You are on page 1of 890

Principi di Matematica ed Economia1

Erio Castagnoli Massimo Marinacci Elena Vigna

1 Dicembre 2011

1 Appunti per uso esclusivo degli studenti del corso di Matematica generale dellUniversit
Bocconi. Queste note servono per integrare gli appunti presi a lezione e non sostituiscono in
alcun modo il libro di testo. Si tratta di appunti e in quanto tali saranno via via aggiornati e
corretti (invitiamo gli studenti a segnalarci ogni sErio errore). Ringraziamo Simone Cerreia-
Vioglio, Margherita Cigola, Fabio Maccheroni e Fabio Tonoli per i loro preziosi commenti.
2
Indice

I Strutture 15
1 Insiemi e numeri 17
1.1 Insiemi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.1.1 Sottoinsiemi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.1.2 Operazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.1.3 Propriet delle operazioni . . . . . . . . . . . . . . . . . . . . . 23
1.2 Numeri: introduzione intuitiva . . . . . . . . . . . . . . . . . . . . . . . 25
1.3 Struttura degli interi . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.3.1 Divisori e algoritmi . . . . . . . . . . . . . . . . . . . . . . . . . 31
1.3.2 Numeri primi . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1.4 Struttura dordine di R . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.4.1 Massimi e minimi . . . . . . . . . . . . . . . . . . . . . . . . . . 40
1.4.2 Estremi superiore e inferiore . . . . . . . . . . . . . . . . . . . . 42
1.4.3 Densit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.5 Potenze e logaritmi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
1.5.1 Potenze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
1.5.2 Potenze con esponente reale . . . . . . . . . . . . . . . . . . . . 47
1.5.3 Logaritmi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
1.6 Numeri, dita e circuiti . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
1.7 La retta reale estesa . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53

2 Struttura cartesiana e Rn 57
2.1 Prodotti cartesiani e Rn . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.2 Operazioni in Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.3 Struttura dordine in Rn . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.4 Applicazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.4.1 Incertezza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.4.2 Scelte statiche . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.4.3 Scelte intertemporali . . . . . . . . . . . . . . . . . . . . . . . . 67
2.5 Ottimi secondo Pareto . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.5.1 Scatola di Edgeworth . . . . . . . . . . . . . . . . . . . . . . . . 71

3
4 INDICE

3 Struttura lineare 77
3.1 Sottospazi vettoriali di Rn . . . . . . . . . . . . . . . . . . . . . . . . . 77
3.2 Indipendenza e dipendenza lineari . . . . . . . . . . . . . . . . . . . . . 80
3.3 Combinazioni lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
3.4 Sottospazi generati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
3.5 Basi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
3.6 Basi di sottospazi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
3.7 Titoli nanziari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94

4 Struttura euclidea 97
4.1 Valore assoluto e norma . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.1.1 Prodotto interno . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.1.2 Valore assoluto . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
4.1.3 Norma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
4.2 Ortogonalit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102

5 Struttura topologica 107


5.1 Distanze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.2 Intorni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
5.3 Tassonomia dei punti di Rn . . . . . . . . . . . . . . . . . . . . . . . . 113
5.3.1 Punti interni e di frontiera . . . . . . . . . . . . . . . . . . . . . 113
5.3.2 Punti di accumulazione . . . . . . . . . . . . . . . . . . . . . . . 116
5.4 Insiemi aperti e chiusi . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
5.5 Stabilit insiemistica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
5.6 Insiemi compatti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
5.7 Chiusura e convergenza . . . . . . . . . . . . . . . . . . . . . . . . . . . 127

6 Far di conto: Analisi combinatoria 129


6.1 Generalit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
6.2 Permutazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
6.3 Disposizioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
6.4 Combinazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135
6.5 Binomio di Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137

II Funzioni 139
7 Funzioni 141
7.1 Il concetto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
7.2 Applicazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
7.2.1 Incertezza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
7.2.2 Scelte statiche . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
7.2.3 Scelte intertemporali . . . . . . . . . . . . . . . . . . . . . . . . 153
7.3 Propriet generali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
INDICE 5

7.3.1 Controimmagini e curve di livello . . . . . . . . . . . . . . . . . 154


7.3.2 Algebra delle funzioni . . . . . . . . . . . . . . . . . . . . . . . . 160
7.3.3 Composizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
7.4 Classi di funzioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
7.4.1 Funzioni iniettive, suriettive e biiettive . . . . . . . . . . . . . . 163
7.4.2 Funzioni inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
7.4.3 Funzioni limitate . . . . . . . . . . . . . . . . . . . . . . . . . . 167
7.4.4 Funzioni monotone . . . . . . . . . . . . . . . . . . . . . . . . . 168
7.4.5 Funzioni separabili . . . . . . . . . . . . . . . . . . . . . . . . . 175
7.5 Funzioni elementari su R . . . . . . . . . . . . . . . . . . . . . . . . . . 176
7.5.1 Polinomi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
7.5.2 Funzioni esponenziali e logaritmiche . . . . . . . . . . . . . . . . 177
7.5.3 Funzioni trigonometriche e periodiche . . . . . . . . . . . . . . . 179
7.6 Domini e restrizioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 184
7.7 Funzioni biiettive e cardinalit . . . . . . . . . . . . . . . . . . . . . . . 186
7.7.1 Cardinalit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
7.7.2 Un vaso di Pandora . . . . . . . . . . . . . . . . . . . . . . . . . 191

8 Applicazione: funzioni di insieme e probabilit 195


8.1 Misure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
8.2 Probabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
8.3 Variabili aleatorie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 200
8.4 Probabilit semplici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
8.5 Utilit attesa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
8.6 Lotterie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206
8.7 Atti o lotterie? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 210

9 Successioni 213
9.1 Il concetto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
9.2 Lo spazio delle successioni . . . . . . . . . . . . . . . . . . . . . . . . . 216
9.3 Applicazione: scelte intertemporali . . . . . . . . . . . . . . . . . . . . 218
9.4 Immagini e classi di successioni . . . . . . . . . . . . . . . . . . . . . . 218
9.5 Limiti: esempi introduttivi . . . . . . . . . . . . . . . . . . . . . . . . . 221
9.6 Limiti e comportamento asintotico . . . . . . . . . . . . . . . . . . . . 221
9.6.1 Convergenza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
9.6.2 Divergenza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 224
9.6.3 Limiti per eccesso e per difetto . . . . . . . . . . . . . . . . . . 226
9.6.4 Topologia di R e denizione generale di limite . . . . . . . . . . 226
9.7 Propriet dei limiti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 228
9.7.1 Monotonia e convergenza . . . . . . . . . . . . . . . . . . . . . . 230
9.7.2 Algoritmo di Erone . . . . . . . . . . . . . . . . . . . . . . . . . 231
9.7.3 Il Teorema di Bolzano-Weierstrass . . . . . . . . . . . . . . . . . 234
9.8 Algebra dei limiti e limiti notevoli . . . . . . . . . . . . . . . . . . . . . 236
6 INDICE

9.8.1 Le (molte) certezze . . . . . . . . . . . . . . . . . . . . . . . . . 236


9.8.2 Alcuni limiti notevoli . . . . . . . . . . . . . . . . . . . . . . . . 239
9.8.3 Forme di indeterminazione . . . . . . . . . . . . . . . . . . . . . 240
9.8.4 Tabelle riassuntive . . . . . . . . . . . . . . . . . . . . . . . . . 243
9.8.5 Ma quante sono le forme di indeterminazione? . . . . . . . . . . 244
9.9 Criteri di convergenza . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
9.10 La condizione di Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . 250
9.11 Il numero di Nepero . . . . . . . . . . . . . . . . . . . . . . . . . . . . 251
9.12 Ordini di convergenza e di divergenza . . . . . . . . . . . . . . . . . . . 255
9.12.1 Equivalenza asintotica . . . . . . . . . . . . . . . . . . . . . . . 258
9.12.2 Terminologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
9.12.3 Scale di inniti . . . . . . . . . . . . . . . . . . . . . . . . . . . 262
9.12.4 La formula di De Moivre-Stirling . . . . . . . . . . . . . . . . . 263
9.12.5 Distribuzione dei numeri primi . . . . . . . . . . . . . . . . . . . 264
9.12.6 Termine di errore . . . . . . . . . . . . . . . . . . . . . . . . . . 267
9.13 Successioni in Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
9.14 Valori limite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 272

10 Applicazione: prezzi e aspettative 277


10.1 Un mercato . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
10.2 Ritardi nella produzione . . . . . . . . . . . . . . . . . . . . . . . . . . 279
10.3 Formazione delle aspettative . . . . . . . . . . . . . . . . . . . . . . . . 280
10.4 Pigre, ma corrette . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
10.5 Aspettative razionali . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283
10.6 Convergenza dei prezzi . . . . . . . . . . . . . . . . . . . . . . . . . . . 285
10.7 Aspettative adattive . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288

11 Serie numeriche 293


11.1 Il concetto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293
11.1.1 Tre classiche serie . . . . . . . . . . . . . . . . . . . . . . . . . . 295
11.1.2 Utilit intertemporale con orizzonte innito . . . . . . . . . . . 297
11.2 Propriet elementari . . . . . . . . . . . . . . . . . . . . . . . . . . . . 297
11.3 Serie con termini positivi . . . . . . . . . . . . . . . . . . . . . . . . . . 298
11.3.1 Criterio di convergenza del confronto . . . . . . . . . . . . . . . 298
11.3.2 Criteri di convergenza del rapporto: preludio . . . . . . . . . . . 304
11.3.3 Criteri di convergenza del rapporto . . . . . . . . . . . . . . . . 305
11.3.4 Criteri di convergenza della radice . . . . . . . . . . . . . . . . . 309
11.3.5 Potenza del criterio della radice . . . . . . . . . . . . . . . . . . 311
11.3.6 Un primo sviluppo in serie . . . . . . . . . . . . . . . . . . . . . 313
11.4 Serie con termini di segno qualsiasi . . . . . . . . . . . . . . . . . . . . 315
11.4.1 Convergenza assoluta . . . . . . . . . . . . . . . . . . . . . . . . 315
11.4.2 Rivisitazione dei criteri di convergenza . . . . . . . . . . . . . . 318
11.4.3 Serie con i segni alternati . . . . . . . . . . . . . . . . . . . . . . 319
INDICE 7

11.4.4 Il criterio di condensazione di Cauchy . . . . . . . . . . . . . . . 321


11.5 Serie di potenze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 323
11.6 Propriet associativa e commutativa . . . . . . . . . . . . . . . . . . . 325
11.6.1 Incidenti storici . . . . . . . . . . . . . . . . . . . . . . . . . . . 326
11.6.2 La retta via . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
11.7 Applicazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332
11.7.1 Rappresentazione dei numeri . . . . . . . . . . . . . . . . . . . . 332
11.7.2 Applicazione alla teoria degli insiemi . . . . . . . . . . . . . . . 334

12 Limiti di funzioni 337


12.1 Esempi introduttivi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 337
12.2 Funzioni scalari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
12.2.1 Limiti bilaterali . . . . . . . . . . . . . . . . . . . . . . . . . . . 342
12.2.2 Limiti unilaterali . . . . . . . . . . . . . . . . . . . . . . . . . . 348
12.2.3 Relazioni tra limiti unilaterali e bilaterali . . . . . . . . . . . . . 350
12.2.4 Gran nale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
12.3 Funzioni di vettore . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 352
12.4 Propriet dei limiti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 354
12.5 Algebra dei limiti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 359
12.5.1 Forme di indeterminazione . . . . . . . . . . . . . . . . . . . . . 359
12.6 Limiti elementari e limiti notevoli . . . . . . . . . . . . . . . . . . . . . 361
12.6.1 Limiti elementari . . . . . . . . . . . . . . . . . . . . . . . . . . 361
12.6.2 Limiti notevoli . . . . . . . . . . . . . . . . . . . . . . . . . . . 362
12.7 Ordini di convergenza e di divergenza . . . . . . . . . . . . . . . . . . . 364
12.7.1 Equivalenza asintotica . . . . . . . . . . . . . . . . . . . . . . . 366
12.7.2 Terminologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . 368
12.7.3 Il solito bestiario . . . . . . . . . . . . . . . . . . . . . . . . . . 369

13 Funzioni continue 371


13.1 Discontinuit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 375
13.2 Operazioni e composizione . . . . . . . . . . . . . . . . . . . . . . . . . 378
13.3 Zeri ed equilibri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 379
13.3.1 Zeri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 379
13.3.2 Equilibri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 381
13.4 Teorema dei valori intermedi . . . . . . . . . . . . . . . . . . . . . . . . 383
13.5 Monotonia e continuit . . . . . . . . . . . . . . . . . . . . . . . . . . . 384
13.6 Limiti e continuit delle applicazioni . . . . . . . . . . . . . . . . . . . 385
13.7 Continuit uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 387

III Analisi lineare e non lineare 391


14 Funzioni e applicazioni lineari 393
14.1 Funzioni lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 393
8 INDICE

14.1.1 Denizione e prime propriet . . . . . . . . . . . . . . . . . . . 393


14.1.2 Rappresentazione . . . . . . . . . . . . . . . . . . . . . . . . . . 395
14.1.3 Monotonia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 396
14.2 Matrici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 397
14.2.1 Operazioni tra matrici . . . . . . . . . . . . . . . . . . . . . . . 399
14.2.2 Prodotto tra matrici . . . . . . . . . . . . . . . . . . . . . . . . 402
14.2.3 Applicazione: matrice di Leontie . . . . . . . . . . . . . . . . . 406
14.3 Applicazioni lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 407
14.3.1 Denizione e prime propriet . . . . . . . . . . . . . . . . . . . 407
14.3.2 Rappresentazione . . . . . . . . . . . . . . . . . . . . . . . . . . 410
14.3.3 Matrici e operazioni . . . . . . . . . . . . . . . . . . . . . . . . 411
14.4 Rango . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 413
14.4.1 Applicazioni lineari . . . . . . . . . . . . . . . . . . . . . . . . . 413
14.4.2 Rango di matrici . . . . . . . . . . . . . . . . . . . . . . . . . . 417
14.4.3 Propriet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 420
14.4.4 Procedimento gaussiano di eliminazione . . . . . . . . . . . . . . 422
14.5 Applicazioni invertibili . . . . . . . . . . . . . . . . . . . . . . . . . . . 426
14.5.1 Invertibilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 426
14.5.2 Matrici inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . 428
14.6 Determinanti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 429
14.6.1 Denizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 429
14.6.2 Propriet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 432
14.6.3 Teorema di Laplace . . . . . . . . . . . . . . . . . . . . . . . . . 436
14.6.4 Inverse e determinanti . . . . . . . . . . . . . . . . . . . . . . . 441
14.6.5 Procedimento di Kronecker . . . . . . . . . . . . . . . . . . . . 444
14.7 Sistemi lineari quadrati . . . . . . . . . . . . . . . . . . . . . . . . . . . 446
14.8 Sistemi lineari generali . . . . . . . . . . . . . . . . . . . . . . . . . . . 450
14.9 Risoluzione di sistemi . . . . . . . . . . . . . . . . . . . . . . . . . . . . 453
14.9.1 Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 454
14.9.2 Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 456
14.10Il Teorema fondamentale della Finanza . . . . . . . . . . . . . . . . . . 459
14.10.1 Portafogli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 459
14.10.2 Intermezzo: Il Teorema di Hahn-Banach . . . . . . . . . . . . . 461
14.10.3 Valore di mercato . . . . . . . . . . . . . . . . . . . . . . . . . . 463
14.10.4 Legge del prezzo unico . . . . . . . . . . . . . . . . . . . . . . . 464
14.10.5 Arbitraggio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 467
14.10.6 Teorema di rappresentazione dellarbitraggio . . . . . . . . . . . 470
14.10.7 Calcolo dei prezzi di non arbitraggio . . . . . . . . . . . . . . . 472
14.10.8 Rendimenti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 475
INDICE 9

15 Funzioni concave 477


15.1 Insiemi convessi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 477
15.1.1 Politopi e poligoni . . . . . . . . . . . . . . . . . . . . . . . . . 479
15.1.2 Coni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 484
15.2 Funzioni concave . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 485
15.3 Propriet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 490
15.3.1 Funzioni concave e insiemi convessi . . . . . . . . . . . . . . . . 490
15.3.2 Disuguaglianza di Jensen e continuit . . . . . . . . . . . . . . . 494
15.4 Funzioni quasi concave . . . . . . . . . . . . . . . . . . . . . . . . . . . 497
15.5 Principio di diversicazione . . . . . . . . . . . . . . . . . . . . . . . . 501
15.6 Rischio e concavit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 504
15.6.1 Unicit e cardinalit . . . . . . . . . . . . . . . . . . . . . . . . 505
15.6.2 Avversione al rischio . . . . . . . . . . . . . . . . . . . . . . . . 507
15.6.3 Premio al rischio . . . . . . . . . . . . . . . . . . . . . . . . . . 510
15.7 Gran nale: lequazione di Cauchy . . . . . . . . . . . . . . . . . . . . 512
15.7.1 Varianti notevoli . . . . . . . . . . . . . . . . . . . . . . . . . . 513
15.7.2 Capitalizzazione . . . . . . . . . . . . . . . . . . . . . . . . . . . 515

16 Funzioni omogenee 519


16.1 Omogeneit e rendimenti di scala . . . . . . . . . . . . . . . . . . . . . 519
16.2 Omotetia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 524
16.3 Omogeneit e quasi concavit . . . . . . . . . . . . . . . . . . . . . . . 526

17 Problemi di ottimo 529


17.1 Generalit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 529
17.1.1 La fortuna del principiante . . . . . . . . . . . . . . . . . . . . . 533
17.1.2 Propriet . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 535
17.1.3 Consumo e produzione . . . . . . . . . . . . . . . . . . . . . . . 536
17.2 Esistenza: Teorema di Weierstrass . . . . . . . . . . . . . . . . . . . . . 542
17.3 Esistenza: Teorema di Tonelli . . . . . . . . . . . . . . . . . . . . . . . 545
17.3.1 Coercivit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 545
17.3.2 Supercoercivit . . . . . . . . . . . . . . . . . . . . . . . . . . . 548
17.4 Estremi locali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 551
17.5 Concavit e quasi concavit . . . . . . . . . . . . . . . . . . . . . . . . 553
17.6 Consumo e produzione . . . . . . . . . . . . . . . . . . . . . . . . . . . 556
17.6.1 Consumo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 556
17.6.2 Produzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 557
17.7 Assicurazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 558
17.8 Minimi quadrati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 560
17.8.1 Sistemi lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . 560
17.8.2 Statistica descrittiva . . . . . . . . . . . . . . . . . . . . . . . . 562
17.9 Proiezioni e approssimazioni . . . . . . . . . . . . . . . . . . . . . . . . 565
17.9.1 Teorema della proiezione . . . . . . . . . . . . . . . . . . . . . . 565
10 INDICE

17.9.2 Proiezioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 567


17.9.3 Minimi quadrati e proiezioni . . . . . . . . . . . . . . . . . . . . 569
17.10Approfondimento semicontinuo . . . . . . . . . . . . . . . . . . . . . . 571

IV Calcolo dierenziale 577


18 Derivate 579
18.1 Denizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 579
18.1.1 Osservazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 582
18.2 Interpretazione geometrica . . . . . . . . . . . . . . . . . . . . . . . . . 582
18.3 Funzione derivata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 586
18.4 Derivate unilaterali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 586
18.5 Derivabilit e continuit . . . . . . . . . . . . . . . . . . . . . . . . . . 588
18.6 Derivate delle funzioni elementari . . . . . . . . . . . . . . . . . . . . . 589
18.7 Algebra delle derivate . . . . . . . . . . . . . . . . . . . . . . . . . . . . 591
18.8 La regola della catena . . . . . . . . . . . . . . . . . . . . . . . . . . . 595
18.9 Derivata di funzioni inverse . . . . . . . . . . . . . . . . . . . . . . . . 596
18.10Formulario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 599
18.11Dierenziabilit e linearit . . . . . . . . . . . . . . . . . . . . . . . . . 601
18.11.1 Dierenziale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 602
18.11.2 Dierenziabilit e derivabilit . . . . . . . . . . . . . . . . . . . 604
18.11.3 Dierenziabilit e continuit . . . . . . . . . . . . . . . . . . . . 605
18.12Derivate di ordine superiore . . . . . . . . . . . . . . . . . . . . . . . . 606

19 Derivazione parziale 609


19.1 Generalit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 609
19.1.1 Ceteris paribus: utilit e produttivit marginali . . . . . . . . . 616
19.2 Dierenziale totale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 617
19.3 Regola della catena . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 620
19.4 Derivate parziali di ordine superiore . . . . . . . . . . . . . . . . . . . . 621
19.5 Funzioni implicite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 625
19.5.1 Teorema di Dini . . . . . . . . . . . . . . . . . . . . . . . . . . . 625
19.5.2 Saggi marginali . . . . . . . . . . . . . . . . . . . . . . . . . . . 630
19.5.3 Estensioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 633

20 Propriet dierenziali 637


20.1 Estremi e punti critici . . . . . . . . . . . . . . . . . . . . . . . . . . . 637
20.1.1 Preambolo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 637
20.1.2 Teorema di Fermat . . . . . . . . . . . . . . . . . . . . . . . . . 638
20.1.3 Punti stazionari . . . . . . . . . . . . . . . . . . . . . . . . . . . 640
20.1.4 Problemi di ottimo libero . . . . . . . . . . . . . . . . . . . . . 641
20.2 Teorema del valor medio . . . . . . . . . . . . . . . . . . . . . . . . . . 642
20.3 Monotonia e derivabilit . . . . . . . . . . . . . . . . . . . . . . . . . . 646
INDICE 11

20.3.1 Monotonia scalare . . . . . . . . . . . . . . . . . . . . . . . . . . 646


20.3.2 Monotonia vettoriale . . . . . . . . . . . . . . . . . . . . . . . . 650
20.4 Una condizione su ciente per estremi locali . . . . . . . . . . . . . . . 651
20.4.1 Ricerca di estremi locali . . . . . . . . . . . . . . . . . . . . . . 654
20.4.2 Ottimi liberi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 656
20.5 Teorema e regola di de lHospital . . . . . . . . . . . . . . . . . . . . . 657
20.5.1 Forme di indeterminazione 0=0 e 1=1 . . . . . . . . . . . . . . 657
20.5.2 Altre forme di indeterminazione . . . . . . . . . . . . . . . . . . 660
20.5.3 Dimostrazione del Teorema di de lHospital . . . . . . . . . . . . 662

21 Approssimazione 665
21.1 Approssimazione polinomiale di Taylor . . . . . . . . . . . . . . . . . . 665
21.2 Proposizione omnibus per estremi locali . . . . . . . . . . . . . . . . . . 673
21.3 Procedura omnibus di ricerca di estremi locali . . . . . . . . . . . . . . 675
21.3.1 Caso di funzioni due volte derivabili . . . . . . . . . . . . . . . . 675
21.3.2 Caso di funzioni derivabili innite volte . . . . . . . . . . . . . . 676
21.3.3 Caso generale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 677
21.3.4 Commenti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 678
21.4 Formula di Taylor: caso vettoriale . . . . . . . . . . . . . . . . . . . . . 679
21.4.1 Forme quadratiche . . . . . . . . . . . . . . . . . . . . . . . . . 679
21.4.2 Formula di Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . 683
21.4.3 Condizioni del secondo ordine . . . . . . . . . . . . . . . . . . . 684

22 Concavit e dierenziabilit 687


22.1 Caso scalare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 687
22.1.1 Corde e tangenti . . . . . . . . . . . . . . . . . . . . . . . . . . 695
22.2 Caso vettoriale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 697

23 Complementi 701
23.1 Studio di funzioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 701
23.1.1 Flessi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 701
23.1.2 Asintoti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 703
23.1.3 Studio di funzioni . . . . . . . . . . . . . . . . . . . . . . . . . . 706
23.1.4 Versiera di Agnesi . . . . . . . . . . . . . . . . . . . . . . . . . . 712
23.2 Calcolo Discreto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 713
23.2.1 Dierenze nite . . . . . . . . . . . . . . . . . . . . . . . . . . . 714
23.2.2 Un teorema di Cesro . . . . . . . . . . . . . . . . . . . . . . . 717
23.2.3 Convergenza in media . . . . . . . . . . . . . . . . . . . . . . . 720
23.2.4 Innita pazienza . . . . . . . . . . . . . . . . . . . . . . . . . . 722
12 INDICE

V Calcolo integrale 725


24 Integrale secondo Riemann 727
24.0.5 Plurirettangoli . . . . . . . . . . . . . . . . . . . . . . . . . . . . 728
24.1 Denizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 730
24.1.1 Funzioni positive . . . . . . . . . . . . . . . . . . . . . . . . . . 730
24.1.2 Funzioni di segno qualsiasi . . . . . . . . . . . . . . . . . . . . . 734
24.1.3 Tutto si tiene . . . . . . . . . . . . . . . . . . . . . . . . . . . . 737
24.2 Criteri di integrabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . 740
24.3 Classi di funzioni integrabili . . . . . . . . . . . . . . . . . . . . . . . . 743
24.3.1 Funzioni a scala . . . . . . . . . . . . . . . . . . . . . . . . . . . 744
24.3.2 Approccio analitico e approccio geometrico . . . . . . . . . . . . 747
24.3.3 Integrabilit delle funzioni continue e delle funzioni monotone . 750
24.4 Propriet dellintegrale . . . . . . . . . . . . . . . . . . . . . . . . . . . 751
24.5 Teorema fondamentale del Calcolo integrale . . . . . . . . . . . . . . . 755
24.5.1 Funzioni primitive . . . . . . . . . . . . . . . . . . . . . . . . . 756
24.5.2 Formulario . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 759
24.5.3 Il Primo Teorema fondamentale del calcolo integrale . . . . . . . 760
24.5.4 Il Secondo Teorema fondamentale del calcolo integrale . . . . . . 762
24.6 Propriet dellintegrale indenito . . . . . . . . . . . . . . . . . . . . . 765
24.7 Cambiamento di variabile . . . . . . . . . . . . . . . . . . . . . . . . . 767
24.8 Integrali impropri . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 770
24.8.1 Intervalli illimitati dintegrazione . . . . . . . . . . . . . . . . . 770
24.8.2 Funzioni illimitate . . . . . . . . . . . . . . . . . . . . . . . . . 781
24.9 Criterio integrale di convergenza per le serie . . . . . . . . . . . . . . . 782
24.10Gran nale: Riemann e i numeri primi . . . . . . . . . . . . . . . . . . 784

VI Ottimizzazione 791
25 Anteprima 793

26 Ottimizzazione locale vincolata 797


26.1 Introduzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 797
26.2 Il problema . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 797
26.3 Un vincolo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 798
26.4 Metodo di Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . 802
26.5 Problema del consumatore . . . . . . . . . . . . . . . . . . . . . . . . . 807
26.6 Pi vincoli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 811

27 Programmazione matematica 821


27.1 Programmazione dierenziale . . . . . . . . . . . . . . . . . . . . . . . 821
27.1.1 Anatomia di C . . . . . . . . . . . . . . . . . . . . . . . . . . . 822
27.2 Metodo di eliminazione . . . . . . . . . . . . . . . . . . . . . . . . . . . 823
INDICE 13

27.2.1 Primo caso: interno non vuoto . . . . . . . . . . . . . . . . . . . 823


27.2.2 Ubi maior . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 826
27.2.3 Secondo caso: vincoli di uguaglianza . . . . . . . . . . . . . . . 826
27.3 Applicazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 833
27.3.1 Problema del consumatore . . . . . . . . . . . . . . . . . . . . . 833
27.3.2 Problema del produttore . . . . . . . . . . . . . . . . . . . . . . 835
27.4 Programmazione dierenziale concava . . . . . . . . . . . . . . . . . . . 837
27.5 Esempi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 839
27.5.1 Problema del produttore . . . . . . . . . . . . . . . . . . . . . . 839
27.5.2 Minimi quadrati . . . . . . . . . . . . . . . . . . . . . . . . . . . 840
27.5.3 Assicurazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . 841

28 Applicazione: investimento 845


28.1 Scelta intertemporale aleatoria . . . . . . . . . . . . . . . . . . . . . . . 845
28.2 Carpe diem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 846
28.3 Il Problema dellinvestitore . . . . . . . . . . . . . . . . . . . . . . . . . 848
28.4 Risoluzione del problema . . . . . . . . . . . . . . . . . . . . . . . . . . 849
28.5 Prezzi dei titoli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 852

VII Appendici 855


A Richiami di trigonometria 857
A.1 Generalit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 857
A.2 Concerto darchi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 859
A.3 Perpendicolarit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 861

B Elementi di logica 863

C Cenni sulle coniche 869


C.1 I classici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 870
C.2 Le coniche in generale . . . . . . . . . . . . . . . . . . . . . . . . . . . 873

D DizionErio biograco 875


14 INDICE
Parte I

Strutture

15
Capitolo 1

Insiemi e numeri

1.1 Insiemi
Un insieme (o aggregato) una collezione qualsiasi di oggetti (qualsiasi). Vi sono due
modi per descrivere un insieme: elencarne direttamente gli elementi, oppure speci-
carne una propriet che li accomuna. Il secondo modo pi usuale del primo; per
esempio,
f11; 13; 17; 19; 23; 29g (1.1)
si pu descrivere come linsieme dei numeri primi tra 10 e 30. Le sedie della vostra
cucina formano un insieme di oggetti, le sedie appunto, accumunati dalla propriet
di far parte della vostra cucina. Le sedie della vostra camera da letto formano un
altro insieme, cos come le lettere dellalfabeto latino formano un insieme, distinto
dallinsieme delle lettere dellalfabeto greco (e dalle sedie o dai numeri di poco fa).
Gli insiemi si indicano abitualmente con lettere maiuscole: A, B, C, e cos via; i
loro elementi si indicano invece con lettere minuscole: a, b, c, e cos via. Per indicare
che un elemento a appartiene allinsieme A si scrive
a2A
dove 2 il simbolo di appartenenza. Al contrario, per indicare che un elemento a non
appartiene allinsieme A si scrive a 2
= A.
Osservazione fuori busta. Il concetto di insieme, apparentemente introdotto nel
1847 da Bernhard Bolzano, per noi un concetto primitivo, cio non pu essere denito
ricorrendo a nozioni pi semplici. La situazione simile a quella della geometria
Euclidea, in cui punti e linee sono concetti primitivi di signicato intuitivo che si
suppone noto al lettore. H

1.1.1 Sottoinsiemi
Le sedie della vostra camera da letto sono un sottoinsieme delle sedie della vostra casa:
una sedia che appartiene alla vostra camera da letto appartiene anche alla vostra casa.

17
18 CAPITOLO 1. INSIEMI E NUMERI

In generale, un insieme A sottoinsieme di un insieme B quando tutti gli elementi di


A sono anche elementi di B. In questo caso si scrive A B. Formalmente,

Denizione 1 Dati due insiemi A e B, si dice che A sottoinsieme di B, in simboli


A B, se tutti gli elementi di A sono anche elementi di B, ossia se x 2 A implica
x 2 B.

Per esempio, si indichi con A linsieme (1.1) e sia

B = f11; 13; 15; 17; 19; 21; 23; 25; 27; 29g (1.2)

linsieme dei numeri dispari tra 10 e 30. Si ha A B.

Gracamente, la relazione A B si pu illustrare come

4 A B
2

-2 A

-4
B

-6
-6 -4 -2 0 2 4 6

Inclusione di insiemi

usando i cosiddetti diagrammi di Venn per rappresentare gracamente gli insiemi A e


B: si tratta di una maniera ingenua, ma e cace, di visualizzare insiemi.

Quando si ha sia A B sia B A, ossia x 2 A se e solo se x 2 B, i due insiemi A


e B sono uguali; in simboli A = B. Per esempio, consideriamo lequazione di secondo
grado x2 3x + 2 = 0. Sia A linsieme delle sue soluzioni e sia B linsieme formato
dai numeri 1 e 2. facile vedere che1 A = B.
Quando A B ma non A = B si scrive A B e si dice che A sottoinsieme
proprio di B.
Gli insiemi costituiti da un unico elemento sono detti singoletti.

Nota Bene. Sebbene i due simboli 2 e siano concettualmente ben distinti e non
debbano essere quindi confusi, esiste tra loro uninteressante relazione. Si consideri
1
Si rimanda a G. Osimo et al. (2009) per richiami sulle equazioni di secondo grado.
1.1. INSIEMI 19

infatti linsieme formato da un unico elemento a, ossia linsieme fag. Si tratta di un


insieme particolare, ma del tutto legittimo2 . Tramite i singoletti, possiamo stabilire la
relazione
a 2 A se e solo se fag A
tra 2 e . O
OfB. In queste note di solito deniremo gli insiemi tramite propriet dei loro oggetti.
Per i nostri ni tale nozione ingenuadi insieme su ciente. Lingenuit dellapproc-
cio evidenziata dai classici paradossi che, tra la ne Ottocento e linizio Novecento,
furono scoperti da Cesare Burali Forti (1861-1931) e Bertrand Russell (1872-1970). Si
tratta di paradossi che nascono dal considerare insiemi di insiemi, cio insiemi i cui
elementi sono a lora volta insiemi. Come Burali Forti, usando la nozione ingenua di
insieme deniamo linsieme di tutti gli insiemi, cio linsieme i cui elementi sono
accumunati dalla propriet di essere insiemi. Se esistesse questo insieme universale
U , potremmo per formare anche linsieme fB : B U g formato da U e da tutti i suoi
sottoinsiemi. Ma, come mostrer il Teorema 89 di Cantor, questo ulteriore insieme
non appartiene a U , il che contraddice luniversalit di U .
Tra le varie caratteristiche bizzarre di un insieme universale vi di appartenere a
s stesso, cio U 2 U , caratteristica del tutto controintuitiva (come osserv Russell,
il genere umano, per esempio, non un uomo). Con Russell, consideriamo quindi
linsieme A costituito dagli insiemi con la propriet di non appartenere a s stessi. Se
A2 = A, cio se A non appartiene a s stesso, allora A appartiene a s stesso perch un
insieme che soddisfa la propriet di non contenere s stesso. Daltra parte, se A 2 A,
cio se A contiene s stesso, allora A 2 = A, e cadiamo di nuovo in contraddizione. la
celebre antinomia di Russell.
Questi paradossi si possono arontare e risolvere con una teoria non ingenua degli
insiemi, in particolare nella teoria di Zermelo-Fraenkel. Per fortuna, nella pratica
matematica, e a maggior ragione in queste note introduttive, si possono ignorare
gli aspetti fondazionali senza correre troppi pericoli (tanto pi che il loro studio
richiederebbe un corso, e per nulla banale, a s). H

1.1.2 Operazioni
Vi sono tre operazioni di base tra insiemi: unione, intersezione e dierenza. Come
vedremo, esse considerano due assegnati insiemi e, a partire da essi, formano un nuovo
insieme.
La prima operazione che consideriamo lintersezione di due insiemi A e B. Come
suggerisce il termine intersezione, con essa si selezionano tutti gli elementi che
appartengono simultaneamente a entrambi gli insiemi A e B.
2
Si badi che a e fag non sono aatto la stessa cosa; a un elemento e fag un insieme, seppur
costituito da un solo elemento. Per esempio, linsieme A dei paesi della Terra con la bandiera di un
solo colore aveva (sino al 2011) un solo elemento, la Libia, ma non la Libia: Tripoli non la
capitale di A.
20 CAPITOLO 1. INSIEMI E NUMERI

Denizione 2 Dati due insiemi A e B, la loro intersezione A \ B linsieme di tutti


gli elementi che appartengono sia ad A sia a B, ossia x 2 A \ B se x 2 A e x 2 B.

Loperazione si pu illustrare gracamente nel seguente modo:

Intersezione di insiemi.

Per esempio, sia A linsieme dei mancini e B linsieme dei destrimani in Italia. Lin-
tersezione A \ B linsieme degli italiani ambidestri. Se, invece, A linsieme delle
auto a benzina e B delle auto a metano, la loro intersezione A \ B linsieme delle
auto bifuel, a benzina e a metano.

Pu accadere che due insiemi non abbiano alcun elemento in comune. Per esempio,
sia
C = f10; 12; 14; 16; 18; 20; 22; 24; 26; 28; 30g (1.3)
linsieme dei numeri pari tra 10 e 30. Esso non ha alcun elemento in comune con
linsieme B in (1.2). In questo caso si parla di insiemi disgiunti, ossia che non hanno
alcun elemento in comune. Tale nozione ci d loccasione per introdurre un insieme
molto particolare, ma fondamentale.

Denizione 3 Linsieme vuoto, indicato con ;, linsieme privo di elementi3 .

Come primo uso della nozione, osserviamo che due insiemi A e B sono disgiunti
quando hanno intersezione vuota, cio A \ B = ;. Per esempio, per gli insiemi B e C
in (1.2) e (1.3), si ha B \ C = ;.
La scrittura A 6= ; sta ad indicare che linsieme A non vuoto, ovvero che contiene
almeno un elemento.
3
C chi pensa che gli insiemi vuoti non esistano. Egli deve ammettere allora che linsieme di tali
insiemi vuoto.
1.1. INSIEMI 21

Linsieme vuoto si considera convenzionalmente sottoinsieme di qualsiasi insieme,


ossia ; A per ogni insieme A.

immediato mostrare che A \ B A e che A \ B B. Il prossimo risultato


pi sottile e stabilisce unutile propriet che lega e \.

Proposizione 1 Si ha A \ B = A se e solo se A B.

Dim. Se: sia A B. Vogliamo dimostrare che A \ B = A. Quando si deve


mostrare unuguaglianza di due insiemi, bisogna sempre considerare separatamente le
due opposte inclusioni, in questo caso A \ B A e A A \ B.
La prima inclusione A \ B A banalmente vera. Infatti, se x 2 A \ B, per
denizione x appartiene sia ad A sia a B. In particolare x 2 A e ci basta per
concludere che A \ B A.
Dimostriamo la seconda inclusione: A A \ B. Sia x 2 A. Poich, per ipotesi,
A B, ogni elemento di A appartiene anche a B. Da x 2 A segue quindi che x 2 B,
ossia che x appartiene sia ad A sia a B: dunque x 2 A \ B e ci prova che A A \ B.
Abbiamo mostrato che valgono entrambe le inclusioni A \ B AeA A \ B;
possiamo quindi concludere che A \ B = A, il che completa la dimostrazione del Se.

Solo se: sia A \ B = A. Vogliamo dimostrare che A B, ossia che, se x 2 A,


allora x 2 B. Sia x 2 A. Poich per ipotesi A \ B = A, ne segue che x 2 A \ B. In
particolare ci signica che x appartiene a B, che quanto dovevamo provare.

La prossima operazione che consideriamo lunione. Anche qui il termine unione


gi suggerisce come in questa operazione siano riuniti assieme tutti gli elementi di
entrambi gli insiemi.

Denizione 4 Dati due insiemi A e B, la loro unione A [ B linsieme di tutti gli


elementi che appartengono a A oppure4 a B, ossia x 2 A [ B se x 2 A oppure x 2 B.

Si noti che un elemento pu appartenere ad entrambi gli insiemi (a meno che gli
insiemi siano disgiunti). Per esempio, se come prima A linsieme dei mancini e B
quello dei destrimani in Italia, linsieme unione contiene tutti gli italiani con almeno
una mano, e vi sono individui (gli ambidestri) che appartengono ad entrambi gli insiemi
.
immediato mostrare che A A [ B e che B A [ B. Ne consegue che
A \ B A [ B.

Gracamente lunione si rappresenta nel seguente modo:


4
La congiunzione oppure intesa nel senso debole del vel latino, e non dellaut (cio x
appartiene ad A o x appartiene a B o entrambe le cose).
22 CAPITOLO 1. INSIEMI E NUMERI

4 AB
2

-2 A
B
-4

-6
-2 0 2 4 6 8 10

Unione di insiemi

Lultima operazione che consideriamo la dierenza.

Denizione 5 Dati due insiemi A e B, la loro dierenza A B linsieme di tutti


gli elementi che appartengono a A ma non a B, ossia x 2 A B se sia x 2 A sia
x2 = B.

Linsieme dierenza5 A B si forma quindi eliminando da A tutti gli elementi che


appartengono (anche) a B. Gracamente:

2 A- B
1

-1 B
A
-2

-3
-3 -2 -1 0 1 2 3 4 5

Dierenza di insiemi.

5
La dierenza insiemistica A B si indica spesso con la scrittura AnB.
1.1. INSIEMI 23

Per esempio, torniamo agli insiemi A e B individuati in (1.1) e (1.2). In tal caso,

B A = f15; 21; 25; 27g ;

ossia B A linsieme dei numeri dispari non primi tra 10 e 30. Si noti che: (i)
quando A e B sono disgiunti, si ha A B = A e B A = B, (ii) A B equivale
a A B = ; poich togliendo da A tutti gli elementi che appartengono anche a B si
priva A di tutti i suoi elementi, ossia si rimane con linsieme vuoto.

In molti casi vi un insieme generale di riferimento del quale si considerano vari sot-
toinsiemi. Per esempio, per un demografo tale insieme pu essere lintera popolazione
italiana della quale si possono considerare vari sottoinsiemi secondo le propriet de-
mograche che interessano: per esempio, let una classica variabile demograca con
la quale suddividere la popolazione in sottoinsiemi.
Linsieme generale di riferimento chiamato insieme universale o, pi comune-
mente, spazio. Non esiste una notazione consolidata per tale insieme (che quasi
sempre sottinteso), che temporaneamente indichiamo come S. In questo caso, preso
un suo sottoinsieme A qualsiasi, la dierenza S A si indica con Ac ed detta insieme
complementare di A.
Per esempio, se S linsieme di tutti gli italiani e A linsieme di tutti gli italiani
che hanno almeno 65 anni det, linsieme complementare Ac costituito da tutti gli
italiani con meno di 65 anni det.

immediato vericare che, per ogni A, si ha A [ Ac = S e A \ Ac = ;. Vale inoltre


la

Proposizione 2 Se A un sottoinsieme di uno spazio S si ha (Ac )c = A.

Dim. Poich dobbiamo vericare unuguaglianza tra insiemi, al pari di quanto fatto
nella dimostrazione della Proposizione 1, occorre considerare separatemente le due
inclusioni (Ac )c A e A (Ac )c .
Se a 2 (Ac )c , allora a 2
= Ac e quindi a 2 A. Ne segue che (Ac )c A.
Viceversa, se a 2 A allora a 2 = Ac e quindi a 2 (Ac )c ; dunque A (Ac )c .

Da ultimo, si prova senza di colt che A B = A \ B c . Infatti x 2 A B signica


= B, cio che x 2 A e x 2 B c .
che x 2 A e x 2

1.1.3 Propriet delle operazioni


Proposizione 3 Le operazioni di unione e intersezione sono:

(i) commutative, ossia, per ogni coppia di insiemi A e B, si ha A \ B = B \ A e


A [ B = B [ A;
(ii) associative, ossia, per ogni terna di insiemi A, B e C, si ha A [ (B [ C) =
(A [ B) [ C e A \ (B \ C) = (A \ B) \ C.
24 CAPITOLO 1. INSIEMI E NUMERI

Lasciamo al lettore la semplice dimostrazione del risultato. La propriet (ii) per-


mette di scrivere A [ B [ C e A \ B \ C e quindi di estendere senza ambiguit le
operazioni di unione e di intersezione a un arbitrario numero (nito) di insiemi:
[n \n
Ai e Ai :
i=1 i=1

possibile estendere tali operazioni anche a inniti insiemi. Se A1 ; A2 ; ; An ;


sono inniti insiemi, la loro unione
[1
An
n=1

linsieme degli elementi che appartengono ad almeno uno degli An , cio

[
1
An = fa : a 2 An per almeno un indice ng
n=1

La loro intersezione \1
An
n=1

linsieme degli elementi che appartengono a ogni An , cio

\
1
An = fa : a 2 An per ogni indice ng :
n=1

T
1
Esempio 1 Sia An linsieme dei numeri pari n. Si ha An = f0g poich 0
n=1
S
1
lunico pari tale che 0 2 An per ogni n 1. Inoltre, An = f2n : n intero positivog,
n=1
S
1
ossia An linsieme di tutti i numeri pari. N
n=1

Volgiamo lattenzione alle relazioni tra le operazioni di intersezione e unione. Si


noter la simmetria tra le propriet (1.4) e (1.5), nelle quali \ e [ sono scambiate tra
loro.

Proposizione 4 Le operazioni di unione e intersezione sono tra loro distributive,


ossia, dati tre insiemi A, B e C, si ha

A \ (B [ C) = (A \ B) [ (A \ C) (1.4)

e
A [ (B \ C) = (A [ B) \ (A [ C) : (1.5)
1.2. NUMERI: INTRODUZIONE INTUITIVA 25

Dim. Mostriamo solo la (1.4). Occorre considerare separatemente le due inclusioni


A \ (B [ C) (A \ B) [ (A \ C) e (A \ B) [ (A \ C) A \ (B [ C).
Se x 2 A \ (B [ C), allora x 2 A e x 2 B [ C, cio (i) x 2 A e (ii) x 2 B oppure
x 2 C. Ne segue che x 2 A \ B oppure x 2 A \ C, cio x 2 (A \ B) [ (A \ C), e
perci A \ (B [ C) (A \ B) [ (A \ C).
Viceversa, se x 2 (A \ B) [ (A \ C), allora x 2 A \ B oppure x 2 A \ C, cio x
appartiene ad A e ad almeno uno tra B e C e quindi x 2 A \ (B [ C). Ne segue che
(A \ B) [ (A \ C) A \ (B [ C).

Diamo un concetto che si rivela importante in molte applicazioni.

Denizione 6 Una famiglia

fA1 ; A2 ; : : : ; An g = fAi gni=1

di sottoinsiemi di un insieme A detta partizione di A se i sottoinsiemi sono a due


a due Sdisgiunti, ossia Ai \ Aj = ; per ogni i 6= j, e se la loro unione coincide con A,
ossia ni=1 Ai = A.

Esempio 2 Sia A linsieme di tutti gli italiani in un dato giorno, per esempio oggi.
I suoi sottoinsiemi A1 , A2 e A3 costituiti rispettivamente dai cittadini in et scolare
o prescolare (da 0 a 17 anni), dei cittadini in et lavorativa (da 18 a 64 anni) e dagli
anziani (dai 65 anni in poi) ne costituiscono una partizione. N

Concludiamo con le cosiddette leggi di de Morgan per la complementazione.

Proposizione 5 Dati due sottoinsiemi A e B di uno spazio S, si ha (A [ B)c =


Ac \ B c e (A \ B)c = Ac [ B c .

Dim. Dimostriamo soltanto la prima. Al solito, per dimostrare un uguaglianza tra


insiemi, occorre considerare separatamente le due inclusioni che la compongono. (i)
(A [ B)c Ac \ B c . Se x 2 (A [ B)c , allora x 2= A [ B, cio x non appartiene n ad
A n a B. Ne segue che x appartiene simultaneamente ad Ac e a B c e quindi alla loro
intersezione. (ii) Ac \ B c (A [ B)c . Se x 2 Ac \ B c allora x 2
=Aex2 = B e perci x
non appartiene nemmeno alla loro unione.

Le leggi di de Morgan mostrano che, prendendo i complementi, [ e \ si scambiano


tra loro. Spesso tali leggi sono scritte nella forma equivalente A [ B = (Ac \ B c )c e
A \ B = (Ac [ B c )c .

1.2 Numeri: introduzione intuitiva


Per quanticare le grandezze di interesse nelle applicazioni economiche (quali, per
esempio, le quantit scambiate di beni e i loro prezzi) abbiamo bisogno di un adeguato
insieme di numeri. Di ci ci occupiamo nella presente sezione.
26 CAPITOLO 1. INSIEMI E NUMERI

I numeri naturali
0; 1; 2; 3;
non hanno bisogno di presentazione; il loro insieme sar indicato con il simbolo N.
Linsieme N dei naturali chiuso rispetto alle operazioni fondamentali di addizione
e moltiplicazione:

(i) m + n 2 N tutte le volte che m; n 2 N;

(ii) m n 2 N tutte le volte che m; n 2 N.

Non invece chiuso rispetto alle operazioni fondamentali di sottrazione e di di-


visione: per esempio, n 5 6 n 5=6 sono numeri naturali. quindi chiaro che N
inadeguato come insieme di numeri per quanticare grandezze economiche: la con-
tabilit di unazienda un primo ovvio esempio nel quale la chiusura rispetto alla
sottrazione cruciale (altrimenti, come si potrebbero quanticare le perdite?).

I numeri interi (o interi relativi)6

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

costituiscono un primo allargamento, indicato col simbolo Z, dellinsieme N. Esso


porta a un insieme chiuso rispetto sia alle operazioni di addizione e di moltiplicazione
sia alloperazione di sottrazione. Infatti, ponendo m n = m + ( n),7 si ha

(i) m n 2 Z tutte le volte che m; n 2 Z;

(ii) m n 2 Z tutte le volte che m; n 2 Z.

Formalmente, linsieme Z si pu scrivere a partire da N come

Z = fm n : m; n 2 Ng

Proposizione 6 N Z.

Dim. Sia m 2 N. Si ha m = m 0 2 Z poich 0 2 N.

Rimane unoperazione fondamentale rispetto alla quale Z non chiuso: la divi-


sione. Infatti, per esempio, 1=3 non un numero intero. Per porre rimedio a tale
6
Ci piace ricordare come nellIndia antica si distinguessero i numeri positivi dai negativi scrivendoli
rispettivamente in rosso e in nero. La convenzione seguita era opposta allattuale prassi bancaria
secondo la quale un conto corrente con saldo negativo in rosso.
7
La sottrazione m n non altro che la somma di m col negativo n di n. Al riguardo, si ricordi
la nozione di somma algebrica.
1.2. NUMERI: INTRODUZIONE INTUITIVA 27

importante carenza degli interi (se vogliamo dividere 1 torta tra 3 invitati, come possi-
amo quanticare le loro porzioni se abbiamo a disposizione solo Z?), si ha un ulteriore
allargamento allinsieme dei numeri razionali, indicato col simbolo Q, e dato da
nm o
Q= : m; n 2 Z con n 6= 0 :
n
In altre parole linsieme dei razionali costituito da tutte le frazioni con numeri interi
sia a numeratore sia a denominatore (non nullo).

OfB. Ogni razionale non periodico (cio con un numero nito di decimali) ammette
due rappresentazioni decimali. Per esempio, 1 = 0; 9 poich 1 0; 9 = 0; 0 = 0, oppure,
se si preferisce, perch
1
0; 9 = 3 0; 3 = 3 = 1:
3
In modo analogo, 2; 5 = 2; 49, 51; 2 = 51; 19, e cos via. In breve il periodico di 9
non ha una sua autonomia. I razionali periodici e gli irrazionali hanno invece una sola
rappresentazione decimale (che innita).
La cosa non una mera curiosit: se 0; 9 non fosse uguale a 1, si potrebbe aermare
che 0; 9 il numero che immediatamente precede 1 (senza che ve ne siano altri in
mezzo), il che violerebbe una notevole propriet che discuteremo tra breve. H

Proposizione 7 Z Q.

Dim. Sia m 2 Z. Si ha m = m=1 2 Q poich 1 2 Z.

Linsieme dei razionali chiuso rispetto a tutte le quattro operazioni fondamentali:

(i) m n 2 Q tutte le volte che m; n 2 Q;


(ii) m n 2 Q tutte le volte che m; n 2 Q;
(iii) m=n 2 Q tutte le volte che m; n 2 Q con n 6= 0:

Linsieme dei razionali sembra dunque attrezzato con tutto quanto possa servire.
Ma alcune semplici considerazioni sulla moltiplicazione ci porteranno a inaspettate
scoperte. Se q un razionale, come ben noto, la scrittura q n con n 1 intero signica
q q q:
| {z }
n volte

Si conviene che q 0 = 1 per ogni q 6= 0. Di per s la scrittura q n , detta potenza di base


q ed esponente n, un mero articio di notazione per scrivere in modo pi compatto la
moltiplicazione ripetuta di un medesimo fattore. Tuttavia, preso un razionale q > 0,
naturale considerare il percorso inverso, ossia determinare il numeropositivo indicato
1 p
con q n o, equivalentemente, con n q, e chiamato radice di ordine n di q, tale che
1 n
qn = q.
28 CAPITOLO 1. INSIEMI E NUMERI
p
Per esempio8 , 25 = 5 poich 52 = 25. Per rendersi conto dellimportanza delle radici,
si consideri la seguente semplicissima gura geometrica:

-1

-2

-3
-3 -2 -1 0 1 2 3 4 5

p
Per il Teorema di Pitagora, la lunghezza dellipotenusa 2. Per quanticare enti
geometrici del tutto elementari abbiamo quindi bisogno delle radici. Ecco la, per alcuni
tragica, sorpresa9 .
p
Teorema 8 22
= Q.
p
Dim. Si
p supponga, per assurdo, che 2 2 Q. Esistono allora m; n 2 Z tali che
m=n = 2, e quindi
m 2
= 2: (1.6)
n
Supponiamo che m=n sia gi ridotta ai minimi termini, ossia che m e n non ab-
biano fattori in comune10 . Ci signica che m e n non possano essere entrambi pari
(diversamente, 2 sarebbe un loro fattore comune).
La (1.6) implica
m2 = 2n2 (1.7)
e quindi m2 pari. Siccome il quadrato di un dispari dispari, anche m pari
(diversamente, se m fosse dispari, anche m2 lo sarebbe). Quindi, esiste un intero
k 6= 0 tale che
m = 2k (1.8)
Dalla (1.7) e (1.8) segue che
n2 = 2k 2 :
8 p p
La radice quadrata 2 q si indica pi semplicemente con q, omettendo lindice 2.
9
Per la losoa pitagorica, in cui le proporzioni (ossia, i numeri razionali) erano centrali, la scoperta
della non razionalit delle radici fu un evento traumatico. Rimandiamo il lettore curioso a K. von
Fritz, The Discovery of Incommensurability by Hippasus of Metapontum, Annals of Mathematics,
46, 242-264, 1945.
10
Per esempio, 14=10 non ridotta ai minimi termini perch numeratore e denominatore hanno in
comune il fattore 2. Invece, 7=5 ridotta ai minimi termini.
1.2. NUMERI: INTRODUZIONE INTUITIVA 29

Dunque n2 pari, e quindi n pari. In conclusione, sia m sia n sono pari, il che,
come prima osservato, contraddice
p lipotesi che m=n sia ridotta ai minimi termini. La
contraddizione mostra che 2 2= Q.

questo uno dei grandi teoremi della matematica greca e la sua dimostrazione
da parte della scuola pitagorica, tra il VI e il V secolo a. C., fu un punto di svolta
nella storia della Matematica. Lasciando da parte gli aspetti losoci, dal punto di
vista matematico esso mostra la necessit di un ulteriore allargamento dellinsieme dei
numeri necessari a quanticare gli enti geometrici (nonch le grandezze economiche,
come risulter chiaro nel seguito).
Per introdurre a livello intuitivo questultimo allargamento11 , consideriamo la clas-
sica retta reale:

-1

-2

-3
-3 -2 -1 0 1 2 3 4 5 6

facile vedere come su di essa si possano rappresentare i numeri razionali:

-1

-2

-3
-4 -2 0 2 4 6

I numeri razionali non esauriscono per la retta reale. Per esempio, anche radici
11
Per una trattazione rigorosa si rimanda al primo capitolo di W. Rudin, Principles of mathematical
analysis, McGraw-Hill, 1976.
30 CAPITOLO 1. INSIEMI E NUMERI
p
come 2 o altri numeri non razionali, come , devono trovare una loro rappresentazione
sulla retta reale12 :

-1

-2

-3
-4 -2 0 2 4 6 8

Indichiamo con R linsieme di tutti i numeri rappresentabili sulla retta reale, i cui
elementi sono detti numeri reali.
Naturalmente Q R: vi sono molti numeri reali, detti irrazionali, che non sono
razionali. Moltissime radici, , il numero e sono esempi di numeri irrazionali. In realt
si pu mostrare che la maggior dei numeri reali irrazionale. Sebbene una trattazione
rigorosa dellargomento ci porterebbe troppo lontano, il prossimo semplice risultato
gi una chiara indicazione della numerosit degli irrazionali.
Proposizione 9 Dati due reali qualsiasi a < b, esiste un irrazionale c 2 R tale che
a < c < b.
Dim.13 Per ogni naturale n 2 N si ponga
p
2
cn = a +
n
Si ha cn > a per ogni n, ed facile vericare che ogni cn irrazionale. Inoltre
p
2
cn < b () n >
b a
p
Sia dunque n 2 N qualsiasi naturale tale che n > 2= (b a) (tale n esiste per la
propriet archimedea dei reali che vedremo tra breve nella Proposizione 17). Poich
a < cn < b, la dimostrazione completa.

In conclusione, R sar linsieme di numeri che considereremo nel resto del corso, e
si rivela adeguato per la gran parte delle applicazioni economiche14 .
12
In realt, pur essendo la cosa piuttosto intuitiva, si tratta di un postulato, detto di continuit
della retta.
13
Suggerita da Simone Cerreia-Vioglio.
14
Un importante ulteriore allargamento, del quale non ci occuperemo, linsieme C dei numeri
complessi.
1.3. STRUTTURA DEGLI INTERI 31

1.3 Struttura degli interi


In questa e nelle prossima sezione studiamo alcune elementari, ma non banali, pro-
priet dei numeri interi. Il risultato principale che presenteremo il Teorema Fonda-
mentale dellAritmetica, che mostra il ruolo centrale dei numeri primi nella struttura
dellinsieme degli interi.

1.3.1 Divisori e algoritmi


In questa prima sottosezione presenteremo alcune nozioni necessarie alla sottosezione
successiva sui numeri primi. Nel far ci incontreremo e cominceremo a conoscere la
nozione di algoritmo, di grande importanza nelle applicazioni.
Cominciamo con lintrodurre in modo rigoroso alcune nozioni che, nella loro essen-
za, ci sono note forse n dalle scuole elementari. Un numero intero n divisibile per
un numero intero p 6= 0 se esiste un terzo numero intero q tale che n = pq. In simboli,
si scrive p j n e si legge p divide n.

Esempio 3 Il numero intero 6 divisibile per il numero intero 2, cio 2 j 6, perch il


numero intero 3 tale che 6 = 2 3. Daltra parte, 6 anche divisibile per 3, cio
3 j 6, perch il numero intero 2 tale che 6 = 2 3. N

Sempre dalle scuole elementari sappiamo come dividere tra loro due numeri interi,
usando resti e quozienti. Per esempio, se n = 7 e m = 2, si ha n = 3 2 + 1, con
quoziente 3 e resto 1. Il prossimo semplice risultato formalizza questa procedura e
mostra che essa vale per ogni coppia di interi (cosa che alle elementari davamo per
scontata, ma ora siamo grandi e non dobbiamo dare pi nulla per scontato).

Proposizione 10 Dati due numeri interi qualsiasi m e n, con m positivo15 , esiste


una e una sola coppia di interi q e r tali che

n = qm + r

con 0 r < m.

Dim. Nellenunciato si aermano due distinte propriet: lesistenza della coppia


(q; r) e la sua unicit. Cominciamo col dimostrare lesistenza. Consideriamo solo
il caso n 0 (per n < 0 basta cambiare di segno). Consideriamo linsieme A =
fp 2 N : p n=mg. Poich n 0, linsieme A non vuoto perch contiene, almeno, il
numero zero. Sia q il pi grande elemento di A. Per denizione, qm n < (q + 1) m.
Posto r = n qm, si ha quindi

0 n qm = r < (q + 1) m qm = m:

Abbiamo quindi dimostrato lesistenza della coppia q e r desiderata.


15
Un numero intero m si dice positivo se m 1.
32 CAPITOLO 1. INSIEMI E NUMERI

Mostriamo ora lunicit. Per contraddizione, siano (q 0 ; r0 ) e (q 00 ; r00 ) due coppie


distinte tali che
n = q 0 m + r0 = q 00 m + r00 ; (1.9)
con 0 r0 ; r00 < m. Poich q 0 6= q 00 , senza perdita di generalit supponiamo che q 0 < q 00 ;
ossia,
q0 + 1 q 00 (1.10)
poich q 0 e q 00 sono numeri interi. Da (1.9) segue che (q 00 q 0 ) m = r0 r00 . Siccome
(q 00 q 0 ) m 0, si ha 0 r00 r0 < m. Quindi,
(q 00 q 0 ) m = r0 r00 < m;
il che implica q 00 q 0 < 1, ossia q 00 < q 0 + 1. Ma ci contraddice la (1.10). La
contraddizione mostra che lassunzione di coppie (q 0 ; r0 ) e (q 00 ; r00 ) distinte falsa.

Massimo comune divisore


Dati due numeri interi positivi m e n, il loro massimo comune divisore, indicato
mcd (m; n), il pi grande divisore comune a entrambi i numeri. Il prossimo risultato,
dimostrato da Euclide nei suoi Elementi, mostra quel che nelle scuole elementari si
dava per scontato, ossia che ogni coppia di interi possiede un unico massimo comune
divisore.
Teorema 11 (Euclide) Ogni coppia di numeri interi positivi ha uno e un solo mas-
simo comune divisore.
Dim. Come la Proposizione 10, anche questo un risultato di esistenza e unicit. Lu-
nicit ovvia; mostriamo quindi lesistenza. Siano m e n due interi positivi qualsiasi.
Grazie alla Proposizione 10, esiste ununica coppia (q1 ; r1 ) tale che
n = q1 m + r 1 , (1.11)
dove 0 r1 < m. Se r1 = 0, si ha mcd (m; n) = m e la dimostrazione si conclude. Se
r1 > 0, si itera la procedura applicando a m la Proposizione 10. Si ha quindi ununica
coppia (q2 ; r2 ) tale che
m = q2 r1 + r2 , (1.12)
dove 0 r2 < r1 . Se r2 = 0, allora mcd (m; n) = r1 . Infatti, la (1.12) implica r1 j m.
Inoltre, grazie alla (1.11) e (1.12), si ha
n q1 m + r 1 q1 q 2 r 1 + r 1
= = = q1 q2 + 1;
r1 r1 r1
e perci r1 j n. Quindi r1 divisore sia di n sia di m. Rimane da mostrare che il pi
grande di tali divisori. Supponiamo p sia un intero positivo tale che p j m e p j n. Per
denizione, esistono due interi positivi a e b tali che n = ap e m = bp. Si ha
r1 n q1 m
0< = =a q1 b.
p p
1.3. STRUTTURA DEGLI INTERI 33

Quindi r1 =p un intero positivo, il che implica r1 p. In conclusione, mcd (m; n) = r1


se r2 = 0. In questo caso, la dimostrazione si conclude.
Se r2 > 0, si itera la procedura applicando al resto r2 la Proposizione 10. Si ha
quindi ununica coppia (q3 ; r3 ) tale che

r 1 = q3 r 2 + r 3 ,

dove 0 r3 < r2 . Se r3 = 0, procedendo come sopra si mostra che mcd (m; n) = r2 ,


e la dimostrazione si conclude. Se r3 > 0, si itera la procedura. Di iterazione in
iterazione, si costruisce una successione di interi positivi r1 > r2 > > rk . Poich
una successione decrescente di interi positivi non pu che essere nita: esiste un k 1
tale che rk = 0. Procedendo come sopra si mostra che mcd (m; n) = rk 1 , il che
completa la dimostrazione dellesistenza di mcd (m; n).

Dal punto di vista metodologico questa dimostrazione un bellesempio di di-


mostrazione costruttiva, in quanto basata su un algoritmo (detto di Euclide) che con
un numero nito di iterazioni determina lente matematico di cui si stabilisce lesisten-
za, cio il massimo comune divisore. La nozione di algoritmo fondamentale perch,
quando esiste, rende computabili gli enti matematici. Infatti, in linea di principio un
algoritmo pu essere automatizzato tramite un opportuno programma di computer
(per esempio, lalgoritmo di Euclide permette di automatizzare la ricerca dei massimi
comuni denominatori).
Lalgoritmo di Euclide il primo algoritmo che incontriamo ed molto importante
in Teoria dei numeri. Merita di essere rivisto in dettaglio. Dati due interi positivi m
e n, lalgoritmo si articola nei seguenti k 1 passi:

Passo 1 n = q1 m + r1

Passo 2 m = q2 r1 + r2

Passo 3 r1 = q2 r2 + r3
.......

Passo k rk 2 = q2 r k 1 (ossia, rk = 0)

Lalgoritmo si arresta al passo k tale che rk = 0. In questo caso mcd (m; n) = rk 1 ,


come si visto nella dimostrazione.

Esempio 4 Consideriamo gli interi positivi 3801 e 1708. A prima vista non ovvio
quale sia il loro massimo comune divisore. Per fortuna, abbiamo a nostra disposizione
lalgoritmo di Euclide per determinarlo. Si procede come segue:

Passo 1 3801 = 2 1798 + 385

Passo 2 1708 = 4 385 + 168


34 CAPITOLO 1. INSIEMI E NUMERI

Passo 3 385 = 2 168 + 49

Passo 4 168 = 3 49 + 21

Passo 5 49 = 2 21 + 7

Passo 6 21 = 3 7

In sei passi abbiamo quindi scoperto che mcd (3801; 1708) = 7. N

La bont di un algoritmo dipende dal numero di passi, cio di iterazioni, che gli
occorronno per giungere alla soluzione. Un algoritmo tanto pi potente quante
meno iterazioni usa. Per lalgoritmo di Euclide si ha la seguente notevole propriet,
dimostrata da Gabriel Lam.

Teorema 12 (Lam) Dati due numeri interi m e n, il numero di iterazioni richi-


este dallalgoritmo di Euclide minore o uguale a cinque volte il numero di cifre di
min fm; ng.

Per esempio, se torniamo ai numeri 3801 e 1708, il numero di cifre qui rilevante 4.
Il Teorema di Lam ci garantisce a priori che lalgoritmo di Euclide avrebbe rischiesto
al pi 20 iterazioni. Ne abbiamo usate solo 6, ma grazie al Teorema di Lam prima di
iniziare gi sapevano che non ci avremmo comunque impiegato molto (e che, quindi,
valeva la pena tentare, sapendo di non rischiare di rimanere impantanati in un numero
estenuante di iterazioni).

1.3.2 Numeri primi


Tra i numeri naturali un ruolo preminente svolto dai numeri primi, che il lettore ha
gi probabilmente incontrato nelle scuole superiori.

Denizione 7 Un numero naturale n 2 si dice primo se divisibile solo per 1 e


per s stesso.

Un numero naturale non primo si dice composto. Indichiamo con P linsieme dei
numeri primi. Ovviamente, P N e N P linsieme dei numeri composti. I naturali

f2; 3; 5; 7; 11; 13; 17; 19; 23; 29g

sono i primi dieci numeri primi, come il lettore pu facilmente vericare.


Limportanza dei numeri primi comincia a emergere se osserviamo come i numeri
composti si possano esprimere come prodotto di numeri primi. Per esempio, il numero
composto 12 si pu scrivere come

12 = 22 3;
1.3. STRUTTURA DEGLI INTERI 35

mentre il numero composto 60 si pu scrivere come

60 = 22 3 5:

In generale, la rappresentazione primale di un numero composto n si pu scrivere come

n = p1n1 pn2 2 pnk k (1.13)

dove pi 2 P e ni 2 N per ogni i = 1; :::; k, con

p1 < p 2 < < pk e n1 > 0; :::; nk > 0.

Esempio 5 Per n = 12 si ha p1 = n1 = 2, p2 = 3 e n2 = 1; in questo caso k = 2.


Per n = 60 si ha p1 = n1 = 2, p2 = 3, n2 = 1, p3 = 5 e n3 = 1; in questo caso
k = 3.
Per n = 200 si ha
200 = 23 52
sicch p1 = 2, n1 = 3, p2 = 5 e n2 = 2; in questo caso k = 2.
Per n = 522 si ha
522 = 2 32 29
sicch p1 = 2, n1 = 1, p2 = 3, n2 = 2, p3 = 29 e n3 = 1; in questo caso k = 3. N

Quanto appena visto solleva due questioni: se ogni naturale ammetta una rappre-
sentazione primale (nora abbiamo solo studiato alcuni esempi particolari) e se tale
rappresentazione sia unica. Il prossimo risultato, il Teorema fondamentale dellarit-
metica, risolve entrambi i problemi mostrando che ogni intero ammette una e una sola
rappresentazione primale. In altre parole, ogni intero si pu esprime in modo univoco
come prodotto di numeri primi.
I numeri primi sono quindi gli atomidi N: non sono scindibili (in quanto divisibili
sono per 1 e per s stessi) e attraverso di essi si pu esprimere univocamente ogni altro
numero naturale. Limportanza del risultato, che mostra la centralit dei numeri primi,
ben testimoniata dal suo nome. La sua prima dimostrazione si trova nelle celebri
Disquisitiones Arithmeticae pubblicate nel 1801 da Carl Friederich Gauss, sebbene il
risultato fosse nella sua essenza gi noto a Euclide.

Teorema 13 (fondamentale dellaritmetica) Ogni numero naturale n > 1 am-


mette una e una sola rappresentazione primale (1.13).

Dim. Cominciamo col dimostrare lesistenza della rappresentazione. Procediamo per


contraddizione. Supponiamo quindi che esistano numeri naturali che non ammettanno
rappresentazione primale (1.13). Sia n > 1 il pi piccolo tra essi. Ovviamente, il
numero n composto. Esistono quindi due naturali p e q tali che n = pq con 1 <
p; q < n. Poich n il numero naturale pi piccolo che non ammette rappresentazione
36 CAPITOLO 1. INSIEMI E NUMERI

primale, i numeri p e q ammettono tale rappresentazione. In particolare, possiamo


scrivere
n0 n0 0
p = pn1 1 pn2 2 pnk k e q = q1 1 q2 2 qsns .
Si ha quindi
n0 n0 0
n = pq = pn1 1 pn2 2 pnk k q1 1 q2 2 qsns
Raccogliendo opportunamente i termini pi e qj , si pu scrivere n nella forma (1.13), e
perci n ammette rappresentazione primale, il che contraddice quanto assunto su n.
Ci completa la dimostrazione per contraddizione dellesistenza.
Procediamo per contraddizione anche per mostrare lunicit. Supponiamo quindi
che esistano numeri naturali che ammettano pi duna fattorizzazione. Sia n > 1 il pi
piccolo tra essi: tale n ammette almeno due diverse fattorizzazioni, sicch possiamo
scrivere
n0 n0 0
n = pn1 1 pn2 2 pnk k = q1 1 q2 2 qsns .
Siccome q1 un divisore di n, deve essere un divisore di almeno uno dei fattori p1 <
< pm . Per esempio, sia p1 un tale fattore. Essendo q1 e p1 entrambi primi, si ha
q1 = p1 . Quindi
n0 1 n0 0
pn1 1 1 pn2 2 pnk k = q1 1 q2 2 qsns < n;
il che contraddice la minimalit di n perch anche il numero pn1 1 1 pn2 2 pnk k ammette pi
fattorizzazioni. La contraddizione dimostra lunicit della rappresentazione primale.

Dal punto di vista metodologico si deve osservare che questa dimostrazione di


esistenza per contraddizione e, in quanto tale, non pu essere costruttiva. Infatti,
tale tipo di dimostrazioni si basa sul Principio del terzo escluso (una propriet
vera se e solo se non falsa) e la verit di una asserzione stabilita mostrandone
la non falsit. Ci rende spesso queste dimostrazioni brevi ed eleganti, ma, bench
logicamente ineccepibili16 , dal vago carattere metasico perch non danno un modo
per costruire gli enti matematici di cui stabiliscono lesistenza. In altri termini, non
danno un algoritmo con cui determinare tali enti.
In conclusione, invitiamo il lettore a confrontare questa dimostrazione di esistenza
con quella, costruttiva, del Teorema 11. Il loro confronto dovrebbe chiarire le dierenze
tra i due tipi fondamentali di dimostrazione di esistenza, costruttiva/diretta e non
costruttiva/indiretta.

Non un caso che la dimostrazione di esistenza del Teorema fondamentale dellar-


itmetica non sia costruttiva. Infatti, costruire algoritmi che permettano di fattorizzare
in numeri primi un numero naturale n (i cosiddetti test di fattorizzazione) oltremodo
complicato. Del resto, gi costruire algoritmi in grado perlomeno di stabilire se n
16
A meno di riutare il Principo del terzo escluso, come alcuni illustri matematici hanno fatto (ma,
si tratta di una posizione minoritaria, e comunque un aspetto metodologico molto sottile il cui
studio ora del tutto prematuro).
1.3. STRUTTURA DEGLI INTERI 37

primo o composto (test di primalit) estremamente complesso ed tuttora un attivo


campo di ricerca (tant che un risultato importante in questo ambito del 2002)17 .
Per intuire la di colt del problema si osservipche, se n composto,
p esistono due
naturali a; b > 1 tali che n = ab. Quindi, a n oppure b n (diversamente,
p
ab > n), e dunque esiste un divisore di n tra i naturali compresi tra 1 e n. Per
vericare se n pprimo o composto possiamo quindi limitarci a dividere n per tutti i
naturali tra 1 e n: se nessuno di essi risulta essere un divisore di n, concludiamo p
che n primo; diversamente, che n composto. La procedura richiede al pi n
operazioni (di divisione).
Forti di queste considerazioni, supponiamo di voler vericare se il numero 10100 +
1 primo o composto (si tratta di un numero p di 101 cifre, quindi grande ma non
grandissimo). La procedura richiede al pi 10 + 1 operazioni, ossia al pi circa 1050
100

operazioni. Supponiamo di possedere un potentissimo calcolatore in grado di svolgere


1010 (dieci miliardi) operazioni al secondo. Poich in un anno vi sono 31:536:000
secondi, cio circa 3 107 secondi, il nostro calcolatore in un anno in grado di svolgere
circa 3 107 1010 = 3 1017 operazioni. Per svolgere le operazioni che la procedura
potrebbe richiedere, il nostro calcolatore ha bisogno di

1050 1 33
= 10
3 1017 3

anni. meglio cominciare subito...

Si osservi che, se conosciamo la rappresentazione primale di due numeri naturali n


e m, possiamo facilmente determinare il loro massimo comune divisore. Per esempio,
da
3801 = 3 7 181 e 1708 = 22 7 61
segue subito che mcd (3801; 1708) = 7, il che conferma quanto gi determinato con
lalgoritmo di Euclide. Vista la grande di colt di fattorizzare i numeri naturali,
losservazione per di scarsa importanza dal punto di vista computazionale. perci
bene tenersi caro lalgoritmo di Euclide che in grado di calcolare, con ragionevole
e cienza grazie al Teorema di Lam, i massimi comuni denominatori senza dover
passare tramite alcuna fattorizzazione.

Ma quanti sono?
Vista limportanza dei numeri primi, naturale chiedersi quanti siano. Il prossimo
celeberrimo risultato, dovuto a Euclide, mostra che essi sono inniti. Dopo il Teorema
8, la seconda notevolissima gemma della matematica classica che abbiamo la fortuna
di incontrare nel volgere di poche pagine.
17
Una delle ragioni per cui lo studio di test di fattorizzazione un attivo campo di ricerca che la
di colt di fattorizzare i numeri naturali sfruttata dalla moderna crittograa per costruire codici
impenetrabili.
38 CAPITOLO 1. INSIEMI E NUMERI

Teorema 14 (Euclide) Esistono inniti numeri primi.

Dim. La dimostrazione per contraddizione. Supponiamo esista un numero nito di


numeri primi e indichiamoli con p1 < p2 < < pn . Si ponga

q = p1 p2 pn

e m = q + 1. Il numero naturale m maggiore di tutti i numeri primi, ed quindi


un numero composto. Per il Teorema fondamentale dellaritmetica, esso dunque
divisibile per almeno uno dei numeri primi p1 , p2 , ..., pn . Indichiamo tale divisore
con p. Entrambi i numeri naturali m e q sono quindi divisibili per p. Ne segue che
anche la loro dierenza, ossia il numero naturale 1 = m q, divisibile per p , il che
impossibile perch p > 1. La contraddizione mostra che lassunzione che esista un
numero nito di numeri primi falsa.

In conclusione, abbiamo visto alcune nozioni di base di Teoria dei numeri, la bran-
ca della Matematica che si occupa delle propriet dei numeri interi. uno dei campi
pi aascinanti e di cili della Matematica, con risultati di grande profondit, spes-
so relativamente facili da enunciare ma di cili da dimostrare. Lesempio classico al
riguardo il famoso Ultimo Teorema di Fermat, il cui enunciato molto semplice: se
n 3 non esistono tre numeri interi positivi x, y e z tali che xn + y n = z n . Grazie al
Teorema di Pitagora sappiamo che per n = 2 tali terne di interi esistono (per esempio,
32 + 42 = 52 ); lUltimo Teorema di Fermat aerma che n = 2 in realt lunico caso in
cui questa notevole propriet vale. Enunciato da Fermat, il teorema stato dimostrato
nel 1994 da Andrew Wiles dopo pi di tre secoli di inutili tentativi.

1.4 Struttura dordine di R


Volgiamo ora la nostra attenzione allinsieme R dei numeri reali, centrale per le appli-
cazioni. Unimportante propriet di R la possibilit di ordinare gli elementi tramite
la disuguaglianza . Il signicato intuitivo di tale disuguaglianza chiaro: dati due
reali a e b, si ha a b quando a grande almeno quanto b.
Consideriamo le seguenti propriet della disuguaglianza :

(i) riessivit: a a;

(ii) antisimmetria: se a beb a, allora a = b;

(iii) transitivit: se a beb c, allora a c;

(iv) completezza: per ogni coppia a; b 2 R, si ha a b oppure b a (o entrambe);

(v) indipendenza additiva: se a b, allora a + c b + c per ogni c 2 R.


1.4. STRUTTURA DORDINE DI R 39

(vi) indipendenza moltiplicativa: sia a b; allora

ac bc se c > 0

ac = bc = 0 se c = 0

ac bc se c < 0

(vii) separazione: dati due insiemi di numeri reali A e B, se a b per ogni a 2 A e


b 2 B, allora esiste c 2 R tale che a c b per ogni a 2 A e b 2 B.

Le prime tre propriet hanno unovvia interpretazione. La completezza garantisce


che, dati due numeri reali qualsiasi, essi possano sempre essere ordinati. Lindipen-
denza additiva fa s che lordinamento iniziale tra due reali a e b non sia alterato dal
sommare a entrambi uno stesso reale c. Lindipendenza moltiplicativa considera invece
la stabilit di tale ordinamento rispetto alla moltiplicazione.
Inne, la separazione permette di separare due insiemi tra loro ordinati da
ossia tali che ogni elemento delluno maggiore o uguale a ogni elemento dellaltro
tramite un numero reale c, detto elemento separatore 18 .

La forma stretta a > b della disuguaglianza debole indica che a strettamente


pi grande di b. In termini di si ha a > b se e solo se b a, cio la disuguaglianza
stretta si pu vedere come negazione della disuguaglianza debole (di verso opposto).
In ogni caso, il lettore pu vericare che transitivit e indipendenza, additiva e molti-
plicativa, valgono anche per la disuglianza stretta, sostituendo con >. Lasciamo al
lettore vericare che le altre propriet della disuglianza non valgono, invece, per >.

La struttura dordine, caratterizzata dalle propriet (i)-(vii), fondamentale in


R. Prima di iniziarne lo studio, introduciamo grazie a e > alcuni sottoinsiemi
fondamentali di R:

(i) gli intervalli chiusi limitati [a; b] = fx 2 R : a x bg;

(ii) gli intervalli aperti limitati (a; b) = fx 2 R : a < x < bg;

(iii) gli intervalli semichiusi (o semiaperti) limitati (a; b] = fx 2 R : a < x bg e


[a; b) = fx 2 R : a x < bg.

Sono inoltre importanti


18
Si noti che
p la propriet vale anchepper N e Z, ma non per Q. Per esempio, gli insiemi A =
q 2 Q : q < 2 e B = q 2 Q : q > 2 non hanno un elemento separatore razionale, come il
lettore potr vericare alla luce di quanto vedremo nella Sezione 1.4.3.
40 CAPITOLO 1. INSIEMI E NUMERI

(iv) gli intervalli illimitati 19 [a; 1) = fx 2 R : x ag e (a; 1) = fx 2 R : x > ag,


nonch i loro analoghi ( 1; a] e ( 1; a). In particolare, la semiretta positiva
[0; 1) spesso indicata con R+ , mentre R++ indica (0; 1), ossia la semiretta
positiva privata dellorigine.

Luso degli aggettivi aperto, chiuso e illimitato diverr chiaro nel Capitolo 5. Per
semplicit di notazione, nel seguito (a; b) star ad indicare sia un intervallo aperto
limitato sia gli illimitati (a; 1), ( 1; b) e ( 1; 1) = R. Analogamente, con (a; b]
e [a; b) si indicheranno sia gli intervalli semichiusi limitati sia gli illimitati ( 1; b] e
[a; 1).

1.4.1 Massimi e minimi


Denizione 8 Sia A R un insieme non vuoto di numeri reali. Un numero h 2 R
si dice maggiorante di A se pi grande (meglio, non pi piccolo) di ogni elemento di
A, ossia se20
h x 8x 2 A;
mentre si dice minorante di A se pi piccolo (meglio, non pi grande) di ogni
elemento di A, ossia se
h x 8x 2 A:

Per esempio, se A = [0; 1], il numero 3 un maggiorante e il numero 1 un mino-


rante poich 1 x 3 per ogni x 2 [0; 1]. In particolare, linsieme dei maggioranti
di A lintervallo [1; 1) e linsieme dei minoranti lintervallo ( 1; 0].
Indicheremo con A linsieme dei maggioranti di A e con A linsieme dei minoranti.
Nellesempio appena visto, A = [1; 1) e A = ( 1; 0].

Facciamo alcune semplici osservazioni:

(i) Maggioranti e minoranti possono non appartenere allinsieme A: il maggiorante


3 e il minorante 1 di [0; 1] ne sono un esempio.

(ii) Maggioranti e minoranti possono non esistere. Per esempio, per linsieme dei
numeri pari
f0; 2; 4; 6; g (1.14)
non esiste alcun reale che sia pi grande di tutti: linsieme non ha maggioranti.
Analogamente, linsieme
f0; 2; 4; 6; g (1.15)
19
Quando non vi sia pericolo di equivoci, scriveremo semplicemente 1 in luogo di +1. Il simbolo
1 fu introdotto nella Matematica da John Wallis nel Seicento e richiama una curva detta lemniscata
e una specie di cappello o di aureola (simbolo di forza) posto sul capo di alcune gure dei tarocchi:
in ogni caso non un 8 coricato
20
Il quanticatore universale 8 si legge per ogni. Quindi, la scrittura 8x 2 A si legge per ogni
elemento x appartenente allinsieme A.
1.4. STRUTTURA DORDINE DI R 41

non ha minoranti, mentre linsieme degli interi Z un semplice esempio di insieme


che non ha n maggioranti n minoranti.

(iii) Se h un maggiorante, lo anche ogni h0 > h, e, analogamente, se h un


minorante, lo anche ogni h00 < h. Quindi, se esistono, maggioranti e minoranti
non sono unici.

Usando maggioranti e minoranti, diamo una prima classicazione degli insiemi della
retta reale.

Denizione 9 Un insieme non vuoto A R si dice:

(i) superiormente limitato se ha un maggiorante, ossia se A 6= ;;

(ii) inferiormente limitato se ha un minorante, ossia se A 6= ;;

(iii) limitato se sia superiormente sia inferiormente limitato.

Per esempio, lintervallo chiuso [0; 1] limitato poich sia superiormente sia infe-
riormente limitato, mentre linsieme (1.14) dei pari inferiormente, ma non superior-
mente, limitato (infatti, abbiamo visto come non abbia maggioranti). Analogamente,
linsieme (1.15) superiormente, ma non inferiormente, limitato.
Si noti che questa classicazione degli insiemi non esaustiva: esistono insiemi che
non ricadono in alcuno dei punti (i)-(iii) della precedente denizione. Per esempio,
Z non ha n maggioranti n minoranti in R, e quindi non soddisfa nessuno dei punti
(i)-(iii). Tali insiemi si dicono illimitati.

Introduciamo ora una fondamentale classe di maggioranti e minoranti.

Denizione 10 Dato un insieme non vuoto A R, un elemento x^ di A si dice


massimo di A se il pi grande elemento di A, ossia se

x^ x 8x 2 A;

mentre si dice minimo di A se il pi piccolo elemento di A, ossia se

x^ x 8x 2 A:

La caratteristica cruciale della denizione la richiesta che massimo e minimo


appartengano allinsieme A considerato. immediato vedere come massimi e minimi
siano, rispettivamente, particolari maggioranti e minoranti. In eetti, essi non sono
altro che maggioranti e minoranti che appartengono allinsieme A.

Esempio 6 Lintervallo chiuso [0; 1] ha minimo 0 e massimo 1. N


42 CAPITOLO 1. INSIEMI E NUMERI

Molte applicazioni economiche vertono sulla ricerca dei massimi o dei minimi di
opportuni insiemi di possibilit alternative. Purtroppo, si tratta di nozioni piuttosto
fragili perch spesso gli insiemi non ammettono massimi o minimi.

Esempio 7 Lintervallo semichiuso [0; 1) ha minimo 0, ma non ha massimo. Infatti,


supponiamo per contraddizione che esista un massimo x^ 2 [0; 1), ossia che valga x^ x
per ogni x 2 [0; 1). Si ponga
1 1
x~ = x^ + 1:
2 2
Poich x^ < 1, si ha x^ < x~. Ma immediato vedere che x~ 2 [0; 1), il che contraddice il
fatto che x^ sia massimo di [0; 1). N

Ragionando in modo analogo si vede che:

(i) lintervallo semichiuso (0; 1] ha massimo 1 ma non ha minimo;

(ii) lintervallo aperto (0; 1) non ha n minimo n massimo.

Quando esistono, massimi e minimi sono unici:

Proposizione 15 Un insieme A R ha al pi un solo massimo e un solo minimo.

Dim. Siano x^1 ; x^2 2 A due massimi di A. Mostriamo che x^1 = x^2 . Poich x^1 un
massimo, si ha x^1 x per ogni x 2 A. In particolare, poich x^2 2 A, si ha x^1 x^2 .
Analogamente, x^2 x^1 perch anche x^2 un massimo, e quindi x^1 = x^2 . In modo
simile si mostra lunicit del minimo.

Il massimo di un insieme A si indica con max A, e il suo minimo con min A. Per
esempio, per A = [0; 1], si ha max A = 1 e min A = 0.

1.4.2 Estremi superiore e inferiore


Poich massimi e minimi sono essenziali nelle applicazioni (e non solo in esse), la
loro fragilit un problema sostanziale. Per alleviare tale problema cerchiamo un
surrogato, cio una nozione concettualmente simile, ma meno fragile, cos da averla
a disposizione anche quando non si hanno massimi o minimi.
Consideriamo prima i massimi21 . Losservazione dalla quale partire che il massi-
mo, quando esiste, il pi piccolo dei maggioranti, ossia

max A = min A : (1.16)

Sia x^ 2 A il massimo di A. Se h un maggiorante di A, si ha infatti h x^ poich


x^ 2 A. Daltra parte, x^ a sua volta un maggiorante e si ha quindi luguaglianza
(1.16).
21
Come gi menzionato, in Economia i massimi hanno un ruolo di primaria importanza.
1.4. STRUTTURA DORDINE DI R 43

Esempio 8 Abbiamo visto che linsieme dei maggioranti di [0; 1] lintervallo [1; 1).
In questo esempio luguaglianza (1.16) prende la forma max [0; 1] = min [1; 1). N
Quando esiste, il massimo quindi il pi piccolo dei maggioranti. Ma, il pi
piccolo dei maggioranti, ossia min A , pu esistere anche quando il massimo non esiste.
Per esempio, consideriamo A = [0; 1): il massimo non esiste, ma il pi piccolo dei
maggioranti esiste ed 1, cio min A = 1.
Tutto ci candida il pi piccolo dei maggioranti a essere il surrogato del massimo di
cui siamo alla ricerca. In eetti, nellesempio appena visto, il punto 1 , in mancanza
di un massimo, il valore che pi gli vicino in spirito.
Ragionando in modo analogo, il pi grande dei minoranti, ossia max A , il can-
didato naturale a surrogare il minimo, quando questi non esista. Motivati da quanto
precede, diamo la seguente denizione.
Denizione 11 Dato un insieme non vuoto A R, si dice estremo superiore di A il
pi piccolo dei maggioranti di A, ossia min A , ed estremo inferiore il pi grande dei
minoranti di A, ossia max A .
Grazie alla Proposizione 15, sia lestremo superiore sia linferiore di A, quando
esistono, sono unici. Li indichiamo con la notazione sup A e inf A. Per esempio, se
A = (0; 1), si ha inf A = 0 e sup A = 1.
Come s gi detto, se inf A 2 A, esso ne il minimo e, se sup A 2 A, ne il
massimo.
Sebbene gli estremi superiore e inferiore possano esistere in assenza di massimi e
minimi, anchessi non sempre esistono.
Esempio 9 Consideriamo linsieme A dei numeri pari in (1.14). In questo caso A = ;
e lestremo superiore non esiste. Pi in generale, se A non superiormente limitato, si
ha A = ; e lestremo superiore non esiste. In modo analogo, gli insiemi che non sono
inferiormente limitati non hanno estremo inferiore22 . N
Abbiamo trovato un ragionevole surrogato per le nozioni sia di massimo sia di
minimo, ossia lestremo superiore e linferiore. Tuttavia, per essere utili, occorre che
essi esistano per una classe su cientemente ampia di insiemi; diversamente, se anche la
loro esistenza fosse spesso problematica, sarebbero di ben poco aiuto come surrogati23 .
Per fortuna, il prossimo importante risultato, il Teorema di completezza dei reali,
garantisce lesistenza degli estremi per unampia classe di insiemi, mostrando che gli
insiemi del tipo visto nellultimo esempio sono in eetti gli unici per i quali non esistono
gli estremi.
22
Qualora A non ammetta estremo superiore, si usa scrivere sup A = +1 e, qualora non ammetta
estremo inferiore, inf A = 1. Si pone inoltre convenzionalmente sup ; = 1 e inf ; = +1. Ci
motivato dalla circostanza che ogni numero reale da considerare simultaneamente un maggiorante
e un minorante di A: naturale allora concludere che sup ; = inf ; = inf R = 1 e inf ; = sup ; =
sup R = + 1.
23
Lutilit di un surrogato dipende sia da quanto bene esso approssimi loriginale sia da quanto
ampia sia la sua disponibilit.
44 CAPITOLO 1. INSIEMI E NUMERI

Teorema 16 (di completezza dei reali) Ogni insieme A R non vuoto e superi-
ormente limitato possiede estremo superiore; se A non vuoto e inferiormente limitato
possiede estremo inferiore.
Dim. Ci limitiamo alla prima aermazione. Dire che A superiormente limitato
signica che ammette qualche maggiorante, cio che A non vuoto. Poich a h per
ogni a 2 A e ogni h 2 A , per la propriet di separazione esiste un elemento separatore
c 2 R tale che a c h per ogni a 2 A e ogni h 2 A . Poich c a per ogni a 2 A,
si ha che c un maggiorante di A, sicch c 2 A . Ma, da c h per ogni h 2 A segue
che c = min A , ossia c = sup A. Ci prova lesistenza dellestremo superiore di A.

Quindi, eccetto gli insiemi non superiormente limitati, tutti gli altri insiemi in R
ammettono estremo superiore. Analogamente, eccetto gli insiemi non inferiormente
limitati, tutti gli altri insiemi in R hanno estremo inferiore. Ci conferma che gli
estremi superiori e inferiori sono in eetti ottimi surrogati, sulla cui esistenza possiamo
contare per unamplissima classe di insiemi di R.
Si osservi che, grazie al Teorema di completezza dei reali, tutti gli insiemi limitati
hanno estremo sia superiore sia inferiore.

1.4.3 Densit
La struttura dordine utile anche per chiarire i rapporti tra gli insiemi N, Z, Q e R.
Come prima cosa rendiamo rigorosa una intuizione naturale: per quanto grande sia un
numero reale, esiste sempre un numero naturale pi grande. Si tratta della cosiddetta
propriet archimedea dei reali.
Proposizione 17 Per ogni reale a 2 R esiste un naturale n 2 N tale che n a.
Dim. Sia a 2 R. Poich linsieme N non superiormente limitato, a non un suo
maggiorante. Esiste quindi n 2 N tale che n a.

La prossima propriet evidenzia una dierenza fondamentale tra le strutture di N


e Z, da una parte, e di Q e R, dallaltra. Se prendiamo un numero intero, possiamo
parlare in modo molto naturale di predecessore e successore. In particolare, se m 2 Z,
il suo predecessore lintero m 1, mentre il suo successore lintero m + 1 (per
esempio, il predecessore di 317 316 e il suo successore 318). In altre parole, Z ha
un ritmodiscreto.
Al contrario, non possiamo parlare di predecessori e successori in Q o in R. Con-
sideriamo prima Q. Dato un razionale q = m=n, sia q 0 = m0 =n0 un razionale qualsiasi
tale che q 0 > q. Si ponga
1 0 1
q 00 = q + q:
2 2
Il numero q 00 razionale poich
1 m0 1 m 1 m0 n + mn0
q 00 = + =
2 n0 2 n 2 nn0
1.4. STRUTTURA DORDINE DI R 45

e risulta
q < q 00 < q 0 : (1.17)
Non esiste quindi il pi piccolo razionale maggiore di q. Analogamente, facile vedere
come non esista il pi grande razionale minore di q. I razionali non ammettono quindi
n predecessori n successori.
In modo del tutto simile si mostra che, dati due reali qualsiasi a < b, esiste un
reale c tale che a < c < b. Infatti
1 1
a< a+ b<b
2 2
Anche i reali non ammettono quindi n predecessori n successori. Il ritmo di razionali
e reali , per cos dire, serrato, senza interruzioni discrete. Tale propriet di Q e R
detta densit. A dierenza di N e Z, che sono insiemi discreti, Q e R sono insiemi
densi, privi di buchi.

Concludiamo con unimportante relazione di densit tra Q e R. Abbiamo osservato


come si possa dimostrare che la gran parte dei reali non sia razionale, ossia come
gran parte dei punti sulla retta sia rappresentata da numeri irrazionali. Tuttavia, i
razionali sono un sottoinsieme denso, e quindi molto signicativo, dei reali perch,
come mostra il prossimo risultato, nella disuguaglianza a < c < b, con a; b 2 R, si pu
sempre scegliere c tra i razionali: tra due reali qualsiasi si pu cio sempre inlare
un razionale.

Proposizione 18 Dati due reali qualsiasi a < b, esiste un razionale q 2 Q tale che
a < q < b.

La propriet in discorso si pu enunciare aermando che Q denso in R. Nella


dimostrazione si usa la nozione di parte intera [a] di un reale a 2
p R, cio il pi grande
intero n 2 Z tale che n a. Per esempio, [ ] = 3, [5=2] = 2, 2 = 1, [ ] = 4 e
cos via. Il lettore pu vericare che

[a + 1] = [a] + 1

poich, per ogni n 2 Z, si ha n a se e solo se n + 1 a + 1. Inoltre, [a] < a quando


a2= Z.

Dim. Siano a; b 2 R, con a < b. Per semplicit, distinguiamo tre casi.

Caso 1: Sia a + 1 = b. Se a 2 Q il risultato segue dalla (1.17). Sia a 2


= Q, e quindi
a+12= Q. Si ha
[a] a < [a] + 1 = [a + 1] < a + 1 (1.18)
e quindi q = [a] + 1 il razionale cercato.

Caso 2: Sia b a > 1, cio


a<a+1<b
46 CAPITOLO 1. INSIEMI E NUMERI

Dal Caso 1 segue che lesistenza di q 2 Q tale che a < q < a + 1 < b.

Caso 3: Sia b a < 1. Grazie alla propriet archimedea dei reali, esiste n 2 N; n 6= 0;
tale che
1
n ;
b a
sicch nb na = n (b a) 1. Allora, per quanto appena visto nei casi 1 e 2, esiste
q 2 Q tale che na < q < nb. Quindi,

q
a< <b
n

il che completa la dimostrazione perch q=n 2 Q.

OfB. Per il (pi di cile) caso 3, presentiamo una dimostrazione alternativa che prende
in esame diversi casi, a seconda che almeno uno dei reali sia razionale, oppure che siano
entrambi irrazionali.
Per esempio, siano a 2 Q e b 2 = Q, e sia = b a con 0 < < 1: Chiaramente,
n
esiste n 0 tale che > 10 (che vale infatti per ogni n > log10 (1= )). Allora,
preso q = a + 10 n , si ha q 2 Q e inoltre a < q < b. ll fatto che q 2 Q ovvio, dato
che si tratta di somma di due razionali. Inne, a < a + 10 n = q < a + = b: Il caso
di b razionale e a irrazionale si dimostra analogamente.
Pi delicato il caso in cui a e b sono entrambi irrazionali. In tale evenienza, sia
= b a < 1, e sia n 0 tale che > 10 n : Allora, preso q = [a 10n ] 10 n + 10 n ,
si ha q 2 Q e inoltre a < q < b. Il fatto che q sia razionale ovvio, dato che si tratta
della somma di due razionali. Dimostriamo che a < q < b. Infatti, si ha

q = [a 10n ] 10 n
+ 10 n
a 10n 10 n
+ 10 n
= a + 10 n
<a+ = b;

dove abbiamo usato la prima delle due disuguaglianze in (1.18). Inne si ha

q = [a 10n ] 10 n
+ 10 n
= 10 n
([a 10n ] + 1) > 10 n
(a 10n ) = a;

dove abbiamo usato la seconda delle disuguaglianze in (1.18). Abbiamo quindi di-
mostrato che a < q < b.
La dimostrazione ha il pregio di mostrare come si possa costruire un numero
razionale che giace tra due irrazionali: in particolare, il numero razionale che si in-
serisce tra di loro si costruisce secondo quanto lintuizione suggerirebbe di fare. Si
prendono tutte le cifre decimali comuni ai due numeri, si azzerano le restanti ( ci
che si ottiene facendo [a 10n ] 10 n ) e si aggiunge una quantit positiva, razionale e pi
piccola della dierenza tra i due numeri ( ci che si fa aggiungendo 10 n ). Il numero
risultante per costruzione razionale ed incluso tra i due irrazionali considerati. H
1.5. POTENZE E LOGARITMI 47

1.5 Potenze e logaritmi


1.5.1 Potenze
1
Dato n 2 N, abbiamo gi ricordato il signicato di q n con q 2 Q e di q n con 0 < q 2 Q.
1
In modo del tutto analogo si deniscono an con a 2 R e e a n con 0 < a 2 R. Pi in
generale, si pone
1 m 1
a n = n e a n = (am ) n
a
per m; n 2 N e 0 < a 2 R. Abbiamo quindipdenito la potenza ar di base reale positiva
m
ed esponente razionale. Talvolta si scrive n am in luogo di a n .
Dato 0 < a 2 R, vogliamo ora estendere questa nozione al caso ax con x 2 R, ossia
con esponente reale. Prima di farlo, vediamo due importanti osservazioni.

NB. Abbiamo denito ar soltanto per a > 0. Ci per evitare pericolosi q e imbarazzanti
3 p
equivoci. Si pensi, per esempio, a ( 5) 2 . Essa si potrebbe riscrivere 2 ( 5)3 = 2 125
p 3
oppure come 2 5 che non esistono (tra i reali). Ma si potrebbe scrivere anche
3 6
q p
( 5) = ( 5) che, a sua volta, si pu riesprimere come 4 ( 5)6 = 4 15:625 che
2 4

p 6
esiste e vale circa 11; 180339 oppure come 4 5 che non esiste. O

NB. Consideriamo la radice p 1


a = a2
p
largamente noto che ogni numero positivo possiede due radici: per esempio 9 =
3. La doppia possibilit si usa qualicare radice algebrica; lunico valore positivo
della radice si dice invece radice aritmetica: per esempio 3 e 3 sono le due radici
algebriche di 9, mentre 3 ne lunica radice aritmetica.
Nel seguito le radici di ordine pari saranno sempre intese in senso aritmetico (e
quindi con un solo valore). Si tratta, del resto, della convenzione pi abituale: per
esempio, nella classica formula risolutiva
p
b b2 4ac
x= ;
2a
di unequazione ax2 +bx+c = 0 di secondo grado, la radice intesa in senso aritmetico
(se fosse in senso algebrico non vi sarebbe alcuna necessit di scrivere , perch la
radice sarebbe gi di per s doppia). O

1.5.2 Potenze con esponente reale


Riprendiamo il lo del discorso, estendiamo la nozione di potenza al caso ax , con
0 < a 2 R e x 2 R. Purtroppo, i dettagli di questa estensione sono tediosi. Ci
accontentiamo di dire che ax , se a > 1, non altro che lestremo superiore dellinsieme
di tutti i valori aq al variare di q tra i razionali tali che q x. Formalmente,
48 CAPITOLO 1. INSIEMI E NUMERI

ax = sup faq : q x con q 2 Qg . (1.19)


In modo analogo si denisce ax per 0 < a < 1. Valgono le seguenti propriet, che,
grazie alla (1.19), seguono dalle analoghe propriet che valgono quando lesponente
razionale.

Lemma 19 Sia a > 0 e x; y 2 R. Si ha ax > 0 per ogni x 2 R. Inoltre:

(i) ax ay = ax+y e ax =ay = ax y ;

(ii) (ax )y = axy ;

(iii) ax bx = (ab)x e ax =bx = (a=b)x ;

(iv) se x > y si ha
ax > a y se a > 1

ax < a y se a < 1

ax = ay = 1 se a = 1

Tra le basi a > 0 la pi importante il numero e. Come vedremo, la potenza ex


gode di notevolissime propriet.

1.5.3 Logaritmi
Le operazioni di addizione e di moltiplicazione sono commutative (a + b = b + a e
ab = ba) e hanno perci una sola operazione inversa, rispettivamente la sottrazione e
la divisione:

(i) se a + b = c allora b = c aea=c b

(ii) se ab = c allora b = c=a e a = c=b, con a; b 6= 0.

Loperazione di potenza ab , con a > 0, non invece commutativa: ab ben diversa


da ba e quindi essa possiede due distinte operazioni inverse.
Sia ab = c. La prima operazione inversa (assegnati c e b, individuare a) detta
radice b-esima di c: p
a = b c = c1=b :
La seconda (assegnati c e a, risalire a b) detta logaritmo 24 in base a di c:

b = loga c.
24
Il nome un omaggio al grande matematico arabo Al-Khuwarizmi (o Al-Quwarizmi). Un altro
omaggio algoritmo.
1.5. POTENZE E LOGARITMI 49

Si noti che, oltre a dover essere a > 0 e c > 0, devessere anche a 6= 1 perch 1b = c
impossibile salvo quando c = 1.

Il logaritmo una nozione fondamentalissima, ubiqua in matematica e in tutte le


sue applicazioni. Come abbiamo appena visto, si tratta di una nozione molto semplice:
il numero b = loga c non altro che lesponente da attribuire ad a per ottenere c, cio
aloga c = c:
Le propriet dei logaritmi derivano facilmente dalle propriet delle potenze viste
nel Lemma 19.
Lemma 20 Siano a > 0 e c; d > 0, con a 6= 1. Si ha:
(i) log1=a c = loga c;
1
(ii) logak c = k
loga c per ogni 0 6= k 2 R;
(iii) loga (cd) = loga c + loga d;
(iv) loga (c=d) = loga c loga d;
(v) loga ck = k loga c per ogni k 2 R.
(vi) loga c = logb c= logb a ( cambiamento di base).
b
Dim. (i) Se (1=a)b = c, allora a b = c. (ii) Se ak = c, allora akb = c e perci
lesponente da dare ad ak per ottenere c 1=k dellesponente da dare ad a. (iii)
Siano ax = c, ay = d e az = cd: dato che cd = ax ay = ax+y segue lasserto. (iv)
La dimostrazione analoga alla precedente. (v) Siano ax = c e ay = ck : dato che
ck = (ax )k = akx segue lasserto25 . (vi) Siano ax = c, by = c e bz = a: si ha allora
ax = (bz )x = bzx = c = by e perci zx = y cio x = y=z.

Alla luce della propriet (vi) di cambiamento di base, si pu prendere come base
dei logaritmi sempre lo stesso numero, per esempio 10, perch
log10 c
loga c = :
log10 a
In realt, come per le potenze ax , anche per i logaritmi la base largamente pi
comune il numero e, che verr introdotto nel Capitolo 9. In tal caso si scrive sem-
plicemente log x in luogo di loge x. A cagione della sua importanza, log x anche
chiamato logaritmo naturale di x, il che porta alla notazione ln x talvolta usata in
alternativa a log x.

Il prossimo risultato evidenzia i legami strettissimi esistenti tra logaritmi e potenze,


che possono vedersi come nozioni tra loro inverse.
25
Per esempio, con a 6= 1, loga x2 = 2 loga x per x > 0. Si osservi che loga x2 esiste per ogni x 6= 0,
mentre 2 loga x esiste soltanto per x > 0.
50 CAPITOLO 1. INSIEMI E NUMERI

Proposizione 21 Dato a > 0, a 6= 1, si ha

loga ax = x 8x 2 R

e
aloga x = x 8x > 0.

Lasciamo al lettore la semplice dimostrazione.

1.6 Numeri, dita e circuiti


Il modo pi abituale di scrivere i numeri utilizza la cosiddetta rappresentazione
decimale. Si sono scelti dieci segni graci

0; 1; 2; 3; 4; 5; 6; 7; 8; 9 (1.20)

le cifre, e con esse, utilizzando la notazione posizionale, ogni numero naturale pu


essere scritto tramite alcune cifre che, da destra a sinistra, ne indicano rispettivamente
le unit, le decine, le centinaia, le migliaia, ecc..
Cos, per esempio 4357 signica 4 migliaia, 3 centinaia, 5 decine e 7 unit. I
numeri naturali risultano cos scanditi dalle potenze di 10, ognuna delle quali determina
laggiunta di una cifra: la scrittura 4357 labbreviazione di

4 103 + 3 102 + 5 101 + 7 100 :

Per la notazione posizionale assolutamente fondamentale luso dello 0 per indicare


una casella vuota: per esempio, nella scrittura 4057 lo zero indica lassenza di centinaia,
cio
4 103 + 0 102 + 5 101 + 7 100 :
I numeri non interi si rappresentano in maniera del tutto analoga scandendoli
rispetto alle potenze di 1=10 = 10 1 : cos, per esempio 0; 501625 labbreviazione di
1 2 3 4 5
5 10 + 0 10 + 1 10 + 6 10 + 2 10 + 5 10 6 :

La scelta della rappresentazione decimale dipesa dalla circostanza che abbiamo


dieci dita, ma ovviamente non lunica possibile. Alcune popolazioni americane con-
tavano sulle mani ma utilizzando, anzich le dieci dita, gli otto spazi tra esse. Essi
avrebbero scelto soltanto 8 cifre, che senza fantasia supponiamo essere

0; 1; 2; 3; 4; 5; 6; 7

e avrebbero scandito i vari numeri interi sulla base delle potenze di 8, cio 8, 64, 512,
4096, . . . Avrebbero scritto il nostro decimale 4357 come

1 4096 + 0 512 + 4 64 + 0 8 + 5 = 1 84 + 0 83 + 4 82 + 0 81 + 5 80 = 10405


1.6. NUMERI, DITA E CIRCUITI 51

e il decimale 0; 501625 come

1 2
4 0; 125 + 1 0; 0015625 = 4 8 +1 8 = 0; 41:
In generale, data una base b e linsieme di cifre

Cb = fc0 ; c1 ; :::; cb 1 g

per rappresentare gli interi tra 0 e b 1, ogni numero naturale n si scrive in base b
come
dk dk 1 d1 d0
dove k un opportuno numero naturale e

n = dk bk + dk 1 bk 1
+ + d1 b + d0

con di 2 Cb per ogni i = 0; :::; k.


Per esempio, consideriamo la base duodecimale, con cifre

0; 1; 2; 3; 4; 5; 6; 7; 8; 9; |;

In questo caso abbiamo usato i simboli | e per le due cifre addizionali di cui abbiamo
bisogno rispetto al caso decimale. Il numero duodecimale

9|02 = 9 124 + | 123 + 0 122 + 12 + 2

si converte in numerazione decimale come

9|02 = 9 124 + | 123 + 0 122 + 12 + 2


= 9 124 + 10 123 + 0 122 + 11 12 + 2
= 188630

facendo uso della tabella di conversione


Duod. 0 1 2 3 4 5 6 7 8 9 |
Dec. 0 1 2 3 4 5 6 7 8 9 10 11

Si noti come la rappresentazione duodecimale 9|02 usi meno cifre di quella decimale
188630, ossia cinque invece di sei. Daltra parte, la numerazione duedicimale necessita
di 12 simboli da usare come cifre, invece dei 10 di quella decimale. un tipico trade
o che si aronta nella scelta della base con cui rappresentare i numeri: basi maggiori
permettono di rappresentare i numeri con meno cifre, ma richiedono un pi complesso
insieme di cifre. La risoluzione del trade o, e la conseguente scelta della base, dipende
dalle caratteristiche dellapplicazione di interesse.
Per esempio, in ingegneria eletronica importante avere un insieme semplicissimo
di cifre, con due soli elementi, perch calcolatori e apparecchi elettronici dispongono
in maniera naturale di due sole cifre (circuito aperto o chiuso, polarit positiva o
52 CAPITOLO 1. INSIEMI E NUMERI

negativa). Per tale ragione in questo ambito diusissima la base 2, la pi economica


tra le basi in termini di complessit dellinsieme di cifre C2 , che consta delle solo cifre
0 e 1 (detti bit, dallinglese binary digits)
In rappresentazione binaria, i vari interi si scrivono come

Dec. 0 1 2 3 4 5 6 7 8 9 10 11 16
Bin. 0 1 10 11 100 101 110 111 1000 1001 1010 1011 10000

dove per esempio, in binario

11 = 1 23 + 0 22 + 1 21 + 1 20

e in decimale
11 = 1 101 + 1 100
Lestrema economicit su C2 permessa dalla base 2 ha come costo il gran numero di
bit richiesto dalla rappresentazione binaria dei numeri. Per esempio, dove 16 consta di
due cifre decimali il corrispettivo binario 10000 usa cinque bit, dove 201 usa tre cifre
il corrispettivo binario 11001001 usa otto bit, dove 2171 usa quattro il corrispettivo
binario 100001111011 usa dodici bit, e cos via. Rapidamente la rappresentazione
binaria richiede un numero di bit che solo un computer in grado di digerire.

Dal punto di vista puramente matematico, la scelta della base del tutto conven-
zionale e passare da una base a unaltra facile (bench estremamente tedioso)26 . Le
basi 2 e 10 sono oggi di gran lunga le basi pi importanti, ma nel passato si sono
utilizzate come basi anche 20 (il numero delle dita di mani e piedi; ne resta traccia
nel francese dove tuttora si dice quattro-venti per ottanta e quattro-venti-dieci
per novanta), nonch 16 (gli spazi tra le dita di mani e piedi) e 60 (comodo perch
divisibile per 2, 3, 4, 5, 6, 10, 12, 15, 20 e 30; ne resta ben pi che un ricordo nel come
suddividiamo ore e minuti o nella misurazione degli angoli).

La notazione posizionale stata usata a livello di calcolo manuale dalla notte dei
tempi (si pensi ai conti svolti con labaco), ma una conquista relativamente recente
nella scrittura, resa possibile dalla fondamentale innovazione dello zero e di eccezionale
importanza per lo sviluppo della Matematica e delle sue moltissime applicazioni, com-
merciali, scientiche e tecnologiche. Iniziatasi in India (sembra intorno al V secolo),
la notazione posizionale stata sviluppata nellAlto Medioevo nel mondo arabo, da
cui il nome di numeri arabi spesso usato per le cifre (1.20), ed giunta in Occidente
26
Anche le operazioni su numeri scritti con una rappresentazione non decimale non presentano
di colt. Per esempio 11 + 9 = 20 si svolge in modo binario come

1011+
1001 =
10100

Basta ricordare che il riporto si fa a 2 e non pi a 10.


1.7. LA RETTA REALE ESTESA 53

grazie ai mercanti italiani tra lundicesimo e il dodicesimo secolo. In particolare, il


glio di uno di essi, Leonardo da Pisa (ca. 1170-1240), detto Fibonacci, fu il maggiore
matematico del Medioevo e autore nel 1202 di un celeberrimo trattato, il Liber Abaci,
la pi celebre tra le prime esposizioni della notazione posizionale in Occidente. Sino
ad allora si usava la numerazione romana

I; II; III; IV; V; :::; X; :::; L; :::; C; :::M; :::

che non era posizionale e che rendeva macchinosa lesecuzione anche delle pi banali
operazioni (si provi prima a sommare CXL e M CL, e poi 140 e 1150).
Chiudiamo con lincipit del primo capitolo del Liber Abaci, con la straordinaria
innovazione che il libro portava in Occidente:

Novem gure indorum he sunt

9; 8; 7; 6; 5; 4; 3; 2; 1

Cum his itaque novem guris, et cum hoc signo, quod arabice zephirum
appellatur, scribitur quilibet numerus, ut inferius demonstratur. [...] ut in
sequenti cum guris numeris super notatis ostenditur.

M I M M XXIII M M M XXII M M M XX M M M M M DC MMM


1001 2023 3022 3020 5600 3000

... Et sic in reliquis numeris est procedendum.27

1.7 La retta reale estesa


Nella teoria dei limiti che ci occuper tra breve molto utile considerare la retta reale
estesa, che si ottiene aggiungendo alla retta reale i due punti ideali +1 e 1. Si
ottiene in tal modo linsieme R [ f 1; +1g, indicato col simbolo R. La struttura
dordine di R si estende in modo ovvio su R ponendo 1 < a < +1 per ogni a 2 R.

Le operazioni denite in R possono essere parzialmente estese a R. In particolare,


oltre alle usuali regole di calcolo in R, sulla retta reale estesa valgono le seguenti
ulteriori regole, dette di aritmetizzazione parziale di +1 e 1:

(i) somma con un numero reale:

a + 1 = +1; a 1= 1 8a 2 R (1.21)
27
I nove segni indiani sono ... Con questi nove segni, e col segno 0, che gli arabi chiamano zero, si
scrive un qualsiasi numero, come si mostra nel seguito. [...] i numeri di cui sopra sono qui di seguito
mostrati con i segni ... E cos si continua con i rimanenti numeri.
54 CAPITOLO 1. INSIEMI E NUMERI

(ii) somma tra inniti dello stesso segno:

+1 + 1 = +1 e 1 1= 1

(iii) prodotto con uno scalare non nullo:

a (+1) = +1 e a ( 1) = 1 8a > 0
a (+1) = 1 e a ( 1) = +1 8a < 0

(iv) prodotto tra inniti:


(
+1 (+1) = 1 ( 1) = +1
+1 ( 1) = 1 (+1) = 1

con, in particolare,

(+1)a = +1 se a > 0 e (+1)a = 0 se a < 0

(v) quoziente:
a a
= =0 8a 2 R
+1 1
(vi) potenza di un numero reale:
8 +1
> a = +1 se a > 1
>
>
>
< a+1 = 0 se 0 < a < 1
>
> a 1
=0 se a > 1
>
>
: 1
a = +1 se 0 < a < 1

(vii) potenza tra inniti: (


(+1)+1 = +1
1
(+1) =0

Mentre la somma di inniti con lo stesso segno ben denita, per esempio la somma
di due inniti positivi a sua volta un innito positivo, la somma di inniti di segno
diverso non denita. , per esempio, il caso per la somma +1 1, il cui risultato
non denito. Si tratta di un primo esempio di operazione indeterminata in R. In
particolare, sono indeterminate le seguenti operazioni:

(i) somme di inniti con segno diverso:

+1 1 e 1+1 (1.22)
1.7. LA RETTA REALE ESTESA 55

(ii) prodotti tra 0 e innito:


1 0 e 0 ( 1) (1.23)

(iii) quozienti con numeratore e denominatore entrambi nulli o entrambi inniti:


1 0
e (1.24)
1 0

(iv) le potenze:
11 ; 00 ; (+1)0 (1.25)

Le operazioni indeterminate (i)-(iv) sono chiamate forme di indeterminazione, e


svolgeranno una parte di rilievo nella teoria dei limiti.

OfB. Come abbiamo detto, la pi naturale immagine geometrica di R la retta (reale):


ad ogni punto corrisponde un numero e, viceversa, ad ogni numero corrisponde un pun-
to. Se prendiamo un segmento chiuso (e ovviamente limitato) possiamo trasportare
tutti i numeri dalla retta al segmento come mostra la gura che segue:

0
O
-1

-2
-3 -2 -1 0 1 2 3 4 5

Tutti i numeri reali che trovavano posto sulla retta trovano posto anche sul seg-
mento, estremi esclusi (qualcuno sta un po pi stretto, ma ci stanno proprio tut-
ti!). Anzi, avanzano due punti, gli estremi del segmento, ai quali naturale associare
rispettivamente +1 e 1. Limmagine geometrica di R cos un segmento chiuso.H
56 CAPITOLO 1. INSIEMI E NUMERI
Capitolo 2

Struttura cartesiana e Rn

2.1 Prodotti cartesiani e Rn


Supponiamo di voler classicare un vino secondo due caratteristiche, invecchiamento
e gradazione alcolica. Per esempio, supponiamo di leggere su unetichetta: 2 anni di
invecchiamento e 12 gradi. Possiamo scrivere

(2; 12) :

Guardiamo unaltra etichetta e leggiamo: 1 anno di invecchiamento e 10 gradi. In


questo caso possiamo scrivere
(1; 10) :
Le coppie (2; 12) e (1; 10) sono dette coppie ordinate ed in esse si distingue il primo
elemento, linvecchiamento, dal secondo, la gradazione alcolica: in una coppia ordinata
perci cruciale la posizione.
Sia A1 linsieme dei possibili anni di invecchiamento e sia A2 linsieme delle possibili
gradazioni. Si pu scrivere

(2; 12) 2 A1 A2 ; (1; 10) 2 A1 A2 :

Indichiamo un generico elemento di A1 con a1 e con a2 uno di A2 . Per esempio, in


(2; 12) si ha a1 = 2 e a2 = 12.

Denizione 12 Dati due insiemi A1 e A2 , il prodotto cartesiano A1 A2 linsieme


di tutte le coppie ordinate (a1 ; a2 ) con a1 2 A1 e a2 2 A2 .

Nellesempio, abbiamo A1 N e A2 N, ossia gli elementi di A1 e A2 sono numeri


naturali. Pi in generale, possiamo pensare che A1 = A2 = R, cosicch gli elementi di
A1 e A2 sono numeri reali qualsiasi, sebbene con una possibile diversa interpretazione
a seconda della posizione. In questo caso A1 A2 = R R = R2 e la coppia (a1 ; a2 )
si pu rappresentare con un punto nel piano:

57
58 CAPITOLO 2. STRUTTURA CARTESIANA E RN

y
3

1 a
2

0
O a x
1

-1

-2
-3 -2 -1 0 1 2 3 4 5

Punto (a1 ; a2 ) del piano.

Una coppia ordinata di numeri reali (a1 ; a2 ) 2 R2 si chiama vettore.


Tra i sottoinsiemi di R2 sono di particolare importanza:
(i) f(a1 ; a2 ) 2 R2 : a1 = 0g, ossia linsieme delle coppie ordinate del tipo (0; a2 ). Si
tratta dellasse delle ordinate.
(ii) f(a1 ; a2 ) 2 R2 : a2 = 0g, ossia linsieme delle coppie ordinate del tipo (a1 ; 0). Si
tratta dellasse delle ascisse.
(iii) f(a1 ; a2 ) 2 R2 : a1 0 e a2 0g, ossia linsieme delle coppie ordinate (a1 ; a2 )
con entrambe le componenti positive. Si tratta del primo quadrante del piano
cartesiano. In modo analogo si deniscono gli altri quadranti:

y
3

II I
1

0
O x
-1

III IV
-2
-3 -2 -1 0 1 2 3 4 5
2.1. PRODOTTI CARTESIANI E RN 59

(iv) f(a1 ; a2 ) 2 R2 : a21 + a22 = 1g e f(a1 ; a2 ) 2 R2 : a21 + a22 1g, ossia rispettivamente
la circonferenza e il cerchio con centro lorigine e raggio unitario .

Poco sopra abbiamo classicato i vini usando due caratteristiche, invecchiamen-


to e gradazione alcolica. Consideriamo adesso un prodotto un po pi complicato,
per esempio un portafogli di titoli. Supponiamo che esistano quattro diversi titoli
acquistabili sul mercato. Un portafogli descritto dalla quaterna ordinata
(a1 ; a2 ; a3 ; a4 ) ;
dove a1 il denaro investito nel primo titolo, a2 limporto investito nel secondo titolo,
e cos via. Per esempio,
(1000; 1500; 1200; 600)
indica un portafogli in cui 1000 euro sono stati investiti nel primo titolo, 1500 nel
secondo, e cos via. La posizione fondamentale: il portafogli
(1500; 1200; 1000; 600)
ben diverso dal precedente bench le somme di denaro investite nei vari titoli siano
le stesse.
Siccome le quantit di denaro sono numeri non necessariamente interi, e possono
anche essere negative in caso di vendite allo scoperto, naturale pensare che A1 =
A2 = A3 = A4 = R, dove Ai linsieme delle possibili somme investibili nel titolo
i = 1; 2; 3; 4. Si ha
(a1 ; a2 ; a3 ; a4 ) 2 A1 A2 A3 A4 = R 4 :
In particolare,
(1000; 1500; 1200; 600) 2 R4 :
In generale, considerando n insiemi A1 ; A2 ; ; An possiamo dare la seguente

Denizione 13 Dati n insiemi A1 ; A2 ; An , il loro prodotto cartesiano


A1 A2 An ;
n
indicato con i=1 Ai ,
linsieme di tutte le n-uple ordinate (a1 ; a2 ; :::; an ) con a1 2
A1 ; a2 2 A2 ; ; an 2 An .

I vari a1 ; a2 ; ; an sono detti componenti (o elementi) di a.


Quando A1 = A2 = = An = A, si scrive
A1 A2 An = A A A = An ;
in particolare se A1 = A2 = = An = R il prodotto cartesiano si indica con Rn , che
cos linsieme di tutte le n-uple (ordinate) di numeri reali. In altre parole,
Rn = R
| R {z R}
n volte
60 CAPITOLO 2. STRUTTURA CARTESIANA E RN

Un elemento
x = (x1 ; x2 ; :::; xn ) 2 Rn
chiamato vettore 1 . Il prodotto cartesiano Rn si dice spazio euclideo (n-dimensionale).
Per n = 1, Rn la retta reale R, per n = 2, R2 il piano, e cos via. Cos come
per R e R2 , anche i vettori in R3 ammettono una rappresentazione graca:

1 z
0.9

0.8
a
3
0.7

0.6

0.5
a
2
0.4 O
0.3 a
1
0.2 y
x
0.1

0
0 0.2 0.4 0.6 0.8 1

Vettore (a1 ; a2 ; a3 ) nello spazio.

che invece non pi possibile in Rn con n 4. La rappresentazione graca pu aiutare


lintuizione, ma, dai punti di vista teorico e di calcolo, non ha alcuna importanza perch
i vettori di Rn , con n 4, sono enti del tutto ben deniti: essi si rivelano fondamentali
nelle applicazioni economiche, come vedremo nella Sezione 2.4.
Nel seguito indicheremo sempre le componenti di un vettore con la stessa lettera us-
ata per il vettore accompagnandola da un indice: per esempio a3 la terza componente
del vettore a, y7 la settima del vettore y, ecc. ecc.

2.2 Operazioni in Rn
Consideriamo due vettori in Rn :

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

Deniamo il vettore somma x + y come

x + y = (x1 + y1 ; x2 + y2 ; :::; xn + yn ) :
1
Per i numeri reali usiamo la lettera x invece di a.
2.2. OPERAZIONI IN RN 61

Per esempio, per i due vettori x = (7; 8; 9) e y = (2; 4; 7) in R3 , si ha

x + y = (7 + 2; 8 + 4; 9 + 7) = (9; 12; 16) :

Si noti come x + y 2 Rn : tramite la somma si costruito un nuovo elemento di Rn .


Sia ora 2 R e x 2 Rn . Si chiama prodotto dello scalare2 per il vettore x il
vettore x denito come
x = ( x1 ; x2 ; :::; xn ) :
Per esempio, con = 2 e x = (7; 8; 9) 2 R3 , abbiamo

2x = (2 7; 2 8; 2 9) = (14; 16; 18) :

Anche x 2 Rn , ossia anche con la moltiplicazione scalare si costruito un nuovo


elemento di Rn .

Notazione. Se x = ( x1 ; x2 ; :::; xn ), si ha x = ( 1) x e x y = x + ( 1) y.
Porremo inoltre 0 = (0; 0; :::; 0), dove il grassetto distingue il vettore 0 di zeri dallo
scalare 0.

Abbiamo quindi introdotto in Rn due operazioni, laddizione e la moltiplicazione


scalare che estendono le corrispondenti operazioni tra numeri reali. Vediamone le
propriet. Cominciamo con laddizione.

Proposizione 22 Siano x, y e z tre vettori arbitrari in Rn . Si ha:

(i) x + y = y + x (propriet commutativa),

(ii) (x + y) + z = x + (y + z) (propriet associativa),

(iii) x + 0 = x (esistenza dellelemento neutro per la somma),

(iv) x + ( x) = 0 (esistenza dellopposto di ogni vettore).

Dim. Mostriamo la (i), lasciando le altre al lettore. Si ha

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

come desiderato.

Consideriamo ora la moltiplicazione scalare.

Proposizione 23 Siano x; y 2 Rn e ; 2 R. Si ha:

(i) (x + y) = x + y (propriet distributiva per laddizione di vettori),


2
Un numero reale spesso detto scalare.
62 CAPITOLO 2. STRUTTURA CARTESIANA E RN

(ii) ( + ) x = x + x (propriet distributiva per laddizione di scalari),

(iii) 1x = x (esistenza dellelemento neutro per la moltiplicazione scalare),

(iv) ( x) = ( ) x (propriet associativa).

Dim. Mostriamo la (ii): le altre sono lasciate al lettore. Si ha

( + ) x = (( + ) x1 ; ( + ) x2 ; :::; ( + ) xn )
= ( x1 + x1 ; x2 + x2 ; :::; xn + xn )
= ( x1 ; x2 ; :::; xn ) + ( x1 ; x2 ; :::; xn ) = x + x

come desiderato.

Lultima operazione in Rn che consideriamo il prodotto interno. Dati due vettori


x e y in Rn , il loro prodotto interno, indicato come x y, denito come

x y = x1 y1 + x2 y2 + + xn yn ;

ossia, in notazione pi compatta3 ,


X
n
x y= xi yi :
i=1

Altre notazioni molto diuse per il prodotto interno sono (x; y) e hx; yi.
Per esempio, per i vettori x = (1; 1; 5; 3) e y = ( 2; 3; ; 1) di R4 , si ha

x y = 1 ( 2) + ( 1) 3 + 5 + ( 3) ( 1) = 5 2:

Il prodotto interno unoperazione che dierisce dalla somma e dalla moltiplicazione


scalare in un aspetto strutturale: mentre queste ultime hanno come risultato un nuovo
vettore di Rn , il risultato del prodotto interno uno scalare. Il prossimo risultato
raccoglie le principali propriet del prodotto interno: lasciamo al lettore la semplice
dimostrazione.

Proposizione 24 Siano x, y e z tre vettori in Rn . Si ha:

(i) x y = y x ( propriet commutativa),

(ii) (x + y) z = (x z) + (y z) ( propriet distributiva),

(iii) x z= (x z) ( propriet distributiva).

Si noti che le due propriet distributive si possono compendiare nellunica propriet


( x + y) z = (x z) + (y z).
3
Pn
Dati n numeri reali ri , la loro somma r1 + r2 + + rn si indicaQcon la sommatoria i=1 ri .
n
Analogamente, il loro prodotto r1 r2 rn si indica con la produttoria i=1 ri .
2.3. STRUTTURA DORDINE IN RN 63

2.3 Struttura dordine in Rn


La struttura dordine di Rn si basa su quella di R: pur essendone unestensione,
presenta alcune interessanti novit. Cominciamo con il denire lordine su Rn : dati
due vettori x = (x1 ; x2 ; ::; xn ) e y = (y1 ; y2 ; ::; yn ) in Rn , scriviamo

x y

quando xi yi per ogni i = 1; 2; : : : ; n. In particolare, si ha x = y se e solo se si ha


sia x y sia y x.
In altre parole, ordina due vettori considerando tutte le componenti e applicando
loro lordine di R studiato nella Sezione 1.4. Per esempio, x = (0; 3; 4) y =
(0; 2; 1). Quando n = 1, lordine diventa quello classico su R.

Lo studio delle propriet di base della disuguaglianza rivela una prima impor-
tante novit: quando n 2, lordine non soddisfa la completezza. Si dice perci
che un ordine parziale (a dierenza dellordine in R che completo). Infatti,
siano per esempio x = (0; 1) e y = (1; 0) in R2 : non si ha n x y n y x. molto
facile trovare vettori non confrontabili in Rn . La gura mostra i vettori di R2 che sono
oppure del vettore x = (1; 2).

5
y
4

2
2
1

0
O 1 x

-1

-2
-2 -1 0 1 2 3 4 5

In giallo i punti maggiori di x = [1; 2], in azzurro


quelli minori. Le due aree bianche sono i punti
non confrontabili con x.

Per il resto, facile vericare che su Rn continua a godere delle propriet gi viste
per n = 1, ossia:

(i) riessivit: x x;
64 CAPITOLO 2. STRUTTURA CARTESIANA E RN

(ii) transitivit: se x yey z, allora x z;

(iii) indipendenza: se x y, allora x + z y + z per ogni z 2 Rn .;

(iv) separazione: dati due insiemi di numeri reali A e B in Rn , se a b per ogni


a 2 A e b 2 B, allora esiste c 2 Rn tale che a c b per ogni a 2 A e b 2 B.

Unaltra nozione che diventa sorprendentemente delicata quando n 2 la forma


della disuguaglianza stretta. Tale nozione delicata perch, dati due vettori x =
(x1 ; x2 ; :::; xn ) e y = (y1 ; y2 ; :::; yn ) di Rn , si possono vericare due casi:

Tutte le componenti di x sono delle corrispondenti componenti di y, ed alcune


siano strettamente maggiori; cio xi yi , per ogni i = 1; 2; :::n ed esiste j tale
che xj > yj .

tutte le componenti di x sono strettamente maggiori delle corrispondenti com-


ponenti di y, cio xi > yi per ogni i = 1; 2; :::n:

Nel primo caso si parla di disuguaglianza stretta, in simboli x > y, nel secondo caso
si parla di disuguaglianza forte, in simboli x y.

Esempio 10 Per x = (1; 3; 4) e y = (0; 1; 2) in R3 , si ha x y. Per x = (0; 3; 4)


e y = (0; 1; 2) si ha x > y ma non x y perch x ha solo due componenti su tre
strettamente maggiori delle corrispettive componenti di y. N

Dati due vettori x; y 2 Rn , si ha

x y)x>y)x y

Abbiamo cos tre nozioni di disuguaglianza tra vettori in Rn , via via pi stringenti:

(i) una nozione debole, , che permette luguaglianza tra i due vettori;

(ii) una nozione intermedia, >, che richiede almeno una disuguaglianza stretta tra
le componenti;

(iii) una nozione forte, , che richiede la disuguaglianza stretta tra tutte le compo-
nenti dei due vettori.

Quando n = 1, sia > sia si riducono al classico > su R visto nella Sezione 1.4.
Inoltre, gli stessi simboli rovesciati, cio ; <; , si usano nel caso opposto.
Un caso particolarmente importante il confronto tra un vettore x e il vettore nullo
0. Si ha la seguente terminologia:

(i) se x 0, cio tutte le componenti di x sono positive, il vettore x si dice positivo;


2.3. STRUTTURA DORDINE IN RN 65

(ii) se x > 0, cio tutte le componenti di x sono positive e almeno una di esse
strettamente positiva, il vettore x si dice strettamente positivo;

(iii) se x 0, cio tutte le componenti di x sono strettamente positive, il vettore x


si dice fortemente positivo.

NB. La notazione e terminologia che abbiamo introdotta non lunica possibile. Alcu-
ni autori usano per esempio =; >; > in luogo di >; >; , mentre altri autori chiamano
non negativi i vettori che noi chiamiamo positivi, e cos via. Al di l della scelta
della notazione, che ha una forte componente di gusto personale, il signicato delle
nozioni introdotte dovrebbe risultare chiaro. O

Insieme alla non completezza di , la presenza di due diverse versioni della disug-
uaglianza stretta la novit pi signicativa che si ha in Rn per n 2 rispetto al caso
speciale R, cio n = 1, della Sezione 1.4.

Concludiamo questa sezione generalizzando gli intervalli visti in R nella Sezione


1.4. Dati a; b 2 Rn , abbiamo:

(i) lintervallo chiuso limitato

[a; b] = fx 2 Rn : a x bg = fx 2 Rn : ai xi bi g ;

(ii) lintervallo aperto limitato

(a; b) = fx 2 Rn : a x bg = fx 2 Rn : ai < xi < bi g ;

(iii) gli intervalli semichiusi (o semiaperti) limitati

(a; b] = fx 2 R : a x bg e [a; b) = fx 2 R : a x bg .

Si hanno inoltre

(iv) gli intervalli illimitati [a; 1) = fx 2 Rn : x ag e (a; 1) = fx 2 R : x ag,


n
nonch i loro analoghi ( 1; a] e ( 1; a). In particolare, [0; 1) = fx 2 R : x 0g
spesso indicato con Rn+ , mentre Rn++ indica (0; 1) = fx 2 Rn : x 0g. In
modo analogo si deniscono Rn = fx 2 Rn : x 0g e Rn = fx 2 Rn : x 0g.

NB. (i) Gli intervalli in Rn si possono esprimere come prodotti cartesiani di intervalli
in R; per esempio,
[a; b] = ni=1 [ai ; bi ] :
(ii) Nelle nozioni appena viste di intervallo abbiamo usato le disuguaglianze o .
Sostituendole con la disuguaglianza < otteniamo altri possibili intervalli che, tuttavia,
sono ben poco rilevanti per i nostri ni. O
66 CAPITOLO 2. STRUTTURA CARTESIANA E RN

2.4 Applicazioni
2.4.1 Incertezza
Consideriamo una monetina, il cui lancio ha come possibili esiti testa T o croce C. Il
primo lancio ha come insieme degli esiti 1 = fC; T g, il secondo 2 = fC; T g, e cos
via: si ha allora i = fC; T g per ogni possibili lancio. Supponiamo di lanciare due
volte la monetina. Linsieme degli esiti possibili dato dal prodotto cartesiano

1 2 = fC; T g fC; T g = f(C; T ) ; (C; C) ; (T; C) ; (T; T )g :

Pi in generale, se lanciamo n volte la monetina, linsieme degli esiti dato dal prodotto
cartesiano
n
i=1 i = fC; T g fC; T g = fC; T gn
= f(C; C; ; C) ; (C; T; ; C) ; ; (T; T; ; T )g

Luso dei prodotti cartesiani per modellare tutti i possibili esiti di un fenomeno aleato-
rio (in questo caso il lancio di una monetina) fondamentale nel Calcolo delle proba-
bilit.

2.4.2 Scelte statiche


Consideriamo un consumatore che debba scegliere quanti chili di mele e di patate
acquistare al mercato. Per comodit analitica assumiamo che tali beni siano innita-
mente divisibili, cosicch il consumatore possa acquistarne una quantit reale positiva
qualsiasi (per esempio, 3; 5 kg. di mele e kg. di patate). In questo caso, R+ linsieme
sia delle possibili quantit di mele sia di patate acquistabili. Linsieme dei panieri di
mele e patate che il consumatore pu acquistare quindi

R2+ = R+ R+ = f(x1 ; x2 ) : x1 ; x2 2 R+ g ;

ossia gracamente dai punti del primo quadrante del piano. In generale, un consuma-
tore deve scegliere tra pi di due beni: qualora egli debba scegliere tra n beni, linsieme
dei panieri dato dal prodotto cartesiano

Rn+ = R+ R+ = f(x1 ; x2 ; ::; xn ) : xi 2 R+ per i = 1; 2; ; ng :

Nella Teoria della produzione, un vettore in Rn+ rappresenta invece una possibile
congurazione di n input per il produttore. In questo caso il vettore x = (x1 ; x2 ; ::; xn )
indica che il produttore ha a disposizione x1 unit del primo input, x2 unit del secondo,
..., e xn unit dellultimo.
2.5. OTTIMI SECONDO PARETO 67

2.4.3 Scelte intertemporali

Abbiamo appena visto come, nella teoria del consumatore, un vettore x = (x1 ; x2 ; ::; xn )
sia interpretabile come un paniere in cui xi la quantit del bene i-esimo, ossia x1
la quantit del bene 1, x2 la quantit del bene 2, e cos via. Ma, in unaltra
possibile interpretazione, vi un unico bene e x = (x1 ; x2 ; ::; xn ) indica la quantit di
esso disponibile in vari periodi, ossia xi la quantit del bene disponibile nelli-esimo
periodo. Per esempio, se il bene sono mele, x1 la quantit di mele nel periodo 1, x2
la quantit di mele nel periodo 2, e cos via no a xn che la quantit di mele nel
periodo n-esimo.
In questo caso, Rn+ indica lo spazio di tutti i panieri intertemporali di un dato bene
su n periodi; spesso si usa la notazione pi evocativa RT , dove T il numero di periodi
e xt la quantit di bene nel periodo t, con4 t = 1; 2; : : : ; T .

Naturalmente, invece di un unico bene su pi periodi, possiamo considerare un


paniere di beni su pi periodi. Similmente, in un problema intertemporale di pro-
duzione, avremo vettori di input su pi periodi. Tali situazioni si modellano con
matrici, una nozione molto semplice della quale parleremo nel Capitolo 14. Molte
applicazioni si limitano comunque a un unico bene, e quindi RT uno spazio molto
importante nella Teoria delle scelte intertemporali. Un esempio fondamentale si ha
quando lunico bene la moneta, per cui x = (x1 ; x2 ; :::; xt ; :::; xT ) 2 RT rappresenta
la quantit di moneta in diversi periodi: in tal caso x detto usso di cassa.

2.5 Ottimi secondo Pareto


Il concetto di massimo di un insieme di R, dato nella Denizione 10 pu essere
equivalentemente riformulato cos:

Lemma 25 Dato un insieme A R, il punto x^ 2 A massimo di A se e solo se non


esiste alcun x 2 A tale che x > x^.

evidente infatti che chiedere che tutti i punti di A siano x^ esattamente lo


stesso che chiedere che nessuno sia > x^. Analoga rilettura si pu dare per i minimi.

4
La notazione t = 1; 2; : : : ; T equivalente a t 2 f1; 2; : : : ; T g, cosi come la notazione i = 1; 2; : : : ; n
equivalente a i 2 f1; 2; : : : ; ng. La scelta tra esse di pura comodit.
68 CAPITOLO 2. STRUTTURA CARTESIANA E RN

3
Max A
2

1 A
0 ( ) ( ]
-1

-2

-3
-4 -2 0 2 4 6

Volgiamo ora lattenzione a sottoinsiemi di Rn e allordine parziale vigente su di


esso. Possiamo estendere la nozione di massimo nel seguente modo.

Denizione 14 Dato un insieme A Rn un punto x^ 2 A si dice massimo di A se


x^ x per ogni x 2 A.

In modo analogo si denisce il minimo. Vale inoltre lanalogo della Proposizione


15: il massimo (minimo) di un insieme A Rn , se esiste, unico (la dimostrazione
simile).
Purtroppo, le nozioni di massimo e minimo si rivelano quasi inutili nelle applicazioni
visto che gran parte dei sottoinsiemi di Rn non possiede n massimi n minimi poich
lordine soltanto parziale in Rn . molto pi procuo seguire invece lordine di idee
abbozzato con il Lemma 25. Infatti, la caratterizzazione ivi stabilita equivalente alla
usuale denizione di massimo in R, ma pi generale in Rn ove, per giunta, abbiamo
due possibilit potendo usare i due segni di o di > per negare il . Ci motiva la
prossima denizione, di grande importanza nelle applicazioni economiche.

Denizione 15 Sia A Rn . Un punto x^ 2 A detto:

(i) ottimo paretiano debole di A, o massimale debole, se non esiste alcun x 2 A


tale che x x^;

(ii) ottimo paretiano di A, o massimale, se non esiste alcun x 2 A tale che x > x^.

In modo analogo si possono denire i minimali (eventualmente forti), anchessi


detti ottimi paretiani (eventualmente forti)5 .

Un ottimo paretiano x^ lo anche in senso debole: se non esiste alcun x 2 A tale


che x > x^, a fortiori non esiste alcun x 2 A tale che x x^. Il viceversa non vale:
5
Gli ottimi, come gli angeli, non hanno sesso. Bench sarebbe preferibile parlare di massimi
e di minimi paretiani, purtroppo la tradizione non distingue tra essi chiamandoli entrambi ottimi
paretiani, lasciando che la loro natura sia chiarita dal contesto.
2.5. OTTIMI SECONDO PARETO 69

Esempio 11 Sia A = [0; 1] [0; 1] il quadrato di vertici (0; 0), (0; 1), (1; 0) e (1; 1). Il
vertice (1; 1) lunico ottimo paretiano di A, mentre sono ottimi paretiani deboli tutti
i punti che giacciono sia sul lato di vertici (1; 0) e (1; 1) sia sul lato di vertici (1; 1) e
(0; 1). Nella seguente gura sono indicati in rosso gli ottimi paretiani deboli, di cui
(1; 1) lunico ottimo paretiano.

Grazie al Lemma 25, le nozioni di massimo e massimale sono equivalenti in R. Ci


non pi vero in Rn con n > 1, ove la nozione di massimo (molto) pi forte di quella
di massimale.

Lemma 26 Dato un insieme A Rn , il punto di massimo, se esiste, lunico


massimale.

Dim. Sia x^ 2 A il punto di massimo di A. Sia x 2 A con x 6= x^. Poich x non di


massimo, si ha x^ x. Quindi, x non punto massimale.

Il punto (1; 1) nellultima gura il punto di massimo, che anche lunico punto
massimale. In modo analogo linsieme della prossima gura possiede un massimo (che
quindi anche lunico massimale),
70 CAPITOLO 2. STRUTTURA CARTESIANA E RN

2
2

0
O 1
-1

-2
-3 -2 -1 0 1 2 3 4

Il Lemma 26 non vale per i massimali deboli, che possono coesistere con un massimo.
La gura dellEsempio 11 ne prova, cos come la prossima, che ha un massimo (che
anche lunico massimale) e inniti massimali deboli, segnati in rosso

2
2

0
O 1
-1

-2
-2 -1 0 1 2 3 4 5

Il Lemma 26 ha quindi stabilito che il massimo di un insieme, quando esiste, lunico


massimale; cio
massimo =) massimale
Il converso , per, falso: esistono punti massimali che non sono massimi; cio,

massimale ; massimo
2.5. OTTIMI SECONDO PARETO 71

La prossima gura mostra un insieme di R2 che possiede due massimali che non sono
massimi dellinsieme.

0
-1 O
-1
-1

-2
-2 -1 0 1 2 3 4 5

Per i due massimali x0 = (1; 2) e x00 = (2; 1) della gura non si ha x0 x e x00 x
0 00
per ogni x 2 A. Tuttavia, si ha x xex x per ogni x 2 A che sia confrontabile,
0 00
rispettivamente, con x o x . La mancanza di un massimo qui dovuta alla non
confrontabilit di tutti gli elementi dellinsieme, ossia al fatto che lordine soltanto
parziale in Rn quando n > 1.
La gura illustra unaltra dierenza fondamentale tra massimo e massimale in Rn
con n > 1: il massimo di un insieme, se esiste, unico, mentre un massimale pu non
essere unico (anzi, molto spesso, non lo ).

In conclusione, la parzialit dellordine su Rn rende la nozione di punti di massi-


mo (e minimo) casi particolari meno importanti, in quanto meno applicabili, della pi
generale e importante nozione di punti massimali (e minimali), che fondamentale in
Rn .

Chiudiamo osservando che, naturalmente, i massimali (anche deboli) possono non


esistere, come mostra il prossimo semplice esempio.

Esempio 12 Si consideri il graco della funzione f : R ! R data da f (x) = x. Il


graco un sottoinsieme di R2 privo di punti sia massimali deboli sia minimali deboli
(e quindi anche di punti massimali e minimali). N

2.5.1 Scatola di Edgeworth


Gli ottimi paretiani sono fondamentali per lEconomia. Pensiamo, per esempio, che
i vari vettori dellinsieme A Rn identichino i protti conseguibili da n individui.
72 CAPITOLO 2. STRUTTURA CARTESIANA E RN

I punti di ottimo paretiano (massimali) rappresentano le situazioni dalle quali non ci


si pu allontanare senza diminuire il protto di almeno uno degli individui. In altri
termini, gli n individui non hanno nulla in contrario a restringere A allinsieme dei
suoi ottimi paretiani (nessuno ci perde); il vero problema di conitto dinteresse sorge
quando si deve selezionare un punto tra questi ultimi.
Il concetto di ottimo paretiano porta a restringere un insieme A di possibilit
alternative con il consenso unanime e perci a delimitarne il vero sottoinsieme critico.
questo il grande pregio di tale nozione, semplice ma ingegnosa, che spesso su ciente
a identicare un sottoinsieme criticomolto pi piccolo dellinsieme di partenza A.6

Una classica applicazione dellottimalit paretiana la scatola di Edgeworth. Sic-


come faremo uso di nozioni che introdurremo nel Capitolo 7, preferibile rileggere la
presente applicazione dopo tale capitolo.
Consideriamo due agenti, Alberto e Barbara, che debbano dividere tra loro quantit
unitarie di due beni innitamente divisibili (per esempio, un chilo di farina e un litro
di vino). Vogliamo modellare il problema di divisione (verosimilmente determinato da
una contrattazione tra le parti) e vedere se, grazie allottimalit di Pareto, possiamo
dire qualcosa di non banale a riguardo.
Ogni coppia x = (x1 ; x2 ), con x1 2 [0; 1] e x2 2 [0; 1], una possibile assegnazione
dei due beni a uno dei due litiganti: in altre parole, il prodotto cartesiano [0; 1] [0; 1]
le descrive tutte. I due agenti devono accordarsi sulle assegnazioni (a1 ; a2 ) di Alberto
e (b1 ; b2 ) di Barbara. Naturalmente devessere

a1 + b1 = a2 + b2 = 1: (2.1)

Per completare la descrizione del problema, dobbiamo dire quali sono i desiderata
dei due agenti. A tal ne, supponiamo che essi abbiano funzioni di utilit ua ; ub : [0; 1]
[0; 1] ! R identiche, e che, per semplicit, supponiamo siano del tipo Cobb-Douglas
p
ua (x1 ; x2 ) = ub (x1 ; x2 ) = x1 x2 (si veda lEsempio 75). Le curve di indierenza si
possono inscatolarenel seguente modo

6
Per lottimalit paretiana essenziale che gli agenti considerino unicamente le loro alternative
(panieri di beni, protti, ecc.), senza badare a quelli dei loro pari. In altre parole, che essi non provino
invidia o simili emozioni sociali. Per rendersene conto, si pensi a una trib di invidiosi, il cui capo
decidesse di raddoppiare le razioni di cibo di met dei membri della trib, lasciando invariate quelle
degli altri membri. La nuova allocazione susciterebbe vivaci proteste da parte degli invariatibench
nulla sia cambiato per loro.
2.5. OTTIMI SECONDO PARETO 73

11
0.9

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0
0
0 0.2 0.4 0.6 0.8 1
1

Scatola di Edgeworth.

che appunto la classica scatola di Edgeworth. Grazie alla condizione (2.1), possiamo
pensare a un punto (x1 ; x2 ) 2 [0; 1] [0; 1] come allassegnazione di Alberto. Anzi,
possiamo in realt identicare ogni possibile suddivisione tra i due agenti con le as-
segnazioni (x1 ; x2 ) di Alberto; infatti, le assegnazioni di Barbara (1 x1 ; 1 x2 ) sono
univocamente determinate una volta note quelle di Alberto.

Ogni assegnazione (x1 ; x2 ) ha utilit ua (x1 ; x2 ) per Alberto e ub (1 x1 ; 1 x2 )


per Barbara. Sia

A = (ua (x1 ; x2 ) ; ub (1 x1 ; 1 x2 )) 2 R2+ : (x1 ; x2 ) 2 [0; 1] [0; 1]

linsieme di tutti i proli di utilit dei due contendenti determinati dalla suddivisione
dei due beni.
Guardando la scatola di Edgeworth, il lettore si convincer facilmente che linsieme
degli ottimi paretiani di A identicato dalla diagonale

D = (d; d) 2 R2+ : d 2 [0; 1]

della scatola, ossia dal luogo dei punti di tangenza delle curve di indierenza (detta
curva dei contratti). Per dimostrarlo in modo rigoroso, ci occorre il prossimo semplice

Lemma 27 Dati x1 ; x2 2 [0; 1], si ha


p p
1 x1 x2 (1 x1 ) (1 x2 ); (2.2)

e luguaglianza vale se e solo se x1 = x2 .


74 CAPITOLO 2. STRUTTURA CARTESIANA E RN

Dim. Poich x1 ; x2 2 [0; 1], semplici manipolazioni portano alla catena di equivalenze:
p p p 2
1 x1 x2 (1 x1 ) (1 x2 ) () (1 x1 x2 ) (1 x1 ) (1 x2 )
2
x1 + x2 p x1 + x2
() x1 x2 () x1 x2 () (x1 x2 )2 0.
2 2

Lultima disuguaglianza sempre vericata e possiamo concludere che vale la (2.2).


Inoltre le precedenti equivalenze portano a concludere che
p p
1 x1 x2 = (1 x1 ) (1 x2 ) () (x1 x2 )2 = 0;

il che pu vericarsi se e solo se x1 = x2 .

Forti del lemma, mostriamo rigorosamente quanto il graco ha suggerito.

Proposizione 28 Un prolo (ua (x1 ; x2 ) ; ub (1 x1 ; 1 x2 )) 2 A un ottimo pare-


tiano di A se e solo se (x1 ; x2 ) 2 D.

Dim. Cominciamo col mostrare che, per qualsiasi suddivisione di beni (x1 ; x2 ) 2
= D,
ossia tale che x1 6= x2 , esiste (d; d) 2 D tale che

(ua (d; d) ; ub (1 d; 1 d)) (ua (x1 ; x2 ) ; ub (1 x1 ; 1 x2 )) : (2.3)

Per Alberto, si ha
p p p
ua ( x1 x2 ; x1 x2 ) = x1 x2 = ua (x1 ; x2 )
p p
e quindi x1 x2 ; x1 x2 per lui indierente a (x1 ; x2 ). Grazie al Lemma 27, per
Barbara si ha
p p p p
ub (1 x1 x2 ; 1 x1 x2 ) = 1 x1 x2 > (1 x1 ) (1 x2 ) = ub (1 x1 ; 1 x2 ) ,
p
dove la disuguaglianza stretta poich x1 6= x2 . Quindi, ponendo d = x1 x2 , vale la
(2.3).
Ne segue che le suddivisioni (x1 ; x2 ) al di fuori della diagonale non sono ottimi
paretiani. Rimane da mostrare che le suddivisioni sulla diagonale lo sono. Sia (d; d) 2
D e supponiamo, per contra, che esista (x1 ; x2 ) 2 [0; 1] [0; 1] tale che

(ua (x1 ; x2 ) ; ub (1 x1 ; 1 x2 )) (ua (d; d) ; ub (1 d; 1 d)) . (2.4)

Senza perdita di generalit7 , supponiamo che

ua (x1 ; x2 ) > ua (d; d) e ub (1 x1 ; 1 x2 ) ub (1 d; 1 d)


7
Un argomento simile vale quando ua (x1 ; x2 ) ua (d; d) e ub (1 x1 ; 1 x2 ) > ub (1 d; 1 d).
2.5. OTTIMI SECONDO PARETO 75

ossia,
p p p p
x1 x2 > dd = d e (1 x1 ) (1 x2 ) (1 d) (1 d) = 1 d:

Quindi p
p
1 x1 x2 < 1 d (1 x1 )(1 x2 );
il che contraddice la (2.2). Ne segue che non esiste alcun (x1 ; x2 ) 2 [0; 1] [0; 1] per
cui vale la (2.4). Ci completa la dimostrazione.

Grazie alla Proposizione 28, possiamo dire che, se gli agenti massimizzano le loro
utilit Cobb-Douglas, la contrattazione si risolver in una divisione dei beni sulla
diagonale della scatola di Edgeworth, ossia tale che ogni agente abbia unugual quantit
di entrambi i beni.
Naturalmente, la Proposizione 28 non pu dire alcunch su quale dei punti della
diagonale sia poi eettivamente determinato dalla contrattazione. Linsieme D per
un sottoinsieme molto piccolo di A: grazie alla nozione di ottimo paretiano, siamo
comunque riusciti a dire qualcosa di non banale sul problema di divisione.
76 CAPITOLO 2. STRUTTURA CARTESIANA E RN
Capitolo 3

Struttura lineare

In questo capitolo riprendiamo e approfondiamo lo studio della struttura lineare di


Rn cominciato nella Sezione 2.2. Lo studio di tale struttura fondamentale di Rn , che
continueremo nel Capitolo 14 sulle funzioni lineari, parte dellAlgebra lineare.

3.1 Sottospazi vettoriali di Rn


Le Proposizioni 22 e 23 avevano mostrato come le operazioni di somma e moltipli-
cazione scalare su Rn godano delle seguenti propriet, per ogni x; y; z 2 Rn e ogni
; 2 R:

(v1) x + y = y + x (propriet commutativa)

(v2) (x + y) + z = x + (y + z) (propriet associativa)

(v3) x + 0 = x (esistenza dellelemento neutro per la somma)

(v4) x + ( x) = 0 (esistenza dellopposto di ogni x)

(v5) (x + y) = x + y (propriet distributiva)

(v6) ( + ) x = x + x (propriet distributiva)

(v7) 1x = x (esistenza dellelemento neutro per la moltiplicazione scalare)

(v8) ( x) = ( )x (propriet associativa)

Come il lettore vedr in corsi successivi, per questa ragione Rn un esempio di


spazio vettoriale, che, in generale, un insieme dove si deniscono due operazioni di
somma e moltiplicazione scalare che godono delle propriet (v1)-(v8).1 Per esempio,
nel Capitolo 14 si vedr un altro esempio di spazio vettoriale, quello delle matrici.
1
La nozione di spazio vettoriale centrale in Matematica. Per comprenderla appieno occorre per
andare oltre Rn e non rientra, perci, nello scopo del libro.

77
78 CAPITOLO 3. STRUTTURA LINEARE

Chiamiamo sottospazi vettoriali di Rn i suoi sottoinsiemi che ben si comportano


rispetto a tali operazioni:

Denizione 16 Un sottoinsieme non vuoto V di Rn si dice sottospazio vettoriale se


chiuso2 rispetto alle operazioni di somma e moltiplicazione scalare.

Si lascia al lettore la facile verica che le operazioni soddisfano in V le propriet


(v1)-(v8) per per ogni x; y; z 2 V e ogni ; 2 R. Al riguardo si osservi che lorigine
appartiene a ogni sottospazio vettoriale V , cio 0 2 V , poich 0x = 0 per ogni vettore
x.

La seguente caratterizzazione utile nel vericare se un sottoinsieme di Rn un


sottospazio vettoriale.

Proposizione 29 Un sottoinsieme non vuoto V di Rn un sottospazio vettoriale se


e solo se
x+ y 2V (3.1)
per ogni ; 2 R e ogni x; y 2 V .

Dim. Solo se. Sia V un sottospazio vettoriale e siano x; y 2 V . Poich V chiuso


rispetto alla moltiplicazione scalare si ha x 2 V e y 2 V . Ne segue che x + y 2 V
essendo V chiuso rispetto alla somma.
Se. Ponendo = = 1 nella (3.1) si ottiene x + y 2 V , mentre, ponendo
= 0, si ottiene x 2 V e quindi V chiuso rispetto alle operazioni di somma e
moltiplicazione scalare ereditate da Rn .

Ponendo = = 0, la (3.1) implica che 0 2 V . Ogni sottospazio vettoriale


contiene quindi lorigine 0.

Esempio 13 Sia m ne

M = fx 2 Rn : x1 = = xm = 0g :

Per esempio, se n = 3 e m = 2, si ha M = fx 2 R3 : x1 = x2 = 0g. Il sottoinsieme M


un sottospazio vettoriale. Siano infatti x; y 2 M e ; 2 R. Si ha:

x + y = ( x1 + y1 ; :::; xn + yn ) = (0; :::; 0; xm+1 + ym+1 ; :::; xn + yn ) 2 M:

In particolare, lasse delle ordinate in R2 , che corrisponde a M = fx 2 R2 : x1 = 0g,


un sottospazio vettoriale di R2 . N
2
Si ricordi che un insieme chiuso rispetto a un operazione quando il risultato delloperazione
appartiene allinsieme.
3.1. SOTTOSPAZI VETTORIALI DI RN 79

Esempio 14 Sia M linsieme di tutti gli x 2 R4 tali che


8
< 2x1 x2 + 2x3 + 2x4 = 0
x1 x2 2x3 4x4 = 0
:
x1 2x2 2x3 10x4 = 0

In altre parole, M linsieme delle soluzioni del sistema indicato. Esso un sottospazio
vettoriale; infatti, il lettore pu vericare che, dati x; y 2 M e ; 2 R, si ha x+ y 2
M.
Svolgendo i calcoli3 si scopre che i vettori

10 2
t; 6t; t; t (3.2)
3 3

risolvono il sistema per ogni t 2 R, sicch

10 2
M= t; 6t; t; t :t2R .
3 3
N

Se V1 e V2 sono due sottospazi vettoriali, si pu mostrare che anche la loro inter-


sezione V1 \ V2 un sottospazio vettoriale. Pi in generale vale la

Proposizione 30 Lintersezione di una collezione qualsiasi di sottospazi vettoriali di


Rn a sua volta un sottospazio vettoriale.

Dim. Sia fVi g una collezione


T qualsiasi di sottospazi vettoriali di Rn . Siccome
T 0 2
Vi per ogni i, si ha che i Vi 6= ;. Sia x; y 2 V e ; 2 R. Siccome x; y 2 i Vi , si
ha x; y 2 Vi per ogni i e quindi v + w 2 Vi per ogni i poich ogni Vi sottospazio
3
Per completezza riportiamo i calcoli. Consideriamo x4 come un parametro e risolviamo il
sistema in x1 , x2 e x3 : ovviamente otterremo soluzioni che dipendono dal valore del parametro x4 .
8 8
< 2x1 x2 + 2x3 + 2x4 = 0 < 2x1 x2 = 2x3 2x4
x1 x2 2x3 4x4 = 0 ) x1 x2 = 2x3 + 4x4 )
: :
x1 2x2 2x3 10x4 = 0 x1 2x2 2x3 10x4 = 0
8 8
< 2 (x2 + 2x3 + 4x4 ) x2 = 2x3 2x4 < x2 = 6x3 10x4
x1 + ( 2x3 2x4 2x1 ) = 2x3 + 4x4 ) x1 = 4x3 6x4 )
: :
x1 2x2 2x3 10x4 = 0 x1 2x2 2x3 10x4 = 0
8 8
< x2 = 6x3 10x4 < x2 = 6x3 10x4
x1 = 4x3 6x4 ) x1 = 4x3 6x4 )
: :
( 4x3 6x4 ) 2 ( 6x3 10x4 ) 2x3 10x4 = 0 x3 = 32 x4
8 2
8
< x2 = 6 3 x4 10x4 < x2 = 6x4
x1 = 4 2
x
3 4 6x4 ) x1 = 103 x4
: :
2
x3 = 3 x4 x3 = 32 x4

In conclusione, tutti e solo i vettori di R4 della forma (3.2) sono soluzioni del sistema per ogni t 2 R.
80 CAPITOLO 3. STRUTTURA LINEARE
T T
vettoriale di Rn . Dunque, v + w 2 i Vi e quindi i Vi un sottospazio vettoriale
di Rn .

Al contrario dellintersezione, lunione di sottospazi vettoriali non in generale un


sottospazio vettoriale, come mostra il prossimo esempio.
Esempio 15 Gli insiemi V1 = fx 2 R2 : x1 = 0g e V2 = fx 2 R2 : x2 = 0g sono en-
trambi due sottospazi vettoriali di R2 . Risulta
V1 [ V2 = x 2 R2 : x1 = 0 oppure x2 = 0
che non un sottospazio vettoriale di R2 . Infatti,
(1; 0) 2 V1 [ V2 e (0; 1) 2 V1 [ V2
ma (1; 0) + (0; 1) = (1; 1) 2
= V1 [ V2 . N

3.2 Indipendenza e dipendenza lineari


Nel capitolo adotteremo la notazione xi = (xi1 ; :::; xin ) 2 Rn dove lapice identica vet-
tori diversi e i pedici le loro componenti. Usiamo subito tale notazione nella prossima
fondamentale denizione:
m
Denizione 17 Un insieme nito di vettori fxi gi=1 di Rn detto linearmente in-
dipendente se, per ogni insieme f i gm
i=1 di numeri reali,
1 2 m
1x + 2x + + mx = 0 =) 1 = 2 = = m =0
m
Linsieme fxi gi=1 invece detto linearmente dipendente se non linearmente in-
dipendente, ossia se esiste un insieme f i gmi=1 di numeri reali, non tutti nulli, tali
che
1 2
1x + 2x + + m xm = 0
Esempio 16 In Rn consideriamo i vettori
e1 = (1; 0; :::; 0)
e2 = (0; 1; 0; :::; 0)

en = (0; 0; :::; 0; 1)
detti vettori (o versori) fondamentali di Rn . Linsieme fe1 ; :::; en g linearmente
indipendente. Si ha infatti
1 n
1e + + ne =( 1 ; :::; n)

e quindi 1e
1
+ + ne
n
= 0 implica 1 = = n = 0. N
3.2. INDIPENDENZA E DIPENDENZA LINEARI 81

m
Esempio 17 Tutti gli insiemi di vettori fxi gi=1 di Rn che contengono lorigine 0 sono
linearmente dipendenti. Infatti, senza perdita di generalit poniamo x1 = 0. Preso un
insieme f i gm
i=1 di numeri reali con 1 6= 0 e i = 0 per i = 2; :::; m si ha
1 2 m
1x + 2x + + mx =0
m
il che dimostra la lineare dipendenza dellinsieme fxi gi=1 . N
Prima di proseguire con gli esempi dobbiamo chiarire una questione lessicale.
Sebbene lindipendenza e la dipendenza lineare siano propriet da riferire a un in-
m
sieme di vettori fxi gi=1 , spesso si attribuisce ai singoli vettori, parlando di insiemi
di vettori linearmente indipendenti (dipendenti) invece di un insieme linearmente
indipendente (dipendente) di vettori.
Esempio 18 In R3 , i vettori
x1 = (1; 1; 1) ; x2 = (3; 1; 5) ; x3 = (9; 1; 25)
sono linearmente indipendenti. Infatti
1 2 3
1x + 2x + 3x = 1 (1; 1; 1) + 2 (3; 1; 5) + 3 (9; 1; 25)
= ( 1 + 3 2 + 9 3; 1 + 2 + 3; 1 + 5 2 + 25 3)

1 2 3
e quindi 1x + 2x + 3x = 0 signica
8
< 1+3 2+9 3 =0
1+ 2+ 3 = 0
:
1 + 5 2 + 25 3 = 0

che un sistema di equazioni la cui unica soluzione ( 1; 2; 3) = (0; 0; 0). Pi in


generale, per vericare se k vettori
x1 = x11 ; :::; x1m ; x2 = x21 ; :::; x2m ; ; xk = xk1 ; :::; xkm
sono linearmente indipendenti in Rn basta risolvere il seguente sistema
8 1 2
>
> 1 x1 + 2 x1 + + k xk1 = 0
< 1 2
1 x2 + 2 x2 + + k xk2 = 0
>
>
: 1 2
1 xm + 2 xm + + k xkm = 0
Se ( 1 ; :::; k ) = (0; :::; 0) lunica soluzione, allora i vettori sono linearmente indipen-
denti in Rn . Per esempio, consideriamo in R3 i due vettori x1 = (1; 3; 4) e x2 = (2; 5; 1).
Il sistema da risolvere 8
< 1+2 2 =0
3 1+5 2 =0
:
4 1+ 2=0
che ha lunica soluzione ( 1; 2) = (0; 0). I due vettori x1 e x2 sono perci linearmente
indipendenti. N
82 CAPITOLO 3. STRUTTURA LINEARE

Esempio 19 Consideriamo i vettori

x1 = (2; 1; 1) ; x2 = ( 1; 1; 2) ; x3 = (2; 2; 2) ; x4 = (2; 4; 10)

Per vericare se questi vettori sono linearmente indipendenti in R3 , risolviamo il


sistema 8
< 2 1 2+2 3+2 4 = 0
1 2 2 3 4 4=0
:
1 2 2 2 3 10 4 = 0
Come abbiamo visto precedentemente, esso risolto dai vettori
10 2
t; 6t; t; t (3.3)
3 3
per ogni t 2 R e quindi, (0; 0; 0; 0) non lunica soluzione del sistema ed i vettori x1 ,
x2 , x3 e x4 sono perci linearmente dipendenti. Infatti, posto per esempio t = 1 in
(3.3), si ha che la quaterna
10 2
( 1; 2; 3; 4) = ; 6; ;1
3 3
1 2 3 4
un insieme di coe cienti reali non tutti nulli tale che 1x + 2x + 3x + 4x = 0.
N

I sottoinsiemi conservano lindipendenza lineare:

Proposizione 31 I sottoinsiemi di un insieme linearmente indipendente sono, a loro


volta, linearmente indipendenti.

La semplice dimostrazione lasciata al lettore, che anche invitato a vericare,


come esercizio, che se si aggiunge un vettore (pi duno) a un insieme linearmente
dipendente, linsieme rimane tale.

3.3 Combinazioni lineari


m
Denizione 18 Un vettore x 2 Rn si dice combinazione lineare dei vettori fxi gi=1 di
Rn se esistono m coe cienti reali f i gm
i=1 tali che

1 m
x= 1x + + mx

Esempio 20 In R3 consideriamo i due vettori e1 = (1; 0; 0) e e2 = (0; 1; 0). Un vettore


di R3 combinazione lineare di e1 e e2 se e solo se ha la forma ( 1 ; 2 ; 0) per 1 ; 2 2 R.
Infatti, ( 1 ; 2 ; 0) = 1 e1 + 2 e2 . N

Laver introdotto la nozione di combinazione lineare permette di enunciare una


notevole caratterizzazione della dipendenza lineare.
3.3. COMBINAZIONI LINEARI 83

Teorema 32 Un insieme nito S di Rn linearmente dipendente se e solo se esiste


almeno un elemento di S che combinazione lineare di altri elementi di S.
m
Dim. Solo se. Sia S = fxi gi=1 un insieme linearmente dipendente di Rn . Sia
2 k m il pi piccolo numero naturale tra 2 ed m tale che linsieme x1 ; :::; xk sia
m
linearmente dipendente. Male che vada, k uguale ad m poich per ipotesi fxi gi=1
linearmente dipendente. Per la denizione di dipendenza lineare, esistono quindi
k coe cienti reali f i gki=1 , non tutti nulli, tali che
1 2 k
1x + 2x + + kx =0

Si ha k 6= 0 perch altrimenti x1 ; :::; xk 1 sarebbe un insieme linearmente dipen-


dente, contraddicendo il fatto che k il pi piccolo numero naturale tra 2 ed m tale che
x1 ; :::; xk un insieme linearmente dipendente. Visto che k 6= 0, possiamo scrivere

1 2 k 1
xk = x1 + x2 + + xk 1
k k k

e quindi xk combinazione lineare dei vettori x1 ; :::; xk 1


. In altre parole, il vettore
xk di S combinazione lineare di altri elementi di S.
m
Se. Supponiamo che il vettore xk di un insieme nito S = fxi gi=1 sia combi-
nazione lineare di altri elementi di S. Senza perdita di generalit, assumiamo k = 1.
Esiste un insieme f i gmi=2 di coe cienti reali tali che

x1 = 2x
2
+ + mx
m

Deniamo i coe cienti reali f i gm


i=1 come segue

1 i=1
i =
i i 2

Per
Pm costruzione, f i gmi=1 un insieme di coe cienti reali non tutti nulli tali che
i
i=1 i x = 0. Infatti

X
m
i
ix = x1 + 2x
2
+ 3x
3
+ + mx
m
= x1 + x1 = 0
i=1

m
Ne segue che fxi gi=1 un insieme linearmente dipendente.

Esempio 21 Consideriamo in R3 i vettori x1 = (1; 3; 4), x2 = (2; 5; 1) e x3 = (0; 1; 7).


Si ha che x3 = 2x1 x2 , e quindi si pu applicare il Teorema 32 allinsieme fx1 ; x2 ; x3 g
ponendo k = 3. Ne segue che fx1 ; x2 ; x3 g un insieme linearmente dipendente.
immediato vericare come anche ognuno dei vettori nellinsieme fx1 ; x2 ; x3 g sia com-
binazione lineare degli altri due. Il prossimo esempio mostrer come ci non valga per
tutti gli insiemi di vettori linearmente dipendenti. N
84 CAPITOLO 3. STRUTTURA LINEARE

Esempio 22 Consideriamo in R3 i vettori x1 = (1; 3; 4), x2 = (2; 6; 8) e x3 = (2; 5; 1).


Si ha che x2 = 2x1 e quindi si pu applicare il Teorema 32 allinsieme fx1 ; x2 ; x3 g
ponendo k = 2. I tre vettori sono perci linearmente dipendenti. Si noti come x3
non sia combinazione lineare di x1 e x2 , ossia non esistono 1 ; 2 2 R tali che x3 =
1 2
1 x + 2 x . In conclusione, il Teorema 32 assicura che, in un insieme di vettori
linearmente dipendenti, alcuni di essi sono combinazione lineare di altri, ma non
detto che la propriet valga per tutti i vettori dellinsieme. Per esempio, tale propriet
valeva per tutti i vettori nei due esempi precedenti, ma non in questultimo. N

Il prossimo risultato unimmediata, ma fondamentale, conseguenza del Teorema


32.

Corollario 33 Un insieme nito S di Rn linearmente indipendente se e solo se


nessuno dei vettori nellinsieme S combinazione lineare di altri vettori in S.

3.4 Sottospazi generati


Sia fVi g la collezione di tutti i sottospazi vettoriali che contengono un insieme S di
vettori di Rn . La collezione non vuota perch, banalmente, Rn contiene S ed quindi
un
T elemento della collezione. Grazie alla Proposizione 30, lintersezione complessiva
n
V
i i di tutti tali sottospazi
T , a sua volta, un sottospazio vettoriale di R che contiene
S. Lintersezione i Vi quindi il pi piccolo (nel senso dellinclusione)Tsottospazio
vettoriale di Rn che contiene T S: per ogni tale sottospazio V si ha infatti i Vi V .
Il sottospazio vettoriale i Vi importantissimo ed detto sottospazio vettori-
ale generato da S, indicato con span S. In altre parole, span S il pi piccolo
allargamentodi S con la propriet di essere un sottospazio vettoriale.

Il prossimo importante risultato mostra come span S abbia una rappresentazione


concretain termini di combinazioni lineari di S.

Teorema 34 Sia S un sottoinsieme di Rn . Un vettore x 2 Rn appartiene a span S


se e solo se combinazione lineare di vettori di S, ossia se e solo se esiste un insieme
nito fxi gi2I di S ed un insieme f i gi2I di coe cienti reali tali che
X
i
x= ix
i2I

Dim. Se. Sia x 2 Rn una combinazione lineare di un insieme nito fxi gi2I di vettori
i 1 n n
di S. Per semplicit, poniamo fx Pgni2I = ifx ; :::; x g. Esiste quindi un insieme f i gi=1
di coe cienti reali tali che x = i=1 i x . Per la denizione di sottospazio vettoriale,
abbiamo 1 x1 + 2 x2 2 span S poich x1 ; x2 2 span S. A sua volta, ( 1 x1 + 2 x2 ) 2
spanPS implica ( 1 x1 + 2 x2 ) + 3 x3 2 span S, e cos continuando, si ottiene che
x = ni=1 i xi 2 span S, come desiderato.
3.4. SOTTOSPAZI GENERATI 85

Solo se. Sia V linsieme di tutti i vettori x di Rn esprimibili come combinazioni


lineari di vettori di S, ossia x 2 V se esistono insiemi niti fxi gi2I S e f i gi2I R
P
tali che x = ni=1 i xi . facile vedere come V sia un sottospazio vettoriale di Rn
contenente S. Ne segue che span S V e quindi ogni x 2 span S combinazione
lineare di vettori di S.

Prima di illustrare il Teorema 34 con un alcuni esempi, ne enunciamo una semplice


conseguenza.

Corollario 35 Sia S un sottoinsieme di Rn . Se x 2 Rn combinazione lineare di


vettori di S, allora span S = span (S [ fxg).

Esempio 23 Sia S = x1 ; :::; xk Rn . Per il Teorema 34 si ha


( )
X
k
span S = x 2 Rn : x = ix
i
con i 2 R per ogni i = 1; :::; k
i=1
( k )
X
i
= ix : i 2 R per ogni i = 1; :::; k
i=1

Esempio 24 Sia S = f(1; 0; 0) ; (0; 1; 0) ; (0; 0; 1)g R3 . Si ha

span S = x 2 R3 : x = 1 (1; 0; 0) + 2 (0; 1; 0) + 3 (0; 0; 1) con i 2 R per ogni i = 1; 2; 3


= f( 1 ; 2 ; 3 ) : i 2 R per ogni i = 1; 2; 3g = R3 :

Pi in generale, sia S = fe1 ; :::; en g Rn . Abbiamo


( )
X
n
span S = x 2 Rn : x = ie
i
con i 2 R per ogni i = 1; :::; n
i=1
= f( 1 ; :::; n) : i 2 R per ogni i = 1; :::; ng = Rn

Esempio 25 Se S = fxg, si ha span S = f x : 2 Rg. Per esempio, sia x = (2; 3) 2


R2 . Si ha:
span S = f(2 ; 3 ) : 2 Rg

ossia span S non altro che la retta passante per il punto x.


86 CAPITOLO 3. STRUTTURA LINEARE

y
6

3
2

0
O 2 x

-2

-4
-6 -4 -2 0 2 4 6

3.5 Basi
Per il Teorema 34, il sottospazio generato da un sottoinsieme S di Rn consiste di tutte
le combinazioni lineari dei vettori in S. Supponiamo che S sia un insieme linearmente
dipendente. Per il Teorema 32, alcuni vettori in S sono a loro volta esprimibili come
combinazioni lineari di altri elementi di S. Per il Corollario 35, tali vettori sono perci
ridondanti ai ni della generazione di span S. Infatti, se un vettore x in span S
combinazione lineare di vettori di S, per il Corollario 35 si ha

span S = span (S fxg)

dove S fxg linsieme S privato del vettore x.


Un insieme S linearmente dipendente contiene quindi alcuni elementi ridondanti ai
ni della generazione di span S. Ci non accade se, invece, S un insieme linearmente
indipendente, nel qual caso, per il Corollario 33, nessun vettore di S esprimibile come
combinazione lineare di altri elementi di S. In altre parole, quando S linearmente
indipendente, tutti i suoi vettori sono essenziali ai ni della generazione di span S.
Le considerazioni fatte ci portano ad introdurre la nozione di base.

Denizione 19 Un sottoinsieme nito S di Rn una base di Rn se S un insieme


linearmente indipendente tale che span S = Rn .

Se S una base di Rn si ha quindi:

1. ogni x 2 Rn rappresentabile come combinazione lineare di vettori in S.

2. tutti i vettori di S sono essenziali ai ni di questa rappresentazione: nessuno


ridondante.
3.5. BASI 87

Tale essenzialit di una base ai ni della rappresentazione come combinazioni


lineari degli elementi di Rn risulta evidente nel seguente risultato:
Teorema 36 Un sottoinsieme nito S di Rn una base di Rn se e solo se ogni x 2 Rn
si scrive in un sol modo come combinazione lineare di vettori in S.
Dim. Solo se. Sia S = fx1 ; :::; xm g una base di Rn . Supponiamo esistano due
insiemi di coe cienti reali f i gm m
i=1 e f i gi=1 tali che

X
m X
m
i i
x= ix = ix
i=1 i=1

Si ha quindi
X
m
i
( i i) x =0
i=1
ed essendo i vettori in S linearmente indipendenti, risulta i i = 0 per ogni i =
1; :::; m, ossia i = i per ogni i = 1; :::; m.
Se. Sia S = fx1 ; :::; xm g e supponiamo che ogni x 2 Rn si scriva in maniera
unica come combinazione lineare di vettori in S. Ovviamente, per il Teorema 34, si
ha Rn = span S. Resta da dimostrare che S un insieme linearmente indipendente.
Supponiamo che i coe cienti reali f i gm i=1 siano tali che

X
m
i
ix =0
i=1

Siccome si ha anche
X
m
0xi = 0
i=1
concludiamo che i = 0 per ogni i = 1; :::; m poich per ipotesi il vettore 0 si scrive in
un sol modo come combinazione lineare di vettori in S.
Esempio 26 La base canonica di Rn data dai vettori fe1 ; :::; en g. Ogni x 2 Rn si
scrive in maniera unica come combinazione lineare di questi vettori. In particolare:
X
n
1 n
x = x1 e + + xn e = xi ei (3.4)
i=1

ossia i coe cienti della combinazione lineare sono le componenti del vettore x. N
Ogni vettore di Rn ricostruibile come combinazione lineare dei vettori di una
base di Rn . In un certo senso, una base perci il codice genetico per uno spazio
vettoriale, contenente tutte le informazioni necessarie per identicarne gli elementi.
Poich ci sono pi basi di Rn , tali informazioni genetiche sono quindi sintetizzabili
in diversi insiemi di vettori. perci importante capire quali sono le relazioni tra le
diverse basi. Esse sono messe in luce dal prossimo teorema, le cui notevoli implicazioni
lo rendono il Deus ex machina del capitolo.
88 CAPITOLO 3. STRUTTURA LINEARE

Teorema 37 Per ogni insieme linearmente indipendente x1 ; :::; xk di Rn , con k


n
n, esistono n k vettori xk+1 ; :::; xn tali che linsieme complessivo fxi gi=1 una
base di Rn .

In ragione della sua importanza, diamo due diverse dimostrazioni del risultato. La
prima pi semplice, ma anche pi lunga e tediosa.

Dim. 1 Dimostriamo il teorema per induzione. Cominciamo perci con k = 1, ossia


da un singoletto fx1 g. Vogliamo mostrare che esistono n 1 vettori che aggiunti a x1
formano una base di Rn . Sia fy 1 ; :::; y n g una base di n elementi di Rn (per esempio,
quella formata dai versori fondamentali). Esistono coe cienti f i gni=1 R tali che

X
n
1 i
x = iy (3.5)
i=1

Siccome x1 6= 0, non tutti i coe cienti sono nulli (perch x1 6= 0?). Supponiamo, per
esempio, che 1 6= 0. Si ha

1 X
n
1 1 1 i
y = x iy
1 1 i=2

e quindi, per ogni insieme di coe cienti f i gni=1 R,


" #
Xn Xn
1 1 X n
1
X
n
1
i i i
iy = iy + 1 x1 iy
i
= 1
x + i yi
i=1 i=2 1 1 i=2 1 i=2 1

Ne segue che span (x1 ; y 2 ; :::; y n ) = span (y 1 ; y 2 ; :::; y n ), e dunque span (x1 ; y 2 ; :::; y n ) =
Rn . Mostriamo ora che i vettori fx1 ; y 2 ; :::; y n g sono linearmente indipendenti, cos da
poter concludere che fx1 ; y 2 ; :::; y n g una base di Rn .
Siano f i gni=1 R coe cienti tali che

X
n
1 i
1x + iy =0 (3.6)
i=2

Vogliamo mostrare che 1 = = n = 0. Si supponga che 1 6= 0. Si ha

X
n
1 i
x = yi
i=2 1

Pn
Daltra parte, per la (3.5) si ha x1 = i=1 iy
i
, e quindi

i
1 =0 e i = 8i = 2; :::; n
1
3.5. BASI 89

poich per il Teorema 36 il vettore x1 si scrive in maniera unica come combinazione


n
lineare della base fy i gi=1 .
Ma 1 = 0 contraddice lassunzione 1 6= 0 e siamo giunti a una contraddizione.
Concludiamo che 1 = 0. A questo punto, posto 1 = 0, la (3.6) si riduce a
X
n
i
iy =0
i=2

Siccome fy 2 ; :::; y n g un insieme linearmente indipendente (perch?), si ha quindi


2 = = n = 0, il che completa la dimostrazione che fx1 ; y 2 ; :::; y n g un in-
sieme linearmente indipendente di Rn e quindi una sua base. Il caso k = 1 dunque
dimostrato.
Supponiamo ora che il teorema sia vero per ogni insieme di k 1 vettori; vogliamo
mostrare che il teorema vero per ogni insieme di k vettori. Sia quindi x1 ; :::; xk un
insieme di k vettori linearmente indipendenti. Il sottoinsieme x1 ; :::; xk 1 linear-
mente indipendente ed ha k 1 elementi. Per lipotesi induttiva, esistono n (k 1)
vettori yek ; :::; yen tali che x1 ; :::; xk 1 ; yek ; :::; yen una base di Rn . Pertanto, esistono
coe cienti f i gni=1 R tali che

X
k 1 X
n
k i
x = ix + ei
iy (3.7)
i=1 i=k

Siccome i vettori x1 ; :::; xk 1 sono linearmente indipendenti, almeno uno dei coe -
P
cienti f i gni=k diverso da zero. Altrimenti si avrebbe xk = ki=11 i xi e il vettore xk
sarebbe combinazione lineare dei vettori x1 ; :::; xk 1 , il che per il Corollario 33 non
pu accadere. Sia, per esempio, k 6= 0. Si ha

1 X
k 1 X
n
i i
yek = xk + xi + yei
k i=1 k i=k+1 k

Per ogni insieme di coe cienti f i gni=1


R abbiamo
" #
X
k 1 X
n X
k 1
1 k X
k 1 X
n X
n
i i i i i i i
ix + e =
iy ix + k x + x + ye + ei
iy
i=1 i=k i=1 k i=1 k i=k+1 k i=k+1

X
k 1
k k
X
n
k
i i
= i xi + xk + i yei
i=1 k k i=k+1 k

e quindi

span x1 ; :::; xk ; yek+1 ; :::; yen = span x1 ; :::; xk 1 ; yek ; :::; yen = Rn

Rimane da mostrare che i vettori x1 ; :::; xk ; yek+1 ; :::; yen sono linearmente indipen-
denti.
90 CAPITOLO 3. STRUTTURA LINEARE

Siano f i gni=1 R coe cienti tali che

X
k X
n
i
ix + ei
iy =0 (3.8)
i=1 i=k+1

Vogliamo mostrare che 1 = = n = 0. Si supponga che k 6= 0. Si ha

X
k 1 X
n
k i i i
x = x + yei
i=1 k i=k+1 k

Essendo x1 ; :::; xk 1 ; yek ; :::; yen una base di Rn , il vettore xk si scrive in un sol modo
come loro combinazione lineare, e quindi la (3.7) implica che

i
i = per i = 1; :::; k 1 e i = k + 1; :::; n
k

mentre k = 0. Ci contraddice lassunzione k 6= 0 fatta precedentemente, il che ci


porta a concludere che k = 0. La (3.8) si riduce a

X
k 1 X
n
i
ix + ei
iy =0
i=1 i=k+1

ma i vettori x1 ; :::; xk 1 ; yek+1 ; :::; yen sono linearmente indipendenti (perch?), e quin-
di possiamo concludere che

1 = = k 1 = k+1 = = n =0

che mostra che x1 ; :::; xk ; yek ; :::; yen sono linearmente indipendenti e sono dunque una
base di Rn .

La seconda, pi ingegnosa, dimostrazione si basa sul seguente

Lemma 38 Siano fb1 ; :::; bn g una base di Rn . Se

x = c 1 b1 + : : : + c n bn

con ci 6= 0, allora fb1 ; :::; bi 1 ; x; bi+1 ; :::; bn g una base di Rn .

Si osservi che il risultato stato implicitamente usato anche nella precedente


dimostrazione4 .
4
Pi precisamente, stato usato al passo k = 1 dove dalla base y 1 ; y 2 ; :::; y n stata ricavata
la base x1 ; y 2 ; :::; y n , nonch al passo k 1 dove dalla base x1 ; :::; xk 1 ; yek ; yek+1 ; :::; yen stata
ricavata la base x1 ; :::; xk ; yek+1 ; :::; yen .
3.5. BASI 91

Dim. Senza perdita di generalit supponiamo che c1 6= 0. Dimostriamo che fx; b2 ; :::; bn g
una base di Rn . Poich c1 6= 0, si pu scrivere

1 c2 2 cn n
b1 = x b ::: b
c1 c1 c1

e quindi, per ogni scelta dei coe cienti f i gni=1 R, si ha


" #
X
n X
n
1 Xn
ci i 1
X
n
1 ci
i i
ib = ib + 1 x b = x+ i bi
i=1 i=2
c1 c
i=2 1
c1 i=2
c1

Ne segue che
span x; b2 ; :::; bn = span b1 ; b2 ; :::; bn = Rn
Resta da mostrare che linsieme fx; b2 ; :::; bn g linearmente indipendente, cos da
poter concludere che una base di Rn . Siano f i gni=1 R coe cienti per i quali

X
n
i
1x + ib = 0: (3.9)
i=2

Se 1 6= 0 risulta
X
n X
n
i i
x= bi = 0b1 + bi :
i=2 1 i=2 1

Dato che x si pu scrivere in un sol modo come combinazione lineare dei vettori della
n
base fbi gi=1 , possiamo concludere che c1 = 0, il che assurdo. Ci signica che 1 = 0
e la (3.9) si semplica in
X n
1 i
0b + i b = 0:
i=2

Essendo fb1 ; : : : ; bn g una base, risulta 2 = ::: = n =0= 1.

Dim. 2 del Teorema 37 Il Teorema vale per k = 1. Infatti, consideriamo Pn un


5
singoletto fxg, con x 6= 0, e la base canonica fe ; :::; e g di R . Poich x = i=1 xi ei ,
1 n n

esiste almeno un indice i tale che xi 6= 0. Per il Lemma 38, fe1 ; :::; ei 1 ; x; ei+1 ; :::; en g
una base di Rn .
Poich il Teorema vale per k = 1, sia 1 < k n il pi piccolo intero per il
quale la propriet del Teorema falsa. Per il Lemma 38, 1 < k n ed esiste un
1 k
insieme x ; :::; x linearmente indipendente tale che non esistono n k vettori di
Rn che, aggiunti a x1 ; :::; xk , formano una base di Rn . Dato che x1 ; :::; xk 1 , a
5
Si noti che un singoletto fxg linearamente indipendente quando x = 0 implica = 0, il che
equivale a richiedere x 6= 0.
92 CAPITOLO 3. STRUTTURA LINEARE

sua volta, linearmente indipendente, per la minimalit di k vi sono xk ; :::; xn tali che
x1 ; :::; xk 1 ; xk ; :::; xn formano una base di Rn . Ma allora

xk = c1 x1 + + ck 1 xk 1
+ ckk xk + + cnn xn

Dato che x1 ; :::; xk linearmente indipendente non pu accadere che ck = =


cn = 0 e perci cj 6= 0 per qualche indice j 2 fk; :::; ng. Per il Lemma 38

x1 ; :::; xk 1 ; xk ; :::; xj 1 ; xk ; xj+1 ; :::; xn

una base di Rn : assurdo.

Il prossimo risultato una semplice, ma importante, conseguenza del Teorema 37.

Corollario 39 (i) Ogni insieme linearmente indipendente di Rn con n elementi una


sua base.

(ii) Ogni insieme linearmente indipendente di Rn ha al pi n elementi.

Dim. (i) Basta porre k = n nel Teorema 37. (ii) Sia S un insieme linearmente indipen-
dente in Rn . Consideriamo prima il caso di S nito e poniamo quindi S = x1 ; :::; xk .
Vogliamo mostrare che k n. Per contraddizione, si supponga k > n. Allora,
fx1 ; :::; xn g a sua volta un insieme linearmente indipendente e per laermazione (i)
una base di Rn . Quindi, i vettori xn+1 ; :::; xk sono combinazione lineare dei vettori
fx1 ; :::; xn g, il che, per il Corollario 33, contraddice il fatto che i vettori x1 ; :::; xk
siano linearmente indipendenti. Quindi k n, il che completa la dimostrazione.

Siamo nalmente giunti al risultato principale della sezione.

Teorema 40 Ogni base di Rn ha lo stesso numero n di elementi.

In altre parole, bench linformazione genetica di Rn sia codicabile in diversi


insiemi di vettori, ossia in diverse basi, tali insiemi hanno lo stesso numero (e nito)
di elementi, cio la stessa lunghezza. Il numero n pu quindi vedersi come la di-
mensione dello spazio Rn ; del resto naturale pensare che uno spazio Rn sia tanto pi
grandequanti pi elementi hanno le sue basi, ossia quanto pi grande la quantit
di informazioni che occorre per identicare i suoi elementi.
In conclusione, il numero n che emerge dal Teorema 40 indica la dimensionedi Rn
e, in un certo senso, ne giustica lapice n. In particolare, tale nozione di dimensione
rende rigorosa lidea intuitiva che lo spazio Rn pi grande dello spazio Rm quando
m < n. Esso pi grande perch occorre maggior informazione, cio basi di maggior
cardinalit, per codicarne gli elementi.

Dim. Supponiamo che Rn abbia una base di n elementi. Per la parte (ii) del Corollario
39, ogni altra base di Rn pu avere al pi n elementi. Sia x1 ; :::; xk una generica altra
3.6. BASI DI SOTTOSPAZI 93

base di Rn . Mostriamo che non pu essere k < n, cos da poter concludere che k = n.
Supponiamo che k < n. Per il Teorema 37 esisterebbero n k vettori xk+1 ; :::; xn
tali che linsieme x1 ; :::; xk ; xk+1 ; :::; xn sarebbe una base di Rn . Ci contraddice
per lassunzione che x1 ; :::; xk sia una base di Rn poich i vettori xk+1 ; :::; xn
non sono combinazione lineare dei vettori x1 ; :::; xk , essendo fx1 ; :::; xn g un insieme
linearmente indipendente. In conclusione, non si pu avere k < n e quindi k = n.

3.6 Basi di sottospazi


Le nozioni introdotte nella sezione precedente per Rn si estendono in modo naturale
ai suoi sottospazi vettoriali V . Infatti, anche per essi siamo interessati a sottoinsiemi
niti che ne racchiudano tutta linformazione essenziale.

Denizione 20 Sia V un sottospazio vettoriale di Rn . Un sottoinsieme nito S di V


una base di V se S un insieme linearmente indipendente tale che span S = V .

Anche le basi di sottospazi vettoriali permettono di rappresentare ogni vettore del


sottospazio come loro combinazione lineare, e tale rappresentazione essenziale, priva
di ridondanze.
I risultati della sezione precedente si generalizzano facilmente6 . Cominciamo con
il Teorema 36.

Teorema 41 Sia V un sottospazio vettoriale di Rn . Un sottoinsieme nito S di V


una base di V se e solo se ogni x 2 V si scrive in un sol modo come combinazione
lineare di vettori in S.

Esempio 27 (i) Lasse delle ascisse M = fx 2 R2 : x2 = 0g un sottospazio vettoriale


di R2 . Il singoletto fe1 g M una sua base. (ii) Il piano M = fx 2 R3 : x3 = 0g
un sottospazio vettoriale di R3 . Linsieme fe1 ; e2 g M una sua base. N

Poich V sottoinsieme di Rn , esso avr al pi n vettori linearmente indipendenti.


In particolare, vale la seguente generalizzazione del Teorema 37.

Teorema 42 Sia V un sottospazio vettoriale di Rn con una base di m n elementi.


Per ogni insieme linearmente indipendente di vettori v 1 ; :::; v k , con k m, esistono
m
m k vettori v k+1 ; :::; v m tali che linsieme complessivo fv i gi=1 una base di V .

A sua volta, il Teorema 42 porta alla seguente estensione del Teorema 40.

Teorema 43 Ogni base di un sottospazio vettoriale di Rn ha lo stesso numero di


elementi.
6
Le dimostrazione dei risultati della sezione sono lasciate al lettore perch analoghe a quelle
dellultima sezione.
94 CAPITOLO 3. STRUTTURA LINEARE

Sebbene, alla luce del Teorema 40, il risultato non sia una sorpresa, rimane di
grande eleganza perch mostra come, al di l della loro diversit, le basi condividono
una caratteristica fondamentale qual la cardinalit.
Ci motiva la prossima denizione, implicita nella discussione che ha seguito il
Teorema 40.
Denizione 21 La dimensione di un sottospazio vettoriale V di Rn il numero di
elementi di ogni sua base.
Per il Teorema 43 tale numero unico, e lo indichiamo con dim V . La nozione
di dimensione rende interessante questa sezione (che altrimenti sarebbe una mera
rivisitazione dei risultati della sezione precedente), come mostrano i prossimi esempi.
Esempio 28 Nel caso speciale V = Rn si ha dim Rn = n, il che rende rigorosa la
discussione che ha seguito il Teorema 40. N
Esempio 29 (i) Lasse delle ascisse un sottospazio vettoriale di dimensione uno di
R2 . (ii) Il piano M = fx = (x1 ; x2 ; x3 ) 2 R3 : x1 = 0g un sottospazio vettoriale di
dimensione due di R3 : N
Esempio 30 Se V = f0g, ossia se V il sottospazio vettoriale banale costituito dalla
sola origine 0, si pone dim V = 0. Daltra parte, V non contiene vettori linearmente
indipendenti (perch?) e ha quindi come base linsieme vuoto f;g. N

3.7 Titoli nanziari


Consideriamo un mercato nanziario sul quale sono quotate attivit nanziarie (titoli).
Il mercato osservato in due sole date: 0 (oggi) e 1 (una data futura). Ciascuna attivit
nanziaria aleatoria: il suo pagamento nale in data 1 assume valori (potenzialmente
diversi) in m diversi stati del mondo che diremo ! 1 ; ! 2 ; : : : ; ! m ; chiameremo
= f! 1 ; ! 2 ; : : : ; ! m g
il loro insieme. Ogni titolo si pu descrivere come un vettore
y = (y1 ; y2 ; :::; ym )
di Rm , dove yi il pagamento nale del titolo in data 1 qualora si realizzi lo stato ! i .
Esempio 31 Supponiamo che i pagamenti dei titoli dipendano dallo stato dellecono-
mia, che pu essere di tre tipi:
! 1 = recessione, ! 2 = stasie ! 3 = crescita
Ogni titolo si pu descrivere come un vettore
y = (y1 ; y2 ; y3 )
di R3 , in cui yi il pagamento del titolo nel caso la stato ! i si realizzi, per i = 1; 2; 3.
N
3.7. TITOLI FINANZIARI 95

Supponiamo che sul mercato siano quotati n titoli

L = y 1 ; :::; y n Rm

dove L sta per listino7 . Indichiamo con

y k = (y1k ; :::; ymk ) 2 Rm

uno di tali titoli, per k = 1; 2; :::; n, sicch yik il pagamento nale del k-esimo titolo
qualora si realizzi lo stato ! i . Il mercato aperto in data 0 per operazioni di com-
pravendita dei titoli quotati. Facciamo lipotesi che il mercato sia perfetto: tutti
i titoli si possono acquistare o vendere allo scoperto in qualunque quantit (anche
enorme o piccolissima) allo stesso prezzo (i prezzi dacquisto coincidono cos con i
prezzi di vendita: non vi sono cio n dierenze denaro-lettera, n costi di transazione
o imposte e nemmeno sconti di quantit).
Una combinazione lineare di titoli
Xn
xk y k
k=1

detta portafogli e signica acquistare (se xs > 0) o vendere (se xs < 0) xk unit dei
vari titoli. Sia w 2 Rm un prolo di pagamenti nei vari stati. Se il vettore w tale che
Xn
w= xk y k
k=1

si usa dire che il portafogli identicato dalla combinazione lineare dei titoli quotati
con pesi xk , o brevemente dal vettore

x = (x1 ; x2 ; : : : ; xn ) 2 Rn

replica il vettore w. In altre parole, i vettori di Rm replicati da portafogli sono tutti


i proli di pagamenti aleatori che si possono costruire sul mercato tramite opportune
operazioni di compravendita degli n titoli quotati. Il sottospazio vettoriale generato
dai titoli quotati contiene tutti e soli i vettori di pagamenti replicabili. Indichiamolo
con M (come mercato):
M = span L
Linsieme dei pagamenti aleatori replicabili sul mercato formano dunque un sottospazio
vettoriale di Rm .

Se gli n titoli del listino sono linearmente dipendenti, alcuni di essi sono inutili
perch risultano replicabili (cio ricostruibili) attraverso portafogli degli altri titoli.
Per esempio, dei tre titoli con i vettori

(3; 7; 4) ; ( 1; 2; 1) ; (18; 40; 10) 2 R3


7
Per listino intendiamo quindi linsieme dei titoli quotati.
96 CAPITOLO 3. STRUTTURA LINEARE

di pagamenti nali, lultimo superuo: pu essere ottenuto con il portafogli composto


da 4 unit del primo titolo e da 6 unit del secondo.
Quindi, se i vettori y 1 ; y 2 ; : : : ; y n sono linearmente dipendenti, il loro insieme pu
essere ristretto a un pi piccolo insieme

fyi gi2I L

di vettori linearmente indipendenti tali che

M = span fyi gi2I (3.10)

Sia 1 h n il massimo numero di tali vettori linearmente independenti, cio h = jIj.


Il sottospazio vettoriale M ha dimensione h. In particolare:

(i) se h = m dalla (3.10) segue che M = Rm , i vettori generano tutto Rm . In


questo caso, con portafogli di titoli quotati, si pu ottenere qualsiasi vettore di
pagamenti nali: il mercato detto completo.

(ii) Se h < m, il mercato M un sottospazio vettoriale proprio, di dimensione h, di


Rm e non tutti i vettori di pagamenti nali sono replicabili attraverso portafogli:
il mercato detto incompleto. Intuitivamente, la dierenza m h indica il grado
di incompletezza del mercato.

Siamo quindi giunti a una prima fondamentale classicazione dei mercati nanziari,
basata sulle nozioni di algebra lineare studiate.
Nel Capitolo 14 proseguiremo lo studio dei mercati nanziari qui intrapreso. Da
ultimo, osserviamo che i vettori fondamentali fe1 ; e2 ; :::; em g di Rm rappresentano titoli
(in genere ttizi) che pagano 1 euro se si vericher un ben preciso stato del mondo.
Essi sono detti titoli elementari (o secondo Arrow) e rappresentano assicurazioni per-
fette contro i vari stati del mondo: il generico ei 2 Rm paga 1 se si verica ! i oppure
0 negli altri stati del mondo. Essi generano lintero spazio Rm , cio M = Rm , e quindi
formano un mercato completo che replica tutti i vettori w 2 Rm . Bench ttizi, nella
Sezione 14.10 vedremo che i titoli elementari sono importanti per discutere di sistemi
di prezzo di mercato.
Capitolo 4

Struttura euclidea

4.1 Valore assoluto e norma


4.1.1 Prodotto interno
Le operazioni di somma e moltiplicazione scalare e loro propriet determinano la strut-
tura lineare di Rn . Loperazione di prodotto interno e le sue propriet caratterizzano
invece la struttura euclidea di Rn , che studieremo nel capitolo.
Ricordiamo dalla Sezione 2.2 che il prodotto interno x y di due vettori in Rn
denito come
X
n
x y = x1 y1 + x2 y2 + + xn yn = xi yi
i=1

e che esso commutativo, x y = y x, e distributivo, ( x + y) z = (x z)+ (y z).


Si noti, inoltre, che
X n
x x= x2i 0
i=1

La somma dei quadrati delle coordinate di un vettore non altro che il prodotto interno
del vettore per s stesso. Questa semplice osservazione sar centrale nel capitolo perch
permetter di denire la fondamentale nozione di norma usando il prodotto interno.
Al riguardo si osservi che x x = 0 se e solo se x = 0: la somma di quadrati nulla se
e solo se sono nulli tutti gli addendi.

Prima di studiare la norma introduciamo il valore assoluto, che la versione scalare


della norma e che il lettore forse gi conosce.

4.1.2 Valore assoluto


Il valore assoluto jxj di un numero x 2 R

x se x 0
jxj =
x se x < 0

97
98 CAPITOLO 4. STRUTTURA EUCLIDEA

Per esempio, j5j = j 5j = 5. Il valore assoluto gode delle seguenti propriet elementari
che lasciamo vericare al lettore:

(i) jxj 0 per ogni x 2 R;

(ii) jxj = 0 se e solo se x = 0;

(iiii) jxyj = jxj jyj per ogni x; y 2 R.

(iv) jx + yj jxj + jyj per ogni x; y 2 R.

La propriet (iv) detta disuguaglianza triangolare. Unaltra propriet importante


del valore assoluto
jxj < c () c < x < c, 8c > 0 (4.1)
p
Ricordiamo che abbiamo gi convenuto di considerare solo
p la radice positiva x di
x, x 0 (la cosiddetta radice aritmetica): per esempio, 25 = 5. Formalmente, ci
equivale ad assumere
p
x2 = jxj 8x 2 R (4.2)

Lasciamo al lettore la verica di (4.1) e (4.2).

4.1.3 Norma
La norma generalizza la nozione di valore assoluto a Rn . In particolare, la norma
(euclidea) di un vettore x 2 Rn , indicata con kxk, data da

1
q
kxk = (x x) 2 = x21 + x22 + + x2n

Quando n = 1, la norma si riduce al valore assoluto; infatti, grazie alla (4.2) si ha


p
kxk = x2 = jxj 8x 2 R
q p
Per esempio, se x = 4 si ha kxk = ( 4)2 = 16 = 4 = j 4j = jxj. Quindi, la
norma in Rn eettivamente generalizza il valore assoluto in R.

Geometricamente la norma di un vettore non altro che la lunghezza del segmento


che lo rappresenta.
p Per n = 2 tale lunghezza, per il Teorema di Pitagora, infatti
proprio kxk = x1 + x22 .
2
4.1. VALORE ASSOLUTO E NORMA 99

1 x
2
||x||
0
O x
1

-1

-2
-3 -2 -1 0 1 2 3 4 5

Norma del vettore x:

Per n = 3 vale una simile interpretazione geometrica, che ovviamente si perde per
n 4.
p p
Esempio 32 (i) se x = (1; 1) 2 R2 , si ha kxk = 12 + ( 1)2 = 2;

(ii) se x = (a; a2 ) 2 R2 , con a 2 R, si ha


q p p
kxk = a2 + (a2 )2 = a2 + a4 = jaj 1 + a2
p p
(iii) se x = (a; 2a; a) 2 R3 , si ha kxk = a2 + (2a)2 + ( a)2 = jaj 6;
p
(iv) se x = 2; ; 2; 3 2 R4 , si ha
q
p 2 p p
kxk = 22 + 2 + 2 + 32 = 4 + 2 + 2 + 9 = 15 + 2

La norma gode di alcune propriet elementari che estendono a Rn quelle viste per
il valore assoluto. Il prossimo risultato raccoglie le pi semplici.

Proposizione 44 Siano x; y arbitrari vettori in Rn e 2 R. Allora:

(i) kxk 0;

(ii) kxk = 0 se e solo se x = 0;


100 CAPITOLO 4. STRUTTURA EUCLIDEA

(iii) k xk = j j kxk.

Dim. Verichiamo perpesempio la (ii), lasciando al lettore le altre. Se x = 0 =


(0; 0; :::; 0), si ha kxk = 0 + 0 + + 0 = 0; viceversa, se kxk = 0, si ha

0 = kxk2 = x21 + x22 + + x2n (4.3)

Siccome x2i 0 per ogni i = 1; 2; ; n, da (4.3) segue che x2i = 0 per ogni i =
1; 2; ; n poich una somma di numeri non negativi nulla solo se sono tutti nulli.

La propriet (iii) estende la propriet jxyj = jxj jyj del valore assoluto. La cele-
bre disuguaglianza di Cauchy-Schwarz una diversa, e pi sottile, estensione di tale
propriet.

Proposizione 45 (Cauchy-Schwarz) Risulta, per ogni x; y 2 Rn ,

jx yj kxk kyk (4.4)

Vale luguaglianza se e solo se i vettori x e y sono linearmente dipendenti.

La (4.4) la disuguaglianza di Cauchy-Schwarz.

Dim. Se x = 0 oppure y = 0, si ha banalmente jx yj = kxk kyk = 0. Supponiamo


perci che entrambi i vettori non siano nulli. Per ogni t 2 R, si ha
X
n
2
X
n X
n X
n
(x ty) (x ty) = (xi tyi ) = x2i 2t 2
xi yi + t yi2 0
i=1 i=1 i=1 i=1

Ponendo Pn
xi yi
t = Pi=1
n 2
i=1 yi
si ha
X Pn X Pn
xi yi X 2
n n 2 n
x i y i
0 x2i i=1
2 Pn 2 xi yi + Pn 2 i=1
yi
i=1 i=1 yi i=1 i=1 yi i=1
Xn P 2 P 2
( ni=1 xi yi ) ( ni=1 xi yi )
= x2i 2 Pn 2 + Pn 2
i=1 i=1 yi i=1 yi
0 !2 1
X
n Pn 2 X n X n Xn X n
( i=1 xi yi )
= x2i Pn 2 = yi2 @ x2i yi2 xi yi A
i=1
y
i=1 i i=1 i=1 i=1 i=1

Pn
Poich i=1 yi2 > 0, si ha quindi
!2
X
n X
n X
n
x2i yi2 xi yi 0
i=1 i=1 i=1
4.1. VALORE ASSOLUTO E NORMA 101

cio !2
X
n X
n X
n
xi yi x2i yi2
i=1 i=1 i=1

Prendendo la radice di entrambi i membri:


v !2 v v v
u n u n u n u n
Xn u X uX X n
uX uX
xi yi = t x i yi t x2i yi2 = t x2i t yi2 = kxk kyk
i=1 i=1 i=1 i=1 i=1 i=1

si ottiene la (4.4).

La disuguaglianza vale come uguaglianza quando y = 0 oppure x = 0 oppure


quando xi tyi = 0 per ogni i = 1; 2; : : : ; n, cio quando i due vettori sono uno
multiplo dellaltro: in breve, quando uno dei due vettori multiplo dellaltro secondo
un coe ciente eventualmente nullo. Come il lettore pu vericare, ci accade se e solo
se essi sono linearmente dipendenti.

La disuguaglianza di Cauchy-Schwarz ci consente di dimostrare la disuguaglianza


triangolare, completando in tal modo lestenzione alle norme delle propriet (i)-(iv)
del valore assoluto.

Corollario 46 Risulta, per ogni x; y 2 Rn ,

kx + yk kxk + kyk (4.5)

La (4.5) la disuguaglianza triangolare per la norma.

Dim. Quadrando, la (4.5) diventa

kx + yk2 kxk2 + kyk2 + 2 kxk kyk ;

cio ! 21 ! 12
X
n X
n X
n X
n X
n
(xi + yi )2 x2i + yi2 + 2 x2i yi2 ;
i=1 i=1 i=1 i=1 i=1

ovvero, semplicando,
! 12 ! 12
X
n X
n X
n
xi yi x2i yi2
i=1 i=1 i=1

che vera per la disuguaglianza di Cauchy-Schwarz.


p p
Un vettore di norma unitaria detto versore. Nella gura i vettori 2=2; 2=2
p
e 3=2; 1=2 sono due versori di R2 :
102 CAPITOLO 4. STRUTTURA EUCLIDEA

x
2
y

0
O
-1

-2
-3 -2 -1 0 1 2 3 4 5

Si noti che, per ogni x 6= 0, il vettore


1
v= x
kxk
un versore: si tratta semplicemente di normalizzare x dividendolo per la sua
lunghezza. In particolare
e1 = (1; 0; 0; ::; 0)
e2 = (0; 1; 0; :::; 0)

en = (0; 0; :::; 0; 1)
sono i versori fondamentali di Rn introdotti nel Capitolo 3. Per vedere la ragione del
loro impegnativo aggettivo, si osservi che in R2 essi sono
e1 = (1; 0) e e2 = (0; 1)
e giacciono sullasse delle ascisse e delle ordinate, rispettivamente. In particolare, i
quattro versori f e1 ; e2 g sono i versori che appartengono agli assi cartesiani di R2 .
In R3 i versori fondamentali sono
e1 = (1; 0; 0) ; e2 = (0; 1; 0) e e3 = (0; 0; 1)
e anche in questo caso i sei versori f e1 ; e2 ; e3 g sono i versori che appartengono
agli assi cartesiani di R3 .

4.2 Ortogonalit
La Sezione A.3 dellappendice mostra come due vettori x e y del piano si possano
vedere come perpendicolari quando il loro prodotto interno nullo, cio x y = 0. Ci
suggerisce la:
4.2. ORTOGONALIT 103

Denizione 22 Due vettori x; y 2 Rn si dicono ortogonali (o perpendicolari) quando

x y=0

Quando x e y sono ortogonali si scrive x?y. Dalla commutativit del prodotto


interno segue che x?y equivalente a y?x.

Esempio 33 (i) Due versori fondamentali sono ortogonali. Per esempio, per e1 ed e2
in R3 si ha
e1 e2 = (1; 0; 0) (0; 1; 0) = 0
p p p
(ii) I vettori 2=2; 6=2 e 3=2; 1=2 sono ortogonali:
p p ! p ! p p
2 6 3 1 6 6
; ; = + =0
2 2 2 2 4 4

La nozione di ortogonalit centrale, come ben illustra il celeberrimo:

Teorema 47 (Pitagora) Siano x; y 2 Rn . Se x?y,

kx + yk2 = kxk2 + kyk2 :

Dim. Si ha

kx + yk2 = (x + y) (x + y) = kxk2 + x y + y x + kyk2 = kxk2 + kyk2

come desiderato.

Il classico Teorema di Pitagora il caso n = 2. Grazie alla nozione di ortogonalit


ne abbiamo la versione generale per Rn .

Lortogonalit si estende in modo naturale a insiemi di vettori.

Denizione 23 Un insieme di vettori fxi gki=1 di Rn si dice ortogonale se i suoi vettori


sono, a due a due, ortogonali.

Linsieme fe1 ; :::; en g dei versori fondamentali lesempio pi classico di insieme


ortogonale.

Una notevole propriet degli insiemi ortogonali la lineare indipendenza.

Proposizione 48 Un insieme ortogonale linearmente indipendente.


104 CAPITOLO 4. STRUTTURA EUCLIDEA

Dim. Sia fxi gki=1 un insieme ortogonale di Rn . Sia f i gki=1 un insieme di scalari tali
P
che ki=1 i xi = 0. Dobbiamo mostrare che 1 = 2 = = k = 0. Si ha
!
X
k X
k X
k
0 = ( j xj 0) = j xj i xi
j=1 j=1 i=1
! ! !
X
k X
k X
k
= 1 x1 i xi + 2 x2 i xi + + k xk i xi
i=1 i=1 i=1
! !
X
k X
k
2 2 2 2
= 1 x1 + 1 x1 i xi + 2 x2 + 2 x2 1 x1 + i xi
i=2 i=3
!
X
k 1
2 2
+ + k xk + k xk i xi
i=1
X
k
2 2 2 2
= 1 x1 + ( 1 x1 i xi ) + 2 x2 + 2 x2 1 x1
i=2
X
k X
k 1
2 2
+ ( 2 x2 i xi ) + + k xk + ( k xk i xi )
i=3 i=1
X
k
2 2
= i xi
i=1

Quindi,
X
k
2 2
0= i xi
i=1

il che implica 1 = 2 = = k = 0, come desiderato.

Un insieme ortogonale composto da vettori di norma unitaria, cio da versori,


detto ortonormale. Linsieme fe1 ; :::; en g dei versori fondamentali , per esempio,
ortonormale. In generale, dato un insieme ortogonale fxi gki=1 di vettori di Rn , linsieme
k
xi
kxi k i=1

ottenuto dividendo ogni elemento per la sua norma ortonormale. Infatti,

xi 1
= kxi k = 1
kxi k kxi k
e
xi xj 1
= xi xj = 0
kxi k kxj k kxi k kxj k
4.2. ORTOGONALIT 105

Esempio 34 Si considerino i seguenti tre vettori ortogonali di R3 :


x1 = (1; 1; 1) ; x2 = ( 2; 1; 1) ; x3 = (0; 1; 1)
Si ha p p p
x1 = 3 ; x2 = 6 ; x3 = 2
Dividendo ciascun vettore per la sua norma, si ottengono i vettori ortonormali:
x1 1 1 1 x2 2 1 1 x3 1 1
= p ;p ;p ; = p ;p ;p ; = 0; p ;p
kx1 k 3 3 3 kx2 k 6 6 6 kx3 k 2 2
In particolari, i tre vettori formano una base ortonormale. N
Le basi ortonormali di Rn , in primis quella composta dai versori fondamentali, sono
le pi importanti tra le basi di Rn poich per esse facile determinare i coe cienti
delle combinazioni lineari che rappresentano i vettori di Rn :
Proposizione 49 Sia fx1 ; x2 ; :::; xn g una base ortonormale di Rn . Per ogni y 2 Rn ,
si ha
Xn
1 1 2 2 n n
y = (y x )x + (y x )x + + (y x )x = (y xi )xi
i=1

I coe cienti y xi si dicono coe cienti di Fourier.

Dim. Poich fx1 ; x2 ; :::; xn g una base, esistono n scalari 1; 2 ; :::; n tali che
X
n
i
y= ix
i=1

Per i = 1; 2; :::n il prodotto scalare y xj :


X
n
j i
y x = i (x xj )
i=1

Siccome fx1 ; x2 ; :::; xn g ortonormale si ha


0 se i 6= j
xi xj =
1 i=j
Quindi y xj = j, da cui segue lasserto.

Per la base canonica fe1 ; e2 ; :::; en g per ogni y = (y1 ; :::; yn ) 2 Rn si ha y ei = yi e


si ritrova cos la (3.4), cio
Xn
y= yi ei
i=1
Il prossimo esempio considera una diversa base ortonormale.
106 CAPITOLO 4. STRUTTURA EUCLIDEA

Esempio 35 Si consideri la base ortonormale di R3 dellultimo esempio:


1 1 1 2 1 1 1 1
x1 = p ;p ;p ; x2 = p ;p ;p ; x3 = 0; p ;p
3 3 3 6 6 6 2 2
Consideriamo, per esempio, il vettore y = (2; 3; 4). Poich
9 3 1
x1 y = p ; x2 y = p ; x3 y = p
3 6 2
si ha

y = x1 y x1 + x2 y x2 + x3 y x3
9 1 1 1 3 2 1 1 1 1 1
= p p ;p ;p +p p ;p ;p +p 0; p ;p
3 3 3 3 6 6 6 6 2 2 2
N

Chiudiamo mostrando che il Teorema di Pitagora si estende agli insiemi ortogonali.

Proposizione 50 Per un insieme ortogonale fxi gki=1 di vettori di Rn si ha


2
X
k X
k
xi = kxi k2
i=1 i=1

Dim. Dimostriamo il risultato per induzione. Gi sappiamo che il risultato vale per
k = 2. Supponiamo che esso valga per k 1, cio
2
X
k 1 X
k 1
xi = kxi k2 (4.6)
i=1 i=1
Pk 1
Mostriamo che ci ne implica la validit per k. Si osservi che, posto y = i=1 xi , si
ha y?xk . Infatti, !
X
k 1 X
k 1
y x= xi xk = xi xk = 0
i=1 i=1

Grazie al Teorema di Pitagora e alla (4.6) si ha:


2 2
X
k X
k 1
xi = xi + xk = ky + xk k2 = kyk2 + kxk k2
i=1 i=1
2
X
k 1
2
X
k 1
2 2
X
k
= xi + kxk k = kxi k + kxk k = kxi k2
i=1 i=1 i=1

come desiderato.
Capitolo 5

Struttura topologica

In questo capitolo daremo la fondamentale nozione di distanza tra punti di Rn e ne


studieremo le principali conseguenze.

5.1 Distanze
La norma, studiata nella Sezione 4.1, consente di denire la distanza in Rn . Cominci-
amo con n = 1, quando la norma prende la veste di valore assoluto jxj. Consideriamo
due punti x e y sulla retta, con x > y,

-1

-2

-3
-4 -2 0 2 4 6

Distanza tra x e y:

La distanza tra i due punti x y, ossia la lunghezza del segmento che li congiunge.
Daltra parte, se si prendono due punti qualsiasi x e y sulla retta, senza saperne lordine
(cio, se x y o x y), la distanza diventa

jx yj

107
108 CAPITOLO 5. STRUTTURA TOPOLOGICA

ossia il valore assoluto della loro dierenza. Infatti,

x y se x y
jx yj =
y x se x < y

e quindi il valore assoluto della dierenza fornisce la distanza tra i due punti indipen-
dentemente dal loro ordine. In simboli, possiamo scrivere

d (x; y) = jx yj 8x; y 2 R

In particolare, d (0; x) = jxj e quindi il valore assoluto, o, equivalentemente, la norma


di un punto x 2 R pu vedersi come la sua distanza dallorigine.
Consideriamo ora n = 2. Prendiamo due vettori x = (x1 ; x2 ) e y = (y1 ; y2 ) in R2 :

y
2
2

1 x
2

0
O y x
1 1

-1

-2
-3 -2 -1 0 1 2 3 4 5

Distanza tra x = (x1 ; x2 ) e y = (y1 ; y2 ) in R2 :

La distanza tra i due vettori x e y data dalla lunghezza del segmento che li congiunge.
Grazie al Teorema di Pitagora, tale distanza

q
d(x; y) = (x1 y1 )2 + (x2 y2 )2 (5.1)

poich lipotenusa del triangolo rettangolo che ha come cateti i segmenti che con-
giungono xi e yi per i = 1; 2.
5.1. DISTANZE 109

3
y
y
2
2

x x
1
2

0
O y x
1 1

-1

-2
-3 -2 -1 0 1 2 3 4 5

Osserviamo che la distanza (5.1) altro non che la norma del vettore x y (e anche
di y x), cio:
d (x; y) = kx yk
La distanza tra due vettori in R2 quindi data dalla norma della loro dierenza.
facile vedere che, applicando di nuovo il Teorema di Pitagora, anche la distanza tra
due vettori x e y in R3 data da
q
d(x; y) = (x1 y1 )2 + (x2 y2 )2 + (x3 y3 )2

e quindi si ha ancora:
d (x; y) = kx yk
A questo punto generalizziamo la nozione di distanza a n qualsiasi.

Denizione 24 Si dice distanza ( euclidea) d (x; y) tra due vettori x e y in Rn la


norma della loro dierenza: d (x; y) = kx yk.

In particolare, si ha d(x; 0) = kxk, ossia la norma kxk di un vettore x 2 Rn pu


vedersi come la sua distanza dal vettore 0, cio, come s gi detto, come la lunghezza
del segmento che rappresenta x.

Vale la seguente proposizione per distanze tra vettori di Rn , la cui semplice di-
mostrazione (basta applicare le denizioni) lasciata al lettore.

Proposizione 51 Siano x; y due arbitrari vettori in Rn . Allora:

(i) d (x; y) 0;

(ii) d (x; y) = 0 , x = y;
110 CAPITOLO 5. STRUTTURA TOPOLOGICA

(iii) d (x; y) = d (y; x);

(iv) d (x; y) d (x; z) + d (z; y) per ogni z 2 Rn .

Le (i)-(iv) sono tutte propriet naturali per la nozione di distanza. La (i) aerma
che una distanza sempre una quantit positiva, la (ii) che nulla solo quando i vettori
in esame sono uguali, mentre vettori diversi hanno sempre una distanza non nulla. La
(iii) aerma che la distanza una nozione simmetrica: nel misurarla non conta da
quale dei due vettori si parte. Inne, la (iv) la cosiddetta disuguaglianza triangolare:
per esempio, la distanza tra Milano (x) e Roma (y) non pu superare la somma delle
distanze tra Milano e qualsiasi altra localit z e tra tale z e Roma.

Esempio 36 (i) Se x = (1=3) e y = 1=3, si ha

1 1 2 2
d (x; y) = = = ;
3 3 3 3

(ii) se x = a e y = a2 con a 2 R, si ha d (x; y) = d (a; a2 ) = ja a2 j = jaj j1 aj;

(iii) se x = (1; 3) e y = (3; 1), si ha


p p p
d (x; y) = (1 3)2 + ( 3 ( 1))2 = 8 = 2 2;

(iv) se x = (a; b) e y = ( a; b), si ha


p p p
d (x; y) = (a ( a))2 + (b b)2 = (2a)2 + 0 = 4a2 = 2 jaj ;

(v) se x = (0; a; 0) e y = (1; 0; a), si ha


p p p
d (x; y) = (0 1)2 + (a 0)2 + (0 ( a))2 = 12 + a2 + a2 = 1 + 2a2 :

5.2 Intorni
Denizione 25 Si dice intorno (sferico) di centro x0 2 Rn e di raggio " > 0, e si
denota con B" (x0 ), linsieme

B" (x0 ) = fx 2 Rn : d (x; x0 ) < "g :

Lintorno B" (x0 ) quindi il luogo dei punti di Rn che hanno distanza da x0
strettamente minore di ". In R tale intorno lintervallo aperto (x0 "; x0 + "), cio

B" (x0 ) = (x0 "; x0 + ") :


5.2. INTORNI 111

Infatti si ha

fx 2 R : d(x; x0 ) < "g = fx 2 R : jx x0 j < "g


= fx 2 R : " < x x0 < "g = (x0 "; x0 + ")

avendo usato la (4.1), cio jxj < a , a < x < a.

Dunque in R gli intorni sono intervalli; si vede senza di colt che in R2 sono cerchi,
in R3 sfere, ecc.: i punti che distano meno di " da x0 formano infatti un cerchio, una
sfera, ecc. di centro x0 .

0 ( )
x0 - x0 x0 +
-1

-2

-3
-4 -2 0 2 4 6

Intorno di x0 2 R di raggio ":

2
x
0
1

0
O
-1

-2
-3 -2 -1 0 1 2 3 4 5

Intorno di x0 2 R2 di raggio ":


112 CAPITOLO 5. STRUTTURA TOPOLOGICA

Vediamo alcuni esempi di intorni. Per semplicit di notazione, scriveremo B" (x1 ; ::; xn )
in luogo di B" ((x1 ; ::; xn )).

Esempio 37 (i) Si ha B3 ( 1) = ( 1 3; 1 + 3) = ( 4; 2).

(ii) Si ha
3 3 1 5
B 3 (1) = 1 ;1 + = ; :
2 2 2 2 2

(iii) Le scritture B 1 (0) e B0 (1) sono prive di senso perch deve essere " > 0.

(iv) Si ha
q
B3 (0; 0) = B3 (0) = x 2 R2 : d(x; 0) < 3 = x 2 R2 : x21 + x22 < 3 =

= x 2 R2 : x21 + x22 < 9 :

(v) Si ha

B1 (1; 1; 1) = x 2 R3 : d (x; (1; 1; 1)) < 1


n p o
= x 2 R3 : (x1 1)2 + (x2 1)2 + (x3 1)2 <1
= x 2 R3 : (x1 1)2 + (x2 1)2 + (x3 1)2 < 1 :

Per esempio, il vettore (1=2; 1=2; 1=2) 2 B1 (1; 1; 1). Infatti


2 2 2
1 1 1 3
1 + 1 + 1 = < 1:
2 2 2 4

Si verichi che, invece, 0 = (0; 0; 0) 2


= B1 (1; 1; 1). N

OfB. Un punto possiede sempre inniti intorni: uno per ogni valore di " > 0. perci
fuorviante parlare dellintorno di un punto come se ve ne fosse uno solo. H

Per alcune nalit avremo occasione di utilizzare, esclusivamente in R, anche


mezzi intornidi un punto x0 ; precisamente:

Denizione 26 Lintervallo [x0 ; x0 + "), con " > 0, detto intorno destro di x0 2 R
di raggio ". Lintervallo (x0 "; x0 ], con " > 0, detto intorno sinistro di x0 di raggio
".

Con essi possiamo dare unutile caratterizzazione degli estremi superiore e inferiore
di un sottoinsieme di R.

Proposizione 52 Dato un insieme A di R, si ha a = sup A se e solo se:


5.3. TASSONOMIA DEI PUNTI DI RN 113

(i) a x per ogni x 2 A,


(ii) per ogni " > 0, esiste x 2 A tale che x > a ".
Dim. Solo se. Se a = sup A, la (i) ovviamente soddisfatta. Sia " > 0. Poich
sup A > a ", il punto a " non un maggiorante di A. Esiste quindi x 2 A tale che
x > a ".
Se Supponiamo che a 2 R soddis (i) e (ii). Grazie alla (i), a un maggiorante
di A. Grazie alla (ii), il pi piccolo dei maggioranti. Infatti, ogni b < a si pu scrivere
come b = a " ponendo " = a b > 0. Per la (ii), esiste x 2 A tale che x > a " = b.
Quindi, b non un maggiorante di A, che implica che non esistono maggioranti pi
piccoli di a.

In altre parole, il punto a 2 R estremo superiore di A R se e solo se un maggio-


rante di A e in ogni suo intorno sinistro cadono elementi di A. Una caratterizzazione
analoga vale per gli estremi inferiori, con intorni destri in luogo dei sinistri.

5.3 Tassonomia dei punti di Rn


La nozione di intorno permette di classicare i vettori di Rn in varie categorie, secondo
i loro rapporti con un dato insieme A Rn .

5.3.1 Punti interni e di frontiera


La prima fondamentale nozione di punto interno. Intuitivamente, un punto interno a
un insieme un punto dentroad esso, cio un punto tutto circondato da altri punti
dellinsieme (ovvero dal quale ci si pu allontanare in qualunque direzione rimanendo,
almeno per un po, nellinsieme).
Denizione 27 Sia A un sottoinsieme di Rn . Un punto x0 2 A detto punto interno
di A se, per qualche " > 0, B" (x0 ) A.
In altre parole, x0 punto interno di A se esiste almeno un intorno di x0 tutto
contenuto in A. Ci motiva laggettivo interno. Un punto di A quindi interno
se esso contenuto in A con tutto un suo intorno, per quanto piccolo possa essere.
Possiamo dire che i punti interni sono i punti che appartengono ad A in senso sia
insiemistico (x 2 A) sia topologico (esiste B" (x) A).

In modo analogo, un punto x0 2 Rn si dice esterno ad A se esso interno al


complementare Ac di A, ossia se, per qualche " > 0, B" (x0 ) contenuto in Ac : B" (x0 )\
A = ;. Un punto non in A quindi esterno quando non appartiene ad A con tutto un
suo intorno, per quanto piccolo possa essere.

Linsieme dei punti interni di A detto interno di A e si indica con int A. ovvio
che int A A.
114 CAPITOLO 5. STRUTTURA TOPOLOGICA

Esempio 38 Sia A = (0; 1). Ogni suo punto interno, cio int A = A. Sia infatti
x 2 (0; 1) e si consideri la pi piccola tra le distanze di x dai punti estremi a e b, ossia
min fd (0; x) ; d (1; x)g. Prendiamo " > 0 tale che

" < min fd (0; x) ; d (1; x)g

Si ha
B" (x) = (x "; x + ") (0; 1)
e quindi x punto interno di A. Poich x era un punto qualsiasi di A, ne segue che
int A = A. N

Esempio 39 Sia A = [0; 1]. Si ha int A = (0; 1). Infatti, procedendo come sopra
si vede che i punti in (0; 1) sono tutti interni, ossia (0; 1) int A. Rimangono da
considerare i punti estremi 0 e 1. Consideriamo 0. Ogni suo intorno ha la forma
( "; "), con " > 0, e quindi contiene anche punti di Ac . Ne segue che 0 2
= int A. In
modo analogo si mostra che 1 2 = int A. Concludiamo che int A = (0; 1).
Troviamo i punti esterni ad A = [0; 1]. Si ha

Ac = ( 1; 0) [ (1; +1)

e quindi int Ac = Ac , come il lettore pu facilmente vericare. Ne segue che i punti


esterni ad A sono i punti dellinsieme complementare Ac . N

Denizione 28 Sia A un sottoinsieme di Rn . Un punto x0 2 Rn detto di frontiera


per A se non n interno n esterno.

Un punto x0 quindi di frontiera per A allorquando in ogni suo intorno cadono sia
punti di A (perch non esterno) sia punti di Ac (perch non interno). Linsieme
dei punti di frontiera si indica con @A. Intuitivamente, la frontiera il bordodi un
insieme.

Si noti che la denizione di punto di frontiera residuale: un punto di frontiera


se non altro, cio se non n interno n esterno. Ci fa si che la classicazione
in punti interni, esterni e di frontiera sia esaustiva: dato un insieme A, ogni punto
x0 2 Rn necessariamente ricade in una di queste tre categorie.

Esempio 40 (i) Sia A = (0; 1). Data la natura residuale della denizione di punto di
frontiera, per determinare @A dobbiamo prima identicare i punti interni ed esterni.
Abbiamo visto che int A = (0; 1). Per trovare i punti esterni, osserviamo che Ac =
( 1; 0] [ [1; +1), sicch

int Ac = ( 1; 0) [ (1; +1)

I punti esterni ad A sono dunque quelli dellinsieme ( 1; 0) [ (1; +1). Ne segue che

@A = f0; 1g
5.3. TASSONOMIA DEI PUNTI DI RN 115

cio la frontiera di (0; 1) costituita dai due punti 0 e 1. Si noti che A \ @A = ;: in


questo esempio i punti di frontiera non appartengono allinsieme .
(ii) Sia A = [0; 1]. Nellultimo esempio abbiamo visto che int A = (0; 1) e che Ac
linsieme dei punti esterni di A. Quindi, @A = f0; 1g. In questo esempio si ha @A A,
linsieme contiene i propri punti di frontiera.
(iii) Sia A = [1; 0). Il lettore pu vericare che int A = (0; 1) e che tutti i punti di
( 1; 0) [ (1; +1) sono esterni. Quindi, @A = f0; 1g. In questo esempio, la frontiera
sta un pofuori e un podentro linsieme: il punto di frontiera 1 in A mentre il punto
di frontiera 0 non lo .
(iv) Se
A = (x1 ; x2 ) : x21 + x22 1 R2
tutti i punti tali che x21 + x22 < 1 sono interni, cio

int A = (x1 ; x2 ) : x21 + x22 < 1

mentre tutti i punti tali che x21 + x22 > 1 sono esterni. Quindi,

@A = (x1 ; x2 ) : x21 + x22 = 1

Linsieme A contiene tutti i propri punti di frontiera.


(v) Sia A = Q linsieme dei razionali, sicch Ac linsieme degli irrazionali. Grazie
alle Proposizioni 9 e 18, tra due razionali q < q 0 esiste un irrazionale a tale che
q < a < q 0 e tra due irrazionali a < b esiste un razionale q 2 Q tale che a < q < b. Il
lettore pu vericare che ci implica int A = int Ac = ;, e quindi @A = R. Lesempio
mostra che linterpretazione della frontiera come bordo pu in taluni casi non essere
calzante. Del resto, le nozioni matematiche hanno vita propria e dobbiamo essere
pronti a seguirle anche quando lintuizione fa difetto. N

Individuiamo unimportante sottoclasse dei punti di frontiera.

Denizione 29 Sia A un sottoinsieme di Rn . Un punto x0 2 A detto isolato se


esiste (almeno) un suo intorno che non contiene altri punti di A eccetto x0 stesso.

Quindi, un punto x0 2 A isolato se esiste almeno un suo intorno B" (x0 ) tale
che A \ B" (x0 ) = fx0 g. Come suggerisce la terminologia, i punti isolati sono punti
dellinsieme staccatidal resto dellinsieme.

Esempio 41 Sia A = [0; 1] [ f2g. Esso costituito dallintervallo chiuso unitario e,


in aggiunta, dal punto 2. Questultimo isolato. Infatti, sia B" (2) un intorno di 2 con
" < 1. Si ha A \ B" (2) = f2g. N

Come anticipato, i punti isolati sono di frontiera: la dimostrazione lasciata al


lettore.

Lemma 53 I punti isolati sono di frontiera.


116 CAPITOLO 5. STRUTTURA TOPOLOGICA

5.3.2 Punti di accumulazione


Denizione 30 Sia A un sottoinsieme di Rn . Un punto x0 2 Rn detto di accu-
mulazione per A se ogni intorno di x0 contiene almeno un punto di A distinto da
x0 .
Quindi, x0 punto di accumulazione di A se, per ogni " > 0, esiste qualche x 2 A
tale che1 0 < kx0 xk < ". Linsieme dei punti di accumulazione di A si indica
A0 ed detto insieme derivato. Si osservi che non si richiesto che il punto x0 di
accumulazione appartenga ad A.

NB. La Denizione 30 si pu equivalentemente esprimere dicendo che x0 2 Rn punto


di accumulazione per A se, per ogni " > 0, esiste un intorno B" (x0 ) di x0 tale che
B" (x0 ) \ (A fx0 g) 6= ;:
O

Come prima cosa, vediamo le relazioni dei punti di accumulazione con la classi-
cazione test vista. Ovviamente, i punti di accumulazione non sono mai esterni.
Inoltre:
Lemma 54 Sia A un sottoinsieme di Rn .
(i) Ogni punto interno di A di accumulazione, ossia int A A0 .
(ii) Un punto di frontiera di A di accumulazione se e solo se non isolato.
Dim. (i) Se x0 2 int A, esiste un intorno B"0 (x0 ) di x0 tale che B"0 (x0 ) A. Sia
B" (x0 ) un intorno qualsiasi di x0 . Lintersezione
B"0 (x0 ) \ B" (x0 ) = Bminf"0 ;"g (x0 )
a sua volta un intorno di x0 di raggio min f"0 ; "g > 0. Quindi Bminf"0 ;"g (x0 ) A
e, per completare la dimostrazione, basta considerare qualsiasi x 2 Bminf"0 ;"g (x0 ) tale
che x 6= x0 . Infatti, x appartiene anche allintorno B" (x0 ) ed distinto da x0 .

(ii) Se. Consideriamo un punto x0 di frontiera ma non isolato. Per denizione


di punto di frontiera, per ogni " > 0 si ha B" (x0 ) \ A 6= ;. Per denizione di punto
non isolato, per ogni " > 0 si ha B" (x0 ) \ A 6= fx0 g. Ci implica che per ogni
" > 0 si ha B" (x0 ) \ (A fx0 g) 6= ;, cio che x0 punto di accumulazione per
A. Solo se. Prendiamo un punto x0 sia di frontiera sia di accumulazione, ossia
x0 2 @A \ A0 . Ogni suo intorno B" (x0 ) contiene almeno un punto x 2 A distinto da
x0 , cio B" (x0 ) \ A 6= fx0 g. Ne segue che x0 non isolato.

Alla luce di questo risultato linsieme A0 dei punti di accumulazione costituito


dai punti interni di A e dai punti di frontiera non isolati di A.
1
La disuguaglianza 0 < kx0 xk equivale a x 6= x0 , ossia impone che x sia un punto di A distinto
da x0 .
5.3. TASSONOMIA DEI PUNTI DI RN 117

Esempio 42 (i) Se A = [1; 0) R, tutti e soli i punti dellintervallo [0; 1] sono di


0
accumulazione, cio A = [0; 1]. Si osservi come il punto 1 sia di accumulazione bench
non appartenga ad A.
(ii) Se A = f(x1 ; x2 ) 2 R2 : x21 + x22 1g, tutti i punti dellinsieme sono di accu-
mulazione, ossia A = A0 . N

Esempio 43 Sia A = f(x1 ; x2 ) 2 R2 : x1 + x2 = 1g. Linsieme A una retta nel pi-


ano. Si ha int A = ; e @A = A0 = A. Linsieme A non ha quindi alcun punto interno
(gracamente, si disegni un circoletto attorno a un punto di A: per quanto piccolo, non
c modo di includerlo tutto in A), mentre tutti i suoi punti sono sia di accumulazione
sia di frontiera.

Nella denizione di punto di accumulazione si richiesto che ogni suo intorno


contenga almeno un punto di A distinto da s stesso. In realt, come adesso mostriamo,
ne contiene necessariamente inniti.

Proposizione 55 Ogni intorno di un punto di accumulazione di A contiene inniti


punti di A.

Dim. Sia x un punto di accumulazione di A. Supponiamo per contra che esista un


intorno B" (x) di x contenente un numero nito di punti fx1 ; :::; xn g di A, salvo, al
pi, x stesso. Poich fx1 ; :::; xn g un insieme nito, la minima distanza

min d (x; xi )
i=1;:::;n

esiste ed strettamente positiva, ossia mini=1;:::;n d (x; xi ) > 0. Sia > 0 tale che <
mini=1;:::;n d (x; xi ) : evidente che 0 < < " in quanto < mini=1;:::;n d (x; xi ) < ":
Quindi B (x) B" (x): altres evidente, per costruzione, che per ogni i = 1; 2; :::n;
118 CAPITOLO 5. STRUTTURA TOPOLOGICA

si ha xi 2
= B (x): Dunque, se x 2 A si ha B (x) \ A = fxg; se invece x 2
= A si ha
B (x) \ A = ;: Indipendentemente dallappartenenza di x ad A; si ha

B (x) \ A fxg :

Quindi lunico punto di A che pu contenere B (x) , al pi, x stesso. Ma ci


contraddice lipotesi che x sia punto di accumulazione di A.

OfB. Il concetto di punto interno richiede che esista un suo intorno tutto formato
da punti dellinsieme: ci signica che ci si pu allontanare (almeno per un po) da
esso seguendo qualsiasi percorso che parte dal punto e rimanendo dentro linsieme
(insomma, si pu fare una passeggiatina in qualunque direzione senza mostrare il
passaporto): vedendo il percorso a rovescio, possiamo dire che ci si pu avvicinare al
punto, provenendo da qualunque direzione, rimanendo dentro linsieme.
Il concetto di punto di accumulazione, che non impone che il punto appartenga
allinsieme, richiede invece che ci si possa avvicinare quanto si vuole al punto saltel-
landosu punti dellinsieme (insomma, che, come quando si traversa un torrente saltel-
lando su sassi a oranti, ci si possa avvicinare quanto si vuole alla meta su sassitutti
appartenenti allinsieme) Questa idea della possibilit di avvicinarsi a un certo pun-
to rimanendo dentro un dato insieme risulter cruciale per la denizione di limite di
funzione. H

5.4 Insiemi aperti e chiusi


Introduciamo ora le fondamentali nozioni di insieme aperto e di insieme chiuso. Intu-
itivamente, il concetto di insieme aperto lastrazione dellidea di gura geometrica
priva del bordo, mentre il concetto di insieme chiuso lastrazione di gura geometrica
con il bordo (il concetto di frontiera , invece, lastrazione di bordo).

Denizione 31 Un sottoinsieme A Rn detto aperto se tutti i suoi punti sono


interni, cio se int A = A.

Esempio 44 Gli intervalli aperti (a; b) sono aperti (donde il nome). Infatti, sia x 2
(a; b) un punto qualsiasi di (a; b): mostriamo che interno. Sia

0 < " < min fd (x; a) ; d (x; b)g .

Si ha B" (x) (a; b) e quindi x punto interno di (a; b). Ne segue che (a; b) aperto.
N

Dato che gli intorni in R sono del tipo (a; b), essi sono tutti aperti. Il prossimo
risultato mostra che lapertura degli intorni vale in generale in Rn .

Lemma 56 Gli intorni in Rn sono aperti.


5.4. INSIEMI APERTI E CHIUSI 119

Dim. Sia B" (x0 ) un intorno di un vettore x0 2 Rn . Per mostrare che B" (x0 ) aperto
occorre mostrare che ogni suo punto interno. Sia x 2 B" (x0 ) un punto qualsiasi di
B" (x0 ). Dobbiamo dimostrare che x interno a B" (x0 ) : Sia

0< <" d (x; x0 ) (5.2)

Mostriamo che B (x) B" (x0 ) : Infatti, sia y 2 B (x) : Allora

d(y; x0 ) d(y; x) + d(x; x0 ) < + d (x; x0 ) < ";

dove lultima disuguaglianza segue da (5.2). Dunque, B (x) B" (x0 ), il che completa
la dimostrazione.

La prossima gura presenta un altro semplice insieme aperto di R2 .

4
x
2
3

0
O x
1

-1

-2
-3 -2 -1 0 1 2 3 4 5

Insieme aperto di R2 dato da


A = B1 (0; 0) f(0; 0)g.

Denizione 32 Linsieme
A [ @A
formato dai punti di A e dai suoi punti di frontiera detto chiusura2 di A e si indica
con A.
2
Per simmetria lessicale con chiusura, linterno di un insieme si sarebbe dovuto chiamare
apertura.
120 CAPITOLO 5. STRUTTURA TOPOLOGICA

ovvio che A A. La chiusura di A quindi un suo allargamento che ne


include tutti i punti di frontiera, ossia i bordi. Naturalmente, la nozione signicativa
quando i bordi non sono gi parte di A.

Esempio 45 (i) Se A = [0; 1) R, si ha A = [0; 1].


(ii) Se A = f(x1 ; x2 ) 2 R2 : x21 + x22 1g, si ha A = A. N

Esempio 46 Dato un intorno B" (x0 ) di un punto x0 2 Rn , si ha


B" (x0 ) = fx 2 Rn : d (x; x0 ) "g : (5.3)
la chiusura di un intorno si caratterizza per avere "in luogo di < ". N

Possiamo ora introdurre gli insiemi chiusi.

Denizione 33 Un sottoinsieme A di Rn detto chiuso se esso contiene tutti i propri


punti di frontiera, cio se A = A.

Un insieme quindi chiuso quando include i propri bordi.

Esempio 47 Linsieme A = [0; 1) R non chiuso poich A 6= A, mentre linsieme


A = f(x1 ; x2 ) 2 R2 : x21 + x22 1g chiuso poich A = A. N

Esempio 48 Gli intervalli chiusi [a; b] R sono chiusi (di qui il nome). Gli intervalli
illimitati (a; 1) e ( 1; a) sono aperti. Gli intervalli illimitati [a; 1) e ( 1; a] sono
chiusi. N

Esempio 49 Linsieme A = f(x1 ; x2 ) 2 R2 : x1 + x2 = 1g chiuso poich A = @A =


A0 = A. N

Le nozioni di insiemi aperti e chiusi sono tra loro speculari, come mostra il prossimo
basilare risultato.3

Teorema 57 Un insieme in Rn aperto se e solo se il suo complementare chiuso.

Dim. Solo se. Sia A aperto. Mostriamo che Ac chiuso. Sia x un arbitrario punto
di frontiera di Ac , ossia x 2 @Ac . Per denizione, x non interno n ad A n ad Ac .
Quindi, x 2= int A. Ma, A = int A siccome A aperto. Quindi x 2 = A, cio x 2 Ac . Ne
segue che @Ac Ac poich x era un punto arbitrario di @Ac . Quindi, Ac = Ac , il che
prova che linsieme complementare Ac chiuso.

Se. Sia Ac chiuso. Mostriamo che A aperto. Sia x un punto qualsiasi di A.


Poich x 2= Ac = Ac , il punto x non di frontiera per Ac ed quindi interno ad A
oppure interno ad Ac . Ma, poich x 2= Ac implica x 2 = int Ac , possiamo concludere che
x 2 int A. Quindi il punto x interno, il che implica che A aperto.
3
In molti testi si denisce chiuso un insieme il cui complementare aperto, e si dimostra come teo-
rema la conseguente propriet che ogni chiuso contiene la sua frontiera. In altre parole, la denizione
e il teorema sono scambiati rispetto allimpostazione da noi scelta.
5.4. INSIEMI APERTI E CHIUSI 121

Esempio 50 Gli insiemi niti A = fx1 ; x2 ; :::; xn g di Rn (e in particolare i singoletti)


sono chiusi. Per vericarlo si osservi che il complementare Ac aperto. Infatti sia
x 2 Ac e " > 0 tale che
" < d (x; xi ) 8i = 1; :::; n
Si ha B" (x) Ac e quindi x punto interno. Ne segue che Ac aperto. Lasciamo
vericare al lettore che int A = ; e @A = A. N

4
x
2
3

0 -1 2
O x
1
-1
-1

-2
-3 -2 -1 0 1 2 3 4 5

Insieme chiuso di R2 dato da


C = f(2; 1)g [ f(x1 ; x2 ) 2 R2 : x2 =
x21 g [ f(x1 ; x2 ) 2 R2 : (x1 + 1)2 + (x2 + 1)2 1=4g

Aperti e chiusi sono quindi due facce della stessa medaglia: dire che un insieme
chiuso/aperto equivale a dire che il suo complementare aperto/chiuso. Naturalmente,
vi sono molti insiemi che non godono di alcuna di queste propriet. Vediamone un
esempio semplicissimo.

Esempio 51 Linsieme A = [0; 1) R non n aperto n chiuso. Infatti, int A =


(0; 1) 6= A e A = [0; 1] 6= A. N

Vi un caso in cui la specularit di aperti e chiusi acquista una veste curiosa.

Esempio 52 Gli insiemi vuoto ; e tutto Rn sono simultaneamente aperti e chiusi.


Per il Teorema 57 basta mostrare che Rn sia aperto sia chiuso. Ma ci ovvio.
Infatti, Rn aperto poich, banalmente, ogni suo punto interno, ed chiuso perch
Rn coincide necessariamente con la propria chiusura. Si pu mostrare che ; e Rn sono
gli unici insiemi con tale doppia personalit. N
122 CAPITOLO 5. STRUTTURA TOPOLOGICA

Torniamo alla nozione di chiusura A. Il prossimo risultato mostra come essa si possa
equivalentemente vedere come laggiunta allinsieme A dei suoi punti di accumulazione
A0 . In altri termini, aggiungere i bordi equivale ad aggiungere i punti di accumulazione.

Proposizione 58 Si ha A = A [ A0 .

Dim. Dobbiamo dimostrare che A [ A0 = A [ @A. Cominciamo col mostrare che


A [ A0 A [ @A. Poich A A [ @A, occorre provare che A0 A [ @A. Sia x 2 A0 .
Per quanto osservato dopo la dimostrazione del Lemma 54, x interno o di frontiera,
e quindi x 2 A [ @A.
Rimane da mostrare che A [ @A A [ A0 . Poich A A [ A0 , occorre provare
che @A A [ A0 . Sia x 2 @A: Se x punto isolato, per denizione si ha che x 2 A:
Altrimenti, per il Lemma 54, si ha che x punto di accumulazione per A, cio x 2 A0 .
Quindi, x 2 A [ A0 .

Dallequivalenza appena mostrata segue, come corollario, che un insieme chiuso


quando contiene tutti i propri punti di accumulazione. Si tratta di una notevole
equivalenza.

Corollario 59 Un sottoinsieme A di Rn chiuso se e solo se contiene tutti i propri


punti di accumulazione.

Dim. Sia A chiuso. Per denizione, A = A e quindi, grazie alla Proposizione 58, si
ha A [ A0 = A, cio A0 A. Viceversa, se A0 A, si ha ovviamente A [ A0 = A.
Grazie alla Proposizione 58, si ha A = A [ A0 = A.

Esempio 53 Linclusione A0 A nel Corollario 59 pu essere stretta, nel qual caso


linsieme A A0 costituito dai punti isolati di A. Per esempio, sia A = [0; 1][f 1; 4g.
Linsieme A chiuso e si ha A0 = [0; 1]. Quindi A0 strettamente incluso in A e
linsieme A A0 = f 1; 4g costituito dai punti isolati di A. N

Come gi si rilevato, risulta sempre

int A A A: (5.4)

Il prossimo risultato mostra limportanza topologica di queste inclusioni.

Proposizione 60 Dato un insieme qualsiasi A in Rn , si ha:

(i) int A il pi grande insieme aperto contenuto in A;

(ii) A il pi piccolo insieme chiuso che contiene A.

Per dimostrare la proposizione ci occorre una semplice propriet dei punti di


accumulazione.
5.4. INSIEMI APERTI E CHIUSI 123

Lemma 61 Dati due insiemi A e B di Rn , si ha A0 B 0 se A B.

Dim. Supponiamo che A B. Sia x 2 A0 . Per ogni " > 0, si ha (B" (x) fxg)\A 6= ;.
Poich A B, ci implica (B" (x) fxg) \ B 6= ; per ogni " > 0, cio x 2 B 0 .

Dim. della Proposizione 60 . (i) Per prima cosa dimostriamo che linsieme int A dei
punti interni di A aperto. Sia x 2 int A. Per denizione, esiste un suo intorno B" (x)
contenuto in A, cio B" (x) A. Dimostriamo che tale intorno costituito da soli punti
interni di A. Supponiamo, per contra, che esista y 2 @A \ B" (x). Si ponga d = d(x; y).
Per denizione si ha d < ". Scelto un arbitrario raggio 0 < "0 < " d; facile vedere
che lintorno sferico di y di raggio "0 contenuto in B" (x), cio B"0 (y) B" (x) A.
Ma ci contraddice il fatto che y punto di frontiera di A. La contraddizione dimostra
che esiste B" (x) contenuto in int A, il che dimostra che int A aperto.
Lasciamo al lettore la verica che int A il pi grande aperto contenuto in A.

(ii) Cominciamo col dimostrare che la chiusura A un insieme chiuso. A tal ne


osserviamo che per un qualsiasi insieme A si ha int A = A @A = A \ (@A)c . Usando
le leggi di De Morgan e il fatto che A e Ac hanno la stessa frontiera, abbiamo:

(A)c = (A [ @A)c = Ac \ (@A)c = Ac \ (@Ac )c = int Ac

Per il punto (i), linsieme int Ac aperto, e quindi per il Teorema 57 linsieme A
chiuso.
Dimostriamo ora che A il pi piccolo chiuso che contiene A. Se A chiuso ci
banalmente vero poich A = A. Supponiamo che A non sia chiuso. Si consideri un
insieme A 6= A tale che A A A. Esiste quindi un punto di frontiera x di A
che non contenuto in A . Tale punto non pu essere un punto isolato di A perch
altrimenti apparterrebbe ad A e quindi a A . Per il Lemma 54, si ha dunque x 2 A0 .
Per il Lemma 61, ne segue che x punto di accumulazione anche per A . Allora A
non contiene tutti i suoi punti di accumulazione, e quindi non chiuso. In conclusione,
A il pi piccolo chiuso che contiene A.

Linsieme dei punti interni int A quindi il pi grande insieme aperto che approssi-
ma da dentro linsieme A, mentre la chiusura A il pi piccolo insieme chiuso che
approssima da fuorilinsieme A. La relazione (5.4) quindi il miglior panino topo-
logico che si possa avere per linsieme A con fetta inferiore aperta e fetta superiore
chiusa4 .

Risulta ora facile dimostrare una interessante e intuitiva propriet della frontiera
di un insieme.

Corollario 62 La frontiera di qualsiasi insieme in Rn un insieme chiuso.


4
Naturalmente, vi sono anche panini con fetta inferiore chiusa e fetta superiore aperta, come il
lettore vedr in corsi successivi.
124 CAPITOLO 5. STRUTTURA TOPOLOGICA

Dim. Sia A un insieme qualsiasi in Rn . Poich i punti esterni ad A sono interni al


suo complementare, si ha
(@A)c = int A [ int Ac
e quindi @A chiuso perch int A e int Ac sono aperti.

Il prossimo risultato, la cui dimostrazione lasciata al lettore, mostra che la


dierenza tra chiusura e interno di un insieme dato dai suoi punti di frontiera.

Proposizione 63 Per ogni sottoinsieme A Rn si ha @A = A int A.

Il risultato rende precisa lintuizione che gli aperti sono insieme privi di bordi.
Infatti, la Proposizione 63 implica che A sia aperto se e solo se @A \ A = ;. Daltra
parte, per denizione, un insieme chiuso se e solo se @A A, ossia quando include i
bordi.

5.5 Stabilit insiemistica


Abbiamo visto nel Teorema 57 come loperazione insiemistica di complementazione
abbia una funzione cruciale per aperti e chiusi. naturale chiedersi di quale stabilit
godano gli aperti e i chiusi rispetto alle altre operazioni insiemistiche di base, cio
lintersezione e lunione. Cominciamo col considerare il problema per gli intorni, i pi
semplici insiemi aperti.
Lintersezione di due (o pi, ma in numero nito di) intorni di x0 ancora un
intorno di x0 : infatti B"1 (x0 ) \ B"2 (x0 ) non altro che il pi piccolo dei due, cio

B"1 (x0 ) \ B"2 (x0 ) = Bminf"1 ;"2 g (x0 ) ;

e il risultato analogo vale per intersezioni di un numero nito di intorni. La cosa non
vale invece per intersezioni di inniti intorni: per esempio,

\
1
B 1 (x0 ) = fx0 g (5.5)
n
n=1

ossia lintersezione si riduce al singoletto fx0 g, che come osservato nellEsempio 50


chiuso. Quindi lintersezione di inniti intorni pu non essere un insieme T aperto. Per
vericare la (5.5), si osservi che un punto appartiene allintersezione 1 n=1 B1=n (x0 ) se
e soloTse appartiene ad ogni intorno B1=n (x0 ). Senzaltro ci vero per x0 , e quindi
x0 2 1 n=1 B1=n (x0 ). MostriamoT che lunico punto a godere di questa propriet. Per
contra, sia y 6= x0 tale che y 2 1 n=1 B1=n (x0 ). Poich y 6= x0 , si ha d (x0 ; y) > 0. Se
prendiamo n su cientemente grande, in particolare
1
n> ;
d (x0 ; y)
5.5. STABILIT INSIEMISTICA 125

il suo reciproco 1=n sar su cientemente piccolo da avere


1
0< < d (x0 ; y) .
n
T1
Quindi, y 2= B1=n (x0 ), il che contraddice
T l
ipotesi y 2 n=1 B1=n (x0 ). Ne segue che x0
lunico punto nellintersezione 1 B
n=1 1=n (x 0 ), ossia vale la (5.5).

Lunione di intorni di x0 invece sempre un intorno di x0 , anche se lunione


innita. Infatti
B"1 (x0 ) [ B"2 (x0 ) = Bmaxf"1 ;"2 g (x0 )
non altro che il pi grande dei due. Pi in generale, nel caso di inniti intorni B"i (x0 ),
se supi "i < +1 si pone " = supi "i e si ha
[
1
B"i (x0 ) = B" (x0 )
i=1

Per esempio
[
1
B 1 (x0 ) = B1 (x0 )
n
n=1

Quando, invece, supi "i = +1, si ha


[
1
B"i (x0 ) = Rn
i=1

Per esempio
[
1
Bn (x0 ) = Rn .
n=1

In ogni caso, lunione di intorni un insieme aperto.

Intersezioni nite di intorni sono quindi intorni, mentre unioni qualsiasi di intorni
sono intorni. Il prossimo risultato mostra che queste propriet di stabilit valgano per
tutti gli aperti.

Teorema 64 Lintersezione di un numero nito di aperti aperta. Lunione, anche


innita, di aperti aperta.
T
Dim. (i) Sia A = ni=1 Ai , con Ai tutti aperti. Ogni x 2 A appartiene a tutti gli Ai
ed interno a tutti (perch aperti),
T cio esistono suoi intorni B"i (x) Ai . Diciamo
B la loro intersezione, B = ni=1 B"i (x): esso ancora un intorno di x (con raggio
" = min f"1 ; :::; "n g) e, a maggior ragione, B Ai per ogni i = 1; 2; : : : ; n. Ma allora
B A ed un intorno S di x tutto contenuto in A. Quindi, A aperto.
(ii) Sia A = A , con che assume valori in un insieme nito o innito. Ogni
x 2 A appartiene ad almeno uno tra gli A , diciamolo A . Essendo tutti gli A aperti,
126 CAPITOLO 5. STRUTTURA TOPOLOGICA

esiste un intorno di x tutto contenuto in A e quindi, a maggior ragione, in A. Quindi,


A aperto.

Grazie al Teorema 57 e alle leggi di de Morgan, si mostra facilmente che propriet


speculari valgono per la chiusura, che si conserva per intersezioni qualsiasi, ma solo
per unioni nite.

Corollario 65 Lunione di un numero nito di chiusi chiusa. Lintersezione, anche


innita, di chiusi chiusa.

5.6 Insiemi compatti


Chiudiamo con una sezione, tanto breve quanto importante. Diamo per prima cosa
il concetto di insieme limitato. Per insiemi della retta reale la nozione stata gi
introdotta con la Denizione 9: un insieme A in R limitato quando sia inferiormente
sia superiormente limitato. Come il lettore pu facilmente vericare, ci equivale a
chiedere che esista una costante K > 0 tale che K < x < K per ogni x 2 A R,
cio
jxj < K 8x 2 A
La prossima denizione la naturale estensione a Rn di questa idea, dove il valore
assoluto sostituito dalla pi generale nozione di norma.

Denizione 34 Un sottoinsieme A di Rn limitato se esiste una costante K > 0


tale che
kxk < K 8x 2 A.

immediato vedere come tutti gli intorni B" (x) siano insiemi limitati, cos come
le loro chiusure (5.3). Invece, lintervallo (a; 1) un semplice esempio di insieme non
limitato (per questa ragione lo abbiamo chiamato intervallo illimitato).

Grazie alla limitatezza possiamo denire una classe di insiemi chiusi che si rivela
molto importante per le applicazioni.

Denizione 35 Un sottoinsieme A di Rn detto compatto se chiuso e limitato.

Per esempio, tutti gli intervalli chiusi e limitati in R sono compatti5 . Pi in gen-
erale, tutte le chiusure B" (x0 ) di intorni B" (x0 ) in Rn sono compatti. Per esempio,
linsieme
B1 (0) = (x1 ; :::; xn ) 2 Rn : x21 + + x2n 1
compatto in Rn . Tale classico insieme di Rn chiamato palla unitaria chiusa. La
ragione di tale terminologia evidente considerando il caso particolare n = 2:
5
Linsieme vuoto ;, per quanto banale, considerato un insieme compatto.
5.7. CHIUSURA E CONVERGENZA 127

4
x
2
3

0
O x
1

-1

-2
-3 -2 -1 0 1 2 3 4 5

Al pari dei chiusi, i compatti sono stabili per unioni nite e intersezioni qualunque,
come lasciamo provare al lettore6 .

Esempio 54 Gli insiemi niti A = fx1 ; x2 ; : : : ; xn g (e in particolare i singoletti) sono


insiemi compatti. Infatti, nellEsempio 50 avevamo mostrato che erano insiemi chiusi.
Poich sono ovviamente limitati, ne segue che sono compatti. N

Esempio 55 Gli insiemi di bilancio sono un fondamentale esempio di insieme com-


patto in Teoria del consumatore, come mostrer la Proposizione 280. N

5.7 Chiusura e convergenza


In questa sezione presentiamo unimportante caratterizzazione degli insiemi chiusi
attraverso le successioni, che saranno introdotte nel Capitolo 9.7

Teorema 66 Un insieme C in Rn chiuso se e solo se contiene il limite di ogni


successione convergente di suoi punti. Ossia, C chiuso se e solo se

fxn g C; xn ! x =) x 2 C (5.6)

Dim. Solo se. Sia C chiuso. Sia fxn g C una successione tale xn ! x. Vogliamo
mostrare che x 2 C. Supponiamo, per contra, che x 2 = C. Poich xn ! x, per ogni
" > 0 esiste n" 1 tale che xn 2 B" (x) per ogni n n" . Il punto x quindi di
accumulazione per C, il che contraddice x 2 = C perch C chiuso e quindi contiene
tutti i propri punti di accumulazione.
6
A questo proposito, il lettore osservi che, essendo linsieme vuoto compatto, lintersezione di due
insiemi compatti disgiunti linsieme (compatto) vuoto.
7
Pertanto, la sezione pu essere saltata in prima lettura, e letta solo dopo aver studiato le
successioni.
128 CAPITOLO 5. STRUTTURA TOPOLOGICA

Se. Sia C un insieme per il quale valga la propriet (5.6). Per assurdo, sia C
non chiuso. Allora esiste almeno un punto x di frontiera di C che non appartiene a C.
Siccome non pu essere isolato (altrimenti apparterrebbe a C), in virt del Lemma 54
x di accumulazione per C. In ogni intorno B1=n (x) cade certamente un punto di C:
chiamiamolo xn . La successione di tali xn converge a x 2
= C, contro la propriet (5.6).
Si arrivati a una contraddizione: quindi C chiuso.

Questa propriet molto importante: un insieme chiuso se e solo chiuso rispet-


to alloperazione di limite, cio se il prendere i limiti non fa mai uscire dallinsieme.
La propriet estremamente naturale per questioni economiche: un insieme chiuso
se (e solo se), allorquando ci si pu indenitamente avvicinare a un suo punto stando
nellinsieme, anche il punto appartiene allinsieme.
In un problema concreto sarebbe alquanto strano che, con punti dellinsieme, si
potesse arrivare arbitrariamente vicino a x senza per poterlo raggiungere: come lec-
care la vetrina di una pasticceria senza poter raggiungere le paste (vicinissime ma
irraggiungibili). Non a caso gli insiemi che compaiono nei modelli economici sono
quasi sempre chiusi.

Esempio 56 Consideriamo lintervallo chiuso C = [a; b]. Mostriamo che chiuso


usando il Teorema 66. Sia fxn g C tale che xn ! x 2 R. Grazie al Teorema 66, per
mostrare che C chiuso, basta mostrare che x 2 C. Poich a xn b, una semplice
applicazione del Criterio del confronto mostra che a x b, ossia che x 2 C.

Esempio 57 Consideriamo il rettangolo C = [a; b] [c; d] in R2 . Sia xk C tale


che xk ! x 2 R2 . Grazie al Teorema 66, per mostrare che C chiuso basta mostrare
che x = (x1 ; x2 ) 2 C. Per la (9.38), xk ! x implica xk1 ! x1 e xk2 ! x2 . Poich
xk1 2 [a; b] e xk2 2 [c; d] per ogni k, di nuovo una semplice applicazione del Criterio del
confronto mostra che x1 2 [a; b] e x2 2 [c; d], ossia x 2 C.
Capitolo 6

Far di conto: Analisi combinatoria

6.1 Generalit
LAnalisi combinatoria, che in s una piccola parte del tutto autonoma della Matem-
atica, si rivela piuttosto utile e ricorre in molte questioni sia teoriche sia applicative.
Cominciamo con un problema molto semplice. Abbiamo a disposizione tre paia
di pantaloni e cinque magliette. Supponendo che non vi siano coppie cromatiche che
feriscono il nostro senso estetico, in quanti modi ci possiamo vestire? La risposta
molto semplice: in 3 5 = 15 modi. Infatti, detti A; B; C i pantaloni e 1; 2; 3; 4; 5 le
magliette, gli abbinamenti possibili sono
A1 ; A2 ; A3 ; A4 ; A5
B1 ; B2 ; B3 ; B4 ; B5
C1 ; C2 ; C3 ; C4 ; C5:
La semplice regola del prodotto riposa sulla circostanza che la scelta di una cer-
ta maglietta non determina alcuna restrizione sulla scelta dei pantaloni. Non sono
necessarie altri discorsi per concludere che:
Qualora si debbano eettuare due scelte, la prima delle quali preveda n diverse
possibilit alternative e la seconda m, e se nessuna delle due comporta restrizioni
allaltra, il numero complessivo delle scelte nm.
Per esempio, se A e B sono due insiemi, rispettivamente con n e m elementi,
linsieme delle coppie ordinate (a; b) con a 2 A e b 2 B contiene nm elementi.
Ci che s detto si pu facilmente estendere al caso di pi di due scelte:
Qualora si debbano eettuare k scelte, nessuna delle quali comporti restrizioni
alle altre, il numero complessivo delle scelte il prodotto del numero di possibilit
di ciascuna scelta.
Esempio 58 Quante sono le possibile targhe italiane? Una targa del tipo AA
000 AA (due lettere, tre cifre, due lettere). Le lettere utilizzabili sono 22 (le lettere
dellalfabeto inglese escluse le I,O,Q,U per evitare equivoci) e le cifre ovviamente sono
10. Il numero di targhe (diverse) perci 22 22 10 10 10 22 22 = 234:256:000.N

129
130 CAPITOLO 6. FAR DI CONTO: ANALISI COMBINATORIA

Esempio 59 La classica schedina del Totocalcio prevede di assegnare uno dei tre segni
1; ; 2 ai risultati di 13 partite. Il numero di schedine allora 3 3 3 = 313 =
1:594:323. N

6.2 Permutazioni
Denizione 36 Si chiamano permutazioni (semplici) di n oggetti tra loro distinti i
raggruppamenti che si possono formare con tutti tali oggetti, considerando diversi due
raggruppamenti1 quando dieriscono per lordine nel quale compaiono gli oggetti.

Se gli oggetti sono tre, a; b; c, le permutazioni sono sei:

abc ; acb ; bac ; bca ; cab ; cba:

Teorema 67 Il numero delle permutazioni di n oggetti n! = 1 2 n.

Il numero n! si dice fattoriale di n. Si pone convenzionalmente 0! = 1.

Dim. Al primo posto si pu mettere un oggetto qualsiasi: il primo posto pu quindi


essere occupato in n modi diversi. Al secondo posto si pu sistemare un oggetto
qualsiasi dei rimanenti: il secondo posto pu essere occupato in n 1 modi diversi.
Cos continuando, si vede che la terza posizione pu essere occupata in n 2 modi
diversi, ecc., nch lultima obbligata dovendo contenere lultimo oggetto rimasto.
Il numero delle permutazioni perci n (n 1) (n 2) 2 1 = n!.

Esempio 60 (i) Un mazzo di 52 carte pu essere rimescolato in 52! = 8; 0658 1067


maniere diverse.
(ii) Sei passeggeri possono occupare in 6! = 720 modi diversi uno scompartimento da
sei posti.
(iii) Dieci commensali possono sedersi in 9! = 362:880 modi diversi attorno a una
tavola rotonda. N

Il fattoriale di n cresce in modo estremamente rapido2 , come la seguente tabella


illustra:
n 0 1 2 3 4 5 6 7 8 9 10
n! 1 1 2 6 24 120 720 5:040 40:320 362:880 3:628:800

1
Sarebbe scorretto chiamarli insiemi perch, come sappiamo, in un insieme del tutto irrilevante
lordine nel quale si succedono i suoi elementi.
2
La scelta del punto esclamativo fu determinata proprio dalla sorpresa di quanto fosse veloce la
sua crescita. Pare che 60! sia gi superiore al numero degli atomi, stimato in 1080 , di tutto luniverso
osservabile.
6.2. PERMUTAZIONI 131

Assegnata una permutazione come fondamentale, possiamo contare il numero di


scambi (cio di inversioni di posto tra elementi contigui) che ogni altra permutazione
presenta rispetto ad essa.
Per esempio, sia abcde la permutazione dei cinque oggetti a; b; c; d; e assunta come
fondamentale. La permutazione cbeda presenta 6 scambi. Infatti c precede a e b per
un totale di 2 inversioni; b precede a per un totale di 1 inversione; e precede d e a per
un totale di 2 inversioni; d precede a per un totale di 1 inversione.
Una permutazione detta di classe pari o di classe dispari secondo che il numero
di scambi rispetto alla permutazione fondamentale sia pari o dispari.
piuttosto evidente che:

(i) scambiando tra loro due oggetti, la combinazione cambia classe;

(ii) il numero delle permutazioni di classe pari uguale al numero di permutazioni


di classe dispari: entrambe sono cio n!=2;

(iii) cambiando la permutazione fondamentale con unaltra di classe pari (dispari)


rispetto ad essa, le altre permutazioni non cambiano (cambiano) classe.

Esempio 61 Il giuoco del quindici una tavoletta con quindici tessere numerate
da 1 a 15 e una vuota:
1 2 3 4
5 6 7 8
9 10 11 12
13 14 15
Il giuoco consiste nellottenere una diversa congurazione dei numeri facendo scivolare
le tessere (senza sradicarle) usando la casella vuota: in breve si tratta di passare
da una permutazione a unaltra. Si pu dimostrare che, partendo da unassegnata
permutazione, se ne pu ottenere qualsiasi altra della stessa classe (pari o dispari) ma
che impossibile ottenerne una di classe opposta. Per rendersi conto intuitivamente
del perch, si consideri il giuoco ridotto a tre tessere:

1 2
3

Si vede facilmente che da tale disposizione si possono ottenere soltanto le due seguenti,
rispettivamente con rotazioni antioraria e oraria:

1 2 2 2 3
! !
3 1 3 1
e
1 2 3 1 3 1
! ! ,
3 2 2
132 CAPITOLO 6. FAR DI CONTO: ANALISI COMBINATORIA

cio che dalliniziale permutazione 123 si pu passare soltanto a 231 o a 312 (che sono
della stessa classe), ma non a 132, a 213 o a 321 (di classe opposta).
Il giuoco del quindici fu inventato negli Stati Uniti nel 1874 e divenne popolarissimo
allinizio del 900 quando Sam Loyd promise 1000 $ a chiunque fosse riuscito a invertire
le caselle 14 e 15, il che invogli milioni di persone a cimentarsi nellimpossibile impresa
(ignorando che fosse impossibile). H
Consideriamo ora il caso che tra gli n oggetti con i quali formare i vari raggruppa-
menti ce ne siano alcuni indistinguibili (uguali).
Per esempio, gli oggetti siano sei: a; a; b; b; b; c (i primi due e i secondi tre sono
indistinguibili). Se distinguessimo tutti gli oggetti utilizzando un diverso indice per
gli oggetti indistinguibili, a1 ; a2 ; b1 ; b2 ; b3 ; c, le loro permutazioni sarebbero 6!. Se ora
sopprimiamo lindice distintivo alle tre lettere b, esse possono essere permutate in
3! modi diversi nelle terne di posti da esse occupati. Tali 3! diverse permutazioni
(quando si scrive b1 ; b2 ; b3 ) non sono pi distinguibili (scrivendo b; b; b). Perci le diverse
permutazioni di a1 ; a2 ; b; b; b; c sono 6!=3!. Un analogo ragionamento mostra come,
togliendo lindice distintivo alle due lettere a, le permutazioni distinguibili si riducono
a 6!= (3!2!).
Con lo stesso argomento si prova il
Teorema 68 Il numero delle permutazioni, dette con ripetizione, di n oggetti dei
quali k1 uguali tra loro, k2 uguali tra
Ploro ma distinti dai precedenti, ..., kh uguali tra
h
loro ma diversi dai precedenti (con i=1 ki = n e ki 1 per ogni i = 1; 2; ; h)
n!
: (6.1)
k1 !k2 ! kh !
Si osservi che tale valore sempre intero.
Esempio 62 I possibili anagrammi della parola MAMMA sono
5! 120
= = 10;
3!2! 6 2
mentre quelli della parola MATEMATICA sono
10!
= 151:200:
2!3!2!
N
I valori in (6.1) sono detti coe cienti multinomiali. Un caso interessante rappre-
sentato da h = 2 nel quale vi sono soltanto due tipi di oggetti.
Corollario 69 Il numero delle permutazioni di n oggetti dei quali k uguali tra loro e
i rimanenti n k uguali tra loro, ma diversi dai precedenti,
n!
:
k! (n k)!
6.2. PERMUTAZIONI 133

Tale espressione, che si indica abitualmente con


n
;
k
detta coe ciente binomiale 3 e si legge n su k. In particolare
n n! n (n 1) (n k + 1)
= = :
k k! (n k)! k!
Si conviene che
n n!
= = 1:
0 0!n!
Valgono le seguenti semplici identit, che si provano senza alcuna di colt:
n n
(i) = per 0 k n;
k n k
n n n k
(ii) = .
k+1 k k+1
Si ha inoltre
n n 1 n 1
= + ;
k k 1 k
detta formula di Stifel. Essa aerma che
n
k
si pu ottenere cos: se ci si ssa su un oggetto, le permutazioni che lo contengono
sono
n 1
k 1
e quelle che non lo contengono sono
n 1
:
k
Esempio 63 (i) In un parcheggio sono occupati 15 dei 20 posti disponibili. Le
possibili posizioni dei 5 posti liberi (o, ed lo stesso, dei 15 occupati) sono
20
:
5
(ii) Si ripete un esperimento 100 volte: ogni volta si pu registrare un successo o
un insuccesso. Poniamo che vi siano stati 92 successie quindi 8 insuccessi:
il numero dei diversi modi nei quali ci pu essere accaduto
100 100
= .
92 8
N
3
Si osservi che vi un prodotto di k fattori sia a numeratore sia a denominatore.
134 CAPITOLO 6. FAR DI CONTO: ANALISI COMBINATORIA

6.3 Disposizioni
Denizione 37 Si dice disposizione (semplice) di classe k di n oggetti ogni raggrup-
pamento di k oggetti scelti tra gli n, considerando diversi due raggruppamenti4 quando
contengano oggetti diversi oppure gli stessi oggetti in ordine diverso.

Per esempio, le disposizioni dei quattro oggetti a; b; c; d di classe 2 sono le 12


seguenti:
ab ; ac ; ad ; ba ; bc ; bd ; ca ; cb ; cd ; da ; db ; dc:
Il numero delle disposizioni di classe k di n oggetti si indica con Dn;k . Se k = n, le
disposizioni possono dierire solo per lordine e perci coincidono con le permutazioni:
Dn;n = n!.

Teorema 70 Risulta Dn;k = n (n 1) (n k + 1).

Dim. La prima posizione pu essere occupata in n modi diversi, la seconda in n 1,


..., lultima (la k-esima) in n k + 1.

Esempio 64 Le possibili estrazioni (cinquine) da una specica ruota nel giuoco del
lotto sono D90;5 = 90 89 88 87 86 = 5:273:912:160. Le possibili estrazioni da due
2
ruote sono D90;5 = 2; 7805 1019 e da dieci ruote D90;5
10
= 1; 6618 1097 . N

Denizione 38 Si dice disposizione con ripetizione di classe k di n oggetti tra loro


distinti ogni raggruppamento di k degli n oggetti, potendo ripetere una o pi volte gli
oggetti.

I vari raggruppamenti dieriscono cos o perch contengono oggetti diversi o perch


contengono gli stessi oggetti ma in ordine diverso o perch contengono gli stessi oggetti
ma con un diverso numero di ripetizioni.
Per esempio, le disposizioni con ripetizione dei quattro oggetti a; b; c; d di classe 2
sono le 16 seguenti:

aa ; ab ; ac ; ad ; ba ; bb ; bc ; bd ; ca ; cb ; cc ; cd ; da ; db ; dc ; dd:
r
Il numero delle disposizioni con ripetizione si indica con Dn;k .
r
Teorema 71 Risulta Dn;k = nk .

Dim. La prima posizione pu essere occupata in n modi diversi, la seconda ancora in


n modi (visto che si pu anche ripetere il primo oggetto), e cos via.

Si osservi che il caso delle disposizioni con ripetizione non altro che un caso parti-
colare di quello considerato in apertura nel quale si possono fare k scelte indipendenti
ognuna delle quali con n diverse modalit.
4
Ancora sarebbe scorretto chiamarli inisemi.
6.4. COMBINAZIONI 135

6.4 Combinazioni
Denizione 39 Si dice combinazione (semplice) di classe k di n (k n) oggetti
ogni raggruppamento di k degli n oggetti, considerando diversi due raggruppamenti che
dieriscano almeno per un oggetto5 (quindi ora non si tien conto dellordine).

Per esempio, le combinazioni dei quattro oggetti a; b; c; d di classe 2 sono le 6


seguenti:
ab ; ac ; ad ; bc ; bd ; cd:
Il numero delle combinazioni di n oggetti di classe k si indica con Cn;k . evidente che
Cn;n = 1 e che Cn;1 = n.

Teorema 72 Risulta
n
Cn;k = :
k

Dim. Ogni ssata combinazione d luogo a k! diverse disposizioni cambiando lordine


dei k oggetti che la compongono. Perci Dn;k = k!Cn;k e ne segue lasserto.

Pu apparire sospetto che il numero Cn;k coincida con il numero delle permutazioni
con ripetizione di n oggetti dei quali k uguali tra loro (diciamoli a) e gli altri n k
uguali tra loro ma diversi dei precedenti (diciamoli b). Ci si convince subito che
proprio cos: per contare le permutazioni basta contare in quanti modi si possono
n
disporre i k oggetti a negli n posti, che sono evidentemente : a questo punto la
k
posizione degli oggetti b obbligata (devono occupare i posti rimasti liberi).

Esempio 65 Nel giuoco del poker con un mazzo di 52 carte vi sono

52
= 2:598:960
5
diverse mani. Quante sono le possibili doppie coppie? Una doppia coppia una sequen-
za (non ordinata) del tipo AABBC. Per contarle opportuno scindere il problema in
piccoli passi:

(i) i due valori delle carte delle coppie (per esempio, 3 e fante, 5 e 9, ecc.) possono
essere scelti in 13
2
modi diversi;
4
(ii) i semi della prima coppia possono essere scelti in 2
modi;
4
(iii) i semi della seconda coppia possono ancora essere scelti in 2
modi;
5
Adesso si tratta di insiemi. Le combinazioni di n oggetti di classe k sono perci tutti i possibili
sottoinsiemi di k elementi delloriginario insieme di n elementi.
136 CAPITOLO 6. FAR DI CONTO: ANALISI COMBINATORIA

(iv) lultima carta pu essere scelta in 44 modi diversi (dalle 52 carte dobbiamo
detrarre le 4 della doppia coppia e le altre 4 che condurrebbero a un full e non
a una doppia coppia).

Il numero complessivo perci

13 4 4 13 12 4 3 4 3
44 = 44 = 123:552:
2 2 2 2 3 2

Il lettore pu vericare che, delle 2:598:960 mani possibili, 1:098:240 contengono una
coppia, (123:552 una doppia coppia), 54:912 un tris, 10:200 una scala, 5:108 un colore,
3:744 un full, 624 un poker, 36 una scala a colore e 4 una scala reale. N

Denizione 40 Si dice combinazione con ripetizione di classe k di n oggetti tra loro


distinti ogni raggruppamento di k degli n oggetti, potendo ripetere una o pi volte gli
oggetti.

I vari raggruppamenti dieriscono cos perch contengono oggetti diversi o perch


contengono gli stessi oggetti con un numero diverso di ripetizioni (ancora non si tien
conto dellordine).
Per esempio, le combinazioni con ripetizione dei quattro oggetti a; b; c; d di classe
2 sono le 10 seguenti:

aa ; ab ; ac ; ad ; bb ; bc ; bd ; cc ; cd ; dd:
r
Indichiamo con Cn;k il numero delle combinazioni con ripetizione.

Teorema 73 Risulta

r n (n + 1) (n + k 1) n+k 1
Cn;k = = = Cn+k 1;k :
k! k

Dim. Scegliamo la seguente notazione: facciamo seguire al nome di un oggetto tanti


asterischi quante volte loggetto ripetuto (nessun asterisco quando loggetto non com-
pare). Per esempio, con i quattro oggetti a; b; c; d, invece di scrivere aaabbc schiveremo
a b c d. Abbiamo cos, per ogni raggruppamento, n + k simboli: gli n oggetti
(che necessariamente compaiono tutti) e k asterischi. In tal modo la prima posizione
obbligata (contiene necessariamente il primo oggetto a) e quindi le posizioni libere
sono n + k 1 che devono essere occupate da due tipi di simboli: gli n 1 oggetti
rimasti (nel loro ordine) e k asterischi. Ad ogni combinazione con ripetizione cor-
risponde perci una permutazione di n + k 1 oggetti dei quali n 1 uguali tra loro
e i rimanenti k uguali tra loro ma diversi dai precedenti. Quindi

r n+k 1 n+k 1
Cn;k = = = Cn+k 1;k :
k n 1
6.5. BINOMIO DI NEWTON 137

Estraiamo k palline da unurna che ne contiene n (oppure estraiamo un campione


di k oggetti da una popolazione di numerosit n). Quante sono le possibili diverse
estrazioni? Per rispondere alla domanda necessario rendere pi precisa la nozione di
estrazione. Possiamo considerare diverse due estrazioni se contengono palline diverse
oppure anche quando contengono le stesse palline, ma in ordine diverso. Nel primo
caso parleremo di estrazione senza ordine e nel secondo di estrazione con ordine.
Si parla poi di estrazione con reimmissione quando ogni pallina estratta reinlata
nellurna oppure di estrazione senza reimmissione nel caso opposto. Nei quattro casi
cos determinati si hanno le seguenti risposte alla precedente domanda:

(i) con reimmissione e con ordine: nk (disposizioni con ripetizione);


n+k 1
(ii) con reimmissione e senza ordine: k
(combinazioni con ripetizione);

(iii) senza reimmissione e con ordine: n (n 1) (n k + 1) (disposizioni semplici);


n
(iv) senza reimmissione e senza ordine: k
(combinazioni semplici).

6.5 Binomio di Newton


largamente noto che

(a + b)1 = a + b;
(a + b)2 = a2 + 2ab + b2 ;
(a + b)3 = a3 + 3a2 b + 3ab2 + b3 :

Pi in generale vale il

Teorema 74 (Tartaglia-Newton) Risulta

n n 1 n n 2 2 n
(a + b)n = an + a b+ a b + + abn 1
+ bn = (6.2)
1 2 n 1
Xn
n n k k
= a b :
k=0
k

Dim. Il prodotto
(a + b) (a + b) (a + b)
| {z }
n volte

si pu eseguire scegliendo uno dei due termini (a o b) in ciascuno degli n fattori e


facendo il prodotto dei termini cos scelti. Si sommano poi tutti i prodotti in tal modo
ottenuti.
138 CAPITOLO 6. FAR DI CONTO: ANALISI COMBINATORIA

Il prodotto an k bk si ottiene scegliendo n k volte il primo termine a e le rimanenti


n n
k volte il secondo termine b. Ci pu essere fatto in = modi diversi: il
n k k
n
fattore an k bk si ottiene perci in modi diversi. Ne segue lasserto.
k

La formula (6.2) detta del binomio di Newton e motiva il nome di coe cienti
n
binomiali per i valori di . In particolare
k

n
Xn
n k
(1 + x) = x :
k=0
k

Se prendiamo x = 1 oppure x = 1 si ottengono le notevoli relazioni

n n n n
+ + + + = 2n ;
0 1 2 n
e
n n n n n n 2n
+ + + = + + + = = 2n 1 :
0 2 4 1 3 5 2

Esempio 66 Un insieme di n oggetti possiede 2n sottoinsiemi. Infatti vi un solo


(1 = n0 ) sottoinsieme con 0 elementi (linsieme vuoto), n = n1 sottoinsiemi con un
solo elemento, n2 sottoinsiemi con due elementi, ..., un solo sottoinsieme (linsieme
stesso) con tutti gli n elementi (1 = nn ). N

Pi in generale, per la potenza di un polinomio, vale la formula


X n!
(a1 + a2 + + ah )n = ak 1 ak 2 akhh ;
k1 !k2 ! kh ! 1 2
dove la somma estesa a tutte le scelte di interi k1 ; k2 ; ; kh tali che k1 +k2 + +kh =
n. Essa detta polinomio di Leibnitz e si dimostra in modo analogo alla precedente e
motiva il nome di coe cienti multinomiali per i valori
n!
:
k1 !k2 ! kh !
Parte II

Funzioni

139
Capitolo 7

Funzioni

7.1 Il concetto
Consideriamo un fruttivendolo che allortomercato si trovi di fronte alla seguente tabel-
la che indica il prezzo unitario di un chilogrammo di noci in corrispondenza di varie
quantit (misurate in chilogrammi) di noci acquistabili dal proprio grossista:

Quantit Prezzo al kg
10 kg 4 euro
20 kg 3; 9 euro
30 kg 3; 8 euro
40 kg 3; 7 euro

In altre parole, se il fruttivendolo acquista 10 kg di noci le pagher 4 euro al kg, se ne


acquista 20 kg le pagher 3; 9 euro al kg, e cos via (stiamo assumendo che, a maggior
quantit acquistate, corrisponda un minor prezzo unitario).
La tabella un esempio di funzione di oerta, che associa a ogni quantit il
corrispettivo prezzo di acquisto: A = f10; 20; 30; 40g linsieme delle quantit e
B = f4; 3; 9; 3; 8; 2; 7g linsieme dei loro prezzi unitari: la funzione di oerta fa
corrispondere a ogni elemento dellinsieme A un elemento dellinsieme B.

In generale,

Denizione 41 Dati due insiemi qualsiasi A e B, una funzione denita su A e a


valori in B, indicata con f : A ! B, una regola che associa a ogni elemento
dellinsieme A uno, e un solo, elemento dellinsieme B.

Per indicare che allelemento a 2 A associato lelemento b 2 B si scrive b = f (a).

141
142 CAPITOLO 7. FUNZIONI

1.6

A B
1.4

a
1.2 f

1 b=f(a)

0.8

0.6

0.4
0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8

La regola pu essere del tutto arbitraria; ci che interessa solo che essa associ ad
ogni elemento a di A un solo 1 elemento b di B. Altro non interessa sulla natura della
regola.

Si noti che perfettamente legittimo che a due diversi elementi di A sia associato
il medesimo elemento di B, ossia

1.6

A B
1.4
a
1
1.2

1 a b
2

0.8

0.6

0.4
0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8

Legittimo

Non pu accadere invece che a uno stesso elemento di A siano associati pi elementi
di B, ossia
1
Abbiamo scritto in corsivo le parole pi importanti: la regola deve funzionare per ogni elemento
di A e, a ciascuno, associare un solo elemento di B.
7.1. IL CONCETTO 143

1.6

A B
1.4

a
1.2
b
1
1 b
2

0.8

0.6

0.4
0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8

Illegittimo

Prima di passare ad alcuni esempi, introduciamo un podi terminologia. Le due


variabili, a e b, si chiamano tradizionalmente variabile indipendente e variabile dipen-
dente. Inoltre, linsieme A detto dominio della funzione, mentre linsieme B il suo
codominio.
Il codominio linsieme nel quale la funzione assume i propri valori, ma non nec-
essariamente contiene soltanto tali valori: pu anche essere pi grande. Al riguardo
importante la prossima nozione: dato a 2 A, lelemento f (a) 2 B detto immagine
di a. Preso un sottoinsieme qualsiasi C del dominio A, linsieme

f (C) = ff (x) : x 2 Cg B (7.1)

delle immagini dei punti in C detta immagine di C. In particolare, linsieme f (A)


di tutte le immagini di punti del dominio si dice (insieme) immagine della funzione.
indicato con Im f ed quindi il sottoinsieme del codominio costituito dagli elementi
che sono immagine di qualche elemento del dominio.
Si noti come ogni insieme che contiene Im f sia, in eetti, un lecito codominio della
funzione: se Im f B e Im f C, entrambe le scritture f : A ! B e f : A ! C sono
legittime. La scelta tra esse una mera questione di comodit. Per esempio, in questo
corso considereremo quasi sempre funzioni a valori reali, ossia f (x) 2 R per ogni x del
dominio di f : in questo caso la scelta naturale come codominio lintera retta reale e
di norma scriveremo f : A ! R.

Esempio 67 Sia A linsieme dei paesi della terra e B un insieme contenente alcuni
colori (almeno quattro). La funzione f : A ! B associ a ciascun paese il colore da
attribuirgli su una carta geograca: Im f linsieme dei colori eettivamente utilizzati
almeno una volta. N
144 CAPITOLO 7. FUNZIONI

Esempio 68 La legge che associa a ogni essere umano vivente la propria data di
nascita una funzione f : A ! B, dove A linsieme degli esseri umani e, per
esempio, B linsieme delle date degli ultimi 150 anni (un codominio su cientemente
grande per contenere tutte le possibili date di nascita). N

Vediamo un esempio di regola che non denisce una funzione.

Esempio 69 Consideriamo la regola che a ogni numero reale positivo x associa p p sia
la radice positiva sia la negativa (la cosiddetta radice algebrica), ossia f x; xg.
Per esempio, a 4 associa f 2; 2g. Tale regola non descrive una funzione f : R+ ! R
poich a ogni elemento del dominio diverso da 0 sono associati due diversi elementi
del codominio. N

Presentiamo ora alcune classiche funzioni f : A R ! R, dette funzioni di una


variabile (o scalari2 ).

Esempio 70 Sia f : R ! R denita come f (x) = x3 , per la quale la regola di


associare a ogni reale il suo cubo; ogni reale ha un unico cubo, e quindi la regola
denisce una funzione con Im f = f (R) = R.

Funzione x3

Esempio 71 Sia f : R ! R denita come f (x) = x2 , per la quale la regola di


associare a ogni reale il suo quadrato; ogni reale ha un unico quadrato che certamente
2
Nel seguito useremo talvolta la terminologia funzione scalare, che ha il pregio della brevit.
Ma, una terminologia meno diusa e che pu avere signicati diversi. Il lettore la usi perci con
accortezza.
7.1. IL CONCETTO 145

0 e quindi anche questa regola denisce una funzione con Im f = f (R) = R+ .

Funzione x2

Si osservi come in questo caso a due diversi elementi del dominio possa corrispondere
il medesimo elemento: per esempio, f (1) = f ( 1) = 1. N

p
Esempio 72 (i) Sia f : R+ ! R la funzione denita come f (x) = x, che associa a
ogni reale non negativo la sua radice (aritmetica). Il dominio la semiretta positiva e
inoltre Im f = R+ .

p
Funzione x

(ii) La funzione f : R++ ! R denita come f (x) = loga x, a > 0 e a 6= 1, che


associa a ogni reale strettamente positivo il suo logaritmo, ha come dominio R++ .
146 CAPITOLO 7. FUNZIONI

Inoltre, Im f = R.

Funzione log x

Esempio 73 (i) Sia f : R ! R denita come f (x) = jxj per ogni x 2 R. Graca-
mente

Funzione jxj

(ii) Sia f : R f0g ! R denita come f (x) = 1= jxj per ogni x 2 R. Gracamente
7.1. IL CONCETTO 147

1
Funzione jxj

Il dominio A = R f0g, la retta reale privata dellorigine, mentre Im f = R++ . N

Le funzioni f : A Rn ! R, dette funzioni di pi variabili (o di vettore), sono


fondamentali nelle applicazioni economiche. Vediamone alcuni esempi.

Esempio 74 (i) Sia f : R2 ! R denita come3

f (x1 ; x2 ) = x1 + x2

con la quale si associa a ogni x = (x1 ; x2 ) 2 R2 la somma delle componenti; ogni


x 2 R2 ha ununica tale somma, e quindi la regola denisce una funzione con Im f =
f (R2 ) = R.
(ii) La funzione f : Rn ! R denita come

X
n
f (x1 ; x2 ; ; xn ) = xi
i=1

generalizza a Rn la funzione f (x1 ; x2 ) = x1 + x2 , che il caso speciale n = 2. N

Esempio 75 (i) Sia f : R2+ ! R denita come


p
f (x1 ; x2 ) = x1 x2

che associa a ogni x = (x1 ; x2 ) 2 R2+ la radice del prodotto delle componenti; ogni
x 2 R2+ ha ununica tale radice, e quindi la regola denisce una funzione con Im f =
R+ .
3
Per essere coerenti con la notazione adottata per i vettori dovremmo scrivere f ((x1 ; x2 )); per
semplicit scriviamo, qui e nel seguito, f (x1 ; x2 ).
148 CAPITOLO 7. FUNZIONI

(ii) La funzione f : Rn+ ! R denita come


Y
n
f (x1 ; x2 ; ; xn ) = xi i
i=1
P
con gli esponenti i 0 di somma unitaria, ossia ni=1 i = 1, generalizza a Rn la
p
funzione f (x1 ; x2 ) = x1 x2 , che il caso speciale con n = 2 e 1 = 2 = 1=2. Questa
funzione usatissima in Economia col nome di funzione Cobb-Douglas. N

In Economia sono molto importanti anche le funzioni del tipo f : A R n ! Rm ,


dette applicazioni 4 . Vediamo alcuni esempi analitici5 .

Esempio 76 (i) Sia f : R2 ! R2 denita da

f (x1 ; x2 ) = (x1 ; x1 x2 ) ; 8 (x1 ; x2 ) 2 R2 .

Per esempio, se (x1 ; x2 ) = (2; 5), allora f (x1 ; x2 ) = (2; 2 5) = (2; 10) 2 R2 .

(ii) Sia f : R3 ! R2 denita da

f (x1 ; x2 ; x3 ) = 2x21 + x2 + x3 ; x1 x42 ; 8 (x1 ; x2 ; x3 ) 2 R3 .

Per esempio, se x = (2; 5; 3), allora

f (x1 ; x2 ; x3 ) = 2 22 + 5 3; 2 54 = (10; 623) .

OfB. Una funzione f : A ! B una sorta di macchinetta che trasforma ciascun


elemento a 2 A in un elemento b = f (a) 2 B.

b=f(a)

4
O anche funzioni vettoriali di vettore.
5
Nella Sezione 17.1 vedremo alcuni esempi economici di tali funzioni.
7.1. IL CONCETTO 149

Se in essa si inla qualsiasi elemento a 2 A, essa sputa fuori f (a) 2 B. Se si


inla un elemento a 2 = A, la macchinetta sinceppa e non produce nulla. Linsieme
immagine Im f = f (A) B semplicemente il catalogo di tutti gli elementi che
possono uscire dalla macchinetta.
In particolare, la macchinetta trasforma numeri in numeri per le funzioni scalari,
vettori di Rn in numeri per le funzioni di vettore, e vettori di Rn in vettori in Rm per
le applicazioni. H

Si osservi che i nomi delle variabili sono del tutto irrilevanti: si pu indierente-
mente scrivere a = f (b), oppure y = f (x), oppure s = f (t), oppure = f ( ), ecc., o
anche = f ( ): i nomi delle variabili sono semplici segnaposto e ci che conta solo
la sequenza di operazioni (quasi sempre numeriche) che conducono da a a b = f (a).
Scrivere b = a2 + 2a + 1 esattamente lo stesso che scrivere y = x2 + 2x + 1 oppure
s = t2 + 2t + 1 oppure = 2 + 2 + 1 oppure = 2 + 2 + 1: la funzione (il suo
nome f ) identicata dalle operazioni quadrato + doppio + 1 che permettono di
passare dalla variabile indipendente alla dipendente.

Chiudiamo questa sezione introduttiva rendendo rigorosa la nozione di graco di


una funzione, nora usata a livello intuitivo. Riprendiamo il graco della parabola x2 :

5
y
4

1
1

0
-1 O 1 x
-1

-2
-3 -2 -1 0 1 2 3 4

Il graco il luogo dei punti del piano del tipo (x; f (x)), al variare di x nel dominio
della funzione. Per esempio, i punti ( 1; 1), (0; 0) e (1; 1) appartengono al graco della
parabola.

Denizione 42 Il graco Gr f di una funzione f : A ! B linsieme

Gr f = f(x; f (x)) : x 2 Ag A B:

Il graco quindi un sottoinsieme del prodotto cartesiano A B. In particolare:


150 CAPITOLO 7. FUNZIONI

(i) Quando A R e B = R, il graco un sottoinsieme del piano R2 . Geometrica-


mente una linea (senza spessore) in R2 visto che ad ogni x 2 A corrisponde un
solo f (x).

5
y
4

0
O x
-1

-2
-3 -2 -1 0 1 2 3 4

Curva in R2

(ii) Quando A R2 e B = R, il graco un sottoinsieme dello spazio tridimensionale


R3 , cio una supercie (senza spessore)

Supercie in R3
7.2. APPLICAZIONI 151

7.2 Applicazioni
7.2.1 Incertezza
Consideriamo una scommessa basata sui lanci di una monetina. In particolare, sup-
poniamo che la monetina sia lanciata due volte e che la scommessa paghi 1 euro se
si ha testa in entrambi i lanci, mentre non paga alcunch in caso contrario. Come
possiamo rappresentare in modo rigoroso tale scommessa? Indichiamo testa con T e
croce con C, cosicch il prodotto cartesiano

1 2 = fC; T g fC; T g = f(C; T ) ; (C; C) ; (T; C) ; (T; T )g

introdotto nella Sezione 2.4.1 descrive i possibili esiti dei lanci6 .


Si ponga = 1 2 . Per comodit di notazione, indichiamo la coppia (C; T )
con CT , la coppia (C; C) con CC, e cos via. La scommessa descritta dalla funzione
f : ! R denita come f (T T ) = 1, f (CC) = 0, f (CT ) = 0 e f (T C) = 0. Lim-
magine Im f = f0; 1g indica le possibili vincite ottenibili con la scommessa. Invece, la
scommessa che paga 5 euro se si verica C nel secondo lancio e 2 in caso contrario
descritta dalla funzione g : ! R denita come g (T T ) = 2, g (CC) = 5, g (CT ) = 2
e g (T C) = 5.

Le funzioni f e g sono semplici esempi di variabili aleatorie, cio di funzioni a


valori reali denite su uno spazio di esiti che rappresentano i dierenti modi in cui
lincertezza si pu risolvere. La Sezione 8 approfondir questimportantissima nozione,
centrale nella modellizzazione dellincertezza. H

7.2.2 Scelte statiche


Poniamo che, come nella Sezione 2.4.2, i vettori in Rn+ abbiano il signicato di panieri
di beni. naturale pensare che il consumatore preferir alcuni panieri ad altri. Per
esempio, ragionevole ritenere che, se x > y (x pi abbondantedi y), x sia preferito
a y. In simboli, si scrive x % y, dove % la relazione di preferenza del consumatore
sui panieri.
In generale, si ipotizza che la preferenza % sui vari panieri di beni sia rappre-
sentabile da una funzione u : Rn+ ! R, detta funzione di utilit, tale che il paniere x
preferito a y se e solo se u (x) u (y), cio

x % y () u (x) u (y) (7.2)

In origine, intorno al 1870, i primi Marginalisti (in particolare Jevons, Menger e


Walras) interpretavano u (x) come il livello di benessere/soddisfazione prodotto dal
paniere x. Si dava quindi uninterpretazione siologica delle funzioni di utilit, che
6
Il simbolo per indicare gli esiti dei lanci comune nel calcolo delle probabilit, ove detto
insieme degli stati del mondo o spazio campionario.
152 CAPITOLO 7. FUNZIONI

quanticavano le emozioni che il consumatore provava nellavere dierenti panieri.


la cosiddetta interpretazione cardinalista delle funzioni di utilit che risale a Jeremy
Bentham (1748-1832) e al suo pain and pleasure calculus.7 In questo approccio le
funzioni di utilit, oltre a rappresentare la preferenza %, hanno un interesse intrinseco
di quanticazione di uno stato emotivo del consumatore, il suo grado di piacere indotto
dai panieri. Oltre al confronto u (x) u (y), anche lecito confrontare le dierenze

u (x) u (y) u (z) u (w)

che indicano che il paniere x pi intensamente preferito a y di quanto lo sia il paniere z


rispetto al paniere w. Inoltre, poich u (x) misura il grado di piacere che il consumatore
trae dal paniere x, nellinterpretazione cardinalista anche lecito confrontare queste
misure tra diversi consumatori, ossia fare confronti interpersonali di utilit.

Linterpretazione cardinalista entr in crisi a ne 800 per limpossibilit di misurare


in modo sperimentale i presunti aspetti siologici alla base delle funzioni di utilit8 .
Per questa ragione, con i lavori di inizio 900 di Vilfredo Pareto, sviluppati prima da
Slutsky nel 1915 e poi da Allen e Hicks negli anni Trenta9 , si aerma linterpretazione
ordinalista delle funzioni di utilit: pi modestamente si assume che esse siano solo
una mera rappresentazione numerica della preferenza % del consumatore. Secondo
tale interpretazione, ci che conta solo che lordinamento u (x) u (y) rappresenti la
prefenza per il paniere x rispetto a y, cio x % y ; non di interesse sapere se questo
rietta emozioni, pi o meno intense, del consumatore. In altri termini, nellapproccio
ordinalista la nozione fondamentale la preferenza %, mentre la funzione di utilit
ne una mera rappresentazione numerica. Non hanno pi signicato i confronti di
intensit (7.2) n i confronti interpersonali di utilit.
A livello sperimentale, la preferenza % del consumatore si rivela nelle scelte tra
panieri, molto pi semplici da osservare che emozioni o altri stati mentali.

Linterpretazione ordinalista si aermata come linterpretazione standard perch,


oltre al superiore contenuto empirico test menzionato, i lavori di Pareto mostrarono
come essa sia su ciente per sviluppare la Teoria del consumatore. Tuttavia, a livello
intuitivo molti economisti continuano a usare categorie cardinaliste per la loro plau-
sibilit introspettiva. Sia come sia, grazie alle funzioni di utilit possiamo arontare
il problema di un consumatore che deve scegliere un paniere in un assegnato insieme
A di Rn+ . Il consumatore sar guidato in tale scelta dalla propria funzione di utilit
u:A Rn+ ! R: u (x) u (y) indica che il consumatore preferisce il paniere x di
7
Si veda il suo Introduction to the Principles of Morals and Legislation, pubblicato nel 1789.
8
Intorno al 1901, cos il grande Henri Poincar scriveva a Walras: Posso dire che una sodisfazione
maggiore di unaltra, poich preferisco luna allaltra, ma non posso dire che la prima soddisfazione
due o tre volte pi grande dellaltra. Pur non disponendo di eccessive conoscenze economiche,
Poicar coglie con grande sensibilit il punto fondamentale.
9
Il lettore interessato allo sviluppo della Teoria dellutilit pu leggere G. J. Stigler, The
development of utility theory I, II, Journal of Political Economy, 58, 307-327 and 373-396, 1950.
7.2. APPLICAZIONI 153

beni al paniere y o che indierente tra i due. Limmagine Im u rappresenta tutti i


livelli di utilit ottenibili dal consumatore. Per esempio,
X
n
u (x) = xi
i=1

la funzione di utilit di un consumatore che ordina i panieri semplicemente secondo


la somma delle quantit dei beni che essi contengono. La classica funzione di utilit
Cobb-Douglas
Y
n
u (x) = xi i
i=1
Pn
con gli esponenti i > 0 tali che i=1 i = 1 (si veda lEsempio 75). Quando i = 1=n
per ogni i, si ha
! n1
Y
n
1 Y
n
u (x) = (xi ) =
n xi
i=1 i=1
secondo la quale i panieri sono ordinati secondo la radice n-esima del prodotto delle
quantit dei beni che contengono10 .
Tornando invece alla Sezione 2.4.2, consideriamo un produttore che debba decidere
la quantit di output da produrre. In tale decisione fondamentale la cosiddetta
funzione di produzione f : A Rn+ ! R. La funzione di produzione descrive quanto
output f (x) si ottiene partendo da un vettore x 2 Rn di input. Per esempio,
! n1
Yn
f (x) = xi
i=1

la funzione di produzione Cobb-Douglas in cui loutput pari alla radice n-esima del
prodotto degli input.

7.2.3 Scelte intertemporali


Come nella Sezione 2.4.3, si suppone dabitudine che il consumatore, sui possibili
proli x = (x1 ; x2 ; :::; xT ) intertemporali di consumo, abbia preferenze quanticate da
una funzione intertemporale di utilit U : A RT ! R. Per esempio, assumiamo che
il consumatore abbia una funzione di utilit ut : A R ! R, detta istantanea, per
il consumo xt di ogni periodo. In questo caso una possibile forma della funzione di
utilit intertemporale
X
T
T 1 t 1
U (x) = u1 (x1 ) + u2 (x2 ) + + uT (xT ) = ut (xt ) (7.3)
t=1
10
Si noti che, per unovvia propriet del prodotto, tutti i panieri con almeno una xi nulla hanno
utilit 0. Dal punto di vista economico, poco plausibile pensare che la nullit anche di una sola
componente di un paniere abbia conseguenze cos drastiche. Per questa ragione spesso si preferisce
denire la funzione Cobb-Douglas solo su Rn++ e cos faremo anche noi.
154 CAPITOLO 7. FUNZIONI

dove 2 (0; 1) un fattore soggettivo di sconto che dipende da quanto paziente


il consumatore. Quanto pi il consumatore paziente, ossia quanto pi disposto a
posporre il proprio consumo di una data quantit del bene, tanto pi alto il valore
di . Pi si avvicina a 1, pi ci si avvicina alla forma
X
T
U (x) = u1 (x1 ) + u2 (x2 ) + + uT (xT ) = ut (xt )
t=1

nella quale il consumo in ogni periodo valutato in modo paritetico. Al contrario, pi


si avvicina a 0, pi U (x) si avvicina a u1 (x1 ), ossia il consumatore estremamente
impaziente e non d quasi peso ai consumi futuri.

7.3 Propriet generali


7.3.1 Controimmagini e curve di livello
La nozione di controimmagine speculare a quella di immagine. Sia f : A ! B: dato
un punto y 2 B, la sua controimmagine, indicata con f 1 (y), linsieme
1
f (y) = fx 2 A : f (x) = yg

degli elementi del dominio che hanno y come immagine. Pi in generale, dato un
sottoinsieme D qualsiasi del codominio B, la sua controimmagine f 1 (D) linsieme
1
f (D) = fx 2 A : f (x) 2 Dg

degli elementi del dominio le cui immagini appartengono a D.


I prossimi esempi illustrano queste nozioni. Per brevit, considereremo come insie-
mi D solo intervalli e singoletti, ma analoghe considerazioni valgono per altri tipi di
insiemi.

Esempio 77 Consideriamo la funzione f : A ! B che a ogni essere umano associa


la data di nascita. Se y 2 B una possibile tale data, f 1 (y) linsieme degli esseri
umani che hanno y come data di nascita; in altre parole, gli esseri umani in f 1 (y)
sono coetanei. N

Esempio 78 Sia f : R ! R data da f (x) = x3 . Si ha Im f = R. Per ogni y 2 R si


ha n 1o
f 1 (y) = y 3
1
Per esempio, f (27) = 3. La controimmagine di un intervallo chiuso [a; b]
h 1 1i
f 1 ([a; b]) = a 3 ; b 3

Per esempio, f 1
([ 8; 27]) = [ 2; 3]. N
7.3. PROPRIET GENERALI 155

Esempio 79 Sia f : R ! R data da f (x) = x2 . Si ha Im f = R+ . La controimmagine


di ogni y 0
p p
f 1 (y) = f y; yg
mentre quella di ogni y < 0 f 1 (y) = ;. Per semplicit, indichiamo la controim-
magine di un intervallo aperto (a; b) come f 1 (a; b) in luogo di f 1 ((a; b)). Essa
8 p p p p
>
> b; a [ a; b se a 0
>
<
f 1 (a; b) = ; se b < 0
>
> p p
>
: b; b se a < 0 < b

Si osservi come nellultimo caso, quando a < 0; si abbia f 1 (a; b) = f 1 ([0; b)). Ci
dovuto al fatto che gli elementi tra a e 0 non hanno alcuna controimmagine. Per
esempio, se D = ( 1; 2), si ha

1
p p
f (D) = 2; 2

Si noti che
1 1 1
f (D) = f ([0; 2)) = f ( 1; 2)
ossia gli elementi negativi di D sono irrilevanti (poich non appartengono allimmagine
della funzione). N

Per una funzione f : A Rn ! R di pi variabili, con un appropriato termine


11
topograco , la controimmagine f 1 (k) spesso chiamato curva di livello di f in k (o
di quota k, con k 2 R). Tale terminologia, che esprime lidea che gli elementi di f 1 (k)
siano i punti del dominio nei quali la funzione raggiunge il livellok, particolarmente
calzante in parecchie applicazioni economiche, come vedremo tra breve. Le curve di
livello sono particolarmente utilizzate per le funzioni f : R2 ! R perch in tal caso se
ne pu dare una rappresentazione geometrica che pu rivelarsi illuminante.

Esempio 80 Sia f : R2 ! R data da f (x1 ; x2 ) = x21 + x22 . Per ogni k 0, la curva


di livello f 1 (k) il luogo dei punti di R2 di equazione

x21 + x22 = k
p
ossia la circonferenza di raggio k. Gracamente, le curve di livello si possono quindi
rappresentare come
11
Lespediente infatti lo stesso che conduce a rappresentare le montagne su una carta geograca
attraverso le cosiddette isoipse, cio le linee ideali che congiungono tra loro tutti i punti alla stessa
quota sul livello del mare. Per le funzioni di due variabili, il problema esattamente lo stesso: si pu
rappresentare una supercie in R3 attraverso le linee che congiungono i punti (x1 ; x2 ) per i quali la
funzione assume lo stesso valore k.
156 CAPITOLO 7. FUNZIONI

mentre il graco della funzione

Due diverse curve di livello di una stessa funzione non possono avere alcun punto
in comune, cio
f 1 (k1 ) \ f 1 (k2 ) = ; (7.4)
se k1 6= k2 . Infatti, se vi fosse un punto x 2 Rn che appartiene a entrambe le curve
di livelli k1 e k2 , sarebbe f (x) = k1 e f (x) = k2 con k1 6= k2 , ma ci vietato dal
concetto di funzione che impone che essa assuma un solo valore in ogni punto.
p
Esempio 81 Sia f : R2 ! R data da f (x1 ; x2 ) = 7x21 xp 2 . Per ogni k 0, la
1 2 2
curva di livello f (k) il luogo dei punti di R di equazione 7x1 x2 = k, ovvero
7.3. PROPRIET GENERALI 157

x2 = k 2 + 7x21 . Si tratta di una parabola che interseca lasse delle ordinate in k2.
Gracamente:

:
N
Esempio 82 La funzione f : R++ R ! R data da
s
x21 + x22
f (x1 ; x2 ) =
x1
denita soltanto per x1 > 0. Le sue curve di livello hanno equazioni
s
x21 + x22
= k cio x21 + x22 k 2 x1 = 0
x1
e quindi sono circonferenze, tutte passanti per lorigine e di centri (k 2 =2; 0), tutti
sullasse delle ascisse. Gracamente:

:
158 CAPITOLO 7. FUNZIONI

Si noti che, pur avendo tutte tali circonferenze lorigine come punto comune, le vere
curve di livello sono le circonferenze private dellorigine (perch in (0; 0) la funzione
non denita) e che esse non hanno alcun punto in comune. N
OfB. Ci limitiamo a funzioni di due variabili. La generica curva di livello di f ha
equazione
f (x1 ; x2 ) = k
Essa si pu riscrivere, in forma apparentemente pi complicata
y = f (x1 ; x2 )
y=k
ma tale riscrittura ben ne suggerisce il signicato geometrico:
(i) lequazione y = f (x1 ; x2 ) rappresenta una supercie in R3 ;
(ii) lequazione y = k rappresenta un piano orizzontale (contiene i punti (x1 ; x2 ; k) 2
R3 , cio tutti i punti di quotak);
(iii) il simbolo f geometricamente signica intersezione.
La curva di livello k appare allora come lintersezione tra la supercie rappresen-
tativa di f e un piano orizzontale.

Curva di livello di una supercie generica.

Dunque, alla buona, le varie curve di livello corrispondono a tagliare la supercie con
piani orizzontali (a vari livelli) e a rappresentare la forma delle fette cos ottenute
sul piano (x1 ; x2 ). H
7.3. PROPRIET GENERALI 159

Curve di indierenza
Vediamo una classica applicazione economica delle curve di livello. Data una funzione
di utilit u : A Rn+ ! R, le curve di livello
1
u (k) = fx 2 A : u (x) = kg

sono dette curve di indierenza. In altre parole, una curva di indierenza formata
da tutti i panieri x 2 Rn+ che hanno la stessa utilit k (e sono quindi indierenti per il
consumatore). Linsieme fu 1 (k) : k 2 Rg di tutte le curve di indierenza talvolta
chiamata mappa di indierenza.

Esempio 83 Consideriamo la semplice funzione di utilit Cobb-Douglas u : R2++ ! R


data da
1
u (x) = (x1 x2 ) 2
Per ogni k 0 si ha
n 1
o
1
u (k) = x 2 R2++ : (x1 x2 ) 2 = k = x 2 R2++ : x1 x2 = k 2
k2
= x 2 R2++ : x2 =
x1

Quindi, la curva di indierenza di livello k liperbole di equazione

k2
x2 =
x1
1
Al variare di k 0 otteniamo la mappa di indierenza fu (k)gk , cio:

8
y
7

6 k=3

5
k=2
4

2 k=1

0
O x
-1
0 0.5 1 1.5 2 2.5 3 3.5

N
160 CAPITOLO 7. FUNZIONI

Si noti come la propriet delle curve di indierenza di non intersecarsi non sia altro
che un caso speciale della propriet (7.4) valida per quasiasi famiglia di curve di livello.

Per una funzione di produzione f : A Rn+ ! R, le curve di livello


1
f (k) = fx 2 A : f (x) = kg

sono dette isoquanti. In altre parole, un isoquanto linsieme di tutti i vettori x 2


Rn+ di input che producono lo stesso output. Linsieme ff 1 (k) : k 2 Rg di tutti gli
isoquanti talvolta chiamato mappa degli isoquanti.
Inne, per una funzione di costo c : A R+ ! R, le curve di livello
1
c (k) = fx 2 A : c (x) = kg

sono dette isocosti. In altre parole, un isocosto linsieme di tutti i livelli di output
x 2 A che hanno lo stesso costo. Linsieme fc 1 (k) : k 2 Rg di tutti gli isocosti
talvolta chiamato mappa degli isocosti.

Curve di indierenza, isoquanti e isocosti sono tutti esempi di curve di livello, di


cui ereditano le propriet. Per esempio, il fatto che due curve di livello non abbiano
punti in comune la propriet (7.4) implica lanaloga classica propriet delle curve
di indierenza.

7.3.2 Algebra delle funzioni


Dati due insiemi A e B, indichiamo con B A linsieme di tutte le possibili funzioni
f : A ! B.12

Esempio 84 Nella sezione 7.2.1 linsieme R costituito da tutte le possibili scommesse


basate sul doppio lancio di una monetina. Ogni scommessa ha un prezzo che lo scom-
mettitore deve pagare per potervi partecipare. Ogni funzione F : R ! R rappresenta
un possibile sistema di prezzi per acquistare le scommesse relative al doppio lancio di
una monetina. Per esempio, siano f; g 2 R le due particolari scommesse viste nella
Sezione 7.2.1. Il prezzo loro assegnato dal sistema F di prezzi rispettivamente F (f )
e F (g). N

Dato un insieme A qualsiasi, consideriamo linsieme RA di tutte le possibili funzioni


f : A ! R a valori reali. In esso possiamo denire in modo naturale alcune operazioni
che associano a due funzioni qualsiasi in RA una nuova funzione ancora in RA .

Denizione 43 Date due funzioni qualsiasi f e g in RA , la funzione f +g lelemento


di RA per il quale
(f + g) (x) = f (x) + g (x) 8x 2 A:
12
Talvolta si usa la notazione A B invece di B A .
7.3. PROPRIET GENERALI 161

La funzione somma f + g : A ! R si costruisce quindi sommando, per ogni


elemento x del dominio A, le immagini f (x) e g (x) secondo le due funzioni. Siano,
per esempio, f e g le due scommesse della Sezione 7.2.1: la funzione somma f + g :
! R descrive la vincita complessiva di uno scommettitore che partecipa a entrambe
le scommesse. Per esempio, se lesito del lancio due volte testa, lo scommettitore
vincer (f + g) (T T ) = f (T T ) + g (T T ) = 1 + 2 = 3.

Esempio 85 Sia RR linsieme di tutte le funzioni f : R ! R. In particolare, consideri-


amo f (x) = x e g (x) = x2 . La funzione somma f +g denita da (f + g) (x) = x+x2 .
N

In modo analogo si deniscono:

(i) la funzione dierenza (f g) (x) = f (x) g (x) per ogni x 2 A;

(ii) la funzione prodotto (f g) (x) = f (x) g (x) per ogni x 2 A;

(iii) la funzione rapporto (f =g) (x) = f (x) =g (x) per ogni x 2 A, purch g (x) 6= 0.

Abbiamo introdotto quattro operazioni nellinsieme RA , basate sulle quattro op-


erazioni fondamentali sui reali. facile vedere che queste operazioni godono di pro-
priet analoghe a quelle delle operazioni fondamentali. Per esempio, la somma
commutativa, ossia f + g = g + f , e associativa, ossia (f + g) + h = f + (g + h).

NB. (i) Nella Denizione 43 e in quella delle altre operazioni le funzioni


p devono condi-
2
vidano lo stesso dominio A. Per esempio, se f (x) = x e g (x) = x, la somma f + g
priva di senso perch, per x < 0, la funzione g non denita. (ii) Il dominio A un
insieme qualunque: numeri, sedie o altro. Invece, essenziale che il codominio sia R
perch tra numeri reali che sappiamo svolgere le quattro operazioni fondamentali. O

7.3.3 Composizione
Consideriamo due funzioni f : A ! B e g : C ! D, con Im f C. Prendiamo un
punto qualsiasi x 2 A. Poich Im f C, limmagine f (x) appartiene al dominio C
della funzione g. Possiamo applicare la funzione g allimmagine f (x), ottenendo in
tal modo lelemento g (f (x)) di D. Infatti, la funzione g ha come proprio argomento
limmagine f (x) di x.
Abbiamo quindi associato a ogni elemento x dellinsieme A lelemento g (f (x))
dellinsieme D. Tale regola, detta di composizione, denisce tramite le funzioni f e g
una nuova funzione da A in D, indicata con g f . Formalmente:

Denizione 44 Siano A, B, C e D quattro insiemi qualsiasi e f : A ! B e g : C !


D due funzioni. Se Im f C, la funzione composta g f : A ! D denita da

(g f ) (x) = g (f (x)) 8x 2 A:
162 CAPITOLO 7. FUNZIONI

Si noti la condizione di incastro Im f C senza la quale la composizione non


possibile. Illustriamo la composizione con alcuni esempi.

Esempio 86 Siano f; g 2 RR date da f (x) = x2 e g (x) = x + 1. In questo caso A =


B = C = D = R, e la condizione di incastro banalmente soddisfatta. Consideriamo
g f . Dato x 2 R, risulta f (x) = x2 . La funzione g ha quindi come proprio argomento
x2 , sicch
g (f (x)) = g x2 = x2 + 1.
Ne segue che la funzione composta g f : R ! R data da (g f ) (x) = x2 + 1.
Consideriamo invece f g. Dato x 2 R, risulta g (x) = x + 1. La funzione f ha
quindi come proprio argomento x + 1, da cui

f (g (x)) = f (x + 1) = (x + 1)2 .

La funzione composta f g : R ! R dunque data da (f g) (x) = (x + 1)2 . N


p
Esempio 87 Consideriamo f : R+ ! R data da f (x) = x e g : R ! R data da
g (x) = x 1. In questo caso B = C = D = R e A = R+ . La condizione di incastro
soddisfatta per g f perch Im f = R+ R, ma non lo per f g perch Im g = R
non inclusa in R+ , che il dominio di f .
p
Consideriamo g pf . Dato x 2 R, si ha f (x) = x. La funzione g ha quindi come
proprio argomento x, da cui
p p
g (f (x)) = g x = x 1.
p
La funzione composta g f : R+ ! R data da (g f ) (x) = x 1. N

Esempio 88 Se nellesempio precedente consideriamo g~ : [1; +1) ! R data da


g~ (x) = x 1, la condizione di incastrop soddisfatta per f g~. In particolare,
f g~ : [1; +1) ! R data da x 1. Come vedremo tra breve nella Sezione
7.6, la funzione g~ la restrizione di g su [1; +1). N

Esempio 89 Sia A linsieme dei cittadini italiani e f : A ! R la funzione che a


ognuno associa il suo reddito per questanno e g : R ! R la funzione che a ogni
possibile reddito associa limposta dovuta. La funzione composta g f : A ! R fa
corrispondere a ogni italiano limposta da egli dovuta. Agli u ci tributari (e anche ai
cittadini) interessa, e molto, tale funzione composta. N

7.4 Classi di funzioni


In questa sezione introduciamo alcune importanti classi di funzioni.
7.4. CLASSI DI FUNZIONI 163

7.4.1 Funzioni iniettive, suriettive e biiettive


Dati due insiemi A e B qualsiasi, una funzione f : A ! B si dice iniettiva se
x 6= y =) f (x) 6= f (y) ; 8x; y 2 A; (7.5)
ossia se a elementi diversi del dominio f associa elementi diversi del codominio.

1.6

A B
1.4
a
1
1.2 b
1
b
3
1 a b
2 2

0.8

0.6

0.4
0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8

Funzione iniettiva da A in B

Un semplice esempio di funzione iniettiva f (x) = x3 . Infatti, due reali distinti


hanno sempre cubi distinti, ossia x 6= y implica x3 6= y 3 per ogni x; y 2 R. Un classico
esempio di funzione non iniettiva f (x) = x2 : per esempio, ai due punti distinti 2 e
2 di R corrisponde il medesimo quadrato, ossia f (2) = f ( 2) = 4.
Si noti che la (7.5) equivalente alla contronominale13 :
f (x) = f (y) =) x = y 8x; y 2 A
che richiede che due elementi del dominio che condividono la stessa immagine siano
uguali.

Dati due insiemi qualsiasi A e B, una funzione f : A ! B si dice suriettiva se


Im f = B;
ossia se per ogni elemento y di B esiste un elemento x di A tale che f (x) = y. In
altre parole, una funzione suriettiva se ogni elemento del codominio immagine di
almeno un punto del dominio.
13
Date due propriet p e q, si ha p =) q se e solo se :q =) :p (: sta per non). Limplicazione
:q =) :p la contronominale dellimplicazione originaria p =) q. Si veda lAppendice B.
164 CAPITOLO 7. FUNZIONI

Esempio 90 La funzione f : R ! R data da f (x) = x3 suriettiva poich ogni


1 1
y 2 R immagine di y 3 2 R, ossia f y 3 = y. Daltra parte, la funzione f : R ! R
data da f (x) = x2 non suriettiva poich nessun y < 0 immagine di alcun punto
del dominio. N

Ricordando quanto sera detto sui codomini, si pu notare che una funzione f :
A ! B si pu sempre scrivere come f : A ! Im f , che ovviamente suriettiva (basta
prendere B = Im f ). Per esempio, se scriviamo la parabola x2 come f : R ! R+ essa
diventa suriettiva. Quindi, scegliendo in modo opportuno il codominio, ogni funzione
diventa suriettiva. Ci per non signica che la suriettivit sia una nozione priva di
interesse: come si vedr, spesso infatti linsieme B ssato (per varie ragioni) a priori
ed importante distinguere le funzioni che hanno B come immagine, ossia le suriettive,
da quelle la cui immagine solo contenuta in B.

Inne, dati due insiemi qualsiasi A e B, una funzione f : A ! B si dice biiettiva


o biunivoca se sia iniettiva sia suriettiva. In questo caso, si pu andare avanti e
indietrotra gli insiemi A e B usando la funzione f : da qualsiasi x 2 A si passa a un
unico y = f (x) 2 B, mentre da qualsiasi y 2 B si torna a un unico x 2 A tale che
y = f (x).

1.6

A B
1.4
a b
1 1
1.2

1 a b
2 2

0.8
a b
3 3

0.6

0.4
0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8

Per esempio, la f : R ! R data da f (x) = x3 biiettiva. Nel caso di insiemi niti


abbiamo il seguente semplice, ma interessante, risultato ove jAj indica la cardinalit
di un insieme nito A, ossia il numero di elementi che lo compongono.

Proposizione 75 Siano A e B due qualsiasi insiemi niti. Esiste una biiezione f :


A ! B se e solo se jAj = jBj.

Dim. Se. Poniamo jAj = jBj = n e scriviamo A = fa1 ; a2 ; : : : ; an g e B =


fb1 ; b2 ; : : : ; bn g. Una biiezione f : A ! B denita come f (ai ) = bi per i = 1; 2; ; n.
7.4. CLASSI DI FUNZIONI 165

Solo se. Sia f : A ! B una biiezione. Per la iniettivit si ha jAj jBj. Infatti,
a ogni x 2 A corrisponde un diverso f (x) 2 B. Daltra parte, per la suriettivit si ha
jBj jAj. Infatti, per ogni y 2 B si ponga C (y) = fx 2 A : f (x) = yg. Se y1 6= y2
si ha C (y1 ) \ C (y2 ) = ;. Quindi, posto C = fC (y) : y 2 Bg, si ha jBj = jCj. Ma,
facile vedere che jCj jAj, da cui jBj jAj. In conclusione, si ha jAj = jBj.

Come vedremo nella Sezione 7.7, parafrasando una celebre battuta di David Hilbert,
questo risultato la porta del paradiso di Cantor.

7.4.2 Funzioni inverse


Dati due insiemi qualsiasi A e B, sia f : A ! B una funzione iniettiva. In tal caso, a
ogni elemento f (x) dellimmagine Im f corrisponde un unico elemento x 2 A tale che
f (x) = y. La funzione cos determinata detta funzione inversa di f . Formalmente:

Denizione 45 Sia f : A ! B una funzione iniettiva. La funzione f 1 : Im f ! A


denita da f 1 (y) = x se e solo se f (x) = y detta funzione inversa di f .

Si ha quindi
1
f (f (x)) = x 8x 2 A (7.6)
e
1
f f (y) = y 8y 2 Im f (7.7)
Le funzioni inverse eettuano il percorso inverso delle originarie: da x 2 A si arriva a
f (x) 2 B, e si torna indietro con f 1 (f (x)) = x.

1.6

A B
1.4

1.2

f
1 x y
-1
f
0.8

0.6

0.4
0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.75 0.8

Ha senso parlare di inversa solo per funzione iniettive. In particolare, quando la


funzione f anche suriettiva, ed quindi biiettiva, si ha f 1 : B ! A. In tal caso il
dominio dellinversa lintero codominio di f .
166 CAPITOLO 7. FUNZIONI

Esempio 91 (i) Sia f : R ! R la funzione biiettiva f (x) = x3 . Da y = x3 segue


1 1
x = y 3 . Linversa f 1 : R ! R data da f 1 (y) = y 3 , ovvero, vista lirrilevanza del
1
nome della variabile indipendente, f 1 (x) = x 3 .
(ii) Sia f : R ! R la funzione biiettiva f (x) = 3x . Da y = 3x segue x = log3 y.
Linversa f 1 : R ! R data da f 1 (y) = log3 y, ovvero f 1 (x) = log3 x. N

Esempio 92 Sia f : R ! R data da


8 x
< se x < 0
f (x) = 2 :
: 3x se x 0

Da y = x=2 segue x = 2y, mentre da y = 3x segue x = y=3. Quindi,


8
< 2y se y < 0
f 1 (y) = y :
: se y 0
3
N

Esempio 93 Sia f : R f0g ! R data da f (x) = 1=x. Da y = 1=x segue che


x = 1=y, e quindi f 1 : R f0g ! R data da f 1 (y) = 1=y. In questo caso f = f 1 .
Si noti come R f0g sia il dominio di f 1 sia limmagine di f N

Esempio 94 La funzione f : R ! R denita da


(
x se x 2 Q
f (x) =
x se x 2
=Q

pur orribile, iniettiva (e suriettiva) e quindi invertibile. N


1
facile rendersi conto che, quando esiste, linversa (g f ) della funzione com-
posta g f
f 1 g 1 (7.8)
cio la composta delle inverse, ma scambiate di posto: infatti da y = g (f (x)) si ricava
g 1 (y) = f (x) e nalmente f 1 (g 1 (y)) = x.

OfB. Nel vestirsi, prima ci si mettono le mutande (f ) e poi i pantaloni (g); nello
spogliarsi, prima ci si tolgono i pantaloni (g 1 ) e poi le mutande (f 1 ). H

OfB. Il graco della funzione f 1 lo stesso di f , una volta che si siano risistemati
gli assi cartesiani. La maniera pi semplice di vederlo di tracciare il graco di f su
un foglio di carta poco spessa, guardarlo in controluce dopo aver rotato gli assi di 900
in modo da scambiare ascisse e ordinate: ci che appare il graco di f 1 .
7.4. CLASSI DI FUNZIONI 167

5 5

y y
4 4

3 3

2 2

1 1

0 0
x x
O O
-1 -1

-2 -2
-3 -2 -1 0 1 2 3 4 -3 -2 -1 0 1 2 3 4

p 1
Funzione y = f (x) = 3
x Funzione x = f (y) = y 3

7.4.3 Funzioni limitate


Sia f : A ! R una funzione con dominio A qualsiasi e codominio la retta reale. Essa
si dice:

(i) superiormente limitata se la sua immagine Im f un insieme superiormente


limitato in R, ossia se esiste k 2 R tale che f (x) k per ogni x 2 A;

(ii) inferiormente limitata se la sua immagine Im f un insieme inferiormente limi-


tato in R, ossia se esiste k 2 R tale che f (x) k per ogni x 2 A;

(iii) limitata se sia superiormente sia inferiormente limitata.

Per esempio, la funzione f : R f0g ! R data da


1
f (x) =
jxj

inferiormente, ma non superiormente, limitata poich f (x) 0 per ogni x 2 R, men-


tre la funzione f : R ! R data da f (x) = x2 superiormente, ma non inferiormente,
limitata poich f (x) 0 per ogni x 2 R.
Il prossimo lemma ci d una semplice, ma molto utile, condizione di limitatezza.

Lemma 76 Una funzione f : A ! R limitata se e solo se se esiste k > 0 tale che

jf (x)j k 8x 2 A: (7.9)
168 CAPITOLO 7. FUNZIONI

Dim. Se f limitata, esistono k 0 ; k 00 2 R tale che k 0 f (x) k 00 . Sia k > 0 tale che
k k0 k 00 k. Ne segue che vale la (7.9). Viceversa, supponiamo che valga la
(7.9). Grazie alla (4.1), che vale anche per la , si ha k f (x) k, il che implica
che f limitata sia superiormente sia inferiormente.

La funzione denita da
8
>
< 1 se x 1
f (x) = 0 se 0 < x < 1
>
: 2 se x 0

limitata poich jf (x)j 2 per ogni x 2 R.

Abbiamo quindi una prima tassonomia delle funzioni a valori reali f : A ! R,


ossia degli elementi dello spazio14 RA . Si noti che tale tassonomia non esaustiva,
ossia esistono funzioni che non soddisfanno alcuna delle condizioni (i)-(iii): il caso,
per esempio, di f (x) = x.

7.4.4 Funzioni monotone


Introduciamo ora unimportante classe di funzioni f : A Rn ! R, ossia funzioni a
valori reali il cui dominio A un sottoinsieme di Rn .

Funzioni monotone su R
Cominciamo col caso n = 1, che di particolare importanza. Nel dettaglio

Denizione 46 Una funzione f : A R ! R si dice:

(i) crescente se
x > y ) f (x) f (y) x; y 2 A; (7.10)
strettamente crescente se

x > y ) f (x) > f (y) 8x; y 2 A; (7.11)

(ii) decrescente se
x > y ) f (x) f (y) 8x; y 2 A; (7.12)
strettamente decrescente se

x > y ) f (x) < f (y) 8x; y 2 A;


14
Si noti luso del termine spazio per indicare un insieme di riferimento (in questo caso linsieme di
tutte le funzioni di RA ).
7.4. CLASSI DI FUNZIONI 169

(iii) costante se esiste k 2 R tale che

f (x) = k 8x 2 A:

Si noti che una funzione costante se e solo se sia crescente sia decrescente.
In altre parole, la costanza equivale alla compresenza di entrambe le propriet di
monotonia. per questa ragione che abbiamo introdotto la costanza tra le forme
di monotonia. A breve vedremo che nel caso vettoriale la relazione tra costanza e
monotonia un popi sottile.

Le funzioni crescenti o decrescenti sono dette genericamente monotone. La stretta


monotonia si ha quindi qualora la disuguaglianza tra le immagini f (x) e f (y) stretta
per tutti i punti x 6= y del dominio. In altre parole, la stretta monotonia esclude la
possibilit che la funzione abbia tratti di costanza. Formalmente:

Proposizione 77 Una funzione f : A R ! R crescente strettamente crescente


se e solo se
f (x) = f (y) ) x = y 8x; y 2 A (7.13)
ossia se e solo se iniettiva.

Un analogo risultato vale per la stretta decrescenza. Le funzioni strettamente


monotone sono dunque iniettive, e quindi invertibili.

Dim. Solo se. Sia f strettamente crescente e sia f (x) = f (y). Supponiamo, per
contraddizione, che x 6= y: x > y oppure y < x. In entrambi casi, per la (7.11), si ha
f (x) 6= f (y), il che contraddice f (x) = f (y). Ne segue che x = y, come desiderato.
Se. Supponiamo valga la propriet (7.13). Sia f crescente. Mostriamo che lo
anche strettamente. Sia x > y. Per la crescenza, si ha f (x) f (y) ma non pu aversi
f (x) = f (y) perch dalla (7.13) seguirebbe x = y. Si ha quindi f (x) > f (y) come
desiderato.

Esempio 95 Le funzioni f : R ! R date da f (x) = x e f (x) = x3 sono strettamente


crescenti, mentre la funzione

x se x 0
f (x) =
0 se x < 0

crescente, ma non strettamente, poich costante per ogni x < 0. Lo stesso vale per
la funzione denita da
8
< x 1 se x 1
f (x) = 0 se 1<x<1 (7.14)
:
x+1 se x 1

che ha un tratto di costanza in [ 1; 1]. N


170 CAPITOLO 7. FUNZIONI

Si noti che nella (7.10) possiamo sostituire x > y con x y senza alcuna con-
seguenza poich si ha f (x) = f (y) se x = y. Quindi, la crescenza equivale a

x y ) f (x) f (y) (7.15)

Consideriamo limplicazione inversa,

f (x) f (y) ) x y (7.16)

che richiede che a maggiori valori dellimmagine corrispondano maggiori valori dellar-
gomento. Si osservi che ovviamente f (x) = f (y) equivale ad avere sia f (x) f (y)
sia f (y) f (x), che a loro volta, grazie alla (7.16), implicano x y e y x, ossia
x = y. Quindi, dalla (7.16) segue che

f (x) = f (y) ) x = y (7.17)

Alla luce della Proposizione 77, concludiamo che una funzione crescente che soddis-
fa anche limplicazione inversa (7.16) strettamente crescente. Il prossimo risultato
mostra che vero anche il converso, stabilendo cos uninteressante caratterizzazione
della stretta crescenza; lanalogo risultato vale per la stretta decrescenza.

Proposizione 78 Una funzione f : A R ! R strettamente crescente se e solo se

x y () f (x) f (y) 8x; y 2 A (7.18)

Dim. Grazie a quanto visto sopra, resta da dimostrare il Solo se, ossia che una
funzione strettamente crescente soddisfa la propriet (7.18). Poich una funzione
strettamente crescente crescente, limplicazione

x y ) f (x) f (y)

ovvia. Per mostrare la (7.18) resta da mostrare che

f (x) f (y) ) x y

Sia f (x) f (y) e supponiamo, per contraddizione, che x < y. La stretta crescenza
implica f (x) < f (y), il che contraddice f (x) f (y). Si ha quindi x y, come
desiderato.

Funzioni monotone su Rn
Le nozioni di monotonia viste nel caso n = 1 si generalizzano in modo naturale al caso
di n qualsiasi, ma con alcuni aspetti delicati legati alle due peculiarit del caso n 2,
ossia lincompletezza di e la presenza di due nozioni di disuguaglianza stretta: > e
. Per brevit, consideriamo la monotonia crescente (nozioni analoghe valgono per
la decrescente). La nozione di crescenza si estende in modo ovvio.
7.4. CLASSI DI FUNZIONI 171

Una funzione f : A Rn ! R si dice crescente se


x y ) f (x) f (y) 8x; y 2 A (7.19)
Si noti che la nozione non richiede nulla a vettori x e y non confrontabili, quali per
esempio (1; 2) e (2; 1) in R2 . Analogamente si d il concetto di funzione decrescente.
Ancora, f costante se esiste k 2 R tale che
f (x) = k 8x 2 A
Pi delicata lestensione in Rn della stretta monotonia visto che abbiamo due
distinti concetti di disuguaglianza stretta. Una funzione f : A Rn ! R si dice
strettamente crescente se
x > y ) f (x) > f (y) 8x; y 2 A
e fortemente crescente se crescente e
x y ) f (x) > f (y) 8x; y 2 A (7.20)
Si ha una semplice gerarchia tra queste nozioni:

Proposizione 79 Per una funzione f : A Rn ! R si ha:


stretta crescenza ) forte crescenza ) crescenza (7.21)

Si tratta quindi di nozioni di monotonia via via pi forti. Nelle applicazioni si


dovr scegliere la forma che pi pertinente per il problema studiato15 .

Dim. Una funzione fortemente crescente , per denizione, crescente. Rimane da


mostrare che la stretta crescenza implica la forte crescenza. Sia quindi f strettamente
crescente. Occorre mostrare che f crescente e soddisfa la (7.20). Se x y, si
ha x = y oppure x > y. Nel primo caso si ha f (x) = f (y). Nel secondo caso si
ha f (x) > f (y) e quindi f (x) f (y). La funzione quindi crescente. Inoltre, se
x y, a fortiori si ha x > y, e quindi f (x) > f (y). La funzione f quindi fortemente
crescente.

I conversi delle precedenti implicazioni non valgono. Una funzione crescente con
tratti di costanza un esempio di funzione crescente ma non fortemente. Quindi
crescenza ; forte crescenza
Inoltre, il prossimo esempio mostra che esistono funzioni fortemente crescenti ma non
strettamente crescenti, cio
forte crescenza ; stretta crescenza
15
Le nozioni di monotonia per funzioni di pi variabili studiate sono componente per componente,
cio si basano sul confronto delle componenti dei vettori che sono argomento delle funzioni. Nella
Sezione 22.2 vedremo brevemente unaltra nozione di monotonia per funzioni di pi variabili.
172 CAPITOLO 7. FUNZIONI

Esempio 96 La funzione di Leontief f : R2 ! R data da


f (x) = min fx1 ; x2 g
fortemente crescente ma non strettamente. Per esempio, x = (1; 2) e y = (1; 1) sono
tali che x > y ma f (x) = f (y) = 1. N
NB. Per le applicazioni f : Rn ! Rm con m > 1 le nozioni di monotonia viste nel caso
m = 1 assumono un signicato diverso, che per brevit non investigheremo, perch
le immagini f (x) e f (y) possono non essere confrontabili, nel qual caso non si ha n
f (x) f (y) n f (y) f (x). Per esempio, se f : R2 ! R2 tale che f (0; 1) = (1; 2)
e f (3; 4) = (2; 1), le immagini (1; 2) e (2; 1) non sono confrontabili. Lasciamo a corsi
successivi lo studio di nozioni di monotonia per applicazioni f : Rn ! Rm con m > 1.
O

Funzioni di utilit
Sia u : A ! R una funzione di utilit denita su un opportuno insieme A di panieri di
beni (in genere, A Rn+ come nella Sezione 2.4.2). Una sua trasformazione f u : A !
R, dove f : Im u R ! R, denisce unaltra funzione di utilit di stesso signicato
purch
u (x) u (y) () (f u) (x) (f u) (y) x; y 2 A (7.22)
In altri termini, la funzione f u ordina i beni allo stesso modo di u, cio
x % y () (f u) (x) (f u) (y) x; y 2 A
Per la Proposizione 78, f soddisfa la (7.22) se e solo se strettamente crescente.
Quindi, una trasformazione f u a sua volta una funzione di utilit se e solo se f
strettamente crescente. Per descrivere tale fondamentale propriet di invarianza delle
funzioni di utilit si dice che esse sono ordinali, cio uniche a meno di trasformazioni
monotone (strettamente crescenti). Si tratta di una propriet che sta alla base del-
lapproccio ordinalista, in cui le funzioni di utilit sono una mera rappresentazione
numerica della preferenza %, che la nozione fondamentale (si ricordi la discussione
nella Sezione 7.2.2).
Esempio 97 Consideriamo la funzione di utilit Cobb-Douglas u : Rn++ ! R data da
Y
n
u (x1 ; x2 ; ; xn ) = xi i
i=1
Pn
con ogni i 0e i=1 i = 1. Prendendo f (x) = log x, la trasformazione
X
n
f u= i log xi
i=1

una funzione di utilit equivalente a u. la versione logaritmica della funzione


Cobb-Douglas, spesso detta funzione di utilit log-lineare. N
7.4. CLASSI DI FUNZIONI 173

Le tre nozioni di monotonia su Rn (crescenza, forte crescenza e stretta crescenza)


sono molto importanti per le funzioni di utilit u : A Rn+ ! R. Siccome il loro
argomento x un paniere di beni, naturale assumere che il consumatore preferisca
vettori con quantit maggiori dei vari beni, cio pi meglio. A seconda di come si
declina tale motto, una delle tre forme di monotonia diventa appropriata.
Se in un vettore x 2 Rn ogni componente, ossia ogni tipo di bene, visto dal
consumatore come importante, naturale assumere che u sia strettamente crescente:
x > y ) u (x) > u (y) 8x; y 2 A
In questo caso su ciente incrementare la quantit di uno qualunque dei beni per
avere una maggiore utilit: pi di un bene qualsiasi, sempre meglio.
Se invece vogliamo contemplare la possibilit che qualche bene possa in realt essere
inutile per il consumatore, possiamo solo chiedere la crescenza di u:
x y ) u (x) u (y) 8x; y 2 A (7.23)
Infatti, se un bene inutile (come il vino per un astemio, oppure per un ubriaco,
che ne gi sazio), la disuguaglianza x y pu essere determinata proprio da una sua
maggior quantit, restando invariate tutte le altre; ragionevole allora che u (x) = u (y)
perch il consumatore non trae alcun benecio nel passare da y a x. In questo caso
pi di un qualsiasi bene, pu essere meglio o indierente.
Inne, il pi di un qualsiasi bene, sempre megliodella stretta monotonia si pu
indebolire nel senso della forte monotonia assumendo che pi di tutti i beni, sempre
meglio, cio
x y ) u (x) > u (y) 8x; y 2 A
In questo caso, si ha un miglioramento solo quando le quantit di tutti i beni aumen-
tano, non basta laumento della quantit di un solo bene. Tale forma di monotonia
riette una forma di complementarit tra i beni, per cui laumento delle quantit di
solo alcuni di essi pu rivelarsi superuo per il consumatore se rimangono invariate
le quantit di altri beni. Il caso estremo si ha con la perfetta complementarit alla
Leontief, di cui il classico esempio sono le coppie di scarpe, destra e sinistra16 .
Esempio 98 (i) La funzione di utilit Cobb-Douglas u : Rn++ ! R data da
Y
n
u (x1 ; x2 ; ; xn ) = xi i
i=1

strettamente crescente. Per la (7.21), anche fortemente crescente e crescente.


(ii) La funzione di utilit Leontief u : Rn++ ! R data da
u (x1 ; x2 ; ; xn ) = min fx1 ; :::; xn g
in cui i beni sono perfetti complementi, fortemente crescente. Per la (7.21), anche
crescente. Come s gi visto nellEsempio 96 non strettamente crescente. N
16
Einutile aumentare il numero delle scarpe destre senza aumentare in egual misura quello delle
scarpe sinistre (e viceversa).
174 CAPITOLO 7. FUNZIONI

Si osservi che consumatori con funzioni di utilit strettamente monotone oppure


fortemente monotone sono insaziabili perch incrementando in modo opportuno i
panieri si aumenta sempre la loro utilit. Tale propriet delle funzioni di utilit
talvolta chiamata non saziet, ed essa quindi comune sia alla stretta sia alla forte
monotonia. Lunica forma di monotonia che possa contemplare la possibilit di saziet
la crescenza (7.23): come osservato per il consumatore ubriaco, questa forma pi
debole di monotonia permette che un dato bene, quando supera un certo livello, non
determina pi ulteriori aumenti di utilit. Non pu invece accadere che lutilit scenda:
la (7.23) permetta che essa salga o rimanga costante, ma non che scenda. Quindi, se
un ulteriore bicchiere di vino determina un decremento dellutilit del consumatore
ubriaco, ci non modellabile con alcuna forma di crescenza, per quanto debole.

Costanza e monotonia
Oltre alla stretta monotonia, anche la relazione tra costanza e monotonia pi delicata
nel caso vettoriale che in quello scalare. Infatti, mentre anche nel caso vettoriale una
funzione costante sia crescente sia decrescente, il converso, che era banalmente vero
in R, diventa problematico a causa della possibile non confrontabilit di vettori in Rn .
Esempio 99 Sia A = fx 2 R2 : x1 + x2 = 0g il luogo dei punti della retta:

Tutti i punti su questa retta non sono tra loro confrontabili, sicch le denizioni di
crescenza e descrenza sono soddisfatte, pur se in modo vacuo, da tutte le funzioni
f : A R2 ! R. Tra esse, per esempio la funzione f (x) = x1 x2 non costante pur
essendo sia crescente sia decrescente. N
Per ristabilire il legame tra costanza e monotonia vista nel caso scalare occorre
considerare insiemi A che abbiamo la seguente propriet (o sue varianti).
Denizione 47 Un insieme A in Rn si dice direzionato ( per ) se per ogni x; y 2 A
esiste z 2 A tale che z x e z y.
7.4. CLASSI DI FUNZIONI 175

In altre parole, un insieme direzionato quando ogni coppia di suoi elementi ha un


minorante comune che appartiene allinsieme. una semplice propriet soddisfatta,
per esempio, da Rn , Rn+ , nonch dagli intervalli [a; b], (a; b), (a; b] e [a; b) di Rn visti
nella Sezione 2.3.

Proposizione 80 Una funzione f : A Rn ! R denita su un insieme direzionato


A costante se e solo se sia crescente sia decrescente.

Dim. Mostriamo il Se, essendo banale il converso. Sia f crescente e decrescente.


Vogliamo mostrare che costante. Siano x e y due elementi di A. Per ipotesi, esiste
z 2 A tale che z xez y, e quindi f (z) = f (x) e f (z) = f (y). Da ci segue
f (x) = f (y), come desiderato.

Il lettore pu vericare che questo risultato continua a valere se A direzionato


per , cio se se per ogni x; y 2 A esiste z 2 A tale che z x e z y.

7.4.5 Funzioni separabili


In Economia sono molto importanti le funzioni di pi variabili separabili, cio denibili
come somme di funzioni scalari.

Denizione 48 Una funzione f : A Rn ! R, con n 2, si dice separabile se


esistono n funzioni scalari gi : A R ! R tali che

X
n
f (x) = gi (xi ) 8x = (x1 ; :::; xn ) 2 A
i=1

La ragione dellimportanza di tale classe di funzioni


Pn di pi variabili nella sua
grande trattabilit. Lesempio pi banale f (x) = i=1 xi , per la quale le funzioni
gi sono lidentit: gi (x) = x. Vediamo alcuni altri esempi.

Esempio 100 La funzione f : R2 ! R data da

f (x) = x21 + 4x2 8x = (x1 ; x2 ) 2 R2

separabile con g1 (x1 ) = x21 e g2 (x2 ) = 4x2 . N

Esempio 101 La funzione f : Rn++ ! R, detta entropia, data da

X
n
f (x) = xi log xi 8x = (x1 ; :::; xn ) 2 Rn++
i=1

separabile con gi (xi ) = xi log xi . N


176 CAPITOLO 7. FUNZIONI

Esempio 102 La funzione di utilit intertemporale (7.3), cio

X
T
t 1
U (x) = ut (xt )
t=1

separabile con gt (xt ) = t


ut (xt ). N

Esempio 103 Anche nel caso statico le funzione di utilit separabili sono molto
importanti. Le funzioni di utilit usate dai primi Marginalisti erano infatti della forma
X
n
u (x) = ui (xi )
i=1

In altri termini, si assumeva che lutilit (intesa cardinalmente) di un paniere x fosse


scomponibile nellutilit delle quantit xi dei vari beni che lo compongono. unas-
sunzione restrittiva che ignora ogni possibile interdipendenza, per esempio di comple-
mentarit o sostituibilit, tra i diversi beni. A ragione della sua notevole trattabilit,
per lungo tempo rimase per la forma usuale delle funzioni di utilit nch, a ne
Ottocento, i lavori di Edgeworth e Pareto mostrarono come sviluppare la Teoria del
consumatore per funzioni di utilit non necessariamente separabili. N

Esempio 104 La trasformazione logaritmica


X
n
log u (x) = i log xi
i=1

della funzione di utilit Cobb-Douglas separabile. Lesempio mostra che talvolta


possibile ottenere versioni separabili di funzioni di utilit grazie a loro trasformazioni
strettamente monotone. Di solito, queste versioni separabili sono le pi comode dal
punto di vista analitico (cos , per esempio, il caso per questa versione separabile
della funzione Cobb-Douglas, la cosiddetta funzione di utilit log-lineare, pi comoda
da manipolare rispetto alla versione prodotto). N

7.5 Funzioni elementari su R


7.5.1 Polinomi
Un polinomio f (x) di grado n 1 ha la forma f (x) = a0 + a1 x + + an xn , con
ai 2 R per ogni 0 i n e an 6= 0. Sia Pn linsieme di tutti i polinomi di grado
minore o uguale ad n. Naturalmente,

P1 P2 Pn :

Esempio 105 Si ha f (x) = x + x2 2 P2 , mentre f (x) = 3x 10x4 2 P4 . N


7.5. FUNZIONI ELEMENTARI SU R 177

Esempio 106 Un polinomio f ha grado zero quando esiste a 2 R tale che f (x) = a
per ogni x. Le funzioni costanti si possono quindi intendere come polinomi di grado
zero. N

[
Linsieme di tutti di polinomi, di ogni grado, si indica con P, cio P = Pn .
n 0

7.5.2 Funzioni esponenziali e logaritmiche


Dato a > 0, la funzione f : R ! R denita come

f (x) = ax

si dice funzione esponenziale di base a.


Nel seguito utilizzeremo sistematicamente il numero e come base e chiameremo
f (x) = ex funzione esponenziale, senza ulteriori specicazioni. Talvolta essa si indica
come f (x) = exp x. Grazie alle propriet della potenza ex , la funzione esponenziale
ha una parte di primo piano in moltissimi campi dellAnalisi. Il suo graco :

5
y
4

0
O x
-1

-2
-3 -2 -1 0 1 2 3 4

Funzione ex

x
Molto importante anche la funzione esponenziale negativa f (x) = e , il cui graco
:
178 CAPITOLO 7. FUNZIONI

2
y
1

0
O x
-1

-2

-3

-4

-5
-3 -2 -1 0 1 2 3 4

x
Funzione e

Limmagine della funzione esponenziale linsieme (0; +1) degli scalari strettamente
positivi. Inoltre, grazie al Lemma 19-(iv), la funzione esponenziale ax :

(i) strettamente crescente se a > 1,

(ii) costante se a = 1,

(iii) strettamente decrescente se a > 1,

Purch a 6= 1, la funzione esponenziale strettamente monotona, e quindi iniettiva.


La sua inversa ha come dominio limmagine (0; +1) e, grazie alla Proposizione 21 della
Sezione 1.5, essa la funzione f : (0; 1) ! R denita come

f (x) = loga x

detta funzione logaritmica di base a > 0. Si noti che, per quanto appena osservato,
a 6= 1.

Lasserto della Proposizione 21, ossia che

loga ax = x 8x 2 R

e
aloga x = x 8x 2 (0; +1)
1
non sono quindi altro che le relazioni (7.6) e (7.7) delle funzioni inverse, cio f (f (x)) =
x e f (f 1 (y)) = y.
7.5. FUNZIONI ELEMENTARI SU R 179

In ragione dellimportanza del logaritmo naturale, chiameremo f (x) = log x =


loge x funzione logaritmica senza ulteriori specicazioni. Al pari della funzione espo-
nenziale, cui strettamente legata come vedremo tra poco, la funzione logaritmica
centrale in moltissimi campi. Il suo graco :

5
y
4

0
O x
-1

-2
-3 -2 -1 0 1 2 3 4

Funzione ln x

Chiudiamo con un risultato che riassume le propriet di monotonia di queste


funzioni elementari.

Lemma 81 Sia la funzione esponenziale ax sia la logaritmica loga x crescono con x


se a > 1 e decrescono se 0 < a < 1.

Dim. Per lesponenziale, si osservi che, quando a > 1, anche ah > 1 per ogni h > 0.
Quindi ax+h = ax ah > ax per ogni h > 0. Per la logaritmica, osservato che loga k > 0
se a > 1 e k > 1, si ha

h h
loga (x + h) = loga x 1 + = loga x + loga 1 + > loga x
x x

per ogni h > 0, come desiderato.

7.5.3 Funzioni trigonometriche e periodiche


Le funzioni trigonometriche, e pi in generale le periodiche, sono importanti in molte
applicazioni. Le introduciamo, rimandando il lettore allAppendice per un richiamo di
alcune nozioni elementari di trigonometria17 .
17
Per unintroduzione pi dettagliata alla materia, rimandiamo il lettore a testi di Matematica di
scuola media superiore.
180 CAPITOLO 7. FUNZIONI

Funzioni trigonometriche
La funzione seno f : R ! R, indicata come f (x) = sin x, il primo esempio di
funzione trigonometrica. Per ogni x 2 R si ha:
sin (x + 2k ) = sin x 8k 2 Z
Il graco della funzione seno :

4
y
3

- 2
0
O x
-1

-2

-3

-4
-4 -2 0 2 4 6

La funzione f : R ! R data da f (x) = cos x la funzione coseno. Per ogni x 2 R


si ha:
cos (x + 2k ) = cos x 8k 2 Z
Il suo graco :

4
y
3

-
0
O x
-1

-2

-3

-4
-4 -2 0 2 4 6

Inne, la funzione f : R 2
+ k ; k 2 Z ! R data da f (x) = tan x la funzione
tangente. Dalla (A.1) segue che
tan (x + k ) = tan x 8k 2 Z
7.5. FUNZIONI ELEMENTARI SU R 181

Il graco :

10
y
8

0
O x
-2

-4

-6

-8

-10
-4 -3 -2 -1 0 1 2 3 4

Le funzioni sin x, cos x e tan x sono monotone, e quindi invertibili, rispettivamente


negli intervalli [ =2; =2], [0; ] e ( =2; =2). Le loro funzioni inverse si indi-
cano rispettivamente con arcsin x, arccos x e arctan x. In particolare, restringendoci
allintervallo di stretta monotonia della funzione sin x, [ =2; =2] ; si ha
h i
sin x : ; ! [ 1; 1]
2 2
Quindi, la funzione inversa di sin x
h i
arcsin x : [ 1; 1] ! ;
2 2
e il suo graco :

3 y

O x
-1

-2

-3

-4 -3 -2 -1 0 1 2 3 4

Restringendoci a un intervallo [0; ] di stretta monotonia della funzione cos x si ha:


182 CAPITOLO 7. FUNZIONI

cos x : [0; ] ! [ 1; 1]

Quindi, la funzione inversa di cos x

arccos x : [ 1; 1] ! [0; ]

e il suo graco :

y
3

0
O x
-1

-2

-3

-4 -3 -2 -1 0 1 2 3 4

Restringendoci allintervallo ( =2; =2) di stretta monotonia della funzione tan x, si


ha:

tan x : ; !R
2 2

Quindi, la funzione inversa di tan x

arctan x : R ! ;
2 2

e il suo graco :
7.5. FUNZIONI ELEMENTARI SU R 183

3 y

O x
-1

-2

-3
-4 -3 -2 -1 0 1 2 3 4

immediato riconoscere che, per 2 (0; =2), risulta 0 < sin < < tan .

Funzioni Periodiche
Le funzione trigonometriche sono le pi classiche funzioni periodiche.

Denizione 49 Una funzione f : R ! R detta periodica di periodo p 2 R se, per


ogni x 2 R, si ha
f (x + kp) = f (x) 8k 2 Z

In particolare, per ci che s detto le funzioni sin x e cos x sono periodiche di peri-
odo 2 , mentre la funzione tan x ha periodo . I loro graci evidenziano la propriet
che caratterizza le funzioni periodiche, ossia di ripetersi intatti su ogni intervallo di
ampiezza p.

Esempio 107 Le funzioni sin2 x e log tan x sono periodiche di periodo . N

Vediamo un esempio di funzione periodica non trigonometrica.

Esempio 108 La funzione f : R ! R data da f (x) = x [x], detta mantissa (il


suo valore assoluto la parte decimale di x; per esempio f (2; 37) = 0; 37). Essa
periodica di periodo 1. N

Il lettore pu vericare che la periodicit preservata dalle operazioni fondamentali


tra funzioni. Ossia, se f e g sono due funzioni periodiche di stesso periodo p, anche le
funzioni date da af (x) + bg (x), f (x) g (x) e f (x) =g (x) sono periodiche di periodo p.
184 CAPITOLO 7. FUNZIONI

7.6 Domini e restrizioni


Nel primo paragrafo del capitolo abbiamo denito il dominio di una funzione come
linsieme su cui denita la funzione: il dominio di una funzione f : A ! B
linsieme A. Nei diversi esempi di funzioni di variabile reale presentati sinora abbiamo
identicato come dominio il pi grande insieme A R dove la funzione fppoteva essere
denita. Per esempio, per f (x) = x2 il dominio tutto R, per f (x) = x il dominio
R+ , per f (x) = log x il dominio R++ , e cos via. Per una funzione f di una o pi
variabili chiameremo dominio naturale (o campo desistenza) il pi grande insieme sul
quale f pu essere denita. Per esempio, R il dominio naturale di x2 , R+ quello di
p
x, R++ quello di log x, e cos via.
Ma, non vi nulla di speciale, a parte la massimimalit, nel dominio naturale: una
funzione pu essere denita su un qualsiasi sottoinsieme del dominio naturale. Per
esempio, possiamo considerare x2 soltanto per valori positivi di x, cos da avere una
funzione quadratica f : R+ ! R, oppure considerare log x solo per valori di x maggiori
di 1, cos da avere una funzione logaritmica f : [1; +1) ! R, e cos via.
In particolare, data una funzione f : A ! B talvolta importante considerarne
restrizioni su sottoinsiemi.
Denizione 50 Sia f : A ! B una funzione e sia C A. La funzione g : C ! B
denita da
g(x) = f (x) 8x 2 C
detta restrizione di f su C e si indica con fjC .
La restrizione fjC si pu quindi vedere come f ristretta sul sottoinsieme C di A.
Grazie al pi piccolo dominio, la funzione fjC pu godere di propriet diverse da quelle
della funzione originaria f .
Esempio 109 Sia g : [0; 1] ! R denita da g(x) = x2 . La funzione g si pu vedere
come restrizione sullintervallo [0; 1] della funzione f : R ! R data da f (x) = x2 ; cio
g = fj[0;1] . Grazie al suo dominio ristretto la funzione g gode di molte pi propriet
della funzione f . Per esempio: g strettamente crescente, mentre f non lo ; g
iniettiva (e quindi invertibile), mentre f non lo ; g limitata, mentre f solo
inferiormente limitata. Nel capitolo 17 introdurremo la nozione di massimo e minimo
di funzione: g possiede sia massimo sia minimo (globale), mentre f non possiede
massimi. N
Esempio 110 Sia g : R ! R denita da g(x) = x. La funzione g si pu vedere
come restrizione su ( 1; 0] sia di f : R ! R data da f (x) = jxj sia di h : R ! R
data da h(x) = x. Infatti, una funzione pu essere considerata la restrizione di
pi funzioni (anzi, di innite funzioni) ed il problema al quale siamo interessati a
indicarci quali tra esse sia pi opportuno considerare. In ogni caso, analizziamo le
dierenze tra g e f e quelle tra g e h. La funzione g iniettiva, mentre f non lo ;
g monotona decrescente, mentre f non lo . La funzione g inferiormente limitata,
mentre h non lo ; g possiede minimo globale, mentre h non possiede minimi. N
7.6. DOMINI E RESTRIZIONI 185

p
Esempio 111 La funzione f (x1 ; x2 ) = x1 x2 ha come dominio naturale R2+ [ R2 .
Tuttavia, quando vista come funzione di utilit di tipo Cobb-Douglas il suo dominio
ristretto a R2+ perch i panieri di beni hanno sempre componenenti positive. In-
oltre, poich f (x1 ; x2 ) = 0 quando anche sola una componente nulla, il che poco
plausibile, tali funzioni di utilit si considerano spesso solo su R2++ . Considerazioni
puramente economiche portano perci a restringere il dominio sul quale si studia la
p
funzione f (x1 ; x2 ) = x1 x2 . N

In modo analogo e speculare al concetto di restrizione, introduciamo ora il concetto


di estensione di una funzione (funzione estesa ad un dominio pi ampio di quello
iniziale).

Denizione 51 Sia f : A ! B una funzione e sia A C. Una funzione g : C ! B


tale che
g (x) = f (x) 8x 2 A

detta estensione di f a C.

Risulta evidente dalle denizioni appena date che restrizione ed estensione sono
due facce della stessa medaglia: g una estensione di f se e solo se f una restrizione
di g. In particolare, una funzione denita sul suo dominio naturale A unestensione
ad A di ogni sua restrizione. anche evidente che se una funzione possiede una
restrizione/estensione, ne possiede innite18 .

Esempio 112 La funzione g : R ! R denita da

1
x
se x 6= 0
g(x) =
0 se x = 0

una estensione della funzione f (x) = 1=x, che ha dominio naturale R f0g. N

Esempio 113 Sia g : R ! R denita da

x per x 0
g(x) =
log x per x > 0

una estensione della funzione f (x) = log x, che ha dominio naturale R++ . N
18
Potrebbe succedere che una funzione non possegga restrizioni o non possegga estensioni. Infatti,
sia f : A R ! R. Se A = fx0 g, cio se il dominio di f un singolo punto, allora f non possiede
restrizioni. Se invece A = R, f non possiede estensioni.
186 CAPITOLO 7. FUNZIONI

7.7 Funzioni biiettive e cardinalit


7.7.1 Cardinalit
Le funzioni biiettive sono fondamentali in Matematica come criterio di similarit. In
questa sezione ne vediamo un importante esempio per lo studio della cardinalit degli
insiemi inniti.
Cominciamo col considerare un insieme A nito, cio un insieme che contiene un
numero nito di elementi. Il numero di elementi si usa chiamare potenza o cardinalit
dellinsieme A, e si indica abitualmente con jAj.

Esempio 114 Linsieme A = f11; 13; 15; 17; 19g degli interi dispari tra tra 10 e 20
nito e jAj = 5. N

Grazie alla Proposizione 75, due insiemi niti hanno la stessa potenza se e solo se
i loro elementi si possono porre in corrispondenza biunivoca: per esempio, se abbiamo
sette tazzine e sette cucchiaini, possiamo accoppiare ogni tazzina a un cucchiaino. In
particolare, abbiamo il seguente ovvio lemma.

Lemma 82 Un insieme A nito se e solo se si pu porre in corrispondenza biunivoca


con un sottoinsieme del tipo f1; 2; :::; ng di N. In tal caso, jAj = n.

In altre parole, A nito se e solo se esistono un insieme f1; 2; :::; ng di naturali


e una funzione biiettiva f : f1; 2; :::; ng ! A. Linsieme f1; 2; :::; ng pu vedersi come
linsieme prototipodi cardinalit n, rispetto al quale tararetutti gli altri insiemi
niti di tale cardinalit attraverso opportune funzioni biiettive.

Il punto di vista funzionale per la cardinalit, basato sulle funzioni biiettive e sul-
lindividuazione di un insieme prototipo, nel caso nito poco pi di una curiosit.
Diventa per sostanziale quando si vuole estendere la nozione di cardinalit a insiemi
inniti. Fu questa una delle intuizioni fondamentali di Georg Cantor, che port alla
nascita della teoria degli insiemi inniti. Infatti, la possibilit di instaurare una cor-
rispondenza biunivoca tra insiemi inniti consente una loro classicazione e conduce
a scoprirne propriet poco intuitive.

Denizione 52 Un insieme detto (innito) numerabile se si pu porre in corrispon-


denza biunivoca con linsieme N dei numeri naturali.

In altri termini, A numerabile se esiste una funzione biiettiva f : N ! A, ovvero


se gli elementi dellinsieme si possono ordinare in sequenza: a0 ; a1 ; :::; an ; ::: (cio a 0
stato fatto corrispondere a0 , a 1 a1 , ecc.). Linsieme N dunque il prototipo degli
insiemi numerabili: ogni altro lo se risulta possibile accoppiare uno a uno (come le
tazzine e i cucchiaini di poco fa) i suoi elementi con quelli di N. Si usa dire che gli
elementi di un insieme siatto costituiscono uninnit numerabile. questa la prima
categoria di insieme innito che incontriamo.
7.7. FUNZIONI BIIETTIVE E CARDINALIT 187

Gli insiemi numerabili presentano qualche piccola sorpresa: per esempio, sempre
possibile porre in corrispondenza biunivoca un insieme numerabile con un suo sot-
toinsieme proprio innito. Per esempio, linsieme P dei numeri pari chiaramente un
sottoinsieme proprio di N e si potrebbe pensare che contenga metdei suoi elemen-
ti. Purtuttavia possibile instaurare una corrispondenza uno a uno con N facendo
corrispondere a ogni numero pari la sua met:
2n 2 P $ n 2 N
e quindi jP j = jNj. Gi Galileo si era reso conto di questa notevole peculiarit degli
insiemi inniti, che li distingue nettamente dagli insiemi niti, i cui sottoinsiemi pro-
pri hanno sempre cardinalit minore19 . In un celebre passaggio dei Discorsi e di-
mostrazioni matematiche intorno a due nuove scienze 20 , pubblicato nel 1638, egli os-
servava che i numeri naturali si possono mettere in corrispondenza biunivoca con i loro
quadrati ponendo n2 $ n, sicch i quadrati, che a prima vista sembrano costituire
un sottoinsieme piuttosto piccolo di N, in realt sono in egual numero dei naturali
per via della corrispondenza n2 $ n: ... e pur nel numero innito, se concepir lo
potessimo, bisognerebbe dire, tanti essere i quadrati quanti tutti i numeri insieme.
La chiarezza di Galileo nellesporre il problema degna del suo genio. Purtroppo le
nozioni matematiche a sua disposizione erano del tutto insu cienti a sviluppare le sue
intuizioni. Per esempio, la nozione di funzione, basilare per le idee di Cantor, comincia
ad apparire, peraltro in forma molto primitiva, solo alla ne del Seicento con i lavori
di Leibniz.

chiaro che lunione di un numero nito di insiemi numerabili a sua volta


numerabile, ma vale ben di pi:

Teorema 83 Lunione di uninnit numerabile di insiemi numerabili a sua volta


numerabile.

Dim. Indichiamo con A0 , A1 , A2 ,: : : ,An , ::: gli insiemi e con A la loro unione.
Disponiamo visivamente gli elementi dei vari insiemi come segue:
A0 = fa00 ; a01 ; a02 ; ; a0n ; g
A1 = fa10 ; a11 ; a12 ; ; a1n ; g
A2 = fa20 ; a21 ; a22 ; ; a2n ; g
e cos via. Chiamiamo ora altezza dei vari elementi aij (che non sono altro che gli
elementi dellunione A) semplicemente la somma i+j dei suoi indici. Possiamo disporli
19
Laccennata possibilit alla base di parecchie storielle. Per esempio, lHotel del Paradiso ha
uninnit numerabile di stanze, numerate progressivamente 1; 2; 3; . In un certo momento sono
tutte occupate, ma si presenta un nuovo ospite. Come trovargli posto? Basta chiedere a tutti di
spostarsi nella stanza successiva (1 ! 2; 2 ! 3; 3 ! 4, ecc.) ed ecco che si libera la stanza numero 1.
Si pu anche fare di meglio: chiedere a tutti di spostarsi nella stanza con il numero doppio di quella
attualmente occupata (1 ! 2; 2 ! 4; 3 ! 6, ecc.) e si liberano innite stanze, le dispari.
20
Il passaggio si trova in un dialogo tra Sagredo, Salviati e Simplicio nella prima giornata.
188 CAPITOLO 7. FUNZIONI

in sequenza uttilizzando tali altezze e, quando due diversi elementi abbiano la stessa
altezza, nellordine determinato dal loro primo indice21 . Si ottiene cos la sequenza

a00 ; a01 ; a10 ; a02 ; a11 ; a20 ; a03 ; a12 ; a21 ; a30 ; a04 ; :::

nella quale trovano posto tutti gli elementi di A.

Con un procedimento analogo si mostra che anche il prodotto cartesiano sia di


un numero nito sia di uninnit numerabile di insiemi numerabili numerabile. In
particolare ci signica che linsieme Q dei razionali numerabile. Scriviamo ogni
numero razionale come una frazione m=n con m; n interi naturali e gi ridotta ai
minimi termini, cio con m e n primi tra loro: per esempio 5 sar scritto 5=1 e non
potremo scrivere 6=4 o 12=8 ma solo 3=2. Basta ora dire altezza di m=n la somma
m + n e procedere esattamente come sopra, con la sola aggiunta di far precedere i
numeri negativi ai positivi di stessa altezza, per ottenere la sequenza

0 1 1 1 2 1 2 1 3 1 3
= 0; = 1; = 1; ; = 2; ; = 2; ; = 3; ; = 3;
|1 {z } | 1 {z 1 } | 2 1 {z 2 1 } | 3 1 {z 3 1 }
altezza 1 altezza 2 altezza 3 altezza 4

La propriet ora enunciata piuttosto sorprendente: i razionali sono ben di pi


dei naturali eppure esiste un modo di metterli reciprocamente in corrispondenza uno
a uno.
La potenza di N e di qualunque insieme numerabile si indica dabitudine con22
@0 ed detta potenza del numerabile. Possiamo quindi scrivere nel seguente modo la
notevole propriet dei razionali test provata:

Corollario 84 jQj = @0 .

A questo punto pu sorgere il sospetto che tutti gli insiemi inniti siano numerabili.
Il prossimo risultato mostra che non cos. Linsieme R dei reali non numerabile:
costituito cio da uninnit non numerabile, molto pi ricca di elementi di N.

Teorema 85 (Cantor) R non numerabile, ossia jRj > @0 .

Presentiamo due diverse dimostrazioni. La prima classica, ma basata sulla rap-


presentazione decimale dei reali in (0; 1) che non abbiamo ancora studiato (si veda la
Sezione 11.7.1); la seconda si basa sulle successioni, che vedremo nel prossimo capitolo.
Lasciamo al lettore la scelta della propria dimostrazione preferita.
21
Ci equivale a prendere progressivamente i vari elementi lungo le diagonali discendenti della
tabella innita sopra indicata.
22
@ (aleph) la prima lettera dellalfabeto ebraico.
7.7. FUNZIONI BIIETTIVE E CARDINALIT 189

Dim. 1 su ciente mostrare che j(0; 1)j > @0 . Infatti, essendo (0; 1) R, ci
ovviamente implica la non numerabilit di R. Per prima cosa osserviamo che j(0; 1)j
@0 . Infatti, linsieme
1
:n2N
1+n
ha la stessa cardinalit di N (stabilita dalla biiezione f (n) = 1=1 + n) ed inclusa in
(0; 1).
Poich j(0; 1)j @0 , per mostrare che j(0; 1)j > @0 basta mostrare che (0; 1) non
numerabile, cio j(0; 1)j 6= @0 . A tal ne, scriviamo tutti i numeri in (0; 1) ricorrendo
alla loro rappresentazione decimale: ogni x 2 (0; 1) si scriver come

x = 0; c0 c1 cn

con ci 2 f0; 1; :::; 9g, utilizzando sempre innite cifre (per esempio 3; 54 si scriver
3; 54000000 : : :).
Supponiamo per assurdo che (0; 1) sia numerabile: esisterebbe allora un modo di
ordinarli in sequenza

x0 = 0; c00 c01 c02 c03 c0n


x1 = 0; c10 c11 c12 c13 c1n
x2 = 0; c20 c21 c22 c23 c2n

e cos via. Prendiamo ora il numero x = 0; d0 d1 d2 d3 dn cos costruito: la


sua generica cifra decimale dn diversa da cnn (ma senza inniti 9 per evitare il 9
periodico che, come sappiamo, non esiste autonomamente). Esso appartiene a (0; 1)
ma fatalmente non allelenco scritto sopra perch dn 6= cnn (e quindi diverso dal
primo perch d0 6= c00 , dal secondo perch d1 6= c11 , ecc.). Se ne conclude che lelenco
scritto sopra non pu essere completo e perci i numeri di (0; 1) non si possono porre
in corrispondenza biunivoca con N. Lintervallo (0; 1) non quindi numerabile.

Dim. 2 Procediamo per contraddizione supponendo che esista una funzione biiettiva
f : N ! R. Grazie a essa costruiamo per induzione due successioni fxn g e fyn g tali
che
xn 1 < x n < y n < y n 1 (7.24)
per ogni n. In particolare, al primo passo si ponga f (1) < x1 < y1 . Per induzione, si
supponga che al passo n si abbia xn < yn . Si scelgano xn+1 e yn+1 secondo la seguente
regola:

(i) se f (n) 2
= (xn ; yn ), allora si pone xn < xn+1 < yn+1 < yn ;

(ii) se f (n) 2 (xn ; yn ), allora si pone f (n) < xn+1 < yn+1 < yn .
190 CAPITOLO 7. FUNZIONI

Le successioni cos denite soddisfanno la (7.24). Si ponga x = sup fxn : n 1g.


Si ha x 2 R poich linsieme fxn : n 1g superiormente limitato (per esempio, y1 ne
un maggiorante). Siccome f biiettiva, esiste nx 2 N tale che f (nx ) = x. Quindi,
xnx < f (nx ) < ynx il che implica x = f (nx ) < xnx+1 < ynx+1 < ynx , ma ci contraddice
il fatto che x sia un estremo superiore.

Linsieme R dei reali perci molto pi ricco di N e di Q. I numeri razionali, che


pure hanno, come s detto, un ritmo serrato, sono comparativamente pochissimi
rispetto ai reali: essi costituiscono una sorta di polvere nissima che si sovrappone ai
reali senza ricoprirli tutti ma risultando talmente ne da far s che tra due reali anche
vicinissimi ci siano inniti granelli di tale polvere.
La retta reale quindi un nuovo prototipo di insieme innito:

Denizione 53 Un insieme ha la potenza del continuo se si pu porre in corrispon-


denza biunivoca con linsieme R dei reali.

La potenza del continuo si indica con @1 . Anche in questo caso esistono sottoinsiemi
a prima vista molto pi piccoli di R che hanno la potenza del continuo. Vediamone
un esempio.

Proposizione 86 Lintervallo (0; 1) ha la potenza del continuo.

Dim. Nella prima dimostrazione del Teorema di Cantor si era mostrato che j(0; 1)j >
@0 . Si vuole ora mostrare che j(0; 1)j = @1 . Per far ci occorre mostrare che i numeri
di (0; 1) si possono porre in corrispondenza biunivoca con quelli di R. La biiezione
f : R ! (0; 1) denita da
1
f (x) =
2 + jxj
mostra che, in eetti, tale il caso (come il lettore pu vericare).

Si pu dimostrare che lunione o il prodotto cartesiano di un numero nito o di


uninnit numerabile di insiemi con la potenza del continuo ha, a sua volta, la potenza
del continuo. Ci ha la prossima notevole conseguenza

Teorema 87 Rn ha la potenza del continuo per ogni n 1.

Si tratta di unaltra notevole sorpresa, gi nel caso speciale del piano R2 , che pare
contenere molti pi punti di una retta. di fronte a risultati sorprendenti di questo
tipo che Cantor scrisse in una lettera a Dedekind lo vedo, ma non ci credo. In
realt, le sue intuizioni sulluso delle funzioni biiettive nello studio della cardinalit
degli insiemi inniti hanno aperto una nuova profonda area della Matematica, ricca
anche di implicazioni losoche.
7.7. FUNZIONI BIIETTIVE E CARDINALIT 191

7.7.2 Un vaso di Pandora


Le potenze @0 e @1 sono detti numeri cardinali inniti. La parte svolta dai numeri
naturali nel rappresentare la cardinalit degli insiemi niti ora svolta dai numeri
cardinali @0 e @1 per gli insiemi inniti N e R. Tant che i numeri naturali sono anche
chiamati numeri cardinali niti. I numeri cardinali

f0; 1; 2; :::; n; :::; @0 ; @1 g (7.25)

rappresentano quindi la cardinalit degli insiemi prototipi

;; f1g ; f1; 2g ; :::; f1; 2; :::; ng ; :::; N; R.

Guardando la (7.25) sorge spontaneo chiedersi se @0 e @1 siano gli unici numeri cardinali
inniti. Come vedremo tra breve, ci ben lungi dallesser vero. Ci apprestiamo infatti
a scoperchiare un vero e proprio vaso di Pandora (da cui per escono non mali ma
meraviglie).
Per far ci, indichiamo con 2A linsieme delle parti (o insieme potenza) di un
insieme qualsiasi A, ossia linsieme

2A = fB : B Ag

di tutti i suoi sottoinsiemi. La notazione 2A motivata dalla cardinalit dellinsieme


delle parti: infatti, se A un insieme nito di cardinalit n, il suo insieme delle parti
ha 2n elementi, come mostra la seguente proposizione.

Proposizione 88 Se jAj = n, allora 2A = 2n .

Dim. Lanalisi combinatoria svela immediatamente che 2A contiene linsieme vuoto,


n
1
insiemi con un elemento, n2 insiemi con due elementi,..., nn 1 insiemi con n 1
elementi e nn = 1 insiemi con tutti gli n elementi. Quindi,

n n n n
2A = 1+ + + ::: + +
1 2 n 1 n
Xn
n k n k
= 1 1 = (1 + 1)n = 2n ;
k=0
k

dove lultima eguaglianza ottenuta dalla formula di Newton per la potenza di un


binomio.

Nel nito, si ha evidentemente 2A > jAj. La disuguaglianza continua a valere


anche per insiemi inniti, come vuole il

Teorema 89 (Cantor) Per ogni insieme A, nito o innito, si ha 2A > jAj.


192 CAPITOLO 7. FUNZIONI

Dim. Siccome A 2 2A , si ha jAj j2A j. Supponiamo, per assurdo, che sia jAj = j2A j.
Esiste allora una biiezione tra A e 2A che ad ogni elemento a 2 A fa corrispondere un
elemento b = b (a) 2 2A e viceversa: a $ b. Si osservi che tale b, essendo elemento
di 2A , un sottoinsieme di A. Consideriamo ora tutti gli elementi a 2 A tali che il
corrispondente sottoinsieme b (a) non contenga a e diciamo S linsieme di tali b (a):
esso evidentemente un sottoinsieme di A. Consideriamo ora un generico elemento
c 2 A:

(i) se c 2
= S, allora b (c) contiene c e quindi c 2 S;

(ii) se c 2 S, allora b (c) non contiene c e quindi c 2


= S.

In ogni caso siamo giunti a un assurdo. Quindi jAj < j2A j:

Il Teorema di Cantor ore un modo molto semplice per fare un salto di cardinalit
a partire da un dato insieme A: basta considerarne linsieme delle parti 2A . Per
R
esempio, 2R > @1 , ma anche 22 > j2R j, e cos via. Possiamo quindi costruire una
successione innita di insiemi di cardinalit sempre pi grande e perci rappresentata
da numeri cardinali via via maggiori, s da arricchire la (7.25) come

f1; 2; :::; n; :::; @0 ; @1 ; :::; @n ; :::g : (7.26)

Ecco il vaso di Pandora di cui si diceva e che il Teorema 89 ha permesso di scoperchiare.


La vertiginosa (7.26) solo lincipit della teoria degli insiemi inniti, il cui studio, anche
solo introduttivo, ci porterebbe troppo lontano.
Prima di passare oltre, consideriamo per un ultimo celebre aspetto della teoria,
la cosiddetta ipotesi del continuo, di cui il lettore ha forse gi sentito parlare. Grazie
al Teorema 89, sappiamo che 2N > jNj. Daltra parte, si ha anche jRj > jNj per il
Teorema 85. Il prossimo risultato mostra che queste due disuguaglianze in realt si
riducono a una.

Teorema 90 2N = jRj.

La dimostrazione di questo notevole risultato rinviata alla Sezione 11.7, quando


il lettore avr a sua disposizione tutti gli strumenti matematici necessari.
Linsieme delle parti di N ha quindi la potenza del continuo. Lipotesi del continuo
aerma che non esiste alcun insieme A tale che

jNj < jAj < jRj ;

ossia che non esiste alcun insieme innito di cardinalit intermedia tra le potenze del
numerabile e del continuo. Un insieme che abbia cardinalit maggiore del numerabile
ha almeno la potenza del continuo.
La validit dellipotesi del continuo il primo tra i celebri problemi posti da David
Hilbert nel 1900 e rappresenta una delle questioni pi profonde della Matematica. Sia
7.7. FUNZIONI BIIETTIVE E CARDINALIT 193

come sia, con la notazione @1 = jRj, noi abbiamo implicitamente adottato tale ipotesi
perch essa giustica il considerare la potenza del continuo come il secondo numero
cardinale innito @1 dopo il primo @0 = jNj.
Lipotesi del continuo si pu quindi riformulare in modo suggestivo scrivendo

@1 = 2@0 ;

ossia il pi piccolo cardinale maggiore di @0 uguale alla cardinalit dellinsieme delle


parti di N o, equivalentemente, di qualsiasi insieme di cardinalit @0 (per esempio dei
razionali). Lipotesi generalizzata del continuo aerma che, per ogni n, si ha

@n+1 = 2@n ;

ossia che tutti i salti di cardinalit nella (7.26), e non solo il primo da @0 a @1 , si
ottengono sempre considerando gli insiemi delle parti. Quindi,
R 2R
@2 = 22 ; @3 = 22 ;

e cos via.
incredibile quale sia la profondit dei problemi aperti dalluso, al contempo rig-
oroso e intrepido (connubio tipico della grande Matematica e base della sua bellezza),
che Cantor ha fatto delle funzioni biiettive come principio fondamentale di similarit
tra insiemi rispetto alla loro numerosit23 .

23
Il lettore curioso di approfondire le sue conoscenze di Teoria degli insiemi pu consultare P.
Halmos, Naive set theory, Van Nostrand, 1960 oppure P. Suppes, Axiomatic set theory, Van Nostrand,
1960.
194 CAPITOLO 7. FUNZIONI
Capitolo 8

Applicazione: funzioni di insieme e


probabilit

8.1 Misure
Sia 2 linsieme delle parti di un insieme qualsiasi nito = f! 1 ; :::; ! n g, cio la
famiglia di tutti i sottoinsiemi di . Si ricordi dalla Proposizione 88 che la cardinalit
di 2n .

Denizione 54 Una funzione dinsieme : 2 ! R una legge che associa un


numero reale (A) ad ogni sottoinsieme A di , con (;) = 0.

Le funzioni di insieme sono quindi funzioni con dominio linsieme delle parti 2 e
codominio la retta reale.

Esempio 115 Sia = fa; b; cg un insieme di tre elementi. Si ha

2 = f;; fag ; fbg ; fcg ; fa; bg , fa; cg , fb; cg , g .

La funzione cos denita:

(;) = 0 ; (fag) = 4 ; (fbg) = 5 ; (fcg) = 3


(fa; bg) = 8 ; (fa; cg) = 6 ; (fb; cg) = 4 ; ( ) = 12

una funzione dinsieme. N

Esempio 116 Se la popolazione italiana, un sottoinsieme A di rappresenta


un gruppo di italiani. Una semplice funzione di insieme la misura di conteggio
: 2 ! R che conta il numero di componenti di ogni tale gruppo, cio

(A) = jAj 8A

195
196 CAPITOLO 8. APPLICAZIONE: FUNZIONI DI INSIEME E PROBABILIT

Si noti che (;) = j;j = 0. Grazie ai dati dellultimo censimento, lISTAT ha deter-
minato che let di ogni italiano descritta dalla funzione : ! R, sicch (!)
let di ! 2 A. La funzione dinsieme : 2 ! R denita da
( P
!2A (!)
se ; =6 A
(A) = jAj
0 se A = ;

indica let media di ogni gruppo A di italiani. Per esempio, se A linsieme delle
donne, (A) la loro et media. Si noti come si sia dovuto denire separatamente
linsieme vuoto perch per esso il denominatore si annulla. N

Una funzione dinsieme : 2 ! R detta:

(i) positiva se (A) 0 per ogni A;

(ii) monotona se (A) (B) tutte le volte che A B;

(iii) additiva se (A [ B) = (A) + (B) quando A \ B = ;;

(iv) normalizzata se ( ) = 1.

Il signicato di queste propriet molto intuitivo. Per esempio, la misura di conteg-


gio positiva, monotona e additiva; non invece normalizzata. La funzione dinsieme
dellet media positiva, ma non gode delle rimanenti propriet: la monotonia non vale
perch allargando un gruppo let media pu sia aumentare sia diminuire; ladditivit
non vale:
P P P P P
!2A[B (!) !2A (!) + !2B (!) !2A (!) (!)
(A [ B) = = = + !2B
jA [ Bj jAj + jBj jAj + jBj jAj + jBj
P P
!2A (!) (!)
< + !2B = (A) + (B)
jAj jBj

purch A e B siano non vuoti; inne, ovvio che, in generale, non normalizzata.

Una funzione dinsieme che soddis le propriet (i) e (iii) detta misura. La misura
di conteggio una misura, e ci ne spiega il nome; la funzione dinsieme dellet media
non invece una misura. La propriet (ii) di monotonia implicata dalle altre due:

Proposizione 91 Ogni misura monotona.

Dim. Per ogni A; B con A B i due insiemi A B e B sono disgiunti. Si ha


allora
(A) = ((A B) [ B) = (A B) + (B) (B)
essendo (A B) 0 per la positivit di .
8.2. PROBABILIT 197

8.2 Probabilit
Le misure che godono anche della propriet (iv), cio che sono normalizzate, sono dette
misure di probabilit (o, pi brevemente, probabilit). In altre parole, una funzione
dinsieme P : 2 ! R una probabilit su se:

(i) P (A) 0 per ogni A;

(ii) P (A [ B) = P (A) + P (B) quando A \ B = ;;

(iii) P (;) = 0 e P ( ) = 1.

Indicheremo con P una misura di probabilit. Si noti che P (A) 2 [0; 1]: la prob-
abilit di un insieme sempre compresa tra zero e uno. Per tale ragione nel seguito
scriveremo P : 2 ! [0; 1].

Le misure di probabilit sono di importanza fondamentale nelle applicazioni per-


ch sono lingrediente centrale in ogni modelizzazione dellincertezza. Linsieme =
f! 1 ; :::; ! n g modella in tal caso tutti i possibili esiti nei quali si pu risolvere un fenom-
eno aleatorio: gli elementi ! i sono detti stati del mondo o eventi elementari e il loro
insieme spazio degli stati. Tale spazio informa su quali potranno essere le possibili
conclusioni della situazione aleatoria che interessa descrivere.

Ogni sottoinsieme di , cio ogni elemento di 2 , detto evento: si tratta di un


insieme del quale, una volta risolta la situazione aleatoria, si potr dire che si o non
si vericato. In particolare ; detto evento impossibile e evento certo.

Vediamo alcuni esempi di spazi di probabilit, che riprendono anche quelli gi visti
nelle Sezioni 2.4.1 e 7.2.1.

Esempio 117 Come visto nella Sezione 2.4.1, il lancio di una moneta determina due
soli stati del mondo:
= fC; T g
Linsieme delle parti formato da quattro eventi: ;; fT g ; fCg ; . Il lancio di due
monete determina quattro stati del mondo:

= 1 2 = fC; T g fC; T g = f(C; T ) ; (C; C) ; (T; C) ; (T; T )g

Linsieme delle parti costituito da sedici eventi. Per esempio,

A = f(T; T ) ; (T; C)g

levento la prima moneta ha mostrato testa, mentre

B = f(T; C) ; (C; T )g

levento le due monete hanno mostrato facce diverse. N


198 CAPITOLO 8. APPLICAZIONE: FUNZIONI DI INSIEME E PROBABILIT

Esempio 118 (i) Il lancio di un dado determina sei stati del mondo:

= f1; 2; : : : ; 6g

Linsieme 2 costituito da 26 = 64 eventi; per esempio A = f1; 3; 5g levento


uscita una faccia dispari.
(ii) Si estrae una pallina da unurna che ne contiene 100 numerate da 1 a 100.
Linsieme costituito da 100 stati del mondo. Per esempio A = f1; 2; 3; 4; 5g
levento si estratta una pallina con un numero 5. N

evidente che le probabilit

P (!) = P (f!g) 8! 2

degli stati del mondo determinano compiutamente P su tutto 2 . Infatti ogni evento
A 2 2 costituito da alcuni stati del mondo (che sono ovviamente disgiunti) e perci
X
P (A) = P (!)
!2A

In particolare X
P (!) = P ( ) = 1:
!2

Assegnare una probabilit su 2 equivale dunque ad assegnarne i valori sui soli stati
del mondo e perci essa pu essere sintetizzata semplicemente con il vettore P 2 Rn+
dato da
P = (P (! 1 ) ; P (! 2 ) ; : : : ; P (! n ))
ovvero
P = (P1 ; P2 ; : : : ; Pn )
ponendo Pi = P (! i ). Le misure di probabilit
P P : 2 ! [0; 1] si possono quindi
identicare con i vettori P 2 Rn+ tali che ni=1 Pi = 1. Si tratta di unosservazione
tanto semplice quanto utile. Nel Capitolo 15 vedremo come linsieme dei vettori P 2
Rn+ sia un importante insieme di Rn+ , chiamato simplesso.

Esempio 119 Consideriamo lo spazio di stati

= f! 1 ; ! 2 ; ! 3 ; ! 4 g

Il vettore
P = (1=4; 1=4; 1=6; 1=3) 2 R4
identica la probabilit P : 2 ! [0; 1] data da
1 1 1
P (! 1 ) = P (! 2 ) = ; P (! 3 ) = ; P (! 4 ) =
4 6 3
e la probabilit degli altri dodici eventi si trova di conseguenza. N
8.2. PROBABILIT 199

Esempio 120 (i) Per il lancio di una moneta appare naturale prendere P (T ) =
P (C) = 1=2, cosicch
1 1
P = ;
2 2
(ii) Per il lancio di un dado appare naturale prendere P (i) = 1=6 per ogni i, e
quindi
1 1 1 1 1 1
P = ; ; ; ; ;
6 6 6 6 6 6
N

Vediamo alcune propriet della probabilit.

Teorema 92 Sia P una probabilit su 2 . Allora:

(i) P (Ac ) = 1 P (A);

(ii) P (A [ B) + P (A \ B) = P (A) + P (B).

La propriet (i) aerma che la probabilit di un evento e del suo complementare


sommano 1. In altre parole, una volta determinata la probabilit di A risulta au-
tomaticamente determinata quella dellevento complementare Ac . La propriet (ii)
generalizza ladditivit, che ne il caso particolare nel quale gli eventi A e B sono
disgiunti, sicch P (A \ B) = 0.

Dim. (i) A e Ac sono disgiunti e A [ Ac = ; perci P (A) + P (Ac ) = P ( ) = 1.


(ii) Visto che A = (A B) [ (A \ B) e che A B e A \ B sono disgiunti, risulta

P (A) = P (A B) + P (A \ B) ) P (A B) = P (A) P (A \ B)

e analogamente
P (B A) = P (B) P (A \ B) :

Ora si pu scrivere A [ B = (A B) [ (B A) [ (A \ B) e, essendo i tre eventi


disgiunti,

P (A [ B) = P (A B) + P (B A) + P (A \ B)
= P (A) P (A \ B) + P (B) P (A \ B) + P (A \ B)
= P (A) + P (B) P (A \ B)
200 CAPITOLO 8. APPLICAZIONE: FUNZIONI DI INSIEME E PROBABILIT

8.3 Variabili aleatorie


Riprendiamo la nozione di variabile aleatoria gi brevemente incontrata nella Sezione
7.2.1.
Denizione 55 Una funzione f : ! R denita sullo spazio degli stati detta
variabile aleatoria.
Le variabili aleatorie, che sono anche chiamate variabili casuali o numeri aleatori,
sono funzioni che a ogni stato del mondo associano un numero reale.
Esempio 121 (i) Si ricordi lesempio di scommessa della Sezione 7.2.1. In una pi
semplice scommessa il giocatore vince 50 euro se dal lancio di una moneta esce testa
e perde 50 euro se esce croce. La funzione cos denita
f (T ) = 50 ; f (C) = 50 (8.1)
una variabile aleatoria che modella tale scommessa.
(ii) Limpianto di unazienda manifatturiera soggetto a tre tipi di guasti: di
piccola (a), media (b) e grossa (c) entit. Possiamo considerare quattro stati del
mondo:
= fa; b; c; dg
dove d = nessun guasto. Poniamo che il costo di riparazione dei tre tipi di guasto
sia rispettivamente 1:000, 3:000 e 10:000 euro e che, inoltre, essi causino uno, due o
cinque giorni di interruzione delle produzione con un mancato protto di 300 euro al
giorno. La variabile aleatoria f : ! R cos denita:
8 8
>
> 1:000 + 300 se ! = a >
> 1:300 se ! = a
< <
3:000 + 2 300 se ! = b 3:600 se ! = b
f (!) = =
>
> 10:000 + 5 300 se ! = c >
> 11:500 se ! = c
: :
0 se ! = d 0 se ! = d
esprime la perdita dellazienda nei vari stati del mondo.
(iii) Il pagamento di un titolo nanziario (per esempio, unobbligazione) dipende
dal vericarsi degli stati del mondo di uno spazio di stati = f! 1 ; :::; ! n g ed quindi
rappresentato da una variabile aleatoria f : ! R. H
Una variabile aleatoria f : = f! 1 ; :::; ! n g ! R e una probabilit P : 2 ! [0; 1]
si combinano nel valor medio (o speranza matematica)
X
n
f (! i ) P (! i ) (8.2)
i=1

indicato con EP (f ). In altre parole, il valore medio di f rispetto a P la somma


dei valori della variabile aleatoria nei diversi stati del mondo moltiplicati per le loro
probabilit. Si controlla subito che il valor medio lineare: se f; g sono variabili
aleatorie, risulta EP ( f + g) = EP (f ) + EP (g) per ogni ; 2 R.
8.3. VARIABILI ALEATORIE 201

Esempio 122 (i) Se la probabilit P assegna egual probabilit 1=2 a testa e croce, il
valore atteso della scommessa (8.1)

1 1
EP (f ) = f (T ) P (T ) + f (C) P (C) = 50 + ( 50) = 0
2 2
Le scommesse con valor medio nullo sono dette eque.
(ii) Se la probabilit P degli stati = fa; b; c; dg sono P (a) = P (b) = P (d) = 1=5
e P (c) = 2=5, la perdita media dellazienda

EP (f ) = f (a) P (a) + f (b) P (b) + f (c) P (c) + f (d) P (d)


1 1 2 1
= 1:300 + 3:600 + 11:500 + 0 = 5:120
5 5 5 5
H

Visto che stiamo considerando solo insiemi niti di stati del mondo, = f! 1 ; ! 2 ; : : : ; ! n g,
ogni variabile aleatoria su assume al pi n diversi valori

f (! i ) = xi 8i = 1; :::; n (8.3)

(alcuni dei quali possono coincidere). Una variabile aleatoria pu allora essere sem-
plicemente identicata con il vettore di Rn che ne elenca i valori:

x = (f (! 1 ) ; f (! 2 ) ; : : : ; f (! n )) = (x1 ; x2 ; : : : ; xn ) (8.4)

Con questa notazione il valor medio il prodotto interno dei due vettori P e x:

X
n
EP (f ) = P x = Pi x i
i=1

Esempio 123 Siano = f! 1 ; ! 2 ; ! 3 ; ! 4 ; ! 5 g e x = (5; 10; 8; 6; 4). Possiamo inter-


pretare tale variabile aleatoria come unattivit nanziaria che paga 5 euro se si ver-
ica ! 1 , 10 euro se si verica ! 2 , 8 euro se si verica ! 3 , 6 euro se si verica ! 4 e 4
euro se si verica ! 5 . Sia ancora

2 1 3 15 25
P = ; ; ; ;
10 10 10 100 100

lassegnazione di probabilit. Il valor medio

2 1 3 15 25 63
EP (f ) = ; ; ; ; (5; 10; 8; 6; 4) =
10 10 10 100 100 10

il pagamento medio dellattivit f . N


202 CAPITOLO 8. APPLICAZIONE: FUNZIONI DI INSIEME E PROBABILIT

I titoli nanziari sono un notevole esempio di variabili aleatorie. Il pagamento di


un titolo nanziario (per esempio, unobbligazione) dipende dal vericarsi degli stati
del mondo di uno spazio . Lattivit quindi rappresentata da una variabile aleatoria
f : ! R, dove f (!) il pagamento del titolo se si verica lo stato ! 2 .
Nella Sezione 3.7 si era introdotto uno spazio = f! 1 ; :::; ! m g di possibili stati del
mondo che possono vericarsi al tempo 1, e i titoli erano stati modellati come vettori

y = (y1 ; ::; ym ) (8.5)

di Rm dove yk il pagamento del titolo qualora si verichi lo stato ! i 2 . Alla luce


della (8.3) ci del tutto coerente col considerare il titolo come variabile aleatoria:
infatti, se denotiamo con
yi = f (! i )
il valore che assume in ! i , per i = 1; : : : ; m, il titolo pu essere identicato con il
vettore in Rm che ne elenca i vari possibili pagamenti nali, cio col vettore (8.5) che
un esempio di scrittura (8.4).

La rappresentazione come vettori dei titoli spesso molto utile, come dimostra
lanalisi della Sezione 3.7. Non si deve per mai dimenticare la loro natura di variabili
aleatorie.

OfB. Il lettore attento avr anche osservato come tutto ci mostri che i vettori di uno
spazio euclideo Rm si possano vedere come funzioni a valori reali denite su un insieme
nito di cardinalit m. In corsi successivi losservazione sar di grande importanza.H

8.4 Probabilit semplici


La coppia ( ; P ) formata da uno spazio di stati del mondo e da una misura di proba-
bilit si dice spazio di probabilit. Esso descrive come lincertezza si pu risolvere e con
quali probabilit. Per ssare le idee sinora abbiamo considerato spazi di probabilit
con niti. Lestensione a spazi qualunque , per fortuna, ovvia:

Denizione 56 Una funzione di insieme P : 2 ! R si dice misura di probabilit


su se:

(i) P (A) 0 per ogni A;

(ii) P (A [ B) = P (A) + P (B) quando A \ B = ;;

(iii) P (;) = 0 e P ( ) = 1.

Quanto visto sinora il caso speciale di nito.


n
Esempio 124 Se = Rn , la misura di probabilit P : 2R ! [0; 1] assegna a ogni
sottoinsieme A di Rn la probabilit P (A). N
8.4. PROBABILIT SEMPLICI 203

La nozione di variabile aleatoria non presenta alcuna novit quando innito:


esse sono sempre funzioni f : ! R che a ogni stato del mondo ! 2 associano
la conseguenza f (!). Vi , tuttavia, unimportante complicazione: denire il valor
medio su spazi di cardinalit qualunque presenta sostanziali di colt, che volentieri
lasciamo a corsi successivi (di Teoria della misura e integrazione). Per evitare tali
problemi, dobbiamo restringerci alla seguente classe di misure di probabilit.

Denizione 57 Una misura di probabilit P : 2 ! [0; 1] si dice semplice se esiste


un evento nito E tale che
P (E) = 1

Bench denite su spazi di cardinalit qualunque, le probabilit semplici concen-


trano tutta la loro probabilit su un sottoinsieme nito di stati. Infatti, P ( E) =
P ( ) P (E) = 1 1 = 0.

Esempio 125 Se = R, la probabilit P : 2R ! [0; 1] tale che P ( 2) = 1=3 e


P ( ) = 2=3 una probabilit semplice su R. N

Tutte le probabilit sono semplici quando nito; il converso per del tutto
falso: come vedremo tra breve, esistono probabilit semplici molto importanti che sono
denite su spazi inniti. In altre parole, bench concentrino la probabilit su un evento
nito, le probabilit semplici formano unimportante classe di misure di probabilit su
spazi di cardinalit qualunque.

Sia dunque P una probabilit semplice su di cardinalit qualunque. Linsieme

f! 2 : P (!) > 0g

degli stati con probabilit strettamente positiva si dice supporto di P , indicato con
supp P . Il supporto formato dagli stati che eettivamente la misura di probabilit
ritiene possibili: gli stati al di fuori del supporto hanno probabilit nulla.

Lemma 93 Il supporto un insieme nito di probabilit uno.

Dim. Sia P una probabilit semplice. Per denizione esiste un evento nito E tale
che P (E) = 1. Quindi, P (!) = 0 se ! 2 = E, il che implica supp P E. Ne segue
che supp P un insieme nito. Inoltre, gli stati di E che non appartengono a supp P
hanno probabilit zero, cio P (!) = 0 se ! 2 E supp P . Grazie alladditivit ci
implica P (E supp P ) = 0, sicch

1 = P (E) = P (supp P [ (E supp P )) = P (supp P )+P (E supp P ) = P (supp P )

come desiderato.
204 CAPITOLO 8. APPLICAZIONE: FUNZIONI DI INSIEME E PROBABILIT

Quindi, supp P un insieme nito e P (supp P ) = 1. Da ci segue che dato un


evento A qualsiasi
X
P (A) = P (A \ supp P ) = P (!)
!2A\supp P

In altre parole, la probabilit di un evento A la somma delle probabilit degli stati


del supporto che esso contiene.

La nozione di supporto permette di estendere in modo naturale la nozione di valor


medio a probabilit semplici:

Denizione 58 Il valor medio di una variabile aleatoria f : ! R rispetto a una


probabilit semplice P dato da
X
EP f = f (!) P (!)
!2supp P

Il valor medio considera la variabile aleatoria solo sugli stati del supporto, som-
mandone i valori pesati per le rispettive probabilit. Quando nito si ritrova la
nozione di valor medio (8.2) dellultima sezione.

Esempio 126 Secondo la probabilit P : 2R ! [0; 1] dellultimo esempio, il valor


medio di una variabile aleatoria f : R ! R
1 2
EP f = f ( 2) P ( 2) + f ( ) P ( ) = f ( 2) +f( )
3 3
N

Chiudiamo con una nota terminologica: nel seguito uno spazio di probabilit ( ; P )
si dir semplice se la probabilit P semplice.

8.5 Utilit attesa


In ambito deterministico le preferenze % di un decisore tra le diverse alternative di
un insieme di scelta A Rn sono descritte da una funzione di utilit u : A ! R.
Sinora abbiamo assunto che A fosse un sottoinsieme di Rn , dove con n = 1 di solito si
descrivono importi monetari e con n > 1 panieri di beni. Ma in linea di principio gli
elementi di A possono essere di natura assolutamente arbitraria. Per tale ragione, nel
seguito lo indicheremo con la lettera C, sicch u : C ! R la funzione di utilit, di cui
diamo in questa sezione uninterpretazione cardinalista: u (c) misura la soddisfazione
dellagente proveniente dalla conseguenza c 2 C.

Lincertezza rende aleatorie le alternative, il cui risultato non pi certo ma ,


invece, legato al vericarsi degli stati del mondo. Per esempio, mentre in ambito
8.5. UTILIT ATTESA 205

deterministico lagente considerava diversi importi monetari secondo una funzione di


utilit u : C R ! R, lincertezza gli richiede di poter considerare titoli nanziari
che pagano importi monetari diversi a seconda di quale stato del mondo si verichi.
In altre parole, linsieme C diventa ora la collezione delle possibili conseguenze che le
alternative aleatorie possono avere nei vari stati in . Tutto ci motiva la seguente
denizione:

Denizione 59 Una funzione f : ! C detta atto.

Nel caso C R di consequenze monetarie, ritroviamo la nozione di variabile aleato-


ria, qui interpretata come atto monetario (ossia come alternativa aleatoria che associa
importi di denaro ai diversi stati del mondo). Naturalmente, i titoli nanziari sono
lesempio fondamentale di atto monetario.

Sia F linsieme di tutti gli atti f : ! C. La preferenza % del decisore ora su


F: la scrittura f % g indica che egli preferisce latto f allatto g. La coppia (F; %)
rappresenta un problema di decisione in condizioni di incertezza.
Come rappresentiamo le preferenze % dellagente tra le alternative aleatorie in F?
In altre parole, come estendiamo la funzione di utilit u : C ! R sulle conseguenze a
un criterio di scelta V : F ! R sugli atti? Vi , per fortuna, una risposta semplice e
naturale a tale fondamentale questito: si ordinano gli atti in base alla loro cosiddetta
utilit attesa, cio al valor medio delle utilit degli importi:
X
EP u (f ) = u (f (!)) P (!) (8.6)
!2supp P

dove P una probabilit semplice sugli stati del mondo. In altre parole, si pone

V (f ) = EP u (f ) 8f 2 F

Secondo il Criterio dellutilit attesa, introdotto nel 1738 da Daniel Bernoulli, si ha

f % g () EP u (f ) EP u (g)

cio un atto preferito quando, in media, procura utilit maggiore. Ne consegue che
f e g sono indierenti se e solo se EP u (f ) = EP u (g).

La funzione u in (8.6) detta utilit Bernoulliana, in onore di Daniel Bernoulli. Nel


caso C R di consequenze monetarie, classici esempi di tali funzioni sono la lineare
u (c) = c, la quadratica u (c) = c2 , la potenza u(c) = c con 0 < < 1, lesponenziale
negativa u (c) = e c e la logaritmica u (c) = log c (questultima fu la funzione di
utilit originariamente proposta da Bernoulli). Secondo tali funzioni lutilit attesa
EP u (f )
X
n X
n X
n X
n X
n
c i Pi ; c2i Pi ; c i Pi ; e ci
Pi ; log (ci ) Pi
i=1 i=1 i=1 i=1 i=1
206 CAPITOLO 8. APPLICAZIONE: FUNZIONI DI INSIEME E PROBABILIT

In particolare, nel caso di utilit lineare lutilit attesa


X
n
EP u (f ) = c i Pi
i=1

si dice valore atteso.

Una propriet molto naturale delle funzioni di utilit del denaro la stretta crescen-
za
c > c0 =) u (c) > u (c0 )
che assegna maggior utilit a maggiori quantit di denaro. Le utilit lineari ed espo-
nenziali negative soddisfano tale propriet su tutta la retta reale e possono quindi
considerare sia guadagni sia perdite. Per esempio la scommessa equa (8.1) ha utilit
attesa zero secondo lutilit lineare, mentre ha utilit attesa
1 50 1 1 50
EP u (f ) = e + e50 = e +e 50
2 2 2
secondo lesponenziale negativa. Al contrario, lutilit quadratica strettamente monotona
solo su [0; 1), ossia per importi positivi. Inne, lutilit logaritmica per sua natura
pu considerare solo importi strettamente positivi, mentre lutilit potenza solo importi
positivi.

8.6 Lotterie
Sia ( ; P ) uno spazio di probabilit qualsiasi. Consideriamo un atto f : ! C che
ad ogni stato associa una conseguenza (per esempio monetaria quando f un titolo
nanziario).
Dato c 2 C, la curva di livello
1
f (c) = f! 2 : f (!) = cg

raccoglie tutti gli stati che, tramite la variabile aleatoria f , hanno c come conseguenza.
Nel caso di un titolo nanziario, f 1 (c) linsieme degli stati dove il titolo paga la
somma c 2 C.
La curva di livello f 1 (c) un evento, ossia un sottoinsieme di . In quanto tale
si verica con probabilit
P f 1 (c)
In altre parole, la variabile aleatoria f fa s che la conseguenza c si verichi con
probabilit P (f 1 (c)).
Pi in generale, dato un insieme di conseguenze D C la sua controimmagine
f 1 (D) linsieme
f 1 (D) = f! 2 : f (!) 2 Dg
8.6. LOTTERIE 207

degli stati le cui conseguenze secondo f appartengono a D. Per un titolo nanziario,


se D per esempio un intervallo [a; b] la controimmagine f 1 ([a; b]) linsieme degli
stati dove il titolo paga la somma che appartiene allintervallo.
Anche la controimmagine f 1 (D) un evento, con probabilit
1
P f (D)
La variabile aleatoria f fa s che la conseguenza c appartenga allinsieme D con
probabilit P (f 1 (D)).
Tutto ci porta a considerare la funzione dinsieme pf : 2C ! [0; 1] denita da
1
pf (D) = P f (D) 8D C
che assegna una probabilit a ogni insieme di conseguenze D. Grazie alla Denizione
56 possiamo rendere rigoroso tutto ci.
Lemma 94 La funzione di insieme pf : 2C ! [0; 1] denita da
1
pf (D) = P f (D) 8D C
una misura di probabilit su C. Essa semplice se la probabilit P semplice.
Dim. Le propriet (i) e (iii) della Denizione 56 sono conseguenze del fatto che P
una misura di probabilit su e che f 1 (C) = e f 1 (;) = ;.
Per la (ii), siano C e D due sottoinsiemi disgiunti di C. Poich f 1 (C)\f 1 (D) = ;
e f 1 (C [ D) = f 1 (C) [ f 1 (D), si ha
1
pf (C [ D) = P f (C [ D) = P f 1 (C) [ f 1 (D)
1
= P f (C) + P f 1 (D) = pf (C) + pf (D)
come desiderato.
Rimane da mostrare la semplicit di pf quando P semplice. Poich il supporto
di P nito, la sua immagine f (supp P ) = ff (!) : ! 2 supp P g un insieme nito
in C. Per semplicit di notazione, si ponga A = f (supp P ). Si ha
1
pf (A) = P f (A) = P (f! 2 : f (!) 2 Ag) = P (supp P ) = 1
e quindi limmagine A prende le parti dellinsieme E nella Denizione 57. Ne segue
che pf una probabilit semplice.
La probabilit pf si dice probabilit o lotteria1 indotta da f su C. La nozione molto
importante di per s, come vedremo nel resto della sezione. Ma anche importante dal
punto di vista metodologico perch mostra la generalit della Denizione 56: bench
gli elementi di C non siano stati di natura ma conseguenze, tale denizione si applica
e permette di parlare di probabilit anche delle conseguenze2 .
1
Il termine lotteria ricorda le origini del Calcolo delle probabilit, che nacque verso la met del
Seicento con lo studio dei giochi dazzardo.
2
qui quantomai importante che il lettore vada oltre i simboli, in questo caso piuttosto che C,
e aerri lessenza matematica delle nozioni.
208 CAPITOLO 8. APPLICAZIONE: FUNZIONI DI INSIEME E PROBABILIT

Esempio 127 Riprendendo lEsempio 121, dove C = R, la misura di probabilit


indotta pf : 2R ! [0; 1] con

pf (1:300) = P (a) ; pf (3:600) = P (b)


pf (11:500) = P (c) ; pf (0) = P (d)

descrive la probabilit delle perdite dellazienda dellEsempio 121. N

Esempio 128 La lotteria indotta da un titolo nanziario descrive le probabilit dei


diversi pagamenti del titolo. N

La lotteria pf informa su quali siano le probabilit delle varie conseguenze che latto
f determina. Atti diversi f : ! R e g : ! R possono indurre le stesse lotterie,
cio pf = pg , come mostra il prossimo semplice esempio.

Esempio 129 Si lancia una moneta. Le due scommesse

10 euro se ! = T 0 euro se ! = T
f (!) = ; g (!) =
0 euro se ! = C 10 euro se ! = C

sono due atti monetari su = fT; Cg. Se la probabilit P attribuisce probabilit 1=2
sia a T sia a C, si ha
8
1
>
> se c = 10
< 2
1
pf (c) = pg (c) = se c = 0
2
>
>
: 0 altrimenti

e quindi f e g inducono la stessa lotteria. N

Bench la lotteria pf contenga informazioni essenziali sullatto f , lesempio mostra


quali informazioni si perdono trascrivendo un atto come lotteria: non si sa pi qual
la conseguenza vinta nei vari stati del mondo, ma solo con quale probabilit essa
vinta. Nellesempio precedente, entrambe le scommesse si trascrivono con la stessa
probabilit sulle conseguenze cosicch non possibile sapere in quali casi si vincono
10 o 0 euro. Pi in generale, solo la conoscenza dellatto e dello spazio di probabilit
sottostante consente di capire la genesi delle probabilit che la lotteria assegna alle
diverse conseguenze: dal punto di vista della lotteria tali probabilit sono del tutto
esogene.

Quanto visto sinora, e in particolare la Denizione 94, vale per spazi di probabilit
( ; P ) qualsiasi. per giunto il momento di considerare i valor medi e dobbiamo
quindi restringerci al caso di spazi di probabilit semplici perch, grazie al Lemma 94,
essi garantiscono che le probabilit indotte siano anchesse semplici.
8.6. LOTTERIE 209

Sia dunque ( ; P ) uno spazio di probabilit semplice e sia C un insieme di con-


seguenze. Dato qualsiasi atto f : ! C, la probabilit indotta pf semplice ed
quindi ben denito il valor medio
X
Epf (u) = pf (c) u (c)
c2supp pf

della funzione di utilit u : C ! R.3 Il prossimo risultato fondamentale:


Teorema 95 Sia ( ; P ) uno spazio di probabilit semplice e sia C un insieme di
conseguenze. Per ogni atto f : ! C si ha
Epf (u) = EP (u f )
cio X X
pf (c) u (c) = u (f (!)) P (!) (8.7)
c2supp pf !2supp P

In altre parole, lutilit attesa EP (u f ) dellatto f rispetto alla probabilit di


base P uguale al valor medio Epf (u) della funzione di utilit rispetto alla probabilit
indotta. Per tale ragione il valor medio Epf (u) si dice utilit attesa della lotteria pf .
Dim. Poich P semplice, possiamo porre supp P = f! 1 ; :::; ! n g. Si ponga ci = f (! i )
per ogni i, cio f (supp P ) = fc1 ; :::; cn g. Supponiamo, per semplicit, che i valori ci
siano distinti tra loro4 . Ci implica
1
pf (ci ) = P f (ci ) = P (! i ) > 0 8i = 1; :::; n
mentre pf (c) = 0 se c 2
= f (supp P ). Ne segue che
supp pf = f (supp P ) = fc1 ; :::; cn g
e quindi:
X X
n X
n X
u (f (!)) P (!) = u (f (! i )) P (! i ) = u (ci ) pf (ci ) = P (c) u (c)
!2supp P i=1 i=1 c2supp pf

come desiderato.
Il teorema conferma limportanza delle lotterie: equivalente ordinare secondo lu-
tilit attesa gli atti o le lotterie indotte. Per lutilit attesa contano solo le conseguenze
che gli atti determinano e le probabilit con le quali si vericano. In altri termini, la
lotteria pf distilla dallatto f tutte le informazioni rilevanti per lutilit attesa.
Del resto, ragionevole che di un titolo nanziario interessi i pagamenti e le prob-
abilit con i quali essi si vericheranno e nullaltro. Due titoli nanziari che inducono
la stessa probabilit sui pagamenti sono indistinguibili dal punto di vista economico.
3
Il lettore attento avr gi osservato che, dal punto di vista formale, la funzione di utilit u : C ! R
una variabile aleatoria sullo spazio di probabilit (C; pf ).
4
Se ci non fosse, basterebbe raggruppare gli stati che hanno uguali conseguenze secondo f e
ripetere la dimostrazione per la partizione del supporto cos costruita. Lasciamo i dettagli al lettore
interessato.
210 CAPITOLO 8. APPLICAZIONE: FUNZIONI DI INSIEME E PROBABILIT

8.7 Atti o lotterie?


Alla luce di quanto appena discusso, nelle applicazioni spesso si considerano diretta-
mente le lotterie, senza specicare quali atti e spazi di probabilit le inducano. Un
titolo nanziario si descrive con una lotteria p su R, senza pi pedice che ci ricordi
latto f che la induce. In altre parole, le probabilit dei vari pagamenti sono specicate
in modo esogeno, senza alcuna modellizzazione della loro possibile genesi.

Esempio 130 La lotteria p su R tale che p (10) = p (50) = 1=2 descrive un titolo
nanziario che paga con egual probabilit 10 e 50 euro. N

In generale, dato un insieme C di conseguenze, sia (C) linsieme delle lotterie su


C con supporto nito. Consideriamo un decisore che ha una preferenza % su (C):
qui la scrittura p % q indica che egli preferisce la lotteria p alla lotteria q. La coppia
( (C) ; %) rappresenta un problema di decisione in condizioni di rischio. Lincertezza
espressa da una lotteria quindi chiamata rischio.
Secondo il Criterio dellutilit attesa:

p % q () Ep u (c) Eq u (c)

ossia le lotterie p; q 2 (C) si ordinano secondo le loro utilit attese.

Esempio 131 Consideriamo la lotteria p dellultimo esempio e la lotteria q su R tale


che q (5) = 1=3, q (20) = 1=6 e q (75) = 1=2 descrive un altro titolo nanziario, che
paga 5 euro con probabilit 1=3, 20 euro con probabilit 1=6 e 75 euro con probabilit
1=2. Il titolo nanziario p preferito al titolo q se e solo se
1 1 1 1 1
u (10) + u (50) u (5) + u (20) + u (75)
2 2 3 6 2
N

Luso delle lotterie ha un altro importante vantaggio. Supponiamo di dover con-


siderare titoli nanziari quotati su mercati diversi, per esempio un titolo americano
f : ! R e un titolo europeo g : 0 ! R. La diversit dei mercato fa s che gli
spazi di probabilit ( ; P ) e ( 0 ; P 0 ) rilevanti per i due titoli sono diversi. Tuttavia, le
lotterie pf e p0g che esse inducono vivono sul medesimo spazio di conseguenze R, cio
appartengono entrambe allo spazio delle lotterie (R), il che permette di confrontare
le loro utilit attese Epf u (c) e Ep0g u (g) e ordinarle di conseguenza. Risulta perci par-
ticolarmente comodo dal punto di vista modellistico descrivere tali titoli come lotterie
su R, senza specicare gli atti e spazi di probabilit sottostanti.

Detto ci, lesogeneit delle probabilit p (c) che caratterizza i problemi di decisione
in condizioni di rischio , al contempo, la forza e il limite di tale approccio. La forza
nella semplicit di una lotteria p 2 (C) rispetto alla specicazione di uno spazio
di probabilit ( ; P ) e di un atto f : ! C i quali, oltretutto, possono essere diversi
8.7. ATTI O LOTTERIE? 211

come appena visto per i titoli quotati su mercati diversi. Grazie alla (8.7), lutilit
attesa la stessa: la lotteria ha in s tutto ci che rilevante per tale criterio.
Daltro canto, lEsempio 129 mostra quali informazioni si perdono considerando
solo le lotterie p 2 (C). In particolare, solo la specicazione dello spazio di probabil-
it e degli atti permette di dar conto della genesi delle probabilit p (c), che le lotterie
p 2 (C) prendono invece a scatola chiusa. La modelizzazione con spazi di probabilit
e atti quindi pi impegnativa, ma anche molto pi informativa.
Riassumendo, vi un trade-o tra il modellare un problema di scelta aleatorio
come problema di decisione in condizioni di incertezza piuttosto che di rischio, ossia
con atti e non con lotterie. In alcuni casi la semplicit delle lotterie le rende la scelta
naturale, in altri casi invece la maggior completezza degli atti a essere rilevante. Sia
come sia, importante capire entrambe le possibili modelizzazione e, soprattutto, i loro
strettissimi legami: dietro la coppia ( (C) ; %) vi sempre un problema di decisione
in condizioni di incertezza, sia esso esplicitamente modellato o meno. Tale coppia la
forma ridottadel pi generale problema di decisione in condizioni di incertezza che
la sottende.
212 CAPITOLO 8. APPLICAZIONE: FUNZIONI DI INSIEME E PROBABILIT
Capitolo 9

Successioni

9.1 Il concetto
Una successione un elencodi inniti numeri reali, per esempio
f2; 4; 6; 8; :::g ; (9.1)
dove ogni numero occupa un posto dordine, cio segue (eccetto il primo) e precede
un altro numero reale. La prossima denizione formalizza lidea. Con N+ indichiamo
linsieme dei naturali privato dello 0.
Denizione 60 Una funzione f : N+ ! R si dice successione di numeri reali.
In altre parole, una successione una funzione che associa a ogni numero naturale
n 1 un numero reale f (n). Nellesempio (9.1), a ogni n si associa f (n) = 2n, ossia
n 7 ! 2n; (9.2)
e si ha cos la successione dei numeri pari. Limmagine f (n) si indica di solito con
xn . Con tale notazione, la successione dei numeri pari si denisce ponendo xn = 2n
per ogni n 1. Le immagini xn sono chiamate termini (o elementi) della successione.
Indicheremo con fxn g1 1
n=1 , o brevemente con fxn g, una generica successione .

Vi sono vari modi per denire una successione fxn g, ossia per descrivere la sot-
tostante funzione f : N+ ! R. Un primo modo descriverla in forma chiusa, cio
attraverso una formula: per esempio, quanto abbiamo fatto con la successione dei
pari usando la formula (9.2) per denirla. Altre formule denitorie sono per esempio
n 7 ! 2n 1; (9.3)
n 7 ! n2 ; (9.4)
1
n 7 ! p : (9.5)
2n 1
1
La scelta di far partire la successione da n = 1 invece di n = 0 una mera convenzione. In
contesti dove risultasse pi e cace partire da n = 0, perfettamente legittimo considerare successioni
1
fxn gn=0 .

213
214 CAPITOLO 9. SUCCESSIONI

La formula (9.3) d luogo alla successione dei numeri interi dispari

f1; 3; 5; 7; g; (9.6)

la formula (9.4) a quella dei quadrati

f1; 4; 9; 16; g;

mentre la (9.5) denisce la successione


1 1 1
1; p ; p ; p ; : (9.7)
2 4 8
Un altro modo importante per denire una successione per ricorrenza (o induzione
o ricorsione). Consideriamo la classica successione di Fibonacci

f0; 1; 1; 2; 3; 5; 8; 13; 21; 34; 55; g

nella quale ogni termine la somma dei due che lo precedono. Per esempio, nella
quarta posizione troviamo il numero 2, ovvero la somma 1 + 1 dei due termini che lo
precedono, e cos via. La sottostante funzione f : N+ ! R quindi

f (1) = 0 ; f (2) = 1
(9.8)
f (n) = f (n 1) + f (n 2) per n 2

Abbiamo quindi due valori iniziali, f (1) = 0 e f (2) = 1, e una regola ricorsiva che
permette di calcolare il termine di posizione n una volta che siano noti i due termini
precedenti. A dierenza delle successioni denite attraverso una formula chiusa, per
determinare il termine xn , si devono ora preventivamente costruire, usando la regola
ricorsiva, tutti termini che lo precedono. Per esempio, per calcolare il termine x100 nella
successione (9.6) dei dispari, basta sostituire n = 100 nella formula (9.3), trovando
cos x100 = 199. Invece, per calcolare il termine x100 nella successione di Fibonacci si
devono necessariamente dapprima ricostruire per ricorrenza i primi 99 termini della
successione. Infatti, vero che per determinare x100 basta conoscere i valori di x99 e
x98 e poi usare la regola x100 = x99 + x98 , ma per determinare x99 e x98 si devono prima
conoscere x97 e x96 , e cos via.
Quindi, la denizione ricorsiva di una successione consta di uno o pi valori iniziali
e di una regola di ricorrenza che, a partire da essi, permette di costruire i vari termini
della successione. I valori iniziali sono arbitrari. Per esempio, se in (9.8) scegliamo
f (1) = 2 e f (2) = 1 abbiamo la seguente successione di Fibonacci

f2; 1; 3; 4; 7; 11; 18; 29; 47; g

Esempio 132 Fissati a; b 2 R qualsiasi,

f (1) = a
:
f (n) = f (n 1) + b per n 2
9.1. IL CONCETTO 215

Il valore iniziale f (1) = a, a partire dal quale si pu ricostruire tutta la successione


attraverso la formula ricorsiva f (n) = f (n 1) + b. Tale successione chiamata
aritmetica con primo termine a e ragione b. Per esempio, se a = 2 e b = 4, si ha

f2; 6; 10; 14; 18; 22; g:

. N

Esempio 133 La successione con xn = 1=n, cio

1 1 1 1
1; ; ; ; ;
2 3 4 5

detta armonica2 , mentre la successione con xn = aq n 1 , cio

a; aq; aq 2 ; aq 3 ; aq 4 ;

detta geometrica di primo temine a e ragione q. N

Purtroppo non tutte le successioni si possono descrivere in forma chiusa o ricorsiva.


Lesempio pi noto in proposito la successione fpn g dei numeri primi, che innita
per il Teorema 14 di Euclide, ma della quale non si conosce alcuna descrizione esplicita.
In particolare:

(i) Dato n non si conosce alcuna formula che ci dica qual pn ; in altre parole, la
successione fpn g non denibile in forma chiusa.

(ii) Dato pn non si conosce alcuna formula che ci dica qual pn+1 ; in altre parole, la
successione fpn g non denibile per ricorrenza.

La situazione in realt ancor pi triste:

(iii) Dato un numero primo p qualsiasi non si conosce alcuna formula che ci dia un
numero primo q maggiore di p; in altre parole, la conoscenza di un numero primo
non d alcuna informazione sui numeri primi successivi.

Non si ha quindi la bench minima idea su come i numeri primi si susseguono,


cio di quale sia la forma della funzione f : N+ ! R che denisce tale successione.
Non ci resta che considerare via via tutti i naturali e determinare, ad uno ad uno, se
sono primi o composti attraverso i cosiddetti test di primalit cui si accennato nella
Sezione 1.3. Avendo a disposizione leternit potremo costruire, termine per termine,
la successione fpn g. Pi modestamente, nel breve tempo intercorso tra Euclide e noi
si sono costruite tavole di numeri primi che riportano i termini della successione fpn g
2
detta armonica perch 1=2; 1=3; 1=4; sono le posizioni nelle quali mettere un dito su una
corda vibrante per ottenere le diverse note.
216 CAPITOLO 9. SUCCESSIONI

no a numeri ormai molto elevati per noi, ma pur sempre inizie rispetto allinnit di
tutti i numeri primi.
OfB Circa losservazione (iii), per secoli si cercata una regola che, dato un numero
primo p, permettesse di trovarne uno pi grande q > p secondo una funzione q = f (p).
Un celebre esempio di tale ricerca dato dai numeri primi di Mersenne. Un numero
primo si dice di Mersenne se pu essere scritto nella forma 2p 1 con p primo. Si pu
mostrare che se 2p 1 primo, allora anche p lo . Per secoli si creduto (o sperato)
che valesse il, ben pi interessante, converso: p primo implica 2p 1 primo. Tale
congettura fu denitivamente smentita nel 1536 quando Hudalricus Regius dimostr
che
211 1 = 2047 = 23 89;
trovando quindi il primo controesempio a tale congettura: p = 11 non la soddisfa. In
ogni caso i numeri di Mersenne sono tra i pi importanti numeri primi. In particolare,
il pi grande numero primo noto al 2010

243112609 1

che ha 12837064 cifre ed un numero di Mersenne (la cui primalit stata determinata
nel 2008). H

9.2 Lo spazio delle successioni


Indichiamo con R1 lo spazio di tutte le successioni x = fxn g di numeri reali3 . In-
dichiamo quindi con x un generico elemento di R1 che, scritto in forma estesa,
diventa
x = fxn g = fx1 ; x2 ; : : : ; xn ; : : :g :
Le operazioni viste sulle funzioni nella Sezione 7.3.2 hanno come caso particolare
le operazioni sulle successioni, ossia tra elementi dello spazio R1 . In particolare, date
due successioni x = fxn g e y = fyn g in R1 , si hanno:

(i) la successione somma (x + y)n = xn + yn per ogni n 1;

(ii) la successione dierenza (x y)n = xn yn per ogni n 1;

(iii) la successione prodotto (xy)n = xn yn per ogni n 1;

(iv) la successione rapporto (x=y)n = xn =yn per ogni n 1, purch yn 6= 0.


3
Talvolta si ha a che fare con insiemi di vettori di lunghezza variabile: per esempio se i vettori
sono proli di consumo, potrebbe darsi che alcuni di essi abbiano durata 3, altri 5, altri ancora 12,
ecc.. Se non vi una durata massima, lunica possibilit di immaginare che tutti i proli di consumo
abbiano durata illimitata (siano cio successioni in R1 ), completando ciascuno con inniti zeri.
9.2. LO SPAZIO DELLE SUCCESSIONI 217

In vista della (i), per comodit di notazione, indicheremo la somma direttamente


come fxn + yn g invece che come f(x + y)n g, e lo stesso faremo per le altre operazioni4 .

Su R1 si ha una struttura dordine con caratteristiche simili a quelle viste per Rn .


In particolare, date x; y 2 R1 , si scrive:

(i) x y se xn yn per ogni n 1;

(ii) x > y se x y e x 6= y, ossia se x y ed esiste almeno una posizione n tale che


xn > y n ;

(iii) x y se xn > yn per ogni n 1.

Ancora, (iii) =) (ii) =) (i), cio

x y)x>y)x y 8x; y 2 R1

Le funzioni g : A R1 ! R denite su sottoinsiemi di R1 sono molto impor-


tanti. Grazie alla struttura dordine di R1 abbiamo una loro prima classicazione
per monotonia, analoga a quella vista per Rn nella Sezione 7.4.4. Una funzione
g : A R1 ! R si dice:

(i) crescente se
x y ) g (x) g (y) x; y 2 A; (9.9)

(ii) fortemente crescente se

x y ) g (x) > g (y) x; y 2 A;

(iii) strettamente crescente se

x > y ) g (x) > g (y) x; y 2 A:

Le controparti decrescenti di queste nozioni si deniscono in modo analogo. Ancora,


in particolare, g costante se esiste k 2 R tale che

g (x) = k 8x 2 A:

Per brevit omettiamo uno studio dettagliato di queste nozioni, e ci limitiamo a


osservare che la stretta crescenza implica le altre due propriet.
4
Si noti che, se f : N+ ! R e g : N+ ! R sono le funzioni sottostanti alle successioni fxn g e fyn g,
la (i) equivale a scrivere (x + y)n = (f + g) (n) = f (n)+g (n) per ogni n 1; analoghe considerazioni
valgono per le altre operazioni (ii)-(iv).
218 CAPITOLO 9. SUCCESSIONI

9.3 Applicazione: scelte intertemporali


Nella Sezione 2.4.3 avevamo visto come lo spazio euclideo RT potesse modellare un
problema di scelta intertemporale del consumatore su T periodi. Tuttavia in molte
applicazioni importante non ssare a priori un orizzonte nito T per il consumatore,
ma immaginare che abbia di fronte a s un orizzonte innito. In questo caso, nella
successione x = fx1 ; x2 ; : : : ; xt ; : : :g, il termine xt indica la quantit del bene consumata
al tempo t, con t = 1; 2; : : :.
Si tratta naturalmente di unidealizzazione, che per serve a modellare in modo
semplice le scelte intertemporali di agenti che non sono in grado di specicare lultimo
periodo T per loro rilevante (per esempio, in alcune scelte intertemporali la data
conclusiva quella del decesso dellagente, che non gli nota a priori).
In analogia a quanto visto nella Sezione 7.2.3, il consumatore ha preferenze sui
possibili proli x = fx1 ; x2 ; : : : ; xt ; : : :g di consumo intertemporale, i cosiddetti ussi
di consumo (consumption streams) quanticati da una funzione di utilit intertem-
porale U : R1+ ! R. Per esempio, se, come nella Sezione 7.2.3, assumiamo che il con-
sumatore abbia, per il consumo xt di ogni periodo, una funzione di utilit ut : R+ ! R,
detta istantanea, una possibile forma della funzione di utilit intertemporale
t 1
U (x) = u1 (x1 ) + u2 (x2 ) + + ut (xt ) +
dove 2 (0; 1) si pu interpretare come un fattore soggettivo di sconto che, come
abbiamo visto, dipende dal grado di pazienza del consumatore.
Le propriet di monotonia delle funzioni di utilit intertemporale U : R1 + ! R
sono analoghe a quelle delle funzioni di pi variabili. In particolare, la funzione U
crescente se
x y =) U (x) U (y) x; y 2 R1
+;

fortemente crescente se crescente e


x y =) U (x) > U (y) x; y 2 R1
+;

ed strettamente crescente se
x > y =) U (x) > U (y) x; y 2 R1
+:

A questo riguardo, valgono considerazioni analoghe a quelle fatte nella Sezione 7.4.4
per funzioni di utilit su Rn . In particolare, anche qui si ha
stretta crescenza ) forte crescenza ) crescenza

9.4 Immagini e classi di successioni


Si osservi che in una successione si possono ripetere pi volte i medesimi valori. Per
esempio, la successione con generico elemento xn = ( 1)n data da
f 1; 1; 1; 1; :::g ; (9.10)
9.4. IMMAGINI E CLASSI DI SUCCESSIONI 219

nella quale si ripetono i due soli valori 1 e 1. La successione costante, con generico
elemento xn = 2 per ogni n 1,
f2; 2; 2; :::g (9.11)
costituita da soli 2 (la corrispondente f quindi la funzione costante f (n) = 2 per
ogni n 1).
Al riguardo importante limmagine
Im f = ff (n) : n 1g
della successione, che consta proprio dei valori che la successione assume, al netto delle
ripetizioni. Per esempio, limmagine della successione (9.10) f 1; 1g, mentre per la
successione costante (9.11) il singoletto f2g. Limmagine d quindi uninformazione
molto importante perch indica quali valori la successione eettivamente assume, al
netto delle ripetizioni: come abbiamo visto, possono essere molto pochi e ripetersi
in continuazione lungo la successione. Daltra parte, la successione (9.6) dei dispari
non contiene alcuna ripetizione, e infatti la sua immagine costituita da tutti i suoi
termini, ossia Im f = f2n 1 : n 1g.

Tramite limmagine, nella Sezione 7.4.3 avevamo studiato varie nozioni di limitatez-
za per funzioni. Nel caso speciale delle successioni, ossia delle funzioni f : N+ ! R,
tali nozioni generali assumono la seguente forma: una successione fxn g si dice
(i) superiormente limitata se esiste k 2 R tale che xn k per ogni n 1;
(ii) inferiormente limitata se esiste k 2 R tale che xn k per ogni n 1;
(iii) limitata se sia superiormente sia inferiormente limitata, ossia se esiste k > 0
tale che jxn j k per ogni n 1.
Per esempio, la successione fxn g = f( 1)n g limitata, mentre quella dei dispari
(9.6) lo solo inferiormente.

Unaltra classe importante di successioni sono le monotone, che si deniscono in


modo analogo a quanto visto per le funzioni nella Sezione 7.4.4. In particolare, una
successione fxn g si dice:
(i) crescente se
xn+1 xn 8n 1;
strettamente crescente se
xn+1 > xn 8n 1;

(ii) decrescente se
xn+1 xn 8n 1;
strettamente decrescente se
xn+1 < xn 8n 1;
220 CAPITOLO 9. SUCCESSIONI

(iii) costante se sia crescente sia decrescente, ossia se esiste k 2 R tale che

xn = k 8n 1:

Una successione crescente o decrescente si dice monotona 5 . Per esempio, la suc-


cessione (9.6) dei dispari crescente, mentre la successione (9.7) decrescente.

Un concetto molto importante riguarda le propriet denitivamente godute da una


successione:

Denizione 61 Si dice che una successione possiede denitivamente una propriet


P se, a partire da un certo posto dordine n = nP , tutti i termini della successione
godono di P.

Ovviamente, il posto dordine n dipende dalla propriet P: abbiamo scritto infatti


n = nP .

Esempio 134 (i) La successione f2; 4; 6; 32; 57; 1; 3; 5; 7; 9; 11; g denitiva-


mente crescente: infatti, a partire dal sesto termine, la successione crescente.

(ii) La successione fng denitivamente 1:000: infatti, tutti i termini della


successione, a partire da quello di posto 1:000, sono 1:000.

(iii) La stessa successione anche denitivamente 1:000:000:000 e anche 10123 .

(iv) La successione f1=ng denitivamente minore di 1=1:000:000.

(v) La successione

f27; 65; 13; 32; ; 125; 32; 3; 3; 3; 3; 3; 3; 3; 3; g

denitivamente costante. N

OfB. Per godere denitivamente di una propriet, la successione, da piccola, pu


fare ci che vuole; limportante che da grande(ovvero da un certo posto dordine
in poi), metta la testa a posto. I peccati di giovent non interessano: importante
che, prima o poi, tutti i termini della successione godano della propriet. H
5
Per le successioni le nozioni di stretta monotonia sono poco importanti.
9.5. LIMITI: ESEMPI INTRODUTTIVI 221

9.5 Limiti: esempi introduttivi


Il concetto di limite nasce per formalizzare rigorosamente il concetto di come si com-
porta una successione per n sempre pi grande, ossia asintoticamente. In altre parole,
come per un romanzo giallo, ci si chiede come andr a nire. Per le successioni i cui
termini rappresentano i valori che una quantit economica assume in date successive,
in economia si parla di comportamento di lungo periodo(o tendenziale).
Cominciamo con alcuni esempi, per capire intuitivamente che cosa si intende per
limite di una successione. Consideriamo la successione (9.7)

1 1 1
1; p ; p ; p ; :
2 4 8
Proseguendo conpi valori, si pu vericare che, per valori di n sempre pi grandi, i suoi
termini xn = 1= 2n 1 si avvicinano sempre pi, si dice tendono, al valore L = 0.
In questo caso si dice che la successione tende a 0 e si scrive
1
lim p = 0:
n!1 2n 1

Per la successione (9.6) dei dispari

f1; 3; 5; 7; g;

i termini xn = 2n 1 della successione sono sempre pi grandi per valori sempre pi


grandi di n. In questo caso si dice che la successione diverge positivamente, e si scrive

lim (2n 1) = +1:


n!1

Specularmente, la successione dei dispari negativi xn = 2n+1 diverge negativamente:


in simboli
lim ( 2n + 1) = 1:
n!1

Inne, consideriamo la successione xn = ( 1)n :

f 1; 1; 1; 1; g:

Al variare dei valori di n essa continua a oscillare tra i valori 1 e 1, senza avvicinarsi
(denitivamente) ad alcun particolare valore. In questo caso si dice che la successione
oscillante o irregolare: non ammette limite.

9.6 Limiti e comportamento asintotico


Negli esempi introduttivi abbiamo identicato tre possibili comportamenti asintotici
dei termini di una successione:
222 CAPITOLO 9. SUCCESSIONI

(i) convergenza ad un valore L 2 R;


(ii) divergenza a +1 o a 1;
(iii) oscillazione.
Nei primi due casi si dice che la successione regolare: essa tende (si avvicina
asintoticamente) a un valore, eventualmente innito. Nellultimo caso si dice che la
successione irregolare (o oscillante). Nel resto della sezione formalizziamo lidea
intuitiva di tendere a un valore.

9.6.1 Convergenza
Cominciamo con la convergenza, cio col caso (i).
Denizione 62 Una successione fxn g converge a un punto L 2 R, in simboli xn ! L
o limn!1 xn = L, se per ogni " > 0 esiste n" 1 tale che
n n" =) jxn Lj < ": (9.12)
Il numero L si dice limite della successione.
Limplicazione (9.12) si pu riscrivere come
n n" =) d (xn ; L) < ":
Quindi, una successione fxn g converge a L quando, per ogni quantit ", quantunque
piccola (ma positiva), esiste un posto dordine n" (che dipende da "!) a partire dal
quale la distanza tra i termini xn della successione e il limite L sempre minore di ",
ossia d (xn ; L) < " per ogni n n" . Una successione fxn g che converge a un punto
L 2 R si dice convergente.
S detto che la posizione n" dipende da ". Inoltre, come dovrebbe risultare chiaro
dai prossimi Esempi 135 e 136, la scelta di n" non aatto univoca: se esiste una
posizione n" tale che jxn Lj < " per ogni n n" , lo stesso vale per qualsiasi posizione
successiva che pu anchessa essere scelta come n" . La scelta di quale tra queste
posizioni chiamare n" del tutto irrilevante: la denizione chiede che ne esista (almeno)
una. I due esempi che tra breve presenteremo dovrebbero chiarire la questione.
La denizione di convergenza si pu riscrivere anche con il linguaggio degli intorni.
Si tratta di una riscrittura molto importante dal punto di vista concettuale che merita
una menzione separata.
Denizione 63 Una successione fxn g converge a un punto L 2 R se per ogni intorno
B" (L) di L esiste n" 1 tale che
n n" ) xn 2 B" (L) ;
ovvero che
n n" ) L " < xn < L + ":
9.6. LIMITI E COMPORTAMENTO ASINTOTICO 223

In altre parole, una successione fxn g tende ad uno scalare L 2 R se la successione


cade denitivamente in ogni intorno B" (L) di L, per quanto piccolo possa essere.
Sebbene la Denizione 63 sia una mera riscrittura della Denizione 62, luso degli
intorni particolarmente e cace nel chiarire la natura della denizione di convergenza.

OfB. La denizione richiede che il cadere denitivamente dentro avvenga per ogni
intorno di L: decisivo dunque che ci accada per intorni arbitrariamente piccoli (
facile cadere in un intorno enorme, di cile in uno piccolo piccolo). H

Esempio 135 Consideriamo la successione f1=ng. Il naturale candidato a esserne il


limite 0. Verichiamo che cos. Sia " > 0. Si ha
1 1 1
0 < " () < " () n > :
n n "

Quindi, se prendiamo come n" un intero qualsiasi maggiore di 1=", per esempio6 n" =
[1="] + 1, abbiamo
1
n n" ) 0 < < ";
n
e quindi 0 eettivamente il limite della successione. Per esempio, se " = 10 100 , si ha
n" = 10100 + 1. Si noti che avremmo potuto scegliere come n" qualsiasi intero maggiore
di 10100 + 1. N
n p o
Esempio 136 Consideriamo la successione (9.7), cio 1= 2 n 1 . Anche qui il
naturale candidato a esserne il limite 0. Verichiamolo. Sia " > 0. Si ha
1 1 n 1 1 1
p 0 < " () n 1 < " () 2 2 > () n > 1 + 2 log2
2n 1 2 2 " "

e quindi, preso come n" qualsiasi intero maggiore di 1 + 2 log2 " 1 , per esempio n" =
2 + 2 [log2 " 1 ], si ha
1
n n" ) 0 < p <"
2n 1
100
e quindi 0 il limite della successione. Per esempio, se " = 10 si ha n" = 2 +
2 [log2 10100 ] = 2 + 200 [log2 10] = 602. N

Abbiamo visto due esempi di successioni che convergono a 0. Tali successioni sono
dette innitesime (o nulle). Grazie al prossimo risultato, il calcolo dei loro limiti ha
particolare importanza.

Proposizione 96 Una successione fxn g converge a un punto L 2 R se e solo se


d (xn ; L) ! 0.
6
Ricordiamo che [ ] denota la parte intera, presentata nella Sezione 1.4.3.
224 CAPITOLO 9. SUCCESSIONI

Dim. Solo se: sia limn!1 xn = L. Consideriamo la (nuova) successione di termine


yn = d(xn ; L): Dobbiamo dimostrare che limn!1 yn = 0, cio che per ogni " > 0 esiste
n" 1 tale che n n" implica jyn j < ". Daltra parte, siccome yn 0, ci equivale a
dimostrare che
n n" =) yn < ": (9.13)
Per ipotesi sappiamo che xn ! L. Quindi, dato " > 0, esiste n" 1 tale che d(xn ; L) <
" per ogni n n" , e quindi vale la (9.13).

Se: si supponga che limn!+1 d (L; xn ) = 0. Sia " > 0. Esiste n" 1 tale che
d (L; xn ) < " per ogni n n" . Quindi, xn 2 B" (L) per ogni n n" , come desiderato.

Possiamo quindi ridurre lo studio della convergenza di qualsiasi successione alla


convergenza a 0 della successione fd (xn ; L)gn 1 di numeri reali. In altre parole, per
vericare se xn ! L, basta vericare se d (xn ; L) ! 0.

Esempio 137 Consideriamo


1
xn = 1 + ( 1)n
n
e verichiamo che converge a L = 1. Si ha

( 1)n ( 1)n 1
d (xn ; 1) = 1 + 1 = = ! 0;
n n n

e quindi, per la Proposizione 96, si ha xn ! 1. N

Chiudiamo con unimportante osservazione: nellapplicare la Denizione 62 di con-


vergenza, dobbiamo sempre specicare un possibile limite L 2 R, per poi vericare,
grazie alla denizione, se eettivamente cos. Per alcune successioni specicare un
possibile candidato limite L pu non essere ovvio, rendendo problematica lapplicazione
della denizione. Ne riparleremo.

9.6.2 Divergenza
Consideriamo ora la divergenza, cominciando con la divergenza positiva. Lidea della
denizione simile, mutatis mutandis, alle precedenti.

Denizione 64 Una successione fxn g diverge positivamente, in simboli xn ! +1 o


limn!1 xn = +1, se per ogni scalare K 2 R esiste nK 1 tale che

n nK ) xn > K:
9.6. LIMITI E COMPORTAMENTO ASINTOTICO 225

In altre parole, una successione diverge positivamente quando denitivamente


maggiore di ogni K > 0. Poich la costante K pu essere presa arbitrariamente
grande, ci pu accadere soltanto se la successione non superiormente limitata.

OfB. La denizione richiede che la disuguaglianza valga per ogni scalare K: decisivo
che ci accada per valori arbitrariamente grandi di K ( facile essere > K quando K
piccolo, sempre pi di cile quanto pi K grande). H

Esempio 138 Consideriamo la successione dei numeri pari data da xn = 2n e veri-


chiamo che diverge positivamente. Sia K 2 R. Si ha
K
2n K () n
2
e quindi possiamo scegliere come nK qualsiasi intero maggiore o uguale a K=2. Per
esempio, se K = 10100 , si pu porre nK = 10100 =2. Quindi fxn g = f2ng diverge
positivamente. N

La denizione di divergenza negativa analoga.

Denizione 65 Una successione fxn g diverge negativamente, in simboli xn ! 1


o limn!1 xn = 1, se per ogni scalare K 2 R esiste nK 1 tale che

n nK =) xn < K:

In tal caso, la successione denitivamente minore di ogni K < 0: per quanto


la costante possa prendere valori negativi arbitrariamente grandi (in valore assoluto),
esiste una posizione oltre la quale tutti i termini della successione sono minori o uguali
della costante. Ci caratterizza la tendenza a 1 della successione.

Intuitivamente, la divergenza una forma di convergenza a innito. Il prossi-


mo semplice, ma importante, risultato evidenzia lo stretto legame tra convergenza e
divergenza.

Proposizione 97 Una successione fxn g, con xn > 0 denitivamente, diverge positi-


vamente se e solo se la successione f1=xn g converge a zero.

Un analogo risultato vale per la divergenza negativa. Si noti come lipotesi xn > 0
denitivamente sia irrilevante per una successione che diverge positivamente poich
denitivamente la successione soddisfa sempre questa condizione.

Dim. Se. Sia 1=xn ! 0. Sia K > 0. Per la Denizione 62, esiste n1=K 1
tale 1=xn < 1=K per ogni n n1=K . Quindi, xn > K per ogni n n1=K , e per la
Denizione 64 si ha xn ! +1.
Solo se. Sia xn ! +1 e sia " > 0. Per la Denizione 64, esiste n1=" tale che
xn 1=" per ogni n n1=" . Quindi, 0 < 1=xn < " per ogni n n1=" e quindi
1=xn ! 0.
226 CAPITOLO 9. SUCCESSIONI

OfB. Aggiungendo, togliendo, alterando (o comunque pasticciando) un numero nito


di termini di una successione, essa non cambia limite: se era regolare, lo rimane, e con
lo stesso limite; se era irregolare lo rimane. Ci ovviamente dipende dal fatto che il
limite richiede che una propriet (il tuarsi in un intorno arbitrariamente piccolo in
caso di convergenza oppure lessere maggiore di un numero arbitrariamente grande in
caso di divergenza) valga denitivamente. H

9.6.3 Limiti per eccesso e per difetto


Pu accadere che xn ! L 2 R e che denitivamente si abbia xn L. In questo caso
fxn g si avvicina dunque a L rimanendone alla destra. In tal caso si dice che fxn g
tende a L per eccesso e si scrive limn!1 xn = L+ oppure xn ! L+ oppure, ancor
meglio, xn # L. Si noti che le scritture xn # L e xn ! L+ sono pi informative della
xn ! L: oltre a dire che fxn g converge a L, le scritture xn # L e xn ! L+ ci dice che
ci avviene per eccesso.
Analogamente, se xn ! L 2 R e denitivamente xn L, si dice che fxn g tende a
L per difetto e si scrive limn!1 xn = L oppure xn ! L oppure xn " L.

Esempio 139 (i) Si ha 1=n # 0.


p p
(i) Si ha 1= 2n 1 # 0 perch 2n 1 > 0.
(ii) Si ha f1 1=ng " 1 perch 1 1=n < 1.
(iii) Si ha f1 + ( 1n ) n 1 g ! 1 ma non a 1+ o a 1 . N

Lasciamo al lettore la denizione rigorosa di limite per eccesso e per difetto in


termini di intorni destri e sinistri di L.

9.6.4 Topologia di R e denizione generale di limite


La topologia della retta reale pu essere estesa in modo naturale alla retta reale estesa
denendo gli intorni dei punti di innito nel seguente modo.

Denizione 66 Un intorno di +1 una semiretta del tipo (K; +1], con K 2 R.


Un intorno di 1 una semiretta del tipo [ 1; K), con K 2 R.

Un intorno di +1 formato quindi da tutti i punti maggiori di K, un intorno di


1 formato da tutti i punti minori di K. Chiaramente, per un intorno di +1,
il valore di K diventa particolarmente signicativo quando arbitrariamente grande,
mentre per un intorno di 1 il valore di K diventa particolarmente signicativo
quando di segno negativo e arbitrariamente grande in valore assoluto.

OfB. Un intorno B" (x) di un punto tanto pi piccolo quanto pi piccolo " >
0; un intorno (K; +1] di +1 tanto pi piccolo quanto pi grande K (e simili
considerazioni valgono per gli intorni [ 1; K) di 1). H
9.6. LIMITI E COMPORTAMENTO ASINTOTICO 227

Osservato che (K; +1] e che [ 1; K) sono aperti in R per ogni K 2 R, possiamo
dare un lemma che si riveler utile nel denire i limiti di successioni e di funzioni.

Lemma 98 Sia A un insieme in R.

(i) +1 punto di accumulazione di A se e solo se A non superiormente limitato.

(ii) 1 punto di accumulazione di A se e solo se A non inferiormente limitato.

Dim. Siccome la dimostrazione di (ii) analoga, basta mostrare (i). Se Sia A non
superiormente limitato, cio sia privo di maggioranti. Sia (K; +1] un intorno di +1
con K 2 R. Poich A privo di maggioranti, in particolare K non lo . Esiste quindi
x 2 A tale che x > K, cio x 2 (K; +1] \ A e x 6= +1. Ne segue che +1 punto di
accumulazione di A (in ogni intorno di +1 cadono infatti punti di A diversi da +1).
Solo se Sia +1 punto di accumulazione di A. Mostriamo che A non possiede
maggioranti. Supponiamo, per contra, che K 2 R sia un maggiorante di A. Poich
+1 punto di accumulazione di A, lintorno (K; +1] di +1 possiede un punto
x 6= +1 tale che x 2 A. Quindi K < x, il che contraddice il fatto che K sia un
maggiorante di A.

Gli insiemi A tali che (a; +1) A per qualche a 2 R formano una classe impor-
tante di insiemi non superiormente limitati. Grazie al Lemma 98, per essi +1 punto
di accumulazione. In modo simile, 1 punto di accumulazione per gli insiemi A
tali che ( 1; a) A per qualche a 2 R.

Usando la topologia di R possiamo dare una denizione generale di limite che


estende la Denizione 63 in modo da includere anche le Denizioni di divergenza 64 e
65. Osserviamo che nella prossima denizione, che unica tutte le possibili denizioni
di limite di successione, si ha che:

U (L) = B" (L) se L 2 R


U (L) = (K; +1] se L = +1
U (L) = [ 1; K) se L = 1

Denizione 67 Una successione fxn g in R converge a un punto L 2 R se per ogni


intorno U (L) di L esiste nU 1 tale che

n nU =) xn 2 U (L) :

Se L 2 R, ritorniamo alla Denizione 63. Se L = 1, grazie alla Denizione 66 di


intorno, la Denizione 67 diventa una riscrittura in termini di intorni delle Denizioni
64 e 65.
La denizione generale mostra quindi lunitariet delle nozioni che abbiamo vis-
to, confermando lo stretto legame tra convergenza e divergenza gi evidenziato dalla
Proposizione 97.
228 CAPITOLO 9. SUCCESSIONI

OfB. Osserviamo che se L 2 R, nU dipende da un raggio " > 0 qualsiasi (in particolare
piccolo a piacere), e si pu quindi scrivere nU = n" : Se, invece, L = +1, nU dipende da
un numero reale K qualsiasi (in particolare arbitrariamente grande) e si pu scrivere
nU = nK , con K > 0 senza perdit di generalit. Per ultimo, se L = 1, nU dipende
da un numero reale K negativo qualsiasi (in particolare arbitrariamente grande in val-
ore assoluto) e, senza perdere generalit, si pu porre nU = nK con K < 0. Del resto,
quando L nito decisivo che la propriet valga anche per valori arbitrariamente
piccoli di ", quando L = 1 invece decisivo che la propriet valga anche per valori
arbitrariamente grandi in valore assoluto di K. H

9.7 Propriet dei limiti


In questa sezione studiamo alcune propriet dei limiti. Il primo risultato, il Teorema
di unicit del limite, mostra che il limite di una successione, se esiste, unico.
Teorema 99 (Unicit del limite) Una successione fxn g converge al pi a un limite
L 2 R.
Dim. Supponiamo, per contraddizione, che esistano due limiti niti L0 ; L00 2 R tra
loro distinti, cio L0 6= L00 . Senza perdita di generalit, supponiamo che L00 > L0 .
Consideriamo " > 0 tale che
L00 L0
"< :
2
Risulta quindi
B" (L0 ) \ B" (L00 ) = ;
come il lettore pu vericare. Daltra parte, per la Denizione 63, esiste n0" 1 tale
che xn 2 B" (L0 ) per ogni n n0" , ed esiste n00" 1 tale che xn 2 B" (L00 ) per ogni
n n00" . Posto n" = max fn0" ; n00" g, si ha quindi sia xn 2 B" (L0 ) sia xn 2 B" (L00 )
per ogni n n" , ossia xn 2 B" (L0 ) \ B" (L00 ) per ogni n n" . Ma ci contraddice
B" (L ) \ B" (L00 ) = ;. Ne segue che L0 = L00 e perci il limite unico.
0

Poniamo che la successione ammetta un limite L nito e un altro +1. Per ogni
" > 0 e ogni K > 0, esistono n" e nK tali che simultaneamente dovrebbe essere
L " < xn < L + " 8n n" e xn > K 8n nK :
Basta ora prendere K = L + " per avvedersi che, per n max fn" ; nK g, le due
disuguaglianze non possono coesistere.
Gli altri casi si trattano in modo analogo.

Il prossimo risultato mostra che, quando una successione converge ad un punto


L 2 R, in ogni intorno di tale punto si trovano quasi tutti i punti della successione.
Proposizione 100 Una successione fxn g converge a L 2 R se e solo se ogni intorno
B" (L) di L contiene tutti i termini della successione, tranne al pi un numero nito
di essi.
9.7. PROPRIET DEI LIMITI 229

Dim. Supponiamo xn ! L. Per la Denizione 63, per ogni " > 0 esiste n" 1 tale
che xn 2 B" (L) per ogni n n" . Quindi, tranne al pi i valori xn con 1 n < n" ,
tutti gli elementi della successione appartengono a B" (L).
Viceversa, dato un intorno qualsiasi B" (L) di L, supponiamo che tutti i termini
della successione vi appartengano, tranne al pi un numero nito di essi. Indichiamo
con fxnk g, k = 1; 2; : : : ; m, linsieme degli elementi della successione che non apparten-
gono a B" (L). Detto n" = nm + 1, si ha che xn 2 B" (L) per ogni n n" . Poich ci
vero per ogni intorno B" (L) di L, per la Denizione 63 si ha che xn ! L.

Il prossimo classico risultato, il Teorema della permanenza del segno, mostra che
se una successione ha limite L non nullo, allora i termini della successione hanno
denitivamente lo stesso segno di L.

Teorema 101 (Permanenza del segno) Sia fxn g una successione che converge al
limite L 6= 0. Allora, esiste n 1 tale che xn ha lo stesso segno di L per ogni n n,
ossia
xn L > 0 8n n:
Analogamente, se xn ! +1 ( 1), allora esiste n tale che xn positiva (negativa)
per ogni n n.

Dim. Supponiamo L > 0 (largomento analogo vale se L < 0). Sia " 2 (0; L). Per la
Denizione 62 esiste n 1 tale che jxn Lj < " per ogni n n, ossia

0<L " < xn 8n n:

e si conclude che xn > 0 per ogni n n, come desiderato. Se xn ! 1, per denizione,


xn > K > 0 per n n.

Il Teorema della permanenza del segno rappresenta una propriet dei limiti rispetto
alla struttura dordine che vige in R. Diamo un altro semplice risultato dello stesso
tipo, lasciando la dimostrazione al lettore.

Proposizione 102 Siano fxn g e fyn g due successioni tali che xn ! L 2 R e yn !


H 2 R. Se denitivamente xn yn , allora L H.

Il converso non vale: siano per esempio L = H = 0, fxn g = f 1=ng e fyn g =


f1=ng. Si ha L H e xn < yn per ogni n. Tuttavia, se assumiamo L > H, il converso
vale nella seguente forma stretta:

Proposizione 103 Se fxn g e fyn g sono due successioni tali che xn ! L 2 R e


yn ! H 2 R, con L > H, allora denitivamente xn > yn .
230 CAPITOLO 9. SUCCESSIONI

9.7.1 Monotonia e convergenza


Il prossimo risultato d una semplice condizione necessaria per la convergenza.

Proposizione 104 Ogni successione convergente limitata.

Dim. Supponiamo xn ! L. Posto " = 1, esiste n1 1 tale che xn 2 B1 (L) per ogni
n n1 . Sia M una costante tale che M > max [1; d (x1 ; L) ; : : : ; d (xn1 1 ; L)]. Si ha
d (xn ; L) < M per ogni n 1, ossia jxn Lj < M per ogni n 1. Ci implica che

L M < xn < L + M

e quindi la successione limitata.

Grazie alla Proposizione 104, le successioni convergenti costituiscono un sottoin-


sieme delle limitate. Quindi, se una successione non limitata, non pu essere
convergente.

In generale, il converso della Proposizione 104 falso. Per esempio la successione


xn = ( 1)n limitata ma non converge. Tuttavia, per unimportante classe di suc-
cessioni, le monotone, vale il converso: per tale classe di successioni, la limitatezza
dunque condizione sia necessaria sia su ciente per la convergenza. Prima di enuncia-
re e dimostrare tale risultato, abbiamo bisogno di un altro importante teorema sulle
successioni limitate che mostra che ogni successione monotona regolare.

Teorema 105 Ogni successione monotona in R regolare; in particolare,

(i) converge se limitata;

(ii) diverge positivamente se crescente e non limitata;

(iii) diverge negativamente se decrescente e non limitata.

Dim. Sia fxn g una successione crescente in R (la dimostrazione nel caso di decrescenza
analoga). La successione fxn g pu essere limitata oppure non limitata superiormente
( infatti inferiormente limitata poich x1 xn per ogni n 1).
Supponiamo che sia limitata. Vogliamo mostrare che convergente. Sia E lim-
magine della successione. Per ipotesi, esso un sottoinsieme limitato di R. Per il
Teorema di completezza dei reali, esiste sup E. Poniamo L = sup E e mostriamo che
xn ! L. Sia " > 0. Dal fatto che L lestremo superiore di E scendono due con-
seguenze (si ricordi la Proposizione 52): (i) L xn per ogni n 1, (ii) esiste un
elemento xn" di E tale che xn" > L ". Poich fxn g una successione crescente, ne
segue che
L xn xn" > L " 8n n"
e quindi xn 2 B" (L) per ogni n n" , come desiderato.
9.7. PROPRIET DEI LIMITI 231

Se fxn g non superiormente limitata, per ogni K > 0 esiste un elemento xnK tale
che xnK > K. Essendo crescente, si ha xn xnK > K per ogni n nK e quindi essa
diverge a +1.

Il Teorema 105 garantisce dunque che ogni successione monotona non pu essere
irregolare. Siamo ora in grado di enunciare e dimostrare il teorema anticipato sopra
sulla equivalenza di limitatezza e convergenza per le successioni monotone.

Corollario 106 Una successione monotona convergente se e solo se limitata.

Dim. Sia fxn g una successione crescente in R: Se convergente, per la Proposizione


104 limitata. Se limitata, per il Teorema 105 convergente.

Chiudiamo con unosservazione ovvia ma utile: i risultati appena visti valgono, pi


in generale, per successioni che siano denitivamente monotone.

9.7.2 Algoritmo di Erone


2
Il
pcalcolo del quadrato a di un numero a molto semplice, mentre il calcolo della radice
a di un numero positivo a , in generale, molto meno semplice. Nel far ci ci soccorre
un bellissimo algoritmo di Erone pdi Alessandria, detto anche metodo babilonese.
La procedura per ottenere a, con a > 0 e a 6= 1, prevede la costruzione per
ricorrenza della successione fxn g ponendo7 x1 = a e

1 a
xn+1 = xn + 8n 2
2 xn
p
Teorema 107 (Erone) xn ! a.

La successione di Erone converge quindi alla radice quadrata di a. Per giunta,


come vedremo in alcuni esempi, la convergenza piuttosto rapida.

Dim. La successione (strettamente) decrescente, almeno a partire da n = 2, per le


seguenti ragioni:
(i) Si prova intanto che
p p
xn > a =) a < xn+1 < xn :
p
Infatti, se xn > a, si ha anche x2n > a cio xn > a=xn e perci

1 a 1
xn+1 = xn + < (xn + xn ) = xn :
2 xn 2
7
p
Si pu anche prendere x1 = b con b compreso tra a e a: in tal modo si accelera la convergenza
della successione.
232 CAPITOLO 9. SUCCESSIONI

2 p
Inoltre, dalla disuguaglianza (x2n a) > 0 che sempre vera per ogni xn 6= a, si
deduce progressivamente che
x4n + a2 a2
x4n 2x2n a + a2 > 0 ; > 2a ; x 2
n + > 2a
x2n x2n
2
a2 a
x2n + 2 + 2a > 4a ; xn + > 4a;
xn xn
cio, in denitiva, che
2
a 1 p
x2n+1
xn + = > a e quindi xn+1 > a:
xn 4
p
(ii) Quando
p a > 1, x1 = a >8 a. A maggior ragione, per il
p precedente punto (i),
anche x2 < a. Quando invece 0 < a < 1, x2 = 21 (a + 1) > a perch, quadrando,
si ottiene

(a + 1)2 > 4a ; a2 + 2a + 1 > 4a ; a2 2a + 1 > 0 ; (a 1)2 > 0

che certamente vera. p


In
p denitiva, x2 sempre > a. Ne segue, p per ci che si visto nel punto (i),
che a < x3 < x2 che a sua volta implica a < x4 < x3 e cos via. I p termini della
successione, a partire da secondo, sono perci decrescenti e maggiori di a.

In conclusione, la successione fxn g decrescente (almeno per n 2) e ammette


dunque limite L che, per come essa stata denita, deve soddisfare la relazione
1 a a a
L= L+ ; 2L = L + ; L= ; L2 = a
2 L L L
p
Perci L = a.
p
Esempio 140 (i) Calcoliamo 2 che sappiamo essere circa uguale a 1; 4142135. La
successione di Erone ha elementi:

x1 = 2;
1 2 3
x2 = 2+ == 1; 5;
2 2 2
1 3 2 17
x3 = + = ' 1; 4166667;
2 2 3=2 12
1 17 2 577
x4 = + = ' 1; 4142156;
2 12 17=12 408
1 577 2 665857
x5 = + = ' 1; 4142135:
2 408 577=408 470832
8
Se a = 1 chiaro che xn = 1 per ogni n.
9.7. PROPRIET DEI LIMITI 233
p
(ii) Calcoliamo 428356 ' 654; 48911:
x1 = 428356 ; x2 ' 214178; 5 ; x3 ' 107090; 24 ;
x4 ' 53547; 115 ; x5 ' 26777; 619 ; x6 ' 13396; 807 ;
x7 ' 6714; 3905 ; x8 ' 3389; 0936 ; x9 ' 1757; 743 ;
x10 ' 1000; 7198 ; x11 = 714; 3838 ; x12 ' 656; 9999 ;
x13 ' 654; 4939 ; x14 ' 654; 4891:
Prendendo x1 = b = 1:000 si ha unaccelerazione della convergenza:
x2 ' 714; 178 ; x3 ' 656; 9834 ; x4 ' 654; 4938 ; x5 ' 654; 4891:
p
(iii) Per 0; 13 ' 0; 3605551 si ottiene:
x1 = 0; 13 ; x2 ' 0; 565 ; x3 ' 0; 3975442 ;
x4 ' 0; 3622759 ; x5 ' 0; 3605592 ; x6 ' 0; 360555:
Si noti che, essendo 0; 13 < 1, la decrescenza non si ha dallinizio ma solo a
partire dal secondo termine. N

Lintuizione che sorregge la formula di Erone di ra nata eleganza. Essa si basa


su una successione di
prettangoli, tutti di area a, che si avvicinano al quadrato (di area
a e quindi) di lato a. Ln-esimo rettangolo ha il lato pi lungo pari a xn e il pi
corto necessariamente a a=xn (visto che larea devessere a): al colpo successivo il lato
pi lungo scorciato ponendolo pari a
1 a
xn+1 = xn + < xn :
2 xn
Si
p prosegue nch xn e a=xn tendono a coincidere: il valore comune non pu che essere
a.

y
4

2a/x n+1
a/x
n
1

0
O x x x
n+1 n

-1
-1 0 1 2 3 4 5
234 CAPITOLO 9. SUCCESSIONI

9.7.3 Il Teorema di Bolzano-Weierstrass


Esiste un parziale converso della Proposizione 104, il celebre Teorema di Bolzano-
Weierstrass. Per enunciarlo dobbiamo preliminarmente introdurre la nozione di sotto-
successione. Consideriamo una successione fxn g in R. Data una successione fnk g1k=1
strettamente crescente e che assume solo valori interi positivi, ossia tale che
n1 < n 2 < n 3 < < nk <
con ogni nk 1, la successione fxnk g1
k=1 detta sottosuccessione di fxn g. In altre
parole, la sottosucessione fxnk g una successione costruita a partire dalla successione
originaria fxn g prendendone soltanto i termini di posizione nk .
OfB. Una sottosuccessione si ottiene semplicemente buttando via un po di termini
(anche inniti) della successione, lasciandone per sopravvivere inniti. Ovviamente
se una successione regolare, ogni sua sottosuccessione regolare e con lo stesso limite:
ubi maior,.... H
Esempio 141 Si consideri la successione
1 1 1 1
1; ; ; ; : : : ; ; : : : (9.14)
2 3 4 n
con generico elemento xn = 1=n. Una sua sottosuccessione data da
1 1 1 1
1; ; ; ; : : : ; ;::: ;
3 5 7 2k + 1
nella quale fnk gk 1 la successione dei dispari f1; 3; 5; : : :g: tale sottosuccessione
stata costruita selezionando gli elementi di posto dispari delloriginaria.
Unaltra sottosuccesione di (9.14) data da
1 1 1 1
; ; ;:::; n;::: ;
2 8 16 2
dove questa volta fnk gk 1 formata delle potenze di 2, ossia f2; 22 ; 23 ; : : :g, costruita
selezionando gli elementi originari il cui posto una potenza di 2. N
Esempio 142 Si consideri la successione oscillante in R con generico elemento xn =
( 1)n . Una sua semplice sottosuccessione data da
f1; 1; 1; : : : ; 1; : : :g ;
in cui fnk gk 1 la successione dei pari: la sottosuccessione stata costruita selezio-
nando gli elementi di posto pari delloriginaria. Se avessimo selezionato quelli di posto
dispari avremmo costruito la sottosuccessione
f 1; 1; 1; : : : ; 1; : : :g :
Prendendo fnk gk 1 = f1000kg, cio selezionando soltanto gli elementi di posti 1:000,
2:000, 3:000, ... si ottiene ancora f1; 1; 1; : : : ; 1; : : :g. N
9.7. PROPRIET DEI LIMITI 235

Come mostra lultimo esempio, pu accadere che, mentre la successione originaria


irregolare, alcune sue sottosuccessioni siano convergenti. In altre parole, talvolta
possibile, selezionando in modo opportuno gli elementi, che si possa estrarre un
andamento convergente da uno irregolare. NellEsempio 142 abbiamo una successione
oscillante, dalla quale abbiamo selezionato una sottosuccessione costante prendendo
solo gli elementi di posizione pari (oppure solo di posizione dispari). Il prossimo
risultato, il Teorema di Bolzano-Weierstrass, mostra che ci sempre possibile purch
la successione sia limitata (come il caso della successione xn = ( 1)n , che ha come
immagine linsieme limitato f 1; 1g).

Teorema 108 (Bolzano-Weierstrass) Ogni successione limitata possiede una sot-


tosuccessione convergente.

In altre parole, da qualsiasi successione limitata fxn g, per quanto irregolare, si pu


estrarre una sottosuccessione fxnk g convergente, ossia tale che esista L 2 R per il
quale si abbia lim xnk = L. Il poter sempre estrarreun comportamento convergente
da una successione limitata qualsiasi rappresenta una propriet di grande rilievo.
La dimostrazione del Teorema di Bolzano-Weierstrass si basa sul prossima lemma.

Lemma 109 Ogni successione possiede una sottosuccessione monotona.

Dim. Sia fxn g una successione in R. Consideriamo due casi.


Caso 1: supponiamo che per ogni n 1 esista m > n tale che xm xn . Si ponga
n1 = 1. Sia n2 > n1 tale che xn2 xn1 ; sia n3 > n2 tale che xn3 xn2 , e cos
via. Si costruisce cos una sottosuccessione fxnk g monotona decrescente e il lemma
dimostrato nel Caso 1.
Caso 2: supponiamo che non valga il Caso 1, ossia che esista una posizione n 1
tale che per ogni m > n si abbia xm > xn . Sia I N linsieme di tutte le posizioni
con questa propriet. Se I un insieme nito, per tutte le posizione n > max I vale il
Caso 1. Considerando n > max I, si pu quindi costruire, procedendo come nel Caso
1, una sottosuccesione fxnk g monotona decrescente.
Supponiamo che, invece, I non sia nito, ossia che esistano innite posizioni n 1
tali che
m > n =) xm > xn : (9.15)
Poich sono inniti, indichiamo gli elementi di I come I = fn1 ; n2 ; : : : ; nk ; : : :g. Grazie
alla (9.15) si ha
xn1 < xn2 < < xnk < :
La sottosuccessione fxnk g quindi monotona crescente: anche nel Caso 2 abbiamo
provato lesistenza di una sottosuccessione monotona.

Dim. del Teorema di Bolzano-Weierstrass. Sia fxn g una successione con i


valori in un insieme compatto K in R. Per il Lemma 109, esiste una sottosuccessione
236 CAPITOLO 9. SUCCESSIONI

fxnk g monotona. Poich fxnk g K, tale sottosuccessione anche limitata. Grazie al


Teorema 105, essa convergente, come desiderato.
OfB. Il Teorema di Bolzano-Weiestrass aerma in sostanza che non si possono prendere
inniti numeri (gli elementi della successione) in un intervallo reale limitato in modo
che essi siano ben separati luno dallaltro: necessariamente essi si addensano in
prossimit di (almeno) un punto. H
Per le successioni non limitate possiamo aermare qualcosa di molto analogo:
Proposizione 110 Ogni successione non limitata possiede una sottosuccessione di-
vergente (a +1 quando non superiormente limitata, a 1 quando non inferior-
mente limitata9 ).
Dim. Se la successione non superiormente limitata, per ogni K > 0 esiste almeno
un elemento della successione maggiore di K. Indichiamo con xnK il pi piccolo valore
della successione fxn g che risulta > K: prendendo K = 1; 2; : : :, fxnK g chiaramente
una sottosuccessione di fxn g (tutti i suoi termini sono stati pescati tra quelli di fxn g)
e, per denizione, diverge a +1. Il caso di successione non inferiormente limitata si
tratta in modo analogo.
Perci
Proposizione 111 Ogni successione possiede una sottosuccessione regolare.
OfB. Possiamo dunque aermare che non vi modo di prendere inniti numeri reali
senza che essi si addensino da qualche parte (in prossimit di un numero, o di +1, o
di 1, cio di qualche punto di R). H

9.8 Algebra dei limiti e limiti notevoli


9.8.1 Le (molte) certezze
Nel calcolo dei limiti importante sapere come si comportano i limiti rispetto alle
operazioni tra successioni viste nella Sezione 9.2. Oltre che di interesse teorico, la
questione importante dal punto di vista computazionale perch il calcolo di limiti
pi complessi spesso si riduce, applicando le regole che vedremo nella Proposizione
112, al calcolo di limiti pi elementari o che coinvolgono i limiti notevoli che vedremo
tra breve.
Il prossimo risultato, basato sulle propriet della retta reale estesa, mostra che
in tutti i casi coperti dalle regole di aritmetizzazione parziale, escludendo cio le
forme che abbiamo dette di indeterminazione, i limiti si scambiano con le operazioni
fondamentali. La scrittura xn ! L 2 R indica che la successione fxn g converge a
L 2 R oppure diverge positivamente o negativamente.
9
Nel caso che non sia n inferiormente n superiormente limitata possiede sia una sottosuccessione
divergente a +1 sia una divergente a 1.
9.8. ALGEBRA DEI LIMITI E LIMITI NOTEVOLI 237

Proposizione 112 Sia xn ! L 2 R e yn ! H 2 R. Allora,

(i) xn + yn ! L + H, purch L + H non sia una forma di indeterminazione (1.22),


cio
+1 1 e 1+1

(ii) xn yn ! LH, purch LH non sia una forma di indeterminazione (1.23), cio

1 0 e 0 ( 1)

(iii) xn =yn ! L=H purch yn ; H 6= 0 e L=H non sia una forma di indeterminazione
(1.24), cio
1 0
e
1 0

Dim. (i) Sia xn ! L e yn ! H, con L; H 2 R. Ci signica che, per ogni " > 0,
esistono n1 e n2 tali che

L " < xn < L + " 8n n1 ;


H " < xn < H + " 8n n2 :

Sommandole membro a membro, si ha che, per n n3 = max fn1 ; n2 g,

L+H 2" < xn + yn < L + H + 2"

e, per larbitrariet di 2", ne segue che xn + yn ! L + H.


Sia ora xn ! L 2 R e yn ! +1. Ci signica che, per ogni " > 0 e per ogni
K > 0, esistono n1 e n2 tali che

L " < xn < L + " 8n n1


yn > K 8n n2 :

Sommandole, si ha che, per n n3 = max fn1 ; n2 g,

xn + yn > K + L "

e, per larbitrariet di K + L " > 0, ne segue che xn + yn ! +1. Gli altri casi di
limite innito si trattano in maniera analoga.

(ii) Sia xn ! L e yn ! H, con x; y 2 R. Ci signica che, per ogni " > 0, esistono
n1 e n2 tali che

L " < xn < L + " 8n n1 ;


H " < yn < H + " 8n n2 :
238 CAPITOLO 9. SUCCESSIONI

Inoltre, essendo convergente, fyn g limitata (si ricordi la Proposizione 104): jyn j b
per ogni n. Ora, per n n3 = max fn1 ; n2 g,

jxn yn LHj = jyn (xn L) + L (yn H)j jyn j jxn Lj + jLj jyn Hj < " (b + jLj)

e, per larbitrariet di " (b + jLj), si conclude che xn yn ! L H.


Se L > 0 e H = +1, oltre a risultare, per ogni " > 0,

L " < xn < L + " 8n n1 ;

risulta anche, per ogni K > 0, yn > K per n n2 . Ne segue che, per n n3 =
max fn1 ; n2 g,
xn yn > (L ") K
e, per larbitrariet di (L ") K > 0, si conclude che xn yn ! +1. Se L < 0 e
H = +1, xn yn < (L + ") K e quindi xn yn ! 1. Gli altri casi di limiti inniti si
trattano in modo analogo.

Lasciamo al lettore le (iii) e (iv).

Esempio 143 Siano xn = n= (n + 1) e yn = 1 + ( 1)n =n. Dato che xn ! 1 e yn ! 1,


si ha che xn + yn ! 1 + 1 = 2 e che xn yn ! 1. N

Esempio 144 Consideriamo xn = 2n e yn = 1 + ( 1)n =n. Dato che xn ! +1 e


yn ! 1, si ha che xn + yn ! +1 e che xn yn ! +1. N

Oltre che con le operazioni fondamentali, loperazione di limite si scambia anche


con la potenza (e la radice che ne un caso particolare) e il logaritmo. In realt, la
(13.8) del Capitolo 13 mostrer che questo scambio indolore avviene ben pi spesso,
cio per tutte le funzioni continue.

Proposizione 113 Escludendo le forme di indeterminazione (1.25), cio

11 ; 00 ; (+1)0

si ha10 :

(i) lim xn = (lim xn ) purch 2 R e xn > 0;


xn lim xn
(ii) lim = purch > 0;

(iii) lim loga xn = loga lim xn .


10
Dora in poi, non essendoci possibilit di equivoco, scriveremo semplicemente lim xn anzich
limn!1 xn . Il limite di una successione infatti denito soltanto per n ! 1 e perci la precisazione
pu essere ritenuta superua.
9.8. ALGEBRA DEI LIMITI E LIMITI NOTEVOLI 239

Dim. Ci limitiamo a provare il punto (iii), lasciando volentieri al lettore i rimanenti.


Sia lim xn = L; ci signica che, per ogni " > 0, esiste n" tale che

L " < xn < L + " 8n n" :

Quando a > 1, risulta allora

loga (L ") < loga xn < loga (L + ") 8n n" :

Il logaritmo cresce al crescere del suo argomento e perci loga (L + ") = loga L + con
> 0 e loga (L ") = loga L con > 0 e, detto il pi piccolo tra e

loga L < loga xn < loga L + 8n n"

e, per larbitrariet di (si osservi che sia sia sono arbitrariamente piccole quando
lo "), segue lasserto. Quando 0 < a < 1, il logaritmo decresce al crescere del suo
argomento e si ragiona in modo analogo.

9.8.2 Alcuni limiti notevoli


Vediamo due successioni fondamentali (in realt basterebbe considerare la prima per-
ch la seconda ne semplicemente il reciproco): dal loro comportamento si deducono,
grazie alle precedenti Proposizioni 112 e 113, moltissimi altri limiti. Per la successione
di generico termine xn = n risulta molto facilmente:

lim n = +1;

essendo n > K per ogni n [K] + 1.

Per la successione reciprocaxn = 1=n, si ha


1
lim =0
n
essendo 0 < 1=n < " per ogni n [1="] + 1.

Come abbiamo anticipato, dai due limiti elementari sopra indicati, ricordando le
Proposizioni 112 e 113, se ne deducono moltissimi altri:

(i) lim n = +1 per ogni > 0,

(ii) lim (1=n) = lim n = 0+ per ogni > 0; dunque


8
< +1 se >0
lim n = 1 se =0 :
: +
0 se <0
240 CAPITOLO 9. SUCCESSIONI

(iii) si ha: 8
< +1 se > 1
n
lim = 1 se = 1
: +
0 se 0 < < 1
e

+1 se > 1
lim log n =
1 se 0 < < 1
e molti altri ancora. Per esempio, si ha
7
lim 5n + n2 + 1 = +1 + 1 + 1 = +1;
nonch
3 1
lim n2 3n + 1 = lim n2 1 + 2 = +1 (1 0 + 0) = +1;
n n
e
5 7
n2 5n 7 n2 1 n n2 1 0 0 1
lim = lim 4 6
= = ;
2n2 + 4n + 6 n2 2 + n
+ n2
2+0+0 2
e
1
5 n
lim = [0 (5 0)] = 0;
2n2
e
n (n + 1) (n + 2) n n 1 + n1 n 1 + n2
lim = lim 1 2 4
(2n 1) (3n 2) (5n 4) 2n 1 2n 3n 1 3n
5n 1 5n
1 2
1+ n
1+ n 1 1 1
= lim 1 2 4
= =
30 1 2n
1 3n
1 5n
30 1 1 1 30

9.8.3 Forme di indeterminazione


Nella precedente sezione abbiamo evitato con cura le forme di indeterminazione poich
in tali casi non si pu aermare nulla in generale. Per esempio, il limite della somma di
due successioni i cui limiti sono inniti di segno opposto pu risultare nito, innito o
non esistere, come mostreranno i prossimi esempi. Tale limite risulta cos indetermi-
nato sulla base della sola informazione che i due addendi divergono rispettivamente
a +1 e a 1.
Cerchiamo di essere molto espliciti. In molti casi (tutti quelli coperti dalla ar-
itmetizzazione parziale) il limite di una successione ottenuta tramite unoperazione
su due altre successioni determinato soltanto dai limiti di tali due successioni (per
esempio, qualsiasi siano fxn g e fyn g, se esse tendono rispettivamente a 5 e a 3, il
limite di fxn + yn g 5 + ( 3) = 2 e il limite di fxn yn g 5 ( 3) = 15). In qualche
caso invece (e sono quelli che abbiamo detto di indeterminazione) linformazione sui
due limiti non su ciente; non c perci alcuna scorciatoia di calcolo del limite: non
rimane che tirarsi su le maniche e calcolarlo volta per volta.
9.8. ALGEBRA DEI LIMITI E LIMITI NOTEVOLI 241

Forma di indeterminazione 1 1
Consideriamo la forma di indeterminazione 1 1. Per esempio, il limite della somma
xn + yn delle successioni del tipo xn = n e yn = n2 ricade sotto questa forma di
indeterminazione il che vieta il ricorso ai precedenti risultati. Si ha per

xn + yn = n n2 = n (1 n)

ove n ! +1 e 1 n ! 1 cosicch, essendo del tipo +1 ( 1), xn + yn ! 1. Si


noti come, grazie a una semplicissima manipolazione algebrica, siamo riusciti a trovare
il modo di uscire dallindeterminazione.
Consideriamo xn = n2 e yn = n. Anche in questo caso limite della somma xn + yn
ricade sotto la forma di indeterminazione 1 1. Procedendo come appena visto, si
ha stavolta

lim (xn + yn ) = lim n (n 1) = lim n lim (n 1) = +1


1
Consideriamo ora xn = n e yn = n , ancora del tipo 1 1. Anche qui una
n
semplice manipolazione consente di trovare la via duscita:
1 1
lim (xn + yn ) = lim n + n = lim =0
n n

Consideriamo inne xn = n2 + ( 1)n n e yn = n2 , che, dato che xn n2 n=


n (n 1) diverge a +1, ancora una volta del tipo 1 1. Ora

lim (xn + yn ) = lim ( 1)n n

non esiste.
Dunque quando si presenta un caso del tipo 1 1, pu accadere che il limite
in discorso risulti +1 oppure 1 oppure che sia nito oppure che non esista. In
altre parole, pu accadere di tutto. La semplice constatazione che si tratta di 1 1
non consente di dir nulla del limite della somma11 . Nel caso 1 1 bisogna proprio
considerare le due successioni e, volta per volta, riuscire a trovare una maniera, che
molto spesso semplice, di aggirare lindeterminazione, come abbiamo visto negli
esempietti di poco fa. Lo stesso si pu ripetere per le altre forme di indeterminazione.

Forma di indeterminazione 0 1
Siano, per esempio, xn = 1=n e yn = n3 . Il limite del loro prodotto ha la forma 0 1,
e non possiamo quindi farci guidare dai precedenti risultati. Si ha per
1
lim xn yn = lim n3 = lim n2 = +1:
n
11
Se invece si fosse trattato di una forma del tipo 1 + a, anche senza sapere come sono fatte le due
successioni, avremmo potuto dire che il limite della loro somma 1.
242 CAPITOLO 9. SUCCESSIONI

1
Se xn = e yn = n,
n3
1 1
lim xn yn = lim 3
n = lim 2 = 0:
n n
Se xn = n3 e yn = 7=n3 ,
7
lim xn yn = lim n3 = lim 7 = 7
n3
Se xn = 1=n e yn = n(cos n + 2),

lim xn yn = lim(cos n + 2)

non esiste.
Ancora, solo il calcolo diretto del limite pu stabilirne il valore: la forma di
indeterminazione pu fornire risultati del tutto diversi.

Forme di indeterminazione 1=1 e 0=0


Siano, per esempio, xn = n e yn = n2 . Il limite del loro quoziente ha la forma 1=1,
ma
xn n 1
lim = lim 2 = lim = 0:
yn n n
Daltra parte, scambiando le parti di xn e yn , permane la forma di indeterminazione
1=1, ma
yn n2
lim = lim = lim n = +1;
xn n
con limite del tutto diverso dal precedente12 .
Vediamo un altro esempio relativo a 1=1. Se xn = n2 e yn = 1 + 2n2 , si ha

xn n2 1 1
lim = lim = lim 1 = :
yn 1 + 2n2 n2
+2 2

Ancora, Se xn = n2 (sin n + 7) e yn = n2 ,
xn
lim = lim (sin n + 7)
yn
che non esiste.
Ci vale naturalmente anche per la forma di indeterminazione 0=0. Per esempio,
sia xn = 1=n e yn = 1=n2 . Si ha
1
xn n
lim = lim 1 = lim n = +1;
yn n2
12
Poich xn =yn = 1= (yn =xn ), per i due limiti vale la Proposizione 97.
9.8. ALGEBRA DEI LIMITI E LIMITI NOTEVOLI 243

mentre, scambiando le parti di xn e yn , si ha

1
yn n2 1
lim = lim 1 = lim = 0:
xn n
n

Si osservi la semplice relazione tra le forme di indeterminazione 1=1 e 0=0: se il


limite del quoziente delle successioni fxn g e fyn g ricade sotto la forma di indetermi-
nazione 1=1, il limite del quoziente delle successioni f1=xn g e f1=yn g ricade sotto la
forma di indeterminazione 0=0, e viceversa.

9.8.4 Tabelle riassuntive


Possiamo riassumere in tre tabelle lalgebra dei limiti. Nelle tabelle la prima riga
indica il limite della successione fxn g, mentre la prima colonna indica il limite della
successione fyn g.
Cominciamo col limite della somma: le celle interne danno il risultato del limite
fxn + yn g; abbiamo scritto ?? in caso di forma di indeterminazione.

somma +1 L 1
+1 +1 +1 ??
H +1 L+H 1
1 ?? 1 1

Abbiamo due casi indeterminati su nove. Passiamo al prodotto: le celle interne danno
il risultato del limite fxn yn g :

prodotto +1 L>0 0 L<0 1


+1 +1 +1 ?? 1 1
H>0 +1 LH 0 LH 1
0 ?? 0 0 0 ??
H<0 1 LH 0 LH +1
1 1 1 ?? +1 +1

dove ci sono quattro casi indeterminati su venticinque. Inne, per il quoziente si ha la


seguente tabella, dove le celle interne danno il risultato del limite fxn =yn g:
244 CAPITOLO 9. SUCCESSIONI

quoziente +1 L>0 0 L<0 1


+1 ?? 0 0 0 ??
H>0 +1 L=H 0 L=H 1
0 1 1 ?? 1 1
H<0 1 L=H 0 L=H +1
1 ?? 0 0 0 ??

dove nella terza riga si ha ambiguit circa il segno dellinnito, a seconda che yn tenda
a 0 per eccesso o per difetto (se xn ! L > 0 e yn ! 0 allora xn yn ! 1, ecc., con
le abituali regole dei segni). Per esempio,

1 1
lim 1 = lim n = +1 e lim 1 = lim ( n) = 1:
n n

Abbiamo qui cinque casi indeterminati su venticinque.


Le tabelle rendono chiaro come nella maggior parte dei casi i precedenti risultati
siano e caci, lasciando solo relativamente pochi casi indeterminati.

OfB. Il caso 0 1 non una forma di indeterminazione. Esso ovviamente una


sigla per il lim xynn ove la base una successione (positiva, altrimenti la potenza non
denita!) tendente a 0 (anzi a 0+ ) e lesponente una successione divergente. Possiamo
porre senza imbarazzi 0+1 = 0: a buon senso, si tratta di moltiplicare 0 per s stesso
innite volte e si ottiene uno zero grande come un palazzo (uno zerissimo diceva
un illustre professore). La forma 0 1 reciproca della precedente e perci 0 1 = +1.
H

9.8.5 Ma quante sono le forme di indeterminazione?


Avevamo indicato sette forme di indeterminazione:
1 0
; ; 0 1 ; 1 1 ; 00 ; 10 ; 11
1 0
In realt sono tutte sostanzialmente riconducibili luna allaltra. Potremmo consider-
are, per esempio, 0 1 (o qualunque altra) come la forma di indeterminazione di base
e ad essa ridurre le altre:

(i) Se xn ; yn ! 1, il loro rapporto xn =yn si presenta nella forma 1=1, ma basta


scrivere il rapporto come
1
xn
yn
per avere la forma 0 1.
9.9. CRITERI DI CONVERGENZA 245

(ii) Se xn ; yn ! 0, il loro rapporto xn =yn si presenta nella forma 0=0, ma basta


ancora scrivere il rapporto come
1
xn
yn
per avere la forma 0 1.

(iii) Se xn ! 1 e yn ! 1, la loro somma xn + yn si presenta nella forma 1 1.


Si pu per scrivere
yn
xn + yn = 1 + xn ;
xn
se yn =xn non tende a 1, la forma non pi indeterminata e, se yn =xn ! 1 la
forma del tipo 0 1.

(iv) Per le ultime tre basta considerarne il logaritmo per mettersi nel caso 0 1:

log 00 = 0 log 0 = 0 ( 1) ; log 10 = 0 log 1 = 0 1; log 11 = 1 log 1 = 1 0:

Il numero e, che incontreremo tra breve, rappresenta il limite di una forma di


indeterminazione (la pi pregiata) del tipo 11 .

Il lettore provi a ricondurre tutte le forme di indecisione a 0=0 oppure a 1=1.

9.9 Criteri di convergenza


Il calcolo dei limiti oltremodo fastidioso e, in molti casi, presenta qualche di colt.
Soccorrono alcuni teoremi che forniscono condizioni su cienti per la convergenza: essi
sono detti criteri di convergenza 13 .
Cominciamo col classico Criterio del confronto, che mostra come quando due suc-
cessioni convergono allo stesso limite, tale il caso anche di qualsiasi successione i cui
termini sono presi in mezzotra quelli delle due successioni14 .

Teorema 114 (Criterio del confronto) Siano fxn g, fyn g e fzn g tre successioni.
Se, denitivamente,
yn xn zn (9.16)
e
lim yn = lim zn = L 2 R (9.17)
allora
lim xn = L
13
Criterio (test in inglese) sempre sinonimo di condizione su ciente.
14
Il Teorema detto spesso dei carabinieri: fxn g accompagnata dai due carabinieri fyn g e fzn g
(uno di qua e uno di l) ed costretta ad andare dove vanno loro.
246 CAPITOLO 9. SUCCESSIONI

Dim. Sia " > 0. Dalla (9.17) segue, per la Denizione 63, che esiste n1 tale che
yn 2 B" (L) per ogni n n1 , e che esiste n2 tale che zn 2 B" (L) per ogni n n2 .
Diciamo inne n3 il posto dordine a partire dal quale risulta yn xn zn . Posto
n = max fn1 ; n2 ; n3 g, si ha quindi sia yn 2 B" (L) sia zn 2 B" (L) sia yn xn zn per
ogni n n e, per la (9.16),

L " < yn xn zn < L + " 8n n

ossia xn 2 B" (L) per ogni n n e quindi xn ! L come desiderato.

Il tipico uso del risultato nel dimostrare la convergenza di una successione mostran-
do che essa pu essere intrappolatatra due opportune successioni convergenti.

Esempio 145 Consideriamo la successione xn = n 2 sin2 n. Dato che 1 sin n 1


per ogni n 2 N, si ha 0 sin2 n 1 per ogni n 1 e quindi

sin2 n 1
0 8n 1
n2 n2
Se consideriamo le successioni con yn = 0 e zn = 1=n2 , valgono le ipotesi (9.16) e (9.17)
con L = 0. Per il Criterio del confronto si ha lim xn = 0. N

1
Esempio 146 La successione con xn = n sin n converge a 0. Infatti

1 sin n 1
8n 1
n n n
ed entrambe le successioni 1=n ! 0. N

Lesempio che precede lascia intendere che, se fxn g una successione limitata e
yn ! 1, allora
xn
!0
yn
Infatti jM=yn j xn =yn jM=yn j dove M lestremo superiore di jxn j.

I due prossimi semplici e utilissimi teoremi introducono tecniche di analisi che


saranno utilizzate anche per la convergenza delle serie, come vedremo nel prossimo
capitolo.

Teorema 115 (Criterio del rapporto) Se esiste un numero q < 1 tale che, den-
itivamente,
xn+1
q (9.18)
xn
allora la successione fxn g tende a 0.
9.9. CRITERI DI CONVERGENZA 247

Si noti che la propriet (9.18) vale senzaltro se il rapporto xn+1 =xn ammette limite
ed esso minore di 1. Infatti, se il limite dei rapporti L < 1, essi sono denitivamente
minori di L + per ogni > 0 e si pu sempre prendere in modo che L + < 1.
Si badi che il teorema non richiede semplicemente che il rapporto jxn+1 =xn j sia < 1,
cio
xn+1
lim <1
xn
ma che ne sia discosto, cio che sia minore di un numero q a sua volta minore di 1.
Inoltre, ricordando che xn ! L se e solo se xn L ! 0, possiamo anche aermare
che
xn+1 L
< q ) xn ! L
xn L
Grazie a questa semplice osservazione il Criterio del rapporto (nonch il Criterio della
radice che vedremo tra breve) si applica allo studio della convergenza xn ! L, bench
enunciato solo per xn ! 0.

Dim. Poniamo che la disuguaglianza valga a partire da n = 1: se valesse da un certo


n in poi, basterebbe ricordare che la soppressione di un numero nito di termini non
altera il limite. Da
xn+1
q
xn
si deduce che jxn+1 j q jxn j e quindi, in particolare,

jx2 j q jx1 j ; jx3 j q jx2 j q 2 jx1 j ; ; jxn j qn 1


jx1 j ;

che si possono riscrivere

qn 1
jx1 j xn qn 1
jx1 j 8n 2

Visto che, essendo 0 < q < 1, q n 1


! 0, il risultato segue dal Criterio del confronto.

Il Criterio del rapporto permette di provare alcuni limiti fondamentali:

(i) Qualsiasi siano > 1 e k 2 R risulta


nk
lim n
=0 (9.19)

Infatti, posto
nk
xn = n

e prendendo il rapporto tra due termini consecutivi (il valor assoluto irrilevante
visto che tutti i termini sono positivi), si ha
k k
xn+1 (n + 1)k n
n+1 1 1 1 1
= n+1
= = 1+ ! <1
xn nk n n
248 CAPITOLO 9. SUCCESSIONI

(ii) Pi in generale si mostra, sempre con > 1, che


znk
zn ! +1 ) xn
!0

La (9.19) il caso speciale zn = n. Si indichi con pn = [zn ] la parte intera di zn ,


sicch pn zn < pn + 1. Si ha
k
znk (pn + 1)k pn + 1 pkn
xn
< pn
= pn
!0
pn

dato che (pn + 1)k =pkn ! 1 e pkn = pn


! 0 perch si tratta di una sottosuccessione
di nk = n .
(iii) Se k 2 R e yn ! +1, allora
logk yn
lim =0
yn
Basta porre yn = ezn e si ricade nel caso precedente. In particolare
logk n log n
lim = lim =0
n n
Ci che precede lascia intravedere una precisa gerarchia tra le seguenti classi di
successioni divergenti:
n
con >1 ; nk con k > 0 ; logk n con k > 0
Le pi forti sono le esponenziali, al loro interno graduate secondo la base ,
seguono le potenze, al loro interno graduate secondo lesponente k, e, buone ultime, le
logaritmiche, al loro interno graduate secondo lesponente k.
Per esempio,
5n 6 2n n123 + 7n87 n36 log n ! +1
ereditando il comportamento di 5n ,
n4 3n3 + 6n2 4 1
4 3 2
!
5n + 7n + 25n + 342 5
perch il numeratore eredita il comportamento di n4 e il denominatore di 5n4 . Tra
poco, nella Sezione 9.12, renderemo rigorose queste considerazioni sui limiti basate
sulla velocit di convergenza (o divergenza).

Teorema 116 (Criterio della radice) Se esiste un numero q < 1 tale che, almeno
denitivamente pn
jxn j q (9.20)
allora la successione fxn g tende a 0.
9.9. CRITERI DI CONVERGENZA 249

Anche per questo risultato si possono fare considerazioni simili a quelle viste per il
Criterio
np odel rapporto. In particolare, la propriet (9.20) vale senzaltro se la successione
n
jxn j ammette limite ed esso minore di 1, cio se
p
lim n jxn j < 1
Dim. Poniamo che la disuguaglianza valga a partire da n = 1. Da
pn
jxn j q
si trae immediatamente che jxn j q n cio che q n xn q n . Visto che, essendo
0 < q < 1, q n ! 0, il risultato segue dal Criterio del confronto.
Esempio 147 Sia
n
2n2 5n + 6
xn =
3n3 7n 3
Dato che s
n
n 2n2 5n + 6 2n2 5n + 6 2
= ! <1
3n3 7n 3 3n3 7n 3 3
si ha xn ! 0. N
p
Nel prossimo esempio si ha xn ! +1 e xn ! 1. Ci mostra limportanza della
n

disuguaglianza stretta q < 1 nella (9.20).


p
Esempio 148 Risulta n n ! 1 perch
p loga n
loga n n = loga n1=n = !0
n
con qualunque a > 1. N
Chiudiamo con un semplice esempio che mostra come sia il Criterio del rapporto
sia il Criterio della radice siano condizioni su cienti, ma non necessarie, per la con-
vergenza. Sebbene utili, non possono quindi essere sempre decisivi nel determinare la
convergenza di una successione.
Esempio 149 La successione di termine xn = 1=n converge a zero. Tuttavia, si ha
xn+1 n
= !1
xn n+1
e quindi il Criterio del rapporto non applicabile. Daltra parte, da quanto visto
nellultimo esempio, segue che
r
n 1 1
= p !1
n n
e quindi anche il Criterio della radice non applicabile. Nessuno dei due criteri
dunque utile per determinare la convergenza di questa semplice successione. N
Ulteriori propriet dei Criteri del rapporto e della radice saranno esaminate nello
studio delle serie (Sezione 11.3).
250 CAPITOLO 9. SUCCESSIONI

9.10 La condizione di Cauchy


Una successione convergente se ammette limito nito. Per stabilire la convergenza di
unassegnata successione si dovrebbe quindi calcolarne il limite, impresa che potrebbe
rivelarsi di coltosa. Per giunta il limite un oggetto, in un certo senso, estraneoalla
successione (in generale non un suo termine). Dunque, per accertare la convergenza
di una successione, ci si deve a dare a un estraneo che, per giunta, pu essere
di cile da calcolare.
Sarebbe preferibile avere una denizione di convergenza che si faccia bastare i
termini della successione. Per vedere come fare, basta la seguente semplice intuizione:
se una successione converge, i suoi elementi sono, almeno da un certo punto in poi,
tutti vicinissimi al limite. Ma, se sono tutti vicinissimi al limite, sono anche vicinissimi
tra loro. Ci che segue non fa che formalizzare lintuizione.

Teorema 117 (Cauchy) La successione fxn g convergente se e solo se a ogni " > 0
si pu associare un intero n" 1 tale che

jxn xm j < " 8n; m n" (9.21)

La condizione (9.21), che si pu riscrivere come d (xn ; xm ) < " per ogni n; m n,
detta condizione di Cauchy: il suo sussistere per ogni " > 0 dunque condizione
necessaria e su ciente di convergenza.

Dim. Necessit. Se xn ! L allora, per denizione, ad ogni " > 0 si pu associare


n" 1 tale che jxn Lj < " per ogni n n" . Ora, per n; m n" ,

jxn xm j = jxn L+L xm j jxn Lj + jxm Lj < " + " = 2"

e, per larbitrariet di 2", lasserto provato.


Su cienza. Se jxn xm j < " per ogni n; m n" , risulta, a maggior ragione,
jxn xn" j < " per n = n" + 1; n" + 2; : : : cio

xn" " < xn < xn" + " per n = n" + 1; n" + 2; : : :

Indichiamo ora con A linsieme dei numeri reali denitivamente minori degli elementi
della successione e con B linsieme dei numeri che ne sono denitivamente maggiori.

(i) A e B non sono vuoti: A contiene almeno il precedente xn" " e B almeno
xn" + ".

(ii) A e B sono disgiunti. Se vi fosse un numero che appartiene a entrambi, esso


dovrebbe essere a un tempo denitivamente minore e maggiore (strettamente)
degli elementi della successione, il che non pu essere.

(iii) sup A = inf B perch, come s detto sopra, xn" " 2 A e xn" + " 2 B per ogni
" > 0 e risulta (xn + ") (xn ") = 2" che arbitrariamente piccola.
9.11. IL NUMERO DI NEPERO 251

Diciamo z il valore comune di sup A e inf B. Mostriamo che xn ! z. Fissato


arbitrariamente un numero > 0, esistono a 2 A e b 2 B tali che b a < e perci
(essendo per certo a < z < b e quindi z <aeb<z+ )
z <a<b<z+
Ma i termini xn della successione sono denitivamente maggiori di a e denitivamente
minori di b e quindi, a maggior ragione,
z < xn < z +
che, per larbitrariet di , consente di aermare che z il limite della successione
fxn g.
OfB. Il Teorema appena visto, talora detto Criterio generale di convergenza, enuncia
s una fondamentale propriet delle successioni convergenti, ma in realt rappresenta
una propriet strutturale (di grande portata concettuale) dellinsieme dei numeri reali,
detta completezza.
Poniamo, per esempio (e come Pitagora), di conoscere soltanto i numeri razionali:
lo spazio sul quale ragioniamo dunque Q. Consideriamo la successione i cui elementi
(tutti razionali) sono le successive approssimazioni decimali di :
x1 = 3 ; x2 = 3; 1 ; x3 = 3; 14 ; x4 = 3; 141 ; x5 = 3; 1415 ; : : :
Essa rispetta la condizione di Cauchy: jxn xm j < min f10 n ; 10 m g che denitiva-
mente arbitrariamente piccolo. Tale successione per non converge (per noi che conos-
ciamo solo Q) ad alcun punto di Q: se conoscessimo R potremmo dire che converge a
(e non pu convergere ad altro perch il limite necessariamente unico). Dunque in
Q la condizione di Cauchy ( necessaria ma) non su ciente per la convergenza.
Vi sono spazi, come R, nei quali la condizioni di Cauchy su ciente per la con-
vergenza e altri, come Q, per i quali non lo (in ogni caso necessaria). I primi sono
detti completi e i secondi incompleti. Senza approfondire la questione, R il com-
pletamento di Q cio il pi piccolo spazio completo che lo contiene: e cacemente,
arricchendo Q con tutti i limiti(inesistenti in Q) delle successioni che rispettano la
condizione di Cauchy, si ottiene lo spazio completo R. H

9.11 Il numero di Nepero


Una successione fondamentale, che si presenta nella forma di indeterminazione 11 ,
n
1
1+ (9.22)
n
Dimostreremo tra breve che essa converge a un numero (irrazionale, anzi trascen-
dente15 ) che si indica dabitudine con e e che vale 2; 71828:::.
15
Un numero non razionale detto
p algebrico se radice di qualche equazione polinomiale con tutti
i coe cienti interi: per esempio, 2 algebrico dato che esso radice dellequazione x2 2 = 0. Sono
detti trascendenti i numeri irrazionali non algebrici.
252 CAPITOLO 9. SUCCESSIONI

Esso la base pi naturale dei logaritmi che in tal modo acquistano pregevoli
propriet. Dora in avanti si assumer senza eccezioni e come base dei logaritmi e
molto spesso come base delle potenze.

Teorema 118 La successione (9.22) convergente. Il suo limite si denota con e ed


detto numero di Nepero.

La dimostrazione si basa sulla seguente classica disuguaglianza.

Lemma 119 Se a > 1, con a 6= 0, risulta

(1 + a)n > 1 + an (9.23)

per ogni intero16 n > 1.

Dim La dimostrazione si fa per induzione. La disuguaglianza (9.23) vale per n = 2.


Infatti, per ogni a 6= 0 si ha:

(1 + a)2 = 1 + 2a + a2 > 1 + 2a:

Supponiamo, per induzione, che (9.23) valga per un certo valore n 2, cio si abbia:

(1 + a)n > 1 + an:

Intendiamo dimostrare che la (9.23) vale per n + 1. Si ha:

(1 + a)n+1 = (1 + a)(1 + a)n > (1 + a)(1 + an)


= 1 + a(n + 1) + a2 n > 1 + a(n + 1)

dove la prima disuguaglianza, dovuta allipotesi induttiva, vale solo per a > 1.
Abbiamo quindi dimostrato che (9.23) vale anche per n + 1, che era quanto si voleva
dimostrare.

Dim. del Teorema 118. Poniamo


n n+1
1 1
an = 1+ ; bn = 1+ 8n = 1; 2; :::
n n
Procediamo per passi successivi.

Passo 1: fbn g decrescente. Infatti, per n 2 si ha


" #n " #n
1 n+1
bn 1+ n 1 1 + n1 1 n+1
n
= n = 1+ = 1+ n
bn 1 1+ 1
n 1
n 1 + n1 1 n n 1
n 1
1 (n + 1) (n 1) 1+ n
= 1+ = 1 n
n n2 1+ n2 1
16
Per n = 1 vale banalmente luguaglianza.
9.11. IL NUMERO DI NEPERO 253

e, utilizzando la disuguaglianza (1 + a)n > 1 + an dimostrata nel Lemma 119 17


, si
vede che n
1 n n 1
1+ 2 >1+ 2 >1+ 2 >1+
n 1 n 1 n n
e perci bn =bn 1 < 1.

Passo 2: fan g crescente. Infatti


n
1 n n+1 n n 1 n n2 1 1 n
an 1+ n n n n2 1 n2
= n 1 = n 1 = 1 = 1
an 1 1+ 1
n
1 n
1 n
n 1

e, usando ancora la disuguaglianza di poco fa,


n
1 n 1
1 >1 =1
n2 n2 n
si vede che an =an 1 > 1.

Passo 3: bn > an per ogni n e, per di pi, bn an ! 0. Infatti


n+1 n n+1
1 1 1 1
bn an = 1+ 1+ = 1+ 1 1
n n n 1+ n
n+1
1 1 1
= 1+ = bn >0
n n+1 n+1
Dato che bn < b1 , risulta
bn b1
0 < bn an = < !0
n+1 n+1
Si conclude, che essendo le due successioni strettamente monotone, convergenti e
tali che la loro dierenza tende a 0, si ha sup an = inf bn = lim an = lim bn .

Risulta
a1 = 21 = 2 b1 = 22 = 4
3 2 9 3 3 27
a2 = 2
= 4
= 2; 25 b2 = 2
= 8
= 3; 375

11 10 11 11
a10 = 10
' 2; 59 b10 = 10
' 2; 85
e quindi il numero di Nepero compreso tra 2; 59 e 2; 85. Come gi abbiamo avvertito,
il numero e trascendente e vale 2; 71828:::.

Dal limite fondamentale appena indicato se ne deducono parecchi altri.


17 1
Osserviamo che 1< n2 1 6= 0 e che n 2:
254 CAPITOLO 9. SUCCESSIONI

(i) Se jxn j ! +1 (cio xn ! +1 oppure xn ! 1), si ha:


xn
k
lim 1 + = ek
xn
Per k = 1 la dimostrazione si pu fare facilmente considerando la parte intera di
xn . Per k qualsiasi, basta porre k=xn = 1=yn , col che
xn kyn yn k
k 1 1
1+ = 1+ = 1+ ! ek
xn yn yn

(ii) Se an ! 0 e an 6= 0, si ha:
lim (1 + an )1=an = e
Basta porre an = 1=xn per ritrovare il precedente caso (i).
(iii) Se an ! 0 e an 6= 0, si ha:
log (1 + an )
lim =1
an
Basta prendere il logaritmo nel limite precedente. Pi in generale:
logb (1 + an )
lim = logb e 80 < b 6= 1
an
(iv) Se c > 0, yn ! 0 e yn 6= 0:
c yn 1
lim = log c
yn
Basta porre cyn 1 = an (cosicch anche an ! 0) per avvedersi che
c yn 1 an
=
yn logc (1 + an )
e che quindi ci si riduce al (reciproco del) caso precedente nel quale il limite
1= logc e = loge c = log c.
(vi) Se 2 R e zn ! 0, con zn 6= 0, si ha:
(1 + zn ) 1
lim =
zn
Laermazione ovvia per = 1. Se 6= 1 si pone an = (1 + zn ) 1 ovvero
1 + an = (1 + zn ) cio log (1 + an ) = log (1 + zn ) (col che anche an ! 0). Si
ha allora
log (1 + an ) log (1 + zn ) log (1 + zn ) zn
= =
an (1 + zn ) 1 zn (1 + zn ) 1
log (1 + an ) log (1 + zn )
e, dato che !1e ! 1, ne segue lasserto.
an zn
9.12. ORDINI DI CONVERGENZA E DI DIVERGENZA 255

Applichiamo quanto appena visto ad alcuni semplici limiti. Si ha:


n n
n+5 5
= 1+ ! e5
n n
nonch !
3 3
1 (1 + 1=n2 ) 1
n2 1+ 2 1 = !3
n 1=n2
e
1 log (1 + 1=n)
n log 1 + = !1
n 1=n
e
2n 1
! log 2
n

9.12 Ordini di convergenza e di divergenza


Alcune successioni convergono al proprio limite pi velocementedi altre. Per esem-
pio, consideriamo due successioni fxn g e fyn g entrambe divergenti a +1. Per esempio,
yn = n e xn = n2 . Intuitivamente, la successione fxn g diverge pi velocemente di fyn g.
Se le mettiamo a confronto tramite il loro rapporto
yn
xn
si ha
yn 1
lim = lim = 0
n xn n n

Ha quindi prevalso il denominatore che, nonostante anche il numeratore tenda a +1,


ha trascinato lintera frazione dalla sua parte, schiacciandola a zero. Dunque, la mag-
gior velocit di divergenza (ovvero di convergenza a +1) della successione fxn g si
manifesta nella convergenza a zero del rapporto yn =xn . Il rapporto sembra quindi es-
sere il naturale terreno di confronto per la velocit relativa di convergenza/divergenza
delle due successioni .

La prossima denizione formalizza tale intuizione, importante sia dal punto di vista
concettuale sia per il calcolo.

Denizione 68 Siano fxn g e fyn g due successioni, con i termini della prima deni-
tivamente diversi da zero.

(i) Se
yn
!0
xn
diciamo che fyn g trascurabile rispetto a fxn g; in simboli
yn = o (xn )
256 CAPITOLO 9. SUCCESSIONI

(ii) Se
yn
! k 6= 0 (9.24)
xn
diciamo che fyn g dello stesso ordine o che confrontabile con fxn g; in simboli

yn xn

(iii) In particolare quando k = 1, cio quando


yn
!1
xn

si dice che fyn g e fxn g sono asintotiche. In simboli,

yn xn

La classicazione comparativa. Per esempio, fyn g trascurabile rispetto a fxn g:


ci non signica che fyn g sia in s trascurabile ma che lo diventa quando accompa-
gnata da fxn g. La successione fn2 g trascurabile rispetto a fn5 g, ma, in assenza di
fn5 g, non per nulla trascurabile (tende allinnito!).
Si osservi, inoltre, che grazie alla Proposizione 97 si ha
yn xn
! 1 () !0
xn yn

cio se e solo se xn = o (yn ). Quindi, anche quando il rapporto diverge possiamo


applicare la classicazione appena vista, il caso non richiede unanalisi separata.

Riportiamo subito alcune semplici propriet di queste nozioni.

Lemma 120 Siano fxn g e fyn g due successioni con termini denitivamente diversi
da zero. Allora,

(i) la relazione di confrontabilit (in particolare ) sia simmetrica, cio yn xn


se e solo se xn yn , sia transitiva, cio zn yn e yn xn implicano zn xn .

(ii) la relazione di trascurabilit transitiva, cio zn = o (yn ) e yn = o (xn ) implica


zn = o (xn ).

Dim. La simmetria di segue da

yn xn 1
! k 6= 0 () ! 6= 0
xn yn k
Lasciamo al lettore la facile dimostrazione delle altre propriet.
9.12. ORDINI DI CONVERGENZA E DI DIVERGENZA 257

Si osservi da ultimo che


1 1
yn xn ()
yn xn
e in particolare
1 1
yn xn () (9.25)
yn xn
purch fxn g e fyn g siano denitivamente diverse da zero. In altre parole, confrontabil-
it e trascurabilit si preservano passando ai reciproci.

Consideriamo ora i casi, pi interessanti, dove entrambe le successioni sono inn-


itesime o divergenti. Cominciamo con due successioni fxn g e fyn g entrambe inn-
itesime, ossia limn!1 xn = limn!1 yn = 0. In questo caso, le successioni trascurabili
tendono pi velocemente a zero. Consideriamo per esempio xn = 1=n e yn = 1=n2 .
Intuitivamente, yn va a zero pi velocemente di xn . Infatti,
1
n2 1
1 = !0
n
n

ossia yn = o (xn ). Daltra parte, si ha


p s
n 1
p = 1 !1
n+1 1+ n
p p
e quindi le successioni innitesime xn = n + 1 e yn = n sono confrontabili.

Supponiamo ora che le le successioni fxn g1 1


n=1 e fyn gn=1 siano entrambe divergenti,
positivamente o negativamente, ossia limn!1 xn = 1 e limn!1 yn = 1. In questo
caso, successioni trascurabili tendono meno velocemente a innito (indipendemente dal
segno), ossia assumono valori via via pi grandi in valore assoluto meno rapidamente.
Per esempio, siano xn = n2 e yn = n. Intuitivamente, yn va a innito pi lentamente
di xn . Infatti,
yn n 1
= 2 = !0
xn n n
ossia yn = o (xn ). Daltra parte, lo stesso si ha se xn = n2 e yn = n perch non il
segno dellinnito che conta, ma la velocit di avvicinamento.

Il signicato di trascurabilit devessere quindi precisato a seconda che si consideri


convergenza a zero oppure a innito (cio divergenza). importante distinguere con
cura i due casi.

NB. (i) Aermare che una successione un o (1) signica semplicemente che essa tende
a 0: infatti, xn = o (1) signica che xn =1 = xn ! 0. (ii) Posto xn = n e yn = n+k, con
k > 0, le successioni fxn g e fyn g sono asintotiche. Infatti, per quanto grande possa
258 CAPITOLO 9. SUCCESSIONI

essere k, la divergenza a +1 delle due successioni render trascurabile il ruolo di k


dal punto di vista asintotico. Tale fondamentale punto di vista, centrale per la Teoria
delle successioni, non deve per far dimenticare che successioni asintotiche sono, in
generale, ben distinte tra loro (per ssare le idee, si ponga per esempio k = 10100 , cio
100 miliardi, e si considerino le successioni asintotiche xn = n e yn = n + 10100 ). O

9.12.1 Equivalenza asintotica


La relazione identica successioni che sono tra loro equivalenti dal punto di vista
asintotico. Infatti, facile vedere che yn xn implica che, dato L 2 R, si ha
yn ! L () xn ! L (9.26)
In dettaglio:

(i) se L 2 R, yn ! L se e solo se xn ! L;
(ii) se L = +1, yn ! +1 se e solo se xn ! +1;
(iii) se L = 1, yn ! 1 se e solo se xn ! 1;

Tutto ci porta a pensare che sia possibile sostituire xn con yn (o viceversa) nel
calcolo dei limiti. Tale possibilit allettante perch darebbe loccasione di sostituire
a una successione complicata una pi semplice che le asintotica.
Per rendere precisa lintuizione cominciamo con losservare che lequivalenza asin-
totica si conserva rispetto alle operazioni fondamentali.

Lemma 121 Se yn xn e zn wn , allora

(i) yn +zn xn +wn purch esista k > 0 tale che denitivamente18 jxn = (xn + wn )j
k;
(ii) yn zn xn wn ;
(iii) yn =zn xn =wn purch denitivamente zn 6= 0 e wn 6= 0.

Dim. (i) Si ha
yn + zn yn zn yn xn zn wn
= + = +
xn + wn xn + wn xn + wn xn xn + wn wn xn + wn
yn xn zn xn yn zn xn zn
= + 1 = +
xn xn + wn wn xn + wn xn wn xn + wn wn
Poich yn =xn ! 1 e zn =wn ! 1, si ha
yn zn
!0
xn wn
18
Per esempio, la condizione vale se fxn g e fwn g sono entrambe denitivamente positive.
9.12. ORDINI DI CONVERGENZA E DI DIVERGENZA 259

e quindi
yn zn xn yn zn xn yn zn
0 = k!0
xn wn xn + wn xn wn xn + wn xn wn
Per il Criterio del confronto,
yn zn xn
!0
xn wn xn + wn
e quindi, essendo zn =wn ! 1, si ha
yn + zn
!1
xn + wn
come desiderato.
(ii) e (iii) Si ha
yn zn yn zn
= !1
xn wn xn wn
e yn
zn yn wn yn wn
xn = = !1
wn
zn xn xn zn
poich yn =xn ! 1 e zn =wn ! 1.
Il prossimo semplicissimo lemma molto utile: nel calcolo di un limite bene
trascurare ci che trascurabile.
Lemma 122 Si ha
xn xn + o (xn )
Dim. Basta osservare che
xn + o (xn ) o (xn )
=1+ !1
xn xn

Grazie alla (9.26), si ha quindi


xn + o (xn ) ! L () xn ! L
Ci che trascurabile rispetto alla successione fxn g, ossia ci che o (xn ), asintoti-
camente irrilevante ed bene trascurarlo. Assieme al Lemma 121 ci implica:
xn + o (xn ) + yn + o (xn ) xn + yn (9.27)
e
(xn + o (xn )) (yn + o (xn )) xn yn (9.28)
nonch
xn + o (xn ) xn
(9.29)
yn + o (xn ) yn
Illustriamo queste utilissime equivalenze asintotiche con alcuni esempi, che inviti-
amo il lettore a leggere con particolare attenzione.
260 CAPITOLO 9. SUCCESSIONI

Esempio 150 Consideriamo il limite


n4 3n3 + 5n2 7
lim
2n5 + 12n4 6n3 + 4n + 1
Grazie alla (9.29) si ha

n4 3n3 + 5n2 7 n4 + o (n4 ) n4 1


= = !0
2n5 + 12n4 6n3 + 4n + 1 2n5 + o (n5 ) 2n5 2n
H

Esempio 151 Consideriamo il limite


2
lim n4 + n2 en en

Grazie alla (9.27) si ha


2 2 2 2
n4 + n2 en en = n4 + o n4 en + o en n4 en
2 2 2
= en + o en en ! 1

Esempio 152 Consideriamo il limite


1 3
lim n2 7n + 3 2 + 2
n n
Grazie alla (9.28) si ha

1 3
n2 7n + 3 2 + 2 = n2 + o n2 (2 + o (1)) 2n2 ! +1
n n
H

Esempio 153 Consideriamo il limite


n (n + 1) (n + 2) (n + 3)
lim
(n 1) (n 2) (n 3) (n 4)
Grazie alla (9.29) si ha

n (n + 1) (n + 2) (n + 3) n4 + o (n4 ) n4
= 4 =1!1
(n 1) (n 2) (n 3) (n 4) n + o (n4 ) n4
H
9.12. ORDINI DI CONVERGENZA E DI DIVERGENZA 261

Esempio 154 Consideriamo il limite

n 1
lim e 7+
n

Grazie alla (9.28) si ha

n 1 n n
e 7+ =e (7 + o (1)) 7e !0
n
H

Grazie alla (9.25) si ha


yn xn zn wn
() (9.30)
zn wn yn xn

purch i rapporti siano (denitivamente) ben deniti e non nulli. Quindi, una volta
stabilita lasintoticit dei rapporti yn =zn e xn =wn , si ha automaticamente anche
lasintoticit dei loro reciproci zn =yn e wn =xn .

Esempio 155 Consideriamo il limite

e5n n7 4n2 + 3n
lim
6n + n8 n4 + 5n3

Grazie alla (9.29) si ha


n
e5n n7 4n2 + 3n e5n + o (e5n ) e5n e5
= = ! +1
6n + n8 n4 + 5n3 6n + o (6n ) 6n 6

Se, invece, consideriamo il limite reciproco

6n + n8 n4 + 5n3
lim 5n
e n7 4n2 + 3n

grazie alla (9.30) si ha


n
6n + n8 n4 + 5n3 6
!0
e5n n7 4n2 + 3n e5
H

In conclusione, un uso accorto delle (9.27)-(9.29) permette sovente di semplicare


in modo sostanziale il calcolo dei limiti. Ma, al di l del calcolo, si tratta di relazioni
illuminanti dal punto di vista concettuale.
262 CAPITOLO 9. SUCCESSIONI

9.12.2 Terminologia
In ragione della loro importanza, per il confronto sia di successioni innitesime sia di
successioni divergenti vi una terminologia specica. In particolare,

(i) se due successioni innitesime fxn g e fyn g sono tali che yn = o (xn ), la successione
fyn g detta innitesima di ordine superiore rispetto a fxn g;

(ii) se due successioni divergenti fxn g e fyn g sono tali che yn = o (xn ), la successione
fyn g detta innita di ordine inferiore rispetto a fxn g.

In altre parole, una successione innitesima di ordine superiore se tende a zero


pi velocemente, mentre innita di ordine inferiore se tende a innito pi lenta-
mente. Al di l della terminologia (peraltro non univoca), importa ricordare lidea di
trascurabilit che sta alla base della relazione yn = o (xn ).

9.12.3 Scale di inniti


Alla luce di quanto visto sugli ordini di convergenza, riproponiamo i risultati, in buona
parte gi ottenuti col criterio del rapporto, relativi al confronto tra successioni espo-
nenziali, f n g, potenza, nk , e logaritmiche, logk n 19 . Per prima cosa, si osservi
che esse sono innite quando > 1 e k > 0 e innitesime quando 0 < < 1 e k < 0.
Inoltre, si ha:

(i) Se > , allora n


= o( n
). Infatti, n
= n
= ( = )n ! 0.

(ii) nk = o ( n ) per ogni > 1, come gi provato col Criterio del rapporto. Si ha
n
= o nk se, invece, 0 < < 1.

(iii) Se k1 > k2 , allora nk2 = o nk1 . Infatti nk2 =nk1 = 1=nk1 k2


! 0.

(iv) logk n = o (n), come gi provato col Criterio del rapporto.

(v) Se k1 > k2 , allora logk2 n = o logk1 n . Infatti

logk2 n 1
k1
= k1 k2
!0
log n log n

Il prossimo lemma ripota due importanti confronti di inniti, che mostrano che gli
esponenziali sono inniti di ordine inferiore rispetto a quelli di tipo n! e nn . Si noti
che il lemma implica, grazie al Lemma 120, che n = o (nn ).

n
Lemma 123 Risulta = o (n!), con > 0, e n! = o (nn ).
19
Come annunicato nella Sezione 9.11, qui e nel resto del libro consideriamo solo logaritmi naturali.
9.12. ORDINI DI CONVERGENZA E DI DIVERGENZA 263

n
Dim. (i) Posto > 0, mostriamo che = o (n!). Si ponga
n
xn =
n!
sicch
n+1
xn+1 n!
= = !0
xn (n + 1)! n 1+n
n
Per il Criterio del rapporto, xn ! 0 e quindi = o (n!).

(ii) Mostriamo che n! = o (nn ). Ponendo

n!
xn =
nn
risulta
n
xn+1 (n + 1)! nn n 1 1
lim = lim = lim = lim n =
xn (n + 1)n+1 n! n+1 1 + n1 e

1
Poich e < 1, per il Criterio del rapporto si ha xn ! 0 e quindi n! = o (nn ).

I diversi ordini di innito e innitesimo sono talvolta organizzati secondo scale.


Se ci limitiamo agli inniti (considerazioni analoghe valgono per gli innitesimi), la
pi classica scala di inniti la logaritmico-esponenziale. Prendendo xn = n come
spartiacque, abbiamo la scala ascendente
2 k n
n; n2 ; :::; nk ; :::; en ; e2n ; :::; ekn ; :::; en ; :::; en ; :::; ee ; :::

e la scala discendente
1 1
n; n 2 ; ::; n k ; :::; log n; log2 n; :::; logk n; :::; log log n; log2 log n; :::; logk log n; :::

Esse danno dei campioni per il comportamento asintotico di un innito fxn g. Per
esempio, se xn log n, la successione fxn g asintoticamente logaritmica; se xn n2 ,
la successione fxn g asintoticamente quadratica, e cos via.
Sebbene per brevit omettiamo i dettagli, il Lemma 123 mostra che la scala
logaritmico-esponenziale pu essere notevolmente a nata con ordini di innito del
tipo n! e nn .

9.12.4 La formula di De Moivre-Stirling


Per illustrare luso degli o piccoli, presentiamo la formula di De Moivre-Stirling. Si trat-
ta di una formula, che oltre a essere molto sorprendente, usata in parecchi problemi
teorici e applicati. Essa riguarda il comportamento asintotico di n!.
264 CAPITOLO 9. SUCCESSIONI

Teorema 124 Si ha

log n! = n log n n + o (n)


1 p
= n log n n + log n + log 2 + o (1)
2
Abbiamo quindi due approssimazioni di log n!. La prima, un popi grossolana,
dovuta a De Moivre e ha un termine di errore di ordine o (n). La seconda, dovuta a
Stirling, pi accurata, con un termine di errore o (1), ma anche pi complessa20 .

Dim. Ci limitiamo a mostrare la prima uguaglianza. Ponendo xn = n!=nn , nella


dimostrazione del Lemma 123 si visto che
xn+1 1
lim =
xn e
Per la (11.17), risulta anche
p
n
p n! 1
lim n
xn = lim =
n e
p n
Si conclude allora che n= n n! = e (1 + o (1)), cio che n!=nn = e n
(1 + o (1)) , ovvero
che
n! = nn e n (1 + o (1)) n
Quindi log n! = n log n n n log (1 + o (1)). Poich log (1 + an ) an per an ! 0, si
pu scrivere che n log (1 + o (1)) n o (1) = o (n).
p
Se ne deduce che n! = nn e n 2 neo(1) , e quindi
n!
p = eo(1) ! 1
nn e n 2 n
Si ha perci la notevole formula
p
n! nn e n
2 n

che chiude in bellezza largomento.

9.12.5 Distribuzione dei numeri primi


Luso di o piccolo nasce alla ne dellOttocento nello studio della distribuzione dei
numeri primi. Nella Sezione 1.3 avevamo introdotto i numeri primi e mostrato col
Teorema fondamentale dellaritmetica la loro centralit, atomica, nellinsieme dei
numeri naturali. Con un celebre teorema di Euclide avevamo anche visto che esistono
20
Si ha o (1) =n ! 0, e quindi una successione che sia o (1) anche o (n). Per questo, come termine
di errore o (1) migliore di o (n).
9.12. ORDINI DI CONVERGENZA E DI DIVERGENZA 265

inniti numeri primi, sicch possiamo parlare della loro successione fpn g. Ma, nella
Sezione 9.1 avevamo osservato come, purtroppo, sia impossibile descrivere esplicita-
mente questa successione. Ci ha portato a interrogarsi sulla distribuzione dei numeri
primi in N. Sia : N+ ! R la successione il cui termine (n) il numero di numeri
primi minori o uguali a n. Per esempio

n 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
(n) 0 1 2 2 3 3 4 4 4 4 5 5 6 6 6

e cos via. Naturalmente non possibile descrivere la successione perch ci equivar-


rebbe a poterlo fare per la sucessione dei numeri primi, il che abbiamo visto essere
impossibile. Ma, ci si pu chiedere se esista una successione fxn g descrivibile in for-
ma chiusa e asintotica a : in altre parole, se esista una successione ragionevomente
semplice che ben approssimi asintoticamente .
Intorno al 1800, Gauss e Legendre osservarono independentemente che la succes-
sione fn= log ng sembrava ben approssimare , come si pu vedere da questa tabella.
n (n)
n (n) log n n= log n

10 4 4; 3 0; 921
102 25 21; 7 1; 151
103 168 145 1; 161
104 1:229 1:086 1; 132
105 9:592 8:686 1; 104
1010 455:052:511 434:294:482 1; 048
1015 29:844:570:422:669 28:952:965:460:217 1; 031
1020 2:220:819:602:560:918:840 2:171:472:409:516:250:000 1; 023

Come si vede, il rapporto


(n)
n
log n

si mantiene prossimo a 1 per valori via via pi grandi di n. La congettura di Gauss e


Legendre aermava che ci accade perch asintotica a fn= log ng. La congettura
rimase irrisolta per circa un secolo nch fu dimostrata nel 1896 indipendentemente da
due grandi matematici, Jacques Hadamar e Charles de la Valle Poussin. Limportanza
del risultato rivelata dal suo nome, tanto semplice quanto impegnativo21 .
21
La non facile dimostrazione del toerema si basa su metodi di analisi complessa che non studiamo
in queste note. Si deve a una profonda intuizione di Bernard Riemann il sorprendente uso di nozioni
di Analisi complessa nello studio dei numeri primi. Solo nel 1949 due altri notevoli matematici, Paul
Erds e Atle Selberg, riuscirono a dare una dimostrazione di questo risultato basata su metodi di
Analisi reale.
266 CAPITOLO 9. SUCCESSIONI

Teorema 125 (dei numeri primi) Si ha


n
(n)
log n
Grazie al Teorema dei numeri primi, pur non potendo descrivere la successione
, possiamo dire che il suo comportamento asintotico simile a quello della semplice
successione fn= log ng. Bench non siamo in grado di descrivere la successione dei
numeri primi, possiamo per dire che, approssimativamente, il loro numero in ogni
dato intervallo di numeri naturali [m; n]
n m
(n) (m) =
log n log m

con grado di accuratezza via via migliore al crescere di n. un risultato, di sapore


statistico, di incredibile eleganza. Tanto pi alla luce della prossima notevolissima
conseguenza del Teorema dei numeri primi.

Teorema 126 Si ha
pn n log n (9.31)

La successione fpn g dei numeri primi quindi asintotica alla successione fn log ng.
Ln-esimo numero primo ha, approssimativamente, valore n log n. Per esempio, con-
sultando le esistenti tavole dei numeri primi si scopre che per n = 100 si ha pn = 541
mentre la sua stima n log n = 460 (arrotondando per difetto). Similmente:
pn
n pn n log n n log n

100 541 460 1; 176 1


1:000 7:919 6:907 1; 146 5
10:000 104:729 92:104 1; 137 1
100:000 1:299:709 1:151:292 1; 128 9
10:00:000 154:85:863 13:815:510 1; 120 9
10:000:000 179:424:673 161:180:956 1; 113 2
100:000:000 2:038:074:743 1:842:068:074 1; 106 4
1:000:000:000 22:801:763:489 20:723:265:836 1; 100 3

Come si vede, il rapporto tra pn e la sua stima n log n rimane stabilmente prossimo a
1.

Dim. Per il Teorema dei numeri primi si ha


log n
(n) !1
n
9.12. ORDINI DI CONVERGENZA E DI DIVERGENZA 267

Quindi, ssato " > 0, esiste n" tale che


log n
(n) 1 <" 8n n" (9.32)
n

Poich pn ! 1, esiste n" tale che pn n" per n n" . Quindi, la (9.32) implica che

log pn
(pn ) 1 <" 8n n"
pn

Daltra parte si ha (pn ) = n, e quindi

log pn
n 1 <" 8n n"
pn
cio
log pn
n !1 (9.33)
pn
Da ci segue che
log pn
log n ! log 1 = 0
pn
cio log n + log log pn log pn ! 0. Poich log pn ! +1,
log n log log pn log n + log log pn log pn
+ 1= !0
log pn log pn log pn
Ma log log pn = log pn ! 0 (perch?), e quindi
log n
!1
log pn
Moltiplicando per la (9.33) si ottiene
n log n log pn log n
=n !1
pn pn log pn
il che prova la (9.31).

9.12.6 Termine di errore


Da un punto di vista metodologico lo studio della distribuzione dei numeri primi
pu essere inquadrato nel seguente modo: siamo interessati a una certa successione
incognita fxn g e linformazione che abbiamo su di essa data da unaltra successione
fyn g. Usando (e abusando) unanalogia statistica, fyn g uno stimatore di fxn g
mentre un singolo termine yn una stimadel corrispettivo termine xn .

Denizione 69 La successione fyn g si dice stima corretta di fxn g quando xn yn .


268 CAPITOLO 9. SUCCESSIONI

La condizione di asintoticit xn yn garantisce che lo stimatore sia, al limite,


corretto. Nel caso dei numeri primi appena visto, fxn g la successione dei numeri
primi e fyn g la successione n log n, oppure fxn g la successione f (n)g e fyn g
la successione n= log n. Grazie al Teorema dei numeri primi, n= log n uno stimatore
corretto di , mentre grazie al Teorema 126 n log n uno stimatore corretto della
successione dei numeri primi.
In questa prospettiva diventa importante studiare la successione fen g dei termini
di errore con
en = jxn yn j
Al riguardo, si osservi che da xn yn scende che xn = yn + o (yn ) e quindi

en = o (yn ) . (9.34)

La correttezza di per s garantisce dunque che la successione fen g sia trascurabile


rispetto a fyn g. Pur essendo confortante, si pu dire molto di pi. Per esempio,
supponiamo che fyn g sia la successione dei quadrati n2 . Se la successione incognita
p
2 2
fosse fxn g = fn p + ng, si avrebbe en = n, mentre se fosse fxn g = fn + ng, si
avrebbe
p en = n. In entrambipi casi si ha en = o (yn ), ossia la (9.34), ma anche
n = o (n). Il termine di errore n decisamente migliore di n.
Quindi, un primo problema della stima determinare qual il corretto termine di
errore in cui si incorre stimando fxn g con fyn g. Siccome non conosciamo fxn g (diver-
samente, la stima sarebbe banale), si tratta di un compito potenzialmente complicato.
per molto importante conoscere il corretto termine di errore perch ci consente
di determinare la bont dello stimatore fyn g, il che importante sia di per s, perch
descrive il grado di accuratezza delle sue stime, sia dal punto di vista comparativo
quando occorra confrontare diversi possibili stimatori di una medesima successione
incognita.

NB. Il fatto che il rapporto xn =yn tenda a 1 non implica aatto che le p dierenze
jxn yn j siano trascurabili. Negli esempi test visti, entrambi gli errori n e n diver-
gono positivamente. Comunque, grazie alla (9.34) sappiamo che quando fen g diverge,
tale divergenza di ordine inferiore rispetto a fyn g O

Nello studio dei termini di errore molto utile la seguente nozione di O grande.

Denizione 70 Date due successioni fxn g e fyn g, se esiste k > 0 tale che deniti-
vamente
jyn j k jxn j
diciamo che fyn g asintoticamente dominata da fxn g. In simboli xn = O (yn ).

Si noti che il valore della costante k lasciato indeterminato: conta soltanto che
tale costante esista. Il prossimo lemma mostra alcuni semplici legami tra le relazioni
, o e O.
9.12. ORDINI DI CONVERGENZA E DI DIVERGENZA 269

Lemma 127 (i) yn xn implica yn = O (xn ).

(ii) yn = o (xn ) implica yn = O (xn ).

Le condizioni yn xn e yn = o (xn ) sono quindi su cienti per xn = O (yn ) ma non


necessarie: un banale esempio yn = ( 1)n e xn = 1. Il limite yn =xn non esiste, e
quindi non si ha n yn xn n yn = o (xn ), purtuttavia si ha yn = O (xn ).

Dim. (i) se yn xn allora, per ogni " > 0, esiste n" tale che

yn
1 <" 8n n"
xn

Dunque jyn j = jxn j < 1 + " per ogni n n" , e quindi denitivamente jyn j (1 + ") jxn j.
(ii) se yn = o (xn ) allora, per ogni " > 0, esiste n" tale che

jyn j
<" 8n n"
jxn j

e perci jyn j = jxn j < " per ogni n n" , e quindi denitivamente jyn j " jxn j.

Vediamo un altro utile risultato.

Lemma 128 (i) yn = O (xn ) e xn = O (yn ) se e solo se esiste k > 0 tale che,
denitivamente,
1
jxn j jyn j k jxn j (9.35)
k
(ii) yn = O (xn ) e xn = O (yn ) implicano xn yn .

Dim. (i) yn = O (xn ) implica che esista k 0 > 0 tale che, denitivamente, jyn j k 0 jxn j,
mentre xn = O (yn ) implica che esista k 00 > 0 tale che, denitivamente, jxn j k 00 jyn j.
Ponendo k = max fk 0 ; k 00 g, si ottiene la (9.35). Lasciamo al lettore la dimostrazione
della (ii).

Il lemma mostra che la relazione yn = O (xn ) e xn = O (yn ) generalizza la relazione


di confrontabilit tra successioni, che richiede la convergenza della successione dei
rapporti yn =xn . Quando si ha questultima, grazie alla (i) si ha che xn yn equivale ad
avere sia yn = O (xn ) sia xn = O (yn ). Ma, anche in mancanza di tale convergenza, la
relazione yn = O (xn ) e xn = O (yn ) equivale alla (9.35) che una forma di confrontabil-
it per le due successioni, pur se un popi rozza della condizione yn =xn ! k 6= 0 che
denisce xn yn .

Denizione 71 Date due successioni fxn g e fyn g, se yn = O (xn ) e xn = O (yn ),


diciamo che fyn g dello stesso ordine o che confrontabile con fxn g; in simboli
yn xn .
270 CAPITOLO 9. SUCCESSIONI

Questa denizione di confrontabilit pienamente coerente con la precedente del-


la Denizione 68, di cui estende la portata non richiedendo la convergenza della
successione dei rapporti yn =xn . Abbiamo perci conservato la notazione .

Esempio 156 (i) Le successioni di termini xn = 1 e yn = ( 1)n sono confrontabili


(si prenda k = 1 nella (9.35)).

(ii) Le successioni di termini xn = n (2 + sin n), e yn = n sono confrontabili (si


prenda k = 3 nella (9.35)). N

Se con unanalogia pensiamo a come a una uguaglianza = e a o piccolo come a


una disuguaglianza stretta >, lO grande una sorta di disuguaglianza debole . Con
tale ordinamento possiamo classicare i termini di errore.

Denizione 72 La successione fyn g stima fxn g con termine di errore di ordine fzn g
se
xn = yn + O (zn )
ossia se en = O (zn ).

La condizione en = O (zn ) garantisce che lerrore sia al pi di ordine zn , ponendo


un limite allerrore nel quale si pu incorrere nello stimare xn con yn : la scrittura
O (zn ) ci dice qual il peggior errore che si pu vericare. Sono benvenute maggiori
informazioni sullerrore, che per esempio permettano di dire che en = o (zn ) o, ancor
meglio, che en zn . Spesso, per, stabilire che en = O (zn ) quanto di meglio si riesce
a fare. Naturalmente ci si aspetta che la successione zn di riferimento abbia un chiaro
comportamento asintotico: spesso si usano successioni di potenze, con zn = n per
2 R, oppure di logaritmi, con zn = log n per 2 R, oppure di esponenziali, con
zn = en per 2 R, o loro opportune combinazioni. Al variare di , abbiamo scale di
potenze, logaritmiche ed esponenziali per valutare gli errori.

Dati due stimatori fyn0 g e fyn00 g di una stessa successione fxn g con errori e0n e e00n ,
se:

(i) e0n = O (e00n ), cio se il termine di errore dello stimatore fyn0 g asintoticamente
dominato da quello di fyn00 g, allora fyn0 g uno stimatore migliore di fxn g rispetto
a fyn00 g;

(ii) e0n e00n , cio se il termine di errore dello stimatore fyn0 g confrontabile con
quello di fyn00 g, allora fyn0 g uno stimatore equivalente di fxn g rispetto a fyn00 g.

Esempio 157 Se entrambi gli errori sono inniti, cio e0n ! +1 e e00n ! +1, e se
e0n = o (e00n ) allora e0n innito di ordine inferiore di e00n (per esempio, e0n = n e e00n = n2 ).
Invece, se entrambi gli errori sono innitesimi, cio e0n ! 0 e e00n ! 0, e se e0n = o (e00n )
allora e0n innitesimo di ordine superiore di e00n (per esempio, e0n = 1=n2 e e00n = 1=n).
In tutti e due i casi, lo stimatore yn0 migliore di yn00 . N
9.13. SUCCESSIONI IN RN 271

La classicazione dei termini di errore ha presupposto la loro conoscenza, cosa


niente aatto banale visto che fxn g incognita. Ci siamo quindi posti in una situazione
idealizzata. Tuttavia linquadramento teorico utile anche nella determinazione del
termine di errore. Infatti, in tale questo processo si determinano valutazioni via via
pi accurate del termine di errore, e le nozioni test viste sono utili nel classicare
i miglioramenti. Torniamo ai numeri primi per illustrare tutto ci, lasciando alle
meditazioni del lettore la relativa analisi teorica.

Esempio 158 Consideriamo le successioni e n= log n del Teorema dei numeri primi.
Poich n= log n, la (9.35) diventa qui

n n
= +o (9.36)
log n log n

cio en = o (n= log n). Tuttavia si riusciti a dimostrare che esiste una costante
2 (1; 2) tale che
n n
= +O (9.37)
log n log n
cosicch en = O (n= log n). Questultima valutazione del termine di errore pi
accurata della precedente22 . Infatti, per denizione esiste k > 0 tale che
n n 1
en k =k
log n log n log 1 n

e quindi, poich > 1,


en 1
0 n k 1 !0
log n log n
Ne segue che en = o (n= log n). Ma, non valendo il viceversa (perch?), en = O (n= log n)
una valutazione pi accurata dellerrore rispetto a en = o (n= log n). N

9.13 Successioni in Rn
Prendiamo ora in esame successioni xk di vettori in Rn . Per esse diamo la seguente
denizione di limite che ricalca quella gi data per successioni in R. La dierenza
fondamentale che ogni elemento della successione un vettore xk = (xk1 ; xk2 ; :::; xkn ) 2
Rn e non uno scalare.

Denizione 73 Si dice che la successione xk in Rn tende a L 2 Rn , in simboli


xk ! L o lim xk = L, se per ogni " > 0 esiste n" 1 tale che

k n" =) kxk Lk < ":


22
Spesso ci che noi chiamiamo valutazione del termine di errore detto stima dellerrore. Si
dice allora che O (n= log n) una miglior stima dellerrore rispetto a o (n= log n).
272 CAPITOLO 9. SUCCESSIONI

In altre parole, xk ! L = (L1 ; L2 ; :::; Ln ) se la successione numerica xk L


converge a zero. Dato che
Xn q 2
k
x L = xki Li ;
i=1

si riconosce immediatamente che

xk x ! 0 () xki Li ! 0 8i = 1; 2; : : : ; n; (9.38)

cio se e solo se le successioni xki delle singole componenti i convergono alla compo-
nente Li del vettore L.
La convergenza di una successione di vettori dunque ricondotta alla convergenza
delle singole componenti e perci non presenta alcuna di colt n di comprensione n
di calcolo.

Esempio 159 Sia


1 1 2k + 3
1 + ; 2;
k k 5k 7
una successione in R3 . Dato che
1 1 2k + 3 2
1+ !1 , !0 e ! ;
k k2 5k 7 5
la successione converge a [1; 0; 2=5]. N

In maniera del tutto analoga si hanno le divergenze a +1 e a 1 quando tutte le


componenti dei vettori che formano la successione divergono rispettivamente a +1 o
a 1. Quando, inne, le singole componenti abbiano comportamenti diormi (alcune
convergono, altre divergono o sono irregolari) la successione di vettori non ammette
limite. Per brevit omettiamo i dettagli.

Notazione Le successioni di vettori si indicano con xk invece di fxn g sia per


evitare confusione con la dimensione n dello spazio Rn sia per poter indicare le singole
componenti xki di ogni vettore xk della successione.

9.14 Valori limite


Consideriamo una successione fxn g limitata di numeri reali, ossia tale che esista M > 0
per cui M xn M per ogni n. Consideriamo le successioni ausiliarie fyn g e fzn g
tali che
yn = sup xk e zn = inf xk
k n k n

Esempio 160 Per la successione f( 1)n g si ha yn = 1 e zn = 1 per ogni n, mentre


per la successione f1=ng si ha yn = 1=n e zn = 0 per ogni n. N
9.14. VALORI LIMITE 273

facile vericare che

M zn yn M 8n; (9.39)

sicch anche le due successioni ausiliarie sono limitate. Inoltre,

n1 < n2 ) sup xk sup xk e inf xk inf xk


k n1 k n2 k n1 k n2

e quindi fyn g decrescente e fzn g crescente. Grazie al Teorema 105, entrambe le


successioni fyn g e fzn g sono convergenti. Se indichiamo con y e z tali limiti, ossia
yn ! y e zn ! z, possiamo equivalentemente scrivere

lim sup xk = y e lim inf xk = z.


n!+1 k n n!+1 k n

I limiti y e z sono rispettivamente detti limite superiore e limite inferiore di fxn g e si


indicano rispettivamente con lim sup xn e lim inf xn .

Esempio 161 Per la successione irregolare f( 1)n g si ha

lim sup xn = 1 e lim inf xn = 1;

mentre per la successione convergente f1=ng si ha

lim sup xn = lim inf xn = lim xn = 0:

Lesempio ha mostrato due notevolissime propriet di questi limiti: essi esistono


sempre, anche quando la successione originale fxn g irregolare23 , e la convergenza
della successione fxn g equivale proprio alla loro uguaglianza: lim sup xn = lim inf xn
se e solo se esiste lim xn .

Proposizione 129 Sia fxn g una successione limitata di numeri reali. Si ha

1 < lim inf xn lim sup xn < +1: (9.40)

In particolare, fxn g converge a L 2 R se e solo se lim inf xn = lim sup xn = L.

Dim. Grazie alla (9.39), la (9.40) segue dalla Proposizione 102. Lasciamo al lettore
vericare la seconda parte dellenunciato.

Altre propriet interessanti, che lasciamo vericare al lettore, sono

lim inf xn = lim sup xn e lim sup xn = lim inf xn (9.41)


23
Essendo limitata, fxn g converge oppure oscilla, ma non diverge.
274 CAPITOLO 9. SUCCESSIONI

Si tratta di propriet di dualit perch mettono in relazione i limiti inferiori e superi-


ori delle successioni fxn g con quelli delle successioni gemelle f xn g. Per esempio,
questa semplice dualit permette di trovare in modo molto semplice quale veste as-
sumano per i limiti inferiori delle propriet stabilite per quelli superiori, e viceversa.
La prossima dimostrazione ne dar un esempio.
Unaltra interessante conseguenza della dualit di permettere di riscrivere la
disuguaglianza (9.40) come
lim inf xn lim inf xn

Il prossimo risultato raccoglie alcune semplici, ma utili, propriet dei limiti superiori
e inferiori. Grazie al risultato precedente, le analoghe propriet viste per successioni
convergenti sono implicate da questi risultati per i limiti superiori e inferiori.

Lemma 130 Siano fxn g e fyn g successioni limitate di scalari. Si ha:

(i) lim inf xn + lim inf yn lim inf (xn + yn ),


(ii) lim sup xn + lim sup yn lim sup (xn + yn ) ;
(iii) lim inf xn lim inf yn e lim sup xn lim sup yn se, denitivamente, si ha xn
yn .

Dim. (i) Per ogni n si ha


sup (xk + yk ) sup xk + sup xk .
k n k n k n

La (i) segue quindi dalla Proposizione 102. La (ii) segue dalla (i) usando le dualit
(9.41):

lim sup (xn + yn ) = lim inf (( xn ) + ( yn ))


lim inf ( xn ) lim inf ( yn ) = lim sup xn + lim sup yn
Lasciamo al lettore la dimostrazione della (iii).

Possiamo dare una caratterizzazione topologica di questi limiti; a tal ne introdu-


ciamo la nozione di valore limite.

Denizione 74 Si dice che L 2 R un valore limite di una successione fxn g se ogni


intorno di L contiene inniti termini della successione.

Se la successione convergente, esiste un unico valore limite: il limite della succes-


sione. Se la successione irregolare, i valori limite sono gli scalari ai quali si avvicinano
inniti termini della successione, pur senza che la successione vi converga. Del resto,
facile vedere che L un valore limite di fxn g se e solo se esiste una sottosuccessione
fxnk g che converge a L.
9.14. VALORI LIMITE 275

Esempio 162 (i) Lintervallo [ 1; 1] linsieme dei valori limite della successione
irregolare fsin ng , mentre f0; 1g linsieme dei valori limite della successione irregolare
f( 1)n g.
(ii) Il singoletto f0g lunico valore limite della successione convergente f1=ng. N

Il prossimo risultato mostra che linsieme dei valori limite incluso nellintervallo
determinato dai limiti superiore e inferiore.

Proposizione 131 Sia fxn g una successione limitata di scalari. Un punto x 2 R


un valore limite per la successione solo se x 2 [lim inf xn ; lim sup xn ].

Intuitivamente, una successione tanto pi irregolare quanto pi ampio linsieme


dei valori limite, che si riduce a un singoletto quando la successione converge. Alla
luce dellultimo risultato, la dierenza tra limiti superiori e inferiori, cio lampiezza
dellintervallo [lim inf xn ; lim sup xn ], un indice (piuttosto grezzo) di irregolarit di
una successione.

Grazie alla disuguaglianza lim inf xn lim inf xn , lintervallo [lim inf xn ; lim sup xn ]
si pu equivalentemente scrivere come

[lim inf xn ; lim inf xn ] :

Per esempio, per xn = sin n oppure xn = cos n,

[lim inf xn ; lim inf xn ] = [ 1; 1]

NB. Finora abbiamo considerato successioni limitate. In realt, tutto quanto si es-
tende in modo naturale a successioni qualsiasi, una volta che si permetta ai limiti
superiori e inferiori di assumere valore innito. Per esempio, per la successione fng,
che diverge positivamente. si ha lim inf xn = lim sup xn = +1; per la successione
f en g, che diverge negativamente, si ha lim sup xn = lim inf xn = 1, mentre per la
successione irregolare f( 1)n ng si ha lim inf xn = 1 e lim sup xn = +1, cosicch
[lim inf xn ; lim sup xn ] = R. Lasciamo al lettore lestensione a successioni qualsiasi di
quanto visto per le limitate. O
276 CAPITOLO 9. SUCCESSIONI
Capitolo 10

Applicazione: prezzi e aspettative

Di norma le decisioni economiche si basano su variabili il cui valore sar noto so-
lo in futuro. Al momento della decisione gli agenti devono perci basarsi sulle loro
aspettative soggettive circa tali valori. Per tale ragione le aspettative sono centrali nel-
lanalisi economia e limportanza di questa componente soggettiva uno degli aspetti
che maggiormente la distinguono dalle scienze naturali. Nel capitolo diamo una prima
illustrazione della loro importanza facendo uso delle nozioni sulle successioni imparate
nellultimo capitolo.

10.1 Un mercato
Consideriamo un mercato, che indicheremo con M , di un bene agricolo, per esempio
le patate. Esso descritto da una curva di domanda D : [k1 ; k2 ] ! R e da una curva
di oerta S : [k1 ; k2 ] ! R, con 0 k1 < k2 . Limmagine D (p) la quantit di patate
complessivamente domandata al prezzo p dai consumatori, mentre limmagine S (p)
la quantit di patate complessivamente oerta al prezzo p dai produttori. Si assume
che entrambe tali quantit rispondano istantaneamente a variazioni del prezzo p di
mercato: in particolare, ci signica che i produttori sono in grado di aggiustare in
modo istantaneo la propria produzione al prezzo p.
Per semplicit, consideriamo funzioni lineari di domanda e oerta, cio

D (p) = p (M)
S (p) = a + bp

con > 0, a 0 e ; b > 0. Siccome i consumatori domandano solo quantit positive,


si pu porre k2 = = > 0 (perch D (p) 0 se e solo se p = ); analogamente,
dato che i produttori orono solo quantit positive, si pu porre k1 = a=b (perch
S (p) 0 se e solo se p a=b). Ai prezzi dellintervallo

a
[k1 ; k2 ] = ; ; (10.1)
b

277
278 CAPITOLO 10. APPLICAZIONE: PREZZI E ASPETTATIVE

nel quale entrambe le quantit sono simultaneamente positive, vi possono essere scam-
bi: per questa ragione abbiamo considerato le funzioni di domanda e oerta come def-
inite soltanto su tale intervallo, sebbene dal punto di vista matematico siano denite
su tutta la retta reale.1

Denizione 75 Una coppia (p; q) 2 R2+ di prezzi e quantit si dice equilibrio del
mercato M se
q = D (p) = S (p) :

Per la nostra economia lineare, la condizione di equilibrio diventa

p = a + bp

sicch il prezzo e la quantit di equilibrio sono rispettivamente


a
p= (10.2)
+b
a b a
q = D (p) = p= = :
+b +b
Si noti che, in modo equivalente, si pu ricavare la quantit di equilibrio dalla curva
di oerta:
a b a
q = S (p) = a + p = a + b = :
+b +b
La coppia
a b a
;
+b +b
quindi lequilibrio del nostro mercato di patate, che corrisponde allintersezione tra
domanda e oerta

16

14
S(p)
12

10

8 D(p)

0
O k k p
1 2
-1 -0.5 0 0.5 1 1.5 2 2.5 3

1
Si noti che, a nch sia non vuoto lintervallo (10.1), si deve avere a=b = , cio a b,
che una ulteriore condizione che i coe cienti delle curve di domanda e oerta devono rispettare.
10.2. RITARDI NELLA PRODUZIONE 279

10.2 Ritardi nella produzione


Supponiamo che il mercato delle patate si ripeta periodicamente, per esempio ogni
mese. Indichiamo con t, t = 1; 2; : : :, un generico mese e con pt il prezzo in esso
vigente. Poniamo che

D (pt ) = pt (Mt )
S (pt ) = a + pt

descrivono il mercato, che indicheremo con Mt , delle patate in ogni t. Oltre allipotesi
di produzione istantanea gi assunta per il mercato M , lo studio dei mercati Mt si
basa su due ulteriori ipotesi: (i) in ogni t i produttori e i consumatori sono gli stessi,
sicch i coe cienti , , a e b rimangono costanti nel tempo, e (ii) il bene scambiato
in ogni t, le patate, deperibile e non conservabile sino a t + 1: le quantit domandate
in t + 1 e in t sono quindi indipendenti, e lo stesso vale per le quantit oerte.
La nozione di equilibrio considera ora tutti i mercati Mt e non solo un singolo
mercato M . Per questa ragione si richiede che domanda e oerta si equilibrino in ogni
data t, sicch in luogo della coppia (p; q) di scalari della Denizione 75 si ha ora una
coppia di successioni.

Denizione 76 Una coppia di successioni fpt g R1+ e fqt g R1


+ di prezzi e
quantit si dice equilibrio uniperiodale dei mercati Mt se

qt = D (pt ) = S (pt ) 8t 1:

immediato vedere che la successione fpt g dei prezzi di equilibrio costante:


a
pt = : (10.3)
+b
Ritroviamo quindi lo stesso prezzo di equilibrio (10.2) del mercato M . Del resto, grazie
alle ipotesi test assunte, i mercati Mt sono tra loro indipendenti e in ogni t si ha un
mercato identico a M .
Lipotesi di produzione istantanea delle patate su cui si regge tale equilibrio
per implausibile. Assumiamo, pi sensatamente, che i produttori siano in grado
di aggiustare la produzione solo dopo un periodo: la tecnologia a disposizione dei
produttori richiede che la quantit di produzione in t si decida in t 1 (per raccogliere
patate in t si devono seminare in t 1).
Al momento di decidere la produzione in t 1, i produttori non conoscono il futuro
prezzo pt di equilibrio, ma possono solo formarsi unaspettativa su di esso. Indichiamo
con Et 1 (pt ) tale aspettativa.
In questo caso il mercato in t, che diremo con ritardo e indicheremo con M Rt ,
ha la forma

D (pt ) = pt (MRt )
S (Et 1 (pt )) = a + bEt 1 (pt )
280 CAPITOLO 10. APPLICAZIONE: PREZZI E ASPETTATIVE

dove laspettativa Et 1 (pt ) sostituisce il prezzo pt come argomento della funzione di


oerta.

Denizione 77 Una terna di successioni di prezzi fpt g 2 R1 1


+ , di quantit fqt g 2 R+
e di aspettative fEt 1 (pt )g 2 R1
+ si dice equilibrio uniperiodale dei mercati M Rt con
ritardo se
qt = D (pt ) = S (Et 1 (pt )) 8t 1:

In un equilibrio uniperiodale le successioni di prezzi e aspettative devono equili-


brarsi, ossia devono far s che domanda e oerta coincidano in ogni t. In particolare,
in equilibrio si ha
a b
pt = Et 1 (pt ) 8t 1: (10.4)

Poich i prezzi sono positivi, devessere


a
0 Et 1 (pt ) 8t 1:
b
Tali disuguaglianze rappresentano una condizione necessaria a nch le aspettative
siano di equilibrio. Ma, a parte queste semplici disuguaglianze, la nozione di equilibrio
alla quale ci siamo riferiti non pone alcuna restrizione sulle aspettative di equilibrio.
Si richiede loro soltanto di equilibrarsi coi prezzi, nullaltro.

10.3 Formazione delle aspettative


Proviamo a fare alcune ipotesi su come si possano formare le aspettative. Uninfor-
mazione importante per i nostri produttori la successione dei prezzi di equilibrio
fp1 ; p2 ; :::; pt 1 g vericatasi sino in t 1. Supponiamo che essi, un popigramente, si
aspettino che lultimo prezzo osservato, pt 1 , sia anche il futuro prezzo di equilibrio,
cio
Et 1 (pt ) = pt 1 8t 2; (10.5)
con aspettativa iniziale E0 (p1 ) arbitraria2 . Con questo processo di formazione delle
aspettative, detto classico, il mercato M Rt diventa

D (pt ) = pt
S (pt 1 ) = a + bpt 1

e, in equilibrio uniperiodale, i prezzi evolvono secondo lequazione


a b
pt = pt 1 8t 2 (10.6)

2
Infatti, le aspettative sul prezzo iniziale p1 non possono basarsi su alcun prezzo precedentemente
osservato.
10.4. PIGRE, MA CORRETTE 281

con valore iniziale


a b
p1 = E0 (p1 ) (10.7)

determinato dallarbitraria aspettativa iniziale E0 (p1 ).

Laspettativa E0 (p1 ) funge da innesco: una volta ssato un valore per E0 (p1 ),
dallequazione (10.7) scende il prezzo di equilibrio p1 , che a sua volta determina sia
laspettativa E1 (p2 ) tramite lequazione (10.5) sia il prezzo di equilibrio p2 tramite
lequazione (10.6), e cos via per i periodi successivi. Quindi, a partire da una data
aspettativa iniziale E0 (p1 ), le equazioni (10.5) e (10.6) permettono di determinare
per ricorrenza le successioni di equilibrio fpt g e fEt 1 (pt )g di prezzi e aspettative.
In particolare, in ogni t 2 si determinano i prezzi pt e si formano le aspettative
Et (pt+1 ).

Supponiamo che, un pomeno pigramente, i produttori si aspettino che il prezzo


futuro sia una media dei due ultimi prezzi osservati, pt 1 e pt 2 , cio
1 1
Et 1 (pt ) = pt 1 + pt 2 8t 3 (10.8)
2 2
con aspettative iniziali E0 (p1 ) e E1 (p2 ) arbitrarie. In equilibrio uniperiodale, tale
processo di formazione delle aspettative, detto estrapolativo, determina lequazione di
prezzo
a 1 1
pt = pt 1 pt 2 8t 3
2 4
con arbitrari valori iniziali p2 e p1 . In ogni caso, la presenza di ritardi nella produzione
e di aspettative pi o meno pigre, fa quindi s che la successione dei prezzi di equilibrio
uniperiodale sia denita per ricorrenza. Per semplicit, nel seguito considereremo
aspettative classiche.

10.4 Pigre, ma corrette


Una propriet fondamentale delle aspettative la loro correttezza. In equilibrio le
aspettative classiche risultano corrette, cio

Et 1 (pt ) = pt 8t 1

se e solo se i prezzi di equilibrio sono costanti:

Et 1 (pt ) = pt () pt = pt 1 8t 1 (10.9)

La condizione di costanza

pt+1 = pt = p 8t 1 (10.10)
282 CAPITOLO 10. APPLICAZIONE: PREZZI E ASPETTATIVE

richiede lesistenza di uno stesso prezzo p , detto stazionario, in ogni data.


Nella successione (10.6) ci vale se e solo se

a b
p = p

ossia
a
p =
+b
Si ritrova quindi il prezzo di equilibrio (10.3) del mercato con produzione istantanea.
Esiste un valore di innescoE0 (p1 ) da cui, per ricorrenza, si ottiene la successione
costante pt = p di equilibrio uniperiodale per il mercato delle patate? Se cos non
fosse, tale successione costante sarebbe un mero fantasma teorico. Losservazione
cruciale per rispondere a questa domanda che la successione costante di prezzi si
realizza quando
E0 (p1 ) = p1 (10.11)
cio quando laspettativa iniziale E0 (p1 ) corretta, ossia uguale alleettivo prezzo
p1 di equilibrio uniperiodale. Infatti, dalla relazione (10.4) e dallipotesi di aspettative
classiche (10.5), segue che

a b a b
E0 (p1 ) = p1 () p1 = E0 (p1 ) = p1 () p1 = p (10.12)

Daltra parte, con aspettative classiche, da p1 = p segue che E1 (p2 ) = p , sicch

a b a b a b a
p2 = E1 (p2 ) = p =
+b
1( a) ( + b) b ( a) a
= = =p
+b +b
Iterando si ha

E2 (p3 ) = p ;
a b a b
p3 = E2 (p3 ) = p =p ;

Et 1 (pt ) = p ;
a b a b
pt = Et 1 (pt ) = p =p

Grazie allipotesi (10.11) di aspettativa iniziale correttasi ha quindi una successione


costante fpt g di prezzi di equilibrio uniperiodale con pt = p , nonch una successione
costante fEt 1 (pt )g di aspettative di equilibrio con Et 1 (pt ) = p .
10.5. ASPETTATIVE RAZIONALI 283

Tirando le la, si ha dunque

Et 1 (pt ) = pt = p 8t 1

sicch in ogni t i produttori hanno aspettative corrette sul prezzo futuro. Sebbene pi-
gre, le aspettative classiche si rivelano corrette quando laspettativa iniziale azzeccata.
In questo fortunato caso iniziale, sia esso dovuto alla bravura nellelaborazione delle
proprie informazioni oppure a una pi banale fortuna del principiante, la successiva
pigrizia ben meritata.

Possiamo riassumere quanto appena visto nella seguente

Proposizione 132 Per un equilibrio uniperiodale con aspettative classiche le seguenti


propriet sono equivalenti:

(i) la successione fpt g dei prezzi di equilibrio costante;

(ii) la successione fEt 1 (pt )g delle aspettative di equilibrio corretta;

(iii) laspettativa iniziale corretta, cio E0 (p1 ) = p1 .

In tal caso, si ha
a
Et 1 (pt ) = pt = 8t 1
+b

10.5 Aspettative razionali


Date una successione di prezzi di equilibrio fpt g e una di aspettative fEt 1 (pt )g,
lerrore di previsione et in ogni t dato da

et = pt Et 1 (pt )

Laspettativa ha sottostimato il prezzo pt se et > 0 e lo ha sovrastimato se et < 0.


Invece, se et = 0 laspettativa risultata corretta.
presumibile che produttori razionali non siano sistematicamente in errore: er-
rare humanun est, perseverare diabolicum. Una forma estrema del principio consiste
nellassumere che le aspettative siano sistematicamente corrette, cio

Et 1 (pt ) = pt 8t 1

la cosiddetta ipotesi di aspettative razionali. Bench la correttezza delle aspettative


sia una propriet molto forte, quasi estrema, essa utilissima per ssare le idee. Per
esempio, la Proposizione 132 aerma che le aspettative classiche sono razionali in
equilibrio se e solo se i prezzi di equilibrio sono costanti. In particolare, la condizione
iniziale E0 (p1 ) = p1 necessaria e su ciente a nch le aspettative di equilibrio siano
razionali.
284 CAPITOLO 10. APPLICAZIONE: PREZZI E ASPETTATIVE

Grazie alla relazione (10.4), nel mercato delle patate lerrore di previsione et commes-
so in t dai produttori

a b
et = pt Et 1 (pt ) = + 1 Et 1 (pt )

In particolare, per ogni t 1 si ha


et = 0
se e solo se
a b
+ 1 Et 1 (pt ) = 0

cio, se e solo se
a
Et 1 (pt ) =
+b
Quindi, le aspettative sono razionali se e solo se
a
Et 1 (pt ) = pt = p = 8t 1
+b
Abbiamo quindi mostrato la seguente

Proposizione 133 Un equilibrio uniperiodale dei mercati M Rt ha aspettative di equi-


librio razionali, cio
Et 1 (pt ) = pt 8t 1
se e solo se la successione di prezzi di equilibrio costante con pt = p per ogni t 1.
In tal caso, si ha
a
Et 1 (pt ) = pt = 8t 1
+b

La costanza della successione dei prezzi di equilibrio uniperiodale quindi equiva-


lente alla correttezza delle aspettative. Si tratta di un risultato molto importante per
comprendere la funzione delle aspettative nellinterazione di mercato, e che prescinde
da come si formano le aspettative, in modo classico o non. In eetti, lequivalenza
tra (i) e (ii) della precedente Proposizione 132 un caso molto particolare di questo
risultato, proprio per il caso di aspettative classiche. Rispetto alla Proposizione 133,
la Proposizione 132 conserva limportante equivalenza con la propriet (iii), ossia con
la correttezza dellaspettativa iniziale.
Il confronto tra le Proposizioni 132 e 133 dovrebbe anche aver ulteriormente chiarito
come la razionalit sia una propriet delle aspettative e non unipotesi sul loro mec-
canismo di formazione. Una volta specicato tale meccanismo, per esempio classico o
estrapolativo, si pone il problema teorico di capire in quali condizioni esso determini
aspettative che siano razionali, cio corrette. La Proposizione 132 risolve il problema
nel caso classico, mostrando le condizioni che fanno s che le aspettative classiche siano
razionali.
10.6. CONVERGENZA DEI PREZZI 285

Un altro aspetto notevole della Proposizione 133 che il prezzo di equilibrio uniperi-
odale che si determina con aspettative razionali nel mercato M Rt con ritardi nella
produzione lo stesso del mercato con produzione istantanea, ovvero fornito dalla
(10.3). Le aspettative razionali hanno quindi annullato, in equilibrio, le dierenze nella
tecnologia di produzione: avere una tecnologia tradizionale, con semina in t 1 e pro-
duzione in t, piuttosto che una fantascientica tecnologia che consenta la produzione
istantanea, non fa alcuna dierenza sui prezzi, e quindi sulle quantit, di equilibrio
uniperiodale del mercato delle patate.
Bench molto forte, lipotesi di aspettative razionali quindi molto importante per
comprendere come lanalisi della produzione e del consumo possa essere ingannevole
senza unadeguata analisi dellinterazione di mercato e delle sue dinamiche.

Chiudiamo con unultima considerazione metodologica. Nella nozione di equilibrio


uniperiodale le aspettative possono contenere errori, anche sistematici. Se riteniamo
che tali errori non siano sostenibili e siano un elemento di disequilibrio del mercato,
occorre dare anche alle aspettative una funzione equilibratrice e considerarle, al
pari di prezzi e quantit, come variabili endogene (e quindi di equilibrio). Ci porta
alla seguente nozione di equilibrio, in cui domanda e oerta devono bilanciarsi e le
aspettative devono essere corrette.

Denizione 78 Una terna di successioni fpt g 2 R1 1


+ di prezzi, fqt g 2 R+ di quantit
e fEt 1 (pt )g 2 R1
+ di aspettative si dice equilibrio di aspettative razionali dei mercati
M Rt se
qt = D (pt ) = S (Et 1 (pt )) 8t 1
e
Et 1 (pt ) = pt 8t 1

In altre parole, un equilibrio di aspettative razionali un equilibrio uniperiodale


per il quale si richiede la correttezza delle aspettative. Naturalmente, in generale
gli equilibri uniperiodali non sono di aspettative razionali: per esempio, un equilibrio
uniperiodale con aspettative classiche e con E0 (p1 ) 6= p1 non di aspettative razionali.
Grazie alla Proposizione 133, lequilibrio uniperiodale con produzione istantanea
uguale, in termini di prezzi e quantit, allequilibrio di aspettative razionali con
produzione ritardata. Come gi osservato, la correttezza delle aspettative compensa
limpatto di dierenze tecnologiche su prezzi e quantit di equilibrio.

10.6 Convergenza dei prezzi


Torniamo alla successione denita per ricorrenza

a b
pt = pt 1 8t 2
286 CAPITOLO 10. APPLICAZIONE: PREZZI E ASPETTATIVE

con condizione iniziale p1 , dei prezzi di equilibrio uniperiodale di un mercato di un


bene con ritardi di produzione e con aspettative classiche della Sezione 10.2. Lo studio
del limite
lim pt
permette di comprendere il comportamento asintotico della successione di prezzi di
equilibrio. Da p = ( a) = ( + b) segue che

a b a 1 1 b
pt p = pt 1 =( a) pt 1
+b +b
ab b b
= pt 1 = (pt 1 p );
+b

cio
b
pt p = (pt 1 p) 8t 2 (10.13)

Grazie alla struttura ricorrente della relazione, si ottiene iterando:

b
p2 p = (p1 p)
2
b b b b
p3 p = (p2 p )= (p1 p) = (p1 p)
3
b b
p4 p = (p3 p )= (p1 p)

t 1
t 1 b
pt p = ( 1) (p1 p)

Si noti che (
1 se t dispari
( 1)t 1
=
1 se t pari
Prendendo il valore assoluto si ha quindi
t 1
b
jpt p j= jp1 pj 8t 2 (10.14)

Il valore di lim pt dipende dal rapporto b= , cio dal rapporto tra le pendenze delle
curve di domanda e oerta. Dobbiamo quindi distinguere tre casi a seconda che tale
rapporto sia maggiore, uguale o minore di 1, cio a seconda che

b< ; b= ; b> :
10.6. CONVERGENZA DEI PREZZI 287

Caso 1: b < La curva di oerta meno inclinata della curva di domanda. Si ha


t 1
b
lim jpt p j = jp1 p j lim =0

e quindi
lim pt = p ; (10.15)
nonch
lim Et 1 (pt ) = p : (10.16)
Quando b < , i prezzi di equilibrio del mercato con ritardi di produzione e le aspetta-
tive classiche tendono al prezzo p di equilibrio del mercato con produzione istantanea.
Ci vale per qualsiasi valore iniziale p1 , e quindi per ogni valore dellaspettativa iniziale
E0 (p1 ).
I limiti (10.15) e (10.16) mostrano che, per ogni possibile aspettativa iniziale, in
modo asintotico si ha ci che la Proposizione 132 aveva mostrato valere in ogni t
quando laspettativa iniziale corretta, ossia quando E0 (p1 ) = p1 . In particolare,
lerrore di previsione asintoticamente nullo:

et = pt Et 1 (pt ) ! 0

Le aspettative classiche, pur pigre, grazie alla condizione b < sono asintoticamente
razionali, lerrore di previsione via via meno rilevante.

Caso 2: b = Le curve di domanda e di oerta hanno la stessa pendenza. Liter-


azione vista sopra implica

pt p = ( 1)t 1
(p1 p) 8t 2:

Daltra parte, nella (10.12) si era visto che

E0 (p1 ) = p1 () p1 = p :

Quindi, se p1 = p , ossia se laspettativa iniziale corretta, si ottiene pt = p per


ogni t, secondo quanto gi visto nella Proposizione 132. Invece, un errore iniziale
nelle aspettative, cio E0 (p1 ) 6= p1 , determina una successione oscillante di prezzi di
equilibrio:
2p p1 se t pari
pt = p + ( 1)t 1 (p1 p ) =
p1 se t dispari
per ogni t 2. Lerrore di aspettativa

et = pt Et 1 (pt ) = pt pt 1 = ( 1)t 1
( 1)t 2
(p1 p ) = 2 ( 1)t 1
(p1 p)

anchesso oscillante tra i due valori p1 e 2p p1 .


288 CAPITOLO 10. APPLICAZIONE: PREZZI E ASPETTATIVE

Caso 3: b > La curva di domanda meno ripida della curva di oerta. Da b >
segue che
t 1
b
lim = +1:

Quando p1 6= p , le oscillazioni

t 1
t 1 b
pt p = ( 1) (p1 p)

sono dunque di ampiezza via via pi grande. Infatti

t 1
b
lim jpt p j = jp1 p j lim = +1:

In questo caso lerrore nellaspettativa iniziale si propaga in modo sempre pi grave, de-
terminando una spirale esplosiva di prezzi. Quando b > , la pigrizia delle aspettative
classiche porta molto lontano dalle aspettative razionali.

10.7 Aspettative adattive


Il pi importante tra i meccanismi di formazione delle aspettative ladattivo. La
successione di aspettative fEt 1 (pt )g si dice adattiva se esiste un coe ciente 2 (0; 1]
tale che

Et 1 (pt ) Et 2 (pt 1 ) = [pt 1 Et 2 (pt 1 )] 8t 2; (10.17)

con aspettativa iniziale E0 (p1 ) arbitraria. In altre parole, laggiustamento

Et 1 (pt ) Et 2 (pt 1 )

nelle aspettative una proporzione dellultimo errore di previsione

pt 1 Et 2 (pt 1 ) :

Periodo dopo periodo, le aspettative sono aggiornate in base agli errori di previsione
commessi. Se = 1 si torna al caso classico Et 1 (pt ) = pt 1 . In generale, per
10.7. ASPETTATIVE ADATTIVE 289

2 (0; 1), iterando si ottiene:

E1 (p2 ) = E0 (p1 ) + (p1 E0 (p1 )) = (1 ) p1 + E0 (p1 )


E2 (p3 ) = E1 (p2 ) + (p2 E1 (p2 ))
= (1 ) p1 + p2 + (1 )2 E0 (p1 )
E3 (p4 ) = E2 (p3 ) + (p3 E2 (p3 ))
= p3 + (1 ) p2 + (1 )2 p1 + (1 )3 E0 (p1 )

Et 1 (pt ) = Et 2 (pt 1 ) + (pt 1 Et 2 (pt 1 ))


Xt 1
= (1 )i 1 pt i + (1 )t 1
E0 (p1 )
i=1

Si ha dunque
X
t 1
Et 1 (pt ) = (1 )i 1
pt i + (1 )t 1
E0 (p1 ) : (10.18)
i=1

Le aspettative adattive dipendono sia dallaspettativa iniziale E0 (p1 ) sia dalla media
pesata
X
t 1
(1 )i 1 pt i
i=1

dei prezzi passati, nella quale i prezzi pi recenti ricevono un peso maggiore rispetto
ai pi remoti.
Poich 2 (0; 1), si ha limt!1 (1 )t 1 = 0 e, al crescere di t, il termine (1 )t 1
diventa via via pi piccolo. Ne segue che laspettativa iniziale E0 (p1 ) diventa, al
crescere di t, sempre meno rilevante per la formazione dellaspettativa Et 1 (pt ), mentre
diventano prevalenti i prezzi passati.

Si noti che nella (10.18) intervengono tutti i prezzi passati, pur se maggiore il
peso dei pi recenti. Ci implica che le aspettative estrapolative del tipo (10.8) non
siano adattive perch esse considerano solo gli ultimi prezzi (per esempio, in (10.8)
solo quelli degli ultimi due periodi).

Dalla (10.17) segue che le aspettative adattive sono razionali, cio

Et 1 (pt ) = pt 8t 1

se e solo se
pt+1 pt = [pt pt ] = 0 8t 1
ossia, se e solo se
pt+1 = pt 8t 1:
290 CAPITOLO 10. APPLICAZIONE: PREZZI E ASPETTATIVE

Si ritrova quindi la condizione (10.10) vista nella Sezione 10.4 per il caso speciale
delle aspettative classiche. Come il lettore pu agevolmente vericare, si pu quindi
ripetere verbatim lanalisi allora svolta e mostrare che la Proposizione 132 vale, molto
pi in generale, per le aspettative adattive. Esse sono quindi razionali se e solo se
laspettativa iniziale corretta, cio E0 (p1 ) = p1 . La correttezza dellaspettativa
iniziale caratterizza la razionalit delle aspettative adattive, delle quali le aspettative
classiche sono un caso speciale.

Da quanto appena visto segue che le aspettative adattive sono razionali se e solo
se
pt = p 8t 1;
dove, al solito, p = ( a) = ( + b) il prezzo stazionario. Nella Sezione 10.6 si era
visto in quali condizioni il prezzo di equilibrio con aspettative classiche convergesse al
prezzo stazionario. Generalizziamo lanalisi al caso di aspettative adattive: al tal ne,
si noti che la relazione di equilibrio (10.4) si pu riscrivere come

a
Et 1 (pt ) = pt :
b b
Sostituendo questultima relazione nella (10.17) si ottiene

a
pt 1 pt = pt 1 + pt 1 ;
b b b b

ossia
b a
pt 1 pt = pt 1 1+
b b
il che implica
+b a
pt = 1 pt 1 + :

Con semplici manipolazione algebriche si ottiene

+b a a
pt p = 1 pt 1 + =
+b
+b 1
= 1 pt 1 +( a) =
+b
(1 ) b a
= pt 1 + (b (1 )) =
( + b)
(1 ) b a
= pt 1 =
+b
(1 ) b
= (pt 1 p ):
10.7. ASPETTATIVE ADATTIVE 291

Si ha quindi la notevole relazione


(1 ) b
pt p = (pt 1 p) 8t 2

e la (10.13) ne il caso speciale con = 1. Iterando si ha


t 1
t 1 b (1 )
pt p = ( 1) (p1 p) 8t 2;

dalla quale, prendendo il valore assoluto, si ottiene


t 1
b (1 )
jpt p j= jp1 pj 8t 2

che si riduce alla (10.14) nel caso classico = 1.


Il valore del limite lim pt dipende dal rapporto
b (1 )

e si devono quindi distinguere tre casi a seconda che esso sia maggiore, uguale o minore
di 1, cio a seconda che

j b (1 ) j< ; j b (1 ) j= ; j b (1 ) j>

Ricordando quanto visto nella Sezione 10.6, facile vedere che nel primo caso si ha

lim pt = p ;

cio i prezzi convergono al prezzo stazionario, che il prezzo di equilibrio con aspet-
tative razionali. Nel secondo caso i prezzi sono oscillanti, mentre nel terzo caso essi
divergono (in valor assoluto).
Consideriamo pi da vicino il caso di convergenza, il pi interessante dal punto di
vista teorico perch in esso le aspettative sono asintoticamente razionali, indipenden-
temente dal valore dellaspettativa iniziale. Si ha
b 2
j b (1 ) j< () < b (1 ) < () 1< < :

Poich b; > 0, risulta


b 2
j b (1 ) j< () < :

Nel caso classico = 1 ritroviamo la condizione


b
<1 (10.19)
292 CAPITOLO 10. APPLICAZIONE: PREZZI E ASPETTATIVE

considerata nel primo caso studiato nella Sezione 10.6. Per aspettative adattive non
classiche, cio con 2 (0; 1), vale la disuguaglianza

2
> 1:

Quindi, per tali aspettative, la condizione


b 2
<

meno stringente della (10.19) del caso classico, sicch la convergenza

lim pt = p

pi facile da ottenere. In altre parole, tra le aspettative adattive, le classiche sono


le meno stabili rispetto alla convergenza al prezzo stazionario p . Con aspettative
adattive non classiche si ha la convergenza ad aspettative razionali per un pi ampio
insieme di valori dei parametri e b che per le aspettative classiche.
Capitolo 11

Serie numeriche

11.1 Il concetto
Lidea che qui vogliamo sviluppare riguarda, grossolanamente, la possibilit di som-
mare inniti addendi. Per fare un esempio rudimentale, immaginiamo un bastone
lungo 1 metro e di tagliarlo a met, ottenendo cos due pezzi lunghi 1=2; di tagliare
poi il secondo pezzo a met, ottenendo due pezzi lunghi 1=4; di tagliare ancora il secon-
do pezzo, ottenendone due lunghi 1=8, e di proseguire idealmente, senza fermarsi mai.
Prescindendo da volgari contingenze concrete (la segatura che si forma, dopo un po
diventa quasi impossibile continuare a tagliare un moncherino lungo pochi millimetri,
ecc.), avremmo inniti pezzi di lunghezze 1=2, 1=4, 1=8, ... nei quali stato suddiviso
loriginario bastone di 1 metro. piuttosto naturale immaginare che
1 1 1 1
+ + + + + = 1; (11.1)
2 4 8 2n
cio che, ricomponendo i singoli pezzi, si ritrovi il metro di partenza.
Ci apprestiamo a dare un contenuto preciso a uguaglianze come la (11.1). Immag-
iniamo dunque una successione fxn g e di volerne sommare tutti i termini, cio di
voler eettuare loperazione

X
1
x1 + x2 + + xn + = xn :
n=1

Talvolta opportuno far iniziare la sommatoria dallindice n = 0 piuttosto che dal


termine n = 1. Quando la scelta possibile (si vedr che questo non il caso per
alcuni tipi di serie, come la serie armonica, che non pu essere denita per n = 0), la
scelta di far partire una serie da n = 0 oppure da n = 1 di pura comodit. In generale,
si capir dal contesto quale sar la scelta pi opportuna. Sottolineiamo comunque che
tale scelta non cambia il carattere della serie (che deniremo rigorosamente pi avanti),
e quindi non cambia la sostanza del problema di determinare se la somma innita dia
un valore reale, o un valore innito o nessun valore. Per dare un signicato preciso alla

293
294 CAPITOLO 11. SERIE NUMERICHE

nuova operazione di somma di inniti addendi, che diversa dalla somma ordinaria1
(e ce ne accorgeremo), sommeremo un numero nito di addendi, diciamo n, faremo
tendere n allinnito e assumeremo il limite, se esiste, come valore da assegnare alla
serie. Stiamo dunque pensando di costruire una nuova successione fsn g cos denita:

s1 = x 1 (11.2)
s2 = x 1 + x 2
s3 = x 1 + x 2 + x 3

sn = x 1 + + xn

e di assumere il suo eventuale limite come somma della serie.


P
1
Denizione 79 La serie di una successione fxn g di scalari, in simboli xn , la
n=1
successione fsn g denita in (11.2). I termini sn della successione sono detti somme
parziali della serie.
P
1
La serie xn quindi denita come la successione fsn g delle somme parziali, il
n=1
P
1
cui comportamento limite ne determina il valore. In particolare, la serie xn :
n=1

(i) convergente e ha somma S, in simboli


X
1
xn = S;
n=1

se lim sn = S 2 R,
P
1
(ii) positivamente divergente, in simboli xn = +1, se lim sn = +1,
n=1

P
1
(iii) negativamente divergente, in simboli xn = 1, se lim sn = 1,
n=1

(iv) irregolare (o oscillante) se la successione fsn g irregolare.

In breve, si attribuisce alla serie lo stesso carattere (convergenza, divergenza o


irregolarit) della sua successione delle somme parziali2 .
1
Non possiamo certo metterci a sommare per davvero inniti addendi: non basterebbe tutta la
carta del mondo, non ci sarebbe su ciente la vita intera, non sapremmo dove mettere la riga che
tradizionalmente si scrive sotto gli addendi prima di sommarli, ecc..
2
Usando la terminologia gi usata per le successioni, la serie talvolta detta regolare quando non
irregolare, ossia quando vale uno dei casi (i)-(iii).
11.1. IL CONCETTO 295

11.1.1 Tre classiche serie


Illustriamo le precedenti nozioni con tre importanti serie.
Esempio 163 (Serie di Mengoli) La seguente detta serie di Mengoli:
1 1 1 X
1
1
+ + + + =
1 2 2 3 n (n + 1) n=1
n (n + 1)
Poich
1 1 1
=
n (n + 1) n n+1
risulta
1 1 1
sn = + + +
1 2 2 3 n (n + 1)
1 1 1 1 1 1 1 1
= 1 + + + + =1 !1
2 2 3 3 4 n n+1 n+1
Dunque
X
1
1
=1
n=1
n (n + 1)
e quindi la serie di Mengoli converge e ha somma 1. N
Esempio 164 (Serie armonica) La serie armonica :
1 1 1 X1
1
1+ + + + + =
2 3 n n=1
n
Consideriamone le somme parziali interrotte in un indice n che sia una potenza di 2
(n = 2k ):
1
s1 = 1 ; s2 = 1 +
2
1 1 1 1 1 1 1 1
s4 = 1 + + + > 1 + + + = s2 + = 1 + 2
2 3 4 2 4 4 2 2
1 1 1 1 1 1 1 1 1 1
s8 = s4 + + + + > s 4 + + + + = s4 + > 1 + 3
5 6 7 8 8 8 8 8 2 2
Cos continuando si vede che
1
s2k > 1 + k (11.3)
2
La successione delle somme parziali strettamente crescente (dato che gli adden-
di sono tutti positivi) e quindi ammette limite; la (11.3) garantisce che essa non
superiormente limitata e perci lim sn = +1. Dunque
X1
1
= +1
n=1
n
e la serie armonica diverge positivamente. N
296 CAPITOLO 11. SERIE NUMERICHE

Esempio 165 (Serie geometrica) La serie geometrica di ragione q denita come


segue:
X1
1 + q + q2 + q3 + + qn + = qn
n=0

Il suo carattere dipende dal valore di q. In particolare,


8
>
> +1 se q 1
X1 >
< 1
qn = se jqj < 1
>
> 1 q
n=0 >
:
irregolare se q 1

Per vederlo, si cominci con losservare che quando q = 1 si ha

sn = 1| + 1 +{z + 1} = n + 1 ! +1
n+1 volte

Sia ora q 6= 1. Poich

sn qsn = 1 + q + q 2 + q 3 + + qn q 1 + q + q2 + q3 + + qn
= 1 + q + q2 + q3 + + qn q + q2 + q3 + + q n+1 = 1 q n+1

si ha
(1 q) sn = 1 q n+1
e quindi, essendo q 6= 1,
1 q n+1
sn =
1 q
Ne segue che
X
1
1 q n+1
q n = lim
n=0
n!+1 1 q
Lo studio di tale limite devessere separato in vari casi:

(i) se 1 < q < 1, si ha q n+1 ! 0 e perci


1
sn !
1 q

(ii) se q > 1, si ha q n+1 ! +1 e perci sn ! +1;

(iii) se q = 1 le somme parziali di ordine pari sono nulle mentre quelle di ordine
dispari sono uguali a 1. La successione da esse formate quindi irregolare.

(iv) se q < 1, la successione fq n+1 g irregolare e quindi lo anche fsn g. N


11.2. PROPRIET ELEMENTARI 297

11.1.2 Utilit intertemporale con orizzonte innito


Le serie si applicano fruttuosamente in Economia. Per esempio, torniamo alle scelte
intertemporali con orizzonte nito introdotte nella Sezione 9.3.
Avevamo visto come un prolo intertemporale di consumo sia rappresentabile con
una successione del tipo
x = fx1 ; x2 ; : : : ; xt ; : : :g
e possa essere quanticato da una funzione intertemporale U : A R1 ! R di utilit.
In particolare, avevamo menzionato la possibile forma di U data da
t 1
U (x) = u1 (x1 ) + u2 (x2 ) + + ut (xt ) + (11.4)

dove 2 (0; 1) il fattore soggettivo di sconto. Alla luce di quanto appena visto, la
(11.4) la serie
X1
t 1
ut (xt ) (11.5)
t=1

Le serie permettono quindi di dare un senso corretto alla fondamentale speci-


cazione (11.4) della funzione intertemporale di utilit. Naturalmente, siamo interessati
al caso in cui la serie (11.5) sia convergente perch vogliamo che lutilit complessiva
che il consumatore trae dal consumo intertemporale fx1 ; x2 ; : : : ; xt ; : : :g sia nita. Al-
trimenti, come potremmo confrontare, e quindi scegliere, tra tali proli se se ne trae
utilit innita3 ?
Come vedremo tra breve nellEsempio 171, grazie alle propriet della serie geomet-
rica, si ha che la serie (11.5) converge, supponendo che le funzioni ut di utilit siano
positive e limitate da una stessa costante, se e solo se < 1. In tal caso, avendo
assunto 2 (0; 1), la funzione di utilit intertemporale

X
1
t 1
U (x) = ut (xt ) (11.6)
t=1

ha come dominio tutto R1 , ossia U (x) 2 R per ogni x 2 R1 . Essa permette di


confrontare tutti i possibili proli di consumo intertemporale.

11.2 Propriet elementari


Visto che il carattere di una serie stato ricondotto al carattere di una successione,
evidente che togliendo, aggiungendo, o modicando un numero nito di termini
di una serie, essa
P non cambia carattere. Cambia invece, in generale, la suaP somma.
In particolare 1 x
n=1 n ha lo stesso carattere (ma non la stessa somma) di 1
n=k xn
3
La mente corre alla celebre scommessa di Blaise Pascal. Se Dio non esistesse, crederci o no
procurebbe utilit nita; ma se Dio esiste, crederci d utilit innita (leterna beatitudine) e non
crederci utilit pari a meno innito (leterna dannazione): dunque ragionevole credere in Dio.
298 CAPITOLO 11. SERIE NUMERICHE

per ogni intero k > 1: la dierenza tra le due somme non altro che il totale delle
modicazioni che si sono apportate.
Rispetto alle operazioni fondamentali si ha:
X
1 X
1
cxn = c xn 8c 2 R
n=1 n=1

e, quando non si cada in una forma di indeterminazione del tipo 1 1,


X
1 X
1 X
1
(xn + yn ) = xn + yn :
n=1 n=1 n=1
P1
Il prossimo risultato piuttosto ovvio, ma importante. Se n=1 xn converge,
allora xn tende necessariamente a 0: i singoli addendi devono denitivamente diventare
irrilevanti per consentire che la somma non esploda.
P
Teorema 134 Se la serie 1 n=1 xn converge, allora xn ! 0.

Dim. Risulta banalmente xn = sn sn 1 e, visto che la serie converge, sn ! S e


sn 1 ! S; perci
x n = sn sn 1 !S S = 0:

La nullit della successione fxn g quindi condizione necessaria per la convergenza


della sua serie. Che la condizionePsia solo necessaria mostrato dalla serie armonica:
pur risultando 1=n ! 0, la serie 1 n=1 1=n diverge.

Esempio 166 La serie di termine generale


2n2 3n + 4
xn =
17n2 + 4n + 5
non convergente perch il generico termine asintotico a 2n2 =17n2 = 2=17 e quindi
non tende a 0. N

11.3 Serie con termini positivi


11.3.1 Criterio di convergenza del confronto
P
Esaminiamo ora il caso speciale di serie 1 n=1 xn con tutti i termini xn 0.4
Essendo tutti i termini xn 0, la successione fsn g delle somme parziali crescente
e vale perci banalmente la seguente
4
Se i termini fossero positivi soltanto denitivamente, non cambierebbe nulla visto che si pu sop-
primere un numero nito di addendi senza alterare il carattere della serie. Tutti i risultati sul carat-
tere di serie a termini positivi valgono quindi pi generalmente per serie con termini denitivamente
positivi.
11.3. SERIE CON TERMINI POSITIVI 299

Proposizione 135 Ogni serie con termini positivi convergente o divergente positi-
vamente. In particolare, essa convergente se e solo se superiormente limitata5 .

Le serie con termini positivi ereditano quindi le notevoli propriet di regolarit


delle successioni monotone. Ci conferisce loro uno status particolarmente importante
tra le serie. Per esse, vediamo ora quale forma assumono in criteri di convergenza visti
nella Sezione 9.9 per le successioni.
P1 P1
Proposizione 136 (Criterio del confronto) Siano n=1 xn e n=1 yn due serie
con i termini positivi e sia denitivamente xn yn .
P1 P1
(i) Se xn diverge positivamente, allora diverge positivamente anche
n=1 n=1 yn .
P P1
(ii) Se 1
n=1 yn converge, allora converge anche n=1 xn .

Dim. Dette sn e n le somme parziali delle due successioni, risulta denitivamente


0 sn n e lasserto segue dalla Proposizione 102 per le successioni.

Si noti che la (i) la contronominale della (ii), e viceversa: infatti, grazie alla
Proposizione 135, per una serie a termini positivi la negazione della convergenza la
divergenza positiva6 . Per la loro utilit le abbiamo enunciate entrambe, ma si tratta
della stessa propriet vista in modi equivalenti.

Esempio 167 La serie dei reciproci dei fattoriali7

X1
1
n=0
n!

converge perch, per ogni n 1,

1 1
< :
n! (n 1) n

che il generico termine della serie di Mengoli che sappiamo convergere. Vedremo
successivamente che la sua somma il numero e di Nepero. N
5
Per denizione, la serie superiormente limitata quando lo la successione delle somme parziali,
esiste cio k > 0 tale che jsn j k per ogni n 1.
6
Si ricordi che, date due propriet p e q, limplicazione :q =) :p la contronominale
dellimplicazione originaria p =) q.
7
Si ricordi che 0! = 1. Per questa ragione facciamo partire la serie da n = 0. Quando la scelta
possibile (per esempio, non questo il caso per la serie armonica, che non denita per n = 0),
la scelta di far partire una serie da n = 0 oppure P da n = 1 di pura comodit. In questo caso
1
partiamo
P1 da n = 0 perch, come vederemo, si ha n=0 1=n! = e, unespressione pi elegante di
n=1 1=n! = e 1.
300 CAPITOLO 11. SERIE NUMERICHE

Esempio 168 Si chiama serie armonica generalizzata la serie


X1 1
n=1 n
con 2 R. Se = 1 essa si riduce alla serie armonica che sappiamo divergente a
+1. Se < 1, facile vedere che, per ogni n > 1,
1 1
> (ovvero che n < n)
n n
e perci
X1 1
= +1:
n=1 n

Se = 2, la serie armonica generalizzata converge: infatti


1 1
2
<
n (n 1) n

che il generico termine della serie di Mengoli che sappiamo convergere8 . Se > 2,
1 1
< 2
n n
e perci si ha ancora convergenza. Inne, si pu vedere, ma la cosa pi delicata,
che la serie armonica generalizzata converge anche per tutti i valori di 2 (1; 2). N

Esempio 169 La serie


X1 10n
n=1 n52n+3
converge. Infatti, poich
n
10n 10n 10n 1 2
= n 2 =
n52n+3 52n+2 25 5 25 5

la convergenza della serie geometrica di ragione 2=5 garantisce, per il Criterio del
confronto, la convergenza della serie. N
P
Dunque la serie 1 n=1 n diverge per ogni 1 e converge per ogni > 1.
Il caso = 1 cos lultimo caso di divergenza: basta aumentare di un nonnulla
lesponente, da 1 a 1 + " con " > 0, e la serie converge. Ci lascia intuire come la
divergenza sia estremamente lenta, come il lettore pu controllare calcolando alcune
delle somme parziali9 . Questa intuizione resa precisa dal prossimo bel risultato.
8
P1 2 2
Risulta precisamente n=1 1=n = =6, ma non abbiamo qui gli strumenti per dimostrare
questo notevole risultato.
9
Un illustre professore parlava di innito cadaverico.
11.3. SERIE CON TERMINI POSITIVI 301

Proposizione 137 Si ha
1 1 1
1+ + + + log n: (11.7)
2 3 n

In altre parole la successione delle somme parziali della serie armonica asintotica
con il logaritmo.
Dim. La dimostrazione del risultato usa nozioni di integrazione che saranno esposte
nel Capitolo 24. Sia : [0; +1) ! R la funzione denita come
1
(x) = 8x 2 [i 1; i)
i
per i 1. Quindi (x) = 1 se x 2 [0; 1), (x) = 1=2 se x 2 [1; 2), e cos via. Inoltre,
facile vedere che
1 1
(x) 8x > 0. (11.8)
x+1 x
La funzione a scala e quindi, grazie alla Proposizione 377, si ha
X
n Z n
1
= (x) dx 8k = 1; :::; n
i=k
i k 1

per ogni n 1. Dalla (11.8) segue che


Z n X
n X
n Z n
1 1 1 1
log (1 + n) = dx =1+ 1+ dx = 1 + log n;
0 x+1 i=1
i i=2
i 1 x

per ogni n 1. Quindi,


Pn 1
log (1 + n) i=1 i 1 + log n
8n 1
log n log n log n
e per il Criterio del confronto per successioni concludiamo che
Pn 1
i=1 i
! 1;
log n
il che completa la dimostrazione.

Il Criterio del confronto ha una bella e utile versione asintotica, basata sul confronto
asintotico dei termini delle successioni.
P1 P1
Proposizione 138 (Criterio del confronto asintotico) Siano n=1 xn e n=1 yn
due serie con i termini positivi.
302 CAPITOLO 11. SERIE NUMERICHE
P1 P
(i) Se xn yn , le serie xn e 1n=1 yn hanno lo stesso carattere.
n=1
P P1
(ii) Qualora yn = o (xn ), la serie 1n=1 yn converge se n=1 xn converge.

La (i) la propriet decisamente pi interessante e mostra che il carattere di una


serie sia invariante per equivalenza asintotica. La (ii) un caso particolare del Criterio
del confronto (come risulter chiaro dalla dimostrazione) e non aggiunge quindi molto
aPci che gi sappiamo. Al riguardo, P1 si noti la contronominale10della (ii): la serie
1
x
n=1 n diverge positivamente se n=1 yn diverge positivamente.

Dim. (i) Poich xn yn , per ogni " > 0 esiste n" 1 tale che11
xn
1 " 1+" 8n n" .
yn
Per ogni n n" si ha quindi

X
n nX
" 1 Xn
xk
nX
" 1 X
n X
n
xk = xk + yk xk + (1 + ") yk c + (1 + ") yk (11.9)
k=1 k=1 k=n
yk k=1 k=n" k=n"
"

e
X
n nX
" 1 Xn
xk X
n
xk = xk + yk c + (1 ") yk (11.10)
k=1 k=1 k=n
yk k=n"
"
Pn" 1 P
dovePsi posto c = xk . Il carattere della serie 1
n=1 n=1 yn lo stesso della se-
1
rie k=n" yPk perch i primi termini di una serie sono irrelevanti
P1 per il suo carattere.
1
Quindi,Pse n=1 yn converge, dalla (11.9) segue che anche n=1 xnP converge, men-
tre se 1 y
n=1 n diverge positivamente, dalla (11.10) segue che anche 1
n=1 xn diverge
positivamente.

(ii) Sia yn = o (xn ). Poich yn = o (xn ), per ogni " > 0 esiste n" 1 tale che

yn "xn 8n n"

Lasserto segue dal Criterio del confronto.

Esempio 170 Sia


2n3 3n + 8
xn = :
5n5 n4 4n3 + 2n2 12
Dato che
2n3 2
xn 5
= 2,
5n 5n
10
Si ricordi che, grazie alla Proposizione 135, per una serie a termini positivi la negazione della
convergenza la divergenza positiva.
11
Si noti che da xn yn segue che i termini xn e yn sono denitivamente diversi da zero. I rapporti
che compaiono nella dimostrazione sono perci ben deniti.
11.3. SERIE CON TERMINI POSITIVI 303
P1
la serie n=1 xn converge. Sia, invece,
n+1
xn = :
n2 3n + 4
P1
Dato che xn 1=n, la serie n=1 xn diverge a +1. N

Il Criterio del confronto asintotico ci permette di dimostrare un celebre risultato


legato alla serie armonica, dimostrato nel 1737 da Eulero, che aerma che la serie dei
reciproci dei numeri primi diverge positivamente.

Teorema 139 (Eulero) Si ha

1 1 1 1 1 X1
1
+ + + + + = = +1
2 3 5 7 11 p
n=1 n

Dim. Grazie al Teorema 126 si ha pn n log n, e quindi


1 1
pn n log n
P
(si ricordi la (9.25)). Grazie al Criterio
P del confronto asintotico, la serie 1
n=1 1=pn
12 1
ha lo stesso carattere della serie n=2 1=n log n. Come vedremo nellEsempio 182
(nonch nellEsempio 481), si ha
X
1
1
= +1
n=2
n log n
P1
Ne segue che n=1 1=pn = +1, come desiderato.

Il Teorema di Eulero implica la divergenza della serie armonica per il Criterio del
confronto poich 1=pn 1=n per ogni n (si ha 1=p1 = 1=2 1, 1=p2 = 1=3 1=2,
1=p3 = 1=5 1=3, 1=p4 = 1=7 1=4, e cos via). Un momento di riessione dovrebbe
essere su ciente per rendersi conto di quanto il Teorema di Eulero sia pi potente: in
esso si sommano solo i reciproci dei numeri primi, rispetto al risultato di divergenza
della serie armonica in cui si sommano i reciproci di tutti i numeri naturali, sia primi
sia composti.
Il Teorema di Eulero conferma linnit dei numeri primi e mostra che sono densi
in N, scappandoa
P1 +1 meno rapidamente delle potenze n , con > 1, per le quali
si ha i=1 1=n < +1. P Si noti che per il Criterio del confronto da questultima
convergenza segue che nn=1 1=pn < +1 per ogni > 1.

Chiudiamo lo studio del Criterio del confronto con un importante esempio eco-
nomico.
12
Si noti che la serie inizia con n = 2 perch per n = 1 il termine non denito. Naturalmente, ci
irrilevante per il carattere della serie.
304 CAPITOLO 11. SERIE NUMERICHE

Esempio 171 Consideriamo la serie (11.5) data da


X
1
t 1
ut (xt )
t=1

e supponiamo che le funzioni ut : R ! R siano positive e limitate da una medesima


costante, ossia esista M > 0 tale che, per ogni t, 0 ut (x) M per ogni x 2 R.
Quindi
X
1 X1
t 1 t 1
0 ut (xt ) M
t=1 t=1
P
e, per il Criterio del confronto, basta vericare quando la serie geometrica 1 t=1
t 1

converge. Tornando a quanto visto nellEsempio 165 possiamo concludere che la serie
(11.5) converge se e solo se < 1. Il lettore curioso di sapere che cosa accade quando
! 1, cio quando la pazienza diventa innita, trova risposta nel profondo Teorema
di Frobenius-Littlewood della Sezione 23.2.4. N

11.3.2 Criteri di convergenza del rapporto: preludio


Nella prossima sottosezione studieremo in profondit limportante criterio di conver-
genza del rapporto. Per il lettore impaziente, prima di far ci vediamone la versione
pi elementare.

Proposizione
P1 140 (Criterio del rapporto nella forma limite elementare) Sia
n=1 xn una serie con i termini positivi e non nulli, e supponiamo che il limite
lim xn+1 =xn esista.

(i) Se
xn+1
lim <1
xn
la serie converge.

(ii) Se
xn+1
lim >1
xn
la serie diverge positivamente.

Il criterio si basa sullo studio del limite del rapporto


xn+1
xn
dei termini della successione. Dal punto di vista teorico lipotesi di esistenza del
limite lim xn+1 =xn troppo stringente, come vedremo nella prossima sottosezione.
Ma, quando sodisfatta, la forma limite elementare del Criterio del rapporto di facile
applicazione e si rivela piuttosto utile in parecchie circostanze.
11.3. SERIE CON TERMINI POSITIVI 305

Esempio 172 (i) La serie


X
1
n2 + 5n + 1
n=1
n2n + 1
converge. Infatti,
(n+1)2 +5(n+1)+1
xn+1 (n+1)2n+1 +1 (n + 1)2 + 5 (n + 1) + 1 n2n + 1
= n2 +5n+1
=
xn n2n +1
n2 + 5n + 1 (n + 1) 2n+1 + 1
2
n + 7n + 7 n2n + 1 n2 n2n n2n 1 n 1
= = = !
n2 + 5n + 1 (n + 1) 2n+1 + 1 2
n (n + 1) 2n+1 (n + 1) 2n+1 2n+1 2
il che implica la convergenza della serie.

(ii) La serie
X
1
2n!
n=1
3n
diverge positivamente. Infatti,
2(n+1)!
xn+1 3n+1 2 (n + 1)! 3n 1 (n + 1)! 1
= 2n!
= n+1
= = (n + 1) ! +1
xn 3n
3 2n! 3 n! 3

il che implica la divergenza della serie. N

Nel caso di limite unitario


xn+1
lim=1
xn
nulla si pu dire: il carattere della serie indeterminato,
P1essa puP
convergere oppure
divergere positivamente. Ci ben illustrato dalle serie n=1 1=n e 1 2
n=1 1=n : bench
per entrambe si abbia lim xn+1 =xn = 1, la prima diverge e la seconda converge.

11.3.3 Criteri di convergenza del rapporto


Studiamo ora pi in profondit il Criterio del rapporto, del quale diamo subito la
versione pi generale.
P
Proposizione 141 (Criterio del rapporto) Sia 1 n=1 xn una serie con i termini,
13
denitivamente, positivi e non nulli .

(i) Se esiste un numero q < 1 tale che denitivamente


xn+1
q (11.11)
xn
allora la serie converge.
13
Lipotesi che i termini xn siano non nulli serve a rendere ben denito il rapporto xn+1 =xn .
306 CAPITOLO 11. SERIE NUMERICHE

(ii) Se invece il rapporto denitivamente 1, la serie diverge positivamente.

Si badi che il teorema richiede che i rapporti siano minori di un numero a sua volta
minore di 1 e non semplicemente che siano minori di 1. Al riguardo si osservi che per
la serie armonica i rapporti sono
1
n+1 n
1 = ;
n
n+1

tutti minori di 1, ma essa diverge14 . P


Poich, per il Teorema 134, la convergenza di 1 n=1 xn implica xn ! 0, il Cri-
terio del rapporto per serie pu vedersi come estensione dellomonimo criterio per
successioni. Analoga osservazione vale per il Criterio della radice che vedremo tra
breve.

Dim. Da xn+1 qxn si deduce, come nellanalogo criterio per le successioni che 0 <
xn q n 1 x1 e il primo asserto segue dalla Proposizione 102. Se invece xn+1 =xn 1,
cio se xn+1 xn > 0, fxn g crescente e perci non pu tendere a 0.

molto utile riscrivere il Criterio del rapporto usando i limiti superiori e inferiori
introdotti nella Sezione 9.14.

Lemma 142 Esiste q < 1 tale che denitivamente valga la (11.11) se e solo se
xn+1
lim sup <1 (11.12)
xn
Dim. Solo se. Supponiamo che esista q < 1 tale che denitivamente valga la (11.11).
Esiste n tale che xn+1 =xn q per ogni n n. Quindi, per ogni tale n si ha
xk+1
sup q
k n xk

il che implica
xn+1 xk+1
lim sup = lim sup q<1
xn n!1 k n xk

Se. Supponiamo valga la (11.12). Poich


xk+1
lim sup =L<1
n!1 k n xk

per ogni " > 0 esiste n tale che


xn+1
sup L <" 8n n
k n xn
14
I rapporti tendono a 1 e perci non vi spazio per inlare un numero che sia simultaneamente
maggiore di tutti e minore di 1.
11.3. SERIE CON TERMINI POSITIVI 307

cio
xk+1
L " < sup <L+" 8n n
k n xk
Se prendiamo " su cientemente piccolo di modo che L + " < 1, ponendo q = L + " si
ottiene la condizione cercata.

In modo analogo si dimostra che si ha denitivamente xn+1 =xn 1 se


xn+1
lim inf >1 (11.13)
xn
e solo se
xn+1
lim inf 1 (11.14)
xn
Quindi, la condizione che denitivamente xn+1 =xn 1 implica la (11.14) ed implicata
dalla (11.13). Ma, nulla di pi si pu dire: la successione costante con termine xn = 1
mostra che la suddetta condizione pu valere anche se la (11.13) non vale, mentre
la successione f1=ng mostra che la (11.14) pu valere anche quando la condizione
violata.

Tutto ci porta al seguente corollario, molto comodo nel far di conto, in cui il
Criterio del rapporto espresso in termini di limiti.
P1
Corollario 143 (Criterio del rapporto nella forma limite) Sia n=1 xn una se-
rie con i termini positivi e non nulli.

(i) Se
xn+1
lim sup <1
xn
la serie converge.

(ii) Se
xn+1
lim inf >1
xn
la serie diverge positivamente.

Si noti che, grazie al Lemma 142, il punto (i) equivalente al punto (i) della
Proposizione 141. Invece, per quanto visto appena sopra, il punto (ii) pi debole
del punto (ii) della Proposizione 141 perch la condizione (11.13) solo su ciente, ma
non necessaria, per avere denitivamente xn+1 =xn 1.

Come mostrano i prossimi esempi, questa forma del Criterio del rapporto parti-
colarmente utile quando esiste il limite
xn+1
lim
xn
308 CAPITOLO 11. SERIE NUMERICHE

cio quando
xn+1 xn+1 xn+1
lim = lim sup = lim inf
xn xn xn
In tal caso notevole, il Criterio del rapporto assume lutile forma tripartita della
Proposizione 140:

(i) se
xn+1
lim <1
xn
la serie converge;

(ii) se
xn+1
lim >1
xn
la serie diverge positivamente;

(iii) se
xn+1
lim =1
xn
il criterio fallisce e non d alcuna indicazione circa il carattere della serie.

A livello operativo, la tripartita la forma usuale con la quale si applica il Criterio


del rapporto. A livello meccanico, su ciente ricordare la tripartizione della Propo-
sizione 140 e i relativi esempi illustrativi, ossia quanto si visto nel Preludio. Ma, per
evitare di fare idraulica e non matematica, importante tenerne a mente i fondamenti
teorici dati dalla Proposizione 141 e dal Corollario 143.
LEsempio 172 ha gi illustrato i casi (i) e (ii) della tripartizione,
P1 mentre il caso
P
fallimentare (iii) gi stato ben illustrato dalla serie n=1 1=n e 1 2
n=1 1=n . In
chiusura, vediamo altri esempi per i casi (i) e (ii).
P
Esempio 173 (i) La serie 1 k n
n=1 n q converge per ogni k 2 R e ogni 0 < q < 1.
Infatti
k
(n + 1)k q n+1 n+1
= q ! q < 1:
nk q n n
Ci mostra anche che questa serie diverge positivamente quando q > 1.

(ii) La serie
X
1
xn
n=0
n!
converge per ogni x > 0. Infatti per n 1 si ha
xn+1 n! x
n
= !0 8x > 0:
(n + 1)! x n+1
11.3. SERIE CON TERMINI POSITIVI 309

(iii) La serie
X
1
xn
n=1
n
converge per ogni 0 < x < 1. Infatti
xn+1 n n
n
= x!x
n+1 x n+1
che ovviamente < 1 quando 0 < x < 1. N

11.3.4 Criteri di convergenza della radice


Il prossimo criterio di convergenza , dal punto di vista teorico, il pi potente, come
vedremo nella prossima sezione.
P1
Proposizione 144 (Criterio della radice) Sia n=1 xn una serie con i termini
positivi.
(i) Se esiste un numero q < 1 tale che, denitivamente,
pn
xn q
allora la serie converge.
p
(ii) Se invece n xn 1 per inniti valori di n, allora la serie diverge.
p
Dim. Da n xn q si ha subito che 0 xn q n e, applicando il Criterio del confronto,
p
si ha la tesi. Se invece n xn 1 per inniti valori di n, per essi xn 1 e non pu
tendere a 0.
Vediamone la forma limite. Grazie al Lemma 142, il punto (i) si pu formulare in
p p
modo equivalente come lim sup n xn < 1. Circa il punto (ii), esso richiede che n xn 1
p
per inniti valori di n, ossia che esista un sottosuccessione fnk g tale che nk xnk 1
per ogni k. La condizione vale se
p
lim sup n xn > 1 (11.15)
e solo se
p
lim sup n
xn 1: (11.16)
La successione costante xn = 1 mostra che la condizione (11.16) pu valere anche
se la (11.15) non vale. La successione f(1 1=n)n g mostra invece che (persino) la
condizione (ii) della Proposizione 144 pu non valere bench valga la (11.16). quindi
chiaro che la (11.15) implica la (ii) della Proposizione 144, che a sua volta implica la
(11.16), ma le implicazioni inverse non valgono.
Tutto ci porta alla seguente forma limite, nella quale il punto (i) equivalente a
quello della Proposizione 144, mentre il (ii) pi debole in quanto, come appena visto,
p
la (11.15) solo condizione su ciente a nch si abbia n xn 1 per inniti valori di
n.
310 CAPITOLO 11. SERIE NUMERICHE
P1
Corollario 145 (Criterio della radice nella forma limite) Sia n=1 xn una se-
rie con i termini positivi.
p
(i) Se lim sup n xn < 1, la serie converge.
p
(ii) Se lim sup n xn > 1, la serie diverge positivamente.
p p
Dim. Se lim sup n xn < 1, si ha che n xn q denitivamente per qualche q < 1 La
p p
tesi segue dalla Proposizione 144. Se lim sup n xn > 1, allora n xn 1 per inniti
valori di n, e la tesi segue dalla Proposizione 144.

Come per la forma limite del Criterio del rapporto, anche quella del Criterio della
p
radice particolarmente utile quando esiste lim n xn . Esso assume allora la seguente
forma tripartita:

(i) se
p
lim n
xn < 1
la serie converge;

(ii) se
p
lim n
xn > 1
la serie diverge positivamente;

(iii) se
p
lim n
xn = 1
il criterio fallisce e non d alcuna indicazione circa il carattere della serie.

Al pari dellanaloga forma tripartita del Criterio del rapporto, anche per il Criterio
della radice la versione tripartita ne la forma pi utile a livello operativo. Ma,
ricordando che fatti non foste a viver come bruti ma per seguir virtute e canoscenza,
ci auguriamo che il lettore voglia sempre tenere a mente i fondamenti teorici del criterio.

Esempio 174 (i) Sia q > 0. La serie


X1
qn
n=1
nn

converge perch r
n qn q
n
= ! 0:
n n
P p
(ii) Sia 0 q < 1: La serie 1 k n
n=1 n q converge per ogni k: infatti
n
nk q n = qnk=n !
q visto che nk=n ! 1 (dato che log nk=n = (k=n) log n ! 0). N
11.3. SERIE CON TERMINI POSITIVI 311

11.3.5 Potenza del criterio della radice


I criteri del rapporto e della radice si basano sul comportamento delle successioni
p
fxn+1 =xn g e n xn . Al riguardo il prossimo risultato, la cui dimostrazione sar data
nella Sezione 23.2.2, illuminante.

Proposizione 146 Per ogni successione fxn g con termini positivi, si ha


xn+1 p p xn+1
lim inf lim inf n
xn lim sup n
xn lim sup : (11.17)
xn xn

Se esiste lim xn+1 =xn , si ha


xn+1 p
lim = lim n xn ; (11.18)
xn
e i due criteri sono equivalenti nella loro forma limite. Tuttavia, se lim xn+1 =xn non
esiste, si ha comunque, dalla (11.17),
xn+1 p
lim sup < 1 ) lim sup n xn < 1;
xn
e
xn+1 p
> 1 ) lim sup n xn > 1;
lim inf
xn
il che indica che il Criterio della radice pi potente di quello del rapporto per la
convergenza: ogni volta che il Criterio del rapporto indica convergenza o divergenza, la
stessa conclusione si sarebbe raggiunta applicando il Criterio della radice. Il viceversa
non vale, come mostra il prossimo esempio nel quale il Criterio della radice indica
convergenza mentre quello del rapporto fallisce.

Esempio 175 Consideriamo la serie15


1
2n
se n dispari
xn = 1
2n 2 se n pari

cio:
1 1 1 1 1 1 1
+1+ + + + + + +
2 8 4 32 16 128 64
Si ha 8 1
>
< 2(n+1) 2
xn+1 1 = 2 se n dispari
= 2n
1
xn >
: 2n+1
1 = 18 se n pari
2n 2

e
1
p 2p
se n dispari
n
xn = n
4
2
se n pari
15
Si veda Rudin (1976) p. 67.
312 CAPITOLO 11. SERIE NUMERICHE

sicch
xn+1 xn+1 1
lim sup =2 , lim inf =
xn xn 8
e
p 1
lim sup n
xn =
2
Il Criterio del rapporto fallisce, mentre il Criterio della radice garantisce la convergenza
della serie. N

Nonostante la maggior potenza del Criterio della radice, il Criterio del rapporto
rimane comunque un utile strumento perch in generale molto pi semplice calcolare
il limite di rapporti che di radici. Il Criterio della radice s pi potente dal punto di
vista teorico, ma risulta di pi di cile applicabilit dal punto di vista operativo.

Alla luce di tutto ci, in concreto nellapplicare i criteri la prima cosa da fare
vericare se lim xn+1 =xn esiste e, nel caso, calcolarlo. In tale evenienza, grazie alla
p
(11.18) sappiamo anche il valore di lim n xn e possiamo quindi giovarci della potenza
del Criterio della radice.
Se, purtroppo, lim xn+1 =xn non esiste e siamo al pi in grado di determinare
lim sup xn+1 =xn e lim inf xn+1 =xn , o ci rassegniamo alla minor potenza del Criterio
del rapporto (rischiando il fallimento come nel precedente esempio), oppure cerchiamo
p
di calcolare direttamente lim sup n xn , con la speranza che esso esista (come nel prece-
dente esempio), cos che il Criterio della radice si possa applicare nella pi comoda
forma tripartita.

Da ultimo si osservi che, per quanto potente, il Criterio della radice (e, a fortiori,
il meno potente Criterio del rapporto) fornisce solo una condizione su ciente, ma non
necessaria per la convergenza, come mostra il prossimo esempio.

Esempio 176 La serie


X1
1
n=1
n2
converge. Tuttavia, ricordandosi lEsempio 148, si ha
r r r
n 1 n 1 n 1
lim 2
= lim lim =1
n n n
N

Il Criterio della radice


P1 non2 quindi di alcun aiuto nel determinare la convergenza
della semplice serie n=1 n . La ragione della carenza emerge con chiarezza dal
prossimo semplice risultato, che mostra come questo criterio implichi la convergenza
a zero dei termini della serie con velocit almeno geometrica.
11.3. SERIE CON TERMINI POSITIVI 313
P p
Proposizione 147 Sia 1 n=1 xn una serie con i termini positivi, con lim sup
n x
n <
1. Per ogni q > 0 tale che
p
lim sup n xn q < 1
si ha, denitivamente,
xn qn (11.19)
p
Dim. Sia q > 0 tale che lim sup n xn q < 1. Esiste nq 1 tale che
p
n
xn q

per ogni n nq . Per ogni tale n si ha:


p
n
xn q () xn qn

e quindi vale la (11.19).

Grazie alla (11.19), possiamo concludere che serie convergenti i cui termini conver-
gono a zero con velocit inferiori alla geometrica, cio tali che q n = o (xn ), sono al di
fuori della portata del Criterio della radice. Per esempio, per ogni numero naturale
k 2 si ha
qn
1 ! 0
nk
P1
e quindi q n = o n k . Per determinare la convergenza della serie n=1 n k , il Criterio
della radice quindi inutile. Ci confermato dal fatto che
r
n 1
lim =1
nk
ma grazie alla Proposizione 147 possiamo capire la ragione del fallimento del Criterio
della radice.

11.3.6 Un primo sviluppo in serie


Limportantissimo numero e di Nepero stato introdotto nel capitolo precedente come
limite della successione (1 + 1=n)n . Sorprendentemente esso emerge anche come som-
X1
ma della serie 1=n! dei reciproci dei fattoriali. Si ricordi, per, che un primo
n=0
collegamento tra e e n! si era visto con la formula di De Moivre-Sterling.

Proposizione 148 Si ha
X1
1
=e (11.20)
n=0
n!
314 CAPITOLO 11. SERIE NUMERICHE

Dim. NellEsempio 167 abbiamo mostrato che la serie converge. Calcoliamone la


somma. Grazie alla formula di Newton (6.2) si ha

1
n Xn
n 1 Xn
1 n! 1
1+ = k
=
n k=0
k n k=0
k! (n k)! nk

Daltra parte
n! k
= n (n 1) (n k + 1) n
| {z n} = n
(n k)! | {z }
k volte k volte

Quindi,
n! 1
1
(n k)! nk
il che implica
1
n Xn
1 n! 1 Xn
1
1+ =
n k=0
k! (n k)! nk k=0
k!
Ne segue che
X1
1
e . (11.21)
n=0
n!
Per ogni k 1 si ha
n! 1
lim =1 (11.22)
n!1 (n k)! nk
Infatti
n!1 n (n k) (n k + 1) nk
k
= k
=1
(n k)! n n nk
Fissiamo m 1. Per ogni n > m si ha:

1
n Xn
1 n! 1 Xm
1 n! 1 Xn
1 n! 1
1+ = = +
n k=0
k! (n k)! nk k=0
k! (n k)! nk k=m+1 k! (n k)! nk
Xm
1 n! 1
k=0
k! (n k)! nk

e quindi, grazie alla (11.22),

1
n Xm
1 n! 1 Xm
1 n! 1 Xm
1
e = lim 1+ lim k
= lim =
n!1 n n!1
k=0
k! (n k)! n k=0
k! n!1 (n k)! nk k=0
k!

Poich ci vale per ogni m, si ha


Xm
1 X
1
1
e lim = ,
m!1
k=0
k! n=0 n!
11.4. SERIE CON TERMINI DI SEGNO QUALSIASI 315

che, con la (11.21), implica la (11.20).

La somma (11.20) si pu generalizzare in modo sostanziale (omettiamo la di-


mostrazione).

Teorema 149 Per ogni x 2 R, si ha

x n X
1
xn
x
e = lim 1+ = (11.23)
n!1 n n=0
n!

Luguaglianza (11.23) vale per ogni scalare x e si riduce alla (11.20) nel caso speciale
x = 1. Si noti la notevolissima espressione

X
1
xn x2 x3 xn
x
e = =1+x+ + + + + (11.24)
n=0
n! 2 3! n!

X
1
della funzione esponenziale tramite una serie. Tra breve vedremo che xn =n! una
n=0
serie di potenze. Per questa ragione, luguaglianza (11.24) detta sviluppo in serie di
potenze della funzione esponenziale. un risultato tanto elegante quanto importante,
che permette di scomporrela funzione esponenziale in una somma (seppur innita)
di funzioni elementari quali le potenze xn .
Studieremo con maggiore generalit gli sviluppi in serie con gli strumenti del
Calcolo dierenziale, di cui gli sviluppi in serie sono una delle applicazioni pi notevoli.

11.4 Serie con termini di segno qualsiasi


11.4.1 Convergenza assoluta
P
Consideriamo ora il caso generale di serie 1 n=1 xn con termini xn di segno qualsiasi,
non necessariamente sempre positivi, neanche denitivamente. Per studiarle conside-
riamo una serie ausiliaria a termini positivi, facendo cos rientrare dalla porta ci che
era appena uscito dalla nestra.
P1
Denizione
P1 80 La serie n=1 xn si dice assolutamente convergente se convergente
la serie n=1 jxn j dei suoi valori assoluti.

Il prossimo risultato mostra che la convergenza della serie dei valori assoluti, veri-
cabile con i criteri test visti, garantisce quella della ben pi selvatica serie originale,
con segni qualsiasi.
P1 P1
Teorema 150 Se n=1 xn converge assolutamente, allora n=1 xn converge.
316 CAPITOLO 11. SERIE NUMERICHE

Si noti che la condizione solo su ciente: la serie


X1
( 1)n 1 1 1 1 1
= 1+ + + +
n=1
n 2 3 4 5 6

converge (si veda la Proposizione 155), ma non assolutamente poich


X1
( 1)n X1
1
= = +1
n=1
n n=1
n

La classe delle serie assolutamente convergenti quindi contenuta in quella delle se-
rie convergenti. Come si vedr nella Sezione 11.6, tale sottoclasse ha fondamentali
propriet di regolarit rispetto alle serie convergenti di segno qualsiasi che non sono
assolutamente convergenti. In altre parole, le serie assolutamente convergenti sono, tra
le convergenti, quelle che si comportano decisamente meglio. La convergenza assoluta
unimportante condizione di regolarit.

Per provare il Teorema 150 ci servono un concetto e un piccoloPrisultato prelimi-


nari, nello spirito della condizione (9.21) di Cauchy. Per una serie 1
n=1 xn arbitraria
indichiamo con Cn;k , dove n; k 1, la somma troncata

Cn;k = sn+k sn = xn+1 + xn+2 + + xn+k ;


cio la somma di k addendi a partire dall(n + 1)-esimo.
P
Lemma 151 Condizione necessaria e su ciente a nch una serie 1 n=1 xn converga
che ad ogni " > 0 si possa associare un indice n" tale che jCn;k j < " per ogni n n"
e ogni k 1.

Dim. unapplicazione della condizione di Cauchy. La successione fsn g converge se


e solo se, per ogni " > 0 arbitrario, si ha denitivamente jsm sn j < ". Basta poi
porre m = n + k.

Laermazione del Lemma piuttosto intuitiva: una serie converge se e solo se,
almeno a partire da un certo posto in poi, la somma di un numero arbitrariamente
grande di addendi arbitrariamente piccola, cio, da un certo posto in poi, gli addendi
devono essere irrilevanti.
0
Dim. del Teorema
P1 P1Indicando con Cn;k e con Cn;k rispettivamente le somme
150.
troncate di n=1 xn e di n=1 jxn j, risulta

0
jCn;k j = jxn+1 + xn+2 + + xn+k j jxn+1 j + jxn+2 j + + jxn+k j = Cn;k :
0
Da Cn:k < " segue a fortiori che jCn;k j < " che, per il precedente Lemma, garantisce
lasserto.
11.4. SERIE CON TERMINI DI SEGNO QUALSIASI 317

Esempio 177 Riprendiamo, per completarlo lEsempio 173.


P1
(i) Grazie al Teorema 150, la serie n=1 nk q n converge per ogni k 2 R e ogni
1 < q < 1. Infatti, da
k
(n + 1)k q n+1 n+1
= jqj ! jqj < 1
nk q n n

segue che essa converge assolutamente.


P
(ii) La serie 1 n
n=1 x =n! converge per ogni x 2 R. Infatti, da

xn+1 n! x
n
= !0 8x 2 R;
(n + 1)! x n+1

segue che essa converge assolutamente.


P
(iii) La serie 1 n
n=1 x =n converge per ogni 1 < x < 1. Infatti

xn+1 n n
= jxj ! jxj;
n + 1 xn n+1

che ovviamente < 1 quando 1 < x < 1. Anche questa serie quindi converge
assolutamente.
Aggiungiamo due ulteriori esempi.

(iv) La serie
x3 x5 x7 X
1
x2n+1
n
x + + = ( 1)
3! 5! 7! n=0
(2n + 1)!
converge per ogni x 2 R. Infatti

x2n+3 (2n + 1)! x2


= !0 8x 2 R
(2n + 3)! x2n+1 (2n + 3) (2n + 2)

e quindi essa converge assolutamente.

(v) La serie
x2 x4 x6 X
1
x2n
1 + + = ( 1)n+1
2! 4! 6! n=0
(2n)!
converge per ogni x 2 R. Infatti

x2n+2 (2n)! x2
= !0 8x 2 R
(2n + 2)! x2n (2n + 2) (2n + 1)

e quindi anche questultima serie converge assolutamente. N


318 CAPITOLO 11. SERIE NUMERICHE

11.4.2 Rivisitazione dei criteri di convergenza


Grazie al Teorema 150, possiamo dare versioni dei criteri di convergenze per serie di
segno qualsiasi. Cominciamo col Criterio del confronto visto nella Proposizione 136,
di cui estendiamo il punto (ii).
P1 P1 P1
Proposizione 152 SianoP1 n=1 x n e n=1 yn due serie con jxn j yn . Se n=1 yn
converge, allora anche n=1 xn converge.
P P1
Dim. Se 1 n=1 yn converge, allora
P1 n=1 jxn j converge per il Criterio del confronto.
Grazie al Teorema 150, anche n=1 xn converge.

Esempio 178 Consideriamo la serie

X1
( 1)n
2
.
n=1
n

Si ha j( 1)n =n2 j 2
1=nP , e quindi per il Criterio del confronto la convergenza della
serie segue da quello di 1 2
n=1 1=n . N

Passiamo alla versione per serie di segno qualsiasi del Criterio del rapporto. Per
brevit, consideriamo solo la sua forma limite, vista nel Corollario 143.
P
Corollario 153 Sia 1 n=1 xn una serie con i termini di segno qualsiasi e non (den-
itivamente) nulli, e si ponga

xn+1 xn+1
lim sup = 2 [0; +1] e lim inf = 2 [0; +1]
xn xn

Allora,

(i) se < 1, la serie converge,

(ii) se > 1, la serie non converge.

Dim. Grazie al Teorema 150, il caso < 1 segue dallanalogo caso del Corollario
143. Se > 1, si ha denitivamente jxn+1 =xn j > 1, ossia jxn+1 j jxn j > 0, dove si
ha > 0 perch, per ipotesi, i termini xn non sono nulli. Non vale quindi la condizione
necessaria di convergenza xn = o (1).

Si noti che, mentre per serie con termini positivi la condizione > 1 implica
la divergenza; per serie con termini di segno qualsiasi da > 1 segue solo la non
convergenza. Ci dovuto alle migliori propriet di regolarit delle serie con termini
positive viste nella Proposizione 135 (se non convergono divergono positivamente).
11.4. SERIE CON TERMINI DI SEGNO QUALSIASI 319

Esempio 179 La serie


X
1
xn
( 1)n
n=1
n!
converge per ogni x 6= 0. Infatti

xn+1 n! jxj
n
= !0 8x 6= 0:
(n + 1)! x n+1
N

Chiudiamo con la versione del Criterio della radice, sempre nella forma limite, per
serie di segno qualsiasi: lasciamo al lettore la dimostrazione del risultato.
P1
Corollario 154 Sia n=1 xn una serie con i termini di segno qualsiasi e non nulli,
e si ponga p
n
lim sup jxn j = 2 [0; +1] .
Allora,

(i) se < 1, la serie converge,

(ii) se > 1, la serie non converge,

(iii) se = 1, il criterio fallisce e non autorizza alcuna conclusione.

Esempio 180 Sia q 2 R. La serie


X1
qn
n=1
nn
converge perch s
qn n jqj
= ! 0:
nn n
P
In modo simile si pu vedere che la serie 1 k n
n=1 n q converge per jqj < 1 (si vedano
gli Esempi 174 e 177). N

11.4.3 Serie con i segni alternati


Chiudiamo considerando le serie che hanno i termini di segno alternato:

n+1
X
1
x1 x2 + x3 x4 + + ( 1) xn + = ( 1)n+1 xn ;
n=1

con ogni xn 0. Per esse si pu dire qualcosa dinteressante:


320 CAPITOLO 11. SERIE NUMERICHE

P
1
Proposizione 155 La serie ( 1)n+1 xn con i segni alternati convergente se la
n=1
successione fxn g decrescente e innitesima.
Come ben sappiamo, la condizione di nullit xn ! 0 necessaria, ma non su ciente
per la convergenza di una serie generica; per le serie a segni alternati, con laggiunta
della decrescenza dei valori assoluti16 , diventa anche su ciente.

Dim. Per lalternanza dei segni e per la decrescenza dei valori assoluti, le due
successioni
s1 ; s3 ; s5 ; : : : e s2 ; s4 ; s6 ; : : :
sono rispettivamente decrescente e crescente. Infatti
s3 = x 1 x2 + x3 x1 = s1 perch x2 + x3 0
s5 = s3 x4 + x5 s3 perch x4 + x5 0, ecc.
e
s4 = s2 + x 3 x4 s2 perch x3 x4 0
s6 = s4 + x 5 x6 s4 perch x5 x6 0, ecc..
Le due successioni, essendo monotone, ammettono limite; per di pi, visto che s2n+1
s2n = x2n+1 ! 0, il limite lo stesso per entrambe. Quindi lintiera successione fsn g
delle somme parziali ammette limite e perci la serie converge.

OfB. La successione fsn g oscilla attorno al suo limite S con oscillazioni sempre pi
piccole.

1.5

s(n)

0.5

0
O s s s ... n
1 2 3

-0.5
0 2 4 6 8 10

Esempio di successione oscillante.

16 n+1
Si noti che xn il valore assoluto del termine ( 1) xn della successione.
11.4. SERIE CON TERMINI DI SEGNO QUALSIASI 321

Il primo valore s1 il pi grande di tutti, il secondo valore s2 il pi piccolo di tutti;


gli altri sono maggiori di S quando n dispari e minori di S quando n pari e
progressivamente si avvicinano a S. H
Esempio 181 La serie
X
1
1
( 1)n+1 ;
n=1
n
detta serie armonica con segni alternati, convergente17 . N

11.4.4 Il criterio di condensazione di Cauchy


Tra i moltissimi criteri che sono stati sviluppati nellOttocento per la convergenza di
una serie, ne segnaliamo uno che ci permetter di dimostrare una cosetta lasciata in
sospeso.
Teorema 156 (Criterio di condensazione, Cauchy) Sia fxn g una successione con
i termini positivi e decrescenti (xn xn+1 0) e sia k un arbitrario numero intero
X
1
maggiore di 1. Allora la serie originaria xn ha lo stesso carattere della serie
n=1

X
1
2 m
x1 + kxk + k xk2 + +k x km + = k n 1 xk n 1 :
n=1

In altre parole, le due serie hanno lo stesso carattere: se luna converge (diverge),
anche laltra converge (diverge).

Dim. Indichiamo con sn e con m le somme parziali delle due serie:


sn = x 1 + x 2 + + xn e m = x1 + kxk + k 2 xk2 + + k m xk m :
Risulta
skm+1 skm = xkm +1 + xkm +2 + + xkm+1
e tale somma conta k m+1 k m = k m (k 1) addendi che, per ipotesi, sono decrescenti.
Perci
k m (k 1) xkm+1 skm+1 skm k m (k 1) xkm +1 ;
ovvero
1
1 k m+1 xkm+1 skm+1 sk m k m (k 1) xkm +1 :
k
Prendendo m = 0; 1; 2; ;h 1 e sommando tali disuguaglianze (ovviamente, per
m = 0, k 0 xk0 = x1 ), si ottiene
1
1 ( h x1 ) sk h x1 (k 1) h 1;
k
17
Precisamente la sua somma log 2.
322 CAPITOLO 11. SERIE NUMERICHE

dove la seconda diseguaglianza dovuta al fatto che, poich fxn g decrescente, si ha:

x1 + kxk+1 + k 2 xk2 +1 + :: + k h 1 xkh 1 +1 x1 + kxk + k 2 xk2 + :: + k h 1 xkh 1 = h 1:

Visto che x1 e k 1 non dipendono da h, questultima disuguaglianza mostra che,


se h ! +1, anche skh ! +1 e, per la monotonia di di sn , segue che sn ! +1.
Se invece h ! L, risulta skh x1 (k 1) L cosicch fsn g monotona e
superiormente limitata e quindi converge. Il Teorema cos dimostrato.

Il criterio di condensazione consente di discutere il comportamento della serie


armonica generalizzata. Consideriamo dunque
X1 1
n=1 n
e applichiamole il criterio di condensazione con k = 2: ci conduce a considerare la
serie
1 1 1 1 1 1
1+2 + 22 2 + 23 3 + =1+ 1
+ + +
2 2 2 2 22( 1) 23( 1)

che geometrica di ragione 1=2 1 e quindi converge se e solo se 2 1 > 1, cio se e


solo se > 1. Resta cos provato che la serie armonica generalizzata converge per ogni
> 1 e diverge per ogni 1.

Esempio 182 (i) La serie


X1 1
n log n
n=2

divergente. Infatti, prendendo per comodit un primo addendo nullo e applicando il


Criterio di condensazione con k = 2, si ha
2 22 23 1 1 1
+ 2 + + = + + +
2 log 2 2 log 22 23 log 23 log 2 2 log 2 3 log 2
che diverge trattandosi della serie armonica moltiplicata per 1= log 2.

(ii) La serie
X1 1
n=2 n log1+" n

invece convergente per ogni " > 0. Infatti, preso k = 2, il suo carattere lo
stesso della serie
X
1
2n X 1
1 X 1
1
= =
n=2
2 log (2 ) n=2 log (2 ) n=2 n log1+" 2
n 1+" n 1+" n 1+"

che converge essendo


1 1
1+" < 1+" .
n1+" log 2 n
11.5. SERIE DI POTENZE 323

(iii) Si pu concludere allora che la serie


X
1
1
n=2
n log n

converge per > 1; qualsiasi e per = 1; > 1, mentre diverge per < 1;
qualsiasi e per = 1; 1. Usando lordinamento lessicograco <L 18 si pu
dire che si ha convergenza se e solo se [ ; ] <L [1; 1].
(iv) Simile conclusione vale per
X
1
1
n=2
n log n (log log n)

che converge se e solo se > 1 oppure = 1 e > 1 oppure = = 1 e


> 1. N

11.5 Serie di potenze


Le serie di potenze sono unimportante classe di serie della forma
X
1
an x n (11.25)
n=0

con an 2 R per ogni n 0. Per evitare banalit supporremo sempre che gli scalari an ,
0
detti coe ciente della serie, non siano denitivamente nulli; inoltre,
X1 si pone 0 = 1.
La serie (11.25) converge (diverge od oscilla) in x0 se la serie an xn0 converge
n=0
(diverge od oscilla).

Cominciamo con losservare che ogni serie di potenze converge almeno in 0: infatti
X1
an 0n = a0 .
n=0
X1
Proposizione 157 Se una serie di potenze an xn converge in x0 , allora con-
n=0
verge in ogni x tale che jxj < x0 . Se non converge in un punto x0 , allora non converge
in ogni x tale che jxj > x0 .

Dim. Basta applicare il Criterio del confronto e ricordare lassoluta convergenza.


X1
Ne segue che, per ogni serie di potenze an xn , esiste un numero reale esteso
n=0
r 0, detto raggio di convergenza tale che essa converge in ogni jxj < r e diverge in
18
Il cosiddetto ordine lessicograco <L tra vettori aerma che y <L x se il primo elemento di y
> del primo elemento di x oppure, quando y1 = x1 se y2 > x2 , oppure, quando y1 = x1 e y2 = x2 ; se
y3 > x3 , e cos via. Tale ordine lessicograco perch lo stesso che si usa per mettere le parole in
ordine alfabetico: si tratta di un ordine completo.
324 CAPITOLO 11. SERIE NUMERICHE

ogni jxj > r (quando r = 0 la serie converge solo per x = 0; quando invece r = +1 la
serie converge per ogni x 2 R); in x = r la serie pu essere convergente oppure non
convergente.

I criteri di convergenza per serie di segno qualsiasi danno semplici risultati sul
raggio di convergenza. Il pi potente segue dal Criterio della radice in forma limite.
X1
Teorema 158 (Cauchy-Hadamard) Per la serie di potenze an xn il raggio
n=0
di convergenza r = 1= (ponendo r = +1 se = 0 e r = 0 se = +1) ove
p
= lim sup n jan j 2 [0; +1] :

Dim. Poich la serie ovviamente converge senzaltro per x = 0, supponiamo x 6= 0.


Si ha
p p jxj
lim sup n jan xn j = jxj lim sup n jan j = jxj = :
r
Per il Criterio della radice, si ha convergenza se jxj =r < 1, ossia se jxj < r, e non si
ha convergenza se jxj =r > 1, ossia se jxj > r.

Esempio 183 La serie di potenze


X
1
xn
(11.26)
n=0
n!
ha raggio di convergenza r = +1. Infatti
1
(n+1)! 1
1 = ! 0;
n!
n+1
p
usando la notevole disuguaglianza (11.17), implica = lim sup n 1=n! = 0, ossia
r = +1. Del resto, abbiamo gi incontrato questa serie di potenze nel Teorema 149,
in cui si era visto che essa ha somma ex per ogni x 2 R. N

Esempio 184 La serie di potenze


X
1
xn
(11.27)
n=1
n
ha raggio di convergenza r = 1. Infatti,
1
(n+1) n
1 = ! 1;
n
n+1
p
usando la notevole disuguaglianza (11.17), implica = lim sup n 1=n = 1, ossia r = 1.
Per x = 1, la serie diventa larmonica e quindi diverge, mentre per x = 1 essa diventa
larmonica a segni alternati che converge. Dunque la serie (11.27) converge per ogni
x 2 [ 1; 1). N
11.6. PROPRIET ASSOCIATIVA E COMMUTATIVA 325

Rivisitiamo le nozioni ora presentate da un punto di vista funzionale che torner


utile in seguito. Data una successione fan g di scalari, si denisca la funzione f : A
R ! R come
X1
f (x) = an x n :
n=0
X1
Il suo dominio costituito dai punti ( r; r) nei quali la serie di potenze an x n
n=0
converge. Grazie alla Proposizione 157, esiste un intorno dellorigine ( r; r), dove
r 2 (0; +1]; tale che
( r; r) dom f [ r; r]:
A seconda del carattere della serie in x = r, le inclusioni diventano o meno uguaglianze.
Per esempio, se la serie converge in entrambi i punti r, si ha dom f = [ r; r], mentre
se non converge in alcuno dei due si ha dom f = ( r; r).

Esempio 185 La funzione


X
1
xn
f (x) = ;
n=0
n!

denita tramite la serie di potenze (11.26) ha dominio R. In particolare, grazie al


Teorema 149 sappiamo che f (x) = ex . Invece la funzione

X
1
xn
f (x) = ;
n=1
n

denita tramite la serie di potenze (11.27) ha dominio [ 1; 1). N

11.6 Propriet associativa e commutativa


Ci siamo occupati in questo capitolo di somme di inniti addendie ci che abbiamo
esposto costituisce senza dubbio un buon, ma non perfetto, surrogato della somma
ordinaria.
La somma, come sappiamo, gode, tra le altre, delle propriet associativa (facen-
do somme parziali degli addendi, la somma complessiva non cambia) e commutativa
(cambiando lordine degli addendi la somma non risulta alterata). naturale chiedersi
se tali propriet si conservino anche per le serie. In generale la risposta negativa.
piuttosto ovvio che non valga la propriet associativa: se nella serie irregolare

1 1+1 1+1 1+

associamo gli addendi a due a due, otteniamo

(1 1) + (1 1) + (1 1) + =0+0+0+
326 CAPITOLO 11. SERIE NUMERICHE

che regolarissima e ha somma 0. Se associamo gli addendi a due a due, lasciando


per fuori il primo, otteniamo

1 + ( 1 + 1) + ( 1 + 1) + =1+0+0+

che ancora regolare ma ha la diversa somma 1.


anche semplice vedere che non vale la propriet commutativa. Se nella stessa serie
rimescoliamo gli addendi in modo da averne due positivi e uno negativo, otteniamo

1+1 1+1+1 1+1+1 1+ :

Calcoliamone le somme parziali. Se prendiamo un indice n multiplo di 3, n = 3k,


dobbiamo sommare 2k addendi pari a 1 e k addendi pari a 1: perci s3k = k e quindi
s3k+1 = k + 1 e s3k+2 = k + 2. Dunque, in generale sn n=3 e perci la serie, cos
riscritta, divergente a +1. C anche di pi: poniamo di voler ottenere, utilizzando
le propriet commutativa e associativa, una serie che converga a 5, o a qualsiasi altro
intero. Basterebbe anticipare cinque addendi 1 e poi proseguire alternando i segni

1 + 1 + 1 + 1 + 1 + (1 1) + (1 1) + =5+0+0+ = 5:

Fin troppo facile. Se valessero le propriet associativa e commutativa, potremmo


dunque pasticciare gli addendi della serie, originariamente irregolare, rendendola di-
vergente oppure convergente a qualsiasi intero.

11.6.1 Incidenti storici


Anche se non fu il suo principale contributo scientico, il nome di Luigi Guido Grandi
legato alla serie
X1
1 1+1 1+ = ( 1)n+1
n=1

spesso detta serie di Grandi. curioso che, no alla seconda met dellOttocento,
anche i pi grandi matematici condividessero lopinione che tale serie sommasse 1=2.
La Matematica si sviluppata, sino alla met dellOttocento, in maniera alquanto
disordinata: da un lato erano gi noti teoremi di grande complessit, ma, dallaltro,
mancava lattenzione alle denizioni ben poste e al rigore al quale oggi siamo abituati.
Il monaco Grandi, sbagliando due volte, si disse che 1 1 + 1 1 + 1 1 +
1 1 1
una serie geometrica di ragione q = 1 (giusto) e quindi ha somma 1 q = 1 ( 1) = 2
(sbagliato, perch la serie geometrica converge soltanto per jqj < 1); accorpando poi
gli addendi a due a due (sbagliato perch la propriet associativa in generale non vale
per le serie) prosegu aermando che (1 1)+(1 1)+ = 0+0+ per concludere
che
1
0+0+0+ = ;
2
11.6. PROPRIET ASSOCIATIVA E COMMUTATIVA 327

ovvero che la somma di inniti zeri vale 12 . Ci lo port non a negare lesistenza di
Dio, ma a ritenere irrilevante il suo intervento nella creazione; anche senza interventi
divini, dal nulla si crea qualcosa (basta aspettare un po): creatio ex nihilo.
Altre eleganti dimostrazionisono:

(i) Posto S = 1 1+1 1+ si ha

1 S=1 (1 1+1 1+ )=1 1+1 1+ =S

e quindi, essendo 1 S = S, risulta S = 1=2.

(ii) Da
1 1
=1
1+1 1+1
si deduce che
1 1
=1 1
1+1 1+1
e, cos continuando, che

1
=1 1+1 1+ :
1+1

(iii) Pi in generale, si sostenne che, partendo da x = a x (che implica x = a=2), si


ottiene x = a (a x) e, cos continuando, che x = a a + a a + . Dunque
tale somma innita vale a=2.

(iv) Leibnitz osserv che sommando un numero pari di addendi si ottiene zero e che
sommandone un numero dispari si ottiene 1. La serie di Grandi contiene per
inniti addendi: non essendo innito n pari n dispari, la sua somma devessere
qualcosa tra 0 e 1. Per una legge di giustizia devesserne la media. Lo stesso
Leibnitz argoment anche sul fatto che innito pari con probabilit 1=2 e
dispari con probabilit1=2.

(v) Jacob Bernoulli prov il seguente elegante paradosso. Da

k k kn kn2
= + 3
m+n m m2 m
si deduce in particolare, per m = n, che

k k k k
= + ;
2m m m m
che generalizza la serie di Grandi.
328 CAPITOLO 11. SERIE NUMERICHE

(vi) Callet osserv che 1 1+1 1+ si ottiene anche come caso particolare di
1+x
=1 x2 + x3 x5 + x6 x8 +
1 + x + x2
che per, per x = 1, fornisce 2=3 = 1 1 + 1 1 + . Lagrange puntualizz
per che la serie di Callet si sarebbe dovuta correttamente scrivere

1+0 x2 + x3 + 0 x5 + x6 + 0 x8 +

che avrebbe condotto a 1 + 0 1 + 1 + 0 1 + 1 + 0 1 + = 2=3 (sconcertante:


inlando inniti zeri nella serie di Grandi il suo valore cambia passando da 1=2
a 2=3).

In realt, no alla seconda met dellOttocento mancava una denizione rigorosa


di serie cosicch ci si appoggiava a unidea intuitiva di somma di inniti addendi e
ci consentiva di attribuirle signicati (sottilmente e anche inconsapevolmente) diversi.
Vedremo che la somma della serie di Grandi proprio 1=2 dando alla somma di inniti
addendiil signicato datale da Cesro.

11.6.2 La retta via


Per non fare la ne del monaco Grandi cerchiamo di fare chiarezza sulle due propriet.
Cominciamo con la propriet associativa. Possiamo dare il seguente

Teorema 159 Se in una serie regolare (convergente o divergente) si associano, con


una regola arbitraria, un numero nito di addendi consecutivi, si ottiene ancora una
serie regolare e con la stessa somma.

Dim. piuttosto banale: associando un numero nito di addendi consecutivi, nelle-


lenco delle somme parziali, alcune spariscono (quelle relative agli addendi associati) e
le altre rimangono intatte. Per esempio, immaginiamo di associare tra loro x3 ; x4 ; x5 ,
cio
x1 + x2 + (x3 + x4 + x5 ) + x6 + :
Le nuove somme parziali coincidono con le vecchie s1 ; s2 ; s5 ; s6; : : :. In generale dunque,
dopo lassociazione, la successione delle somme parziali diventa una sottosuccessione
delloriginaria. Se la successione delle somme parziali era regolare, lo anche qualunque
sua sottosuccessione.

La dissociazione (cio la sostituzione di un addendo con un numero nito di


addendi aventi la stessa somma delladdendo rimosso), se perpetrata innite volte,
cambia invece il carattere della serie. Ne abbiamo gi un esempio. La serie 0+0+0+
converge e ha per somma 0, ma

(1 1) + (1 1) + (1 1) + =1 1+1 1+
11.6. PROPRIET ASSOCIATIVA E COMMUTATIVA 329

irregolare.
Possiamo per aermare che, se si dissocia ciascun termine di una serie in un
numero nito di addendi tutti dello stesso segno, allora la serie non n cambia carattere
n somma.

Pi delicata, ma anche di maggior soddisfazione, la propriet commutativa.


Cominciamo con la

Denizione 81 Una serie detta incondizionatamente convergente ( divergente) se,


permutando in qualunque modo i suoi termini, si ottiene ancora una serie convergente
(divergente) e con la stessa somma.
P
Possiamo adottare la seguente simbologia. Sia 1 n=1 xn una serie. Fissiamo una
corrispondenza biunivoca m : N ! N tra i posti:
P1 a ogni n corrisponde un solo m =
m (n) e viceversa.
P1 Costruiamo la nuova serie m=1 ym con ym = P ym(n) = xn . Possiamo
1
dire che y
m=1 m stata ottenuta permutando i termini di n=1 xn . Ci stiamo
chiedendo se
X1 X
1
xn = ym
n=1 m=1

qualunque sia la corrispondenza biunivoca m (n).


Non lo dimostreremo, ma si pu vedere che la serie armonica a segni alternati
1 1 1 1
1 + + + ( 1)n+1 +
2 3 4 n
che, come sappiamo, convergente e ha somma log 2, non incondizionatamente
convergente. Cambiando lordine dei termini prendendo due addendi positivi e uno
negativo si ottiene la serie
1 1 1 1 1
1+ + + +
3 2 5 7 4
p
che ancora convergente ma ha somma log 2 2. Prendendo p tre addendi positivi seguiti
da uno negativo si ottiene una serie che converge a log 2 3 e, in generale,
p prendendo
k addendi positivi e uno negativo, si ha una serie che converge a log 2 k.

Un altro grazioso esempio dello stesso tipo il seguente. Come vedremo:

x x2 x3 x4 x5
log (1 + x) = 1 + + +
2 3 4 5 6
per ogni 1<x 1. In particolare, per x = 1,
1 1 1 1 1 1 1 1 1
log2 = 1 + + + + +
2 3 4 5 6 7 8 9 10
330 CAPITOLO 11. SERIE NUMERICHE

e quindi
2 1 2 1 2 1 2 1
2log2 = 2 1++ + +
3 2 5 3 7 4 9 5
e, sommando gli addendi con lo stesso denominatore e riordinando,

1 1 1 1 1
2log2 = 1 + + +
2 3 4 5 6
si ottiene luguaglianza2log2 = log2.

Vale il seguente profondo (e quasi commovente)

Teorema 160 (Dirichlet) Una serie incondizionatamente convergente se e solo se


assolutamente convergente. Una serie incondizionatamente divergente a +1 se e
solo se la serie dei suoi termini positivi diverge e la serie dei suoi termini negativi
converge (viceversa per 1)19 .

Il teorema sorprendente perch mostra come due concetti (le convergenze incon-
dizionata e assoluta), completamente diversi da un punto di vista logico (luno riguarda
la propriet commutativa, laltro i valori assoluti), sono in realt equivalenti.

Dim. Quando la serie contiene elementi tutti dello stesso segno, o anche denitiva-
mente dello stesso segno, lasserto una conseguenza del precedente Teorema sulla
propriet associativa.
Lunico caso da prendere in considerazione quindi che vi siano inniti addendi
positivi e inniti negativi. Consideriamo
P separatamente le due serie dei termini positivi
P
e negativi e indichiamole con 1 p
k=1 k e 1
h=1 qh ; siano inoltre Pk e Qh le loro somme
parziali.
P
Cominciamo con il caso della convergenza. P Se. Sia 1 n=1 xn assolutamente con-
vergente. Si ha allora20 Pk ! P , Qh ! Q e 1 x
n=1 n = P Q. Indichiamo
P1 con Xn la
0
sua somma parziale n-esima e con Xn la somma parziale n-esima di n=1 jxn j. Si ha
allora che Xn ! P Q e Xn0 P ! P + Q. P1
Prendiamo ora una serie 1 m=1 ym ottenuta permutando i termini di n=1 xn e
siano Ym le sue somme parziali. Scomponiamo anch P1essa nelle due
P1serie0 formate dai
0
suoi termini positivi e negativi che indicheremo con r=1 pr e con s=1 qs ; siano inne
Pr0 e Q0s le loro somme parziali. Dobbiamo provare che Ym ! P Q. Ora

Ym = Pr0 Q0s (con r + s = n)


19
A futura memoria, il lettore rietta sulla circostanza che lintegrale di una funzione di segno
qualunque denito proprio cos, cio come la dierenza tra gli integrali delle parti positiva e negativa.
Ci proprio per evitare le inestricabili conseguenze derivanti dal frammischiare i segni.
20
Si badi che, senza lassoluta convergenza (si ricordi la serie armonica con segni alternati), non si
potrebbe garantire che Pn e Qn convergono.
11.6. PROPRIET ASSOCIATIVA E COMMUTATIVA 331

e visibilmente, quando n ! 1, anche r ! 1 e s ! 1. Sempre per il precedente


teorema sulla propriet associativa, Pr0 ! P e Q0s ! Q e perci anche Ym ! P Q.
P1
Solo se. Sia n=1 xn incondizionatamente convergente. DobbiamoP mostrare
che anche assolutamente convergente. Se non lo fosse, entrambe
P P le serie 1k=1 pk e
1 1
q
h=1 h divergerebbero perch, se ne divergesse una soltanto, x
n=1 n non potrebbe
convergere.
Ci baster mostrare
P1 che, in tal caso, si possono permutare i termini in modo che
la risultante serie m=1 ym diverga a +1 oppure diverga a 1. Dunque Pk ! +1
e Qh ! +1; indichiamo con ki il minimo valore di k per il quale Pk > Qi + i.
Disponiamo ora i termini nellordine

p1 + + p k1 q1 + pk1 +1 + + p k2 q2 + :

In tal modo le somme parziali con lultimo termine negativo sono

Pk 1 Q1 ; Pk2 Q2 ; ; Pk i Qi ;

e divergono a +1 perch Pki Qi > i. Scambiando le Pk con le Qh si costruisce una


diversa permutazione che diverge a 1.

P1Vediamo il caso di divergenza. Se. Sia Pk ! +1 e Qh ! Q 2 R col che


n=1 xn = +1. Ogni serie da essa ottenuta permutandone i termini anchessa
divergente dato che, con i simboli gi introdotti Ym = Pr0 Q0s e, ancora per il teorema
precedente, Pr0 ! +1 e Q0s ! Q.

P1Solo seP.1 identica a quella relativa alla convergenza perch, se delle due serie
k=1 pk e h=1 qh una divergesse e laltra convergesse, lasserto sarebbe banale dato
che, riordinando i termini di una serie divergente con termini tutti positivi, si ottiene
sempre una serie divergente.

Da ultimo citiamo, ma non dimostriamo, un teorema veramente devastante.


P1
Teorema 161 (Riemann) P1Sia n=1 xn una serie convergente, ma non assoluta-
mente convergente (cio, n=1 jxnP j = +1). Fissato arbitrariamente
P1 un valore L 2 R,
si possono permutare i termini di 1 x
n=1 n in modo che la serie m=1 ym cos ottenuta
abbia somma L.

Non c che dire: una serie di questo tipo, per esempio la serie armonica con
segni alternati, non gode della propriet associativa nella maniera pi profonda: possi-
amo riorganizzarla in maniera da farle avere qualunque comportamento, convergente
o divergente.

In conclusione, possiamo aermare che soltanto le serie assolutamente convergenti si


comportano come lordinaria somma: per esse vale infatti, senza eccezioni, la propriet
commutativa e, entro certi limiti, anche la propriet associativa.
332 CAPITOLO 11. SERIE NUMERICHE

11.7 Applicazioni
Chiudiamo il capitolo sulle serie con due applicazioni importanti. La prima lim-
potante risultato che ogni numero reale pu essere rappresentato in una qualsiasi base
intera positiva. La seconda utilizza questo risultato per dimostrare il Teorema 90,
ossia che linsieme delle parti di N ha la stessa cardinalit di R, la cui dimostrazione
era stata lasciata in sospeso nella Sezione 7.7.

11.7.1 Rappresentazione dei numeri


Nella Sezione 1.6 si era osservato che i numeri naturali possono essere scritti in una base
intera positiva qualsiasi. Il prossimo teorema generalizza il risultato a ogni numero
reale.

Teorema 162 Sia r 2 N con r 2: Ogni numero reale x pu essere rappresentato


in modo univoco rispetto alla base r come una successione fa; d1 ; d2 ; :::dn ; :::g in modo
tale che:

(i) a il pi grande intero uguale o minore di x;

(ii) dn intero, con 0 dn < r, per ogni n;

(iii) non esiste N intero tale che dn = r 1 per ogni n > N ;

(iv) la successione fcn g denita ricorsivamente da


dn+1
c0 = a ; cn+1 = cn +
rn+1
converge a x.

Viceversa, sia fa; d1 ; d2 ; :::dn ; :::g una successione tale che:

(i) a intero;

(ii) esiste un intero r 2 tale che dn intero e 0 dn < r per ogni n.

Allora esiste un unico reale x tale che la successione fcn g denita ricorsivamente
da
dn+1
c0 = a ; cn+1 = cn +
rn+1
converge a x.

Dim. Sia x un numero reale e sia a il pi grande intero minore o uguale a x. Allora
esiste un numero 0 "1 < r tale che
"1
x=a+ :
r
11.7. APPLICAZIONI 333

Considerando ora il reale "1 , esistono un numero intero d1 2 f0; 1; :::r 1g e un numero
0 "2 < r tali che
"2
"1 = d1 + :
r
Iterando il procedimento n volte, facile vedere che esistono n interi d1 ; d2 ; :::dn 2
f0; 1; :::r 1g e n + 1 reali 0 "1 ; "2 ; :::"n ; "n+1 < r tali che
"2 "3 "n+1
"1 = d1 + ; "2 = d2 + ; :::; "n = dn + :
r r r
Per costruzione si ha quindi:

d1 d2 d3 dn "n+1
x=a+ + 2 + 3 + ::: + n + n+1 : (11.28)
r r r r r
Pi in generale, iterando il procedimento allinnito, esiste una successione di interi
fdi g1
i=1 , con di 2 f0; 1; :::r 1g, che permette di esprimere il reale x nel seguente modo:

X
1
di
x=a+ (11.29)
i=1
ri

La (11.29) mostra che la successione fcn g converge a x se e solo se la serie

X
1
di
(11.30)
i=1
ri

converge a x a: Consideriamo la somma parziale sn della serie (11.30):

X
n
di
sn = :
i=1
ri

Da (11.28) si ha
"n+1 1
0 (x a) sn = n+1
< n:
r r
Siccome
1
lim
= 0;
n!1 r n

applicando il Teorema del confronto si ha che fsn g converge a x a, come desiderato.

Viceversa, sia fa; d1 ; d2 ; :::dn ; :::g una successione che soddisfa le ipotesi (i) e (ii).
Per lunicit del limite, su ciente dimostrare che la serie

X
1
dh
h=1
rh
334 CAPITOLO 11. SERIE NUMERICHE

converge. A tal ne basta osservare che si tratta di una serie a termini positivi tale
che
X 1 n
di X 1 X
n n n 1
1 1 r r
i
< i 1
= k
= 1
< :
i=1
r i=1
r k=0
r 1 r
r 1
cio con successione delle somme parziali superiormente limitatata.

Il teorema rende rigorosa unidea intuitiva circa i numero reali. Quando si pensa
a un numero reale, si immagina un numero intero associato a una parte decimale con
innite cifre, che nel caso di numeri irrazionali si susseguono senza regolarit. Per la
classica base r = 10, a rappresenta il numero intero e la successione fd1 ; d2 ; :::dn ; :::g
la parte decimale del numero reale x21 .
Tuttavia, il teorema molto pi profondo e generale: la parte decimale di un
numero reale pu essere sostituita in modo univoco con qualsiasi base intera r 2
diversa da 10. In altre parole, come gi si osservato nella Sezione 1.6, lusuale rapp-
resentazione decimale dei numeri reali solo uno degli inniti modi di rappresentarlo.
Il lettore curioso pu (ri)leggere la Sezione 1.6 per avere informazioni dettagliate sul-
luso di diverse basi di rappresentazione dei numeri dalle diverse civilt nella storia.
La rappresentazione decimale risulta particolarmente comoda per il nostro modo di
numerazione, ma, per esempio, per dimostrare il Teorema 90 occorre considerare la
base binaria con r = 2 (peraltro ampiamente usata in informatica ed elettronica).

11.7.2 Applicazione alla teoria degli insiemi


Possiamo ora dimostrare il Teorema 90, completando in tal modo la Sezione 7.7.2. Al
riguardo, si ricordi che tale teorema aerma che 2N = jRj, ossia che linsieme delle
parti dei numeri naturali ha la potenza del continuo.
Il Teorema 162 sar il perno della dimostrazione. Occorre tuttavia prima fare
alcune premesse sul legame che intercorre tra insieme delle parti di un insieme A e
linsieme delle funzioni f : A ! f0; 1g da A in f0; 1g, denito come 2A . Osserviamo che
(non a caso!) la notazione usata per i due insiemi la stessa. Per evitare confusione, in
questa sottosezione 2A indica linsieme di tali funzioni, mentre P(A) indica linsieme
delle parti di A.
I due insiemi hanno la stessa cardinalit. Nel caso di A nito semplice vederlo.
Abbiamo gi visto che jP(A)j = 2n se se jAj = n. Daltra parte, non di cile
dimostrare che, dati due insiemi A e X di rispettiva cardinalit n e k, allora il numero
di funzioni f : A ! X pari a22 k n . Da ci segue j2A j = 2n se jAj = n.
21
Si noti che la richiesta che non esista N intero tale che dn = r 1 per ogni n > N serve per
avere lunivocit della rappresentazione. A titolo di esempio, il numero 1000 in base 10 pu essere
rappresentato solo dalla successione f1000; 0; 0; 0; ::::g e non anche dalla successione f999; 9; 9; 9; :::g.
22
Infatti, sia A = fa1 ; a2 ; :::; an g e X = fx1 ; x2 ; :::; xk g : Poich la funzione non necessariamente
iniettiva, vi sono k modi diversi di denire f (a1 ); k 2 modi diversi di denire (f (a1 ); f (a2 )),... k n modi
diversi di denire (f (a1 ); f (a2 ):::f (an )). inne evidente che vi una corrispondenza binunivoca tra
una funzione f e le n-uple del tipo (f (a1 ); f (a2 ):::f (an )):
11.7. APPLICAZIONI 335

Per un insieme nito A linsieme delle parti di A e linsieme delle funzioni f : A !


f0; 1g hanno la stessa cardinalit, da cui il precedente abuso di notazione. Il prossimo
risultato mostra che questa corrispondenza biunivoca vale anche per insiemi inniti.

Proposizione 163 Per ogni insieme A si ha jP(A)j = j2A j.

Dim. Per dimostrare che due insiemi hanno la stessa cardinalit bisogna stabilire una
corrispondenza biunivoca tra i loro elementi. Sia B 2 P(A). Allinsieme B associamo
la funzione fB 2 2A denita da
(
1 se x 2 B
fB (x) = :
0 se x 2 A B

Viceversa, sia f 2 2A : Alla funzione f associamo linsieme B 2 P(A) denito da

B = fx 2 A : f (x) = 1g :

Si noti che gli insiemi ; e da A sono in corrispondenza, rispettivamente con la funzione


costante f (x) = 0 per ogni x 2 A e con la funzione costante f (x) = 1 per ogni
x 2 A. Si quindi stabilita una corrispondenza biunivoca tra gli elementi di P(A) e
gli elementi di 2A .

Alla luce di questo risultato, per dimostrare il Teorema 90 baster trovare una
corrispondenza biunivoca tra i numeri reali e le funzioni f : N ! f0; 1g.

Dim. del Teorema 90 Grazie alla Proposizione 163, su ciente dimostrare che
linsieme 2N delle funzioni f : N ! f0; 1g ha la potenza del continuo. In altre parole,
dobbiamo dimostrare che esiste una corrispondenza biunivoca tra 2N e R, oppure (per
la propriet transitiva dellequipotenza) tra 2N e un insieme che ha la potenza del
continuo. A tale scopo, osserviamo che lintervallo [0; 1) ha la potenza del continuo,
com facile vericare. Intendiamo quindi stabilire una biiezione tra 2N e [0; 1). Si noti,
a tal ne, che linsieme 2N altro non che linsieme delle successioni a valori in f0; 1g.
Applicando il Teorema 162 con la base r = 2, esiste una corrispondenza biunivoca
tra i numeri reali x 2 [0; 1) e le successioni fd1 ; d2 ; :::dn ; :::g, con di 2 f0; 1g per ogni
i 1.23 Si ha quindi j2N j = j[0; 1)j, il che implica 2N = jRj.

23
A essere rigorosi no in fondo (cio pedanti), osserviamo che, per avere lunivocit della rappre-
sentazione di un numero reale, da 2N abbiamo tolto linsieme delle successioni denitivamente costanti
e pari a 1, insieme che chiameremo K1 . Sarebbe quindi pi corretto dire che vi una biiezione tra
[0; 1) e il sottoinsieme di 2N denito da 2N K1 (insieme formato da tutte le successioni a valori in
f0; 1g e non denitivamenta pari a 1). Tuttavia, possibile dimostrare che linsieme K1 numerabile.
Pertanto, poich 2N K1 ha la potenza del continuo, anche 2N ha la potenza del continuo.
336 CAPITOLO 11. SERIE NUMERICHE
Capitolo 12

Limiti di funzioni

12.1 Esempi introduttivi


Il concetto di limite nasce per formalizzare rigorosamente il concetto di come si com-
porta una funzione quando la variabile indipendente si avvicina, tende, a un punto x0 .
Per ssare le idee, cominciamo con alcuni esempi introduttivi nei quali consideriamo
funzioni scalari, per poi arrivare a una formalizzazione rigorosa sia nel caso scalare sia
nel pi generale caso di funzioni di vettore.

Consideriamo la funzione f : R f0g ! R data f (x) = (sin x) =x e vediamone il


comportamento per punti via via pi vicini a x0 = 0, ossia allorigine. Nella prossima
tabella troviamo i valori che la funzione assume per alcuni punti sempre pi vicini
allorigine:

x 0; 2 0; 1 0; 01 0; 001 0; 001 0; 01 0; 1 0; 2
sin x
0; 993 0; 998 0; 99998 0; 9999999 0; 9999999 0; 99998 0; 998 0; 993
x

Inserendo altri valori via via pi vicini allorigine, si pu vericare che si hanno valori
di (sin x) =x sempre pi prossimi al limite L = 1. In questo caso si dice che il limite
di (sin x) =x per x che tende a x0 = 0 L = 1; in simboli:

sin x
lim =1
x!0 x

Si osservi che in questo esempio il punto x0 = 0 relativamente al quale si prende il


limite non appartiene al dominio della funzione f .

Sia f : R ! R la funzione cos denita:

x per x 1
f (x) =
1 per x > 1

337
338 CAPITOLO 12. LIMITI DI FUNZIONI

il cui graco

3
y

1 1

0
O 1 x

-1

-2

-3
-3 -2 -1 0 1 2 3 4 5

Come si comporta f avvicinandosi al punto x0 = 1? Prendendo punti sempre pi


vicini a x0 = 1 si ha:

x 0; 95 0; 98 0; 99 0; 999 0; 9999 1; 0001 1; 001 1; 01 1; 02 1; 05


f (x) 0; 95 0; 98 0; 99 0; 999 0; 9999 1 1 1 1 1

Aggiungendo altri valori, via via pi vicini a x0 = 1, si pu vericare che per valori di
x sempre pi prossimi a x0 = 1 si hanno valori di f (x)