Geometria 2015: Esercizi e Note

Sophie M. Fosson
sophie.fosson@polito.it
June 11, 2015

ii
Queste note
seguono lordine cronologico delle mie esercitazioni in aula;
non necessariamente riportano tutto quello fatto in aula;
includono tutto il materiale delle mie slide;
possono includere materiale aggiuntivo;
includono la teoria necessaria per svolgere gli esercizi;
sono scritte in forma schematica e piuttosto informale;
sicuramente sono piene di errori (ogni segnalazione sar`a gradita!);
saranno aggiornate e riviste almeno ogni due/tre settimane (ottimisticamente, ogni settimana).

Buon lavoro,
s.m.f.

Contents
1 4 Marzo
1.1 Informazioni e materiale . . . . . . . . . . . .
1.2 Vettori nel piano e nello spazio (R2 , R3 ) . . .
1.3 Operazioni tra vettori nel piano e nello spazio
1.4 Operazioni tra vettori nel piano e nello spazio
1.5 Prodotto vettoriale (R3 ) . . . . . . . . . . . .
1.6 Prodotto misto (R3 ) . . . . . . . . . . . . . .

.
.
.
.
.
.

1
1
1
2
2
3
4

2 11 Marzo
2.1 Spazio vettoriale (SV) . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Spazi e sottospazi . . . . . . . . . . . . . . . . . . . . . . . . . . .

5
5
5

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

3 18 Marzo
11
3.1 Combinazioni lineari di vettori . . . . . . . . . . . . . . . . . . . 11
3.2 Basi e dimensioni di un spazio vettoriale . . . . . . . . . . . . . . 11
4 25 marzo
17
4.1 Matrici: riduzione e rango . . . . . . . . . . . . . . . . . . . . . . 17
4.2 Sistemi lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
5 1 aprile
23
5.1 Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
5.2 Regola di Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
5.3 Inversione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
6 15 aprile
29
6.1 Applicazioni lineari . . . . . . . . . . . . . . . . . . . . . . . . . . 29
7 22 aprile
33
7.1 Matrice associata ad una.l. . . . . . . . . . . . . . . . . . . . . . 33
7.2 Cambiamento di base . . . . . . . . . . . . . . . . . . . . . . . . 35
7.3 Applicazioni lineari e cambiamenti di base . . . . . . . . . . . . . 36
8 29 aprile
39
8.1 Autovettori, autovalori . . . . . . . . . . . . . . . . . . . . . . . . 39
8.2 Molteplicit`
a e diagonalizzazione . . . . . . . . . . . . . . . . . . . 40
9 6 maggio
45
9.1 Matrici simmetriche . . . . . . . . . . . . . . . . . . . . . . . . . 45
iii

iv

CONTENTS

10 13 maggio
49
10.1 Coniche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
10.2 Riduzione di coniche alla forma canonica . . . . . . . . . . . . . . 49
11 20 maggio
53
11.1 Geometria nello spazio . . . . . . . . . . . . . . . . . . . . . . . . 53
12 27 maggio
57
12.1 Studio di funzioni in due variabili . . . . . . . . . . . . . . . . . . 57
13 10 giugno
61
13.1 Esercizi di riepilogo: simulazione esame . . . . . . . . . . . . . 61

Chapter 1

4 Marzo
1.1

Informazioni e materiale

sophie.fosson@polito.it
http://calvino.polito.it/fosson note, esercizi (trovate anche materiale
degli anni scorsi, in inglese)
Portale della didattica note, esercizi
Libri: Baldovino - Lanza, Algebra lineare e geometria, Esercizi e Temi
desame, Esculapio

1.2

Vettori nel piano e nello spazio (R2 , R3 )

Notazioni:
1. v vettore
2. i, j, k versori (modulo=1) degli assi x, y, z
3. v = v1 i + v2 j = (v1 , v2 ) vettore nel piano (R2 )
4. v = v1 i + v2 j + v3 k = (v1 , v2 , v3 ) vettore nello spazio (R3 )
5. vi = i-esima componente di v
Nel seguito, user`
o per lo pi`
u la notazione v = (v1 , v2 , ), cio`e per me
un vettore `e una sequenza di numeri reali. Per ora ci limitiamo a sequenze
di n = 2, 3 numeri reali; in futuro generalizzeremo a qualunque n (e ad altre
tipologie di oggetti, per esempio numeri non reali....)
Ora iniziamo a fare operazioni sui vettori nello spazio R3 .
Osservazione 1 Per le operazioni uso prevalentemente definizioni algebriche,
perche generalizzabili a n > 3. Tutti gli esercizi con n = 2, 3 si possono anche risolvere con le tecniche geometriche/trigonometriche (per esempio, per prodotto
scalare e vettoriale).
1

CHAPTER 1. 4 MARZO

1.3

Operazioni tra vettori nel piano e nello spazio

1. Somma tra vettori: componente per componente u + v = (u1 + v1 , u2 +

v2 , . . . )
2. Prodotto tra uno scalare a R e un vettore: av = (av1 , av2 , . . . )
3. Prodotto scalare: hv, wi = v w = v1 w1 + v2 w2 + . . .
4. Norma (o modulo): |v| = kvk =

vv

5. v e w sono ortogonali se v w = 0
6. v e w sono paralleli se esiste a R tale che v = aw
Esercizio 1 Dati u = (1, 2, 1) e v = (1, 0, 1/3), calcolare
w = 2u (u v)(9v)
.
u e w sono ortogonali?
Soluzione
u = (1, 2, 1), v = (1, 0, 1/3)
u v = 1 (1) + 2 0 + 1 1/3 = 2/3

w = 2(1, 2, 1) + 2/3(9, 0, 3) = (4, 2, 4) + (6, 0, 2) = (10, 2, 2)

u w = 10 + 4 + 2 = 16 non ortogonali

Per esercizio, provare ad usare anche la definizione trigonometrica di prodotto

scalare (|u||v| cos (u, v))

1.4

Operazioni tra vettori nel piano e nello spazio

Esercizio 2 Come sono fatti i vettori ortogonali u = (1, 2, 1)?

E quelli ortogonali a v = (1, 0, 1/3)?
E quelli ortogonali sia ad u che a v?
Soluzione
(1, 2, 1) (r1 , r2 , r3 ) = r1 + 2r2 + r3 = 0

(1, 0, 1/3) (s1 , s2 , s3 ) = s1 + 1/3s3 = 0 s3 = 3s1

r1 + 2r2 + 3r1 = 0 r2 = 2r1

r = (r1 , 2r1 , 3r1 ) = r1 (1, 2, 3)

Provare ad usare anche la definizione trigonometrica di prodotto scalare
(|u| |v| cos (u, v)).

1.5. PRODOTTO VETTORIALE (R3 )

1.5

Prodotto vettoriale (R3 )

Per calcolare il prodotto vettoriale, anticipo due concetti che studiermo in futuro, quello di matrice e di determinante.
Per matrice intendo semplicemente una tabella di numeri. Per esempio,


a11 a12
A=
aij R, i = 1, . . . , m; j = 1, . . . , n
(1.1)
a21 a22
`e un matrice 2 2 a componenti reali.
Il determinante `e un numero associato alla matrice (di cui vedremo in futuro
limportanza). Il determinante di una matrice 2 2 si calcola cos`:


 a11 a12 


(1.2)
 a21 a22  = a11 a22 a12 a21
Il determinante di una matrice 3 3 si pu`a calcolare cos`: considero a turno
gli elementi della prima riga. Parto da a11
1. immagino di cancellare la riga e la colonna contenenti a11
2. mi rimane una sottomatrice 22: ne calcolo il determinante e lo moltiplico
per a11
Ripeto il procedimento per a12 e a13 e poi sommo tutto, per`
o alternando i segni.
In conclusione:
a11 (a22 a33 a23 a32 ) a12 (a21 a33 a23 a31 ) + a13 (a21 a32 a31 a22 )
Il prodotto vettoriale si calcola come un determinante:

 i

w = u v = u v =  u1
 v1

j
u2
v2

k
u3
v3

= (u2 v3 v2 u3 )i (u1 v3 v1 u3 )j + (u1 v2 v1 u2 )k

Osservazione 2
wu=0
wv =0

Osservazione 3 i, j, k non sono numeri (scalari), ma vettori! Quindi tecnicamente stiamo abusando della definizione di matrice; a livello simbolico comunque
il calcolo funziona.
Esercizio 3 Dati u = (3, 1, 1) e v = (1, 1/3, 1/3) calcolare
(a) u v
(b) u v
(c) u u (v 1/3j)
Soluzione
(a) u v = 3 1/3 1/3 = 11/3.
(b) (0, 0, 0). u e v sono paralleli. Infatti, u = 3v.

CHAPTER 1. 4 MARZO
(c) Soluzione standard:

u (v 1/3j) = u (1, 0, 1/3) = (1/3, 0, 1) e infine u (1/3, 0, 1) = 0.

(c) Soluzione smart:

Qualunque w, (u u w) = 0, poiche u w `e ortogonale ad u e anche a

v.

Provare ad usare anche la definizione trigonometrica di prodotto vettoriale

(|u| |v| sin (u, v) per il modulo e regola mano destra per direzione e verso)

1.6

Prodotto misto (R3 )

Il prodotto misto tra 3 vettori `e u v w. Si pu`o calcolare facendo prima il

prodotto vettoriale e poi il prodotto scalare1 , oppure attraverso il calcolo del
seguente determinante (riuscite a spiegare perche?):


 u1 u2 u3 


u (v w) =  v1 v2 v3 
 w1 w2 w3 
Se il prodotto misto `e nullo, i tre vettori sono complanari (riuscite a spiegare
perche?).
Esercizio 4 u = (1, 0, 0), v = (1/2, 1/2, 0) e w = (3, 1, 0) sono complanari?
Soluzione
Sol. smart: S`, si vede subito, perche la componente lungo k `e 0 per tutti
e tre.
Sol. standard: Se non si vedesse subito prodotto misto, verificare che
`e nullo.

1 c`
e sempre qualche studente che prova lordine inverso: prima il prodotto scalare e poi
quello vettoriale: vi `
e chiaro perch
e questo non funziona?

Chapter 2

11 Marzo
2.1

Spazio vettoriale (SV)

Un campo `e un insieme K su cui possiamo definire due operazioni, che

chiamiamo somma e prodotto, con tutte le solite propriet`a che hanno la
somma e il prodotto sui numeri reali (commutativa, associativa, elemento
neutro, esistenza opposto e inverso, propriet`a associativa)
Noi useremo principalmente i campi R (reali) e C (complessi)
Chiameremo scalari gli elementi di un campo
Uno SV `e un insieme V associato ad un campo K con
a unoperazione tra elementi di V che chiamiamo somma con le seguenti
propriet`
a:
a.1 chiusura: u, v V , u + v V

a.2 solite propriet`

a: commutativa, associativa, elemento neutro, opposto

b unoperazione tra un elemento di V e uno di K che chiamiamo prodotto

(o prodotto esterno) con le seguenti propriet`a:
b.1 chiusura: u V , a K au V

b.2 solite propriet`

a: commutativa, associativa, distributiva, elemento
neutro (= elemento k K tale che ku = u, v V ) 1

Esempio di SV: Rn con il campo R con le operazione viste laltra volta

2.2

Spazi e sottospazi

Sottospazio dello SV V : sottoinsieme S di V che mantiene le propriet`a di

SV ereditate da V .
1 Potrebbe sembrare strano che non venga richiesto linverso per il prodotto, ma se ci
pensiamo un momento non `
e nemmeno chiaro come definire un inverso per il prodotto tra un
elemento di K e uno di V

CHAPTER 2. 11 MARZO

Ovvero, S `e uno SV con le operazioni di V (e valgono le propriet`a a, b viste

prima)
Da ora in avanti, chiameremo vettore un elemento di uno spazio vettoriale.
Dalla prima settimana ad oggi, la nostra definizione di vettore ha quindi sub`to
un processo di generalizzazione:
1. Vettori applicati nel piano (bidimensionale) e nello spazio (tridimensionale)
2. Sequenze di n numeri
3. Elementi di uno Spazio Vettoriale
Le diverse definizioni non sono in contrasto, anzi: 1. 2. 3..
La somma tra due sottospazi U e S `e un insieme (che chiamiamo U + S)
composto da tutte le possibili somme tra un elemento di U e uno di S. Se
U S = {0}, la somma viene detta diretta e si indica con U S.
Se U, S sottospazi
U S, U + S(o U S) sono sottospazi

U S non necessariamente `e sottospazio

Esercizio 5 Per ognuno dei seguenti sottoinsiemi di R4 , dire quali sono sottospazi:
(a) A = {(x1 , x2 , x3 , x4 ) R4 tale che x1 = x2 }.
(b) B = {(x1 , x2 , x3 , x4 ) R4 t. c. x1 = x2 e x1 + x2 + x3 + x4 = 0}.
(c) C = {(x1 , x2 , x3 , x4 ) R4 t. c. x1 = x22 }.
(d) D = {(x1 , x2 , x3 , x4 ) R4 t. c. x1 + x2 + x3 + x4 0}.
Soluzione
(a) A = {x = (x1 , x1 , x3 , x4 ), x1 , x3 , x4 R}. (0, 0, 0, 0) A. Se x, y A,
allora x + y = (x1 + y1 , x1 + y1 , x3 + y3 , x4 + y4 ) A
cx = (cx1 , cx1 , cx3 , cx4 , ) A per ogni c R. A `e un sottospazio

(b) B A e A = {x = (x1 , x1 , x3 , x3 2x1 ), x1 , x3 R}. Dati x, y B,

allora x + y = z B poiche z1 = z2 e z1 + z2 + z3 + z4 = x1 + y1 +
x2 + y2 + x3 + y3 + x4 + y4 = 0; cx B poiche cx1 + cx2 + cx3 + cx4 =
c(x1 + x2 + x3 + x4 ) = 0. B `e un sottospazio.
(c) C non `e un sottospazio poiche non `e chiuso rispetto a somma e prodotto.
Per esempio, se x, y C e x + y = z, allora z1 = x1 + y1 = x22 + y22 6=
z22 = (x2 + y2 )2 .

2.2. SPAZI E SOTTOSPAZI

(d) D non `e un sottospazio: per esempio (1, 0, 0, 0) D, ma 1(1, 0, 0, 0) =

(1, 0, 0, 0)
/ D.
Esercizio 6 Quale dei seguenti insieme `e uno SV su campo R ?
(a) R2 [x] = {polinomi a coefficienti reali in x di grado 2}.
(b) R=2 [x] = {polinomi a coefficienti reali in x di grado = 2}.
Soluzione
(a) Un generico elemento di R2 [x] ha la forma a0 + a1 x + a2 x2 , ai R,
i = 0, 1, 2.
Somma: usiamo la somma usuale tra polimoni. Per ogni ai , bi R,
i = 0, 1, 2, a0 + a1 x + a2 x2 + b0 + b1 x + b2 x2 + b3 x3 = (a0 + b0 ) +
(a1 + b1 )x + (a2 + b2 )x2 R2 [x] chiusura rispetto alla somma:

Elemento nullo: P (x) 0 R2 [x]

Prodotto: usiamo il prodotto usuale tra polimoni e scalari. R,

(a0 + a1 x + a2 x2 ) = a0 + a1 x + a2 x2 R2 [x] chiusura
rispetto al prodotto
Questo `e sufficiente per concludere che R2 [x] `e uno spazio vettoriale.
(b) P (x) 0
/ R=2 [x]: sufficiente per concludere che R=2 [x]non `e uno spazio
vettoriale. Altro controesempio: x2 R=2 [x], x2 + x R=2 [x], ma la
loro somma x
/ R=2 [x].
Ovviamente questo esercizio si pu`
o estendere a Rn [x] con n = 3, 4, ...
Provare a ripetere lesercizio con coefficienti complessi: C2 [x], C=2 [x]: cambia qualcosa?
Osservazione 4
Nella maggior parte degli esercizi che faremo, i campi
vettoriali saranno del tipo Rn e quindi i vettori saranno sequenze di n numeri. Questo esercizio era per`
o per sottolineare che ci sono anche spazi
vettoriali meno convenzionali, in cui per esempio i vettori sono polinomi. Possono anche capitare altri tipi di funzioni...
In questo esercizio, ricordarsi che non ci interessa studiare landamento
del polinomio: dal punto di vista dellalgebra lineare, cio`
o che conta sono
in fondo i coefficienti del polinomio; i singoli valori di x non ci interessano
per nulla.
E capitato che studenti dicessero: R2 [x] contiene lo zero perche a0 +
a1 x + a2 x2 `e una parabola e ha due zeri... attenzione: lo zero di un
polinomio non ha nulla a che fare con il polinomio nullo, che `e zero dello
SV R2 [x].
Se crea confusione lavorare con i polinomi, notate che c`e unequivalenza
(dal punto di vista dello SV) tra Rn [x] e Rn+1 : a0 + a1 x + a2 x2 +
. . . `e equivalente alla sequenza (a0 , a1 , a2 , . . . ). Provate a pensare alle
operazioni: non cambia nulla!

CHAPTER 2. 11 MARZO
Riuscite ad intuire se questo genere di equivalenza tra uno SV qualsiasi e
uno Rn `e sempre possibile? [Risposta la prossima settimana]

Esercizio 7

1. Determinare se i seguenti sottoinsiemi di R3 sono sottospazi

(a) A = {(x1 , x2 , x3 ) R3 t.c. x2 = x3 }.

(b) B = {(x1 , x2 , x3 ) R3 t.c. x3 = 1}.

(c) C = {(x1 , x2 , x3 ) R3 t.c. x1 = 2x2 = 2x3 }.

(d) D = {(x1 , x2 , x3 ) R3 t.c. x1 = 1, x2 = x3 }.

(e) E = {(x1 , x2 , x3 ) R3 t.c. x1 = 0}.

2. Calcolare intersezione e unione tra i sottospazi

3. Calcolare somma tra i sottospazi
4. Riuscite a dare una descrizione geometrica di questi sottoinsiemi?

Soluzione
1. (a) A = {x = (x1 , x2 , x2 ), x1 , x2 R}. Chiaramente, (0, 0, 0, 0) A.
Se x, y A, allora x + y = (x1 + y1 , x2 + y2 , x2 + y2 ) A perche
le seconde due componenti sono sempre uguali. Infine, anche cx =
(cx1 , cx2 , cx2 ) A per qualsiasi c R. A `e un sottospazio.
(b) (0, 0, 0, 0)
/ B , B non `e un sottospazio.

(c) C `e un sottoinsieme di A. In particolare, se chiamo x2 = R,

C = {(2, , ), R}. E facile provare che lo zero sta in C e che
che C `e chiuso rispetto a somma e prodotto.

(d) D `e un sottoinsieme di B, quindi non pu`o essere sottospazio (non

contiene lo zero).
(e) E `e un sottospazio (contiene lo zero; la somma di due vettori con
prima componente nulla ha ancora la prima componente nulla; moltiplicando per un qualsiasi scalare un vettore con la prima componente
nulla, ottengo ancora un vettore con la prima componente nulla)
2.

C A, quindi A C = C e A C = A.

AE = {(0, , ), R} (che chiaramente `e ancora un sottospazio);

A E = {x R3 tali che x1 = 0 oppure x2 = x3 }. Non `e un
sottospazio, perche per esempio (0, 1, 2) + (1, 0, 0) = (1, 1, 2)
/ A E.

C E = {(0, 0, 0)}. C E = {x R3 tali che x1 = 0 oppure x1 =

2x2 = 2x3 }; come nel caso precedente si vede facilmente che non `e
un sottospazio

3.

A + C = A. Infatti se il generico elemento di A `e del tipo (, , ) e

il generico elemento di C `e (2, , ), con , , R la loro somma
`e (2 + , + , + ) che evidentemente sta ancora in A (seconda

2 E un argomento che vedremo pi`

u avanti e non `
e necessario per risolvere lesercizio, per`
o
se riuscite ad intuire la geometria pu`
o essere utile per velocizzare la risoluzione!

2.2. SPAZI E SOTTOSPAZI

e terza componente sono uguali). Quindi A + C A. Daltra parte,

per larbitrariet`
a di , la prima componente pu`o assumere qualsiasi
valore, quindi ogni elemento di A pu`o essere scritto come (2+, +
, + ). In conclusione, A + C = A.
A + E = R3 . Infatti se il generico elemento di A `e del tipo (, , )
e il generico elemento di E `e (0, , ), con , , , R, qualsiasi
elemento di R3 pu`
o essere scritto come loro somma. Infatti dato un
qualsiasi (x1 , x2 , x3 ) R3 , basta porre (x1 , x2 , x3 ) = (, +, +),
ovvero = x1 , = x2 , = x3 (e a si assegna un valore a
piacere). Precisiamo quindi che qualsiasi elemento di R3 pu`o essere
scritto come loro somma in modo non univoco (= la somma non `e
diretta).
C E = R3 e la somma `e diretta in quanto la loro intersezione
`e solo {(0, 0, 0)}. Possiamo fare unulteriore verifica: se il generico
elemento di C `e del tipo (2, , ) e il generico elemento di E `e
(0, , ), con , , R, qualsiasi elemento di R3 pu`o essere scritto
come loro somma. Infatti dato un qualsiasi (x1 , x2 , x3 ) R3 , basta
porre (x1 , x2 , x3 ) = (2, + , + ), ovvero = x1 /2, = x2 ,
= x3 (e non ci sono parametri liberi).
4. (Le seguenti spiegazioni sono molto informali e poco rigorose. Vedremo
pi`
u avanti il discorso in modo rigoroso.) Si pensi al sistema di riferimento
xyz.
A `e un piano. Proiettato sul piano yz `e la bisettrice; se aggiungo la terza
dimensione x mi viene un piano (ortogonale appunto a yz e contenente la
sua bisettrice).
B `e il piano parallelo a xy alla quota z = 1.
E `e il piano yz.
C `e una retta. Dalla sua definizione, essa `e un qualsiasi multiplo del
vettore applicato nellorigine di componenti (2, 1, 1). Prendere un multiplo
per me significa variare il modulo e il verso a piacere, per cui ottengo di
fatto una retta
Come per A, poiche x2 = x3 la proiezione di D sul piano yz `e la bisettrice;
ma qui ho un vincolo in pi`
u: x1 = 1, che significa che D `e contenuto in
un piano parallelo a yz; D `e quindi una retta.
Da queste decrizioni, possiamo trarre due osservazioni: ci sono piani e
rette che sono sottospazi, altri che non lo sono. Quelli che sono sottospazi
contengono lo zero. Possiamo concludere che ogni piano e retta in R3 che
contiene lorigine, cio`e (0, 0, 0), `e un sottospazio? [Risposta tra qualche
settimana]
Usando queste intuizioni geometriche, possiamo dire qualcosa di pi`
u per
esempio sul calcolo delle intersezioni. Per esempio se A `e un piano e C `e
una retta, in senso geometrico, che tipo di interesezioni posso aspettarmi?
(a) Nessuna, (b) A, (c) un unico punto dello spazio tridimensionale. Nel
terzo caso, se si tratta di sottospazi (che abbiamo detto contengono per
forza lorigine (0, 0, 0)), tale punto deve essere per forza (0, 0, 0).

10

CHAPTER 2. 11 MARZO

Chapter 3

18 Marzo
3.1

Combinazioni lineari di vettori

Sia V uno spazio vettoriale su campo K,

siano v1 , v2 , . . . vn vettori di V
Combinazione lineare (cl): w = a1 v1 + a2 v2 + . . . an vn , ai K, i =
1, 2, . . . , n
L(v1 , . . . , vn )= insieme di tutte le possibili c.l. di v1 , . . . , vn
Insieme di generatori: G = {v1 , . . . , vn } genera V se qualsiasi vettore in
V pu`
o essere scritto come c.l. di vettori di G, ovvero V = L(G)
Vettori linearmente indipendenti (li) : a1 v1 + a2 v2 + . . . an vn = 0 =
a1 = a2 = = an = 0
Se v1 , v2 , . . . vn sono li, {v1 , . . . , vn } `e detto libero (o linearmente indipendente)

3.2

Basi e dimensioni di un spazio vettoriale

Una base di uno SV V `e un qualsiasi insieme ordinato B che

1. genera V : V = L(B)
2. `e li
Uno SV ha infinite basi, ma tutte le basi hanno una propriet`a in comune:
il numero di elementi
Il numero di elementi di una base `e detto dimensione dello SV; indico la
dimensione di V con dim(V ).
Classico esempio: base canonica di Rn
{e1 , . . . , en }
dove ei = (0, 0, . . . , 0, 1, 0, . . . , 0) `e una sequenza di n numeri, tutto zero
tranne un 1 in posizione i (i = 1, . . . , n)
11

12

CHAPTER 3. 18 MARZO
Rn ha dimensione n
EX: (1, 2, 3) = 1e1 + 2e2 + 3e3
Tranne casi triviali, uno SV `e un insieme infinito; se per`o la sua dimensione
`e finita, esso pu`
o essere completamente descritto da un insieme finito (una
sua base)

Esercizio 8 Trovare una base e la dimensione del sottospazio B = {(x1 , x2 , x3 , x4 )

R4 t. c. x1 = x2 e x1 + x2 + x3 + x4 = 0}.
Soluzione
Un generico vettore di B lo posso scrivere come
(, , , 2 ) , R
Inizio da un vettore di B a mia scelta, per esempio pongo = 1 e = 0:
(1, 1, 0, 2).
Parto da B = {(1, 1, 0, 2)} e cerco di completare la base, cio`e aggiungo
elementi a B fino ad ottenere una base.
Una sola regola: posso aggiungere a B solo vettori l.i. a quelli che gi`a sono
in B
Mi fermo quando B genera lo spazio
Provo con = 0, = 1: (0, 0, 1, 0)

a1 (1, 1, 0, 2) + a2 (0, 0, 1, 1) = (a1 , a1 , a2 , 2a1 a2 ) = (0, 0, 0, 0)

a1 = a2 = 0

(1, 1, 0, 2) e (0, 0, 1, 0) sono l.i.

B = {(1, 1, 0, 2), (0, 0, 1, 0)} genera B? Cio`e dato un qualsiasi (, , , 2
) B posso scriverlo come c.l. di elementi di B, cio`e esistono a1 , a2 R
tali che
(, , , 2 ) = a1 (1, 1, 0, 2) + a2 (0, 0, 1, 1)
S`, basta scegliere a1 = , a2 = . Ho finito. La dimensione `e 2.
Osservazioni:
Abbiamo detto che dim(B) = 2. Notare il numero di parametri liberi
nella definizione del vettore generico di B: `e proprio pari alla dimensione.
Questo `e vero sempre!
Quali sono le basi migliori? Per noi, le pi`
u semplici, perche nei nostri
esercizi dovremo spesso farci dei calcoli. Per esempio, in questo esercizio
ho scelto inizialmente = 1 e = 0. Nulla mi vietava di scegliere numeri
pi`
u complicati...

3.2. BASI E DIMENSIONI DI UN SPAZIO VETTORIALE

13

Se conosco la base, posso rappresentare i vettori con i soli coefficienti a1

e a2 .
Ex: w = (, , 1, 2 1) = (1, 1, 0, 2) + (0, 0, 1, 1), allora (, 1) `e la
rappresentazione di w rispetto a B
Applications corner [per dare una speranza a chi trova tutto questo troppo
astratto!]
Qual `e unapplicazione pratica in cui usiamo la rappresentazione di un vettore rispetto ad un certa base?
Quando usiamo il formato JPEG. La conversione di unimmagine in JPEG
`e una procedura di compressione che prevede diversi step. Il primo step `e
rappresentare la nostra immagine di partenza (che pu`o essere pensata come
un matrice o un vettore) rispetto ad una base particolare. Questoperazione `e
nota come DCT (Discrete cosine transoform). Spesso, le rappresentazioni di
immagini rispetto a questa base hanno molti valori vicino a zero e questo `e utile
perche rende limmagine comprimibile.
Il paragrafo intitolato The Discrete Cosine Transform nellarticolo
http://msemac.redwoods.edu/ darnold/math45/laproj/f09/isnyder/paper.pdf
a fine corso dovrebbe essere totalmente leggibile per voi.
Esercizio 9 Trovare una base per
A = {polinomi R2 [x] con termine noto nullo }
Soluzione
Se i polinomi confondono, si pu`
o equilantemente lavorare in Rn , con n opportuno. In questo caso:
Sappiamo che R2 [x] R3
Togliendo il termine note, deduciamo che A R2 (a1 x + a2 x2 (a1 , a2 ))
Una base di R2 `e BR2 = {(1, 0), (0, 1)}
base di A `e BA = {x, x2 } (che `e lequivalente di BR2 nello spazio dei
polinomi di grado 2)
Esercizio 10 Quale di questi insiemi `e una base per R3 ?
1. A = {(1, 2, 0), (0, 0, 2)}
2. B = A {(1, 2, )}
3. C = A {(0, 1, 0), (1, , 0)}
4. D = A {(1, , 0)}
Soluzione
D `e una base. Nello specifico si veda la seguente tabella, dove riassumiamo i
risultati dei test sulle propriet`
a per essere base:

14

CHAPTER 3. 18 MARZO

A
B
C
D

gen
NO
NO
SI
SI

li
SI
NO
NO
SI

base
NO
NO
NO
SI

Esercizio 11 Linsieme delle matrici del tipo



0 a
, a, b R
b 2b
`e uno spazio vettoriale? Di che dimensione? Trovare una base.
Soluzione
Questo esercizio `e analogo ai precedenti, solo ci troviamo di fronte a matrici
invece che a vettori. Se la cosa ci spaventa, possiamo sempre cambiare forma
alla matrice e scriverla per esempio come un vettore (0, a, b, 2b) e lavorare in R4
invece che in R2,2 . Da quanto detto prima, vediamo immediatamente che tutti i
vettori del tipo (0, a, b, 2b) formano uno SV, che `e di dimensione 2 (2 parametri
a e b) e scrivendo
(0, a, b, 2b) = a(0, 1, 0, 0) + b(0, 0, 1, 2)
otteniamo facilmente una base B = {(0, 1, 0, 0), (0, 0, 1, 2)}. E chiaro infatti che
B genera lo SV e che i suoi elementi sono l.i. Per concludere lesercizio torniamo
a R2,2 e scriviamo la base come

 

0 1
0 0
B={
,
}, a, b R
0 0
1 2
Esercizio 12 Dato linsieme V = {funzioni f C 0 [0, 1]} quale delle seguenti
affermazioni `e vera?
1. V non `e uno SV
2. dim(V )=1 in quanto ogni f V `e derivabile una volta
3. V ha una sola base
4. una base di V contiene infiniti elementi
Soluzione
4. Le funzioni continue e derivabili (in questo caso su [0, 1], ma il dominio di fatti
importa poco) formano uno spazio vettoriale, poiche la funzione identicamente
nulla f = 0 `e continua e derivabile; la somma di funzioni continue e derivabile `e
continua e derivabile; il prodotto per uno scalare non altera la natura continua
e derivabile di una funzione. Ma che dimensione ha questo spazio? Infinita,
perche non ho modo di trovare una base finita che mi generi tutte le funzioni
continue e derivabili.
Esercizio 13 Dato linsieme V = {funzioni f C 0 [0, 1] tali che f 0 (x) = x2 }
quale delle seguenti affermazioni `e vera?

3.2. BASI E DIMENSIONI DI UN SPAZIO VETTORIALE

15

1. V non `e uno SV
2. dim(V )=1
3. V ha una sola base
4. una base di V contiene infiniti elementi
Soluzione
1. Qui dobbiamo risolvere una piccola equazione differenziale: otteniamo che
f (x) = x3 /3 + c, c R. E chiaro che se sommo due funzioni di questo tipo
ottengo qualcosa del tipo 2x3 /3 pi`
u qualche costante, quel 2 iniziale mi fa essere
fuori da V , che quindi non `e uno SV.
Esercizio 14 Dato linsieme V = {funzioni f C 0 [0, 1] tali che f 0 (x) = x2 f (x)}
quale delle seguenti affermazioni `e vera?
1. V non `e uno SV
2. dim(V )=1
3. V ha una sola base
4. una base di V contiene infiniti elementi
Soluzione
2. f (x) = kex/3/3 , k R. Ma allora f = 0 V , se sommo f (x) = kex/3/3
e g(x) = hex/3/3 ottengo (k + h)ex/3/3 V , e facilmente si verifica anche la
chiusura rispetto al prodotto. V `e dunque uno SV. La sua dimensione `e 1 perche
qualsiasi vettore di V (cio`e qualsiasi funzione del tipo kex/3/3 `e univocamente
determinata dallo scalare k R. Una base `e semplicemente {ex/3/3 }.

16

CHAPTER 3. 18 MARZO

Chapter 4

25 marzo
4.1

Matrici: riduzione e rango

Elemento speciale di una matrice: elemento 6= 0 al di sotto del quale ci

sono solo zeri
Matrice ridotta (per righe): ogni riga non nulla ha un elemento speciale
Riduzione per righe: possiamo sostanzialmente scambiare righe e fare c.l.
di righe

RANGO
k

dim dello SV generato dalle righe

k

dim dello SV generato dalle colonne

k

num di righe l.i.

k

num di colonne l.i.

k

num di righe non nulle della ridotta per righe

4.2

Sistemi lineari

Dati
A Rm,n
b Rm,1
(A|b) = matrice completa (aggiungi colonna b ad A)
17

18

CHAPTER 4. 25 MARZO

Theorem 1 Teorema di Rouche-Capelli:

Il sistema
Ax = b
ha soluzione x Rn,1 se

(A) = (A|b).

Se (A) = (A|b) = , il sistema ha n soluzioni, cio`e n variabili

libere.
Esercizio 15 Risolvere il sistema Ax = b

1 0
A= 2 1
3 0

con

1
0
1

(4.1)

e b = (1, 0, 0)T .
Soluzione
Procedura:
Ridurre
Applicare Rouche-Capelli per capire se ci sono soluzioni e quante
Trovare le soluzioni (dopo aver ridotto `e semplice)
Per ridurre in modo ordinato possiamo usare il metodo di eliminazione di
Gauss, che prevede di ottenere lelemento speciale della prima riga nella prima
colonna, lelemento speciale della seconda riga nella seconda colonna, e via dicendo, in modo da ottenre una matrice a scalini, con tutti gli zeri in basso
a sinistra. Procediamo con Gauss su su (A|b). Le trasformazioni che facciamo
sono, nellordine (ri indica la riga i-esima):
1. r3 r3 3r1
2. r2 r2 2r1
Queste due trasformazioni ci permettono di ottenere lelemento speciale della
prima riga in posizione (1, 1) e poi notiamo che la matrice cos` ottenuta `e gi`a ridotta, con forma a scalini (le componenti evidenziate sono gli elementi speciali):

0
1
1
1
0
(4.2)
1 2 2
0
0 4 3

Questo non `e lunico modo di procedere per la riduzione, ma `e quello che

ci d`
a la struttura pi`
u ordinata. In certi casi, un intuito algebrico pi`
u allenato
pu`
o consigliare riduzioni pi`
u rapide (come noteremo in seguito), nelle quali si
ottengono pi`
u zeri in un colpo solo: il che pu`o essere vantaggioso! Ma pu`o
anche generare pi`
u confusione nei calcoli e indurre pi`
u facilmente allerrore.
I metodi meccanici tipo Gauss sono usati dai software, che chiaramente non
hanno intuito.
Inoltre Gauss ci permette di ottenre la ridotta sia di A che di (A|b) semplicemente riducendo (A|b). Nel caso precedente vediamo subito che (A) =

19

4.2. SISTEMI LINEARI

(A|b) = 3 e poiche n = 3 `e il numero di componenti incognite, sappiamo subito

che il sistema ha ununica soluzione.
Ottenuta la forma a scalini, scriviamo le equazioni esplicitamente partendo
dallultima riga e risalendo, in modo da calcolare a cascata le variabili:

4x3 = 3 x3 = 3/4
x2 2x3 = 2 x2 = 1/2
(4.3)

x1 + x3 = 1 x1 = 1 3/4 = 1/4
La soluzione `e quindi il vettore: x = 41 (1, 2, 3)T
Esercizio 16 Risolvere il sistema Ax = b

1 0
A= 2 1
3 2

con

1
0
1

(4.4)

e b = (1, 0, 0)T .
Soluzione
Si pu`
o procedere esattamente come

1
0
0

prima e si ottiene

0 1
1
1 2 2
2 4 3

Questa non `e ancora ridotta: procediamo con r3 r3 2r2 :

1
0
1
1
0
1 2 2
0
0
0
1

(4.5)

(4.6)

Notiamo che 2 = (A) < (A|b) = 3, quindi il sistema non ha soluzione.

Esercizio 17 Per quali R il sistema Ax = b con

1 0 1
A= 2 1 0
3 2 1

(4.7)

e b = (1, 0, )T ha
1 soluzioni
2 soluzioni
0 = 1 soluzione
nessuna soluzione
Soluzione
Si procede come nellesercizio precedente e si ottiene

1
0
1
1
0
1 2
2
0
0
0 +1
A questo punto studiamo il parametro e notiamo che

(4.8)

20

CHAPTER 4. 25 MARZO
se = 1, (A) = (A|b) = 2 e il sistema ha 1 soluzioni (cio`e una
variabile libera)
se 6= 1, il sistema non ha soluzioni 2 soluzioni
per nessun valore di abbiamo 0 = 1 o 2 soluzioni
Per = 1, abbiamo

x2 2x3 = 2 x2 = 1/2
x1 + x3 = 1 x1 = 1 + 3/4 = 1/4

(4.9)

Una variabile `e libera, per esempio x3 = R, da cui x2 = 2 2 e

x1 = 1 . La soluzione, o meglio, la famiglia di soluzioni `e quindi:
(1, 2, 0) + (1, 2, 1), R
Sapete dire se questa famiglia di soluzione forma uno spazio vettoriale?
La risposta `e no, perche non esiste tale che (0, 0, 0) sia uguale a (1, 2, 0)+
(1, 2, 1). Avremmo uno spazio vettoriale se non ci fosse (1, 2, 0). Di fatto
abbiamo qualcosa di non tanto diverso da uno spazio vettoriale: si tratta in
fondo di uno spazio vettoriale traslato di (1, 2, 0).
Geometricamente parlando, vedremo in futuro che si tratta di un piano (non
contenente lorigine) in R3 .
Esercizio 18 Consideriamo il sistema

1
2
A=
1

Ax = b con

0 0
1 2

1 2

(4.10)

e b = (1, 0, , )T con , R. Quale delle seguenti affermazioni `e vera?

1. Esistono , per cui il sistema ha infinite soluzioni
2. {1, 0, 1}, se = , allora il sistema ha soluzione.
3. Per = 1 e = , il sistema ha soluzione (1, 1, 2 2a, a)T , a R
4. Il sistema non ammette mai soluzione, indipendentemente da e , perche
ci sono pi`
u equazioni che incognite
5. Esistono , per cui linsieme delle soluzioni `e uno SV
6. Esistono , per cui (1, 2, 0)T `e soluzione del sistema
Soluzione
Due affermazioni sono palesemente false: la 4. (pu`o essere vero, ma non lo
`e in generale), e la 3., perche la soluzione `e un vettore di lunghezza 3, non 4!
Per il resto, procediamo con la riduzione e poi ci occuperemo dei parametri
, .

21

4.2. SISTEMI LINEARI

Qui non usiamo Gauss: il nostro occhio algebrico nota che la seconda riga
di A `e somma delle prima e della terza, quindi abbiamo un modo di annullarla
subito tutta: r2 r2 r1 r3

1 0 0
1
0 0 0 1

(4.11)
1 1 2

Ora riordiniamo:

1
0

1
0
0

2
0
0

1
1

(4.12)

e poi facciamo r2 r2 r1 /

1
0

0
0
0

1
0
0

1
1

(4.13)

Quindi (A) = 2 indipendentemente dai parametri. non ha nessun ruolo

nel rango, mentre (A) = (A|b) = 3 se = 1. Poiche il numero di variabili
`e n = 3, per Rouche-Capelli abbiamo in tal caso ununica soluzione, una volta
fissato anche il parametro . Proviamo a vedere se v = (1, 2, 0)T `e soluzione
per qualche :
e e eb la
2. `e falsa perche per = 0 e = 1 il sistema non ha soluzione. Siano A
e
matrice e il termine noto ottenuti dopo la riduzione in (4.13): Av = (, 0, 1, 0),
che coincide con eb = (, 1 /, 1, 0) per = .
6. `e quindi vera.
Il sistema ha al pi`
u una soluzione, fissati e , quindi 1. `e falsa.
6. `e falsa perche un vettore solitario non costituisce mai uno spazio vettoriale,
a meno che non si tratti del vettore nullo.

22

CHAPTER 4. 25 MARZO

Chapter 5

1 aprile
5.1

Determinante

Come gi`
a accennato allinizio del corso, il determinante `e un numero associato ad
ogni matrice quadrato. E un numero che da solo pu`o dirci alcune informazioni
importanti sulla matrice, per esempio la sua invertibilit`a e informazioni sul suo
rango.
Si calcola cos`:
In R2,2 :


 
 a b 
a b
 = ad bc
(5.1)
det
= 
c d 
c d
In R3,3 :

 a

 d

 h

b
e
i

c
f
j






 = a e
 i





 d
f 


b
 h

j



 d
f 

+
c
 h

j


e 
i 

(5.2)

(qui ho fissato la prima riga, ma si pu`o usare qualsiasi riga o colonna)...

e poi si estende per induzione a Rn,n con n 3.

5.2

Regola di Cramer

Risoluzione di sistemi lineari n n usando determinanti:

Data A Rn,n e il sistema Ax = b, allora
xi =

det Ai
det A

i = 1, . . . , n.

(5.3)

Ai `e la matrice ottenuta A sostituendo la i-esima colonna con b.

Chiaramente dobbiamo avere det A 6= 0 (cio`e A invertibile)
Dimostrazione di Cramer:
Data una matrice quadrata, se facciamo la trasformazione sulle colonne:
ci ci + cj il determinante resta lo stess; se invece facciamo: ci ci ,
R, il determinante della nuova matrice `e il determinante della vecchia
moltiplicato per .
23

24

CHAPTER 5. 1 APRILE
Consideriamo ora

A1 =

b1
b2
..
.

a12
a22
..
.

a13
a23
..
.

...
...
..
.

a1n
a2n
..
.

bn

an2

an3

...

ann

(5.4)

Pn
e poiche bi = j=1 aij xj , i = 1, . . . , n, abbiamo det A1 = x1 det A che prova
la tesi per x1 . Iterando la procedura per gli altri xi , i = 2, 3, . . . otteniamo la
regola di Cramer.
Esercizio 19 Risolvere Ax = b

1
A= 1
1

dove

0
3
1

2
1
2

0
b= 0
1

(5.5)

usando Cramer.
Avrebbe senso risolvere con Cramer il sistema omogeneo con questa stessa
A?
Soluzione


 1

 1

 1

2
1
2

0
3
1






 = 1 1

 2



 0

 0

 1

2
1
2

0
3
1

 1

 1

 1


 1

 1

 1

2
1
2

0
0
1


3 
+ 0 = (1 6) 2(1 3) = 1.
1 



 1
3 
2 
1
1 






 = 1 1

 2







 = 2  0

 1

0
0
1

0
3
1


3 
= 6.
1 




 = 3





 1
0 


2

 1
1


0 
+ 0 = 1 2 = 1.
1 

(5.6)

(5.7)

(5.8)

(5.9)

Quindi
x1 = 6, x2 = 3, x3 = 1.

5.3

Inversione

Inversa di un matrice quadrata A: matrice X tale che AX = I (I= identit`a).

Scriviamo: X = A1 .
Invertibilit`
a:
A Rn,n ammette inversa |A| =
6 0 (A) = n (`e massimo)

25

5.3. INVERSIONE
Esercizio 20

1
A= 0
3

0
1
0

1
0 .
1

(5.10)

A ammette inversa? Se s`, calcolare A1

Soluzione
|A| = 4 quindi la matrice `e invertibile. Calcoliamo linversa.
Metodo 1: risoluzione di un sistema lineare (con incognita vettoriale) per ogni colonna
Sia b = (1, 0, 0)T e si risolva Ax = b dove x = (x11 , x21 , x31 )T `e la prima
colonna dellinversa.
Si ottiene x31 = 34 , x21 = 0, e x11 = 41 .
Ripetere con b = (0, 1, 0)T e b = (0, 0, 1)T per ottenere la seconda e la terza
colonna.
Metodo 2: super riduzione Se A1 esiste, AX = In . Poiche AA1 =
1
A A = In , moltiplichiamo ambo i membri AX = In per A1 : A1 AX =
A1 In , quindi In X = A1 , da cui X = A1 . Quindi se super riduciamo (A|In ),
cio`e otteniamo (In |B), allora B = A1 .
In questo caso:

1 0 1 1 0 0
0 1 0 0 1 0
(5.11)
3 0 1 0 0 1
By r3 r3 2r1

1 0
0 1
0 0

Procediamo con r1 4r1 + r3 :

4 0
0 1
0 0

1
0
4

1
0
3

0 0
1 0
0 1

(5.12)

0
0
4

1
0
3

0 1
1 0
0 1.

(5.13)

0
1/4

1
0
0 1/4.

(5.14)

In seguito, r1 r1 /4, r1 r1 /4:

1 0 0 1/4
0 1 0 0
0 0 1 3/4
Per concludere,

A1

1/4
= 0
3/4

0
1/4

1
0
0 1/4.

Metodo 3: Complementi algebrici

Consigliato per chi `e veloce nel calcolare i determinanti.
A1 =
dove Cij sono ottenuti come segue:

1
CT
det(A)

(5.15)

26

CHAPTER 5. 1 APRILE
eliminare riga i e colonna j in A
calcolare il determinante della matrice cos` ottenuta
moltiplicare il risultato per (1)i+j


0
In questo caso, si calcola facilmente che C11 = (1) det
= 1,
1
C12 = 0, C13 = 3, C21 = 0, C22 = 4, C23 = 0, C31 = 1, C32 = 0, C33 = 1,
da cui si ottiene la matrice finale dividendo il tutto per |A| = 4.

1/4 0
1/4

0
A1 = 0 1
(5.16)
3/4 0 1/4.
2

1
0

Esercizio 21 E vero che qualunque vettore di R4 pu`

o essere scritto come c.l.
di vettori in
B = {(2, 1, 2, 1), (3, 1, 1, 3), (1, 2, 2, 2), (0, 1, 2, 3)}?
Quanti modi conoscete per risolvere questo esercizio?
Soluzione
La domanda finale `e per farci riflettere sul fatto che spesso gli esercizi che
facciamo si possono risolvere conoscendo poche nozioni di teoria, ma pi`
u teoria
sappiamo, meno tempo ci mettiamo. Chiamo: b1 , b2 , b3 , b4 gli elementi di B
(nellordine presentato sopra).
Se conosciamo solo il concetto di c.l. e le relative operazioni:

Prendiamo un generico v R4 e usiamo la definizione di c.l., cio`e ci

domandiamo se esistono i , i = 1, 2, 3, 4 tali che, fissato un qualsiasi v
v=

4
X

i bi .

i=1

Abbiamo quindi un sistema lineare nelle variabili i (v `e un parametro,

non una variabile).
Tempo di risoluzione: non poco.
Se conosciamo anche le matrici e Rouche-Capelli:
P4
Pensiamo ai bi come vettori colonna. Allora
i=1 i bi = B dove
B `e la matrice che ha sulle colonne b1 , . . . b4 e `e il vettore colonna
(1 , . . . , 4 )T . Abbiamo quindi il sistema:
v = B.
Ora ci basta notare che B ha rango massimo (o determinante diverso da
zero) per usare Rouche-Capelli e concludere che tale sistema ha ununica
soluzione, indipendentemente da v. Quindi per qualunque v fissato, trovo
tale che v pu`
o essere scritto come c.l. di elementi di B.
Tempo di risoluzione: qualche minuto per calcolare il determinante o il
rango della matrice 4 4.

5.3. INVERSIONE

27

Se conosciamo anche il concetto di dimensione e base, e sappiamo che R4

ha dimensione 4:
ci basta verificare che B `e l.i. per dedurre che `e una base (e quindi genera
ogni vettore in R4 ). Mettiamo i suoi elementi in una matrice e verifichiamo
tramite rango o determinante.
Tempo di risoluzione: come prima, qualche minuto per calcolare il determinante o il rango della matrice 4 4. Qui per`o non si pensa nemmeno
al sistema lineare, quindi si guadagna qualche secondo.
Esercizio 22 (difficile) Sia n = p + q e


B C
A=
D E
dove B e E sono matrici quadrate rispettivamente p p e q q. Dimostrare cge
(a) Se p < q e E = 0, allora det(A) = 0.
(b) Se p = q e C = 0, allora det(A) = det(B) det(E).
(c) Se C = 0 e D = 0, allora det(A) det(B) det(E).

28

CHAPTER 5. 1 APRILE

Chapter 6

15 aprile
6.1

Applicazioni lineari

Dati due SV U e V su campo K, unapplicazione f : U V `e detta

lineare se per ogni , K e per ogni u, w U ,
f (u + w) = f (u) + f (w).
Nucleo di una.l.:
kerf = {u U : f (u) = 0V }
Immagine di una.l.:
Imf = {v V tale che esiste u U : f (u) = v}
Teorema: ker e Im sono sottospazi risp. di U and V , e
dim(kerf ) + dim(Imf ) = dimU
Una.l. `e determinata se `e definita su una base di U
Esercizio 23 Trovare la.l. f : R3 R tale che f (1, 2, 1) = f (0, 0, 1) = 0 and
f (0, 1, 0) = 1.
Trovare kerf e Imf .
Soluzione
Prima di tutto, notiam che B = {b1 , b2 , b3 }, dove b1 = (1, 2, 1), b2 = (0, 0, 1),
b3 = (0, 1, 0), `e un base di R3 . Il nostro obiettivo `e srcivere esplicitamente
f (u) = ... per ogni u R3 . Poiche B `e una base sappiamo che esistono (e sono
unici) , , R tali che u = b1 + b2 + b3 , da cui calcoliamo = u1 ,
= u3 u1 , = u2 2u1 . Ora, usando la linearit`a:
f (u) = f (b1 + b2 + b3 ) = f (b1 ) + f (b2 ) + f (b3 )
= u1 f (b1 ) + (u3 u1 )f (b2 ) + (u2 2u1 )f (b3 ) = u2 2u1 .
In conclusione, f (u) = u2 2u1 .
29

30

CHAPTER 6. 15 APRILE

dim(kerf ) + dim(Imf ) = dim(U ) = 3. Ora, Imf R, quindi la sua dimensione pu`

o essere 0 o 1. Se fosse 0, Imf = {0}, ma non `e cos` perche 1 `e contenuto
in essa. Quindi dim(Imf ) = 1, e dim(kerf ) = 2.
Dalle dimensioni ricostruiamo subito gli spazi. Infatti, Imf = R (per ogni
U ss di W , se dimU = dimW , allora U = W ), e poiche {b1 , b2 } kerf e b1
and b2 sono linearmente indipendenti, allora kerf = L{b1 , b2 }.
Quiz 1 Quale delle seguenti non `e una.l.?
1. U = V = R3 , u = (u1 , u2 , u3 ) R3 , f (u) = (u3 , u2 , u1 )
2. U = C[0, 1], V = R, g U , f (g) = g(0)
3. U = R2 , V = C[0, 1], u R2 f (u) = u1 ex + u2 e2x
4. U = R2 , V = C[0, 1], u = (u1 , u2 ) R2 f (u) = u1 u2 ex .
Soluzione
1. u, v R3 , , R,
f (u + v) = f (u1 + v1 , u2 + v2 , u3 + v3 )
= (u3 + v3 , u2 + v2 , u1 + v1 ) = f (u) + f (v) a.l..
2. g, h U , , R,
f (g + h) = (g + h)(0) = g(0) + h(0)
=f (g) + f (h) a.l..
3. u, v R2 , , R,
f (u + v) = (u1 + v1 )ex + (u2 + v2 )e2x
= u1 ex + u2 e2x + v1 ex + v2 e2x = f (u) + f (v) a.l..
4. u, v R2 , , R,
f (u + v) = (u1 + v1 )(u2 + v2 )ex
f (u) + f (v)(u1 u2 v1 v2 )ex NO a.l..
Una.l. f : U V `e detta iniettiva se f (u) = f (v), (u, v U ) implica
u = v, mentre `e detta suriettiva se Imf = V . E facile provare che
f iniettiva kerf = {0} dim(kerf ) = 0
Quiz 2 Sia f : R2 [x] R3 una.l. tale che f (1) 6= 0, f (19x) 6= 0, f (2x2 x) 6=
0. Quale delle seguenti affermazioni `e necessariamanete vera?
1. f `e iniettiva
2. f `e suriettiva

31

6.1. APPLICAZIONI LINEARI

3. dim(Imf ) 1
4. dim(kerf ) = 2
Soluzione

dimR2 (x) = 3, allora dim(ker(f )) + dim(Im(f )) = 3. Le possibili combinazioni sono: 0+3; 1+2; 2+1; 3+0.
Poiche f (1) 6= 0 sappiamo che ker(f ) 6= R2 (x),quindi dim(kerf ) < 3 . 3.
`e vera necessariamente perche se dim(ker(f )) {0, 1, 2}, allora dim(Imf )
{3, 2, 1}.
Possiamo costruire facilmente un controesempio di f con nucleo di dimensione 1 per verificare che 1., 2., 4. sono false.
Per esempio, possiamo considerare la f tale che kerf = L{x2 }, f (1) =
(0, 0, 1), e f (x) = (1, 0, 0).
Quiz 3 Data la.l. f tale che (1, 1) kerf e (2, 1) f 1 (1, 1, 1, 1)
(f 1 = controimmagine), la matrice M t.c. u R2 , f (u) = M u `e
1.

2
1

2
1

1
1

1
1

2
1
M =
2
1
2.
1
1
M =
1
1
3.


1
1

1
1

1
1

1
1

1
1

1
1

1
1

3
1

M=
4.
M=

Quiz 4 Data f definita nel Quiz 3, quale delle seguenti `e vera?

1. ker(f ) = L{(1, 1)} e Im(f ) = L{(1, 1, 1, 1)}
2. dim(kerf ) + dim(Imf ) = 4
3. ker(f ) = L{(1, 1), (0, 1)}
4. Una base per ker(f ) `e {(1, 1), (0, 0)}
Esercizio 24 Data f definita nel Quiz 3, e data g : R4 R2 definita da
g(v) = (v1 , 0), studiare Im(g f ) e ker(g f )
Soluzione
Quiz 3: 2.

32

CHAPTER 6. 15 APRILE

3. e 4. sono false perche la dimensione di M deve essere 4 2, not 2 4. La

condizione sul nucleo vale sia per 1. che per 2., ma

2






1
2
1
0

f
= 2f
f
=
2
1
0
1
1
Soluzione
Quiz 4: 1.
Sappiamo che dim(kerf ) + dim(Imf ) = dim(R2 ) = 2. Quindi 2. `e falsa. Nulceo
e immagine contengono almeno un vettore non nullo, quindi dim(kerf ) 1,
dim(Imf ) 1, ma poiche la somma `e 2, dim(kerf ) = dim(Imf ) = 1, e 1. `e
vera. 3. `e falsa perche kerf non pu`o essere generata da due vettori l.i. e 4. `e falsa
perche (0, 0) non appartiene mai ad una base! (mentre kerf = L{(1, 1), (0, 0)}
sarebbe stato corretto!).
Provare a risolvere lesercizio anche in modo costruttitivo, cio`e senza guardare
le risposte multiple. Come si deve procedere?

Chapter 7

22 aprile
7.1

Matrice associata ad una.l.

Applicazione lineare Matrice

B = {b1 , . . . , bm } base di U u = 1 b1 + + m bm , indichiamo con

(u)B = (1 , . . . , m ) la rappresentazione (unica) di u rispetto a B.
Rappresentazione = sequenza coefficienti rispetto ad una base
Attenzione allordine degli elementi della base!
f : U V a.l., B = {b1 , b2 , . . . , bm } base di U , C base di V
MfB,C associata a f rispetto alle B e C:
..
.

(f
(b
=
1 ))C

..
.

MfB,C

..
.
(f (b2 ))C
..
.

..
.

..
.

..
.

(f (bm ))C

..
.

MfB,C ha dim(V ) righe e dim(U ) = m colonne

2 0 1
Esercizio 25 Data M = 1 1 0 sia f : R3 R3 lendomorfismo
0 0 3
1
tale che f (u) = M u. Trovare la matrice MfB 2 associata a f rispetto a
B = {b1 , b2 , b3 } = {(1, 0, 0)T , (0, 1, 0)T , (1, 1, 1)T }
Soluzione
f (b1 ) = (2, 1, 0)T = 2b1 + b2 1 colonna: (f (b1 ))B = (2, 1, 0)T
f (b2 )T = (0, 1, 0)T = b2 1 colonna: (f (b2 ))B = (0, 1, 0)T
1 Chiamiamo
2 Per

endomorfismo ogni a.l. del f : V V (da uno SV in se stesso)

brevit`
a, scriviamo MfB invece di MfB,B quando la base `
e la stessa

33

34

CHAPTER 7. 22 APRILE

[Notare che in questi due casi vettori e rappresentazioni rispetto a B coincidono... perche b1 e b2 sono vettori della base canonica!]
f (b3 ) = (3, 0, 3)T = 3b3 3b2 3 colonna: (f (b3 ))B = (0, 3, 3)T .

2 0
0
MfB = 1 1 3
0 0
3
Quiz 5 Sia f endomorfismo di R2 tale che per u = (1, 2) f (u) = 2u e per
v = (1, 3), f (v) = u



3 3
`e la matrice associata a f rispetto alla base canonica
(a)
=
8 6
E = {e1 , e2 } = {(1, 0), (0, 1)}
(b)

MfE

1
5

MfE

1
5

(c) MfB =

2
0

1
8

3
6
1
0

`e la matrice associata a f rispetto a E


`e la matrice associata a f rispetto alla base B = {u, v}


2 1
=
`e la matrice associata a f rispetto alla base B =
(d)
0 0
2
2
{u, f (v)}, dove f (u) = f (f (u)).
MfB

Soluzione
Iniziamo a lavorare sulla (c), dato che conosciamo gi`a i valori di f sugli elementi
u e v della base data.
f (u) = 2u (f (u))B = (2, 0)T
f (v) = u (f (u))B = (1, 0)T

Quindi (c) `e vera.

Per completezza, calcoliamo MfE Notiamo che
f (u) = f (e1 ) + 2f (e2 )
f (v) = f (e1 ) + 3f (e2 )
Sommando e sottraendo questo due equazioni otteniamo facilmente
1
(4, 8)T
5
1
f (e2 ) = (3, 6)T
5
f (e1 ) =

cio`e


4 3
=
8 6
(d) `e falsa perche f 2 (v) = f (f (v)) = f (u = 2u, quindi u e f 2 (u) sono
linearmente dipendenti e non formano una base!
MfE

1
5

35

7.2. CAMBIAMENTO DI BASE

7.2

Cambiamento di base

v V , V s.v. di dimensione N
B = {b1 , . . . , bN }, C = {c1 , . . . , cN } basi di V
(v)B (risp. (v)C ) rappresentazione di v rispetto a B (risp. C)
Esiste una matrice quadrata P B,C
(v)B = P B,C (v)C
P B,C ha per colonne (c1 )B , . . . (cN )B
P B,C `e invertibile e (P B,C )1 = P C,B ;
P B,C `e detta matrice di cambiamento di base.
Esercizio 26 Sia E la base canonica di R3 e C = {(1, 2, 3), (1, 0, 0), (0, 0, 1)}.
Calcolare P E,C ...
... e P C,E
Qual `e la rappresentazione di v = (1, 2, 3) rispetto a C?
Soluzione

P E,C

1
= 2
3

1
0
0

0
0
1

(Nessun calcolo `e necessario per P E,C , basta aver capito la definiizione di

matrice di cambiamento di base)
In seguito, notiamo facilmente che
e1 = c2 = 0c1 + 1c2 + 0c3 (e1 )C = e2

(e3 ) = c3 = 0c1 + 0c2 + 1c3 (e3 )C = e3

1
3
1
1
(e2 ) = c1 c2 c3 (e2 )C = (1, 1, 3)T
2
2
2
2

Lespressione per e2 richiede qualche calcolo in pi`

u, di fatto si risolve il sistema
e2 = x1 c1 + x2 c2 + x3 c3 , che per`
o `e molto semplice (suggerimento: scrivere
lequazione sulla seconda componente, poi sula terza, infine sulla prima).
In conclusione,

1
0
0
2
P C,E = 1 12 0
0 32 1
a anche calcolare come inversa di P E,C : per esercizio,
(Volendo P C,E si pu`
verificare che sono luna linversa dellaltra.)
Per v = (1, 2, 3)T , si ha (v)C = (1, 0, 0)T .

36

CHAPTER 7. 22 APRILE

7.3

Applicazioni lineari e cambiamenti di base

f :U V
B, B 0 basi di U
C, C 0 basi di V
Vale la relazione:

P C,C MfB

,C 0

= MfB,C P B,B

Esercizio 27 Siano
U = R2 [x], B = {1, x, x2 5} base di U .
C = {(1, 0), (1, 1)} base di V = R2 .
D = {(0, 1), (1, 2)} base di V = R2 .
f : U V data da f (a0 + a1 x + a2 x2 ) = (a0 + a1 , a1 a2 )
1. Trovare la matrice associata a f rispetto a B e C.
2. Trovare la matrice associata a f rispetto a B e D.
3. Discutere iniettivit`
a e suriettiva di f .
Soluzione
1.
f (1) = (1, 0)T (f (1))C = (1, 0)T

f (x) = (1, 1)T (f (x))C = (0, 1)T

f (x2 5) = (5, 1)T (f (x2 5))C = (4, 1)T

da cui
MfB,C


=

1
0

0
1

4
1

2. Possiamo usare la relazione (7.1), che in questo caso `e

P C,D MfB,D = M B,C P B,B
quindi
MfB,D = P D,C M B,C P B,B .
Chiaramente P B,B `e lidentit`a, quindi
MfB,D = P D,C M B,C .
Ci manca solo PD,C :
c1 = 2d1 + d2 (c1 )D = (2, 1)T
c2 = d1 + d2 (c1 )D = (1, 1)T

(7.1)

37

7.3. APPLICAZIONI LINEARI E CAMBIAMENTI DI BASE

quindi
P

D,C


=

2
1

1
1

In conclusione:
MfB,D =

2
1

1
1



1 0
0 1

4
1


=

2
1

1
1

9
5

In alternativa, si poteva procedere come per il calcolo di MfB,C .

3. Per studiare iniettivit`
a e suriettivit`a possiamo usare il risultat. Sia Mf la
matrice associata alla.l. f : V W , non importa rispetto a quale base.
Allora,
dim(Imf ) = (Mf );

dim(kerf ) = dimV (Mf )

In questo caso, abbiamo (MfB,C ) = 2 quindi dim(Imf ) = 2, cio`e Imf =

R2 . f `e quindi suriettiva. Infine, dim(kerf )=1, quindi f non `e iniettiva.

38

CHAPTER 7. 22 APRILE

Chapter 8

29 aprile
8.1

Autovettori, autovalori

1. Data A Rnn , v Rn (non nullo) `e detto autovettore di A se esiste

R tale che Av = v
2. Tale `e detto autovalore di A.
3. Calcolo autovalori:
det(A I) = 0
det(A I) = polinomio caratteristico.
4. Dati gli autovalori, gli autovettori sono le soluzioni di (A I)v = 0.
5. Autospazio = SV generato da autovettori
Quiz 6

1
0
3

1
2
0

1
0
1

(a) non ha autovettori perche `e quadrata

(b) ha solo autovalore = 2
(c) ha due autovalori complessi
(d) ha due autovalori reali
Infine, calcolare autovettori e autospazi
(a) `e falsa (gli autovettori si calcolano solo per matrici quadrate!). Per valutare
le altre risposte, calcoliamo gli autovalori.
Soluzione
Autovalori:

1
det 0
3

1
2
0

1 = 2, 2 = 2
39

1
= (2 + )(4 2 ) = 0
0
1

40

CHAPTER 8. 29 APRILE
(d) `e laffermazione corretta.
Autovettori per 1 = 2:

1
0
3

1
4
0

1
0 v = 0 v = (, 0, )T = (1, 0, 1)T , R
3

Autospazio: L{(1, 0, 1)T }.

Autovettori per = 2:

3 1 1
0 0 0 v = 0 v = (, 0, 3) = (1, 0, 3), R
3 0 1
Autospazio: L{(1, 0, 3)T }.

8.2

Molteplicit`
a e diagonalizzazione

Sia autovalore di A Rnn

1. = molteplicit`
a algebrica di = esponente di (x ) nel polinonio caratteristico.
2. = molteplicit`
a geometrica di = dim dellautospazio generato dagli
autovettori relativi a .
3. 1 sempre. Inoltre, la somma delle `e n
4. Se per tutti gli autovalori si ha = , A `e detta diagonalizzabile
5. o equivalentemente diciamo che lendomorfismo f associato ad A `e semplice
6. gli autovettori di un matrice diagonalizzabile formano una base.
7. A, B Rnn sono simili se esiste P Rnn tale che A = P BP 1
8. A `e diagonalizzabile `e simile ad una matrice diagonale D (nello specifico,
D = P 1 AP dove P `e la matrice che ha sulle colonne gli autovettori di
A)
Quiz 7 Sia f un endomorfismo non suriettivo R3 che ha 2 e 4 tra i suoi autovalori
(a) 2 e 4 sono gli unici autovalori di f
(b) lautospazio associato allautovalore 2 pu`
o avere dimensione 3
(c) f `e semplice
(d) f `e iniettivo
Soluzione
Soluzione of Quiz 7 (c)
Un endomorfismo non suriettivo ha sempre lautovalore 0.

` E DIAGONALIZZAZIONE
8.2. MOLTEPLICITA

41

Infatti se lendomorfismo f non `e suriettivo, il suo nucleo contiene sempre

qualcosa di diverso da 0 (quindi in particolare (d) `e falsa). Sia v 6= 0 nel nucleo
f . Allora f (v) = 0, cio`e f (v) = 0v. Quindi v `e un autovettore associato
allautovalore 0.
In questo esempio abbiamo quindi tre diversi autovalori 1 = 0, 2 = 2,
3 = 4. (a) e (b) sono allora false.
(c) `e vera perche per ogni endomorfismo
autovalori tutti diversi endomorfismo semplice
Ricordare che il viceversa `e falso.
Quiz 8

(a)
(b)
(c)
(d)

a
0

0
a


aR

non `e diagonalizzabile
ha tutti gli autovettori nulli
ha due autospazi rispettivamente generati da (a, 0) e (0, a)
ha autospazio R2

Soluzione
La matrice ha autovalore = a con = 2 e autospazio R2 ( = 2). La matrice
`e quindi diagonalizzabile (il che era anche ovvio semplicemente gi`a osservando
che la matrice `e diagonale...). (d) `e la risposta corretta. (b) `e falsa in generale:
gli autovalori non sono mai nulli.
Esercizio 28 Sia f , R, lendomorfismo di R22 definito da

 

x y
x + y 2x + 2y
f
=
z t
z + 2t
2z + t
 1
1. Per 8 , 3 , f `e semplice?

(8.1)

2. Per = 3, scrivere una base C di R22 formata da autovettori

3. Per = 3, scrivere la matrice di cambiamento di base dalla base canonica
aC
4. Trovare tutti i valori di per cui f `e semplice [LUNGO!]
Soluzione
Risoluzione del punto 4.
Per valutare se si tratta di un endomorfismo semplice calcoliamo autovalori/autovettori di una matrice associata a f rispetto ad una certa base. La
base la scegliamo noi e se non vogliamo complicarci la vita ci conviene scegliere
la base canonica. Dobbiamo quindi costruire la matrice 4 che abbia su ogni
colonna f (ei )E , i = 1, 2, 3, 4 dove E `e la base canonica definita da:

 
 
 

1 0
0 1
0 0
0 0
E = {e1 , e2 , e3 , e4 } =
,
,
,
0 0
0 0
1 0
0 1

x


y
x y

Notare che per un qualsiasi v =

R2,2 , (v)E =
z .
z t
t

42

CHAPTER 8. 29 APRILE
Quindi:


f

1
0

0
0


=

1
0

2
0

1
2

(f (e1 ))E =
0
0

Ripetendo il ragionamento per e2 , e3 , e4 , otteniamo

1 0 0
2 2 0 0

MfE =
0 0 1 2 .
0 0 2 1

(8.2)

Calcoliamone gli autovalori:


 1

 2

 0

 0

0
2
0
0
1
0
2

0
0
2
1




 


 = (1 )(2 ) 2 (1 )2 4 .




Si tratta quindi di trovare gli zeri di due polinomi di secondo grado:

(1 )2 4 = 2 2 3 ha zeri 1 = 1 e 2 = 3
(1 )(2 ) 2 = 2 3 + 2 2 ha zeri: 3,4 =

3 1+8
2

Notiamo che
3 =
4 =

3+ 1+8
2

3 1+8
2

3 = 4 =

3
2

> 0 e coincide con 2 = 3 se = 1

< 0 e coincide con 2 = 1 se = 3

se = 81

In tutti gli altri casi abbiamo 4 diversi autovalori, quindi lendomorfismo `e sempre semplice per
/ {1, 3, 18 }.
Nei suddetti casi invece dobbiamo verificare le molteplicit`a per verificare se
la matrice `e diagonalizzabile ( f `e semplice)
Nello specifico otteniamo (, R):
= 18
Autovalori
Autovettori
Molt. alg.
Molt. geom.

1 = 3

v(1) =
1
1
1 = 1
1 = 1

Non semplice

2 = 1

3 =

v(2) =
1
1
2 = 1
2 = 1

3
2

1
4

v(3) =
0
0
3 = 2
3 = 1

` E DIAGONALIZZAZIONE
8.2. MOLTEPLICITA

43

=1
2 = 1

v(2) =
Autovettori v(1) =

Molt. alg.
2 = 1
2 = 1
Molt. geom. 1 = 2
2 = 1

Autovalori

1 = 3

0
0

1
1

3 = 0

1
1

v(3) =
0
0
3 = 1
3 = 1

Semplice
=3
Autovalori
Autovettori
Molt. alg.
Molt. geom.

1 = 3

0
0

v(1) =
1
1
2 = 1
1 = 1

2 = 1

3 = 4

1
1

v(3) =
0
0
3 = 1
3 = 1

v(2) = 23

2 = 2
2 = 2

Semplice

/ {1, 3, 81 }

3 1+8
2

3 2
2

1 = 3

2 = 1

3 =

v(1)

v(2)

v(3) =

0
0

=
1
1

0
0

=
1
1

1
0
0

4 =

3+ 1+8
2

4 2
2

v(3) =

Semplice (autovalori tutti distinti)

2. Base di R2,2 formata da autovettori di f3 :
 
 

  3
0 0
1
0 0
2 1
,
,
,
1 1
0
1 1
0 0

1
0



C,E
C,E
3. Dobbiamo calcolare la matrice
tale che (v)
(v)E , per ogni
P
C = P
..
.

(e

v R2,2 . Sappiamo che P C,E =
i )C

..
.

Quindi:

0
2
C,E 5
P
0
2
5

1
2

2
5

3
5

1
2

1
2

12
0

1
0
0

44

CHAPTER 8. 29 APRILE

Chapter 9

6 maggio
9.1

Matrici simmetriche

A Rn,n
A simmetrica A diagonalizzabile
A simmetrica autovettori di A sono a due a due ortogonali
A simmetrica autovettori di A (opportunamente normalizzati) formano
una base ortonomale, cio`e una base di vettori ortogonali tra loro e normalizzati (cio`e con kk2 = 1)
Esercizio 29 Nellesercizio precedente, si pu`
o dire per quali valori di la matrice MfE `e simmetrica solo guardando gli autovettori?
Soluzione
Possiamo cio`e usare le propriet`
a delle matrice simmetriche in negativo per escludere i casi in cui sicuramente non c`e simmetria:
A non diagonalizzabile A non simmetrica
autovettori di A non ortogonali tra loro A non simmetrica
Inoltre ricordiamo che una matrice `e diagonalizzabile se e solo ammette una
base di autovettori e che
A ammette una base di autovettori, a due a due ortogonali A `e simmetrica
Quindi abbiamo: Per = 1/8, gli autovettori sono a due a due ortogonali,
ma non formano una base, cio`e la matrice non `e diagonalizzabile e quindi non
pu`
o essere simmetrica.
For 1, 3 gli autovettori non sono ortogonali,quindi la matrice non pu`o
essere simmetrica.
Infine, per
/ { 81 , 1, 3}, gli autovettori formano una base, e sono ortogonali per = 2. Infatti si verifica facilmente che tutti gli autovettori sono
sempre ortogonali tra loro, indipendentemente da , tranne v3 e v4 , per i quali
dobbiamo impostare lequazione:
45

46

CHAPTER 9. 6 MAGGIO

v3 v4 = 0.
Possiamo concludere che la matrice simmetrica se e solo se = 2 (il che pu`o
essere facilmente verificato mettendo tale valore nella matrice).
Quiz 9 Dati U = L{(1, 0, 1), (0, 1, 0)} e V = L{(1, 2, 3)},
(a) ogni endomorfismo di R3 con autospazi U e V `e semplice
(b) ogni matrice con autospazio U ha (1, 1, 1)T sulla seconda colonna
(c) esiste pi`
u di una matrice reale simmetrica con autospazi U e V
(d) esiste ununica matrice reale simmetrica con autospazi U e V
Soluzione
(a) `e vero perche gli autovettori (= i vettori di base di U e V ) formano una
base. (c) e (d) sono false perche gli autovettori non sono ortogonali (per esempio
(1, 2, 3)(0, 1, 0) = 2). Se pensiamo allendomorfismo come una matrice A R3,3
sappiamo che dato un autovettore v R3 , esiste R tale che
Av = v.
Se chiamiamo U e V gli autovalori (non noti) relativi rispettivamente a U
e V , e indichiamo con A(i) li-esima colonna di A abbiamo
A(1) + A(3) = U (1, 0, 1)T
A(2) = U (0, 1, 0)T
A(1) + 2A(2) + 3A(3) = V (1, 2, 3)T
da cui vediamo chiaramente che A(2) non pu`o mai essere (1, 1, 1)T .
Domanda: i soli autovettori definiscono univocamente la matrice? No. Nel
caso sopra, diversi valori di U e V danno luogo a matrici diverse. Una volta
per`
o fissati gli autovalori la matrice `e univocamente fissata. Con semplici calcoli,
otteniamo infatti:
1
1
U (1, 0, 1)T V (1, 2, 3)T U (0, 1, 0)T
2
2
= U (0, 1, 0)T

A(1) =
A(2)

2A(3) = V (1, 2, 3)T U (1, 0, 1)T 2U (0, 1, 0)T

In generale, ogni matrice diagonalizzabile `e univocamente definita una volta
noti i suoi autovettori e autovalori.
Quiz 10 Dati U = L{(1, 0, 1), (0, 1, 0)} e V = L{(1, 0, 1)},
(a) la matrice associata ad un endomorfismo di R3 con autospazi U e V non
`e diagonalizzabile
(b) ogni matrice con autospazio U ha (1, 1, 1)T sulla seconda colonna
(c) esiste pi`
u di una una matrice reale simmetrica con autospazi U e V
(d) esiste ununica matrice reale simmetrica con autospazi U e V

47

9.1. MATRICI SIMMETRICHE

Soluzione
(c) I vettori di U e V formano una base e sono ortogonali. Possiamo quindi
sicuramente costruire matrici simmetriche che li hanno come autovettori.
Con calcoli analoghi al quiz precedente, otteniamo:
2A(1) = U (1, 0, 1)T + V (1, 0, 1)T
A(2) = U (0, 1, 0)T

2A(3) = U (1, 0, 1)T V (1, 0, 1)T

quindi

1/2
A = U 0
1/2

0 1/2
1/2
1
0 + V 0
0 1/2
1/2

0 1/2
0
0
0 1/2

In conclusione A `e sempre simmetrica e dipende dai valori di U , V R (

infinite possibilit`
a).

48

CHAPTER 9. 6 MAGGIO

Chapter 10

13 maggio
10.1

Coniche

f (x, y) = a11 x2 + a22 y 2 + 2a12 xy + 2a13 x + 2a23 y + a33 = 0

a11
B = a12
a13

a12
a22
a23

a13
a23
a33


A=

a11
a12

a12
a22

 
 
x
x
x
f (x, y) = (x, y)A
+ 2(a13 , a23 )
+ a33 = (x, y, 1)B y
y
y
1
det(A) > 0 ellisse
det(B) 6= 0 non degenere

Forme canoniche:
E:
I:

x2
a2
x2
a2

y2
b2
y2
b2

< 0 iperbole

= 0 parabola

= 0 degenere (punto, coppia di rette)

= 1;
= 1;

P: y = ax2 , x = ay 2 .

10.2

Riduzione di coniche alla forma canonica

Rotazione + Traslazione

Rotazione: matrice di rotazione P = ortogonale (P 1 = P T ) speciale

(detP = 1) che diagonalizza A.
A `e simmetrica P esiste; colonne di P = autovettori (normalizzati) di
A
49

50

CHAPTER 10. 13 MAGGIO

Traslazione: completamento dei quadrati




x
x
1. (x, y)A
+ 2(a13 , a23 )
+ a33 = 0
y
y
2. P 1 AP = P T AP = D
(D= matrice diagonale degli autovalori)


 0 
x
x
3.
=P
(sistema di riferimento ruotato)
y
y0
4. Sostituisco 3. in 1.
  0 T
 0 
 0 
x
x
x
P
AP
+
2(a
,
a
)P
+ a33 = 0
13 23
y0
y0
y0
0

(x , y )P AP

(x , y )D

x0
y0

x0
y0

x0
y0


+ 2(a13 , a23 )P


+ 2(a13 , a23 )P

1 x02 + 2 y 02 + 2(a13 , a23 )P

x0
y0

x0
y0


+ a33 = 0


+ a33 = 0


+ a33 = 0

Lultima equazione `e quella che dobbiamo tenere a mente per gli esercizi e
rappresenta la conica nel sistema di riferimento ruotato. In essa, non ci sono
pi`
u termini misti in x0 y 0 . Procediamo poi con la traslazione, aiutandoci con
il metodo del completamento dei quadrati.
Esercizio 30 Classificare e ridurre 4x2 + 4xy + y + y 2 = 0 alla forma canonica
Soluzione

4
B= 2
0

2
0
1 1/2
1/2 0


A=

4
2

2
1


(10.1)

det A = 0, quindi la conica `e una parabola. Gli autovalroi di A sono 1 = 0 e

2 = 5. Gli autospazi corrispondenti sono V1 = L{(1, 2)} e V2 = L{(2, 1)}.
Normalizziamo gli autovettori di base, cio`e dividiamoli per
la loro norma. In
questi caso entrambi gli autovettori di base hanno norma 5. Quindi la matrice
ortogonale speciale P che determina la rotazione `e:


1
1 2
P =
(10.2)
2 1
5
Osservazione: si verifica facilmente che P `e ortogonale e speciale. Cosa
sarebbe successo se avessi scelto altri autovettori di base? Dal punto di vista
dellortogonalit`
a, nulla. Bisogna per`o controllare che il determinante sia +1.

10.2. RIDUZIONE DI CONICHE ALLA FORMA CANONICA

51

Per esempio, (1, 2) `e un autovettore di 1 , ma darebbe luogo ad una P con determinante -1. Attenzione quindi a scegliere autovettori che diano determinante
+1.
Abbiamo quindi:
1
5y 02 + 2(0, 1/2)P (x0 y 0 )T = 5y 2 + (2, 1)(x0 , y 0 )T =
5
1 0
2 0
02
5y x + y = 0.
5
5
1
25 x0 = 0 da
Infine, tramite completamento del quadrato: 5(y 0 + 1015 )2 100

cui 5y 002 25 x00 = 0, dove y 00 = y 0 + 1015 e x00 = x0 + 2005 . (x00 , y 00 ) `e il nuovo

sistema di riferimento ottenuto traslando
(x0 , y 0 ), ovvero rototraslando (x, y).

La forma canonica `e quindi: x00 = 5 2 5 y 002 .

Esercizio 31 Classificare e ridurre 4x2 + 4xy + y + y 2 + 2x = 0 alla forma

canonica
Soluzione
A `e uguale a prima, mentre detB = 0, quindi abbiamo una parabola degenere.
Sfruttando lo studio degli autovalori e autovettori dellesercizio precedente,
otteniamo:
1
5y 02 + 2(1, 1/2)P (x0 y 0 )T = 5y 2 + (2, 1)(x0 , y 0 )T =
5
0
02
5y + 5y = 0.
1
y 0 (y 0 + ) = 0.
5
ovvero abbiamo due rette parallele y 0 = 0 e y 0 = 15 .
Notiamo che in questo caso (e spesso questo capita nelle coniche degeneri)
avremmo potuto scoprire che si trattava di due rette parallele anche solo fattorizzando la forma quadratica di partenza:
4x2 + 4xy + y + y 2 + 2x = (2x + y)2 + 2x + y = (2x + y)(2x + y + 1).
Uguagliando a 0, ottengo le rette parallele y = 2x e y = 2x 1.
Per esercizio: calcolare la distanza tra le due rette parallele cos` ottenute (a)
con la formula; (b) semplicemente guardando le loro equazioni in (x0 , y 0 ),

Esercizio 32 Ridurre 3x2 + 2xy + 3y 2 + 2 2x = 0 alla sua forma canonica.

Soluzione
y 002
x002
3/4 + 3/8 = 1.
Esercizio 33 Ridurre x2 + 2y 2 4x + 3y + 1 = 0 alla sua forma canonica.
Soluzione
y 02
x02
33/8 + 33/16 = 1

52

CHAPTER 10. 13 MAGGIO

Esercizio 34 Ridurre x2 2y 2 + x + 1 = 0 alla sua forma canonica.

Soluzione
y 02
x02
3/4 3/8 = 1
Esercizio 35 Ridurre x2 + y 2 + 2xy 3 = 0 alla sua forma canonica.
Soluzione

x + y = 3 e x + y = 3.
Quiz 11 Data f (x, y) = 4x2 + 12xy + 9y 2
(a) Esiste (x, y) tale che f (x, y) < 0
(b) f (x, y) = 1 `e uniperbole
(c) f (x, y) = 0 implica (x, y) = (0, 0)
(d) I punti che soddisfano f (x, y) = 0 formano una retta
Soluzione
(d). f (x, y) = 4x2 + 12xy + 9y 2 = (2x + 3y)2 quindi f (x, y) = 0 se e solo se
2x + 3y = 0, che `e una retta
Quiz 12 tx2 + 2xy + ty 2 + 2y = 0
(a) `e unellisse t = 1
(b) `e una parabola per un numeri finito di valori di t
(c) non `e mai uniperbole
(d) `e una parabola per infiniti valori di t
Soluzione

t 1 0
(b). det 1 t 1 = t quindi la conica `e non degenere per t 6= 0.
0 1 0


t 1
det
= t2 1 = 0 per t = 1.
1 t

For fun: Software che calcola e disegna coniche:

https://www.wolframalpha.com/examples/ConicSections.html

Chapter 11

20 maggio
11.1

Geometria nello spazio

Equazione del piano

ax + by + cz + d = 0
Equazione della sfera
(x c1 )2 + (y c2 )2 + (z c3 ) = r2
r = raggio; C = (c1 , c2 , c3 ) centro.
Esercizio 36 In R3 , consideriamo
H : x+y+1=0
S : x2 + y 2 + z 2 2x + 2y 4z + 3 = 0
(a) H `e tangente a S?
(b) Lintersezione tra H e S `e una circonferenza massimale?
(c) Trovare un piano G parallelo a H e tangente a S.

Soluzione
Tramite completamento dei quadrati
in x, y, z, vediamo che S `e una sfera di

raggio C = (1, 1, 2) e raggio 3. Lequazione canonica `e

(x 1)2 + (y + 1)2 + (z 2)2 = 3.
H `e un piano1 . Linteresezione tra un piano e una sfera pu`o essere: un
insieme vuoto; una circonferenza; un punto (in tal caso diciamo che piano e
sfera sono tangenti).
1 Non

confondere con una retta in R2

53

54

CHAPTER 11. 20 MAGGIO

(a) Sostituendo y = x 1 nellequazione di S, otteniamo x2 + (x 1)2 +

2
(z 2)2 = 3, cio`e x 21 + (z 2)2 = 3 + 41 . Questa `e lequazione di unellisse
nel piano xz, H e S si intersecano in infiniti punti.
Attenzione! Non stiamo dicendo che lintersezione traS e H `e unellisse
(sappiamo che deve essere una circonferenza).
(b) No, perche il centro di S non sta in H.

(c) Dobbiamo trovare un piano G : x + y = D che ha distanza 3 dal centro

di S. Impostanza
lequazione della distanza tra un punto e un piano, otteniamo

D = 6.

I piani paralleli a H e tangenti aS sono x + y = 6.

Per verifica, sostituire x+y = 6 in S ed osservare che si ottiene un punto.
Circonferenza (in R3 ) = Sfera Piano
(Non si pu`
o esprimere con una sola equazione)
Esercizio 37 Sia
: z = x2 + y 2 + z 2 6z 16 = 0.
(a) Verificare che `e una circonferenza; calcolare centro e raggio.
(b) Scrivere lequazione del cilindro S che proietta in direzione parallela
allasse z.
(c) Scrivere lequazione del cilindro T che proietta in direzione parallela al
L : x = y z = 0.
(d) Determinare h R tale che le intersezioni di S e T con z = h siano due
circonferenze tangenti.
Soluzione
(a) `e linteresezione tra il piano z = 0 e la sfera x2 + y 2 + z 2 6z 16 = 0:

z=0
(11.1)
x2 + y 2 = 16.
quindi C = (0, 0, 0) e R = 4.
(b) S : x2 + y 2 = 162
(c) E sufficiente pensare alla proiezione del centro: spostando (0, 0, 0) nella
direzione di L. Quando z = k il centro `e (0, k, k). Quindi x2 + (y k)2 = 16.
Generalizzando per ogni z, lequazione `e x2 + (y z)2 = 16.
(d) Le intersezioni di S e T con ogni piano z = h sono circonferenze di centri
(0, 0, h) e (0, h, h). Le circonferenze sono tangenti quando k(0, 0, h) (0, h, h)k =
8 h = 8.
2 In

R2 sarebbe una circonferenza, mentre in R3 `

e un cilindro.

55

11.1. GEOMETRIA NELLO SPAZIO

z
h=8

h = 8

Figure 11.1: Illustrazione dellesercizio 37 (proiettato sul piano xz). Il segmento

rosso `e la proiezione della circonferenza, mentre le rette verde e blu definiscono
i cilndri. In arancione, i valori di z per cui otteniamo circonferenze tangenti.
Quiz 13 Q : z 2 = 2x2 + 3y 2
(a) Sia c : z = c . Allora Q c sono circonferenze
(b) Esistono piani tali che Q sono iperboli
(c) E unellisse
(d) E una sfera
Soluzione
(b) Provare per esempio col piano x = 1.

56

CHAPTER 11. 20 MAGGIO

Chapter 12

27 maggio
12.1

Studio di funzioni in due variabili

x = derivata di f rispetto a x
f

y = derivata di f rispetto a y
Gradiente:

f =

Matrice Hessiana:
2f

xy

f f
,
x y

Hf =

.
2f
x2
2f
yx

2f
xy
2f
y 2

2f
yx

Punti critici: gradiente nullo

Per determinare la natura di un punto critico P : test sulla matrice Hessiana
1. det Hf (P ) > 0 e

2f
x2 (P )

> 0, P `e un minimo;

2. det Hf (P ) > 0 e

2f
x2 (P )

< 0, P `e un massimo;

3. det Hf (P ) < 0, P `e un punto di sella.

Esercizio 38 Studiare
z = f (z, y) = 1

1 2x2 y 2

Soluzione
Dominio: {(x, y) R2 : 2x2 + y 2 1} (regione contenuta nellellise 2x2 +
y = 1, bordo incluso)p
Immagine: poiche 1 2x2 y 2 [0, 1], z [0, 1]
Cerchiamo i punti estremi (massimi, minimi) tra i punti critici (f = 0) e
sul bordo.
2

57

58

CHAPTER 12. 27 MAGGIO

1
f = p
(4x, 2y) = (0, 0) (x, y) = (0, 0).
2 1 2x2 y 2
(Notare che f non `e definita sul bordo, cio`e sullellisse).
Per verificare se il punto critico (0, 0) `e un massimo o un minimo o una
sella possiamo usare il test sulla matrice Hessiana. Per velocizzare il calcolo si
pu`
o notare che la derivata rispetto a y di 1 2 2 (4x) `e sicuramente nulla

in (0, 0) perche `e uguale a 4x y
2

2 12x y
1
, quindi qualsiasi
12x2 y 2

sia il valore della

derivata, sar`
a moltiplicata per 4x che si annulla in (0, 0).
2
2
Abbiamo poi xf2 (0, 0) = 2 e yf2 (0, 0) = 1. Quindi il determinante `e 2 e
secondo il test (0, 0) `e un minimo.
Potevano ottenere lo stesso risultato notando che f (0, 0) = 0, P = (0, 0) `e
certamente un minimo globale per quanto detto prima sullimmagine.
Studiamo ora il bordo. Su 1 2x2 y 2 = 0, f (x, y) = 1. Secondo quanto
detto sullimmagine,
tutti i punti sullellisse sono di massimo globale.
p
z = 1 1 2x2 y 2 implica che 1 2x2 y 2 = (1 z)2 2x2 + y 2 =
1 (1 z)2 . Le curve di livello sono quindi delle ellissi.
Le informazioni ottenute ci permettono di disegnare almeno approssimativamente il grafico della funzione.
Esercizio 39 Studiare
f (x, y) =

p
x|y|

Soluzione
Dominio: {(x, y) : x 0}
Immagine: z 0
Punti critici:
p q 
y
x
per y > 0: f = 12
x,
y
per y < 0: f =

1
2

p

xy ,

xy

Non ci sono punti critici (dove si annullano i numeratori, si annullano anche i

denominatori!)
Sapendo che z 0, i punti per cui z = 0 sono punti di minimo. E li troviamo
nellinsieme dei punti non derivabili e sul bordo del dominio, ovvero per x = 0
o per y = 0.
Non ci sono punti di massimo. La funzione `e chiaramente non limitata
dallalto (basti considerare x o y ).
Poiche z 2 = x|y|, fissato il segno di y, le curve di livello sono iperboli.
Quiz 14 f (x, y) = 3xe2y
(a) (0, 0) `e un punto critico
(b) f `e limitata
(c) f `e costante lungo la curva xy = 0
(d) la derivata di f in (0, 0) nella direzione di (0, 4) `e nulla.

12.1. STUDIO DI FUNZIONI IN DUE VARIABILI

59

Soluzione 14 (d). f (x, y) = 3xe2y ha gradiente f = e2y (3, 6x), che non si
annulla mai. f non `e limitata (basti mandare x o y allinfinito) ed `e costante
per x = 0, ma non per y = 0. La derivata direzionale nella direzione (0, 4) non
`e altro che la derivata parziale rispetto a y, che in (0, 0) `e nulla.

60

CHAPTER 12. 27 MAGGIO

Chapter 13

10 giugno
13.1

Esercizi di riepilogo: simulazione esame

Rispetto al test desame, c`e un esercizio in meno. Tempo previsto: 1h.

2 3
Quiz 15 Sia M = 1 1 .
2 3
(a) M 2 = M M ha rango 2
(b) M ha determinante 2
(c) M M T ha determinante nullo
(d) M T M non ha rango massimo
Quiz 16 Data una matrice quadrata A,
(a) se le righe di A sono linearmente indipendenti, il sistema Ax = b `e sempre
risolubile per ogni vettore colonna b di dimensioni consistenti
(b) se A `e invertibile, I A non `e invertibile
(c) se il determinante `e non nullo, Ax = 0 ammette infinite soluzioni
(d) se A `e simmetrica, allora det(A) = 0

2 0 0
Quiz 17 Sia M = 1 1 1 .
2 2 2
(a) 3 non `e autovalore di M
(b) 0 non `e autovalore di M
(c) (0, 1, 1)T non `e autovettore di M
(d) M `e diagonalizzabile

Quiz 18 x = z = y + 2
(a) `e una conica
(b) `e un sottospazio di R3
(c) `e una retta di direzione (1, 1, 1)
(d) `e perpendicolare a (7, 7, 7)

61

62

CHAPTER 13. 10 GIUGNO

Quiz 19 La curva (t) = (t, t, t2 )

(a) `e contenuta nel piano x y = 0
(b) non `e una curva piana
(c) `e una circonferenza
(d) in P = (1, 1, 1), il vettore tangente `e parallelo a (1, 1, 1)
Quiz 20 x2 y 2 + 2x + 2y = 0 `e
(a) una parabola
(b) uniperbole non degenere
(c) unellisse
(d) una coppia di rette incidenti
Quiz 21 Le circonferenze x2 + y 2 + 2ay = 0, a > 0
(a) hanno lo stesso raggio
(b) hanno lo stesso centro
(c) contengono lorigine per un numero finito di valori di a
(d) contengono tutte lorigine

Quiz 22 Dato il piano : 2y + 2z = 1 e la retta l : x = z + y = 0

(a) l
(b) l `e formata da due punti
(c) l `e normale a
(d) l `e vuoto
Quiz 23 Data f (x, y, z) definita come prodotto vettoriale di (1, 0, 3) e (x, y, z)
(a) f non `e unapplicazione lineare
(b) limmagine di f `e un sottospazio di R2
(c) `e iniettiva
(d) dim(Im(f ))=2
Quiz 24 f (x, y) = exy
(a) `e un endomorfismo
(b) ha gradiente (1, 1)f (x, y)
(c) ha un punto di sella
(d) ha un minimo per x
Esercizio 40 Sia f (x, y) = y 2 ex

/(x1)

+ 1.

1. Studiare il dominio di f
2. Studiare limmagine di f .
3. Trovare gli eventuali punti di massimo, minimo e sella.
4. Trovare il piano tangente alla superficie S : z = f (x, y) at P = (0, 0, 1)

13.1. ESERCIZI DI RIEPILOGO: SIMULAZIONE ESAME

63

Soluzione Quiz 15 (c).

(a) e (b) sono chiaramente false (M non `e quadrata, quindi non ha determinante; M M non si pu`
o calcolare). Per il resto, si pu`o fare una verifica numerica.
O ancora meglio: si ricordi che in generale che ogni volta che abbiamo una matrice snella A (= n righe, m colonne e n > m), il prodotto AAT non pu`o avere
rango superiore a m.
Soluzione Quiz 16 (a).
Se le righe di A sono l.i., chiaramente posso fare x = A1 b. (c) `e falsa perche,
di nuovo, A `e invertibile e abbiamo solo la sol. nulla. (d) pu`o essere vera o falsa
a seconda dei casi.
Soluzione Quiz 17 (d).
Si calcolino gli autovalori: sono 0,2,3. Essendo tutti diversi, abbiamo una
condizione sufficiente per la diagonalizzabilit`a.
Soluzione Quiz 18 (c).
Pongo x = t e ottengo (x, y, z) = t(1, 1, 1) + (0, 0, 2), quindi la direzione
della retta `e (1, 1, 1).
Soluzione Quiz 19 (a).
Per verificare se una curva `e piana, sostituisco (t) = (x(t), y(t), z(t)) in
un generico piano ax + by + cz + d = 0 e vedo se lequazione che ottengo pu`o
avere soluzione per qualsiasi t. Nel caso specifico, ottengo: (a + b)t + ct2 + d =
0. Affinche luguaglianza sia verificata per ogni t, annullo i coefficienti dove
compare t, impongo cio`e a + b = c = 0. A questo punto devo anche avere
d = 0. Il piano che ottengo `e quindi ax ay = 0, a 6= 0 (e ovviamente posso
semplificare in x y = 0). Provare lo stesso procedimento per (t) = (t, t2 , t3 ):
vi verr`
a che lunica soluzione `e a = b = c = d = 0, quindi la curva non `e piana.
Soluzione Quiz 20 (d).
Completando i quadrati otteniamo (x + 1)2 = (y 1)2 , ovvero x + 1 =
y 1, cio`e le due rette incidenti x y + 2 = 0 e x + y = 0. Dallanalisi della
matrice associata avremmo potuto dire che si trattava di iperbole degenere, da
cui comunque avremmo potuto ottenere la risposta giusta per esclusione.
Soluzione Quiz 21 (d).
E sufficiente porre (x, y) = (0, 0) per vedere che tutte le circonferenze passo
nellorigine, indipendentemente da a. Via completamento dei quadrati si trovano
facilmente centro e raggio (che invece dipendono da a).
Soluzione Quiz 22 (c).
Sappiamo che un piano ax + by + cz + d = 0 ha vettore normale (a, b, c),
quindi ha vettore normale v = (0, 2, 2). In forma parametrica, ponendo
y = t, la retta l `e (x, y, z) = t(0, 1, 1),
quindi l `e parallela a v, ovvero l `e normale a .
Soluzione Quiz 23 (d)


 i j k 


Impostiamo il prodotto vettoriale simbolico: f (x, y, z) =  1 0 3  =
 x y z 
(3y, 3x z, y) Qui possiamo notare subito che la prima e la terza componente
sono un multiplo dellaltro. Pi`
u precisamente, (3y, 3x z, y) = y(3, 0, 1) +
x(0, 3, 0) + z(0, 1, 0), quindi {(3, 0, 1), (0, 1, 0)} `e un base dellimmagine di f .
Lo stesso si poteva ottenere facilmente vedendo che il nucleo di f ha dimensione
1 e su usando il teorema dim(ker)+dim(im)=dim(spazio di partenza).
Soluzione Quiz 24 (b).

64

CHAPTER 13. 10 GIUGNO

Il gradiente `e infatti (exy , exy = (1, 1)f (x, y). Chiaramente non `e un
endomorfismo (non `e lineare!). Per x avr`o un inf, non un min.
Soluzione Ex 40
Il dominio `e R2 \ {x = 1}. E formato quindi da due piani non connessi; `e
aperto, `e illimitato.
Per studio dellimmagine intendo quali valori pu`o assumere z = f (x, y). Qui
per esempio possiamo notare che y 2 0, e... > 0, quindi z 1. Inoltre se per
esempio calcolo il limite per y , vedo subito che f , quindi posso dire
che z [1, ). So gi`
a quindi che non avr`o massimi assoluti.
Attenzione! In certi casi (e questo `e uno di quei casi) lanalisi dellimmagine
`e fondamentale per completare lesercizio!
Per trovare i punti estremi, calcoliamo il gradiente:
ex

/(x1)

y 2 g(x), 2y

x
. Il valore di g(x) non `e necessario per valutare
dove g(x) `e la derivata di x1
dove il gradiente si annulla: `e immediato vedere che il gradiente si annulla se e
solo se y = 0. In altri termini, tutti i punti della retta y = 0 (escluso (1, 0) che
non sta nel dominio) sono punti critici.
Per classificare i punti critici uno potrebbe provare a calcolare la matrice
Hessiana nei punti tali che y = 0. Tuttavia, non solo il calcolo `e lungo, ma
alla fine il test non risulta conclusivo. Come procedere? Basta notare che
f (x, 0) = 1, cio`e nei punti critici f `e sempre pari a 1. Ma dal nostro studio
dellimmagine, sappiamo che 1 `e la quota minima che f pu`o avere, quindi si
tratta di punti di minimo assoluto!
In generale il piano tangente alla superficie
z = f
(x, y) `e perpendicolare


al gradiente di F (x, y, z) = f (x, y) z, cio`e,

f f
x , y , 1

. In questo caso, in P

tale gradiente `e F (P ) = (0, 0, 1).

Quindi `e dato da ax + by + cz + d = 0 dove possiamo sostiuire i coefficienti
a, b, c con le componenti d F (P ). Otteniamo z + d = 0. Siccome P ,
allora d = 1 e : z = 1. Questo ha senso perche P `e un punto di minimo
(y = 0) e quindi il piano tangente deve essere orizzontale, cio`e paralello a z = 0.