Algebra Lineare
Geometria e Spazi Vettoriali
Appunti di Manal Jenjare. Corso di Algebra Lineare del prof. Gai!
Anno Accademico 2025–2026
Documento redatto per uso personale di studio. Non vendibile
Indice
1 Spazi Vettoriali 6
1.1 Cos’è uno Spazio Vettoriale . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.1 Le 8 proprietà . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.2 Conseguenze degli assiomi . . . . . . . . . . . . . . . . . . . . 7
1.1.3 Esempi Fondamentali di Spazi Vettoriali . . . . . . . . . . . . 8
1.2 Sottospazi Vettoriali . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.2.1 Definizione e Significato dei Sottospazi . . . . . . . . . . . . . 11
1.2.2 Operazioni tra Sottospazi . . . . . . . . . . . . . . . . . . . . 12
1.3 Combinazioni Lineari e Span . . . . . . . . . . . . . . . . . . . . . . . 16
1.4 Dipendenza e Indipendenza Lineare . . . . . . . . . . . . . . . . . . . 18
1.5 Base e Dimensione . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
1.6 Rango di una Matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.7 L’Algoritmo di Gauss ed Estrazione di Base . . . . . . . . . . . . . . 22
1.7.1 Metodo delle Righe (Per trovare una base generica) . . . . . . 23
1.7.2 Metodo delle Colonne (Per estrarre una base dai vettori originali) 23
1.7.3 Completamento a Base . . . . . . . . . . . . . . . . . . . . . . 24
1.8 Il Rango con Parametro . . . . . . . . . . . . . . . . . . . . . . . . . 24
1.9 Formula di Grassmann . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.10 Isomorfismi e Coordinate . . . . . . . . . . . . . . . . . . . . . . . . . 26
2 Matrici 27
2 INDICE
2.1 Operazioni tra Matrici . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.1.1 Somma e Prodotto per Scalare . . . . . . . . . . . . . . . . . . 27
2.1.2 Prodotto Matrice per Vettore . . . . . . . . . . . . . . . . . . 28
2.1.3 Prodotto Matrice per Matrice . . . . . . . . . . . . . . . . . . 29
2.2 Matrice Trasposta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.3 Matrici Speciali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.4 Matrice Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.5 Traccia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.6 Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
「
2.6.1 Proprietà Analitiche del Determinante . . . . . . . . . . . . . 34
2.6.2 Metodi di Calcolo . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.7 Riepilogo: Connessioni tra i Concetti . . . . . . . . . . . . . . . . . . 37
3 Applicazioni Lineari 38
3.1 Definizione e Proprietà . . . . . . . . . . . . . . . . . . . . . . . . . . 38
3.2 Matrice Associata . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.3 Nucleo (Kernel) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.4 Immagine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.5 Teorema della Dimensione . . . . . . . . . . . . . . . . . . . . . . . . 42
3.6 Iniettività e Suriettività . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.7 Composizione di Applicazioni Lineari . . . . . . . . . . . . . . . . . . 43
3.8 Inversa di un’Applicazione Lineare . . . . . . . . . . . . . . . . . . . 43
3.9 Cambiamento di Base . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.9.1 Matrice di Passaggio . . . . . . . . . . . . . . . . . . . . . . . 44
3.9.2 Cambiamento di Base per le Matrici: Formula di Similitudine 44
4 Sistemi Lineari 46
4.1 Forma Matriciale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.2 Teorema di Rouché-Capelli . . . . . . . . . . . . . . . . . . . . . . . . 47
4.3 Struttura delle Soluzioni . . . . . . . . . . . . . . . . . . . . . . . . . 47
3
INDICE
4.4 Metodo di Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4.5 Metodo di Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.6 Metodo di Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.7 Sistemi Parametrici . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.8 Sistema Omogeneo Associato . . . . . . . . . . . . . . . . . . . . . . 53
5 Autovalori e Autovettori 55
5.1 Definizione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.2 L’Algoritmo per Trovarli . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.2.1 Fase 1 — Trovare gli Autovalori . . . . . . . . . . . . . . . . . 56
5.2.2 Fase 2 — Trovare gli Autovettori . . . . . . . . . . . . . . . . 57
5.3 Molteplicità Algebrica e Geometrica . . . . . . . . . . . . . . . . . . . 57
5.4 Diagonalizzazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.5 Matrici Speciali e i Loro Autovalori . . . . . . . . . . . . . . . . . . . 60
5.6 Commutatori e Diagonalizzazione Simultanea . . . . . . . . . . . . . 61
5.7 L’Esponenziale di una Matrice . . . . . . . . . . . . . . . . . . . . . . 61
5.8 Proprietà degli Autovalori: Riepilogo . . . . . . . . . . . . . . . . . . 62
6 Spazi Euclidei 63
6.1 Prodotto Scalare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
6.1.1 Prodotto Scalare Standard . . . . . . . . . . . . . . . . . . . . 63
6.1.2 Prodotto Scalare Generale . . . . . . . . . . . . . . . . . . . . 64
6.2 Norma e Distanza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
6.3 Disuguaglianza di Cauchy-Schwarz . . . . . . . . . . . . . . . . . . . 65
6.4 Angoli e Ortogonalità . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
6.5 Proiezione Ortogonale . . . . . . . . . . . . . . . . . . . . . . . . . . 65
6.6 Ortogonalizzazione di Gram-Schmidt . . . . . . . . . . . . . . . . . . 66
6.7 Matrici Ortogonali . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
6.8 Complemento Ortogonale . . . . . . . . . . . . . . . . . . . . . . . . 68
6.9 Teorema Spettrale (Il Cuore dell’Algebra) . . . . . . . . . . . . . . . 69
4 INDICE
6.10 La Segnatura e il Teorema di Sylvester . . . . . . . . . . . . . . . . . 70
6.11 Spazi Hermitiani . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
Appendice: Formulario Completo 72
5
Capitolo 1
Spazi Vettoriali
1.1 Cos’è uno Spazio Vettoriale
Immagina di avere un insieme di oggetti — che chiamiamo — su cui puoi
vettori
fare due operazioni: sommarli tra loro e moltiplicarli per un numero (uno scalare).
Quando queste operazioni si comportano cioè rispettano proprietà geometriche
bene, spazio vettoriale.
specifiche, diciamo che quell’insieme forma uno
Definizione 1.1. spazio vettoriale
Uno su un campo (di solito o è un
K R C)
insieme non vuoto dotato di due operazioni:
V
Somma:
• (+) : v1 + v2 = v3 → V
Prodotto per scalare:
• (·) : =
K
→ ↑ →
ω v v2 V
Esse soddisfano le 8 proprietà algebriche (assiomi)
1.1.1 Le 8 proprietà
Proprietà della somma (per ):
→
u, v, w V
Associatività:
1. (u + + = + (v +
v) w u w)
Posso mettere le parentesi dove voglio senza cambiare il risultato.
Commutatività:
2. + = +
u v v u
L’ordine degli addendi non cambia il risultato.
6
1.1. COS’È UNO SPAZIO VETTORIALE
Elemento neutro:
3. esiste 0 tale che + 0 = per ogni
→ V v v v
Esiste il “vettore zero”, che sommato a qualsiasi vettore non lo cambia. Questo
elemento è unico.
Opposto:
4. per ogni esiste tale che + (↓v) = 0
↓v →
v V v
Ogni vettore ha un opposto, ovvero un vettore che sommato ad esso dà zero.
Proprietà del prodotto scalare (per ):
K,
→ →
ω, µ u, v V
Distributività sui vettori:
1. + = +
ω(u v) ωu ωv
Distributività sugli scalari:
2. (ω + = +
µ)v ωv µv
Associatività mista:
3. (ωµ)v = ω(µ(v))
Proprietà dell’1:
4. 1 =
· v v
1.1.2 Conseguenze degli assiomi
Dagli 8 assiomi seguono automaticamente alcune cose importanti:
• 0 = 0 per ogni (lo scalare zero moltiplica qualsiasi vettore e dà il
· →
v v V
vettore zero)
• 0 = 0 per ogni K
· →
ω ω
• = (↓1) (l’opposto di si ottiene moltiplicando per
↓v · ↓1)
v v
NOTA BENE: Lo scalare 0 e il vettore 0 sono cose diverse! Il primo è
K
→ → V
un numero, il secondo è un vettore (spesso scritto (0, 0, 0) in ). Occhio a non
R n
. . . ,
confonderli nelle dimostrazioni.
Esempio 1.2. L’insieme rappresenta geometricamente il piano cartesiano. Se
2
R
prendiamo i due vettori = (1, 2) e = (3, la loro somma algebrica produce il
↓1),
v w
vettore + = (4, 1).
v w regola del parallelogramma,
Visivamente, questa operazione corrisponde alla
dove il vettore risultante costituisce la diagonale della figura geometrica costruita sui
vettori di partenza: 7
CAPITOLO 1. SPAZI VETTORIALI
y
= (1, 2)
v + = (4, 1)
v w
x
= (3, ↓1)
w
1.1.3 Esempi Fondamentali di Spazi Vettoriali
Come abbiamo già accennato, ci sono oggetti matematici che compongono uno spazio
vettoriale (gli elementi di , ossia i "vettori") che non sono le classiche di
V n-uple
numeri , ma possono essere entità apparentemente molto diverse. Vediamo i casi
R n
più importanti.
1. Lo Spazio dei Polinomi K[x]
Indichiamo con l’insieme di tutti i polinomi con coe!cienti in un campo fissato
K[x] K
(che di solito è o Anche su questi oggetti possiamo e"ettuare le due operazioni
R C).
cardine:
Somma:
• si sommano i coe!cienti dello stesso grado.
Prodotto per scalare:
• si moltiplica ogni coe!ciente del polinomio per lo
scalare scelto.
Esempio 1.3. Prendiamo due polinomi in e uno scalare = 7:
R[x] ω
2 3 3 2
(x + 3) + (x + 2x 2) = + + 3x 5
↓ ↓ ↓
x x x
3 3
7 (x + 1) = 7x + 7x 7
· ↓ ↓
x
Poiché queste operazioni godono delle 8 proprietà assiomatiche, è uno spazio
K[x]
vettoriale a tutti gli e"etti. lo spazio dei polinomi di grado limitato,
Un caso particolare utilissimo è
indicato con . Ad esempio, l’insieme (tutti i polinomi di grado minore o
R[x] R[x]
→n →5
uguale a 5) è esso stesso un sottospazio vettoriale chiuso e perfettamente funzionante.
8
1.1. COS’È UNO SPAZIO VETTORIALE
2. Lo Spazio delle Funzioni Continue R)
C(R,
Anche le funzioni formano uno spazio vettoriale. Indichiamo con l’insieme
R)
C(R,
formato da tutte le funzioni continue : Date due funzioni e uno scalare
R R.
↔
f f, g
le operazioni vettoriali si definiscono in modo "puntuale":
ω, Somma:
• (f + = (x) +
g)(x) f g(x)
Prodotto per scalare:
• (ωf )(x) = (x)
ωf
Esempio 1.4. Se scegliamo (x) = cos(x) e = 3x 2, la loro somma è
2 ↓
f g(x)
semplicemente la nuova funzione costruita sovrapponendole: (f + = cos(x) +
g)(x)
3x 2. Moltiplicando (x) per = 7, otteniamo la funzione scalata 7 cos(x).
2 ↓ f ω
Visivamente, sommare due "vettori funzione" significa sommare geometricamente
le loro altezze per ogni singola coordinata
y x:
y (x)
f
(f + g)(x)
(1.5)
f
(f + g)(1.5) x
g(1.5)
g(x)
3. Lo Spazio delle Matrici (K)
M m,n
Oltre ai polinomi e alle funzioni, introduciamo gli oggetti strutturali su cui si basa
matrici.
l’intero corso: le Sia un campo fissato. Una matrice con righe e
K m n
colonne a coe!cienti in è una tabella del tipo:
K
a ... a
11 1n
.. ..
...
= . .
A
a . . . a
m1 mn
L’insieme di tutte queste matrici si indica con (K) o talvolta (m, K).
M M n,
m,n
Possono essere sommate (se hanno identiche dimensioni) e moltiplicate per uno
scalare operando elemento per elemento. 9
CAPITOLO 1. SPAZI VETTORIALI
Esempio 1.5. Eseguiamo la somma matriciale e il prodotto per scalare esattamente
come faremmo con le coordinate di vettori classici, solo disposte a griglia:
Somma:
1 0 5 5 5 6 3 5
↓2
4 6 6 6 10 5 3
↓1 ↓3
+ =
0 5 3
↓1 ↓2 ↓2 ↓2 ↓2 ↓3
↗ ↗ ↗ ↗ ↗ ↗
3 3 3 3 3 + 3 + 3 + 3
↓7 ↓4 ↓7 ↓4
Moltiplicazione per scalare:
1 0 5 0
↓1 ↓5
5 =
7 10 35 50
· ↓2 ↓10
0 0 6 0 0 30
Rispettando pienamente gli assiomi di linearità, le matrici stesse formano uno spazio
vettoriale. Quando il campo è sottinteso (tipicamente si scrive semplicemente
Attenzione. R),
. Inoltre, un vettore colonna di elementi non è altro che una matrice con una
M m
m,n
singola colonna: lo spazio standard coincide formalmente con lo spazio matriciale
K m
(K).
M m,1 10 1.2. SOTTOSPAZI VETTORIALI
1.2 Sottospazi Vettoriali
1.2.1 Definizione e Significato dei Sottospazi
Spesso non ci interessa studiare l’intero spazio vettoriale , ma solo una sua “parte”
V
che continua a comportarsi autonomamente come uno spazio vettoriale a tutti gli
sottospazio
e"etti. Un è un sottoinsieme di che eredita la medesima struttura
V
algebrica del suo spazio contenitore.
Il grande vantaggio pratico è che non serve riverificare tutti gli 8 assiomi di
partenza: per stabilire se un sottoinsieme è un sottospazio, basta verificare 3
condizioni.
Definizione 1.6 (Sottospazio Vettoriale). Sia uno spazio vettoriale su un campo
V sottospazio vettoriale
e sia un suo sottoinsieme. Diremo che è un
K ↘
W V W
di se e solo se soddisfa le seguenti tre richieste:
V 0
1. (W contiene il vettore nullo)
→ W
2. =≃ + (Chiusura rispetto alla somma)
→ →
v , v W v v W
1 2 1 2
3. =≃ (Chiusura rispetto al prodotto per scalare)
K
→ → →
v W, ω ωv W
La prima condizione (la presenza dello zero) si può matematicamente
Attenzione.
derivare dalla terza ponendo lo scalare = 0. Tuttavia, conviene sempre verificarla
ω
test rapido di esclusione:
per prima come se un sottoinsieme geometrico non
0,
contiene l’origine allora non può fisicamente essere un sottospazio, e si può
interrompere l’esercizio all’istante senza fare ulteriori calcoli.
Ogni spazio vettoriale ammette sempre e comunque due sottospazi elementari,
V
banali:
detti l’insieme (composto unicamente dal vettore nullo) e l’intero spazio
{0}
stesso. I sottospazi geometricamente interessanti sono tutti quelli che risiedono
V
“in mezzo” a questi due estremi strutturali.
Esempio 1.7. Consideriamo il piano cartesiano . Vogliamo capire visivamente
2
R
quali sottoinsiemi rappresentano sottospazi vettoriali validi e quali no.
12
1. Una retta passante per l’origine: = =
2
R
{(x, → |
W y) y x}.
1
• Sì, ponendo = 0 otteniamo = 0. L’origine vi appartiene.
Contiene lo zero? x y
11
CAPITOLO 1. SPAZI VETTORIALI
• Sì. Sommando o allungando dei vettori che
È chiuso per le operazioni?
giacciono su questa retta, il vettore risultante non uscirà mai dal binario della
retta stessa.
• è un sottospazio vettoriale perfetto (di dimensione 1).
Conclusione: W 1
2. Una retta traslata (non passante per l’origine): = 2
R
{(x, → |
W y)
2
12
= + 1}.
y x
• No! Se inseriamo l’origine (0, 0), l’equazione diventa 0 = 1,
Contiene lo zero?
il che è palesemente falso. non
• Il test rapido fallisce miseramente. è un sottospazio
Conclusione: W 2
vettoriale.
Visualizziamo la situazione graficamente: la chiusura algebrica esige che l’insieme
parta rigorosamente dall’origine e non presenti né "buchi" né curvature.
y (NON Sottospazio)
W 2
+ →
v v W 1 (Sottospazio)
W 1
0 →
/ W 2 v x
0 → W
1
1.2.2 Operazioni tra Sottospazi
Quando abbiamo a disposizione più sottospazi all’interno dello stesso spazio vettoriale
, possiamo combinarli attraverso precise operazioni algebriche per generare nuove
V
strutture.
Intersezione
L’intersezione costituisce l’operazione più naturale: consiste nel selezionare esclusiva-
mente gli elementi condivisi. 12 1.2. SOTTOSPAZI VETTORIALI
Teorema 1.8 (Intersezione di Sottospazi). Se e sono sottospazi vettoriali di
U W
, allora il loro insieme intersezione è ancora un sottospazio vettoriale di .
⇐
V U W V
L’intersezione contiene tutti i vettori che risiedono in e
contemporaneamente U
in . Dal punto di vista pratico, per ricavare l’intersezione stabiliamo un unico
W
sistema lineare raccogliendo insieme tutte le equazioni cartesiane che definiscono
separatamente e , per poi risolverlo con l’algoritmo di Gauss.
U W non è un sottospazio vet-
L’unione insiemistica in generale
Attenzione. ⇒
U W
toriale. Se prendiamo un vettore appartenente solo a e uno appartenente solo a
U
, la loro somma uscirà quasi sempre da entrambi gli insiemi, violando il principio
W
di
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.
Scarica il documento per vederlo tutto.