Sei sulla pagina 1di 44

ALGEBRA LINEARE.

Dato un insieme V e potendo definire:

1) Addizione: sommando ad un elemento di V un altro di V si ottiene un altro elemento di V 2) Moltiplicazione: moltiplicando un elemento di V con uno scalare (un numero reale) si ottiene un altro elemento di V.

(V, +, -):

tale terna è detta SPAZIO VETTORIALE se sono soddisfatte alcune proprietà. Gli elementi di V prenderanno allora il nome di VETTORI.

Le proprietà da soddisfare riguardo all’addizione sono:

1) Associativa:

2) Commutativa:

3) Esistenza dell’elemento neutro:

4) Esistenza dell’opposto:

x, y, z V x, y V 0 v V : x V x V

(x+y)+z = x+(y+z) (x+y) = (y+x) x+0 v = x y : x+y = 0 v

Le proprietà da soddisfare riguardo alla moltiplicazione sono:

1) Associativa:

a, b IR

x V

a*(b*x) = (a*b)*x

2) Esistenza dell’elemento neutro:

x V

1 : x*1 = x

3) Distributiva:

a, b IR

x V

(a+b)*x = a*x + b*x

È importante notare che:

0*x = 0

a*0=0

La proprietà comune all’addizione e alla moltiplicazione è:

1) Distributiva:

a IR

x, y V

a*(x+y) = a*x + a*y

L’insieme IR può essere considerato come uno spazio vettoriale: dato a IR posso moltiplicare/sommare a con uno scalare, ottenendo un altro numero reale, e valgono tutte le proprietà sopra elencate. Ogni numero reale può essere visto come un vettore che appartiene allo spazio vettoriale dei numeri reali.

P
P

La coppia ordinata (x 1 , y 1 ) individua il punto P, ma ogni punto è caratterizzato da due coordinate. Ogni punto del piano può essere visto come un vettore, caratterizzato da due coordinate.

P 1 =(x 1 , y 1 ) P 2 =(x 2 , y 2 )

ADDIZIONE: (x 1 , y 1 ) + (x 2 , y 2 ) = (x 1 +x 2 , y 1 +y 2 ) MOLTIPLICAZIONE: a*(x, y) = (ax, ay)

Perché sia uno spazio vettoriale dimostro che valgono le proprietà:

ESISTE L’ELEMENTO NEUTRO: (x, y) + (0, 0) = (x, y) ESISTE L’OPPOSTO: (x, y) + (-x, -y) = (0, 0) VALE LA COMMUTATIVA: (x 1 , y 1 ) + (x 2 , y 2 ) = (x 2 , y 2 ) + (x 1 , y 1 ) ……

IRIR è uno spazio vettoriale, i cui vettori sono le coppie di scalari.

Anche lo spazio tridimensionale è uno spazio vettoriale, i cui vettori sono triplette ordinate.

spazio vettoriale, i cui vettori sono triplette ordinate. Un generico punto P è dato da una

Un generico punto P è dato da una tripletta di coordinate (x, y, z)

SOMMA: (x 1 , y 1 , z 1 ) + (x 2 , y 2 , z 2 ) = (x 1 +x 2 , y 1 +y 2 , z 1 +z 2 ) MOLTIPLICAZIONE: a*(x, y, z) = (ax, ay, az)

Le proprietà sono dimostrabili come per lo spazio bidimensionale. IRIRIR = IR 3 è, quindi, uno spazio vettoriale.

Saranno spazi vettoriali anche IR 4 . IR 5 , IR 6 , … con punti P composti da (x 1 , x 2 , x 3 , x 4 , x 5 , …x n ), cioè insiemi composti da ennuple.

a

a

a

11

21

31

a m1

a

a

a

12

22

32

a m2

a

a

a

13

23

33

a m3

a

a

a

1n

2n

3n

a mn

Un elemento sarà caratterizzato da a ij

i = indice di riga

j = indice di colonna

Esempio

a 23 = 0 a 34 = 1

A=

5

7

4

3

-1

3

2

0

2

1

2

1

Una tabella di questo tipo è una MATRICE mn. Le matrici si indicano con lettere maiuscole. L’insieme delle matrici mn è uno spazio vettoriale, poiché ogni matrice può essere pensata come un vettore.

ADDIZIONE: somma di matrici con uno stesso numero di righe e colonne.

1 -1

0

1

 

2 1

0

1

+

3 -1

2

1

5

3

2

1

 

6

2

2

2

7

-1

0

2

=

9

0

0

3

4

3

2

1

7

2

4

2

Date due matrici A e B, A+B darà luogo a una matrice C, il cui generico elemento sarà c ij = a ij + b ij .

MOLTIPLICAZIONE: moltiplicare uno scalare per una matrice qualsiasi

3*

5

3

2

7

-1

0

4

3

2

1

 

15

9

6

3

2

=

21

-3

0

6

1

12

9

6

3

Per dimostrare che una matrice è spazio vettoriale bisogna a questo punto dimostrare

le proprietà.

1) ESISTENZA DELL’ELEMENTO NEUTRO.

a

a

a

a

11

21

31

m1

a

a

a

a

12

22

32

m2

a

a

a

a

1n

2n

3n

mn

+

0

0

0

0

0

0

0

0

0

0

0

0

= a mn

2) ESISTENZA DELL’OPPOSTO.

a mn - a mn

……

E’ uno spazio vettoriale perché valgono tutte le proprietà.

Si considerino ora tutti i polinomi di grado minore o uguale a 2, cioè del tipo:

ax 2 +bx+c

ADDIZIONE: (a 1 x 2 +b 1 x+c 1 ) + (a 2 x 2 +b 2 x+c 2 ) = (a 1 +a 2 )x 2 +(b 1 +b 2 )x+c 1 +c 2 (è un altro polinomio di 2° grado)

MOLTIPLICAZIONE: d*(ax 2 +bx+c) = (da)x 2 +(db)x+dc (è un altro polinomio di 2° grado)

Le proprietà valgono tutte, quindi i polinomi di grado minore o uguale a 2 sono dei vettori dello spazio vettoriale dei polinomi di grado minore o uguale a 2. Invece i polinomi di grado uguale a 2 non sono uno spazio vettoriale, perché potrebbe non esistere l’elemento neutro e perché si potrebbe ottenere in seguito ad addizione un polinomio di grado minore.

Generalizzando il discorso, tutti i polinomi di grado minore o uguale a m costituiscono uno spazio vettoriale.

Sottospazio vettoriale.

Dato SV (S sottoinsieme proprio di V), SV è un sottospazio vettoriale se e solo se

S è spazio vettoriale.

Dato SV S è spazio vettoriale se e solo se sono verificate queste tre condizioni indispensabili:

3)

1) S

2) x, y

x+y S

x S e a IR

a*x S

Se l’insieme S non è vuoto e se è chiuso rispetto all’addizione e alla moltiplicazione, allora è un sottospazio vettoriale. Basta dimostrare queste tre condizioni per dimostrare che S sia un sottospazio vettoriale.

Si dimostra ora che una matrice triangolare alta (cioè quella matrice che sotto una diagonale presenta solo 0) è un sottospazio vettoriale dell’insieme delle matrici.

Esempio

a 11

a

a

0

12

22

a

a

a

13

23

33

= B

Dimostriamo che valgono le tre condizione di sottoinsieme.

1) B0

2) Sommando due matrici triangolari alte ottengo un’altra matrice triangolare alta.

a 11

a 12

22

a

0

a 13

23

33

a

a

+

0

0

b 11

b 12

b 13

23

b 33

b

0

22 b

=

0

0

a 11 +b 11

a 12 +b 12

22

22 +b

a

0

a 13 +b 13

23

33

23 +b

a

a

33 +b

3) Moltiplicando una matrice triangolare alta per uno scalare si ottiene un’altra matrice triangolare alta.

11

a

a

0

12

22

a

a

a

13

23

33

* c

=

ca 11

ca

ca

0

12

22

ca

ca

ca

13

23

33

Si dicono sottospazi banali di V: V stesso e il sottoinsieme vettore nullo (0). Riguardo a IR 2 , sono sottospazi banali il vettore nullo (0,0) e IR 2 stesso. Ma oltre a questi due sottospazi, IR 2 ne ammette un altro.

P
P

y=mx

Dati i due vettori P 1 (x 1 , y 1 ) e P 2 (x 2 , y 2 ).

ADDIZIONE: (x 1 +x 2 , m(x 1 , x 2 ))

MOLTIPLICAZIONE: a*(x, mx) = (ax, amx)

La retta passante per l’origine degli assi è un sottospazio di IR 2 . Invece, una retta non passante per l’origine degli assi non è un sottospazio di IR 2 , perché non incontra

il vettore nullo.

Combinazione lineare finita.

Considerando n vettori

x 1 , x 2 , x 3 , x 4 ,…x n V

e considerando n numeri reali, detti combinatori

si può affermare che:

c 1 , c 2 , c 3 , c 4 , … c n IR

x = c 1 x 1 + c 2 x 2 + c 3 x 3 + + c n x n

è una combinazione lineare finita.

È finita, perché di n elementi. È una combinazione perché gli elementi sono combinati tra loro attraverso le operazioni di somma e moltiplicazione. È lineare, perché ogni vettore che compare, compare linearmente (non ci sono quadrati).

La stessa scrittura può essere vista come:

i =1 C i x i

Si ottiene attraverso una combinazione lineare finita un sottospazio vettoriale S di V, perché valgono le tre condizioni:

1) S (contiene almeno il vettore nullo).

2) i =1 c i x i + i =1 d i x i = i =1 (c i +d i ) x i

3) (c 1 x 1 + c 2 x 2 + c n x n )*a = ac 1 x 1 + ac 2 x 2 + ac n x n

Questo particolare sottospazio prende il nome di sottospazio generato dai vettori x 1 ,

x 2 , x 3 , x n e si indica con la scrittura:

<x 1 , x 2 , x 3 , x n >

che è l’insieme di tutte le possibili combinazioni lineari finite di n vettori. x 1 , x 2 , x n sono i generatori del sottospazio generato S: infatti, le loro possibili

combinazioni danno S. Ogni elemento di S è, quindi, esprimibile come una particolare combinazione finita.

Esempio.

S = <x 1 , x 2 , x n >

x 1 = (1, 0) IR 2

x 2 = (0, 1) IR 2

Il punto V(x, y) può essere espresso come combinazione di x 1 e x 2 .

V = x*(1, 0) + y*(0, 1) (x e y saranno i combinatori) V = (x, 0) + (0, y) = (x, y)

Esempio

V(3, 7) V = 3*(1, 0) + 7*(0, 1) V = (3, 0) + (0, 7) = (3, 7)

IR 2 = <(1, 0), (0, 1)>, perché ogni punto del piano può essere espresso come combinazione di questi vettori.

IR 3 = <(1, 0, 0), (0, 1, 0), (0, 0, 1)>, perché ogni punto nelle tre dimensioni può essere espresso come combinazione di questi vettori.

Si definisce a questo punto lo SPAZIO FINITAMENTE GENERATO come spazio creato da un numero finito di vettori generatori.

Dipendenza e indipendenza lineare di vettori.

Dati dei vettori:

x 1, x 2 , x 3 , x n

Dati dei numeri reali:

c 1 , c 2 , c 3 , c n

I vettori x 1 , x 2 , x 3 , x n sono linearmente dipendenti se esiste una loro combinazione

lineare finita con combinatori non tutti nulli tale che

c 1 x 1 , c 2 x 2 , c 3 x 3 , c n x n = 0

Quindi, se riesco a ottenere il 0 come combinazione lineare usando combinatori non tutti nulli, i vettori sono linearmente dipendenti.

Viceversa: se l’unico modo per ottenere il vettore nullo è quello di porre tutti i combinatori uguali a 0, allora i vettori sono linearmente indipendenti.

Esempio:

1

0

0

0

1

0

0

0

1

Sono linearmente indipendenti

c 1 *

1

0

0

c 1

0

0

+c 2 *

+

0

1

0

+c

2

0

c

0

+

3 *

0

0

1

0

0

c

3

=

c

c

c

1

2

3

L’unico modo perché l’operazione sia uguale a 0 è che tutti i combinatori siano uguali a 0. Di conseguenza i vettori sono linearmente indipendenti.

Esempio

1

2

3

2

4

6

c 1 *

1

2

3

+c 2 *

2

4

6

=

c 1 + 2c 2 = 0 2c c 1 + 2c 2 1 + 4c 2 = 0 3c 1 + 6c 2 1 + 4c 2 = 0 3c 1 + 6c 2 = 0

c 1 = -2c 2 -4c 2 + 4c 2 = 0 -6c 2 + 6c 1 = -2c 2 -4c 2 + 4c 2 = 0 -6c 2 + 6c 2 = 0

Se c 1 = 1 => c 2 = -1/2

1-1 = 0 2-2 = 0 3-3 = 0

I vettori sono

linearmente

dipendenti

combinazione è uguale a 0 per c0.

perché

la loro

Base di uno spazio vettoriale finitamente generato.

Una base di uno spazio vettoriale V è un insieme di vettori x 1 , x 2 , x n tali che:

1) V è lo spazio generato da x 1 , x 2 , x n (cioè i vettori sono generatori di V).

2) x 1 , x 2 , x n sono linearmente indipendenti.

È importante l’”Una” perché di basi ce ne sono infinite.

1

0

0

0

1

0

0

0

1

Questi vettori sono linearmente indipendenti e sono generatori, quindi sono una base di IR 3 .

1

0

0

1

0

0

0

0

.

.

.

.

.

.

0

0

0

0

1

.

.

.

0

Questi vettori sono linearmente indipendenti, sono generatori, quindi sono una base di IR n . Questa base prende anche il nome di BASE CANONICA.

Proprietà delle basi.

1) x 1 , x 2 , x n = base di V ogni vettore x di V può essere espresso come unica

combinazione lineare di x 1 , x 2 , x n .

Dimostrazione per assurdo:

Ip: x 1 , x 2 , x n = base di V

Th:

ogni vettore x di

essere

espresso come

unica

combinazione

lineare di

x n

x 1 ,

V

può

x 2 ,

Si suppone allora che ogni vettore possa essere espresso in due modi, anziché uno.

1) x = c 1 x 1 + c 2 x 2 + c n x n = n i=1 c i x i

2)

x = d 1 x 1 + d 2 x 2 + d n x n = n i=1 d i x i

0 = n i=1 c i x i - n i=1 d i x i (dc)

0 = n i=1 (c i -d i )x i

i vari x i sono linearmente indipendenti perché per avere 0 bisogna che i combinatori

siano 0, cioè

c i =d i e in questo modo si contraddice l’ipotesi per cui c i d i . La combinazione può essere solo una e non più di una.

È possibile dimostrare che vale anche l’opposto della prima proprietà, cioè

1a) Se ogni vettore x può essere espresso in modo unico come combinazione lineare

x 1 , x 2 , x n = base vettoriale di V

I vettori sono generatori, ma bisogna dimostrare, perché siano base, che siano linearmente indipendenti.

Il vettore 0 può essere espresso in modo unico:

0 = n i=1 c i x i

Il c i deve essere per forza uguale a 0 perché è l’unico modo per poter avere 0. I vettori sono quindi linearmente indipendenti.

Esempio In IR 3 1 0 0 3 x = (3, 5, 7) = 3*
Esempio
In IR 3
1
0
0
3
x = (3, 5, 7) =
3*
+
5*
+
7*
=
0
1
0
5
0
0
1
7
3, 5, 7 sono i combinatori o componenti del vettore rispetto alla base
Esempio

In Matrici 2x2

a

b

 
 

=

c

d

a a 11 12 a a 21 22
a
a
11
12
a
a
21
22

Creare una base significa cercare un insieme di matrici tali che siano 1) Indipendenti tra loro. 2) Generatrici di tutte le matrici 2x2

1 0
1
0

0

0 0
0
0

1

0 1
0
1

0

0 0
0
0

0

0

0

0

1

- Sono linearmente indipendenti perché

0 0 1 c 1 +c 2 +c 3 0 0 0
0
0
1
c 1
+c 2
+c 3
0
0
0

+c 4 4

0 0 0 1
0
0
0
1

Per ottenere 0 è necessario porre c i =0

- Sono generatrici perché

a 11

0 +a 12 0
0
+a 12
0

+a 21 21

+a 22 22

0 0 0 1
0
0
0
1
 
0 0
0
0
 

0

=

 
 

0

 

11

=

a a
a
a

21

a

a

12

22

Ogni matrice 2x2 è ottenuta come combinazione lineare delle 4 matrici iniziali.

2) Ogni spazio vettoriale finitamente generato ammette (almeno) una base. C’è sempre un numero finito di vettori che genera uno spazio vettoriale.

3) Ogni base di uno spazio vettoriale finitamente generato ha lo stesso numero di vettori.

Esempio.

anche

In IR 3

1 0 0
1
0
0
2
2

0

0

0

   

0

1

0

0

1

0

0

2

0

0

2

è base.

è base perché

 

2

 

0

 

0

 

x

x/2*

0

+y/2*

2

+z/3*

0

=

y

0

0

2

z

Le basi sono infinite, ma hanno tutte lo stesso numero di vettori.

4) Se n sono i vettori (linearmente indipendenti) della base, n+1 vettori sono linearmente dipendenti.

Esempio

In IR 3 una base contiene 3 vettori. Se in IR 3 considero un insieme di 4 vettori, essi sono linearmente dipendenti. Il numero massimo di vettori indipendenti è, quindi, 3 (in IR 2 è 2, in IR n è n).

Il numero massimo dei vettori linearmente indipendenti prende anche il nome di DIMENSIONE DELLO SPAZIO (IR 2 =2, IR 3 =3, IR n =n, M (2x2) =4).

Anche un sottospazio vettoriale, in quanto spazio vettoriale, ha almeno una base.

Esempio.

In IR 2 , ogni retta passante per l’origine è un sottospazio vettoriale. Y=2x è sottospazio vettoriale. P(x, 2x) = questo insieme di punti è un sottospazio. Per capire la dimensione di ogni base basta trovarne una.

P 1 (1, 2) è una base del sottospazio perché:

1) è generatore. Infatti,

x*(1, 2) = tutti i punti della retta y=2x

2) è linearmente indipendente. Infatti,

c*

1 0 = 2 0
1
0
=
2
0

c=0

La dimensione è 1 perché basta un vettore per generare il sottospazio.

Esempio.

In M (2x2) , ogni matrice triangolare alta 2x2 è spazio vettoriale. Si cerca una base per capire la dimensione del sottospazio.

a 11 *

per capire la dimensione del sottospazio. a 1 1 * 0 0 +a 1 2 *

0

0

+a 1 2 * 12 *

0

0

del sottospazio. a 1 1 * 0 0 +a 1 2 * 0 0 1 0

1

0

+a 2 2 * 22 *

1

0

0 1 a 0 a 11 12 = 0 a 1 22
0
1
a
0
a 11
12
=
0
a
1
22

È una base vettoriale canonica e la dimensione dello spazio è 3

Se si conosce la dimensione dello spazio (n), per trovare una base basta trovare n vettori linearmente indipendenti.

S è sottospazio di V dim S dim V S = V dim S = dim V

Esempio.

 

0

 

v 1 =

1

v

2 =

1

 

1

2

0

v

3 =

0

0

1

Dimostrare che è una base di IR 3

1) Sono linearmente indipendenti.

c

1 *

0

1

1

+c 2 *

1

2

0

+c 3

0

0

1

=

0

0

0

Questa uguaglianza si può ottenere solo con c i =0, perché

c

c 1 +2c 2 =0 c 1 =0 c 1 +c 3 =0 0+c 3 =0

2 =0

2) Sono generatori, perché

x 1 *

0

1

1

+x 2 *

x 2 =a x 1 +2x 2 =b x 1 +x 3 =c x 2
x 2
=a
x 1
+2x 2 =b
x 1 +x 3 =c
x 2
=a
x 1
=b-2a
x 3 =c-b+2a

1

2

0

Funzioni lineari.

+x 3

0

0

1

=

a

b

c

Si dice funzione lineare quella funzione che ha come dominio e codominio due insiemi uguali a spazi vettoriali.

Come funzione, valgono tutte le proprietà delle funzioni non lineari.

In generale si può dire che una funzione f:VW è lineare se:

1)

1) x, y V

f(x)+f(y)=f(x+y)

2) x V

a IR

f(a*x) = a*f(x)

V W x f(x) y f(y) x+y f(x+y)
V
W
x
f(x)
y
f(y)
x+y
f(x+y)
2) V W x f(x) a*x f(a*x)
2)
V
W
x
f(x)
a*x
f(a*x)

Esempio.

f:IRIR f(x)=ax (retta passante per l’origine)

è una funzione lineare perché:

1) f(x 1 ) + f(x 2 ) = f(x 1 +x 2 ) ax 1 + ax 2 = a(x 1 +x 2 ) = f(x 1 +x 2 )

2) f(b*x) = b*f(x) a*(bx) = b*(ax)

Esempio.

f: IRIR f(x) = ax+q (retta con intercetta q)

non è una funzione lineare perché

1) f(x 1 ) + f(x 2 ) = f(x 1 +x 2 ) f(x 1 ) + f(x 2 ) = a(x 1 +q) + a(x 2 +q) = a(x 1 +x 2 ) + 2q f(x 1 +x 2 ) = a(x 1 +x 2 ) + q f(x 1 +x 2 ) f(x 1 ) + f(x 2 )

La funzione è lineare solo nel caso in cui q=0

Esempio.

1)

f: IR 3 IR 2 f(x, y, z) = (x-y, z)

La funzione è lineare perché

f(x 1 , y 1 , z 1 ) + f(x 2 , y 2 , z 2 ) = f(x 1 +x 2 , y 1 +y 2 , z 1 +z 2 ) f(x 1 , y 1 , z 1 ) + f(x 2 , y 2 , z 2 ) = (x 1 -y 1 , z 1 ) + (x 2 -y 2 , z 2 ) = x 1 -y 1 +x 2 -y 2 , z 1 +z 2 = = x 1 +x 2 -y 1 -y 2 , z 1 +z 2 = ((x 1 +x 2 ) – (y 1 +y 2 ), z 1 +z 2 ) f(x 1 +x 2 , y 1 +y 2 , z 1 +z 2 ) = ((x 1 +x 2 ) – (y 1 +y 2 ), z 1 +z 2 )

2) f(a*x) = a*f(x) f(ax) = (ax-ay, az) = (a(x-y), az) = a(x-y, z) = a*(f(x))

Esempio.

f: M (2x2) IR

f

a a 11 12 a a 21 22
a
a
11
12
a
a
21
22

=

a 11 +a 22

1) a 11 +a 22 + b 11 +b 22 = a 11 +b 11 +a 22 +b 22 = a 11 +a 22 +b 11 +b 22 2) Dispensa.

Proprietà delle funzioni lineari.

1) f(c 1 x 1 + c 2 x 2 + c n x n
1) f(c 1 x 1 + c 2 x 2 + c n x n ) = c 1* f(x 1 ) + c 2* f(x 2 ) + c n* f(x n )
2) f: VW
V
W
f
0 w
0 v

f(0 v ) = 0 w

f(0 v ) = f(0*0) = 0*f(0 v ) = 0 w

3) f(-x) = f(-1*x) = -1*f(x) = -f(x)

4) f lineare V f: VW W F(V)
4) f lineare
V
f: VW
W
F(V)

Se f(V)W f(V) è uno spazio vettoriale

Dimostrazione che f(V) è sempre sottospazio vettoriale di W nelle funzioni lineari.

1) f(V), perché contiene almeno 0 (0 v 0 w )

2) con z e w f(V)W z+wf(V) (per la 2° proprietà) xV; xf(x)=z (xV:f(x)=z) yV; yf(y)=w (yV:f(y)=w) f(x)=z f(y)=w

f(x)+f(y)=z+w f(x)+f(y) = f(x+y) = z+w (appartiene a W ed è immagine di x+y)

3) zf(V) a*z f(V)   x V : f(x)=z f(a*x) = a*f(x) = a*z a*z = f(a*x)

x f(x)=z ax f(ax)
x
f(x)=z
ax
f(ax)

f è sottospazio vettoriale di W e in questo caso f(V)=Im f.

Nucleo (o Kerf) di una funzione lineare.

Dicesi nucleo o Kerf l’insieme di tutti i vettori di V che hanno come immagine il vettore nullo di W.

Kerf = xV : f(x)=0 w

Se f non è iniettiva oltre al vettore 0 v possono esserci altri vettori la cui immagine è

0 w e il Kerf è l’insieme i questi più 0 v .

Il Kerf è sottospazio vettoriale di V:

1) Kerf   (perché c’è almento 0 v con immagine 0 w ).

2) xKerf

f(x) = 0 w

yKerf

f(y) = 0 w

x+yKerf

f(x)+f(y) = f(x+y) = 0 w

3) xKerf f(x) = 0 w a*xKerf f(a*x) = a*(f(x)) = a*0 w = 0 w

Kerf è un sottospazio vettoriale. Di conseguenza se contiene x0 v , contiene infiniti vettori, perché, come spazio vettoriale, conterrà anche ax, bx, cx,… L’alternativa è che contenga un unico vettore, cioè 0 v (o solamente 0 v oppure infiniti vettori).

Proprietà del Kerf.

1) f: VW lineare

f iniettiva Kerf

= =0 v

Dimostrazione che se f iniettiva Kerf = 0 v Si suppone per assurdo che x0 v : f(x) = 0 w La funzione non può essere iniettiva perché f(0 v )=0 w e f(x)=0 w

Dimostrazione che se Kerf=0  f iniettiva. Si suppone per assurdo che f non sia iniettiva e quindi f(x 1 )=f(x 2 ) con x 1 x 2 .

f(x 1 )-f(x 2 )=0 w

f(x 1 -x 2 )=0 w , ma x 1 -x 2 0 v, quindi è impossibile.

2)Teorema delle dimensioni.

V

Kerfx 2  0 v , quindi è impossibile. 2)Teorema delle dimensioni . V W Imf

W Imf
W
Imf

dim Kerf + dim Imf = n = dim V

Se il Kerf contiene solo il vettore nullo (cioè ha un solo elemento), come qualsiasi altro sottospazio, allora si dice che ha dimensione 0. In base alla regola sopra esposta è possibile sapere quando una funzione lineare è suriettiva in base alla dimensione.

Esempio. Sapendo che dim V = 3, dim W = 3, dim Kerf = 0

0 + dim Imf = 3

La funzione è suriettiva perché dim V = dim Imf.

Esempio. Sapendo che dim Kerf = 1, dim V = 3

1 + dimf = 3

dimf = 2

La funzione non è suriettiva.

Esempio.

f: IR 3 IR 2 f(x 1 , x 2 , x 3 ) = (ax 1 + 2ax 2 , x 3 ) con aIR (a(x 1 +2x 2 ), x 3 ) Calcolo il Kerf per conoscere la sua dimensione.

Con a=0 f(x 1 , x 2 , x 3 ) = (0, x 3 ). In questo caso il Kerf sarà dato da tutti quei vettori che avranno come 3° componente lo 0, cioè x 3 =0.

Esempio. f(3, 5, 0) = (0, 0) = 0

Il Kerf sarà cioè dato da tutti quei vettori del tipo:

x 1 , x 2 , 0= Kerf Trovando la base canonica, il vettore diventa:

x 1 (1, 0, 0) + x 2 (0, 1, 0) = (x 1 , x 2 , 0) La dim Kerf = 2, perché servono due vettori per una base. dim Kerf + dim Imf = 3

Con a0

a(x 1 +2x 2 ) = 0 x 3 = 0 (x 1 +2x 2
a(x 1 +2x 2 ) = 0
x 3 = 0
(x 1 +2x 2 ) = 0
x 3 = 0
x 1 = -2x 2
x 3 = 0

Kerf = -2x 2 , x 2 , 0che può essere anche espresso come: x 2 (-2, 1, 0). La dim Kerf = 1.

dim Kerf + dim Imf = 3 1 + 2 = 3

Moltiplicazione tra una matrice e un vettore.

11

21

31

m1

=

a

a

a

a

12

22

32

m2

a

a

a

a

1n

2n

3n

mn

*

n

j=1

n

j=1

n

j=1

n

j=1

a 1j x j

a 2j x j

a 3j x j

a mj x j

x a 11 x 1 + + a 1n x n 1 a 12 x
x
a 11 x 1 +
+ a 1n x n
1
a 12 x 2
x
a 21 x 1 +
+ a 2n x n
2
a 22 x 2
=
x
a 31 x 1 +
+ a 3n x n
3
a 32 x 2
x
n
a m1 x 1 + a m2 x 2 + a mn x n

Si ottiene un vettore di n componenti; il prodotto fra una matrice e un vettore può essere effettuato se e solo se il vettore ha lo stesso numero di componenti degli elementi che compongono ogni riga della matrice.

La matrice può essere pensata come una funzione che prende un vettore, lo trasforma moltiplicandolo e lo rende ancora un vettore.

A=f : IR n IR m

Valgono, infatti, le stesse proprietà delle funzioni anche per le matrici:

A(x+j) = A * x + A * j A(c*x) = c*A*x

Teorema delle rappresentazioni.

f: IR n IR m

1) A m*n : f(x) = Ax 2) La matrice A ha come colonne i trasformati mediante f della base canonica

f(e j ) = a j (dove a j è la jesima colonna di A). f(e 1 ) = a 1 f(e 2 ) = a 2 f(e n ) = a n

f(e 1 ) = a 1 = Ae 1 Ax = f(x)

X

x

= x 1 e 1 + x 2 e 2 + x n e n

Ax = A(x 1 e 1 +x 2 e 2 +x n e n ) = x 1 Ae 1 +x 2 Ae 2 +x n Ae n = x 1 a 1 +x 2 a 2 +x n a n =

= x 1 f(e 1 )+x 2 f(e 2 )+x n f(e n ) = f(x 1 e 1 )+f(x 2 e 2 )+f(x n e n ) = f(x 1 e 1 +x 2 e 2 +x n e n ) = f(x)

C’è una corrispondenza biunivoca tra le funzioni e le matrici di rappresentazione. L’utilità di porre f(x)=A(x) è enorme: ci permette di dire tutto su una funzione in maniera molto semplice.

Esempio.

f(x 1 , x 2 , x 3 ) = (x 1 +2x 2 , x 3 -2x 1 ) f: IR 3 IR 2

La matrice di rappresentazione avrà n=3 e m=2, cioè sarà A (2x3) .

f(e 1 ) = f(1, 0, 0) = (1, -2)

f(e 2 ) = f(0, 1, 0) = (2, 0)

f(e 3 ) = f(0, 0, 1) = (0, 1)

A=

1 2 0 -2 0 1
1
2
0
-2
0
1

(è la prima colonna della matrice) (è la seconda colonna della matrice) (è la terza colonna della matrice)

Moltiplicando la matrice per il generico vettore si avrà la funzione:

1
1

-2

0

2

1

0

x 1 * x 2 x 3
x
1
*
x
2
x
3

= (x +2x , -2x +x

1

2

1

3

)

Trasmissione della linearità nella composizione di funzioni lineari.

1) Addizione fra funzioni lineari.

f: IR n IR m g: IR n IR m f, g lineari

(f+g)(x) è lineare, perché

C.E.: dominio e codominio di f e g coincidono

1) (f+g)(x+y) = (f+g)(x) + (f+g)(y)

(f+g)(x+y) = f(x+y)+g(x+y) = f(x)+f(y)+g(x)+g(y) = (f+g)(x)+(f+g)(y)

2) cIR

f: IR n IR m g: IR n IR m (f+g): IR n IR m

xIR n

A (mxn)

B (mxn)

C=A+B

(f+g)(cx) = c(f+g)(x)

La somma di funzioni lineari è una funzione lineare e la sua matrice di rappresentazione è la somma delle matrici di rappresentazione delle singole funzioni.

2) Moltiplicazione fra funzioni lineari.

f: IR n IR m c IR

lineare

c * f(x) è lineare

f(x) = A (mxn) c*f(x) = c*A (mxn)

3) Composizione di funzioni lineari.

La funzione composta di due funzioni lineari è lineare.

f: IR p IR m g: IR n IR p

C.E.: codominio di g coincide con il dominio di f.

fg è lineare perché

fg = f(g(x)): IR n IR m

IR n IR p IR m g f
IR n
IR p
IR m
g
f

1) (fg)(x+y) = (fg)(x)+(fg)(y)

(fg)(x+y) = f(g(x+y)) = f(g(x)+g(y)) = f(g(x)) + f(g(y))

2) (fg)(cx) = c(fg)(x) f(g(cx)) = f(c*g(x)) = c*f(g(x))

g: IR n IR p f: IR p IR n fog: IR n IR m

=

=

= C=A*B (il numero di righe di B = numero di colonne di A)

B (pxn)

A (mxp)

La composizione di funzioni è uguale al prodotto di matrici.

Prodotto di matrici.

2 0
2
0

C=

 

3

1

1

2

A 2x3

 
c c
c
c

11

c

12

21

c

22

*

3

2

1

B 3x2

=

4 4
4
4

13

4

C 2x2

c 11 = 1° riga della prima matrice per la 1° colonna della seconda matrice. c 12 = 1° riga della prima matrice per la 2° colonna della seconda matrice. c 21 = 2° riga della prima matrice per la 1° colonna della seconda matrice. c 22 = 2° riga della prima matrice per la 2° colonna della seconda matrice.

C=

2+0+2

0+0+4

6+6+1

0+2+2

c ij = p k=1 a ik * b kj

=>

a i1 *b 1j + a i2 * b 2j + a i3 * b 3j

C.E.: numero di righe di A = numero di colonne di B.

Analogamente con le funzioni:

A * B B * A

fg gf

Ma ci sono alcune eccezioni:

ff -1 = f -1 f

fId = Idf

per cui

A*A -1 = A -1 *A In * A = A * In

A*B = matrice nulla.

Non è sempre vero che, per ottenere la matrice nulla, sia necessario che A o B sia la matrice nulla in un prodotto A*B.

Esempio.

1 0 A= 0 0 0 0 B= 1 1 1 0 0 * 0
1
0
A=
0
0
0
0
B=
1
1
1
0
0
*
0
0
1

0

 
0 0
0
0

0

=

1

0

In questo esempio si è ottenuta la matrice nulla senza che una delle due matrici fattori fosse nulla.

Matrice identità.

In = matrice identità.

Esempio.

I 3 =

0

1

0

0

0

1

È una matrice quadrata (n*n) tale che: A (nxn) * In = In * A (nxn)

Matrice invertibile.

Una matrice A quadrata (n*n) è invertibile se esiste una matrice B quadrata tale che A*B = B*A = In B è detta mattrice inversa di A e si indica con A -1 , per cui

A*A -1 = A -1 *A = In

Perché esista A -1 , A deve essere iniettiva e suriettiva.

Una funzione, infatti, è invertibile se e solo se:

f: IR n IR n dim Kerf = 0 dim Imf = n dim Kerf + dim Imf = n n = n, quindi f è iniettiva e suriettiva

Se f: IR n IR n è lineare e invertibile, la funzione inversa sarà anch’essa lineare.

La matrice di f -1 è la matrice inversa, cioè quella matrice che, combinata con A, sia uguale a A*A -1 = In.

f: IR n IR n f(x) = A(x) è invertibile A è invertibile

Determinante di una matrice.

Data una matrice A (nxn) quadrata, è possibile definire il determinante, cioè un numero che la qualifica.

Det. IR M nxn
Det.
IR
M nxn

Il determinante viene definito in maniera induttiva, servendosi cioè del determinante

della matrice quadrata (n-1)*(n-1).

- Determinante della matrice 1*1.

A = (a)

Det A = |A| = a

Il determinante di una matrice 1*1 è il numero che la compone.

- Determinante della matrice n*n.

Data una matrice quadrata:

A=

a 11

a 21

a i1

a n1

a

a

a

a

12

22

i2

n2

a

a

a

a

1j

2j

ij

nj

a

a

a

a

1n

2n

in

nn

Per poter definire il determinante è necessario prendere in esame la definizione di:

1) Minore complementare (M ij ): determinante della matrice quadrata che si ottiene togliendo la riga iesima e la colonna jesima. Si avrà così un calo unitario nella matrice che diventerà (n-1*n-1). 2) Complemento algebrico (A ij ): il determinante della matrice quadrata che si ottiene togliendo la riga iesima e la colonna jesima moltiplicato alla –1 ed elevato alla i+j. A ij =(-1) i+j M ij

Se i+j è pari M ij = A ij Se i+j è dispari A ij = -M ij

Esempio.

a 11 a 12 a 13 a 21 a 22 a 23 a 31 a
a 11
a 12
a 13
a 21
a 22
a 23
a 31
a 32
a 33

M ij=

A ij = M ij =

a a 11 13 a a 31 33 a a 11 13 a a 31
a
a
11
13
a
a
31
33
a
a
11
13
a
a
31
33

Considerando ora