Guida Pratica al Calcolo del Determinante: Esercizi Svolti (2×2, 3×3, 4×4) e Sviluppo di Laplace

Esercizio 4: Sviluppo di Laplace

Prima parte: Spiegazione Approfondita dello Sviluppo di Laplace

Cos’è lo Sviluppo di Laplace?

Lo sviluppo di Laplace (o espansione di Laplace) è un metodo per calcolare il determinante di una matrice quadrata sviluppandolo lungo una riga o una colonna. È particolarmente utile per matrici di dimensione [math]3 \times 3[/math] o superiore.

Definizione formale:

Per una matrice [math]n \times n[/math] [math]A = [a_{ij}][/math], lo sviluppo lungo la [math]i[/math]-esima riga è:

[math]\det(A) = \sum_{j=1}^{n} a_{ij} \times (-1)^{i+j} \times \det(M_{ij})[/math]

dove [math]M_{ij}[/math] è la sottomatrice [math](n-1) \times (n-1)[/math] ottenuta eliminando la [math]i[/math]-esima riga e [math]j[/math]-esima colonna.

Terminologia:

• Complemento algebrico [math]C_{ij} = (-1)^{i+j} \times \det(M_{ij})[/math]
• Minore [math]M_{ij}[/math] = determinante della sottomatrice
• Regola del segno: [math](-1)^{i+j}[/math] crea una scacchiera di segni

Scacchiera dei segni per una matrice [math]3 \times 3[/math]:

[ +  -  + ]
[ -  +  - ]
[ +  -  + ]

Perché è utile?

• Riduce la complessità: Trasforma un problema [math]n \times n[/math] in problemi [math](n-1) \times (n-1)[/math]
• Strategico: Scegliendo righe/colonne con molti zeri, si semplifica il calcolo
• Ricorsivo: Si può applicare ripetutamente fino a matrici [math]2 \times 2[/math]

Seconda parte: Esercizio Risolto

Testo: Calcola il determinante della matrice:

E = [ 1  2  0 ]
    [ 3  1  4 ]
    [ 2  0  1 ]

usando strategicamente lo sviluppo di Laplace.

Analisi Strategica Preliminare

Matrice E:
Riga 1: [1, 2, 0] → 1 zero
Riga 2: [3, 1, 4] → 0 zeri
Riga 3: [2, 0, 1] → 1 zero

Colonna 1: [1, 3, 2] → 0 zeri
Colonna 2: [2, 1, 0] → 1 zero  
Colonna 3: [0, 4, 1] → 1 zero

Scelta ottimale: Sviluppo lungo la prima riga (o un’altra opzione con 1 zero).

Risoluzione Dettagliata

Passo 1: Formula dello sviluppo lungo la prima riga

[math]\det(E) = a_{11} \cdot C_{11} + a_{12} \cdot C_{12} + a_{13} \cdot C_{13}[/math]

Passo 2: Calcolo di [math]C_{11}[/math] (elemento [math]a_{11} = 1[/math])

[math]\displaystyle \begin{aligned}
M_{11} &= \begin{pmatrix} 1 & 4 \\ 0 & 1 \end{pmatrix} \\
\det(M_{11}) &= 1 \times 1 – 4 \times 0 = 1 \\
C_{11} &= (-1)^{1+1} \times 1 = 1
\end{aligned}[/math]

Passo 3: Calcolo di [math]C_{12}[/math] (elemento [math]a_{12} = 2[/math])

[math]\displaystyle \begin{aligned}
M_{12} &= \begin{pmatrix} 3 & 4 \\ 2 & 1 \end{pmatrix} \\
\det(M_{12}) &= 3 \times 1 – 4 \times 2 = 3 – 8 = -5 \\
C_{12} &= (-1)^{1+2} \times (-5) = -1 \times (-5) = 5
\end{aligned}[/math]

Passo 4: Calcolo di [math]C_{13}[/math] (elemento [math]a_{13} = 0[/math])

[math]\displaystyle \begin{aligned}
M_{13} &= \begin{pmatrix} 3 & 1 \\ 2 & 0 \end{pmatrix} \\
\det(M_{13}) &= 3 \times 0 – 1 \times 2 = -2 \\
C_{13} &= (-1)^{1+3} \times (-2) = -2
\end{aligned}[/math]

Passo 5: Calcolo finale

[math]\displaystyle \begin{aligned}
\det(E) &= 1 \times C_{11} + 2 \times C_{12} + 0 \times C_{13} \\
&= 1 \times 1 + 2 \times 5 + 0 \times (-2) \\
&= 1 + 10 + 0 \\
&= 11
\end{aligned}[/math]

Verifica con Sviluppo Alternativo

Sviluppo lungo la terza riga (per conferma):

[math]\det(E) = a_{31} \cdot C_{31} + a_{32} \cdot C_{32} + a_{33} \cdot C_{33}[/math]

[math]\displaystyle \begin{aligned}
C_{31} &= (-1)^{3+1} \times \det \begin{pmatrix} 2 & 0 \\ 1 & 4 \end{pmatrix} \\
&= 1 \times (2 \times 4 – 0 \times 1) = 8 \\
C_{32} &= (-1)^{3+2} \times \det \begin{pmatrix} 1 & 0 \\ 3 & 4 \end{pmatrix} \\
&= -1 \times (1 \times 4 – 0 \times 3) = -4 \\
C_{33} &= (-1)^{3+3} \times \det \begin{pmatrix} 1 & 2 \\ 3 & 1 \end{pmatrix} \\
&= 1 \times (1 \times 1 – 2 \times 3) = -5 \\
\det(E) &= 2 \times 8 + 0 \times (-4) + 1 \times (-5) \\
&= 16 + 0 – 5 \\
&= 11
\end{aligned}[/math]

Verifica con Python

import numpy as np

E = np.array([[1, 2, 0], [3, 1, 4], [2, 0, 1]])
det_E = np.linalg.det(E)
print(f"Determinante di E: {det_E}")
# Output: Determinante di E: 11.0

Risultato finale confermato: [math]\det(E) = 11[/math]

Terza parte: Osservazioni Strategiche e Domande di Riflessione

💡 Osservazioni Strategiche

1. Scelta ottimale della riga/colonna:
   • Cerca righe/colonne con il massimo numero di zeri.
   • Ogni zero elimina il calcolo di un complemento algebrico.
   • Nell’esempio: scelta tra 4 opzioni equivalenti (tutte con 1 zero).
2. Vantaggio computazionale:
   • Matrice [math]3 \times 3[/math]: senza zeri → 3 determinanti [math]2 \times 2[/math] da calcolare.
   • Con 1 zero → 2 determinanti [math]2 \times 2[/math] da calcolare (risparmio del 33%).
   • Con 2 zeri → 1 determinante [math]2 \times 2[/math] da calcolare (risparmio del 67%).
3. Strategia per matrici più grandi:
   • Usa operazioni elementari per creare zeri prima dello sviluppo.
   • Scegli sempre la riga/colonna con più zeri.
   • Applica ricorsivamente lo sviluppo fino a matrici [math]2 \times 2[/math].

Domande di Riflessione

1. Perché lo sviluppo di Laplace funziona con qualsiasi riga o colonna?Il teorema di Laplace garantisce che lo sviluppo lungo qualsiasi riga o colonna dia lo stesso risultato. Questo perché il determinante è una funzione multilineare alternante delle righe e colonne, una proprietà intrinseca e fondamentale.
2. Cosa succede se una riga/colonna ha tutti zeri?Se una riga o colonna ha tutti zeri, allora il determinante è 0. Questo perché nello sviluppo di Laplace tutti i termini [math]a_{ij} \cdot C_{ij}[/math] sarebbero zero, essendo [math]a_{ij}=0[/math] per ogni elemento della riga/colonna scelta.
3. Qual è il vantaggio principale dello sviluppo di Laplace rispetto al metodo di eliminazione di Gauss?Laplace: Più intuitivo, mostra la struttura algebrica, utile per dimostrazioni teoriche.Gauss: Più efficiente computazionalmente per matrici grandi ([math]O(n^3)[/math] vs [math]O(n!)[/math] per Laplace naive).
4. Come generalizzare a matrici [math]n \times n[/math]?Lo sviluppo di Laplace si generalizza naturalmente: per matrice [math]n \times n[/math], si ottengono [math]n[/math] determinanti [math](n-1) \times (n-1)[/math]. Si applica ricorsivamente fino a matrici [math]2 \times 2[/math].
5. Esercizio aggiuntivo: Cosa succederebbe al determinante se moltiplicassimo la prima riga per 2?

   Se E' = [2 4 0]
           [3 1 4]
           [2 0 1]

   Allora [math]\det(E’) = 2 \times \det(E) = 2 \times 11 = 22[/math]. Questa è la proprietà di linearità del determinante rispetto alle righe.

Risposte alle Domande di Riflessione

Domanda 1: Quale proprietà del determinante ci garantisce che se det(A) ≠ 0 allora il sistema è stabile?

Risposta approfondita: Il Teorema di Invertibilità

La proprietà fondamentale che collega il determinante alla stabilità di un sistema è il Teorema di Invertibilità:

Teorema: Una matrice quadrata [math]A[/math] è invertibile se e solo se [math]\det(A) \ne 0[/math].

Questa proprietà ha diverse implicazioni importanti per la stabilità del sistema:

• Sistemi lineari [math]Ax = b[/math]:
  • Se [math]\det(A) \ne 0[/math] → [math]A[/math] è invertibile → esiste una unica soluzione [math]x = A^{-1}b[/math]. Il sistema è stabile (ben definito).
  • Se [math]\det(A) = 0[/math] → [math]A[/math] non è invertibile → infinite soluzioni o nessuna soluzione. Il sistema è instabile (indeterminato o impossibile).
• Interpretazione geometrica:
  • [math]\det(A)[/math] rappresenta il fattore di scala dell’area ([math]\mathbb{R}^2[/math]) o del volume ([math]\mathbb{R}^3[/math]) dopo la trasformazione.
  • [math]\det(A) = 0[/math] significa che la matrice “appiattisce” lo spazio, riducendo la dimensionalità (ad esempio, un volume diventa un’area o una retta).
• Applicazione pratica: Se [math]\det(A) \ne 0[/math], la trasformazione lineare associata ad [math]A[/math] è reversibile, garantendo che l’input possa essere ricostruito dall’output senza ambiguità.

Domanda 2: Perché il determinante di una matrice triangolare è semplicemente il prodotto degli elementi diagonali?

Risposta: Lo Sviluppo Ricorsivo di Laplace

Sviluppo matematico:

Consideriamo una matrice triangolare superiore [math]3 \times 3[/math]:

[math]A = \begin{pmatrix} a_{11} & a_{12} & a_{13} \\ 0 & a_{22} & a_{23} \\ 0 & 0 & a_{33} \end{pmatrix}[/math]

Applicando lo sviluppo di Laplace lungo la prima colonna (quella con più zeri nella parte non diagonale):

[math]\displaystyle \begin{aligned}
\det(A) &= a_{11} \times C_{11} + 0 \times C_{21} + 0 \times C_{31} \\
\det(A) &= a_{11} \times \det \begin{pmatrix} a_{22} & a_{23} \\ 0 & a_{33} \end{pmatrix} \\
&{} \quad \text{(Il secondo e terzo termine sono zero)} \\
\det(A) &= a_{11} \times (a_{22} \times a_{33} – a_{23} \times 0) \\
\det(A) &= a_{11} \times a_{22} \times a_{33}
\end{aligned}[/math]

Interpretazione geometrica:

In una matrice triangolare, la trasformazione agisce principalmente scalando ogni componente. Il determinante, che misura la variazione di volume, è il prodotto dei fattori di scala individuali, ovvero gli elementi sulla diagonale.

Generalizzazione:

Per induzione, per una matrice triangolare [math]n \times n[/math], il determinante è sempre il prodotto degli elementi diagonali:

[math]\det(A) = a_{11} \times a_{22} \times \dots \times a_{nn}[/math]

Domanda 3: Cosa succederebbe al determinante se moltiplicassimo una matrice per il suo inverso?

Risposta: La Relazione di Scala con l’Inverso

Si applica il Teorema di Binet: [math]\det(A \cdot B) = \det(A) \cdot \det(B)[/math].

Se [math]A[/math] è invertibile ([math]\det(A) \ne 0[/math]), allora [math]A \cdot A^{-1} = I[/math] (matrice identità). Sappiamo che [math]\det(I) = 1[/math].

[math]\displaystyle \begin{aligned}
\det(A \cdot A^{-1}) &= \det(I) \\
\det(A) \times \det(A^{-1}) &= 1
\end{aligned}[/math]

Da cui otteniamo la formula fondamentale:

[math]\det(A^{-1}) = \frac{1}{\det(A)}[/math]

Interpretazioni:

• Relazione di scala: Se la matrice [math]A[/math] dilata lo spazio di un fattore [math]k = \det(A)[/math], allora l’inversa [math]A^{-1}[/math] lo comprime esattamente del fattore [math]1/k[/math], riportando il volume all’unità (volume originale).
• Esempio numerico: Se [math]\det(A) = 4[/math], allora [math]\det(A^{-1}) = 1/4 = 0.25[/math].
• Caso particolare: Le matrici di rotazione hanno [math]\det(A) = 1[/math], quindi anche [math]\det(A^{-1}) = 1[/math]. Le rotazioni preservano i volumi in entrambe le direzioni.

Domanda 4: Perché nello sviluppo di Laplace conviene scegliere righe/colonne con molti zeri?

Risposta: Analisi Computazionale

Lo sviluppo di Laplace lungo una riga [math]i[/math] è definito come:

[math]\det(A) = \sum_{j=1}^{n} a_{ij} \times C_{ij}[/math]

dove [math]C_{ij}[/math] è il complemento algebrico. Se l’elemento [math]a_{ij}[/math] è zero, allora l’intero termine nella sommatoria è zero:

[math]a_{ij} \times C_{ij} = 0 \times C_{ij} = 0[/math]

Vantaggi:

• Riduzione del numero di calcoli: Ogni zero elimina il calcolo di un intero determinante [math](n-1) \times (n-1)[/math] e le relative moltiplicazioni.
• Esempio concreto [math]4 \times 4[/math]:
  • Sviluppo normale (0 zeri): 4 determinanti [math]3 \times 3[/math] da calcolare.
  • Sviluppo su una riga con 3 zeri: 1 solo determinante [math]3 \times 3[/math] da calcolare.

La strategia ottimale è quindi cercare la riga/colonna con il maggior numero di zeri o utilizzare operazioni elementari per crearne prima dello sviluppo.

Domanda 5: Quali operazioni elementari sulle righe modificano il determinante e come?

Risposta: Classificazione degli Effetti

Le tre operazioni elementari sulle righe influenzano il determinante in modi specifici:

1. Scambio di due righe ([math]R_i \leftrightarrow R_j[/math]):
   [math]\det(nuova) = – \det(originale)[/math]Effetto: Cambia il segno del determinante (corrisponde a un cambio di orientamento nello spazio).
2. Moltiplicazione di una riga per uno scalare [math]k \ne 0[/math] ([math]R_i \to k \cdot R_i[/math]):
   [math]\det(nuova) = k \times \det(originale)[/math]Effetto: Il determinante viene moltiplicato per lo scalare [math]k[/math] (corrisponde a una scalatura in una dimensione).
3. Sostituzione di una riga con sé stessa più un multiplo di un’altra riga ([math]R_i \to R_i + k \cdot R_j[/math]):
   [math]\det(nuova) = \det(originale)[/math]Effetto: Il determinante non cambia (questa è l’operazione chiave utilizzata nell’eliminazione di Gauss per creare zeri).

Strategia pratica: Nel calcolo manuale e nell’eliminazione di Gauss, si preferiscono le operazioni di tipo 3 per creare zeri, poiché mantengono il valore assoluto del determinante, semplificando il calcolo finale.

Domanda 6: Come potremmo generalizzare lo sviluppo di Laplace per matrici di qualsiasi dimensione?

Risposta: Ricorsività e Algoritmi Numerici

Lo sviluppo di Laplace si generalizza in modo naturale a una matrice [math]n \times n[/math] attraverso una procedura ricorsiva:

1. Caso Base: [math]n=2[/math]. [math]\det(A) = a_{11}a_{22} – a_{12}a_{21}[/math].
2. Passo Ricorsivo: Per [math]n > 2[/math], si sceglie una riga o colonna e si applica la formula di Laplace. Ciò riduce il problema a [math]n[/math] calcoli di determinanti di matrici [math](n-1) \times (n-1)[/math].

La formula generale di Laplace rimane:

[math]\det(A) = \sum_{j=1}^{n} a_{ij} \times C_{ij}[/math]

Implementazione efficiente per matrici grandi:

A causa della complessità computazionale [math]O(n!)[/math] di Laplace, per matrici grandi si utilizza il metodo di eliminazione di Gauss, basato sulle proprietà delle operazioni elementari (Domanda 5), che ha una complessità di [math]O(n^3)[/math]:

1. Riduci la matrice a forma triangolare ([math]U[/math]) usando le operazioni elementari.
2. Tieni traccia dei fattori di scala [math]k[/math] (tipo 2) e dei cambi di segno (tipo 1).
3. Il determinante è dato dal prodotto degli elementi diagonali di [math]U[/math], aggiustato per i fattori accumulati:
   [math]\det(A) = (-1)^{\text{scambi}} \times \frac{1}{\prod k} \times \prod_{i=1}^{n} u_{ii}[/math]