Anteprima
Vedrai una selezione di 4 pagine su 14
Algebra lineare - Appunti Pag. 1 Algebra lineare - Appunti Pag. 2
Anteprima di 4 pagg. su 14.
Scarica il documento per vederlo tutto.
Algebra lineare - Appunti Pag. 6
Anteprima di 4 pagg. su 14.
Scarica il documento per vederlo tutto.
Algebra lineare - Appunti Pag. 11
1 su 14
D/illustrazione/soddisfatti o rimborsati
Disdici quando
vuoi
Acquista con carta
o PayPal
Scarica i documenti
tutte le volte che vuoi
Estratto del documento

Conseguenze fondamentali della definizione

Segue direttamente dalla definizione che, se f : V → W è un'applicazione lineare, ∀v₁, ..., vₖ ∈ V e ∀λ₁, ..., λₖ ∈ ℝ, allora: f(λ₁v₁ + ... + λₖvₖ) = λ₁f(v₁) + ... + λₖf(vₖ) In particolare, supponiamo che {v₁, ..., vₙ} sia una base di V. Se v ∈ V, allora v si scrive in modo unico come combinazione lineare di {v₁, ..., vₙ}, poniamo: v = λ₁v₁ + ... + λₙvₙ Quindi: f(v) = λ₁f(v₁) + ... + λₙf(vₙ) Segue che: (1) l'azione di f su una base di V determina l'azione di f su tutto V, e quindi che: (2) due applicazioni lineari da V a W che assumono gli stessi valori su una base di V, coincidono. Applicazioni lineari da ℝᵐ a ℝⁿ. Le conseguenze della definizione che abbiamo scritto ci permettono facilmente di capire cosa

Sono le applicazioni lineari tra spazi vettoriali di tipo R. Cominciamo col dare un esempio generale di applicazione lineare; poi faremo vedere che tutte le applicazioni lineari tra spazi di tipo R sono comprese in questo esempio.

Sia M una matrice m x n. Allora, per ogni v, il prodotto Mv è definito e è uguale ad un vettore di R. Possiamo quindi definire la funzione L : Rm x nRm : vMv.

L è un'applicazione lineare, infatti:

  1. L è additiva, perché per ogni v e v' in Rn si ha L(v + v') = M(v + v') = Mv + Mv' = L(v) + L(v') (proprietà distributiva del prodotto di matrici, Paragrafo 2, Proposizione 2).
  2. L è omogenea, perché per ogni v in Rn e λ in R si ha L(λv) = M(λv) = λ(Mv) = λL(v) (Paragrafo 2, Proposizione 2).

Quello che stiamo per vedere è che tutte le applicazioni lineari da Rm x n a Rm sono, cioè, agiscono come moltiplicazione a sinistra per una matrice reale di tipo Lm x n.

n× → {e }n m. Infatti, sia f : un’applicazione lineare, , . . . , e la baseR R 1 mmcanonica di ,R · · · |fM = (f (e )| (e ))1 m b  1... un vettore qualunque(la matrice di colonne f (e ), . . . , f (e )) e infine v =1 m  b mm · · ·in . Allora v = b e + + b e , quindiR 1 1 m m· · ·f (e ) + + b f (e ) = M v = L (v)f (v) = b 1 1 m m M(la seconda uguaglianza si ottiene usando la solita proprietà del prodotto matriceper vettore colonna, pag. 5)Riassumiamo i risultati ottenuti nella proposizione seguente.m n→Proposizione 1. Sia f : una funzione. Allora:R R ×f è un’applicazione lineare se e solo se esiste una matrice reale M n m taleche f = L ;Mse f è lineare, la (unica) matrice M tale che f = L è la matrice di colonneM m{e }f (e ), . . . , f (e ), dove , . . . , e è la base canonica di .R1 m 1 m 45m n→Definizione: matrice rispetto alle basi canoniche. Sia f : R

Run’applicazione lineare e, con le notazioni usate sopra,|fM = (f (e )| . . . (e ))1 m(quindi f = L ). La matrice M si chiama la matrice di f rispetto alle basiMm ncanoniche (di e ).

Problema.

Sia x x + y z 3 2→ 7→f : , y .R R x y + zz

Verificare che f è lineare e scriverne la matrice rispetto alle basi canoniche.

Risoluzione. Osserviamo che

x x −11 1f y = y ,

−11 1z z

quindi f = L con

M −11 1M = ,

−11 1

e perciò è lineare. Inoltre, è chiaro che le colonne di M sono le immagini dei vettori3della base canonica di . Perciò M è la matrice di f rispetto alle basi canoniche.

RComposizione di applicazioni lineari e prodotto di matrici. [da scrivere]

Definizione: nucleo e immagine di un’applicazione lineare. Sia→f : V Wun’applicazione lineare tra spazi vettoriali.

Il nucleo di f (in inglese kernel) è per definizione l’insieme

{x ∈ |ker f = v f (v) = 0}

(dove 0 è

Il vettore nullo di W è 0.

L'immagine di f è l'usuale immagine insiemistica della funzione f: {f | ∈ } {w ∈ | ∃v ∈ Im f = (v) ∈ V = W, f(v) = w}.

Nel prossimo enunciato riassumiamo le proprietà principali del nucleo e dell'immagine di un'applicazione lineare.

Proposizione 2. → Sia f: VW un'applicazione lineare tra spazi vettoriali. Allora:

  1. ker f è un sottospazio vettoriale di V e Im f è un sottospazio vettoriale di W.
  2. f è una funzione iniettiva se e solo se ker f = {0}.
  3. Vale la seguente formula delle dimensioni: dim V - dim ker f = dim Im f.
  4. f è biunivoca se e solo se ker f = {0} e dim V = dim Im f = dim W.
  5. f è biunivoca se e solo se dim V = dim Im f = dim W.
  6. Se f è biunivoca, allora la sua inversa f-1 è un'applicazione lineare (biunivoca).

Omettiamo gran parte delle dimostrazioni, ma diamo delle indicazioni abbastanza dettagliate su come si fanno e facciamo qualche precisazione sugli

(1) Questo punto è semplice, bisogna semplicemente verificare che ker f e Im f sono non vuoti e chiusi rispetto alla somma e alla moltiplicazione per scalari. Suggeriamo solo come si vede che ker f = per linearità, ker f contiene sempre almeno il vettore nullo di V, infatti f(0) = f(0 + 0) = f(0) + f(0), dove lo zero senza indice e sottolineatura è lo scalare 0 e per chiarezza abbiamo distinto nella notazione i vettori nulli di V e W (nel seguito ometteremo gli indici V e W, è sempre chiaro dal contesto di quale vettore nullo si parla). Le altre verifiche sono standard (provate a farne qualcuna per esercizio). 47

(2) Questo punto è molto importante. Ricordiamo la definizione iniettività: f è iniettiva se e solo se trasforma elementi diversi del dominio in elementi diversi (dell'immagine). Due modi equivalenti di scrivere questo sono i seguenti:

f è iniettiva se e solo se vale la condizione:

(a) ∀ v, v' ∈ V, f(v) = f(v') ⇒ v = v'

v = vf è iniettiva se e solo se vale la condizione:(b) per ogni w in Im f esiste un unico v in V tale che f(v) = w.

{0}= 0, quindi la condizione ker f = vuol dire che l'unico v in V tale che f(v) = 0 è lo 0 di V. Il punto è che se la condizione (b) vale per w = 0, allora vale per tutti i w Im f. In effetti, quello che vale è che 0 ∈ f(v) = f(v'), se e solo se v - v' ∈ ker f (quindi se e solo se v = v' + u per un certo u in ker f) perché 0 ∈ f(v) - f(v') = f(v - v') = f(v' - v) = f(-v + v') = -f(v - v').

Quindi, se w Im f, v V è un qualunque elemento tale che f(v) = w, allora f(w) è l'insieme controimmagine di w, cioè l'insieme di tutti i v V tali che f(v) = w, allora f(w) = {v | v ∈ V, f(v) = w}.

Dove v + ker f = {v + u | u ∈ ker f}. Poiché ker f è un sottospazio vettoriale di V, questo vuol dire che la controimmagine di un

qualunque w in Im f è un sottospazio affine di V che ha come spazio vettoriale associato ker f .(3) Questa dimostrazione è molto simile alla dimostrazione della Proposizione 2 del∅ {0}) e la siparagrafo 6: si considera una base B di ker f (B = se ker f =0 0∪completa a una base di V , B = B B , con B disgiunto da B. Si dimostraV0{f | ∈ }quindi che (v) v B è una base di Im f . La tesi sulle dimensioni seguedirettamente.(4) Qui basta ricordare le definizioni:→la funzione f : V W si dice suriettiva se Im f = W , cioe se:per ogni w in W esiste un v in V tale f (v) = w;48 →la funzione f : V W si dice biunivoca (o biettiva, o invertibile) se f è siainiettiva, sia suriettiva, cioe se:(∗) per ogni w in W esiste, ed è unico, un v in V tale che f (v) = w.Ora per un’applicazione lineare l’immagine è un sottospazio vettoriale del codo-minio, quindi si ha che Im f = W se e solo se dim Im f = dim W . Segue che⇔f è suriettiva dim Im f

dim W = 0, Invece la condizione di iniettività equivale a ker f = quindi ⇔ f è iniettiva dim ker f = 0. Utilizzando la formula delle dimensioni si ottiene che f è invertibile se e solo se dim V = dim W e ker f = 0. (5) Qui basta usare di nuovo la formula delle dimensioni e le considerazioni sullasuriettività appena fatte. -1 (6) Ricordiamo cosa è f per una funzione invertibile f. La condizione (*) scritta -1 → sopra che definisce la biunivocità, permette di definire una funzione f : W V-1 ∈ nel modo seguente: per ogni w W, poniamo f(w) = v, dove v è l’unico -1 È immediato che f è a sua volta biunivoca; elemento di V tale che f(v) = w. -1 Quello che bisogna dimostrare è che f è anche un’applicazione lineare, se f lo -1 è. Si tratta di verificare in modo diretto, utilizzando la definizione di f, che essa è additiva e omogenea: provate a farlo per esercizio. m n→ Osservazione. Se f :

un'applicazione lineare invertibile, allora ab-R Rbiamo visto che m e n devono essere uguali e quindi la matrice di f rispetto alle×basi canoniche è una matrice quadrata n n. È immediato verificare che f risulta−1invertibile se e solo se questa matrice è invertibile; inoltre f è L .−1MDefinizione: isomorfismo di spazi vettoriali. Un’ applicazione lineare in-→vertibile f : V W si chiama anche isomorfismo (di spazi vettoriali). Se f è−1 →invertibile, come abbiamo appena visto anche f : W V è un isomorfismo. Duespazi vettoriali V e W si dicono isomorfi se esiste un isomorfismo dall’uno all’altro.49nTeorema. Ogni spazio vettoriale di dimensione n è isomorfo a .RB {v }Dimostrazione. Sia V uno spazio vettoriale di dimensione n e = , . . . , v1 nuna sua base. Sappiamo che ogni vettore v in V si scrive in modo unico comeB:combinazione linear

Dettagli
Publisher
A.A. 2012-2013
14 pagine
SSD Scienze matematiche e informatiche MAT/02 Algebra

I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher Frau81 di informazioni apprese con la frequenza delle lezioni di Algebra lineare e studio autonomo di eventuali libri di riferimento in preparazione dell'esame finale o della tesi. Non devono intendersi come materiale ufficiale dell'università Università degli studi Gabriele D'Annunzio di Chieti e Pescara o del prof Cellini Paola.