Appunti di Algebra Lineare Mappe Lineari
Transcript
Appunti di Algebra Lineare Mappe Lineari
Appunti di Algebra Lineare Mappe Lineari 10 maggio 2013 1 Indice 1 Ripasso di Teoria 1.1 Cos’è una mappa lineare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2 Alcuni fatti importanti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 2 3 2 Esercizi 4 1 Ripasso di Teoria 1.1 Cos’è una mappa lineare Ricordiamo che un’applicazione (o mappa) lineare f : V Ñ W fra spazi vettoriali reali è una funzione per cui valgano le proprietà: Ñ Ñ Ñ Ñ f( u + v ) = f( u) + f( v ), Ñ Ñ f(λ ¨ u) = λ ¨ f( u), Ñ Ñ Ñ Ñ per ogni u, v P V e λ P R. Controllarle entrambe equivale a controllare che per ogni u, v P V e per ogni λ, µ P R si abbia Ñ Ñ Ñ Ñ f(λ ¨ u + µ ¨ v ) = λ ¨ f( u) + µ ¨ f( v ).1 Un po’ di terminologia. Sia f : V Ñ W una mappa lineare. Allora f è detta: • un monomorfismo se è iniettiva; • un epimorfismo se è suriettiva; • un isomorfismo se è biiettiva (cioè iniettiva + suriettiva, cioè mono + epi); • un endomorfismo se V = W. • un automorfismo se V = W ed è biettiva. • di rango r se r = dim f(V). Inoltre, definiamo HomR (V, W) = t f : V Ñ W | f mappa lineare u End (V) = HomR (V, V) = t f : V Ñ V | f mappa lineare u . 1 Si osservi che il + e il ¨ a sinistra dell’uguale non sono gli stessi che ci sono a destra: infatti ogni spazio vettoriale ha la sua somma e il suo prodotto per scalari. Lo stesso vale per le due equazioni sopra. 2 1.2 Alcuni fatti importanti Sia f : V Ñ W una mappa lineare fra spazi vettoriali (ad esempio su R). Sia V 1 Ď V un sottospazio. Allora: • Anche f(V 1 ) Ď W è sottospazio. • In particolare, f(V) Ď W è sottospazio di W. Ñ Ñ Ñ • Il nucleo di f, ker f = t v P V | f( v ) = 0 u, è sottospazio di V. Ñ Ñ Ñ Ñ • Se t v 1 , . . . , v h u sono generatori di V 1 , allora t f( v 1 ), . . . , f( v h ) u sono generatori di f(V 1 ) Ď Ñ W. Ma attenzione: anche se i v i fossero una base di V 1 (cioè: anche se dim V 1 = h), non potremmo concludere che dim f(V 1 ) = h, ma solo dim f(V 1 ) ď h. Infatti una base non sempre va in una base. Ñ Ñ • In particolare, una base B = t u 1 , . . . , u n u di V viene mandata in un insieme di generatori di f(V), cosı̀ che dim f(V) ď dim V. • Si ha dim ker f + dim f(V) = dim V. In particolare, se W = V, si ha V – ker f ‘ f(V). Ricetta 1. Se n, m sono interi e n ă m, allora: (i) Una mappa lineare Rm Ñ Rn non è mai iniettiva (Esempi: R4 Ñ R3 , R3 Ñ R2 , R4 Ñ R2 ...); ma è suriettiva se e soltanto se la matrice associata ha rango massimo. (ii) Una mappa lineare Rn Ñ Rm non è mai suriettiva (Esempi: R4 Ñ R5 , R2 Ñ R3 , R2 Ñ R4 ...); ma è iniettiva se e soltanto se la matrice associata ha rango massimo. Si hanno infine i seguenti importanti risultati: Theorem 1.1. Se f : V Ñ W è mappa lineare, le seguenti condizioni sono equivalenti: 1. f iniettivo (cioè monomorfismo); Ñ 2. ker f = t 0 u; 3. f manda vettori LI di V in vettori LI di W; Theorem 1.2. Siano V e W della stessa dimensione dim V = n = dim W. Se f : V Ñ W è mappa lineare, le seguenti condizioni sono equivalenti: 1. f iniettivo (cioè monomorfismo); Ñ 2. ker f = t 0 u; 3. Una base di V va in una base di W; 4. f suriettivo (cioè epimorfismo); 3 5. f isomorfismo. Ricetta 2. Data, ad esempio, una mappa lineare f : Rn Ñ Rn , per mostrare che è isomorfismo basta mostrare che vale una (qualunque) delle condizioni del teorema precedente (la seconda sembra la più facile da verificare). 2 Esercizi Ñ Ñ Esercizio 2.1. Mostrare che un’applicazione lineare f : V Ñ W soddisfa f( 0 V ) = 0 W . [Quindi: quando si controlla se un’applicazione è lineare, si potrebbe iniziare controllando se manda vettore nullo in vettore nullo: se ciò non accade non è lineare!] � � a a c Esercizio 2.2. Mostrare che è lineare la mappa f : R3 Ñ R2,2 definita da f b = . 0 b c Esercizio 2.3. Dire se sono lineari le seguenti applicazioni: � � a a c 3 2,2 1. f : R Ñ R definita da f b = . 1 b c � � a a+b 2. L’applicazione f : R3 Ñ R2 definita da f b = . b´c c � � a a+b 3 2 3. L’applicazione f : R Ñ R definita da f b = . b+c+1 c � 2 � a a 4. L’applicazione f : R3 Ñ R2 definita da f b = . b+c c Esercizio 2.4. Mostrare che se f : V Ñ W è mappa lineare e W 1 Ă W è sottospazio, allora anche Ñ Ñ f´1 (W 1 ) = t v P V | f( v ) P W 1 u Ă V è sottospazio. Esercizio 2.5. Siano V, W spazi vettoriali su R. Mostrare che HomR (V, W) ha struttura di spazio vettoriale su R. Qual è la sua dimensione? [Consiglio: si usi il legame mappa lineare Ø matrice associata] Esercizio 2.6. Dire se W = t p(x) = p0 + p1 x + p2 x2 | p0 = p1 + 2 u è sottospazio vettoriale di R2 [x]. No Dire se W 1 = t p(x) = p0 + p1 x + p2 x2 | p0 = p1 + 2p2 u è sottospazio vettoriale di R2 [x]. Sı̀ Trovare la dimensione e una base di W 1 . ‹ ‹ 4 ‹ Esercizio 2.7. Ridurre le seguenti metodo dei determinanti): 0 1 2 3 0 1 0 0 0 0 0 , B = 2 A= 2 0 3 0 2 3 0 0 1 0 0 2 ´3 1 1 ´1 D = 1 1 , E = 2 2 1 3 ´2 1 1 2 matrici e trovarne il rango (o grazie alla riduzione, o con il 0 1 1 2 0 1 ´1 , C = 2 2 0 , 1 0 1 4 1 1 1 2 0 ´1 1 0 , F = 0 4 2 1 , G = 2 ´1 1 1 5 3 0 ´1 3 2 1 2 0 ´1 ´2 0 r(A) = 3, r(B) = 2, r(C) = 3, r(D) = 2, r(E) = 2, r(F) = 3, r(G) = 2 Esercizio 2.8. Dire se 3 ´1 2 0 0 0 Esercizio 3 A= 0 ´h 1 3 . ´1 le seguenti matrici sono ridotte per righe e/o per colonne: 0 3 ´1 0 3 ´1 0 3 0 0 0 , 0 0 0 , 1 0 0 , 0 0 1 . ´1 2 0 ´1 0 2 1 1 2 ´1 2.9. Dire per quali h P R sono invertibili le seguenti 2h 0 1 0 0 ?3 h + 1 1 ,C = 3 0 h , B = 0 ?3 2 2 ´1 ´h 2 ´1 1 2 matrici: 2 1 1 , D = 2 3 ´2 h 2 4 ´3 . 6 ´5 Scelto un tale h per ciascuna, calcolarne l’inversa. Verificate voi stessi di aver fatto giusto, moltiplicando la matrice trovata per quella iniziale, e controllando che tale prodotto dia la matrice identica. Esercizio 2.10. Trovare le inverse delle seguenti matrici (si ricordi che ci sono due metodi: quello dei cofattori, per cui A´1 = det1 A C, dove C è la matrice dei cofattori di AT ; e quello di riduzione, in cui si riduce la matrice (A|In ) e si risolvono gli n sistemi lineari associati; possibilmente, si usino entrambi i metodi): 3 0 0 ´1 ´1 0 3 5 0 A = 0 0 1 , B = 2 ´3 1 , C = ´4 0 1 , 1 2 ´1 1 2 ´1 1/3 2 ´1 5 0 3 1 1 2 1 1 2 2 1 , E = 2 4 ´3 , F = 0 1 0 . D= 0 ´1 ´2 ´1 3 6 ´5 ´1 0 1 Verificate voi stessi di aver fatto giusto, moltiplicando la matrice trovata per quella iniziale, e controllando che tale prodotto dia la matrice identica. ‹ ‹ ‹ Esercizio 2.11. Discutere le soluzioni (esistenza, unicità o meno) del sistema lineare $ &x + y + z = 1 2x + 3y + 2z = 0 % x + 2y ´ z = 0 Usare Rouché-Capelli. 5 Esercizio 2.12. Risolvere il sistema lineare " x ´ 3z = 5 ´ 2y 2x + z = 3 ´ 4y col metodo di Cramer. Si può utilizzare tale metodo anche per il sistema lineare " x + 2y = 5 + 3z ? 2x + 4y = 3 ´ z Esercizio 2.13. Sia " ax + by + cz = d a 1x + b 1y + c 1z = d 1 un sistema di due equazioni in tre incognite (x, y, z), associato alla matrice � � a b c A= . a1 b1 c1 Dimostrare (usando Rouché-Capelli) che tale sistema: • ha ∞1 soluzioni se e solo se rk A = 2, oppure rk A = 1 e a/a 1 = b/b 1 = c/c 1 = d/d 1 ; • non ha soluzione nel caso restante, cioè quando rk A = 1, e a/a 1 = b/b 1 = c/c 1 ‰ d/d 1 . In particolare, non ha mai un’unica soluzione. Questo ci ricorda qualcosa? Dovrebbe ricordarci le intersezioni fra piani nello spazio Esercizio 2.14. Discutere le soluzioni di $ &x + 2y + z = ´2 x ´ 2y + z = 6 % x ´ 4y + 4z = 13 Risolvere il sistema, ad esempio con Cramer (siccome c’è un’unica soluzione). Esercizio 2.15. Per quali k P R il sistema $ &x + y ´ z = 1 2x + 2y + z = 0 % x + y + 2z = k è risolubile? Trovarne le soluzioni. k = ´1 Esercizio 2.16. Risolvere il sistema omogeneo $ x+y+z=0 ’ ’ & 2x + y ´ 3z = 0 x´y=0 ’ ’ % 4x + 5y + 2z = 0 tramite riduzione della matrice associata. 6 Esercizio 2.17. Il sistema $ &3x + y ´ 2z + t = a1 x + 2y ´ t = a2 % 4x + 3y ´ 2z = a3 può avere una sola soluzione? No Ha rango massimo? No Mostrare che ha soluzione se e solo se a3 = a1 + a2 , e in questo caso ci sono ∞2 soluzioni. In caso contrario, il rango della matrice completa è 3 ą 2 e non ci sono soluzioni. Esercizio 2.18. Trovare le ∞2 soluzioni del sistema " 3x + y ´ 2z + t = 1 x + 2y ´ t = ´3 ‹ ‹ ‹ Esercizio 2.19. Siano date le applicazioni lineari g f R2 −Ñ R3 � � y x x Þ−Ñ y ´x + 3y R3 −Ñ R3 u u + 2w v Þ−Ñ ´u + v w ´2v + w Scrivere, rispetto alle basi canoniche, le matrici Mf P R3,2 , Mg P M3,3 , Mg˝f P R3,2 . Verificare che ´2 7 1 ´1 = Mg˝f = Mg ¨ Mf . ´3 3 Esercizio 2.20. Scrivere, rispetto alle basi canoniche di R4 , la matrice associata alla mappa lineare f f è un isomorfismo? f : R4 −Ñ R4 x x+y y Þ−Ñ z ´ t z t t ´y ‹ ‹ ‹ Esercizio Risolto (matrice di passaggio). Sia B = t e1 , e2 , e3 u la base canonica di R3 e C = t c1 , c2 u la base canonica di R2 . Prendiamo due altre basi: $ , 1 1 0 . & B 1 = f1 = e1 ´ e2 = ´1 , f2 = e1 ´ e3 = 0 , f3 = e2 + e3 = 1 % 0 ´1 1 " � � � �* 1 0 C 1 = c1 + c2 = , c2 = 1 1 7 Sia f : R3 Ñ R2 la mappa lineare associata, mediante le basi canoniche, alla matrice � � 1 1 0 A= . 0 1 ´1 1 1 ,B Trovare la matrice MC . f Soluzione. La matrice di passaggio da B a B 1 è la matrice N associata all’automorfismo di R3 dato da ei ÞÑ fi : tale matrice ha nelle sue colonne le componenti di fi nella base B, cioè: 1 1 0 N = ´1 0 1 . 0 ´1 1 Allo stesso modo, la matrice di passaggio da C a C 1 è la matrice P associata all’automorfismo di R3 che manda c1 ÞÑ c1 + c2 , c2 ÞÑ c2 . Le colonne sono quindi le componenti di c1 + c2 e di c2 , rispettivamente, lette nella base C. Quindi: � � 1 0 P= . 1 1 1 1 ,B La matrice cercata è MC = P´1 ¨ A ¨ N. Quindi: f 1 1 1 ´1 � 1 1 0 ´1 0 ´1 0 ,B MC = P´1 ¨ A ¨ N = f = � 1 ´1 � 1 1 0 1 0 ´1 0 1 1 ´1 0 ´1 1 � � 1 0 0 1 1 0 1 = . ´1 0 ´1 ´1 1 �� 0 1 1 0 8 �