Rango di Matrici: Guida Completa con Esercizi, Teoria (Rouché-Capelli, Invertibilità, Vandermonde) e Applicazioni

26 Aprile 2025 matematicaoltre Le matrici 0

Cerca nel sito

Altri risultati..

Generic selectors
Exact matches only
Search in title
Search in content
Post Type Selectors

Cerca nelle Categorie

Rango di Matrici La Guida Essenziale

Rango di Matrici: 6 Esercizi Progressivi

Il rango di una matrice è una proprietà fondamentale che ne descrive la “dimensione” intrinseca in termini di indipendenza lineare. È definito come il massimo numero di righe linearmente indipendenti o, equivalentemente, il massimo numero di colonne linearmente indipendenti. Il rango è un concetto cruciale in algebra lineare, con applicazioni nella risoluzione di sistemi lineari, nella determinazione dell’invertibilità di una matrice e nell’analisi degli spazi vettoriali associati.

👉Il rango di una matrice

Esercizio 1 (Facile): Rango per Dipendenza Lineare

Problema: Determina il rango della seguente matrice:

[math]A=\begin{pmatrix} 1 & 2 \\ 3 & 6 \end{pmatrix}[/math]

Soluzione:

1. Definizione di rango:

Il rango di una matrice è il massimo numero di righe (o colonne) linearmente indipendenti.

2. Verifica della dipendenza lineare tra le righe:

Le righe della matrice [math]A[/math] sono [math]r_1=(1,2)[/math] e [math]r_2=(3,6)[/math]. Osserviamo se una riga può essere espressa come multiplo scalare dell’altra. Notiamo che [math]r_2 = 3 \times (1,2) = (3,6)[/math]. Quindi, [math]r_2 = 3r_1[/math]. Le due righe sono linearmente dipendenti.

3. Conclusione sul rango:

Poiché le due righe non sono linearmente indipendenti (una è multiplo dell’altra), il massimo numero di righe linearmente indipendenti è [math]1[/math]. Quindi, il rango della matrice [math]A[/math] è [math]1[/math].

Risposte: [math]\text{rango}(A) = 1[/math].

Esercizio 2 (Facile-Medio): Rango tramite Determinante di Matrice Quadrata

Problema: Calcola il rango della matrice:

[math]B=\begin{pmatrix} 1 & 0 & 2 \\ 0 & 1 & 3 \\ 2 & 3 & 10 \end{pmatrix}[/math]

Teoria:

Il rango di una matrice [math]m \times n[/math] è uguale all’ordine del più grande minore (sottomatrice quadrata con lo stesso numero di righe e colonne) il cui determinante è non nullo. Se il determinante della matrice stessa (se quadrata) è non nullo, il rango è uguale alla sua dimensione.

Soluzione:

1. Verificare se il rango è 3:

La matrice [math]B[/math] è quadrata di dimensione [math]3 \times 3[/math]. Se il suo determinante è non nullo, allora il rango è [math]3[/math]. Calcoliamo il determinante di [math]B[/math] (ad esempio, usando la regola di Sarrus o lo sviluppo di Laplace lungo la prima riga):

[math]\det(B) = 1 \cdot \det\begin{pmatrix} 1 & 3 \\ 3 & 10 \end{pmatrix} – 0 \cdot \det\begin{pmatrix} 0 & 3 \\ 2 & 10 \end{pmatrix} + 2 \cdot \det\begin{pmatrix} 0 & 1 \\ 2 & 3 \end{pmatrix}[/math]

[math]\det(B) = 1 \cdot (1 \cdot 10 – 3 \cdot 3) – 0 + 2 \cdot (0 \cdot 3 – 1 \cdot 2)[/math]

[math]\det(B) = 1 \cdot (10 – 9) + 2 \cdot (0 – 2)[/math]

[math]\det(B) = 1 \cdot 1 + 2 \cdot (-2)[/math]

[math]\det(B) = 1 – 4 = -3[/math]

2. Conclusione sul rango:

Poiché il determinante di [math]B[/math] è [math]-3[/math], che è diverso da [math]0[/math], la matrice [math]B[/math] ha rango massimo possibile per una matrice [math]3 \times 3[/math]. Quindi, il rango di [math]B[/math] è [math]3[/math].

Risposte: [math]\text{rango}(B) = 3[/math].

👉Rango e minori di una matrice: Esercizi Svolti

Esercizio 3 (Medio): Rango di Matrice con Parametro tramite Determinante

Problema: Trova il rango della matrice [math]C[/math] al variare di [math]k \in \mathbb{R}[/math]:

[math]C=\begin{pmatrix} 1 & k & 1 \\ k & 1 & 1 \\ 1 & 1 & k \end{pmatrix}[/math]

Teoria:

Per una matrice quadrata con un parametro, il rango è massimo (uguale alla sua dimensione) se il determinante è non nullo. I valori del parametro per cui il determinante è nullo indicano i casi in cui il rango è inferiore alla dimensione. Per trovare il rango in questi casi, si deve verificare l’esistenza di minori di dimensione inferiore con determinante non nullo.

Soluzione:

1. Calcolo del determinante:

Calcoliamo il determinante della matrice [math]C[/math] in funzione di [math]k[/math] (sviluppo lungo la prima riga):

[math]\det(C) = 1 \cdot \det\begin{pmatrix} 1 & 1 \\ 1 & k \end{pmatrix} – k \cdot \det\begin{pmatrix} k & 1 \\ 1 & k \end{pmatrix} + 1 \cdot \det\begin{pmatrix} k & 1 \\ 1 & 1 \end{pmatrix}[/math]

[math]\det(C) = 1 \cdot (1 \cdot k – 1 \cdot 1) – k \cdot (k \cdot k – 1 \cdot 1) + 1 \cdot (k \cdot 1 – 1 \cdot 1)[/math]

[math]\det(C) = (k – 1) – k(k^2 – 1) + (k – 1)[/math]

[math]\det(C) = k – 1 – k^3 + k + k – 1[/math]

[math]\det(C) = -k^3 + 3k – 2[/math]

2. Trovare i valori di [math]k[/math] per cui il determinante è nullo:

Il rango è inferiore a [math]3[/math] se [math]\det(C) = 0[/math]. Cerchiamo le radici del polinomio [math]-k^3 + 3k – 2 = 0[/math]. Possiamo provare i divisori del termine noto [math]-2[/math] ([math]\pm 1, \pm 2[/math]).

  • Per [math]k=1[/math]: [math]-(1)^3 + 3(1) – 2 = -1 + 3 – 2 = 0[/math]. Quindi [math]k=1[/math] è una radice.
  • Per [math]k=-2[/math]: [math]-(-2)^3 + 3(-2) – 2 = -(-8) – 6 – 2 = 8 – 6 – 2 = 0[/math]. Quindi [math]k=-2[/math] è una radice.

Poiché [math]k=1[/math] è una radice e il polinomio è di grado [math]3[/math], possiamo dividere per [math](k-1)[/math] (o notare che [math]-k^3+3k-2 = -(k-1)^2(k+2)[/math]). Le radici sono [math]k=1[/math] (con molteplicità [math]2[/math]) e [math]k=-2[/math] (con molteplicità [math]1[/math]).

3. Analizzare i casi per il rango:

  • Caso 1: [math]k \neq 1[/math] e [math]k \neq -2[/math]. In questi casi, [math]\det(C) \neq 0[/math]. Poiché il determinante della matrice [math]3 \times 3[/math] non è nullo, il rango è [math]3[/math]. [math]\text{rango}(C) = 3[/math].
  • Caso 2: [math]k = 1[/math]. La matrice diventa:

    [math]C=\begin{pmatrix} 1 & 1 & 1 \\ 1 & 1 & 1 \\ 1 & 1 & 1 \end{pmatrix}[/math]

    Tutte le righe sono identiche e non nulle. Solo una riga è linearmente indipendente. [math]\text{rango}(C) = 1[/math].

  • Caso 3: [math]k = -2[/math]. La matrice diventa:

    [math]C=\begin{pmatrix} 1 & -2 & 1 \\ -2 & 1 & 1 \\ 1 & 1 & -2 \end{pmatrix}[/math]

    Il determinante è [math]0[/math], quindi il rango è inferiore a [math]3[/math]. Verifichiamo se il rango è [math]2[/math] cercando un minore [math]2 \times 2[/math] con determinante non nullo. Consideriamo il minore formato dalle prime due righe e prime due colonne:

    [math]\det\begin{pmatrix} 1 & -2 \\ -2 & 1 \end{pmatrix} = 1 \cdot 1 – (-2) \cdot (-2) = 1 – 4 = -3[/math]

    Poiché questo minore [math]2 \times 2[/math] ha determinante non nullo ([math]-3 \neq 0[/math]), esistono almeno due righe linearmente indipendenti. Quindi, il rango è [math]2[/math]. [math]\text{rango}(C) = 2[/math].

Risposte: Il rango della matrice [math]C[/math] è [math]3[/math] se [math]k \neq 1[/math] e [math]k \neq -2[/math]; è [math]1[/math] se [math]k = 1[/math]; ed è [math]2[/math] se [math]k = -2[/math].

Esercizio 4 (Medio-Difficile): Rango tramite Eliminazione di Gauss

Problema: Determina il rango della matrice [math]D[/math] usando l’eliminazione di Gauss:

[math]D=\begin{pmatrix} 1 & 2 & 3 & 4 \\ 2 & 4 & 6 & 8 \\ 1 & 0 & 1 & 0 \\ 0 & 1 & 0 & 1 \end{pmatrix}[/math]

Teoria:

Le operazioni elementari sulle righe (scambiare righe, moltiplicare una riga per uno scalare non nullo, sommare un multiplo di una riga a un’altra riga) non cambiano il rango di una matrice. L’eliminazione di Gauss utilizza queste operazioni per trasformare la matrice in forma a scala (o forma ridotta a scala). Il rango della matrice originale è uguale al numero di righe non nulle nella sua forma a scala.

Soluzione:

1. Applicare l’eliminazione di Gauss:

Partiamo dalla matrice [math]D[/math]:

[math]\begin{pmatrix} 1 & 2 & 3 & 4 \\ 2 & 4 & 6 & 8 \\ 1 & 0 & 1 & 0 \\ 0 & 1 & 0 & 1 \end{pmatrix}[/math]

Sottraiamo [math]2[/math] volte la prima riga dalla seconda ([math]r_2 \leftarrow r_2 – 2r_1[/math]):

[math]\begin{pmatrix} 1 & 2 & 3 & 4 \\ 0 & 0 & 0 & 0 \\ 1 & 0 & 1 & 0 \\ 0 & 1 & 0 & 1 \end{pmatrix}[/math]

Sottraiamo la prima riga dalla terza ([math]r_3 \leftarrow r_3 – r_1[/math]):

[math]\begin{pmatrix} 1 & 2 & 3 & 4 \\ 0 & 0 & 0 & 0 \\ 0 & -2 & -2 & -4 \\ 0 & 1 & 0 & 1 \end{pmatrix}[/math]

Scambiamo la seconda e la quarta riga per portare una riga non nulla nella seconda posizione ([math]r_2 \leftrightarrow r_4[/math]):

[math]\begin{pmatrix} 1 & 2 & 3 & 4 \\ 0 & 1 & 0 & 1 \\ 0 & -2 & -2 & -4 \\ 0 & 0 & 0 & 0 \end{pmatrix}[/math]

Sommiamo [math]2[/math] volte la seconda riga alla terza ([math]r_3 \leftarrow r_3 + 2r_2[/math]):

[math]\begin{pmatrix} 1 & 2 & 3 & 4 \\ 0 & 1 & 0 & 1 \\ 0 & 0 & -2 & -2 \\ 0 & 0 & 0 & 0 \end{pmatrix}[/math]

La matrice è ora in forma a scala. Le righe non nulle sono la prima, la seconda e la terza.

2. Conteggio delle righe non nulle:

Ci sono [math]3[/math] righe non nulle nella forma a scala ([math](1, 2, 3, 4)[/math], [math](0, 1, 0, 1)[/math], [math](0, 0, -2, -2)[/math]). Il numero di righe non nulle nella forma a scala è uguale al rango della matrice originale.

Risposte: [math]\text{rango}(D) = 3[/math].

Esercizio 5 (Difficile): Rango di Matrice non Quadrata con Parametro

Problema: Determina il rango della matrice [math]E[/math] al variare di [math]\lambda \in \mathbb{R}[/math]:

[math]E=\begin{pmatrix} 1 & \lambda & 0 & 1 \\ 0 & 1 & \lambda & 1 \\ \lambda & 0 & 1 & 1 \end{pmatrix}[/math]

Teoria:

Il rango di una matrice [math]m \times n[/math] è al massimo [math]\min(m, n)[/math]. Per determinare il rango di una matrice con un parametro, si può cercare il più grande minore quadrato il cui determinante dipende dal parametro. I valori del parametro che annullano questo determinante sono critici. Per questi valori, si deve poi verificare l’esistenza di minori di dimensione inferiore con determinante non nullo.

Soluzione:

1. Trovare il rango massimo possibile:

La matrice [math]E[/math] è di dimensione [math]3 \times 4[/math]. Il rango massimo possibile è [math]\min(3, 4) = 3[/math]. Il rango sarà [math]3[/math] se esiste almeno un minore [math]3 \times 3[/math] con determinante non nullo.

2. Calcolare il determinante di un minore [math]3 \times 3[/math] dipendente da [math]\lambda[/math]:

Consideriamo il minore formato dalle prime tre colonne della matrice [math]E[/math]:

[math]\det\begin{pmatrix} 1 & \lambda & 0 \\ 0 & 1 & \lambda \\ \lambda & 0 & 1 \end{pmatrix}[/math]

Calcoliamo il determinante (sviluppo lungo la prima colonna):

[math]\det = 1 \cdot \det\begin{pmatrix} 1 & \lambda \\ 0 & 1 \end{pmatrix} – 0 \cdot \det\begin{pmatrix} \lambda & 0 \\ 0 & 1 \end{pmatrix} + \lambda \cdot \det\begin{pmatrix} \lambda & 0 \\ 1 & \lambda \end{pmatrix}[/math]

[math]\det = 1 \cdot (1 \cdot 1 – \lambda \cdot 0) – 0 + \lambda \cdot (\lambda \cdot \lambda – 0 \cdot 1)[/math]

[math]\det = 1 \cdot 1 + \lambda \cdot (\lambda^2)[/math]

[math]\det = 1 + \lambda^3[/math]

3. Trovare i valori di [math]\lambda[/math] per cui il determinante è nullo:

Il determinante di questo minore [math]3 \times 3[/math] è nullo quando [math]1 + \lambda^3 = 0[/math], che ha come unica soluzione reale [math]\lambda = -1[/math].

4. Analizzare i casi per il rango:

  • Caso 1: [math]\lambda \neq -1[/math]. In questo caso, il determinante del minore formato dalle prime tre colonne è non nullo. Poiché esiste un minore [math]3 \times 3[/math] con determinante non nullo, il rango della matrice [math]E[/math] è [math]3[/math]. [math]\text{rango}(E) = 3[/math].
  • Caso 2: [math]\lambda = -1[/math]. La matrice [math]E[/math] diventa:

    [math]E=\begin{pmatrix} 1 & -1 & 0 & 1 \\ 0 & 1 & -1 & 1 \\ -1 & 0 & 1 & 1 \end{pmatrix}[/math]

    Il determinante del minore formato dalle prime tre colonne è [math]0[/math]. Il rango è quindi inferiore a [math]3[/math]. Verifichiamo se il rango è [math]2[/math] cercando un minore [math]2 \times 2[/math] con determinante non nullo. Consideriamo il minore formato dalle prime due righe e prime due colonne:

    [math]\det\begin{pmatrix} 1 & -1 \\ 0 & 1 \end{pmatrix} = 1 \cdot 1 – (-1) \cdot 0 = 1 – 0 = 1[/math]

    Poiché questo minore [math]2 \times 2[/math] ha determinante non nullo ([math]1 \neq 0[/math]), esistono almeno due righe linearmente indipendenti. Quindi, il rango è almeno [math]2[/math]. Dato che è inferiore a [math]3[/math], il rango è esattamente [math]2[/math]. [math]\text{rango}(E) = 2[/math].

Risposte: Il rango della matrice [math]E[/math] è [math]3[/math] se [math]\lambda \neq -1[/math], ed è [math]2[/math] se [math]\lambda = -1[/math].

Esercizio 6 (Completo con Dimostrazione): Rango e Determinante di Vandermonde

Matrice di Vandermonde:

[math]F=\begin{pmatrix} 1 & a & a^2 \\ 1 & b & b^2 \\ 1 & c & c^2 \end{pmatrix}[/math]

Tesi:

[math]\text{rango}(F)=3 \text{ se e solo se } a,b,c \text{ sono distinti.}[/math]

Dimostrazione passo a passo:

1. Formula del determinante di Vandermonde:

Vogliamo dimostrare che:

[math]\det(F)=(b-a)(c-a)(c-b).[/math]

Passo 1: Sviluppo del determinante

Calcoliamo [math]\det(F)[/math] con la regola di Laplace (sviluppo lungo la prima riga):

[math]\det(F)=1\cdot\begin{vmatrix} b & b^2 \\ c & c^2 \end{vmatrix}-a\cdot\begin{vmatrix} 1 & b^2 \\ 1 & c^2 \end{vmatrix}+a^2\cdot\begin{vmatrix} 1 & b \\ 1 & c \end{vmatrix}.[/math]

Passo 2: Calcolo dei minori 2×2:

[math]\begin{vmatrix} b & b^2 \\ c & c^2 \end{vmatrix} = bc^2 – b^2c = bc(c-b),[/math]

[math]\begin{vmatrix} 1 & b^2 \\ 1 & c^2 \end{vmatrix} = c^2 – b^2 = (c-b)(c+b),[/math]

[math]\begin{vmatrix} 1 & b \\ 1 & c \end{vmatrix} = c – b.[/math]

Passo 3: Sostituzione nell’espressione di [math]\det(F)[/math]:

[math]\det(F)=bc(c-b)-a(c-b)(c+b)+a^2(c-b).[/math]

Passo 4: Raccogliamo il fattore comune [math](c-b)[/math]:

[math]\det(F)=(c-b)[bc-a(c+b)+a^2].[/math]

Semplifichiamo l’espressione tra parentesi quadre:

[math]bc-ac-ab+a^2=a^2-ab-ac+bc=(a^2-ab)-(ac-bc)=a(a-b)-c(a-b)=(a-b)(a-c).[/math]

Passo 5: Risultato finale:

Quindi:

[math]\det(F)=(c-b)(a-b)(a-c).[/math]

Questa espressione è equivalente a [math](b-a)(c-a)(c-b)[/math] scambiando i segni di due fattori ([math](a-b)=-(b-a)[/math], [math](a-c)=-(c-a)[/math], e [math](-1)(-1)=1[/math]).

Osservazione:

Il determinante è il prodotto delle differenze tra le coppie di elementi [math]a, b, c[/math].

2. Collegamento al rango:

Il rango di una matrice quadrata è massimo (uguale alla sua dimensione) se e solo se il suo determinante è non nullo.

  • Se [math]a, b, c[/math] sono distinti: Nessuno dei fattori [math](b-a)[/math], [math](c-a)[/math], [math](c-b)[/math] nel determinante è zero. Quindi, [math]\det(F) \neq 0[/math]. Poiché il determinante della matrice [math]3 \times 3[/math] è non nullo, la matrice è invertibile e il suo rango è [math]3[/math]. [math]\text{rango}(F)=3[/math].
  • Se due valori coincidono (es. [math]a=b[/math], con [math]a \neq c[/math]): Il fattore [math](b-a)=0[/math], quindi [math]\det(F)=0[/math]. Questo implica che il rango è inferiore a [math]3[/math]. La matrice ha due righe uguali (riga 1 e riga 2), che sono linearmente dipendenti. Verifichiamo se il rango è [math]2[/math] cercando un minore [math]2 \times 2[/math] con determinante non nullo. Consideriamo il minore formato dalle prime due colonne e righe 1 e 3:

    [math]\det\begin{pmatrix} 1 & a \\ 1 & c \end{pmatrix} = 1 \cdot c – a \cdot 1 = c – a[/math]

    Dato che [math]a \neq c[/math] nel caso considerato, questo determinante è non nullo ([math]c-a \neq 0[/math]). L’esistenza di un minore [math]2 \times 2[/math] non nullo garantisce che il rango sia almeno [math]2[/math]. Poiché il rango è inferiore a [math]3[/math], in questo caso [math]\text{rango}(F)=2[/math].

  • Se [math]a=b=c[/math]: Tutti i fattori nel determinante sono zero, quindi [math]\det(F)=0[/math]. Tutte le righe della matrice sono uguali ([math]\begin{pmatrix} 1 & a & a^2 \\ 1 & a & a^2 \\ 1 & a & a^2 \end{pmatrix}[/math]). C’è solo una riga non nulla linearmente indipendente. Quindi [math]\text{rango}(F)=1[/math].

Conclusione:

Riassumendo i risultati:

[math]\text{rango}(F)=\begin{cases} 3 & \text{se } a,b,c \text{ sono distinti} \\ 2 & \text{se esattamente due valori coincidono} \\ 1 & \text{se } a=b=c. \end{cases}[/math]

Pertanto, [math]\text{rango}(F)=3[/math] se e solo se [math]a, b, c[/math] sono distinti.

Note teoriche:

  • Una matrice di Vandermonde [math]n \times n[/math] con elementi [math]x_1, x_2, \dots, x_n[/math] ha determinante dato dal prodotto delle differenze tra tutti i possibili paia di elementi: [math]\det(V) = \prod_{1 \le i < j \le n} (x_j – x_i)[/math].
  • Il rango di una matrice di Vandermonde è massimo ([math]n[/math]) se e solo se tutti gli elementi [math]x_i[/math] sono distinti, perché il determinante è non nullo se e solo se tutti i fattori [math](x_j – x_i)[/math] sono non nulli.
  • Questo risultato è cruciale in aree come l’interpolazione polinomiale (esiste un unico polinomio di grado [math]n-1[/math] che passa per [math]n[/math] punti distinti [math](x_i, y_i)[/math]), l’algebra lineare e la teoria dei sistemi lineari.

Questi esercizi hanno illustrato vari metodi per determinare il rango di una matrice, tra cui la verifica della dipendenza lineare, il calcolo del determinante di minori, l’eliminazione di Gauss e l’analisi di matrici con parametri e strutture speciali come quella di Vandermonde, con un focus sulla dimostrazione formale nell’ultimo esercizio.

Suggerimenti per un Maggiore Approfondimento sul Rango di Matrice

Dopo aver esplorato il concetto di rango di una matrice e il suo calcolo, è utile collegarlo ad altri aspetti fondamentali dell’algebra lineare per apprezzarne appieno l’importanza. Il rango è un concetto centrale che unifica diverse aree di questa disciplina.

1. Connessione con i Sistemi Lineari: Teorema di Rouché-Capelli

Il rango di una matrice è cruciale per determinare se un sistema di equazioni lineari ammette soluzioni e quante. Dato un sistema lineare generale di [math]m[/math] equazioni in [math]n[/math] incognite:

[math]A\mathbf{x} = \mathbf{b}[/math]

dove:

  • [math]A[/math] è la matrice dei coefficienti ([math]m \times n[/math]),
  • [math]\mathbf{x}[/math] è il vettore colonna delle incognite ([math]n \times 1[/math]),
  • [math]\mathbf{b}[/math] è il vettore colonna dei termini noti ([math]m \times 1[/math]),
  • [math][A|\mathbf{b}][/math] è la matrice aumentata ([math]m \times (n+1)[/math]), ottenuta affiancando [math]\mathbf{b}[/math] ad [math]A[/math].

Il Teorema di Rouché-Capelli stabilisce le seguenti condizioni basate sul rango:

  • Esistenza di soluzioni (Compatibilità): Il sistema è compatibile (cioè, ha almeno una soluzione) se e solo se il rango della matrice dei coefficienti è uguale al rango della matrice aumentata:[math]\text{rango}(A) = \text{rango}([A|\mathbf{b}])[/math]
  • Unicità o Infinite Soluzioni: Se il sistema è compatibile, possiamo distinguere tra soluzione unica e infinite soluzioni in base al numero di incognite [math]n[/math]:
    • La soluzione è unica se e solo se il rango della matrice dei coefficienti è uguale al numero di incognite:[math]\text{rango}(A) = n[/math]

      (In questo caso, [math]\text{rango}([A|\mathbf{b}])[/math] sarà anch’esso uguale a [math]n[/math]).

    • Altrimenti, se [math]\text{rango}(A) = \text{rango}([A|\mathbf{b}]) < n[/math], il sistema ha [math]\mathbf{\infty^{n – \text{rango}(A)}}[/math] soluzioni, dipendenti da [math]n – \text{rango}(A)[/math] parametri liberi.

Esempio:

Consideriamo il sistema:

[math]\begin{cases} x + y = 1 \\ 2x + 2y = 3 \end{cases}[/math]

La matrice dei coefficienti è [math]A = \begin{pmatrix} 1 & 1 \\ 2 & 2 \end{pmatrix}[/math]. La matrice aumentata è [math][A|\mathbf{b}] = \begin{pmatrix} 1 & 1 & 1 \\ 2 & 2 & 3 \end{pmatrix}[/math].

  • Calcoliamo il rango di [math]A[/math]. Le righe sono proporzionali ([math]R_2 = 2R_1[/math]), quindi il numero massimo di righe (o colonne) linearmente indipendenti è 1. [math]\text{rango}(A) = 1[/math].
  • Calcoliamo il rango di [math][A|\mathbf{b}][/math]. Consideriamo le colonne. Le prime due colonne sono proporzionali, ma la terza colonna è indipendente dalla prima (o dalla seconda). Ad esempio, il minore formato dalle prime due colonne della matrice aumentata ha determinante nullo ([math]1 \cdot 2 – 1 \cdot 2 = 0[/math]), ma il minore formato dalla prima e dalla terza colonna ha determinante non nullo ([math]1 \cdot 3 – 1 \cdot 2 = 3 – 2 = 1 \neq 0[/math]). Questo indica che il rango è almeno 2. Poiché ci sono solo 2 righe, il rango massimo è 2. [math]\text{rango}([A|\mathbf{b}]) = 2[/math].

Poiché [math]\text{rango}(A) = 1[/math] e [math]\text{rango}([A|\mathbf{b}]) = 2[/math], i ranghi sono diversi. Per il Teorema di Rouché-Capelli, il sistema è impossibile (non ha soluzioni).

2. Rango e Invertibilità di Matrici Quadrate

Per una matrice quadrata, il rango ha una relazione diretta con la sua invertibilità, un concetto fondamentale per risolvere sistemi lineari unici ([math]\mathbf{x} = A^{-1}\mathbf{b}[/math]) e definire trasformazioni lineari invertibili.

Una matrice quadrata [math]A[/math] di dimensione [math]n \times n[/math] è invertibile se e solo se il suo rango è massimo, cioè uguale alla sua dimensione:

[math]\text{rango}(A) = n[/math]

Motivazione:

  • Se [math]\text{rango}(A) = n[/math], significa che le [math]n[/math] righe (o colonne) della matrice sono linearmente indipendenti. Questa condizione è equivalente a dire che il determinante della matrice [math]\text{det}(A)[/math] è diverso da zero. Esiste un teorema che afferma che una matrice quadrata è invertibile se e solo se il suo determinante è non nullo.
  • L’invertibilità di una matrice quadrata corrisponde anche alla biiettività (essere iniettiva e suriettiva) della trasformazione lineare associata rappresentata dalla matrice. Un rango massimo ([math]n[/math]) implica che la trasformazione mappa lo spazio di dimensione [math]n[/math] su uno spazio di dimensione [math]n[/math], mantenendo l’indipendenza lineare.

Esempio:

La matrice quadrata 2×2:

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

Il suo determinante è [math]\text{det}(A) = (1 \cdot 4) – (2 \cdot 3) = 4 – 6 = -2[/math].

Poiché [math]\text{det}(A) \neq 0[/math], la matrice è invertibile. Questo è coerente con il fatto che le due righe (o colonne) non sono proporzionali, quindi sono linearmente indipendenti. Il rango massimo per una matrice 2×2 è 2. Infatti, [math]\text{rango}(A) = 2[/math], che è uguale alla sua dimensione [math]n=2[/math], confermando l’invertibilità.

3. Interpretazione Geometrica del Rango

Il rango di una matrice ha un’interpretazione geometrica profonda legata agli spazi vettoriali generati dalle sue righe e colonne.

  • Dimensione dello spazio delle colonne (Immagine):Il rango di [math]A[/math] è uguale al numero di colonne linearmente indipendenti di [math]A[/math]. Queste colonne indipendenti formano una base per lo spazio vettoriale generato dalle colonne, chiamato spazio delle colonne o immagine della trasformazione lineare associata [math]\text{Im}(A)[/math]. Quindi, il rango è la dimensione dello spazio delle colonne.

    [math]\text{rango}(A) = \text{dim}(\text{Im}(A))[/math]

  • Dimensione dello spazio delle righe:Un teorema fondamentale dell’algebra lineare afferma che il rango di una matrice è uguale al rango della sua trasposta ([math]A^T[/math]): [math]\text{rango}(A) = \text{rango}(A^T)[/math]. Poiché le righe di [math]A[/math] sono le colonne di [math]A^T[/math], il rango di [math]A[/math] è anche uguale al numero di righe linearmente indipendenti di [math]A[/math], che è la dimensione dello spazio delle righe.

Questa uguaglianza tra la dimensione dello spazio delle righe e la dimensione dello spazio delle colonne è un risultato notevole.

Esempio:

Consideriamo la matrice:

[math]A = \begin{pmatrix} 1 & 0 \\ 0 & 1 \\ 1 & 1 \end{pmatrix}[/math]

Questa matrice ha 3 righe e 2 colonne. Il rango massimo possibile è [math]\min(3, 2) = 2[/math].

  • Le colonne sono [math]\mathbf{c}_1 = \begin{pmatrix} 1 \\ 0 \\ 1 \end{pmatrix}[/math] e [math]\mathbf{c}_2 = \begin{pmatrix} 0 \\ 1 \\ 1 \end{pmatrix}[/math]. Sono linearmente indipendenti (nessuna è multiplo dell’altra). Quindi, il numero di colonne indipendenti è 2. [math]\text{rango}(A) = 2[/math]. Lo spazio delle colonne è il piano in [math]\mathbb{R}^3[/math] generato da questi due vettori.
  • Le righe sono [math]\mathbf{r}_1 = \begin{pmatrix} 1 & 0 \end{pmatrix}[/math], [math]\mathbf{r}_2 = \begin{pmatrix} 0 & 1 \end{pmatrix}[/math], [math]\mathbf{r}_3 = \begin{pmatrix} 1 & 1 \end{pmatrix}[/math]. Le prime due righe sono chiaramente indipendenti. La terza riga è la somma delle prime due ([math]\mathbf{r}_3 = \mathbf{r}_1 + \mathbf{r}_2[/math]), quindi non è indipendente dalle prime due. Il numero massimo di righe indipendenti è 2. [math]\text{rango}(A) = 2[/math], coerente con il rango delle colonne.

In questo esempio, [math]\text{rango}(A) = 2[/math], e lo spazio generato dalle colonne (l’immagine della trasformazione lineare associata) è un piano (uno spazio vettoriale di dimensione 2) nello spazio di arrivo [math]\mathbb{R}^3[/math].

4. Metodi Alternativi per il Calcolo del Rango (Cenni)

Oltre alla riduzione a scala mediante operazioni elementari sulle righe (metodo di Gauss) e al calcolo del determinante del più grande minore non nullo, esistono altri metodi più avanzati e computazionalmente efficienti, specialmente per matrici di grandi dimensioni o con particolari strutture.

  • Decomposizione a Valori Singolari (Singular Value Decomposition – SVD):Ogni matrice [math]A[/math] di dimensione [math]m \times n[/math] (anche non quadrata) può essere decomposta nella forma [math]A = U \Sigma V^T[/math], dove [math]U[/math] e [math]V[/math] sono matrici ortogonali e [math]\Sigma[/math] è una matrice diagonale contenente i valori singolari di [math]A[/math] (che sono le radici quadrate positive degli autovalori di [math]A^T A[/math]). Il rango di [math]A[/math] è uguale al numero di valori singolari non nulli presenti sulla diagonale di [math]\Sigma[/math].

    Questo metodo è molto robusto e utile per matrici numericamente “difficili” (mal condizionate) o non quadrate.

  • Decomposizione LU:Per una matrice quadrata [math]A[/math], se esiste, la decomposizione LU la fattorizza nel prodotto di una matrice triangolare inferiore [math]L[/math] e una matrice triangolare superiore [math]U[/math] ([math]A = LU[/math]). Il rango di [math]A[/math] è uguale al numero di elementi diagonali (pivot) non nulli nella matrice [math]U[/math] (o [math]L[/math], a seconda della variante). Se si usa la riduzione a scala di Gauss per ottenere una forma a scala, il rango è il numero di pivot (i primi elementi non nulli in ogni riga).

    La decomposizione LU è efficiente per risolvere sistemi lineari e calcolare determinanti, ed è alla base di molte implementazioni numeriche del calcolo del rango.

Quando usarli?

  • L’SVD è particolarmente utile nell’analisi dei dati, nella compressione delle immagini e per calcolare il rango di matrici mal condizionate o con rumore.
  • La decomposizione LU è efficiente per matrici grandi e sparse (con molti zero) ed è un metodo standard nella risoluzione numerica di sistemi lineari.

Conclusione

Il concetto di rango di una matrice, pur essendo definito in modo semplice (dimensione dell’immagine), si rivela essere un invariante fondamentale che si collega profondamente a diversi aspetti cruciali dell’algebra lineare:

  • La compatibilità e il numero di soluzioni dei sistemi lineari (Teorema di Rouché-Capelli).
  • L’invertibilità delle matrici quadrate e l’esistenza della matrice inversa.
  • L’interpretazione geometrica degli spazi vettoriali generati dalle righe e dalle colonne della matrice.
  • Diversi metodi di calcolo numerico avanzati (SVD, LU).

Per approfondire ulteriormente la comprensione del rango e delle sue implicazioni, consiglio di esplorare:

  • Il concetto di nucleo (o spazio nullo) di una matrice ([math]\text{ker}(A)[/math]), che comprende tutti i vettori [math]\mathbf{x}[/math] tali che [math]A\mathbf{x} = \mathbf{0}[/math].
  • Il fondamentale teorema della dimensione (o del rango-nullità), che stabilisce la relazione [math]\text{dim}(\text{Im}(A)) + \text{dim}(\text{ker}(A)) = n[/math] (dove [math]n[/math] è il numero di colonne di [math]A[/math]).
  • Le applicazioni del rango e dell’SVD alla regressione lineare (metodo dei minimi quadrati) e all’analisi delle componenti principali (PCA) in statistica e machine learning.

Questi collegamenti mostrano come il rango sia un filo conduttore nell’algebra lineare,essenziale per affrontare problemi teorici e applicativi.

(494)

Altri articoli nella categoria "Le matrici"

PubblicitàPubblicità

Ti potrebbe interessare anche:  Python: risoluzioni di sistemi lineari con il metodo di eliminazione di Gauss