Funzionale lineare

In matematica, e più precisamente in algebra lineare, un funzionale lineare o forma lineare è un'applicazione lineare da uno spazio vettoriale nel suo campo di scalari. Può trattarsi di un funzionale inteso come funzione che ha per argomento un'altra funzione, ma non è necessariamente definito sempre così. Il termine "funzionale lineare" è usato specialmente in analisi funzionale, mentre "forma lineare" è più usato in geometria, dove una forma lineare è un particolare esempio di forma multilineare.

L'insieme dei funzionali lineari agenti su uno spazio vettoriale V {\displaystyle V} forma a sua volta uno spazio vettoriale, lo spazio duale V ~ {\displaystyle {\tilde {V}}} (spesso denotato anche con V {\displaystyle V^{*}} o V {\displaystyle V'} ).

In R n {\displaystyle \mathbb {R} ^{n}} , se i vettori sono rappresentati come vettori colonna, i funzionali lineari sono vettori riga, che agiscono sui vettori colonna per mezzo di un prodotto scalare (in generale, una forma sesquilineare) o un prodotto matriciale (tra un vettore riga a sinistra e un vettore colonna a destra). Ad esempio, dati i vettori colonna:

x = [ x 1 x n ] R n {\displaystyle \mathbf {x} ={\begin{bmatrix}x_{1}\\\vdots \\x_{n}\end{bmatrix}}\in \mathbb {R} ^{n}}

allora ogni funzionale lineare f {\displaystyle f} può essere scritto in tali coordinate come una somma del tipo:

f ( x ) = a 1 x 1 + + a n x n {\displaystyle f(\mathbf {x} )=a_{1}x_{1}+\cdots +a_{n}x_{n}}

Si tratta del prodotto matriciale tra il vettore riga [ a 1 a n ] {\displaystyle [a_{1}\dots a_{n}]} e il vettore colonna x {\displaystyle \mathbf {x} } :

f ( x ) = [ a 1 a n ] [ x 1 x n ] {\displaystyle f(\mathbf {x} )=[a_{1}\dots a_{n}]{\begin{bmatrix}x_{1}\\\vdots \\x_{n}\end{bmatrix}}}

I funzionali lineari sono stati inizialmente introdotti nell'ambito dell'analisi funzionale, in particolare nello studio degli spazi funzionali vettoriali. Un tipico esempio di funzionale lineare è l'operatore integrale di Riemann:

I ( f ) = a b f ( x ) d x {\displaystyle I(f)=\int _{a}^{b}f(x)\,dx}

che è definito sullo spazio vettoriale C [ a , b ] {\displaystyle C[a,b]} delle funzioni continue sull'intervallo [ a , b ] {\displaystyle [a,b]} e mappa nel campo dei reali R {\displaystyle \mathbb {R} } . La linearità si vede da note proprietà degli integrali:

I ( f + g ) = a b ( f ( x ) + g ( x ) ) d x = a b f ( x ) d x + a b g ( x ) d x = I ( f ) + I ( g ) {\displaystyle I(f+g)=\int _{a}^{b}(f(x)+g(x))\,dx=\int _{a}^{b}f(x)\,dx+\int _{a}^{b}g(x)\,dx=I(f)+I(g)}
I ( α f ) = a b α f ( x ) d x = α a b f ( x ) d x = α I ( f ) {\displaystyle I(\alpha f)=\int _{a}^{b}\alpha f(x)\,dx=\alpha \int _{a}^{b}f(x)\,dx=\alpha I(f)}

I funzionali lineari sono molto utilizzati in fisica.

Definizione

Sia V {\displaystyle V} uno spazio vettoriale su un campo K {\displaystyle K} . Un funzionale lineare f {\displaystyle f} è una funzione lineare da V {\displaystyle V} a K {\displaystyle K} .[1] Valgono quindi le seguenti relazioni:

f ( v + w ) = f ( v ) + f ( w ) v , w V {\displaystyle f(\mathbf {v} +\mathbf {w} )=f(\mathbf {v} )+f(\mathbf {w} )\qquad \forall \mathbf {v} ,\mathbf {w} \in V}
f ( a v ) = a f ( v ) v V , a K {\displaystyle f(a\mathbf {v} )=af(\mathbf {v} )\qquad \forall \mathbf {v} \in V,\forall a\in K}

Date due funzioni misurabili a valori positivi f L p ( R ) {\displaystyle f\in L^{p}(\mathbb {R} )} e g L p ( R ) {\displaystyle g\in L^{p'}(\mathbb {R} )} , con p 1 + p 1 = 1 {\displaystyle p^{-1}+p'^{-1}=1} , per la disuguaglianza di Hölder si ha che f g L 1 ( R ) {\displaystyle fg\in L^{1}(\mathbb {R} )} . Considerando la funzione g {\displaystyle g} , è quindi possibile definire:

G ( f ) = f ¯ g d x {\displaystyle G(f)=\int _{-\infty }^{\infty }{\bar {f}}gdx}

per ogni f L p ( R ) {\displaystyle f\in L^{p}(\mathbb {R} )} . L'operatore G {\displaystyle G} è allora un operatore limitato, la cui norma non è maggiore della q-norma di g {\displaystyle g} . Ogni funzionale limitato di L p ( R ) {\displaystyle L^{p}(\mathbb {R} )} può essere scritto in tal modo per un qualche g L p ( R ) {\displaystyle g\in L^{p'}(\mathbb {R} )} .

L'insieme di tutti i funzionali lineari da V {\displaystyle V} in K {\displaystyle K} , essendo chiuso rispetto alle operazioni di somma e prodotto per scalare, forma uno spazio vettoriale V ~ {\displaystyle {\tilde {V}}} , lo spazio duale di V {\displaystyle V} .[1] Se V {\displaystyle V} ha dimensione n {\displaystyle n} , allora anche V ~ {\displaystyle {\tilde {V}}} ha dimensione n {\displaystyle n} . La mappa che associa ad ogni g L p {\displaystyle g\in L^{p'}} il corrispondente funzionale lineare G {\displaystyle G} definito su L p {\displaystyle L^{p}} è un isomorfismo isometrico di L p {\displaystyle L^{p'}} nel duale di L p {\displaystyle L^{p}} .[2]

Se V {\displaystyle V} è uno spazio vettoriale sui numeri reali o complessi, ed è dotato di una topologia che lo rende uno spazio vettoriale topologico, risultano particolarmente interessanti i funzionali lineari continui, che formano un sottospazio dello spazio duale detto spazio duale continuo o anche duale topologico. Per distinguerlo dal duale continuo, il generico spazio duale è talvolta detto spazio duale algebrico. In dimensione finita, comunque, il duale algebrico e il duale continuo coincidono poiché ogni funzionale lineare è un operatore lineare continuo. In generale il duale continuo è un sottospazio del duale algebrico. Si usa spesso denotare con V {\displaystyle V^{*}} il duale algebrico e con V {\displaystyle V'} il duale continuo, sebbene la notazione sia varia a seconda degli autori.

Si definisce un funzionale lineare positivo un funzionale G   {\displaystyle G\ } tale che G ( f ) 0 {\displaystyle G(f)\geq 0} per ogni f {\displaystyle f} puntualmente positiva.[3] Si dimostra che ogni funzionale lineare positivo è continuo.

Esempi

  • La funzione f : R n R {\displaystyle f:\mathbb {R} ^{n}\to \mathbb {R} } data da:
( x 1 , , x n ) x 1 {\displaystyle (x_{1},\ldots ,x_{n})\mapsto x_{1}}
è un funzionale lineare che associa ad ogni vettore dello spazio euclideo la sua prima coordinata.
  • Il funzionale:
f a b f ( x ) d x {\displaystyle f\mapsto \int _{a}^{b}f(x)\,dx}
associa ad una funzione integrabile f {\displaystyle f} , definita sull'intervallo [ a , b ] {\displaystyle [a,b]} ed a valori nei numeri reali o complessi, l'integrale di f {\displaystyle f} tra i due estremi. Qui lo spazio vettoriale V {\displaystyle V} può essere ad esempio quello delle funzioni continue sull'intervallo, oppure quello più grande delle funzioni integrabili. In entrambi i casi V {\displaystyle V} ha dimensione infinita.
  • Sia P n {\displaystyle P_{n}} lo spazio vettoriale delle funzioni polinomiali a valori reali di grado inferiore a n definite su [ a , b ] {\displaystyle [a,b]} . Se c [ a , b ] {\displaystyle c\in [a,b]} , sia e v c : P n R {\displaystyle ev_{c}:P_{n}\to \mathbb {R} } il funzionale di valutazione:
ev c f = f ( c ) {\displaystyle \operatorname {ev} _{c}f=f(c)}
La mappa f f ( c ) {\displaystyle f\to f(c)} è lineare dal momento che:
( f + g ) ( c ) = f ( c ) + g ( c ) {\displaystyle (f+g)(c)=f(c)+g(c)}
( α f ) ( c ) = α f ( c ) {\displaystyle (\alpha f)(c)=\alpha f(c)}
Se x 0 , , x n {\displaystyle x_{0},\dots ,x_{n}} sono n+1 punti distinti di [ a , b ] {\displaystyle [a,b]} allora l'insieme dei funzionali e v x i {\displaystyle ev_{x_{i}}} forma una base dello spazio duale di P n {\displaystyle P_{n}} .
  • Nella teoria delle distribuzioni, le distribuzioni sono definite come funzionali lineari che agiscono su spazi di funzioni di test. In tale contesto, un analogo al funzionale nell'esempio precedente è la delta di Dirac.

Basi in dimensione finita

Sia e 1 , e 2 , , e n {\displaystyle \mathbf {e} _{1},\mathbf {e} _{2},\dots ,\mathbf {e} _{n}} una base (qualsiasi) dello spazio vettoriale V {\displaystyle V} . Lo spazio duale V ~ {\displaystyle {\tilde {V}}} possiede allora una base ω ~ 1 , ω ~ 2 , , ω ~ n {\displaystyle {\tilde {\omega }}^{1},{\tilde {\omega }}^{2},\dots ,{\tilde {\omega }}^{n}} , detta base duale, definita dalla proprietà:

ω ~ i ( e j ) = { 1 se  i = j , 0 se  i j . {\displaystyle {\tilde {\omega }}^{i}(\mathbf {e} _{j})={\begin{cases}1&{\text{se }}i=j,\\0&{\text{se }}i\neq j.\end{cases}}}

In modo più compatto si può scrivere anche:

ω ~ i ( e j ) = δ j i {\displaystyle {\tilde {\omega }}^{i}(\mathbf {e} _{j})=\delta _{j}^{i}}

dove δ j i {\displaystyle \delta _{j}^{i}} è il delta di Kronecker, ed apici e pedici denotano la covarianza e controvarianza degli indici utilizzati.

Un funzionale lineare u ~ V ~ {\displaystyle {\tilde {u}}\in {\tilde {V}}} può essere espresso come combinazione lineare di funzionali di base, con coefficienti u i {\displaystyle u_{i}} :

u ~ = i = 1 n u i ω ~ i {\displaystyle {\tilde {u}}=\sum _{i=1}^{n}u_{i}\,{\tilde {\omega }}^{i}}

Allora, applicando il funzionale u ~ {\displaystyle {\tilde {u}}} al vettore di base e j {\displaystyle \mathbf {e} _{j}} si ottiene:

u ~ ( e j ) = i = 1 n ( u i ω ~ i ) e j = i u i ( ω ~ i ( e j ) ) = i u i δ i j = u j {\displaystyle {\tilde {u}}(\mathbf {e} _{j})=\sum _{i=1}^{n}(u_{i}\,{\tilde {\omega }}^{i})\mathbf {e} _{j}=\sum _{i}u_{i}({\tilde {\omega }}^{i}(\mathbf {e} _{j}))=\sum _{i}u_{i}\delta ^{i}{}_{j}=u_{j}}

Questa relazione mostra come si può estrarre una singola componente di un funzionale lineare applicando il funzionale al corrispondente vettore di base.

Se V {\displaystyle V} possiede un prodotto interno, allora si può scrivere esplicitamente una formula per la base duale di una base data. Se e 1 , e 2 , e 3 {\displaystyle \mathbf {e} _{1},\mathbf {e} _{2},\mathbf {e} _{3}} è una base di V {\displaystyle V} , la base duale è:

ω ~ i ( v ) = 1 2 j = 1 3 k = 1 3 ε i j k ( e j × e k ) e 1 e 2 × e 3 , v i = 1 , 2 , 3 {\displaystyle {\tilde {\omega }}^{i}(\mathbf {v} )={1 \over 2}\,\left\langle {\sum _{j=1}^{3}\sum _{k=1}^{3}\varepsilon ^{ijk}\,(\mathbf {e} _{j}\times \mathbf {e} _{k}) \over \mathbf {e} _{1}\cdot \mathbf {e} _{2}\times \mathbf {e} _{3}},\mathbf {v} \right\rangle \qquad i=1,2,3}

dove ε i j k {\displaystyle \varepsilon ^{ijk}} è il simbolo di Levi-Civita e , {\displaystyle \langle ,\rangle } il prodotto interno su V {\displaystyle V} .

In dimensione maggiore:

ω ~ i ( v ) = 1 i 2 < i 3 < < i n n ε i i 2 i n ( e i 2 e i n ) ( e 1 e n ) , v {\displaystyle {\tilde {\omega }}^{i}(\mathbf {v} )=\left\langle {\frac {{\underset {{}^{1\leq i_{2}<i_{3}<\dots <i_{n}\leq n}}{\sum }}\varepsilon ^{ii_{2}\dots i_{n}}(\star \mathbf {e} _{i_{2}}\wedge \dots \wedge \mathbf {e} _{i_{n}})}{\star (\mathbf {e} _{1}\wedge \dots \wedge \mathbf {e} _{n})}},\mathbf {v} \right\rangle }

dove {\displaystyle \star } è l'operatore star di Hodge.

Note

  1. ^ a b Reed, Simon, Pag. 72.
  2. ^ Reed, Simon, Pag. 73.
  3. ^ Reed, Simon, Pag. 196.

Bibliografia

  • (EN) Michael Reed, Barry Simon, Methods of Modern Mathematical Physics, Vol. 1: Functional Analysis, 2ª ed., San Diego, California, Academic press inc., 1980, ISBN 0-12-585050-6.
  • (EN) Bishop, Richard; Goldberg, Samuel (1980), "Chapter 4", Tensor Analysis on Manifolds, Dover Publications, ISBN 0-486-64039-6
  • (EN) Halmos, Paul (1974), Finite dimensional vector spaces, Springer, ISBN 0-387-90093-4
  • (EN) Lax, Peter (1996), Linear algebra, Wiley-Interscience, ISBN 978-0-471-11111-5
  • (EN) Misner, Charles W.; Thorne, Kip. S.; Wheeler, John A. (1973), Gravitation, W. H. Freeman, ISBN 0-7167-0344-0
  • (EN) Rudin, Walter (1991), Functional Analysis, McGraw-Hill Science/Engineering/Math, ISBN 978-0-07-054236-5
  • (EN) Schutz, Bernard (1985), "Chapter 3", A first course in general relativity, Cambridge, UK: Cambridge University Press, ISBN 0-521-27703-5

Voci correlate

Collegamenti esterni

  • (EN) Eric W. Weisstein, Funzionale lineare, su MathWorld, Wolfram Research. Modifica su Wikidata
  • Fausto Sacerdote - Operatori lineari (PDF), su people.dicea.unifi.it. URL consultato il 22 febbraio 2014 (archiviato dall'url originale il 28 febbraio 2014).
  Portale Matematica: accedi alle voci di Wikipedia che trattano di matematica