Note Ingegneria Informatica · UniTN
Geometria e Algebra Lineare
Esercizi
Lezioni
13 ott, 19 ott
in corso

Spazi vettoriali

Argomento di Geometria e Algebra Lineare. Fatto a lezione in L7, mar 13/10, prima parte del capitolo 4; altri esempi in L8, lun 19/10. Fonte: appunti della prof, 13/10, p. 1 (definizione), p. 2-3 (Rn\mathbb{R}^n, combinazioni lineari, forma matriciale), p. 4-6 (sottospazi, esempi e non-esempi); in L8, 19/10, p. 11-13 (altri esempi di spazi vettoriali: V3V^3, Mm,n(R)M_{m,n}(\mathbb{R}), R[x]\mathbb{R}[x], R[x]d\mathbb{R}[x]_d, C(R)\mathcal{C}(\mathbb{R})) e p. 13-14 (sottospazi di M2(R)M_2(\mathbb{R}) e di R[x]\mathbb{R}[x]); quaderno di Pietro p. 69-71 (senza data: la data viene dal piano). Dettagli ed esempi in più dalla dispensa Postinghel, sezioni 4.1-4.3.1: p. 87-88 (definizione, esempi), p. 89-90 (combinazioni lineari, forma matriciale), p. 90-92 (sottospazi, anche di Mn(R)M_n(\mathbb{R})); numeri di pagina del PDF. La seconda parte della lezione, i generatori, è in Generatori. Si appoggia su Matrici e operazioni (le stesse otto proprietà) e Nucleo e struttura delle soluzioni (il nucleo è il primo esempio di sottospazio).

L’idea. In tre capitoli sono comparsi tre tipi di oggetti diversi: i vettori geometrici (capitolo 1), le ennuple di Rn\mathbb{R}^n (capitolo 2), le matrici (capitolo 3). Per tutti e tre si sa sommare due oggetti e moltiplicarne uno per un numero, e le regole di calcolo sono le stesse (a lezione, 5/10: “tutto uguale ai vettori”). Uno spazio vettoriale è il nome per “un insieme qualunque dove somma e prodotto per scalare seguono quelle regole”. Il vantaggio è che un risultato dimostrato usando solo le regole vale in un colpo per tutti questi insiemi.

spazio vettoriale V    un insieme + somma + prodotto per scalare, che rispettano (1)-(8)
combinazione lineare   λ1 v1 + ... + λk vk          (resta dentro V)
                       in R^n:  = A λ, con i vettori come colonne di A
sottospazio U ⊆ V      non vuoto, chiuso per somma e per prodotto per scalare
                       => contiene 0;  se contiene un v ≠ 0, ne contiene infiniti
in R² e R³             {0}, le rette e i piani per l'origine, tutto lo spazio

1Definizioni

1.1Spazio vettoriale reale

Intuizione. Pensa a R2\mathbb{R}^2, le frecce nel piano che partono dall’origine. Si possono sommare (regola del parallelogramma) e allungare o girare moltiplicando per un numero. Le regole che si usano senza pensarci, “l’ordine degli addendi non conta”, “c’è uno zero”, “ogni freccia ha la sua opposta”, sono le otto proprietà della definizione. Uno spazio vettoriale è qualunque insieme in cui queste due operazioni esistono e seguono quelle regole, anche se i suoi elementi non sono frecce.

La prof (p. 1): uno spazio vettoriale reale è un insieme VV (i cui elementi sono detti vettori) su cui sono definite due operazioni, la somma di vettori e il prodotto di un vettore per uno scalare, che soddisfano le seguenti proprietà:

proprietànome
(1)∀ v⃗,w⃗∈V\forall\, \vec{v}, \vec{w} \in V: v⃗+w⃗=w⃗+v⃗\vec{v} + \vec{w} = \vec{w} + \vec{v}commutativa
(2)∀ v⃗,w⃗,u⃗∈V\forall\, \vec{v}, \vec{w}, \vec{u} \in V: (v⃗+w⃗)+u⃗=v⃗+(w⃗+u⃗)(\vec{v} + \vec{w}) + \vec{u} = \vec{v} + (\vec{w} + \vec{u})associativa
(3)∃\exists un vettore nullo 0⃗∈V\vec{0} \in V tale che v⃗+0⃗=v⃗\vec{v} + \vec{0} = \vec{v}, ∀ v⃗∈V\forall\, \vec{v} \in Velemento neutro
(4)∀ v⃗∈V\forall\, \vec{v} \in V ∃\exists un elemento opposto −v⃗-\vec{v} tale che v⃗+(−v⃗)=0⃗\vec{v} + (-\vec{v}) = \vec{0}opposto
(5)∀ λ,μ∈R\forall\, \lambda, \mu \in \mathbb{R}, ∀ v⃗∈V\forall\, \vec{v} \in V: λ(μv⃗)=(λμ)v⃗\lambda(\mu\vec{v}) = (\lambda\mu)\vec{v}
(6)∀ v⃗∈V\forall\, \vec{v} \in V: 1v⃗=v⃗1\vec{v} = \vec{v}
(7)∀ λ,μ∈R\forall\, \lambda, \mu \in \mathbb{R}, ∀ v⃗∈V\forall\, \vec{v} \in V: (λ+μ)v⃗=λv⃗+μv⃗(\lambda + \mu)\vec{v} = \lambda\vec{v} + \mu\vec{v}distributiva (somma di scalari)
(8)∀ λ∈R\forall\, \lambda \in \mathbb{R}, ∀ v⃗,w⃗∈V\forall\, \vec{v}, \vec{w} \in V: λ(v⃗+w⃗)=λv⃗+λw⃗\lambda(\vec{v} + \vec{w}) = \lambda\vec{v} + \lambda\vec{w}distributiva (somma di vettori)

I nomi delle due distributive sono quelli della dispensa (p. 88), che aggiunge nella (3) che il vettore nullo è unico.

Come si legge. Ci sono tre ingredienti: un insieme, una somma, un prodotto per scalare. “Sono definite” vuol dire che il risultato resta in VV: sommando due elementi di VV si ottiene un elemento di VV, e lo stesso moltiplicando per un numero reale. Le prime quattro proprietà riguardano solo la somma, le ultime quattro il prodotto per scalare e il modo in cui si combina con la somma. “Reale” vuol dire che gli scalari sono numeri reali.

Perché proprio queste. Sono le regole che servono per i conti che si fanno da tre capitoli: spostare parentesi (2), cambiare ordine agli addendi (1), raccogliere (7) e (8), portare un termine dall’altra parte dell’uguale (serve l’opposto, (4)). Con queste otto regole, e nient’altro, si dimostrano tutte le proprietà che seguono. Per esempio 0v⃗=0⃗0\vec{v} = \vec{0} per ogni v⃗\vec{v}, che serve più sotto:

Perché 0v⃗=0⃗0\vec{v} = \vec{0} e (−1)v⃗=−v⃗(-1)\vec{v} = -\vec{v} (dalle proprietà, non fatto a lezione)

Prima parte. Parto da 0=0+00 = 0 + 0 fra numeri reali.

0v⃗=(0+0)v⃗0=0+0 in R0\vec{v} = (0 + 0)\vec{v} \qquad 0 = 0 + 0 \text{ in } \mathbb{R} =0v⃗+0v⃗per la (7) con λ=μ=0= 0\vec{v} + 0\vec{v} \qquad \text{per la (7) con } \lambda = \mu = 0

Sommo a entrambi i membri l’opposto −(0v⃗)-(0\vec{v}), che esiste per la (4):

0v⃗+(−(0v⃗))=(0v⃗+0v⃗)+(−(0v⃗))0\vec{v} + (-(0\vec{v})) = \big(0\vec{v} + 0\vec{v}\big) + (-(0\vec{v}))

A sinistra c’è 0⃗\vec{0}, per la (4). A destra:

(0v⃗+0v⃗)+(−(0v⃗))=0v⃗+(0v⃗+(−(0v⃗)))per la (2)\big(0\vec{v} + 0\vec{v}\big) + (-(0\vec{v})) = 0\vec{v} + \big(0\vec{v} + (-(0\vec{v}))\big) \qquad \text{per la (2)} =0v⃗+0⃗per la (4)= 0\vec{v} + \vec{0} \qquad \text{per la (4)} =0v⃗per la (3)= 0\vec{v} \qquad \text{per la (3)}

Quindi 0⃗=0v⃗\vec{0} = 0\vec{v}.

Seconda parte. Voglio far vedere che (−1)v⃗(-1)\vec{v} fa da opposto di v⃗\vec{v}:

v⃗+(−1)v⃗=1v⃗+(−1)v⃗per la (6)\vec{v} + (-1)\vec{v} = 1\vec{v} + (-1)\vec{v} \qquad \text{per la (6)} =(1+(−1))v⃗per la (7)= (1 + (-1))\vec{v} \qquad \text{per la (7)} =0v⃗=0⃗per la prima parte= 0\vec{v} = \vec{0} \qquad \text{per la prima parte}

Quindi (−1)v⃗=−v⃗(-1)\vec{v} = -\vec{v}. Questo serve nella prima osservazione sui sottospazi. □\square

Esempi, dal più familiare (la prof, e la dispensa all’Esempio 45):

  1. Rn\mathbb{R}^n, lo spazio delle ennuple: è l’esempio principale della prof, qui sotto.
  2. Mm×n(R)M_{m \times n}(\mathbb{R}), le matrici m×nm \times n, con la somma e il prodotto per scalare elemento per elemento. Le otto proprietà sono esattamente la tabella “proprietà della somma e del prodotto per scalare” di Matrici e operazioni (appunti cap. 3, p. 4). Il vettore nullo è Om×nO_{m \times n}, l’opposto di AA è −A-A. Qui un “vettore” è una matrice.
  3. I vettori geometrici del capitolo 1, con la somma col parallelogramma e il prodotto per scalare: Vettori geometrici. Il vettore nullo è il segmento orientato di lunghezza zero.
  4. {0⃗}\{\vec{0}\} da solo, con 0⃗+0⃗=0⃗\vec{0} + \vec{0} = \vec{0} e λ0⃗=0⃗\lambda\vec{0} = \vec{0}: tutte le otto proprietà diventano 0⃗=0⃗\vec{0} = \vec{0}. È lo spazio vettoriale più piccolo possibile.

Altri esempi della prof (L8, p. 11-13, “Altri esempi di spazi/sottospazi vettoriali”).

  1. V3V^3, l’insieme dei vettori geometrici (cap. 1), dotato di due operazioni, la somma (col parallelogramma) e il prodotto per scalare: è uno spazio vettoriale. È l’esempio 3 qui sopra; la prof lo disegna con v⃗+w⃗\vec{v} + \vec{w} e 2v⃗2\vec{v}.

  2. Mm,n(R)M_{m,n}(\mathbb{R}) con le operazioni di somma e di prodotto per scalare è uno spazio vettoriale: è l’esempio 2.

  3. I polinomi. La prof:

    R[x]={∑i=0δaixi:δ∈N, ai∈R}\mathbb{R}[x] = \left\{\sum_{i=0}^{\delta} a_ix^i : \delta \in \mathbb{N},\ a_i \in \mathbb{R}\right\}

    i polinomi in xx a coefficienti reali. R[x]\mathbb{R}[x] con le operazioni di somma e prodotto per scalare è uno spazio vettoriale.

    • somma: si sommano i coefficienti della stessa potenza, (1+2x)+(3−x+x2)=(1+3)+(2−1)x+x2=4+x+x2(1 + 2x) + (3 - x + x^2) = (1 + 3) + (2 - 1)x + x^2 = 4 + x + x^2;
    • prodotto per scalare: si moltiplica ogni coefficiente, 3(1−x2)=3−3x23(1 - x^2) = 3 - 3x^2;
    • il vettore nullo è il polinomio nullo 00 (tutti i coefficienti nulli), l’opposto di p(x)p(x) è −p(x)-p(x).

    Le proprietà (1)-(8) valgono perché le operazioni si fanno coefficiente per coefficiente, come in Rn\mathbb{R}^n. Qui un “vettore” è un polinomio.

  4. I polinomi di grado limitato. La prof (p. 13):

    R[x]d={∑i=0δaixi:δ∈N, δ≤d, ai∈R}\mathbb{R}[x]_d = \left\{\sum_{i=0}^{\delta} a_ix^i : \delta \in \mathbb{N},\ \delta \leq d,\ a_i \in \mathbb{R}\right\}

    è l’insieme dei polinomi di grado al più dd. Con le stesse operazioni è uno spazio vettoriale: sommando due polinomi di grado ≤d\leq d, o moltiplicandone uno per un numero, non compaiono potenze più alte di xdx^d. Per esempio in R[x]2\mathbb{R}[x]_2: (1+x2)+(x−x2)=1+x(1 + x^2) + (x - x^2) = 1 + x, ancora di grado ≤2\leq 2. “Al più” conta: con “esattamente dd” non funziona (sottospazi qui sotto).

  5. Le funzioni continue. La prof (p. 13):

    C(R)={f:R→R:f funzione continua}\mathcal{C}(\mathbb{R}) = \{f : \mathbb{R} \to \mathbb{R} : f \text{ funzione continua}\}

    è l’insieme delle funzioni continue, ed è uno spazio vettoriale con le operazioni

    (f+g)(x)=f(x)+g(x),(λf)(x)=λf(x)(f + g)(x) = f(x) + g(x), \qquad (\lambda f)(x) = \lambda f(x)

    Per esempio, con f(x)=sin⁡xf(x) = \sin x e g(x)=x2g(x) = x^2: (f+2g)(x)=sin⁡x+2x2(f + 2g)(x) = \sin x + 2x^2. Il vettore nullo è la funzione costante 00. Che la somma di funzioni continue sia continua viene da Analisi 1; qui serve solo sapere che l’esempio esiste.

Controesempi, dal più facile. In ognuno si dice quale proprietà cade: per dire “non è uno spazio vettoriale” basta una proprietà che fallisce su un caso preciso.

  1. R2\mathbb{R}^2 con il prodotto che azzera tutto. Somma solita, ma λ⊙(v1,v2)=(0,0)\lambda \odot (v_1, v_2) = (0, 0) per ogni λ\lambda. Il risultato sta in R2\mathbb{R}^2, quindi l’operazione è definita. Cade la (6): con v⃗=(1,2)\vec{v} = (1, 2)

    1⊙(1,2)=(0,0)≠(1,2)1 \odot (1, 2) = (0, 0) \neq (1, 2)
  2. R2\mathbb{R}^2 con il prodotto “storto”. Somma solita, ma λ⊙(v1,v2)=(λv1,v2)\lambda \odot (v_1, v_2) = (\lambda v_1, v_2): si moltiplica solo la prima componente. Cade la (7), con λ=μ=1\lambda = \mu = 1 e v⃗=(0,1)\vec{v} = (0, 1):

    • a sinistra: (1+1)⊙(0,1)=2⊙(0,1)=(2⋅0, 1)=(0,1)(1 + 1) \odot (0, 1) = 2 \odot (0, 1) = (2 \cdot 0,\ 1) = (0, 1);
    • a destra: 1⊙(0,1)+1⊙(0,1)=(0,1)+(0,1)=(0,2)1 \odot (0, 1) + 1 \odot (0, 1) = (0, 1) + (0, 1) = (0, 2).

    Sono diversi. Le altre sette proprietà qui valgono: è la (7) da sola a far cadere tutto.

  3. Il semipiano {(x,y)∈R2:x≥0}\{(x, y) \in \mathbb{R}^2 : x \geq 0\} con le operazioni solite. Qui il problema è a monte: il prodotto per scalare non resta dentro. (1,0)(1, 0) sta nell’insieme, (−1)(1,0)=(−1,0)(-1)(1, 0) = (-1, 0) no (x=−1<0x = -1 < 0). In termini di proprietà cade la (4): l’opposto di (1,0)(1, 0) dovrebbe essere (−1,0)(-1, 0), che non c’è.

Morale: le proprietà vanno controllate tutte, e prima ancora va controllato che le due operazioni restino nell’insieme.

1.2Lo spazio delle ennuple Rn\mathbb{R}^n

La prof (p. 2): ricordiamo che Rn\mathbb{R}^n è lo spazio delle ennuple di numeri reali,

Rn={v⃗=(v1,…,vn):v1,…,vn∈R}\mathbb{R}^n = \{\vec{v} = (v_1, \ldots, v_n) : v_1, \ldots, v_n \in \mathbb{R}\}

Rn\mathbb{R}^n è uno spazio vettoriale con due operazioni:

Si osserva che (1)-(8) sono verificate. Il vettore nullo è 0⃗=(0,…,0)\vec{0} = (0, \ldots, 0), l’opposto di v⃗\vec{v} è −v⃗=(−v1,…,−vn)-\vec{v} = (-v_1, \ldots, -v_n).

In parole. Tutto si fa componente per componente: la somma somma le componenti nello stesso posto, il prodotto moltiplica ogni componente per lo stesso numero. Per n=2n = 2 e n=3n = 3 sono le coordinate dei vettori geometrici del capitolo 1.

Esempi.

  1. In R3\mathbb{R}^3: (1,−2,0)+(3,1,4)=(1+3, −2+1, 0+4)=(4,−1,4)(1, -2, 0) + (3, 1, 4) = (1 + 3,\ -2 + 1,\ 0 + 4) = (4, -1, 4) 3(1,−2,0)=(3⋅1, 3⋅(−2), 3⋅0)=(3,−6,0)3(1, -2, 0) = (3 \cdot 1,\ 3 \cdot (-2),\ 3 \cdot 0) = (3, -6, 0)
  2. In R4\mathbb{R}^4, la proprietà (4) su un caso: (2,0,−1,5)+(−2,0,1,−5)=(0,0,0,0)(2, 0, -1, 5) + (-2, 0, 1, -5) = (0, 0, 0, 0), quindi l’opposto di (2,0,−1,5)(2, 0, -1, 5) è (−2,0,1,−5)(-2, 0, 1, -5), cioè (−1)(2,0,−1,5)(-1)(2, 0, -1, 5).
Perché (1)-(8) valgono in Rn\mathbb{R}^n: un esempio, la (8)

Le operazioni si fanno componente per componente, e su ogni componente valgono le regole dei numeri reali. Per la (8):

λ(v⃗+w⃗)=λ(v1+w1,…,vn+wn)definizione di somma\lambda(\vec{v} + \vec{w}) = \lambda(v_1 + w_1, \ldots, v_n + w_n) \qquad \text{definizione di somma} =(λ(v1+w1),…,λ(vn+wn))definizione di prodotto per scalare= \big(\lambda(v_1 + w_1), \ldots, \lambda(v_n + w_n)\big) \qquad \text{definizione di prodotto per scalare} =(λv1+λw1,…,λvn+λwn)distributiva dei numeri reali= (\lambda v_1 + \lambda w_1, \ldots, \lambda v_n + \lambda w_n) \qquad \text{distributiva dei numeri reali} =(λv1,…,λvn)+(λw1,…,λwn)definizione di somma, letta da destra= (\lambda v_1, \ldots, \lambda v_n) + (\lambda w_1, \ldots, \lambda w_n) \qquad \text{definizione di somma, letta da destra} =λv⃗+λw⃗definizione di prodotto per scalare= \lambda\vec{v} + \lambda\vec{w} \qquad \text{definizione di prodotto per scalare}

Le altre sette si fanno allo stesso modo: si scrive la definizione, si usa la regola dei numeri reali su ogni componente, si riassembla. □\square

1.3Combinazione lineare

Intuizione. Una combinazione lineare è “un po’ di v⃗1\vec{v}_1, più un po’ di v⃗2\vec{v}_2, più…”: ogni vettore si allunga, si accorcia o si gira (coefficiente negativo), e poi si sommano. È la stessa idea della combinazione lineare di matrici λA+μB\lambda A + \mu B del capitolo 3.

In figura, in R2\mathbb{R}^2, v⃗=(2,1)\vec{v} = (2, 1) e w⃗=(1,2)\vec{w} = (1, 2): la combinazione con coefficienti 22 e −1-1 è 2v⃗−w⃗=(4,2)−(1,2)=(3,0)2\vec{v} - \vec{w} = (4, 2) - (1, 2) = (3, 0). Si raddoppia v⃗\vec{v}, poi si aggiunge w⃗\vec{w} girato.

La prof (p. 2): sia VV uno spazio vettoriale reale, siano v⃗1,…,v⃗k∈V\vec{v}_1, \ldots, \vec{v}_k \in V e λ1,…,λk∈R\lambda_1, \ldots, \lambda_k \in \mathbb{R}. Il vettore

v⃗=∑i=1kλiv⃗i=λ1v⃗1+⋯+λkv⃗k∈V\vec{v} = \sum_{i=1}^{k} \lambda_i \vec{v}_i = \lambda_1\vec{v}_1 + \cdots + \lambda_k\vec{v}_k \in V

è detto combinazione lineare di v⃗1,…,v⃗k\vec{v}_1, \ldots, \vec{v}_k con coefficienti λ1,…,λk\lambda_1, \ldots, \lambda_k.

Perché sta in VV (la prof annota “segue da (1)-(8)”): ogni λiv⃗i\lambda_i\vec{v}_i sta in VV perché il prodotto per scalare è un’operazione di VV; sommandoli a due a due si resta in VV perché anche la somma lo è. Grazie all’associativa (2) non serve scrivere le parentesi.

Esempi, dal più facile.

  1. Esempio della prof (p. 2, quaderno p. 70). In R3\mathbb{R}^3, v⃗=(1,1,1)\vec{v} = (1, 1, 1), w⃗=(2,3,4)\vec{w} = (2, 3, 4), λ1=2\lambda_1 = 2, λ2=−1\lambda_2 = -1. 2(1,1,1)=(2,2,2)prodotto per scalare2(1, 1, 1) = (2, 2, 2) \qquad \text{prodotto per scalare} (−1)(2,3,4)=(−2,−3,−4)prodotto per scalare(-1)(2, 3, 4) = (-2, -3, -4) \qquad \text{prodotto per scalare} (2,2,2)+(−2,−3,−4)=(2−2, 2−3, 2−4)=(0,−1,−2)somma componente per componente(2, 2, 2) + (-2, -3, -4) = (2 - 2,\ 2 - 3,\ 2 - 4) = (0, -1, -2) \qquad \text{somma componente per componente}
  2. Esempio della dispensa (Esempio 48, p. 89). v⃗1=(1,1,1)\vec{v}_1 = (1, 1, 1), v⃗2=(1,−2,−3)\vec{v}_2 = (1, -2, -3), λ1=1\lambda_1 = 1, λ2=−2\lambda_2 = -2. 1⋅(1,1,1)+(−2)(1,−2,−3)=(1,1,1)+(−2,4,6)=(1−2, 1+4, 1+6)=(−1,5,7)1 \cdot (1, 1, 1) + (-2)(1, -2, -3) = (1, 1, 1) + (-2, 4, 6) = (1 - 2,\ 1 + 4,\ 1 + 6) = (-1, 5, 7)
  3. In M2(R)M_2(\mathbb{R}), dove i vettori sono matrici. Con I=(1001)I = \begin{pmatrix} 1 & 0 \\ 0 & 1 \end{pmatrix} e S=(0110)S = \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}: 2I−S=(2002)−(0110)=(2−1−12)2I - S = \begin{pmatrix} 2 & 0 \\ 0 & 2 \end{pmatrix} - \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix} = \begin{pmatrix} 2 & -1 \\ -1 & 2 \end{pmatrix} La definizione è la stessa: cambia solo cosa sono i vettori.
  4. Il vettore nullo è sempre combinazione lineare di qualunque v⃗1,…,v⃗k\vec{v}_1, \ldots, \vec{v}_k: basta prendere tutti i coefficienti nulli, 0v⃗1+⋯+0v⃗k=0⃗0\vec{v}_1 + \cdots + 0\vec{v}_k = \vec{0} (perché 0v⃗=0⃗0\vec{v} = \vec{0}, vedi sopra).

Il problema al contrario. Spesso non si danno i coefficienti ma il risultato: “b⃗\vec{b} è combinazione lineare di v⃗1,…,v⃗k\vec{v}_1, \ldots, \vec{v}_k?”. Vuol dire: esistono λ1,…,λk\lambda_1, \ldots, \lambda_k con λ1v⃗1+⋯+λkv⃗k=b⃗\lambda_1\vec{v}_1 + \cdots + \lambda_k\vec{v}_k = \vec{b}? Uguagliando le componenti è un sistema lineare nelle incognite λi\lambda_i. Due esempi graduati.

  1. Sì. (3,0,−1)(3, 0, -1) è combinazione di (1,1,1)(1, 1, 1) e (1,−2,−3)(1, -2, -3)? Cerco λ1(1,1,1)+λ2(1,−2,−3)=(3,0,−1)\lambda_1(1, 1, 1) + \lambda_2(1, -2, -3) = (3, 0, -1), cioè

    {λ1+λ2=3λ1−2λ2=0λ1−3λ2=−1\begin{cases} \lambda_1 + \lambda_2 = 3 \\ \lambda_1 - 2\lambda_2 = 0 \\ \lambda_1 - 3\lambda_2 = -1 \end{cases}
    • prima meno seconda: 3λ2=33\lambda_2 = 3, quindi λ2=1\lambda_2 = 1;
    • dalla prima: λ1=3−1=2\lambda_1 = 3 - 1 = 2;
    • controllo la terza, che non ho usato: 2−3⋅1=−12 - 3 \cdot 1 = -1. Vera.

    Sì: (3,0,−1)=2(1,1,1)+(1,−2,−3)(3, 0, -1) = 2(1, 1, 1) + (1, -2, -3). Verifica: (2,2,2)+(1,−2,−3)=(3,0,−1)(2, 2, 2) + (1, -2, -3) = (3, 0, -1).

  2. No. (1,0,0)(1, 0, 0) è combinazione di (1,1,1)(1, 1, 1) e (2,3,4)(2, 3, 4)? Il sistema è

    {λ1+2λ2=1λ1+3λ2=0λ1+4λ2=0\begin{cases} \lambda_1 + 2\lambda_2 = 1 \\ \lambda_1 + 3\lambda_2 = 0 \\ \lambda_1 + 4\lambda_2 = 0 \end{cases}
    • terza meno seconda: λ2=0\lambda_2 = 0;
    • dalla seconda: λ1=−3λ2=0\lambda_1 = -3\lambda_2 = 0;
    • la prima diventa 0+0=10 + 0 = 1: falso.

    Il sistema è incompatibile: no. Con termini noti 0,−1,−20, -1, -2 invece lo stesso sistema dà λ1=2\lambda_1 = 2, λ2=−1\lambda_2 = -1: è l’esempio della prof letto al contrario.

1.4Combinazione lineare in forma matriciale

La prof (p. 3): più in generale, dati v⃗1,…,v⃗k∈Rn\vec{v}_1, \ldots, \vec{v}_k \in \mathbb{R}^n e λ1,…,λk∈R\lambda_1, \ldots, \lambda_k \in \mathbb{R}, la combinazione lineare v⃗=∑i=1kλiv⃗i\vec{v} = \sum_{i=1}^{k} \lambda_i\vec{v}_i può essere scritta in “forma matriciale” come segue:

Allora

(∗)v⃗=∑i=1kλiv⃗i=Aλ⃗(\ast) \qquad \vec{v} = \sum_{i=1}^{k} \lambda_i\vec{v}_i = A\vec{\lambda}

Intuizione. Moltiplicare una matrice per una colonna di numeri vuol dire fare la combinazione lineare delle sue colonne con quei numeri come coefficienti. Si legge da sinistra a destra: “le colonne di AA sono i vettori, λ⃗\vec{\lambda} dice quanto prenderne”.

Perché è vero. AA è n×kn \times k e λ⃗\vec{\lambda} è k×1k \times 1: il prodotto esiste ed è n×1n \times 1. La sua riga jj è “riga jj di AA per λ⃗\vec{\lambda}”, cioè v1jλ1+v2jλ2+⋯+vkjλkv_{1j}\lambda_1 + v_{2j}\lambda_2 + \cdots + v_{kj}\lambda_k: è proprio la componente jj di λ1v⃗1+⋯+λkv⃗k\lambda_1\vec{v}_1 + \cdots + \lambda_k\vec{v}_k. La verifica scritta per intero, con n=2n = 2 e k=3k = 3, è l’esercizio della prof (esercizio 2 qui sotto).

Esempi.

  1. L’esempio della prof in forma matriciale: le colonne sono (1,1,1)(1, 1, 1) e (2,3,4)(2, 3, 4). (121314)(2−1)=(1⋅2+2⋅(−1)1⋅2+3⋅(−1)1⋅2+4⋅(−1))=(0−1−2)\begin{pmatrix} 1 & 2 \\ 1 & 3 \\ 1 & 4 \end{pmatrix}\begin{pmatrix} 2 \\ -1 \end{pmatrix} = \begin{pmatrix} 1 \cdot 2 + 2 \cdot (-1) \\ 1 \cdot 2 + 3 \cdot (-1) \\ 1 \cdot 2 + 4 \cdot (-1) \end{pmatrix} = \begin{pmatrix} 0 \\ -1 \\ -2 \end{pmatrix} Stesso risultato del conto componente per componente.
  2. Tre vettori di R2\mathbb{R}^2: v⃗1=(1,0)\vec{v}_1 = (1, 0), v⃗2=(2,1)\vec{v}_2 = (2, 1), v⃗3=(0,3)\vec{v}_3 = (0, 3), λ⃗=(1,−1,2)\vec{\lambda} = (1, -1, 2). AA è 2×32 \times 3: (120013)(1−12)=(1−2+00−1+6)=(−15)\begin{pmatrix} 1 & 2 & 0 \\ 0 & 1 & 3 \end{pmatrix}\begin{pmatrix} 1 \\ -1 \\ 2 \end{pmatrix} = \begin{pmatrix} 1 - 2 + 0 \\ 0 - 1 + 6 \end{pmatrix} = \begin{pmatrix} -1 \\ 5 \end{pmatrix} Controllo diretto: (1,0)−(2,1)+2(0,3)=(1−2+0, 0−1+6)=(−1,5)(1, 0) - (2, 1) + 2(0, 3) = (1 - 2 + 0,\ 0 - 1 + 6) = (-1, 5).

A cosa serve. “b⃗\vec{b} è combinazione lineare di v⃗1,…,v⃗k\vec{v}_1, \ldots, \vec{v}_k?” diventa “il sistema Aλ⃗=b⃗A\vec{\lambda} = \vec{b} è compatibile?”, e quello si decide con Gauss e Rouché-Capelli (Rango e Rouché-Capelli). I due problemi al contrario di sopra erano esattamente questo, con A=(111−21−3)A = \begin{pmatrix} 1 & 1 \\ 1 & -2 \\ 1 & -3 \end{pmatrix} e A=(121314)A = \begin{pmatrix} 1 & 2 \\ 1 & 3 \\ 1 & 4 \end{pmatrix}. È anche il ponte verso Generatori.

1.5Sottospazio vettoriale

Intuizione. Un sottospazio è un pezzo di VV da cui non si esce facendo i conti: sommando due suoi elementi, o moltiplicandone uno per un numero qualunque, si resta dentro. In R2\mathbb{R}^2 una retta per l’origine lo è: due frecce lungo la retta sommate restano sulla retta, e una freccia allungata o girata resta sulla retta. Una retta che non passa per l’origine no.

A sinistra due rette per l’origine di R2\mathbb{R}^2: l’asse {v1=0}\{v_1 = 0\} e la retta y=x/2y = x/2. A destra la retta y=x/2+1y = x/2 + 1, che non passa per l’origine: u⃗1=(0,1)\vec{u}_1 = (0, 1) e u⃗2=(2,2)\vec{u}_2 = (2, 2) stanno sulla retta (1=0/2+11 = 0/2 + 1, 2=2/2+12 = 2/2 + 1), ma u⃗1+u⃗2=(2,3)\vec{u}_1 + \vec{u}_2 = (2, 3) no (sulla retta, per x=2x = 2, yy vale 22). Non è un sottospazio, e già 0⃗\vec{0} non ci sta.

La prof (p. 4): sia VV uno spazio vettoriale reale. Un sottoinsieme non vuoto U⊆VU \subseteq V è detto sottospazio vettoriale (o sottospazio) di VV se è chiuso rispetto alle due operazioni di VV, ossia se

Equivalentemente, U⊆VU \subseteq V è un sottospazio se

Nel quaderno (p. 71): “sottoinsieme dello spazio vettoriale, ma deve avere proprietà in più”.

Perché un sottospazio è a sua volta uno spazio vettoriale. Con le stesse operazioni di VV, le proprietà (1)-(8) valgono in UU perché valgono già in tutto VV, e (A), (B) garantiscono che le operazioni non portino fuori. Il vettore nullo e gli opposti stanno in UU per la prima osservazione qui sotto.

Perché (C) equivale ad (A) + (B)

Da (A) e (B) segue (C). Siano u⃗1,u⃗2∈U\vec{u}_1, \vec{u}_2 \in U e λ1,λ2∈R\lambda_1, \lambda_2 \in \mathbb{R}.

  • λ1u⃗1∈U\lambda_1\vec{u}_1 \in U, per la (B) applicata a u⃗1\vec{u}_1;
  • λ2u⃗2∈U\lambda_2\vec{u}_2 \in U, per la (B) applicata a u⃗2\vec{u}_2;
  • λ1u⃗1+λ2u⃗2∈U\lambda_1\vec{u}_1 + \lambda_2\vec{u}_2 \in U, per la (A) applicata ai due vettori appena trovati.

Da (C) seguono (A) e (B).

  • (A): scelgo λ1=λ2=1\lambda_1 = \lambda_2 = 1. La (C) dà 1u⃗1+1u⃗2=u⃗1+u⃗2∈U1\vec{u}_1 + 1\vec{u}_2 = \vec{u}_1 + \vec{u}_2 \in U, per la (6).
  • (B): dati u⃗∈U\vec{u} \in U e λ\lambda, scelgo u⃗1=u⃗2=u⃗\vec{u}_1 = \vec{u}_2 = \vec{u}, λ1=λ\lambda_1 = \lambda, λ2=0\lambda_2 = 0. La (C) dà λu⃗+0u⃗=λu⃗+0⃗=λu⃗∈U\lambda\vec{u} + 0\vec{u} = \lambda\vec{u} + \vec{0} = \lambda\vec{u} \in U, perché 0u⃗=0⃗0\vec{u} = \vec{0} e per la (3). □\square

In pratica la (C) è comoda per dimostrare che UU è un sottospazio (un conto solo); (A) e (B) separate sono comode per trovare dove fallisce.

Esempi e controesempi in R2\mathbb{R}^2, con la condizione che cade:

insieme0⃗∈U\vec{0} \in U?(A) somma(B) prodottosottospazio?
retta y=2xy = 2xsìsìsìsì
retta y=2x+1y = 2x + 1nononono, basta 0⃗∉U\vec{0} \notin U
assi, xy=0xy = 0sìno: (1,0)+(0,1)=(1,1)(1,0) + (0,1) = (1,1)sìno
semipiano x≥0x \geq 0sìsìno: (−1)(1,1)=(−1,−1)(-1)(1,1) = (-1,-1)no
parabola y=x2y = x^2sìnono: 2(1,1)=(2,2)2(1,1) = (2,2), 2≠222 \neq 2^2no
x∈Zx \in \mathbb{Z}sìsìno: 2(1,1)\sqrt{2}(1,1)no

I quattro “no” della figura contengono tutti 0⃗\vec{0}: il controllo dell’origine li lascia passare, e serve un controesempio. Le verifiche complete di ognuno sono nell’esercizio 3.

In R3\mathbb{R}^3 lo stesso quadro, con piani e rette:

Il piano x−z=0x - z = 0 passa per l’origine ed è un sottospazio: è il nucleo della matrice (10−1)\begin{pmatrix} 1 & 0 & -1 \end{pmatrix}, esempio (3) qui sotto. Il piano x+y=1x + y = 1 non contiene (0,0,0)(0, 0, 0), perché 0+0=0≠10 + 0 = 0 \neq 1: non è un sottospazio.

2Enunciati

2.1Osservazione: un sottospazio contiene il vettore nullo

La prof (p. 4): se U⊆VU \subseteq V è un sottospazio, allora 0⃗∈U\vec{0} \in U.

Dimostrazione (della prof)

UU non è vuoto, quindi contiene almeno un u⃗\vec{u}.

  • (−1)u⃗∈U(-1)\vec{u} \in U, per la (B) con λ=−1\lambda = -1;
  • u⃗+(−1)u⃗∈U\vec{u} + (-1)\vec{u} \in U, per la (A);
  • u⃗+(−1)u⃗=u⃗+(−u⃗)=0⃗\vec{u} + (-1)\vec{u} = \vec{u} + (-\vec{u}) = \vec{0}, perché (−1)u⃗=−u⃗(-1)\vec{u} = -\vec{u} (vedi sopra) e per la (4).

Quindi 0⃗∈U\vec{0} \in U. □\square

L’ipotesi “non vuoto” serve davvero: senza un u⃗\vec{u} da cui partire la dimostrazione non comincia, e infatti l’insieme vuoto non contiene 0⃗\vec{0}.

Come si usa. È il primo controllo di ogni esercizio “è un sottospazio?”: se 0⃗∉U\vec{0} \notin U, la risposta è no e si è finiti.

Il verso giusto. 0⃗∈U\vec{0} \in U è necessario ma non sufficiente. Due esempi graduati:

  1. U={(x,y):x+y=1}U = \{(x, y) : x + y = 1\}: 0+0≠10 + 0 \neq 1, quindi 0⃗∉U\vec{0} \notin U e UU non è un sottospazio. Qui l’osservazione basta.
  2. U={(x,y):xy=0}U = \{(x, y) : xy = 0\}: 0⋅0=00 \cdot 0 = 0, quindi 0⃗∈U\vec{0} \in U, eppure UU non è un sottospazio (cade la (A), vedi la tabella). Qui l’osservazione non decide niente.

2.2Osservazione: un sottospazio non nullo ha infiniti elementi

La prof (p. 4): se UU contiene almeno un vettore non nullo, allora UU contiene infiniti elementi.

Dimostrazione (della prof, con il passo che lascia implicito)

Per la (B), λu⃗∈U\lambda\vec{u} \in U per ogni λ∈R\lambda \in \mathbb{R}.

Il passo implicito: i vettori λu⃗\lambda\vec{u} sono tutti diversi fra loro. Supponiamo λu⃗=μu⃗\lambda\vec{u} = \mu\vec{u} con λ≠μ\lambda \neq \mu.

λu⃗+(−μu⃗)=0⃗sommo l’opposto di μu⃗\lambda\vec{u} + (-\mu\vec{u}) = \vec{0} \qquad \text{sommo l'opposto di } \mu\vec{u} (λ−μ)u⃗=0⃗per la (7) e −μu⃗=(−μ)u⃗(\lambda - \mu)\vec{u} = \vec{0} \qquad \text{per la (7) e } -\mu\vec{u} = (-\mu)\vec{u} 1λ−μ((λ−μ)u⃗)=1λ−μ0⃗=0⃗λ−μ≠0\frac{1}{\lambda - \mu}\big((\lambda - \mu)\vec{u}\big) = \frac{1}{\lambda - \mu}\vec{0} = \vec{0} \qquad \lambda - \mu \neq 0 1u⃗=u⃗=0⃗per la (5) e la (6)1\vec{u} = \vec{u} = \vec{0} \qquad \text{per la (5) e la (6)}

contro l’ipotesi u⃗≠0⃗\vec{u} \neq \vec{0}. Quindi numeri diversi danno vettori diversi: ci sono tanti vettori λu⃗\lambda\vec{u} quanti numeri reali, cioè infiniti. □\square

Conseguenza. Un sottospazio ha un solo elemento (ed è {0⃗}\{\vec{0}\}) oppure ne ha infiniti (la dispensa: “non esistono spazi vettoriali con un numero finito di elementi maggiore di 1”). Due esempi:

  1. {(0,0),(1,0)}\{(0, 0), (1, 0)\} non è un sottospazio di R2\mathbb{R}^2: ha due elementi. Infatti 2(1,0)=(2,0)2(1, 0) = (2, 0) esce.
  2. {(x,y):x2+y2=0}\{(x, y) : x^2 + y^2 = 0\} è un sottospazio: l’unica soluzione di x2+y2=0x^2 + y^2 = 0 in numeri reali è x=y=0x = y = 0 (somma di due quadrati, entrambi ≥0\geq 0), quindi è {0⃗}\{\vec{0}\}. L’equazione non è lineare, ma l’insieme sì.

2.3Esempi e non-esempi della prof

La prof (p. 5); gli stessi nella dispensa, Esempi 49-51 (p. 91-92):

  1. {0⃗}⊆V\{\vec{0}\} \subseteq V è un sottospazio, il più piccolo. Verifica con la (C): l’unico vettore è 0⃗\vec{0}, e λ10⃗+λ20⃗=0⃗+0⃗=0⃗\lambda_1\vec{0} + \lambda_2\vec{0} = \vec{0} + \vec{0} = \vec{0}, si resta dentro.
  2. Rn\mathbb{R}^n è sottospazio di sé stesso, il più grande. Somme e multipli di ennuple sono ennuple.
  3. L’insieme delle soluzioni di un sistema lineare omogeneo Ax⃗=0⃗A\vec{x} = \vec{0} è un sottospazio di Rn\mathbb{R}^n (A∈Mm×n(R)A \in M_{m \times n}(\mathbb{R})). In altre parole: il nucleo N(A)N(A) è un sottospazio di Rn\mathbb{R}^n. È l’osservazione 1 di Nucleo e struttura delle soluzioni, ora detta con la parola giusta.
  4. (non-esempio) L’insieme delle soluzioni di un sistema lineare non omogeneo Ax⃗=b⃗A\vec{x} = \vec{b}, b⃗≠0⃗\vec{b} \neq \vec{0}, non è un sottospazio di Rn\mathbb{R}^n. Infatti 0⃗\vec{0} non è una soluzione, perché A0⃗=0⃗≠b⃗A\vec{0} = \vec{0} \neq \vec{b}.
  5. U={v⃗=(v1,…,vn):v1=0}⊆RnU = \{\vec{v} = (v_1, \ldots, v_n) : v_1 = 0\} \subseteq \mathbb{R}^n è un sottospazio: le ennuple con la prima componente nulla. In R2\mathbb{R}^2 è l’asse verticale, e la prof lo disegna (p. 6): “qualunque retta di R2\mathbb{R}^2 passante per l’origine OO è un sottospazio”.
  6. (non-esempio) U={v⃗=(v1,…,vn)∣v1∈Z}U = \{\vec{v} = (v_1, \ldots, v_n) \mid v_1 \in \mathbb{Z}\}, le ennuple con la prima componente intera (Z={…,−2,−1,0,1,2,…}\mathbb{Z} = \{\ldots, -2, -1, 0, 1, 2, \ldots\}), non è un sottospazio.
Dimostrazione di (3), con la (C)

Siano v⃗,w⃗\vec{v}, \vec{w} due soluzioni, cioè Av⃗=0⃗A\vec{v} = \vec{0} e Aw⃗=0⃗A\vec{w} = \vec{0}, e siano λ,μ∈R\lambda, \mu \in \mathbb{R}.

A(λv⃗+μw⃗)=A(λv⃗)+A(μw⃗)distributiva del prodotto di matriciA(\lambda\vec{v} + \mu\vec{w}) = A(\lambda\vec{v}) + A(\mu\vec{w}) \qquad \text{distributiva del prodotto di matrici} =λAv⃗+μAw⃗gli scalari escono dal prodotto= \lambda A\vec{v} + \mu A\vec{w} \qquad \text{gli scalari escono dal prodotto} =λ0⃗+μ0⃗=0⃗ipotesi= \lambda\vec{0} + \mu\vec{0} = \vec{0} \qquad \text{ipotesi}

Quindi λv⃗+μw⃗\lambda\vec{v} + \mu\vec{w} è ancora una soluzione: vale la (C). L’insieme non è vuoto, perché A0⃗=0⃗A\vec{0} = \vec{0}. □\square

Dimostrazione di (5) (della prof)

Verifichiamo che vale (C). Due elementi qualunque di UU hanno la forma (0,v2,…,vn)(0, v_2, \ldots, v_n) e (0,w2,…,wn)(0, w_2, \ldots, w_n). Per ogni λ1,λ2∈R\lambda_1, \lambda_2 \in \mathbb{R}:

λ1(0,v2,…,vn)+λ2(0,w2,…,wn)=(0,λ1v2,…,λ1vn)+(0,λ2w2,…,λ2wn)prodotto per scalare\lambda_1(0, v_2, \ldots, v_n) + \lambda_2(0, w_2, \ldots, w_n) = (0, \lambda_1 v_2, \ldots, \lambda_1 v_n) + (0, \lambda_2 w_2, \ldots, \lambda_2 w_n) \qquad \text{prodotto per scalare} =(0+0, λ1v2+λ2w2, …, λ1vn+λ2wn)somma= (0 + 0,\ \lambda_1 v_2 + \lambda_2 w_2,\ \ldots,\ \lambda_1 v_n + \lambda_2 w_n) \qquad \text{somma} =(0, λ1v2+λ2w2, …, λ1vn+λ2wn)∈U= (0,\ \lambda_1 v_2 + \lambda_2 w_2,\ \ldots,\ \lambda_1 v_n + \lambda_2 w_n) \in U

perché la prima componente è 00. UU non è vuoto (0⃗∈U\vec{0} \in U). □\square

La dispensa fa lo stesso con l’ultima componente, {un=0}\{u_n = 0\}: la posizione della componente nulla non conta.

Dimostrazione di (6) (della prof)

Non verifica la (B): basta un caso in cui fallisce. Se u⃗∈U\vec{u} \in U e λ=2\lambda = \sqrt{2}, allora 2 u⃗∉U\sqrt{2}\,\vec{u} \notin U.

Con un vettore preciso, perché “se u⃗∈U\vec{u} \in U” va scelto bene: u⃗=(1,0,…,0)∈U\vec{u} = (1, 0, \ldots, 0) \in U (prima componente 1∈Z1 \in \mathbb{Z}), ma 2 u⃗=(2,0,…,0)\sqrt{2}\,\vec{u} = (\sqrt{2}, 0, \ldots, 0) ha prima componente 2∉Z\sqrt{2} \notin \mathbb{Z}. Con u⃗=0⃗\vec{u} = \vec{0} invece 2 0⃗=0⃗∈U\sqrt{2}\,\vec{0} = \vec{0} \in U: il controesempio deve usare un u⃗\vec{u} con u1≠0u_1 \neq 0. Va bene anche λ=12\lambda = \frac{1}{2}: 12(1,0,…,0)=(12,0,…,0)\frac12(1, 0, \ldots, 0) = (\frac12, 0, \ldots, 0), e 12∉Z\frac12 \notin \mathbb{Z}.

Nota: UU è chiuso rispetto alla somma (intero più intero è intero). È la (B) che lo tradisce. □\square

2.4Esempi della prof in M2(R)M_2(\mathbb{R}) e in R[x]\mathbb{R}[x] (L8)

La prof (19/10, p. 13-14, “Esempi di sottospazi”). Lo schema è lo stesso di Rn\mathbb{R}^n: la (C) con elementi generici per dire sì, un controesempio o il vettore nullo mancante per dire no.

Consideriamo V=M2(R)V = M_2(\mathbb{R}) spazio vettoriale.

  1. Le matrici a traccia nulla. U={(a11a12a21a22):a11+a22=0}⊆VU = \left\{\begin{pmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \end{pmatrix} : a_{11} + a_{22} = 0\right\} \subseteq V dove a11+a22a_{11} + a_{22} è la traccia di AA (somma degli elementi sulla diagonale). UU è un sottospazio di VV.
  2. Le matrici invertibili. U′={A∈M2(R):A eˋ invertibile}⊆VU' = \{A \in M_2(\mathbb{R}) : A \text{ è invertibile}\} \subseteq V non è un sottospazio, perché non contiene l’elemento nullo (0000)\begin{pmatrix} 0 & 0 \\ 0 & 0 \end{pmatrix} (la matrice nulla non è invertibile: O⋅B=O≠IO \cdot B = O \neq I per ogni BB).
Dimostrazione di 1 (della prof, p. 13-14)

Verifichiamo (C), ossia che se A,B∈UA, B \in U e λ,μ∈R\lambda, \mu \in \mathbb{R}, allora λA+μB∈U\lambda A + \mu B \in U. Infatti

λA+μB=(λa11+μb11λa12+μb12λa21+μb21λa22+μb22)\lambda A + \mu B = \begin{pmatrix} \lambda a_{11} + \mu b_{11} & \lambda a_{12} + \mu b_{12} \\ \lambda a_{21} + \mu b_{21} & \lambda a_{22} + \mu b_{22} \end{pmatrix}

Per verificare che λA+μB∈U\lambda A + \mu B \in U considero la traccia:

(λa11+μb11)+(λa22+μb22)=λ(a11+a22)+μ(b11+b22)riordino e raccolgo(\lambda a_{11} + \mu b_{11}) + (\lambda a_{22} + \mu b_{22}) = \lambda(a_{11} + a_{22}) + \mu(b_{11} + b_{22}) \qquad \text{riordino e raccolgo} =λ⋅0+μ⋅0=0a11+a22=0 percheˊ A∈U, b11+b22=0 percheˊ B∈U= \lambda \cdot 0 + \mu \cdot 0 = 0 \qquad a_{11} + a_{22} = 0 \text{ perché } A \in U,\ b_{11} + b_{22} = 0 \text{ perché } B \in U

UU non è vuoto (O∈UO \in U, traccia 00). □\square

Sia ora V=R[x]V = \mathbb{R}[x], i polinomi.

  1. I polinomi che si annullano in 11. U={p(x)∈V∣p(1)=0}U = \{p(x) \in V \mid p(1) = 0\} è un sottospazio. La prof lo lascia per esercizio: è l’esercizio 9 di Spazi vettoriali (esercizi). Per esempio x−1x - 1 e x2−1x^2 - 1 stanno in UU, e anche 2(x−1)+3(x2−1)=3x2+2x−52(x - 1) + 3(x^2 - 1) = 3x^2 + 2x - 5, che in 11 vale 3+2−5=03 + 2 - 5 = 0.

  2. I polinomi di grado esattamente dd. U′={p(x)∈V∣grado di p(x) eˋ d}U' = \{p(x) \in V \mid \text{grado di } p(x) \text{ è } d\}, d∈Nd \in \mathbb{N} fissato, non è un sottospazio.

    • Prima motivazione: non vale (A). Con p(x)=xdp(x) = x^d e q(x)=1−xdq(x) = 1 - x^d, entrambi di grado dd (per d>0d > 0): (p+q)(x)=xd+(1−xd)=1∉U′(p + q)(x) = x^d + (1 - x^d) = 1 \notin U' perché 11 ha grado 0≠d0 \neq d.
    • Seconda motivazione: U′U' non contiene l’elemento nullo. Il polinomio nullo non ha grado dd (non ha nessun coefficiente diverso da zero, e il grado non è definito).

    La seconda motivazione basta da sola, e vale anche per d=0d = 0, dove U′U' è l’insieme delle costanti non nulle. Il confronto con l’esempio 8: “grado al più dd” dà uno spazio vettoriale, “grado esattamente dd” no.

Altri due esempi graduati, per allenarsi a scegliere la strada:

2.5Il quadro in R2\mathbb{R}^2 e R3\mathbb{R}^3

Mettendo insieme le due osservazioni: un sottospazio contiene l’origine, e se contiene un u⃗≠0⃗\vec{u} \neq \vec{0} contiene tutta la retta {λu⃗}\{\lambda\vec{u}\}.

Che non ce ne siano altri si capirà con la dimensione, non ancora fatta a lezione; qui basta riconoscerli. Il collegamento con le equazioni: un piano per l’origine ha equazione cartesiana ax+by+cz=0ax + by + cz = 0, senza termine noto, quindi è il nucleo di (abc)\begin{pmatrix} a & b & c \end{pmatrix} ed è un sottospazio per l’esempio (3). Una retta per l’origine in R3\mathbb{R}^3 è data da due equazioni omogenee, ed è un nucleo anche lei. Un piano con termine noto d≠0d \neq 0 è l’esempio (4).

3Metodo

3.1“UU è un sottospazio di VV?”

Come si riconosce. Il testo dà un insieme descritto da condizioni (“le (x,y,z)(x, y, z) tali che…”, “le matrici con…”) e chiede se è un sottospazio, oppure se è “chiuso rispetto alla somma e al prodotto per scalare” (è la stessa domanda, più il “non vuoto”).

1. 0 ∈ U ?            no  -> NON è un sottospazio (prima osservazione). Fine.
2. sì: guarda la forma delle condizioni che definiscono U
   - equazioni lineari omogenee (ax + by + ... = 0)   -> probabile sì: dimostra (C)
   - termine noto ≠ 0, quadrati, prodotti xy, |x|,
     disuguaglianze (≥), "intero", "invertibile"     -> probabile no: cerca UN controesempio
3a. dimostrare: prendi u1, u2 GENERICI in U (lettere, non numeri), λ1, λ2 generici,
    calcola λ1 u1 + λ2 u2 e controlla che soddisfa le condizioni di U.
3b. confutare: due vettori precisi di U la cui somma esce, oppure
    un vettore u ≠ 0 e un λ preciso (spesso λ = -1, 2, √2 o 1/2) con λu fuori.
4. controllo: il controesempio va verificato con i numeri
   (i due vettori stanno davvero in U? il risultato davvero no?)

Perché due strade diverse. Per dire “sì” bisogna mostrare che la (C) vale per tutti gli u⃗1,u⃗2,λ1,λ2\vec{u}_1, \vec{u}_2, \lambda_1, \lambda_2: un esempio numerico non dimostra niente. Per dire “no” basta un caso in cui fallisce, e va scritto con i numeri.

Quale λ\lambda provare per la (B). Dipende da cosa rompe l’insieme:

Il segnale “probabile sì” vale solo per le equazioni lineari omogenee, e “probabile no” non è una dimostrazione. {x2+y2=0}\{x^2 + y^2 = 0\} ha un quadrato ma è {0⃗}\{\vec{0}\}, un sottospazio. La forma serve a scegliere la strada, poi si fa il conto.

3.2Sottoinsiemi di matrici

Stesso schema, con V=Mn(R)V = M_n(\mathbb{R}) o Mm×n(R)M_{m \times n}(\mathbb{R}): il vettore nullo è la matrice nulla OO, e “generico” vuol dire una matrice con elementi aija_{ij} in lettere. Le condizioni lineari sugli elementi (traccia nulla, a12=0a_{12} = 0, simmetrica aij=ajia_{ij} = a_{ji}) danno sottospazi; “invertibile”, “rg⁡=n\operatorname{rg} = n”, “A2=AA^2 = A” no. Esercizio 5.

3.3Sottospazio con un parametro

L’insieme dipende da kk (“per quali kk UkU_k è un sottospazio?”).

  1. Imponi 0⃗∈Uk\vec{0} \in U_k: dà le condizioni necessarie su kk (di solito: il termine noto si annulla).
  2. Per i soli kk sopravvissuti, sostituisci il valore e decidi come sopra: può restare una condizione non lineare che rompe (B).
  3. Rispondi per ogni k∈Rk \in \mathbb{R}.

Se l’insieme è l’insieme delle soluzioni di un sistema Akx⃗=b⃗kA_k\vec{x} = \vec{b}_k: è un sottospazio se e solo se b⃗k=0⃗\vec{b}_k = \vec{0} (esercizio 7c). Attenzione ai kk per cui il sistema è incompatibile: l’insieme è vuoto, e il vuoto non è un sottospazio (esercizio 6).

3.4Una combinazione lineare data, o da trovare

4Esempi svolti a lezione

Gli esempi della prof del 13/10 sono scritti per intero sopra, ognuno accanto alla definizione che illustra:

In L8 (19/10) la prof ha aggiunto, scritti sopra accanto alle definizioni:

Le altre parti della L8 stanno in Generatori (sottospazi come soluzioni di sistemi omogenei, R[x]\mathbb{R}[x] non finitamente generato), Dipendenza lineare e Basi.

Il quaderno (p. 69-71) riporta la definizione, Rn\mathbb{R}^n, la combinazione lineare con l’esempio della prof e i titoli “Sottospazi vettoriali” e “Generatori”; non ha ★ né ?.

Il giorno prima, all’esercitazione del 12/10, la prof ha già risposto a una domanda sui sottospazi: “l’insieme delle soluzioni di Akx⃗=b⃗A_k\vec{x} = \vec{b} è chiuso rispetto alla somma e al prodotto per uno scalare se e solo se il sistema è omogeneo”. Svolto in Esercizi extra matrici svolti, esercizio 3, punto 3; l’esercizio 6 qui sotto è dello stesso tipo.

5Esercizi tipo esame

In una pagina a parte, dal più facile al livello del 30: Spazi vettoriali (esercizi).

6Errori tipici

7Domande