|
--[[Utente:Unit|Unit]] ([[Discussioni utente:Unit|msg]])In [[analisi funzionale]], un '''operatore unitario''' è un [[operatore lineare]] ''U'' su uno [[spazio di Hilbert]] che soddisfa le seguenti richieste:
In [[matematica]], una '''trasformazione lineare''' (chiamata anche '''operatore lineare''' o '''mappa lineare''') è una [[funzione (matematica)| funzione]] tra due [[spazio vettoriale| spazi vettoriali]] tale che l'operazione di somma di vettori e moltiplicazione per [[scalare| scalari]] sia preservata. In altre parole preserva le [[combinazione lineare | combinazioni lineari]].
:''U*U=UU*=I''
Nel linguaggio dell'[[algebra astratta]], una trasformazione lineare è un [[omomorfismo]]
:Il dominio di U coincide con l'intero spazio di Hilbert
di spazi vettoriali.
La proprietà è euqivalente a una qualunque delle seguenti:
== Definizione e prime conseguenze ==
* ''U'' è una [[isometria]] [[suriettiva]]
Formalmente, se ''V'' e ''W'' sono spazi vettoriali sullo stesso [[campo]] ''K'', si dice che ''f'' : ''V'' → ''W'' è una trasformazione lineare se per ogni due vettori ''x'' e ''y'' in ''V'' e per ogni scalare ''a'' in ''K'', si ha
:<math>f(x+y)=f(x)+f(y) \,</math> (addittività)
:<math>f(ax)=af(x) \,</math> (omogeneità).
Questo è equivalente al dire che ''f'' "preserva le combinazioni lineari", ovvero per un insieme finito di vettori ''x''<sub>1</sub>, ..., ''x''<sub>''m''</sub> e scalari ''a''<sub>1</sub>, ..., ''a''<sub>''m''</sub>, si ha :<math>f(a_1 x_1+\cdots+a_m x_m)=a_1 f(x_1)+\cdots+a_m f(x_m).</math>
* ''U'' è [[suriettiva]] e preserva il [[prodotto interno]] sullo spazio di Hilbert, così che per tutti i [[Vettore (matematica)|vettori]] ''x'' e ''y'' dello spazio di hilbert vale
Occasionalmente, ''V'' e ''W'' possono essere considerati come spazi vettoriali su differenti campi, ed è importante speficicare quale campo è stato utilizzato nella definizione di "lineare".
Se ''V'' e ''W'' sono considerati come spazi sul campo ''K'' come sopra, si parla di mappe ''K''-lineari. Per esempio la coniugazione di [[numero complesso | numeri complessi]] è una mappa ''R''-lineare '''C''' → '''C''', ma non è '''C'''-lineare.
:<math>\langle Ux, Uy \rangle = \langle x, y \rangle.</math>
== Esempi ==
''Ogni matrice unitaria è un operatore unitario ''
* La moltiplicazione per una costante è una trasformazione lineare da '''R''' a '''R'''.
* Se ''A'' è una [[matrice]] ''m'' × ''n'', allora ''A'' definisce una trasformazione lineare da '''R'''<sup>''n''</sup> a '''R'''<sup>''m''</sup> mandando il [[vettore colonna]] ''x'' ∈ '''R'''<sup>''n''</sup> nel vettore colonna ''Ax'' ∈ '''R'''<sup>''m''</sup>. Ogni trasformazione lineare tra spazi vettoriali [[finito-dimensionali | finito-dimensionale]] è di questo tipo. Si veda la sezione seguente.
* L'[[intergrazione|integrale]] è una mappa lineare dallo spazio delle funzioni a valori reali integrabili in qualche [[intervallo]] a '''R'''
* La [[derivata]] è una mappa lineare dallo spazio di tutte le funzioni differenziabili nello spazio di tutte le funzioni.
* Se ''V'' e ''W'' sono spazi vettoriali finito-dimensionali sul campo ''F'', allora funzioni che portano trasformazioni lineari ''f'':''V'' → ''W'' in dim<sub>''F''</sub>(''W'')-per-dim<sub>''F''</sub>(''V'') matrici nella maniera descritta nel seguito sono esse stesse trasformazioni lineari.
== Matrici ==
Se ''V'' e ''W'' sono [[finito-dimansionali]] e una [[base]] è stata scelta, allora ogni trasformazione lineare da ''V'' a ''W'' può essere rappresentata come una [[matrice]]; questo è utile in quanto permette i calcoli numerici. Conversamente le matrici sono esempi di trasformazioni lineari : se ''A'' è una matrice reale ''m''-per-''n'', allora la regola ''f''(''x'') = ''Ax'' descrive una trasformazione lineare '''R'''<sup>''n''</sup> → '''R'''<sup>''m''</sup>.
Sia <math>\{v_1, \cdots, v_n\}</math> una base per ''V''. Allora ogni vettore ''v'' in ''V'' è unicamente determinate dai coefficienti <math>c_1, \cdots, c_n</math> in
:<math>c_1 v_1+\cdots+c_n v_n.</math>
Se ''f'' : ''V'' → ''W'' è una trasformazione lineare,
:<math>f(c_1 v_1+\cdots+c_n v_n)=c_1 f(v_1)+\cdots+c_n f(v_n),</math>
che implica che la funzione f è interamente determinata dai valori di <math>f(v_1),\cdots,f(v_n).</math>
Sia dunque <math>\{w_1, \cdots, w_m\}</math> una base per ''W''. Allora possiamo rappresentare i valori di ogni <math>f(v_j)</math> come
:<math>f(v_j)=a_{1j} w_1 + \cdots + a_{mj} w_m.</math>
Quindi la funzione f è interamente determinata dai valori di <math>a_{i,j}</math>.
If we put these values into an m-by-n matrix M, then we can conveniently use it to compute the value of f for any vector in ''V''. For if we place the values of <math>c_1, \cdots, c_n</math> in an n-by-1 matrix ''C'', we have ''MC'' = f(''v'').
It should be noted that there can be multiple matrices that represent a single linear transformation. This is because the values of the elements of the matrix depend on the bases that are chosen. Similarly, if we are given a matrix, we also need to know the bases that it uses in order to determine what linear transformation it represents.
== Forming new linear transformations from given ones ==
The composition of linear transformations is linear: if ''f'' : ''V'' → ''W'' and ''g'' : ''W'' → ''Z'' are linear, then so is ''g'' o ''f'' : ''V'' → ''Z''.
If ''f''<sub>1</sub> : ''V'' → ''W'' and ''f''<sub>2</sub> : ''V'' → ''W'' are linear, then so is their sum ''f''<sub>1</sub> + ''f''<sub>2</sub> (which is defined by (''f''<sub>1</sub> + ''f''<sub>2</sub>)(''x'') = ''f''<sub>1</sub>(''x'') + ''f''<sub>2</sub>(''x'')).
If ''f'' : ''V'' → ''W'' is linear and ''a'' is an element of the ground field ''K'', then the map ''af'', defined by (''af'')(''x'') = ''a'' (''f''(''x'')), is also linear.
In the finite dimensional case and if bases have been chosen, then the composition of linear maps corresponds to the multiplication of [[matrix (math)|matrices]], the addition of linear maps corresponds to the addition of matrices, and the multiplication of linear maps with scalars corresponds to the multiplication of matrices with scalars.
In [[functional analysis]], a '''unitary operator''' is a [[bounded linear operator]] ''U'' on a [[Hilbert space]] satisfying
== Endomorphisms and automorphisms ==
:''U*U=UU*=I''
A linear transformation ''f'' : ''V'' → ''V'' is an [[endomorphism]] of ''V''; the set of all such endomorphisms End(''V'') together with addition, composition and scalar multiplication as defined above forms an [[associative algebra]] with identity element over the field ''K'' (and in particular a [[ring (algebra)|ring]]). The identity element of this algebra is the [[identity map]] id : ''V'' → ''V''.
where ''I'' is the [[identity]] operator. This property is equivalent to any of the following:
A [[bijective]] endomorphism of ''V'' is called an [[automorphism]] of ''V''. The composition of two automorphisms is again an automorphism, and the set of all automorphisms of ''V'' forms a [[group (math)|group]], the [[automorphism group]] of ''V'' which is denoted by Aut(''V'') or GL(''V'').
* ''U'' is a [[surjective]] [[isometry]]
If ''V'' has finite dimension ''n'', then End(''V'') is [[isomorphism | isomorphic]] to the [[associative algebra]] of all ''n'' by ''n'' matrices with entries in ''K''. The automorphism group of ''V'' is [[group isomorphism|isomorphic]] to the [[general linear group]] GL(''n'', ''K'') of all ''n'' by ''n'' invertible matrices with entries in ''K''.
* ''U'' is [[surjective]] and preserves the [[inner product]] on the Hilbert space, so that for all [[vector]]s ''x'' and ''y'' in the Hilbert space,
== Kernel and image ==
:<math>\langle Ux, Uy \rangle = \langle x, y \rangle. t= p \cdot x'</math>
[[Unitary matrix|Unitary matrices]] are precisely the unitary operators on finite-dimensional Hilbert spaces, so the notion of a unitary operator is a generalisation of the notion of a unitary matrix.
If ''f'' : ''V'' → ''W'' is linear, we define the '''[[kernel (algebra)|kernel]]''' and the '''[[image (mathematics)|image]]''' of ''f'' by
:<math>\ker(f)=\{\,x\in V:f(x)=0\,\}</math>
:<math>\operatorname{im}(f)=\{\,f(x):x\in V\,\}</math>
ker(''f'') is a [[Linear algebra/Subspace|subspace]] of ''V'' and im(''f'') is a subspace of ''W''. The following [[dimension]] formula is often useful (but note that it only applies if V is finite dimensional):
:<math>
\dim(\ker( f ))
+ \dim(\operatorname{im}( f ))
= \dim( V ) \,</math>
Unitary operators implement [[isomorphism]]s between [[operator algebra]]s.
The number dim(im(''f'')) is also called the ''rank of f'' and written as rk(''f''). If ''V'' and ''W'' are finite dimensional, bases have been chosen and ''f'' is represented by the matrix ''A'', then the rank of ''f'' is equal to the [[rank of a matrix|rank of the matrix]] ''A''. The dimension of the kernel is also known as the nullity of the matrix.
--[[Utente:Unit|Unit]] ([[Discussioni utente:Unit|msg]]) --[[Utente:Unit|Unit]] ([[Discussioni utente:Unit|msg]]) 22:21, 8 gen 2012 (CET) --22:21, 8 gen 2012 (CET)
== See also ==
* [[Transformation matrix]]
* [[wikibooks:Algebra:Linear transformations]]
| 