Cosa Sono Le Molteplicità Geometriche E Come Si Calcolano

Calcola le molteplicità geometriche degli autovalori di una matrice quadrata

Cosa Sono le Molteplicità Geometriche e Come Si Calcolano

Le molteplicità geometriche rappresentano un concetto fondamentale nell’algebra lineare, particolarmente rilevante nello studio degli autovalori e degli autovettori di una matrice quadrata. Questo articolo esplorerà in dettaglio cosa sono le molteplicità geometriche, come si distinguono dalle molteplicità algebriche e come si calcolano passo dopo passo.

Definizioni Fondamentali

Molteplicità Algebrica

La molteplicità algebrica di un autovalore λ di una matrice A è il numero di volte che λ compare come radice del polinomio caratteristico di A. In altre parole, se il polinomio caratteristico è:

p(λ) = det(A – λI) = (λ – λ₁)^m₁(λ – λ₂)^m₂…(λ – λₖ)^mₖ

allora mᵢ è la molteplicità algebrica dell’autovalore λᵢ.

Molteplicità Geometrica

La molteplicità geometrica di un autovalore λ è la dimensione dell’autospazio associato a λ, cioè:

dim(Eₗ) = dim(Ker(A – λI))

Dove Eₗ è l’autospazio corrispondente all’autovalore λ.

Relazione tra Molteplicità Algebrica e Geometrica

Un teorema fondamentale dell’algebra lineare afferma che per ogni autovalore λ:

1. La molteplicità geometrica è sempre minore o uguale alla molteplicità algebrica
2. 1 ≤ g(λ) ≤ a(λ) dove g(λ) è la molteplicità geometrica e a(λ) quella algebrica

Fonte Accademica:

Per approfondimenti teorici, consultare il testo “Introduction to Linear Algebra” di Gilbert Strang (MIT), in particolare il capitolo 6 su autovalori e autovettori.

Come Calcolare la Molteplicità Geometrica

Il processo per determinare la molteplicità geometrica di un autovalore λ comprende i seguenti passaggi:

1. Calcolare gli autovalori: Trova tutti gli autovalori della matrice risolvendo l’equazione caratteristica det(A – λI) = 0
2. Selezionare un autovalore: Scegli un autovalore λ per il quale vuoi determinare la molteplicità geometrica
3. Costruire la matrice (A – λI): Sottrai λ dalla diagonale principale della matrice A
4. Calcolare il rango: Determina il rango della matrice (A – λI)
5. Applicare la formula: La molteplicità geometrica è data da g(λ) = n – rango(A – λI), dove n è la dimensione della matrice

Esempio Pratico

Consideriamo la matrice 3×3:

A = | 4  1  0 |
    | 0  4  1 |
    | 0  0  4 |

Passo 1: Calcoliamo il polinomio caratteristico:

det(A – λI) = (4-λ)³ = 0 ⇒ λ = 4 con molteplicità algebrica 3

Passo 2: Calcoliamo la molteplicità geometrica:

A – 4I = | 0 1 0 |

| 0 0 1 |

| 0 0 0 |

Il rango di questa matrice è 2, quindi:

g(4) = 3 – 2 = 1

In questo caso, la molteplicità geometrica (1) è minore di quella algebrica (3), indicando che la matrice non è diagonalizzabile.

Casi Particolari e Proprietà

Condizione	Molteplicità Geometrica	Implicazioni
g(λ) = a(λ)	Massima possibile	La matrice è diagonalizzabile per questo autovalore
g(λ) = 1	Minima possibile	Autovalore con un solo autovettore linearmente indipendente
g(λ) < a(λ)	Deficiente	La matrice non è diagonalizzabile

Applicazioni Pratiche

La comprensione delle molteplicità geometriche ha importanti applicazioni in:

• Sistemi dinamici: Stabilità dei punti di equilibrio
• Meccanica quantistica: Degenerazione degli autovalori
• Elaborazione delle immagini: Compressione e trasformazioni
• Retroazione nei sistemi di controllo: Analisi della stabilità

Errori Comuni da Evitare

1. Confondere le molteplicità: Non confondere la molteplicità geometrica (dimensione dell’autospazio) con quella algebrica (molteplicità della radice)
2. Calcolo del rango errato: Assicurarsi di calcolare correttamente il rango della matrice (A – λI)
3. Dimenticare la dimensione: Ricordare che g(λ) = n – rango(A – λI)
4. Matrici non diagonalizzabili: Non tutte le matrici sono diagonalizzabili; questo accade quando esiste almeno un autovalore con g(λ) < a(λ)

Risorsa Governativa:

Il National Institute of Standards and Technology (NIST) fornisce risorse sulla computazione numerica degli autovalori, inclusi algoritmi per il calcolo delle molteplicità in matrici di grandi dimensioni.

Metodi Computazionali

Per matrici di dimensioni elevate, il calcolo manuale diventa impraticabile. Si utilizzano quindi:

• Metodo delle potenze: Per trovare l’autovalore dominante
• Algoritmo QR: Per la decomposizione spettrale completa
• Decomposizione di Schur: Alternativa più stabile numericamentel
• Software specializzato: MATLAB, NumPy, o Wolfram Alpha per calcoli precisi

Questi metodi sono implementati nei moderni pacchetti software per l’algebra lineare numerica, come LAPACK e suoi derivati.

Conclusione

Le molteplicità geometriche forniscono informazioni cruciali sulla struttura degli autospazi e sulla diagonalizzabilità delle matrici. Mentre la molteplicità algebrica ci dice “quante volte” un autovalore compare nel polinomio caratteristico, quella geometrica ci rivela “quanti” autovettori linearmente indipendenti sono associati a quell’autovalore. Questa distinzione è fondamentale per comprendere il comportamento delle trasformazioni lineari e per applicazioni che vanno dalla fisica teorica all’ingegneria dei sistemi.

Per approfondire ulteriormente, si consiglia di studiare i concetti di:

• Forma canonica di Jordan
• Polinomio minimo di una matrice
• Decomposizione spettrale
• Teorema spettrale per matrici simmetriche

Risorsa Universitaria:

Il dipartimento di matematica della University of California, Berkeley offre corsi avanzati su questi argomenti con materiale didattico disponibile online, inclusi esercizi interattivi sul calcolo delle molteplicità.