Calcolatore Nucleo e Immagine di un’Applicazione Lineare
Inserisci la matrice dell’applicazione lineare per calcolare il nucleo (ker) e l’immagine (Im)
Risultati
Guida Completa: Come Calcolare Nucleo e Immagine di un’Applicazione Lineare
In algebra lineare, il nucleo (o kernel) e l’immagine di un’applicazione lineare sono due concetti fondamentali che descrivono le proprietà strutturali della trasformazione. Questa guida ti condurrà attraverso i passaggi teorici e pratici per calcolare entrambi, con esempi concreti e applicazioni reali.
1. Definizioni Fondamentali
1.1 Nucleo (Kernel) di un’Applicazione Lineare
Dato uno spazio vettoriale V e W su un campo K, e un’applicazione lineare T: V → W, il nucleo di T (denotato come ker(T) o N(T)) è l’insieme di tutti i vettori in V che vengono mappati nel vettore nullo di W:
ker(T) = {v ∈ V | T(v) = 0W}
1.2 Immagine di un’Applicazione Lineare
L’immagine di T (denotata come Im(T) o R(T)) è l’insieme di tutti i vettori in W che sono immagine di almeno un vettore in V:
Im(T) = {w ∈ W | ∃v ∈ V, T(v) = w}
2. Proprietà Matematiche
- ker(T) è un sottospazio vettoriale di V.
- Im(T) è un sottospazio vettoriale di W.
- La dimensione dell’immagine (rank) e la dimensione del nucleo (nullity) sono legate dal Teorema del Rango:
dim(V) = rank(T) + nullity(T)
3. Metodo per il Calcolo
3.1 Passaggi per Trovare il Nucleo
- Scrivi la matrice A associata all’applicazione lineare T rispetto a basi fissate.
- Riduci A in forma a scala per righe (Gauss-Jordan).
- Identifica le variabili libere (colonne senza pivot).
- Esprimi le variabili dipendenti in funzione di quelle libere.
- Scrivi il vettore soluzione generale come combinazione lineare dei vettori di base del nucleo.
3.2 Passaggi per Trovare l’Immagine
- Riduci A in forma a scala per righe.
- Identifica le colonne pivot (colonne con pivot non nulli).
- Le colonne pivot della matrice originale (non ridotta) formano una base per Im(T).
4. Esempio Pratico
Consideriamo l’applicazione lineare T: ℝ³ → ℝ² definita dalla matrice:
4.1 Calcolo del Nucleo
- Riduciamo A in forma a scala:
| 1 2 3 | → | 1 2 3 | | 0 -3 -10 | | 0 1 10/3 |
- Variabile libera: x₃ (nessun pivot nella terza colonna).
- Soluzione generale:
x = x₃ · (-10/3, 1, 1)
- Base per ker(T): {(-10/3, 1, 1)}
4.2 Calcolo dell’Immagine
- Colonne pivot: prima e seconda colonna.
- Base per Im(T): {(1,4), (2,5)}
5. Applicazioni nel Mondo Reale
Il calcolo del nucleo e dell’immagine ha applicazioni critiche in:
- Grafica 3D: Trasformazioni lineari per animazioni e rendering.
- Machine Learning: Riduzione della dimensionalità (PCA) e analisi dei dati.
- Ingegneria: Analisi strutturale e sistemi dinamici.
- Crittografia: Algoritmi basati su spazi vettoriali (es. crittosistemi a reticolo).
6. Confronto tra Metodi di Calcolo
| Metodo | Precisione | Complessità Computazionale | Applicabilità |
|---|---|---|---|
| Eliminazione di Gauss | Alta (esatta per numeri razionali) | O(n³) | Matrici di qualsiasi dimensione |
| Decomposizione SVD | Molto alta (stabile numericament) | O(n³) | Matrici numeriche (anche non quadrate) |
| Metodo dei Minori | Media (sensibile agli errori) | O(n⁴) | Matrici piccole (n ≤ 5) |
7. Errori Comuni da Evitare
- Confondere righe e colonne: Il nucleo si trova risolvendo Ax = 0 (colonne = variabili).
- Dimenticare di normalizzare: I vettori di base del nucleo/immagine dovrebbero essere normalizzati se richiesto.
- Ignorare il campo base: Le operazioni dipendono dal campo (ℝ, ℂ, ℤₚ).
- Errori aritmetici: La riduzione di Gauss richiede precisione nei calcoli.
8. Strumenti Software per il Calcolo
| Strumento | Funzionalità Rilevanti | Vantaggi | Limitazioni |
|---|---|---|---|
| MATLAB | null(A), orth(A) |
Alta precisione, visualizzazione | Licenza costosa |
| Python (NumPy) | np.linalg.matrix_rank() |
Gratuito, integrato con ML | Meno interattivo |
| Wolfram Alpha | Comandi naturali (es. “kernel of…”) | Interfaccia semplice | Limitazioni versione free |