Applicazioni lineari, basi, dimensione, rango
Le funzioni che rispettano somma e prodotto per scalare. Con loro il sistema $A\vx=\vb$ diventa una domanda su una mappa — «chi va in $\vb$?» — e il rango smette di essere un conteggio di pivot per diventare una dimensione.
Tutta la sezione converge su un'uguaglianza: rango + nullità = dimensione del dominio. Dice che una mappa lineare non può «perdere» dimensioni senza che queste ricompaiano nel nucleo. È la versione adulta di «$n-r$ incognite libere» della Sezione 1: lì contavi parametri, qui misuri sottospazi.
- Lezione 4: applicazioni lineari, composizione, nucleo e immagine, struttura delle controimmagini, inversa, sistemi di riferimento, basi e dimensione, matrice rappresentativa, isomorfismi e basi in $\K^n$.
- Lezione 5: passaggio tra basi, come cambia la matrice rappresentativa, rotazione degli assi, cambio di origine, rette e piani parametrici, l'ellisse con widget, equazioni cartesiane.
- Lezione 6: dipendenza lineare, condizioni di base, basi di span e nucleo, rango e rango + nullità.
- Esercizi: G5.1–G5.24, dagli esempi delle lezioni e dall'esercitazione del 7 ottobre.
Checklist del programma
1 · Applicazioni lineari
Definizione ed esempi risultato centrale
Siano $V$ e $W$ spazi vettoriali sullo stesso campo $\K$. Un'applicazione $L:V\to W$ si dice lineare se
- additività: $L(\vu+\vv)=L(\vu)+L(\vv)$ per ogni $\vu,\vv\in V$;
- omogeneità: $L(\lambda\vu)=\lambda L(\vu)$ per ogni $\vu\in V$ e $\lambda\in\K$.
- $L(\vzero)=\vzero$. Infatti $L(\vzero)=L(0\cdot\vzero)=0\cdot L(\vzero)=\vzero$, per l'omogeneità e la conseguenza (c) degli assiomi. Di nuovo il test più rapido: se $L(\vzero)\ne\vzero$, $L$ non è lineare.
- (i) e (ii) insieme equivalgono all'unica condizione $$L(\alpha\vu+\beta\vv)=\alpha L(\vu)+\beta L(\vv)\qquad\forall\,\vu,\vv\in V,\ \forall\,\alpha,\beta\in\K.$$ Con $\alpha=\beta=1$ si ritrova (i), con $\beta=0$ si ritrova (ii); il viceversa si ottiene applicando prima (i) e poi (ii). Per induzione, $L$ manda combinazioni lineari in combinazioni lineari con gli stessi coefficienti.
Es. 1. $f:\R\to\R$, $f(x)=ax+b$, è lineare $\iff b=0$. Se $b\ne0$ allora $f(0)=b\ne0$, e la prima osservazione la esclude. Se $b=0$: $$f(x+y)=a(x+y)=ax+ay=f(x)+f(y),\qquad f(\lambda x)=a\lambda x=\lambda f(x).$$ Refuso negli appunti (p. 3): il prof scrive «$f(x+y)=a(x+b)$», ma va letto $a(x+y)$.
Attenzione al nome: in Analisi $ax+b$ si chiama «funzione lineare» anche con $b\ne0$. In algebra lineare quella è una funzione affine; lineare è solo $ax$.
Es. 2. La derivata $D(f)=f'$, dalle funzioni derivabili alle funzioni, è lineare: $(f+g)'=f'+g'$ e $(\lambda f)'=\lambda f'$.
Es. 3. L'integrale $I(f)=\displaystyle\int_0^1 f(x)\dd x$, da $C[0,1]$ (le funzioni continue su $[0,1]$) a $\R$, è lineare per la linearità dell'integrale.
$L_A$ e la composizione
Data $A\in\M_{\K}(m,n)$, si pone $$L_A:\K^{n}\to\K^{m},\qquad L_A(\vx):=A\vx.$$ È lineare per le proprietà del prodotto righe per colonne: $A(\vx+\vy)=A\vx+A\vy$ e $A(\lambda\vx)=\lambda A\vx$.
Se $L:U\to V$ e $M:V\to W$ sono lineari, allora la composta $M\circ L:U\to W$ è lineare. In particolare, per $A\in\M_{\K}(m,n)$ e $B\in\M_{\K}(p,m)$, $$L_B\circ L_A=L_{BA}.$$
Dimostrazione a passi coperti
In $L_B\circ L_A$ si applica prima $A$ e poi $B$, e la matrice è $BA$, non $AB$. Il prodotto non è commutativo, quindi l'ordine conta: si legge da destra a sinistra, come la composizione.
2 · Nucleo e immagine
Sia $L:V\to W$ lineare. Il nucleo di $L$ è la controimmagine del vettore nullo: $$\ker L:=L^{-1}(\{\vzero\})=\{\vv\in V:\ L(\vv)=\vzero\}\subseteq V.$$ L'immagine è $\Imag L:=L(V)=\{L(\vv):\vv\in V\}\subseteq W$.
Per una matrice si scrive $\ker A:=\ker L_A$: è esattamente l'insieme delle soluzioni di $A\vx=\vzero$.
$\ker L$ è un sottospazio di $V$, e $\Imag L$ è un sottospazio di $W$.
Dimostrazione a passi coperti
Struttura delle controimmagini risultato centrale
Sia $L:V\to W$ lineare e $\vw_0\in W$. Allora vale una e una sola delle due:
(a) $\vw_0\notin\Imag L$, e allora $L^{-1}(\vw_0)=\emptyset$;
(b) $\vw_0\in\Imag L$: fissato un qualunque $\vv_0$ con $L(\vv_0)=\vw_0$,
$$L^{-1}(\vw_0)=\{\vv_0+\vu\ :\ \vu\in\ker L\}.$$
Dimostrazione a passi coperti
$L$ è iniettiva $\iff\ker L=\{\vzero\}$.
Dimostrazione a passi coperti
L'iniettività chiede di confrontare tutte le coppie $\vv_1\ne\vv_2$. Per una mappa lineare basta controllare chi va in $\vzero$: un solo sistema omogeneo.
Es. 4. Per $L_A$ il teorema è la struttura delle soluzioni della Sezione 2: le soluzioni di $A\vx=\vb$ sono $\vx_0+$ (soluzioni di $A\vx=\vzero$), cioè $\vx_0+\ker A$. In più ora si sa che $\ker A$ è un sottospazio.
Es. 5. Per la derivata, $\ker D$ è l'insieme delle funzioni con $f'=0$: le costanti (su un intervallo). Il teorema dice che le controimmagini di $g$, cioè le sue primitive, sono $F+c$ con $F$ una primitiva e $c$ costante. È il «$+\,c$» di Analisi, visto come struttura delle controimmagini.
3 · L'applicazione inversa
Sia $f:X\to Y$ biettiva: per ogni $y\in Y$ esiste un unico $x\in X$ con $f(x)=y$. L'applicazione che associa a $y$ quell'unico $x$ si chiama inversa di $f$ e si indica con $f^{-1}:Y\to X$. «Applicazione», «mappa» e «funzione» sono sinonimi.
- $f:\R\to\R$, $f(x)=x^{3}$, è biettiva: $x^{3}=y$ ha l'unica soluzione $x=\sqrt[3]{y}$, quindi $f^{-1}(y)=\sqrt[3]{y}$.
- $L:\R^{2}\to\R^{2}$, $L(x_1,x_2)=(x_2+x_1,\ x_2-x_1)$. L'equazione $L(\vx)=\vy$ è il sistema $x_2+x_1=y_1$, $x_2-x_1=y_2$, con l'unica soluzione $$L^{-1}(y_1,y_2)=\left(\tfrac12(y_1-y_2),\ \tfrac12(y_1+y_2)\right).$$
- Se $f$ è solo iniettiva, l'inversa si definisce lo stesso, ma sull'immagine: $f^{-1}:\Imag f\to X$. Per $f(x)=e^{x}$ si ha $\Imag f=(0,+\infty)\ne\R$ e $f^{-1}:(0,+\infty)\to\R$, $f^{-1}(y)=\ln y$.
Negli appunti (p. 25) c'è scritto «$f(y)=\ln y$»: va letto $f^{-1}(y)=\ln y$.
Se $L:V\to W$ è lineare e biettiva, anche l'inversa $L^{-1}:W\to V$ è lineare.
Sia $A\in\M_{\K}(n,n)$. Allora $L_A:\K^{n}\to\K^{n}$ è biettiva se e solo se $A$ è invertibile, e in tal caso $$L_A^{-1}=L_{A^{-1}}.$$
Dimostrazione a passi coperti
4 · Sistemi di riferimento, basi, dimensione
Sistemi di riferimento nel piano e nello spazio
Un sistema di riferimento nel piano è una terna $(O,A,B)$ di punti non allineati: $O$ è l'origine, le rette $OA$ e $OB$ sono gli assi. Equivalentemente si dà $(O,\vec u,\vec v)$ con $\vec u=\overrightarrow{OA}$ e $\vec v=\overrightarrow{OB}$.
Nello spazio servono quattro punti non complanari $(O,A_1,A_2,A_3)$, con $\vec v_j:=\overrightarrow{OA_j}$.
Fissato $(O,\vec u,\vec v)$, ogni vettore libero $\vec r$ del piano si scrive in modo unico come $$\vec r=x\,\vec u+y\,\vec v,\qquad (x,y)\in\R^{2}.$$ I numeri $x,y$ sono le coordinate (o componenti) di $\vec r$; le coordinate di un punto $P$ sono quelle del suo vettore di posizione $\overrightarrow{OP}$. Nello spazio, allo stesso modo, $\vec r=x_1\vec v_1+x_2\vec v_2+x_3\vec v_3$.
Fissato un riferimento si ha quindi una corrispondenza biunivoca fra vettori liberi, punti e coppie (terne) di numeri reali.
Perché le coordinate esistono: la costruzione della lezione
Sia $P$ il punto con $\vec r=\overrightarrow{OP}$. Per $P$ si tracciano le parallele ai due assi, che li tagliano in $Q$ (sull'asse $OA$) e $S$ (sull'asse $OB$). Allora $\vec r=\overrightarrow{OS}+\overrightarrow{OQ}$ per la regola del parallelogramma.
$O,A,Q$ sono allineati, quindi $\overrightarrow{OQ}=x\vec u$ per un $x\in\R$; $O,B,S$ sono allineati, quindi $\overrightarrow{OS}=y\vec v$. Insomma $\vec r=x\vec u+y\vec v$. L'unicità segue dall'assioma delle parallele. Nota che non si chiede che gli assi siano perpendicolari, né che $\vec u$ e $\vec v$ abbiano lunghezza $1$.
Basi e coordinate risultato centrale
Sia $V$ uno spazio vettoriale su $\K$. I vettori $\vv_1,\dots,\vv_n$ formano una base di $V$ se $$\forall\,\vv\in V\quad\exists!\ \mathbf c=(c_1,\dots,c_n)\in\K^{n}\ \text{ tale che }\ \vv=\sum_{j=1}^{n}c_j\vv_j.$$ Il vettore $\mathbf c$ si chiama vettore delle coordinate di $\vv$ rispetto alla base $B:=\{\vv_1,\dots,\vv_n\}$.
- B1. In un riferimento $(O,\vec u,\vec v)$ del piano, $\{\vec u,\vec v\}$ è una base dello spazio dei vettori liberi del piano; nello spazio, $\{\vec v_1,\vec v_2,\vec v_3\}$.
- B2. Le colonne $\mathbf e_1,\dots,\mathbf e_n$ di $I_n$ sono la base canonica di $\K^{n}$, e il vettore delle coordinate di $\vx$ è $\vx$ stesso: $\vx=x_1\mathbf e_1+\dots+x_n\mathbf e_n$.
- B3. $P_2$, i polinomi di grado $\le2$ a coefficienti in $\K$, è uno spazio vettoriale, e $p_0=1$, $p_1=x$, $p_2=x^{2}$ ne sono una base: $p=a_0p_0+a_1p_1+a_2p_2$ con coefficienti unici.
- Troppo pochi. $q_1=x^{2}-x+1$, $q_2=x^{2}+x+1$ non sono una base di $P_2$: da $2x+1=\alpha q_1+\beta q_2=(\alpha+\beta)x^{2}+(\beta-\alpha)x+(\alpha+\beta)$ il coefficiente di $x^{2}$ dà $\alpha+\beta=0$ e il termine noto $\alpha+\beta=1$. Contraddizione.
- Troppi. $p_0,p_1,p_2,q_1$ non sono una base: $x^{2}+1=p_2+p_0=q_1+p_1$, due scritture diverse dello stesso polinomio.
Dimensione
Se uno spazio vettoriale $V$ ha una base di $n$ vettori, allora ogni base di $V$ ha $n$ vettori. Il numero $n$ si chiama dimensione di $V$: $\dim V=n$.
Negli appunti questo teorema e il teorema di rappresentazione sono numerati entrambi «Teorema 4».
(i) $V=\{\vzero\}$, «troppo piccolo»: per definizione $\dim V:=0$. (ii) $V$ «troppo grande»: per ogni sistema finito di vettori esiste un $\vu\in V$ che non ne è combinazione lineare, e per ogni $n$ c'è un sottospazio di dimensione $n$. Per definizione $\dim V:=+\infty$.
- D1. $\dim\K^{n}=n$: la base canonica ha $n$ vettori.
- D2. I vettori liberi del piano hanno dimensione $2$, quelli dello spazio $3$.
- D3. $1,x,\dots,x^{n}$ sono una base di $P_n$ (polinomi di grado $\le n$), quindi $\dim P_n=n+1$, non $n$.
- D4. Se $W$ è un sottospazio di $V$, allora $\dim W\le\dim V$. Ogni $P_n$ sta dentro lo spazio $P$ di tutti i polinomi, quindi $\dim P\ge n$ per ogni $n$: $\dim P=+\infty$. E $P$ sta dentro le funzioni derivabili $\R\to\R$, che hanno dunque dimensione infinita.
Due vettori sono pochi per $P_2$, quattro sono troppi, tre sono «la quantità giusta». Il teorema sulla dimensione dice che questa quantità giusta non dipende dalla base scelta.
5 · La matrice rappresentativa
Mappe lineari da $\K^{n}$ a $\K^{m}$
Per ogni mappa lineare $L:\K^{n}\to\K^{m}$ esiste un'unica matrice $A\in\M_{\K}(m,n)$ tale che $L=L_A$, e $$A=\big[\,L(\mathbf e_1)\,\big|\,L(\mathbf e_2)\,\big|\cdots\big|\,L(\mathbf e_n)\,\big].$$ $A$ si chiama matrice rappresentativa di $L$ (rispetto alle basi canoniche).
Perché le colonne sono le immagini della base canonica
A lezione la dimostrazione formale è saltata; questi due passi sono l'idea data dal prof.
- $L:\R^{2}\to\R^{3}$, $L(x,y)=(x+y,\ x-y,\ 2x)$: $L(\mathbf e_1)=(1,1,2)$, $L(\mathbf e_2)=(1,-1,0)$, quindi $A=\begin{bmatrix}1&1\\1&-1\\2&0\end{bmatrix}$, di tipo $3\times2$.
- $L:\C^{3}\to\C$, $L(z_1,z_2,z_3)=z_1+i(z_2-z_3)+2z_3$: $L(\mathbf e_1)=1$, $L(\mathbf e_2)=i$, $L(\mathbf e_3)=2-i$, quindi $A=[\,1\ \ i\ \ 2-i\,]$, una matrice riga. Controllo: $z_1+iz_2+(2-i)z_3=z_1+i(z_2-z_3)+2z_3$ ✓.
- La mappa $L:\R^{3}\to\R^{2}$ con $L(\mathbf e_1)=(0,1)$, $L(\mathbf e_2)=(1,1)$, $L(\mathbf e_3)=(3,2)$ è $L(x,y,z)=\begin{bmatrix}0&1&3\\1&1&2\end{bmatrix}\begin{bmatrix}x\\y\\z\end{bmatrix}=(y+3z,\ x+y+2z)$.
Coordinate in $\K^{n}$: $\mathbf c=S^{-1}\vx$
Sia $B=\{\vv_1,\dots,\vv_n\}$ una base di $\K^{n}$ e $\mathbf c$ il vettore delle coordinate di $\vx$. Allora $$\vx=c_1\vv_1+\dots+c_n\vv_n=S\mathbf c,\qquad S:=[\,\vv_1\,|\,\vv_2\,|\cdots|\,\vv_n\,].$$ La mappa $P_B:\K^{n}\to\K^{n}$, $P_B(\mathbf c)=\vx$, è lineare con matrice $S$, ed è biettiva per la definizione di base. Per la Proposizione 2 $S$ è invertibile e $$\mathbf c=P_B^{-1}(\vx)=S^{-1}\vx.$$
$P_B$ si chiama mappa di parametrizzazione, $P_B^{-1}$ mappa delle coordinate, e $S$ matrice di passaggio dalla base canonica alla base $B$.
$\vv_1=(1,2)$, $\vv_2=(2,1)$. Allora $S=\begin{bmatrix}1&2\\2&1\end{bmatrix}$, $\det S=1-4=-3$, e
$$S^{-1}=\frac{1}{-3}\begin{bmatrix}1&-2\\-2&1\end{bmatrix}=\frac13\begin{bmatrix}-1&2\\2&-1\end{bmatrix},\qquad \mathbf c=S^{-1}\begin{bmatrix}x\\y\end{bmatrix}=\begin{bmatrix}\frac{2y-x}{3}\\[3pt]\frac{2x-y}{3}\end{bmatrix}.$$
Controllo: $\frac{2y-x}{3}(1,2)+\frac{2x-y}{3}(2,1)=(x,y)$ ✓.
Negli appunti (p. 63), nella seconda riga del controllo, il secondo addendo è moltiplicato per $2$: va moltiplicato per $1$, la seconda componente di $\vv_2$.
Il caso generale: due basi qualsiasi
Siano $\dim V=n$, $\dim W=m$ finite, $B=\{\vv_1,\dots,\vv_n\}$ base di $V$, $C=\{\vw_1,\dots,\vw_m\}$ base di $W$, e $L:V\to W$ lineare. Allora per ogni $\vv\in V$ $$\mathbf c=A\,\mathbf b,$$ dove $\mathbf b$ sono le coordinate di $\vv$ rispetto a $B$, $\mathbf c$ quelle di $L(\vv)$ rispetto a $C$, e $A\in\M_{\K}(m,n)$ ha come $j$-esima colonna le coordinate di $L(\vv_j)$ rispetto a $C$. $A$ è la matrice rappresentativa di $L$ rispetto alle basi $B$ e $C$, e si indica anche con $M^{B}_{C}(L)$.
$L(p)=p'$, con basi $B=\{1,x,x^{2}\}$ e $C=\{1,x\}$. Poiché $L(1)=0$, $L(x)=1=1\cdot1+0\cdot x$, $L(x^{2})=2x=0\cdot1+2\cdot x$: $$A=\begin{bmatrix}0&1&0\\0&0&2\end{bmatrix}.$$ Per $p=a_0+a_1x+a_2x^{2}$ si ha $\mathbf b=(a_0,a_1,a_2)$ e $A\mathbf b=(a_1,2a_2)$: sono proprio le coordinate di $p'=a_1+2a_2x$ ✓.
6 · Basi e isomorfismi
Un isomorfismo fra due spazi vettoriali $V$ e $W$ sullo stesso campo è una mappa lineare biettiva $L:V\to W$; la sua inversa è un isomorfismo di $W$ su $V$. $V$ e $W$ si dicono isomorfi se esiste un isomorfismo fra loro.
Un isomorfismo cambia i nomi degli elementi ma conserva la struttura: se $\vw=\alpha\vv+\beta\vu$, allora $L(\vw)=\alpha L(\vv)+\beta L(\vu)$. Ne segue che manda basi in basi: se $\{\vv_1,\dots,\vv_n\}$ è una base di $V$, allora $\{L(\vv_1),\dots,L(\vv_n)\}$ è una base di $W$. In particolare spazi isomorfi hanno la stessa dimensione, e in dimensione finita vale anche il viceversa.
Sia $\dim V=n\lt+\infty$ e $B=\{\vv_1,\dots,\vv_n\}$ una base di $V$. La mappa di parametrizzazione $$P_B:\K^{n}\to V,\qquad P_B(\vx)=x_1\vv_1+\dots+x_n\vv_n,$$ e la sua inversa, la mappa delle coordinate $P_B^{-1}:V\to\K^{n}$, sono isomorfismi. Quindi ogni spazio di dimensione $n$ è isomorfo a $\K^{n}$, e due spazi della stessa dimensione finita (sullo stesso $\K$) sono isomorfi fra loro.
Esempio: $P_2$ a coefficienti reali è isomorfo a $\R^{3}$, quello a coefficienti complessi a $\C^{3}$. È il motivo per cui la Proposizione 2 della Lezione 6 permette di studiare i polinomi passando alle coordinate.
Basi in $\K^{n}$ risultato centrale
Un sistema $B=\{\vv_1,\dots,\vv_m\}$ di vettori di $\K^{n}$ può essere una base solo se $m=n$. In tal caso, con $S=[\,\vv_1\,|\cdots|\,\vv_n\,]$, $$B\ \text{è una base di}\ \K^{n}\iff S\ \text{è invertibile}.$$
Dimostrazione a passi coperti
(a) $B_1=\{(1,2),(3,6)\}$: $S=\begin{bmatrix}1&3\\2&6\end{bmatrix}$ ha $ad-bc=6-6=0$, non è invertibile, quindi $B_1$ non è una base di $\R^{2}$.
(b) $B_2=\{(1,0,1),(1,2,3),(1,1,1)\}$ e $\vv=(2,1,4)$. Si riduce la matrice completa $[S|\vv]$: $$\left[\begin{array}{ccc|c}1&1&1&2\\0&2&1&1\\1&3&1&4\end{array}\right]\xrightarrow{R_3-R_1}\left[\begin{array}{ccc|c}1&1&1&2\\0&2&1&1\\0&2&0&2\end{array}\right]\xrightarrow{R_3-R_2}\left[\begin{array}{ccc|c}1&1&1&2\\0&2&1&1\\0&0&-1&1\end{array}\right]$$ Rango $3$: $S$ è invertibile e $B_2$ è una base. Le coordinate: $x_3=-1$, $x_2=1$, $x_1=2$, cioè $(2,1,-1)$. Controllo: $2(1,0,1)+(1,2,3)-(1,1,1)=(2,1,4)$ ✓.
(c) Polinomi. $q_0=x^{2}$, $q_1=(x+1)^{2}$, $q_2=(x+2)^{2}$ sono una base di $P_2$? Si passa a $\R^{3}$ con la mappa delle coordinate rispetto a $\{1,x,x^{2}\}$, che è un isomorfismo: $q_0\mapsto(0,0,1)$, $q_1\mapsto(1,2,1)$, $q_2\mapsto(4,4,1)$. La matrice ha rango $3$, quindi è una base. Le coordinate di $p=(x-1)^{2}\mapsto(1,-2,1)$ si trovano risolvendo il sistema: $(3,-3,1)$. Controllo: $3x^{2}-3(x+1)^{2}+(x+2)^{2}=x^{2}-2x+1$ ✓.
7 · Passaggio tra basi
Siano $B=\{\vv_1,\dots,\vv_n\}$ e $\tilde B=\{\tilde\vv_1,\dots,\tilde\vv_n\}$ due basi di $V$. Se $\mathbf c$ e $\tilde{\mathbf c}$ sono le coordinate dello stesso $\vv$ rispetto a $B$ e a $\tilde B$, allora $$\mathbf c=S\,\tilde{\mathbf c},\qquad \tilde{\mathbf c}=S^{-1}\mathbf c,$$ dove la $j$-esima colonna di $S$ è il vettore delle coordinate di $\tilde\vv_j$ rispetto alla base vecchia $B$. $S$ è invertibile e si chiama matrice di passaggio dalla base $B$ alla base $\tilde B$.
Perché vale (dimostrazione a passi coperti)
Negli appunti il teorema è enunciato senza questo conto: è la verifica diretta dalla definizione.
$S$ va «dalla base vecchia alla nuova» perché le sue colonne sono i vettori nuovi scritti nella base vecchia; ma trasforma le coordinate nuove in quelle vecchie: $\mathbf c=S\tilde{\mathbf c}$. Per avere le nuove serve $S^{-1}$.
$B=\{(1,2),(2,1)\}$, $\tilde B=\{(1,1),(1,-1)\}$. Si ha $\tilde\vv_1=\tfrac13(\vv_1+\vv_2)$ e $\tilde\vv_2=\vv_2-\vv_1$, quindi $$S=\begin{bmatrix}\tfrac13&-1\\[2pt]\tfrac13&1\end{bmatrix},\qquad S^{-1}=\frac{1}{\frac13+\frac13}\begin{bmatrix}1&1\\-\tfrac13&\tfrac13\end{bmatrix}=\begin{bmatrix}\tfrac32&\tfrac32\\[2pt]-\tfrac12&\tfrac12\end{bmatrix},$$ $$\tilde c_1=\tfrac32(c_1+c_2),\qquad \tilde c_2=\tfrac12(c_2-c_1).$$
Come cambia la matrice rappresentativa
Sia $L:V\to W$ lineare, $B,\tilde B$ basi di $V$ e $C,\tilde C$ basi di $W$. Se $A$ è la matrice rappresentativa di $L$ rispetto a $B,C$ e $\tilde A$ quella rispetto a $\tilde B,\tilde C$, allora $$\tilde A=S_W^{-1}\,A\,S_V,$$ con $S_V$ matrice di passaggio da $B$ a $\tilde B$ e $S_W$ matrice di passaggio da $C$ a $\tilde C$.
Dimostrazione a passi coperti
Con la notazione $M^{B}_{C}(L)$ (base $B$ nel dominio, $C$ nel codominio), la matrice di passaggio da $B$ a $\tilde B$ è $S=M^{\tilde B}_{B}(I)$, la matrice dell'identità $I(\vv)=\vv$ con $\tilde B$ in partenza e $B$ in arrivo; ed è anche la matrice di $P_B^{-1}\circ P_{\tilde B}$ rispetto alla base canonica. La sua inversa è $S^{-1}=M^{B}_{\tilde B}(I)$, il passaggio contrario. Il Teorema 2 si legge allora come una composizione:
$$M^{\tilde B}_{\tilde C}(L)=M^{C}_{\tilde C}(I)\,M^{B}_{C}(L)\,M^{\tilde B}_{B}(I),\qquad (V,\tilde B)\xrightarrow{\ I\ }(V,B)\xrightarrow{\ L\ }(W,C)\xrightarrow{\ I\ }(W,\tilde C).$$$L:\R^{3}\to\R^{2}$ con $A=\begin{bmatrix}1&3&5\\2&4&6\end{bmatrix}$ rispetto alle basi canoniche. Nel dominio si passa alla base $\vv_1=(-3,3,-1)$, $\vv_2=(2,1,-1)$, $\vv_3=(1,-2,1)$; nel codominio la base resta canonica, quindi $S_W=I_2$ e $$\tilde A=AS_V=\begin{bmatrix}1&3&5\\2&4&6\end{bmatrix}\begin{bmatrix}-3&2&1\\3&1&-2\\-1&-1&1\end{bmatrix}=\begin{bmatrix}1&0&0\\0&2&0\end{bmatrix}.$$ Nelle coordinate nuove $\tilde{\mathbf b}=(b_1,b_2,b_3)$ la mappa è semplicissima: $L(\vx)=(b_1,\,2b_2)$.
La rotazione di angolo $\theta$ in senso antiorario, $L(x,y)=(x\cos\theta-y\sin\theta,\ x\sin\theta+y\cos\theta)$, ha matrice $A=\begin{bmatrix}\cos\theta&-\sin\theta\\\sin\theta&\cos\theta\end{bmatrix}$. La stessa $A$ definisce la mappa «complessificata» $L_{\C}:\C^{2}\to\C^{2}$. Con la base $\{(1,i),(1,-i)\}$ sia nel dominio sia nel codominio, $S_V=S_W=S=\begin{bmatrix}1&1\\i&-i\end{bmatrix}$, $S^{-1}=\tfrac12\begin{bmatrix}1&-i\\1&i\end{bmatrix}$ e $$\tilde A=S^{-1}AS=\begin{bmatrix}e^{-i\theta}&0\\0&e^{i\theta}\end{bmatrix}=\diag\!\left(e^{-i\theta},e^{i\theta}\right).$$ Negli appunti (p. 14) si cita il «Teorema 1», ma la formula $\tilde A=S_W^{-1}AS_V$ è il Teorema 2.
Il prof osserva che per una $L:V\to V$ c'è un metodo per stabilire se esiste una base in cui la matrice rappresentativa è diagonale, e per trovarla: è quello che arriverà con gli autovalori.
Passaggio tra sistemi di riferimento
Siano $(O,\vec u,\vec v)$ e $(O',\vec u',\vec v')$ due riferimenti del piano. Le coordinate $(x,y)$ e $(x',y')$ di uno stesso vettore libero sono legate da $$\begin{bmatrix}x\\y\end{bmatrix}=S\begin{bmatrix}x'\\y'\end{bmatrix},\qquad S=\begin{bmatrix}u'_x&v'_x\\u'_y&v'_y\end{bmatrix},$$ dove $(u'_x,u'_y)$ e $(v'_x,v'_y)$ sono le coordinate di $\vec u'$ e $\vec v'$ rispetto a $(O,\vec u,\vec v)$. Le origini non contano: un vettore libero non ha un punto di applicazione. $S^{-1}$ ha per colonne le coordinate di $\vec u,\vec v$ rispetto al riferimento nuovo.
Per i punti le origini contano. Se $O'=O$ i vettori di posizione coincidono, $\overrightarrow{OP}=\overrightarrow{O'P}$, e vale la stessa formula; se $O'\ne O$ si aggiunge la traslazione, come nel cambio di origine più sotto.
$(O,\vec u,\vec v)$ cartesiano: $\vec u\perp\vec v$ e $|\vec u|=|\vec v|=1$ (vettori di lunghezza $1$ si chiamano versori). Ruotando gli assi di $\theta$ in senso antiorario attorno a $O$: $$\vec u'=\cos\theta\,\vec u+\sin\theta\,\vec v,\qquad \vec v'=-\sin\theta\,\vec u+\cos\theta\,\vec v,$$ $$S=\begin{bmatrix}\cos\theta&-\sin\theta\\\sin\theta&\cos\theta\end{bmatrix},\qquad S^{-1}=\begin{bmatrix}\cos\theta&\sin\theta\\-\sin\theta&\cos\theta\end{bmatrix}.$$
Oss. 1: $S^{-1}$ si ottiene da $S$ sostituendo $-\theta$ a $\theta$: ruotare indietro. Oss. 2: $S$ coincide con la matrice della rotazione di angolo $\theta$ dell'Esempio 2.
8 · Rette e piani
Cambio di origine
Nel piano siano dati due sistemi di riferimento: quello «vecchio» con origine $O$ e quello «nuovo» con origine $O'$. Sia $S$ la matrice di passaggio, le cui colonne sono i vettori della base nuova scritti nelle coordinate vecchie. Allora, per ogni punto $P$, $$\begin{bmatrix}x_P\\y_P\end{bmatrix}=\begin{bmatrix}x_{O'}\\y_{O'}\end{bmatrix}+S\begin{bmatrix}x'_P\\y'_P\end{bmatrix},\qquad \begin{bmatrix}x'_P\\y'_P\end{bmatrix}=S^{-1}\left(\begin{bmatrix}x_P\\y_P\end{bmatrix}-\begin{bmatrix}x_{O'}\\y_{O'}\end{bmatrix}\right).$$
Si legge così: per andare in $P$ si va prima in $O'$, poi ci si sposta di $x'_P$ volte il primo vettore nuovo e di $y'_P$ volte il secondo. $S$ è invertibile perché le sue colonne formano una base.
Rette in forma parametrica
La retta per i punti $A\ne B$ è l'insieme dei punti di vettore posizione $$\mathbf r=\mathbf r_0+t\,\mathbf a,\qquad t\in\R,$$ con $\mathbf r_0=\overrightarrow{OA}$ (un punto della retta) e $\mathbf a=\overrightarrow{AB}$ (il vettore direzione). Per $t=0$ si è in $A$, per $t=1$ in $B$.
L'ellisse della lezione
La curva $13x^{2}-10xy+13y^{2}-24x-24y=0$ sembra illeggibile. Si sceglie un riferimento nuovo con origine $O'\left(\tfrac32,\tfrac32\right)$ e vettori di base $\overrightarrow{O'A'}$, $\overrightarrow{O'B'}$, dove $A'(3,3)$ e $B'\left(\tfrac12,\tfrac52\right)$. Le colonne di $S$ sono questi due vettori: $$S=\begin{bmatrix}\tfrac32&-1\\[2pt]\tfrac32&1\end{bmatrix},\qquad \begin{cases}x=\tfrac32x'-y'+\tfrac32\\[2pt] y=\tfrac32x'+y'+\tfrac32\end{cases}$$
Sostituendo nell'equazione si ottiene $36\,(x'^{2}+y'^{2}-1)=0$, cioè $$x'^{2}+y'^{2}=1:$$ nel riferimento nuovo è la circonferenza unitaria. Nel riferimento vecchio è un'ellisse di centro $C\left(\tfrac32,\tfrac32\right)$ con semiassi $CP$ e $CQ$, dove $P(3,3)$ e $Q\left(\tfrac12,\tfrac52\right)$: lunghezze $\tfrac{3\sqrt2}{2}$ e $\sqrt2$.
La fattorizzazione $S=R_{\pi/4}\,\diag\!\left(\tfrac{3\sqrt2}{2},\sqrt2\right)$ dice come è fatta la trasformazione $T=T_3\circ T_2\circ T_1$ che porta la circonferenza nell'ellisse: $T_1$ dilata gli assi (di $\tfrac{3\sqrt2}{2}$ e di $\sqrt2$), $T_2$ ruota di $\tfrac\pi4$, $T_3$ trasla in $O'$.
Con $x'=\cos t$, $y'=\sin t$ si ha la forma parametrica $$x=\tfrac32\cos t-\sin t+\tfrac32,\qquad y=\tfrac32\cos t+\sin t+\tfrac32,\qquad t\in[0,2\pi).$$
Il conto della sostituzione, senza perdersi
Conviene passare per $s:=x+y$ e $d:=x-y$, perché $x^{2}+y^{2}=\tfrac{s^{2}+d^{2}}{2}$ e $xy=\tfrac{s^{2}-d^{2}}{4}$. L'equazione diventa $$13\cdot\tfrac{s^{2}+d^{2}}{2}-10\cdot\tfrac{s^{2}-d^{2}}{4}-24s=4s^{2}+9d^{2}-24s=0.$$ Con le formule del cambio, $s=3x'+3$ e $d=-2y'$: $$4\cdot9(x'+1)^{2}+36y'^{2}-72(x'+1)=36\big[(x'+1)^{2}-2(x'+1)+y'^{2}\big]=36\,(x'^{2}+y'^{2}-1).$$
Controllo: $P(3,3)$ dà $13\cdot9-10\cdot9+13\cdot9-72-72=0$ ✓.
Piani in forma parametrica
Un piano nello spazio è l'insieme dei punti $$\mathbf r=\mathbf r_0+t\,\mathbf u+s\,\mathbf v,\qquad t,s\in\R,$$ con $\mathbf r_0$ un suo punto e $\mathbf u,\mathbf v$ due vettori direzione non paralleli (vedi più sotto perché serve).
Il piano $x+2y-3z=4$: si ricava $x=4-2y+3z$ e si pongono $y=t$, $z=s$:
$$(x,y,z)=(4-2t+3s,\ t,\ s)=(4,0,0)+t(-2,1,0)+s(3,0,1).$$
Tre punti del piano: $O_\Pi(4,0,0)$ con $t=s=0$, $A(2,1,0)$ con $t=1,s=0$, $B(7,0,1)$ con $t=0,s=1$. Controllo: $2+2-0=4$ ✓, $7+0-3=4$ ✓.
Refuso negli appunti (p. 61): il prof scrive «$4-2t+3t$», ma il secondo parametro è $s$: $4-2t+3s$.
Da cartesiana a parametrica: si risolve il sistema
Due piani non paralleli si tagliano in una retta. Con il MEG, $R_2\to R_2-R_1$: $$\left[\begin{array}{ccc|c}1&1&1&3\\1&-1&2&2\end{array}\right]\longrightarrow\left[\begin{array}{ccc|c}1&1&1&3\\0&-2&1&-1\end{array}\right]$$ $z=t$ è libera: $y=\tfrac12+\tfrac t2$, $x=3-y-z=\tfrac52-\tfrac32t$. Quindi $$\mathbf r=\underbrace{\left(\tfrac52,\tfrac12,0\right)}_{\mathbf r_0}+t\,\underbrace{\left(-\tfrac32,\tfrac12,1\right)}_{\mathbf a}.$$
Controllo: $\mathbf r_0$ soddisfa $\tfrac52+\tfrac12+0=3$ e $\tfrac52-\tfrac12+0=2$ ✓; il vettore direzione risolve l'omogeneo: $-\tfrac32+\tfrac12+1=0$, $-\tfrac32-\tfrac12+2=0$ ✓. È la struttura delle controimmagini: $\mathbf r_0$ è la soluzione particolare, $t\mathbf a$ percorre $\ker A$.
Da parametrica a cartesiana: un nucleo assegnato
Data $\mathbf r=\mathbf r_0+\sum_j t_j\vv_j$, si cerca una matrice $A$ con $\ker A=\operatorname{span}\{\vv_j\}$: allora l'equazione cartesiana è $A\vx=A\mathbf r_0$. Le righe $\vu_i$ di $A$ devono essere ortogonali a tutti i $\vv_j$, cioè $\vu_i\cdot\vv_j=0$: si trovano risolvendo un sistema omogeneo, e ne servono tante quante le equazioni (due per una retta nello spazio, una per un piano).
Il vettore direzione è $\vv=(1,2,3)$. Le $\vu=(u_1,u_2,u_3)$ ortogonali risolvono $u_1+2u_2+3u_3=0$: $$\vu=t(-2,1,0)+s(-3,0,1).$$ Si prendono come righe $(-2,1,0)$ e $(-3,0,1)$. Le costanti si leggono sul punto $\mathbf r_0=(-1,0,1)$: $-2(-1)+0=2$ e $-3(-1)+1=4$. Dunque $$\begin{cases}-2x+y=2\\-3x+z=4\end{cases}$$
Controllo sul punto generico: $-2(-1+t)+2t=2$ ✓ e $-3(-1+t)+(1+3t)=4$ ✓ per ogni $t$. Negli appunti le due costanti sono corrette a mano in arancione: i valori giusti sono questi.
9 · Dipendenza lineare
Quando $\mathbf r_0+t\mathbf a$ è davvero una retta
- $\mathbf r_0+t\mathbf a$ è una retta $\iff\mathbf a\ne\vzero$. Con $\mathbf a=\vzero$ si ottiene un punto solo.
- $\mathbf r_0+t\mathbf u+s\mathbf v$ è un piano $\iff\mathbf u,\mathbf v$ non sono uno multiplo dell'altro. Altrimenti, per esempio con $\mathbf v=k\mathbf u$, si ha $\mathbf r_0+(t+ks)\mathbf u$: una retta (o un punto).
Il concetto che misura quanti vettori «servono davvero» è la dipendenza lineare.
Definizione ed esempi risultato centrale
I vettori $\vv_1,\dots,\vv_n\in V$ si dicono linearmente dipendenti se esistono $c_1,\dots,c_n\in\K$ non tutti nulli con $$c_1\vv_1+\dots+c_n\vv_n=\vzero.$$ Altrimenti si dicono linearmente indipendenti: l'unica combinazione che dà $\vzero$ è quella con tutti i coefficienti nulli.
- $(1,-2,3)$, $(3,1,2)$, $(7,0,7)$ sono dipendenti: $(1,-2,3)+2(3,1,2)-(7,0,7)=\vzero$.
- $(1,2)$, $(0,0)$ sono dipendenti: $0\cdot(1,2)+1\cdot(0,0)=\vzero$. In generale un sistema che contiene $\vzero$ è dipendente, e lo è anche uno con un vettore ripetuto: $1\cdot\vv-1\cdot\vv=\vzero$.
Per $n\ge2$: $\vv_1,\dots,\vv_n$ sono dipendenti $\iff$ almeno uno di essi è combinazione lineare degli altri.
Dimostrazione a passi coperti
Due vettori sono dipendenti $\iff$ uno è multiplo dell'altro.
- $(6,2,3)$ e $\left(4,\tfrac43,2\right)$ sono dipendenti: il secondo è $\tfrac23$ del primo.
- $(6,2,3)$ e $(3,1,2)$ sono indipendenti: $\tfrac36=\tfrac12=\tfrac12$ ma $\tfrac23\ne\tfrac12$, quindi nessuno è multiplo dell'altro.
- $\sin x$ e $\cos x$ sono indipendenti: se fosse $\sin x=k\cos x$ per ogni $x$, con $x=\tfrac\pi2$ si avrebbe $1=0$; e $\cos x=k\sin x$ fallisce in $x=0$.
- La base canonica $\mathbf e_1,\dots,\mathbf e_n$ di $\K^{n}$ è indipendente: $\sum c_j\mathbf e_j=(c_1,\dots,c_n)=\vzero$ obbliga $c_j=0$. Più in generale ogni base è indipendente.
Condizioni di base da conoscere
Ricorda la definizione di base della Lezione 4: ogni vettore si scrive in modo unico come combinazione dei $\vv_j$. Ora la si collega all'indipendenza.
Sia $V$ di dimensione finita e $B=(\vv_1,\dots,\vv_n)$ un sistema di vettori di $V$. Sono equivalenti:
- $B$ è una base di $V$;
- $B$ è indipendente e $n=\dim V$;
- $B$ è indipendente e massimale: non esiste $\vu\in V$ tale che $\vv_1,\dots,\vv_n,\vu$ siano indipendenti.
- $(1,2)$, $(2,1)$ è una base di $\R^{2}$: sono indipendenti (non multipli) e sono $2=\dim\R^{2}$. Per la (b) non serve controllare altro.
- $(1,2,3)$, $(3,2,1)$ non è una base di $\R^{3}$: sono indipendenti, ma sono $2\ne3=\dim\R^{3}$.
Il metodo del rango in $\K^{m}$ risultato centrale
$\vv_1,\dots,\vv_n\in\K^{m}$ sono indipendenti $\iff r\big([\,\vv_1\,|\,\vv_2\,|\,\cdots\,|\,\vv_n\,]\big)=n$, cioè il rango della matrice che li ha come colonne è uguale al numero dei vettori.
Perché funziona
Con $A=[\vv_1|\cdots|\vv_n]$ si ha $c_1\vv_1+\dots+c_n\vv_n=A\mathbf c$. Quindi le combinazioni nulle sono le soluzioni di $A\mathbf c=\vzero$, e i vettori sono indipendenti esattamente quando l'omogeneo ha solo la soluzione banale, cioè quando non ci sono incognite libere: $n-r=0$.
- $(1,2,3)$, $(1,1,1)$, $(3,2,1)$: il rango è $2\lt3$, quindi sono dipendenti. Infatti $(3,2,1)=-(1,2,3)+4(1,1,1)$.
- $(1,2,3)$, $(0,0,1)$, $(3,2,1)$: il rango è $3$, quindi sono indipendenti e, essendo $3=\dim\R^{3}$, formano una base di $\R^{3}$.
Coordinate e mappe lineari
Fissata una base di $V$, i vettori $\vv_1,\dots,\vv_k$ sono indipendenti $\iff$ lo sono i loro vettori delle coordinate in $\K^{n}$.
Il motivo è che la mappa delle coordinate è un isomorfismo, e un isomorfismo conserva le combinazioni lineari in entrambi i versi. È ciò che permette di usare il metodo del rango anche fuori da $\K^{m}$: polinomi, matrici, funzioni.
$q_1=x^{2}-x+1$, $q_2=x^{2}+x-1$, $q_3=x^{2}+x+1$ in $P_2$. Le coordinate rispetto a $(1,x,x^{2})$ sono $(1,-1,1)$, $(-1,1,1)$, $(1,1,1)$, e $$\det\begin{bmatrix}1&-1&1\\-1&1&1\\1&1&1\end{bmatrix}=-4\ne0,$$ quindi il rango è $3$ e $q_1,q_2,q_3$ sono indipendenti (anzi, una base di $P_2$).
Sia $L:V\to W$ lineare. Se $\vv_1,\dots,\vv_k$ sono dipendenti, allora anche $L(\vv_1),\dots,L(\vv_k)$ sono dipendenti. Equivalentemente: se le immagini sono indipendenti, lo sono anche i vettori di partenza.
Dimostrazione a passi coperti
Si usa $L(f)=\big(f(0),\,f'(0),\,f''(0)\big)$, che è lineare. Le immagini sono $$L(\cos x)=(1,0,-1),\qquad L(\cos2x)=(1,0,-4),\qquad L(\sin x)=(0,1,0),$$ e la matrice che le ha per colonne ha rango $3$ (determinante $3\ne0$). Le immagini sono indipendenti, quindi per la Proposizione 3 lo sono anche le tre funzioni.
Tre osservazioni (Lezione 6)
- Un sottosistema di un sistema indipendente è indipendente. Detto al contrario: se alcuni vettori sono già dipendenti, aggiungendone altri resta tutto dipendente, basta dare coefficiente $0$ ai nuovi. Per esempio, in $\R^{4}$, da $\vv_1-\vv_3+\vv_4=\vzero$ segue che $\vv_1,\vv_2,\vv_3,\vv_4$ sono dipendenti, con coefficienti $(1,0,-1,1)$. Allo stesso modo $(1,2,1)$, $(2,4,2)$, $(2,1,2)$ sono dipendenti, perché i primi due già lo sono.
- Troppi vettori. Se $n\lt m$, allora $m$ vettori di $\K^{n}$ sono sempre dipendenti: la matrice $n\times m$ ha rango al più $n\lt m$. Esempio: $(1,0)$, $(1,1)$, $(2,1)$ in $\R^{2}$, con $(1,0)+(1,1)-(2,1)=\vzero$.
- Un vettore solo. $\{\vv\}$ è indipendente $\iff\vv\ne\vzero$: se $c\vv=\vzero$ con $c\ne0$, moltiplicando per $c^{-1}$ si ottiene $\vv=\vzero$.
10 · Basi di span e nucleo
$\vv_1,\dots,\vv_n$ si dicono un insieme di generatori di $V$ se $\operatorname{span}\{\vv_1,\dots,\vv_n\}=V$, cioè se ogni vettore di $V$ è loro combinazione lineare.
Sia $B=\{\vv_1,\dots,\vv_n\}$ e $B'\subseteq B$. Allora $B'$ è una base di $\operatorname{span}B$ se e solo se
- $B'$ è indipendente, e
- $B\subseteq\operatorname{span}B'$, cioè ogni $\vv_j$ è combinazione dei vettori di $B'$.
Si riduce a scala $[\vv_1|\cdots|\vv_n]$: i vettori che stanno nelle colonne dei pivot formano una base di $\operatorname{span}\{\vv_1,\dots,\vv_n\}$. Attenzione: si prendono le colonne della matrice di partenza, non quelle ridotte. Le operazioni sulle righe non cambiano le relazioni lineari fra le colonne (sono le soluzioni di $A\mathbf c=\vzero$), ma cambiano le colonne stesse.
Base di un nucleo. $A=\begin{bmatrix}1&2&3&4\\2&4&5&9\end{bmatrix}$. Con $R_2\to R_2-2R_1$ si ha $\begin{bmatrix}1&2&3&4\\0&0&-1&1\end{bmatrix}$: pivot nelle colonne $1$ e $3$, libere $x_2=t$ e $x_4=s$. Allora $x_3=s$ e $x_1=-2t-3s-4s=-2t-7s$: $$\ker A=\operatorname{span}\{(-2,1,0,0),\,(-7,0,1,1)\}.$$ I due vettori sono indipendenti (guarda le componenti $2$ e $4$, quelle delle libere: $(1,0)$ e $(0,1)$), quindi sono una base e $\dim\ker A=2=4-r$.
Base di uno span. $\operatorname{span}\{(1,2,1),(2,4,2),(1,1,1)\}$: $\vv_2=2\vv_1$, mentre $\vv_3$ non è multiplo di $\vv_1$. La riduzione di $[\vv_1|\vv_2|\vv_3]$ ha i pivot nelle colonne $1$ e $3$, quindi una base è $\{\vv_1,\vv_3\}$ e lo span è un piano di $\R^{3}$.
Un esempio completo: $L:P_2\to\R^{3}$
$L(p):=\big(p(0),\ p'(1),\ p''(0)+2p(1)\big)$, lineare. Si calcolano le immagini della base $(1,x,x^{2})$:
| $p$ | $p(0)$ | $p'(1)$ | $p''(0)+2p(1)$ | $L(p)$ |
|---|---|---|---|---|
| $1$ | $1$ | $0$ | $0+2$ | $(1,0,2)$ |
| $x$ | $0$ | $1$ | $0+2$ | $(0,1,2)$ |
| $x^{2}$ | $0$ | $2$ | $2+2$ | $(0,2,4)$ |
- Immagine. $L(a+bx+cx^{2})=aL(1)+bL(x)+cL(x^{2})$, quindi $\Imag L=\operatorname{span}\{(1,0,2),(0,1,2),(0,2,4)\}$. Il terzo è il doppio del secondo: una base è $\{(1,0,2),(0,1,2)\}$ e $\dim\Imag L=2$.
- Appartenenza. $(-1,1,0)=-1\cdot(1,0,2)+1\cdot(0,1,2)$ sta in $\Imag L$, con coordinate $(-1,1)$ rispetto a quella base. Invece $(1,1,1)\notin\Imag L$: dovrebbe essere $(a,b,2a+2b)$ con $a=b=1$, ma $2+2=4\ne1$.
- Nucleo. $L(a+bx+cx^{2})=(a,\ b+2c,\ 2a+2b+4c)=\vzero$ dà $a=0$, $b=-2c$: $\ker L=\operatorname{span}\{x^{2}-2x\}$, di dimensione $1$. Controllo: $q=x^{2}-2x$ ha $q(0)=0$, $q'(1)=0$, $q''(0)+2q(1)=2-2=0$ ✓.
- Conclusione. $\ker L\ne\{\vzero\}$, quindi $L$ non è iniettiva; $\Imag L\ne\R^{3}$, quindi non è suriettiva. E $2+1=3=\dim P_2$: è il teorema di rango + nullità.
11 · Rango
Rango per righe e per colonne
Per $A\in\M_{\K}(m,n)$: $\operatorname{Col}(A)\subseteq\K^{m}$ è lo span delle colonne, $\operatorname{Row}(A)\subseteq\K^{n}$ lo span delle righe. Il rango per colonne è $\dim\operatorname{Col}(A)$, il rango per righe è $\dim\operatorname{Row}(A)$.
Refuso negli appunti (p. 66): il prof scrive «rango per righe è $\dim\operatorname{Col}$»; va letto «rango per colonne».
$A=\begin{bmatrix}1&3&5\\2&4&6\end{bmatrix}$. Le due righe non sono proporzionali: rango per righe $2$. Le colonne $(1,2)$, $(3,4)$ sono indipendenti e stanno in $\R^{2}$, quindi lo generano: rango per colonne $2$. Coincidono, e coincidono con il numero di pivot.
$r(A)$ (numero di pivot) $=$ rango per colonne $=$ rango per righe.
Poiché $A\vx=x_1\mathbf a_1+\dots+x_n\mathbf a_n$ (con $\mathbf a_j$ le colonne), l'immagine di $L_A$ è proprio lo span delle colonne: $$\Imag L_A=\operatorname{Col}(A),\qquad \dim\Imag L_A=r(A).$$
Per una mappa lineare qualunque si definisce $r(L):=\dim\Imag L$. Esempio: $L(x,y,z)=(x+y,\ x+y+z,\ x+y-z)$ ha matrice $\begin{bmatrix}1&1&0\\1&1&1\\1&1&-1\end{bmatrix}$, con le prime due colonne uguali e la terza non multipla della prima: $r(L)=2$.
Rango + nullità risultato centrale
Sia $L:V\to W$ lineare, con $V$ di dimensione finita. Allora $$r(L)+\dim\ker L=\dim V.$$ $\dim\ker L$ si chiama nullità di $L$.
Dimostrazione a passi coperti (caso $L=L_A$)
1. $A=\begin{bmatrix}1&1&1&1\\1&2&2&2\\1&2&3&3\end{bmatrix}$. Con $R_2-R_1$, $R_3-R_1$ e poi $R_3-R_2$ si arriva a tre pivot: $r=3$, e quindi $\dim\ker A=4-3=1$. Infatti $\ker A=\operatorname{span}\{(0,0,-1,1)\}$.
2. $L(p)=\displaystyle\int_0^1p(x)\dd x$ su $P_2$: $L(a+bx+cx^{2})=a+\tfrac b2+\tfrac c3$. L'immagine è tutto $\R$, quindi $r(L)=1$ e $\dim\ker L=3-1=2$: $$\ker L=\operatorname{span}\left\{-\tfrac12+x,\ -\tfrac13+x^{2}\right\}.$$ Controllo: $\int_0^1\left(x-\tfrac12\right)\dd x=\tfrac12-\tfrac12=0$ e $\int_0^1\left(x^{2}-\tfrac13\right)\dd x=\tfrac13-\tfrac13=0$ ✓.
Punti e piani col rango
Appartenenza. $P_1(1,2,3)$: da $x$ si ha $t=2$, da $z$ si ha $s=-2$, e $y=4-2=2$ ✓, quindi $P_1\in\Pi$. $P_2(3,2,1)$: $t=4$, $s=0$, ma allora $y=8\ne2$, quindi $P_2\notin\Pi$.
Lo stesso col rango. $P\in\Pi$ se e solo se il sistema $A\binom ts=\overrightarrow{OP}-\mathbf r_0$ è compatibile, con $$A=\begin{bmatrix}1&0\\2&1\\0&-1\end{bmatrix},\qquad \vb_1=P_1-\mathbf r_0=(2,2,2),\qquad \vb_2=P_2-\mathbf r_0=(4,2,0).$$ $r(A)=2$; $r[A|\vb_1]=2$, compatibile; $r[A|\vb_2]=3$, incompatibile. È Rouché-Capelli.
Equazione cartesiana: $-2x+y+z=3$, in due modi.
- Metodo 1: il vettore dei coefficienti deve essere ortogonale ai due vettori direzione $(1,2,0)$ e $(0,1,-1)$, cioè stare in $\ker(A^{T})=\operatorname{span}\{(-2,1,1)\}$. La costante si legge su $\mathbf r_0=(-1,0,1)$: $2+0+1=3$.
- Metodo 2: si eliminano i parametri. $t=x+1$, $s=1-z$, quindi $y=2(x+1)+(1-z)$, cioè $z+y-2x-3=0$.
Controllo: $P_1$ dà $-2+2+3=3$ ✓, $P_2$ dà $-6+2+1=-3\ne3$ ✓.
Con $L(f)=\big(f(0),f'(0),f''(0)\big)$ si ha $L(\lambda\cos x)=\lambda(1,0,-1)$: l'immagine è la retta per l'origine con direzione $(1,0,-1)$. Le sue equazioni cartesiane sono $y=0$ e $z+x=0$.
Mettiti alla prova
Errori tipici della Sezione 5
- Chiamare lineare $f(x)=ax+b$ con $b\ne0$. Non manda $0$ in $0$: è affine. Il test $L(\vzero)=\vzero$ si fa per primo.
- Scrivere $L_B\circ L_A=L_{AB}$. Si applica prima $A$: la matrice è $BA$.
- Mettere $L(\mathbf e_j)$ nelle righe della matrice rappresentativa. Vanno nelle colonne; e con basi non canoniche nelle colonne vanno le coordinate di $L(\vv_j)$ rispetto alla base del codominio, non i vettori $L(\vv_j)$.
- Dire $\dim P_n=n$. La base $1,x,\dots,x^{n}$ ha $n+1$ elementi.
- Usare $S$ al posto di $S^{-1}$. $\mathbf c=S\tilde{\mathbf c}$ dà le coordinate vecchie da quelle nuove; per le nuove serve $\tilde{\mathbf c}=S^{-1}\mathbf c$.
- Cercare una base di $\K^{n}$ con un numero sbagliato di vettori. Prima si contano: devono essere esattamente $n$, e solo allora si controlla che $S$ sia invertibile.
- Dimostrare l'iniettività confrontando coppie invece di calcolare $\ker L$.
- Dire «indipendenti» perché nessuno è multiplo di un altro. Con tre o più vettori non basta: $(1,2,3)$, $(1,1,1)$, $(3,2,1)$ sono a due a due non proporzionali, eppure sono dipendenti.
- Prendere le colonne della matrice ridotta come base dello span. Vanno prese le colonne della matrice di partenza, nelle posizioni dei pivot.
- Usare il viceversa della Proposizione 3. Vettori indipendenti possono avere immagini dipendenti (la mappa nulla).
- Confondere rango e dimensione del nucleo in rango + nullità: la somma è la dimensione del dominio, non del codominio.
- Sbagliare le costanti dell'equazione cartesiana. Dopo aver trovato i coefficienti, la costante si calcola su un punto e si controlla su un secondo punto.