Carlo Bernardini / Orlando Ragnisco Paolo Maria Santini

,r~IETODI MATEMATICI
DELLA FISICA

. I.

I.ri.:!. I'oli (' singolarita essenziali l.r;.:\' Classificazione delle funzioni analitiche monodrome I'o]idrolllia I. 7.1. Rami di funzioni polidrome 1.7.2. Superfici di Riemann 1. 7.3. Considerazioni topologiche sulle superfici di Riemann

69 71 72 72 74 77 81 81 84 84 89 91 95 95 97 99 101 104 108 114 119 119 121 121 123 124 124 125 127 127 132 137 149 149 152 154 154 155 157

2. Integrazione delle funzioni di una variabile complessa 2.1. Integrali di linea 2.2. Il teorema integrale di Cauchy 2.2.1. Il caso dei domini semplicemente connessi 2.2.2. Primitive di una funzione analitica 2.2.3. II caso dei domini a connessione multipla 2.3. La formula integrale di Cauchy e i suoi corollari 2.3.1. La formula integrale di Cauchy 2.3.2. Il teorema del massimo modulo 2.3.3. Corollari 2.3.4. Valore principale di un integrale 2.3.5. Formule di Plemelij-Sokhotski 2.4. IntegraIi su archi infiniti e infinitesimi. Lemma di Jordan 2.5. La causalita e Ie relazioni di dispersione 3. Rappresentazioni integrali e per serie 3.1. Considerazioni il1troduttive 3.2. Domini di convergenza 3.2.1. Convergenza ul1iforme e criteri di cOIlvergenza 3.2.2. Famiglie di funzioni 3.3. Teoremi di Liouville e di Morera 3.3.1. Teorerni di Liouville 3.3.2. Teorema di Morera :3.4. Serie di Taylor e di Laurent e prodotti infiniti 3.4.1. Serie di Taylor 3.4.2. Serie di Laurent 3.4.3. Sviluppo di Mittag-Leffler e prodotti infiniti 3.5. Integrali con i residui 3.5.1. Il teorerna dei residui 3.5.2. Applicazioni del teorema dei residui 3.6. II prolungamento analitico 3.6.1. Introduzione 3.6.2. Unicita del prolungamento analitico 3.6.3. Proillngarnento di soluzioni di equazioni

3.6.4. Il prolungamento analitico; punti regolari e singolari 3.6.5. Esistenza del prolungamento analitico 3.6.6. Il principio di Schwarz e la funzione di Jacobi 3.6.7. II prolungamento analitico di rappresentazioni integrali 3.6.8. Calcolo di integrali con i residui 3.7. Sviluppi asintotici 3.7.1. La nozione di sviluppo asintotico 3.7.2. Operazioni su sviluppi a.sintotici 3.7.3. Rappresentazioni integrali e sviluppi asintotici 3.7.4. Metodo di Laplace 3.7.5. II metodo dell a fase stazionaria (0 di Kelvin 0 di Stokes) 3.7.6. II metodo del punta di sella 3.7.7. Equazioni differenziali e sviluppi asintotici 4. Spazi lineari e operatori lineari 4.1. Linearita. e non-linearita. in fisica 4.2. Spazi vettoriali di dimensione finita 4.2.1. Spazi vettoriali e vettori colonna 4.2.2. Operatori lineari e matrici 4.2.3. Spazi duali e vettori riga 4.2.4. Basi; trasformazioni e proprieta invarianti 4.2.5. Proprieta. spettrali di operatori lineari 4.2.6. Spazi euclidei 4.2.7. Matrici hermitiane, unitarie e normali 4.2.8. Le matrici di Pauli 4.2.9. Rappresentazione polare di una matrice 4.2.10 Funzioni di matrici 4.3. Spazi lineari astratti 4.3.1. Considerazioni introduttive 4.3.2. Spazi lineari: definizione e proprieta 4.3.3. Spazi metric! 4.3.4. Spazi normati 4.3.5. Spazi con prodotto scalare (0 euclidei) 4.4. Funzionali lineari e distribuzioni 4.4.1. Nozioni preliminari sugli operatori lineari 4.4.2. Funzionali lineari su spazi normati qualsiasi 4.4.3. Distribuzioni 4.5. Operatori lineari 4.5.1. Esempi di operatori lineari 4.5.2. Algebra degli operatori lineari 4.5.3. Successioni di operatori e loro proprieta. di convergel1za

159 163 169 173 176 194 194 197 199 204 207 208 212 223 223 229 229 237 245 247 252 264 270 280 281 282 286 286 287 290 302 303 311 311 312 323 353 354 356 357

.

Se invece esso e sollecitato da un diverso input 12(t) rispondera con l'output R2(t). questi problemi sembrano appartenere a due distinte categorie. A prima vista.4 Spazi lineari e operatori lineari I problemi fisici determinati dallo studio dei fenomeni pili comuni sono spesso rappresentati nella forma di equazioni di evoluzione nel tempo di una 0 pili variabili caratterizzanti il sistema in esame. generalmente. generando segnali di risposta (output) che vengono osservati dallo sperimentatore mediante l'analisi del comportamento nel tempo delle variabili caratterizzanti. La seconda categoria di problemi corrisponde invece al caso in cui un sistema in equilibrio stabile viene sollecitato con continuita da un agente esterno (input). Esempi del primo tipo sono: un pendola che e lasciato and are da una posizione pill alta di quella corrispondente alla quota minima. La prima e quella della evoluzione di un sistema "preparato" in una configurazione non d'equilibrio stabile mediante l'imposizione di "condizioni iniziali": a partire da quelle condizioni. che rispondono rispettivamente con la corrente misurata in qualche elemento del circuito 0 generando nuove onde (output). Supponiamo che il sistema 5' sia sollecitato da un input h(t) e che risponda con un output RI(t). ci riferiremo per cominciare a problemi della seconda categoria. p~r qualunque coppia di input. Immaginiamo ora di sollecitare 5' con la sovrapposizione dei due input precedenti. Per comodita di illustrazione. il sistema evolve "spontaneamente" senza bisogno di sollecitazioni esterne e. Quando accade che. la risposta sia la somma delle risposte . cioe con l'input h(t) + h(t). oppure un gas inizialmente reso non spazialmente uniforme in densita 0 temperatura. nei casi realistici finisce con il riportarsi a qualche configurazione d'equilibrio a causa della dissipazione di energia. Esempi del secondo tipo sono: un circuito elettrico sollecitato da un generatore 0 un solido irradiato con onde sonore 0 elettromagnetiche (input).

(output) R1(t) e semplice Della struttura generale delle relazioni input-output per i sistemi lineari abbiamo gEt parlato nei parr. 1. per quanta riguarda il caso dei sistemi lineari sollecitati.6. Vogliamo ora osservare che anche per i problemi della prima categoria. e ha grande importanza pratica. la proprieta e abbastanza elementare ma di portata non trascurabile. talvolta. a riprova del fatto che il contenuto energetico dei vari gradi di liberta che costituiscono la materia e molto basso rispetto alle energie di legame dei costituenti. a differenza dei molto pili comuni ambienti stellari. Al confronto.8): si tratta di uno degli strumenti pili potenti nell'analisi dei problemi lineari. purtroppo non immediatamente efficace nel caso dei problemi non-lineari.3 e 2. 4. La rilevante attenzione dedicata ai sistemi fisici lineari ha almeno una buona motivazione pratica. Sulla Terra coesistono sistemi solidi. abbastanza eccezionale: esso e a bassissima temperatura. sollecitazioni impulsive che simulano l'effetto "istantaneo" dell'atto di preparazione del sistema (talvolta questo atto di preparazione va sotto il nome di "regime balistico"). il sistema si dice lineare: questa descrizione e immediatamente comprensibile. Accenniamo poi a un'altra caratterizzazione dei sistemi in studio che.2. benche sia improprio chiamare "principio" una regola di classificazione. in quanto legata alla tecnica di soluzione mediante scomposizione dell'input in componenti sinusoidali e successiva ricomposizione dell'output (analisi di Fourier) di cui parleremo diffusamente nel seguito (e a cui abbiamo gia fatto cenno ai parr.4. nell'universo. prossima allo zero assoluto. 2. allora esso e lineare. Se invece nell'output sono presenti (anche) frequenze diverse da quell a della sollecitazione. liquidi e gassosi (elettricamente neutri). Quando invece il principio di sovrapposizione non vale.+ R2(t). La materia terrestre e percio quasi sempre . allora si tratta di un sistema non-lineare. E un utile esercizio di riflessione rendersi conto di questa proprieta dei sistemi non-lineari. mediante opportune funzioni "generalizzate" che tratteremo al successivo par. e di qualche importanza pratica: se un sistema S e sollecitato da un input sinusoidale di frequenza qualsiasi e risponde sempre con un output che ha la stessa frequenza dell'input.5 e 3. allora il sistema e classificato come non-lineare. e possibile adottare una formulazione analoga introducendo. Si dice allora che per i sistemi lineari vale il cosiddetto "principio di sovrapposizione". L'ambiente terrestre e. corrispondenti cioe a sistemi preparati mediante opportune condizioni iniziali.4. la materia stellare e costituita quasi esclusivamente da materia ionizzata allo stato detto di "plasma" in cui almeno i gradi di liberta dei costi~uenti atomici sono energeti~ camente molto eccitati.

Un altro esempio e quello della relativita generale e dello studio dei problemi dei campi gravitazionali molto intensi e della cosmologia. Con Ie notazioni che abbiamo usato sopra per Ie relazioni input-output. che non e invariante per in- . in questa schematizzazione fenomenologica. di problemi non-lineari. ma vogliamo qui avvertire dell'importanza conoscitiva della non-linearita. che si presentano nei loro fondamenti come intrinsecamente lineari. come la teoria di Maxwell dei campi elettromagnetici 0 la meccanica ondulatoria di Schroedinger. generalmente "piccolo". si puo riconoscere nella proporzionalita della forza dissipativa (attrito) alla derivata prima di R( t). determina percio forze (generalizzate) di richiamo verso la configurazione stabile. per esempio. e Ie sollecitazioni che su di essa esercitiamo con mezzi ordinari sono generalmente di piccola entita. cioe dallo stato dell'ambiente.(> 0) e il coefficiente di smorzamento. come e ben noto dai problemi pili comuni della dinamica elementare. . in accordo con il secondo principio delIa termodinamica. sia per motivi pratici che per motivi fondamentali. una classe pili generale di problemi non-lineari e quell a che va sotto il nome di meteorologia. perche riteniamo che la comprensione delle caratteristiche di quelli lineari sia un prelim inare indispensabile. l'equazione differenziale per un oscillatore sollecitato da un input I(t) e della forma L'apice indica la derivata rispetto alIa variabile t (tempo). Vi sono poi alcune teorie fondamentali della fisica. Per i risultati rilevanti dell'idrodinamica e dell'aerodinamica.molti sistemi non-lineari di grande interesse. che sono di tipo elastico. Ma vi sono anche . cioe lineari. positivo se rappresenta un trasferimento di energia (dissipazione) ai gradi di liberta del mezzo in cui l'oscillatore e immerso (ambiente) che. e rappresentato corne un bagno termico infinito: il carattere irreversibile delIa dissipazione. II prototipo dei modelli di sistemi lineari e l'oscillatore armonico. Lo scostamento dall'equilibrio. Non ci occuperemo. Pertanto. Ie tecniche lineari appaiono insufficienti: un problema tipico e quello delIa turbolenza. indipendentemente dalle circostanze in cui esse vengono applicate. che present a situazioni profondamente differenti da quelle di cui qui prevalentemente ci occupiamo. eventualmente smorzato.e da qualche decennio ricevono attenzione crescente . se non occasionalmente e per cenni.prossima a condizioni di equilibrio stabile. 10 studio dei problemi lineari ha un ruolo centrale in buona parte dello sviluppo delle conoscenze fisiche contemporanee.

come nel caso di un pendola di ampiezza angolare non "piccola"nel senso galileiano. Se si deriva una volta l'equazione [4. cioe distinguendo un'ampiezza e una fase Ora.1]. Vogliamo qui accennare ora a una semplice tecnica di approssimazione. Sug- e e e geriamo di prendere la massima familiar ita con questo problema. pua dipendere .2]. R'). per R e R' che tendono a zero.v(~rsi()lw t<~lIlporale. a differenza degli altri due termini a primo membro ddla [4.sebbenc con notazioni un po' diverse stata gia costruita al par. prodotte da condizioni iniziali e non da una sollecitazione esterna kI(t). pero. una dominante determinata dal termine lineare nella [4. Al posta dell'equazione [4. Dunque. il coefficiente k (detto t"alvolta "cost ante di accoppiamento" per ovvii rnotivi) e usato per sole ragioni dimensionali.dai parametri interni del sistema simulato mediante I'oscillatore). ma nemmeno troppo pili grande di un radiante. 2. cioe per rendere omogenee Ie unita a primo e secondo membro (anche se.1] . Considereremo per semplicita il caso senza dissipazione. delIa Quale supporremo soltanto che tenda a zero. Problemi di questo tipo sono abbastanza frequenti e la tecnica di Krylov e Bogoliubov ne descrive Ie caratteristiche di massima quando la non-linearita non e dominante. r un parametro caratteristico delia interazione sisterna-arnbiente. studieremo Ie oscillazioni libere. inoltre.4. l'ampiezza A e una funzione del tempo tela fase B non e necessariamente lineare in t. a differenza dal caso dell'oscillatore.3] si ottiene Se nella derivata delIa fase si distinguono due parti. in qualche . Infine. doe con r = 0.1]' quella dell'osdlJatore perturbato sara La non-linearita e rappresentata dalla funzione F(R. e l'altra "piccola" (come "piccola" sara.a seconda di cia che definiamo input e cia che definiamo output . che sopravvive anche quando la non-linearita e assente. ovviamente. pili rapidamente che con legge lineare. dovuta a Krylov e Bogoliubov. Invece. w qui il solo pararnetro caratterizzante strettarnente il sistema e determinato dalla sua natura fisica. La relazione input-output associata a un'equazione come la [4. che permette di affrontare il problema degli oscillatori perturbati da piccoli termini non lineari. L'idea di Krylov e Bogoliubov e quell a di scrivere la soluzione in una forma analoga a quella dell'oscillatore armonico non perturbato dalla non linearita. che fornisce la chiave interpretativa element are di un grandissimo numero di problemi lineari.

in assenza delia non-linearita. tenendo conto delia [4. se la non-linearita e debole. con un po' di semplice algebra.8] e ottenendo l'equazione ¢'(t) = (~A)F(AcoSB. per A costante. immaginando che con buona approssimazione i valori di B siano distribuiti uniformemente su tutto l'intervallo (0. sull'intervallo di fase (0. Ora.3] e stato raddoppiato il numero delle incognite che. come deve nel caso dell'oscillatore armonico. e.La proposta di Krylov e Bogoliubov consiste nell'imporre che l'espressione [4.~wAsinB)sinB Questa equazione mostra intanto che. indipendentemente dalla corrispondente variazione delia variabile t. la relazione.-wAsinB)sinB > .7]. La proposta di Krylov e Bogoliubov e quell a di sostituire al secondo membro delia [4.5].7].8] il suo valor medio sulla fase. doe Questo implica che tra A(t) e B(t) sussista una relazione differenziale che cancella i termini "piccoli". 27r) come nel caso dell'oscillatore armonico (per il Quale la fase e lineare nel tempo e tutti gli istanti sono equiprobabili).27r) e per una distribuzione uniforme dei valori di B). misurato qui da una variazione di 27r delia fase B.4] delia derivata prima di R(t) sia ancora esattamente come quella corrispondente all'oscillatore lineare. si ottiene. Derivando un'altra volta la [4. arbitraria ma lecita perche con la [4. si puo supporre che Ie variazioni dell'ampiezza siano piccole su un "periodo". la seguente equazione differenziale A'(t) = (~)F(AcoSB.~wAsinB)cosB Indicando con < g( B) > il valor medio di una funzione g delia fase (calcolato ovviamente. la [4.9] diventano: A'(t) = (~)Fl(A) = (~) < F(AcosB. non possono essere indipendenti. sostituendo per A'(t) dalla [4.8] e la [4.6] e utilizzando la [4. A'(t) si annulla. Una analoga procedura si puo seguin~ per la [4. percio.

a causa di qualche proprieta che rende il problema contraddittorio. il secondo e che l'equazione a cui R soddisfa non e hecessariamente una equazione differenziale ordinaria.quando e possibile . t. in equazioni lineari a derivate parziali.12] sotto opportune condizioni. + Oy : questo e un modo sintetico di prescrivere il principiO di sovrapposizione quando.5. 0 una equazione integrale. il caso dell'oscillatore armonico e solo il pili frequente tra quelli che si incontrano in fisica element are. per almeno tre distinti motivi: il primo e che la variabile caratterizzante R puo essere in realta un "oggetto" matematico a pili componenti. si dice che il problema e malposto. come negli esempi trattati . come vedremo nei paragrafi successivi. Tuttavia. per esernpio. 0 e un operatore lineare quando accade che 0(£ + y) = O£. la soluzione puo non essere unica: come vedremo al par. sono noti in una forma molto generale.e non necessariamente con il significato di tempo. per i problemi lineari. come per esempio un vettore in uno spazio ad n dimensioni (problema n-dimensionale). sia nella versione lineare che in quella perturbata che abbiamo analizzato nella semplice approssimazione di Krylov e Bogoliubov. il terzo. e che anche la variabile indipendente puo essere pili di una . rna puo essere una equazione algebrica. 0 e un operatore. non cosi per quanto riguarda i problemi non-lineari.12] non esiste. Il problema generale e quello di "risolvere" . inoltre. i problemi lineari possono essere assai diversi. 0 una equazione alle differenze finite. eccetera) siano state opportunamente specificate con regole di composizione e di confronto fra gli oggetti usati. In questa semplice formula.Queste due equazioni rappresentano il risultato centrale dell'approssimazione di Krylov e Bogoliubov. che richiedono spesso uno studio caso . la ricerca delle soluzioni dell a [4.6. Se la soluzione della [4. Nella forma in cui 10 abbiamo descritto. Ie operazioni indicate (+. 4. che puo essere molto utile nell'analisi qualitativa di molti problemi non-lineari. =. Sia £.nel qual caso ci si imbatte. infine. esso rappresenta un tipico problema dinamico in una dimensione. I problemi lineari sono spesso riassunti in un'unica forma generale come la seguente: £.la [4. che 1£sono in generale oggetti a pill componenti (vettori). 0 nelle corrispondenti equazioni integrali. Naturalmente.12] da luogo agli importantissimi teoremi di esistenza e unicitii che. naturalmente. che trasforma l'incognita nel "termine noto" 1£.

sui quali sono definite Ie seguenti operazioni di somma e di moltiplicazione per uno scalare. + y) +. di quell'insieme cioe di elementi. V£. dando luogo a un terzo vettore 1!. + (-£. + Q = £. . tale che £.2 che emanano dall'origine 0 possono essere sommati attraverso la regola del parallelogramma.r. Un vettore dello spazio puo essere moltiplicato per uno scalare a E R dando luogo a un nuovo vettore. e associativa: £+ (y +. V:z... sono alla base della definizione astratta di spazio vettoriale V.1 e 1!. Inoltre.4.. opportunamente generalizzate.) = Q.E V. Queste ben note operazioni elementari.3 che emana anch'esso dall'origine. indicato col simbolo -£. che gode delle proprieta commutativa: £. y EVe un terzo vettore di V. che va dall'origine al punto P. indicato col simbolo £. Esiste (unico) anche l' elemento opposto di £. detto vettore nullo 0 origine. Due vettori 1!. E V. esiste (unico) l'elemento neutro Q tale che £. detti vettori.. ogni punto P di tale spazio e in corrispondenza biunivoca con un segmento orientato 0 vettore 1!. la cui lunghezza e la[ volte quell a del precedente e il cui verso e concorde 0 discorde a second a che asia positivo 0 negativo.r) = (£. diretto come il precedente. rispetto a tale somma.2 Spazi vettoriali di dimensione finita Definizioni Dato un punta di riferimento 0 (origine) del nostro spazio ambiente tridimensionale.. + Y = Y + £. a) La somma di due qualunque vettori £. + y.

r.b) Il prodotto di un vettore . = ..r.C)) delle matrici nxn di elementi reali (complessi). aHora O. l'operazione di somma ordinaria tra due matrici e quella di moltiplicazione per un numero complesso a.r. rispettivamente.r. = a.r.r. . dati gli elementi 0 e 1 del campo F. Situazioni miste.. + y e a. con. aX2. + J!) = a. spazio vettoriale V sul campo F. Mentre l'operazione di somma e interna allo spazio...r. Quando si parlera di spazio vettoriale C si intendera 10 spazio dei numeri complessi suI campo dei complessi.r. e rispetto aHa somma dei vettori: a(. /3 E F. 3.n-1.'Va E F. + a'lL.X2.r. dove . Inoltre.r.···.r. indicato col simbolo a.r. L'insieme Rn (cn) delle n-ple di numeri reali (complessi) .'V. dalla somma ordinaria di polinomi e daiIa moltiplicazione di un polinomio per un numero reale (complesso) a.r. axn).r.r. queHa di prodotto per uno scalare e esterna.·· . a. L'insieme Pn dei polinomi a coefficienti reali (complessi) di grado :::. + 'lL = (Xl + Y1.r.definite da.. l'addizione e la moltiplicazione ordinaria tra reali (complessi). EVe di un elemento a (detto scalare ) di un dato campo Fe un vettore di V. (X1. E V. e di quella distributiva rispetto alla somma degli scalari: (a+/3).r. 4.r. n) (Mat(n. saranno sempre indicate esplicitamente. L'insieme Mat(n. rispettivamente. sono. cosl come R sara 10 spazio dei reali sui reali.r. dove . rispettivamente.r.r..) = (a/3). Ritornando allo spazio ordinario. che gode della proprieta associativa: a(/3. La definizione di spazio vettoriale (e delle operazioni su di esso definite) induce una relazione di dipendenza e di indipendenza tra vettori.l. X2 + Y2.r.Xn).definite. I principali esempi di spazi vettoriali che prenderemo in considerazione in questo capitolo sono: 1.+/3. in alcuni esercizi considereremo anche spazi vettoriali suI campo Q dei razionali.EVe aQ= Q. notiamo infatti che i vettori 1L1 e 1L2 . V e quindi detto. 2. sono. con. L'insieme R (C) dei numeri reali (complessi). In questa testo avremo quasi sempre a che fare con spazi vettoriali V suI campo dei reali n 0 dei complessi C. = Q. + Ye a..r.r. . = (aX1. facendo intervenire gli elementi di un campo F assegnato. come 10 spazio dei complessi suI campo dei reali 0 10 spazio dei reali sui razionali.r. e V sara detto aHora reale 0 complesso. + 'lL e a. + Y e a. pili propriamente. Xn + Yn) e a.

13]' e una naturale generalizzazione dei concetti geometrici di collinearita e di coplanarita.2 o v2 ~ di fig. ..1L2 e 1L3 dello spazio ordinario sono indipendenti e ogni altro vettore 1L dello spazio e esprimibile come combinazione line are del tipo: 1L = CilLi. m...2 . I vettori non paralleli 1L1 e 1L2 di fig. E naturale quindi scegliere 2::=1 . si possono verificare Ie seguenti due situazioni: a) esistono m scalari a1. Se pero si aggiunge ad essi il vettore 1L3 = a11L1+a21L2 ad essi coplanare.a1L1 = Q.3.2 sono legati dalla relazione algebrica lineare 11.'.r. allora ciascuno dei tre vettori ottenibile dagli altri due attraverso un'opportuna combinazione delle operazioni a e b e i tre vettori sono dipendenti..(j)} di uno spazio vettoriale V. in questa caso i vettori sono linearmente indipendenti. am non tutti nulli tali che e m Lajx(j) j=l =0 in questo caso gli m vettori sono detti linearmente dipendenti. . la cui natura algebrica e descritta dalle equazioni algebriche lineari [4.. 4. sono detti indipendenti.'.1 ~:: . j = 1. b) l'equazione [4. Tre vettori non coplanari 1L1. essi sono quindi ottenibili l'uno dall'altro attraverso l'operazione b e sono pertanto detti dipendenti. dato un insieme di vettori {. In astratto.~v. Questa nozione. . . per i quali non esiste invece una relazione del tipo a11L1 + a21L2 = 0 (ad eccezione del caso banale in cui a1 = a2 = 0). 4.13] e soddisfatta solo per aj = 0.

ilc IIllivocamente un vettore . allora l \' () uno spazio vettoriale di dimensione finita n: dim V = n. ~n)T. e infatti possibile Illostrare che ogni spazio vettoriale V di dimensione finita n suI campo d(·j JUlii (dei complessi) e isomorfo allo spazio Rn (en). a ogni vettore .. .r. er uno scalare c E C inp .III<" >I " al. Jj ~-:(. col simbolo (6. C:li esempi 1-4 sono tutti spazi vettoriali finito-dimensionali.r.sti spazi.. Rn (en) gioca un ruolo particolare.r.'cv()[sa.1.r...r.a base di V e costituita da un numero finito n di vettori.q Ilesti vettori come base rispetto aHa quale descrivere ogni vettore 11 (lello spazio.J..\10 stesso numero di vettori...ate come vettore colonna: "0 1)('1' collvenienza tipografica.(j)}j=1' attraverso la [4.·· .r.. ~k e la com>II(' k-esima (0 coordinata k-esima) del vettore { E IItc ma anche .. y EVe di moltiplicazione c.'!. V di un qualunque spazio vettoriale E \ .r.(j)} di V. che (Idinisce quindi un vero e proprio sistema di coordinate. = L k=l n ~k. se ogni vettore .r. ~n e associaI. + JL "II" vdtori :f.1 vdlo['(.14]..r.E V () Ilua combinazione lineare del tipo x - = '" cx(j) L.(j)}j=l vengono spesso rappre·· ::'·lll.···.... Ie seguenti ben note operazioni j( 11:1 v. gli scalari Ci sono Ie coordinate di Q rispetto alla base. linearmente indipendenti. ~n attraverso l'equazione . nella base {. Se infatti ( }j'=1 e una base di V.1. :f E V nella base {. In astratto diremo che un insieme di vettori {. 'Ira (JIi( . "i . 1.EVe possibile associare Ia n-pla di numeri reali (complessi) 6.14].. ad ogni n-pla di numeri reali (complessi) 6.r...(k) Vi. questa (Idillizione di dimensione ha senso poiche ogni base di V e costituita .. (\ una base (un sistema di coordinate) di V.traver~o l'isomorfismo [4.r.Ii base {. .(j)}j=1· Le operazioni di somma.Lori <Ii en: 1)( en.1' componenti ~j di.

il suo inviluppo se =. Lm definite sullo stesso campo. L'inviluppo lineare di tre + vettori non coplanari e iufine tutto 10 spazio.j = Questo isomorfismo tra il generico spazio vettoriale V reale (compies so) e Rn (en). . .: dei vettori di V e una varieta lineare. tale varieta ha quindi dimensione 1. . II procedimento inverso di decomposizione risultera poi altrettanto chiaro. essendo essi stessi spazi vettoriali. e se stesso..no del vettore ~(j) vale Okj. il lettore e incoraggiato a questo esercizio di confronto.. So l'insieme =.(j)}j=l di V e inoltre associata la base canonica {~(j)}j=l e~) di en..Alla base {. ogni combinazione lineare di vettori del piano emananti dall'origine e ancora un vet tore del piano che emana dall'origine. most ran do come. spiega perche la maggior parte delle nozioni algebrico-geometriche astratte associate a spazi vettoriali hanno un significato familiare nel nostro spazio ambiente. . da ogni insieme 2: di vettori.. Siamo quindi portati ad introdurre la nozione di sottospazio uettoriale 0 uarieta lineare M deHo spazio vettoriale V come quell'insieme non vuoto di elementi di V tali che ogni loro combinazione lineare appartiene ancora aM. dove la componente k-esima 1. L'invil71ppO lineare (span) di un insieme di vet tori e l'insieme di tutte Ie combinazioni lineari di tali vettori. L2. Nella spazio ordinario I'inviluppo lineare di un vettore 11 che emana dall'origine e la retta che 10 contiene.'1 0:2Q2e ha quindi dimensione 2.. k. l'insieme cioe dei vettori paralleli a Q e ottenuti moltiplicando Q per un numero reale arbitrario. come sia possibile poi sommare in modo opportuno spazi vettoriali per otten erne altri pili complessi. esso e ottenuto considerando tutte Ie combinazioni lineari del tipo 0:11. Per comprendere Ie proprieta strutturali e costitutive di spazi vettoriali astratti useremo un punto di vista costruttivo. sia possibile costruire il pill piccolo spazio vettoriale che Ii contiene.r. L'inviluppo lineare associato a una coppia di vettori Q1 e Q2 uscenti dall'origine e non paralleli e invece il piano che contiene quei vettori. I sottoinsiemi delIa spazio ordinario costituiti da rette e piani passanti per I'origine giocano un rualo speciale.: e costituito da due 0 pili varieta lineari L1. ad esempio. allora il loro inviluppo L e l'insieme dei .

non e la somma diretta di due piani diversi.£'k'. in analogia con la nozione di indipendenza di vettori. come si e giil osservato. j m = L1 + L2 + .£. pero.m: L e la somma delle varieta lineari Lj.. e E 2.£.... + Lm = L Lj j=l Ad esempio 10 spazio ordinario R3 e la somma di due piani Jr1 e Jr~! passanti per l'origine: R3 = Jr1 + Jr2.. m. bastera infatti aggiungere a..£. Ie varieta L1.=1 .2.£'k. Riferendoci agli esempi precedenti di somma ordinaria. L e decomE posta in modo univoco nella somma [4. Lm tali che la decom posizione del generico vettore .. .. ci portano a .. mentre. In generale. non 10 sono invece i piani Jr1 e Jr2! Si noti che ogni vettore . Le seguenti affermazioni: 1. se.. i R3 e esprimibile in infiniti modi corrw d somma.= 1..2 appartenenti a due piani diversi..£'k Lk e unica. Ie varieta lineari Lj che concorrono alIa formazione della somma L sono tali che ogni vettore . si ha che R:l e anche la somma diretta di un piano e di una retta non coplanare. allora si ha a che fare con la cosiddetta somma diretta delle varieta Lj. . .£. II piano Jr e la retta ]( dell'esempio precedente sono complementari rispetto a R3.£. di cui e invece la somma ordinaria.. rispetto alla varieta somma L.. .. e la somma diretta di tre rette non coplanari. Ie varieta L1.. quindi..= ~.Diremo allora che la varieta L 1. .18] non e unica.. .18].£'l un qualunque vettore che giace sulla retta di intersezione dei due piani e togliere 10 stesso vettore a :£2.. Se Ie varieta MeN tali che L = M + N hanno come unico vettore in comune l'origin(!: M n N = {Q}.£'2 di due vettori :£1 e . e inoltre la somma di un piano Jr e di una retta R non coplanare: R3 = Jr + Red e anche la somma di tre rette non coplanari: R3 = R1 + R2 + R3..£'k Lk e unica sono equivalenti (come e facile mostrare) E e.j = 1. Lm tali che la decomposizione del vettore nullo Q = ~.. . la rappresentazione di un vettore nella forma [4. . aHora si dice che MeN sono varieta complemento:ri l'una all'altra.£.. = ..1 +.

.. j = 1.. EVe decomposto nella somma.m sono linearmente indipendenti. La decomposizione di uno spazio nella somma diretta di sottospazi indipendenti e una "buona" decomposizione..1 :£(j). grazie aHa proprieta di unicita discuss a sopra. M. .£'j Lj in uno ed E un solo modo. m sono linearmente indipendenti.1 Lj (cioe ogni 1.k#j Lk) Infatti.=1 2. esiste un ... . m) e inoltre le varieta Lj.. j = 1. le seguenti tre affermazioni sono equivalenti: a) L e la somma diretta di L1. Lm : L = Lj e inoltre l'intersezione di ogni varieta Lj con la somma delle altre e il vettore nullo: Li n (~#i Lj) = {Q}... .21].£... allora deve esistere un JLE Lj tale che JL= ~.£. . j = 1. m dello spazio vettoriale L.=l.. Teorema 4. Si puo mostrare che vale anche l'opposto: se vale la proprieta [4.. Lm : L = ~'.. .E V...£. . . E utile raccogliere questi e altri risultati suHa somma e decomposizione di spazi vettoriali astratti nel seguente teorema. Teorema sulla somma di spazi vettoriali: Dati i sottospazi Lj.£.£'j. j = 1. c) L e la somma ordinaria di L1. se.1.j + JLj+ ~k#j (.=1. ammettiamo =I {Q} per qualche j. allora m dimL = LdimLj j=l 3.. ..k JLk) sarebbe un'altra rappresentazione di. per assurdo.k#j m Lk) = {Q}.. = 1 . m n (~.£.. . . Varieta lineari indipendenti hanno anche una caratterizzazione geometric a ben precis a. . = ~'.£.. Se L e la somma diretta di m spazi vettoriali L1. E L pub essere messo nella forma. Dati lo spazio vettoriale V ed un suo sottospazio sottospazio N tale che V = M ffi N. esse sono tali che l'intersezione di una qualunque di loro con la somma di tutte Ie altre e 10 spazio banale: Lj n ( L k=l. Lm: L = ffiLj..£.definire tali varieta linearmente indipendenti. .. e sara uno dei fili conduttori di questo capitolo..= elemento .. Lm. .. ~... . ~'. cioe ogni elemento . b) L e la somma ordinaria di L1. . . che Lj j = 1.#j JLk' JLk E Lk· Quindi. ... aHora Ie varieta Lj. .£.(j) E Lj.

f.dimM di L. Questo insieme e uno spazio vettoriale ed (\ inoltre isomorfo ad ogni complemento Y di X. se sono dati il piano R2 ed una retta X in esso contenuta e passante per l'origine.C implica che. Questo risultato. la parte 3 del teorema 4. E possibile tuttavia costruire UII complemento diverse e unico. ad esempio. se L e uno spazio vettoriale a dimensione finita.1 assicura l'esistenza di un complemento N di M rispetto a L. Motivati da queste considerazioni definiamo.£ rv y ~ . 10 spazio quoziente L 1M di L modulo M come l'insieme delle classi di equivalenza definite dalla relazione di equivalenza . isomorfo a tuttii complementi N di M (e gioca quindi un ruolo unico tra di essi). il complemento Y di X e una qualunque retta del piano.£ E AI}. e anche detta codimensione . nOli parallela a X e passante per l'origine. Tale spazio e uno spazio vettoriale.Y E M. insieme alIa parte 2 del teorema 4. Y E L. allora dimL/M dimL/M = dimL . Questo complemento non e unico. Infatti ogni punta I' dell a retta Y e in corrispondenza biunivoca con un elemento di tal<~ insieme (con la retta parallela a X che interseca Y in P). l'isomorfismo essendo definito dalla corrispondenza yEN ~ Y + M = {y +.Dati 10 spazio vettoriale L ed un suo sottospazio M.£. dati 10 spazio vettoriale L e un suo sottospazio M. tale che L = M tEN.£ .. . costituito dall'insieme di tutte Ie rett(~ del piano parallele a X.

Xz = YI .f = . y - X. Z si decompone nella somma di un elemento E M e di un elemento ELI M. facciamo un semplice esempio. 0 operazioni) lineaTi. se la loro differenza appartiene aM. L'insieme degli operatori lineari su V e esso stesso uno spazio vettoriale in cui la somma A + B di due operatori A e Bela moltiplicazione aA per uno scalare sono definite. y. cioe appartengono ana stessa classe di equivalenza.£. Una classe di equivalenza sara quindi parametrizzata nel modo seguente: Si vede facilmente che ]'insieme delle classi di equivalenza costituisce una varietd lineare di dimensione 2. 0 applicazioni. un operatore lineare A su uno spazio lineare V e una trasformazione che assegna ad ogni vettore . y.Y2.O) = (x. . Un vettore generico dello spazio R3 di componenti X.Per chiarire questo concetto.£ E V un vettore A. definiti dalle equazioni I.x.x. 0.y .f E V. z) dove (x. Si ha infatti: (x. Queste operazioni a noi familiari sono esempi di trasformazioni (0 operatoTi. Xl . 0) + (0. z) EM e (O. Sia L 10 spazio R3. Sappiamo operare sui vettori dello spazio ordinario in vario modo: sappiamo ad esempio proiettare un vettore 1!. cioe se Zl = Zz. X. \/.£ E V che gode delle proprieta di linear ita Un operatore lineare e omogeneo. operatori lineari speciali sono l'identita I e 10 zero 0.su un piano perpendicolarmente ad esso 0 parallelamente ad una direzione assegnata. sappiamo ruotarlo di un certo angola 0 invertirlo. nel senso che AQ = Q.z) E LIM.£ = Q. e M la retta (bisettrice del piano xy) di equazione: Due elementi di L sono equivalenti (modulo A1).

quella di N(A) e qualche volta detta nullitd.. ( )1'..I 1::1 ". 0 dijdl. Range e nucleo di un operaton' Ijll<~are V sono varieta lineari di V. e l'insieme dei vettori .r EVe decomposto uni· vocamente nella somma .r = Q : {. e il prodotto AB di due trasformazioni A c II I'.r~) = Q e il vettore. In particolare N (A) c X.1.tjine.lIivallwlI!. Abbiamo quindi dimostrato che A stabilisce una corrispondenza biunivoca tra R(A) ed un qualunque cornplemento di N(A). quindi dim R(A) = dim M(A) e l'equazione [4.lIi peratore line are A su un spazio vettoriale V (il dominio dell'op(' o r. VI: ( V (mostrarlo).\. con. . se esistesse un altro .rN + .r) .a~ioui). Infatti. Se M (A) e un qual un que complemento del nuclco ddl'operatore A: V = N(A) EEl M(A).24] segue dal teorema 4. Il risultato di due trasformazioni succcs ::J v.Jj A. allora A(. La dimensione di R(A) e det!.r.r = O}. .d. e l'insieme dei vettori di V delia 1"l'Il1aA.llc equazioni (A + B). l'operatore lineare A puo operare tra spazi vettoriali diversi X e Y definiti sullo stesso campo: A : X -t Y e quanto ddto sinora trova un' ovvia generalizzazione.'.rN E N (A).a su !II'/UjO dell'operatore A.rM.II dill' ro!.r. A.rE V.r.Jdilli!. la dimensione del SilO 1I11<:!cO dimensione finita n di V: e la Ihm.traverso l'equazione (AB). (aA):r 1\.rM -." at.r~ tak cite JL = A. ogni . 'I ( .n~) seleziona in modo naturale alcune varieta lineari di V.'. in virtl'l della linearita di A.o di A.1). PCI' ogni JL E R(A) esiste un . da. 'V. Il m'/Uj(' .r E V.r E V}..c.pUI'/' di A.r = . iudicato col simbolo R(A). punto 2." llllllw.r E V : R(A) = {A.rM e qucsta corrispondenza e unica.· di 1'<'lIdcdall'ordine in cui sono effettuate (si pensi all'applica~iolll' .r = A.ostmzione. 13] = AB .ali che A.rM -. secondo A.I"n~I i\." .:" si di<:l~ che gli operatori A e B non commutano 0 che il comIlIl1 1:\.BA e diverso da zero. del dominio V 0 codominio di A.rM = A. Il nucleo 0 null . esso e anche chiama!. Pili in generale.r E V tale che y = A.r E V !. I'.rM E M (A).r~ apparterrebbe sia a M(A) che a N(A). R(A) eYe l'operatore A determina un isomorfismo tra R(A) C Y . In <Iues!. indicato col simbolo N(A).r = A (B.siste la seguente relazione tra it rango di A. In geIwral<' 1\ It / It A c l'ordine di applicazione e allora importante.r~. Tale corrispondenza e un isomorfismo.f = A.r + B.

25] e [4.e un qualunque complemento M(A) C X del nucleo di A.rl i' .rl i' A. indicato col simbolo A-I Daile [4. L'operatore A : X -t Y e inveTtibile se. aHora'Vy E R(A) esiste una soluzione.5).24] ha la seguente generalizzazione: se X e uno spazio vettoriale finito-dimensionale.26] segue che AA ma l'equazione -1 = I in Y e che A-I A = I in X. L'operatore che associa a y l'unico .r2 (cioe it nucleo di A contiene solo l'elemento nullo: N(A) = {Q}). l'equazione dove A e un operatore lineare tra gli spazi vettoriali X e Y. 4. par. uno dei problemi fondamentali dell'algebra lineare consiste nel risolvere. essa e unica se la condizione ii e soddisfatta. Se X e Y sono finito-dimensionali e se A e invertibite. entrambe necessarie nel caso generale per caratterizzare operatori invertibili. per l'incognita . allora A-I e. esiste un unico .25] (cioe Y coincide col range dell'operatore A: Y = R(A)). Come si e detto nei paragrafi introduttivi.. tale problema e strettamente legato alIa possibilita di invertire A. ii) se.r2 EX=} A.r E X che risolve la [4. inoltre it risultato [4.r2' .r EX dell'equazione [4.25] 0. equivalentemente.rl. al pari di A.r E X che risolve l'equazione [4. una volta caratterizzato it range R(A) dell'operatore A. se Ie seguenti due condizioni sono entrambe soddisfatte: i) 'Vy E Y esiste almeno un .25] e un 0peratore line are e viene chiamato inverso di A. vale solo se i due spazi X e Y coincidono! Si noti inoltre che. L'operatore A : X -t R(A) e quindi invertibile se e solo se N(A) = {Q}. continuo e limitato (cfr.r che risolve la [4. sono ridondanti se V e finito-dimensionale. Limitandoci ora a considerare operatori lineari su V (A : V -t Il). allora dim R(A) + dim N(A) = dim X. 'Vy E Y.r.25]. mostreremo che Ie condizioni i e ii. .

Dimostrazione. . Teorema sull'invertibilita di operatori lineari su spazi finito-dimensionali: CNES affinche un operatore lineare A su uno spazio finito-dimensionale V sia invertibile 10 che.2KJ associa.rCiJ e quindi 130 j-esima colonna di (A) e costituita dalle coordinate del vet tore A. oppure che I' equazionc A.r(j)}j'=1 e una base di V. Ify E V. l'azione di A su un generico elemento dell a base e esprimibile mediante una combinazione degli elementi della base: n Ax(j) - = """' ax(i) L-t 1.n) a2n ann an1 (il simbolo (A) verra usato.Ji=l e l'insieme degli n2 numeri complessi aij. nel senso che (\ nota 130 sua azione su un qualunque vettore .. L'elemento aij di (A) e 130 i-esima componente del vettore A.r(i). quando necessario.r = l.. j = 1. ..24J d~duogo alle due serie di implicazioni: N(A) = {Q} =? dim R(A) = dim V =? R(A) = V =? :JA -\ R(A) = V =? dimN(A) = 0 => N(A) = {Q} =? :JA -1. ain) e (a1j.. .Teorema 4.r(j)}j'=l (' viene "assemblato" nel seguente modo: (A) = C' : a21 a12 a22 an2 a. Ie condizioni i e ii sono entramb(~ soddisfatte. ad ogni operatore A la matrie(' (A).:~=l (l.r = l.r = y (cioe che R( A) = V).:~=l aik~k). anj)T costitui scono rispettivamente 130-esima rig a e 130 i j-esima colonna dell a matric(' A.r E V tale che A.r(j). esista un .r = Q implichi che £= Q (cioe che N(A) = {Q}). l'equazione [4. . viceversa l'assegnazione dell a matrice (A) e di una base di V permette di determinare univocamente l'operatore A. Gli scalari (ail. i. .r(j)}j=1. per distinguere 130 rap presentazione matriciale dell'operatore A in una certa base dall'operatore stesso). . .. Lo spazio delle matrici nxn e isomorfo allo spazio degli operatori lineari su spazi vettoriali di dimensione n. quindi R(A) = V e N(A) = {Q}. Se A e un operatore lineare su Ve {.2. n costituisc(~ la rappresentazione matriciale dell'operatore A nella base {. attraverso 130 base {.r(k) E V: A. Viceversa.r(k) = l. a2j. Infatti 130 [4. ai2.:~=l ~kA.:~=l ~k. Se A e invertibile..

... l'operatore lineare A porta 10 spazio vettoriale Vn di dimensione n nello spazio Vrn di dimensione m.29] esplicitano il legame profondo tra operatori lineari e sistemi di equazioni algebriche lineari.r(j) }j=1' TJi = I>ik~k' k=l i = 1. allora l'azione di A su un ge~erico elemento dell a base di Vn e esprimibile con 130ombinazione c line are {y(j)}~l A. ii) AB... . iii) (O)ij. .Questo isomorfismo permette di stabilire immediatamente Ie ben note regole di addizione e di moltiplicazione tra matrici quadrate e 130 loro applicazione su vettori colonna.1.r(j) = I: aijJL(i). ~n)T e (7]1. . Se. delia seguente generalizzazione a'n ) E lasciata al let tore 1a dimostrazione dell a Proposizione 4. se . pili in generaIe.1.re sono legati dall'equazione n JLnella base {. n rappresenta l'operatore A rispetto aIle basi h(j)}j'=l e {JL(j)}j=l' Tale insieme e assemblato nella "matrice rettangolare mxn" a12 a22 an2 (A) = C" a21 : am1 :I~. che realizzano-rispettivamente. TJn)T..rCiJ}..j = 1. .. rispettivamente: i) exaij + f3bij. . iv) I sono. Le equazioni [4. .29] fornisce la regola d'applicazione "da sinistra" di una matrice su vettori colonila.:~=l aikbkj. iii) 0.r = y.. JL E V sono legati dall'operatore A tramite l'equazione A. i = 1..r(j)}j'=l1 allora Ie matrici che realizzano gli operatori: i) exA + f3B..r(J)}j'=l e sono rispettivamente basi di Vn e 17m. . n e l'insieme degli mxn numeri complessi aij. allora i vettori colonna (6.. L'equazione [4.. . ii) l. . n =? !l = (A)~ dove aij e la rappresentazione dell'operatore A nella base {. ex. iv) (I)ij = Dij' Inoltre... f3 E C.25] e [4. . e se {. Se aij e bij sono Ie rappresentazioni matriciali degli operatori A e B rispetto aHa base {. Proposizione 4. m.r. i=l m j = 1. .

. . Lo spazio delle matrici mxn e isomorfo allo spazio degli operatori lineari che portano spazi vettoriali di dimensione 71 in spazi vettoriali di dimensione m.712. .:Ii.. anche A. . interpretando vettori colonna 71dimensionali come matrici nx1.25]. p se. j=l' {(j)}n2 j=l e {(j)}n3 j=l nspe tt' 1vament e d'I TT JL ~ Vnll Vn2 e Vn3.E Vn1 eyE Vn2 sono legati dall'operatore A tramite l'equaziorw [4. . L'equazione [4. ma non di integrazione.711 e bij. ... .. i = 1. i = 1. j " 1. Esempi meno banali di sottospazi invarianti rispetto ad A sono N(A) e R(A)... . j = 1.:Ii. .713. . ii) Ie coordinate T/1. Se il sottospazio M e invariante rispetto ad A. 10 spazio Pk.. se. M. TT TT { . Ad esempio. .: 71 e un sottospazio invariante rispetto agli operatori di derivazione e di traslazione. ..31]. i = 1. 2.. E in Pn.2 1.Proposizione 4. Siano dati gli operatori lineari A e B tali che A : Vn1 ----+ Vn2 e B : Vn2 ----+ Vn3.. . .E M.. k <:.:Ii.:Ii. ..712 che fornisce 130 regola di applicazione da sinistra di matrici n2xn1 Sll vettori colonna n1-dimensionali.. se aij. . .. . j=1.:Ii. k=l i=1.32] puo essere vista come caso particolare della [4.~nl rispettivamente dei vettori y e.T/n2 e 6..sono legate dall'equazione nl T/i = L k=l aik~k. allora:- i) l'operatore n3xn1: lineare BA Vn1 ----+ Vn3 e rappresentato dalla matricp n2 (BA)ij=Lbikakj.. Introdotta 130 nozione di operatore lineare A dallo spazio vettoriale V ill se stesso.n1 che fornisce 130 regola di moltiplicazione tra matrici rettangolari n3xn~ e n2xn1. V e {Q} sono esempi banali di sottospazi invarianti (10 sono per ogni trasformazione line are su V!). e naturale associarvi 130 nozione di sottospazio M invariant(' rispetto ad A. . allora possiamo restringere l'azione di A 301 solo sottospazio M (ignorando che A (~ . 712 sono Ie rappresentazioni matriciali di A e B rispetto aIle basi (j)}nl .n3. cioe tale che..

:Ii.E X e JL E Y. . quindi ottenibile "proiettando" z sulla retta X "lungo" e 130 retta Y (cioe parallelamente ad essa) e l'operatore che svolge questa azione viene detto proiettore.:Ii. ottenendo M (AIM: M ----+ M): [4. M e JL E N. Abbiamo gia visto come il piano R2 sia 130 somma diretta di due rette X eYnon parallele. z ~ / \ \ \ / / / In generale. che se P e un proiettore su M lungo N. M = E AlIa nozione di sottospazio invariante aggiungiamo ora quell a di proiettore che ha un forte significato geometrico ed e intimamente legata a quell~ di decomposizione di uno spazio vettoriale nella somma diretta di due sottospazi. attraverso la regola del parallelogramma.:Ii. se il generico vet tore ~ EVe decomposto in modo univoco nella SOIIlma ~ = .:Ii.:Ii.:Ii. ~ E V Dalla definizione segue che gli operatori di proiezione sono lineari. A.definito su tutto V).:Ii. II vettore . allora l'operatore di + E proiezione (il proiettore) P su M lungo N e quell'operatore tale che [4.34] P~ =. allora I . con .33] 130 cosiddetta restrizione AIM di A a AIM. y. quindi ogni vettore z di R2 e decomposto in modo univoco.+ JL' con.P e un proiettore su .:Ii.. nella somma di due vettori ~ =..:Ii.

N lungo M: (I - P)~ = y; che il rango di P e la dimensione diM c quello di 1- P e la dimensione di N. Gli operatori di proiezione HOIIII inoltre caratterizzati dalla seguente proposizione. Proposizione 4.3. Una trasformazione lineare P su V e un proiett,ol"l' se e solo se P e idempotente, cioe se e solo se p2 = P. Dimostrazione. Assumiamo che P sia un proiettore su M; aHora, ]lC'1 ogni ~ E V, si ha la decomposizione ~ =;r + y con;r = P~ EM; d'alt.r;1 parte la decomposizione di ;r e ;r = ;r + Q., qui;di p2 ~ = P (P~) = P:r ;r = P~ =} p2 = P. Assumiamo ora che p2 = P e mostriamo che i seguenti sottospazi di V: L1 = {P;r; ;r E V} e L2 = {(I - P);r; ;r Ell} sono t.ali che V = L1 EB L2. Infatti, V~ E V, ~ = P~ + (I - P)~; inoltre (~~;~;i sono indipendenti, poiche dall'equazione P;r1 + (I - P);r2 = Q e dalla proprieta p2 = P segue che p2;r1 = P;rl = Q e quindi (I -. Pk2 = ll, AlIora P e un proiettore su L1 e 1-P su L2; inoltre;r E L1 =} P;r = :1' e ;r E L2 =} P;r = Q. Nella seconda parte delIa proposizione 4.3 abbiamo mostrato e1\(' un operatore idempotente P su V decompone V nella somma direLta di due sottospazi L1 e L2 tali che, se ;r E L1, allara P,;I:, = ;r e HI' ;r E L2 allora P;r = O. Questo risultato ha la seguente important!· generalizzazione. Proposizione equazioni

4.4. Se gli operatari lineari

p(l), ... , p(m)

soddisfano

II'

LP(i) = 1
i=l aHora decompongono V nella somma diretta: V = L1 EB L2 EB ... EB L,,, di m sottospazi indipendenti Lk, k = 1, ... , m tali che, se ;r E Lj, allora p(i);r = 8i.i;r. Dimostrazione. La dimostrazione che i sottospazi L.i = {pW;r; ;r ( V}, j = 1, ... , m decompongono V in somma diretta e un'ovvia geIH~ralizzazione del risultato precedente ed e lasciata al lettore. Qui no tiamo soltanta che, se;r E L.i, aHara 3y E V tale che;r = pU)y; quindi p(i)X_ = p(i)pU)y _ = 8·pWy _ = 8x. tJ ZJ-

Un operatore lineare dallo spazio vettoriale V a e (0 R) e dett~ funzionale linear-e su V. Ad esempio, dat.i gli n ~umeri complessl h, ... ,f n, la funzione scalare f (;r) che aSSOCIa ogm ;r = (6, ... ,~n) ad E

en la quantita

scalare f(;r)

=

L fi~i
i=l

El un funzionale lineare su L'insieme di tutti i funzionali lineari su V e chiamato spazio duale dz V cd e indicato col simbolo V*. E facile convincersi che V* e esso stesso uno spazio vettoriale, avendo definito il funzionale 0 (zero), la somma h + h di due funzionali lineari ed il prodotto o:f di un funzionale per 10 scalare 0: attraverso Ie equazioni C(;r) = 0, (J + g)(;r) = f(;r) +

en.

,

g(;r), (0:J)(;r) = o:f(;[;,), V;r E V.

n

. ,

.

Se {;r(j)}l e una base di V e;r = 2:::.1=1 ~.i;r(J) e un genenco vettore di V allora oO'nielemento di V* e rappresentabile nella forma [4.37] , b f' f E V* , per una scelta opportuna degli scalari h,· .. f n' In attl, se allara f(;r) = 2:::;'=1 ~.if(;rW) coincide con [4.37], per f.i = f(;r(J))· In particolare, i vettori {;rW*}l di V*, definiti dalle equazioni

[4.38]

;r(i)*(;rW)=8i.1'

i,j=l,

... ,n

corrispondono alIa seguente scelta per ;rW * : f.i = 1, h = 0, ~ i- j. . Ad agni elemento f E V· e possibile associare la n-pla dl numen complessi h, ... ,fn attraverso l'equazione
[4.39]

f =

L h;r(k)'
k=l

n

V' e quindi uno spazio vettoriale di dimensione n, isomorfo a
l'insieme dei vettori {;rW'}l

e e una base di tale spazio, la cosiddetta

en,

base duale delIa base {;rW}l. . Le formule [4.38], [4.14] e [4.30] implicana inoltre che Ie componentl ~i, i = 1, ... , n del vettore colonna rappresent~tivo di ;r E V rispe~to alIa base {xW}n e Ie componenti Ai.i delIa matnce (A) rappresentatlva dell'operat<;re liner are A su V nella stessa base sono esprimibili nel seguente modo:

Se ;r = 2:~=1!;k;r(k) e un elemento di V, f = 2:~-1 fkX(k)* elemento di V* e vale la [4.38], il funzionale lineare: -

C 1111

esprime 10 scalare f(;r) attraverso Ie componenti dei vettori x f. E V*. La [4.41] su~gerisce di rappresentare Ie componenti f~ dl f nella base {;r()) }r come vettore riga:

E

V (.

... ,III

e di interpretare l'applicazione f(;r) come il prodotto delIa matric(' rettangolare 1xn rappresentata dal vettore riga [4.42] per la matric(' nx1 rappresentata dal vettore colonna [4.15]. La corrispondenza tra V e V* permette infine di associare ad 1111 generico operatore A su V l' operatore A * "aggiunto" 0 "duale" di .A, attraverso l'equazione

E possibile most rare che, se (A) e la rappresentazione matriciale dd l'operatore A in una certa base {;.!;(j)}r di V, allora la rappresentazioJl(, matriciale di A * nella base duale e fornita dalla matrice AT traspos/'({
di (A):

Rispetto alIa base {;r(j)*}r l'equazione
(.)*

f = 6j=1

",n

j =
n

A* f, con

j =

2:

n_

jxUl*,
)-

)-1

fj;r)

E V*,

ammette quindi la realizzazione
n

h = L(A *)jdi
i=1

=

L fi(A)ij
i=1

che ~ornisce la ~egola di "~ol~iplicazione da destra" delIa mat rice (A) ?er 11 vettore nga f E E lasciata al lettore la dimostrazione ell<' 11 rango di A * e uguale al rango di A.

en .

Per poter trasferire questo risultato in V dovremo pero assicurarci che l'invertibilita delIa matrice (A) sia una proprieta condivisa da tutte Ie matrici che rappresentano l'operatore A. en en L aik!. La ragione di questa ostinazione e che. invece di concentrare la nostra attenzione solo su spazio a noi familiare. siamo senz'altro portati a consider are il sistema algebrico en.i. di n equazioni nelle n incognite !. Ie matrici e. al quale l'equazione [4. i = 1. i tensori) che descrivono Ie quantita fisiche. l'isomorfismo tra V e si realizza attraverso la scelta di una base di V. come si dice. nel quale possiamo utilizzare ben noti risultati di algebra lineare e di teoria delle matrici. Nel nostro esempio ci piacerebbe quindi associare ad ogni operatore su uno spazio finito-dimensionale una nozione intrinseca di determinante. cioe solo se sono invarianti per isomorfismi. n. Allora la regola di Cramer ci assicura che esiste unica la soluzione delIa [4. i vettori.. si vuole studiare la risolubilita dell'equazione [4. In generale. pili in generale.Poiche ogni spazio vettoriale complesso V e isomorfo a en.. per trasformazioni di coordinate o per cambiamenti di base. non dip end a cioe dalla base prescelta. . illettore si sara sicuramente chiesto percM si continui a studiare spazi V astratti. .i = 1. nella formulazione matematica delle leggi delIa fisica giocano un molo import ante Ie proprieta di invarianza rispetto a sistemi di riferimento diversi 0. E quindi importante: i) stabilire come si trasformano gli enti matematici (gli scalari..25] in V. . . a prescindere dall'indubbia eleganza di una trattazione astratta e generale.25] si riduce in una certa base. n. in seguito a tali trasformazioni. . ad esempio.k k=1 n = 1/i.. indipendente dalla base. quindi i risultati dimostrati in sono validi in generale solo se non dipendono dalla base scelta.45] in se e solo se la matrice (A) e invertibile (cioe se e solo se det A -I 0) e la soluzione vale en dove (CA) e la matrice dei cofattori di (A). Se.

. affinche l'insieme dei vettori .r.(j)' .- = T.(k) .(j)'}!'.48]' in virtl1 dell'indipendenza dei vettori ±(j) _l~1 mostri che anche il risultato opposto e vero: se i vettori di en (6.(j)} .r.. scritto dall'operatore lineare T mediante la trasformazione [4.(j) = 2: Tkj.1ik~k' k=l =} ~/ = L:)Tk=1 1 )ik~k da cui segue la [4. . . mantenendo fissa 1:1 base {.. ddill iII dalla [4.r.ii) individuare quelle quantita che restano invarianti rispetto a lall trasformazioni e che quindi rappresentano delle proprieta "intrillsI'dll' dell'oggetto fisico". e necessario e sufficiente ell(' Iii mat rice (T) sia invertibile). COli Iii conseguente determinazione delle coordinate di ± nella base {±CJ)/ I.r.41]' allora essi SOil" Ie componenti di uno stesso vettore di V.r.1. EVe equivalentemente rappresentato mediante Ie ~'11" componenti rispetto alIe due basi {±(j)H e {±(j)'H': n X n ':. Invece di prendere in esame il cambiamento di base [4. . k=1 k=1 n n j = 1.' dove Tij e la rappresentazione matriciale dell'operatore {. II vettore . nelle basi {±(j)} e {:rCIi'l rispettivamente.. si realizza una trasformazione del vettore ± in un !lIIOV" vet tore {k: .r.~n')T sono legati dall'equazione [4.r. ~n)T e (~/. Consideriamo un cambiamento di base {z(j)H ---* {. si puo usare un punta di vista alternativo in cui. . .46] .1. n T nella ha~.r.(j) H (si puo mostrare che.46]' queste componenti trasformate nel seguente modo: SOil" ~i = 2:. ..r._ = "\"' tx(j) ~ = L-t t'x(j) "\"' ':.(j)'.46].46]..(k) = 2: (TT)jk.. costituisca una base di V.- I i=1 i=l In seguito al cambiamento di base [4.1.

(j)}]' e di {. Ij = L!k1kj k=l ..~n'f di en sono Ie coordinate di uno stesso vettore di V nelle basi h(j) H e {±(j)' H rispettivamente. rispetto alIa base {. In seguito a1 cambiamento di base [4. Proposizione 4.r. . nella base {.~nf e (6""'. Poiche. .50]. la richiesta che = ~~ l'equazione [4. Possiamo quindi affermare che: i) i vettori (6.cn*'}]'.r. ii) i vettori ± e {k di V hanno Ie stesse coordinate nelle basi h(j)'}]' e {.in modo tale che Ie coordinate di {k nella base {.. k=l (Bf = (T)-l dove (B)ij = Bij e la matrice dell'operatore B : V* ---* V* nella base h(j)}]'· ii) I vettori rig a (iI. In) di en sono Ie coordinate di uno stesso vettore di V* nelle basi {±(j)*}]' se e solo se n e {. n [4.. [1. . .r. essi sono raccolti nella seguente proposizione.(j)}..23]) (T) = Rre) \ = (co~e e ~ sm sine) cos e che ruota gli assi cartesiani di un angolo e.48] portano al risultato. Considerando il punta di vista alternativo. e applicato l'operatore (R( e))-1 = R( -e).(j)} siano uguali alle coordinate di . ..46] e la trasformazione dei vettori [4.r. al generico vettore . si trasformano secondo l'equazione [4.1.49] c'e una relazione inversa: ti Una semplice applicazione di questo risultato ai vettori del piano corrisponde alIa matrice (cfr. l'equazione [4.(j)*/}]' rispettivamente.51] ±(j)*' = B±(j)* = LBkj±(k)*.r.48].49] prende la forma {i = L~=1aik~k.(j)'}]'. . se e solo se vale la [4.46] valgono risultati analoghi per i vettori delIo spazio duale e per Ie trasformazioni lineari su V.5 i) In seguito alla trasformazione duali di {. la cui dimostrazione e lasciata al let tore..49] [4. che e tra il cambiamento di base [4.(j)}]' rispettivamente.(j)/}.r. che 10 ruota di -e.r.r. par.46] Ie basi {±(j)*H e {.r. peraltro intuitivo.r. se e solo se valgono Ie [4. In) e Uf. 1.

52]. DU~ ~atrici (A) e (AI) s~no ~ette ~imili se esiste una matrice (T) lllvertlbIle che Ie lega tramlte 1 equazlOne [4. (B)T = (T)-l iv) Le matrici (A) e (AI) sono Ie rappresentazioni matriciali di uno stesso operatore lineare rispetto alle basi {~(j)}r e {~(j)/}! rispettivamente. Allora due matrici sono simili se e solo se sono Ie rappresentazioni matriciali di uno stesso operatore. se e solo se la relazione tra Ie matrici (A) e (AI) e fornita. invece. Avendo ottenuto Ie leggi di trasformazione di vettori e matrici ci occupiamo ora di invarianti.iii) I v~ttori f e e {~(J) j E V* hanno la stesse coordinate nelle basi {~(j)*' }r rispettivamente. Notiamo innanzitutto che equazioni' algebriche tra matrici sono invarianti per trasformazioni di similitudine' basta infatti osservare che. dall' equazione n LTikA~j = k=l = L AikTb k=l => (T)(A/) = (A)(T). sono detti covarianti. se e solo se j = (Tf H f. se AI = T-1 AT e BI = T-l BT. si trasformano secondo la [4.46f. si trasformano secondo la [4. poiche si trasformano come la base. . in seguito al cambiamento di base [4. I vettori riga che. A/B = I T-1(AB)T . La trasformazione [4. sono detti controvarianti. f = Bj. poiche la trasformazione delle loro coordinate e l'inversa delIa trasposta delIa trasformazione delIa base. (AI) = (T)-l(A)(T) v) Gli operatori A e A hanno la stessa rappresentazione nelle basi {xU)}! e {~U)/}r rispettivamente. Ad ogni operatore su V e quindi associata una classe di matrici simili (mostrare che e una classe di equivalenza).48]. allora ' CAI = T-1(cA)T A' +B = I T-1(A + B)T.54].54] e detta di similitudine 0 canonica. se e solo se matriciak I vettori colonna che.

.. i=l n C2 = (_1)n-2 L il <i2 Ai1Ai2 c3 = (_1)n-3 L il<i2<i3 AilAi2Ai3"'" cn = II i=l n Ai da cui deduciamo la ben nota rappresentazione di tr A e det A attraverso gli autovalori di A: tr A = L~=l Ai. Un'altra grandezza intrinseca associata all'operatore A e il suo "polinomio caratteristico" P A (A): [4. 4. . n del polinomio caratteristico (e quindi i suoi zeri AI. j = 1.50] vale l'identita di Cayley-Hamil- ton: n PA(A) = LCn-kAk k=O =0 . det A = I1~=1Ai' Per il polinomio caratteristico [4.AI) = L Cn_jAj j=O = II(Ak k=l A). ..5). par.2. gli zeri di peA) sono detti autovalori di A (cfr. Cl = (-1) n-1tr A e Cn = det A.57] PA(A) = det(A .E inoltre possibile most rare che anche tr A e det A sono invarianti per trasformazioni di similitudine: tr AI det AI = tr(T-1 AT) = tr(ATT-1) = tr A = det(T-1 AT) = det(T-1) det(A) det(T) = = (detT)-l detAdetT = detA e quindi sono grandezze intrinseche dell'operatore rappresentato dalle matrici A e AI.. . An) sono invarianti per trasformazioni di similitudine e quindi sono grandezze intrinseche dell'operatore A. AEC Ne segue in particolare che i coefficienti Cj.. Osserviamo che tr A e det A sono due fra i coefficienti del polinomio caratteristico: precisamente si ha che Co = (-1) n. Osserviamo inoltre che i coefficienti Cj del polinomio caratteristico e gli autovalori di A sono legati dalle relazioni: Cl = (_l)n-l L Ai.

59]' per mette l'identificazione di Q con -C e di R = PA(A) con la matric(' nulla.A non e invertibile. univocamente dekr minati dalla [4. (A . tramite la [4.2. L'insieme degli autovalori di A costituisce il cosiddetto spettro (discreto) di A. valida per operatori che arnmettono una decomposizione spettrale. Qj = 2:: R = 2:: 8=0 Cn_j_s_l AS j=O n-l = 2:: cn-jAj = PA(A) j=O Se A e tale che PA(A) =J 0. II polinomio caratteristico PA (A) e associato in modo naturale al cosiddetto problema agli autovalori per l'operatore A: che consiste nel determinare per quali va10ri del parametro comples8o A I' equazione agli autovalori [4.5.A) nel seguente modo dove gli operatori "quoziente" Q(A) e "resto" R.AI) -1 (A .62] ammette soluzioni Jl. E V non nullc. Si ha che A appartiene all'insieme degli autovalori di A se e solo se l'operatore AI .AI)-1 = l/p(A) CA-AI (in seguito. valgoJlo n-l Q(A) n-j-l j QjA . Una dimostrazione pHl diretta dell'identita di Cayley-Hamilton. autovalore (0 valore caratteristico 0 valore proprio) ed autovettore (0 vettore caratteristico 0 vettore proprio) deH'operatore A.AI) viene quind i riscritta nella forma p(A)I = -C(AI . 4.A) che.AI e invertibile (' come nella [4. non nullo di V che verificano la [4.45']. . rispettivamente. L'identita I = (A .59] e dalla richiesta che R non dipenda da A. allora la rnatrice A . Lo seal are A ed il vettore Jl.62] sono detti.la cui dimostrazione si basa suI fatto che e possibile "dividere" l'opcra tore PA(A)I per l'operatore (AI . e ri portata nel par. CA-A/' e abbreviato C).

giungiamo allora al risultato seguente: un operatore lineare A sullo spazio vettoriale n-dimensionale V diagonalizzabile se e solo se esso possiede n autovettori indipendenti. Infatti. ad esempio.. ki-i i=l. .(j) '* Ai] = OJ)Aj . . . cosl come 10 sono Ie sue radici Aj. l'operatore A viene rappresentato da una matrice diagonale i cui elementi sono proprio gli autovalori di A: AD = diag(Al.. cioe come individuare la base ad essa associata.Jj) e la base associata aHa forma diagonale Aij = ajOij di A. il polinomio caratteristico e una quantita intrinseca dell'operatore A. n sono autovettori indipendenti di A. un operatore acquista una forma matriciale semplice. se 'Jl(j) ... n. = 1...An)' Infatti: AJl.n che ammette una soluzione VI. .. Dato un operatore su V nasce quindi il duplice problema di cap ire se esso puo assumere una certa forma matriciale semplice e come ottenerla. allora e r? Tn Ax(j) _ = ~ Ak.(j) = 2:: n i=1 AijJl.·x(j) '--']_' J.(i) = AjJl.]_x(k) = ~ k=1 n.' . Vn non nulla se e solo se A e una delle radici del polinomio caratteristico PA(A) = O.. n e quindi A possiede gli n autovettori indipendenti y(j) = :]. Essendo invariante per cambiamenti di base. ad esempio diagonale.. e quale sia questa base. e possibile dedurre molte proprieta spettrali e di struttura dell'operatore col minima sforzo.. .. triangolare. n in corrispondenza agli autovalori Aj = aj' Viceversa.(j). . se un operatore e diagonalizzabile.Rispetto a una certa base. j = 1. aHora. . Ci chiediarno.. se cioe esista una base rispetto alla quale esso e diagonale.. .. . . se {J. rispetto aHa base di questi autovettori. che quindi costituiscono l'insieme degli autovalori di A. j = 1. diagonale a blocchi. j = 1. . . .62] si riduce al sistema (aii-A)Vi+2::aikVk=O. l'equazione algebrico omogeneo [4. Se. in una certa base.

.. Sia A un operatore lineare sullo spazio vettoriale V di dimensione n e siano . n soddisfano Ie equazioni [4.35] e [4.Se (A) e la rappresentazione matriciale dell'operatore A diagonaliz-zabile in una data base {~(j) e logico chiedersi Quale sia la trasformazione (di similitudine) che trasforma la matrice (A) in AD.. n. Vogliamo riassumere questi risultati nel seguente importante teorema. .. nella base data. dove base vi j ) h(j) n e la i-esima componente del j-esimo autovettore di A nella Infatti. . Applicando la trasformazione di similitudine all'equazione [4. I" trasformazione cioe che "diagonalizza" (A). Teorema 4.65] si ottiene la decomposizione spettrale en. gli operatori p(k). Essa e fornita dall'equazione n. . ciascuno contcncnte un elemento della base canonica di L'equazione [4. Teorema spettrale per operatori diagonalizzabili. k=l (P~))ij = DijDik ed e immediato verificare che Ie matrici diagonali p£). n sono definiti dalla trasformazione di similitudine p(k) = TP~)T-l. e quindi l'esistenza della matrice T-1).36]. quindi godono anch'essi delle proprieta [4. k = 1. i = 1.3.35] e [4. . dell'operatore A rispetto ad una qualsiasi base di V. E conveniente decomporre AD nel seguente modo n AD = L AkP~).36] e quindi decompongono 10 spazio en in n sottospazi indipendenti e unidimensionali. j LAikvi ) k=l = j Ajvi ) n =} n = LAikTkj k=l AjTij = LTikDkjAj k=l e quindi (A)(T) = (T)AD (si noti che l'indipendenza degli autovettori implica che det T # 0.65] fornisce la cosiddetta "decomposizione spettrale" 0 "forma spettrale" dell'operatore A nella base dei suoi autovettori.

con A~ = Aj~ se .r:(j)} il proiettore p(k) e rappresentato dalla matrice j dove vi ) e la componente i-esima delj-esimo autovettore di A rispetto alla base {.Ln indipendenti.r: EO Lj. e quindi unidimensionale ed invariante rispetto ad A.r:(j)}.. . La matrice (A) che lo rappresenta nella base h(j)} e trasformata nella matrice diagonale AD (e cioe diagonalizzata) attraverso la trasformazione di similitudine . k = mediante gli operatori di proiezione le eq11azioni 1. iii) La matrice AD = diag(Al. . Il sottospazio Lj e la varieta lineare associata all 'autovettore :!l(j). .An gli autovalori di A (eventualmente degeneri)..."" An) rappresenta l'operatore A nella base dei suoi autovettori... ii) In una generica base {.... :!l(n)).. se A e diagonalizzabile (se cioe possiede n autovettori indipendenti :!l(1). .AI. . . . n che soddisfano LP(i) i=l =I e che quindi decompongono lo spazio V nella somma diretta di n sottospazi L1. allora: i) L 'operatore A ammette la "decomposizione spettrale" 0 "forma spettrale" n A = LAkP(k) k=l p(k). .

.76] e [4.z:.z:. . [4. 7f(A) = L 7f(l1k)P(k) k=l m vi) Gli operatori di proiezione delia decomposizione spettrale [4.z:. 7f(A) del1'operatore A ammette 1a decom- v) Un qua1unque polinomio posizione . e s .. ) . Usando la [4. P (2) = A '" L ( pS'. con A.72] sono esp'rimibi1i come po1inomi dell 'operatoTe A ne1 seguente modo: Dimostrazione. Mm indipendenti.E Mj.77]. . tutte conseguenze dirette delle equazioni [4. la dimostrazione e lasciata al lettore.. = ILj. Il sottospazio Mj e 1a varieta lineare assoeiata ag1i nj autovettori ehe eorrispondono all'autovalore I1j" esso ha quindi dimensione nj ed e invariante rispetto ad A. m \p(i) L..m A = Ll1kP(k) k=l p(l) = L 8=1 nl nl+n2 p(S). .75] e anche immediato dimostrare che operatori che ammettono una decomposizione spettrale soddisfano l'identita di Cayley-Hamilton.74]. Restano da dimostrare Ie equazioni [4.-i i=l = I e quindi deeompongono 10 spazio V nella somma diretta di m sottospazi Ml.72]..

Assumiamo per assurdo che Q(2) = (}. 10sono anche i primi 1+1.3. Mostriamo infine che.. I sono indipendenti.k(Ak . con (}... che porta alla contraddizione Al = A2. che porta all'assurdo Ai = AlH' Da questa proposizione segue che condizione sufficiente per l'esistenza di n autovettori indipendenti dell'operatore A e. .l (A2 Al)Q(l) = 0. Questa proprieta non e sempre vera. La molteplicita geometric a di un autovalore non maggiore dell a sua rnoltep!icita algebrica.l l' 0 ed applichiamo l'operatore A ad ambo i membri dell'uguaglianza ottenendo (}. Q(lH) = (}. ha molteplicita nk. Mostriamo innanzitutto che.IQ(l). E facile rendersi conto che: Proposizione 4.ILkI). applicando A otteniamo ~~=l (}. Q(2) sono indipendenti. Se l'autovalore 11k.kQk).ILkI : mk = dim N(A .6. e . Tale condizione non e necessaria (ad esempio l'operatore identita possiede n autovalori uguali ad 1 ed n autovettori arbitrari. . e chiaro pero che eventuali ostacoli alla costruzione di n autovettori indipendenti potranno solo venire da situazioni di degenerazione degli autovalori. se Al l' A2. Proposizione 4. quindi. che coincide ovviamente con la dimensione del nucleo dell'operatore A .Al+I)Q(k) = 0. n autovettori indipendenti e che possegga m autovalori distinti. ad esempio l'operatore di derivazione su Pn (10 spazio dei polinomi di grado < n) ha n autovalori coincidenti ed uguali a 0 ed il solo autovettore costante. aHora i corrispondenti autovettori Q(l). per assurdo. . se i primi I autovettori Q(k). e che tutti gli autovalori di A siano distinti. Dimostrazione. . k = 1. k = 1. (}. intesa come molteplicita delIa radice del polinomio caratteristico di A (1a cosiddetta "molteplicita algebrica" di 11k). Condizione sufficiente affinche un operatore A possegga almeno m :s.7. m. che quindi possono essere scelti indi pendenti).k l' 0 ~i=l per qualche k = i. Se.. Per induzione. Una condizione sufficiente per l'esistenza di autovettori indipendenti e contenuta nella seguente proposizione.3 si basa sull'unica ipotesi che l'operatore A possegga n autovettori indipendenti. per l'applicabi!ita del teorema 4. con nk = n: ~:=l PA(A) = II(11kk=l A)nk sara quindi importante stabilire il numero mk di autovettori indipendenti ad esso associati (1a cosiddetta "molteplicita geometrica" di 11k).Il teorema 4.

n .A)mk• D'altra parte. E V). Per fare questo e richiesto un ulteriore approfondimento delle proprieta di un operatore lineare su V e.. ii) la sua dimensione e pari alla molteplicita geometric a mk di Ilk.z.IlkI) e invariante rispetto ad A ed ha dimensione ::. .IlkI) C Ln-1... . la varieta R(A . .IlkI)). . non sono riducibili alla forma diagonale.. Nel paragrafo seguente prenderemo in considerazione esempi di operatori di grande rilevanza in fisica. Forma triangolare e quasi diagonale a blocchi di un generico operatore Se Ilk e un autovalore di A. il det(AINk -AI) e un fattore del det(A . attraverso il calcolo del rango delle matrici (A) . ... come gli operatori hermitiani e unitari. Abbiamo quindi dimostrato chc.IlkI gode delle seguenti proprieta: i) e un sottospazio di V non nullo (contiene almeno un autovettore). per ogni operatore lineare A su V..IlkI). infatti. che l'operatore lineare A sullo spazio vettoriale V di dimensione n possiede n autovettori indipendenti (ed e quindi diagonalizzabile) se e solo se la molteplicita algebrica nk di ogni autovalore Ilk. Nel resto di questo paragrafo ci occuperemo di operatori che non hanno un sistema completo di autovettori e.m e pari alla sua molteplicita geometrica mk (cioe se e solo se nk = dimN(A . delle possibili decomposizioni di V da esso indotte. in particolare. allora Ln-1 e una varieta invariante rispetto ad A. ad esempio.1. la cosiddetta "forma canonica di Jordan". Soltanto se mk = nk. che godono di tali proprieta e che quindi sono sempre diagonalizzabili. E Ln-1 (anzi. k = 1. esiste un sottospazio Ln-1 C V. \I.AI) = (Ilk .dimR(A .z. Sia Ln-1 un qualunque sottospazio di V di dimensione n .\I. mostreremo tuttavia che esiste sempre un'opportuna base nella quale essi assumono una forma relativamente semplice. . quindi. quindi det(AINk . k = 1. Il controllo di questa proprieta e possibile.IlkI. Ilnucleo Nk dell'operatore A .Dimostrazione.. iii) e invariante sotto l'azione di A e la restrizione AINk di A a Nk possiede il solo autovalore Ilk.IlkI) = n . ed usando le proprieta di invarianza del range di una matrice. k = 1. Un operatore con autovalori degeneri e riducibile alla forma diagonale dovra quindi avere proprieta assai speciali. pili precisamente. Possiamo anzi affermare. . essendo AINk la restrizione di A su Nk. nk.AI) da cui segue mk ::.1 che contiene R(A .IlkIh E R(A . si ha che (A . il numero di autovettori di A indipendenti e pari a n e quindi l'operatore e diagonalizzabile. m.IlkI in una certa base. m che rappresentano gli operatori A .

. che porta alla cosiddetta forma quasi diagonale a blocchi di un generico operatore e..1.A)ns =1 F(kl(A) = rk(A) II (llsI s=l.78] dell'operatore A (allora rk(A) e un polinomio in A di grade ::. Si e quindi dimostrato che. ogni operatore lineare ammette pili di una forma triangolare.s#k (Ila . . per ogni operatore lineare A sullo spazio n-dimensionale V. Esiste un altro procedimento di riduzione. Poiche la decomposizione [4. Sia l/PA(A) = LZ~l rk(A)/(llk .1. m .A)nk l'espansione in fratti parziali dell'inverso del polinomio caratteristico [4. Questo procedimento puo essere iterato fino alla costruzione del sottospazio L1 C L2 C . se questo e diagonalizzabile.#k . k = 1.invariante rispetto ad A e di dimensione n . invarianti rispetto ad A e tali che Questa decomposizione dello spazio permette di selezionare la seguente base di V rispetto alla quale la matrice che rappresenta A e triangolare: xU) {xU)}n_ )-1' - E L ). Ln di V..79]. . invariante e tale che rdllk) oj 0).. nk . alla sua forma diagonale. [4. A "F Lk(k < ]").. • La forma triangolare di un operatore permette di identificare a vista i suoi autovalori. L'identita che ne deriva: ~ k=l rk(A) II s=l. pili strutturato di quello triangolare.. C Ln-1 di dimensione 1 e invariante rispetto ad A.A)n s .. che coincidono con gli elementi della diagonale principale. . Allora esistera anche un sottospazio Ln-2 C Ln-1 di dimensione n . e possibile individuare n sottospazi L1.2 e invariante rispetto ad AILn_1 (e quindi rispetto ad A).80] e la scelta dell a base non sono uniche.

. essi decompongono 10 spazio V nella somma diretta V = ffiLk di m sottospazi L1.j = 1. al pari dell'operatore (A . k = 1. se . = 0. dal confronto con [4. . ./\)dim Lk.fLkI)nkJ:. \h E Lj.. .. Per calcolare la dimensione di Lk conviene not are che Lk non e solo il range del proiettore F(k).. T ° n:=l n:=l Teorema n e sia 4. Quindi PA (.fLkI)nk e l'operatore nullo su Lj e possiede. aHora dall'equazione [4.. = F(j)(Ah E Lj.Dall'identita di Cayley-Hamilton [4. . Raccogliamo questi risultati nel seguente teorema. Viceversa. k=l F(k)(A) = rk(A) IT 8=1. se J:.A)ns . .JikI)nk) = nk. di Cayley-Hamilton. D'altra parte per una tale decomposizione di V e possibile scegliere un'opportuna base di V rispetto alIa Quale A e rappresentato da una mat rice quasi diagonale am blocchi: (A) = [AI. .J1kI)nkJ:. me quindi. E V}.58]segue che gli operatori F(j) soddisfano anche Ie equazioni F(i)FCi) = bijF(i).J:. Am] e che Ak e la matrice che rappresenta l'operatore AILk su Lk. = 2:~n=lF(k) (A)J:.A)dim Lk. . e tale chelA . e quindi (A .78] si deduce infine che dimLk = dimN((A ..4.fLkI)nk) Infatti.7"ok m (fLs1 . grazie alIa proposizione 4... E V==? 3y E V tale che J:. = 0.\) = PAl Lk (A) = (Jik . che coincidono col range di ciascun operatore di proiezione: Lk = {F(k)J:. il solo autovalore con molteplicita algebrica pari a dim Lk ==? PAl Lj (A) = (fLk .. . per l'identit8.fLkI).. Lm invarianti rispetto ad A. Sia A un opemtore lineare sullo spaz1:o V di dimensione PA(A) = rr(fLk~A)nk.4. ma e anche il nucleo dell'operatore (A ~ fLkI)nk: Lk = N((A -.81] segue che J:. Si ha che (AILk . i. = F(j)(A)U ==? (A ~ fLkI)nkJ:. = (A)p A (A)y = 0.m.

{ J:. Conviene lavorare can l'operatore C = B ~ JLI. . Nel caso in cui N(A . Am] ed il bloeeo Ak e la matrice nk X nk che rappresenta l' operatore AILk rispetto alla base di Lk. Tale decomposizione permette di individuare un'opportuna base di Lk rispetto alIa Quale l'operatore AlLk viene a essere rappresentato esso stesso da una matrice quasi diagonale i cui sottoblocchi sono matrici triangolari inferiori di dimensione a del tipo o o 0 0 detti blocchi di Jordan. il nostro scopo e di individuare una base di L in cui l'operatore B e quasi diagonale a blocchi di Jordan. che possiede il solo autovalore 0 con molteplicita d. {(j) Jnl+1 C L 2.. . esso e quindi nilpotente: Cd = O. A2..(j)} di V ripartita nel seguente modo: {J:.. con un operatore lineare B che possiede il solo autovalore Ji di molteplicita algebrica d... . corrispondenti all 'autovalore fLk e quindi i bloeehi Ak sono matrici diagonali Ak = fLkI.J:.invarianti rispetto ad A e di dimensione nk. . k = 1. . . m (in generale vale il simbolo di inclusione c) allora la base di Lk e costituita da nk autovettori indipendenti di A. ·. k = 1. liberandoci dell'indice che 10 caratterizza. m e la matrice diagonale a bloechi si riduce alla matrice diagonale. Ciaseun operatore AILk su. . Poiche la situazione degli m sottospazi Lk e concettualmente la stessa. concentreremo la nostra attenzione su un solo sottospazio.fLkI) = N( (A . Lk possiede il solo autovalore fLk con molteplieitd algebriea nk.fLkI)nk). E possibile semplificare ulteriormente la forma dell'operatore A attraverso un'opportuna decomposizione di ciascun sottospazio Lk di V. (j) }n m_l+1 eLl' m. .(j)}~" L L 1. Abbiamo a che fare quindi con uno spazio vettoriale L di dimensione d e.. su di esso. Rispetto ad una base {J:. Sia v l'intero positivo tale che . . 1 n2 nm opera t ore A' e rappresentato da una matriee quasi diagonale am blocchi (A) = [AI.

.. Questi ~. ':£s E G k e sono indipendenti.Ilk. =? k-Z). S = 1.1/. contraddicendo l'ipotesi. N(C percM altrimenti Ck-Z(C:£) Ck-1:£ = 0. e cosl via.. 1:::: k :::: 1/ (questo.0. Gz..lis = d. essendo Gv 11011 banale. Siano :£(1).IJk-1 2': ...:£sE (:".. ii) Se :£1" . .1/ =? L = L:~=1 Gs.ottospazi godono delle seguenti proprieta: i) se:£ E Gk.. ill) Se :£ E N(CV) = L. implica che.1/. ill un insieme di vettori indipendenti di Gk-1. . tramite C. .o.i =J j = 1. hi) Segue direttamente da i e ii. Per mostrare infine che gli !nsiemi Gs> S = I. con gk"= dim Gk. Seguendo questa strategia e possibile individuare 1/ sottospazi di L : G1.0. .1/. ovviamente. si consideri l'equazione )~. i segni di inclusione nella formula [4. Gv tal~ che Gk e il sottospazio . e quindi L:s as:£s appartiene sia a Gk dl(~ a N(C) = G1. allora B = p. . =? as = O\ls.0. e cosi a catena.. fino a concludere che:£ = L:~=l:£S' :£s E Gs> S = I.1/ sono indipendenti. quindi. Quindi]Lv = :£v-1 + ]Lv-I' con :£//-1 E GV-1 e ]Lv-1 E N(CI/-Z).. k = L. . k = I. iii) . tra l'altro. ~pplicando poi C//-2 si trlostra in modo analogo che :£//-1 = .1: E N(C Inoltre C:£ 'f.con 1 < 1/ :::: d (se 1/ = 1.. che l'oicM CV = 0 e cv-1 =J 0.Ii N(Ck) non contenuto in N(Ck-1). I)(~rcostruzione si ha che Gi n Gj = {O}. k-1). allora Ck-1(C:£) = .1/ e. saranno non banali anche tutti gli altri: Gk =J {O}. . sino alla condusione che :£s = . .:£ 'f. 1/ per i quali si ha. 1/1) L = EEl Gs =? L:~=1 . . Ihuwstrazione i) Se:£ E Gk (:£ E N(Ck). si parte dall'equazione L:s=l Xs = . . :£(9v) gv vettori indipendenti di G//. q\l(~sta decomposizione suggerisce la seguente scelta della base di vdtori di L.87] vanno intesi ill senso stretto). aHora C:£ E Gk-1.. (. .0. 10 ohiamiamo Gv e gv e la sua dimensione (gv 2': 1)... e quindi:£v =. Applicando ad essa l'operatore C//-1 si giunge all'equazione C//-1 :r// = ... allora esiste un sottospazio di N(CV) = L non banale e non contenuto in N(cv-1). . cioe:£// E N(C//-1). (~s(C:£s) = 0 (con:£s E Gs e CXs E Gk-d. k = 1.. . allora:£ = :£v + ]Lv' con :£v E Gv e ]Lv E N(C//-1).0... AHora L:s as:£s =.l e non e necessaria alcuna riduzione) e si considerino i nuclei delle potenze di C: N(Ck).. N(Ck-1)).0. ..rJ = 0 =? L:s as:£s E N(C). i"i) un insieme di vettori indipendenti di Gk viene mappato. Per . . Ne segue che C (L:c as .

ogni :£(j), j dipendenti:

=

1, ... , gv costruiamo il seguente insieme di vettori in-

By)

= {:£(j), C:£(j), ... , CV~l:£(j)}

II suo inviluppo lineare ~(v) e un sottospazio di L, invariante rispetto aCed indipendente dagli altri al variare di j. Rispetto a ciascuna base Bjv) l'operatore C1y(v) e rappresentato dal blocco di Jordan
J

Jv(O); abbiamo quindi ottenuto gv blocchi di Jordan di dimensione 1/. Avendo esaurito 10 spazio Gv, passiamo ora a Gv-1' Siano j) ,j = 1, ... , gv-1 - gl/, (gv-1 - gv) vettori indipendenti di Gv-1, ed indipendenti dai vettori C:£(j), j = 1, ... , gv. Come sopra gli inviluppi lineari y(v-1) degli insiemi di vettori indipendenti

Jl

J

sono sottospazi indipendenti di L e invarianti rispetto a C. Gli operatori C1y(v-1), j = 1, ... , g//-l - .111/ sono rappresentati da J //-1 (0);
J

abbiamo ottenuto quindi altri gv~l - .111/blocchi di Jordan Jv-1(0). Procedendo in questo modo si esauriscono tutti gli spazi intermedi Gk, fino ad arrivare a G1, nel quale possiamo scegliere .Ill - g2 vettori linearmente indipendenti non ancora usati: ~(1), ... , ~(91-92). Sui sottospazi unidimensionali ~(1), j = 1, ... , .Ill - .112 l'operatore lineare q yO) e rappresentato dal blocco J 1(0); completiamo quindi la nostra rap~resentazione a blocchi di C con .Ill - .112 blocchi J 1(0). L'insieme dei vettori U n B.~v-k) consiste quindi di L:~:~(g//-k - gv-k+1)(1/ - k) = d vettori indipendenti (una base di L). Rispetto a tale base l'operatore B = C + 11,1 assume la seguente forma: (B)

= [Jv(Ji),'"

,JI/(/t),J//-1(Ji),

,Jv-1(Ji),

... ,

J 1 (p,), ... , J 1 (Ji)]

= [J", (p,), J"2 (Ji),

, J a'll (It)]

che viene chiamata forma canonica di Jordan dell'operatore B, e consiste nella "somma diretta" di blocchi di Jordan di dimensione non crescente da 1/ a 1. Il numero di blocchi di dimensione k e pari a .Ilk - .Ilk-I, quindi il numero totale di blocchi di Jordan della rnatrice (B) : gv + L:~:i (.Ilk - gk+1) = .Ill e pari alla molteplicita geometrica .Ill deH'autovalore Ji. Questo procedimento, applicato a tutti i sottospazi Lk, k = 1, ... , m associati aHa decomposizione a blocchi [4.88] permette aHora di associare aH'operatore A 130 seguente forma canonica

di Jordan:

(A) = [J~l(/ll),'"
.....•. t-'" 1

,J",l

Tn!

(fLd, J",2 (fL2), ... ,J",2rn'2 (fL2), 1

... ,J",=(fLm),'" 1

,J",=

rnm

(fLm)]

Il numero di blocchi di Jordan corrispondenti a ciascun autovalore e pari alIa molteplicita geometric a di tale autovalore. Se quest'ultima e pari alIa molteplicita algebrica dell'autovalore, allora ciascun blocco risulta unidimensionale e 1a forma di Jordan si riduce a quella diagonale. Si noti infine che, se vk e il pili piccolo intero tale che (A-fLkI)Vk =0 ma (A - JLkI)Vk-1 -:F 0, Vk :s; nk, allora il polinomio [4.91] JrA(A)

=

II(JLk k=l

Atk

e il polinomio (annichilatore) minim ale dell'operatore A, cioe e il polinomio di grado minimo tale che, sostituendo a A l'operatore A si ottiene l'operatore nullo: JrA(A) = 0 (mostrarlo). Anche Vk e quindi una molteplicita algebrica dell'autovalore ILk, intesa pero come radice del polinomio minimale.

Nei paragrafi precedenti abbiamo generalizzato Ie proprieta di linearita di Rn a spazi vettoriali astratti; la generalizzazione delle proprieta metriche di Rn, associate alle nozioni di distanza, lunghezza ed angolo, a spazi vettoriali astratti a n dimensioni si effettua dotando tali spazi di una funzione scalare, detta "prodotto scalare" (;r.,JL) di due vettori ;r.,y E V che gode delle seguenti proprieta:
1.

(;r., JL) = (JL, ;r.)

2. (.:r., AJL)

= A(x, y)

\:fA

E C

3. (.:r., L + ~) = (;r.,JL) J

+ (;r.,~)
{==}

4. (;r.,;r.) 2': 0; (;r.,.:r.)= 0

;r. = Q.

(efr. anche avanti, par. 4.3.5). Allora: i) la distanza tra due vettori ;r.,JL EVe

data dalla

ii) la lunghezza (0 norma) di un vettore ;r. E V (cioe la sua distanza dal vettore nullo Q.) e data da

2.-1COS 'I'

I(x, y)12

= IIxl1211yl12

Notiamo che, in molti testi, e in particolare in tutti i testi di fisica, la norma di un vettore e indicata col simbolo del valore assoluto, e chiamata "modulo": Ilxll = 1;r.1· AlIa nozione di prodotto scalare e associata in modo naturale la nozione di ortogonalita tra vettori: due vettori;r., y E V sono ortogonali se (;r.,y) = O. Un insieme di vettori {;r.(j)}~~-n e ortonormale se i vettoriche 10 costituiscono sono mutuamente ortogonali e hanno norma ., (j)) - U ], Z, J. - 1, ... , rn. (mo du 1 ) 1.· cwe se (.(i) ,;r. 0 ;r. - ".. . t E facile most rare che vettori ortonormali sono indipendenti; ne segue che n vettori ortonormali costituiscono una "base ortonormale" di V. Valgono Ie seguenti proprieta abbastanza evidenti. Se {;r.(j)}l e una base ortonormale di V, allora: i) _ E V =? _.. = LJ2=1 ~t_ , ~'l. = (X(i) x), , x x ",n c·x(i) c. _,_ ii)(.:r.(i),.:r.)=O, i=l, ... ,n =? .:r.=O; ... ",n f c (( ( nz ) (.:r.,y.) =LJi=lC,i7]i, C,i=.:r. i)),.:r., rh=;r. (i) ,JL;) 2 (uguaglianza di Parseval); ivy 1 i"2 = (;r.,.:r.)= 2:~=1 It,il !;r.1 v) 11;r.112 2:'t" It,iI2, m:S; n (diseguaglianza di Bessel); 2': vi) per m = 1, la proprieta v diventa 11;r.112 !(.:r.(1),;r.)12 ponendo 2': e ;r.(1) = JL/llyll segue 1 1 IIJLII': 1 JL) 1 1.:r.1 2 (.:r., (diseguaglianza di Cauchy-Schwartz) che implica cos2 ¢ [4.94]) nonche la disegllaglianza triangolare

< 1 (nella

r(j)}r e Ie componenti Aij della matrice (A) rappresentativa dell'operatore A nella stessa base sono esprimibili attraverso i prodotti scalari Se i vettori {. in generale non positiva.: (f:(s)..5) (1) _ .r(j) = L k=l n Akj. gQJ = O:i(Xjgij :2: 0 (= 0 se e solo se (Xi = O\7'i).r(k). 264.:~'=1 Data una base {.:J.rU)) i=1 j=1 dove (Xi (rispettivamente iJi) y) nella base assegnata. il pro cedimento di ortogonalizzazione di Gram-Schmidt. n del vettore colonna rappresentativo di . sono assegnati gli n numeri gij = (.A.r E V rispetto alIa base ortonormale {..(j) }j'=1 della base non sono ortogonali.r (rispettivamente definito per ogni coppia di vettori (... di elementi e detta "tens ore met rico" e soddisfa le proprieta: i) gij = 9ji. Nel caso di uno spazio pseudo-euclideo per cui non vale la 4.. i = 1. Sottolineiamo ancora che. Ie componenti ~i.r(1) f: j-l - 11..r.. . ii) (9:. .xU))..2. c'e un metodo costruttivo.r(j»)f:(s)11 8=1 s=l j-l .: (.r(j»)f:(s) 11.r(j) - 2. si riconosce immediatamente che il corrispondente tensore met rico g e ancora rappresentato da una mat rice hermitiana. il prodotto scalare 2 e e l'i-esima componente di . JI) se gij.3.f:(s)..y) = LLO:iiJj(.:~=12.r( 1) II' . 2.r(j) .r..Quindi.rCi).rCi). di pag. Vedremo nel prosieguo di questo paragrafo che una matrice che gode delle proprieta i-ii si dice hermitiana e positiva. par.rUl H di V. 4. che permette di costruire una base ortonormale {f:(j)H attraverso Ie formule (cfr. in uno spazio euclideo finito-dimensionalc. La matrice g. . dobbiamo invece fermarci alla scrittura: (.

.... i cui elementi sono definiti dalI'equazione Tale prodotto scalare induce Ie seguenti definizioni di norma di una matrice: L IX l2 ij i. J!. = (Yl. j = 1.j). .r. Xn). i = 1... . f:( i) . . ortonormale rispetto alIa [4. . Yn) E Cn e definito dalla (.j=l L IX i. Per 10 spazio Mat( C..95]' e fornita dalle n2 matrici elementari X(i. J!. i. .) = L XiYi i=l in questo spazio i vettori una base ortonormale. . i) = bij) formano 2. .r = (Xl...j12 Una base naturale per tale spazio. n i cui elementi sono definiti dalle equazioni . n (tali che e.j=l ij - Y. 1. . n) delIa matrici nxn il prodotto scalare di due matrici X eYe dato da dove X+ e la matrice "aggiunta" 0 "hermitiana coniugata" della matrice X. Per 10 spazio Cn delle n-ple di numeri complessi il prodotto scalare di due vettori..Gli esempi di spazi vettoriali finito-dimensionali dei paragrafi precedenti sono altrettanti esempi di spazi euclidei.

(A.. Per 10 spazio Pn dei polinomi di grado . in geometria elementare. Per dimostrare l'esistenza si consideri un sistema ortonormale e completo {'Q(j)}l' del sottospazio M. B) = (t i.1 il prodotto scalare e definito dalla (.r e ortogonale a M (a tutti i vettori di .y) = 1 1 x(t)y(t)dt E tuttavia possibile costruire da essa una base ortonormale attraverso Ie formule [4. sappiamo che tale proiezione e unica e permette di definire la minima distanza del punto dalla retta (0 dal piano). Dimostreremo ora que lIe proprieta delIa proiezione ortogonale che. definito dall'equazione m .j).I)) L i. alIa proiezione ortogonale di un punto su una retta (0 su un piano). ad esempio. Si pensi. quell a di proiezione ortogonale S11 M. aHora il vettore.:.8.r E M tale che ~ . che ha un ovvio significato geometrico. e inoltre rappresenta il vettore di M che ha minima distanza da ~. Dirnostmzione. n . L'introduzione delIa nozione di angolo tra due vettori e di ortogonalita ci perrnette di aggiungere. alIa nozione di proiezione suI sottospazio M di V lungo la direzione definita da un complemento di M. risultano pili 0 menD intuitive. In astratto definiremo quindi la proiezione ortogonale di un generico vet tore ~ dello spazio euclideo V su un sottospazio M di V come il vet tore .j=1 AijX(i.r = L(:I"Ck). PTOposizione 4.M). t k. k=l ~)'Q(k) .98]. La proiezione ortogonale di un vettore ~ di V suI sottospazio M esiste ed e unica.r E lvI.r.j=1 n AijBij 3.I=1 BkIX(k.

r E M e.(j) v. applicato al generico vet tore ~ E V. m.-L . (. Anche il contrario e vero. L'unicita delIa proiezione ortogonale si dimostra facilmente per assurdo. Infatti.. M e la varieta lineare unidimensionale associata al vettore e definito dalla 'Q E V. vale infatti il seguente risultato. allora il proiettore ortogonale 'Q e la sua rappresentazione {f. La matrice che 10 rappresenta rispetto ad una base ortonormale {e(j)}l di V e data quindi dall'equazione dove {f.. poicM se. pensato come applicazione da .r).r E M.107]' in cui {'Q(j)}l' e una base ortonormale del sottospazio M di dimensione m. e senz'altro un funzionale lineare su V. II'QII = 1. e chiamato proiettore ortogonale 8U M ed indicato col simbolo PM. La nozione di proiezione ortogonale su un sottospazio ]I.r + y con y E M. . . aHora ~ = . il prodotto scalare (y. dove M.. . Se. e quindi al sottospazio M. vogliamo rimarcare che le nozioni di pTOdotto scalare e di funzionale lineare sono equivalenti.-L e il cosiddetto "complemento ortogonale" di ll/l rispetto a V.r E V a C.-L. j = 1. Dalla proposizione 4.r e la proiezione ortogonale di ~ su M. e assegnato il vettore y E V.r) = 0 =?.r e perpendicolare ad ogni 'Q(j).-L. l'insieme cioe dei vettori di V ortogonali a JI/!.-L = {O}. L'operatore che.. e quindi Ie due nozioni sono equivalenti.. da luogo alIa sua proiezione ortogonale su M.{ di V permette di decomporre in modo naturale 10 spazio V nella somma diretta e tale dei due sottospazi lvi e M. in particolare.r.che ~ .r = O.(j)}l e data dalla matriciale rispetto alIa base ortonormale Prima di introdurre la nozione di coniugazione hermitiana di un 0peratore.8 segue che PM e definito dall'equazione [4. inoltre M n M.. se .k) e la componente i-esima del vettore 'Q(k) E M nella base Sll }l' Se. infatti.

. che rappresenta A + nella base duale {J!. ed e ottenuta dalla matrice (A) attraverso Ie operazioni di scambio di righe con colonne (trasposizione) e di coniugazione complessa.I:U)}r e ortonormale (e quindi la base duale {J!. ...112] permette di associare alla base {.U)}r e chiamata base duale di {. Infatti (A)ij = (y(i). e chiaro che la base {yU)}l e duale di se stessa (e auto-duale): yU) =... Ne segue innanzitutto che A + e un operatore lineare su V e che (A +)+ = A. separabile e completo.(j)}l di V tale che Anche {J!.Proposizione 4.I:(j)}l allora la matrice (A +). Ad ogni funzionale ¢ E V* sullo spazio euclideo n-dimensionale V. La corrispondenza biunivoca ¢ f-+ Y tra gli spazi V* e V gode dell a proprieta 0!1 ¢1 + 0!2¢2 f-+ Q.I:(j)}l e ortonormale. se (A) e la matrice che rappresenta l'operatore A in una certa base {.I:(j)*}l di V*. duale della base {. j = 1. corrisponde un unico vettore J!.1 + Q. 4.2 e prende il nome di isomorfismo coniugato.I:(j). una nuova base {J!.2.I:U)) = (A+)ij.. ha componenti e prende il nome di "matrice aggiunta" 0 "hermitiana coniugata" della matrice (A).1J!. Inoltre.4.2J!.113]).U)}l di V (tale che valga la [4. Se la base {.A. Ad ogni operatore lineare A su V il prodotto scalare associa "l'operatore aggiunto". E V tale che Per la dimostrazione di questo teorema. 0 "hermitiano coniugato" A + attraverso l'equazione (si mostri che l'aggiunto di un operatore e unico). n se e~olo se la base {.I:U)) = (A+y(i).. La corrispondenza descritta dall'equazione [4...(j)}l coincide con .9. si rimanda al par. valida per qualunque spazio euclideo...I:(j)}l di V.I:U)}l.

. .. + Am)+ = At + . Infatti. = cA +. 4. ed e possibile mostrare che: n det(A+ . det A + = det A e gli autovalori di A + sono i complessi coniugati degli autovalori di A. Gli operatori lineari A1. At At. par. iv) (A1A2 Am)+ = A~ .I:U)}r). Notiamo che esiste una forte analogia tra l'operazione di coniugazione hermitiana di operatori lineari su spazi euclidei e la nozione di coniugazione complessa di numeri complessi.. Se... la cui dimostrazione e lasciata al let tore. E utile raccogliere Ie proprieta pili rilevanti dell'operazione niugazione hermitiana nella seguente proposizione.AI) = 1>~-jAj.. di co- Proposizione 4.2. infatti.115].4) di un operatore A e quelli del suo aggiunto A +.{. ii) (cA)+ iii) (A +)+ = A.11..I:(j)}l sono legate dall'equazione [4. z E C e A e un . j=O ct = (_l)n coeffi- dell'operatore A + sono i complessi coniugati dei corrispondenti cienti del polinomio di A. poicM il determinante sua trasposta. allora Ie rappresentazioni matriciali degli operatori A e A + rispetto alla base {. v) se esiste A-I => (A -1)+ = (A +)-1. si ha che di una matrice e uguale a quello della In particolare: tr A + = tr A..Am sullo spazio euclideo V godono delle seguenti proprieta (che valgono anche per Ie rispettive rappresentazioni matriciali): i) (AI + ... E naturale chiedersi che relazione intercorra tra gli invarianti (cfr. . . + A~.

e detto "simmetrico". Se V e uno spazio reale.117] segue in particolare che gli elementi diagonali di una matrice hermitiana sono reali. che e invariante rispetto alla combinazione delle 0perazioni di scambio di righe con colonne e di coniugazione complessa degli dementi. sia reale per ogni lC E V. cioe tali che Un operatore che soddisfa questa proprieta e detto "autoaggiunto" o "hermitiano".rw e che la forma quadratica (lC. detta in questo caso forma hermitiana. cioe tali che Z = z. vale inoltre il seguente importante teorema di caratterizzazione. se 10 spazio vettoriale e reale.A---+A+ cA Zi ---+ cA+ ---+ + Z2 ---+ Zi + Z2 Ai + A2 At + At Z=Z (A+)+ =A = tr(AA +) ::::: 0 tr(A +A) L ZiZi = L i=i IZil2 = 0 =} Zi =0 Allenati oramai alIa ricerca di invarianti. . DaIle equazioni [4. dalla [4.115] e [4. detta hermitiana. La proposizione 4.116] segue che la rappresentazione matriciale di un operatore hermitiano A e data da una matrice (A). GIVES affinche una trasformazione lineare sullo spazio euclideo V sia hermitir. AlC). notiamo che il sottoinsieme dei numeri complessi invarianti per coniugazione complessa. Le analogie tra operatori hermitiani e numeri reali sono assai forti. aHora e la matrice e simmetrica rispetto alla scambio di righe e colonne. Teorema 4. e l'importante insieme dei reali.5.10 implica che gli invarianti di un operatore hermitiano associati al suo polinomio caratteristico sono reali. Siamo quindi portati ad introdurre e studiare l'insieme degli operatori lineari A invarianti rispetto all'operazione di coniugazione hermitiana. tale che una matrice. cioe.

Infatti B = 1/2(A + A +) e C = 1/2(A . Se ci chiediamo Quale sia l'analogo dei numeri positivi Z ::::: 0.A +) sono gli operatori nella [4. L'analogia tra coniugazione complessa e coniugazione hermitian a si e gia dimostrata fruttuosa. e . giungiamo aIle seguenti possibili definizioni di "operatore positivo" . ii) A = C+C. analogo dei numeri reali. per qualche B hermitiano.AlC) = LLXiAijXj j = LLXiAjiXj j = (lC. e dato dagli dove B e hermitiano e C e anti-hermitiano. Se V e uno spazio complesso. allora ogni operatore lineare su V e esprimibile in modo univoco nella forma dove BeD sono operatori hermitiani. La relazione [4. allora D = -iC e hermitiano.122] e l'analogo della decomposizione di un numero complesso: Z = Re Z + ilm Z nella sua parte reale ed immaginaria. Se V e complesso. portando all'individuazione degli operatori hermitiani.122].(lC. Le matrici BeD prendono quindi il nome di "parte reale" e "parte immaginaria" della matrice A (anche parte "hermitiana" e parte "antihermitiana" ).121]. cioe tali che Z = operatori "anti-hermitiani".AlC) = LLXjAijXi j = LLXiAijXj j = L'analogo dei numeri immaginari. per qualche C. da cui segue la [4. che indicheremo col simbolo A ::::: 0: i) A = B2. tali che Z = per qualche ( E R o tali che Z = (( per qualche ( E G. definiti dall'equazione -Z.

Se U e unitario..A..r:E V.123].iii) A e hermitiano e (.r:(1). che preserva Ie proprieta metriche dello spazio euclideo. da cui segue la [4. . quindi. Solitamente si usa la iii come definizione di operatore positivo. se . allora tali operatori sono detti "ortogonali". CNES affinche un operatore Usia unitario e che Dimostrazione. interpreteremo Ie i e ii come due caratterizzazioni alternative..Q Yy.r:E V.r:E V. allora il vettore (U+U .r:) ~ 0 Y. distanze e angoli.126] seguono direttamente dalle [4. Proposizione 4. allora i vettori . e anche detta "trasformazione isometrica" 0 "isometria" .r:.12. definiti dalla pro prieta Se 10 spazio V e reale. un operatore positivo (0 definito positivo) e quindi un operatore hermitiano tale che (. Se. Si puo dimostrare che Ie tre caratterizzazioni sono equivalenti.125].124] e dalla definizione di coniugazione hermitiana. e quindi (U+U .r:. infatti. La trasformazione unitaria.A:f) ~ 0 Y.I)y) e perpendicolare a. cioe tali che zz = 1.I)y =.r: Y. :f(m) sono vettori ortonormali. vale la [4. viceversa.125] e [4. Completiamo il nostro parallelo tra numeri complessi ed operatori lineari su spazi euclidei prendendo in esame i numeri complessi di modulo 1. Introdurremo quindi gli "operatori unitari" U. Ie formule [4. Una conseguenza import ante di questa proprieta e che operatori unitari trasformano sistemi ortonormali di vettori in altri sistemi ortonormali. lunghezze. Un operatore unitario su uno spazio finito-dimensionale e invertibile e gode delle seguenti proprieta La nozione di trasformazione unitaria risolve il fondamentale problema (volutamente trascurato sinor a) di individuare la trasformazione lineare pili generale su uno spazio euclideo che preservi il prodotto scalare tra vettori e.

Vale infatti il seguente nsultato.U:f(j)) = Dij Yi.123]. operatori hermitiani. e quindi segue la [4. 1Q(i)) = 'L k=l UjkUik = Dij Completiamo questa analogia tra numeri reali.y(j)) = 'LU!::Ukj k=l = Dij (1Q(j). numeri complessi di modulo 1 e. CNES affinche Usia un operatore unitario mali in basi ortonormali.r:(i).r:(i).U.n. allora i SUOl autovalon sono. unitari considerando 10 spettro di tali operatori. positivi.. . 10 stesso vale per Ie sue nghe.:f(j)) = Dij Questa proprieta puo anzi essere usata come terza caratteri~zazione alternativa di trasformazioni unitarie. se A e positivo 0 strettamente positivo.r:(j)) (. allara i suoi autovalori sono numeri complessi di modulo 1.r:(i).. rispettivamente. .(U+UIh(j)) = 0 per ogni vettore delIa base. se A e unitario. se (U. rispettivamente. .f(j)) = (U.r:(i). Vale infatti la seguente cara~terizzazione spettrale per operatori hermitiani ed unitari: i) se A e un operatore hermitiano.. Infatti.(f(i).r:(i). positivi 0 strettamente positivi. e che trasformi basi ortonor- Infatti.ori sono r~ali. i suoi autoval. . positivi. .j = 1. Notiamo infine che la matrice che rappresenta un operatore umtano rispetto ad una base ortonormale e tale che Ie sue colonne de?niscono un sistema ortonormale di vettori.r:(j)) = = (U+U. allora (.124] segue che (U+U)ij = = 'L k=l n UkiUkj = = Dij (UU+)ij 'L k=l n' UikUjk DiJ Allora gli n vettori y(i) di componenti vii) = Uki (Ie colonne delIa mat rice U) e gli n vettori 1Q(i) di componenti wit) = Uik (le righe di U) costituiscono due sistemi ortonormali di vettori di cn: n (y(i) . dalle equazioni [4.

. Ritorniamo brevemente ai proiettori ortogonali introdotti nel par. Nei paragrafi precedenti abbiamo avuto pill volte occasiane di apprezzare !'irnportanza di una decomposizione della spazio V in sottospazi invarianti rispetto ad un certo opcratore. con ~ E M eyE M J_ . 4.4. Usando un punto di vista riduttivo (ma non troppo). Se gli operatori hermitiani p(1).3). 4. La risposta e: un operatore lineare P e un proiettore ortogonale se e solo se P e hermitiano (anzi positivo).ii) se A e hermitiano od unitario.6. siamo ora in grado. Dimostrazione.~). . . An reali (event1halmente .3 (par. . autovettori corrispondenti ad autovalori diversi sono ortogonali. allora anche M ~ e invariante rispetto a talc operatore.p(rn) soddisfano Ie equazioni [4.2. I proiettori ortogonali sono idempotenti (proposizione 4. si potrebbc affermare che tutto ci()che si e fatto sinor a in questo capitolo e un esercizio preparatorio in funzione di tale teorerna.14. allora M ~ e invariantc rispetto ad A + . oltre che ovviamente idem potente. i) Un operatore auto-aggiunto Teorema 4.2. di caratterizzarne completamente Ie proprieta.35] e [4. viene naturalmente generalizzata nel seguente modo. Conseguenza immediata e che se M e invariante rispetto ad un 0peratore hermitiano A. Sia M un sottospazio dello spazio cuclideo V. . infatti.Mm e tali che. II let tore e invitato ad un confronto col teorema spettrale 4. Se M e invariante rispctto all'operatore lineare A. La proposizione 4. . Si consideri l'equazione (y.. .6. Per ogni ~ EM. Teorema spettrale per opera tori hermitiani.A~) = (A+y.. Proposizione 4. Proposizione 4. A~) = 0 = (A+'!L~~) =} A+'!L E M-L. ci chiediamo ora quale ulteriore proprieta ne caratterizzi l'ortogonalita. allora A~ EM=} (y. relativa alIa decomposizione dello spazio ad opera di proiettori.36]' allora essi decompongono 10 spazio V nella somma diretta di m sottospazi mutuamente ortogonali M1. 0 hermitiano A su uno spazio euclideo V di dimensione n possiede 71 autovalori A 1.5) valido per opcratori lineari diagonalizzabili. Gli ultcriori vantaggi che derivano dal trovarsi in uno spazio euclideo sono essenzialmente legati al seguente risultato (tanto element are quanto fondamentale). quando tali proiettori sono ortogonali. Siamo ora in grado di dirnostrare il teorema spettrale per opcratori hermitiani su spazi euclidci finito-dimensionali. se ~ E Mj =} p(i)~ = 8ij~..13.. ..

ewe n A = LAkP(k) k=1 " attraverso gli operatorz . seguente decomposizione spettrale [4. se. A utovettori corrispondenti ad autovalori diversi sono orto- gonali. La matrzce herrmtzana (A) che 10 rappresenta nella base {s::. 1 .x ELi' iv) In una generica base ortonoTmale §.66]. cioe p(k) " kIn = . l: k=1 m JLkP(k) ..(j)}l e trasformata nella rnatrice diagonale AD (e cioe diagonalizzata) attraverso 10. . ( ) ( . . n) ii) L 'operatore A posszede n autovettorz ' ortonorma I'z 1!. . decomposizione spettmle [4. tmsfoT'rnazione (dz szmzlztudine) unitaria dove 10.. Ln mutuamente ortogonali ed invarianti rispetto ad A. v) La t'rnatTice AD = diag(A1. . " iii) Esso ammette 10.(j) il proiettor'e oTtogonale P ( ) k e rappTesentato dalla matTice (p(k))" _ t) -- (k) (k) Vi Vj dove v(k) e 100 componente i-esima dell 'autovettoTe 1!."" An) rappTesenta l'operatore A nella base oTtonormale dei suoi autovettori. che LP(i) i=1 =I e decornpongono 10 spazio V nella somma diretta di n sottospazi L1.. . d'z prozezlOne or t ogona Ie soddisfano Ie equazioni [4... cioe A = dalla [4. matrice unitaria U ha per colonne gli autovettori di A: ortonormali vi) Se gli autovettoTi sono degeneri nel modo descritto allora vale 10.Ul}.£ = Ai~.(k) nella base {§. .72].68]. con A..degeneri).71]. 1!.. .

r.72] sono esprimibili come polinomi dell' operatore A nel seguente modo: Dimostrazione. e quindi gli 'LZ'=1 nk = n autovettori in essi contenuti sono ortonormali. . . k = 1. in corrispondenza ad ogni autovettore 11k di molteplicita algebrica nk.AI) = (11k.3. . e il seguente risultato: CNES affinche gli 0pemtori hermitiani A e B posseggano n autovettori ortonormali comuni (e quindi siano diagonalizzabili attmverso la stessa trasformazione 1mitaria U). In virtu del risultato i gli insiemi NJ..I1kl).78] porta a concludere che mk = nk.r.} EMi.r = l1i.attmverso i proiettori ortogonali definiti dalle [4. Per dimostrare il resto del teorema bastera utilizzare i risultati del teorema 4. can A. Di particolare irnportanza in Meccanica analitica e. cioe che. e un sottospazio invariante rispetto ad A.. .75]) m p(A) = "LP(l1k)p(k) k=l viii) Gli operatori di proiezione ortogonali della decomposizione [4.. la matrice di trasformazione [4. vii) Un qualunque polinomio p(A) dell'operatore A ammette la seguente decomposizione spettrale (efr. II confronto con l'espressione [4. e tali che dim Mk = nk. J' = 1. m sono mutuamente ortogonali. e che essi commutino. dove nk e la moltepl~eita algebrica dell'autovalore 11k. l'operatore hermitiano A possiede nk autovettori indipendenti. soprattutto..69] diventano ortogonali e si riducono aIle espressioni [4. Per dimostrare il punto ii si noti che l'insieme N = k N(A .130]. ii) l'operatore AIN-Lnon puo Nt avere l'a~tovalore 11k =? det(A1Nk'. in Meccanica quantistica.73] ehe soddisfano le [4.14 segue che anche e invariante rispetto ad A. .AI) non contlene nessun fattore 11k . [4.A. adattandoli al caso di autovettori ortonormali. .74] e quindi decompongono lo spazio V nella somma diretta di m sottospazi M1. che possono poi essere resi ortonormali... m. D'altra parte: i) l'operatore AINk possiede il solo autovalore 11k con molteplicita algebrica mk : det(AINk .A)mk. Dalla proposizione 4. Mm . In particolare. i proiettori [4.132]. l'inviluppo lineare degli autovettori di A corrispondenti all'autovalore 11k. quindi det(A-AI) = det(AINk -AI) det(A1Nk'--AI).69] diventa unitaria e si riduce all'espressione [4. ..mutuamente ortogonali ed invarianti rispetto ad A.I1k1) =I 0 e quindi det(A1Nk'-.

k = 1.r = I:~=lCkQ(k). con . Teorema togonali 4. N+] = [B + iD. V. viceversa.r) = Aj(Q(j). fino alI'esaurimento dello spazio. assumiamo che [A. Essi hanno quindi 10 stesso sistema di autovettori ortonormali. Vedremo ora che queste importanti proprieta sono condivise da una classe piu ampia di operatori.r) = (Q(j). allora N deve necessariamente commutare col suo aggiunto: Un operatore N che gode della proprieta [4. n vogliamo dimostrare ch.iD] = i[D. La dimostrazione delIa necessita e immediata: si assume che AQ(j) = Aj'Q(j) e BQ(j) = I1j'Jij). Se.'\jl)Q(j).l. Se. essendo N normale.che commutano.r = I:~=lCkl1kAkQ(v) = BA. Sia L la varieta lineare ad esso associata e L1. . B] = O...sono operatori hermitiani in L1. j = 1.r E V=? N+Q(J) = AjQ(1). gli operatori hermitiani BeD commutano: [N. quindi (N+Q(J). vale quindi. Sia N = B + iD. Q(k)) = Ojk. .N.. Dimostrazione. .r. e quindi commuta con N. ed un semplice argomento che permette di individuarli e il seguente. Esse hanno quindi un vettore di L1.r) = 0 V.r)Q(k). ortogonale al precedente. CNES affinche un opemtore possegga n autovettori or- e che sia normale.. Vale il seguente annunciato teorema per operatori normali.72] e sono diagonalizzabili con una trasformazione unitaria. Quindi AB.. si noti che operatori hermitiani ed unitari sono due esernpi significativi di operatori normali. Allora sia Ache B sono invarianti rispetto ad L1-. allora A e B hanno almeno un autovettore v in comune.r E V. B .e N+ possiede gli stessi autovettori. Infattl. N possiede n autovettori ortonormali: NQ(j) = AjQ(j).il suo complemento ortogonale di dimensione n . Se si vuole che un operatore N sia decomponibile.Dimostmzione. per operatori normali. inoltre ogni ..r) =? ((N+ .6. Operatori hermitiani possiedono una base ortonormale di autovettori. che sono quindi anche gli autovettori di N. n. piu in generale.r = I:~=l(Q(k). Si noti che questo risultato vale per ogni coppia di operatori che hanno un sistema completo di autovettori in comune. j. la forma spettrale [4..in comune.. secondo la [4. .134] e detto "normale".r EVe espresso come . (Q(j). e cosl via. e Ie 101'0 restrizioni su L1..72]' in proiettori ortogonali (e quindi hermitiani).7. precedentemente dimostrato per operatori hermitiani. II teorema spettrale 4. viceversa. B = 1/2(N + N+) e D = 1/2i(N N+) la rappresentazione cartesiana dell'operatore N. B] = 0.

:= 1 I tjkWI { (Jj. Vale.l'ovvia avvertenza di eliminare la caratterizzazione di realta degli autovalori (cioe il punto i del teorema). la [4. uguali a 0 e 1. 2. strettamente positivi. positivo.:= 1 I tjkWI dove I e la mat rice identita e con tjkl si tamente antisimmetrico di Levi-Civita: e indicato il simbolo comple- Essendo Ie (Ji hermitiane. Se un' opportuna caratterizzazione degli autovalori e invece data. hanno la seguente forma esplicita: Esse hanno traccia nulla e sono non-singolari (det (J i = -1). (i = 1. Dalla [4. invertibile. 3) che. nella base naturale. di modulo 1. strettamente positivo. reali. essa fissa in modo significativo il carattere del corrispondente operatore normale. Tra Ie matrici 2 x 2.135] si ottiene poi facilmente che: 3 [(Jj. (Jd = 2DikI Gli autovalori delle matrici di Pauli sono evidentemente (per la traccia nulla e il determinante uguale a-I) ±1. (JkJ = 2i 2. il seguente risultato.135] mostra chiaramente che esse sono anche unitarie. idempotente se e solo se i suoi autovalori sono. E facile verificare con calcolo esplicito che godono delle proprieta riassunte dalla seguente formula: 3 (Jj(Jk = DjkI + i 2. Ogni matrice A(2 x 2) si puo scrivere nella forma di Pauli: . sono molto usate in fisica Ie cosiddette matrici di Pauli (Ji. rispettivamente. sono inoltre hermitiane. unitario. diversi da 0. Un operatore normale su V e hermitiano. positivi. a questo proposito.

1. dove a = a1. t . r< 11 B . d' d atrici A e B si traduce in la condizione di commutatlvlta 1 ue m . . 1. v 1" allora ao. Si osservi che se A e hermitiana. H' e hermitiana e V e um ana. Poiche il commutatore di A e B e ~ato dall'umco termme non simmetrico dell a formula del prodotto. Rappresentazione polare di una matrice Si e sa talvolta una decomposizione delle matrici in due fattori che U . presentazione non e necessanamen e umca.a2. [4. che a ao = -tr(A) aj 1 2 1 = "2tr((JjA) .100]) in uno spazio matriciale che a come pro 0 0 di A e B il numero (lj2)Tr(AB). ~ ~ ~ ~ Vk una condizione di parallelismo dei relativi vetton a. (j . di U eVe per la hermiticita di H e H': VH'U+ = H = (VH'U+)+ = UH'V+ .a3 . . (j si otterra la seguente formula per 11 :::>e ora a .+ = ((J (J2 (J3).9. e H e U non commutano. cioe [A. b : a = kb. . B] = 2i(a 1\ b) . Pili precIsamente: A=HU dove H e una matrice hermitiana e U e una matrice unitaria. 1.0 ' prodotto: AB = (aobo + a· b)I + [aob + boa + i(a 1\ b)] .B] =0. ancora. c h d tt scalare trici (dr.dimensioni.1). 4. .135]. par. La rap~ . ~ [A.~ ( ) . 2. (j dove 1\ indica l'usuale prodotto vettoriale tra due vet~ori in 3.2. s una forma equivalente e: A=VH' ' 't' PoicM. sono reali.b I + ~b . per l'unitarieta dove.I comp eSSIm "fattore di fase" (efr. h I (J (J (J3 formano chiaramente una base ortogonale di maCOSI e . E facile verificare. con l'aiuto della [4. 1" "modulo" e l'analogo delIa fattorizzazione dei numer.

allora H e H' coincidono. in particolare). Ci08. nelle loro forme diagonali. Determinate cosl H e H'. la nuova matrice costruita come combinazione lineare di potenze di A: f(A) = L o 00 n anA" richiede soltanto un'estensione delIa nozione di convergenza al caso delle serie di matrici (di potenze di una matrice. A questo punto 8 facile deter- e sceglieremo per H e H'. Ie determinazioni positive delle radici degli autovalori di AA + e A +A. e molto importante nelle applicazioni fisiche. una matrice normale e soddisfa la [4. sviluppabile in serie di Taylor: f(z) = L o n a"zn. se A e A + commutano (A 8. rispettivamente. Risulta cosl evidente che. La noz10ne di funzione di una matrice. Supponiamo che . Essa 8 abbastanza semplice da usare. A +] = 0). che si generalizza facilmente a quella di funzione di un operatore lineare. se A 8 non-singolare e facile determinare U: Se pero il det A = 0 (e percio det H = det H' = 0). f(z).segue che possiamo scegliere V minare H e H': = U. Intanto.134]' [A. come era da aspettarsi in analogia all'indeterminazione dell'argomento nell'origine del piano complesso. Izi < R Poiche Ie potenze di una matrice A (n x n) sono ben definite dall'operazione elementare di prodotto di due matrici. la determinazione di U resta in parte arbitraria. supponiamo di partire da una funzione di variabile complessa.

Se A e diagonalizzabile e ha n autovalori Ai. i = 1.1. Un esempio molto comune quello dell'estensione matriciale della formula di Euler-De Moivre per i numeri complessi (efr.L lanlknl.Segue. Pertanto.2...1) al caso della e . si puo sempre trovare un sottospazio V tale che questa diseguaglianza sia soddisfatta '1. m = 0. (i = 1. n si dispone esattamente di n equazioni lineari nelle n incognite fm.coefficienti che altro non sono che Ie potenze dei diversi autovalori. se f(i) 8 l'autovettore associato a Ai.58]) che esiste il polinomio identicamente nullo di grado n detto di Cayley-Hamilton che consente di ridurre ogni potenza > n .1 di A a una combinazione lineare delle prime n .r1 ::.. 1. . il determinante dei coefficienti delle incognite f m . che se k < R si puo parlare di convergenza di f(A) tutto 10 spazio di vettori . n). D'altra parte..136] converge in V. ci aspettiamo che ogni funzione di matrice n x n sia riducibile alIa forma polinomiale n-l f(A) = L o m fm Am Come si determinano i coefficienti f m? Se 10 spettro di A non 8 degenere. . in questo caso). par.8 certamente diverso da zero (8 il determinante detto di Van der Monde). allora. perche. per ipotesi tutti distinti . n -1.r E V. [4. richiederemo che esista il prolungamento f(Ai) tale che Sappiamo anche (efr. richiedendo che n-l f(Ai) = L o m fm A'..2. perche.1.1. il problema e molto semplice.. in quel caso si dira che la serie [4. . e si porra un problema analogo a quello del prolungamento analitico al di fuori dello spazio originario di definizione (V. allara il problema 8 esattamente quello del prolungamento analitico di f(z).rl n ' 0 Se k > R. . . . Lo n lanl IA".r perche in If(Ahl ::. .

Al = A2. la differenza tra la seconda e la prima equazione del sistema dara: lim f(A1 (.f(A1) d~1 f(A1) = L 1 m mfmA'. Sia n un versore a tre componenti reali. e ia e-ia = fo + h = fo -·h risolvendo per fo. se GO e un parametro (non necessariamente reale). si avra e questa e la forma di Pauli della matrice a primo membro che. Dovendo essere. la forma di Pauli segue anche dall'esistenza del polinomio di Cayley-Hamilton).· 5 soddisfa il polinomio di Cayley-Hamilton (n· 5)2 = I cosl che i suoi autovalori sono +1 e -1. essendo di rango 2.138]. per la [4.funzione esponenziale di matrici di Pauli.138] equivale all'approssimazione mediante un polinomio di grade n . Ie prime due equazioni del sistema [4. Pertanto. h si otterra la notevole formula (di Euler-De Moivre generalizzata) : Appena pili complicato e il caso in cui Asia degenere.138] che determina i coefficienti 1m vengono a coincidere e il problema e sottodeterminato.~O + E) E n-1 . La matrice i1.'-1 Questa procedura e intuitivamente comprensibile: la [4. se immaginiamo che 10 spettro non sia esattamente degenere e che A2 = A1 + E. Supponiamo ehe abbia due autovalori uguali. In quel caso. Ma possiamo sempre richiedere che siano soddisfatte sia la prima equazione (quella per AI) che quella che si ottiene dalla prima per derivazione rispetto a AI: Infatti. si puo sempre ridurre ad essa (dunque. Be pero due dei . con E piccolo a piacere.1 di una funzione f(A) di cui si conoscano gli n valori f(Ai) in n punti distinti Ai.

. ) quando la degenerazione e pili grande (3. vale una formula (di Baker.. utilizzare la rappresentazione per serie delia funzione esponenziale)..3. . Infine. osserviamo che una matrice unitaria U puo sempre essere rappresentata nella forma di una funzione esponenziale di una matrice hermitiana: dove H e appunto una matrice hermitiana. si puo assegnare il valore nel punto e la tangente in esso (cioe la derivata). e necessario fare attenzione a non usare Ie ordinarie regole di composizione di funzioni di variabili numeriehe se Ie matriei che si adoperano non commutano. Per esempio: a meno che A e B commutino. Se A e B non commutano. autovalori uguali).4. H = H+. Inoltre. Una formula notevole che riguarda in particolare il caso di matrici diagonalizzabili e la seguente: det(expA) = det{Texp(A)T-1} = exp{Tr(TAT-1)} = det{exp(TAT-1)} = exp(Tr A) = perehe il determinante delia forma diagonale di exp(A) e il prodotto degli autovalori di exp(A).. La dimostrazione e molto semplice e viene lasciata allettore (eventualmente. . II procedimento si puo poi ripetere estendendolo a derivate di ordine pili elevato (2.punti coincidono. Campbell e Hausdorff) di cui riportiamo qui i primi termini senza dimostrazione: .

ci chiederemo come si possa concretamente definire una metrica: mostreremo come uno dei modi possibili consiste nel definire in modo appropriato la lunghezza di un elemento dello spazio. mostrando come da essa discendano naturalmente i concetti di dip endenza e indipendenza lineare e di dimensione. noteremo come una "norma" e conseguentemente una "metrica" possano essere indotte dal "prodotto scalare" tra due elementi dello spazio. Cominceremo con i funzionali lineari. Specializzando ulteriormente la trattazione.4. Partiremo percio introducendo la nozione di spazio line are astratto. 4. cercando di chiarire quaIi nozioni e proprieta possano essere corrispondentemente introdotte. e passeremo poi al caso degli operatori lineari propriamente detti. che generalizza la nozione di "angolo" tra due vettori: arriveremo COS1 agli spazi euclidei astratti e in particolare agli spazi di Hilbert. Muniremo successivamente il nostro spazio lineare di una metrica. definendo la "distanza" tra due elementi dello spazio: questo ci permettera di parlare di insiemi aperti e chiusi. con particolare riguardo aIle trasformazioni lineari. di definire "convergenza".5 saranno dedicati allo studio delle trasformazioni tra spazi lineari. Per quanto possibile. introducendo cioe la nozione di "norma". I successivi parr. e privilegeremo 10 studio degli operatori lineari su spazi di Hilbert.4 e 4. non distingueremo tra caso finito dimensionale (gia trattato al par. nel cui ambito tratteremo Ie distribuzioni. ponendo di volta in volta l'accento sulle proprieta per Ie quali il carattere infinito delle dimensioni gioca un ruolo "critico". "densita". Infine. . 4. limitati e non.3 Spazi lineari astratti L'impostazione che seguiremo nell'esporre gli argomenti di questo paragrafo sara in linea di mas sima quell a di dot are l'oggetto della nostra indagine di strutture progressivamente pili complesse. "completezza" ecc.2) e infinito-dimensionale.

E abbiamo imparato dall'analisi che una proprieta analoga vale per Ie equazioni differenziali lineari omogenee.). che se un sistema di Iv! equazioni algebriche lineari in N incognite ammette due • . detto Q (zero 0 vettore nullo). e tale che 1 . JLEVe definito u~i:oc~mente un terzo elemento ~ E V. e una esterna. e definito un elemento 0:22 E V. il prodotto per un nuu'tero (reale 0 complesso) che godono delle seguenti proprieta: i) Somma: per ogni coppia di elementi 22.1. x = x.("" X1.2.• I ') x") una soluzlOm• dlClamO x I = ('xl. Uno spa. che Sl md1ca con ~ = 22 + Y. ") loro arbitraria combinazione lineare y = (o:x~ + /3x~. Per gli esempi pili semplici (1'insieme dei numeri reali 0 comples~i: l'insieme delle n-ple di numeri reali 0 complessi. tale che 22 + Q = 22 "h E V ed esiste un elemento -22 (1'"opposto" di 22) tale che 22 + (~22) = 22 . l'insieme delle matncl .Come abbiamo ricordato al par. e naturale definire in generale uno spazio lineare. sappiamo dalla geometria elementare che i vettori dello spazio tridimensionale possono essere fra loro sommati (con la regola del parallelogramma) e moltiplicati per un numero reale arbitrario.x2. Sappiamo pure.io v~ttoriale V si dice reale 0 complesso a seconda che l'operazione di prodotto sia definita suI campo dei reali 0 dei complessi.···.22 = Q. detto somma di 22 e JL.2.meri ((0: + /3)22 = 0:22 + /322).. . Ie soluzioni di un sistema lineare omogeneo 0 di una equazione differenziale lineare omogenea sono altrettante realizzazioni particolari di spazi lineari. o:x'tv + /3xN e ancora una soluzione.x2.xN e 22 I! ."" N' . I vettori dello spazio tridimensionale. distributiva rispetto alla somma dei nv. . anche detto spazio vettoriale. l'operazione di somma essendo commutativa (22 + JL = Y + 22). come un insieme di oggetti (gli "elementi" 0 i "vettori" dello spazio) su cui sono definite due operazioni una interna. AlIa luce dei precedenti esempi e del par. 4.. 4. dall'algebra. chiamata somma. e associativa (22 + (JL + ~) = (22 + JL) + ~ = 22 + JL + ~). detto prodotto dl 22 per 11numero 0:. ii) Fr-odotto per un numero: per ogni 22 EVe per o?ni 0: E ??-( 0 E C). distributiva rispetto alIa somma dei vettori (0:(22 + JL) = 0:22 + o:'!!. Esiste inoltre l'elemento neutro. L'operazione di prodotto e: associativa (0:(/322) = /3(0:22) = 0:/322).

1. si dice che n vettori .2.. par.:f <----> x'. y <----> y' implica a.139] e verificata solo per ai = 0. Se la [4.. Due spazi lineari VI e V2 si dicono isomorfi se tra loro esiste una corrispondenza biunivoca compatibile con Ie operazioni di somma e prodotto definite su di essi (cioe .. an tali che (efr. 4.:f(l).:f(l). .:f + (3y <----> a.. . . [4. . o dall'insieme delle funzioni (reali 0 complesse) continue di variabile reale. .13]): L ai..1) di isomorfismo e quello tra nn(o en) e 10 spazio dei polinomi in una indeterminata di grado :s: n .2.:f(2). .. ma che saranno oggetto import ante d'indagine. .:f(n). Esempi pili esotici. 4.1 a coefficienti reali (complessi) (ogni polinomio e in corrispondenza biunivoca con l'n-pla di numeri costituita dai suoi coefficienti).. sono dati dalle successioni di numeri reali 0 complessi (la somma di due successioni essendo definita come la successione i cui clementi sono la somma degli elementi omologhi delle successioni di partenza). D'ora in poi useremo sistematicamente it termine vettore per indicare un elemento di uno spazio lineare. con Ie definizioni: (f + g)(t) = f(t) + g(t) = af(t) t E [a.:f(n) sono linearmente dipendenti se esistono numeri reali (0 complessi) non tutti nulli 001.n x n. Come abbiamo visto al par. l'insieme dei polinomi di grade :s: n 1) rimandiamo al par. b] (aJ)(t) Sempre nell'ambito delle funzioni. 4.:f(i) si dice combinazione lineare dei vettori . altri esempi sono forniti dalle funzioni di modulo (0 di modulo quadrato) integrabile su una linea ecc. gli n vettori si diranno linearmente indipendenti: la dipendenza lineare . 'Vi.:f(i) = Q i=1 n Un'espressione del tipo L~=1 ai.002.2. Un esempio classico (efr.:f' + (3y').1. . Due spazi lineari tra fOro isomorfi si possono considerare come realizzazioni diverse dello stesso spazio.

:f(2). 4. Lasciamo al lettore la dimostrazione che l'indipendenza lineare di k vettori e una .. i indice di colonna.~ k vettori sono linearmente dipendenti. . . Se V lia dirnensione n. . abbiamo visto al par... . pcr j = 1.. i k vettori . La dimensione di Veil nn·· IIf(T() massimo di vettori linearmente indipendenti esistenti in V.. .ni numero naturale n. Siano . (:i limitiamo (ovviamente!) a considerare il caso k < n. sia diverso da zero. {en) una base in V. .:f E V si pua rappresentare come combinazione line are degli d"lllcllti delIa base... diremo che V ha dimensione infinita. nel senso che ogni vdLore . n. si possono sempre trovare n vettori liIIl'anncnte indipendenti.{(j) j=l n (:rj (~ la componente Allora: del vettore X(i) secondo il vettore di base {(j)).. e sia {(I). {(2). criterio che qui presentiamo.2. 1)('1' og. IhIla definizione di dipendenza e indipendenza lineare segue quella (I i dirnensione di uno spazio vettoriale. dove n () la dirnensione finita dello spazio. ai sono Ie componenti di un vettorc colonna) Q) sia pari a k: in particolare. la condizioIW per l'indipendenza lineare e che il determinante della matrice quadrata xj (detto determinante di Gram).1 che n vettori linearment(~ illdipcndenti in V costituiscono una base per V. se k e uguale a n.Illia naturale generalizzazione dei concetti geometrici elementari di ""lIiucarita 0 coplanarita di vettori nello spazio a 3 dimensioni. Nd caso finito dimension ale esiste un criterio generale per deciderc ::. Sc.:f(1) . Potremo scrivere: I' .. .:f(i) sono linearmente indipendenti sc c solo se il sistema line are omogeneo di n equazioni nelle k incognite (Yl.ak: L aixj i=l k =0 (j = 1. Cioe. Cia equivale a richiedere che it rango (massimo ordine dei minori non tutti nulli) dell a matrice n x k xj (j in dice di riga. ..:f(k) i vettori in '1llcstione. n) ammette solo la soluzione nulla.a2.···.f(i) = L x. .

JI) + d('}L. che scriviamo: adottando la cosiddetta metrica euclidea.r.proprieta geometrica intrinseca.Ykl. d(. an.r. Per Ie nozioni di varieta lineare. n.r. Siamo abituati a riguardare 10 spazio ordinario tridimensionale come uno spazio metrico.1. e per brevita li chiameremo semplicemente spazi metrici. spazio quoziente e classe di equivalenza si rimanda al par. ma possiamo ben definire la distanza tra due di essi come d(ai. b) 10 spazio vettoriale Rn con una qualsiasi delle distanze d1' (.. ii) simmetria: d(£ y) = d(y.r. y) (I:~=1 IXk -Yk 11')1/1'(p> 0) e l'analogo complesso cn. Se immaginiamo pero ad esempio che il nostro spazio ambiente sia una superficie sferica. Un altro esempio ban ale e costituito da un insieme di punti isolati (aI.~) S.r. ) sulla retta: esso non e ovviamente uno spazio vettoriale.aj) = lai .. y) = 0 B . Uno spazio vettoriale V e anche uno spazio met rico M se per ogni coppia .~). vediamo subito che esso non costituisce uno spazio vettoriale (la relazione xZ+yz+zz = RZ e un'equazione algebrica non lineare e non omogenea): cia nonostante e chiaro che possiamo definire la (minima) distanza tra due punti delIa superficie sferica prendendo la lunghezza dell'arco delIa circonferenza massima passante per entrambi. y) ?: 0. y) V x V -> che gode delle seguenti proprieta: i) positivita: d(. a) la retta numeric a R1 con d(x. .ajl. detto R~.r = y. i corrispondenti spazi metrici saranno da noi nel seguito indicati con R~ 0 C.r. Nel seguito tuttavia ci limiteremo a considerare spazi metrici che siano anche spazi lineari. . Y EVe definita una distanza. c) ancora Rn con la distanza dCXJ = maxl<k<n IXk ..r~ iii) diseguaglianza triangoGre: d(. . Abbiamo un esempio di spazio metrico che non e uno spazio vettoriale. indipendente cioe dalla scelta della base.r. 4.2. cioe una funzione d(.. d(. y) = Ix . . in cui cioe sia definita la distanza tra due punti....yl.

!l(tll.g) = maxtE[a.g(t)IP)l/1'.Ykl1') P soddisfa la diseguaglianza triangolare.:' dtlf(t) risulti Lebesgue). k=l 1 p -+-=1 1 q . con d1'(J. di Per provare che gli spazi 11' sono spazi metrici. che riscriviamo nella forma tli 2:: 00 00 IXkYkl ::.g) = (1: dtlf(t) . J: dtlf(t)I1' . da Cz(a.Ii sl. b). 10 spazio (kll(' fnnzioni continue suI segmento.dJ tra gli esempi oo-dimensionali. y) U. occorre most rare che la .'!!) = IXk .g(t)IZ)l/Z. detta in questo caso diseguag1ianza Minkowski.Ykl1')'/J> (' 10 spazio delle successioni limitate loo con (I:%:l c) esempi oo-dimensionali sono ancora forniti da qa. con doo(J. Particolare irnpor Lanza per Ie applicazioni fisiche ha 10 spazio Lz delle funzioni di mod III() <Juadrato integrabile.r. Ji) = (2:: k=l 00 1 IXk . (2:: IXkl k=l 100 1' ) P (2:: IYkl k=l 1 q ) q.b]If(t) . b] delle funzioni f(t) 00 tali e1H' < (l'integrale essendo inteso come integral(. spazio delle funzioni continue con la distanza dz(x.anza d1' sopra introdotta: d1'(:f. dagli spazi L1'[a. 10 spazio delle successioni convcrgcnLi di numeri reali (0 complessi) l1" con d1'(.b].

::::Dc + 1 -.a (fig. :::: J(t) ::::get) diventa: a~170. a consider are il caso in cui possiamo limitarci L k=l (X) ~kr)~-o.-1 + (1 . di sotto della sua tangente in t = 1. per t ::::: la funzione J(t) = to. L ~k 17~-0. di equazione g( t) = at + 1 . (a < 1) si trova sempre al 0. Siamo ora pronti per dimostrare la diseguaglianza di Minkowski.a)17o. Ponendo t = ~/ri.a = 1 che e esattamente la diseguaglianza di Holder nel nostro caso.Osserviamo che. la proprieta ~o.::::a L k=J k ~k + (1 - a) L k 17k In virtll delIa omogeneita delIa relazione da dimostrare. Si ha: 2:: IXk + YklP :::: 2::(IXkl k k + IYklY = = L IXkl(!Xkl k + IYkl)P-J + IYkl(lxkl + IYkly-l . 4.6).

[ E S.LJ'(' IIldrico oo-dimensionale che non e totalmente limitato. .. E immediat\) III\)strare che un insieme totalmente limitato e limitato.IJico.[j.!.[0) < r. La sf<>ra chilwa di raggio r e centro .N P <)Ilindi S e contenuto nella sfera di raggio R + E.· "h".. Sf' iudichiamo con R la massima distanza dei punti di X dall'origine: R = . La llozione di distanza. Chiameremo sfera aperta di raggi\) f' p centro . caratteristica degli spazi metrici. .[l"". ....[o) S.[.[0 l'insieme dei punti .rico M si dira totalmente limitato se ad esso si puo associare 1111 ( rdicolo finito. Un insieme S contenuto in M si dira limitato se e interamente COil t. cioe un insieme finito di punti X = {. In effetti.2:: IXkllxk + YkIP-1 k :::: (2:: IXkIP) p (2:: IXk + Yklq(P-l»). vpdremo pero un esempio di insieme limitato di uno spazio liw.. V .145]. si abbia d(. 4.[j) < E per qualche . max d(.[N} tal. Sia /1. r. k k 1 1 (2::(I k chp 1 Xk l + IYkW)" :::: (2:: IXkIP)" k 1 + (2:: IYkIP)" k 1 ovviamente implica la [4.rJ. da una bas. Un insieme S contenuto in uno spazio )!I(' t.[j EX.· quantitativa all'idea di vicinanza tra due elementi dello spazio: UII\) spa:..['.PlllltOin qualche sfera.4 il nostro spazio metrico. .io line are met rico e in effetti un esempio di spazio lineare to]!O IO.. Nel par.[0 sara invece definita dalla diseguaglian:.a d(:c.[ E M tali che d(.Q) J=l.

r E M.r e di accumulazione per M' se e solo se esiste una successione di elementi a due a due distinti convergenti a . Un sottoinsieme M' e denso su M se M' ::2 M 0. Cosl l'insieme dei razionali e den so sui reali.roo Sia M' e M un sottoinsieme di M. essa converge a un elemento . dicendo che . e che .r. se ogni punta di M e di aderenza per M'. se M' e una varieta lineare di M.Chiameremo f-intorno di un punto .r(n).r e di aderenza per M' e M se e solo se esiste una successione di elementi di M' convergente a . diremo che M' eM e chiuso se M' = M'. In uno spazio lineare metrico. Di notevole importanza per Ie applicazioni e il concetto di sottoinsieme denso di uno spazio metrico: spesso infatti basta dimostrare che una proprieta vale in un sottoinsieme denso di M per essere certi della sua validita su tutto M. questi sono di aderenza ma non di accumulazione. l'insieme dei vettori a .ro EM e aderente a M' (0 di aderenza per M') se in ogni f-intorno di . esiste un f-intorno di. detto il limite delIa successione. se risulta: lirn d(. cioe se esso contiene tutti i suoi punti di aderenza (0 di accumulazione). o e un punto limite di M'. se in ogni f-intorno di esso cadono infiniti punti di M'. 0 semplicemente aperto.fa cadono punti di M'. l'insieme di tutti i punti di aderenza di M' e detto chiusura di M' e si indica con M' (0 con [M'D. tutti i punti di M' sono di aderenza per M'. e quindi per esso la nozione di punto di aderenza e di accumulazione coincidono. La chiusura M' di un insieme si puo ottenere anche considerando l'unione dei punti di M' e dei suoi punti di accumulazione. in altre parole. Generalizzando la definizione di sfera aperta e chiusa a un qualunque sottoinsieme di M. In particolare.. Siamo a questo punto in grado di definire cosa si intende per limite di una successione di vettori di uno spazio lineare metrico: data una successione . E evidente che un punto di accumulazione e anche punto di aderenza. Lo diremo invece insieme aperto. ma non e vero il contrario: se M' ha punti isolati. esso non puo avere punti isolati. Un punto .r EM'.r(n).r) n-+oo = ° Le definizioni di punto di aderenza e punto di accumulazione si possono allora riformulare. .ro E Me di accumulazione per M'. particolare importanza hanno Ie sue varietd lineari chiuse: esse prendono il nome di sottospazi lineari.ro la sfera aperta di raggio f e centro . chiaramente. Ovviamente. la chiusura dell'inviluppo lineare di n vettori (comprendente anche il caso n = (0) viene detta sottospazio generato dagli n vettori. se V.r interamente contenuto in M'.r.

n.g(t)12)1/2 C da ci. U.b]) sono spazi metrici completi. r!1"I/SO SII ~..bj (nella metrica d2(j.' dcfinizione.b].. la.8.g(t)l· (. se una successione di elementi di uno spazio metrico . Esso contiene infal. diamo la seguclIL.hili. ill particolare.ollo varida lineari numerabili ovunque dense si dicono separabili: in flltlilo .: .g) = rnaXtcla. L'insieme dei polinomi a coefficienti razionali Cla. Se si e sentita la necessita di qualificare con un attributo sp(ocili"" (scparabile) gli spazi metrici che posseggono sottoinsiemi densi 1111 III(.g) = dtlf(t) .ale 0 di Cauchy se. t Wpicrstrass: 'f('()7"cma 4.b] nella metrica doo(j. Per chiarire questo punto. e chiaro che debbono esistere spazi metrici che non godollo ..t.i dcduce facilmente che 10 spazio dei polinorni e denso su L2111" "I (lldia stessa metrica).b] e 10 spazio L2[a. che d(~v.Ii (~a\lchy non convergono (a un elemento dello spazio!). Segue dalla diseguagli. L2[a.were percio la potenza del continuo. Nello spazio (0 il criteria di Cauchy per la convergenza delle successioni 1111 Illcriche funziona ancora: ma Ie cose cambiano nel caso degli spazi a illfinite dimensioni. possiamo quindi sempre troval" 1111 f-intorno di un elemento. esiste un intero positivo N( !. 10 spazio Cla.r(m)) < f. .'oillponenti razionali in Rn e denso su R. l'insieme delle S\lcc(~ssiOlli ... 10 spazio lp. m > Nc implica d(. come mostra un importante teorema dovuto a 1\.Ii spazi metrici. Lo spazio R.all' che n.b] If(t) . per ogni f > 0.i puo anche mostrare che 10 spazio delle funzioni continue (~d(~w:'.Ykl. Spazi come R.r(n).Ii qllPsta proprieta: un esempio e fornito dallo spazio K delle succcssioili limitate con la metrica doo = sUPk IXk . in cui non ne siano contenuti altri.li. lVIa ill ogni tale f-intorno deve cadere almeno un elemento di K.b]' U: C. l'insieme K' delle successioni i cui elementi sono () () I: questo insieme ha la potenza del continuo e la distanza tra . Cla. La separabilita non e dunque una pro prieta condivisa da tutti )·.' .j occuperemo unicamente di spazi metrici separabili.. essa e necessariamente 1111<1 slH:cessione di Cauchy: esistono pero spazi metrici in cui successioni . Uno spazio III<' trico in cui ogni successione di Cauchy e convergente si dice compldo. 10 stesso puo dirsi per la completezza.Ii lIurneri razionali aventi soltanto un numero finito di tennilli 11011 1IIIIli odenso su lp e. ::11L2[a. ('ollvergente (a un elemento dello spazio!). :. lp. b] che ammct.ulza triangolare che. b] (CO::'I corne anche gli spazi Lp[a.I11(' "I. Una successione di elementi di uno spazio metrico e detta fondo:ml"l1 !.'menti qualsiasi di esso e pari a 1. Mostrialll() la completezza di 12 e di qa..

Xl)] ~ ~ Ixfm)12+ Ixfm) .((n) .Xl ) Xl n IXl12= Ixfn) 12+ Ixi ) - xl12 - 2Re[xfn) (Xl . che Ie successioni numeriche xim) (l om m il termine corrispondente) sono di . (rn) I = rn->oo Xl 1m Dobbiamo ora far vedere che la successione X limite delle successioni .f(n).L Ixi 1=1 00 n ) - xim) 12 < (2 per n.f(n) .. m > Nc L Ixfn) 1=1 xl12 ~ (2 per n > Nc L Ixfn) 1=1 00 xl12 < (2 per n > Nc lim d(. Sia quindi Xl denota una cena successione. infatti. m > Nc Cio implica evidentemente Cauchy \I l.f) n->oo = 0 Cioe .xl12 + 2lxfn)1 Ixl- XII .f e il limite della successione ponendo Xl z:(n) . D'altra parte . La condizione di Cauchy implica ovviamente: = {Xl}~l E l2 ed e il L Ixi 1=1 M M n ) - xfm)12 < (2 per n.f E l2. = Xl(n).

ue. COli 1:1 Ilid-rica d2(a.'I'e metrico: un insieme di vettori (eventualmente infinito) di 1111" . \It E [a.)={-l t<O. abbiamo introdotto il concetto di base.'o'paJlio.:-:I" ('OllccttO si estende abbastanza naturalmente al caso di uno sprLZ'l1l It l/.q. In altre parole. possiamo imbatterci in spazi non completi: e (l1w:-:I. . discontinua in t (I.l) "Ialilo bene quanta si vuole" da una combinazione line are di elcllwllii .b] e di Callcll.f(t)1 ~ ( (=} sup If(n)(t) tE[a.'o' Izio line are metrico costituisce una base (si dice anche dw (\ 1111 p: i II:-. !"( lrnito dalla successione di funzioni: U: -1 ~ t ~ -l/n -l/n ~ t ~ l/n l/n ~ t ~ 1 "'Il' :-:ipuo mostrare essere una successione di Cauchy (nella IlIdri (':1 112!) e converge chiaramente aHa funzione.g(t)12)1/2. !(I. Il controesempio classico j. :-. QIH.JCml(t) I < ( =} =} If(n)(t) . 1 t >0 N('gli spazi lineari. b].f E l2' In modo concettualmente analogo si mostra la completezza di q".L I l1 X 1=1 00 2 ~ 2 L Ixfn)12 + 2 L: Ixfn) 1=1 1=1 00 00 xzl2 < 00 cioe.Y.f puo essere rapprescnlal. b) = dtlf(t) .f(t)1 ~ .( '{/. la convergenza della successione numerica f(k) (i).i( completo) se il sottospazio da esso generato coincide con l'illl(:ro 'IIIC .1'I: dal fatto che una successione di funzioni f(k)(t) E Cra.b] s(~vogliamo rimanere nello spazio delle funzioni continue ma vogliallio c:llnbiare metrica.o iI caso dello spazio delle funzioni continue su un segmento. se bgni vettore . la continuita di f(t) segue dalla convergenza uniforme delle funJliolii continue f(k)(t): If(n)(t) .

II. in 12.00) una base per 10 spazio delle funzioni continue in [-Jr.JL. grazie al gia citato teorema di Weiestrass. aI momento che V:[. . . . riconducendo (sin tI)k.£(n).sinmt} (m = 1.. L'insieme di monomi: e una base per Cra.(k)}k=l e una base .b]. sara il limite uniforme di una successione di polinomi nelle variabili X ed y: e N M Xk 9( )= x..J\1)rk+l(sin O)k(cos tI)1 Per ogni r fissato. Jr] tale che f(rr) = f( -Jr).. (cos tI)1 a seni e coseni di angoli multipli di ci dice allora che una funzione continua in [-Jr. si puo scrivere come limite uniforme di una e e..Jr] tali che f(Jr) = f(-Jr). . X e y. III. La base di Fourier: {1. b]. . tI) una funzione periodica (di periodo 2Jr) dell a variabile 0.£(n) = I: k=l n O!kr.. e la formula precedente.£) =0 (k) I .cosmt. se per M. ed e quindi anche una base per £2[a. y) -+ g(r. '" '" kl (N. L"· mSJeme {~(k)}= k=l con ei - ~ Uik - {I0 k=l. con un linguaggio pili formale. i e una bid per k # ase 2.M) L. ) la successione: :[.. Xk.y N~~~ I'd_OCl I. \/. 0) = Ji:nco M~·= I: I: k=O 1=0 N M a~f. . la funzione g(r.£ E M deve esistere una successione: {r. una funzione continua di due variabili reali. Infatti. = (Xl.(k) Hm n-+oo d(.(n) = I: k=l Xk~(k) converge ad :[.dell'insieme. X2.Ja k=O l=O yI g(x.. grazie a una estensione bi-dimensionale del teorema di Weierstrass.

I/n).l. La base di Fourier e anche una base per £2[-"-.c. di una successione di funzioni continue f(n)(I) t. Jr(1 . e Esso afferma Teorema 4.ali che f(n)(Jr) = f(n)( -Jr). Si ha allora: d~(j.-).1I .f(n)12dt + 1"7'r(1-~) [f . "emboitees" in franc(~s('). . a<:('(..-) If .'''H:cessione di "polinomi trigonometrici".2 nel corso della <Ii lllostrazione chiuse "incapsulate" che: del teorema di Cauchy. la successione :r(lI) . clw al> lJiamo avuto occasione di utilizzare nel par.. scegliendo ad esempio Ie funzioni j<n)(t) che coincidono con f(t) pCI' I I [Jr(1 .l-) -7t If .Il<lo dlC 10 spazio delle funzioni continue e denso su £2[-"-. 2Jr n=:.-(l-. ricor./n) 1 2.I'llill'./').f(n)12dt:s: :s: max tE[-"-.-) (nella metrica 11. 4. una tale successione si puo facilmente cost. 2." niamo schematicamente alla dimostrazione della necessita dell a COli dizione.I/n)] e variano linearmente nei rimanenti intel'valli III Illodo da assumere 10 stesso valore in -Jr e Jr (fig..o+ 0 n Un teorema import ante valido negli spazi metrici completi.I..' II zero abbia una intersezione non vuota. IV. nella metric a di £2. nelle ipotesi del teorema.. infatti.Ii dementi della base di Fourier. il cosiddetto Teorema delle sjiT" ("nested" in inglese.. Una dimostrazione completa esula dagli scopi di questo libro.7). cioe di una combinazionc 1 ill<':l. fn) = j-. CNES affinche M sia uno spazio metrico completo i: ('!I" ogni successione Bn di sfere chiuse incapsulate il cui raggio tend.. osservando che. hastera mostrare che ogni funzione continua puo essere considerata COliI<'l i limite.9.

r. x(n)) r. e senz'altro aderente a ognuna delle sfere Bn e quindi appartiene a ognuna di esse in quanto Ie sfere sono chiuse.'. ad(x..r.r.10.(0) un elemento arbitrario di M.r.'.. e . Essa quindi manda successioni convergenti in successioni convergenti. abbiamo indicato l'applicazione iterata n volte dell' "operatore" A. 4.(n). y due elementi qualunque di M.r.oo" 0.r. y) = d(.(m)) < 2rn per m > n) e quindi converge a un limite ::r.r. .dei centri delle sfere e una successione di Cauchy (d(::r.r.:=.'(n)) r.r.(O) E M n--+(X) Con An. poiche d(. 0 tra sottoinsiemi di uno stesso spazio metrico. dato da: e . > 038< tale che d(.r. Vale il seguente importante teorema.. risulta d' (::r.r.r. Iteriamo l'applicazione di A. risulta d'(x'. . sulle cui applicazioni torneremo nel seguito (par. 4.r.r. e con ::r.(l) il suo trasformato secondo A. A ammette lLno e lLn solo plLnto fisso .(n) e sia .r. = lim ::r. La dimostrazione e semplice: sia . can Ie solite notazioni. y E M). indichiamo con . Diremo che A e continlLa se manda "punti vicini" in "punti vicini" . "mapping") tra spazi metrici. Ie isometrie (cfr.y) 0 < a < 1.6).(O) V..oo" 0). muniti rispettivamente delle distanze d e d' e sia A una trasformazione da M a !VI'. Ha interesse consider are trasformazioni (applicazioni.r..r. cioe se VI'. Teorema 4.y') :::.' = A. anehe par. Un'altra classe import ante di trasformazioni continue sono le cosiddette contrazioni: A e una contrazione se.5. Be Me uno spazio metrico completo e A lLna contrazione da M in se stesso.'.. = lim An.:=. Le rotazioni nell'ordinario spazio euclideo tridimensionale sono un esempio di isometrie.2) sono quei particolari omeomorfismi che preservano la distanza (d(.' e y' i loro trasformati secondo A. Siano M e M' due spazi metrici. particolare importanza rivestono Ie trasformazioni continue.r... Tra queste trasformazioni.. e si puo "scambiare" l'operazione di passaggio allimite con l'applicazione di A: (Sia infatti . y') < E. Se la trasformazione continua A e invertibile (cioe se stabilisee una corrispondenza biunivoca tra M eM') e la sua inversa A-I e anch'essa continua. y') V ..r. per la completezza di M: . y) < 8< implica d' (. essa prende il nome di omeomorfismo. (Teorema delle contrazioni).

(n) = . = A n.r.r.r. L'utilita del teorema delle contrazioni consiste non solo nel garan tire l'unicita della soluzione di un'equazione (anche non lineare!) <1.r. :fen) A.(l)) Poiche M e completo. la successione . + am-n-1)d(.(0).r. Infatti (ponendo m > n): i) + d(.Ii M: lim n-tOO ..(n) e una successio!w .ottenendo successivamente .r. ma anche nel fornire un procedimento costruttivo (il metodo delle approssimazioni successive) per determinarla...r.r.r. cioe tale che: (come in t.r.(1) = A (2) ::r.Ii Cauchy.i che il metodo puo applicarsi anche ad equazioni del tipo: nel caso in cui la metrica sia invariante per traslazioni gli esempi espliciti fin qui considerati).(1 + a e quindi: iii) :::..(0).(n) converge a un elemento ..r..1 tipo .(m-n).r.r.(O). La successione . = A. + .(n-1) = .r..IJUi . Si !Iot..(m-n)) :::. .(2) = A.

II.. Esistono anche spazi lineari metrici in cui la distanza non e indotta da una norma: una .....£(2»):::...£(2»)= x(2») = d(A.£(l).157].£.b]l/(t)l.b] e normato con 1111100 = maXtE[a. A. Lo spazio delle successioni lp e uno spazio normato con IXkIP)l/p.. IV. Lo spazio metrico R~ e uno spazio normato. III.d(. uno spazio lineare V e uno spazio normato se su di esso e definito un funzionale (cioe un'applicazione da V in R) che indicheremo con II .£ yll. y) = 11. che e quanto basta a garantire l'unicita della soluzione dell'equazione [4.. Lo spazio L2(a. Esempi: I. con 11:fllp = (L~=l II.b) e normato con 11/112 = I/(tW)1/2.ad(x(l). Tutti gli esempi espliciti di spazi metrici che abbiamo sin qui considerato sono altrettanti esempi di spazi normati.lL + A.£(1). Tecnicamente.£(l)'.. tale che: Il numero reale positivo 11. cioe di spazi lineari in cui la metric a e indotta da una nozione primitiva. quella di lunghezza 0 norma di un vettore. Notiamo esplicitamente che una norma induce una metrica invariante per traslazioni. Lo spazio Cra.. U: Uno spazio normato completo si dice spazio di Banach.£(2)1) = d(lL + A. Lasciamo allettore la dimostrazione (immediata) del fatto che uno spazio normato e uno spazio lineare metrico munito della distanza d(.£.£11 chiama appunto norma 0 lunghezza 0 si anche modulo del vettore.

' finendo ad esempio la distanza: d (x a -. ill definitamente derivabili sulla retta R. indotta da una successione di nor me a due a due compatibili. ). che indicheremo di solito con (i. richiamiamo alcune definizioni e proprieta fonda mentali introdotte nel par. che si annullano all'infinit.o piil rapidamente di ogni potenza insieme a tutte Ie loro derivate. Due norme si dicono compatibili se illimite di una successio]w cllI' sia di Cauchy rispetto a entrambe e 10 stesso (se esiste) in cntr:u 111)(' Ie norme. in cui la mdrica (.b]. e 10 spazio S delle funzioni di Schwarz. Esempi di spazi numerabilmente normati: sono 10 spa~. in cui j. gli esempi di spazi lineari metrici di pili frequent" llii lizzazione sono quelli in cui la metrica e.i" delle funzioni indefinitamente derivabili suI segmento la. "indotta" .. Ricordiamo che uno spazio liJwail' V.£ . definito l'angolo tra due vettori. come si dice. I'.~ ~ 11. . Per completezza. normato e completo prende il nome d i Per la fisica.<' neralizzazione dell'ordinario spazio euclideo tridimensionale. in cui ci imbatteremo quando parleremo delle distribuziolli.I:d prodotto scalare: essi vengono chiamati spazi euclidei e sono Ilna /'.£lLlln an 1+ 11.. e uno spa~.£. costituita dagli spazi "numerabilmente" normati. in alclilli testi indicato con K[a. che supponiamo per maggiore generalita complesso. 4. JL) e chiameremo pro<!oU" .. y EVe associato un IIlllIl<'r<) complesso.classe.lLlln a> 1 Uno spazio numerabilmente spazio di Frechet..~ lL .b] una successione di norme compatibili e data da: Uno spazio numerabilmente normato diventa uno spazio metrico d.6.~r I" spazio K[a. b].2.i" euclideo E se ad ogni coppia di vettori.

y fissati.I:i=J XiYi· I~ uno spazio euclideo la distanza tra due vettori e data da d(.12. .(.+ AY). dove la norma 0 lunghezza 11. (. ?: 0. (. premettiamo la dimostrazione dell a diseguaglianza di Cauchy-Schwarz (quella fornita nel par. L'esempio pili familiare e quello dello spazio di Minkowski. uno spazio lineare munito di un "sesquilinear mapping" che non soddisfi la proprieta di positivita 4 si dice anche pseudo-euclideo.r..:f e y. + + AY. i) = 0 -¢=? . z) 4.[11: 0 2 (= 0 ¢?. in tutta la generalita. >.1211 del vettore .- . Al{W = (. y) VA E C 3.r.:f.= .y) = ).:f. = Per la proprieta [4. (..scalare di . 4.K) = (£y) + (x.12. (.6 vale soltanto nel caso di spazi finito-dimensionali) : A tale scopo.) 2.. 10 spazio vettoriale delle 4-ple di numeri reali col prodotto pseudoscalare 3 (.:f. ancora par.160c] che garantisce la validita dell a diseguaglianza triangolare.r. ricordando che esso e nullo se e solo se .:f = Q) e 110:.y) = xoYo . esso e una funzione a valori reali del numero complesso A.\y.:f.[11 10:111.:f yll (invariante per traslazioni). Per.r.6): -1. Y -=+.12. (. (cfr. y) = 11. . consideriamo il numero reale non negativo 11.:f = 0 i) Un'applicazione ("mapping") dal prodotto cartesiano V x V in C che goda delle proprieta 1-3 e detta applicazione sesquilineare ("sesquilinear mapping"). che gode delle seguenti proprieta 4.r.:f. y) = (y.2.2.:f e definita come: Dalle proprieta del prodotto scalare segue immediatamente 11.:f11. dimostrare.r.

u) + (u. Sia {.1211Ilull)2 + = Nel par.:f.. .Ji)} un insieme numerabile di vdl.12.12.o 0 al pili infinito rmmerabile... u) :s: + :s: (. ogni sistema artonormale e finit. e di consegucnza il sistema degli §. 4.) .y -) :::::0 che e appunto quanto volevamo dimostrare.Ao) = (.6 sono state introdotte Ie nozioni di angola tra vdl.2. Negli spazi euclidei separabili. di vettori. dat.(a) e raggio 1/2 SOli" a due a due disgiunte.. Dato un sistema.orj ovunque denso su E: in ognuna delle sfere Ba deve allora cadcn.a 11<'1 par.(a)} un tale sistema (l"'indicc" tl potendo a priori variare con continuita).U) 1 + 11.·.:f) + (U' U) + = [(.12 ul12 = (.. indipendenti.:f) 2Re(.12 ul12 :s: (.. Nel caso di uno spazio euclideo oo-dimensiollal. che sono ovviamente indipendenti dalla dilllCl1 sione dello spazio.:f + u) + = (.(a).:f. definiremo base (ortonormale) un sistema (ortonormale).:f)~ + (U'U)~]2 + 2(.-( 1(.3. 4.:f. Sia infatti {§.r. u) + 2 r (. puo essere al pili infinito-numerabile. risulta: Allora Ie sfere aperte Ba(§.1.l mente infinito.(i): quindi l'insieme delle sfere.r.r.yW y. finito 0 infinito-numembile di vettori :rY) lineaml/:n/.:f) (u. ora facilmente la diseguaglianza triangolare.94] e di ortogonalita. secondo la definizioll(' "i completezza di un insieme di elementi di uno spazio metrico.:f. infaLt.:f.f(Ao...(a).r. neccssari.12) (U' U) ~ ~ = (11.3. che sia completo.ori [4.:f+ U..i al) Si dimostra biamo: 11. da esso si pub sempre costruire un sistema ortono7"l1/1l!" . al meno uno degli . 1/2) di centro §.

]2(1)) e poi normalizzare il vettore ottenuto (cioe "aggiustarne" la lunghezza).]2(k+1))§.(k) e poi normalizzando il vettore ottenuto (dr.]2(2) 130 componente proporzionale a e(l) (parallelo a .(1). .(j).(1) e di norma 1.di fornire un procedimento concreto per questa costruzione. abbiamo norrnalizzato .]2(2) .]2(2))§.(1) .il vet tore §. L'idea geometrica naturale e quella di sottmrre da .]2(2))§. formula [4..(l). Chiamiamo §. . il cui risultato e stato gia enunciato nel par.98]. §. .(§.(§. .]2(k+1) - L (§. .§..(1) II A questo punto e chiaro come iter are il procedimento: determinati i vettori §.]2(1). che ha il pregio .]2(2).98]): x(k+1) - k L (§.(2) . [4.. . §. .]2(k+1))§.2.(k) . Veniamo ora a §.(l).(i) i vettori del sistema ortonormale da costruire. Abbiamo percio: (2) _ §.]2(i) da una trasformazione triangolare. 4. §.non trascurabile .. e assumiamo che essi siano collegati agli .questo il contenuto del Teorerna di ortogonalizzazione di GramSchmidt.(k+l) sara costruito sottmendo da . . cioe tale che: E §.]2(k+1) Ie sue componenti secondo §.(2): esso deve essere ortogonale a §.(j) .(1) .(i) = L aik. . ) La condizione (§.. .6.(j) j=l 11.]2(k) k=l i (i = 1.(1) 11.2..(1)) = 1 fissa au a meno di un numero complesso di modulo 1 (detti numeri sono anche chiamati fattori di fase): In altri termini.(j) II j=l k .

. tore .]2 nel sistema ortonm male considerato. Appare naturale porsi il seguente problema: dato un arbitrari. ci chiediamo qual e la N-pla (0 h successione) di numeri complessi Cl:i che rende minima la distamm: dN = d(.]2.]2112 2 - L Re i=l O:i (§.L Cl:j§.. Possiamo quindi affermare che la combinazione lineare di vettori (I i un sistema ortonormale dato che meglio approssima un vettore .a.) } ~ I' dove N puo essere finito 0 infinito. .]2(N)) = 11..o wI.(i). che da: d~'in = IlxW - L l~il2 i=l ~ 0 .]2 .]2 - L Cl:i§.11<' per Cl:i = ~i' .min N da cui segue immediatamente che la minima distanza si otti.(i) .(I.Supponiamo che il nostro spazio E possa avere dimensioIl(~ inJinil.. e quella costruita. .]2 nel sistema {§.: che meglio ap pros sima .]2 - L Cl:ie(i) II i=l N N d}y = (.]2) + 2: lCl:i12 i=l N d}y = IIxl12 + L lCl:i i=l N ~i12 - L l~il2 i=l dN. I coefficienti ~i (cioe Ie componenti di .(')}) SI cIlia mana anche i coefficienti di Fourier del vettore .(.]27 Pili precisamente.]2 E E. (' che sia a nostra disposizione un sistema ortonormale di vettori {I. con i coefficienti di Fourier. qual e la combinazione lineare degli §.(j)) i=l j=l N N = = 11.]2 ( I'.

La diseguaglianza di Bessel contiene in realta due informazioni: i) la successione {~i}~1 e di modulo quadrato sommabile (appartiene cioe a l2).6 per spazi euclidei finito-dimensionali. si pua dimostrare che la successione di vettori: .12. Se. si chiama diseguaglianza di Bessel. In virtu della diseguaglianza di Bessel. l'uguaglianza di Parseval implica: N N -+co lim d(.12(N) = I:~1~iii)} converge a ld.IIxl1 2 :::: L l~il2 i=1 valida per ogni ld. il sistema degli eompleto (gli ~(i) formano una base ortonormale). e per ogni sistema ortonormale {~(i)}. In effetti.1211 = ~ l~il2 i=1 detta uguaglianza (0 relazione) di Parseval. la successione deve neeessariamente essere di modulo quadrato sommabile. Da cia segue chiaramente che il sottospazio generato dagli ~(i) coincide con l'intero spazio. per ogni .12.112. Infatti. possiamo affermare che se i termini di una successione numerica {~d forniscono i coefficienti di Fourier di un vettore . vale l'uguaglianza: 2 11. ~ i=1 ~i~(i)) =0 V.12 E E il che equivale a dire che la successione {.12 in un sistema (in particolare in una base) ortonormale. Se 10 spazio euclideo E e (separabile e) completo. per ogni ld. l'appartenenza della successione a l2 e anche suffieiente. E E. 4. se {~i} E l2 ed {~(')}~1 e una base ortonormale. gia mostrata al par. ii) la somma della serie: s= ~1~iI2 i=1 non puo superare 11ld.2.

•• dimensionale. l'v. Se quindi (~(i).S affinehe un sistema ortonormale di vettori eostituisea una base t.) = 0 V i implichi . che (~(i) .12)..12) e uguale a zero Vi.1'( N) converge a un qualche ld. Dal momento che E e completo.12 ha 1I0J'lIl" nulla e quindi e il vettore nullo. Sia infatti {~(i)} una base.(N) = ~~i~(i) i=1 e di Cauchy. E E vale l'uguaglianza di Panwval: 2 11.r ( I'.112 = ~ l~il2 i=1 PUO sorgere la domanda se vi sia. viceversa.ld.nieo vettore ortogonale a tutti gli elementi del sistema sill. eN j'. Questa propridh . una base e data da un insiemc III":. per cui l'unico vett(m~ dldl•• spazio a componenti tutte nuHe e il vettore nullo. aHora Vld.) . per cui la diseguaglianza di Bessel e soddisfatta in senso stretto: . E E. ld.1211 = ~ l~il2 i=1 dove ~i = (~(i)..N ld. e per questo ld. la SUCCCSSiOllC . esisterebbe un qualche . si ha: ~i = (li) .. 11ld. ('h. Assumiamo ora.: Teorema 4. simale di vettori linearmente indipendenti.12 = 0: S( ~ iI sistema degli {~(i)} non fosse una base.11. il vcUO'I" nullo. in uno spazio euclideo-illfillit. In uno spazio euclideo separabile e eompleto.i estende agli spazi infinito-dimensionali grazie al seguente teoremll.>. un modo alternativo (rispetto aHa verifica deHa validiLI deH'uguaglianza di Parseval) per caratterizzare una base ortonorIllall' In uno spazio finito--dimensionale.

]2*= L~i~(i).]2*e il vettore nullo. che abbiamo gia incontrato tra gli spazi normati separabili e completi. Ma allora: = ~i ~ ~i = 0 'V i si ha: (~(i).....22*) = quindi . Alla luce dei risultati fin qui ottenuti.22...22 + (31£ ¢} {aXi + (3yd~l "conserva" Ma e anche un isomorfismo in sensa euclideo.]2*) = L:~l ~i~(i) e di Cauchy). si stabilisce una corrispondenza biunivoca tra un generico spazio di Hilbert H e 10 spazio l2 delle successioni di modulo quadrato sommabile.22 . mediante l'introduzione di una base ortonormale.22*) (~(i).22) . e in particolare 11.00 00 . Lo spazio l2..2211 = 2 L l~il2 i=l Uno spazio euclideo infinito-dimensionale completo si chiama spazio di Hilbert. diventa uno spazio euclideo non appena 10 si munisca del prodotto scalare: ({Xi}.22 . si ha in altre parole (.]2*112 L l~il2 con ~i = i=l i=l (AI solito. e tale attributo verra di regola omesso nella trattazione che seguira.. la successione . 11.]2(N) = (~(i). Noi ci occuperemo esclusivamente di spazi di Hilbert separabili.1£) = L XiYi k=l 00 ....(~(i). in quanta l'operazione di prodotta scalare.. La corrispondenza {yd) = L XiYi un isomorfismo lineare: da i=l tra H e 12 e chiaramente a. possiamo dire che..

y) L XkYk k=l = 1m L . risulta: "punti vicini" di N1 in "pllliI.J. Siano N1 e N2 due spazi normati (basterebbe in realta cOllsid. ciae se "IE > 0.' Un'applicazione (tra.. 10 spazio 12. )1.2. con norme II· IiI e 11·112 rispettivanwn!.]2.22 + i1£. COIIl<' vedremo meglio nel seguito.i IIA.A1£112< E non apI"'1I:1 Ilx - ylll < 8(' . rare spazi lineari metrici).o) 4.<. y) = He Im(x.]2 + 1£) = L IXk k=l k=l 00 + Yk!2 + iYk!2 (. dallo spazio L2[a. + 1£. che puo essere visto come una n':l lizzazione in coordinate di uno spazio di Hilbert astratto.. 4. Un'al!. b] (spazio delle f\llly.(. esiste \Ill s.TkYk k=l Possiamo quindi affermare che..) spazio di Hilbert.r" realizzazione in coordinate di uno spazio di Hilbert e costituita. .2.su un segllwlI!. in parte gia introdo!. a meno di isomorfismi...formazione) Ada N1 a N2 e un operatore lilwar.22 + i1£) = L IXk 00 He(x.4 Funzionali lineari e distribuzioni Cominciamo con alcune definizioni fondamentali..iOlli di modulo quadrato integrabile ~ secondo Lebesgue . te nel par.' se: A e un aperatore continuo se manda vicini" di N2.

.Q = lim A:. Risulta infatti: '!!. E N (A).(n) e una successione di elementi E N(A).r. cioe una varieta lineare chiusa di N1: infatti.r:.) 1 < I 1. in particolare in .. Inoltre. E D(A) tramite l'operatore A si chiama "range" (0 "immagine") dell'operatore A e si indica con R(A) (0 con Im(A)).r. E D(A) che vengono mandati nel vettore nullo di N2: 10 indicheremo di solito con N(A) (in letteratura si trova spesso l'espressione Ker(A)). che converge a un elemento . Ci occuperemo in particolare dei funzionali lineari continui.r:..r:.(n)) = A. caratterizzati dalla proprieta che 10 spazio di arrivo N2 e l'insieme C (0 in particolare R): sono quindi applicazioni lineari da uno spazio normato generico N in C.. allora . un posto particolare occupano i funzionali lineari. D(A) e quindi l'insieme degli.r:. Chiameremo "nucleo" 0 "kernel" 0 "null space" di A l'insieme degli .r:. E N1 tali che A. un funzionale line are e continuo se e solo se esso sulla sfera unitaria.r:.Sia D(A) la varieta lineare c=: N1 per cui e definito l'operatore line are A: essa e detta dominio (0 insieme di definizione) dell'operatore A.CX) Tra gli operatori lineari su spazi normati. .r..Q. E ovvio che anche R(A) e u~a varieta lineare.r:..= . cioe se si ha: sup If(.r. Se un funzionale lineare e continuo in un punto di N.E N2. L'insieme degli E N2 che provengono da qualche. E N1. Se A e continuo.(n) = A( lim n---+oo .r:. n----.'£1I:S: 1 00 e limitato . se . N(A) e un sottospazio. e continuo su tutto N.

8<= C L'insieme dei funzionali lineari continui su N costituisce uno 87m::!O normato completo (anche se N non e completo) che si indica COil N' e si chiama spazio duale (0 coniugato) di N.r..r.) = 0 V. risulta per 11:r11 :s. cioe se esiste 0 < ('.1I < E 1 Viceversa.r:.) = II (..) = af(. cioef(.r..r.r.1 L'insieme dei funzionali lineari si puo munire inoltre di una struUur:\ di spazio lineare.Infatti. cominciamo col definire la Ilm ma Ilfll di un funzionale f(.~II#o 1 I 1.r.= E/C :r.) I :s. )1 = sup If(y)1 11.. 1 E per 11It.) se..) E ovvio che una qualsiasi combinazione line are di funzionali COIlt.i1111 i e ancora un funzionale continuo.. EN.) + !z(.11 111!..160]: Ilfll ~ 0 (= 0 se e solo se f = 0.): Ilfll = sup If(..r:. f(. se f(:r) e continuo. Per dimostrare questa affermazione.r.r:..) = f(a.r.r.r. V.)! = sup If( . If(:r) 1 :s...'I If(l!) 1 < 8< per 11It. nel modo pili naturale: f = II +!z g = oJ se.11=1- 1{I~i I S Ilfll. deve in particolare essere (si osscrvi Q!): ell(' f(ll) Quindi. tale che: '''. V.r. e altresl chiaro che la norma ddilliL\ sopra gode delle proprieta richieste [4. si ha: < 8(" Allora. se f(:r) e limitato sulla sfera unitaria.. f e limitato su una sfera di raggio (8<)-1:r.r. g(. E N..) . 1 1 Ilfll 1.11 :s.r.1 11~II#o 11..r. C ponendo It. cioe If(. POIICIlc!O .

Sign up to vote on this title
UsefulNot useful