You are on page 1of 115

Elementi di Calcolo Tensoriale

Cristina Padovani
Istituto di Scienza e Tecnologie
dell’Informazione ”Alessandro Faedo“
Consiglio Nazionale delle Ricerche
Via G. Moruzzi 1, 56124 Pisa
cristina.padovani@isti.cnr.it
Vol. 10 - 2012
ISBN-A: 10.978.88905708/96
Licensed under
Attribution-Non-Commercial-No Derivative Works
Published by:
SIMAI - Società Italiana di Matematica Applicata e Industriale
Via dei Taurini, 19 c/o IAC/CNR
00185, ROMA (ITALY)
SIMAI e-Lecture Notes
ISSN: 1970-4429
Volume 10, 2012
ISBN-13: 978-88-905708-9-6
ISBN-A: 10.978.88905708/96
Indice
1 Spazi vettoriali di dimensione …nita 4
1.1 Notazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Spazi vettoriali . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Norme su uno spazio vettoriale . . . . . . . . . . . . . . . . . . . 8
1.4 Prodotti interni . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.5 Aperti, chiusi, intorni . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6 Basi di uno spazio vettoriale . . . . . . . . . . . . . . . . . . . . . 13
1.7 Sottospazi vettoriali . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.8 Basi ortonormali . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.9 Convergenza di vettori . . . . . . . . . . . . . . . . . . . . . . . . 19
1.10 Applicazioni tra spazi vettoriali . . . . . . . . . . . . . . . . . . . 21
1.11 Funzionali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.12 Proiezioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
1.13 Di¤erenziabilità . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2 Calcolo tensoriale 38
2.1 Tensori del secondo ordine . . . . . . . . . . . . . . . . . . . . . . 38
2.2 Tensori simmetrici e antisimmetrici . . . . . . . . . . . . . . . . . 40
2.3 Diadi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.4 Componenti di un tensore . . . . . . . . . . . . . . . . . . . . . . 42
2.5 Prodotto interno e norma in Lin . . . . . . . . . . . . . . . . . . 44
2.6 Tensori invertibili . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.7 Tensori ortogonali . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.8 Alcuni sottoinsiemi di Lin . . . . . . . . . . . . . . . . . . . . . . 55
2.9 Prodotto vettoriale . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.10 Cofattore di un tensore del secondo ordine . . . . . . . . . . . . . 64
2.11 Invarianti principali . . . . . . . . . . . . . . . . . . . . . . . . . 66
2.12 Autovalori e autovettori . . . . . . . . . . . . . . . . . . . . . . . 68
2.13 Teorema spettrale . . . . . . . . . . . . . . . . . . . . . . . . . . 68
2.14 Teorema della radice quadrata, teorema di decomposizione polare 79
2.15 Teorema di Cayley-Hamilton . . . . . . . . . . . . . . . . . . . . 82
2.16 Problema agli autovalori generalizzato . . . . . . . . . . . . . . . 85
2.17 Tensori del terzo e del quarto ordine . . . . . . . . . . . . . . . . 86
2.18 Funzioni isotrope . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
1
2.19 Convergenza di tensori . . . . . . . . . . . . . . . . . . . . . . . . 100
2.20 Derivate di funzionali e di applicazioni a valori vettoriali e tensoriali.102
2.21 Derivate di funzioni de…nite su un aperto di R . . . . . . . . . . . 109
2.22 Derivate degli autovalori ed autovettori di tensori simmetrici . . 110
2
Prefazione
Queste note raccolgono le lezioni di calcolo tensoriale tenute presso la Scuola
di Dottorato in Ingegneria “Leonardo da Vinci” dell’Università di Pisa dal 2006
al 2011
1
. Gli argomenti trattati nelle lezioni, …nalizzate a fornire le conoscenze
e gli strumenti di base per lo studio della meccanica dei continui, riguardano
i risultati fondamentali dell’algebra e dell’analisi tensoriale. Dopo una breve
introduzione degli spazi vettoriali di dimensione …nita, descritti nel capitolo 1,
nel capitolo 2 sono trattati i classici argomenti del calcolo tensoriale, tra i quali
i tensori simmetrici e antisimmetrici, il teorema di decomposizione polare, i
tensori del quarto ordine, le funzioni tensoriali isotrope e il calcolo di¤erenziale
delle funzioni tensoriali. Il testo è corredato da numerosi esempi e esercizi.
Desidero ringraziare il Prof. Stefano Bennati dell’Università di Pisa per
avermi invitato a tenere queste lezioni ed incoraggiato a scrivere queste note.
Pisa, 5 giugno 2012 Cristina Padovani
1
Le lezioni sono state tenute nell’ambito dei corsi “Algebra per la Meccanica” (2006,
2007, 2008), “Introduzione al Calcolo Tensoriale” (2009), “Algebra e Analisi Tensoriale con
Applicazioni alla Meccanica” (2010) e “Introduzione al calcolo tensoriale” (2011).
3
Capitolo 1
Spazi vettoriali di
dimensione …nita
In questo capitolo sono introdotte le nozioni di spazio vettoriale, norma, prodot-
to scalare, convergenza di vettori, applicazioni tra spazi vettoriali, continuità
e di¤erenziabilità che saranno utilizzate nel capitolo successivo. Per le di-
mostrazioni di alcuni dei risultati enunciati e per approfondimenti si rimanda a
[2], [3], [4], [5] e [9].
1.1 Notazioni
Sia A un insieme, la scrittura r ¸ A indica che r è un elemento di A e r , ¸
A indica che r non è un elemento di A. Per esprimere il fatto che 1 è un
sottoinsieme di A si usa la notazione 1 ¸ A. Dati ¹ e 1 sottoinsiemi di A, si
de…niscono i seguenti sottoinsiemi di A,
¹' 1 = ¦r ¸ A [ r ¸ ¹ oppure r ¸ 1¦, (1.1)
¹¨ 1 = ¦r ¸ A [ r ¸ ¹ e r ¸ 1¦, (1.2)
detti rispettivamente l’unione e l’intersezione di ¹ e 1. Indichiamo con ?
l’insieme vuoto; due insiemi ¹ e 1 si dicono disgiunti se ¹¨ 1 = ?. Se ¹ è un
sottoinsieme di A, la di¤erenza
A ÷¹ = ¦r ¸ A [ r ¸ A e r , ¸ ¹¦, (1.3)
si dice complemento o insieme complementare di ¹ (in A) e si indica con {¹.
Siano A
1
e A
2
due insiemi. L’insieme delle coppie (r
1
, r
2
), con r
1
¸ A
1
e r
2
¸ A
2
, si dice il prodotto cartesiano di A
1
e A
2
; esso viene indicato con
A
1
A
2
.
Indichiamo con N = ¦0, 1, 2, ...¦ l’insieme dei numeri naturali, con Ql’insieme
dei numeri razionali e con R l’insieme dei numeri reali.
4
Siano A e 1 due insiemi non vuoti, un’applicazione T di A in 1 (o funzione
su A a valori in 1 ) è una legge che ad ogni elemento r ¸ A associa un elemento
j ¸ 1. Si usa scrivere
T : A ÷ 1 (1.4)
ed indicare con T(r) l’elemento j che si dice immagine di r mediante T.
Sia ¹ un sottoinsieme di A, l’insieme
T(¹) = ¦· ¸ 1 [ · = T(n) per qualche n ¸ ¹¦ (1.5)
è detto immagine di ¹ mediante T (T(?) = ?). Sia 1 un sottoinsieme di 1 ,
l’insieme
T
÷1
(1) = ¦n ¸ A [ T(n) ¸ 1¦ (1.6)
è detto immagine inversa di 1 mediante T (T
÷1
(?) = ?).
L’applicazione T : A ÷ 1 è iniettiva se
n
1
,= n
2
== T(n
1
) ,= T(n
2
), (1.7)
è surgettiva se per ogni n ¸ 1 esiste almeno n ¸ A tale che n = T(n), in tal
caso T(A) = 1. Un’applicazione T iniettiva e surgettiva è detta biunivoca o
bigettiva.
Sia A un insieme. Una distanza (o metrica) su A è una funzione d sul
prodotto cartesiano A A a valori reali,
d : A A ÷R (1.8)
tale che per ogni scelta di r, j, . ¸ A, si abbia
d1. d(r, j) _ 0,
d2. d(r, j) = d(j, r),
d3. d(r, .) _ d(r, j) +d(j, .) (relazione triangolare)
d4. d(r, j) = 0 se e soltanto se r = j.
Il numero reale d(r, j) è detto distanza tra r ed j. Un insieme A con la
distanza d è detto spazio metrico ed è di solito indicato con (A, d). Gli elementi
di A sono anche detti punti.
Le condizioni d1 e d4 sono piuttosto naturali qualunque sia il signi…cato
che si vuole attribuire alla distanza come misura di quanto sono lontani i punti
r e j. La condizione d2 corrisponde anch’essa all’idea intuitiva di distanza nel
senso geometrico, ma non sono poche le occasioni in cui nel linguaggio comune
si parla ugualmente di distanza e tale condizione è violata (si pensi alla distanza
automobilistica tra due punti di un centro cittadino ricco di sensi unici). La
condizione d3 non è del tutto ovvia, essa estende una nota proprietà dei triangoli
(la lunghezza di un lato è minore della somma delle lunghezze degli altri due
lati). Senza di esso la funzione distanza sarebbe priva di importanti requisiti; ad
5
esempio tale condizione consente di dimostrare che una successione convergente
in uno spazio metrico ha un unico limite.
È importante sottolineare che due metriche di¤erenti d e d
t
su uno stesso
insieme A danno luogo a spazi metrici di¤erenti (A, d) e (A, d
t
).
Proposizione 1 Sia A un insieme con la distanza d, per ogni r, j, . ¸ A si ha
[d(r, .) ÷d(j, .)[ _ d(r, j). (1.9)
Dimostrazione. Si osservi che dalla relazione triangolare in d3 segue che
d(r, .) ÷d(j, .) _ d(r, j),
Scambiando r con j e tenendo conto di d2 si ha
d(j, .) ÷d(r, .) _ d(r, j),
da cui segue (1.9).
Sia R
n
l’insieme delle coppie ordinate di numeri reali x = (r
1
, r
2
, ..., r
n
), la
funzione
d(x, y) =
¸
¸
¸
_
n

I=1
(r
I
÷j
I
)
2
, (1.10)
con x, y ¸ R
n
è una distanza detta distanza Euclidea. Le condizioni d1, d2 e
d4 sono di facile veri…ca. La relazione d3 discende dalla diseguaglianza
¸
¸
¸
_
n

I=1
(a
I
+/
I
)
2
_
¸
¸
¸
_
n

I=1
a
2
I
+
¸
¸
¸
_
n

I=1
/
2
I
, (1.11)
posti a
I
= r
I
÷j
I
e /
I
= j
I
÷.
I
, i = 1, ..., :. La diseguaglianza (1.11) è ovvia se
a
I
= 0 o /
I
= 0 per i = 1, ..., :, supponiamo allora che qualche a
I
e qualche /
I
siano diversi da zero. Per ogni ` 0 dalle diseguaglianze
(
_
`a
I
+
1
_
`
/
I
)
2
_ 0, (
_
`a
I
÷
1
_
`
/
I
)
2
_ 0,
si ricava
2[a
I
/
I
[ _ `a
2
I
+
1
`
/
2
I
, i = 1, ..., : (1.12)
da cui discende
2[
n

I=1
a
I
/
I
[ _ `
n

I=1
a
2
I
+
1
`
n

I=1
/
2
I
. (1.13)
I due addendi a secondo membro sono uguali per ` =
_

n
I=1
/
2
I
,
_

n
I=1
a
2
I
e
per questo valore di ` (1.13) diventa
[
n

I=1
a
I
/
I
[ _
¸
¸
¸
_
n

I=1
a
2
I
¸
¸
¸
_
n

I=1
/
2
I
, (1.14)
6
nota come diseguaglianza di Cauchy-Schwarz. Pertanto, in vista di (1.14), si ha
n

I=1
(a
I
+/
I
)
2
=
n

I=1
a
2
I
+
n

I=1
/
2
I
+ 2
n

I=1
a
I
/
I
_
n

I=1
a
2
I
+
n

I=1
/
2
I
+ 2[
n

I=1
a
I
/
I
[ _
n

I=1
a
2
I
+
n

I=1
/
2
I
+ 2
¸
¸
¸
_
n

I=1
a
2
I
¸
¸
¸
_
n

I=1
/
2
I
=
_
_
¸
¸
¸
_
n

I=1
a
2
I
+
¸
¸
¸
_
n

I=1
/
2
I
_
_
2
che coincide con (1.11).
Sia A un insieme (A ,= ?), la funzione
d(r, j) =
_
0 r = j,
1 r ,= j,
(1.15)
è una metrica detta metrica discreta.
Sia A l’insieme di tutte le possibili sequenze di / bit, ogni elemento di A è
costituito da una stringa r = r
1
r
2
...r
|
di / simboli con r
I
¸ ¦0, 1¦, i = 1, ..., /.
De…niamo distanza tra due elementi r ed j di A come il numero di posizioni nelle
quali i simboli corrispondenti sono diversi. Questa distanza, detta distanza di
Hamming, misura il numero di sostituzioni necessarie per convertire una stringa
nell’altra, o il numero di errori che hanno trasformato una stringa nell’altra. Ad
esempio, per / = 6, per r = 001001 e j = 000011, si ha d(r, j) = 2.
Sia ¹ un insieme di numeri reali, / ¸ R è un maggiorante per ¹ se a _ /,
per ogni a ¸ ¹. In tal caso si dice che ¹ è limitato superiormente. Si de…nisce
estremo superiore di ¹, e si indica con sup¹, il minimo : dei maggioranti di ¹.
: è caratterizzato dalle seguenti condizioni,
a _ :, per ogni a ¸ ¹, (1.16)
per ogni - 0 esiste a ¸ ¹ tale che a : ÷-. (1.17)
c ¸ R è un minorante per ¹ se a _ c, per ogni a ¸ ¹. In tal caso si dice che ¹ è
limitato inferiormente. Si de…nisce estremo inferiore di ¹, e si indica con inf ¹,
il massimo i dei minoranti di ¹. i è caratterizzato dalle seguenti condizioni,
a _ i, per ogni a ¸ ¹, (1.18)
per ogni - 0 esiste a ¸ ¹ tale che a < i +-. (1.19)
7
1.2 Spazi vettoriali
Uno spazio vettoriale (reale) è un insieme o di elementi chiamati vettori in
cui sono de…nite due operazioni, l’addizione e la moltiplicazione per un numero
reale, che soddisfa i seguenti assiomi.
(A) Ad ogni coppia a e b di vettori in o corrisponde un vettore a+b, chiamato
la somma di a e b, con le seguenti proprietà
1. l’addizione è commutativa, a +b = b +a,
2. l’addizione è associativa, a + (b +c) = (a +b) +c,
3. esiste in o un unico vettore 0 tale che a +0 = a per ogni vettore a,
4. ad ogni vettore a in o corrisponde un unico vettore ÷a tale che
a + (÷a) = 0.
(B) Ad ogni coppia c e a, dove c è un numero reale e a un vettore in o,
corrisponde un vettore ca, chiamato il prodotto di c e a in modo tale che
1. la moltiplicazione è associativa, c(,a) = (c,)a,
2. 1a = a per ogni vettore a.
(C) Valgono le proprietà distributive
1. c(a +b) = ca +cb, per ogni a, b ¸ o, c ¸ R,
2. (c +,)a = ca +,a, per ogni a ¸ o, c, , ¸ R.
Sono spazi vettoriali l

insieme R
n
delle :÷uple di numeri reali x = (r
1
, ..., r
n
),
l’insieme T
n
dei polinomi di grado minore od uguale ad : a coe¢cienti reali,
j(r) = a
0
+a
1
r +... +a
n
r
n
, con r appartenente all’intervallo [0, 1] e l’insieme
/
n,n
delle matrici ¹ = [a

]
I=1,...,n
¸=1,...,n
a coe¢cienti reali con : righe ed : colonne.
1.3 Norme su uno spazio vettoriale
Dato lo spazio vettoriale o, una norma è una funzione | | su o a valori in R
che soddisfa le seguenti condizioni
n1. |a| _ 0 per ogni a ¸ o,
n2. |a| = 0 se e solo se a = 0,
n3. |ca| = [c[ |a| per ogni a ¸ o, c ¸ R,
n4. |a +b| _ |a| +|b| per ogni a, b ¸ o (diseguaglianza triangolare).
8
o con la norma | | si dice spazio normato.
In R
n
possiamo de…nire le seguenti norme
|x|
o
= max
I=1,...,n
[r
I
[, (1.20)
|x|
|
=
_
n

I=1
[r
I
[
|
_
1/|
, con / intero, / _ 1, (1.21)
e in T
n
sono delle norme le seguenti funzioni
|)|
o
= max
rÇ[0,1]
[)(r)[ (1.22)
e
|)|
|
=
_
_
1
_
0
[)(r)[
|
dr
_
_
1/|
, con / intero, / _ 1. (1.23)
In…ne
|¹| = max
I=1,...,n
n

¸=1
[a

[, (1.24)
|¹| = max
I,¸
[a

[, (1.25)
|¹| =
_
_

I,¸
[a

[
2
_
_
1/2
, (1.26)
sono norme su /
n,n
. Quest’ultima norma è detta norma di Schur.
Osservazione 2 Dalla proprietà n4 discende che
[ |a| ÷|b| [ _ |a ÷b| , per ogni a, b ¸ o. (1.27)
È immediato veri…care che uno spazio normato o è uno spazio metrico con
la distanza indotta da | |
d(a, b) = |a ÷b| , a, b ¸ o. (1.28)
Ad esempio, in R
n
la norma |x|
2
=
_
n

I=1
[r
I
[
2
_
1/2
induce la distanza Euclidea
(1.10).
Osservazione 3 Si può dimostrare che una distanza d su uno spazio vettoriale
o è indotta da una norma se e solo se
9
1. d è invariante per traslazioni,
d(a +c, b +c) = d(a, b), per ogni a, b, c ¸ o, (1.29)
2. d è invariante per omotetie,
d(`a, 0) = [`[d(a, 0), per ogni a ¸ o, ` ¸ R. (1.30)
Esistono metriche su uno spazio vettoriale o che non sono indotte da nes-
suna norma. Ad esempio in R
n
non esiste nessuna norma che induca la distanza
d de…nita in (1.15), in quanto d non soddisfa (1.30). In R
2
consideriamo la
metrica Euclidea d de…nita in (1.10), è facile provare che
d
t
=
d
1 +d
(1.31)
è ancora una distanza su R
2
, infatti le proprietà d1, d2 e d4 sono di veri…ca
immediata e per quanto riguarda la diseguaglianza triangolare per ogni x, y, z ¸
R
2
si ha
d
t
(x, y) +d
t
(y, z) =
d(x, y)
1 +d(x, y)
+
d(y, z)
1 +d(y, z)
_
d(x, y)
1 +d(x, y) +d(y, z)
+
d(y, z)
1 +d(x, y) +d(y, z)
_
d(x, z)
1 +d(x, z)
,
in quanto la funzione )(/) =
b
1+b
, / _ 0, è crescente e d soddisfa la diseguaglianza
triangolare. Poiché d
t
non soddisfa (1.30), non esiste una norma che la induca.
1.4 Prodotti interni
Sia o uno spazio vettoriale, un prodotto interno (o prodotto scalare) è una
funzione ( , ) su o o a valori in R tale che
s1. (a, b) = (b, a) per ogni a, b ¸ o (simmetria),
s2. (c
1
a
1
+c
2
a
2
, b) = c
1
(a
1
, b)+c
2
(a
2
, b) per ogni a
1
, a
2
, b ¸ o, e c
1
, c
2
¸ R
(bilinearità),
s3. (a, a) _ 0 per ogni a ¸ o (positività),
s4. (a, a) = 0 se e solo se a = 0.
I vettori a, b ¸ o sono ortogonali se (a, b) = 0.
I vettori u
1
, ..., u
n
¸ o sono ortonormali se
(u
I
, u
¸
) = c

=
_
1, i = ,,
0, i ,= ,.
(1.32)
10
In questo caso si dice che ¦u
1
, ..., u
n
¦ è un insieme ortonormale di vettori di o.
In R
n
possiamo de…nire il prodotto interno
(x, y) =
n

I=1
r
I
j
I
, x, y ¸ R
n
(1.33)
e nello spazio vettoriale T
n
il prodotto
(), q) =
_
1
0
)(r)q(r)dr, ), q ¸ T
n
(1.34)
è un prodotto interno.
Nello spazio /
n,n
il prodotto
(¹, 1) =

I=1,...,n
¸=1,...,n
a

/

, ¹, 1 ¸ /
n,n
(1.35)
è un prodotto interno.
In R
3
i vettori
x
1
= (1, 0, 0), x
2
= (0, 1, 0), x
3
= (0, 0, 1) (1.36)
sono ortonormali. In T
n
i polinomi )(r) = 1, q(r) = r ÷ 1,2, r ¸ [0, 1], sono
ortogonali rispetto al prodotto scalare (1.34), infatti (), q) =
_
1
0
(r÷1,2)dr = 0.
Assegnato in o un prodotto interno, la funzione che ad ogni vettore a associa
la quantità
|a| =
_
(a, a) (1.37)
soddisfa le condizioni n1-n4 ed è pertanto una norma su o, detta norma asso-
ciata al prodotto interno ( , ). La quantità (1.37) è detta lunghezza (o norma)
del vettore a ¸ o.
Proposizione 4 Sia o uno spazio vettoriale con il prodotto scalare ( , ). Dati
a, b ¸ o, valgono la diseguaglianza di Schwarz
[(a, b)[ _ |a| |b| , (1.38)
la legge del parallelogramma
|a +b|
2
+|a ÷b|
2
= 2 |a|
2
+ 2 |b|
2
, (1.39)
e il teorema di Pitagora
se (a, b) = 0 allora |a +b|
2
= |a|
2
+|b|
2
. (1.40)
11
Dimostrazione. Se a = 0, (1.38) è banalmente veri…cata. Supponiamo allora
a ,= 0 e sia c ¸ R,
0 _ (ca +b, ca +b) = c
2
|a|
2
+ 2c(a, b) +|b|
2
=
|a|
2
_
c
2
+
2c
|a|
2
(a, b) +
(a, b)
2
|a|
4
_
+|b|
2
÷
(a, b)
2
|a|
2
=
|a|
2
_
c +
(a, b)
|a|
2
_
2
+|b|
2
÷
(a, b)
2
|a|
2
. (1.41)
Se poniamo c = ÷(a, b), |a|
2
, da (1.41) si ricava
|b|
2
_
(a, b)
2
|a|
2
e quindi (1.38).
Abbiamo visto che dato un prodotto interno in o, risulta naturalmente de…ni-
ta la norma (1.37) in o. Però si possono de…nire delle norme che non sono
associate a nessun prodotto interno. Ad esempio in T
1
, la norma (1.22) non
è associata a nessun prodotto interno. Ciò discende dal fatto che (1.22) non
soddisfa la legge del parallelogramma, come si veri…ca facilmente scegliendo i
polinomi )
1
(r) = 1 e )
2
(r) = r, r ¸ [0, 1], per i quali si ha |)
1
|
o
= |)
2
|
o
= 1,
|)
1
÷)
2
|
o
= 1 e |)
1
+)
2
|
o
= 2.
Analogamente in R
2
la norma (1.20) non soddisfa la legge del parallelogram-
ma (scelti x = (1, 1) e y = (1, 0) si ha |x|
o
= |y|
o
= 1, |x ÷y|
o
= 1 e
|x +y|
o
= 2) e quindi non è associata a nessun prodotto interno.
È possibile provare che se una norma | | veri…ca la identità del parallelo-
gramma, allora | | è associata al prodotto scalare
(a, b) =
1
4
(|a +b|
2
÷|a ÷b|
2
). (1.42)
1.5 Aperti, chiusi, intorni
Sia o uno spazio vettoriale con la norma | | . Dati a ¸ o, r 0, gli insiemi
1(a, r) = ¦b ¸ o [ |a ÷b| < r¦, (1.43)
1
t
(a, r) = ¦b ¸ o [ |a ÷b| _ r¦, (1.44)
o(a, r) = ¦b ¸ o [ |a ÷b| = r¦, (1.45)
si dicono rispettivamente palla aperta, palla chiusa e sfera di centro a e raggio
r.
12
Ad esempio in o = R
2
con il prodotto interno (1.33) si ha
1(0, r) = ¦x ¸ R
2
[ r
2
1
+r
2
2
< r
2
¦, (1.46)
1
t
(0, r) = ¦x ¸ R
2
[ r
2
1
+r
2
2
_ r
2
¦, (1.47)
o(0, r) = ¦x ¸ R
2
[ r
2
1
+r
2
2
= r
2
¦. (1.48)
Un sottoinsieme ¹ di o si dice aperto se per ogni a ¸ ¹ esiste r 0 tale
che 1(a, r) ¸ ¹. Un sottoinsieme C di o si dice chiuso se il suo complementare
o ÷ C è aperto. Dato a ¸ o, un sottoinsieme l
o
di o che contenga una palla
aperta di centro a si dice intorno di a.
I concetti di palla aperta, palla chiusa e sfera possono essere introdotti in
un insieme A dotato di distanza d, sono stati introdotti in uno spazio vettori-
ale normato perché in questo corso siamo interessati a studiare spazi vettoriali
normati.
Vale la seguente proposizione.
Proposizione 5 Gli insiemi o e ? sono aperti e chiusi.
L’unione di una arbitraria famiglia di insiemi aperti è un aperto.
L’intersezione di una famiglia …nita di insiemi aperti è un aperto.
L’intersezione di una arbitraria famiglia di insiemi chiusi è un chiuso.
L’unione di una famiglia …nita di insiemi chiusi è un chiuso.
Un sottoinsieme / di o si dice convesso se dati a, b ¸ /, risulta ca + (1 ÷
c)b ¸ /, per ogni c ¸ [0, 1].
Un sottoinsieme / di o si dice limitato se esiste i 0 tale che [[a[[ _ i per
ogni a ¸ /.
1.6 Basi di uno spazio vettoriale
SIa o uno spazio vettoriale. Dati i vettori u
1
, ..., u
n
¸ o e gli scalari c
1
, ..., c
n
,
il vettore c
1
u
1
+... +c
n
u
n
è una combinazione lineare di u
1
, ..., u
n
.
I vettori u
1
, ..., u
n
¸ o sono linearmente indipendenti se
c
1
u
1
+... +c
n
u
n
= 0 == c
1
= ... = c
n
= 0. (1.49)
Se invece esistono degli scalari c
I
non tutti nulli tali che c
1
u
1
+... +c
n
u
n
=
0, allora i vettori u
1
, ..., u
n
sono linearmente dipendenti.
Una base di o è un insieme E di vettori linearmente indipendenti di o tali
che ogni vettore in o sia esprimibile come una (e quindi una sola) combinazione
lineare (…nita) di elementi di E. Si può dimostrare che ogni spazio vettoriale
possiede almeno una base. Uno spazio vettoriale si dice di dimensione …nita se
ha una base …nita. È possibile provare che se E
1
e E
2
sono due basi dello spazio
di dimensione …nita o, allora E
1
e E
2
hanno lo stesso numero di elementi. Ciò
consente di de…nire la dimensione di uno spazio di dimensione …nita o, che è il
numero di elementi di una base di o.
13
Considereremo da qui in avanti spazi vettoriali o di dimensione …nita : ed
indicheremo con ¦u
1
, ..., u
n
¦ una base di o,
per ogni u ¸ o esistono unici ,
1
, ..., ,
n
¸ R tali che u =
n

I=1
,
I
u
I
.
Se i vettori u
1
, ..., u
n
sono ortonormali, allora ¦u
1
, ..., u
n
¦ è una base ortonor-
male.
In R
n
si considerino i vettori
x
1
= (1, 0, ..., 0),
x
2
= (0, 1, ..., 0),
...
x
n
= (0, 0, ..., 1),
¦x
1
, ..., x
n
¦ è una base ortonormale, detta base canonica. La dimensione di R
n
è :.
In R
2
si considerino i vettori x
1
= (1, 0) e x
2
= (1, 1), ¦x
1
, x
2
¦ è una base
di R
2
, ma non è ortonormale.
In T
1
si considerino i polinomi )
1
(r) = 1, )
2
(r) = r, q
2
(r) =
_
3(1 ÷ 2r),
r ¸ [0, 1], ¦)
1
, )
2
¦ è una base e ¦)
1
, q
2
¦ è una base ortonormale. La dimensione
dello spazio vettoriale T
n
è : + 1.
Esercizio 6 Sia o uno spazio vettoriale con prodotto interno ( , ). Provare che
[(a, b)[ = |a| |b| se e solo se a e b sono linearmente dipendenti.
Soluzione. Supponiamo b ,= 0 e a ,= 0 supponiamo che per ogni c reale sia
ca +b ,= 0. Allora nell’ipotesi che risulti (a, b) = |a| |b| , si ricava
0 < (ca +b, ca +b) = (c|a| +|b|)
2
per ogni c ¸ R. (1.50)
Scegliendo c = ÷
]b]
]a]
si viola (1.50). Si giunge ad un risultato analogo se
(a, b) = ÷|a| |b| .
Siano | e ¼ due spazi vettoriali, un’applicazione T : | ÷ ¼ è lineare se è
omogenea
T(ca) = cT(a), per ogni a ¸ |, c ¸ R, (1.51)
e additiva
T(a +b) = T(a) +T(b), per ogni a, b ¸ |. (1.52)
In particolare se T è lineare allora T(0) = 0.
Un’applicazione lineare e biunivoca è detta isomor…smo e due spazi vettoriali
| e ¼ sono detti isomor… se esiste un isomor…smo T : | ÷ ¼.
Spazi vettoriali con la stessa dimensione sono isomor…. Si ha infatti il
seguente teorema.
14
Teorema 7 Ogni spazio vettoriale o di dimensione : è isomorfo a R
n
.
Dimostrazione. Sia ¦u
1
, ..., u
n
¦ una base di o. Allora ogni u ¸ o può essere
scritto nella forma u =
n

I=1
,
I
u
I
, con ,
1
, ..., ,
n
scalari univocamente determinati.
La corrispondenza biunivoca
u ÷ (,
1
, ..., ,
n
) (1.53)
tra o e R
n
è l’isomor…smo cercato.
Viceversa due spazi vettoriaIi | e ¼ isomor… hanno la stessa dimensione ed
in particolare, se ¦u
1
, ..., u
n
¦ è una base di |, allora ¦Tu
1
, ..., Tu
n
¦ è una base
di di ¼. Innanzi tutto si dimostra che i vettori Tu
1
, ..., Tu
n
sono linearmente
indipendenti. Infatti,
c
1
Tu
1
+... +c
n
Tu
n
= 0
implica
T(c
1
u
1
+... +c
n
u
n
) = 0
e quindi per l’iniettività di T si ha
c
1
u
1
+... +c
n
u
n
= 0
da cui si deduce
c
1
= ... = c
n
= 0,
perché u
1
, ..., u
n
sono linearmente indipendenti. Per dimostrare che ogni w ¸ ¼
si esprime in modo unico come combinazione lineare dei vettori Tu
1
, ..., Tu
n
,
si procede nel modo seguente. Poiché T è bigettiva, dato w ¸ ¼ esiste u ¸ |
tale che Tu = w. Dalla relazione u = c
1
u
1
+ ... + c
n
u
n
segue che w =
c
1
Tu
1
+... +c
n
Tu
n
.
1.7 Sottospazi vettoriali
Un sottoinsieme non vuoto / di uno spazio vettoriale o è un sottospazio
vettoriale se per ogni a, b ¸ /, c, , ¸ R, il vettore ca + ,b appartiene a
/.
Sia T un insieme non vuoto di vettori di o, l’intersezione di tutti i sottospazi
che contengono T è un sottospazio di o, detto spazio vettoriale generato da T
ed indicato con Span(T). Span(T) è costituito da tutte le possibili combinazioni
lineari di elementi di T.
Se /
1
e /
2
sono due sottospazi di o, Span(/
1
,/
2
) è il sottospazio di o
costituito da tutti i vettori della forma a+b con a ¸ /
1
, b ¸ /
2
ed è indicato
con /
1
+ /
2
.
Un sottospazio /
2
di o è detto complemento di un sottospazio /
1
se
/
1
¨ /
2
= ¦0¦ e o = /
1
+/
2
. (1.54)
15
Si dice allora che o è la somma diretta dei sottospazi /
1
e /
2
e si scrive
o = /
1
¸/
2
. (1.55)
In questa circostanza, ogni vettore s ¸ o può essere scritto in modo unico nella
forma
s = a +b, con a ¸ /
1
, b ¸ /
2
. (1.56)
Infatti (1.56) discende dalla de…nizione di /
1
+/
2
, mentre per provare l’unicità
di a e b, supponiamo di avere
s = a
1
+b
1
= a
2
+b
2
, a
1
, a
2
¸ /
1
, b
1
, b
2
¸ /
2
. (1.57)
Allora si ha
a
1
÷a
2
= b
2
÷b
1
,
e quindi da (1.54)
1
si ottiene a
1
= a
2
e b
1
= b
2
.
In R
2
, dati x
1
= (1, 0) e x
2
= (1, 1), siano /
1
=Span(x
1
) e /
2
=Span(x
2
),
si ha
/
1
¨ /
2
= ¦(0, 0)¦ e /
1
+/
2
= R
2
,
pertanto R
2
= /
1
¸/
2
.
In R
3
si considerino i vettori x
1
= (1, 0, 0), x
2
= (0, 1, 0) e x
3
= (0, 0, 1);
posto /
1
=Span(x
1
, x
2
) e /
2
=Span(x
2
, x
3
), si ha /
1
+ /
2
= R
3
, ma
/
1
¨ /
2
=Span(x
2
), quindi R
3
non è somma diretta di /
1
e /
2
.
Il sottospazio vettoriale / di o ha dimensione : se è generato da : vettori
di o linearmente indipendenti.
Dato un sottospazio / di dimensione : di uno spazio vettoriale o di di-
mensione : (: _ :), esiste sempre una base di o che contiene una base di
/.
Sia o uno spazio vettoriale con il prodotto scalare ( , ). Due sottospazi /
1
e /
2
di o sono detti ortogonali se ogni vettore dell’uno è ortogonale ad ogni
vettore dell’altro.
Proposizione 8 Sia o uno spazio vettoriale con il prodotto scalare ( , ). Sia
¦u
1
, ..., u
n
¦ un insieme ortonormale di vettori di o. Per ogni u ¸ o, posto
c
I
= (u, u
I
), vale la diseguaglianza di Bessel
n

I=1
[c
I
[
2
_ |u|
2
. (1.58)
Inoltre il vettore u
t
= u ÷

n
I=1
c
I
u
I
è ortogonale a Span(u
1
, ..., u
n
).
Dimostrazione. Si ha
0 _ |u
t
|
2
= (u ÷
n

I=1
c
I
u
I
, u ÷
n

I=1
c
I
u
I
) =
16
|u|
2
÷
n

I=1
[c
I
[
2
÷
n

I=1
[c
I
[
2
+
n

I=1
[c
I
[
2
=
|u|
2
÷
n

I=1
[c
I
[
2
,
da cui discende (1.58). Per quanto riguarda la seconda asserzione, si ha
(u
t
, u
¸
) = (u, u
¸
) ÷
n

I=1
c
I
(u
I
, u
¸
) = c
¸
÷c
¸
= 0.
1.8 Basi ortonormali
Un insieme ortonormale ¦u
1
, ..., u
n
¦ di vettori di o si dice completo se non è
contenuto in nessun altro insieme ortonormale più grande. In particolare un
insieme ortonormale completo di o è una base ortonormale di o, vale infatti la
seguente proposizione.
Proposizione 9 Sia O = ¦u
1
, ..., u
n
¦ un insieme ortonormale di vettori dello
spazio vettoriale o dotato del prodotto interno ( , ). Le seguenti condizioni sono
equivalenti.
(1) L’insieme ortonormale O è completo.
(2) Se (u, u
¸
) = 0 per , = 1, ..., : allora u = 0.
(3) Il sottospazio Span(O) coincide con o.
(4) Se u ¸ o, si ha u =

n
I=1
(u, u
I
)u
I
.
(5) Se u, v ¸ o, vale l’identità di Parseval,
(u, v) =
n

I=1
(u, u
I
)(v, u
I
). (1.59)
(6) Se u ¸ o, allora si ha
|u|
2
=
n

I=1
(u, u
I
)
2
. (1.60)
Dimostrazione. (1) == (2) Se fosse (u, u
¸
) = 0 per , = 1, ..., : con u ,=
0, allora si potrebbe aggiungere a O il vettore u, |u| , ottenendo un insieme
ortonormale di o contenente O.
(2) == (3) Se esistesse u ¸ o che non è una combinazione lineare degli u
I
,
allora in vista della proposizione 8 il vettore u
t
= u ÷

n
I=1
(u, u
I
)u
I
sarebbe
diverso da zero ed ortogonale ad ogni u
I
.
17
(3) == (4) Se ogni u ¸ o ha la forma u =

n
¸=1
c
¸
u
¸
, allora per ogni
i = 1, ..., :,
(u, u
I
) =
n

¸=1
c
¸
(u
¸
, u
I
) = c
I
.
(4) == (5) Se u =

n
I=1
(u, u
I
)u
I
, v =

n
¸=1
(v, u
¸
)u
¸
, allora
(u, v) =
n

I,¸=1
(u, u
I
)(v, u
¸
)(u
I
, u
¸
) =
n

I=1
(u, u
I
)(v, u
I
).
(5) == (6) Basta porre u = v nella relazione (1.59).
(6) == (1) Se O non fosse completo, esisterebbe u
0
¸ o ortogonale a tutti
gli u
I
. Si avrebbe allora
|u
0
|
2
=
n

I=1
(u
0
, u
I
)
2
= 0
che implica u
0
= 0.
Sia / un sottospazio di o; l’insieme
/
J
= ¦u ¸ o [(v, u) = 0 per ogni v ¸ /¦ (1.61)
è un sottospazio di o detto complemento ortogonale di /.
o è la somma diretta di / e /
J
,
o = /¸/
J
. (1.62)
Infatti detta ¦e
1
, ..., e
n
¦ una base ortonormale di /, per ogni v ¸ o si ha
v = v +v
o
. (1.63)
dove v =

n
I=1
(e
I
, v)e
I
¸ / e v
o
= v ÷

n
I=1
(e
I
, v)e
I
¸ /
J
, in vista della
proposizione 8.
Siano o
1
e o
2
due spazi vettoriali con prodotti interni rispettivamente (., .)
S1
e (., .)
S2
. Un’applicazione lineare T : o
1
÷ o
2
è detta un’isometria se
(u, v)
S1
= (T(u), T(v))
S2
, per ogni u, v ¸ o
1
. (1.64)
Un isomor…smo che soddisfa (1.64) si dice isomor…smo isometrico e gli spazi
o
1
e o
2
sono detti isometricamente isomor….
Proposizione 10 Ogni spazio vettoriale o di dimensione : con prodotto inter-
no ( , )
S
è isometricamente isomorfo a R
n
.
18
Dimostrazione. Sia ¦e
1
, ..., e
n
¦ una base ortonormale di o, l’applicazione T
da o in R
n
de…nita da
T(u) = (n
1
, ..., n
n
), n
I
= (e
I
, u)
S
, i = 1, ..., : (1.65)
è un isomor…smo isometrico, infatti per ogni u, v ¸ o si ha
(T(u), T(v))
R
n =
n

I=1
n
I
·
I
=
n

I=1
(e
I
, u)
S
(e
I
, v)
S
= (u, v)
S
, (1.66)
dove l’ultima uguaglianza discende da (1.59).
1.9 Convergenza di vettori
Introduciamo il concetto di convergenza di una successione di vettori in uno
spazio vettoriale dotato di prodotto interno.
Si dice che una successione ¦v
(|)
¦
|ÇN
di vettori di o converge ad un vettore
v ¸ o se per ogni - 0 esiste / 0 tale che
_
_
_v
(|)
÷v
_
_
_ < - per ogni / _ /. (1.67)
In tal caso la successione¦v
(|)
¦
|ÇN
si dice convergente e il vettore v si dice limite
di ¦v
(|)
¦
|ÇN
e si scrive
lim
|÷o
v
(|)
= v, oppure v
(|)
÷ v, per / ÷ ·. (1.68)
È facile provare che il limite di una successione convergente ¦v
(|)
¦
|ÇN
è unico.
Supponiamo infatti che sia
v
(|)
÷ v e v
(|)
÷ w, per / ÷ ·. (1.69)
Si ha allora
|v ÷w| _
_
_
_v ÷v
(|)
_
_
_ +
_
_
_v
(|)
÷w
_
_
_, (1.70)
da cui, in vista di (1.67) si ricava |v ÷w| = 0.
Per ogni w ¸ o, dalla diseguaglianza di Schwarz discende che
[(v
(|)
÷v, w)[ _
_
_
_v
(|)
÷v
_
_
_ [[w[[
quindi se ¦v
(|)
¦
|ÇN
converge a v si ha che
lim
|÷o
(v
(|)
, w) = (v, w) per ogni w ¸ o. (1.71)
Se la condizione (1.71) è soddisfatta, si dice che la successione ¦v
(|)
¦
|ÇN
di o
converge debolmente a v ¸ o e si scrive v
(|)
÷ v, per / ÷ ·.
19
A di¤erenza di quanto accade negli spazi vettoriali di dimensione in…nita,
nei quali la convergenza forte e debole non coincidono, negli spazi vettoriali
di dimensione …nita ogni successione debolmente convergente è convergente.
Supponiamo infatti che valga (1.71) e sia ¦u
1
, ..., u
n
¦ una base ortonormale di
o. Si ha allora che (v
(|)
÷ v, u
I
) ÷ 0 quando / ÷ ·, per ogni i = 1, ..., :.
In vista della relazione (1.60) della proposizione 9 si ha
_
_
_v
(|)
÷v
_
_
_
2
=
n

I=1
(v
(|)
÷v, u
I
)
2
,
quindi lim
|÷o
v
(|)
= v.
Sia o uno spazio vettoriale normato, una successione ¦v
(|)
¦
|ÇN
¸ o è una
successione di Cauchy se per ogni - 0 esiste ¡ ¸ N tale che
_
_
v
(¡)
÷v
(j)
_
_
< -
quando j, ¡ ¡ o equivalentemente se
_
_
v
(¡)
÷v
(j)
_
_
÷ 0, per j, ¡ ÷ ·.
Uno spazio vettoriale normato o si dice completo se per ogni successione di
Cauchy ¦v
(|)
¦
|ÇN
¸ o esiste un unico vettore v ¸ o tale che v
|
÷ v quando
/ ÷ ·.
Proposizione 11 Ogni spazio vettoriale o di dimensione …nita con prodotto
interno ( , ) è completo.
Dimostrazione. Dalla proposizione 10 discende che se o ha dimensione : allora
è isometricamente isomorfo a R
n
. Siano T l’isomor…smo isometrico de…nito in
(1.65) e ¦v
(|)
¦
|ÇN
¸ o una successione di Cauchy, si ha
[[T(v
(¡)
) ÷T(v
(j)
)[[
2
R
n = (T(v
(¡)
) ÷T(v
(j)
), T(v
(¡)
) ÷T(v
(j)
))
R
n
= (v
(¡)
÷v
(j)
, v
(¡)
÷v
(j)
)
S
= [[v
(¡)
÷v
(j)
[[
2
S
, (1.72)
quindi ¦T(v
(|)

|ÇN
è una successione di Cauchy in R
n
. Poiché R
n
è completo,
esiste x ¸ R
n
tale che T(v
(|)
) ÷ x per / ÷ ·, e in vista della surgettività di
T esiste v ¸ o tale che T(v) = x. Si ha allora,
[[v ÷v
(|)
[[
S
= [[T(v) ÷T(v
(|)
)[[
R
n = [[x ÷T(v
(|)
)[[
R
n, (1.73)
da cui discende che v
(|)
÷ v quando / ÷ ·.
Due norme | |
1
e | |
2
su uno spazio vettoriale | si dicono equivalenti se
esistono due costanti positive ` e j tali che
`|u|
1
_ |u|
2
_ j|u|
1
per ogni u ¸ |. (1.74)
Vale il seguente teorema.
Teorema 12 In uno spazio vettoriale di dimensione …nita tutte le norme sono
equivalenti.
20
1.10 Applicazioni tra spazi vettoriali
Siano | e ¼ spazi vettoriali normati e T : | ÷ ¼ un’applicazione.
T è continua in a
0
¸ | se per ogni - 0 esiste c 0 tale che per ogni a ¸ |
che soddisfa [[a ÷a
0
[[
/
< c, si ha [[T(a) ÷T(a
0
)[[
V
< -.
T è continua in | se è continua in ogni a
0
¸ |. In altre parole, T è continua
in a
0
se per ogni palla aperta 1(T(a
0
), -) di centro T(a
0
) e raggio - esiste una
palla aperta 1(a
0
, c) di centro a
0
e raggio c tale che T(1(a
0
, c)) ¸ 1(T(a
0
), -).
Può essere utile la seguente formulazione alternativa in termini di aperti e
chiusi.
Proposizione 13 Siano | e ¼ spazi vettoriali normati e T : | ÷ ¼ un’ap-
plicazione. T è continua in | (cioè in ogni a
0
¸ |) se e solo se per ogni aperto
(chiuso) / di ¼, l’immagine inversa T
÷1
(/) di / mediante T, è un aperto
(chiuso) di |.
La nozione di convergenza di una successione di vettori può essere utilizzata
per caratterizzare gli insiemi chiusi e le funzioni continue. Valgono infatti le
seguenti proposizioni.
Proposizione 14 Sia ( un sottoinsieme non vuoto dello spazio vettoriale nor-
mato o. ( è chiuso se e solo se ogni successione convergente costituita da vettori
di ( , converge ad un vettore di (.
Il seguente risultato esprime il legame ben noto per le funzioni reali tra
continuità e convergenza di successioni.
Proposizione 15 Siano | e ¼ spazi vettoriali normati e T : | ÷ ¼ un’appli-
cazione. T è continua in a
0
¸ | se e solo se per ogni successione ¦a
(|)
¦
|ÇN
¸ |
tale che lim
|÷o
a
(|)
= a
0
, si ha lim
|÷o
T(a
(|)
) = T(a
0
).
Un’applicazione T : | ÷ ¼ è lineare se sono soddisfatte le proprietà (1.51)
e (1.52).
Esempio 16 Sia ¦e
1
, ..., e
n
¦ un insieme ortonormale di o, l’applicazione 1
de…nita da o in Span(e
1
, ..., e
n
) tale che
1(u) =
n

I=1
(u, e
I
)e
I
, \u ¸ o, (1.75)
è lineare, mentre l’applicazione che ad ogni vettore u di o associa il vettore
costante u non è lineare.
Un’applicazione T bigettiva è invertibile e l’applicazione T
÷1
: ¼ ÷ |
de…nita da T
÷1
(v) = u se e solo se T(u) = v si chiama inversa di T. Se T è
lineare ed invertibile allora T
÷1
è lineare.
21
Sia T : | ÷ ¼ un’applicazione lineare, T è limitata se esiste i 0 tale che
[[T(a)[[
V
_ i[[a[[
/
, per ogni a ¸ |. (1.76)
Negli spazi vettoriali di dimensione …nita tutte le applicazioni lineari sono
limitate, vale infatti la seguente proposizione.
Proposizione 17 Siano | e ¼ spazi vettoriali normati di dimensione …nita.
Ogni applicazione lineare 1 : | ÷ ¼ è limitata.
Dimostrazione. Limitiamoci a dimostrare la proposizione nel caso in cui la
norma su | è associata al prodotto scalare ( , )
/
. Sia ¦e
1
, ..., e
n
¦ una base
ortonormale di |, per ogni u ¸ | si ha
u =
n

I=1
n
I
e
I
, (1.77)
con n
I
= (u, e
I
)
/
, i = 1, ..., :, da cui
1(u) =
n

I=1
n
I
1(e
I
). (1.78)
Quindi in vista delle proprietà n3 e n2 della norma, da (1.78) si ottiene
[[1(u)[[
V
_
n

I=1
[n
I
[ [[1(e
I
)[[
V
_ ,
n

I=1
[n
I
[, (1.79)
dove , = max
I=1,...,n
[[1(e
I
)[[
V
. In…ne da (1.79), utilizzando la diseguaglianza di
Schwarz si ricava che
[[1(u)[[
V
_ ,
n

I=1
[(u, e
I
)
/
[ _ ,
n

I=1
[[e
I
[[
/
[[u[[
/
= ,:[[u[[
/
, (1.80)
per ogni u ¸ |, quindi 1 è limitata.
Proposizione 18 Sia T : | ÷ ¼ un’applicazione lineare; T è continua in |
se e solo se è continua in 0 ¸ |.
Dimostrazione. Supponiamo che T sia continua in 0 ¸ |, allora per ogni - 0
esiste c 0 tale che se [[a[[
/
< c allora [[T(a)[[
\
< - (in vista della linearità di
T, T(0) = 0). Sia allora a
0
¸ |, per ogni a ¸ | tale che [[a ÷ a
0
[[
/
< c si ha
[[T(a) ÷T(a
0
)[[
\
= [[T(a ÷a
0
)[[
\
< -, quindi T è continua in a
0
.
Proposizione 19 Sia T : | ÷ ¼ un’applicazione lineare. T è continua in |
se e solo se è limitata in |.
22
Dimostrazione. Supponiamo che T sia limitata, allora da (1.76) segue che T è
continua in 0 ¸ |; la tesi discende dalla proposizione 18. Viceversa supponiamo
che T sia continua e supponiamo per assurdo che T non sia limitata: allora per
ogni / ¸ N esiste u
(|)
¸ | tale che
[[T(u
(|)
)[[
V
/[[u
(|)
[[
/
. (1.81)
In particolare si ha u
(|)
,= 0, quindi possiamo porre
v
(|)
=
u
(|)
/[[u
(|)
[[
/
. (1.82)
La successione ¦v
(|)
¦
|ÇN
converge a 0, però
[[T(v
(|)
)[[
V
=
[[T(u
(|)
)[[
V
/[[u
(|)
[[
/
1 (1.83)
che contrasta con la continuità di T.
Osservazione 20 Negli spazi vettoriali di dimensione non …nita esistono ap-
plicazioni lineari che non sono continue. Si consideri l’insieme T dei polinomi
su [0, 1] con il prodotto scalare (), q) =
_
1
0
)(t)q(t)dt e sia 1 : T ÷ T l’appli-
cazione che ad ogni polinomio associa la sua derivata. 1 è lineare, però non è
limitata. Dati i polinomi )
|
(t) = t
|
, / ¸ N, si ha
[[)
|
[[
2
=
1
2/ + 1
< 1
mentre
[[1()
|
)[[
2
= /
2
_
1
0
t
2|÷2
dt =
/
2
2/ ÷1
,
quindi [[1()
|
)[[
2
÷ +· quando / ÷ ·.
Proposizione 21 Ogni sottospazio vettoriale / di uno spazio vettoriale o con
prodotto interno è chiuso.
Dimostrazione. Detta ¦u
1
, ..., u
n
¦ una base ortonormale di /, si consideri
l’applicazione lineare C : o ÷ o che ad ogni u ¸ o associa il vettore u
t
=
u ÷

n
I=1
(u
I
, u)u
I
. Poiché C è lineare, C è limitata in vista della proposizione
17 e quindi continua per la proposizione 19, in particolare,
[[C(u)[[
2
= [[u
t
[[
2
= [[u[[
2
÷
n

I=1
(u
I
, u)
2
_ [[u[[
2
.
C(u) = 0 se e solo se u ¸ /. La proposizione 13 consente di concludere che /
è chiuso in quanto è l’immagine inversa del chiuso ¦0¦ ¸ o mediante la funzione
continua C.
23
Osservazione 22 La proposizione 21 può essere dimostrata anche facendo ri-
corso alla proposizione 14. Siano / un sottospazio vettoriale di uno spazio
vettoriale o e ¦v
(|)
¦
|ÇN
¸ / una successione convergente a v ¸ o. Indicata
con ¦u
1
, ..., u
n
¦ una base ortonormale di /, si ha
v
(|)
=
n

I=1
(v
(|)
, u
I
)u
I
, / ¸ N,
e _
_
_v
(|)
÷v
_
_
_ ÷ 0 quando / ÷ ·.
Dalla diseguaglianza
_
_
_
_
_
n

I=1
(v, u
I
)u
I
÷v
_
_
_
_
_
_
_
_
_
_
_
n

I=1
(v, u
I
)u
I
÷
n

I=1
(v
(|)
, u
I
)u
I
_
_
_
_
_
+
_
_
_v
(|)
÷v
_
_
_
facendo tendere / a · e tenendo conto che ¦v
(|)
¦
|ÇN
converge a v e quindi
converge debolmente a v, si ricava che v ¸ /.
Siano | e ¼ spazi vettoriali con prodotto interno di dimensione rispettiva-
mente : e :. Denotiamo con /(|, ¼) l’insieme di tutti le applicazioni lineari
da | in ¼
/(|, ¼) = ¦1 : | ÷ ¼ [ 1 è lineare¦. (1.84)
Se si de…niscono la somma di due applicazioni e il prodotto per uno scalare nel
modo naturale
(1
1
+1
2
)(u) = 1
1
(u) +1
2
(u), (1.85)
(c1
1
)(u) = c1
1
(u)
per ogni u ¸ |, c ¸ R, /(|, ¼) risulta uno spazio vettoriale.
Siano ¦u
1
, ..., u
n
¦ e ¦w
1
, ..., w
n
¦ basi ortonormali di | e ¼ rispettivamente.
Le :: applicazioni lineari 1

de…niti da
1

(u
|
) =
_
w
¸
/ = i
0 / ,= i
, i = 1, ..., :, , = 1, ..., : (1.86)
sono linearmente indipendenti. Infatti dalla condizione

I,¸
c

1

= 0 si deduce
che

I,¸
c

1

(u
|
) = 0, / = 1, ..., : e quindi in vista di (1.86),

¸
c

w
¸
= 0,
/ = 1, ..., :. Dalla lineare indipendenza dei vettori w
1
, ..., w
n
discende quindi
che i coe¢cienti c

sono tutti nulli. Inoltre per ogni 1 ¸ /(|, ¼) si ha
1 =

I=1,...,n
¸=1,...,n
(1(u
I
), w
¸
)
V
1

. (1.87)
24
Infatti per ogni u ¸ |, si ha u =

n
|=1
(u, u
|
)
/
u
|
, da cui

I=1,...,n
¸=1,...,n
(1(u
I
), w
¸
)
V
1

(u) =

I=1,...,n
¸=1,...,n
(1(u
I
), w
¸
)
V
1

_
n

|=1
(u, u
|
)
/
u
|
_
=

I=1,...,n
¸=1,...,n
(1(u
I
), w
¸
)
V
(u, u
I
)
/
w
¸
=

¸=1,...,n
(1
_
_

I=1,...,n
(u, u
I
)
/
u
I
_
_
, w
¸
)
V
w
¸
=

¸=1,...,n
(1(u), w
¸
)
V
w
¸
= 1(u),
e quindi (1.87) è dimostrata.
Possiamo allora concludere che le applicazioni de…nite in (1.86) sono una
base dello spazio vettoriale /(|, ¼) e che la dimensione di /(|, ¼) è ::.
Per ogni 1 ¸ /(|, ¼) si consideri la quantità
[[1[[
Þ
= sup
uÇ/, u,=0
[[1(u)[[
V
[[u[[
/
. (1.88)
È facile veri…care che (1.88) è una norma su /(|, ¼). Innanzi tutto se 1 ¸
/(|, ¼) allora 1 è limitata (proposizione 17), quindi esiste i 0 tale che
[[1(u)[[
\
_ i[[u[[
/
per ogni u ¸ |, quindi sup
uÇ/, u,=0
[[1u[[
V
,[[u[[
/
esiste ed è
…nito. Inoltre, dalla linearità di 1 discende che
sup
uÇ/, u,=0
[[1(u)[[
V
[[u[[
/
= sup
]]u]]
U
=1
[[1(u)[[
V
(1.89)
e
[[1
1
+1
2
[[
Þ
= sup
]]u]]
U
=1
[[1
1
(u) +1
2
(u)[[
V
_ sup
]]u]]
U
=1
([[1
1
(u)[[
V
+[[1
2
(u)[[
V
)
_ sup
]]u]]
U
=1
[[1
1
(u)[[
V
+ sup
]]u]]
U
=1
[[1
2
(u)[[
V
= [[1
1
[[
Þ
+[[1
2
[[
Þ
. (1.90)
Analogamente si dimostra che [[c1[[
Þ
= [c[ [[1[[
Þ
per ogni 1 ¸ /(|, ¼) e
c ¸ R. Finalmente si ha [[1[[
Þ
= 0 se e solo se sup
]]u]]
U
=1
[[1(u)[[
V
= 0 se e solo se
[[1(u)[[
V
_ 0 per ogni u ¸ |, [[u[[
/
= 1, se e solo se 1(u) = 0 per ogni u ¸ |.
Ciò consente di concludere che (1.88) è una norma su /(|, ¼).
La norma (1.88) non è associata a nessun prodotto scalare. Per convincersi
di ciò si scelga | = ¼ e indicata con ¦u
1
, ..., u
n
¦ una base ortonormale di | si
considerino le applicazioni lineari
1
1
(u) = u, 1
2
(u) = (u, u
1
)u
1
;
si ha [[1
1
+ 1
2
[[
Þ
= 2, [[1
1
÷ 1
2
[[
Þ
= 1, [[1
1
[[
Þ
= [[1
2
[[
Þ
= 1, quindi (1.88)
non soddisfa la regola del parallelogramma.
25
Esempio 23 Sia T : | ÷ ¼ un’isometria, si ha
[[T[[
Þ
= sup
uÇ/, u,=0
[[T(u)[[
V
[[u[[
/
= sup
uÇ/, u,=0
[[u[[
/
[[u[[
/
= 1. (1.91)
Si consideri l’applicazione (1.75) dell’esempio 16, si ha
[[1[[
Þ
= sup
uÇS, u,=0
[[1(u)[[
S
[[u[[
S
= sup
uÇS, u,=0
¸
¸
¸
_
|

I=1
[(u, e
I
)[
2
[[u[[
S
_ 1,
scegliendo poi u ¸Span(e
1
, ..., e
|
), si ricava [[1[[
Þ
= 1.
1.11 Funzionali
Sia o spazio vettoriale con prodotto interno ( , ). Un’applicazione c di o in R
prende il nome di funzionale. c è un funzionale lineare se sono soddisfatte le
proprietà (1.51) e (1.52), ossia se risulta
1. c(ca) = cc(a), per ogni a ¸ o, c ¸ R (omogeneità).
2. c(a +b) = c(a) +c(b), per ogni a, b ¸ o (additività),
Fissato b ¸ o il funzionale c(u) = (u, b), u ¸ o è lineare, mentre c(u) =
[[u[[, u ¸ o, non è lineare, infatti in generale, si ha [[cu[[ = [c[ [[u[[ ,= c[[u[[.
Dimostriamo adesso il seguente teorema di rappresentazione dei funzionali
lineari.
Teorema 24 Siano o uno spazio vettoriale di dimensione …nita con prodotto
interno (, ) e c : o ÷R un funzionale lineare. Allora esiste un unico a ¸ o tale
che si abbia
c(u) = (a, u), per ogni u ¸ o. (1.92)
Dimostrazione. Se c = 0, (1.92) è veri…cata con a = 0. Supponiamo allora
c ,= 0 e consideriamo i sottospazi di o,
/ = ¦v ¸ o [ c(v) = 0¦ (1.93)
e
/
J
= ¦u ¸ o [ (v, u) = 0 per ogni v ¸ /¦. (1.94)
Poiché c ,= 0, /
J
contiene almeno un elemento z non nullo, e quindi possiamo
porre a = c(w)w, dove w = z,[[z[[. Si ha
(a, w) = c(w)(w, w) = c(w) (1.95)
26
e, se u ¸ /, 0 = c(u) = (a, u).
Sia ora u ¸ o; per ogni ` ¸ R si ha
u = `w+u ÷`w, (1.96)
dove `w ¸ /
J
, e se scegliamo ` = c(u),c(w) risulta
c(u ÷`w) = c(u) ÷
c(u)
c(w)
c(w) = 0, (1.97)
per cui u ÷`w ¸ /. Tenendo conto della linearità di c, della scelta di ` e di
(1.95), si ha
(a, u) = (a, `w+u ÷`w) = (a, `w) =
c(u)
c(w)
(a, w) = c(u), (1.98)
che dimostra l’esistenza di a. Per quanto riguarda l’unicità, supponiamo che
esistano a
1
, a
2
¸ o tali che
c(u) = (a
1
, u) = (a
2
, u), per ogni u ¸ o. (1.99)
Scelto u = a
1
÷a
2
da (1.99) si ha
(a
1
÷a
2
, a
1
÷a
2
) = 0, (1.100)
da cui, in vista della proprietà s3. del prodotto interno, discende a
1
= a
2
.
Il sottospazio / è detto il nucleo di c. Dal teorema precedente segue che se
o ha dimensione : e c è diverso da 0, allora la dimensione di / è : ÷1.
Un funzionale , : o ÷R è continuo in a
0
¸ o se per ogni - 0 esiste c 0
tale che per ogni a ¸ o che soddisfa [[a ÷a
0
[[ < c, si ha [,(a) ÷,(a
0
)[ < -.
, è continuo in o se è continuo in ogni a
0
¸ o.
Il funzionale [[ [[ : o ÷R che ad ogni vettore associa la sua norma, è continuo
in ogni a
0
¸ o, infatti, in vista della diseguaglianza (1.27) si ha
[[[a[[ ÷[[a
0
[[[ _ [[a ÷a
0
[[.
Ancora ricorrendo alla diseguaglianza (1.27) si dimostra che per ogni a ¸ o
…ssato, il funzionale , : o ÷ R de…nito da ,(v) = [[v ÷ a[[ con v ¸ o è
continuo.
Osservazione 25 Dal teorema 24 discende che ogni funzionale lineare c : o ÷
R è limitato e quindi continuo in o. Infatti da (1.92) e dalla diseguaglianza di
Schwarz (1.38) si ricava
[c(v)[ _ [[a[[ [[v[[ per ogni v ¸ o, (1.101)
quindi c è limitato.
27
Lo spazio vettoriale o
+
= /(o, R) costituito dai funzionali lineari su o è detto
il duale di o. Se lo spazio vettoriale o ha dimensione :, anche o
+
ha dimensione
:. Indicata con ¦e
1
, ..., e
n
¦ una base ortonormale di o, gli : funzionali lineari
,
I
¸ o
+
con ,
I
(u) = (e
I
, u), per ogni u ¸ o costituiscono una base di o
+
.
Infatti la lineare indipendenza dei ,
I
, i = 1, ..., : è una conseguenza della lineare
indipendenza dei vettori e
I
, i = 1, ..., :, inoltre, dato , ¸ o
+
per il teorema 24
esiste a ¸ o tale che ,(u) = (a, u), per ogni u ¸ o e
, =
n

I=1
(a, e
I
),
I
.
In vista di (1.88) e (1.101) si ha
[[,[[
Þ
= [[a[[. (1.102)
1.12 Proiezioni
Siano /
1
e /
2
sottospazi vettoriali di o con /
2
complemento di /
1
. Allora
ogni s ¸ o può essere scritto in modo unico nella forma s = s
1
+s
2
, con s
1
¸ /
1
e s
2
¸ /
2
. La proiezione su /
1
lungo /
2
è l’applicazione 1
/1
de…nita da
1
/1
(s) = s
1
. 1
/1
è lineare ed idempotente, (1
/1
)
2
= 1
/1
.
Esempio 26 In R
2
dati x
1
= (1, 0) e x
2
= (1, 1), consideriamo i sottospazi
/
1
=Span(x
1
) e /
2
=Span(x
2
). Per ogni v = (·
1
, ·
2
), si ha v = v
1
+ v
2
,
con v
1
= (·
1
÷ ·
2
, 0) ¸ /
1
, v
2
= (·
2
, ·
2
) ¸ /
2
, e la proiezione su /
1
lungo
/
2
è de…nita da 1
/1
(v) = v
1
. Posto poi x
3
= (1, 2) e /
3
=Span(x
3
), si ha
v = u
1
+ u
2
, con u
1
= (
2u1÷u2
2
, 0) ¸ /
1
, u
2
= (
u2
2
, ·
2
) ¸ /
3
, e la proiezione
su /
1
lungo /
3
è de…nita da 1
/1
(v) = u
1
.
Sia / un sottospazio di o, la proiezione ortogonale su / è l’applicazione
lineare 1
/
che ad ogni v ¸ o associa il vettore v = 1
/
(v) ¸ / de…nito in
(1.63). v soddisfa la condizione
(v ÷v, w) = 0 per ogni w ¸ /. (1.103)
Estendiamo ora il concetto di proiezione su un convesso non vuoto chiuso di
o.
Se / è un sottoinsieme di o e u
0
¸ o, la distanza di u
0
da / è il numero
di:t((u
0
, /) = inf
vÇ,
[[u
0
÷v[[. (1.104)
Il risultato seguente è noto come teorema di minima norma.
28
Teorema 27 Sia o uno spazio vettoriale reale di dimensione …nita munito del
prodotto interno ( , ) e sia / ¸ o un sottoinsieme non vuoto chiuso e conves-
so. Per ogni f ¸ o esiste un unico u ¸ / che soddisfa le seguenti condizioni
equivalenti
|f ÷u| = min
vÇK
|f ÷v| = di:t(f , /), (1.105)
(f ÷u, v ÷u) _ 0 per ogni v ¸ /. (1.106)
Figura 1.1: Il convesso /.
Il vettore u = 1
K
(f ) è detto proiezione di f sul convesso chiuso /.
Dimostrazione. Innanzi tutto dimostriamo che esiste u ¸ / che soddis-
fa (1.105), dopodichè proviamo l’equivalenza di (1.105) e (1.106) e …nalmente
l’unicità di u ¸ / che soddisfa (1.106).
Se f ¸ /, allora u = f ; se f , ¸ /, poniamo d = di:t(f , /). Allora per
de…nizione di estremo inferiore esiste una successione ¦u
(|)
¦
|ÇN
¸ / tale che
d
|
=
_
_
u
(|)
÷f
_
_
÷ d, per / ÷ ·. ¦u
(|)
¦
|ÇN
è una successione di Cauchy, infatti
applicando la regola del parallelogramma (1.39) con a = f ÷u
(¡)
, b = f ÷u
(j)
,
ricordando che / è convesso, si ha
[[u
(¡)
÷u
(j)
[[
2
_ 2d
2
¡
+ 2d
2
j
÷4d
2
, (1.107)
da cui si ottiene
[[u
(¡)
÷u
(j)
[[ ÷ 0, quando j, ¡ ÷ ·. (1.108)
Così, u
(¡)
÷ u ¸ / per j ÷ · (proposizione 14)e d = |u ÷f | in quanto il
funzionale norma è continuo.
Ora dobbiamo provare l’equivalenza di (1.105) e (1.106). Supponiamo che
u ¸ / soddis… (1.105), per ogni w ¸ / si ha
v = (1 ÷t)u +tw ¸ / per ogni t ¸ [0, 1]
29
e quindi
|f ÷u| _ |f ÷(1 ÷t)u ÷tw| = |f ÷u ÷t(w÷u)| .
Conseguentemente, per t ¸ (0, 1], si ha
|f ÷u|
2
_ |f ÷u|
2
÷2t(f ÷u, w÷u) +t
2
|w÷u|
2
e quindi 2(f ÷u, w÷u) _ t |w÷u|
2
che conduce a (1.106) quando t ÷ 0.
Viceversa, supponiamo che u ¸ / soddis… (1.106), si ha
|u ÷f |
2
÷|v ÷f |
2
= 2(f ÷u, v ÷u) ÷|u ÷v|
2
_ 0 per ogni v ¸ /,
da cui segue (1.105).
Per provare l’unicità di u, siano u
1
,u
2
¸ / che soddisfano (1.106). Si ha
(f ÷u
1
, v ÷u
1
) _ 0 per ogni v ¸ /, (1.109)
(f ÷u
2
, v ÷u
2
) _ 0 per ogni v ¸ /. (1.110)
Posto v = u
2
in (1.109) e v = u
1
in (1.110), sommando si ottiene
[[u
2
÷u
1
[[
2
_ 0. (1.111)
Esempio 28 Siano o = R
2
con il prodotto scalare de…nito in (1.33), / =
¦(r
1
, r
2
) ¸ R
2
[ r
2
1
+r
2
2
_ 1¦. Se f , ¸ /, si ha 1
K
(f ) = f ,[[f [[. Per ogni v ¸ /,
si ha infatti
[[f ÷v[[ _ [[[f [[ ÷[[v[[[ = [[f [[ ÷[[v[[ _ [[f [[ ÷1 = [[[f [[ ÷1[ = [[f ÷
f
[[f [[
[[.
L’applicazione 1
K
: o ÷ / de…nita dal teorema precedente è continua, vale
infatti la seguente proposizione.
Proposizione 29 Sotto le ipotesi del teorema 27 si ha
[[1
K
(f
1
) ÷1
K
(f
2
)[[ _ [[f
1
÷f
2
[[, per ogni f
1
, f
2
¸ o. (1.112)
Dimostrazione. Posti u
1
= 1
K
(f
1
) e u
2
= 1
K
(f
2
), in vista di (1.106) si ha
(f
1
÷u
1
, v ÷u
1
) _ 0 per ogni v ¸ /, (1.113)
(f
2
÷u
2
, v ÷u
2
) _ 0 per ogni v ¸ /. (1.114)
Ponendo v = u
2
in (1.113) e v = u
1
in (1.114), sommando si ottiene
[[u
1
÷u
2
[[
2
_ (f
1
÷f
2
, u
1
÷u
2
),
che, tenendo conto della diseguaglianza di Schwarz, implica
[[u
1
÷u
2
[[ _ [[f
1
÷f
2
[[.
Poichè un sottospazio vettoriale è chiuso e convesso, la proiezione ortogonale
su un sottospazio vettoriale de…nita in (1.103) può essere ottenuta come caso
particolare del teorema di minima norma, vale infatti la seguente proposizione.
30
Proposizione 30 Se / = /, con / sottospazio vettoriale di o, per ogni
f ¸ o la proiezione u = 1
/
(f ) di f su / è caratterizzata da
u ¸ /, (f ÷u, v) = 0, per ogni v ¸ /, (1.115)
e 1
/
è un’applicazione lineare.
Dimostrazione. Da (1.106) si ottiene
(f ÷u, v ÷u) _ 0 per ogni v ¸ /,
e dunque
(f ÷u, tv ÷u) _ 0 per ogni v ¸ /, per ogni t ¸ R,
ne segue che
(f ÷u, v) = 0, per ogni v ¸ /.
Inversamente se u veri…ca (1.115) si ha
(f ÷u, v ÷u) = 0 per ogni v ¸ /.
Dati f
1
, f
2
¸ o, posto u
1
= 1
/
(f
1
) e u
2
= 1
/
(f
2
), da (1.115) segue che
(f
1
+f
2
÷u
1
÷u
2
, v) = (f
1
÷u
1
, v) + (f
2
÷u
2
, v) = 0, (1.116)
per ogni v ¸ /, quindi 1
/
(f
1
+ f
2
) = 1
/
(f
1
) + 1
/
(f
2
). Analogamente si
dimostra che 1
/
(cf ) = c1
/
(f ) per ogni c ¸ R, f ¸ o.
1.13 Di¤erenziabilità
Siano | e ¼ spazi vettoriali con prodotto interno e T un’applicazione de…nita
in un intorno di 0 ¸ | a valori in ¼. Si dice che T(u) converge a zero più
velocemente di u e si scrive
T(u) = o(u) per u ÷ 0 (1.117)
se
lim
u,=0, u÷0
[[T(u)[[
V
[[u[[
/
= 0
1
. (1.118)
Se T
1
e T
2
sono due applicazioni, T
1
(u) = T
2
(u) + o(u) signi…ca che T
1
(u) ÷
T
2
(u) = o(u).
Ad esempio per | = ¼ = R e T(t) = t
o
con c 1, si ha T(t) = o(t) quando
t ÷ 0.
1
In altre parole, per ogni I 0 esiste I
0
0 tale che jjT(u)jj
W
< Ijjujj
U
se jjujj
U
< I
0
.
31
Sia g una funzione de…nita sull’aperto T ¸ R a valori nello spazio vettoriale
¼, la derivata di g in t, se esiste, è così de…nita

g(t) =
d
dt
g(t) = lim
s÷0
g(t +:) ÷g(t)
:
. (1.119)
In questo caso si dice che g è di¤erenziabile in t. La funzione g : T ÷ ¼ è di
classe C
1
se

g(t) esiste per ogni t ¸ T e se la funzione

g è continua in T.
Sia g di¤erenziabile in t, allora
lim
s÷0
g(t +:) ÷g(t) ÷:

g(t)
:
= 0, (1.120)
o equivalentemente
g(t +:) = g(t) +:

g(t) +o(:), : ÷ 0. (1.121)
Dato che :

g(t) è lineare in :, g(t + :) ÷ g(t) risulta uguale ad una funzione
lineare di : più un termine che converge a zero più velocemente di :.
Siano | e ¼ spazi vettoriali normati, T un aperto di | e T : T ÷ ¼
un’applicazione. Si dice che T è di¤erenziable (secondo Fréchet) in u ¸ T se
la di¤erenza T(u + h) ÷ T(u) è uguale ad una funzione lineare di h più un
termine che converge a zero più velocemente di h. Più precisamente, se esiste
un’applicazione lineare
1T(u) : | ÷ ¼ (1.122)
tale che
T(u +h) = T(u) +1T(u)[h] +o(h), h ÷ 0. (1.123)
Se 1T(u) esiste, è unica. Infatti per ogni h ¸ | si ha
1T(u)[h] = lim
o÷0
T(u +ch) ÷T(u)
c
=
d
dc
T(u +ch)[
o=0
. (1.124)
1T(u) è la derivata (di Fréchet) di T in u.
Se T è di¤erenziable in ogni u ¸ T allora 1T è un’applicazione de…nita in
T a valori nello spazio vettoriale /(|, ¼) delle applicazioni lineari di | in ¼,
introdotto in (1.84),
1T : T ÷ /(|, ¼), (1.125)
che ad ogni u ¸ T associa l’applicazione lineare 1T(u).
Un’applicazione T : T ÷ ¼ è di classe C
1
se T è di¤erenziabile in ogni
u ¸ T e 1T è continua. T è di classe C
2
se T è di classe C
1
e 1T è di classe
C
1
. In generale, T è di classe C
n
con : _ 3 se T è di classe C
n÷1
e la sua
derivata (: ÷1)-esima è di classe C
1
.
32
Se T è un aperto di R e g una funzione da T in ¼, dalla relazione (1.121)
segue che 1g(t)[:] = :

g(t).
Accanto alla di¤erenziabilià secondo Fréchet si può introdurre una nozione
più debole di di¤erenziabilità.
Un’applicazione T : T ÷ ¼ è di¤erenziabile secondo Gateaux in u ¸ T se
per ogni h ¸ | esiste ed è …nito in ¼ il limite del rapporto
T(u +0h) ÷T(u)
0
(1.126)
al tendere di 0 a 0. Indicato con T
t
(u, h) questo limite, si dice che T
t
(u, h) è la
derivata di Gateaux di T in u nella direzione h. L’applicazione h ÷ T
t
(u, h)
de…nita da | in ¼ è omogeneo,
T
t
(u, ch) = lim
0÷0
T(u +c0h) ÷T(u)
0
= clim
0÷0
T(u +0h) ÷T(u)
0
= cT
t
(u, h),
(1.127)
per ogni c ¸ R, ma in generale non è additiva.
Osservazione 31 Se T è di¤erenziabile secondo Fréchet in u, allora T è dif-
ferenziabile secondo Gateaux in u e le due derivate coincidono,
1T(u)[h] = T
t
(u, h), per ogni h ¸ |.
Infatti sia h ¸ |,
T
t
(u, h) = lim
t ÷ 0
t ,= 0
T(u +th) ÷T(u)
t
= lim
t ÷ 0
t ,= 0
1T(u)[th] +o(th)
t
lim
t ÷ 0
t ,= 0
t1T(u)[h] +o(th)
t
= 1T(u)[h].
Esistono applicazioni di¤erenziabili secondo Gateaux che non sono di¤erenziabili
secondo Fréchet, come mostra il seguente esempio. Sia T : R
2
÷R de…nito da
T(r, j) =
_
0, (r, j) = (0, 0),
r
5
(r÷¸)
2
+r
4
, (r, j) ,= (0, 0).
(1.128)
T è di¤erenziabile secondo Gateaux in (0, 0) in ogni direzione h = (/
1
, /
2
),
infatti
T(0/
1
, 0/
2
) ÷T(0, 0)
0
=
0
2
/
5
1
(/
1
÷/
2
)
2
+0
2
/
4
1
, (1.129)
quindi
T
t
((0, 0), (/
1
, /
2
)) =
_
0, /
1
,= /
2
,
/
1
, /
1
= /
2
.
(1.130)
33
T non è di¤erenziabile secondo Fréchet in (0, 0), scelti infatti
h
1
= (6, 1), h
2
= (3, 8), (1.131)
si ha
T
t
(0, h
1
+h
2
) = 9 ,= T
t
(0, h
1
) +T
t
(0, h
2
) = 0. (1.132)
Vale il seguente teorema.
Teorema 32 Sia T : T ÷ ¼ un’applicazione, con T aperto di |. Se T è
di¤erenziabile secondo Fréchet in u
0
¸ T allora T è continua in u
0
.
Dimostrazione. Per u ¸ |, si ha
T(u
0
+u) ÷T(u
0
) = T(u
0
+u) ÷T(u
0
) ÷1T(u
0
)[u] +1T(u
0
)[u], (1.133)
dato che il rapporto
[[T(u
0
+u) ÷T(u
0
) ÷1T(u
0
)[u][[
[[u[[
(1.134)
converge a 0 per u ÷ 0, esiste c
0
0 tale che se 0 < [[u[[ < c
0
si ha
[[T(u
0
+u) ÷T(u
0
) ÷1T(u
0
)[u][[ _ [[u[[. (1.135)
Inoltre, poiché 1T(u
0
) è lineare, per la proposizione 17, è anche limitata, quindi
esiste i 0 tale che
[[1T(u
0
)[u][[ _ i[[u[[, per ogni u ¸ |. (1.136)
Allora per [[u[[ < c
0
si ha
[[T(u
0
+u) ÷T(u
0
)[[ _ [[T(u
0
+u) ÷T(u
0
) ÷1T(u
0
)[u][[+
[[1T(u
0
)[u][[ _ (1 +i)[[u[[. (1.137)
Quindi per ogni - 0, posto c = min(c
0
, -,1 + i), si ha la continuità di T in
u
0
.
Osservazione 33 La di¤erenziabilità secondo Gateaux non implica la continu-
ità. Se prendiamo ad esempio ) : R
2
÷R de…nita da
)(r, j) =
_
0, (r, j) = (0, 0),
_
r
2
¸
r
4

2
_
2
, (r, j) ,= (0, 0),
(1.138)
si ha che ) è di¤erenziabile secondo Gateaux in (0, 0), infatti per ogni v =

1
, ·
2
) si ha
)(0·
1
, 0·
2
) ÷)(0, 0)
0
=

4
1
·
2
2
(0
2
·
4
1

2
2
)
2
,
e quindi
)
t
(0, v) = 0,
tuttavia ) non è continua in (0, 0) poiché ¦x
|
¦
|ÇN
con x
|
= (r
|
, j
|
) =
_
1
|
,
1
|
2
_
è una successione convergente a (0, 0), ma )(r
|
, j
|
) ÷
1
4
per / ÷ ·.
34
Esempio 34 Sia 1 : | ÷ ¼ un’applicazione lineare. Per u
0
, u ¸ | si ha
1(u
0
+u) = 1(u
0
) +1(u),
quindi 11(u
0
) = 1, cioè 11 è costante.
Siano / un sottospazio dello spazio vettoriale o, ¦e
1
, ..., e
|
¦ una base orto-
normale di / ed 1
/
la proiezione su /, 1
/
(v) =
|

I=1
(v, e
I
)e
I
. Si ha
11
/
(v)[h] =
|

I=1
(h, e
I
)e
I
= 1
/
(h), per ogni h ¸ o.
Esempio 35 Siano | uno spazio vettoriale dotato di prodotto interno (, ), T :
| ÷R il funzionale non lineare de…nito da T(u) = (u, u), u ¸ |. Si ha
T(u +h) = (u +h, u +h) = T(u) + 2(u, h) +T(h),
con T(h) = o(h) quando h ÷ 0, infatti
(h, h)
[[h[[
= [[h[[ ÷ 0 per h ÷ 0.
Poichè 2(u, h) è lineare in h, si ha che
1T(u)[h] = 2(u, h), per ogni h ¸ |. (1.139)
Siano A, A
1
, A
2
e ¸ spazi vettoriali di dimensione …nita dotati di prodotto
interno; T un sottoinsieme aperto di A .
Consideriamo un’applicazione bilineare
2
¬ : A
1
A
2
÷ ¸ che assegna a ogni
f
0
¸ A
1
e g
0
¸ A
2
il prodotto ¬(f
0
, g
0
) ¸ ¸. In questo contesto, il prodotto
1 = ¬(1, G) di due funzioni 1 : T ÷ A
1
e G : T ÷ A
2
è la funzione 1 : T ÷ ¸
de…nita da
1(u) = ¬(1(u), G(u)), per ogni u ¸ T. (1.140)
Enunciamo adesso la seguente proposizione fondamentale.
Proposizione 36 (regola di derivazione del prodotto di applicazioni) Siano 1
e G di¤erenziabili in u ¸ T. Allora il loro prodotto 1 = ¬(1, G) è di¤erenziabile
in u e
11(u)[h] = ¬(11(u)[h], G(u)) +¬(1(u), 1G(u)[h]) (1.141)
per ogni h ¸ A.
2
Un’applicazione ¬ : X
1
X
2
! Y si dice bilineare se ¬(cf
1
+of
2
, g) = c¬(f
1
, g)+o¬(f
2
, g)
e ¬(f , cg
1
+og
2
) = c¬(f , g
1
) +o¬(f , g
2
) per ogni f , f
1
, f
2
2 X
1
, g, g
1
, g
2
2 X
2
, c, o 2 R.
35
Dimostrazione. Siano ¦e
1
, ..., e
n
¦ una base ortonormale di A
1
e ¦f
1
, ..., f
n
¦
una base ortonormale di A
2
e poniamo ¯ i = max¦[[¬(e
I
, f
¸
)[[, i = 1, ..., :, , =
1, ..., :¦. Si può dimostrare che in vista della bilinearità di ¬, per ogni a ¸
A
1
, b ¸ A
2
si ha
[[¬(a, b)[[ _ ¯ i : :[[a[[ [[b[[. (1.142)
Inoltre si ha
[[11(u)[h][[ _ i
1
[[h[[, [[1G(u)[h][[ _ i
2
[[h[[, h ¸ A (1.143)
in quanto 11(u) e 1G(u) sono applicazioni lineari. Osserviamo che
1(u +h) = 1(u) +11(u)[h] +o(h), per h ÷ 0, (1.144)
G(u +h) = G(u) +1G(u)[h] +o(h), per h ÷ 0, (1.145)
e
[[¬(11(u)[h], 1G(u)[h])[[ _ ¯ i : :[[11(u)[h][[ [[1G(u)[h][[ _
¯ i : : i
1r2
[[h[[
2
= o(h), per h ÷ 0, (1.146)
[[¬(11(u)[h], o(h))[[ _ ¯ i : : i
1
[[h[[ [[o(h)[[ = o(h), per h ÷ 0, (1.147)
[[¬(o(h), 1G(u)[h])[[ _ ¯ i : : i
2
[[h[[ [[o(h)[[ = o(h), per h ÷ 0. (1.148)
Finalmente
1(u +h) = ¬(1(u +h), G(u +h)) =
¬(1(u), G(u)) +¬(1(u), 1G(u)[h])+
¬(11(u)[h], G(u)) +o(h) =
1(u) +¬(1(u), 1G(u)[h])+
¬(11(u)[h], G(u)) +o(h), per h ÷ 0. (1.149)
Dato che ¬(1(u), 1G(u)[h]) e ¬(11(u)[h], G(u)) sono lineari in h si ha la tesi.
Osservazione 37 Se A = R, sostituendo u con t in (1.141) si ha

1(t) = ¬(

1(t), G(t)) +¬(1(t),

G(t)). (1.150)
Siano ( un aperto di A
1
, 1 : T ÷ A
1
e G : ( ÷ ¸, con 1(T) = ¦v ¸ A
1
[
v = 1(u), u ¸ T¦ ¸ (.
Proposizione 38 (regola di derivazione della composizione di applicazioni)
Siano 1 di¤erenziabile in u ¸ T e G di¤erenziabile in v = 1(u). Allora la
composizione C = G· 1 è di¤erenziabile in u e
1C(u)[h] = 1G(1(u))[11(u)[h]] (1.151)
per ogni h ¸ A.
36
Osservazione 39 Se A = R, sostituendo u con t in (1.151) si ha
d
dt
C(t) = 1G(1(t)[

1(t)]. (1.152)
Esempio 40 Si consideri il funzionale T
1
: | ÷R de…nito da T
1
(u) =
_
(u, u),
u ¸ |. T
1
è la composizione della funzione ) : R
+
÷ R de…nita da )(:) =
_
:,
per ogni : ¸ R
+
e del funzionale T dell’esempio 35,
T
1
(u) = )(T(u)), u ¸ |. (1.153)
Dalla proposizione 38, tenendo conto di (1.139), si ricava che la derivata di T
1
in u è de…nita da
1T
1
(u)[h] = 1)(T(u))[1T(u)[h]]
=
1
2
(T(u))
÷1/2
2(u, h) =
1
[[u[[
(u, h), per ogni h ¸ |.
37
Capitolo 2
Calcolo tensoriale
Questo capitolo è dedicato ad alcuni risultati di algebra e analisi tensoriale,
dove, con il termine tensore, indichiamo un’applicazione lineare di uno spazio
vettoriale dotato di prodotto interno in sé. Dettagli e approfondimenti possono
essere trovati in [1], [6], [7], [8], [10], [12] e [13].
Sia 1 uno spazio vettoriale reale di dimensione : _ 2 dotato del prodotto
scalare . Indicata con ¦e
1
, e
2
, ..., e
n
¦ una base ortonormale di 1, per ogni u ¸ 1
le quantità
n
I
= u e
I
, i = 1, ..., : (2.1)
sono le componenti (cartesiane) di u e si ha
u v =
n

I=1
n
I
·
I
e |u| =
¸
¸
¸
_
n

I=1
n
2
I
. (2.2)
Se : = 3 si può dimostrare per via geometrica che u v = [[u[[ [[v[[ cos 0, dove
0 ¸ [0, ¬] è l’angolo compreso tra u e v.
2.1 Tensori del secondo ordine
Un tensore (del secondo ordine) A è un’applicazione lineare di 1 in 1,
A(cu +,v) = cAu +,Av, per ogni c, , ¸ R, u, v ¸ 1. (2.3)
L’insieme
Lin = ¦A : 1 ÷ 1 [ A è lineare¦ (2.4)
di tutti i tensori è uno spazio vettoriale. Dati A, B ¸Lin, c ¸ R, i tensori A+B
e cA sono così de…niti
(A+B)v = Av +Bv, per ogni v ¸ 1, (2.5)
38
(cA)v = cAv, per ogni v ¸ 1. (2.6)
L’elemento nullo di Lin è il tensore 0 de…nito da
0v = 0, per ogni v ¸ 1, (2.7)
e il tensore identità I è de…nito da
Iv = v, per ogni v ¸ 1. (2.8)
Fissato c ¸ R, l’applicazione che ad ogni v ¸ 1 associa cv è un tensore,
mentre l’applicazione che a v associa (v v)v non è un tensore perché non è
lineare.
Se A, B ¸ Lin, allora il prodotto AB ¸ Lin è de…nito da (AB)u = A(Bu)
per ogni u ¸ 1. In generale AB ,= BA; se AB = BA si dice che A e B
commutano. Dati A ¸ Lin ed un intero / _ 0, si de…nisce
A
|
=
_
I se / = 0,
A
|÷1
A se / _ 1.
(2.9)
Proposizione 41 Per ogni tensore A ¸ Lin esiste un unico tensore A
T
tale
che
A
T
v u = v Au per ogni u, v ¸ 1. (2.10)
Il tensore A
T
è detto trasposto di A.
Dimostrazione. Dimostriamo innanzi tutto che per ogni A ¸ Lin esiste un
tensore A
T
che soddisfa (2.10). A questo proposito, …ssato v ¸ 1, si consideri
il funzionale lineare c : 1 ÷R de…nito da c(u) = Au v, u ¸ 1. Per il teorema
di rappresentazione dei funzionali lineari, esiste un unico a
v
¸ 1 tale che
c(u) = Au v = a
v
u, per ogni u ¸ 1. (2.11)
Si consideri adesso l’applicazione B da 1 in 1 de…nita da
Bv = a
v
, per ogni v ¸ 1; (2.12)
B è lineare, infatti se v, w ¸ 1 e c ¸ R, si ha
B(v +w) u = a
v+w
u = Au (v +w) =
Au v +Au w = a
v
u +a
w
u =
Bv u +Bw u, per ogni u ¸ 1; (2.13)
B(cv) u = a
ov
u = Au (cv) =
ca
v
u = cBv u, per ogni u ¸ 1. (2.14)
39
Poniamo A
T
= B, si ha
Au v = a
v
u = Bv u = A
T
v u per ogni u, v ¸ 1. (2.15)
Per dimostrare l’unicità supponiamo che esistano due tensori B e C tali che
v Au = Bv u = Cv u per ogni u, v ¸ 1, (2.16)
allora
(B÷C)v u = 0 (2.17)
per ogni u, v ¸ 1. Posto u = (B÷C)v da (2.17) si ottiene [[(B÷C)v[[ = 0, da
cui si ricava (B÷C)v = 0 per ogni v ¸ 1, e quindi B÷C = 0.
Proposizione 42 Siano A, B ¸Lin, valgono le seguenti proprietà,
(A+B)
T
= A
T
+B
T
, (2.18)
(AB)
T
= B
T
A
T
, (2.19)
(A
T
)
T
= A. (2.20)
Dimostrazione. Per ogni u, v ¸ 1 si ha
u (A+B)
T
v = (A+B)u v = (Au +Bu) v =
u A
T
v +u B
T
v = u (A
T
+B
T
)v, (2.21)
che dimostra (2.18). Le proprietà (2.19) e (2.20) discendono direttamente dalle
seguenti uguaglianze,
u (AB)
T
v = (AB)u v = A(Bu) v = Bu A
T
v =
u B
T
A
T
v, (2.22)
u (A
T
)
T
v = A
T
u v = u Av. (2.23)
2.2 Tensori simmetrici e antisimmetrici
Un tensore A ¸ Lin è simmetrico se A
T
= A, è antisimmetrico se A
T
= ÷A.
Denotiamo con
Sym = ¦A ¸ Lin [ A = A
T
¦ (2.24)
il sottospazio di Lin di tutti i tensori simmetrici e con
Skw = ¦W ¸ Lin [ W = ÷W
T
¦ (2.25)
il sottospazio di Lin di tutti i tensori antisimmetrici. Ogni A ¸ Lin è unicamente
decomposto nella somma di (A+A
T
),2 ¸ Sym e (A÷A
T
),2 ¸ Skw. Inoltre,
poiché Sym¨Skw = ¦0¦, Lin è la somma diretta di Sym e Skw,
Lin = Sym¸Skw. (2.26)
I tensori (A+A
T
),2 e (A÷A
T
),2 sono detti rispettivamente parte simmetrica
e parte antisimmetrica di A.
40
2.3 Diadi
Dati a, b ¸ 1, a ¸b è l’elemento di Lin de…nito dalla relazione,
(a ¸b)u = (u b)a per ogni u ¸ 1. (2.27)
Il tensore a ¸ b è anche detto diade e con l simbolo ¸ si denota il prodotto
tensore o prodotto tensoriale. La relazione (2.27) de…nisce e¤ettivamente un
tensore, infatti,
a ¸b(u +v) = [(u +v) b]a = (u b +v b)a =
(a ¸b)u + (a ¸b)v, (2.28)
a ¸b(cu) = c(u b)a = c(a ¸b)u (2.29)
per ogni u, v ¸ 1, c ¸ R.
Proposizione 43 (i) Siano a, b, c, d ¸ 1, e ¦e
1
, ..., e
n
¦ una base ortonormale
di 1, valgono le seguenti proprietà
(a ¸b)
T
= (b ¸a), (2.30)
(a ¸b)(c ¸d) = (b c)(a ¸d), (2.31)
(e
I
¸e
¸
)(e
|
¸e
l
) =
_
0, , ,= /,
e
I
¸e
l
, , = /,
(2.32)
n

I=1
e
I
¸e
I
= I. (2.33)
(ii) Una diade a¸b è simmetrica se e solo se b = ca, c ¸ R ed è antisimmet-
rica se e solo se a = b = 0.
Dimostrazione. La dimostrazione di (2.30) segue dalle uguaglianze
u (a ¸b)
T
v = (a ¸b)u v = (u b)(a v) =
u (a v)b = u (b ¸a)v, per ogni u, v ¸ 1. (2.34)
Dalle relazioni
(a ¸b)(c ¸d)u = (a ¸b)(d u)c = (b c)(d u)a =
(b c)(a ¸d)u, per ogni u ¸ 1, (2.35)
discende (2.31), mentre (2.32) segue direttamente da (2.31). Per quanto riguarda
(2.33) si ha
(e
1
¸e
1
+... +e
n
¸e
n
)u =
n
1
e
1
+... +n
n
e
n
= Iu, per ogni u ¸ 1. (2.36)
41
In…ne per dimostrare (ii), si tenga conto del fatto che a ¸b = b¸a se e solo se
(b u)a = (a u)b, per ogni u ¸ 1, (2.37)
che è equivalente alla condizione b = ca, c ¸ R e che a ¸b = ÷b ¸a se e solo
se
(b u)a = ÷(a u)b, per ogni u ¸ 1. (2.38)
Supponiamo che a ,= 0, b ,= 0 e [[a[[ = [[b[[ = 1. Da (2.38) per u = a e u = b
si ricavano le uguaglianze
(b a)a = ÷b, a = ÷(b a)b, (2.39)
ed in particolare
a = (b a)
2
a. (2.40)
(2.40) implica (b a)
2
= 1 o (b a)
2
= 0. Se fosse (b a)
2
= 1, moltiplicando
scalarmente entrambi i membri di (2.39)
1
per b si ricaverebbe [[b[[ = ÷1. Si
conclude allora che (b a)
2
= 0, da cui in vista di (2.39) si ricava a = b = 0.
Esercizio 44 Dimostrare che dati A ¸ Lin e a, b ¸ 1, si ha
A(a ¸b) = Aa ¸b, (2.41)
(a ¸b)A = a ¸A
T
b. (2.42)
Soluzione. Per ogni u ¸ 1, si ha
A(a ¸b)u = A(b u)a = (b u)Aa = (Aa ¸b)u, (2.43)
(a ¸b)Au = (b Au)a = (A
T
b u)a = (a ¸A
T
b)u. (2.44)
Sia e ¸ 1 con [[e[[ = 1, per ogni v ¸ 1 il vettore (e ¸ e)v = (v e)e è la
proiezione di v nella direzione di e; il vettore (I ÷ e ¸ e)v è la proiezione di v
sul sottospazio ortogonale a e,
1
Span(e)
= e ¸e, 1
Span(e)
? = I ÷e ¸e.
2.4 Componenti di un tensore
Fissata una base ortonormale ¦e
1
, ..., e
n
¦ di 1, le componenti cartesiane di un
tensore A ¸ Lin sono
¹

= e
I
Ae
¸
, i, , = 1, ..., :. (2.45)
Per u ¸ 1, posto v = Au, per ogni i = 1, ..., : si ha
·
I
= v e
I
= Au e
I
= e
I

n

¸=1
A(n
¸
e
¸
) =
n

¸=1
e
I
Ae
¸
n
¸
=
n

¸=1
¹

n
¸
. (2.46)
42
Proposizione 45 Sia ¦e
1
, ..., e
n
¦ una base ortonormale di 1, le diadi ¦e
I
¸
e
¸
¦
I,¸=1,...,n
costituiscono una base di Lin. In particolare, per ogni A ¸ Lin, si
ha
A =
n

I,¸=1
¹

(e
I
¸e
¸
). (2.47)
Dimostrazione. Cominciamo con il dimostrare che le diadi ¦e
I
¸e
¸
¦
I,¸=1,...,n
costituiscono un insieme di tensori linearmente indipendenti. Si consideri la
combinazione lineare delle diadi ¦e
I
¸e
¸
¦
I,¸=1,...,n
con coe¢cienti c

, si ha
n

I,¸=1
c

e
I
¸e
¸
= 0 (2.48)
se e solo se
n

I,¸=1
c

(e
I
¸e
¸
)u =
n

I,¸=1
c

n
¸
e
I
= 0, per ogni u ¸ 1. (2.49)
Posto
,
I
=
n

¸=1
c

n
¸
, i = 1, ..., : (2.50)
da (2.49) si ricava ,
1
= ... = ,
n
= 0 e quindi
_
_
n

¸=1
c

e
¸
_
_
u = 0, per ogni u ¸ 1, i = 1, ..., :. (2.51)
Le relazioni in (2.51) sono equivalenti a
n

¸=1
c

e
¸
= 0, i = 1, ..., :, (2.52)
che, a loro volta, tenendo conto della lineare indipendenza dei vettori e
1
, ..., e
n
,
conduce alle uguaglianze c

= 0, i, , = 1, ..., :. Per ogni u ¸ 1 si ha
Au =
n

I=1
(Au)
I
e
I
=
n

I=1
n

¸=1
¹

n
¸
e
I
=
n

I,¸=1
¹

(u e
¸
)e
I
=
n

I,¸=1
¹

(e
I
¸e
¸
)u,
che dimostra (2.47) e consente di concludere che ¦e
I
¸e
¸
¦
I,¸=1,...,n
è una base
dello spazio vettoriale Lin che quindi ha dimensione :
2
.
Proposizione 46 Dato A ¸ Lin, si ha
A =
n

¸=1
(Ae
¸
¸e
¸
). (2.53)
Inoltre dati a, b ¸ 1, si ha
(a ¸b)

= a
I
/
¸
, i, , = 1, ..., :. (2.54)
43
Dimostrazione. Per dimostrare (2.53) si usano la rappresentazione (2.47) e
(2.45) e la relazione (2.31), da cui si ricava
A =
n

I,¸=1
¹

(e
I
¸e
¸
) =
n

I,¸=1
(e
I
Ae
¸
)(e
I
¸e
¸
) =
n

I,¸=1
(e
I
¸e
I
)(Ae
¸
¸e
¸
) =
_
n

I=1
e
I
¸e
I
_
_
_
n

¸=1
Ae
¸
¸e
¸
_
_
=
n

¸=1
Ae
¸
¸e
¸
,
dove l’ultima uguaglianza discende da (2.33). In…ne,
(a ¸b)

= e
I
(a ¸b)e
¸
= (a e
I
)(b e
¸
) = a
I
/
¸
.
Dato un tensore A ¸ Lin, la matrice
[A] =
_
¸
¸
_
¹
11
¹
12
. ¹
1n
¹
21
¹
22
. ¹
2n
. . . .
¹
n1
¹
n2
¹
nn
_
¸
¸
_
(2.55)
è la matrice delle componenti di A rispetto a ¦e
1
, ..., e
n
¦.
Dati i tensori A, B ¸Lin, si ha
[A
T
] = [A]
T
, (2.56)
[AB] = [A][B], (2.57)
[I] =
_
¸
¸
_
1 0 . 0
0 1 . 0
. . . .
0 0 . 1
_
¸
¸
_
. (2.58)
2.5 Prodotto interno e norma in Lin
La traccia è il funzionale lineare su Lin che ad ogni tensore A associa lo scalare
trA e soddisfa
tr(a ¸b) = a b, per ogni a, b ¸ 1 (2.59)
Dalla relazione (2.47) e dalla linearità di tr si ha
trA = tr
_
_
n

I,¸=1
¹

(e
I
¸e
¸
)
_
_
=
n

I,¸=1
¹

tr(e
I
¸e
¸
) =
n

I,¸=1
¹

(e
I
e
¸
) =
n

I=1
¹
II
. (2.60)
44
Proposizione 47 Il funzionale traccia ha le seguenti proprietà
trA = trA
T
, (2.61)
tr(AB) = tr(BA), (2.62)
per ogni A, B ¸Lin.
Dimostrazione. Si ha
trA =
n

I=1
¹
II
=
n

I=1
e
I
Ae
I
=
n

I=1
e
I
A
T
e
I
= trA
T
,
e (2.61) è dimostrato. Per provare (2.62) osserviamo che
AB =
_
_
n

I,¸=1
¹

(e
I
¸e
¸
)
_
_
_
_
n

l,n=1
1
ln
(e
l
¸e
n
)
_
_
=
n

I,¸,l,n=1
¹

1
ln
(e
I
¸e
¸
)(e
l
¸e
n
) =
n

I,¸,n=1
¹

1
¸n
(e
I
¸e
n
), (2.63)
BA =
_
_
n

l,n=1
1
ln
(e
l
¸e
n
)
_
_
_
_
n

I,¸=1
¹

(e
I
¸e
¸
)
_
_
=
n

I,¸,l,n=1
¹

1
ln
(e
l
¸e
n
)(e
I
¸e
¸
) =
n

I,¸,l=1
¹

1
lI
(e
l
¸e
¸
). (2.64)
Da (2.63) si ottiene
tr(AB) =
n

I,¸,n=1
¹

1
¸n
(e
I
e
n
) =
n

I,¸=1
¹

1
¸I
,
mentre da (2.64) si ha
tr(BA) =
n

I,¸,l=1
¹

1
lI
(e
l
e
¸
) =
n

I,¸=1
¹

1
¸I
,
da cui la tesi.
In particolare, dalla dimostrazione precedente, discende che le componenti
del prodotto AB sono date da
(¹1)
nl
=
n

¸=1
¹

1
¸l
, :, | = 1, ..., :. (2.65)
45
Lo spazio vettoriale Lin può essere dotato del prodotto interno
A B = tr(A
T
B), A, B ¸ Lin. (2.66)
Veri…chiamo che (2.66) è e¤ettivamente un prodotto interno. La simmetria è
soddisfatta, infatti
A B =tr(A
T
B) = tr(B
T
A) = B A,
per quanto riguarda la bilinearità, dati A, B, C ¸Lin si ha
A (B+C) = tr(A
T
(B+C)) = tr(A
T
B) +tr(A
T
C) =
A B+A C,
inoltre per ogni c ¸ R,
A (cB) = tr(cA
T
B) = ctr(A
T
B) = cA B.
In…ne, per quanto riguarda la positività, si ha
A A =tr(A
T
A) = tr
_
_
_
_
n

I,¸=1
¹

(e
¸
¸e
I
)
_
_
n

l,n=1
¹
ln
(e
l
¸e
n
)
_
_
=
tr
_
_
n

I,¸,l,n=1
¹

¹
ln
(e
¸
¸e
I
)(e
l
¸e
n
)
_
_
= tr
_
_
n

I,¸,n=1
¹

¹
In
(e
¸
¸e
n
)
_
_
=
n

I,¸=1
¹
2

_ 0,
inoltre A A = 0 se e solo se ¹

= 0 per i, , = 1, ..., :.
Il prodotto interno di A e B in termini di componenti è dato da
A B =
n

I,¸=1
¹

1

. (2.67)
Nello spazio vettoriale Lin al prodotto interno (2.66) è associata la norma
[[A[[ =
_
A A =
_
tr(A
T
A), A ¸ Lin. (2.68)
In particolare si ha
[[A[[ = [[A
T
[[, (2.69)
infatti
[[A[[
2
= A A = tr(A
T
A) = tr(AA
T
)
= tr((A
T
)
T
A
T
) = A
T
A
T
= [[A
T
[[
2
. (2.70)
46
Esercizio 48 La norma de…nita (2.68) è submoltiplicativa,
[[AB[[ _ [[A[[ [[B[[ per ogni A, B ¸ Lin. (2.71)
Proposizione 49 Siano A, B, C ¸Lin, u, v, a, b ¸ 1, valgono le seguenti re-
lazioni
I A = trA, (2.72)
C (AB) = (A
T
C) B = (CB
T
) A, (2.73)
u Av = A (u ¸v), (2.74)
(a ¸b) (u ¸v) = (a u)(b v), (2.75)
[[u ¸u[[ = [[u[[
2
. (2.76)
Dimostrazione. (2.72) è ovvia, per dimostrare (2.73) si osserva che
C (AB) = tr(C
T
AB) = tr((A
T
C)
T
B) = (A
T
C) B =
tr(BC
T
A) = tr((CB
T
)
T
A) = (CB
T
) A.
Inoltre
u Av =
n

I=1
n
I
n

¸=1
¹

·
¸
=
n

I,¸=1
¹

n
I
·
¸
=
n

I,¸=1
¹

(u ¸v)

= A (u ¸v),
quindi (2.74) è dimostrata. In…ne
(a ¸b) (u ¸v) =
n

I,¸=1
a
I
/
¸
n
I
·
¸
=
_
n

I=1
a
I
n
I
__
n

I=1
/
¸
·
¸
_
= (a u)(b v),
e anche (2.75) è provata. In…ne,
[[u ¸u[[
2
= tr((u ¸u)(u ¸u)) = (u u)
2
= [[u[[
4
.
Da (2.75) e (2.47) segue che ¦e
I
¸ e
¸
¦
I,¸=1,...,n
è una base ortonormale di
Lin,
(e
I
¸e
¸
) (e
|
¸e
l
) = (e
I
e
|
)(e
¸
e
l
) =
_
1 i = /, , = |,
0 altrimenti.
Dato A ¸Lin, per ogni u ¸ 1, si ha
[[Au[[
2
= Au Au = u A
T
Au = A
T
A (u ¸u) _ [[A
T
A[[ [[u ¸u[[
_ [[A
T
[[ [[A[[ [[u ¸u[[ _ [[A[[
2
[[u[[
2
,
quindi,
[[Au[[ _ [[A[[ [[u[[, per ogni u ¸ 1. (2.77)
In particolare, in accordo con il fatto che A è lineare, A è limitato (proposizione
17)
47
Proposizione 50 Siano A, B ¸Lin. Valgono le seguenti proprietà,
(1) Se A è simmetrico si ha
A C = A C
T
= A
1
2
(C+C
T
), per ogni C ¸ Lin. (2.78)
(2) Se B è antisimmetrico si ha
B C = ÷B C
T
= B
1
2
(C÷C
T
), per ogni C ¸ Lin. (2.79)
(3) Se A è simmetrico e B è antisimmetrico si ha A B = 0.
(4) Se A C = 0 per ogni tensore C simmetrico allora A è antisimmetrico.
(5) Se A C = 0 per ogni tensore C antisimmetrico allora A è simmetrico.
Dimostrazione. (1) Si osservi che se A = A
T
, allora
A C = tr(A
T
C) = tr(AC) = A C
T
,
inoltre
A C =
1
2
(A C+A C) =
1
2
(A C+A C
T
) =
A
1
2
(C+C
T
).
(2) Se invece A = ÷A
T
, si ha
A C = tr(A
T
C) = ÷tr(AC) = ÷A C
T
,
e
A C =
1
2
(A C+A C) =
1
2
(A C÷A C
T
) =
A
1
2
(C÷C
T
),
(3) Se A è simmetrico e B è antisimmetrico, allora
A B = tr(AB) = B
T
A = ÷B A,
quindi A B = 0.
(4) Supponiamo che A non sia antisimmetrico, allora A = S + W, con
S ¸Sym, W ¸Skw; in vista di (3) si ha
0 = A C = S C+W C = S C, per ogni C ¸ Sym;
in particolare, scelto C = S, si ha S S = 0 e quindi S = 0.
(5) La dimostrazione è analoga a quella del punto (4).
Avevamo già provato che Lin=Sym¸Skw, dalla proposizione precedente
segue che Skw è il complemento ortogonale di Sym e Sym è il complemento
ortogonale di Skw,
Sym
J
= Skw, Skw
J
= Sym (2.80)
e che 1
Sym
(A) =
A+A
T
2
e 1
Skw
(A) =
A÷A
T
2
sono le proiezioni ortogonali di A
sui sottospazi Sym e Skw rispettivamente.
48
2.6 Tensori invertibili
Un tensore A si dice invertibile se è iniettivo
(i) se u
1
,= u
2
allora Au
1
,= Au
2
,
e surgettivo,
(ii) per ogni v ¸ 1 esiste (almeno) u ¸ 1 tale che Au = v.
Se Aè invertibile si de…nisce nel modo seguente il tensore A
÷1
, detto inverso
di A. Dato v
0
¸ 1 esiste ed è unico (in vista di (i)) u
0
¸ 1 tale che Au
0
= v
0
,
si de…nisce allora A
÷1
v
0
= u
0
. A
÷1
è lineare, infatti, dati v
1
, v
2
con Au
1
=
v
1
, Au
2
= v
2
, dalla linearità di A segue che A(c
1
u
1
+ c
2
u
2
) = c
1
v
1
+ c
2
v
2
,
quindi
A
÷1
(c
1
v
1
+c
2
v
2
) = c
1
u
1
+c
2
u
2
=
c
1
A
÷1
v
1
+c
2
A
÷1
v
2
. (2.81)
Dalla de…nizione discende che se A è invertibile allora
AA
÷1
= A
÷1
A = I. (2.82)
Queste relazioni caratterizzano A
÷1
, infatti vale il seguente teorema.
Teorema 51 Siano A, B, C ¸ Lin tali che
AB = CA = I, (2.83)
allora A è invertibile e B = C = A
÷1
.
Dimostrazione. Se Au
1
= Au
2
allora CAu
1
= CAu
2
e u
1
= u
2
, quindi A
ha la proprietà (i). Per ogni v ¸ 1 poniamo u = Bv, allora Au = ABv = v
e A soddisfa (ii). Da AB = I, premoltiplicando per A
÷1
si ottiene B = A
÷1
,
mentre da CA = I, moltiplicando a destra per A
÷1
si ha C = A
÷1
.
Teorema 52 A ¸ Lin è invertibile se e solo se Au = 0 implica u = 0 o,
alternativamente, se e solo se ogni v ¸ 1 può essere scritto nella forma v = Au.
Dimostrazione. Se A è invertibile, entrambe le condizioni sono veri…cate
perché A è iniettivo e surgettivo. Viceversa, supponiamo che Au = 0 implichi
u = 0, allora la proprietà (i) è soddisfatta. Per dimostrare che vale anche (ii),
sia ¦e
1
, ..., e
n
¦ una base di 1, allora anche ¦Ae
1
, ..., Ae
n
¦ è una base di 1.
Infatti, da
0 =
n

I=1
c
I
Ae
I
= A
_
n

I=1
c
I
e
I
_
(2.84)
si ottiene

n
I=1
c
I
e
I
= 0 e quindi c
1
= ... = c
n
= 0. Pertanto ogni v ¸ 1 può
essere scritto nella forma v =

n
I=1
c
I
Ae
I
= A(

n
I=1
c
I
e
I
) = Au.
49
Supponiamo ora che ogni v ¸ 1 possa essere scritto nella forma v = Au. Se
¦f
1
, ..., f
n
¦ è base di 1, siano e
1
, ..., e
n
¸ 1 tali che f
I
= Ae
I
, i = 1, ..., :, allora
¦e
1
, ..., e
n
¦ è una base di 1, infatti

n
I=1
c
I
e
I
= 0 implica A(

n
I=1
c
I
e
I
) =

n
I=1
c
I
f
I
= 0 e quindi c
1
= ... = c
n
= 0. Con ciò abbiamo anche dimostrato
che se Au = 0 allora u = 0, e quindi vale (i).
Teorema 53 (1) Siano A, B ¸ Lin invertibili, allora AB è invertibile e
(AB)
÷1
= B
÷1
A
÷1
. (2.85)
(2) Sia A ¸ Lin invertibile e c ,= 0, allora cA è invertibile e
(cA)
÷1
=
1
c
A
÷1
.
(3) Sia A ¸ Lin invertibile, allora A
÷1
è invertibile e
(A
÷1
)
÷1
= A. (2.86)
(4) Sia A ¸ Lin invertibile, allora A
T
è invertibile e
(A
T
)
÷1
= (A
÷1
)
T
(2.87)
(5) Sia Sia A ¸ Lin invertibile, allora A
|
è invertibile per ogni / ¸ N e
(A
|
)
÷1
= (A
÷1
)
|
. (2.88)
Si consideri il funzionale det :Lin÷R che ad ogni tensore A associa il deter-
minante della matrice [A] delle componenti cartesiane di A rispetto alla base
ortonormale ¦e
1
, ..., e
n
¦ di 1
det A = det[A]. (2.89)
det A è detto determinante del tensore A e dimostreremo in seguito che la
de…nizione non dipende dalla scelta della base ¦e
1
, ..., e
n
¦ di 1.
Elenchiamo le seguenti proprietà del determinante di un tensore che discen-
dono direttamente dalle analoghe proprietà del determinante di una matrice.
Per ogni A, B ¸ Lin si ha
det(AB) = det Adet B, (2.90)
det(A
T
) = det A, (2.91)
det(cA) = c
n
det A, c ¸ R, (2.92)
det(I) = 1. (2.93)
Vale la seguente proposizione.
50
Proposizione 54 Un tensore A è invertibile se e solo se det A ,= 0, in tal caso
det(A
÷1
) = (det A)
÷1
. (2.94)
Dimostrazione. Se A è invertibile, da (2.82), tenendo conto di (2.90) segue
che
1 = det Adet(A
÷1
),
da cui discendono det A ,= 0 e (2.94). Viceversa, supponiamo che det A sia
diverso da 0, allora A è iniettivo. Infatti, la relazione Au = 0 è equivalente al
sistema lineare
n

¸=1
¹

n
¸
= 0, i = 1, ..., : la cui unica soluzione è n
1
= ... =
n
n
= 0. Quindi in virtù del teorema 52 si conclude che A è invertibile.
Esempio 55 Dato e ¸ 1 con [[e[[ = 1, il tensore e¸e che ad ogni v ¸ 1 associa
il vettore (e v)e non è invertibile perché manda il sottospazio ortogonale ad e
nel vettore 0.
2.7 Tensori ortogonali
Un tensore Q è ortogonale se conserva il prodotto interno di 1,
Qu Qv = u v, per ogni u, v ¸ 1. (2.95)
In particolare un tensore ortogonale è invertibile, infatti da (2.95) per v = u
si ottiene
[[Qu[[ = [[u[[, (2.96)
quindi se Qu = 0, allora u = 0. Un tensore ortogonale è un’isometria (confronta
(1.64)).
La condizione (2.96) esprime il fatto che Q conserva la norma di un vettore.
Proposizione 56 Condizione necessaria e su¢ciente a¢nchè Q ¸ Lin sia
ortogonale è che
QQ
T
= Q
T
Q = I. (2.97)
Dimostrazione. Supponiamo che sia soddisfatta la condizione (2.97), allora
Qu Qv = u Q
T
Qv = u v, per ogni u, v ¸ 1,
quindi Q è ortogonale. Viceversa, supponiamo che Q sia ortogonale,
u v = Qu Qv = u Q
T
Qv, per ogni u, v ¸ 1,
da cui discende che u (v ÷Q
T
Qv) = 0 per ogni u ¸ 1, quindi v ÷Q
T
Qv = 0
per ogni v ¸ 1 e in…ne
Q
T
Q = I. (2.98)
51
Se moltiplichiamo (2.98) a destra per Q
T
si ottiene
Q
T
QQ
T
= Q
T
,
da cui, premoltiplicando per Q
÷T
, si deduce …nalmente che anche QQ
T
= I.
Dalla proposizione precedente, si ricava che Q è ortogonale se e solo se
Q
T
= Q
÷1
, inoltre se Q è ortogonale allora det Q = ±1.
Un tensore ortogonale R con det R = 1 è detto rotazione.
Abbiamo visto che se A è un tensore invertibile e ¦e
1
, ..., e
n
¦ è una base
di 1, allora ¦Ae
1
, ..., Ae
n
¦ è una base di 1. Nel caso in cui A sia un tensore
ortogonale vale la seguente proposizione.
Proposizione 57 Se ¦e
1
, ..., e
n
¦ è una base ortonormale di 1 e Q è un tensore
ortogonale, allora ¦Qe
1
, ..., Qe
n
¦ è una base ortonormale di 1. Viceversa, se Q
è un tensore tale che se ¦e
1
, ..., e
n
¦ è una base ortonormale allora ¦Qe
1
, ..., Qe
n
¦
è una base ortonormale, Q è ortogonale.
Dimostrazione. Sia Q un tensore ortogonale, si ha
Qe
I
Qe
¸
= e
I
e
¸
= c

,
quindi ¦Qe
1
, ..., Qe
n
¦ è una base ortonormale di 1.
Supponiamo ora che ¦Qe
1
, ..., Qe
n
¦ sia una base ortonormale di 1. Poiché
Qe
I
Qe
¸
= c

= e
I
e
¸
,
è facile veri…care che
Qu Qv = u v, per ogni u, v ¸ 1.
Siano 1 = ¦e
1
, ..., e
n
¦ e 1 = ¦f
1
, ..., f
n
¦ due basi ortonormali di 1. Sia Q il
tensore ortogonale tale che
f
I
= Qe
I
, i = 1, ..., :, (2.99)
Dato u ¸ 1 si ha
u =
n

I=1
¸
I
e
I
, u =
n

I=1
j
I
f
I
,
vogliamo determinare la relazione tra le componenti ¸
I
di u rispetto ad 1 e le
componenti j
I
di u rispetto ad 1.
Qu = Q
_
n

I=1
¸
I
e
I
_
=
n

I=1
¸
I
f
I
. (2.100)
Siano Q

le componenti di Q rispetto ad 1,
f
¸
= Qe
¸
=
n

I=1
(e
I
Qe
¸
)e
I
=
n

I=1
Q

e
I
. (2.101)
52
Si ha
n

¸=1
j
¸
f
¸
=
n

¸=1
j
¸
Qe
¸
=
n

¸=1
j
¸
n

I=1
Q

e
I
=
n

I=1
_
_
n

¸=1
Q

j
¸
_
_
e
I
, (2.102)
quindi
¸
I
=
n

¸=1
Q

j
¸
. (2.103)
Dato (¸
1
, ..., ¸
n
) ¸ R
n
, i vettori u =

n
I=1
¸
I
e
I
e v =

n
I=1
¸
I
f
I
, in vista di
(2.100), sono legati dalla seguente relazione
v = Qu. (2.104)
In de…nitiva, il tensore Q(o più precisamente la matrice di componenti Q

) può
essere considerato come una trasformazione di coordinate come in (2.103) o come
una trasformazione di vettori, come in (2.104). In questo caso Q rappresenta
un cambiamento di base, dalla base 1 alla base 1.
Se B è un tensore, ci chiediamo qual è la relazione tra la sua matrice di
componenti 1

rispetto ad 1 e la sua matrice di componenti 1
t

rispetto a 1.
Si ha
Be
¸
=
n

I=1
1

e
I
, (2.105)
Bf
¸
=
n

I=1
1
t

f
I
. (2.106)
Consideriamo il tensore Q de…nito in (2.99)
Bf
¸
= BQe
¸
= B
_
n

|=1
Q

e
|
_
=
n

|=1
Q

Be
|
=
n

|=1
Q

n

I=1
1
I|
e
I
=
n

I=1
_
n

|=1
1
I|
Q

_
e
I
(2.107)
e in vista di (2.106),
Bf
¸
=
n

|=1
1
t

f
|
=
n

|=1
1
t

Qe
|
=
n

|=1
1
t

n

I=1
Q
I|
e
I
=
n

I=1
_
n

|=1
Q
I|
1
t

_
e
I
. (2.108)
53
Dal confronto di (2.107) e (2.108) si ottiene che
n

|=1
1
I|
Q

=
n

|=1
Q
I|
1
t

, (2.109)
o equivalentemente
[B][Q] = [Q][B
t
], (2.110)
dove [Q] e [B] sono le matrici delle componenti di Q e B rispetto ad 1 e [B
t
] è
la matrice delle componenti di B rispetto a 1. Da (2.110) si ricava che
[B
t
] = [Q]
T
[B][Q]. (2.111)
In…ne, se 1

sono le componenti di una matrice, vogliamo determinare la
relazione tra i tensori B e C de…niti rispettivamente da
B =
n

I,¸=1
1

e
I
¸e
¸
, (2.112)
e
C =
n

I,¸=1
1

f
I
¸f
¸
. (2.113)
Da (2.112), (2.113) e (2.99) si ottiene
C = QBQ
T
. (2.114)
La relazione (2.114) esprime il legame che deve esserci tra un tensore B e un
tensore C tali che se Bu = v, allora CQu = Qv, per ogni u ¸ \,
u
B
÷÷ v
| |
Qu ÷÷
C
Qv
(2.115)
Il tensore QBQ
T
è detto coniugato ortogonale di B rispetto a Q.
Esempio 58 Sia : = 3. Consideriamo il cambiamento di base
f
1
= cos 0e
1
+ sin0e
2
, (2.116)
f
2
= ÷sin0e
1
+ cos 0e
2
, (2.117)
f
3
= e
3
, (2.118)
corrispondente ad una rotazione positiva (antioraria) di un angolo 0 attorno a
e
3
. La matrice delle componenti della rotazione
R = e
3
¸e
3
+ sin0(e
2
¸e
1
÷e
1
¸e
2
) + cos 0(e
1
¸e
1
+e
2
¸e
2
)
tale che Re
I
= f
I
rispetto ad 1 è
_
_
cos 0 ÷sin0 0
sin0 cos 0 0
0 0 1
_
_
. (2.119)
54
Il tensore ortogonale Q = ÷I è detto ri‡essione centrale dello spazio dei
vettori.
Per : = 3, il tensore ortogonale Q la cui matrice delle componenti è data da
[Q] =
_
_
1 0 0
0 1 0
0 0 ÷1
_
_
, (2.120)
è una ri‡essione rispetto al piano generato dai vettori e
1
ed e
2
.
2.8 Alcuni sottoinsiemi di Lin
Un tensore A è semide…nito positivo se
v Av _ 0, per ogni v ¸ 1, (2.121)
è de…nito positivo se v Av 0, per ogni v ,= 0.
Un tensore A è semide…nito negativo se
v Av _ 0, per ogni v ¸ 1, (2.122)
è de…nito negativo se v Av < 0, per ogni v ,= 0.
Consideriamo i seguenti sottoinsiemi di Lin,
Lin
+
= ¦A ¸ Lin [ det A 0¦ , (2.123)
Psym = ¦A ¸ Sym [ A è de…nito positivo¦ , (2.124)
Sym
+
= ¦A ¸ Sym [ A è semide…nito positivo¦ , (2.125)
Nsym = ¦A ¸ Sym [ A è de…nito negativo¦ , (2.126)
Sym
÷
= ¦A ¸ Sym [ A è semide…nito negativo¦ , (2.127)
Orth =
_
Q ¸ Lin [ QQ
T
= Q
T
Q = I
_
, (2.128)
Orth
+
= ¦R ¸ Orth [ det R = 1¦ . (2.129)
Lin
+
, Orth e Orth
+
sono gruppi
1
rispetto alla moltiplicazione tra tensori; Or-
th è detto gruppo ortogonale, Orth
+
è detto gruppo delle rotazioni. Psym, Nsym,
1
Un gruppo G è un insieme di elementi su cui è de…nita un’operazione * che soddisfa le
seguenti proprietà:
1. Se o, b 2 G, allora o b 2 G,
2. Per ogni o, b, c 2 G, si ha (o b) c = o (b c),
3. Esiste un elemento identità 1 tale che 1 o = o 1 = o, per ogni o 2 G,
4. Per ogni o 2 G, esiste un elemento o
1
2 G, tale che o
1
o = o o
1
= 1.
55
Sym
+
e Sym
÷
sono coni
2
convessi. Gli insiemi Sym e Skw de…niti in (2.24) e
(2.25) sono spazi vettoriali di dimensione
n(n+1)
2
e
n(n÷1)
2
, rispettivamente. Per
: = 3 gli insiemi di vettori
_
e
1
¸e
1
, e
2
¸e
2
, e
3
¸e
3
,
1
_
2
(e
1
¸e
2
+e
2
¸e
1
),
1
_
2
(e
1
¸e
3
+e
3
¸e
1
),
1
_
2
(e
2
¸e
3
+e
3
¸e
3
)
_
, (2.130)
e
_
1
_
2
(e
1
¸e
2
÷e
2
¸e
1
),
1
_
2
(e
1
¸e
3
÷e
3
¸e
1
),
1
_
2
(e
2
¸e
3
÷e
3
¸e
3
)
_
, (2.131)
costituiscono rispettivamente una base ortonormale di Sym e di Skw.
Un tensore si dice sferico se è della forma A = cI, con c ¸ R. Dato A ¸
Lin, il tensore
A
0
= A÷
1
:
(trA)I, (2.132)
è detto deviatore di A. Da (2.132) discende che trA
0
= 0. Siano
Dev = ¦A ¸ Lin [ trA = 0¦ (2.133)
l’insieme dei deviatori di tutti i tensori e
Sph = ¦cI [ c ¸ R¦ (2.134)
l’insieme di tutti i tensori sferici. Si dimostra facilmente che Dev e Sph sono
sottospazi vettoriali di Lin di dimensione rispettivamente :
2
÷1 e 1, che Dev è
ortogonale a Sph e che
Lin = Dev + Sph. (2.135)
Pertanto risulta
Lin = Dev ¸Sph
e le proiezioni ortogonali 1
Dev
e 1
Sph
di Lin su Dev e Sph sono de…nite da
1
Dev
(A) = A
0
, 1
Sph
(A) =
1
:
(trA)I, A ¸ Lin. (2.136)
Esercizio 59 Dati : = 3 e A, B ¸ Lin, provare che
A B = A
0
B
0
+
1
3
(trA)(trB), (2.137)
B
0
B
0
= B
0
B = B B÷
1
3
(trB)
2
. (2.138)
Nell’ipotesi che B = 2jA+`(trA)I, calcolare trB, A B e B B.
2
Un sottoinsieme C di uno spazio vettoriale S è un cono se Au 2 C per ogni A 0 e u 2 C.
56
Esercizio 60 Siano D ¸ Psym, Q ¸ Orth, mostrare che QDQ
T
¸ Psym.
Esercizio 61 Dimostrare che per ogni A ¸ Lin si ha
trA = tr
_
1
2
(A+A
T
)
_
, (2.139)
e che in particolare se A ¸ Skw, allora trA = 0.
Esercizio 62 Provare che Q ¸ Orth se e solo se il tensore H = Q÷I soddisfa
entrambe le relazioni
H+H
T
+HH
T
= 0, (2.140)
HH
T
= H
T
H. (2.141)
Soluzione. Supponiamo che Q ¸ Orth; in particolare QQ
T
= Q
T
Q = I e
posto Q = I +H si ha
(I +H)(I +H)
T
= (I +H)
T
(I +H) = I,
da cui si ottengono direttamente (2.140) e (2.141). Viceversa, se H = Q ÷ I
soddisfa (2.140) e (2.141) si ha
Q÷I +Q
T
÷I + (Q÷I)(Q
T
÷I) = 0,
da cui discende QQ
T
= I, inoltre
(Q÷I)(Q
T
÷I) = (Q
T
÷I)(Q÷I),
e …nalmente QQ
T
= Q
T
Q.
2.9 Prodotto vettoriale
In questo paragrafo considereremo il caso : = 3. Dati u, v ¸ 1 indichiamo con
u . v il prodotto vettoriale di u e v.
Sia ¦e
1
, e
2
, e
3
¦ è una base ortonormale destra, le componenti di u.v rispetto
a questa base sono
n
2
·
3
÷n
3
·
2
, n
3
·
1
÷n
1
·
3
, n
1
·
2
÷n
2
·
1
. (2.142)
Il prodotto vettoriale . ha le seguenti proprietà,
(cu +,v) . w = cu . w+,v . w, (bilinearità) (2.143)
u . v = ÷v . u, (antisimmetria) (2.144)
u . u = 0, (2.145)
57
u (v . w) = w (u . v) = v (w. u) (2.146)
per ogni u, v, w ¸ 1, c, , ¸ R.
Inoltre, se u ,= 0, allora u . v = 0 se e solo se v = cu con c ¸ R. Infatti da
(2.142) discendono le seguenti relazioni
n
2
·
3
= n
3
·
2
, n
3
·
1
= n
1
·
3
, n
1
·
2
= n
2
·
1
. (2.147)
Da (2.147) supponendo che ad esempio sia n
1
,= 0, si ricava
·
2
=
n
2
n
1
·
1
, ·
3
=
n
3
n
1
·
1
, (2.148)
e quindi v =
u1
u1
u.
Il vettore u . v è ortogonale al sottospazio generato da u e v e si può
dimostrare che
[[u . v[[ = [[u[[ [[v[[ sin0, (2.149)
dove 0 ¸ [0, ¬] è l’angolo formato dai vettori u e v. Si ha inoltre che il prodotto
misto u (v.w) è nullo se e solo se u, v e w sono linearmente dipendenti; infatti
se u (v . w) = 0 allora o u = 0, o v . w = 0, cioè w = cv per qualche c ¸ R,
oppure u è ortogonale a v . w e quindi appartiene al piano generato da v e w.
Valgono le ulteriori proprietà,
[[u . v[[
2
= [[u[[
2
[[v[[
2
÷(u v)
2
, per ogni u, v ¸ 1, (2.150)
[[u . v[[
2
+ (u v)
2
= 1, per ogni u, v ¸ 1 con [[u[[ = [[v[[ = 1. (2.151)
Esercizio 63 Dimostrare la seguente identità
(u . v) . w = (u w)v ÷(v w)u, per ogni u, v, w ¸ 1. (2.152)
Soluzione. Se u = cv la tesi è ovvia, supponiamo allora che sia u ,= cv. Il
vettore u.v è ortogonale al piano di u e v, quindi (u.v) .w che è ortogonale
a u . v deve appartenere al piano di u e v,
(u . v) . w = cu +,v, (2.153)
dove c e , sono degli scalari che devono essere determinati in funzione di u, v
e w. Poiché w è ortogonale a (u . v) . w si deve avere
cu w+,v w = 0, (2.154)
che implica
c = ÷(v w)¸, , = (u w)¸, (2.155)
dove ¸ è una funzione scalare incognita di u, v e w. Si ha allora,
(u . v) . w = ¸(u, v, w)[÷(v w)u + (u w)v]; (2.156)
58
per w = u la (2.156) diventa
(u . v) . u = ¸(u, v, u)[[[u[[
2
v ÷(v u)u]. (2.157)
Moltiplicando scalarmente per v la (2.157) si ottiene
[[u . v[[
2
= [[u[[
2
[[v[[
2
sin
2
0 = [[u[[
2
[[v[[
2
(1 ÷cos
2
0) =
[[u[[
2
[[v[[
2
÷(v u)
2
= ¸(u, v, u)[[[u[[
2
[[v[[
2
÷(v u)
2
], (2.158)
quindi da (2.150) si ottiene ¸(u, v, u) = 1. Moltiplicando scalarmente la (2.156)
per u, tenendo conto di (2.146) si ricava
[u . (u . v)] w = ¸(u, v, w)[(u w)(v u) ÷(v w)[[u[[
2
]; (2.159)
da (2.157) moltiplicata scalarmente per w e da ¸(u, v, u) = 1 segue
[u . (u . v)] w = (u w)(v u) ÷(v w)[[u[[
2
, (2.160)
e tenendo conto di (2.153) si ottiene …nalmente ¸(u, v, w) = 1.
Esercizio 64 Dimostrare che per ogni a, b, c ¸ 1 si ha
(a . b) . c = (b ¸a ÷a ¸b)c. (2.161)
Soluzione. In virtù delle esercizio 63 si ha
(a . b) . c = (a c)b ÷(b c)a = (b ¸a)c ÷(a ¸b)c.
Esercizio 65 Siano a, b ¸ 1, mostrare che l’unica soluzione dell’equazione
lineare
x +a . x = b (2.162)
è
x =
1
1 +[[a[[
2
[b + (a b)a +b . a]. (2.163)
Soluzione. Supponiamo che a e b siano linearmente indipendenti. Sia x =
ca+,b+¸(a.b), con c, ,, ¸ scalari incogniti. Sostituendo questa espressione
di x nell’equazione (2.162) si ricava
[c + (a b)¸]a + [, ÷[[a[[
2
¸ ÷1]b + [, +¸]a . b = 0,
che, tenendo conto della indipendenza lineare di a, b e a . b, è equivalente al
sistema _
_
_
c + (a b)¸ = 0
, ÷[[a[[
2
¸ = 1
, +¸ = 0
la cui unica soluzione è data da
c =
a b
1 +[[a[[
2
, , =
1
1 +[[a[[
2
, ¸ = ÷
1
1 +[[a[[
2
.
59
Se invece a e b sono linearmente dipendenti, b = `a con ` ¸ R, allora è facile
veri…care che una soluzione di (2.162) è data da x = `a. Per quanto riguarda
l’unicità, siano x e y due soluzioni di (2.162), la loro di¤erenza deve soddisfare
l’equazione (x ÷ y) + a . (x ÷ y) = 0, che moltiplicata scalarmente per x ÷ y
consente di concludere che (x ÷y) = 0.
A questo punto siamo in grado di provare che per : = 3 esiste una appli-
cazione lineare biunivoca tra gli spazi vettoriali Skw e 1, che quindi risultano
isomor…. Dato un vettore w di componenti n
1
, n
2
, n
3
, si consideri il tensore
antisimmetrico
W = ÷n
3
(e
1
¸e
2
÷e
2
¸e
1
) +n
2
(e
1
¸e
3
÷e
3
¸e
1
)
÷n
1
(e
2
¸e
3
÷e
3
¸e
3
). (2.164)
È facile veri…care che
Wa = w. a, per ogni a ¸ 1. (2.165)
w è detto vettore assiale di W.
Viceversa sia W un tensore antisimmetrico
W =
3

I,¸=1
I<¸
\

(e
I
¸e
¸
÷e
¸
¸e
I
). (2.166)
Per ogni a ¸ 1 si ha
(e
I
¸e
¸
÷e
¸
¸e
I
)a = (e
¸
a)e
I
÷(e
I
a)e
¸
= (e
¸
. e
I
) . a, (2.167)
quindi
Wa =
3

I,¸=1
I<¸
\

(e
¸
. e
I
) . a, (2.168)
e
w =
3

I,¸=1
I<¸
\

(e
¸
. e
I
) (2.169)
è il vettore assiale di W.
Da (2.165) segue che (per W ,= 0) il sottospazio vettoriale di 1
1crW = ¦v ¸ 1 [ Wv = 0¦ (2.170)
ha dimensione 1 ed e generato da w, 1crW è detto asse di W.
Dati e
1
, e
2
vettori unitari ortogonali, il vettore e
3
= e
1
. e
2
è il vettore
assiale del tensore antisimmetrico
W = e
2
¸e
1
÷e
1
¸e
2
. (2.171)
60
Proposizione 66 Sia Q ¸Orth, se det Q = 1, allora esiste e ¸ 1 tale che
Qe = e; se invece det Q = ÷1, allora esiste e ¸ 1 tale che Qe = ÷e.
Dimostrazione. Si ha
det(Q÷I) = det[Q(I ÷Q
T
) = det Qdet(I ÷Q
T
) =
÷det Qdet(Q÷I) = ÷det(Q÷I),
quindi det(Q÷ I) = 0 e in virtù del teorema 52, esiste e ¸ 1, e ,= 0 tale che
(Q÷I)e = 0. Se det Q = ÷1, la dimostrazione è analoga.
Esercizio 67 Siano Q ¸Orth e e ¸ 1 tali che Qe = e.
1. Dimostrare che Q
T
e = e.
2. Sia w il vettore assiale della parte antisimmetrica di Q, dimostrare che
e ¸Span(w).
Soluzione. 1. Qe = e == Q
T
Qe = Q
T
e == Q
T
e = e.
2. Sia W = (Q÷Q
T
),2 la parte antisimmetrica di Q, si ha
Wv =
1
2
(Q÷Q
T
)v = w. v, v ¸ 1, (2.172)
in particolare
w. e = We = 0, (2.173)
quindi e ¸Span(w).
Dalla proposizione 66 si ricava che il sottospazio /(Q) = ¦e ¸ 1 [ Qe = e¦
contiene elementi non nulli. /(Q) è detto asse di Q e, in vista dell’esercizio 67,
ha dimensione 1.
Esercizio 68 Siano W, Z ¸Skw e w, z ¸ 1 i rispettivi vettori assiali. Provare
che
WZ = z ¸w÷(z w)I; (2.174)
così in particolare
WZ ÷ZW = z ¸w÷w¸z, (2.175)
Z W = 2(z w),
e
[[w[[ =
1
_
2
[[W[[. (2.176)
Soluzione. In vista di (2.165) e (2.152) si ha
WZv = w. (z . v) = (v w)z ÷(z w)v
= [z ¸w÷(z w)I]v, per ogni z ¸ 1.
Se i vettori u, v, w ¸ 1 sono linearmente indipendenti, allora lo scalare
[u (v . w)[ è il volume del parallelepipedo T individuato dai vettori u, v, w.
61
Proposizione 69 Dati i vettori u, v, w ¸ 1 linearmente indipendenti e A ¸Lin
si ha
det A =
Au (Av . Aw)
u (v . w)
. (2.177)
In particolare da (2.177) si ricava la relazione
[ det A[ =
\ o|(A(T))
\ o|(T)
, (2.178)
che fornisce un’interpretazione geometrica del determinante di un tensore. In
(2.178) A(T) è l’immagine di T tramite A e \ o| indica il volume.
La relazione (2.177) discende dalle due proposizioni seguenti.
Proposizione 70 Dato A ¸ Lin, siano ¦u, v, w¦ e ¦u
0
, v
t
, w
t
¦ due insiemi di
vettori linearmente indipendenti di 1. Si ha
Au (Av . Aw)
u (v . w)
=
Au
t
(Av
t
. Aw
t
)
u
t
(v
t
. w
t
)
. (2.179)
Dimostrazione. Dato che u, v, w sono linearmente indipendenti, si ha che
u (v . w) ,= 0. Sia ¦e
1
, e
2
, e
3
¦ una base ortonormale di 1, con e
3
= e
1
. e
2
.
Per dimostrare (2.179) basta provare che per ogni insieme di vettori ¦u, v, w¦
linearmente indipendenti si ha
Au (Av . Aw) = u (v . w)[Ae
1
(Ae
2
. Ae
3
)]. (2.180)
Valgono le seguenti relazioni
u = n
1
e
1
+n
2
e
2
+n
3
e
3
, (2.181)
v = ·
1
e
1

2
e
2

3
e
3
, (2.182)
w = n
1
e
1
+n
2
e
2
+n
3
e
3
, (2.183)
da cui si ricava
Au (Av . Aw) = (n
1
Ae
1
+n
2
Ae
2
+n
3
Ae
3
) [(·
1
Ae
1

2
Ae
2
+
·
3
Ae
3
) . (n
1
Ae
1
+n
2
Ae
2
+n
3
Ae
3
)] =
(n
1
Ae
1
+n
2
Ae
2
+n
3
Ae
3
) [·
1
n
2
Ae
1
. Ae
2

1
n
3
Ae
1
. Ae
3
+
·
2
n
1
Ae
2
. Ae
1

2
n
3
Ae
2
. Ae
3

3
n
1
Ae
3
. Ae
1

3
n
2
Ae
3
. Ae
2
] =
n
1
·
2
n
3
Ae
1
(Ae
2
. Ae
3
) +n
1
·
3
n
2
Ae
1
(Ae
3
. Ae
2
)+
n
2
·
1
n
3
Ae
2
(Ae
1
. Ae
3
) +n
2
·
3
n
1
Ae
2
(Ae
3
. Ae
1
)+
n
3
·
1
n
2
Ae
3
(Ae
1
. Ae
2
) +n
3
·
2
n
1
Ae
3
(Ae
2
. Ae
1
) =
Ae
1
(Ae
2
. Ae
3
)[n
1
·
2
n
3
÷n
1
·
3
n
2
÷n
2
·
1
n
3
+n
2
·
3
n
1
+
n
3
·
1
n
2
÷n
3
·
2
n
1
] = [u (v . w)]Ae
1
(Ae
2
. Ae
3
).
62
Proposizione 71 Sia ¦e
1
, e
2
, e
3
¦ una base ortonormale di 1, con e
3
= e
1
.e
2
;
per ogni tensore A si ha
det A = Ae
1
(Ae
2
. Ae
3
). (2.184)
Dimostrazione. Si ha
Ae
|
=
3

I=1
¹
I|
e
I
, / = 1, 2, 3. (2.185)
quindi
Ae
2
. Ae
3
= ¹
12
¹
23
e
3
÷¹
12
¹
33
e
2
÷¹
13
¹
22
e
3
+
¹
22
¹
33
e
1
÷¹
13
¹
32
e
2
÷¹
32
¹
23
e
1
, (2.186)
Ae
1
(Ae
2
. Ae
3
) = ¹
11

22
¹
33
÷¹
32
¹
32
) +¹
21

13
¹
32
÷¹
12
¹
33
)+
¹
31

12
¹
23
÷¹
13
¹
22
). (2.187)
D’altra parte
det A = ¹
11

22
¹
33
÷¹
32
¹
32
) +¹
21

13
¹
32
÷¹
12
¹
33
)+
¹
31

12
¹
23
÷¹
13
¹
22
),
da cui la tesi.
Esercizio 72 Sia , : 1 1 1 ÷R un funzionale trilineare e antisimmetrico,
cioè lineare nei tre argomenti e tale che per ogni u, v, w ¸ 1,
,(u, v, w) = ÷,(v, u, w) = ÷,(u, w, v) = ÷,(w, v, u). (2.188)
Siano ¦e
1
, e
2
, e
3
¦ una base ortonormale di 1 e A ¸ Lin, dimostrare che
,(Ae
1
, e
2
, e
3
) +,(e
1
, Ae
2
, e
3
) +,(e
1
, e
2
, Ae
3
) = (trA),(e
1
, e
2
, e
3
). (2.189)
Soluzione.
,(Ae
1
, e
2
, e
3
) = ,(
3

I=1
¹
I1
e
I
, e
2
, e
3
) =
,(¹
11
e
1
, e
2
, e
3
) +,(¹
21
e
2
, e
2
, e
3
) +,(¹
31
e
3
, e
2
, e
3
). (2.190)
D’altra parte si ha
,(¹
21
e
2
, e
2
, e
3
) = ¹
21
,(e
2
, e
2
, e
3
) = ÷¹
21
,(e
2
, e
2
, e
3
), (2.191)
quindi ,(¹
21
e
2
, e
2
, e
3
) = 0. Analogamente si dimostra che ,(¹
31
e
3
, e
2
, e
3
) = 0
e da (2.190) si ricava
,(Ae
1
, e
2
, e
3
) = ,(¹
11
e
1
, e
2
, e
3
). (2.192)
Ripetendo le stesse considerazioni per ,(e
1
, Ae
2
, e
3
) e ,(e
1
, e
2
, Ae
3
) si ha la
tesi.
63
2.10 Cofattore di un tensore del secondo ordine
Sia : = 3. Dato A ¸ Lin, il cofattore A
+
di A è l’unico elemento di Lin tale che
per ogni w ¸ 1, W ¸Skw legati dalla relazione
Wv = w. v, per ogni v ¸ 1, (2.193)
il vettore A
+
w e il tensore AWA
T
soddisfano a loro volta la relazione
AWA
T
v = (A
+
w) . v, per ogni v ¸ 1. (2.194)
Proposizione 73 Siano A ¸ Lin, A
+
il suo cofattore, c ¸ 1. Valgono le
seguenti proprietà.
(1) Per ogni a, b ¸ 1, si ha
A
+
(a . b) = (Aa) . (Ab). (2.195)
(2) Se A è invertibile anche A
+
lo è e
A
+
= (det A)A
÷T
. (2.196)
(3) Il gruppo delle rotazioni Orth
+
coincide con l’insieme
( = ¦R ¸ Lin ÷¦0¦ [ R = R
+
¦. (2.197)
(4) La diade c ¸c soddisfa la relazione
(I ÷c ¸c)
+
= (1 ÷c c)I +c ¸c. (2.198)
(5) Sia ¦e
1
, e
2
, e
3
¦ una base ortonormale di 1, si ha
3

I=1
(I ÷e
I
¸e
I
)
+
= I. (2.199)
Dimostrazione. (1) Siano w = a . b e W = b ¸ a ÷ a ¸ b il tensore
antisimmetrico associato a w, in vista di (2.194) si ha
(A
+
w) . v = A(b ¸a ÷a ¸b)A
T
v
= (Ab ¸Aa ÷Aa ¸Ab)v = (Aa . Ab) . v per ogni v ¸ 1, (2.200)
da cui si deduce (2.195).
(2) Sia Ainvertibile e supponiamo che esista v ¸ 1, v ,= 0 tale che A
+
w = 0.
Siano a, b ¸ 1, entrambi non nulli tali che v = a . b. In vista di (2.195) si ha
0 = A
+
(a . b) = Aa . Ab, (2.201)
64
da cui, tenendo conto delle proprietà del prodotto vettoriale, si deduce che
Aa = cAb, quindi a÷cb = 0 e …nalmente v = 0. Sia ora ¦e
1
, e
2
, e
3
¦ una base
ortonormale di 1 con e
3
= e
1
. e
2
. Si ha
A
+
e
1
= Ae
2
. Ae
3
, (2.202)
A
+
e
2
= Ae
3
. Ae
1
, (2.203)
A
+
e
3
= Ae
1
. Ae
2
, (2.204)
e, in vista della proposizione 71, valgono le relazioni
A
T
A
+
e
1
e
1
= A
+
e
1
Ae
1
= det A, (2.205)
A
T
A
+
e
2
e
2
= A
+
e
2
Ae
2
= det A, (2.206)
A
T
A
+
e
3
e
3
= A
+
e
3
Ae
3
= det A, (2.207)
e
A
T
A
+
e
I
e
¸
= A
+
e
I
Ae
¸
= 0 se i ,= ,, (2.208)
si può così concludere che
A
T
A
+
= (det A)I, (2.209)
da cui discende (2.196).
(3) Sia R ¸Orth
+
, da (2.196) tenuto conto che det R = 1 e R
T
= R
÷1
, si
ricava che R
+
= R e quindi R ¸ (. Viceversa, supponiamo che R ¸ (, allora
R(a . b) = R
+
(a . b) = (Ra) . (Rb), a, b ¸ 1. (2.210)
Sia ancora ¦e
1
, e
2
, e
3
¦ una base ortonormale di 1 con e
3
= e
1
. e
2
, in vista di
(2.210) si ha
Re
3
= Re
1
. Re
2
, (2.211)
Re
2
= Re
3
. Re
1
, (2.212)
Re
1
= Re
2
. Re
3
, (2.213)
quindi
Re
I
Re
¸
=
_
det R i = ,,
0 i ,= ,,
(2.214)
ed in…ne
R
T
R = (det R)I. (2.215)
Da (2.215) discende che
(det R)
2
= det R, (2.216)
da cui si ricava che det R = 0 oppure det R = 1. Se fosse det R = 0, da (2.215) si
ricaverebbe che R
T
R = 0 e quindi R = 0 che è escluso dal fatto che R ¸ (. Si
ha quindi che det R = 1, che unita a (2.215) consente …nalmente di concludere
che R
T
= R
÷1
.
65
(4) Per ogni u, v ¸ 1, si ha
(I ÷c ¸c)
+
(u . v) = (I ÷c ¸c)u . (I ÷c ¸c)v
= u . v ÷(c u)c . v + (c v)c . u, (2.217)
e
[(1 ÷c c)I +c ¸c](u . v) = u . v ÷(c c)u . v + [c (u . v)]c
= u . v +c . [c . (u . v)], (2.218)
dove l’ultima uguaglianza discende da (2.152). D’altra parte
c . [c . (u . v)] = ÷c . [(u . v) . c]
= ÷c . [(u c)v ÷(v c)u] = ÷(u c)c . v + (v c)c . u, (2.219)
sostituendo (2.219) in (2.218) e confrontando l’espressione così ottenuta con
(2.218), si ricava (2.198).
(5) Per dimostrare (2.199) basta osservare che in vista di (2.198) si ha
3

I=1
(I ÷e
I
¸e
I
)
+
=
3

I=1
e
I
¸e
I
= I. (2.220)
2.11 Invarianti principali
Per ogni A ¸ Lin, introduciamo le seguenti quantità scalari,
1
1
(A) = trA, (2.221)
1
2
(A) =
1
2
[(trA)
2
÷tr(A
2
)] (2.222)
1
3
(A) = det A. (2.223)
1
1
(A), 1
2
(A), 1
3
(A) sono detti invarianti principali di A. Per i = 1, 2, 3 si ha
1
I
(QAQ
T
) = 1
I
(A), per ogni Q ¸ Orth. (2.224)
Infatti, per Q ¸Orth si ha
1
1
(A) = trA = tr(Q
T
QA) = tr(QAQ
T
) = 1
1
(QAQ
T
). (2.225)
Osserviamo inoltre che
tr(A
2
) = tr(Q
T
QAQ
T
QA) = tr(QAQ
T
QAQ
T
) = tr[(QAQ
T
)
2
],
e quindi, in vista di (2.225)
1
2
(A) = 1
2
(QAQ
T
).
66
In…ne, in vista di (2.90) si ha
1
3
(A) = det A = (det Q)(det A)(det Q
T
)
= det(QAQ
T
) = 1
3
(QAQ
T
). (2.226)
Siamo ora in grado di dimostrare il seguente risultato.
Proposizione 74 La de…nizione di determinante data in (2.89) non dipende
dalla scelta della base di 1.
Dimostrazione. Cominciamo con l’osservare che se ¦e
1
, ..., e
n
¦ e ¦f
1
, ..., f
n
¦
sono due basi ortonormali di 1, esiste un tensore ortogonale Q tale che
Qe
I
= f
I
, i = 1, ..., :. (2.227)
Infatti il tensore
Q = f
1
¸e
1
+f
2
¸e
2
+... +f
n
¸e
n
(2.228)
soddisfa (2.227) ed è ortogonale in virtù della proposizione 57. Dalla de…nizione
(2.89) segue che det A = det[A], dove la matrice [A] ha componenti ¹

=
e
I
Ae
¸
, i, , = 1, ..., :. Indicata con [A
t
] la matrice delle componenti di A
rispetto alla base ¦f
1
, ..., f
n
¦,
¹
t

= f
I
Af
¸
, i, , = 1, ..., : (2.229)
e con [Q
T
AQ] la matrice delle componenti del tensore Q
T
AQ rispetto alla base
¦e
1
, ..., e
n
¦,
¹
00

= e
I
Q
T
AQe
¸
, i, , = 1, ..., :, (2.230)
in vista di (2.227) si ha
¹
t

= Qe
I
AQe
¸
= ¹
00

, i, , = 1, ..., :. (2.231)
Ancora dalla de…nizione (2.89) si ha
det Q
T
AQ = det[Q
T
AQ] = det[A
t
], (2.232)
dalla relazione (2.226) si ottiene …nalmente che
det[A] = det[A
t
]. (2.233)
È facile veri…care che se : = 3 e ¹

, i, , = 1, 2, 3 sono le componenti di A
rispetto ad una base ortonormale ¦e
1
, e
2
, e
3
¦ di 1, si ha
1
1
(A) = ¹
11

22

33
, (2.234)
1
2
(A) = ¹
11
¹
22

22
¹
33

11
¹
33
÷¹
12
¹
21
÷¹
13
¹
31
÷¹
23
¹
32
, (2.235)
1
3
(A) = ¹
11

22
¹
33
÷¹
32
¹
32
) +¹
21

13
¹
32
÷¹
12
¹
33
)+
¹
31

12
¹
23
÷¹
13
¹
22
). (2.236)
Indichiamo con j(A) = ¦1
1
(A), 1
2
(A), 1
3
(A)¦ la lista degli invarianti prin-
cipali di A.
67
2.12 Autovalori e autovettori
Un numero (reale) a è un autovalore di A ¸ Lin se esiste un vettore u ¸ 1,
[[u[[ = 1, tale che
Au = au, (2.237)
u è detto autovettore di A relativo all’autovalore a. Dato a autovalore di A,
/(a) = ¦u ¸ 1 [ Au = au¦ (2.238)
è un sottospazio di 1 detto spazio caratteristico di A corrispondente all’autoval-
ore a. Se /(a) ha dimensione :, allora si dice che l’autovalore a ha molteplicità
:. L’insieme o(A) degli autovalori di A ciascuno ripetuto un numero di volte
uguale alla sua molteplicità è detto spettro di A.
a è un autovalore di A se e solo se il tensore A÷aI è non invertibile e quindi
a è una radice reale del polinomio caratteristico di A,
j(a) = det(A÷aI). (2.239)
Gli autovalori di un tensore sono chiamati anche componenti principali (del
tensore), corrispondentemente, l’autovettore è chiamato vettore principale.
Proposizione 75 Se : = 3 il polinomio caratteristico (2.239) di A ¸ Lin ha
la seguente espressione
j(a) = ÷a
3
+1
1
(A)a
2
÷1
2
(A)a +1
3
(A). (2.240)
Dimostrazione. Per dimostrare (2.240) si tenga conto del fatto che se ¦e
1
, e
2
, e
3
¦
è una base ortonormale di 1, in virtù della proposizione 71 si ha,
det(A÷aI) = (A÷aI)e
1
[(A÷aI)e
2
. (A÷aI)e
3
].
Il polinomio di terzo grado a coe¢cienti reali (2.240) ha sempre almeno una
radice reale.
2.13 Teorema spettrale
Proposizione 76 Valgono le seguenti proprietà:
(a) Gli spazi caratteristici di un tensore S ¸ Sym sono mutuamente ortogonali.
(b) Gli autovalori di un tensore P ¸ Psym sono positivi, gli autovalori di un
tensore S ¸ Sym
+
sono non negativi.
(c) Gli autovalori di un tensore N ¸ Nsym sono negativi, gli autovalori di un
tensore S ¸ Sym
÷
sono non positivi.
68
Dimostrazione. (a) Siano a e / gli autovalori di S ¸ Sym e u, v i relativi
autovettori,
Su = au, Sv = /v.
Si ha
au v = Su v = u Sv = /u v,
quindi
(a ÷/)u v = 0,
evidentemente se a ,= / allora u v = 0.
(b) Dato P ¸ Psym siano a un autovalore e v il relativo autovettore di P,
si ha
a = av v = Pv v 0.
Teorema 77 (Teorema spettrale). Sia S un tensore simmetrico. Esistono una
base ortonormale di 1 costituita da autovettori g
1
, ..., g
n
di S, e : autovalori
:
1
, ..., :
n
di S,
Sg
I
= :
I
g
I
, i = 1, ..., :, (2.241)
tali che
S =
n

I=1
:
I
g
I
¸g
I
. (2.242)
In particolare per : = 3, si possono distinguere i seguenti casi:
1. S ha tre autovalori distinti, allora gli spazi caratteristici di S sono
Span(g
1
), Span(g
2
) e Span(g
3
).
2. S ha due autovalori distinti :
1
,= :
2
, :
2
= :
3
, allora (2.242) si riduce a
S = :
1
g
1
¸g
1
+:
2
(I ÷g
1
¸g
1
). (2.243)
Span(g
1
) è lo spazio caratteristico corrispondente a :
1
e Span(g
1
)
J
è lo spazio
caratteristico corrispondente a :
2
.
3. S ha un solo autovalore :
1
= :
2
= :
3
= :,
S = :I, (2.244)
in questo caso 1 è il solo spazio caratteristico di S.
La relazione (2.242) è la rappresentazione spettrale di S.
Se /
I
(i = 1, ..., / _ :) sono gli spazi caratteristici di o, allora ogni vettore
v può essere scritto nella forma
v =

I
v
I
, v
I
¸ /
I
. (2.245)
La matrice [S] delle componenti di S rispetto alla base ¦g
1
, ..., g
n
¦ di au-
tovettori ha la forma
[S] =
_
¸
¸
_
:
1
0 . 0
0 :
2
. 0
. . . .
0 0 . :
n
_
¸
¸
_
. (2.246)
69
Se S ¸ Sym, gli elementi dello spettro o(S) di S possono essere ordinati,
o(S) = ¦:
1
, ..., :
n
¦ con :
1
_ :
2
_ ... _ :
n
. Sia ( = ¦x ¸ R
n
[ r
1
_ r
2
_ ... _
r
n
¦. Si può provare che la funzione o : Sym ÷ (, S ÷÷ o(S), che ad ogni
tensore S associa il suo spettro è continua.
Per : = 3, dal teorema spettrale segue che se S ¸ Sym, j(S) è caratterizzato
completamente dallo spettro o(S), è facile provare che
1
1
(S) = :
1
+:
2
+:
3
, (2.247)
1
2
(S) = :
1
:
2
+:
1
:
3
+:
2
:
3
, (2.248)
1
2
(S) = :
1
:
2
:
3
. (2.249)
Se S ¸ Sym, la molteplicità di un autovalore : è uguale alla molteplicità di :
come radice dell’equazione caratteristica det(S÷:I) = 0. Da questa osservazione
segue la seguente proposizione.
Proposizione 78 Siano : = 3 e S, T ¸ Sym tali che j(S) = j(T), allora S e
T hanno lo stesso spettro, o(S) = o(T).
Si osservi che questo risultato è vero solo se S e T sono simmetrici. Consid-
eriamo i tensori
S = I +e
3
¸e
3
, T = I +e
3
¸e
3
+e
1
¸e
2
,
si ha 1
1
(S) = 1
1
(T) = 4, 1
2
(S) = 1
2
(T) = 5, 1
3
(S) = 1
3
(T) = 2, tuttavia
o(S) = ¦1, 1, 2¦ e o(T) = ¦1, 2¦.
Nel caso di un tensore non simmetrico autovettori corrispondenti ad auto-
valori distinti non sono necessariamente ortogonali. Ad esempio lo spettro del
tensore A ¸ Lin
A = e
1
¸e
1
+ 2e
2
¸e
2
+ 3e
3
¸e
3
+e
1
¸e
2
, (2.250)
è o(A) = ¦1, 2, 3¦ ed i corrispondenti autovettori sono e
1
,
1
_
2
(e
1
+e
2
) e e
3
, e si
ha e
1
(e
1
+e
2
) = 1.
Se : = 3 è possibile esprimere gli autovalori :
1
, :
2
, :
3
di un tensore simmetri-
co S in funzione dei suoi invarianti principali 1
1
, 1
2
, 1
3
. Si può infatti dimostrare
che [11]
:
1
= ÷
2
_
3
¸cos 0 +
1
3
1
1
, (2.251)
:
2
=
2
_
3
¸cos(0 +
¬
3
) +
1
3
1
1
, (2.252)
:
3
=
2
_
3
¸cos(0 ÷
¬
3
) +
1
3
1
1
, (2.253)
70
dove
cos 30 = ÷
3
_


3
, (2.254)
¸ = 1
3
÷
1
2
1
1
1
2
+
2
27
1
3
1
, (2.255)
¸ =
_
1
2
1
÷31
2
3
. (2.256)
È facile veri…care che ¸ = 0 se e solo se gli autovalori di S sono coincidenti
(:
1
= :
2
= :
3
= 1
1
,3). L’angolo 0 appartiene all’intervallo [0, ¬,3]; se 0 = 0,
allora :
2
= :
3
, se invece 0 = ¬,3, allora :
1
= :
2
.
Se : = 3 e S è un tensore simmetrico del tipo
S =
2

I,¸=1
o

(e
I
¸e
¸
) +:e
3
¸e
3
,
indicando con [S] =
_
_
:
11
:
12
0
:
12
:
22
0
0 0 :
_
_
la matrice delle componenti di S rispetto
alla base ¦e
1
, e
2
, e
3
¦, gli autovalori di S risultano :
1
= :,
:
2
=
J
1
(S) ÷
_
(J
1
(S))
2
÷4J
2
(S)
2
, (2.257)
:
3
=
J
1
(S) +
_
(J
1
(S))
2
÷4J
2
(S)
2
, (2.258)
con J
1
(S) = :
11
+:
22
e J
2
(S) = :
11
:
22
÷:
2
12
. In particolare :
2
_ :
3
.
Esercizio 79 Siano : = 3, D ¸ Sym, Q ¸ Orth. Mostrare che o(D) =
o(QDQ
T
).
Soluzione. Basta osservare che QDQ
T
è simmetrico e che j(D) = j(QDQ
T
),
la tesi discende quindi dalla proposizione 78.
Sia ancora : = 3. Un tensore antisimmetrico W ,= 0 ha un solo autovalore
uguale a 0, le altre due radici del polinomio caratteristico sono due numeri
immaginari coniugati. Gli invarianti principali di W sono
1
1
(W) = 0, 1
2
(W) = \
2
23
+\
2
12
+\
2
13
, 1
3
(W) = 0, (2.259)
dove \

sono le componenti di W rispetto alla base ortonormale ¦e
1
, e
2
, e
3
¦.
L’equazione caratteristica di W è pertanto
a
3
+1
2
(W)a = 0, (2.260)
71
dato che 1
2
(W) 0, W ha il solo autovalore a = 0. L’autovettore relativo
all’autovalore nullo è il vettore assiale w di W. Infatti, dalla relazione Wa =
w. a, a ¸ 1, si ha che w è l’unico auovettore di W e Ww = 0.
Una diade a¸b con a, b ¸ 1 ha un autovalore nullo con molteplicità :÷1 e
lo spazio caratteristico corrispondente è il sottospazio ortogonale a b. a ¸b ha
anche l’autovalore a b il cui spazio caratteristico è Span(a). In generale questi
spazi caratteristici non sono ortogonali, lo sono se e solo se a = cb.
Esercizio 80 Sia : = 3. Determinare spettro, spazi caratteristici e rappresen-
tazione spettrale dei seguenti tensori simmetrici
A = cI +,m¸m, B = m¸n +n ¸m, (2.261)
con c, , ¸ R, m, n ¸ 1, m n = 0, [[m[[ = [[n[[ = 1.
Soluzione. Posto q = m. n si ha
An = cn, Am = (c +,)m, Aq = cq, (2.262)
quindi o(A) = ¦c, c, c +,¦, gli spazi caratteristici sono Span(n, q) e Span(m)
e la rappresentazione spettrale di A è
A = c(n ¸n +q ¸q) + (c +,)m¸m
= (c +,)m¸m+c(I ÷m¸m). (2.263)
Inoltre si ha
Bq = 0, B(m+n) = m+n, B(m÷n) = n ÷m, (2.264)
quindi o(B) = ¦÷1, 0, 1¦, gli spazi caratteristici sono Span(m÷ n), Span(q) e
Span(m+n) e la rappresentazione spettrale di B è
B =
1
2
(m+n) ¸(m+n) ÷
1
2
(m÷n) ¸(m÷n).
Esercizio 81 Sia : = 3. Un tensore P è detto proiezione ortogonale se P ¸
Sym e P
2
= P.
(a) Sia n ¸ 1, [[n[[ = 1, mostrare che i seguenti tensori sono proiezioni
ortogonali,
0, I, n ¸n, I ÷n ¸n. (2.265)
(b) Mostrare che se P è una proiezione ortogonale, allora P è uno dei quattro
tensori in (2.265).
72
Soluzione. (a) si veri…ca direttamente che i tensori in (2.265) sono proiezioni
ortogonali.
(b) Data P proiezione ortogonale, calcoliamone gli autovalori. Sia ` un
autovalore e v il relativo autovettore,
`v = Pv = P
2
v = `
2
v,
da cui ` = 0 oppure ` = 1. Ci sono allora quattro possibilità,
- o(P) = ¦0, 0, 0¦, P = 0,
- o(P) = ¦1, 1, 1¦, P = I,
- o(P) = ¦0, 1, 1¦, P = I ÷ n ¸ n, con n autovettore relativo all’autovalore
0.
- o(P) = ¦0, 0, 1¦, P = n ¸n, con n autovettore relativo all’autovalore 1.
Esercizio 82 Sia : = 3. Dato R ¸Orth
+
sia e ¸ 1 non nullo tale che Re = e.
Indicato con W il tensore antisimmetrico associato ad e, dimostrare che R ha
la seguente rappresentazione
R = I + sin0W+ (1 ÷cos 0)W
2
, (2.266)
con 0 ¸ (÷¬, ¬).
Soluzione. Dalla proposizione 66 si ricava che 1 è un autovalore di R. Indica-
to con e ¸ 1 l’autovettore corrispondente Re = e, sia Wil tensore antisimmetri-
co tale che Wv = e.v per ogni v ¸ 1. Supponiamo che R = I+cW+,W
2
,con
c e , da determinare in modo tale che RR
T
= I. Per ogni vettore v si ha
v = ¸e +v
0
, ¸ ¸ R, v
0
¸ Span(e)
J
,
tenuto conto del fatto che Re = e, si devono determinare c e , in modo tale
che
RR
T
v
0
= v
0
per ogni v
0
¸ Span(e)
J
. (2.267)
Tenendo conto del fatto che Wv
0
= e . v
0
e W
2
v
0
= ÷v
0
, si ha
RR
T
v
0
= (1 +c
2
+,
2
÷2,)v
0
e da (2.267) si ricava che c e , devono soddisfare
c
2
+,
2
÷2, = 0 (2.268)
da cui si ricava
c = sin0, , = 1 ÷cos 0. (2.269)
Se si conosce l’azione di R su un vettore v ¸ 1, w = Rv, è facile provare che
0 = arc cos(·
1
n
1

2
n
2
), (2.270)
dove ·
1
, ·
2
e n
1
, n
2
sono le componenti di v e w rispetto alla base ortonormale
¦e
1
, e
2
, e¦ con e
1
= e
2
. e.
La formula di rappresentazione (2.266) prova che ogni rotazione è completa-
mente caratterizzata da un asse e da un angolo.
73
Esercizio 83 Sia : = 3. Provare che A ¸ Lin commuta con ogni tensore W ¸
Skw se e solo se A = .I.
Soluzione. Supponiamo che
AW = WA per ogni W ¸ Skw. (2.271)
Fissato w ¸ 1, sia W il tensore antisimmetrico associato a w, si ha
W(Aw) = A(Ww) = A(w. w) = 0,
quindi Aw appartiene allo spazio caratteristico dell’autovalore nullo di W,
Aw = `w, con ` =
¯
`(w) ¸ R. (2.272)
Siano w
1
, w
2
due vettori linearmente indipendenti di 1, in vista della linearità
di A si ha
¯
`(w
1
)w
1
+
¯
`(w
2
)w
2
= Aw
1
+Aw
2
=
A(w
1
+w
2
) =
¯
`(w
1
+w
2
)(w
1
+w
2
), (2.273)
da cui si ricava
[
¯
`(w
1
) ÷
¯
`(w
1
+w
2
)]w
1
+ [
¯
`(w
2
) ÷
¯
`(w
1
+w
2
)]w
2
= 0, (2.274)
e quindi
¯
`(w
1
) =
¯
`(w
2
) = ..
Proposizione 84 Un tensore S ¸ Sym commuta con ogni tensore Q ¸ Orth
+
se e solo se S = .I.
Dimostrazione. Supponiamo che
SQ = QS per ogni Q ¸ Orth
+
e che S abbia due autovalori distinti . e ` e siano u e v i relativi autovettori
ortogonali di norma 1. Sia ¦u, v, f
3
, ..., f
n
¦ una base ortonormale di 1, poniamo
Q = v ¸u ÷v ¸u+
n

I=3
f
I
¸f
I
,
si ha che Qu = v e Q ¸Orth
+
in quanto trasforma la base ortonormale
¦u, v, f
3
, ..., f
n
¦ nella base ortonormale ¦v, ÷u, f
3
, ..., f
n
¦ e det Q = 1. Si ha
allora
QSu = .Qu = .v, QSu = SQu = Sv = `v,
da cui si ottiene (. ÷`)v = 0 e quindi . = `.
Teorema 85 (Teorema di commutazione). Siano S, A ¸ Lin tali che SA =
AS. Allora se v ¸ 1 appartiene ad uno spazio caratteristico di S, Av appar-
tiene allo stesso spazio caratteristico. Viceversa se A lascia invariati gli spazi
caratteristici di un tensore S ¸ Sym, allora S e A commutano.
74
Dimostrazione. Se S e A commutano, sia v un autovettore di S relativo
all’autovalore ., Sv = .v, allora
S(Av) = ASv = .Av,
cioè Av appartiene allo spazio caratteristico di S corrispondente a ..
Viceversa siano /
I
, i = 1, ..., / gli spazi caratteristici di S. Ogni v ¸ 1 ha
la rappresentazione (2.245) e per ipotesi Av
I
¸ /
I
per ogni i, quindi
SAv
I
= .
I
Av
I
= A(.
I
v
I
) = ASv
I
,
da cui discende che SAv = ASv.
I tensori A e B ¸ Sym si dicono coassiali se hanno gli stessi autovettori.
Proposizione 86 I tensori A, B ¸ Sym commutano se e solo se sono coassiali.
Dimostrazione. Assumiamo per semplicità : = 3. Supponiamo che A e B
siano coassiali, sia ¦g
1
, g
2
, g
3
¦ una base comune di autovettori
A =
3

I=1
a
I
g
I
¸g
I
, B =
3

I=1
/
I
g
I
¸g
I
. (2.275)
Allora, in vista di (2.32) si ha AB = BA. Viceversa, assumiamo che AB = BA,
possiamo distinguere i seguenti casi.
(i) Se A = aI, la coassialià è evidente.
(ii) Se A ha tre autovalori distinti a
1
, a
2
, a
3
, consideriamo la sua rappresen-
tazione spettrale
A =
3

I=1
a
I
g
I
¸g
I
, (2.276)
e poniamo
B =
3

I,¸=1
1

g
I
¸g
¸
. (2.277)
Allora, si ha
0 = AB÷BA =
3

I,¸=1
I,=¸
a
I
1

(g
I
¸g
¸
÷g
¸
¸g
I
); (2.278)
poiché i tensori antismmetrici g
I
¸g
¸
÷g
¸
¸g
I
sono linearmente indipendenti,
da (2.278) si ottiene
(a
1
÷a
2
)1
12
= 0, (2.279)
(a
1
÷a
3
)1
13
= 0, (2.280)
(a
2
÷a
3
)1
23
= 0, (2.281)
75
da cui segue che 1
12
= 1
13
= 1
23
= 0, così g
1
, g
2
, g
3
sono anche autovettori di
B.
(iii) Consideriamo ora il caso in cui Aha due autovalori distinti a
1
,= a
2
= a
3
,
A = a
1
g
1
¸g
1
+a
2
(I ÷g
1
¸g
1
), B =
3

I,¸=1
1

g
I
¸g
¸
, (2.282)
con g
2
e g
3
appartenenti a Span(g
1
)
J
, il sottospazio di 1 ortogonale al sot-
tospazio generato da g
1
. Considerando ancora una volta la relazione 0 =
AB ÷ BA si ottiene che 1
12
= 1
13
= 0, quindi Bg
1
= /
1
g
1
. Siano f
2
e f
3
gli altri due autovettori di B tali che ¦g
1
, f
2
, f
3
¦ sia una base ortonormale di 1,
si conclude che ¦g
1
, f
2
, f
3
¦ è una base di autovettori per entrambi i tensori B ed
A.
Si osserva che Sym
+
(Sym
÷
) è chiuso in Sym perché è l’immagine inversa del
sottoinsieme chiuso ¦x ¸ R
3
[ 0 _ r
1
_ r
2
_ r
3
¦ (¦x ¸ R
3
[ r
1
_ r
2
_ r
3
_ 0¦)
di R
3
tramite la funzione continua che ad ogni tensore associa il suo spettro.
Nella seguente semplice proposizione sono raccolti alcuni risultati che saran-
no utili in seguito.
Proposizione 87 (1) Sia A ¸ Sym
÷
(Sym
+
), se esiste u ¸ 1 tale che u
Au = 0, allora Au = 0.
(2) Siano A, B ¸ Sym. Se A B _ 0 per ogni B ¸ Sym
+
(Sym
÷
) allora A ¸
Sym
+
(Sym
÷
).
(3) Sia A ¸ Sym
+
. Per ogni B ¸ Sym
+
(Sym
÷
) si ha A B _ 0 (_ 0).
(4) Siano A ¸ Sym
+
, B ¸ Sym
+
(Sym
÷
). Se A B = 0 allora AB = BA =
0.
Dimostrazione. (1) Sia A =

n
I=1
a
I
q
I
¸q
I
con a
I
_ 0 (a
I
_ 0) la rappresen-
tazione spettrale di A. Si ha
Au =
n

I=1
a
I
(q
I
u)q
I
,
pertanto
0 = u Au =
n

I=1
a
I
(q
I
u)
2
se e solo se
a
I
(q
I
u)
2
= 0, i = 1, ..., : (2.283)
in quanto gli a
I
sono non positivi (non negativi). (2.283) è veri…cata se e solo
se
a
I
(q
I
u) = 0, i = 1, ..., :,
76
che è equivalente alla condizione Au = 0.
(2) Supponiamo che A non appartenga a Sym
+
(Sym
÷
), allora A ha un
autovalore ` < 0 (` 0), Av = `v. Il tensore B = ÷`v¸v appartiene a Sym
+
(Sym
÷
) e
0 _ AB = ÷`tr(Av ¸v) = ÷`
2
< 0.
(3) Sia
A =
n

I=1
a
I
q
I
¸q
I
con a
I
_ 0 (2.284)
la rappresentazione spettrale di A. Sia inoltre
B =
n

I=1
/
I
p
I
¸p
I
con /
I
_ 0 (/
I
_ 0) (2.285)
la rappresentazione spettrale di B. Si ha
AB =
n

I,¸=1
a
I
/
¸
(q
I
¸q
I
)(p
¸
¸p
¸
) =
n

I,¸=1
a
I
/
¸
(q
I
p
¸
)(q
I
¸p
¸
), (2.286)
e
A B =
n

I,¸=1
a
I
/
¸
(q
I
p
¸
)
2
_ 0 ( _ 0). (2.287)
(4) Siano (2.284) e (2.285) le rappresentazioni spettrali di A e B, rispet-
tivamente. In vista di (2.287) la condizione A B = 0 è equivalente alle
condizioni
a
I
/
¸
(q
I
p
¸
) = 0, i, , = 1, ..., :,
quindi da (2.286) si ricava che AB = 0, analogamente si dimostra che BA = 0.
Esercizio 88 Sia : = 3. Per ogni E ¸Sym, determinare la proiezione 1
Sym
(E)
di E su Sym
÷
.
Soluzione. In vista del teorema di minima norma si deve determinare T =
1
Sym
(E) ¸Sym
÷
che soddisfa la diseguaglianza variazionale
(E÷T) (T
+
÷T) _ 0, per ogni T
+
¸ Sym
÷
. (2.288)
Cominciamo col dimostrare che T ¸Sym
÷
soddisfa (2.288) se e solo se
(E÷T) T = 0, E÷T ¸ Sym
+
. (2.289)
Se le condizioni (2.289) sono soddisfatte, allora dal punto (3) della proposizione
87, discende (2.288). Viceversa supponiamo che valga la diseguaglianza (2.288),
allora per T
+
= 0 e T
+
= 2T si ottengono rispettivamente le diseguaglianze
(E÷T) T _ 0 e (E÷T) T _ 0, da cui discende (2.289)
1
. Per ogni T
++
¸Sym
÷
il tensore T
+
= T
++
+ T ¸Sym
÷
e (2.289) è equivalente alla diseguaglianza
77
(E ÷ T) T
++
_ 0, per ogni T
++
¸Sym
÷
, da cui, in vista del punto (2) della
proposizione 87 si ricava (2.289)
2
. In de…nitiva risolvere la diseguaglianza (2.288)
è equivalente a determinare T ¸Sym tale che
_
_
_
T ¸ Sym
÷
,
E÷T ¸ Sym
+
,
(E÷T) T = 0.
(2.290)
In virtù del punto (4) della proposizione 87 T e E ÷ T commutano, (E ÷
T)T = T(E÷T) = 0, quindi sono coassiali. Allora se E =

3
I=1
c
I
q
I
¸q
I
con
c
1
_ c
2
_ c
3
è la rappresentazione spettrale di E, risolvere il sistema (2.290) è
equivalente a risolvere il seguente sistema di complementarità lineare,
Dati c
1
_ c
2
_ c
3
trovare t
1
, t
2
, t
3
tali che
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
¸
_
t
1
_ 0,
t
2
_ 0,
t
3
_ 0,
c
1
÷t
1
_ 0,
c
2
÷t
2
_ 0,
c
3
÷t
3
_ 0,
t
1
(c
1
÷t
1
) = 0,
t
2
(c
2
÷t
2
) = 0,
t
3
(c
3
÷t
3
) = 0.
(2.291)
De…niti i seguenti sottoinsiemi di Sym,
R
1
= ¦E ¸ Sym [ c
1
_ c
2
_ c
3
_ 0¦, (2.292)
R
2
= ¦E ¸ Sym [ 0 _ c
1
_ c
2
_ c
3
¦, (2.293)
R
3
= ¦E ¸ Sym [ c
1
_ 0 _ c
2
_ c
3
¦, (2.294)
R
4
= ¦E ¸ Sym [ c
1
_ c
2
_ 0 _ c
3
¦, (2.295)
la soluzione di (2.291) è data dal seguente schema,
E ¸ R
1
== t
1
= c
1
, t
2
= c
2
, t
3
= c
3
, (2.296)
E ¸ R
2
== t
1
= t
2
= t
3
= 0, (2.297)
E ¸ R
3
== t
1
= c
1
, t
2
= 0, t
3
= 0, (2.298)
E ¸ R
4
== t
1
= c
1
, t
2
= c
2
, t
3
= 0. (2.299)
Pertanto la soluzione della diseguaglianza variazionale (2.288) è data da
E ¸ R
1
== T = E, (2.300)
E ¸ R
2
== T = 0, (2.301)
E ¸ R
3
== T = c
1
q
1
¸q
1
, (2.302)
E ¸ R
4
== T = c
1
q
1
¸q
1
+c
2
q
2
¸q
2
. (2.303)
78
2.14 Teorema della radice quadrata, teorema di
decomposizione polare
Teorema 89 (Teorema della radice quadrata) Sia C ¸ Psym, allora esiste un
unico tensore U ¸ Psym tale che
U
2
= C. (2.304)
U è indicato con
_
C.
Dimostrazione. Sia
C =
n

I=1
c
I
g
I
¸g
I
(2.305)
la rappresentazione spettrale di C, con c
I
0. De…niamo U ¸ Psym nel modo
seguente
U =
n

I=1
_
c
I
g
I
¸g
I
, (2.306)
evidentemente vale (2.304). Per dimostrare l’unicità di U supponiamo che
esistano U
1
, U
2
¸ Psym tali che U
2
1
= U
2
2
= C. Per ogni i = 1, ..., : si ha
0 = (U
2
1
÷c
I
I)g
I
= (U
1
+
_
c
I
I)(U
1
÷
_
c
I
I)g
I
, (2.307)
detto v
I
= (U
1
÷
_
c
I
I)g
I
, da (2.307) si ha che U
1
v
I
= ÷
_
c
I
v
I
, quindi v
I
= 0
perché gli autovalori di U
1
sono positivi. Si ottiene quindi che U
1
g
I
=
_
c
I
g
I
;
analogamente si dimostra che U
2
g
I
=
_
c
I
g
I
, quindi U
1
g
I
= U
2
g
I
per ogni
i = 1, ..., : da cui la tesi.
Teorema 90 (Teorema di decomposizione polare). Sia F ¸ Lin
+
, esistono
U, V ¸ Psym e R ¸ Orth
+
tali che
F = RU = VR. (2.308)
Inoltre tale decomposizione è unica, infatti
U =
_
F
T
F, V =
_
FF
T
. (2.309)
F = RU si chiama decomposizione polare destra di F, F = VR si chiama
decomposizione polare sinistra di F.
Dimostrazione. Innanzi tutto dimostriamo che F
T
F e FF
T
appartengono a
Psym; evidentemente F
T
F,FF
T
¸ Sym, inoltre
v F
T
Fv = Fv Fv _ 0 per ogni v ¸ 1,
e Fv Fv = 0 se e solo se Fv = 0 ossia se e solo se v = 0 in quanto F è
invertibile. Analogamente si dimostra che FF
T
¸ Psym. Quindi U e V in
(2.309) sono ben de…niti. Dimostriamo quindi l’esistenza della decomposizione
79
polare. De…niamo U =
_
F
T
F ¸ Psym e poniamo R = FU
÷1
, dobbiamo
dimostrare che R ¸ Orth
+
. Dato che det F 0 e det U 0 si ha anche che
det R 0, inoltre
R
T
R = U
÷1
F
T
FU
÷1
= I, (2.310)
e
RR
T
= FU
÷1
U
÷1
F
T
= F(U
2
)
÷1
F
T
= FF
÷1
F
÷T
F
T
= I. (2.311)
Finalmente de…niamo V = RUR
T
, V ¸ Psym; allora
v Vv = v (RUR
T
)v = R
T
v UR
T
v 0 per ogni v ,= 0,
in quanto U ¸ Psym. Si ha inoltre
VR = RUR
T
R = RU = F. (2.312)
Resta ora da dimostrare l’unicità della decomposizione polare. Sia F = RU la
decomposizione polare destra di F, dato che R ¸ Orth
+
si ha
F
T
F = U
2
. (2.313)
In virtù del teorema della radice quadrata, esiste un unico U ¸ Psym che sod-
disfa (2.313), per cui U =
_
F
T
F e U è unico. Dato che R = FU
÷1
, anche
R è unico. Analogamente si dimostra l’unicità della decomposizione F = VR.e
questo conclude la dimostrazione.
Si osservi che in generale U e V non coincidono, se però F ¸ Lin
+
¨Sym,
allora dalle relazioni F
2
= U
2
= V
2
segue che U = V e quindi F = RU = UR.
Per : = 3 gli elementi U e V della decomposizione polare di F ¸ Lin
+
,
essendo legati dalla relazione V = RUR
T
, in virtù dell’esercizio 79 hanno lo
stesso spettro.
Esercizio 91 Sia : = 3. Dati e
1
, e
2
vettori unitari ortogonali, posto e
3
=
e
1
. e
2
sia W = e
2
¸ e
1
÷ e
1
¸ e
2
il tensore antisimmetrico avente e
3
come
vettore assiale. Calcolare la decomposizione polare destra del tensore F = I+W.
Soluzione. Cominciamo con osservare che
Fe
1
= e
1
+e
2
,
Fe
2
= e
2
÷e
1
,
Fe
3
= e
3
,
e che
det F = Fe
1
(Fe
2
. Fe
3
) = (e
1
+e
2
) (e
1
+e
2
) = 2,
pertanto F ¸ Lin
+
. Calcoliamo adesso la rappresentazione spettrale di F
T
F =
I ÷W
2
. Dalle relazioni
F
T
Fe
1
= 2e
1
, F
T
Fe
2
= 2e
2
, F
T
Fe
3
= e
3
,
80
si ricava che
F
T
F = e
3
¸e
3
+ 2(I ÷e
3
¸e
3
),
da cui si ottiene l’espressione di U,
U = e
3
¸e
3
+
_
2(I ÷e
3
¸e
3
),
e in…ne
R = FU
÷1
= e
3
¸e
3
+
1
_
2
(I ÷e
3
¸e
3
) +
1
_
2
W.
Esercizio 92 Siano : = 3 e ¦e
1
, e
2
, e
3
¦ una base ortonormale di 1. Dato il
tensore F = I+¸e
2
¸e
1
, ¸ ¸ R, se ne calcoli la decomposizione polare F = VR.
Soluzione. Se ¸ = 0, allora F = I e V = R = I. Sia allora ¸ ,= 0. Gli
autovalori del tensore FF
T
= I +¸(e
1
¸e
2
+e
2
¸e
1
) +¸
2
e
2
¸e
2
sono
,
1
=
2 +¸
2
÷
_

2

4
2
, (2.314)
,
2
=
2 +¸
2
+
_

2

4
2
, (2.315)
,
3
= 1, (2.316)
ed i relativi autovettori sono
q
1
=
1
:
1
e
1
+
,
1
÷1
¸:
1
e
2
, (2.317)
q
2
=
1
:
2
e
1
+
,
2
÷1
¸:
2
e
2
, (2.318)
e
q
3
= e
3
(2.319)
con
:
I
=
_
1 +
_
,
I
÷1
¸
_
2
, i = 1, 2. (2.320)
Si ha allora
V =
_
,
1
q
1
¸q
1
+
_
,
2
q
2
¸q
2
+e
3
¸e
3
=
2
_
4 +¸
2
e
1
¸e
1
+
¸
_
4 +¸
2
(e
1
¸e
2
+e
2
¸e
1
)
+
2 +¸
2
_
4 +¸
2
e
2
¸e
2
+e
3
¸e
3
, (2.321)
e
R = V
÷1
F = [(,
1
)
÷2
q
1
¸q
1
+ (,
2
)
÷2
q
2
¸q
2
+e
3
¸e
3
] [I +¸e
2
¸e
1
]
81
=
2
_
4 +¸
2
e
1
¸e
1
+
2
_
4 +¸
2
e
2
¸e
2
+
¸
_
4 +¸
2
(÷e
1
¸e
2
+e
2
¸e
1
) +e
3
¸e
3
. (2.322)
Esercizio 93 Siano : = 3 e ¦e
1
, e
2
, e
3
¦ una base ortonormale di 1. Calcolare
la decomposizione polare F = VR del tensore
F = ce
1
¸e
1
+c(I ÷e
1
¸e
1
) +c¸e
2
¸e
1
, (2.323)
con c, ¸, c ¸ R, c 0, c 0.
Esercizio 94 Sia : = 3. Data F ¸ Lin
+
, siano F = RU = VR, U, V ¸ Psym
e R ¸ Orth
+
le decomposizioni polari di F. Dimostrare che R è la rotazione
più vicina a F, nel senso che
[[F ÷R[[ < [[F ÷Q[[, per ogni Q ¸ Orth
+
, Q ,= R. (2.324)
Soluzione. Per ogni Q ¸Orth
+
, Q ,= R, si ha
[[F ÷Q[[
2
= tr(F
T
F ÷Q
T
F ÷F
T
Q+I) = [[F[[
2
+ 3 ÷2Q F, (2.325)
[[F ÷R[[
2
= [[F[[
2
+ 3 ÷2U I, (2.326)
da cui si ottiene
[[F ÷Q[[
2
÷[[F ÷R[[
2
= 2(U I ÷Q F). (2.327)
Dato che
Q F = tr(F
T
Q) = tr(UR
T
Q) = Q
0
U, (2.328)
con Q
0
= R
T
Q ¸Orth
+
, Q
0
,= I, si ha
[[F ÷Q[[
2
÷[[F ÷R[[
2
= 2U (I ÷Q
0
), (2.329)
inoltre
tr[(Q
0
÷I)
T
U(Q
0
÷I)] = U [(Q
0
÷I)(Q
0
÷I)
T
] =
U (2I ÷Q
0
÷Q
T
0
) = 2U (I ÷Q
0
). (2.330)
Dato che (Q
0
÷I)
T
U(Q
0
÷I) ¸ Psym, da (2.330) segue che 2U (I ÷Q
0
) 0,
da cui la tesi.
2.15 Teorema di Cayley-Hamilton
Teorema 95 (Teorema di Cayley-Hamilton). Sia : = 3. Dato A ¸ Lin si ha
A
3
÷1
1
(A)A
2
+1
2
(A)A÷1
3
(A)I = 0. (2.331)
82
Dimostrazione. Dimostreremo questo teorema nel caso in cui A abbia tre
autovettori v
1
, v
2
, v
3
linearmente indipendenti
Av
I
= a
I
v
I
, i = 1, 2, 3. (2.332)
Poiché da (2.332) discende che
A
¸
v
I
= a
¸
I
v
I
, i = 1, 2, 3, , = 1, 2, 3, (2.333)
in vista di (2.240) si ha
[A
3
÷1
1
(A)A
2
+1
2
(A)A÷1
3
(A)I]v
I
=
a
3
I
v
I
÷1
1
(A)a
2
I
v
I
+1
2
(A)a
I
v
I
÷1
3
(A)v
I
=
[a
3
I
÷1
1
(A)a
2
I
+1
2
(A)a
I
÷1
3
(A)]v
I
= 0, i = 1, 2, 3. (2.334)
Dato che v
1
, v
2
, v
3
sono linearmente indipendenti, da (2.334) discende (2.331).
Tutti i tensori soddisfano l’equazione di terzo grado (2.331), ma non è detto
che questa sia l’unica equazione che un tensore può soddisfare. Può accadere
infatti che un tensore soddis… un’equazione di grado più basso, ad esempio se
P è una proiezione ortogonale, allora P
2
÷P = 0.
Esercizio 96 Sia : = 3. Dato A ¸ Lin, dimostrare che
det A =
1
6
[(trA)
3
÷3(trA)tr(A
2
) + 2tr(A
3
)]. (2.335)
Soluzione. Si tenga conto del fatto che dal teorema di Cayley-Hamilton
discende che
tr(A
3
) = 1
1
(A)tr(A
2
) ÷1
2
(A)1
1
(A) + 31
3
(A).
Esercizio 97 Sia : = 3. Mostrare che se A ¸ Lin è invertibile, allora
A
÷1
=
1
1
3
(A)
[A
2
÷1
1
(A)A+1
2
(A)I], (2.336)
e dedurre che per ogni intero r, A
:
è esprimibile come combinazione di I, A, A
2
con coe¢cienti che dipendono dagli invarianti principali di A.
Soluzione. Per il teorema di Cayley-Hamilton si ha
A
3
÷1
1
(A)A
2
+1
2
(A)A = 1
3
(A)AA
÷1
,
premoltiplicando per A
÷1
si ha la tesi.
Esercizio 98 Sia : = 3. Mostrare che se A ¸ Lin è invertibile, allora
1
2
(A) = det A 1
1
(A
÷1
). (2.337)
83
Soluzione. Calcolando la traccia di entrambi i membri di (2.336) si ha la
tesi.
Esercizio 99 Sia : = 3. Sia A ¸ Lin, invertibile. Dall’equazione det(A ÷
`I) = 0 dedurre l’equazione det(A
÷1
÷`
÷1
I) = 0 e quindi
`
÷3
÷1
1
(A
÷1
)`
÷2
+1
2
(A
÷1
)`
÷1
÷1
3
(A
÷1
) = 0. (2.338)
Mostrare inoltre che
(a) 1
1
(A
÷1
) =
12(A)
13(A)
,
(b) 1
2
(A
÷1
) =
11(A)
13(A)
,
(c) 1
3
(A
÷1
) =
1
13(A)
.
Soluzione. Si ha
det(A÷`I) = det[A(I ÷`A
÷1
)] = det A det[÷`(A
÷1
÷`
÷1
I)] =
÷`
3
det A det(A
÷1
÷`
÷1
I), (2.339)
poiché A è invertibile, det(A÷`I) = 0 implica det(A
÷1
÷`
÷1
I) = 0. Il punto
(a) è stato dimostrato nell’esercizio precedente. Per quanto riguarda il punto
(b), moltiplicando per A
÷1
entrambi i membri della relazione (2.336) si ottiene
A
÷2
=
1
1
3
(A)
[A÷1
1
(A)I +1
2
(A)A
÷1
],
l’espressione di 1
2
(A
÷1
) si ottiene calcolando [(trA
÷1
)
2
÷tr(A
÷2
)],2 e tenendo
conto di (a). Finalmente da (a), scambiando A con A
÷1
e tenendo conto della
(b), si ottiene
1
3
(A
÷1
) =
1
2
(A
÷1
)
1
1
(A)
=
1
1
3
(A)
.
Esercizio 100 Sia : = 3. Dato F ¸ Lin
+
sia F = RU la decomposizione
polare destra di F. Posto C = F
T
F, usare il teorema di Cayley-Hamilton
applicato ad U e la relazione U
2
= C per trovare una espressione di U in
termini di C e degli invarianti principali di C.
Soluzione. Per il teorema di Cayley-Hamilton applicato ad Ue per l’esercizio
98 si ha
U
3
÷(trU)U
2
+ (det U)(trU
÷1
)U÷(det U)I = 0,
e
U
4
÷(trU)[(trU)U
2
÷(det U)(trU
÷1
)U+ (det U)I]+
(det U)(trU
÷1
)U
2
÷(det U)U = 0,
da cui
U =
C
2
+C[(det U)(trU
÷1
) ÷(trU)
2
] ÷(det U)(trU)I
(det U)[1 ÷(trU)(trU
÷1
)]
.
84
2.16 Problema agli autovalori generalizzato
Dati i tensori A ¸ Sym, B ¸ Psym, si dice che un numero (reale) a è un
autovalore generalizzato di (A, B) se esiste u ¸ 1 u ,= 0, tale che
Au = aBu; (2.340)
u è detto autovettore generalizzato e il problema (2.340) è detto problema agli
autovalori generalizzato.
I vettori u
1
, u
2
, u
3
sono B-ortonormali se
u
I
Bu
¸
= c

=
_
1 i = ,,
0 i ,= ,.
(2.341)
Proposizione 101 Siano A ¸ Sym, B ¸ Psym. Esiste una base di 1 cos-
tituita da autovettori generalizzati B-ortonormali u
1
, ..., u
n
corrispondenti agli
autovalori generalizzati a
1
, ..., a
n
di (A, B),
Au
I
= a
I
Bu
I
, i = 1, ..., :. (2.342)
Dimostrazione. In vista del teorema della radice quadrata esiste U ¸Psym
tale che U
2
= B. Il problema (2.340) può essere così riscritto
´
Av = av, (2.343)
dove si è posto
´
A = U
÷1
AU
÷1
, v = Uu. (2.344)
Dal teorema spettrale discende che esistono una base ortonormale di 1 costitu-
tita da autovettori v
1
, ..., v
n
di (2.343) e : numeri reali a
1
, ..., a
n
tali che
´
Av
I
= a
I
v
I
, i = 1, ..., :. (2.345)
È facile veri…care che i vettori u
I
= U
÷1
v
I
, i = 1, ..., : sono gli autovettori
del problema generalizzato (2.340) relativi agli autovalori a
1
, ..., a
n
e soddisfano
(2.343). Inoltre le relazioni
c

= v
I
v
¸
= Uu
I
Uu
¸
= u
I
U
2
u
¸
= u
I
Bu
¸
, (2.346)
consentono di concludere che i vettori u
1
, ..., u
n
sono B÷ortonormali.
Per : = 3, a è un autovalore generalizzato se e solo se A÷aBè non invertibile
e quindi a è una radice reale del polinomio caratteristico,
j(a) = det(A÷aB). (2.347)
Per ogni vettore u ¸ 1 u ,= 0, il rapporto
¡(u) =
u Au
u Bu
, (2.348)
è il quoziente di Rayleigh relativo al problema generalizzato (2.340).
85
Proposizione 102 Siano
a
1
_ a
2
_ ... _ a
n
(2.349)
gli autovalori generalizzati del problema (2.340). Il quoziente di Rayleigh (2.348)
soddisfa le diseguaguaglianze
a
1
_ ¡(u) _ a
n
, per ogni u ¸ 1 u ,= 0. (2.350)
Dimostrazione. Siano u
1
, ..., u
n
gli autovettori B÷ortonormali di (2.340). Per
ogni u ¸ 1 u ,= 0 si ha
u = c
1
u
1
+... +c
n
u
n
, (2.351)
e
¡(u) =
(c
1
u
1
+... +c
n
u
n
) (c
1
a
1
Bu
1
+... +c
n
a
n
Bu
n
)
(c
1
u
1
+... +c
n
u
n
) (c
1
Bu
1
+... +c
n
Bu
n
)
=
c
2
1
a
1
+... +c
2
n
a
n
c
2
1
+... +c
2
n
. (2.352)
Da (2.352), tenendo conto di (2.349), si ricava
a
1
=
(c
2
1
+... +c
2
.
)a
1
c
2
1
+... +c
2
.
_ ¡(u) _
(c
2
1
+... +c
2
.
)a
n
c
2
1
+... +c
2
.
= a
n
. (2.353)
2.17 Tensori del terzo e del quarto ordine
Un tensore del terzo ordine F può essere considerato una applicazione lineare da
Lin in 1 o una applicazione lineare da 1 in Lin. In particolare, dati u, v, w ¸ 1,
u ¸v ¸w indica il tensore del terzo ordine de…nito da
u ¸v ¸w[H] = (v ¸w H)u, H ¸ Lin, (2.354)
u ¸v ¸w[h] = (w h)u ¸v, h ¸ 1. (2.355)
Sia : = 3. L’applicazione E da 1 in Skw che ad ogni vettore w associa il
tensore antisimmetrico W che ha w come tensore assiale
E(w) = W con Wv = w. v, per ogni v ¸ 1, (2.356)
è un tensore del terzo ordine.
Poniamo
-
I¸|
=
_
_
_
1 se i,/ è una permutazione pari di 1, 2, 3,
÷1 se i,/ è una permutazione dispari di 1, 2, 3,
0 altrimenti
, i, ,, / = 1, 2, 3.
(2.357)
86
Fissata una base ortonormale ¦e
1
, e
2
, e
3
¦ di 1 e indicate con n
1
, n
2
, n
3
le
componenti di w, in vista di (2.164) le componenti di W sono
\

= ÷
3

|=1
-
I¸|
n
|
, (2.358)
pertanto
W =
3

I,¸=1
\

e
I
¸e
¸
= ÷
3

I,¸,|=1
-
I¸|
(w e
|
)e
I
¸e
¸
= ÷
3

I,¸,|=1
-
I¸|
(e
I
¸e
¸
¸e
|
)w (2.359)
e …nalmente
E = ÷
3

I,¸,|=1
-
I¸|
(e
I
¸e
¸
¸e
|
). (2.360)
Analogamente, l’applicazione F da Skw in 1 che ad ogni tensore antisimmetrico
W associa il relativo vettore assiale w,
F(W) = w con Wv = w. v, per ogni v ¸ 1, (2.361)
è un tensore del terzo ordine. Date le componenti di W, le componenti di w
sono
n
I
= ÷
1
2
3

¸,|=1
-
I¸|
\
¸|
, (2.362)
pertanto
w =
3

I=1
n
I
e
I
= ÷
1
2
3

I,¸,|=1
-
I¸|
\
¸|
e
I
= ÷
1
2
3

I,¸,|=1
-
I¸|
(e
¸
We
|
)e
I
= ÷
1
2
3

I,¸,|=1
-
I¸|
[(e
¸
¸e
|
) W]e
I
= ÷
1
2
3

I,¸,|=1
-
I¸|
(e
I
¸e
¸
¸e
|
)W, (2.363)
ed in…ne
F = ÷
1
2
3

I,¸,|=1
-
I¸|
(e
I
¸e
¸
¸e
|
). (2.364)
Anche l’applicazione E
2
da Lin in 1 che ad ogni tensore A associa il vettore
assiale della parte antisimmetrica (A÷A
T
),2 di Aè un tensore del terzo ordine.
Un tensore del quarto ordine A è una applicazione lineare da Lin in Lin.
Denotiamo con I l’identità del quarto ordine de…nita da I[H] = H per ogni H ¸
87
Lin. Il prodotto tensore A¸ B di due tensori del secondo ordine A e B è un
tensore del quarto ordine de…nito da
A¸B[H] = (B H)A, H ¸ Lin. (2.365)
A partire dai tensori A e B si può de…nire il tensore del quarto ordine AB,
AB[H] = AHB
T
, H ¸ Lin.
Denotiamo con Lin lo spazio vettoriale costituito da tutti i tensori dei quarto
ordine. Si consideri la base ortonormale ¦e
1
, ..., e
n
¦ di 1, le componenti del
tensore del quarto ordine A sono
A
I¸|l
= (e
I
¸e
¸
)A[e
|
¸e
l
], i, ,, /, | = 1, ..., :. (2.366)
Posto K = A[H], da (2.47) si ricava che
1

=
n

|,l=
A
I¸|l
H
|l
.
Dalla lineare indipendenza dei vettori ¦e
1
, ..., e
n
¦ di 1 discende la lineare in-
dipendenza degli elementi (e
I
¸e
¸
) ¸(e
|
¸e
l
), i, ,, /, | = 1, ..., : di Lin, inoltre
per ogni A ¸ Lin vale la seguente rappresentazione,
A =
n

I,¸,|,|=1
A
I¸|l
(e
I
¸e
¸
) ¸(e
|
¸e
l
). (2.367)
Quindi i tensori del quarto ordine ¦(e
I
¸ e
¸
) ¸ (e
|
¸ e
l

I,¸,|,l=1,...,n
sono una
base dello spazio vettoriale Lin, di dimensione :
4
.
Il trasposto di A è il tensore del quarto ordine A
T
che soddisfa
A
T
[H]K = A[K]H, per ogni H, K ¸ Lin. (2.368)
Esercizio 103 Calcolare il trasposto dei tensori del quarto ordine A ¸ B e
AB.
Soluzione. Dati H, ¸ K ¸Lin, si ha
H A¸B[K] = H (B K)A =(B K)(A H) =
K B¸A[H],
quindi (A¸B)
T
= B¸A. Si ha inoltre
H AB[K] = H AKB
T
= tr(BK
T
A
T
H) =
tr(K
T
A
T
HB) = K A
T
B
T
[H],
quindi (AB)
T
= A
T
B
T
.
88
Si dice che A ha la simmetria maggiore (o è simmetrico) se A
T
= A. In
indici ciò signi…ca che A
I¸|l
= A
|lI¸
.
La simmetria nella prima coppia di indici (A
I¸|l
= A
¸I|l
) signi…ca che A è a
valori in Sym
A[H]
T
= A[H], H ¸ Lin, (2.369)
mentre la simmetria nella seconda coppia di indici (A
I¸|l
= A
I¸l|
) signi…ca che
A[H
T
] = A[H], H ¸ Lin, (2.370)
o equivalentemente che A si annulla su Skw,
A[W] = 0, W ¸ Skw.
Si dice che A ha la simmetria minore se ha le simmetrie nella prima e nella
seconda coppia di indici.
Esercizio 104 Dimostrare che le componenti del tensore identità I, de…nito da
I[A] = A, per ogni A ¸Lin, sono
I
I¸||
=
_
1 se i = / e , = /,
0 altrimenti,
(2.371)
e che I I = I, dove I è l’identità di Lin.
L’applicazione T : Lin÷ Lin tale che T[A] = A
T
, per ogni A ¸Lin è un
tensore del quarto ordine ed i tensori del quarto ordine S e W de…niti da
S[A] =
A+A
T
2
, W[A] =
A÷A
T
2
, per ogni A ¸ Lin, (2.372)
sono detti rispettivamente simmetrizzatore e antisimmetrizzatore.
Esercizio 105 Calcolare le componenti dei tensori del quarto ordine A ¸ B,
AB, T, S e W.
Esercizio 106 Dimostrare che A B è simmetrico se e solo se A e B sono
simmetrici e che A¸B è simmetrico se e solo se A = cB, c ¸ R.
Esercizio 107 Dati A, B, C, D ¸Lin e A ¸ Lin, provare le seguenti regole di
composizione
(AB)(CD) = ACBD, (2.373)
(A¸B)A =A¸A
T
[B], (2.374)
A(A¸B)= A[A] ¸B. (2.375)
89
Dato Q ¸Orth, si consideri il tensore del quarto ordine Q =QQ, si ha
Q[A] Q[B] = QAQ
T
QBQ
T
= tr(QA
T
Q
T
QBQ
T
) = tr(A
T
B) = A B, per ogni A, B ¸ Lin, (2.376)
quindi Q ¸ Lin è una isometria (cfr. (1.64)).
Indichiamo con Sym lo spazio vettoriale dei tensori del quarto ordine de…niti
su Sym con valori in Sym e denotiamo con I
S¸n
la restrizione di I a Sym. Da
ora in avanti ci limiteremo a considerare tensori A ¸ Sym
Un tensore simmetrico A ¸ Sym si dice dice de…nito positivo se
A A[A] 0, per ogni A ¸ Sym, A ,= 0. (2.377)
A si dice invertibile se è iniettivo e surgettivo. Il tensore A
÷1
tale che
A
÷1
A = AA
÷1
= I
S¸n
è l’inverso di A.
Sia C ¸ Sym un tensore del quarto ordine simmetrico. Il problema spettrale
relativo a C consiste nel determinare le coppie (¸, C) con ¸ ¸ R, C ¸Sym,
[[C[[ = 1 e C[C] = ¸C; ¸ è un autovalore di C e C il relativo autotensore. Come
nel caso dei tensori del secondo ordine simmetrici, per i tensori del quarto ordine
simmetrici vale il seguente teorema spettrale [9].
Teorema 108 Sia C :Sym÷Sym un tensore del quarto ordine simmetrico.
Esistono ¸
I
¸ R e C
I
¸Sym i = 1, ...,
n(n+1)
2
tali che C
I
C
¸
= c

,
C =
n(n+1)
2

I=1
¸
I
C
I
¸C
I
, (2.378)
e
n(n+1)
2

I=1
C
I
¸C
I
= I
S¸n
. (2.379)
Esercizio 109 Sia : = 3. Sia ¦e
1
, e
2
, e
3
¦ una base ortonormale di 1, conside-
riamo i tensori simmetrici
O
1
= e
1
¸e
1
, O
2
= e
2
¸e
2
, O
3
= e
3
¸e
3
, (2.380)
O
4
=
1
_
2
(e
1
¸e
2
+e
2
¸e
1
), O
5
=
1
_
2
(e
1
¸e
3
+e
3
¸e
1
), (2.381)
O
6
=
1
_
2
(e
2
¸e
3
+e
3
¸e
1
). (2.382)
Calcolare autovalori e autotensori del tensore A ¸ Sym
A = O
1
¸O
1
+O
2
¸O
2
+O
1
¸O
2
+O
2
¸O
1
. (2.383)
90
Soluzione. Si ha
A[O
1
] = O
1
+O
2
, A[O
2
] = O
1
+O
2
, A[O
I
] = 0, i = 3, ..., 6, (2.384)
quindi gli autovalori di A sono ¸
1
= 2 con autensore
1
_
2
(O
1
+O
2
) e ¸
2
= 0 con
autensori
1
_
2
(O
1
÷O
2
), O
3
, O
4
, O
5
e O
6
e la rappresentazione spettrale di A è
A = (O
1
+O
2
) ¸(O
1
+O
2
). (2.385)
Esercizio 110 Sia : = 3. Data Calcolare autovalori e autotensori del tensore
del quarto ordine
C = 2jI
S¸n
+`I ¸I, `, j ¸ R. (2.386)
Soluzione. Si ha C[I] = (2j + 3`)I e C[A] = 2jA per ogni ¹ ¸Dev, quindi
gli autovalori di C sono ¸
1
= 2j + 3` con autotensore C
1
=
1
_
3
I e ¸
2
= 2j
con autotensori C
2
=
1
_
2
(e
1
¸ e
2
+ e
2
¸ e
1
), C
3
=
1
_
2
(e
1
¸ e
3
+ e
3
¸ e
1
),
C
4
=
1
_
2
(e
2
¸e
3
+e
3
¸e
2
), C
5
=
1
_
2
(e
1
¸e
1
÷e
2
¸e
2
), C
6
=
1
_
6
(e
1
¸e
1
+
e
2
¸e
2
÷2e
3
¸e
3
).
Esercizio 111 Provare che un tensore del quarto ordine simmetrico C è de…ni-
to positivo se e solo se i suoi autovalori sono positivi.
Esercizio 112 Provare che il tensore C de…nito in (2.386) è de…nito positivo
se e solo se
j 0, 2j + 3` 0. (2.387)
Esercizio 113 Sia : = 3. Indicata con ¦e
1
, e
2
, e
3
¦ una base ortonormale di 1,
calcolare autovalori e autotensori del tensore del quarto ordine
A = cO
1
¸O
1
+,O
2
¸O
2
+¸(O
1
¸O
2
+O
2
¸O
1
), (2.388)
con O
1
= e
1
¸e
1
, O
2
= e
2
¸e
2
, c, ,, ¸ ¸ R.
Esercizio 114 Calcolare l’inverso del tensore C de…nito in (2.386) con j e `
che soddisfano (2.387).
2.18 Funzioni isotrope
In questa sezione ci limiteremo a considerare il caso : = 3. Sia I ¸Orth, un
insieme / ¸Lin è invariante rispetto a I se QAQ
T
¸ / per ogni A ¸ /, Q ¸ I.
QAQ
T
è detto coniugato ortogonale di A rispetto a Q.
Gli insiemi Lin, Lin
+
, Orth, Orth
+
, Sym, Skw, Sym
÷
, Sym
+
, Psym e Nsym
sono invarianti rispetto a Orth. Infatti, limitandoci al caso di Lin
+
si ha
det(QAQ
T
) = det A(det Q)
2
= det A.
91
Sia / ¸Lin, un funzionale , : / ÷ R è invariante rispetto a I se / è
invariante rispetto a I e se
,(A) = ,(QAQ
T
), per ogni A ¸ /, Q ¸ I. (2.389)
Un’applicazione G : / ÷Lin è invariante rispetto a I se / è invariante rispetto
a I e se
QG(A)Q
T
= G(QAQ
T
), per ogni A ¸ /, Q ¸ I. (2.390)
Un funzionale (un’applicazione) si dice isotropo se è invariante rispetto a
Orth.
Proposizione 115 Sia c una funzione su Lin a valori scalari o tensoriali,
allora c è isotropa se e solo se c è invariante rispetto a Orth
+
.
Teorema 116 I funzionali 1
1
, 1
2
e 1
3
de…niti su Lin sono isotropi. In partico-
lare
j(A) = j(QAQ
T
), per ogni Q ¸ Orth. (2.391)
Indichiamo con P(/) = ¦j(A) [ A ¸ /¦ l’insieme di tutte le possibili liste
j(A) di invarianti principali, con A ¸ /.
Dimostreremo alcuni importanti teoremi di rappresentazione per funzioni su
/ ¸Sym. Supporremo da ora in avanti che / sia invariante rispetto a Orth.
Teorema 117 (Teorema di rappresentazione per funzionali isotropi). Un fun-
zionale , : / ÷ R è isotropo se e solo se esiste una funzione ¯ , : P(/) ÷ R
tale che
,(A) = ¯ ,(j(A)), per ogni A ¸ /. (2.392)
Dimostrazione. Supponiamo che , sia isotropo, per dimostrare (2.392) è
su¢ciente mostrare che
,(A) = ,(B) (2.393)
ogniqualvolta
j(A) = j(B). (2.394)
Siano A, B ¸ / che soddisfano (2.394), allora A e B hanno lo stesso spettro e
per il teorema spettrale esistono due basi ortonormali ¦e
1
, e
2
, e
3
¦ e ¦f
1
, f
2
, f
3
¦
tali che
A =
3

I=1
.
I
e
I
¸e
I
, B =
3

I=1
.
I
f
I
¸f
I
. (2.395)
Sia Q il tensore ortogonale tale che
Qf
I
= e
I
; (2.396)
dato che Q(f
I
¸f
I
)Q
T
= (Qf
I
) ¸(Qf
I
), si ha che QBQ
T
= A. Ma poiché , è
isotropa si ha , ,(A) = ,(QBQ
T
) = ,(B). L’implicazione inversa è una banale
conseguenza del fatto che j(A) = j(QAQ
T
) per ogni Q ¸Orth.
92
Teorema 118 Sia G : / ÷Lin un’applicazione isotropa. Allora ogni autovet-
tore di A ¸ / è un autovettore di G(A).
Dimostrazione. Sia e un autovettore di A ¸ / e sia Q ¸Orth la ri‡essione
rispetto al piano ortogonale a e,
Qe = ÷e, Qf = f , per ogni f ¸ Span(e)
J
, (2.397)
È facile provare che QAQ
T
= A. Ora poiché G è isotropa
QG(A)Q
T
= G(QAQ
T
) = G(A), (2.398)
quindi Q commuta con G(A). Inoltre
QG(A)e = G(A)Qe = ÷G(A)e (2.399)
che unita a (2.397) implica che G(A)e ¸Span(e),
G(A)e = .e, (2.400)
quindi e è un autovettore di G(A).
Proposizione 119 (Lemma di Wang). Sia A ¸Sym.
(a) Se gli autovalori di A sono distinti,
A =
3

I=1
.
I
e
I
¸e
I
, (2.401)
allora I, A e A
2
sono linearmente indipendenti e
Span(I, A, A
2
) = Span(e
1
¸e
1
, e
2
¸e
2
, e
3
¸e
3
). (2.402)
(b) Se A ha due autovalori distinti,
A = .
1
e ¸e+.
2
(I ÷e ¸e), [[e[[ = 1, (2.403)
allora I e A sono linearmente indipendenti e
Span(I, A) = Span(e ¸e, I ÷e ¸e). (2.404)
Dimostrazione. Per quanto riguarda il punto (a), per provare che I, A e A
2
sono linearmente indipendenti dobbiamo dimostrare che se
cA
2
+,A+¸I = 0, (2.405)
allora
c = , = ¸ = 0. (2.406)
93
Da (2.401)si ricava
_
_
_
c.
2
1
+,.
1
+¸ = 0,
c.
2
2
+,.
2
+¸ = 0,
c.
2
3
+,.
3
+¸ = 0.
(2.407)
La matrice del sistema (2.407) è la matrice di Vandermonde, il cui determinante
è dato da

1¸I<¸¸3
(.
I
÷.
¸
). Poiché gli .
I
sono distinti la soluzione del sistema
(2.407) è data da (2.406). Il sottospazio H =Span(e
1
¸e
1
, e
2
¸e
2
, e
3
¸e
3
) ha
dimensione 3, ed essendo A
2
=

3
I=1
.
2
I
e
I
¸e
I
, si ha che I, A, A
2
appartengono
ad H, quindi H =Span(I, A, A
2
). Il punto (b) si dimostra analogamente.
Teorema 120 (Primo teorema di rappresentazione di applicazioni isotrope)
Un’applicazione G : / ÷Sym (/ ¸Sym) è isotropa se e solo se esistono dei
funzionali ,
0
, ,
1
, ,
2
: P(/) ÷R tali che
G(A) = ,
0
(j(A))I +,
1
(j(A))A+,
2
(j(A))A
2
per ogni A ¸ /. (2.408)
Dimostrazione. Supponiamo che G ammetta la rappresentazione (2.408).
Siano A ¸ / e Q ¸Orth, in vista di (2.391) si ha
G(QAQ
T
) = ,
0
(j(QAQ
T
))I +,
1
(j(QAQ
T
))QAQ
T
+
,
2
(j(QAQ
T
))QAQ
T
QAQ
T
=
,
0
(j(A))QQ
T
+,
1
(j(A))QAQ
T
+
,
2
(j(A))QA
2
Q
T
= QG(A)Q
T
, (2.409)
quindi G è isotropa. Viceversa supponiamo che G sia isotropa e prendiamo
A ¸ /. Si distinguono i seguenti tre casi.
Caso 1. A ha tre autovalori distinti. Sia (2.401) la rappresentazione spettrale
di A, per il teorema 118
G(A) =
3

I=1
,
I
e
I
¸e
I
, (2.410)
da (2.402) si conclude che esistono tre funzioni scalari c
0
(A), c
1
(A), c
2
(A)
tali che
G(A) = c
0
(A)I +c
1
(A)A+c
2
(A)A
2
. (2.411)
Caso 2. A ha due autovalori distinti. Allora A ha la rappresentazione (2.403)
e gli spazi caratteristici di A sono Span(e) e Span(e)
J
. Per il teorema 118
ognuno di questi sottospazi deve essere contenuto in uno spazio caratter-
istico di G(A). Infatti sia ¦e, f , g¦ una base ortonormale di 1 e sia Q un
tensore ortogonale tale che
Qe = e, Qf = g, Qg = ÷f . (2.412)
94
Q mantiene gli spazi caratteristici di A, quindi QAQ
T
= A, pertanto
QG(A)Q
T
= G(QAQ
T
) = G(A), cioè QG(A) = G(A)Q. Dato che
QG(A)e = G(A)e, si ha che G(A)e = ,
1
e. Inoltre
QG(A)f = G(A)Qf = G(A)g, (2.413)
QG(A)g = G(A)Qg = ÷G(A)f ; (2.414)
quindi indicati con ,
2
e ,
3
gli autovalori di G(A) relativi agli autovettori
f e g, da (2.413) e (2.414) si ottiene la relazione
Q,
2
f = ,
3
g (2.415)
da cui, tenendo conto di (2.412), discende
,
2
= ,
3
. (2.416)
Quindi ci sono due possibilità: (i) gli spazi caratteristici di G(A) sono
Span(e) e Span(e)
J
oppure (ii) 1 è il solo spazio caratteristico di G(A).
In virtù del teorema spettrale si ha
G(A) = ,
1
e ¸e +,
2
(I ÷e ¸e), (2.417)
sia nel caso (i) in cui ,
1
,= ,
2
, sia nel caso (ii) in cui ,
1
= ,
2
. Tenendo
conto del lemma di Wang (vedi (2.404)), (2.417) può essere scritta nella
forma (2.411) con
c
2
(A) = 0. (2.418)
Caso 3. A ha un solo autovalore distinto, A = .I. In particolare QAQ
T
= A
per ogni Q ¸Orth, quindi dall’isotropia di G(A) discende che QG(A)Q
T
=
G(A) per ogni Q ¸Orth, quindi per la proposizione 84 G(A) = ,I e G(A)
ammette la rappresentazione (2.411) con c
0
(A) = , e c
1
(A) = c
2
(A) =
0.
Con ciò abbiamo dimostrato che se G è isotropa allora ammette la rapp-
resentazione (2.411). In virtù del teorema di rappresentazione dei funzionali
isotropi, per completare la dimostrazione dobbiamo provare che c
0
, c
1
, c
2
sono
funzionali isotropi
c
|
(QAQ
T
) = c
|
(A), / = 1, 2, 3 (2.419)
per ogni A ¸ /, Q ¸Orth. Siano allora A ¸ /, Q ¸Orth, dalla isotropia di G
discende che
G(A) ÷Q
T
G(QAQ
T
)Q = 0,
da cui tenendo conto di (2.411) e dell’uguaglianza
Q
T
(QAQ
T
)
2
Q = A
2
, (2.420)
si ricava
[c
0
(A) ÷c
0
(QAQ
T
)]I + [c
1
(A) ÷c
1
(QAQ
T
)]A+
95
[c
2
(A) ÷c
2
(QAQ
T
)]A
2
= 0. (2.421)
A questo punto si deve tenere conto di nuovo dei tre casi analizzati precedente-
mente.
Caso 1. Per il lemma di Wang I, A e A
2
sono linearmente indipendenti e
(2.421) implica (2.419).
Caso 2. In vista di (2.391) e della proposizione 78 A e QAQ
T
hanno lo stesso
spettro, allora QAQ
T
come A ha due autovalori distinti e da (2.418) si
ricava c
2
(A) = c
2
(QAQ
T
) = 0. Inoltre per il lemma di Wang I e A sono
linearmente indipendenti e di nuovo da (2.421) si ottiene (2.419).
Caso 3. In questo caso A = .I e QAQ
T
= A, quindi (2.419) è banalmente
veri…cata.
Quando A è invertibile, dal teorema di Cayley-Hamilton segue che
A
2
= 1
1
(A)A÷1
2
(A)I +1
3
(A)A
÷1
, (2.422)
quindi il teorema 120 ha il seguente corollario.
Teorema 121 (Secondo teorema di rappresentazione di applicazioni isotrope)
Sia / l’insieme di tutti i tensori simmetrici e invertibili. Un’applicazione G :
/ ÷Sym è isotropa se e solo se esistono dei funzionali c
0
, c
1
, c
2
: P(/) ÷ R
tali che
G(A) = c
0
(j(A))I +c
1
(j(A))A+c
2
(j(A))A
÷1
per ogni A ¸ /. (2.423)
Per le applicazioni lineari (tensori del quarto ordine) vale il seguente risul-
tato.
Teorema 122 (Teorema di rappresentazione per i tensori del quarto ordine)
Un tensore del quarto ordine A :Sym÷Sym è isotropo se e solo se esistono due
scalari j e ` tali che
A[A] = 2jA+` tr(A)I, per ogni A ¸ Sym. (2.424)
Dimostrazione. Evidentemente (2.424) de…nisce una funzione isotropa. Sia
A l’insieme di tutti i vettori unitari. Per ogni e ¸ A, il tensore e¸e ha spettro
¦0, 0, 1¦ e spazi caratteristici Span(e)
J
e Span(e). Allora gli stessi argomenti
usati per dimostrare (2.417) conducono all’esistenza di due funzionali j, ` :
A ÷R tali che
A[e ¸e] = 2j(e)e ¸e +`(e)I, per ogni e ¸ A. (2.425)
Siano adesso e, f ¸ A e sia Q un tensore ortogonale tale che Qe = f . Poiché
Qe ¸eQ
T
= f ¸f , (2.426)
96
e A è isotropo, si ha
0 = QA[e ¸e]Q
T
÷A[f ¸f ] =
2[j(e) ÷j(f )]f ¸f + [`(e) ÷`(f )]I. (2.427)
Essendo f ¸f e I linearmente indipendenti, da (2.427) si ricava
j(e) = j(f ), `(e) = `(f ), (2.428)
quindi j e ` sono delle quantità scalari costanti e da (2.425) si conclude che
A[e ¸e] = 2je ¸e +`I, per ogni e ¸ A. (2.429)
Sia ora A ¸Sym, per il teorema spettrale A ha la rappresentazione (2.401), e
in virtù di (2.429) e della linearità di A si ha
A[A] = 2jA+`(.
1
+.
2
+.
3
)I. (2.430)
Corollario 123 Sia A :Sym
0
÷Sym un tensore del quarto ordine, con Sym
0
=
¦A ¸Sym [ trA = 0¦. A è isotropo se e solo se esiste uno scalare j tale che
A[A] = 2jA, per ogni A ¸ Sym
0
. (2.431)
Dimostrazione. Chiaramente (2.431) de…nisce una funzione isotropa. Vicev-
ersa supponiamo che A sia isotropa. Per ogni A ¸Sym, A÷
1
3
tr(A)I ¸Sym
0
,
allora si può estendere A da Sym
0
a Sym, de…nendo
¯
A[A] = A[A÷
1
3
tr(A)I], per ogni A ¸ Sym. (2.432)
Dalla isotropia di A e del funzionale tr discende l’isotropia di
¯
A, quindi da
(2.424) considerando che A e
¯
A coincidono su Sym
0
si conclude che
A[A] =
¯
A[A] = 2jA+` tr(A)I = 2jA per ogni A ¸ Sym
0
. (2.433)
In particolare, se A è isotropo, allora A e A[A] commutano, AA[A] =
A[A]A.
Esercizio 124 Dimostrare che l’applicazione 1 :Psym÷Psym che ad ogni ten-
sore C associa
_
C è isotropa.
Soluzione. Per ogni C ¸Psym, Q ¸Orth, si ha
(Q
_
CQ
T
)
2
= Q
_
CQ
T
Q
_
CQ
T
= QCQ
T
. (2.434)
97
Esercizio 125 Sia G :Sym÷Sym un’applicazione invertibile e isotropa, dimostrare
che G
÷1
è isotropa.
Soluzione. Per ogni A ¸Sym, Q ¸Orth, si ha
G(QG
÷1
(A)Q
T
) = QAQ
T
, (2.435)
applicando G
÷1
si ottiene
QG
÷1
(A)Q
T
= G
÷1
(QAQ
T
). (2.436)
Esercizio 126 L’applicazione G :Lin÷Lin de…nita da G(A) = A
|
, / ¸ N è
isotropa.
Esercizio 127 L’applicazione G :Lin
+
÷Lin
+
de…nita da G(A) = A
÷1
, è
isotropa.
Dagli esercizi 124 e 127 segue che l’applicazione o :Psym÷Psym de…nita
da o(C) = (1(C))
÷1
= (
_
C)
÷1
è isotropa. Inoltre l’applicazione che ad ogni
F ¸Lin
+
associa il tensore FF
T
¸Psym è isotropa; tenendo conto del fatto che
la composizione di due applicazioni isotrope è isotropa, le applicazioni de…nite
da Lin
+
a valori in Psym che ad ogni tensore F associano il tensore U della
decomposizione polare destra di F e U
÷1
sono isotrope. Anche l’applicazione
de…nita da Lin
+
a valori in Orth
+
che ad ogni tensore F associa il tensore R
della decomposizione polare destra di F è isotropa.
Esercizio 128 Un funzionale c : 1 ÷R è isotropo se
c(v) = c(Qv), per ogni v ¸ 1, Q ¸ Orth. (2.437)
Mostrare che c è isotropo se e solo se esiste una funzione
¯
c : [0, ·) ÷ R tale
che
c(v) =
¯
c([[v[[), per ogni v ¸ 1. (2.438)
Soluzione. Supponiamo che c sia isotropo, basta dimostrare che per ogni
v, w ¸ 1 tali che [[v[[ = [[w[[, allora c(v) = c(w). Dato che v e w hanno lo
stesso modulo, esiste un tensore ortogonale Q tale che Qv = w, dato che c è
isotropo si ha c(v) = c(Qv) = c(w).
Esercizio 129 Un’applicazione q : 1 ÷ 1 è isotropa se
Qq(v) = q(Qv), per ogni v ¸ 1, Q ¸ Orth. (2.439)
Mostrare che q è isotropa se e solo se esiste una funzione ¸ : [0, ·) ÷ R tale
che
q(v) = ¸([[v[[)v, per ogni v ¸ 1. (2.440)
98
Soluzione. Dato v ¸ 1, sia R una rotazione tale che Rv = v, si ha allora
Rq(v) = q(Rv) = q(v), quindi q(v) = c(v)v. Per completare la dimostrazione
basta provare che c è un funzionale isotropo: tenendo conto del fatto che q è
isotropo, per ogni tensore Q ¸Orth si ha
c(Qv)Qv = q(Qv) = Qq(v) = c(v)Qv, (2.441)
quindi c(Qv) = c(v) per ogni v ¸ 1.
Esercizio 130 Sia : = 3. Siano C ¸ Psym, C ,= I e c 0. Supponiamo che
C abbia autovalori distinti, calcolare (C+cI)
÷1
.
Soluzione. Cominciamo con l’osservare che poiché gli autovalori di C sono
distinti, per il lemma di Wang, i tensori I, Ce C
2
sono linearmente indipendenti.
Cerchiamo (C+cI)
÷1
della forma cC
2
+,C+¸I, con c, ,, ¸ da determinare.
Dall’equazione
(C+cI)
÷1
(C+cI) = (cC
2
+,C+¸I)(C+cI) = I,
applicando il teorema di Cayley-Hamilton per ricavare C
3
si ottiene
C
2
[c1
1
(C) +cc +,] +C[÷c1
2
(C) +,c +¸] +I[c1
3
(C) +¸c ÷1] = 0.
Imponendo che i coe¢cienti di C
2
, C e I siano nulli si ottiene il sistema lineare
in tre equazioni nelle tre incognite c, ,, ¸,
_
_
_
[c +1
1
(C)]c +, = 0
÷1
2
(C)c +c, +¸ = 0
1
3
(C)c +c¸ = 1
la cui soluzione conduce all’espressione
(C+cI)
÷1
= ¦1
3
(C) +c[1
2
(C) +c(c +1
1
(C))]¦
÷1
¦C
2
÷
(c +1
1
(C))C+ [1
2
(C) +c(c +1
1
(C))]I¦. (2.442)
Si osservi che nel caso generale, in cui si rimuova l’ipotesi che C ha tre
autovalori distinti e C ,= I, dalla rappresentazione spettrale di C, C =
3

I=1
c
I
g
I
¸
g
I
, si ricava
C+cI =
3

I=1
(c
I
+c)g
I
¸g
I
,
da cui
(C+cI)
÷1
=
3

I=1
(c
I
+c)
÷1
g
I
¸g
I
. (2.443)
99
2.19 Convergenza di tensori
Sia : = 3. Dato A ¸Lin, da (2.77) discende che
[[A[[ _ sup
u,=0
[[Au[[
[[u[[
(2.444)
dove [[A[[ è data in (2.68). La quantità
[[A[[
Þ
= sup
u,=0
[[Au[[
[[u[[
(2.445)
è una norma su Lin (confronta (1.88)), detta norma naturale. In particolare si
ha
[[A[[
2
= tr(A
T
A) = `
1
+`
2
+`
3
, (2.446)
dove 0 _ `
1
_ `
2
_ `
3
sono gli autovalori del tensore A
T
A ¸Sym
+
e
[[Au[[
2
[[u[[
2
=
A
T
Au u
u u
(2.447)
è il quoziente di Rayleigh del tensore A
T
A che soddisfa le diseguaglianze
`
1
_
A
T
Au u
u u
_ `
3
, (2.448)
da cui discende che
[[A[[
2
Þ
= `
3
. (2.449)
In particolare
[[A[[
2
Þ
_ [[A[[
2
_ 3[[A[[
2
Þ
. (2.450)
Vogliamo ora de…nire la convergenza di una successione di tensori ¦A
|
¦
|ÇN
ad
un tensore A ¸Lin.
(i) [[A
|
÷A[[ ÷ 0 quando / ÷ ·.
(ii) [[A
|
u ÷Au[[ ÷ 0 quando / ÷ ·, per ogni …ssato u ¸ 1.
(iii) [A
|
u v ÷Au v[ ÷ 0 quando / ÷ ·, per ogni u, v ¸ 1.
Proposizione 131 Le condizioni (i), (ii) e (iii) sono equivalenti.
Dimostrazione. Se vale (i), allora per ogni u ¸ 1 si ha
[[A
|
u ÷Au[[ = [[(A
|
÷A)u[[ _ [[A
|
÷A[[ [[u[[ ÷ 0, (2.451)
quindi (i)=(ii). Nella Sezione 1.9 abbiamo provato che (ii)=(iii) e che in spazi
vettoriali di dimensione …nita (iii)=(ii). Resta da dimostrare che in uno spazio
di dimensione …nita (ii)=(i). Sia ¦u
1
, u
2
, u
3
¦ una base ortonormale di 1, se
100
vale (ii), allora per ogni - 0 esiste /
0
= /(-) tale che [[A
|
u
I
÷Au
I
[[ < - per
/ _ /
0
e per i = 1, 2, 3. Dato u ¸ 1, si ha u =

3
I=1
(u u
I
)u
I
e quindi
[[(A
|
÷A)u[[ = [[
3

I=1
(u u
I
)(A
|
÷A)u
I
[[ _
3

I=1
[[u[[ [[(A
|
÷A)u
I
[[ _ 3-[[u[[, (2.452)
quindi [[A
|
÷A[[
Þ
÷ 0 che unita a (2.450) dà (i).
Si osservi che il prodotto interno su 1 e il prodotto vettoriale in quanto
applicazioni bilineari, sono continue. Infatti, siano u
|
÷ u, v
|
÷ v, si ha
[u
|
v
|
÷u v[ _ [u
|
v
|
÷u v
|
[ +[u v
|
÷u v[,
[[u
|
. v
|
÷u . v[[ _ [[u
|
. v
|
÷u . v
|
[[ +[[u . v
|
÷u . v[[ _
[[(u
|
÷u) . v
|
[[ +[[u . (v
|
÷v)[[ _
[[u
|
÷u[[ [[v
|
[[ +[[v
|
÷v[[ [[u[[.
Esercizio 132 Provare che
(a) ,
1
:Lin÷R, ,
1
(A) = [[A[[,
(b) T
1
:Lin1 ÷ 1, T
1
(A, u) = Au,
(c) ,
3
:Lin1 1 ÷R, ,
3
(A, u, v) = Au v,
(d) ,
2
:Lin1 ÷R, ,
2
(A, u) = [[Au[[,
(e) T
2
:LinLin÷Lin, T
2
(A, B) = A+B,
(f ) T
3
:LinR ÷Lin, T
3
(A, c) = cA,
(g) T
4
:LinLin÷Lin, T
4
(A, B) = AB,
(h) T
5
:Lin÷Lin, T
5
(A) = A
T
,
(i) ,
4
:Lin÷R, ,
4
(A) = trA,
(j) ,
5
:Lin÷R, ,
5
(A) = det A,
(l) T
6
:Inv÷Inv, T
5
(A) = A
÷1
,
sono applicazioni continue.
101
Soluzione.
(a) Sia A
|
÷ A, dalla seconda diseguaglianza triangolare (1.27) discende
che [[[A
|
[[ ÷[[A[[[ _ [[A
|
÷A[[.
(b) Siano A
|
÷ A e u
|
÷ u,
[[A
|
u
|
÷Au[[ _ [[A
|
u
|
÷A
|
u[[ +[[A
|
u ÷Au[[ _
[[A
|
[[ [[u
|
÷u[[ +[[A
|
u ÷Au[[.
(c) Siano A
|
÷ A, u
|
÷ u, v
|
÷ v, si ha
[A
|
u
|
v
|
÷Au v[ _ [A
|
u
|
v
|
÷Au
|
v
|
[+
[Au
|
v
|
÷Au v
|
[ +[Au v
|
÷Au v[.
(j) Siano ¦e
1
, e
2
, e
3
¦ una base ortonormale di 1 con e
3
= e
1
.e
2
e A
|
÷ A,
in vista di (2.184) si ha
[ det A
|
÷det A[ = [A
|
e
1
(A
|
e
2
. A
|
e
3
) ÷Ae
1
(Ae
2
. Ae
3
)[.
La tesi discende da (d) e dalla continuità del prodotto vettoriale e del prodotto
interno su 1.
(l) Per il teorema di Cayley-Hamilton, T
6
(A) =
1
det(A)
[A
2
÷ 1
1
(A)A +
1
2
(A)I], quindi T
6
è continua in quanto somma, prodotto e quoziente di ap-
plicazioni continue.
2.20 Derivate di funzionali e di applicazioni a
valori vettoriali e tensoriali.
Sia : = 3.
Esercizio 133 Calcolare la derivata delle seguenti applicazioni.
(a) , : 1 ÷R de…nita da
,(v) = v v, v ¸ 1.
(b) 1 :Lin÷Lin de…nita da
G(A) = A
2
, A ¸ Lin. (2.453)
(c) 1 :Lin÷Lin de…nita da
1(A) = A
3
, A ¸ Lin. (2.454)
Soluzione.
(a) Fissato v ¸ 1 si ha
,(v +u) = (v +u) (v +u) = v v + 2v u +u u =
102
,(v) + 2v u +o(u) u ÷ 0, (2.455)
da cui
1,(v)[u] = 2v u, u ¸ 1.
(b) Fissato A ¸Lin si ha
G(A+U) = (A+U)(A+U) =
A
2
+AU+UA+U
2
= G(A) +AU+UA+o(U), U ÷ 0, (2.456)
dove l’ultima uguaglianza discende dalla submoltiplicatività della norma,
[[U
2
[[ _ [[U[[
2
.
Da (2.456) si ricava che
1G(A)[U] = AU+UA, U ¸ Lin, (2.457)
e quindi 1G(A) = AI +I A
T
.
L’applicazione 1G :Lin÷ /(Lin,Lin) che ad ogni A ¸Lin associa il tensore
del quarto ordine 1G(A) è continua. Per dimostrare la continuità, dato A
|
÷
A, dobbiamo provare che 1G(A
|
) converge a 1G(A). In vista di (2.457) si ha
[[1G(A
|
) ÷1G(A)[[ = sup
HÇLin
H,=0
[[1G(A
|
)[H] ÷1G(A)[H][[
[[H[[
=
sup
HÇLin
H,=0
[[A
|
H+HA
|
÷AH÷HA[[
[[H[[
_ sup
HÇLin
H,=0
[[A
|
H÷AH[[ +[[HA
|
÷HA[[
[[H[[
_
sup
HÇLin
H,=0
[[A
|
H÷AH[[
[[H[[
+ sup
HÇLin
H,=0
[[HA
|
÷HA[[
[[H[[
_ 2[[A
|
÷A[[. (2.458)
Ciò consente di concludere che G è di classe C
1
.
(c) Fissato A ¸Lin si ha
1(A+U) = A
3
+A
2
U+UA
2
+AUA+
AU
2
+U
2
A+UAU+U
3
=
1(A) +A
2
U+UA
2
+AUA+o(U), U ÷ 0, (2.459)
dove si è tenuto conto del fatto che
[[AU
2
+U
2
A+UAU+U
3
[[ _ 3[[A[[ [[U[[
2
+[[U[[
3
,
e quindi AU
2
+U
2
A+UAU+U
3
= o(U), U ÷ 0.
Da (2.459) discende che 11(A) è il tensore del quarto ordine de…nito da
11(A)[U] = A
2
U+UA
2
+AUA, U ¸ Lin, (2.460)
con 11(A) = A
2
I +I (A
2
)
T
+AA
T
.
103
Esercizio 134 Calcolare le derivate delle seguenti applicazioni da Lin in Lin:
(a) G(A) = (trA)A, per ogni A ¸Lin.
(b) G(A) = ABA, per ogni A ¸Lin, B ¸Lin …ssato.
(c) G(A) = A
T
A, per ogni A ¸Lin.
(d) G(A) = (u Au)A, per ogni A ¸Lin, u ¸ 1 …ssato.
Soluzione.
(a) Per ogni U ¸Lin si ha
G(A+U) = tr(A+U)(A+U) =
tr(A)A+tr(U)A+tr(A)U+tr(U)U,
poiché [[tr(U)U[[ = [I U[ [[U[[ _
_
3[[U[[
2
, si ha che tr(U)U = o(U) per
U ÷ 0, quindi
1G(A)[U] = tr(U)A+tr(A)U, per ogni U ¸ Lin
e
1G(A) = A¸I + (A I)I.
(b) Per ogni U ¸Lin si ha
G(A+U) = (A+U)B(A+U) =
G(A) +UBA+ABU+UBU,
Dato che UBU = o(U), U ÷ 0, si ha
1G(A)[U] = UBA+ABU, per ogni U ¸ Lin,
e
1G(A) = ABI +I (BA)
T
.
(c) Per ogni U ¸Lin si ha
G(A+U) = (A
T
+U
T
)(A+U) =
G(A) +A
T
U+U
T
A+U
T
U.
Dato che U
T
U = o(U), U ÷ 0, si ha
1G(A)[U] = A
T
U+U
T
A, per ogni U ¸ Lin.
Teorema 135 Sia , il funzionale de…nito sul sottoinsieme Inv di Lin costituito
dai tensori invertibili
,(A) = det A. (2.461)
, è di classe C
1
e
1,(A)[U] = (det A)tr(UA
÷1
), per ogni U ¸ Lin. (2.462)
104
Dimostrazione. Innanzi tutto osserviamo che l’insieme Inv= ¦A ¸Lin [
det A ,= 0¦ è un aperto di Lin in quanto complementare dell’insieme Ninv=
¦A ¸Lin [ det A = 0¦ che risulta chiuso in quanto immagine inversa del chiuso
¦0¦ di R mediante la funzione continua det. Dato B ¸Lin, da (2.239) e (2.240)
con a = ÷1 si ricava
det(B+I) = 1 +1
1
(B) +1
2
(B) +1
3
(B). (2.463)
Dalla relazione det B =
1
6
[(trB)
3
÷3(trB)tr(B
2
) + 2tr(B
3
)], discende che
[ det B[ _
1
6
[[trB[
3
+ 3[trB[ [tr(B
2
)[ + 2[tr(B
3
)[] _
_
3
6
[3[[B[[
3
+ 9[B[[
2
+ 2[[B[[
3
], (2.464)
quindi det B = o(B), B ÷ 0 e
det(B+I) = 1 +1
1
(B) +o(B), B ÷ 0. (2.465)
Allora …ssato A ¸Inv, per ogni U ¸Lin, si ha
det(A+U) = det[(I +UA
÷1
)A] =
(det A) det(I +UA
÷1
) = (det A)[1 +tr(UA
÷1
) +o(U)], U ÷ 0. (2.466)
Dato che l’applicazione U ÷ tr(UA
÷1
) è lineare, da (2.466) discende (2.462).
Inoltre la continuità dell’applicazione 1, de…nita da Inv a valori in /(Lin, R),
discende dalla continuità del determinante e dell’operazione di inversione. In
particolare, dobbiamo dimostrare che se A
|
÷ A, in Inv, allora 1,(A
|
) ÷
1,(A) in /(Lin, R),
[[1,(A
|
) ÷1,(A)[[ = sup
HÇLin
H,=0
[1,(A
|
)[H] ÷1,(A)[H][
[[H[[
=
sup
HÇLin
H,=0
[(det A
|
)tr(HA
÷1
|
) ÷(det A)tr(HA
÷1
)[
[[H[[
=
sup
HÇLin
H,=0
[(det A
|
)H
T
A
÷1
|
÷(det A)H
T
A
÷1
[
[[H[[
_
sup
HÇLin
H,=0
[H
T
[(det A
|
)A
÷1
|
÷(det A)A
÷1
][
[[H[[
_
[[(det A
|
)A
÷1
|
÷(det A
|
)A
÷1
[[+
[[(det A
|
)A
÷1
÷(det A)A
÷1
[[ _
[ det A
|
[ [[A
÷1
|
÷A
÷1
[[ +[[A
÷1
[[ [ det A
|
÷det A[,
105
e la tesi discende dalla continuità del determinante (esercizio 132 (j)) e della
applicazione T
6
(esercizio 132 (l)).
Da (2.462) e (2.196) discende che la derivata del determinante di un tensore
A ¸Inv coincide con il suo cofattore A
+
.
Esercizio 136 Sia G :Inv÷Lin tale che G(A) = A
÷1
. Dopo avere assunto che
G è di¤erenziabile, mostrare che
1G(A)[H] = ÷A
÷1
HA
÷1
, A ¸ Lin. (2.467)
Soluzione. Consideriamo l’applicazione lineare 1 :Inv÷Inv tale che 1(A) =
A. Si consideri l’applicazione prodotto
(1G)(A) = 1(A)G(A) = I, A ¸ Inv. (2.468)
Dalla regola di derivazione del prodotto segue che
11(A)[H]G(A) +1(A)1G(A)[H] = 0, H ¸ Lin, (2.469)
da cui
HA
÷1
+A1G(A)[H] = 0, (2.470)
e quindi (2.467) è soddisfatta.
Esercizio 137 Sia c :Inv÷R tale che c(A) = det(A
2
). Calcolare 1c(A) per
ogni A ¸Inv.
Soluzione. Siano , :Inv÷ R tale che ,(A) = det(A) e G :Inv÷Inv tale che
G(A) = A
2
. Tenuto conto che c = , · G, per ogni H ¸Lin si ha
1c(A)[H] = 1,(G(A))[1G(A)[H]] =
det(A
2
)tr(1G(A)[H]A
÷2
) =
det(A
2
)tr((AH+HA)A
÷2
) = 2 det(A
2
)tr(HA
÷1
). (2.471)
Esercizio 138 Sia c :Inv÷ R tale che c(A) = (det A)tr(A
÷1
), A ¸Inv.
Calcolare 1c(A).
Soluzione. Siano , :Inv÷ R tale che ,(A) = det(A) e G :Inv÷Inv tale che
G(A) = A
÷1
, si ha allora c(A) = ,(A)tr(G(A)). Pertanto
1c(A)[H] = 1,(A)[H]tr(G(A)) +,(A)1tr(G(A))[1G(A)[H]] =
(det A)tr(HA
÷1
)tr(A
÷1
)+
(det A)tr(÷A
÷1
HA
÷1
) =
(det A)¦tr(A
÷1
)tr(HA
÷1
) ÷tr(HA
÷2
)¦ =
(det A)¦tr(A
÷1
)A
÷T
÷A
÷2T
¦ H, H ¸ Lin. (2.472)
106
Esercizio 139 Sia 1
2
:Lin÷ R il funzionale de…nito da 1
2
(A) =
1
2
[(trA)
2
÷
tr(A
2
)]. Calcolare 11
2
(A).
Soluzione.
1
2
(A+H) =
1
2
[(tr(A+H))
2
÷tr((A+H)
2
)] =
1
2
(A) +tr(A)tr(H) ÷tr(AH) +o(H), H ÷ 0,
quindi
11
2
(A)[H] = ¦tr(A)I ÷A
T
¦ H, H ¸ Lin
e
11
2
(A) = tr(A)I ÷A
T
.
Esercizio 140 Sia ) :Lin÷R de…nita da
)(K) = [[K
0
[[
2
÷j
2
(trK), (2.473)
con K
0
= K÷(trK)I,3 il deviatore di K e j : R ÷R una funzione continua e
di¤erenziabile. Calcolare 1)(K).
Soluzione. Cominciamo con l’osservare che 1K
0
(K)[U] = U
0
; avendo
in mente che [[K
0
[[
2
= K
0
K
0
, sfruttando il teorema di derivazione della
composizione di funzioni, si ricava
1)(K)[U] = 2(K
0
÷2j(trK)j
t
(trK)I) U, per ogni U ¸ Lin, (2.474)
dove j
t
indica la derivata di j rispetto alla variabile indipendente.
Esercizio 141 Per ogni intero / _ 1 si consideri il funzionale t
|
:Lin÷ R
de…nito da t
|
(A) = tr(A
|
), con A
|
de…nita in (2.9). Dimostrare che
1t
|
(A) = /(A
|÷1
)
T
. (2.475)
Soluzione. Cominciamo innanzi tutto con l’osservare che per induzione si
può dimostrare la seguente relazione
(A+H)
|
= A
|
+
|÷1

I=0
A
I
HA
|÷1÷I
+o(H), H ÷ 0. (2.476)
Calcolando la traccia di entrambi i membri di (2.476) si ricava che
1t
|
(A)[H] = / tr(HA
|÷1
), H ¸ Lin, (2.477)
da cui la tesi.
Esercizio 142 Sia L un tensore del secondo ordine …ssato, per ogni intero / _
1 si consideri il funzionale c
|
:Lin÷R de…nito da c
|
(A) = tr(A
|
L). Si calcoli
1c
|
(A).
107
Soluzione. In vista di (2.476) si ha
c
|
(A+H) = c
|
(A) +tr(
|÷1

I=0
A
I
HA
|÷1÷I
L) +o(H), H ÷ 0, (2.478)
da cui discende che
1c
|
(A)[H] =
|÷1

I=0
(A
I
LA
|÷1÷I
)
T
H, H ¸ Lin. (2.479)
Dimostriamo adesso la seguente proposizione che esprime l’invarianza della
derivata di una funzione invariante rispetto ad un insieme I ¸Orth.
Proposizione 143 Siano I un sottoinsieme di Orth, / un aperto contenuto
in un sottospazio vettoriale | di Lin, con / invariante rispetto a I. Sia G :
/ ÷Lin invariante rispetto a I e di classe C
1
. Allora
Q1G(A)[U]Q
T
= 1G(QAQ
T
)[QUQ
T
], (2.480)
per ogni A ¸ /, U ¸ |, Q ¸ I.
Dimostrazione. Cominciamo col dimostrare che | invariante rispetto a I.
Siano U ¸ |, A ¸ /, Q ¸ I, poiché /è aperto esiste c 0 tale che A+cU ¸ /.
Da
Q(A+cU)Q
T
= QAQ
T
+cQUQ
T
¸ / ¸ | (2.481)
tenendo conto che | è un sottospazio, si ricava che QUQ
T
¸ |.
Siano ancora A ¸ /, U ¸ |, Q ¸ I, si ha
G(Q(A+U)Q
T
) = G(QAQ
T
+QUQ
T
)
= G(QAQ
T
) +1G(QAQ
T
)[QUQ
T
] +o(U), U ÷ 0; (2.482)
d’altra parte, dato che G è invariante rispetto a I si ha
G(Q(A+U)Q
T
) = QG(A+U)Q
T
, (2.483)
e
QG(A+U)Q
T
= QG(A)Q
T
+QDG(A)[U]Q
T
+o(U), U ÷ 0. (2.484)
Confrontando le relazioni (2.482) e (2.484) si ottiene …nalmente (2.480).
Esercizio 144 Sia T :Inv÷Inv l’ applicazione de…nita da
T(V) = j(VV
T
÷I) +`[(det V)
2
÷1]I, con j, ` ¸ R; (2.485)
calcolare 1T(V).
Soluzione. Si ha
1T(V)[H] = j(VH
T
+HV
T
) + 2`(det V)
2
I ¸V
÷T
[H], H ¸ Lin. (2.486)
108
2.21 Derivate di funzioni de…nite su un aperto
di R
Sia : = 3. La proposizione seguente è una diretta conseguenza di (1.150).
Proposizione 145 Dato un aperto T di R siano
, : T ÷R,
v, w : T ÷ 1,
A, B : T ÷Lin,
applicazioni di classe C
1
. Valgono le seguenti relazioni
(,v)

= ,

v +

,v, (2.487)
(v w)

= v

w+

v w, (2.488)
(AB)

= A

B+

A B, (2.489)
(A B)

= A

B+

A B, (2.490)
(Av)

= A

v +

Av, (2.491)
(v . w)

= v .

w+

v . w, (2.492)
(v ¸w)

= v ¸

w+

v ¸w, (2.493)
(,A)

= ,

A+

,A. (2.494)
Sia ¦e
1
, e
2
, e
3
¦ una base ortonormale di 1, date la funzione vettoriale v(t)
e la funzione tensoriale A(t), si ha

v(t) =
3

I=1

·
I
(t)e
I
, A(t) =
3

I,¸=1

¹

(t)e
I
¸e
¸
. (2.495)
Se A(t) è una funzione tensoriale non nulla, posto ,(t) = [[A(t)[[, si ha

,(t) =
A(t)
[[A(t)[[


A(t), (2.496)
da cui si ricava l’identità
([[A(t)[[)

=
A(t)
[[A(t)[[


A(t). (2.497)
109
Proposizione 146 Siano T un aperto di R e B : T ÷Lin una applicazione di
classe C
1
. Si ha
(B
T
)

= (

B)
T
. (2.498)
Inoltre, se B(t) è invertibile per ogni t ¸ T, si ha
(det B)

= (det B)tr(

BB
÷1
), (2.499)
e
(B
÷1
)

= ÷B
÷1

BB
÷1
. (2.500)
Dimostrazione. Sia 1 :Lin÷Lin l’applicazione lineare de…nita da 1(A) = A
T
,
A ¸Lin. Poiché 11(A) = 1, dalla regola di derivazione della composizione delle
applicazioni discende che
(B
T
)

= (1(B))

= 1(

B) = (

B)
T
.
Dalle relazioni (1.152) e (2.462), per ,(B) = det B si ha
(,(B(t)))

= 1,(B(t))[

B(t)] = (det B(t))tr
_

B(t)B(t)
÷1
_
.
Esercizio 147 Sia Q : R ÷Orth di¤erenziabile. Mostrare che
Q(t)

Q(t)
T
¸ Skw per ogni t ¸ R. (2.501)
Soluzione. Sia 1 :Lin÷Lin tale che 1(A) = A
T
, poiché Q(t)Q(t)
T
= I per
ogni t ¸ R, derivando rispetto a t si ottiene
0 =

QQ
T
+Q11(Q)[

Q] =

QQ
T
+Q

Q
T
, (2.502)
da cui la tesi.
2.22 Derivate degli autovalori ed autovettori di
tensori simmetrici
Per : = 3 sia Sym* il sottoinsieme di Sym costituito da tutti i tensori simmetrici
aventi autovalori distinti. Dato A ¸ Sym*, siano a
1
< a
2
< a
3
e g
1
, g
2
, g
3
rispettivamente i suoi autovalori ed i corrispondenti autovettori normalizzati.
Poniamo,
G
11
= g
1
¸g
1
, G
22
= g
2
¸g
2
, G
33
= g
3
¸g
3
, (2.503)
G
12
=
1
_
2
(g
1
¸g
2
+g
2
¸g
1
), G
13
=
1
_
2
(g
1
¸g
3
+g
3
¸g
1
), (2.504)
110
G
23
=
1
_
2
(g
2
¸g
3
+g
3
¸g
2
). (2.505)
Per i = 1, 2, 3, la funzione a
I
: Sym*÷ R, che associa ad ogni A l’autovalore
a
I
(A) e G
II
: Sym*÷Sym date in (2.503), sono unicamente determinate in virtù
del fatto che gli autovalori di A sono distinti. Inoltre i tensori G

, i ,= ,, sono
determinati ad eccezione del loro segno e i tensori del quarto ordine G

¸G

sono univocamente determinati. Denotiamo con 1
.
a
I
e 1
.
G
II
rispettivamente
la derivata rispetto ad A di a
I
e G
II
.
Proposizione 148 Nelle ipotesi precedenti, valgono le seguenti relazioni
1
.
a
1
= G
11
, (2.506)
1
.
a
2
= G
22
, (2.507)
1
.
a
3
= G
33
, (2.508)
1
.
G
11
=
1
a
1
÷a
2
G
12
¸G
12
+
1
a
1
÷a
3
G
13
¸G
13
, (2.509)
1
.
G
22
=
1
a
2
÷a
1
G
12
¸G
12
+
1
a
2
÷a
3
G
23
¸G
23
, (2.510)
1
.
G
33
=
1
a
3
÷a
1
G
13
¸G
13
+
1
a
3
÷a
2
G
23
¸G
23
. (2.511)
Dimostrazione. Ci limitiamo a dimostrare le relazioni (2.506) e (2.509), poiché
le altre relazioni possono essere dimostrate in modo analogo. Per A ¸ Sym* e
H ¸ Sym …ssati, consideriamo c ¸ R; siano a
1
(c) e g
1
(c) il più piccolo autovalore
ed il corrispondente autovettore normalizzato del tensore A+cH, tale che g
1
(c)
g
1
0,
(A+cH)g
1
(c) = a
1
(c)g
1
(c) (2.512)
A meno di un errore di ordine o(c), si ha
a
1
(c) = a
1
+c

a
1
(0) e g
1
(c) = g
1
+c

g
1
(0), (2.513)
dove a
1
= a
1
(0), g
1
= g
1
(0) ed il punto indica la derivata rispetto a c. Sos-
tituendo (2.513) in (2.512) si ottiene
A

g
1
(0) +Hg
1
=

a
1
(0)g
1
+a
1

g
1
(0). (2.514)
Poiché g
1
(c) g
1
(c) = 1, allora

g
1
(0) g
1
= 0; così, se moltiplichiamo (2.514) per
g
1
si ottiene

a
1
(0) = g
1
Hg
1
= g
1
¸g
1
H. (2.515)
Poiché, per ogni H ¸ Sym in vista di (1.124) si può scrivere

a
1
(0) =
d
dc
a
1
(A+cH)[
t=0
= 1
.
a
1
(A)H, (2.516)
111
in virtù di (2.515) si ottiene (2.506). Per calcolare la derivata di G
1
, si deve
calcolare la derivata di g
1
. A questo scopo, sostituendo (2.515) in (2.514), si
ottiene
A

g
1
(0) +Hg
1
= (g
1
¸g
1
H)g
1
+a
1

g
1
(0). (2.517)
Poiché g
1
e

g
1
(0) sono ortogonali, si può scrivere

g
1
(0) = ¸g
2
+¸g
3
, (2.518)
dove ¸ e ¸ sono scalari che dipendono da A. Sostituendo (2.518) in (2.517),
segue la relazione
¸(a
2
÷a
1
)g
2
+¸(a
3
÷a
1
)g
3
= (g
1
¸g
1
H)g
1
÷Hg
1
. (2.519)
Moltiplicando (2.519) per g
2
e g
3
, si ottiene rispettivamente
¸ =
1
a
1
÷a
2
g
1
¸g
2
H, (2.520)
¸ =
1
a
1
÷a
3
g
1
¸g
3
H. (2.521)
Così, da (2.518), (2.520) e (2.521), in virtù della simmetria di H, si ha

g
1
(0) =
d
dc
g
1
(A+cH)[
t=0
= 1
.
g
1
(A)[H]
=
1
2(a
1
÷a
2
)
(g
2
¸g
1
¸g
2
+g
2
¸g
2
¸g
1
)[H]
+
1
2(a
1
÷a
3
)
(g
3
¸g
1
¸g
3
+g
3
¸g
3
¸g
1
)[H]. (2.522)
Il risultato desiderato segue dalla regola di derivazione del prodotto,
1
.
G
11
[H] = 1
.
g
1
[H] ¸g
1
+g
1
¸1
.
g
1
[H]. (2.523)
Esercizio 149 Data l’applicazione 1(C) =
_
C de…nito nell’esercizio 124, si
calcoli 11(C).
112
Bibliogra…a
[1] R. M. Bowen, C. C. Wang, Introduction to Vectors and Tensors, Volumes
1 and 2. Plenum Press, New York 1976.
[2] V. Checcucci, A. Tognoli, E. Vesentini. Lezioni di Topologia Generale.
Feltrinelli, 1977.
[3] C. L. DeVito, Functional Analysis and Linear Operator Theory. Addison-
Wesley Publishing Company, 1990.
[4] J. Dieudonné, Foundations of Modern Analysis. Academic Press, New York
and London, 1969.
[5] E. Giusti, Analisi Matematica 2. Bollati Boringhieri 1989.
[6] M. E. Gurtin, An Introduction to Continuum Mechanics. Academic Press,
1981.
[7] M. E. Gurtin, The Linear Theory of Elasticity. Encyclopedia of Physics,
vol. VIa/2 Mechanics of Solids II, Springer-Verlag, 1972.
[8] M. E. Gurtin, E. Fried, L. Anand, The Mechanics and Thermodynamics of
Continua. Cambridge University Press, 2010.
[9] P. R. Halmos, Finite-Dimensional Vector Spaces. Springer-Verlag, 1987.
[10] M. Itskov, Tensor Algebra and Tensor Analysis for Engineers. Springer-
Verlag, 2007.
[11] L. M. Kachanov, Fundamentals of the Theory of Plasticity. Mir Publishers
Moscow, 1974.
[12] P. Podio-Guidugli, A primer in elasticity. Journal of Elasticity 58(1), 2000.
[13] M. Silhavy, The Mechanics and Thermodynamics of Continuous Media.
Text and Monographs in Physics, Springer-Verlag Berlin Heidelberg 1997.
113