Trasformazione lineare




In matematica, più precisamente in algebra lineare, una trasformazione lineare, detta anche applicazione lineare o mappa lineare, è una funzione lineare tra due spazi vettoriali sullo stesso campo, cioè una funzione che conserva le operazioni di somma di vettori e di moltiplicazione per uno scalare. In altre parole, una trasformazione lineare preserva le combinazioni lineari. Nel linguaggio dell'algebra astratta, una trasformazione lineare è un omomorfismo di spazi vettoriali, in quanto conserva le operazioni che caratterizzano gli spazi vettoriali.


In analisi funzionale una trasformazione lineare è spesso detta operatore lineare. In tale contesto, particolare importanza rivestono gli operatori lineari continui tra spazi vettoriali topologici, come ad esempio spazi di Banach.




Indice






  • 1 Definizione


  • 2 Esistenza ed unicità dell'applicazione lineare


  • 3 Matrice associata


  • 4 Struttura di spazio vettoriale


  • 5 Nucleo e immagine


  • 6 Endomorfismi e automorfismi


  • 7 Pull-Back di funzioni ed applicazione trasposta


  • 8 Esempi


  • 9 Note


  • 10 Bibliografia


  • 11 Voci correlate


  • 12 Altri progetti


  • 13 Collegamenti esterni





Definizione |


Siano V{displaystyle V} e W{displaystyle W} due spazi vettoriali sullo stesso campo K{displaystyle K}. Una funzione f:V→W{displaystyle f:Vto W} è una trasformazione lineare se soddisfa le seguenti proprietà:[1][2]



  • f(x+y)=f(x)+f(y) {displaystyle f(mathbf {x} +mathbf {y} )=f(mathbf {x} )+f(mathbf {y} ) }

  • f(ax)=af(x) {displaystyle f(amathbf {x} )=af(mathbf {x} ) }


per ogni coppia di vettori x{displaystyle mathbf {x} } e y{displaystyle mathbf {y} } in V{displaystyle V} e per ogni scalare a{displaystyle a} in K{displaystyle K}. La prima proprietà è detta additività, la seconda omogeneità di grado 1.


Equivalentemente, f{displaystyle f} è lineare se "preserva le combinazioni lineari" (principio di sovrapposizione), ovvero se:


f(a1x1+⋯+amxm)=a1f(x1)+⋯+amf(xm){displaystyle f(a_{1}mathbf {x} _{1}+cdots +a_{m}mathbf {x} _{m})=a_{1}f(mathbf {x} _{1})+cdots +a_{m}f(mathbf {x} _{m})}

per ogni intero positivo m e ogni scelta dei vettori x1,…,xm{displaystyle mathbf {x} _{1},ldots ,mathbf {x} _{m}} e degli scalari a1,…,am{displaystyle a_{1},ldots ,a_{m}}.


Se f:V→W{displaystyle f:Vto W} è una applicazione lineare e 0V{displaystyle mathbf {0} _{V}} e 0W{displaystyle mathbf {0} _{W}} sono i vettori nulli di V{displaystyle V} e W{displaystyle W} rispettivamente, allora:[3]


 f(0V)=f(0V+0V)=f(0V)+f(0V){displaystyle f(mathbf {0} _{V})=f(mathbf {0} _{V}+mathbf {0} _{V})=f(mathbf {0} _{V})+f(mathbf {0} _{V})}

e togliendo f(0V){displaystyle f(mathbf {0} _{V})} da ambo i membri si ottiene


0W=f(0V){displaystyle mathbf {0} _{W}=f(mathbf {0} _{V})}

Sostituendo allo zero una combinazione lineare di vettori linearmente dipendenti si dimostra che un'applicazione lineare non banale manda sottoinsiemi del dominio linearmente indipendenti in sottoinsiemi del codominio linearmente indipendenti.[4]


Un'applicazione lineare è descritta completamente attraverso la sua azione sui vettori di una base qualsiasi del dominio.[5] Poiché la scrittura di un vettore in una data base è unica, la linearità dell'applicazione determina l'unicità del vettore immagine.


Un'applicazione lineare biunivoca (o invertibile) è inoltre un isomorfismo tra spazi vettoriali.[6]



Esistenza ed unicità dell'applicazione lineare |


Siano V{displaystyle V} e W{displaystyle W} due spazi vettoriali di dimensione finita. Sia BV=(v1,…,vn){displaystyle B_{V}=(mathbf {v} _{1},ldots ,mathbf {v} _{n})} una base di V{displaystyle V} e siano w1,…,wn{displaystyle mathbf {w} _{1},ldots ,mathbf {w} _{n}} vettori di W{displaystyle W}. Allora esiste un'unica applicazione lineare da V{displaystyle V} in W{displaystyle W} tale che:[7]


f(vi)=wi∀i{displaystyle f(mathbf {v} _{i})=mathbf {w} _{i}quad forall i}

Nel caso non si conosca la forma esplicita dell'applicazione è comunque possibile stabilirne l'esistenza e l'unicità attraverso la conoscenza dell'azione dell'applicazione su un insieme di vettori dati {vi}{displaystyle {{mathbf {v} }_{i}}}, dei quali si conosce quindi l'immagine. Se l'insieme di vettori è una base del dominio allora l'applicazione è univocamente determinata, mentre se i vettori dati non costituiscono una base vi sono due casi:



  • I vettori di cui si conosce l'immagine sono linearmente indipendenti: in tal caso l'applicazione esiste ma non è unica.

  • I vettori di cui si conosce l'immagine non sono linearmente indipendenti: in tal caso uno o più vettori sono combinazione lineare dei restanti. Si ha:


vj=∑i=1naivi{displaystyle mathbf {v} _{j}=sum _{i=1}^{n}a_{i}mathbf {v} _{i}}

L'applicazione esiste (ma non è unica) se e solo se:


f(vj)=∑i=1naif(vi){displaystyle f(mathbf {v} _{j})=sum _{i=1}^{n}a_{i}f(mathbf {v} _{i})}


Matrice associata |


.mw-parser-output .vedi-anche{border:1px solid #CCC;font-size:95%;margin-bottom:.5em}.mw-parser-output .vedi-anche td:first-child{padding:0 .5em}.mw-parser-output .vedi-anche td:last-child{width:100%}



Magnifying glass icon mgx2.svg
Lo stesso argomento in dettaglio: Matrice di trasformazione.

Siano V{displaystyle V} e W{displaystyle W} due spazi vettoriali di dimensione finita. Scelte due basi BV{displaystyle B_{V}} e BW{displaystyle B_{W}} per V{displaystyle V} e W{displaystyle W}, ogni trasformazione lineare da V{displaystyle V} a W{displaystyle W} è rappresentabile come una matrice. Si ponga:



BV=(v1,…,vn){displaystyle B_{V}=(mathbf {v} _{1},ldots ,mathbf {v} _{n})}

BW=(w1,…,wm){displaystyle B_{W}=(mathbf {w} _{1},ldots ,mathbf {w} _{m})}


Ogni vettore v{displaystyle mathbf {v} } in V{displaystyle V} è univocamente determinato dalle sue coordinate c1,…,cn{displaystyle c_{1},ldots ,c_{n}}, definite in modo che:


v=c1v1+⋯+cnvn{displaystyle mathbf {v} =c_{1}mathbf {v} _{1}+cdots +c_{n}mathbf {v} _{n}}

Se f:V→W{displaystyle f:Vto W} è una trasformazione lineare si ha:


f(v)=f(c1v1+⋯+cnvn)=c1f(v1)+⋯+cnf(vn){displaystyle f(mathbf {v} )=f(c_{1}mathbf {v} _{1}+cdots +c_{n}mathbf {v} _{n})=c_{1}f(mathbf {v} _{1})+cdots +c_{n}f(mathbf {v} _{n})}

Quindi la funzione f{displaystyle f} è determinata dai vettori f(v1),…,f(vn){displaystyle f(mathbf {v} _{1}),ldots ,f(mathbf {v} _{n})}. Ciascuno di questi è scrivibile come:


f(vj)=a1jw1+⋯+amjwm{displaystyle f(mathbf {v} _{j})=a_{1j}mathbf {w} _{1}+cdots +a_{mj}mathbf {w} _{m}}

La funzione f{displaystyle f} è dunque interamente determinata dai valori di ai,j{displaystyle a_{i,j}}, che formano la matrice associata a f{displaystyle f} nelle basi BV{displaystyle B_{V}} e BW{displaystyle B_{W}}.[8]


La matrice associata A{displaystyle A} è di tipo n{displaystyle mtimes n}, e può essere usata agevolmente per calcolare l'immagine f(v){displaystyle f(mathbf {v} )} di ogni vettore di V{displaystyle V} grazie alla relazione seguente:


A[v]BV=[w]BW{displaystyle A[mathbf {v} ]_{B_{V}}=[mathbf {w} ]_{B_{W}}}

dove [v]BV{displaystyle [mathbf {v} ]_{B_{V}}} e [w]BW{displaystyle [mathbf {w} ]_{B_{W}}} sono le coordinate di v{displaystyle mathbf {v} } e w{displaystyle mathbf {w} } nelle rispettive basi.


Si nota che la scelta delle basi è essenziale: la stessa matrice, usata su basi diverse, può rappresentare applicazioni lineari diverse.



Struttura di spazio vettoriale |


L'insieme Hom(V,W){displaystyle mathrm {Hom} (V,W)} delle applicazioni lineari da V{displaystyle V} in W{displaystyle W} è un sottospazio vettoriale dello spazio vettoriale sul campo K{displaystyle K} formato da tutte le funzioni da V{displaystyle V} in W{displaystyle W}, infatti:[9]


  • se f:V→W{displaystyle f:Vto W} e g:V→W{displaystyle g:Vto W} sono lineari, allora è lineare la loro somma f+g{displaystyle f+g}, definita dalla relazione

(f+g)(v)=f(v)+g(v);{displaystyle (f+g)(mathbf {v} )=f(mathbf {v} )+g(mathbf {v} );}

  • se f:V→W{displaystyle f:Vto W} è lineare e a{displaystyle a} è un elemento del campo K{displaystyle K}, allora la funzione af{displaystyle af}, definita da (af)(v)=a(f(v)){displaystyle (af)(mathbf {v} )=a(f(mathbf {v} ))}, è anch'essa lineare.

Nel caso finito-dimensionale, dopo aver fissato delle basi, le operazioni di somma e prodotto di una funzione per uno scalare di applicazioni lineari corrispondono rispettivamente a somma di matrici e moltiplicazione di matrici per uno scalare. Le basi definiscono quindi un isomorfismo Hom(V,W)→M(n,m){displaystyle mathrm {Hom} (V,W)to M(n,m)} tra gli spazi vettoriali delle applicazioni lineari e delle matrici m{displaystyle ntimes m}, dove m{displaystyle m} e n{displaystyle n} sono le dimensioni rispettivamente di V{displaystyle V} e W{displaystyle W}.



Nucleo e immagine |






Magnifying glass icon mgx2.svg
Lo stesso argomento in dettaglio: Teorema della dimensione.

Se f:V→W{displaystyle f:Vto W} è lineare, il nucleo di f{displaystyle f} è l'insieme:[10]


Ker(f)={x∈V:f(x)=0}{displaystyle mathrm {Ker} (f)={,mathbf {x} in V:f(mathbf {x} )=0,}}

mentre l'immagine di f{displaystyle f} è l'insieme:[11]


Im⁡(f)={f(x)∈W:x∈V}{displaystyle operatorname {Im} (f)={,f(mathbf {x} )in W:mathbf {x} in V,}}

L'insieme Ker(f){displaystyle mathrm {Ker} (f)} è un sottospazio di V{displaystyle V}, mentre Im⁡(f){displaystyle operatorname {Im} (f)} è un sottospazio di W{displaystyle W}. Se V{displaystyle V} e W{displaystyle W} hanno dimensione finita, il teorema della dimensione asserisce che:[12]


dim⁡(Ker(f))+dim⁡(Im⁡(f))=dim⁡(V){displaystyle dim(mathrm {Ker} (f))+dim(operatorname {Im} (f))=dim(V)}

Questo teorema fornisce un criterio necessario e sufficiente al fine di stabilire l'esistenza di una trasformazione lineare.



Endomorfismi e automorfismi |


Una trasformazione lineare f:V→V{displaystyle f:Vto V} è un endomorfismo di V{displaystyle V}. L'insieme di tutti gli endomorfismi End(V{displaystyle V}) insieme a addizione, composizione e moltiplicazione per uno scalare come descritti sopra formano un'algebra associativa con unità sul campo K{displaystyle K}: in particolare formano un anello e uno spazio vettoriale su K{displaystyle K}. L'elemento identità di questa algebra è la trasformazione identità di V{displaystyle V}.


Un endomorfismo biiettivo di V{displaystyle V} viene chiamato automorfismo di V{displaystyle V}. La composizione di due automorfismi è di nuovo un automorfismo, e l'insieme di tutti gli automorfismi di V{displaystyle V} forma un gruppo, il gruppo generale lineare di V{displaystyle V}, chiamato Aut(V){displaystyle mathrm {Aut} (V)} o GL(V){displaystyle mathrm {GL} (V)}.


Se la dimensione di V{displaystyle V} è finita basterà che f sia iniettiva per poter affermare che sia anche suriettiva (per il teorema della dimensione). Inoltre l'isomorfismo


End(V)→M(n){displaystyle {textrm {End}}(V)to M(n)}

fra gli endomorfismi e le matrici quadrate n{displaystyle ntimes n} descritto sopra è un isomorfismo di algebre. Il gruppo degli automorfismi di V{displaystyle V} è isomorfo al gruppo lineare generale GL(n,K){displaystyle mathrm {GL} (n,K)} di tutte le matrici n{displaystyle ntimes n} invertibili a valori in K{displaystyle K}.



Pull-Back di funzioni ed applicazione trasposta |






Magnifying glass icon mgx2.svg
Lo stesso argomento in dettaglio: Pull-back.

Siano A{displaystyle A}, B{displaystyle B} e C{displaystyle C} insiemi e siano F(A,C){displaystyle F(A,C)} e F(B,C){displaystyle F(B,C)} le famiglie di funzioni da A{displaystyle A} in C{displaystyle C} e da B{displaystyle B} in C{displaystyle C} rispettivamente. Ogni ϕ:A→B{displaystyle phi :Ato B} determina univocamente una corrispondenza ϕ:F(B,C)→F(A,C){displaystyle phi ^{*}:F(B,C)to F(A,C)} chiamata pull-back tramite ϕ{displaystyle phi }, che manda F{displaystyle F} in F∘ϕ{displaystyle Fcirc phi }.


Se nello specifico si considerano A=V{displaystyle A=V} e B=W{displaystyle B=W} due spazi vettoriali su un campo K=C{displaystyle K=C} e anziché prendere interamente F(V,K){displaystyle F(V,K)} e F(W,K){displaystyle F(W,K)} si considerano gli spazi duali V∗{displaystyle V^{*}} e W∗{displaystyle W^{*}} si ha che ad ogni trasformazione lineare ϕ:V→W{displaystyle phi :Vto W} si può associare l'opportuna restrizione del pull-back tramite ϕ{displaystyle phi }, ovvero la funzione ϕ:W∗V∗{displaystyle phi ^{*}:W^{*}to V^{*}} che prende il nome di trasposta di ϕ{displaystyle phi }.


Segue direttamente da come sono definite le operazioni in V∗{displaystyle V^{*}} e W∗{displaystyle W^{*}} che ϕ{displaystyle phi ^{*}} è a sua volta lineare. Con un semplice calcolo si vede che fissate delle basi per V{displaystyle V} e W{displaystyle W} e le rispettive duali in V∗{displaystyle V^{*}} e W∗{displaystyle W^{*}}, la matrice di trasformazione associata a ϕ{displaystyle phi ^{*}} è la trasposta di quella di ϕ{displaystyle phi }.


Segue dalla definizione che un funzionale λW∗{displaystyle lambda in W^{*}} viene mandato in zero da ϕ{displaystyle phi ^{*}} solo se l'immagine di ϕ{displaystyle phi } è contenuta nel nucleo di λ{displaystyle lambda } cioè, indicando con U⊥{displaystyle U^{perp }} il sottospazio dei funzionali che annullano U⊂W{displaystyle Usubset W}, si ha Ker(ϕ)⊆(ℑϕ)⊥{displaystyle mathrm {Ker} (phi ^{*})subseteq (Im phi )^{perp }}. Inoltre dalla stessa definizione si deduce che un funzionale μV∗{displaystyle mu in V^{*}} è immagine di un funzionale ηW∗{displaystyle eta in W^{*}} (vale a dire μ){displaystyle mu =phi ^{*}(eta )} solo se η{displaystyle eta } annulla il nucleo di ϕ{displaystyle phi }, ossia )⊆(Kerϕ)⊥{displaystyle Im (phi ^{*})subseteq (mathrm {Ker} phi )^{perp }} . Nel caso in cui V{displaystyle V} e W{displaystyle W} siano di dimensione finita si deduce dal teorema della dimensione e dalle relazioni dim⁡ V=Kerϕ+(Kerϕ)⊥{displaystyle dim ~V=mathrm {Ker} phi +(mathrm {Ker} phi )^{perp }} e dim⁡ W∗=dim⁡ W=ℑϕ+(ℑϕ)⊥{displaystyle dim ~W^{*}=dim ~W=Im phi +(Im phi )^{perp }} che le due inclusioni precedenti sono a tutti gli effetti uguaglianze.



Esempi |



  • La moltiplicazione f(v)=av{displaystyle f(v)=av}, in qualsiasi spazio vettoriale su K{displaystyle K}, per una costante fissata a∈K{displaystyle ain K}.

  • Una rotazione del piano euclideo rispetto all'origine di un angolo fissato.

  • Una riflessione del piano euclideo rispetto ad una retta passante per l'origine.

  • La proiezione di uno spazio vettoriale V{displaystyle V} decomposto in somma diretta:
    V=U⊕W{displaystyle V=Uoplus W}

    su uno dei due sottospazi U{displaystyle U} o W{displaystyle W}.

  • Una matrice A{displaystyle A} di tipo n{displaystyle mtimes n} con valori reali definisce una trasformazione lineare:
    LA:Rn→RmLA(v)=Av{displaystyle L_{A}:mathbb {R} ^{n}to mathbb {R} ^{m}qquad L_{A}(v)=Av}

    dove Av{displaystyle Av} è il prodotto di A{displaystyle A} e v{displaystyle v}. Ogni trasformazione lineare tra spazi vettoriali di dimensione finita è essenzialmente di questo tipo: si veda la sezione seguente.

  • L'integrale di una funzione reale su un intervallo definisce una mappa lineare dallo spazio vettoriale delle funzioni continue definite sull'intervallo nello spazio vettoriale R{displaystyle mathbb {R} }.

  • La derivata definisce una mappa lineare dallo spazio vettoriale di tutte le funzioni derivabili in qualche intervallo aperto di R{displaystyle mathbb {R} } nello spazio di tutte le funzioni.

  • Lo spazio C{displaystyle mathbb {C} } dei numeri complessi ha una struttura di spazio vettoriale complesso di dimensione 1, e anche di spazio vettoriale reale di dimensione 2. La coniugazione
    f:C→Cf(z)=z¯{displaystyle f:mathbb {C} to mathbb {C} qquad f(z)={bar {z}}}

    è una mappa R{displaystyle mathbb {R} }-lineare ma non C{displaystyle mathbb {C} }-lineare: infatti la proprietà di omogeneità vale solo per scalari reali.



Note |




  1. ^ S. Lang, Pag. 82


  2. ^ Hoffman, Kunze, Pag. 67


  3. ^ Hoffman, Kunze, Pag. 68


  4. ^ Hoffman, Kunze, Pag. 80


  5. ^ S. Lang, Pag. 86


  6. ^ S. Lang, Pag. 96


  7. ^ Hoffman, Kunze, Pag. 69


  8. ^ S. Lang, Pag. 84


  9. ^ S. Lang, Pag. 85


  10. ^ S. Lang, Pag. 90


  11. ^ S. Lang, Pag. 91


  12. ^ S. Lang, Pag. 92



Bibliografia |



  • Serge Lang, Algebra lineare, Torino, Bollati Boringhieri, 1992, ISBN 88-339-5035-2.

  • Kenneth Hoffman, Ray Kunze, Linear Algebra, 2ª ed., Englewood Cliffs, New Jersey, Prentice - Hall, inc., 1971, ISBN 0-13-536821-9.



Voci correlate |



  • Autovettore e autovalore

  • Combinazione lineare

  • Funzionale lineare

  • Funzione lineare

  • Linearità (matematica)

  • Matrice di trasformazione

  • Operatore lineare continuo

  • Pull-back

  • Teorema della dimensione

  • Trasformazione affine

  • Spazio duale



Altri progetti |



  • Open book nae 02.svg Questa voce è inclusa nel libro di Wikipedia Algebra lineare.


Collegamenti esterni |



  • (EN) L.D. Kudryavtsev, Linear function, in Encyclopaedia of Mathematics, Springer e European Mathematical Society, 2002.

  • (EN) http://www.falstad.com/matrix/


.mw-parser-output .navbox{border:1px solid #aaa;clear:both;margin:auto;padding:2px;width:100%}.mw-parser-output .navbox th{padding-left:1em;padding-right:1em;text-align:center}.mw-parser-output .navbox>tbody>tr:first-child>th{background:#ccf;font-size:90%;width:100%}.mw-parser-output .navbox_navbar{float:left;margin:0;padding:0 10px 0 0;text-align:left;width:6em}.mw-parser-output .navbox_title{font-size:110%}.mw-parser-output .navbox_abovebelow{background:#ddf;font-size:90%;font-weight:normal}.mw-parser-output .navbox_group{background:#ddf;font-size:90%;padding:0 10px;white-space:nowrap}.mw-parser-output .navbox_list{font-size:90%;width:100%}.mw-parser-output .navbox_odd{background:#fdfdfd}.mw-parser-output .navbox_even{background:#f7f7f7}.mw-parser-output .navbox_center{text-align:center}.mw-parser-output .navbox .navbox_image{padding-left:7px;vertical-align:middle;width:0}.mw-parser-output .navbox+.navbox{margin-top:-1px}.mw-parser-output .navbox .mw-collapsible-toggle{font-weight:normal;text-align:right;width:7em}.mw-parser-output .subnavbox{margin:-3px;width:100%}.mw-parser-output .subnavbox_group{background:#ddf;padding:0 10px}



















.mw-parser-output .CdA{border:1px solid #aaa;width:100%;margin:auto;font-size:90%;padding:2px}.mw-parser-output .CdA th{background-color:#ddddff;font-weight:bold;width:20%}



Controllo di autorità
GND (DE) 4167700-6


MatematicaPortale Matematica: accedi alle voci di Wikipedia che trattano di matematica



Popular posts from this blog

Mario Kart Wii

What does “Dominus providebit” mean?

File:Tiny Toon Adventures Wacky Sports JP Title.png