Calcolare Dimensione Di Un Applicazione Lineare Con 1 Equazione

Calcola la dimensione del nucleo e dell’immagine di un’applicazione lineare definita da una singola equazione

Guida Completa al Calcolo della Dimensione di un’Applicazione Lineare con 1 Equazione

Le applicazioni lineari rappresentano uno dei concetti fondamentali dell’algebra lineare, con applicazioni che spaziano dalla fisica all’informatica, dall’economia all’ingegneria. Quando si ha a che fare con un’applicazione lineare definita da una singola equazione matriciale (tipicamente nella forma Ax = b), diventa cruciale comprendere come calcolare le dimensioni dei suoi due sottospazi fondamentali: il nucleo (o kernel) e l’immagine (o range).

1. Concetti Fondamentali

1.1 Applicazioni Lineari e Matrici

Un’applicazione lineare T: V → W tra spazi vettoriali può essere rappresentata da una matrice A quando si fissano delle basi per V e W. L’equazione Ax = b rappresenta quindi l’applicazione lineare dove:

• A è una matrice m × n (con m righe e n colonne)
• x è un vettore colonna in ℝⁿ (dominio)
• b è un vettore colonna in ℝᵐ (codominio)

1.2 Nucleo e Immagine

Nucleo (Ker(T)): L’insieme di tutti i vettori x tali che T(x) = 0 (per equazioni omogenee) o T(x) = 0 nel caso non omogeneo (dopo aver considerato la soluzione particolare). La sua dimensione è chiamata nullità.

Immagine (Im(T)): L’insieme di tutti i vettori b per cui esiste un x tale che T(x) = b. La sua dimensione è chiamata rango e coincide con il rango della matrice A.

2. Teorema della Dimensione (Nullity-Rank Theorem)

Il teorema fondamentale che lega queste dimensioni è:

dim(V) = dim(Ker(T)) + dim(Im(T))

Dove:

• dim(V) = n (numero di colonne di A)
• dim(Ker(T)) = nullità = n – rango
• dim(Im(T)) = rango

3. Calcolo Pratico delle Dimensioni

3.1 Passo 1: Determinare il Rango della Matrice

Il rango di una matrice A (indicato con r) è il numero massimo di righe (o colonne) linearmente indipendenti. Può essere calcolato:

1. Riducendo A alla forma a scala per righe (Gauss-Jordan)
2. Contando il numero di pivot (elementi non nulli nella forma a scala)

Esempio: Per la matrice
A = [1 2 3; 4 5 6; 7 8 9], il rango è 2 perché solo 2 righe sono linearmente indipendenti.

3.2 Passo 2: Applicare il Teorema della Dimensione

Una volta noto il rango r e il numero di colonne n, la dimensione del nucleo (nullità) si ottiene come:

nullità = n – r

La dimensione dell’immagine è semplicemente il rango r.

3.3 Caso Omogeneo vs Non Omogeneo

Caratteristica	Equazione Omogenea (Ax = 0)	Equazione Non Omogenea (Ax = b)
Soluzioni	Sempre ammette la soluzione banale x = 0	Può non ammettere soluzioni (se b ∉ Im(T))
Dimensione Nucleo	n – r	n – r (stessa del caso omogeneo associato)
Dimensione Immagine	r	r (se b ∈ Im(T))
Interpretazione Geometrica	Il nucleo è un sottospazio vettoriale	L’insieme delle soluzioni è un sottospazio affine (traslazione del nucleo)

4. Esempi Pratici

4.1 Esempio 1: Applicazione Omogenea

Data la matrice A = [1 2 3; 2 4 6] (2×3) con rango r = 1:

• Dimensione nucleo = 3 – 1 = 2
• Dimensione immagine = 1
• Verifica: 2 + 1 = 3 (dimensioni del dominio)

4.2 Esempio 2: Applicazione Non Omogenea

Data A = [1 1 2; 1 2 3; 0 1 1] (3×3) con rango r = 3 e b = [1; 2; 1]:

• Dimensione nucleo = 3 – 3 = 0 (soluzione unica)
• Dimensione immagine = 3 (rango massimo)

5. Applicazioni nel Mondo Reale

La comprensione di questi concetti è cruciale in:

• Grafica 3D: Le trasformazioni lineari (rotazioni, scalature) sono applicazioni lineari dove il nucleo può rappresentare direzioni invarianti.
• Machine Learning: Nella regressione lineare, la matrice dei dati X definisce un’applicazione lineare dove il rango influisce sulla bontà del modello.
• Robotica: Il controllo dei bracci robotici si basa su applicazioni lineari che mappano gli angoli delle articolazioni alle posizioni nello spazio.

6. Errori Comuni e Come Evitarli

Errore	Cause	Soluzione
Confondere rango con nullità	Non applicare correttamente il teorema della dimensione	Ricordare: nullità = n – r
Calcolare il rango sbagliato	Errori nella riduzione a scala	Usare strumenti come Wolfram Alpha per verificare
Ignorare il caso non omogeneo	Trattare Ax = b come Ax = 0	Verificare prima se b è nell’immagine di A

7. Approfondimenti Matematici

Per una trattazione rigorosa, si consigliano le seguenti risorse autorevoli:

• Corso di Algebra Lineare del MIT (con dimostrazioni complete del teorema della dimensione)
• Materiali didattici dell’Università della California, Davis (con esercizi interattivi)
• Guida NIST sulle applicazioni lineari in crittografia (applicazioni pratiche)

8. Strumenti per il Calcolo Automatico

Oltre al nostro calcolatore, ecco alcuni strumenti utili:

• Wolfram Alpha: rank {{1,2,3},{4,5,6}} per calcolare il rango
• SageMath: Software open-source per algebra lineare avanzata
• MATLAB/Octave: rank(A) e null(A) per analisi complete

9. Domande Frequenti

9.1 Cosa succede se il rango è zero?

Se r = 0, la matrice è nulla. Allora:

• Dimensione nucleo = n (tutto lo spazio di partenza è nel nucleo)
• Dimensione immagine = 0 (l’applicazione manda tutto in 0)

9.2 Perché la somma nullità + rango è sempre uguale a n?

Questo è una conseguenza diretta del teorema della dimensione, che deriva dalla struttura degli spazi vettoriali quoziente. In pratica, il nucleo rappresenta la “parte collassata” dell’applicazione, mentre l’immagine rappresenta la “parte attiva”. La loro combinazione ricostruisce lo spazio originale.

9.3 Come si estende questo concetto a più equazioni?

Per sistemi con più equazioni (matrici con più righe), il principio rimane lo stesso: il rango è determinato dal numero massimo di equazioni linearmente indipendenti. La nullità continua a essere n – r, dove r è il rango della matrice completa.