Calcolatore del Nucleo di un’Applicazione Lineare

Strumento professionale per determinare il nucleo (kernel) di trasformazioni lineari con visualizzazione grafica dei risultati. Inserisci la matrice associata all’applicazione lineare e ottieni il calcolo dettagliato del nucleo con spiegazioni passo-passo.

Guida Completa al Calcolo del Nucleo di un’Applicazione Lineare

Definizione Fondamentale

Il nucleo (o kernel) di un’applicazione lineare \( T: V \rightarrow W \) è l’insieme di tutti i vettori in \( V \) che vengono mappati nel vettore nullo di \( W \). Formalmente: \( \ker(T) = \{ v \in V \mid T(v) = 0_W \} \).

Passaggi per Determinare il Nucleo

Rappresentazione Matriciale: Scrivere la matrice \( A \) associata all’applicazione lineare rispetto a basi fissate.
Equazione Omegenea: Risolvere il sistema lineare omogeneo \( A\mathbf{x} = \mathbf{0} \).
Riduzione per Righe: Portare la matrice \( A \) in forma ridotta per righe (RREF) usando l’algoritmo di Gauss-Jordan.
Variabili Libere: Identificare le variabili libere (associate a colonne senza pivot).
Soluzione Generale: Esprimere la soluzione generale come combinazione lineare dei vettori di base del nucleo.

Esempio Pratico con Matrice 3×3

Consideriamo l’applicazione lineare \( T: \mathbb{R}^3 \rightarrow \mathbb{R}^3 \) rappresentata dalla matrice:

\[ A = \begin{bmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \\ \end{bmatrix} \]

Passo 1: Scriviamo il sistema omogeneo \( A\mathbf{x} = \mathbf{0} \):

\[ \begin{cases} x_1 + 2x_2 + 3x_3 = 0 \\ 4x_1 + 5x_2 + 6x_3 = 0 \\ 7x_1 + 8x_2 + 9x_3 = 0 \end{cases} \]

Passo 2: Riducendo per righe otteniamo la RREF:

\[ \begin{bmatrix} 1 & 0 & -1 \\ 0 & 1 & 2 \\ 0 & 0 & 0 \\ \end{bmatrix} \]

Passo 3: Le soluzioni sono della forma:

\[ \mathbf{x} = s \begin{bmatrix} 1 \\ -2 \\ 1 \end{bmatrix}, \quad s \in \mathbb{R} \]

Quindi, il nucleo è generato dal vettore \( \begin{bmatrix} 1 \\ -2 \\ 1 \end{bmatrix} \) e ha dimensione 1.

Proprietà Fondamentali del Nucleo

Sottospazio Vettoriale: Il nucleo è sempre un sottospazio vettoriale del dominio \( V \).
Dimensione: La dimensione del nucleo è chiamata nullità di \( T \), indicata con \( \nullity(T) \).
Teorema del Rango: \( \rank(T) + \nullity(T) = \dim(V) \), dove \( \rank(T) \) è il rango dell’applicazione.
Iniettività: \( T \) è iniettiva se e solo se \( \ker(T) = \{\mathbf{0}\} \).

Applicazioni Pratiche

Campo di Applicazione	Ruolo del Nucleo	Esempio Concreto
Grafica Computerizzata	Determina le trasformazioni che preservano certi vettori	Proiezioni ortogonali dove il nucleo contiene i vettori ortogonali al piano di proiezione
Elaborazione Segnali	Identifica i segnali che vengono annullati da un filtro	Filtri passa-basso dove il nucleo contiene le alte frequenze
Machine Learning	Analisi della ridondanza nei dati	PCA dove il nucleo della matrice di covarianza identifica direzioni senza varianza
Fisica Quantistica	Stati quantistici che rimangono invariati	Operatori di simmetria dove il nucleo contiene gli autostati con autovalore zero

Confronto tra Nucleo e Immagine

Caratteristica	Nucleo (Ker)	Immagine (Im)
Definizione	Insieme dei vettori mappati in 0	Insieme di tutti i vettori immagine
Dimensione	Nullità (\( \nullity(T) \))	Rango (\( \rank(T) \))
Relazione con Teorema del Rango	\( \nullity(T) = \dim(V) – \rank(T) \)	\( \rank(T) = \dim(V) – \nullity(T) \)
Sottospazio di	Dominio \( V \)	Codominio \( W \)
Applicazione Iniettiva	Ker(T) = {0}	Non direttamente correlato

Errori Comuni da Evitare

Confondere nucleo con immagine: Il nucleo è nel dominio, l’immagine è nel codominio.
Dimenticare il vettore nullo: Il nucleo contiene sempre almeno il vettore nullo.
Errori nella riduzione per righe: Una RREF errata porta a soluzioni sbagliate.
Trascurare le variabili libere: Ogni variabile libera contribuisce a generare il nucleo.
Non verificare l’iniettività: Un nucleo non banale implica che l’applicazione non è iniettiva.

Risorse Autorevoli

Per approfondimenti teorici e dimostrazioni rigorose, consultare:

Materiali del MIT su Algebra Lineare – Corso 18.06 con approfondimenti su nuclei e immagini
Dipartimento di Matematica UC Davis – Risorse su applicazioni lineari e loro proprietà
NIST Special Publication 800-175B – Applicazioni dell’algebra lineare in crittografia (Sezione 3.2)

Esercizi Proposti con Soluzioni

Esercizio 1: Nucleo di una Proiezione

Sia \( T: \mathbb{R}^3 \rightarrow \mathbb{R}^3 \) la proiezione ortogonale sul piano \( x + y + z = 0 \). Determinare \( \ker(T) \).

Mostra la soluzione

La proiezione su un piano ha nucleo generato dal vettore normale al piano. Quindi \( \ker(T) = \span\left\{\begin{bmatrix}1\\1\\1\end{bmatrix}\right\} \).

Esercizio 2: Applicazione Definita da una Matrice

Data la matrice \( A = \begin{bmatrix}1 & 1 & 0 & 0\\0 & 0 & 1 & 1\end{bmatrix} \), determinare il nucleo dell’applicazione lineare associata.