17
| 3 + i|
|z| =
2
=
.
|1 + i|
Mentre, utilizzando le propriet dellargomento

3+i
= 17(ar g( 3 + i) ar g(1 + i)) =
ar g(z) = 17ar g 1+i

= 17 6 4 = 17
12 .
per ottenere largomento principale sufficiente aggiungere 2 .
Limitandosi ai numeri complessi di modulo 1 si ha, dalle propriet

precedenti:
n
(cos() + i sin()) = cos(n) + i sin(n)
157
158
Capitolo 7
Questa propriet pu ricordare una propriet della funzione esponenziale (ex )n = enx . in effetti esiste un legame profondo, che non possiamo qui giustificare, fra numeri complessi di modulo 1 e funzione esponenziale, che porta a definire lesponenziale di un numero complesso
puramente immaginario come
ei = cos() + i sin()
ne segue che la forma polare di un numero complesso pu essere descritta anche come
z = r ei
in forma esponenziale. Dato che, per i numeri reali, vale la relazione
ex+y = ex ey si estende la definizione di esponenziale a tutto C. Se
z = x + iy si pone

ez = ex+iy = ex eiy = ex cos(y) + i sin(y) .
Questa funzione coincide quindi con la funzione esponenziale nota nel

caso di numeri reali. Alcune delle sue principali propriet sono
(i)
(ii)
(iii)
(iv)
(v)
ez1 +z2 = ez1 ez2

ez 0
(ez )1 = ez
e z1
ez1 z2 = ez2
ez = ez
Non si tratta per di una funzione invertibile. Si prova facilmente che

lequazione ez = 1 ha infinite soluzioni date da z = 2k i, per k Z.
Manca quindi liniettivit della funzione.
Esempio 7.4 Se z = 2 +
2i
ez = e2+ 2 i
si ha

= e2 cos( ) + i sin( ) = ie2 .

2
2
Il prodotto fra numeri complessi, in forma esponenziale, assume una

forma particolarmente semplice

r1 ei1

r2 ei2 = r1 r2 ei(1 +2 ) .
Esercizio 7.4 Determinare il modulo e largomento principale dei seguenti

numeri complessi
3
1
3 1
iii) 1 + 2i,
iv) +
.
i) 4 + i,
ii) i,
2 2
2
2
Radici di un numero complesso
7.3
Esercizio 7.5 Determinare la forma polare dei seguenti numeri complessi
p
p
(1 + i)5 (1 3i)5
i) (1 + i)(1 + 3i)( 3 i),

.
ii)
( 3 + i)4
Esercizio 7.6 Posto z = 2e 4 i , w = 3e 6 i , determinare la forma polare e

la forma esponenziale dei seguenti numeri complessi
i) zw,
ii)
z
,
w
iii)
w
,
z
iv)
z5
.
w2
Radici di un numero complesso

Nel campo reale possibile determinare una radice di x 2 = a se e solo
se a 0. Nel campo complesso questa limitazione non necessaria. Si
prova che lequazione zn = a, con a C ammette sempre n soluzioni
(distinte se a 0).
Iniziamo dal caso particolare dellequazione zn = 1. Passando ai moduli abbiamo |z|n = 1 la cui unica soluzione accettabile (essendo |z| 0
un numero reale) |z| = 1. Quindi z, espresso in forma polare del tipo
z = cos() + i sin(). Daltro canto utilizzando i risultati del paragrafo
precedente, sappiamo che lequazione diventa
cos(n) + i sin(n) = 1
che ha soluzione n = 2k n , ovvero =
2k
n ,
con k Z. Quindi le
+ i sin(2 k
soluzioni sono della forma zk =
n ). Si prova facilmente che i valori zk e zk+n coincidono, quindi si hanno esattamente n
2k
2k
radici distinte date da zk = cos( n )+i sin( n ),
k = 0, . . . , n1.
cos( 2k
n )
Esempio 7.5 Nel caso n = 2 la formula porta le soluzioni z0 = cos(0) +

i sin(0) = 1 e z0 = cos( ) + i sin( ) = 1. Si noti che le soluzioni si
possono descrivere nel seguente modo: z0 = 1 una soluzione ovvia.
A partire dal punto 1 della circonferenza si divide la circonferenza in 2
parti uguali (dato che n = 2), laltro punto che si trova z = 1, ovvero
la seconda radice.
2
2
Nel caso n = 3 si hanno le soluzioni z0 = 1, z1 = cos( 3 ) + i sin( 3 ) =
1
2 + 2 i e z2 = cos( 3 ) + i sin( 3 ) = 2 2 i. Dividendo la circonferenza in tre parti uguali a partire dal punto 1 si trovano esattamente
i punti z1 e z2 . La costruzione si pu generalizzare. Per determinare le
radici n-esime si divide la circonferenza in n parti uguali a partire dal
punto 1.
159
160
Capitolo 7
Ne segue che, in C il polinomio zn 1 si fattorizza nel prodotto di

fattori di primo grado (cosa che non sempre avviene nel caso reale, ad
esempio nel caso n = 3)
zn 1 = (z 1) (z z1 ) (z zn1 ).
Determiniamo ora le radici n-esime di un qualsiasi numero complesso
a qualsiasi, ovvero le soluzioni di zn = a, per a 0. Scriviamo a in
forma polare, si potr scrivere
a = |a| ei dove largomento princip
pale di a. Poniamo z0 = n |a| e n i (il simbolo di radice n-esima indica la

funzione radice n-esima reale che ha ununico valore dato che |a| 0).
Sostituendo si verifica immediatamente che z0 una soluzione, ovvero
z0n = a. Sostituendo nellequazione originaria si ha che questa diventa
n
z
zn = z0n , ovvero w
= 1. Possiamo utilizzare i calcoli precedenti otte2k
nendo che zk = we n i , sono soluzioni. Pi esplicitamente

q
+2k
n
k = 0, . . . , n 1.
zk = |a| e n i ,
Anche in questo caso le soluzioni rappresentano n punti p

distinti ed eqn
uispaziati sulla circonferenza di centro lorigine e raggio |a|.
Esempio 7.6 Determiniamo le soluzioni di z3 = i. Occorre innanzi tutto
determinare la forma polare di i, si ha |i| = 1 e Ar g(i) = 2 . Quindi la

+4k
soluzione
generale
zk = e 6
3
3
1
1
2 + 2 i, z1 = 2 + 2 i, z2 = i.
con k = 0, 1, 2. Si trova allora z0 =
Concludiamo accennando al fatto che ogni polinomio di grado n in C

ammette sempre n radici e quindi si decompone nel prodotto di fattori
di primo grado
Teorema 7.1 [Teorema fondamentale dellalgebra] Se p(z) = an zn +
an1 zn1 + . . . + a1 z + a0 con ai C e an 0 e n 1, esiste z C
tale che p(z) = 0.
Utilizzando il metodo di Ruffini possibile allora decomporre p(z) nel
prodotto di un fattore di primo grado ed un polinomio di grado n 1.
Daltro canto tale polinomio, ancora per il teorema precedente, ammette
almeno una radice reale. In questo modo si decompone il polinomio nel
prodotto di fattori di primo grado.
Esercizio 7.7 Risolvere le seguenti equazioni in C
i) z2 = 1 + 3i, ii) z4 = i, iii) z3 = 8i, iv) z4 = 2 2i.
Spazi vettoriali complessi
7.4
Esercizio 7.8 Decomporre in fattori di primo grado il polinomio 2x 3 x +

1.

Uno spazio vettoriale complesso un insieme in cui sono definite una
operazione di somma e il prodotto per uno scalare (complesso) che verificano le propriet (6.1) rispetto a K = C.
Si possono costruire esempi di spazi vettoriali complessi in modo del
tutto analogo a quanto fatto per il caso reale.
Esempio 7.7
(i) Lo spazio complesso n-dimensionale Cn , dove le operazioni sono
definite da
(x1 + . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn )
(x1 , . . . , xn ) = (x1 , . . . , xn ).
(ii) Lo spazio M(m n, C) delle matrici di tipo m n a coefficienti
complessi, con le usuali operazioni gi definite.
La teoria dei sottospazi e delle basi si trasferisce tale e quale al caso
complesso. Rimane formalmente inalterata anche la definizione di applicazione lineare, basta sostituire il prodotto per uno scalare reale con
quello per uno scalare complesso.
Esempio 7.8 Se V = C3 una base di V data da
{(1, 0, 0), (0, 1, 0), (0, 0, 1)}
infatti si ha (z1 , z2 , z3 ) = z1 (1, 0, 0)+z2 (0, 1, 0)+z3 (0, 0, 1). Lapplicazione f : C3 C3 data da f (z1 , z2 , z3 ) = (iz1 + 2z2 , (1 i)z2 , iz2 z3 )
lineare e, rispetto alla base fissata sopra le associata la matrice
i
2
1i
0 .
A = 0 1 i
0
i
1
Il determinante di questa matrice definito in modo analogo al caso

reale, si ha quindi det(A) = 1 I. Essendo il determinante non nullo
lapplicazione f un isomorfismo.
161
162
Capitolo 7
Passando al problema della diagonalizzazione di un endomorfismo

avevamo visto che, nel caso reale, uno dei possibili ostacoli era dato
dalla mancanza di un numero sufficiente di radici del polinomio caratteristico. Per quanto visto nel paragrafo precedente, nel caso complesso questo problema non sussiste. Infatti, se dim(V ) = n, sempre
possibile determinare n autovalori complessi (non necessariamente distinti). Questo non significa che lapplicazione sia diagonalizzabile, sussistendo ancora il problema di avere una sufficiente molteplicit geometrica dellautovalore.
Esempio 7.9 Nel caso dellesempio precedente, il polinomio caratteristico
di f 3 i 1 i. Una radice data da 1 = 1. Mediante la
regola di Ruffini ci si riduce ad un polinomio di secondo grado, le cui
radici si ottengono mediante la consueta formula risolutiva. Si trova 2 =
i e 3 = 1 i. Trattandosi di autovalori distinti lapplicazione lineare
diagonalizzabile ed una base di autovettori data da {(i, 0, 1), (9
7i, 5 10i, 5), (1, 0, 0)}.
Esempio 7.10 Lendomorfismo
associato, rispetto alla base canonica di
!
1
1
non diagonalizzabile. Abbiamo due autovalori
C2 alla matrice
0 1
coincidenti ma la molteplicit geometrica del corrispondente autospazio
1.
Si ha il seguente criterio che garantisce la diagonalizzabilit di un endomorfismo
Teorema 7.2 Sia V uno spazio vettoriale complesso di dimensione n
e f : V V una applicazione lineare. Se, rispetto ad una base di V , la
t
matrice A associata ad f tale che A = A allora f diagonalizzabile.
Si ha comunque un vantaggio dato dal fatto di avere sempre n radici
del polinomio caratteristico
Teorema 7.3 Sia V uno spazio vettoriale complesso di dimensione n
e f : V V una applicazione lineare. Esiste una base di V tale che la
matrice A associata ad f rispetto a tale base sia triangolare (superiore
o inferiore).
Esercizio 7.9 Determinare la matrice ridotta, col metodo di Gauss, della
matrice
2 + i 1 + 2i
2
1 + i
1 .
1+i
1 + 2i 2 + i 1 + i
7.4
163
In questo capitolo approfondiamo la teoria della diagonalizzazione

delle applicazioni lineari, con lo scopo di fornire una dimostrazione
rigorosa del Teorema spettrale. A tal fine necessario introdurre le
forme bilineari e alcuni strumenti ad esse collegati. Come ulteriore applicazione accenniamo a come lo studio delle coniche e delle quadriche
sia legato a tali forme.
Forme bilineari e sesquilineari

Definizione 8.1 Sia V uno spazio vettoriale reale. Una forma bilineare
su V unapplicazione b : V V R che verifichi per ogni scelta di
v, v1 , v2 , w, w1 , w2 V e R
(i) b(v1 + v2 , w) = b(v1 , w) + b(v2 , w),
(ii) b(v, w1 + w2 ) = b(v, w1 ) + b(v, w2 ),
(iii) b(v, w) = b(v, w) = b(v, w).
Se b(v, w) verifica anche
b(v, w) = b(w, v)
la forma detta simmetrica . Se verifica inoltre
v V ,
b(v, v) 0,
b(v, v) = 0 v = 0V
la forma detta definita positiva .

Esempio 8.1 Il prodotto scalare tra vettori liberi un esempio di forma
bilineare simmetrica definita positiva.
Fissato v0 V , le applicazioni f1 (v) = b(v, v0 ) e f2 (v) = b(v0 , v)
sono lineari. In particolare le forme bilineari possono essere viste come
generalizzazioni delle applicazioni lineari. Mentre la teoria delle applicazioni lineari ha un equivalente negli spazi vettoriali complessi a cui
possibile applicare le stesse identiche definizioni, per una generalizzazione complessa delle applicazioni bilineari occorre maggiore cautela
8.1
165
Definizione 8.2 Sia V uno spazio vettoriale complesso. Una forma sesquilineare su V unapplicazione b : V V C che verifichi per ogni scelta di
v, v1 , v2 , w, w1 , w2 V e C
(i)
(ii)
(iii)
(iv)
b(v1 + v2 , w) = b(v1 , w) + b(v2 , w),

b(v, w1 + w2 ) = b(v, w1 ) + b(v, w2 ),
b(v, w) = b(v, w),
b(v, w) = b(v, w).
Se b(v, w) verifica anche
b(v, w) = b(w, v)
la forma detta hermitiana .
Delle applicazioni f1 , f2 definite sopra, nel caso complesso solo la
prima lineare mentre la seconda antilineare. Si osservi che, per una
forma sesquilineare, b(v, v) , in generale, un numero complesso. Se
per la forma hermitiana da b(v, v) = b(v, v) segue che questo valore
reale. Quindi ha senso parlare di forme hermitiane definite positive.
Esempio 8.2 Il prodotto scalare tra vettori liberi un esempio di forma
bilineare simmetrica definita positiva. Cos pure il prodotto scalare in Rn ,
definito da
X
b(x, y) =
xi yi
ed abbiamo visto che la norma (o modulo) di un elemento di Rn pu essere

calcolata come
q
|x| = b(x, x).
Nel caso complesso il modulo di un numero complesso lo abbiamo definito
come
p
|z| = zz.
Definendo h(z, w) = zw si ha che h una forma sesquilineare hermitiana e, per definizione,

q
|z| = h(z, z).
Lanalogia col caso reale si pu estendere definendo, per z, w Cn
X
h(z, w) =
zi wi .
che risulta essere ancora una forma sesquilineare hermitiana.
Questo giustifica le seguenti definizioni
166
Capitolo 8
Forme bilineari e applicazioni
Definizione 8.3 Uno spazio vettoriale reale (complesso) V in cui sia definita
una forma bilineare simmetrica (sesquilinare hermitiana) definita positiva b(v, w) detto spazio vettoriale Euclideo (Hermitiano, cfr. Esercizio
8.2) . La forma b detta prodotto scalare (hermitiano) .
Definizione 8.4 Sia V uno spazio vettoriale munito di una forma bilineare simmetrica (o sesquilineare hermitiana) b(v, w). Si definisce forma
quadratica associata a b lapplicazione Q : V V definita da
Q(v) = b(v, v).
Se b definita positiva si definisce la norma di un vettore v come
q
||v|| = Q(v).
Sia V uno spazio vettoriale Hermitiano (si noti che caso reale si possono applicare le stesse formule, tenendo conto del fatto che = per
reale) e sia B = {e1 , . . . , en } una base di V . Posto aij = b(ei , ej ) si ha,
P
P
dalla definizione, per z = zi ei e w = zj ej
X X
X
zi
aij wj
b(z, w) =
aij zi wj =
ij
se A = (aij ), Z = (z1 , . . . , zn ), W = (w1 , . . . , wn ) abbiamo che Z, W Cn

P
e j aij wj rappresenta la j-esima colonna del prodotto matriciale A W .
Ne segue che
b(z, w) = Z A W
e la forma pu essere calcolata conoscendo la matrice A (che definita
dai vettori della base B) e le componenti di z e w nella stessa base.
Questo costituisce unevidente analogia col caso delle applicazioni lineari e la matrice A detta matrice associata alla forma rispetto alla base
B.
Esempio 8.3 La forma sesquilineare definita, rispetto alla base canonica
di C2 , da
!
4
3+i
A=
3i
4
hermitiana definita positiva. Per il vettore z = (1, i) abbiamo
!

1
= 10.
b(z, z) = 1 i A
i
quindi ||z|| =
di C2 .
8.1
10 rispetto a questa norma, che non la norma standard
Proposizione 8.1 Sia V uno spazio vettoriale Hermitiano. Allora esiste una base ortonormale rispetto alla forma b(z, w) cio una base
{e1 , . . . , en } tale che b(ei , ej ) = ij .
Dim. Procediamo per induzione sulla dimensione n dello spazio V . Se
n = 1 consideriamo un vettore non nullo v1 . Dato che b(v1 , v1 ) > 0
v1 . Si ha subito che b(e1 , e1 ) = 1
possiamo considerare e1 = 1
b(v1 ,v1 )
e {e1 } una base ortonormale di V . Se la dimensione di V maggiore

di uno consideriamo una base {v1 , . . . , vn } di V e definiamo e1 come nel
caso n = 1. Poniamo quindi , per i > 1, wi = vi b(vi , e1 ) e1 . Si ha allora
b(wi , e1 ) = b(vi , e1 ) b(vi , e1 )b(e1 , e1 ) = 0
quindi i vettori wi sono ortogonali a e1 . Sono anche linearmente indipendenti altrimenti considerando una loro combinazione lineare
X
X
X
b(vi , e1 )
v1
0=
i wi =
i vi
i p
b(v1 , v1 )
dato che i vettori vi costituiscono una base i coefficienti della combinazione sono tutti nulli. Lo spazio W ha quindi dimensione n 1 e i
suoi elementi sono tutti ortogonali a e1 . Se consideriamo la restrizione
di b agli elementi di W abbiamo che questo diventa uno spazio vettoriale Hermitiano di dimensione n 1. Per ipotesi induttiva, esiste
una base ortonormale {e2 , . . . , en } di W . Si verifica immediatamente che
{e1 , . . . , en } una base ortonormale di V .
Proposizione 8.2 Sia V uno spazio vettoriale Hermitiano e {e1 , . . . , en }
una base ortonormale di V . Lunico elemento ortogonale a tutti gli
elementi della base il vettore nullo.
Dim. Si potr scrivere w =
ai ei quindi
X
ai b(w, ei ) = 0.
b(w, w) =
Quindi w avrebbe norma nulla. Essendo la forma b definita positiva si

ha una contraddizione, quindi la tesi.
Esercizio 8.1 Verificare che la funzione h(z, w) definita nellEsempio 8.2
effettivamente una forma sesquilineare hermitiana definita positiva.
167
168
Capitolo 8
Esercizio 8.2 Provare che se h(z, w) una forma sesquilineare hermitiana allora h(z, z) un numero reale.
Il Teorema spettrale
La dimostrazione del Teorema spettrale stata omessa nel capitolo
riguardante lalgebra lineare in quanto si voleva insistere soprattutto sui
metodi di calcolo di autovalori ed autovettori. Rispetto agli altri teoremi
presentati nel corso richiede lintroduzione di alcuni concetti nuovi. Il
primo, gi definito, quello di forma bilineare, ora occorre individuare
la classe di applicazioni lineare a cui si applica. Daremo le definizioni
necessarie solo nel caso complesso. Come osservato precedentemente,
quelle relative al caso reale si ottengono facilmente a partire da queste.
Definizione 8.5 Sia V uno spazio Hermitiano e sia f : V V unapplicazione lineare. Laggiunta di f lapplicazione lineare f : V V definita
da
b(f (v), w) = b(v, f (w)).
Ci sono alcuni punti da chiarire nella definizione:
(i) Per determinare un vettore w V sufficiente fornire il suo
prodotto scalare con gli elementi di una base ortonormale B =
P
= ai vi si
{v1 , . . . , vn } di V . Infatti se ai = b(w, vi ), ponendo w
vi ) = 0. Quindi, secondo la definizione data, f (v)
ha b(w w,
completamente individuato da b(f (v), vi ) = b(v, f (vi )).
(ii) f effettivamente lineare infatti se
b(f (w1 + w2 ), vi ) = b(w1 + w2 , f (vi )) =
= b(w1 , f (vi )) + b(w2 , f (vi )) =
= b(f (w1 ), vi ) + b(f (w2 ), vi ) =
= b(f (w1 ) + f (w2 ), vi ).
b(f (w), vi ) = b(w, f (vi )) = b(w, f (vi )) = b(f (w), vi ).

Proposizione 8.3 Sia V uno spazio vettoriale Hermitiano e sia f : V
V unapplicazione lineare associata, rispetto ad una base ortonormale
di V alla matrice X. Allora f associata, rispetto alla stessa base, alla
matrice X = X t .
8.2
Dim. Indichiamo con X e Y le matrici associate a f e f rispettivamente,

rispetto alla base ortonormale B si ha allora
X
X
b(f (vj ), vi ) = b( ymj vm , vi ) =
ymj b(vm , vi ) = yij
dalla definizione si ha che questo uguale a

X
X
b(vj , f (vi )) = b(vj , xmi vm ) =
xmi b(vj , vm ) = xji
quindi yij = xji da cui la tesi
In particolare, nel caso reale, la matrice associata allaggiunto di un

endomorfismo rispetto ad una base ortonormale la trasposta della matrice dellendomorfismo.
Definizione 8.6 Sia V uno spazio vettoriale Hermitiano unapplicazione
lineare f : V V detta autoaggiunta se f = f .
Dalla preposizione precedente segue facilmente
Corollario 8.1 Sia V uno spazio vettoriale Hermitiano, unapplicazione
lineare f : V V autoaggiunta se e solo se, rispetto ad una base
ortonormale la matrice X associata ad f verifica X = X t .
Un altro contesto in cui compare laggiunto di un endomorfismo
quello delle isometrie
Definizione 8.7 Sia V uno spazio vettoriale Hermitiano unapplicazione
lineare f : V V unisometria se preserva il prodotto hermitiano,
ovvero
b(f (v), f (w)) = b(v, w)
per ogni v, w V .
Preservando il prodotto hermitiano unisometria preserva sia le norme
dei vettori che lortogonalit. In particolare limmagine di una base
ortonormale una base ortonormale. E possibile dare una completa
caratterizzazione delle isometrie lineari:
Proposizione 8.4 Sia V uno spazio vettoriale Hermitiano allora f : V
V unisometria se e solo se f invertibile e f = f 1 . In particolare,
rispetto ad una base ortonormale la matrice X associata ad f verifica
X 1 = X t .
169
170
Capitolo 8
Dim. Dalla definizione si ha che deve valere, per ogni scelta di v, w V

b(v, w) = b(f (v), f (w)) = b(v, f (f (w))).
Da cui segue necessariamente
f (f (w)) = w.
Le matrici associate, rispetto a basi ortonormali, a delle isometrie sono

particolarmente importanti ed hanno una loro denominazione.
Definizione 8.8 Una matrice X M(n, C) si dice unitaria se X 1 = X t ,
una matrice X M(n, R) si dice ortogonale se X 1 = X t
Dalla definizione segue che le colonne di una matrice unitaria (o ortogonale) X, pensate come vettori in Cn (o Rn ) formano una base ortonormale B rispetto al prodotto scalare canonico definito nellEsempio 8.2.
Da quanto visto nel paragrafo 6.8 segue che X pu essere pensata come
associata allapplicazione identica rispetto alla base B in partenza ed alla
base canonica in arrivo. Sia ora C unaltra base ortonormale di Cn e sia Y
la matrice che ha come colonne le componenti degli elementi della base.
Y una matrice unitaria e Y 1 pu essere pensata come matrice associata allidentit rispetto alla base canonica in partenza e alla base C. Ne
segue che la composizione Y 1 X (che ancora una matrice unitaria) rappresenta la matrice associata allidentit avendo come base in partenza
B e in arrivo C. Ne segue che la matrice del cambiamento di base tra
due qualsiasi basi ortonormali di V una matrice unitaria (ortogonale se
si tratta di spazi vettoriali reali). Questo semplifica la formula (6.3) del
cambiamento di base per la matrice associata ad un endomorfismo dato
che si pu sostituire la trasposta di X a X 1 .
Adesso abbiamo a disposizione tutti gli strumenti per la dimostrazione
del Teorema spettrale. Iniziamo da unosservazione sugli autovalori
Proposizione 8.5 Sia V uno spazio vettoriale Hermitiano di dimensione n e sia f : V V un endomorfismo autoaggiunto. Allora f ha n
autovalori reali.
Dim. Sia X la matrice associata ad f rispetto ad una base ortonormale

di V . Da quanto visto sopra sappiamo che X hermitiana. Il polinomio
8.2
caratteristico di X, per il teorema fondamentale dellalgebra, ha n autovalori. Resta solo da provare che questi autovalori sono reali. Se u un
autovettore di f con autovalore associato . Abbiamo
||u||2
= b(u, u) = b(u, u) = b(f (u), u) = b(f (u), u) =

= b(u, f (u)) = b(u, u) = b(u, u) = ||u||2
essendo ||u|| 0 abbiamo = ovvero reale.

Possiamo ora provare il Teorema principale di questo capitolo
Teorema 8.1 Sia V uno spazio vettoriale Hermitiano e sia f : V V
unapplicazione lineare. Allora esiste una base ortonormale di V costituita da autovettori di f con autovalori reali se e solo se f autoaggiunta.
Dim. Supponiamo dapprima che esista una base ortonormale costituita

da autovettori con autovalori reali. La matrice X associata ad f rispetto
a tale base diagonale con elementi reali sulla diagonale. Ne segue che
X = X , quindi f autoaggiunta. Supponiamo viceversa che f sia autoaggiunta e procediamo per induzione sulla dimensione n dello spazio
V . Se n = 1 il risultato ovvio. Dalla Proposizione precedente segue
che esiste almeno un autovettore v1 (che possiamo supporre di norma
unitaria dividendolo per la sua norma) relativo ad un autovalore reale
1 . Sia W = {v V : b(v, v1 ) = 0} il complemento ortogonale di v1 .
Sappiamo che W ha dimensione n 1 (cfr. Proposizione 8.1). Sia w W
allora
b(f (w), v1 ) = b(f (w), v1 ) = b(w, f (v1 )) = b(w, 1 v1 ) =
= 1 b(w, v1 ) = 0
quindi f (W ) W e f pu essere pensata come unendomorfismo di W .

Tale endomorfismo risulta essere ancora autoaggiunto e, per lipotesi di
induzione, W ammette una base ortonormale {v2 , . . . , vn } costuita da
autovettori con autovalore reale. Unendo v1 a tale base abbiamo la base
richiesta di V .
Nel caso reale abbiamo come corollario il Teorema spettrale reale
Corollario 8.2 Sia V uno spazio vettoriale Euclideo, unapplicazione
lineare f : V V autoaggiunta se e solo se esiste una base ortonormale di V costituita da autovettori.
171
172
Capitolo 8
Nel caso complesso possibile considerare anche unaltra classe di

endomorfismi, che include gli endomorfismi autoaggiunti. Sono gli endomorfismi normali che verificano f f = f f , cio commutano col
loro aggiunto. Si pu provare che per tali endomorfismi esiste sempre
una base ortonormale di autovettori, solo che gli autovalori, in generale,
non sono reali ma complessi.
Sia X una matrice autoaggiunta (quindi hermitiana o simmetrica). Possiamo considerarla associata ad un endomorfismo f rispetto alla base
canonica di Cn o Rn . Tale endomorfismo risulta quindi autoaggiunto
ed diagonalizzabile rispetto ad una base ortonormale di autovettori.
Detta Y la matrice del cambiamento di base si ha Y U (n) (oppure
O(n)) e Y 1 XY = Y XY una matrice diagonale.
Esercizio 8.3 Provare che sia linsieme U (n) delle matrici unitarie di ordine n che O(n), insieme delle matrici ortogonali di ordine n, formano
un gruppo rispetto al prodotto tra matrici.
Coniche
Finora abbiamo utilizzato gli strumenti del calcolo vettoriale e matriciale per descrivere, in geometria analitica, degli oggetti non curvi. In
realt questi strumenti sono abbastanza potenti da essere utilizzati in
contesti pi ampi. Diamo, a titolo di esempio, qualche cenno sullo studio
delle coniche tramite strumenti di algebra lineare.
Le coniche classiche sono curve ottenute sezionando un cono con un
piano. Esistono 3 tipi di coniche non degeneri : lellisse, liperbole e la
parabola. Queste possono essere descritte come luoghi del piano cartesiano le cui coordinate verificano equazioni di una forma ben precisa.
Lellisse definita come il luogo dei punti del piano la cui somma
delle distanze da due punti, detti fuochi , costante. Per descrivere la
sua equazione necessario fissare un sistema di coordinate nel piano,
come abbiamo gi fatto nello spazio. Questo consiste nella scelta di un
punto, detto origine, e di due vettori non paralleli. Questa scelta arbitraria, la effettuiamo in modo da semplificare i calcoli. Scegliamo come
origine il punto medio del segmento congiungente i fuochi e, fissata una
unit di misura, due versori ortogonali i e j, tali che i sia parallelo alla
congiungente i fuochi. In tal caso i fuochi si troveranno ad avere coordinate del tipo F1 = (c, 0) e F2 = (c, 0). Lellisse sar data dallinsieme
dei punti la cui somma delle distanze da F1 e F2 pari ad una costante
che, per comodit, indichiamo con 2a. La formula per la distanza tra
Coniche
8.3
due punti del piano ci dice allora che un punto P di coordinate (x, y)
appartiene allellisse se e solo se
q
q
(x + c)2 + y 2 + (x c)2 + y 2 = 2a.
Semplificando questa espressione si giunge alla forma

x2
y2
+
= 1.
a2
a2 c 2
Osservando che si deve avere |a| > |c|, e ponendo b2 = a2 c 2 si ha la

forma canonica dellequazione dellellisse
y2
x2
+
= 1.
a2
b2
Liperbole definita come il luogo dei punti del piano la cui differenza
delle distanze da due punti fissi, detti fuochi , costante. Per determinare lequazione cartesiana delliperbole si procede alla scelta del sistema di coordinate in modo simile a quanto fatto per lellisse. Se i fuochi
hanno coordinate (c, 0) e (c, 0) e la differenza delle distanze di un
punto delliperbole dai fuochi 2a (n.b. a < c) si giunge con semplici
calcoli allequazione in forma canonica
x2
y2
= 1.
a2
b2
Dove b2 = c 2 a2 .
La parabola il luogo dei punti del piano le cui distanze da una retta
e da un punto, detto fuoco , fissati sono uguali. Indicata con p > 0 tale
distanza e fissato il sistema di coordinate in modo che la retta abbia
p
p
equazione x = 2 e il punto abbia coordinate ( 2 , 0), si ricava che la
p
distanza di un punto di coordinate (x, y) dalla retta data da |x + 2 |,
q
p
mentre la distanza dal fuoco y 2 + (x 2 )2 . Con semplici calcoli si
giunge allequazione della parabola in forma canonica
y 2 = 2px.
Tutte le equazioni canoniche che abbiamo descritto possono essere
scritte in forma matriciale. Si ha infatti
(i) Ellisse

x
1
a2
1 0
0
0
1
b2

0
x

0 y = 0.
1
1
173
174
Capitolo 8
(ii) Iperbole

x
1
2
a
1 0
0
(iii) Parabola

x
1 0
p

0
2
1b
0

x
0

0 y = 0.
1
1

0 p
x

1 0 y = 0.
0 0
1
Trattandosi di matrici simmetriche abbiamo che le coniche non sono

altro che luoghi di zeri di particolari forme quadratiche su R3 (in realt
si considera la restrizione della forma ai punti di un piano parallelo al piano xy). Questo modo di descrivere le coniche presenta molti vantaggi,
sui quali non possiamo fornire approfondimenti per i limiti di durata
del corso. A titolo di esempio: possibile provare che, una volta posta
la conica in questa forma, la retta tangente alla conica in un punto di
coordinate (x0 , y0 ) ha equazio-ne

x0

x y 1 A y0 = 0.
1
Dove A la matrice che identifica la conica.
Generalizzando quanto visto sopra, ci proponiamo di studiare il luogo
dei punti del piano che verificano unequazione della forma

a11 a12 a13
x

x y 1 a12 a22 a23 y = 0,
1
a13 a23 a33
ovvero
a11 x 2 + 2a12 xy + a22 y 2 + 2a13 x + 2a23 y + a33 = 0.

ovvero i luoghi di zeri di forme quadratiche reali. I casi che abbiamo
visto sopra rientrano tutti in que-sta casistica. Si pu provare che, a
meno di 6 casi (che rappresentano curve degeneri o con punti non reali),
ogni equazione di quella forma rappresenta in realt proprio unellisse,
uniperbole o una parabola. La differenza nella presentazione delle equazioni dovuta alla scelta del sistema di riferimento. Le possibili forme
canoniche delle coniche reali, degeneri, non reali sono riassunte nella
Coniche
8.3
seguente tabella
1)
2)
3)
4)
5)
6)
7)
8)
9)
y2
x2
+ b2 1 =
a2
y2
x2
+ b2 + 1 =
a2
y2
x2
+ b2 = 0
a2
y2
x2
b2 1 =
a2
y2
x2
b2 = 0
a2
y 2 ax = 0
y2
1=
a2
y2
+1=
a2
y2 = 0
0 Ellisse reale
0 Ellisse immaginaria
Rette complesse incidenti
0 Iperbole
Rette reali incidenti
Parabola
Rette reali parallele
Rette complesse parallele

Rette coincidenti
Daremo quindi un cenno su come sia possibile cambiare il sistema di

riferimento in modo da portare la conica in forma canonica. Sono necessarie due operazioni. La prima serve ad allineare gli assi della conica
con quelli coordinati, consiste quindi in una rotazione. Questa permetter di eliminare il termine contenente il fattore xy. La seconda serve
invece a traslare lintersezione degli assi della conica nellorigine e serve
ad eliminare i termini di primo grado. Questo procedimento pu essere
descritto in modo algoritmico
Il primo passo consiste nella diagonalizzazione di una matrice. Consideriamo la matrice
!
a11 a12
A33 =
.
a12 a22
Questa matrice simmetrica ed quindi diagonalizzabile. Pensandolo
associata ad una applicazione lineare R2 R2 rispetto alla base canonica, possiamo quindi determinare due autovalori 1 e 2 e due autovettori. Nel caso che gli autovalori siano discordi supponiamo 1 > 0, se
uno dei due nullo (non possono esserlo entrambi), supponiamo 2 > 0.
Per il teorema spettrale reale gli autovettori possono essere scelti di
lunghezza unitaria ed ortogonali. Saranno allora della forma (, ) e
(, ) con 2 + 2 = 1. Consideriamo il cambiamento di coordinate
dato da
(
x = x + y
y = x + y
(i coefficienti delle colonne sono le componenti degli autovettori) lequazione prender allora la forma
2
1 x + 2 y + 2ax + 2by + a33 = 0.
175
176
Capitolo 8
Dove a, b sono delle nuove costanti.

Il secondo passo consiste nel traslare il sistema di coordinate in modo
da centrarlo nellorigine degli assi. Il modo in cui questo si effettua
dipende dagli autovalori determinati al passo precedente. Si possono
avere 2 casi
1) 1 2 = 0
Operiamo la traslazione
(
x = x
y = y b2
ed otteniamo unequazione della forma
2
2 y + 2ax + c = 0.
Se a 0 possiamo effettuare una ulteriore traslazione
(
c
2a
x = x
y = y
In conclusione abbiamo una delle seguenti forme

(
2 y 2 + c = 0
2 y 2 + 2ax = 0
Per la prima equazione : se c = 0 si ha il caso 9), se c 0 si ha il caso

7/8. Nel caso della seconda equazione si ha il caso 6).
2) 1 2 0 Si effettua la traslazione
(
x = x a1
y = y
b
2
ed otteniamo unequazione della forma

2
1 x + 2 y + c = 0
dove c una nuova costante. Che, a seconda delle varie combinazioni di
segni dei coefficienti, corrisponde ai primi cinque casi elencati.
Esempio 8.4 Consideriamo la conica di equazione
3x 2 + 6xy + 3y 2 10x + 3 = 0.
La matrice A33 , in questo caso,
A33 =
3 3
3 3
Coniche
8.3
e si verifica facilmente che ha per autovalori 1 = 0 e 2 = 6. Degli

1
1
1
1
autovettori di norma 1 corrispondenti sono ( 2 , 2 ) e ( 2 , 2 ). Il
cambiamento di coordinate corrispondente
x = 1 x 1 y
2
2
y = 1 x + 1 y
2
Con questa sostituzione arriviamo allequazione
2
6x 5 2x + 5 2y + 3 = 0.
Possiamo annullare solo il termine di primo grado contenente la x, con

una traslazione del tipo
(
5
x = x + 12
2
y =y
Sostituendo si arriva allequazione
11
= 0.
6x 2 + 5 2y +
12
Per annullare il termine noto operiamo una ulteriore traslazione
(
x =X
y = Y 6011
2
ottenendo
X2 +
5
2Y = 0
6
che lequazione, in forma canonica, di una parabola.

Esempio 8.5 Consideriamo la conica di equazione
xy + x + y 3 = 0.
La matrice A33 , in questo caso,
0
A33 =
1
2
1
2
!
1
e si verifica facilmente che ha per autovalori 1 = 2 e 2 = 2 . Degli

autovettori di norma 1 corrispondenti sono ( 12 , 12 ) e ( 12 , 12 ). Il cambiamento di coordinate corrispondente
x = 1 x + 1 y
2
2
y = 1 x + 1 y
2
177
178
Capitolo 8
Con questa sostituzione arriviamo allequazione

1 2 1 2
x + y + 2y 3 = 0.
2
2
Possiamo annullare solo il termine di primo grado contenente la y, con
una traslazione del tipo
(
x = x p
y = y (2)
Sostituendo si arriva allequazione
1
1
2
2
x + y 4 = 0.
2
2
Dividendo per 4 si ottiene
1
1
2
2
x + y 1 = 0.
8
8
che lequazione, in forma canonica, di una iperbole.
Le trasformazioni che abbiamo operato per portare una conica in forma canonica sono date dalla composizione di una rotazione con delle
traslazioni. Queste applicazioni hanno la propriet di lasciare invariate
le distanze tra punti del piano cio sono isometrie. Possono essere invertite, in particolare, dato che facile determinare fuochi, centro ed assi
delle coniche in forma canonica, applicando le trasformazioni inverse
possibile determinare le coordinate di tali punti o le equazioni degli assi
nel piano xy delle coordinate originali.
Esercizio 8.4 Determinare il tipo di conica e lequazione canonica delle
seguenti coniche
a) x 2 2x + 6y + 11 = 0, b) x 2 4xy 2y 2 4x 4y + 4 = 0,
c) 3x 2 +2xy +3y 2 +2x2y 3 = 0, d) 7x 2 +48xy 7y 2 30x+40y = 0.
Quadriche
8.4
Quadriche
In modo analogo a quanto fatto nel caso delle coniche, che sono associate a curve nel piano, possibile studiare il luogo dei punti del piano
che verificano unequazione della forma

x
dove
ovvero

x
y

z 1 A = 0,
z
1
a11
a
12
A=
a13
a14
a12
a22
a23
a24
a13
a23
a33
a34
a14
a24
.
a34
a44
a11 x 2 + 2a12 xy + a22 y 2 + 2a13 xz + 2a23 yz + a33 z2 + 2a14 x+

2a24 y + 2a34 z + a44 = 0.
Si tratta quindi di luoghi di zeri di forme quadratiche in R4 (ristrette
al sottoinsieme dei punti di R4 la cui ultima coordinata uguale a 1).
Stavolta il luogo rappresentabile come superficie in R3 , ed detto
quadrica. Procedendo in modo analogo a quanto fatto nel caso delle
coniche, possibile portare una quadrica in forma canonica, sfruttando
la simmetria della matrice che la definisce.
Esempio 8.6 Data la quadrica di equazione
4x 2 + y 2 + z2 + 4xy 4xz 2yz 3x 6y 3z = 0
consideriamo la matrice A44 data dai termini di secondo grado
4
2 2
1 1 .
A44 = 2
2 1 1
Considerando questa matrice come associata ad una applicazione lineare
R3 R3 rispetto alla base canonica si ha che una base ortonormale formata da autovettori corrispondenti agli autovalori 1 = 2 = 0, 3 = 6
1
1
2
1
1
1
1
1
data da {(0, 2 , 2 ), ( 3 , 3 , 3 ), ( 6 , 6 , 6 )}. Si opera quindi il
179
180
Capitolo 8
cambio di coordinate
1
1
x = 3y 2 6z
1
1
1
y = 2 x 3 y 6 z
z = 1 x + 1 y + 1 z
3
(le colonne rappresentano i coefficienti degli autovettori, come nel caso

delle coniche). Lequazione della quadrica diventa
6z
3 6 9 2
+
z
x = 0.
2
2
Operiamo quindi una traslazione per eliminare uno dei termini di primo
grado
x =x
y = y
z = z
Lequazione diventa
6z
6
8
9
9 2
x
= 0.
2
16
Una seconda traslazione
x =X
y = Y
z = Z
8 2
porta lequazione in forma canonica
9 2
X = 0.
6Z
2
2
Le possibili forme canoniche delle quadriche sono riassunte nella seguente tabella
Quadriche
1)
2)
3)
4)
5)
6)
7)
8)
9)
10)
11)
12)
13)
14)
15)
16)
17)
x2
a2
x2
a2
x2
a2
x2
a2
x2
a2
x2
a2
x2
a2
x2
a2
x2
a2
x2
a2
x2
a2
x2
a2
x2
a2
x2
a2
x2
a2
x2
a2
x2
a2
+
+
+
+
+
+
+
+
+
y2
b2
y2
b2
y2
b2
y2
b2
y2
b2
y2
b2
y2
b2
y2
b2
y2
b2
y2
b2
y
b2
y2
b2
y2
b2
y2
b2
+
+
z2
c2
z2
c2
z2
c2
z2
c2
z
c2
z
c2
z2
c2
z2
c2
8.4
1 = 0 Ellissoide reale
+ 1 = 0 Ellissoide immaginario
+ 1 = 0 Iperboloide a due falde
1 = 0 Iperboloide a una falda

=0
Paraboloide ellittico
=0
Cono immaginario
=0
Paraboloide iperbolico
=0
Cono reale
+1=0
Cilindro immaginario
=0
Cilindro parabolico
1=0
Cilindro ellittico
1=0
Cilindro iperbolico
=0
Piani reali incidenti
=0
Piani complessi incidenti
+1 = 0
Piani complessi paralleli
=0
Piani coincidenti
1 = 0
Piani reali paralleli
posto
A44
a11
= a12
a13
a12
a22
a23
a13
a23 .
a33
possibile determinare il tipo di quadrica a partire dalle caratteristiche

di A e A44 .
181
182
Capitolo 8
A44
det(A)
3
3
3
3
3
3
2
2
2
2
2
2
2
1
1
1
1
4
4
4
4
3
3
4
4
3
3
3
2
2
3
2
2
1
<0
>0
>0
<0
<0
>0
44
=
=
=
=
=
Ellissoide reale
Ellissoide immaginario
Iperboloide a una falda
Iperboloide a due falde
Cono reale
Cono immaginario
Paraboloide ellittico
Paraboloide iperbolico
Cilindro ellittico reale
Cilindro ellittico immaginario
Cilindro iperbolico
Piani reali incidenti
Piani complessi incidenti
Cilindro parabolico
Piani reali paralleli
Piani immaginari paralleli
Piani coincidenti
Dove nelle prime due colonne riportato il rango delle matrici A44
e A mentre nelle colonne e 44 il segno = indica che gli autovalori
non nulli della corrispondente matrice hanno lo stesso segno mentre
indica lesistenza di autovalori con segni opposti.
Capitolo 1
1.1 A B = { 12 , 31 }, CR (A) = {x R|x 0}
R|x > 1}, CA (A B) =
3 ].
31
1
{1} { n |n
N, n > 3}.
nN
1
1
n+1 , n
{{x
1.3 [1,
1.5 {(1, 5), (5, 1), (2, 4), (4, 2), (3, 3)}. Il dominio e il codominio coincidono con A. La relazione non riflessiva, simmetrica, non transitiva.
La relazione coincide con la sua inversa.
1.7 La relazione non suriettiva e non iniettiva. Lunico elemento in
relazione con (a, 1) a + 2. La retroimmagine di 1 data da (0, 0).
1.10 La tavola moltiplicativa data da
e
r
r2
s
r s
r2 s
r2
r s
r2 s
e
r
r2
s
r s
r2 s
r
r2
e
r2 s
s
r s
r2
e
r
r s
r2 s
s
s
r s
r2 s
e
r
r2
r s
r2 s
s
r2
e
r
r2 s
s
r s
r
r2
e
Capitolo 2
2.1
2.2
2.3
2.4
1 1
2 5.
4 6
!
!
2 4
3 0
.
,
1 1
2 2
!
1 0
.
4 1
!
1 k
.
0 1
184
Capitolo 9
Soluzioni degli esercizi
2.6 Lequazione ha infinite soluzioni della forma

X = a b a + 2b 1 .
2.8 60.
2.9 a = 5 oppure a = 8.
2.11 det(A) = det(B) = 1 . . . n .
Capitolo 3
3.5 si.
3.6 Il sottoinsieme delle funzioni tali che f (0) = 1 non un sottospazio
vettoriale in quanto non contiene la funzione identicamente nulla che
lelemento neutro della somma.
3.10 Trascurando i sottoinsiemi costituiti da un solo vettore, non nullo,
si ha: 1) {u, v}, {u, v}, 2) {u, v}, {u, 2v}, {2u, v}, {2u, 2v}, 3) tutte le
coppie di vettori distinti.
3.13 u = t 1 + t 2 , v = 3t 1 2t 2 .
3.14 Da al pi due elementi.
3.16 q(x) = p(x) + r (x).
3.17 I vettori sono linearmente indipendenti e si ha v = v 1 +v 2 v 3 v 4 .
3.18 v 1 = (v 3 ) + (v 1 + v 3 ).
1
3.19 h 3 nel primo caso e h 2 nel secondo.
3.23 1) 3, 2) 2, 3) 5, 4) 13.
3.24 1) 2, 2) 2 4, 3) 2 2, 4) 0.
3.25 1) v, 2) (u v), 3) (2 u + v), 4) 0.
3.26 Il problema ammette due soluzioni.
2v,
1) 2 3u 2v, 2) 2u
3) 2
3
3 u 2v,
4) 2
3
3 u 2v
3.27 1) h = 2, 2) h = 2 , 3) h = 0, 4) h = 1.
3.28 3 .
3.29 1) a u + (a + c) v + c t, 2) a u a t, 3) a u a t, 4) 0.
5
3.30 Sono tutti i polinomi della forma 3 cx 3 3dx 2 + cx + d.
2 2 1
3.31 Sono i vettori della forma ( 3 , 3 , 3 ).

3.32 Sono i vettori della forma (a, a, 2a).
3.33 w 3 pu essere scelto della forma a(u + v + 2t) dove a un parametro non nullo.
3.34 Non esistono vettori con la propriet richiesta.
3.35 1) 3t, 2) 0, 3) u + v, 4) 0, 5) 2u + 2v + 2t, 6) u + 2v + 2t.
Risultati degli esercizi proposti
3.36
1) (0, 0, 3),
2) (0, 0, 0), 3) (1, 1, 0),
4) (2, 5, 1), 5) (3, 1, 0), 6) (2, 1, 3)
3.37 1) 1, 2) 8, 3) 2, 4) 1.
3.38 h = 2.
3.39 1) 1, 2) 3, 3) 0, 4) 0, 5) 1, 6) 15.
3.40 h = 2.
3.41 La soluzione x = 2u + v ed ha modulo 5.

4
2
3.42 x = 3 u + 3 v .
3.43 (1, 2, 3).
3.44 x = v t.
3.45 1) si, 2) si, 3) no.
3.46 Si pui scegliere, ad esempio v 3 = v 1 + v 2 = (1, 2, 3) e v 4 = v 1
v 2 = (1, 2, 1).
bc
3.47 Basta scegliere a a .
3.48 1) a 1, 2) I vettori sono linearmente dipendenti per qualunque
valore del parametro.
3.49 Ad esempio v 1 v 2 = 10i 7j 2k.
3.50 1) -4, 2) 2, 3) 0, 4) -3, 5) 2i + 2j 2k, 6) 4i + 8j + 12k, 7) 2j, 8) 0,
9) 2, 10)
0, 11) 0, 12) 0.
1
3 1
3.51 2 , 2 i + 2 j k.
3.52 6 .
3.53 I vettori della forma a (3i + 2j k) dove a un parametro.
3.54 Non esiste un valore di che verifichi la propriet richiesta.
3.55 = 1.
185
186
Capitolo 9
Capitolo 4
3
3 1
4.1 (2, 2, 2 ),( 2 , 2 , 2 ),(1, 1, 1).

4.2 (5, 3, 1).
4.3 (2, 0, 1).
4.4
x =1+t
y =1t
a)
z =1+t
x
= 2 5t
y = 2t
b)
z=1
x=0
y=0
c)
z=t
x=2
y = 2 3t
d)
z=2
(
(
(
(
x+y 2=0
xz =0
2x 5y 4 = 0
z1=0
x=0
y=0
x2=0
z2=0
4.5
4.6 a)
(
1
x = 1 + t
y =2+t
a)
z = 1 t
x = 1 + 2t
y=2
b)
z = 1 t
x
= 1 t
y = 2 + 2t
c)
z = 1 t
x = 1
y=2
d)
z = 1 + t
x + 2z + 1 = 0
, b)
y + 3z + 3 = 0
4.7 h = 6 .
(
(
(
(
xy +3=0
x+z+2=0
x + 2z + 3 = 0
y 2=0
2x + y = 0
zx = 0
x+1=0
y 2=0
x4=0
.
y +z3=0
4.8
x = 1 + 2t
y =1+t
a)
z =1+t
x
= 2 + 2t
y = 1 + t
b)
z =1+t
x = 1 + 2t
y =3+t
c)
z =3+t
x = 2t
y=t
d)
z=t
(
(
(
(
x 2z + 1 = 0
y z =0
x 2z = 0
y z+2=0
x 2z + 7 = 0
y z =0
x 2z = 0
y z =0
x = 2 17t
y =1+t
4.9
.
z = 2 + 26t
x = 1 + 2t
y =1+t .
4.10
z = 2t
x=0
y = 1 + 6t .
4.11
z = 1 + 2t
4.12 a) x + y + z 3 = 0, b) x + 2y 2z 3 = 0, c) z = 0.
4.13 a) y = 0, b) y z 1 = 0, c) 7x + 3y z 15 = 0.
4.14 a) x + z 3 = 0, b) x y + 2z 3 = 0, c) x 2 = 0.
5
5
4.15 a) ( 2 , 0, 0), b) (0, 5, 0), c) (0, 0, 3 ).
3 3
4.16 a) ( 5 , 5 , 5 ), b) Nessuna intersezione, c) (3, 1, 0).

4.17 a) si , b) no, c) si.
3
2
1
1
73
, 29
4.18 a) nessuna intersezione , b) ( 21
21 , 7 ), c) ( 3 , 3 , 3 ).
x =2t
y = 3 + 13t .
4.19
z = 1 + 19t
4.20 a) sghembe , b) sghembe, c) parallele, d) incidenti.
4.21 a) incidente , b) la retta giace sul piano, c) la retta parallela al
piano.
4.22 Il secondo e il quarto.
x = 1 + 3t
x=1
y = 1 2t .
y = 1 t , c)
4.23 a) 2x y + z 2 = 0, b)
z =1+t
z =1t
187
188
Capitolo 9
x = 1 + t
1
4
4.24
y = 2 + 3t
z = 3 3t
1
4.25 Per k = 2 la retta giace sul piano, per k = 2 la retta parallela al

piano, nei casi rimanenti la retta incidente.
4.26 Le rette sono incidenti per k = 1 e sghembe per ogni altro valore di
k.
4.27 k = 53 , h = 1.
4.28 x + 7y 2z 5 = 0, 2x y + z = 0.
4.29 3y + 7z + 2 = 0, 3x 2z 1 = 0, 7x 2y 1 = 0.
4.30 x + 2y 3z + 6 = 0.
4.31 3x + y z + 2 = 0.
4.32 2x 3y + 1 = 0.
5
4.33 Tale
( piano esiste solo se h = 2 ed ha equazione 6x+2y z+2 = 0.
x+y 1=0
4.34
3x + 2z 2 = 0
(
x1=0
4.35
z1=0
4.36 Il problema ammette le soluzioni x + y z

1 3.
x = 18t
5
y = 16t , x + y = 0.
4.37 La retta r , che ha distanza 3 dallorigine,
z = 9t
x = 1 2t
4.38 La retta di equazione
y = 47 t .
z = 2t
4.39
2 .
11
4.40 Le rette sono sghembe e la loro distanza pari a 5.
4.41 3.
4.42 Il luogo dato dai piani di equazione x y + 2z + 2 2 6.
Capitolo 5
5.1 a) 2, b) 2, c) 1, d) 2, e) 4.
5.2 a) se a = 3 il rango 3, altrimenti 4, b) , se a = 1 il rango 1,
altrimenti 4.
5.3 2
5.4 a) se a = 1 il rango 1, se a = 2 il rango 2, altrimenti 3, b) , se
a = 1 il rango 2, altrimenti 3. c) , se a = 0, 1 il rango 2, altrimenti
3.
5.5 Se a = c e b = 1 il rango 2, altrimenti 3.
5.6 a) , una famiglia a due parametri di soluzioni; b) , nessuna soluzione;

c) , una soluzione; d) , una famiglia ad un parametro di soluzioni.
40
3
5.7 a) se a = 33 e b = 308 il sistema ammette una soluzione unica,
nessuna soluzione nei casi restanti; b) , nessuna soluzione se a = 1,
una soluzione nei casi restanti; c) , una soluzione se a 2, nessuna
soluzione se a = 2; d) , una soluzione se a 1, nessuna soluzione se
a = 1; e) se a = 0 e b 0 il sistema non ammette soluzione, se a 0
e b a il sistema ammette una soluzione unica, se a = 0 e b = 0 ce
una famiglia a due parametri di soluzioni, se b = a ce una famiglia ad
un parametro di soluzioni; f ) , una famiglia a due parametri di soluzioni
per ogni valore di a.
Capitolo 6
6.8 a) si , b) no, c) no, d) si, e) si, f ) no.
6.11 h = 8.
6.12 h = 2.
6.13 1) si , 2) si, 3) no.
kl
6.14 1) h 2 , 2) h 1, 3) per nessun valore del parametro.
6.15 Ad esempio v3 = v1 v2 = (2, 1, 3).
6.16 1) {(2,!13, 5, 0), (3,
2) Lo spazio ha dimensione 0.
! 7, 0, 5)} , !
0 1
0 0
1 0
.
,
,
6.17
1 0
0 1
0 0
6.18 h = 3.
6.20
A1
1
1
0 0
2
1
= 0 1
,
2
1 1 1
1
2
A1
4 = 0
0
6.21 (x, y, z) = (
0
51
0
cb
2 , a
0
,
1
7
+ 2b c,
A1
2
A1
5
2
= 0
1
2
2
1
0
1
1 1
1 2 0 3
0 1 2 2
0 0
1
1
1
0 0
0
2
4a5b+3c
).
2
189
190
Capitolo 9
6.22
a) no,
b) 1
0
0 1 1
2
d) 0 1 1 , e) 0
0
1 1 0
0
0
1
0
3
0
0 , c) no,
0
1 2 0
0
0 , f ) 3 0 2 .
4
5 1 0
2
1 1
3 , 3) Ker (f ) ha dimensione 0, una

6.23 1) h = 0, 2) 1 1
1 2 3
base di Im(f ) data dalla base canonica di R3 .
6.24 Se h = 0 si ha
Ker (f ) = L((2, 1, 2)) e Im(f ) = L((2, 2, 0), (2, 0, 2));
Se h = 1 si ha
Ker (f ) = L((1, 0, 1)) e Im(f ) = L((1, 2, 2), (2, 1, 4));
Se h = 2 si ha Ker (f ) = L((3, 1, 2)) e Im(f ) = L((0, 2, 4), (2, 2, 6));
Nei rimanenti casi f iniettiva e suriettiva.
3 1 5
1 1 1
.
6.25 1) (5, 1, 3, 4), 2) Ker (f ) ha dimensione 0, 3)
0
1
1
0
2
1
6.26 Lapplicazione non suriettiva e non iniettiva.
6.27 1) (2x + z + 5w, 4x + 5y 2w), 2) lapplicazione non iniettiva,
suriettiva, 3) Ker (f ) = L((5, 4, 10, 0), (25, 16, 0, 10)) una base
dellimmagine data dalla base canonica di R2 .
6.28 (9, 6 4).
6.29 Ker (g f ) = L((1, 4, 7, 0, 0, 0), (5, 1, 0, 14, 0, 0), (4, 2, 0, 0, 7, 0),
(5, 15, 0, 0, 0, 14)), una base dellimmagine data dalla base canonica
di R2 .
6.30 a) = 1 con autospazio L((1, 1, 2)) lapplicazione non diagonalizzabile , b) = 4 con autospazio L((0, 1, 0)) lapplicazione non
diagonalizzabile , c) = 1 con autospazio L((1, 0, 0)), = 2 con
autospazio L((0, 1, 0)) lapplicazione non diagonalizzabile , d) = 1
con autospazio L((2, 1, 0), (1, 0, 1)), = 7 con autospazio L((1, 2, 1))
lapplicazione diagonalizzabile , e) = 1 con autospazio L((2, 1, 0))
, = 5 con autospazio L((0, 1, 0)), = 4 con autospazio L((1, 2, 1))
lapplicazione diagonalizzabile , f ) = 0 con autospazio L((1, 0, 1))
lapplicazione non diagonalizzabile.
191
6.31 ex un autovalore relativo a 1, sin(x) e cos(x) sono autovalori

corrispondenti a 1.
6.32 h = 3, k = 9.
6.33 a) = 1 con autospazio L((1, 0, 3)) , = 3 con autospazio
L((3, 2, 1)), = 4 con autospazio L((3, 5, 1)), b) = 3 con autospazio L((1, 1, 1, 0)) , = 6 con autospazio L((1, 1, 0, 1)), = 3 con
autospazio L((0, 1, 1, 1), (1, 1, 2, 0)).
6.34 Lautospazio relativo a 1 costituito dalle matrici simmetriche (cfr.
Esercizio 6.17), quello relativo
a 1 costituito dalle matrici antisimmet!
0 1
. Lapplicazione diagonalizzabile.
riche con base
1 0
Capitolo 7
7.1 i) 40 + 20i,
ii)
10
17
11
17 i,
7
1
2 + 2 i.
19
8
5 5 i.
iii)
ii) z = 1 + 5i, w =
7.3 i) z = 41 41 i,
7.4
1
10
ii) 2 , + arctan 13
i) 17, arctan 4 ,
iii) 5, arctan 2, iv) 1, 3 .
5
5
11
11
7.5 i) 4 2(cos( 12 ) + i sin( 12 )),
ii) 128(cos( 12 ) + i sin( 12 ))
7.6
5
i) 6(cos( 12 ) + i sin( 12 )), 6e 12 i

1
1
1
ii) 32 (cos( 12
) + i sin( 12
)), 23 e 12 i
3
iii) 2 (cos( 12 ) + i sin( 12 )), 2 e 12 i ,

iv)
7.7
32
11
11
32 11
12 i .
9 (cos( 12 ) + i sin( 12 )), 9 e
i) z = 32 + 12 i,
ii) zk = ik (cos( 8 ) + i sin( 8 ), k = 0, 1, 2, 3
iii) z = 2i, 3 i,
iv) zk = ik 256(cos( 16 ) + i sin( 16 ), k = 0, 1, 2, 3

7.8 2(x + 1)(x
1
2
2 i)(x
1
2
+ 2 i).
Capitolo 8
8.4 a) parabola, b) iperbole, c) ellisse, d) iperbole.
Abate M. Algebra lineare, Mc. Graw - Hill (2000) (TE)

Abate M. Geometria, Mc. Graw - Hill (1996) (T)
Abate M., De Fabritiis C. Esercizi di geometria, Mc. Graw - Hill (1996) (E)
Abate M., De Fabritiis C. Geometria analitica con elementi di algebra lineare,
Mc. Graw - Hill (2010) (TE)
Abeasis S. Elementi di algebra lineare e geometria, Zanichelli (1993) (TE)
Abeasis S. Geometria analitica del piano e dello spazio, Zanichelli (2002) (TE)
Accascina G., Villani V. Geometria, Ets (1993) (TE)
Accascina G., Villani V. Algebra lineare, Ets (1993) (TE)
De Bartolomeis P. Algebra lineare, Zanichelli (1995) (TE)
Del Centina A, Dini G., Rodin N. Esercizi e complementi di geometria, Cedam
(1984) (E)
Landucci M. Argomenti di geometria, Centro Stampa 2P (1996) (T)
Landucci M, Petrucci O. Geometria analitica, algebra lineare, Centro Stampa 2P
(1996) (E)
Maroscia P. Problemi di geometria, Masson (1994) (E)
Nannicini A. Spazi vettoriali, applicazioni e sistemi lineari, Pitagora (1995) (T)
Nannicini A. Esercizi di algebra lineare, Pitagora (1997) (E)
Nicholson W.K. Algebra lineare, Mc. Graw - Hill (2002) (TE)
Sanini A. Lezioni di geometria, Levrotto e Bella (1993) (T)
Sanini A. Esercizi di geometria, Levrotto e Bella (1993) (E)
Stoka M., Pipitone V. Esercizi e problemi di geometria, Cedam (1987) (E)
Tiberio U. Lezioni di algebra lineare, Cusl (1990) (TE)
Applicazione lineare, 125

Aggiunta, 168
Autoaggiunta, 169
Autovalore, 146
Autovettore, 146
Biunivoca, 135
Diagonalizzabile, 146
Endomorfismo, 144
Immagine, 134
Iniettiva, 135
Isomorfismo, 135
Matrice associata, 129
Normale, 171
Nucleo, 133
Suriettiva, 135
Autovalore, 146
Autovettore, 146
Base, 36
Negativamente orientata, 44
Ortonormale, 56
Positivamente orientata, 44
Tra punto e retta, 85

Tra rette parallele, 86
Tra rette sghembe, 87
Dominio, 3
Ellisse, 172
Fuochi, 172
Endomorfismo, 144
Esponenziale complessa, 158
Forma bilineare, 164
Definita positiva, 164
Simmetrica, 164
Forma quadratica, 166
Forma sesquilineare, 164
Hermitiana, 165
Grafico, 3
Gruppo, 7
Commutativo, 8
Cardinalit, 6
Classe di equivalenza, 4
Codominio, 3
Combinazione lineare, 29
Complementare, 1
Complemento algebrico, 19
Coniche
Ellisse, 172
Forma canonica, 175
Forma matriciale, 174
Iperbole, 173
Parabola, 173
Tangente, 174
Coordinate, 61
Origine, 61
Insieme, 1
Complementare, 1
Intersezione, 2
Numerico, 1
Prodotto cartesiano, 2
Unione, 2
Vuoto, 1
Intersezione, 2
Iperbole, 173
Fuochi, 173
Isometria, 169
Isomorfismo, 11, 135
Determinante, 18
Distanza
Tra punti, 85
Tra punto e piano, 87
Matrice, 14
Determinante, 18
Diagonale, 22
Identit, 17
Lineare dipendenza, 31
Lineare indipendenza, 31
195
Inversa, 138
Ordine, 14
Ortogonale, 170
Potenza, 17
Prodotto, 16
Prodotto per uno scalare, 16
Quadrata, 14
Rango, 92
Regola di Sarrus, 21
Simile, 142
Somma, 15
traccia, 114
Trasposta, 15
Triangolare, 22
Unitaria, 170
Numeri complessi
Argomento, 156
Argomento principale, 156
Coniugato, 155
Definizione, 153
Parte immaginaria, 153
Parte reale, 153
Prodotto, 154
Radici, 160
Somma, 154
Omomorfismo, 11, 125
immagine, 11
nucleo, 11
Parabola, 173
Fuoco, 173
Piani
Equazione cartesiana, 71
Equazione parametrica, 69
Fascio improprio, 81
Fascio proprio, 81
Prodotto
Cartesiano, 2
Hermitiano, 165
Matriciale, 16
Misto, 49
Per uno scalare, 26
Scalare, 38, 41, 165
Vettoriale, 45
Punto di applicazione, 23
Quadriche
Forma canonica, 180
Forma matriciale, 179
Quoziente, 4
Rappresentante, 4
Relazione, 3
Biettiva, 3
Codominio, 3
Composta, 5
Di equivalenza, 4
Dominio, 3
Grafico, 3
Iniettiva, 3
Inversa, 5
Riflessiva, 4
Simmetrica, 4
Suriettiva, 3
Transitiva, 4
Rette
Equazione cartesiana, 65
Equazione parametrica, 63
Ortogonali, 67
Parallele, 67
Sghembe, 74
Sistema lineare, 102
Matrice completa, 105
Matrice incompleta, 103
Omogeneo, 106
Riduzione di Gauss, 94
Sottogruppo, 10
Sottoinsieme, 1
Proprio, 1
Sottospazio, 113
Sistema di generatori, 117
Somma, 118
Somma diretta, 118
Spazio Vettoriale, 27
Base, 120
Complesso, 161
Dimensione, 120
Duale, 133
Euclideo, 165
Spazio vettoriale
Reale, 112
Teorema
Del completamento della base, 123
Della base, 34
di Rouch-Capelli, 105
Fondamentale dellalgebra, 160
Unione, 2
Versore, 28
Vettore, 24, 27
Angolo, 37
Applicato, 23
Base, 36
Combinazione lineare, 29
Complanare, 29
Differenza, 25
Direzione, 23
estremi, 23
Libero, 24
Lineare dipendenza, 31, 32
Lineare indipendenza, 31, 32
Modulo, 23
Nullo, 23
Opposto, 25
Ortogonale, 38
Parallelismo, 28
Prodotto misto, 49
196
Prodotto per uno scalare, 26

Prodotto scalare, 38
Prodotto vettoriale, 45
Proiezione, 38
Somma, 24
Verso, 23

Note - Geometria e Algebra Lineare - (VECCHIA VERSIONE)

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Note - Geometria e Algebra Lineare - (VECCHIA VERSIONE)

Uploaded by

Copyright:

Available Formats

Universit degli studi di Firenze

Note per il corso di geometria.

Corso di laurea in Ingegneria Informatica

Note ad uso degli studenti del corso

Dipartimento di Matematica e Informatica - Via S. Marta 3 - 50139 - Firenze

Il testo copre gli argomenti trattati a lezione, aggiungendo una serie

data per i vettori liberi. Si studiano quindi le propriet elementari delle

Insiemi, 1. Relazioni, 3. Strutture algebriche, 7.

Matrici, 14. Determinante di una matrice, 18.

Rango di una matrice, 91. Sistemi lineari, 102.

7. Numeri e spazi vettoriali complessi

I numeri complessi, 153. Forma polare ed esponenziale, 156. Radici

8. Forme bilineari e applicazioni .

9. Soluzioni degli esercizi

Capitolo 1, 183. Capitolo 2, 183. Capitolo 3, 184. Capitolo 4, 186.

Dati due insiemi A e B si definisce lintersezione di A e B come

Fig. 1.2 Intersezione ed unione di insiemi

Esempio 1.1 Un insieme pu essere definito mediante lenumerazione dei

A3 = {x R | sin(2x ) > 0}.

ed data la relazione (A, R, B) dove

Nel caso particolare B = A si possono isolare altre particolari classi di

Esempio 1.4 Si consideri un quadrato Q di vertici abcd e le relazioni

(i) (p, q) R se p = q oppure p appartiene al lato ab, q appartiene

Lo spazio quoziente rispettivamente, un cilindro, un nastro intrecciato

con k Z. Ne segue che la relazione non iniettiva. Daltro canto, dato

gode delle propriet riflessiva, simmetrica e transitiva. E vero che questa

(iii) Esiste lelemento inverso, g G, g 1 G tale che g g 1 =

Loperazione di gruppo , in generale, chiamata prodotto. Come

Possiamo costruire la tabella relativa alloperazione del gruppo

Ad, esempio, linverso di [2] [4].

avviene infatti Zp non neanche chiuso rispetto alloperazione. In Z

pio, nel caso dei gruppi. Pi avanti studieremo in modo approfondito il

f (g1 g2 ) = f (g1 ) f (g2 ).

Se f sia iniettiva che suriettiva detta isomorfismo .

un omomorfismo. Lapplicazione iniettva ma non suriettiva, la sua

Proposizione 1.1 Sia f : G G un omomorfismo tra gruppi allora

Dim. Iniziamo col provare che ker (f ) un sottogruppo. Siano g1 , g2

Esercizio 1.9 Provare che Zp un gruppo commutativo mentre il gruppo

prodotto definita dalla seguente tabella

ha una struttura di gruppo.

dove si indica con aij il numero posto allintersezione della i-esima

Sono matrici di tipo 2 2, 2 3, 3 3 rispettivamente. Lelemento a22

considerazione la trasposizione, somma, il prodotto per uno scalare e il

La matrice A + B sar allora

Osserviamo alcune propriet elementari della somma che seguono da

per la matrice A la matrice B = A i cui elementi sono definiti da

Il prodotto si effettua mettendo al posto cij la somma dei prodotti

Enunciamo alcune propriet del prodotto tra matrici.

(ii) Il prodotto gode della propriet associativa. Se A di tipo m n,

gli unici elementi diversi da zero sono quelli sulla diagonale,

Esercizio 2.4 Sia A =

una matrice di tipo 1 n, si ha A AT = 0 se e solo se A la matrice nulla.

Esercizio 2.6 Risolvere la seguente equazione matriciale

Determinante di una matrice

Determinante di una matrice

Esempio 2.6 Sia A =

Esempio 2.7 Sia A = 2 1 1. Il complemento algebrico di a21

dove i un qualsiasi indice compreso tra 1 e n.

Si pu provare che il determinante di una matrice non dipende dalla

Questa arbitrariet pu essere sfruttata per calcolare il determinante. In

Esempio 2.8 Sia data la matrice A = 2 1 1. Calcoliamo il deter1 1 2

svilupEsempio 2.9 Calcoliamo il determinante di A =

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