Iniettività e suriettività delle applicazioni lineari

Un'applicazione lineare può essere iniettiva e suriettiva.

Applicazione lineare iniettiva

Dati due spazi vettoriali V e W due spazi vettoriali sul campo K e un'applicazione lineare f:V -> W

L'applicazione lineare f è iniettiva se e solo se la dimensione del nucleo è uguale a zero. $$ dim_K \: Ker(f) = 0 $$

Si può anche affermare che:

  • Se dim(V)>dim(W) l'applicazione lineare non è iniettiva
  • Se dim(V)=dim(W) l'applicazione lineare è iniettiva se e solo se è suriettiva.

Applicazione lineare suriettiva

L'applicazione lineare f è suriettiva se e solo se la dimensione dell'immagine è uguale alla dimensione dello spazio vettoriale di destinazione W. $$ dim_K \: Im(f) = dim(W) $$

Si può anche affermare che:

  • Se dim(V)<dim(W) l'applicazione lineare non è suriettiva

Quando l'applicazione lineare è biettiva? L'applicazione lineare è biiettiva se è sia iniettiva che suriettiva.

Un esempio di calcolo

In questo esercizio ho due spazi vettoriali V e W sul campo K

$$ V = R^3 \\ W = R^3 $$

e un'applicazione lineare f:V -> W

$$ f(v) = \begin{pmatrix} 2x \\ x-2y \\ 2y-z \end{pmatrix} $$

Devo calcolare se è un'applicazione lineare iniettiva e suriettiva.

Per comodità di calcolo, comincio con l'analisi della suriettività.

L'applicazione lineare è suriettiva?

Per rispondere a questa domanda devo calcolare la dimensione dell'immagine Im(f).

Nota. La dimensione dell'immagine Im(f) è uguale al rango della matrice rappresentativa associata Af all'applicazione lineare f.

Quindi calcolo la matrice associata Af usando la basi canoniche di R3.

$$ \begin{pmatrix} x \\ y \\ z \end{pmatrix} = \begin{pmatrix} 1 \\ 0 \\ 0 \end{pmatrix} = \begin{pmatrix} 2x \\ x-2y \\ 2y-z \end{pmatrix} = \begin{pmatrix} 2(1) \\ 1-2(0) \\ 2(0)-0 \end{pmatrix} = \begin{pmatrix} 2 \\ 1 \\ 0 \end{pmatrix} $$

$$ \begin{pmatrix} x \\ y \\ z \end{pmatrix} = \begin{pmatrix} 0 \\ 1 \\ 0 \end{pmatrix} = \begin{pmatrix} 2x \\ x-2y \\ 2y-z \end{pmatrix} = \begin{pmatrix} 2(0) \\ 0-2(1) \\ 2(1)-0 \end{pmatrix} = \begin{pmatrix} 0 \\ -2 \\ 2 \end{pmatrix} $$

$$ \begin{pmatrix} x \\ y \\ z \end{pmatrix} = \begin{pmatrix} 0 \\ 0 \\ 1 \end{pmatrix} = \begin{pmatrix} 2x \\ x-2y \\ 2y-z \end{pmatrix} = \begin{pmatrix} 2(0) \\ 0-2(0) \\ 2(0)-1 \end{pmatrix} = \begin{pmatrix} 0 \\ 0 \\ -1 \end{pmatrix} $$

La matrice rappresentativa associata Af è la seguente:

$$ A_{f,Bv,Bw} = \begin{pmatrix} 2 & 0 & 0 \\ 1 & -2 & 0 \\ 0 & 2 & -1 \end{pmatrix} $$

Il determinante della matrice è diverso da zero.

$$ det(A_{f,Bv,Bw}) = 4 \ne 0 $$

Quindi, il rango della matrice è uguale a tre.

$$ r(A_f) = 3 $$

Per definizione teorica la dimensione dell'immagine Im(f) è uguale al rango della matrice.

Pertanto, la dimensione dell'immagine dell'applicazione lineare è uguale a tre.

$$ dim \; Im(f) = r(A_f) = 3 $$

$$ dim \; Im(f) = 3 $$

Poiché anche la dimensione dello spazio vettoriale W=R3 è uguale a tre

$$ dim \: Im(f) = dim(W) = 3 $$

posso concludere che l'applicazione lineare è suriettiva.

L'applicazione è iniettiva?

Per rispondere a questa domanda devo calcolare la dimensione del nucleo ker(f)

Secondo il teorema della dimensione la somma delle dimensioni del nucleo e dell'immagine eguagliano la dimensione dello spazio vettoriale di partenza V.

$$ dim \: ker(f) + dim \: Im(f) = dim(V) $$

La dimensione di im(f) la conosco già ed è uguale a 3.

$$ dim \: ker(f) + 3 = dim(V) $$

Conosco anche la dimensione dello spazio vettoriale di partenza V=R3 ossia 3.

$$ dim \: ker(f) + 3 = 3 $$

Con un semplice passaggio algebrico trovo la dimensione del nucleo per differenza.

La dimensione del nucleo è uguale a zero.

$$ dim \: ker(f) = 3 - 3 = 0 $$

In conclusione, posso affermare che l'applicazione è iniettiva perché la dimensione del nucleo Ker(f) è uguale a zero.

E così via.

 


 

Segnalami un errore, un refuso o un suggerimento per migliorare gli appunti

FacebookTwitterLinkedinLinkedin
knowledge base

Applicazioni lineari

  1. Le applicazioni lineari
  2. Le proprietà delle applicazioni lineari
  3. La matrice rappresentativa
  4. Le proprietà della matrice rappresentativa
  5. L'applicazione lineare inversa
  6. Gli autovettori e autovalori
  7. L'operatore lineare diagoalizzabile