Introduzione agli Spazi Vettoriali

Spazi Vettoriali: Le Basi

Partiamo da R³, lo spazio che conosci meglio: ogni elemento è una tripla ordinata di numeri reali come $(x_1, x_2, x_3)$. Ma la cosa figata è che puoi fare due operazioni fondamentali: sommare due vettori e moltiplicare un vettore per uno scalare.

La somma funziona componente per componente: se hai due vettori, sommi la prima componente con la prima, la seconda con la seconda, e così via. La moltiplicazione per scalare moltiplica ogni componente per lo stesso numero.

Questo concetto si estende a R^m: puoi avere m-uple di qualsiasi dimensione. Il vettore nullo O_m ha tutte le componenti uguali a zero ed è l'elemento neutro per la somma.

💡 Ricorda: Uno spazio vettoriale è un insieme con due operazioni (somma e moltiplicazione per scalare) che rispettano 8 proprietà fondamentali, tra cui commutativa, associativa ed esistenza dell'elemento neutro.

Proprietà e Regole Fondamentali

Una volta che hai uno spazio vettoriale, puoi dimostrare alcune proprietà super utili. La regola di cancellazione ti dice che se u + v = u + v', allora v = v' (proprio come con i numeri normali).

Un'altra proprietà importante: se moltiplichi qualsiasi vettore per lo scalare 0, ottieni il vettore nullo. E se λ · v = 0, allora o λ = 0 oppure v è il vettore nullo.

I sottospazi vettoriali sono sottoinsiemi speciali di uno spazio vettoriale che mantengono le stesse proprietà. Per essere un sottospazio, un insieme W deve soddisfare tre condizioni: contenere il vettore nullo, essere chiuso rispetto alla somma e alla moltiplicazione per scalare.

💡 Trucco per gli esercizi: Per verificare se un insieme è un sottospazio, controlla sempre prima se contiene il vettore nullo - se non lo contiene, puoi fermarti subito!

Verificare i Sottospazi

Vediamo un esempio concreto: l'insieme W = {vettori di R⁴ tali che x₁ + x₂ + x₃ + x₄ = 0} è un sottospazio? Controlliamo le tre condizioni.

Prima condizione: il vettore nullo appartiene a W perché 0 + 0 + 0 + 0 = 0. ✓

Seconda condizione: se prendi due vettori X e Y in W, la loro somma X + Y ha componenti che si sommano ancora a zero, quindi appartiene a W. ✓

Terza condizione: se moltiplichi un vettore di W per uno scalare λ, ottieni un vettore le cui componenti si sommano ancora a zero. ✓

💡 Attenzione: Se l'equazione fosse x₁ + x₂ + x₃ + x₄ = 1 invece di = 0, NON sarebbe un sottospazio perché non conterrebbe il vettore nullo!

Teorema Fondamentale sui Sistemi

Ecco una proprietà che ti semplificherà la vita: l'insieme delle soluzioni di un sistema lineare omogeneo è sempre un sottospazio. Questo significa che ogni volta che risolvi un sistema con termine noto nullo, le soluzioni formano automaticamente un sottospazio.

I sottospazi banali sono solo due: lo spazio intero V e il sottospazio che contiene solo il vettore nullo {0}. Tutti gli altri sono "interessanti"!

Un fatto importante: i sottospazi contengono quasi sempre infiniti elementi. L'unica eccezione è quando il sottospazio contiene solo il vettore nullo.

L'intersezione di due sottospazi è sempre un sottospazio, ma la loro unione generalmente non lo è. Per "combinare" due sottospazi si usa invece la somma di sottospazi.

💡 Collegamento utile: Quando studi i sistemi lineari, ricorda che le soluzioni del sistema omogeneo associato formano sempre un sottospazio - questo ti aiuterà nella risoluzione!

Somma di Sottospazi e Operazioni

La somma di sottospazi U + W è l'insieme di tutti i vettori che puoi scrivere come u + w, dove u ∈ U e w ∈ W. Questa somma è sempre un sottospazio che contiene sia U che W.

Attenzione però: U ∩ $W₁ + W₂$ NON è uguale a (U ∩ W₁) + (U ∩ W₂) in generale! Questa è una trappola comune negli esercizi.

Un esempio pratico: se U è una retta passante per l'origine e W è un'altra retta non parallela passante per l'origine, allora U + W è tutto il piano che le contiene.

Se U ⊆ W, allora U + W = W. Questa proprietà ti aiuta a semplificare molti calcoli.

💡 Visualizza: Pensa ai sottospazi come a rette, piani o iperpiani che passano sempre per l'origine - questo ti aiuterà a capire meglio le operazioni tra di essi.

Proprietà della Somma di Sottospazi

La somma di sottospazi ha proprietà molto precise. Se Z è un sottospazio che contiene sia U che W, allora contiene necessariamente anche U + W. Questo rende U + W il "più piccolo" sottospazio che contiene entrambi.

La dimostrazione che U + W è un sottospazio segue il solsolito schema: verifichi che contenga il vettore nullo, che sia chiuso rispetto alla somma e alla moltiplicazione per scalare.

Un'osservazione importante: U + U = U sempre (la somma di un sottospazio con se stesso non cambia nulla). Inoltre, se U ∩ W = {0}, i sottospazi si dicono in "somma diretta".

Le proprietà distributive dell'intersezione e unione insiemistiche funzionano anche qui, ma con le dovute attenzioni sui sottospazi.

💡 Strategia: Quando devi dimostrare che qualcosa è un sottospazio, usa sempre lo stesso schema in tre punti - diventerà automatico!

Combinazioni Lineari e Span

Una combinazione lineare di vettori v₁, v₂, ..., vₘ è un'espressione del tipo λ₁v₁ + λ₂v₂ + ... + λₘvₘ, dove i λᵢ sono scalari reali. La combinazione lineare banale è quella con tutti i coefficienti uguali a zero.

Lo span (o spazio generato) di un insieme di vettori è l'insieme di tutte le possibili combinazioni lineari di quei vettori. In simboli: span(v₁, ..., vₘ) = {tutte le combinazioni lineari di v₁, ..., vₘ}.

Per verificare se un vettore appartiene al span di altri vettori, devi risolvere un sistema lineare: il vettore appartiene al span se e solo se il sistema ha soluzioni.

Lo span contiene sempre infiniti vettori (tranne quando tutti i vettori di partenza sono nulli) ed è sempre un sottospazio.

💡 Metodo pratico: Per controllare se un vettore è nello span di altri, scrivi l'equazione vettoriale come sistema lineare e verifica se ha soluzioni.

Proprietà dello Span

Lo span è sempre un sottospazio: contiene il vettore nullo, è chiuso rispetto alla somma e alla moltiplicazione per scalare. Questo è un teorema fondamentale che userai continuamente.

Se W è un sottospazio che contiene i vettori v₁, ..., vₘ, allora W contiene necessariamente tutto il loro span. Questo rende lo span il "più piccolo" sottospazio che contiene quei vettori.

Una proprietà importante: se un vettore vₘ appartiene già al span di v₁, ..., vₘ₋₁, allora span(v₁, ..., vₘ₋₁) = span(v₁, ..., vₘ). In altre parole, quel vettore è "ridondante".

La somma di span si comporta bene: span(v₁, v₂) = span(v₁) + span(v₂).

💡 Intuizione: Lo span è come un "contenitore elastico" che si adatta per contenere tutte le combinazioni lineari possibili dei vettori dati.

Span e Sistemi di Generatori

Quando hai vettori in uno span, puoi spesso semplificare eliminando quelli "ridondanti". Se vₘ ∈ span(v₁, ..., vₘ₋₁), allora span(v₁, ..., vₘ₋₁) = span(v₁, ..., vₘ).

La dimostrazione di questa proprietà è elegante: ogni combinazione lineare che usa vₘ può essere riscritta usando solo v₁, ..., vₘ₋₁, dato che vₘ è già esprimibile come loro combinazione lineare.

Questo principio ti permette di "pulire" un insieme di vettori generatori, eliminando quelli superflui senza cambiare lo spazio generato.

Gli esempi pratici mostrano come verificare se vettori appartengono al span di altri risolvendo sistemi lineari.

💡 Strategia efficiente: Quando lavori con molti vettori, controlla sempre se puoi eliminarne alcuni che sono combinazioni lineari degli altri - semplificherai i calcoli!