Spazi e Sottospazi Vettoriali

Immagina uno spazio vettoriale come un contenitore dove puoi fare due operazioni principali: sommare vettori e moltiplicarli per numeri. È come avere delle frecce che puoi combinare secondo regole precise.

Un sottospazio è semplicemente una parte dello spazio originale che rispetta le stesse regole. Se prendi due elementi del sottospazio e li sommi, il risultato deve rimanere nel sottospazio. Stesso discorso se moltiplichi per uno scalare.

Per esempio, in $\mathbb{R}^3$ il sottospazio $W={(x,y,z) | x+y-z=0}$ rappresenta tutti i punti che soddisfano quella equazione. È come una fetta del nostro spazio tridimensionale.

Trucco: Per verificare se un insieme è un sottospazio, controlla sempre che contenga il vettore zero e che sia "chiuso" rispetto a somma e moltiplicazione per scalari.

Combinazioni Lineari e Vettori Indipendenti

Una combinazione lineare è il modo più naturale di mescolare vettori: prendi dei vettori, li moltiplichi per dei numeri e li sommi. È come una ricetta dove gli ingredienti sono vettori e le quantità sono numeri.

Quando diciamo che dei vettori sono generatori, significa che con le loro combinazioni lineari puoi ottenere qualsiasi vettore dello spazio. È come avere gli ingredienti base per cucinare qualsiasi piatto.

I vettori sono linearmente indipendenti quando nessuno di loro può essere ottenuto combinando gli altri. Se $a_1v_1 + a_2v_2 + ... + a_nv_n = 0$ implica che tutti i coefficienti sono zero, allora i vettori sono indipendenti. Pensa a loro come direzioni completamente diverse che non si possono "imitare" l'una con l'altra.

Metodo veloce: Per verificare l'indipendenza lineare, scrivi il sistema e risolvi. Se l'unica soluzione è quella banale (tutti zeri), i vettori sono indipendenti.

Base e Dimensione

Una base è un insieme di vettori che fa due cose contemporaneamente: sono linearmente indipendenti e generano tutto lo spazio. È come avere il set minimo di direzioni che ti permette di raggiungere qualsiasi punto.

La dimensione di uno spazio è semplicemente il numero di vettori nella sua base. $\mathbb{R}^3$ ha dimensione 3 perché servono 3 direzioni indipendenti per descrivere tutto lo spazio.

Per verificare se dei vettori sono linearmente indipendenti, puoi usare il metodo matriciale: metti i vettori come colonne di una matrice e calcola il rango. Se il rango è uguale al numero di vettori, sono indipendenti.

Per trovare una base di un sottospazio definito da equazioni, ricorda questa formula magica: $\text{dimensione} = \text{dimensione spazio totale} - \text{numero equazioni}$.

Regola d'oro: In uno spazio di dimensione $n$, qualsiasi insieme di $n$ vettori linearmente indipendenti forma automaticamente una base.

Equazioni Cartesiane e Somma di Spazi

Le equazioni cartesiane descrivono un sottospazio attraverso le condizioni che i suoi punti devono soddisfare. Per trovarle, usi il teorema degli orlati: prendi la matrice formata dai generatori del tuo spazio più un vettore generico, poi imponi che il determinante sia zero.

La somma diretta $U \oplus V$ è un modo elegante di combinare due spazi senza sovrapposizioni. Succede quando $U \cap V = {0}$, cioè quando i due spazi si toccano solo nell'origine.

La formula per le dimensioni è: $\dim(U + V) = \dim U + \dim V - \dim(U \cap V)$. Se la somma è diretta, l'intersezione ha dimensione zero, quindi $\dim(U \oplus V) = \dim U + \dim V$.

Verifica rapida: Per controllare se la somma è diretta, verifica che l'unica soluzione di $u + v = 0$ con $u \in U$ e $v \in V$ sia $u = v = 0$.

Spazi di Matrici

Lo spazio delle matrici $\mathbb{R}^{2 \times 2}$ è più ricco di quanto sembri. Puoi dividerlo in matrici simmetriche $X = X^T$ e matrici antisimmetriche $Y = -Y^T$.

Le matrici simmetriche hanno dimensione 3 perché hai 3 elementi liberi (due sulla diagonale e uno fuori). Le antisimmetriche hanno dimensione 1 perché la diagonale deve essere zero e gli elementi fuori diagonale sono opposti.

Quando studi applicazioni lineari tra spazi di matrici, come $f(A) = A - A^T$, calcoli nucleo e immagine esattamente come faresti con vettori normali. Il nucleo contiene le matrici simmetriche, l'immagine quelle antisimmetriche.

Per trovare autovettori di queste applicazioni, scrivi la matrice rappresentativa e risolvi l'equazione caratteristica. Se la molteplicità algebrica uguaglia quella geometrica per ogni autovalore, l'applicazione è semplice.

Trucco: Quando lavori con matrici, pensa a ogni matrice come un vettore "appiattito" - questo rende i calcoli molto più gestibili.

Spazi di Polinomi

Lo spazio dei polinomi $\mathbb{R}_{\leq 5}[x]$ si comporta come qualsiasi altro spazio vettoriale. Puoi definire applicazioni lineari che trasformano polinomi in altri polinomi.

Per studiare un'applicazione $\varphi$ tra spazi di polinomi, scrivi la matrice rappresentativa usando una base. I calcoli di nucleo, immagine e semplicità funzionano esattamente come negli spazi numerici.

La semplicità dipende dal parametro $h$: quando le molteplicità algebriche e geometriche di tutti gli autovalori coincidono, l'applicazione è semplice. Questo succede per la maggior parte dei valori di $h$, tranne alcuni casi speciali.

Per trovare la controimmagine di un polinomio, risolvi il sistema $M(\varphi) \mathbf{x} = \mathbf{b}$ dove $\mathbf{b}$ rappresenta il polinomio target nelle coordinate della base scelta.

Strategia: Quando lavori con polinomi, scegli sempre una base ordinata come $1, x, x^2, ...$ per semplificare i calcoli matriciali.