Matrici non diagonalizzabili: teoria, metodo in 3 passi ed esercizi svolti per riconoscere il punto critico

Nel lavoro quotidiano di chi sviluppa algoritmi di simulazione fisica, finanza quantitativa o intelligenza artificiale, le matrici sono il motore di tutto.

Quando possiamo diagonalizzare una matrice, abbiamo un vantaggio enorme: il sistema si disaccoppia, i calcoli complessi come le potenze [math]n[/math]-esime ([math]A^n[/math]) diventano istantanei e l’architettura di calcolo gira alla massima velocità.

Ma cosa accade quando la matematica si rifiuta di collaborare?

Esistono casi specifici in cui una matrice perde pezzi: possiede meno direzioni indipendenti rispetto alla sua dimensione. In ingegneria e informatica, queste matrici vengono chiamate difettose (o, formalmente, non diagonalizzabili). Trovare il parametro preciso che spinge una matrice in questo stato critico non è solo un esercizio da esame di Algebra Lineare. È lo studio di un punto di rottura: il momento esatto in cui un sistema dinamico rischia di entrare in risonanza critica o in cui un algoritmo come la PCA (Principal Component Analysis) va in crisi numerica non potendo scomporre i dati.

Vediamo prima le basi operative e poi come individuare questo parametro, riconoscendo a colpo d’occhio i trabocchetti più comuni.

Le basi: autovalori, autovettori e perché vogliamo diagonalizzare

Per capire cosa si rompe in una matrice difettosa, dobbiamo avere chiaro cosa stiamo cercando di fare quando applichiamo una trasformazione lineare.

Autovettori: le direzioni di invarianza

Moltiplicare un vettore per una matrice cambia, di solito, sia la sua lunghezza che la sua direzione in uno spazio vettoriale. Esistono però delle direzioni privilegiate che non cambiano orientamento dopo la trasformazione: il vettore viene solo allungato, accorciato o ribaltato lungo la sua stessa retta. Questi vettori speciali sono gli autovettori.

Autovalori: i fattori di scala

Il numero che indica di quanto l’autovettore viene allungato o compresso si chiama autovalore (indicato con [math]\lambda[/math]). Se [math]\lambda = 2[/math], il vettore raddoppia; se [math]\lambda = -1[/math], mantiene la lunghezza ma inverte il verso; se [math]\lambda = 0[/math], il sistema sta perdendo un’intera dimensione (matrice singolare).

Diagonalizzazione: il cambio di prospettiva

Diagonalizzare una matrice significa semplicemente cambiare il sistema di riferimento, scegliendo un sistema di coordinate allineato esattamente con i suoi autovettori. In questa nuova “prospettiva”, la matrice si svuota: tutti i numeri fuori dalla diagonale principale diventano zeri, mentre sulla diagonale rimangono solo gli autovalori.

A cosa servono applicativamente?

Lavorare con matrici diagonali semplifica problemi computazionali altrimenti insormontabili:

• Machine Learning e Data Science (PCA): Nella Principal Component Analysis si calcolano gli autovettori della matrice di covarianza per identificare le direzioni di massima varianza dei dati. Questo permette di comprimere immagini o dataset con migliaia di variabili (ad esempio, il riconoscimento facciale) eliminando il rumore e conservando solo l’informazione essenziale.
• Sistemi Dinamici e Controllo: Se un drone o un braccio robotico deve calcolare una traiettoria per [math]1000[/math] istanti di tempo futuri, bisogna calcolare l’elevazione a potenza della matrice di transizione ([math]A^{1000}[/math]). Per una matrice normale il costo computazionale esplode; per una matrice diagonale, basta elevare a potenza i singoli numeri sulla diagonale.
• Ingegneria Strutturale e Meccanica: Gli autovalori delle equazioni differenziali di un ponte o di un edificio rappresentano le sue frequenze naturali di vibrazione. Se il vento o una scossa sismica stimola la struttura esattamente a quella frequenza, il sistema entra in risonanza e cede. Una matrice difettosa modella proprio uno stato limite critico di instabilità transitoria.

Il Metodo in 3 Passi: Il Caso Studio

Per capire il meccanismo di calcolo, affrontiamo un problema classico: determinare il valore del parametro [math]c[/math] affinché la matrice seguente abbia autovalori reali ma non sia diagonalizzabile:

[math]\displaystyle A = \begin{pmatrix} 1 & c \\ -1 & 3 \end{pmatrix}[/math]

La regola d’oro per le matrici 2×2

Una matrice reale di dimensione 2×2 non è diagonalizzabile se e solo se si verificano contemporaneamente due condizioni:

• Possiede un solo autovalore reale (molteplicità algebrica [math]m_a = 2[/math]).
• A questo autovalore corrisponde un solo autovettore linearmente indipendente (molteplicità geometrica [math]m_g = 1[/math]).

Il nostro obiettivo operativo è costringere il polinomio caratteristico ad avere una radice doppia e, successivamente, verificare che la matrice residua perda rango.

Passo 1: Il Polinomio Caratteristico

Imponiamo l’equazione caratteristica [math]\det(A – \lambda I) = 0[/math]:

[math]\displaystyle A – \lambda I = \begin{pmatrix} 1-\lambda & c \\ -1 & 3-\lambda \end{pmatrix}[/math]

Calcoliamo il determinante e raggruppiamo i termini:

[math]\displaystyle \det(A – \lambda I) = (1-\lambda)(3-\lambda) + c = \lambda^2 – 4\lambda + (3+c)[/math]

Passo 2: Condizione di coincidenza degli autovalori

Perché il polinomio quadratico [math]\lambda^2 – 4\lambda + (3+c)[/math] produca una singola radice reale doppia, il suo discriminante ([math]\Delta[/math]) deve annullarsi:

[math]\displaystyle \Delta = (-4)^2 – 4(1)(3+c) = 16 – 12 – 4c = 4(1-c)[/math]

Imponendo la condizione di annullamento [math]\Delta = 0[/math], otteniamo immediatamente il valore critico del parametro:

[math]\displaystyle c = 1[/math]

Passo 3: Verifica dello Spazio degli Autovettori ([math]m_g < m_a[/math])

Non basta che l’autovalore sia doppio; dobbiamo verificare cosa accade alla geometria del sistema quando [math]c = 1[/math]. Sostituendo il parametro, la matrice diventa:

[math]\displaystyle A = \begin{pmatrix} 1 & 1 \\ -1 & 3 \end{pmatrix}[/math]

Con questa configurazione, il polinomio caratteristico si riduce a [math](\lambda – 2)^2 = 0[/math], confermando l’autovalore unico [math]\lambda = 2[/math] con molteplicità algebrica pari a [math]2[/math].

Per trovare la dimensione dello spazio degli autovettori (la molteplicità geometrica [math]m_g[/math]), studiamo il nucleo della matrice residua [math](A – 2I)[/math]:

[math]\displaystyle A – 2I = \begin{pmatrix} -1 & 1 \\ -1 & 1 \end{pmatrix}[/math]

Il sistema omogeneo associato, [math](A – 2I)\mathbf{x} = 0[/math], si riduce all’unica equazione [math]-x + y = 0[/math], ossia [math]y = x[/math]. Lo spazio degli autovettori è quindi generato dal singolo vettore:

[math]\displaystyle \left\{ \begin{pmatrix} t \\ t \end{pmatrix} : t \in \mathbb{R} \right\}[/math]

Avendo un solo parametro libero ([math]t[/math]), lo spazio proprio ha dimensione [math]1[/math], quindi la molteplicità geometrica è [math]1[/math]. Poiché [math]m_g < m_a[/math] ([math]1 < 2[/math]), abbiamo la certezza matematica che la matrice non è diagonalizzabile per [math]c = 1[/math]. È diventata a tutti gli effetti una matrice difettosa.

Cosa succede al variare del Discriminante?

Per qualsiasi matrice reale 2×2, il segno del discriminante del polinomio caratteristico detta il comportamento fisico e geometrico del sistema:

Esercizi Avanzati Svolti

Perché questi esercizi insegnano più della teoria

Ogni esercizio avanzato che analizzeremo di seguito affronta un tranello specifico in cui cadono spesso studenti e analisti alle prime armi:

• Il tranello dell’Identità (Esercizio 2): Si pensa spesso che trovare un autovalore doppio con discriminante nullo significhi automaticamente avere una matrice non diagonalizzabile. L’esercizio dimostra il contrario: quando la molteplicità geometrica resiste e rimane pari al massimo possibile, la matrice è già diagonale in partenza.
• Il blocco di Jordan strutturale (Esercizio 3): Una matrice triangolare con un elemento non nullo fuori dalla diagonale rappresenta pura instabilità strutturale. Nessun valore del parametro potrà mai salvarla dalla sua natura difettosa.
• La sensibilità al parametro (Esercizi 1 e 4): Mostrano come un singolo numero possa agire come un interruttore di fase. Basta uno spostamento infinitesimo dal valore critico perché la matrice torni istantaneamente a essere stabile e diagonalizzabile.

Esercizio 1: Il parametro sulla diagonale

Testo:

Determinare [math]a[/math] affinché la matrice [math]A = \begin{pmatrix} a & 2 \\ -2 & 4 \end{pmatrix}[/math] non sia diagonalizzabile.

Soluzione:

Il polinomio caratteristico è [math]p(\lambda) = \lambda^2 – (a+4)\lambda + (4a+4)[/math].

Imponiamo il discriminante nullo per costringere gli autovalori a coincidere:

[math]\displaystyle \Delta = (a+4)^2 – 4(4a+4) = a^2 – 8a = a(a-8) = 0[/math]

I valori candidati sono [math]a = 0[/math] e [math]a = 8[/math].

Verifica per [math]a = 0[/math]: La matrice ha un autovalore doppio [math]\lambda = 2[/math]. La matrice residua per il calcolo degli autovettori diventa:

[math]\displaystyle A – 2I = \begin{pmatrix} -2 & 2 \\ -2 & 2 \end{pmatrix}[/math]

Questa matrice ha rango [math]1[/math] (le due righe sono identiche). La dimensione dello spazio degli autovettori è data dall’ordine della matrice meno il rango ([math]2 – 1 = 1[/math]). Poiché la molteplicità geometrica è inferiore a quella algebrica ([math]1 < 2[/math]), la matrice non è diagonalizzabile.

Verifica per [math]a = 8[/math]: L’autovalore doppio è [math]\lambda = 6[/math]. La matrice residua diventa:

[math]\displaystyle A – 6I = \begin{pmatrix} 2 & 2 \\ -2 & -2 \end{pmatrix}[/math]

Anche in questo caso il rango è [math]1[/math] (la seconda riga è l’opposto della prima), portando a una molteplicità geometrica pari a [math]1[/math].

Risposta finale: La matrice non è diagonalizzabile per [math]a = 0[/math] e [math]a = 8[/math].

Esercizio 2: Il trabocchetto della matrice scalare

Testo:

Per quali valori reali di [math]k[/math] la matrice [math]A = \begin{pmatrix} 2 & k \\ 1 & 2 \end{pmatrix}[/math] possiede autovalori reali e non è diagonalizzabile?

Soluzione:

Il polinomio caratteristico è [math](2-\lambda)^2 – k = \lambda^2 – 4\lambda + (4-k)[/math].

Il discriminante vale semplicemente [math]\Delta = 4k[/math]. Per avere un autovalore reale doppio, imponiamo [math]\Delta = 0[/math], che porta a [math]k = 0[/math].

Il discriminante misura la distanza tra le due radici del polinomio caratteristico. Quando diventa nullo significa che le due radici si fondono in un unico autovalore doppio, condizione necessaria affinché una matrice possa diventare difettosa.

Verifica per [math]k=0[/math]: Sostituendo il parametro nel testo originale, otteniamo la matrice:

[math]\displaystyle A = \begin{pmatrix} 2 & 0 \\ 0 & 2 \end{pmatrix} = 2I[/math]

Questa matrice è il doppio della matrice identità ed è già diagonale. Calcolando il sistema residuo [math]A – 2I[/math], otteniamo la matrice nulla, che ha rango [math]0[/math]. Lo spazio degli autovettori ha quindi dimensione massima ([math]2 – 0 = 2[/math]).

Risposta finale: Non esiste alcun valore reale di [math]k[/math] che renda la matrice difettosa con autovalori reali.

(Nota: per [math]k < 0[/math], il discriminante diventa negativo, producendo autovalori complessi. In quel caso la matrice non è diagonalizzabile nel campo dei numeri reali, ma torna a essere perfettamente diagonalizzabile nel campo dei numeri complessi).

Esercizio 3: L’instabilità indipendente dal parametro

Testo:

Determinare il parametro [math]m[/math] affinché la matrice [math]A = \begin{pmatrix} m & 1 \\ 0 & m \end{pmatrix}[/math] non sia diagonalizzabile.

Soluzione:

Trattandosi di una matrice triangolare superiore, gli autovalori si leggono direttamente sulla diagonale principale: abbiamo un autovalore doppio [math]\lambda = m[/math] per qualsiasi valore reale di [math]m[/math].

Studiamo il sistema lineare omogeneo [math](A – mI)\mathbf{x} = 0[/math]:

[math]\displaystyle \begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix} \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} 0 \\ 0 \end{pmatrix}[/math]

Moltiplicando righe per colonne, l’unica equazione sopravvissuta è rigorosamente [math]y = 0[/math]. Il vettore delle soluzioni dipende solo dalla variabile libera [math]x[/math], assumendo sempre la forma [math](t, 0)^T[/math]. La molteplicità geometrica è bloccata a [math]1[/math] indipendentemente dal numero che scegliamo di inserire al posto di [math]m[/math].

Risposta finale: La matrice non è mai diagonalizzabile, per qualsiasi valore [math]m \in \mathbb{R}[/math].

Esercizio 4: Parametro sull’antidiagonale

Testo:

Determinare tutti i valori di [math]t[/math] affinché la matrice [math]A = \begin{pmatrix} 1 & t \\ -4 & 5 \end{pmatrix}[/math] non sia diagonalizzabile.

Soluzione:

Calcoliamo l’equazione caratteristica:

[math]\displaystyle \det(A – \lambda I) = (1-\lambda)(5-\lambda) + 4t = \lambda^2 – 6\lambda + (5+4t) = 0[/math]

Il discriminante del polinomio è [math]\Delta = 36 – 4(5+4t) = 16 – 16t = 16(1-t)[/math].

Imponiamo [math]\Delta = 0[/math], da cui ricaviamo il parametro critico [math]t = 1[/math], che genera un autovalore doppio [math]\lambda = 3[/math].

Verifica del rango per [math]t=1[/math]:

Sostituendo [math]\lambda = 3[/math] e [math]t=1[/math] per trovare gli autovettori, la matrice residua diventa:

[math]\displaystyle A – 3I = \begin{pmatrix} -2 & 1 \\ -4 & 2 \end{pmatrix}[/math]

La seconda riga è esattamente il doppio della prima, indicando un rango pari a [math]1[/math]. Lo spazio degli autovettori ha dimensione [math]1[/math], confermando il difetto geometrico del sistema.

Risposta finale: L’unico valore che rende la matrice non diagonalizzabile è [math]t = 1[/math].

---