Proposizione sul rango di una moltiplicazione matriciale
Salve, ho un problema nel capire una dimostrazione:

Non capisco con quale criterio il rango di AB sia compreso fra il rango di A*B*B^(-1) = rango di A, e il rango di A stesso.
Secondo quali criteri ci aspettiamo che sia più piccolo del rango di A?
Secondo quali criteri ci aspettiamo che invece sia più grande del rango di A*B*B^(-1)?
Grazie in anticipo.

Non capisco con quale criterio il rango di AB sia compreso fra il rango di A*B*B^(-1) = rango di A, e il rango di A stesso.
Secondo quali criteri ci aspettiamo che sia più piccolo del rango di A?
Secondo quali criteri ci aspettiamo che invece sia più grande del rango di A*B*B^(-1)?
Grazie in anticipo.
Risposte
Viene applicato ripetutamente il seguente fatto: se $X$ e $Y$ sono due matrici tra loro moltiplicabili allora
$rg(XY) le rg(X)$,
$rg(XY) le rg(Y)$.
(prova a rifare l'esercizio usando queste disuguaglianze, che valgono in generale!)
Il motivo è sostanzialmente che se hai una composizione di funzioni lineari
[tex]\xymatrix{U \ar[r]^f & V \ar[r]^g & W}[/tex]
allora l'immagine della composizione [tex]g \circ f:U \to W[/tex] è contenuta (ovviamente) nell'immagine di [tex]g:V \to W[/tex], cioè [tex]g(f(U)) \subseteq g(V)[/tex], e quindi [tex]\dim(g(f(U)) \leq \dim(g(V))[/tex].
Inoltre [tex]\dim(f(U)) \geq \dim(g(f(U))[/tex] perché vale in generale la cosa seguente: se [tex]f:V \to W[/tex] è lineare allora [tex]\dim(V) \geq \dim(f(V))[/tex] (pensaci).
Collega i puntini ricordando che la composizione di due funzioni lineari corrisponde al prodotto delle matrici associate e che la dimensione dell'immagine di una funzione lineare coincide col rango della matrice associata.
$rg(XY) le rg(X)$,
$rg(XY) le rg(Y)$.
(prova a rifare l'esercizio usando queste disuguaglianze, che valgono in generale!)
Il motivo è sostanzialmente che se hai una composizione di funzioni lineari
[tex]\xymatrix{U \ar[r]^f & V \ar[r]^g & W}[/tex]
allora l'immagine della composizione [tex]g \circ f:U \to W[/tex] è contenuta (ovviamente) nell'immagine di [tex]g:V \to W[/tex], cioè [tex]g(f(U)) \subseteq g(V)[/tex], e quindi [tex]\dim(g(f(U)) \leq \dim(g(V))[/tex].
Inoltre [tex]\dim(f(U)) \geq \dim(g(f(U))[/tex] perché vale in generale la cosa seguente: se [tex]f:V \to W[/tex] è lineare allora [tex]\dim(V) \geq \dim(f(V))[/tex] (pensaci).
Collega i puntini ricordando che la composizione di due funzioni lineari corrisponde al prodotto delle matrici associate e che la dimensione dell'immagine di una funzione lineare coincide col rango della matrice associata.
Ho finalmente capito!
A = X
B = Y
B^(-1) = Z
rg(XY) ≤ rg(X)
rg(XY) ≤ rg(Y),
Allora a maggior ragione:
rg(XYZ) ≤ rg(XY)
A = X
B = Y
B^(-1) = Z
rg(XY) ≤ rg(X)
rg(XY) ≤ rg(Y),
Allora a maggior ragione:
rg(XYZ) ≤ rg(XY)