1

Note per il corso di Geometria 2014-2015

Corso di laurea in Ing. Edile/Architettura

2 Numeri, n-uple e matrici

2.1 Operazioni
Ricordiamo alcune notazioni:
N = f1; 2; : : :g e l'insieme dei numeri naturali,
Z = f0; 1; 2; : : :g e l'insieme dei numeri interi relativi,
Q = f qp j p 2 Z; q 2 Z; q 6= 0g denota l'insieme delle frazioni, i numeri razionali.
Ogni equazione lineare ax = b , con a e b numeri interi, e risolubile in Q (ma non in
Z o N ). Passando alle equazioni quadratiche sorgono problemi: ad esempio, l'equazione
x 2 2p= 0 non ha soluzioni razionali. L'introduzione dei numeri reali (razionali e irrazionali
come 2 ) consente di risolvere anche equazioni come x 2 = 2 (ma non tutte le equazioni
quadratiche. . . perche?).
Introduciamo una terminologia utile per parlare di operazioni sui numeri:
De nizione 1. Un gruppo e un insieme G nel quale e de nita un'operazione  che soddisfa
le seguenti proprieta:
i) e associativa: (a  b)  c = a  (b  c ) 8a; b; c 2 G ;
ii) esiste un elemento neutro e 2 G tale che a  e = e  a = a 8a 2 G ;
iii) ogni elemento a 2 G ha un elemento simmetrico a0 2 G tale che a  a0 = a0  a = e .
Un gruppo (G; ) e detto commutativo se a  b = b  a 8a; b 2 G .
Esempi. i) (N; +) non e un gruppo, poiche non esiste un elemento neutro e nessun elemento
ha un simmetrico. Nemmeno l'insieme (N [ f0g; +) e un gruppo, poiche esiste l'elemento
neutro 0 ma solo l'elemento neutro ha un simmetrico;
ii) (Z; +) , (Q; +) e (R; +) sono gruppi commutativi, con elemento simmetrico di a
l'opposto a ;
iii) (N; ) e (Z; ) non sono gruppi, poiche solo l'elemento neutro 1 (e anche 1 in Z )
ha un simmetrico (l'inverso) rispetto al prodotto;
iv) Siano Q = Q n f0g e R = R n f0g .
(Q ; ) e (R ; ) sono gruppi commutativi. L'esclusione dello 0 e necessaria: non esiste
alcun numero a tale che a  0 = 1 .
Dunque i numeri razionali e i numeri reali hanno una struttura piu ricca rispetto agli altri
insiemi di numeri: per questo sono detti campi e gli elementi di un campo sono detti scalari.
Esiste un altro campo molto importante: il campo dei numeri complessi.
Riassumendo, un campo e un'insieme K con due operazioni + e  tali che:
i) (K; +) e un gruppo commutativo, con elemento neutro 0 ;
ii) Posto K = K n f0g , (K ; ) e un gruppo commutativo;
iii) vale la proprieta distributiva: a  (b + c ) = a  b + a  c 8a; b; c 2 K .

2.2 Spazi di n -uple e matrici

I prodotti cartesiani R  R = R2 e R  R  R = R3 , costituiti dalle coppie e terne ordinate
di numeri reali, vengono utilizzati in geometria analitica per rappresentare i punti del piano e
dello spazio, mediante l'introduzione di un sistema di coordinate cartesiane.
Ora generalizziamo il concetto, introducendo gli spazi di n -uple.
2.3 2

De nizione 2. L'insieme
Rn = f(a1; a2; : : : ; an ) j ai 2 R; i = 1; : : : ; ng
e detto spazio delle n -uple di numeri reali, dette anche vettori numerici a n componenti.
Introduciamo in Rn un'operazione, che rende lo spazio delle n -uple un gruppo commutativo.
Date due n -uple a = (a1 ; : : : ; an ) e b = (b1 ; : : : ; bn ) , la loro somma e la n -upla

a + b = (a1 + b1 ; : : : ; an + bn ):
L'elemento neutro e la n -upla nulla O = (0; : : : ; 0) e il simmetrico di a e l'opposto a =
( a1 ; : : : ; an ) .
Nel seguito useremo anche una seconda operazione, la moltiplicazione per scalare : dati
k 2 R e a 2 Rn , poniamo
ka = (ka1 ; : : : ; kan ):
Osserviamo che valgono: 0a = O e 1a = a 8a 2 Rn . Inoltre ( 1)a = a.

2.3
Introduciamo ora le matrici, uno degli oggetti fondamentali usati nel corso. L'aritmetica delle
matrici consente di trattare piu semplicemente i sistemi lineari, di rappresentare le trasforma-
zioni geometriche del piano e dello spazio, e fornisce uno strumento adatto per formulare e
risolvere vari problemi applicativi.
De nizione 3. Siano m; n due interi positivi. Una matrice reale di tipo (m; n) (o m  n ) e
una tabella rettangolare di mn numeri reali costituita da m righe e n colonne.
a11 a12


a1n
 
 a21 a22


a2n
A=
















am1 am2


amn
Useremo la notazione A = [aij ] per denotare la matrice A , di elementi aij , dove il primo
indice indica la riga e il secondo la colonna. Il simbolo Mm;n (R) indica l'insieme delle matrici
reali m  n .
Una matrice di tipo (1; n) puo essere identi cata con la n -upla

(a11 ; a12 ; : : : ; a1n ) 2 Rn

e viene chiamata vettore riga, mentre una matrice di tipo (m; 1) viene chiamata vettore
colonna e puo essere identi cata con la m -upla
(a11 ; a21 ; : : : ; am1 ) 2 Rm :

Se m = n la matrice e detta quadrata. Useremo il simbolo Mn (R) per l'insieme delle matrici
reali quadrate n  n . In ne, una matrice 1  1 sara sempre identi cata con lo scalare a11 .

2.4 Operazioni sulle matrici

Sulle matrici si introducono alcune operazioni: la somma, la moltiplicazione per scalare, il
prodotto di matrici righe per colonne. Usando le n -uple come modello, de niamo le prime due
operazioni mediante la somma e il prodotto di numeri reali componente per componente.
2.5 Proprieta delle operazioni 3

De nizione 4. Il prodotto di uno scalare k 2R per una matrice A = [aij ] e la matrice

kA = [kaij ] .
L'opposta di una matrice A = [aij ] e la matrice A = ( 1)A = [ aij ] .
La somma di due matrici, A = [aij ] , B = [bij ] , dello stesso tipo, e la matrice A+B =
[aij + bij ] .
La di erenza A B e la matrice A + ( B ) = [aij bij ] .
De nizione 5. Si dicono conformabili due matrici A; B , tali che il numero delle colonne di
A sia uguale al numero delle righe di B . Siano A = [aij ] di tipo (m; n) , B = [bjk ] di tipo
(n; r ) . Il prodotto C = AB e la matrice [cik ] , di tipo (m; r ) , in cui
n
cik = aih bhk = ai 1 b1k + ai 2 b2k +


+ ain bnk :
X

h=1

In particolare, il prodotto di un vettore riga, di componenti a1 ; : : : ; an per un vettore colonna,

di componenti b1 ; : : : ; bn , e lo scalare a1 b1 + a2 b2 +


+ an bn . Quindi l'elemento cik del
prodotto AB e il prodotto del vettore riga di indice i per il vettore colonna di indice k (per
questo si chiama anche prodotto \righe per colonne").
Ad esempio, il prodotto delle matrici
2 1 1
 

A = 20 1 0
 

1 3
e B= 0 0 2 
1 1 2
e la matrice
4 2 0
 
C= 3 3 4
Una prima motivazione della particolare de nizione del prodotto di matrici e data dalla
possibilita di scrivere i sistemi di equazioni lineari in forma matriciale. Ad esempio, il sistema

x1 + x2 + x3 =4


2x1 + 2x2 + 5x3 = 11
4x1 + 6x2 + 8x3 = 24



puo essere scritto in forma di prodotto matriciale come

Ax = b
1 1 1 x1
   

dove A = 2 2 5 e la matrice dei coecienti del sistema,

 x = x2  e il vettore colonna
4 6 8 x3
4
 

delle incognite e b = 11 e la colonna dei termini noti.

24

2.5 Proprieta delle operazioni

Le seguenti proprieta delle operazioni fra matrici sono di facile veri ca (dimostrarne almeno
una per esercizio):
 La somma di matrici e commutativa e associativa: A + B = B + A e (A + B ) + C =
A + (B + C ) .
2.5 Proprieta delle operazioni 4

 Detta matrice nulla (o matrice zero ) una matrice, denotata con O , di tipo (m; n) , con
elementi tutti nulli, si ha A + ( A) = A A = O . Dunque (Mm;n (R); +) e un gruppo
commutativo.
 Il prodotto di uno scalare per la somma di matrici gode delle proprieta distributive:
k (A + B) = kA + kB 8k 2 R
(k1 + k2 )A = k1 A + k2 A 8k1; k2 2 R
e della proprieta associativa
(k1 k2 )A = k1 (k2 A) 8k1; k2 2 R
 Il prodotto di matrici e associativo e distributivo rispetto alla somma:
(AB )C = A(BC ) =) scriveremo ABC
A(B + C ) = AB + AC , (A + B)C = AC + BC
k (AB) = (kA)B = A(kB) 8k 2 R:
(naturalmente, le matrici devono essere conformabili).
 Il prodotto di matrici non e commutativo, come mostra l'esempio seguente
1 0 0 1 0 1 0 1 1 0 1 0
         

1 0 0 1
=
0 1
ma
0 1 1 0
=
1 0
:

 La matrice identica di ordine n e la matrice quadrata

1 0


0
 
0 1


0
In =  ..

. . .. 

. . .
0 0


1
cos de nita: In = [ij ] , con ij = 0 per i 6= j , ij = 1 per i = j . Se A e una matrice
conformabile con In , a destra o a sinistra, si ha AIn = A (oppure In A = A ).
De nizione 6. Una matrice A , quadrata di ordine n , si dice invertibile se esiste una matrice
A 1 , tale che A 1 A = AA 1 = In . La matrice A 1 si chiama inversa di A . Si dimostra
facilmente che l'inversa di una matrice, se esiste, e unica.
2 1 1 1
   
Esempi. A=
1. La matrice
1 1
e invertibile, con inversa la matrice B= 1 2
.
Infatti AB = BA = I2 .

C = 11 00 non e invertibile. Infatti se esistesse una matrice C 0 = xz wy

   
2. La matrice

0 1 0 x y
  
tale che CC = = I2 , si avrebbe x = 1; y = 0 e anche x = 0; y = 1 ,
1 0 z w
che e assurdo.
L'esempio (2) mostra che il prodotto di matrici ha propriet
a ben diverse
 dal prodotto
 di
1 1 1 1

numeri: ad esempio, il prodotto delle due matrici non nulle e e la
1 1 1 1
matrice nulla.
2.6 Combinazioni lineari 5

Osservazione. Il prodotto di matrici invertibili e invertibile: se A e B sono invertibili, si ha

(AB )(B 1
A 1 ) = AA 1 = In e (B 1 A 1 )(AB) = B 1 B = In
e quindi (AB ) 1 = B 1 A 1 . Dunque l'insieme delle matrici invertibili con l'operazione di
prodotto e un gruppo (non commutativo se n > 1 ).
De nizione 7. Sia k  0 un intero. La potenza k -esima di una matrice quadrata A 2 Mn (R)
e la matrice identica In se k = 0 e la matrice

Ak = A
A


A (k volte)
se k > 0.
Vale la proprieta: Ai Aj = Ai +j = Aj Ai .
De nizione 8. La matrice trasposta della matrice A = [aij ] , di tipo (m; n) , e la matrice
AT = [aji ] , di tipo (n; m) , che si ottiene prendendo come righe le colonne di A .
La matrice e detta simmetrica se e quadrata ( m = n ) e AT = A .
Vale la proprieta seguente: (AB )T = B T AT .

2.6 Combinazioni lineari

De nizione 9. Una combinazione lineare delle matrici A1 ; A2 ; : : : ; Ak e una matrice della
forma
c1 A1 + c2 A2 +


+ ck Ak
dove c1 ; : : : ; ck sono scalari e le matrici sono tutte dello stesso tipo.
In particolare, sono de nite le combinazioni lineari di vettori riga con n componenti e dei
vettori colonna con n componenti e quindi delle n -uple.
Esempio. Calcolare la combinazione lineare 2A1 + 3A2 2A3 dei vettori colonna
2 2 1
     

A1 =  6  ; A2 =  4  e A3 =  0 :
4 2 1
Si ha 2A1 + 3A2 2A3 = O .
Un osservazione importante da fare ora e che i sistemi lineari, oltre alla scrittura mediante
il prodotto matriciale, nella quale le righe della matrice A dei coecienti hanno un ruolo
principale, possono essere rappresentati anche mediante le combinazioni lineari delle colonne
di A . Ad esempio, il sistema
x1 + x2 + x3 =4


2x1 + 2x2 + 5x3 = 11
4x1 + 6x2 + 8x3 = 24



puo essere scritto come

1 1 1 4
       

x1 2 + x2 2 + x3 5 = 11
      
4 6 8 24
Dunque il sistema e risolubile esattamente quando la colonna dei termini noti e combinazione
lineare delle colonne di A .
2.7 Altre applicazioni del calcolo matriciale 6

2.7 Altre applicazioni del calcolo matriciale

Trasformazioni geometriche del piano
 La rotazione r di angolo  attorno all'origine (in senso antiorario), che trasforma il
punto di coordinate (x; y ) nel punto di coordinate
r (x; y ) = (x 0 ; y 0 ) = (x cos  y sin ; x sin  + y cos )
e descritta dal prodotto matriciale
 0
x cos  sin  x
  

y 0 = sin  cos  y
 Un riscalamento con fattori di scala sx ; sy 2 R , di equazioni
x 0 = sx x; y 0 = sy y
si puo scrivere come prodotto per una matrice diagonale
 0 
x = sx 0 x
 

y0 0 sy y
 La ri essione hx rispetto all'asse x si scrive
 0 
x = 1 0 x
 

y0 0 1 y
e rispetto all'asse y  0 
x = 1 0 x
 

y0 0 1 y
 La traslazione t(a;b)
x 0 = x + a; y 0 = y + b
non e lineare (ad esempio, f (kx; ky ) 6= kf (x; y ) ), diversamente dalle trasformazioni
precedenti. Per descriverla mediante un prodotto matriciale bisogna utilizzare le coordi-
nate omogenee dei punti del piano: (x; y; 1) e una terna di coordinate omogenee del
punto P = (x; y ) .  0
x 1 0 a x
  
y 0  = 0 1 b y 
1 0 0 1 1
Componendo trasformazioni geometriche elementari come le precedenti si possono ottenere
altre trasformazioni. La composizione (o concatenazione ) di trasformazioni corrisponde al
prodotto delle matrici: ad esempio, una rotazione di 45o attorno all'origine seguita da una
ri essione rispetto all'asse x e la trasformazione f descritta dal prodotto matriciale
 " p2 p2 #   " p2 p2 #  
x 00 = 1 0 x 0 = 1 0 p22 x = 2p2 p22 x
     
p22
y 00 0 1 y0 0 1 2 2
y 2 2
y
Questo e il signi cato geometrico del prodotto \righe per colonne" di matrici.
Se si vogliono includere anche le traslazioni (e quindi anche le rotazioni con centro qualsiasi,
le ri essioni rispetto a rette arbitrarie, ecc..), bisogna operare sempre con matrici 3  3 . Ad
esempio, la trasformazione f vista sopra composta con la traslazione t(2;1) viene rappresentata
dal prodotto
p p2     p2 p2   
x 000 1 0 2 x 00 p22 0 x   2p2 p22 2 x 

1 0 2 2
     
y 000  = 0 1 1 y 00  = 0 1 1 
p
2
2
0 y =  1 y

2 2 2 2
1 0 0 1 1 0 0 1 0 0 1 1 0 0 1 1
2.8 Prodotto scalare in Rn 7

2.8 Prodotto scalare in Rn

Il prodotto scalare consente di introdurre in Rn concetti metrici : in particolare lunghezze,
distanze, angoli. Per semplicita introdurremo solo il prodotto scalare euclideo su Rn e sui suoi
sottospazi (cf. x1.4 per R2 e R3 ).
De nizione 10. Il prodotto scalare euclideo (o canonico) di Rn e la funzione che alla coppia
x; y 2 R associa il numero reale
n

n
x
y = xi yi = (x1


xn )(y1


yn )T :
X

i =1

Ha le seguenti proprieta:
(i) e simmetrico: x
y = y
x per ogni x; y 2 Rn ;
(ii) e bilineare: ( x + y )
z = (x
z ) + (y
z ) e x
( y + z ) = (x
y ) + (x
z ) per
ogni x; y; z 2 Rn e per ogni coppia di numeri reali ; ;
(iii) e de nito positivo: x
x  0 per ogni x 2 Rn e x
x = 0 , x = 0 .
De nizione 11. La norma (o lunghezza) euclidea in Rn e la funzione che associa al vettore
x il numero reale non negativo
kx k = px
x = x12 +


+ xn 2:
p

La distanza e la funzione che associa ai vettori x; y 2 Rn il numero reale

d (x; y ) = kx y k:
(1) Per ogni scalare 2 R , si ha

k x k = ( x )
( x ) = 2(x
x ) = j jkx k:
p p

(2) Per la simmetria e per la bilinearita del prodotto scalare

kx + y k2 = (x + y )
(x + y ) = kx k2 + 2(x
y ) + ky k2 e
kx y k2 = kx k2 2(x
y ) + ky k2
da cui 4(x; y ) = kx + y k2 kx y k2 :
De nizione 12. I vettori x e y di V sono ortogonali se x
y = 0 , cioe se vale il teorema di
Pitagora kx + y k2 = kx k2 + ky k2 .
Se y e un vettore non nullo, possiamo scomporre ogni vettore x 2 Rn nella somma

x = cy + (x cy )
in modo che x cy sia ortogonale a y , cioe (x cy )
y = x
y c ky k2 = 0 , da cui
c = (x
y )=ky k2 .

x − cy y

cy
2.8 Prodotto scalare in Rn 8

De nizione 13. Il vettore x
y

pry (x ) = ky k2 y
e la proiezione ortogonale del vettore x su y .
Esempio. Il vettore x = (2; 1; 0) 2 R3 ha proiezione ortogonale yx

yy y =
63 y = 12 y sul vettore
y = (1; 1; 2) . Dunque x = 12 y + (x 21 y ) , con x 12 y = 32 ; 21 ; 1 ortogonale rispetto
a y:
Esempio. Applichiamo la proiezione ortogonale per trovare una formula per la distanza di un
punto P0 = (x0 ; y0 ; z0 ) da un piano  : ax + by + cz = d con vettore normale ~n = (a; b; c ) .
R

P0
Q n

P1

! ! ! !
d (P0 ; ) = k OR OQ k = kprn~ (OP0 ) prn~ (OP1 )k =
ax0 + by0 + cz0 d ax + by0 + cz0 d ax0p+ by0 + cz0 d
=
k~nk2 ~n = 0 k~nk = :
a2 + b 2 + c 2
Teorema 1. (Disuguaglianza di Cauchy-Schwarz) Per ogni coppia di vettori x e y , si ha
jx
y j  kx kky k:
Vale l'uguaglianza se e solo se x e y sono linearmente dipendenti.
Dimostrazione. Se y = 0 la tesi e immediata. Altrimenti, sia x = kxy
ky2 y + x 0 la scomposizione
dix in vettori ortogonali. Per il teorema di Pitagora
kx k2 = jxky
ky4j ky k2 + kx 0k2  jxky
ky2j ;
2 2

dove vale l'uguaglianza se e solo se x 0 = 0 , cioe se x e y sono dipendenti.

Corollario. Per ogni coppia di vettori x; y , vale la disuguaglianza triangolare
kx + y k  kx k + ky k:
Dimostrazione. Per la disuguaglianza precedente
kx + y k2 = kx k2 + 2(x
y ) + ky k2  kx k2 + 2kx kky k + ky k2 = (kx k + ky k)2

De nizione 14. L'angolo convesso tra due vettori non nulli x e y di Rn e il numero reale
 , compreso tra 0 e  , tale che
x
y
cos  =
kx kky k :
Per Cauchy-Schwarz, il quoziente a destra e compreso tra 1 e 1.