ALGEBRA LINEARE.

Dato un insieme V=C e potendo definire:

1) Addizione: sommando ad un elemento di V un altro di V si ottiene un altro
elemento di V
2) Moltiplicazione: moltiplicando un elemento di V con uno scalare (un numero
reale) si ottiene un altro elemento di V.
(V, +, -): tale terna detta SPAZIO VETTORIALE se sono soddisfatte alcune
propriet. Gli elementi di V prenderanno allora il nome di VETTORI.
Le propriet da soddisfare riguardo alladdizione sono:
1) Associativa: x, y, z e V (x+y)+z = x+(y+z)
2) Commutativa: x, y e V (x+y) = (y+x)
3) Esistenza dellelemento neutro: - 0
v
e V : x e V x+0
v
= x
4) Esistenza dellopposto: x e V - y : x+y = 0
v
Le propriet da soddisfare riguardo alla moltiplicazione sono:
1) Associativa: a, b e IR x e V a*(b*x) = (a*b)*x
2) Esistenza dellelemento neutro: x e V - 1 : x*1 = x
3) Distributiva: a, b e IR x e V (a+b)*x = a*x + b*x
importante notare che: 0*x = 0
a*0=0
La propriet comune alladdizione e alla moltiplicazione :
1) Distributiva: a e IR x, y e V a*(x+y) = a*x + a*y
Linsieme IR pu essere considerato come uno spazio vettoriale: dato a e IR posso
moltiplicare/sommare a con uno scalare, ottenendo un altro numero reale, e valgono
tutte le propriet sopra elencate.
Ogni numero reale pu essere visto come un vettore che appartiene allo spazio
vettoriale dei numeri reali.
P
La coppia ordinata (x
1
, y
1
) individua il punto P, ma ogni punto caratterizzato da due
coordinate. Ogni punto del piano pu essere visto come un vettore, caratterizzato da
due coordinate.
P
1
=(x
1
, y
1
)
P
2
=(x
2
, y
2
)
ADDIZIONE: (x
1
, y
1
) + (x
2
, y
2
) = (x
1
+x
2
, y
1
+y
2
)
MOLTIPLICAZIONE: a*(x, y) = (ax, ay)
Perch sia uno spazio vettoriale dimostro che valgono le propriet:
ESISTE LELEMENTO NEUTRO: (x, y) + (0, 0) = (x, y)
ESISTE LOPPOSTO: (x, y) + (-x, -y) = (0, 0)
VALE LA COMMUTATIVA: (x
1
, y
1
) + (x
2
, y
2
) = (x
2
, y
2
) + (x
1
, y
1
)
..
IRIR uno spazio vettoriale, i cui vettori sono le coppie di scalari.
Anche lo spazio tridimensionale uno spazio vettoriale, i cui vettori sono triplette
ordinate.
Un generico punto P dato da una tripletta di coordinate (x, y, z)
SOMMA: (x
1
, y
1
, z
1
) + (x
2
, y
2
, z
2
) = (x
1
+x
2
, y
1
+y
2
, z
1
+z
2
)
MOLTIPLICAZIONE: a*(x, y, z) = (ax, ay, az)
Le propriet sono dimostrabili come per lo spazio bidimensionale.
IRIRIR = IR
3
, quindi, uno spazio vettoriale.
Saranno spazi vettoriali anche IR
4
. IR
5
, IR
6
, con punti P composti da (x
1
, x
2
, x
3
, x
4
,
x
5
, x
n
), cio insiemi composti da ennuple.
Un elemento sar caratterizzato da a
ij
i = indice di riga
j = indice di colonna
Esempio
a
23
= 0
a
34
= 1
Una tabella di questo tipo una MATRICE mn. Le matrici si indicano con lettere
maiuscole.
Linsieme delle matrici mn uno spazio vettoriale, poich ogni matrice pu essere
pensata come un vettore.
ADDIZIONE: somma di matrici con uno stesso numero di righe e colonne.
Date due matrici A e B, A+B dar luogo a una matrice C, il cui generico elemento
sar c
ij
= a
ij
+ b
ij
.
MOLTIPLICAZIONE: moltiplicare uno scalare per una matrice qualsiasi
a
11
a
12
a
13
a
1n
a
21
a
22
a
23
a
2n
a
31
a
32
a
33
a
3n
a
m1
a
m2
a
m3
a
mn
5 3 2 1
7 -1 0 2
4 3 2 1
A=
1 -1 0 1
2 1 0 1
3 -1 2 1
5 3 2 1
7 -1 0 2
4 3 2 1
6 2 2 2
9 0 0 3
7 2 4 2
+ =
5 3 2 1
7 -1 0 2
4 3 2 1
15 9 6 3
21 -3 0 6
12 9 6 3
3* =
Per dimostrare che una matrice spazio vettoriale bisogna a questo punto dimostrare
le propriet.
1) ESISTENZA DELLELEMENTO NEUTRO.
= a
mn
2) ESISTENZA DELLOPPOSTO.
a
mn
- a
mn
..
E uno spazio vettoriale perch valgono tutte le propriet.
Si considerino ora tutti i polinomi di grado minore o uguale a 2, cio del tipo:
ax
2
+bx+c
ADDIZIONE: (a
1
x
2
+b
1
x+c
1
) + (a
2
x
2
+b
2
x+c
2
) = (a
1
+a
2
)x
2
+(b
1
+b
2
)x+c
1
+c
2
( un altro polinomio di 2 grado)
MOLTIPLICAZIONE: d*(ax
2
+bx+c) = (da)x
2
+(db)x+dc
( un altro polinomio di 2 grado)
Le propriet valgono tutte, quindi i polinomi di grado minore o uguale a 2 sono dei
vettori dello spazio vettoriale dei polinomi di grado minore o uguale a 2.
Invece i polinomi di grado uguale a 2 non sono uno spazio vettoriale, perch potrebbe
non esistere lelemento neutro e perch si potrebbe ottenere in seguito ad addizione
un polinomio di grado minore.
Generalizzando il discorso, tutti i polinomi di grado minore o uguale a m
costituiscono uno spazio vettoriale.
- Sottospazio vettoriale.
Dato ScV (S sottoinsieme proprio di V), ScV un sottospazio vettoriale se e solo se
S spazio vettoriale.
a
11
a
12
a
1n
a
21
a
22
a
2n
a
31
a
32
a
3n
a
m1
a
m2
a
mn
0 0 0
0 0 0
0 0 0
0 0 0
+
Dato ScV
S spazio vettoriale se e solo se sono verificate queste tre condizioni indispensabili:
1) S=C
2) x, y x+y e S
3) x e S e a e IR a*x e S
Se linsieme S non vuoto e se chiuso rispetto alladdizione e alla moltiplicazione,
allora un sottospazio vettoriale. Basta dimostrare queste tre condizioni per
dimostrare che S sia un sottospazio vettoriale.
Si dimostra ora che una matrice triangolare alta (cio quella matrice che sotto una
diagonale presenta solo 0) un sottospazio vettoriale dellinsieme delle matrici.
Esempio
Dimostriamo che valgono le tre condizione di sottoinsieme.
1) B=0
2) Sommando due matrici triangolari alte ottengo unaltra matrice triangolare alta.
3) Moltiplicando una matrice triangolare alta per uno scalare si ottiene unaltra
matrice triangolare alta.
a
11
a
12
a
13
0 a
22
a
23
0 0 a
33
= B
a
11
a
12
a
13
0 a
22
a
23
0 0 a
33
b
11
b
12
b
13
0 b
22
b
23
0 0 b
33
a
11
+b
11
a
12
+b
12
a
13
+b
13
0 a
22
+b
22
a
23
+b
23
0 0 a
33
+b
33
+ =
a
11
a
12
a
13
0 a
22
a
23
0 0 a
33
* c
ca
11
ca
12
ca
13
0 ca
22
ca
23
0 0 ca
33
=
Si dicono sottospazi banali di V: V stesso e il sottoinsieme vettore nullo (0).
Riguardo a IR
2
, sono sottospazi banali il vettore nullo (0,0) e IR
2
stesso. Ma oltre a
questi due sottospazi, IR
2
ne ammette un altro.
Dati i due vettori P
1
(x
1
, y
1
) e P
2
(x
2
, y
2
).
ADDIZIONE: (x
1
+x
2
, m(x
1
, x
2
))
MOLTIPLICAZIONE: a*(x, mx) = (ax, amx)
La retta passante per lorigine degli assi un sottospazio di IR
2
. Invece, una retta
non passante per lorigine degli assi non un sottospazio di IR
2
, perch non incontra
il vettore nullo.
- Combinazione lineare finita.
Considerando n vettori
x
1
, x
2
, x
3
, x
4
,x
n
e V
e considerando n numeri reali, detti combinatori
c
1
, c
2
, c
3
, c
4
, c
n
e IR
si pu affermare che:
x =c
1
x
1
+c
2
x
2
+c
3
x
3
+ + c
n
x
n
una combinazione lineare finita.
finita, perch di n elementi. una combinazione perch gli elementi sono
combinati tra loro attraverso le operazioni di somma e moltiplicazione. lineare,
perch ogni vettore che compare, compare linearmente (non ci sono quadrati).
La stessa scrittura pu essere vista come:
E

i =1
C
i
x
i
y=mx
P
Si ottiene attraverso una combinazione lineare finita un sottospazio vettoriale S di V,
perch valgono le tre condizioni:
1) S=C (contiene almeno il vettore nullo).
2) E

i =1
c
i
x
i
+ E

i =1
d
i
x
i
= E

i =1
(c
i
+d
i
) x
i
3) (c
1
x
1
+ c
2
x
2
+ c
n
x
n
)*a = ac
1
x
1
+ ac
2
x
2
+ ac
n
x
n
Questo particolare sottospazio prende il nome di sottospazio generato dai vettori x
1
,
x
2
, x
3
, x
n
e si indica con la scrittura:
<x
1
, x
2
, x
3
, x
n
>
che linsieme di tutte le possibili combinazioni lineari finite di n vettori.
x
1
, x
2
, x
n
sono i generatori del sottospazio generato S: infatti, le loro possibili
combinazioni danno S.
Ogni elemento di S , quindi, esprimibile come una particolare combinazione finita.
Esempio.
S = <x
1
, x
2
, x
n
>
x
1
= (1, 0) e IR
2
x
2
= (0, 1) e IR
2
Il punto V(x, y) pu essere espresso come combinazione di x
1
e x
2
.
V = x*(1, 0) + y*(0, 1) (x e y saranno i combinatori)
V = (x, 0) + (0, y) = (x, y)
Esempio
V(3, 7)
V = 3*(1, 0) + 7*(0, 1)
V = (3, 0) + (0, 7) = (3, 7)
IR
2
= <(1, 0), (0, 1)>, perch ogni punto del piano pu essere espresso come
combinazione di questi vettori.
IR
3
= <(1, 0, 0), (0, 1, 0), (0, 0, 1)>, perch ogni punto nelle tre dimensioni pu
essere espresso come combinazione di questi vettori.
Si definisce a questo punto lo SPAZIO FINITAMENTE GENERATO come spazio
creato da un numero finito di vettori generatori.
- Dipendenza e indipendenza lineare di vettori.
Dati dei vettori:
x
1,
x
2
, x
3
, x
n
Dati dei numeri reali:
c
1
, c
2
, c
3
, c
n
I vettori x
1
, x
2
, x
3
, x
n
sono linearmente dipendenti se esiste una loro combinazione
lineare finita con combinatori non tutti nulli tale che
c
1
x
1
, c
2
x
2
, c
3
x
3
, c
n
x
n
= 0
Quindi, se riesco a ottenere il 0 come combinazione lineare usando combinatori non
tutti nulli, i vettori sono linearmente dipendenti.
Viceversa: se lunico modo per ottenere il vettore nullo quello di porre tutti i
combinatori uguali a 0, allora i vettori sono linearmente indipendenti.
Esempio:
Sono linearmente indipendenti
Lunico modo perch loperazione sia uguale a 0 che tutti i combinatori siano
uguali a 0. Di conseguenza i vettori sono linearmente indipendenti.
1
0
0
0
1
0
0
0
1
1
0
0
0
1
0
0
0
1
c
1
* +c
2
* +c
3
*
c
1
0
0
0
c
2
0
0
0
c
3
c
1
c
2
c
3
+ + =
Esempio
Se c
1
= 1 => c
2
= -1/2
I vettori sono linearmente dipendenti perch la loro
combinazione uguale a 0 per c=0.
- Base di uno spazio vettoriale finitamente generato.
Una base di uno spazio vettoriale V un insieme di vettori x
1
, x
2
, x
n
tali che:
1) V lo spazio generato da x
1
, x
2
, x
n
(cio i vettori sono generatori di V).
2) x
1
, x
2
, x
n
sono linearmente indipendenti.
importante lUna perch di basi ce ne sono infinite.
1
2
3
2
4
6
1
2
3
2
4
6
c
1
* +c
2
*
=
c
1
+ 2c
2
= 0
2c
1
+ 4c
2
= 0
3c
1
+ 6c
2
= 0
c
1
= -2c
2
-4c
2
+ 4c
2
= 0
-6c
2
+ 6c
2
= 0
1-1 = 0
2-2 = 0
3-3 = 0
Questi vettori sono linearmente indipendenti e sono generatori, quindi sono una base
di IR
3
.
Questi vettori sono linearmente indipendenti, sono generatori, quindi sono una base
di IR
n
. Questa base prende anche il nome di BASE CANONICA.
- Propriet delle basi.
1) {x
1
, x
2
, x
n
} = base di V ogni vettore x di V pu essere espresso come unica
combinazione lineare di x
1
, x
2
, x
n
.
Dimostrazione per assurdo:
Ip: {x
1
, x
2
, x
n
} = base di V Th: ogni vettore x di
V pu essere
espresso come
unica
combinazione
lineare di x
1
, x
2
,
x
n
Si suppone allora che ogni vettore possa essere espresso in due modi, anzich uno.
1) x = c
1
x
1
+ c
2
x
2
+ c
n
x
n
=
n
i=1
c
i
x
i
2) x = d
1
x
1
+ d
2
x
2
+ d
n
x
n
=
n
i=1
d
i
x
i
0 =
n
i=1
c
i
x
i
-
n
i=1
d
i
x
i
(d=c)
1
0
0
0
1
0
0
0
1
1
0
0
0
.
.
.
0
0
1
0
0
.
.
.
0
0
0
1
.
.
.
0
0 =
n
i=1
(c
i
-d
i
)x
i
i vari x
i
sono linearmente indipendenti perch per avere 0 bisogna che i combinatori
siano 0, cio
c
i
=d
i
e in questo modo si contraddice lipotesi per cui c
i
= d
i
.
La combinazione pu essere solo una e non pi di una.
possibile dimostrare che vale anche lopposto della prima propriet, cio
1a) Se ogni vettore x pu essere espresso in
modo unico come combinazione lineare {x
1
, x
2
, x
n
} = base vettoriale di V
I vettori sono generatori, ma bisogna dimostrare, perch siano base, che siano
linearmente indipendenti.
Il vettore 0 pu essere espresso in modo unico:
0 =
n
i=1
c
i
x
i
Il c
i
deve essere per forza uguale a 0 perch lunico modo per poter avere 0. I
vettori sono quindi linearmente indipendenti.
Esempio
In IR
3
3, 5, 7 sono i combinatori o componenti del vettore rispetto alla base
Esempio
In Matrici 2x2
Creare una base significa cercare un insieme di matrici tali che siano
1) Indipendenti tra loro.
2) Generatrici di tutte le matrici 2x2
x = (3, 5, 7) = 3*
1
0
0
+ 5*
0
1
0
+ 7*
0
0
1
=
3
5
7
a b
c d
=
a
11
a
12
a
21
a
22
- Sono linearmente indipendenti perch
Per ottenere 0 necessario porre c
i
=0
- Sono generatrici perch
Ogni matrice 2x2 ottenuta come combinazione lineare
delle 4 matrici iniziali.
2) Ogni spazio vettoriale finitamente generato ammette (almeno) una base. C
sempre un numero finito di vettori che genera uno spazio vettoriale.
3) Ogni base di uno spazio vettoriale finitamente generato ha lo stesso numero di
vettori.
Esempio.
In IR
3
1 0
0 0
0 1
0 0
0 0
1 0
0 0
0 1
1 0
0 0
0 1
0 0
0 0
1 0
0 0
0 1
c
1
+c
2
+c
3
+c
4
=
0 0
0 0
1 0
0 0
0 1
0 0
0 0
1 0
0 0
0 1
a
11
+a
12
+a
21
+a
22
=
a
11
a
12
a
21
a
22
1
0
0
0
1
0
0
0
1
base.
anche
2
0
0
0
2
0
0
0
2
base perch
Le basi sono infinite, ma hanno tutte lo stesso numero di vettori.
4) Se n sono i vettori (linearmente indipendenti) della base, n+1 vettori sono
linearmente dipendenti.
Esempio
In IR
3
una base contiene 3 vettori. Se in IR
3
considero un insieme di 4
vettori, essi sono linearmente dipendenti. Il numero massimo di vettori indipendenti
, quindi, 3 (in IR
2
2, in IR
n
n).
Il numero massimo dei vettori linearmente indipendenti prende anche il nome di
DIMENSIONE DELLO SPAZIO (IR
2
=2, IR
3
=3, IR
n
=n, M
(2x2)
=4).
Anche un sottospazio vettoriale, in quanto spazio vettoriale, ha almeno una base.
Esempio.
In IR
2
, ogni retta passante per lorigine un sottospazio vettoriale.
Y=2x sottospazio vettoriale.
P(x, 2x) = questo insieme di punti un sottospazio.
Per capire la dimensione di ogni base basta trovarne una.
P
1
(1, 2) una base del sottospazio perch:
1) generatore. Infatti,
x*(1, 2) = tutti i punti della retta y=2x
2) linearmente indipendente. Infatti,
2
0
0
0
2
0
0
0
2
x/2* +y/2* +z/3* =
x
y
z
1
2
c* =
0
0
c=0
La dimensione 1 perch basta un vettore per generare il sottospazio.
Esempio.
In M
(2x2)
, ogni matrice triangolare alta 2x2 spazio vettoriale.
Si cerca una base per capire la dimensione del sottospazio.
una base vettoriale canonica e la dimensione dello spazio 3
Se si conosce la dimensione dello spazio (n), per trovare una base basta trovare n
vettori linearmente indipendenti.
S sottospazio di V dim S s dim V
S =V dim S =dim V
Esempio.
Dimostrare che una base di IR
3
1) Sono linearmente indipendenti.
Questa uguaglianza si pu ottenere solo con c
i
=0, perch
1 0
0 0
0 1
0 0
0 0
0 1
1 0
0 0
0 1
0 0
0 0
0 1
a
11
* +a
12
* +a
22
* =
a
11
a
12
0 a
22
v
1
=
0
1
1
v
2
=
1
2
0
v
3
=
0
0
1
0
1
1
1
2
0
0
0
1
c
1
* +c
2
* +c
3
=
0
0
0
2) Sono generatori, perch
- Funzioni lineari.
Si dice funzione lineare quella funzione che ha come dominio e codominio due
insiemi uguali a spazi vettoriali.
Come funzione, valgono tutte le propriet delle funzioni non lineari.
In generale si pu dire che una funzione f:VW lineare se:
1) x, y e V f(x)+f(y)=f(x+y)
2) x e V a e IR f(a*x) = a*f(x)
1) V W 2) V W
c
2
=0
c
1
+2c
2
=0 c
1
=0
c
1
+c
3
=0 0+c
3
=0
0
1
1
1
2
0
0
0
1
x
1
* +x
2
* +x
3
=
a
b
c
x
2
=a
x
1
+2x
2
=b
x
1
+x
3
=c
x
2
=a
x
1
=b-2a
x
3
=c-b+2a
x
y
x+y
f(x)
f(y)
f(x+y)
x
a*x
f(x)
f(a*x)
Esempio.
f:IRIR
f(x)=ax (retta passante per lorigine)
una funzione lineare perch:
1) f(x
1
) + f(x
2
) = f(x
1
+x
2
)
ax
1
+ ax
2
= a(x
1
+x
2
) = f(x
1
+x
2
)
2) f(b*x) = b*f(x)
a*(bx) = b*(ax)
Esempio.
f: IRIR
f(x) = ax+q (retta con intercetta q)
non una funzione lineare perch
1) f(x
1
) + f(x
2
) = f(x
1
+x
2
)
f(x
1
) + f(x
2
) = a(x
1
+q) + a(x
2
+q) = a(x
1
+x
2
) + 2q
f(x
1
+x
2
) = a(x
1
+x
2
) + q
f(x
1
+x
2
) = f(x
1
) + f(x
2
)
La funzione lineare solo nel caso in cui q=0
Esempio.
f: IR
3
IR
2
f(x, y, z) = (x-y, z)
La funzione lineare perch
1) f(x
1
, y
1
, z
1
) + f(x
2
, y
2
, z
2
) = f(x
1
+x
2
, y
1
+y
2
, z
1
+z
2
)
f(x
1
, y
1
, z
1
) + f(x
2
, y
2
, z
2
) = (x
1
-y
1
, z
1
) + (x
2
-y
2
, z
2
) = x
1
-y
1
+x
2
-y
2
, z
1
+z
2
=
= x
1
+x
2
-y
1
-y
2
, z
1
+z
2
= ((x
1
+x
2
) (y
1
+y
2
), z
1
+z
2
)
f(x
1
+x
2
, y
1
+y
2
, z
1
+z
2
) = ((x
1
+x
2
) (y
1
+y
2
), z
1
+z
2
)
2) f(a*x) = a*f(x)
f(ax) = (ax-ay, az) = (a(x-y), az) = a(x-y, z) = a*(f(x))
Esempio.
f: M
(2x2)
IR
1) a
11
+a
22
+ b
11
+b
22
= a
11
+b
11
+a
22
+b
22
= a
11
+a
22
+b
11
+b
22
2) Dispensa.
- Propriet delle funzioni lineari.
1) f(c
1
x
1
+ c
2
x
2
+ c
n
x
n
) = c
1*
f(x
1
) + c
2*
f(x
2
) + c
n*
f(x
n
)
2) f: VW
f(0
v
) =0
w
f(0
v
) = f(0*0) = 0*f(0
v
) = 0
w
3) f(-x) = f(-1*x) = -1*f(x) = -f(x)
4) f lineare f: VW
V W
Se f(V)_W f(V) uno spazio vettoriale
a
11
a
12
a
21
a
22
f = a
11
+a
22
0
v
0
w
V W
f
F(V)
Dimostrazione che f(V) sempre sottospazio vettoriale di W nelle
funzioni lineari.
1) f(V)=C, perch contiene almeno 0 (0
v
0
w
)
2) con z e w e f(V)_W
z+wef(V) (per la 2 propriet)
xeV; xf(x)=z (- xeV:f(x)=z)
yeV; yf(y)=w (- yeV:f(y)=w)
f(x)=z
f(y)=w
f(x)+f(y)=z+w
f(x)+f(y) = f(x+y) = z+w (appartiene a W ed immagine di x+y)
3) zef(V)
a*z e f(V) - x e V : f(x)=z
f(a*x) = a*f(x) = a*z
a*z = f(a*x)
f sottospazio vettoriale di W e in questo caso f(V)=Im f.
- Nucleo (o Kerf) di una funzione lineare.
Dicesi nucleo o Kerf linsieme di tutti i vettori di V che hanno come immagine il
vettore nullo di W.
Kerf = {xeV : f(x)=0
w
}
Se f non iniettiva oltre al vettore 0
v
possono esserci altri vettori la cui immagine
0
w
e il Kerf linsieme i questi pi 0
v
.
Il Kerf sottospazio vettoriale di V:
1) Kerf = C (perch c almento 0
v
con immagine 0
w
).
x
ax
f(x)=z
f(ax)
2) xeKerf f(x) = 0
w
yeKerf f(y) = 0
w
x+yeKerf f(x)+f(y) = f(x+y) = 0
w
3) xeKerf f(x) = 0
w
a*xeKerf
f(a*x) = a*(f(x)) = a*0
w
= 0
w
Kerf un sottospazio vettoriale. Di conseguenza se contiene x=0
v
, contiene infiniti
vettori, perch, come spazio vettoriale, conterr anche ax, bx, cx, Lalternativa
che contenga un unico vettore, cio 0
v
(o solamente 0
v
oppure infiniti vettori).
- Propriet del Kerf.
1) f: VW lineare
f iniettiva Kerf = {=0
v
}
Dimostrazione che se f iniettiva Kerf = {0
v
}
Si suppone per assurdo che - x=0
v
: f(x) = 0
w
La funzione non pu essere iniettiva perch f(0
v
)=0
w
e f(x)=0
w
Dimostrazione che se Kerf={0} f iniettiva.
Si suppone per assurdo che f non sia iniettiva e quindi
-f(x
1
)=f(x
2
) con x
1
= x
2
.
f(x
1
)-f(x
2
)=0
w
f(x
1
-x
2
)=0
w
, ma x
1
-x
2
= 0
v,
quindi impossibile.
2)Teorema delle dimensioni.
V W
dim Kerf + dim Imf = n = dim V
Kerf
Imf
Se il Kerf contiene solo il vettore nullo (cio ha un solo elemento), come qualsiasi
altro sottospazio, allora si dice che ha dimensione 0. In base alla regola sopra esposta
possibile sapere quando una funzione lineare suriettiva in base alla dimensione.
Esempio.
Sapendo che dim V = 3, dim W = 3, dim Kerf = 0
0 + dim Imf = 3
La funzione suriettiva perch dim V = dim Imf.
Esempio.
Sapendo che dim Kerf = 1, dim V = 3
1 + dimf = 3
dimf = 2
La funzione non suriettiva.
Esempio.
f: IR
3
IR
2
f(x
1
, x
2
, x
3
) = (ax
1
+ 2ax
2
, x
3
) con aeIR
(a(x
1
+2x
2
), x
3
)
Calcolo il Kerf per conoscere la sua dimensione.
Con a=0
f(x
1
, x
2
, x
3
) = (0, x
3
).
In questo caso il Kerf sar dato da tutti quei vettori che avranno come 3
componente lo 0, cio x
3
=0.
Esempio.
f(3, 5, 0) = (0, 0) = 0
Il Kerf sar cio dato da tutti quei vettori del tipo:
{x
1
, x
2
, 0} = Kerf
Trovando la base canonica, il vettore diventa:
x
1
(1, 0, 0) + x
2
(0, 1, 0) = (x
1
, x
2
, 0)
La dim Kerf = 2, perch servono due vettori per una base.
dim Kerf + dim Imf = 3
2 + 1 = 3
Con a=0
Kerf = {-2x
2
, x
2
, 0}
che pu essere anche espresso come: x
2
(-2, 1, 0). La dim Kerf = 1.
dim Kerf + dim Imf = 3
1 + 2 = 3
- Moltiplicazione tra una matrice e un vettore.
Si ottiene un vettore di n componenti; il prodotto fra una matrice e un vettore pu
essere effettuato se e solo se il vettore ha lo stesso numero di componenti degli
elementi che compongono ogni riga della matrice.
La matrice pu essere pensata come una funzione che prende un vettore, lo trasforma
moltiplicandolo e lo rende ancora un vettore.
A=f : IR
n
IR
m
a(x
1
+2x
2
) = 0
x
3
= 0
(x
1
+2x
2
) = 0
x
3
= 0
x
1
= -2x
2
x
3
= 0
a
11
a
12
a
1n
a
21
a
22
a
2n
a
31
a
32
a
3n
a
m1
a
m2
a
mn
x
1
x
2
x
3
x
n
a
11
x
1
+ a
12
x
2
+ a
1n
x
n
a
21
x
1
+ a
22
x
2
+ a
2n
x
n
a
31
x
1
+ a
32
x
2
+ a
3n
x
n
a
m1
x
1
+ a
m2
x
2
+ a
mn
x
n
= *
E
n
j=1
a
1j
x
j
E
n
j=1
a
2j
x
j
E
n
j=1
a
3j
x
j
E
n
j=1
a
mj
x
j
=
Valgono, infatti, le stesse propriet delle funzioni anche per le matrici:
A(x+j) = A * x + A * j
A(c*x) = c*A*x
- Teorema delle rappresentazioni.
f: IR
n
IR
m
1) - A
m*n
: f(x) = Ax
2) La matrice A ha come colonne i trasformati mediante f della base canonica
f(e
j
) = a
j
(dove a
j
la jesima colonna di A).
f(e
1
) = a
1
f(e
2
) = a
2
f(e
n
) = a
n
f(e
1
) = a
1
= Ae
1
Ax = f(x)
X
x = x
1
e
1
+ x
2
e
2
+ x
n
e
n
Ax = A(x
1
e
1
+x
2
e
2
+x
n
e
n
) = x
1
Ae
1
+x
2
Ae
2
+x
n
Ae
n
= x
1
a
1
+x
2
a
2
+x
n
a
n
=
= x
1
f(e
1
)+x
2
f(e
2
)+x
n
f(e
n
) = f(x
1
e
1
)+f(x
2
e
2
)+f(x
n
e
n
) = f(x
1
e
1
+x
2
e
2
+x
n
e
n
) = f(x)
C una corrispondenza biunivoca tra le funzioni e le matrici di rappresentazione.
Lutilit di porre f(x)=A(x) enorme: ci permette di dire tutto su una funzione in
maniera molto semplice.
Esempio.
f(x
1
, x
2
, x
3
) = (x
1
+2x
2
, x
3
-2x
1
)
f: IR
3
IR
2
La matrice di rappresentazione avr n=3 e m=2, cio sar A
(2x3)
.
f(e
1
) = f(1, 0, 0) = (1, -2) ( la prima colonna della matrice)
f(e
2
) = f(0, 1, 0) = (2, 0) ( la seconda colonna della matrice)
f(e
3
) = f(0, 0, 1) = (0, 1) ( la terza colonna della matrice)
1 2 0
-2 0 1
A=
Moltiplicando la matrice per il generico vettore si avr la funzione:
- Trasmissione della linearit nella composizione di funzioni lineari.
1) Addizione fra funzioni lineari.
f: IR
n
IR
m
C.E.: dominio e codominio di f e g coincidono
g: IR
n
IR
m
f, g lineari
(f+g)(x) lineare, perch
1) (f+g)(x+y) = (f+g)(x) + (f+g)(y)
(f+g)(x+y) = f(x+y)+g(x+y) = f(x)+f(y)+g(x)+g(y) = (f+g)(x)+(f+g)(y)
2) ceIR xeIR
n
(f+g)(cx) = c(f+g)(x)
f: IR
n
IR
m
A
(mxn)
g: IR
n
IR
m
B
(mxn)
(f+g): IR
n
IR
m
C=A+B
La somma di funzioni lineari una funzione lineare e la sua matrice di
rappresentazione la somma delle matrici di rappresentazione delle singole
funzioni.
2) Moltiplicazione fra funzioni lineari.
f: IR
n
IR
m
lineare
c e IR
c * f(x) lineare
f(x) = A
(mxn)
c*f(x) = c*A
(mxn)
1 2 0
-2 0 1
x
1
x
2
x
3
= (x
1
+2x
2
, -2x
1
+x
3
) *
3) Composizione di funzioni lineari.
La funzione composta di due funzioni lineari lineare.
f: IR
p
IR
m
g: IR
n
IR
p
C.E.: codominio di g coincide con il dominio di f.
fg lineare perch
fg = f(g(x)): IR
n
IR
m
IR
n
IR
p
IR
m
1) (fg)(x+y) = (fg)(x)+(fg)(y)
(fg)(x+y) = f(g(x+y)) = f(g(x)+g(y)) = f(g(x)) + f(g(y))
2) (fg)(cx) = c(fg)(x)
f(g(cx)) = f(c*g(x)) = c*f(g(x))
g: IR
n
IR
p
= B
(pxn)
f: IR
p
IR
n
= A
(mxp)
fog: IR
n
IR
m
= C=A*B (il numero di righe di B = numero di colonne di A)
La composizione di funzioni uguale al prodotto di matrici.
g f
- Prodotto di matrici.
A
2x3
B
3x2
C
2x2
c
11
= 1 riga della prima matrice per la 1 colonna della seconda matrice.
c
12
= 1 riga della prima matrice per la 2 colonna della seconda matrice.
c
21
= 2 riga della prima matrice per la 1 colonna della seconda matrice.
c
22
= 2 riga della prima matrice per la 2 colonna della seconda matrice.
c
ij
= E
p
k=1
a
ik
* b
kj
=> a
i1
*b
1j
+ a
i2
* b
2j
+ a
i3
* b
3j
C.E.: numero di righe di A = numero di colonne di B.
Analogamente con le funzioni:
A * B = B * A
fg= g f
Ma ci sono alcune eccezioni:
ff
-1
=f
-1
f
fId = Id f
per cui
A*A
-1
= A
-1
*A
In * A = A * In
2 3 1
0 1 2
1 3
0 2
2 1
* =
4 13
4 4
C=
c
11
c
12
c
21
c
22
2+0+2 6+6+1
0+0+4 0+2+2
C=
- A*B = matrice nulla.
Non sempre vero che, per ottenere la matrice nulla, sia necessario che A o B sia la
matrice nulla in un prodotto A*B.
Esempio.
In questo esempio si ottenuta la matrice nulla senza che una delle due matrici fattori
fosse nulla.
- Matrice identit.
In = matrice identit.
Esempio.
una matrice quadrata (n*n) tale che: A
(nxn)
* In = In * A
(nxn)
- Matrice invertibile.
Una matrice A quadrata (n*n) invertibile se esiste una matrice B quadrata tale che
A*B =B*A =I n
B detta mattrice inversa di A e si indica con A
-1
, per cui
A*A
-1
=A
-1
*A =I n
1 0
0 0
A=
0 0
1 1
B=
1 0
0 0
0 0
1 1
* =
0 0
0 0
1 0 0
0 1 0
0 0 1
I
3
=
Perch esista A
-1
, A deve essere iniettiva e suriettiva.
Una funzione, infatti, invertibile se e solo se: f: IR
n
IR
n
dim Kerf = 0
dim Imf = n
dim Kerf + dim Imf = n
n = n, quindi f iniettiva e suriettiva
Se f: I R
n
I R
n
lineare e invertibile, la funzione inversa sar anchessa lineare.
La matrice di f
-1
la matrice inversa, cio quella matrice che, combinata con A, sia
uguale a A*A
-1
= In.
f: IR
n
IR
n
f(x) = A(x) invertibile A invertibile
- Determinante di una matrice.
Data una matrice A
(nxn)
quadrata, possibile definire il determinante, cio un numero
che la qualifica.
Il determinante viene definito in maniera induttiva, servendosi cio del determinante
della matrice quadrata (n-1)*(n-1).
- Determinante della matrice 1*1.
A = (a)
Det A = |A| = a
Il determinante di una matrice 1*1 il numero che la compone.
M
nxn
IR
Det.
- Determinante della matrice n*n.
Data una matrice quadrata:
Per poter definire il determinante necessario prendere in esame la definizione di:
1) Minore complementare (M
ij
): determinante della matrice quadrata che si
ottiene togliendo la riga iesima e la colonna jesima. Si avr cos un calo unitario
nella matrice che diventer (n-1*n-1).
2) Complemento algebrico (A
ij
): il determinante della matrice quadrata che si
ottiene togliendo la riga iesima e la colonna jesima moltiplicato alla 1 ed elevato
alla i+j.
A
ij
=(-1)
i+j
M
ij
Se i+j pari M
ij
= A
ij
Se i+j dispari A
ij
= -M
ij
Esempio.
Considerando ora
E
n
k=1
a
1k
A
1k
= det A = |A|
a
1k
= ogni elemento della prima riga.
a
11
a
12
a
1j
a
1n
a
21
a
22
a
2j
a
2n
a
i1
a
i2
a
ij
a
in
a
n1
a
n2
a
nj
a
nn
A=
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
a
11
a
13
a
31
a
33
M
ij=
a
11
a
13
a
31
a
33
A
ij
= M
ij
=
A
1k
= complemento algebrico.
Matrice 2*2
stato calcolato cos il determinante in base alla prima riga.
Matrice 3*3
= a
11
*a
22
*a
33
a
11
*a
23
*a
32
.(ci si riconduce al caso del determinante di matrice 2*2)
Matrice 4*4
Per calcolare il determinante di una matrice 4*4 ci si riconduce al caso di una matrice
3*3 e, con un secondo passaggio al caso di una matrice 2*2.
importante rilevare che il determinante pu essere sviluppato anche secondo una
colonna e non solo secondo una riga, infatti valida la scrittura:
a
11
a
12
a
21
a
22
A=
det A = |A| =
a
11
a
12
a
21
a
22
= a
11
*a
22
a
12
*a
21
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
det B = =
= a
11
a
22
a
23
a
32
a
33
-a
12
a
21
a
23
a
31
a
33
+a
13
a
21
a
22
a
31
a
32
det A = |A| = E
n
k=1
a
ik
*A
ik
= E
n
k=1
a
kj
*A
kj
Esempio.
In questo caso conviene calcolare il determinante in base alla 1 colonna, perch ci
sono molti zeri e i calcoli sarebbero notevolmente semplificati.
- Propriet del determinante.
1) I l determinante di una matrice con una colonna o una riga composta da 0 0.
2) Il determinante non cambia se a una riga aggiungo unaltra riga moltiplicata
per un numero.
In questo esempio stata moltiplicata la prima riga per 2 ed stata poi sommata
algebricamente alla seconda riga; stata ottenuta una riga di 0, per cui il determinante
0. Dallesempio si pu anche dedurre che in due matrici il determinante 0 anche
se ci sono righe/colonne proporzionali.
Esempio.
Moltiplico la 1 riga per 2 e la sommo con lultima riga.
1 2 3
0 5 -1
0 4 1
= .
1 1 1
2 2 2
1 -1 3
=
1 1 1
2-2 2-2 2-2
1 -1 3
1 1 1
0 0 0
1 -1 3
=
= 0
1 2 1 3
0 1 1 -1
0 1 3 3
2 1 3 5
1 2 1 3
0 1 1 -1
0 1 3 3
0 -3 1 -1
= 1*
1 1 -1
1 3 3
-3 1 -1
=
Sommo la 3 colonna con la 1 colonna
Sommo la 2 riga alla 3 colonna
3) I l determinante della matrice identit uguale a 1.
|In| = 1
4) Moltiplicando i complementi algebrici di una riga per i complementi algebrici di
unaltra riga e sommandoli si ottiene 0.
E
i
k=1
a
ik
*A
jk
= 0
5) Moltiplicando i complementi algebrici di una colonna per i complementi
algebrici di unaltra colonna e sommandoli si ottiene 0.
E
n
k=1
a
kj
*A
ki
= 0
6) Teorema di Binet.
Date A, B
(nxn)
(quadrate)
|A*B| = |A|*|B|
7) Una matrice invertibile se e solo se il suo determinante diverso da 0.
0 1 -1
4 3 3
-4 1 -1
=
0 1 -1
4 3 3
0 4 2
= -4*
1 -1
4 2
= -4
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
= 1
Di conseguenza una funzione invertibile se e solo se il determinante della sua
matrice di rappresentazione diverso da 0.
Dimostrazione che A invertibile |A|=0
A*A
-1
= A
-1
*A = In
|A*A
-1
| = 1 |A|=0 et |A
-1
|=0 (e sono luno il reciproco dellaltro).
Dimostrazione che |A|=0 A invertibile
Si inserisce B
(nxn)
: b
ij
eB = A
ji
/|A|
|A|=0 per ipotesi.
A*B = In
B*A = In
B linversa di A = A
-1
A B
Si moltiplica la prima riga per la prima colonna.
Si moltiplica la 1 riga per la 2 colonna.
a
11
a
12
a
13
a
1n
a
21
a
22
a
23
a
2n
a
n1
a
n2
a
n3
a
nn
A
11
/|A| A
21
/|A| A
n1
/|A|
A
12
/|A| A
22
/|A| A
n2
/|A|
A
2n
/|A| A
2n
/|A| A
nn
/|A|
*
= |A|/|A| = 1
a
11
A
11
+ a
12
A
12
+ a
1n
A
1n
|A|
A
11
A
21
+ a
12
A
22
+ a
1n
A
2n
|A|
= 0
Per il calcolo della matrice inversa si pu seguire una scala di operazioni:
b
ij
= A
ji
/|A|
1) Calcolare il |A|.
2) Se |A|=0 (altrimenti non invertibile), si calcola la matrice dei complementi
algebrici.
3) Si fa la trasposta della matrice dei complementi algebrici (si scambiano le righe
con le colonne).
4) Si divide la trasposta per |A|.
- Righe e colonne di una matrice.
r
i
e c
i
sono tutti vettori. c
i
e r
i
appartengono a sottospazi vettoriali diversi (ad esempio
IR
1
e IR
4
)
A
11
A
12
A
1n
A
21
A
22
A
2n
A
n1
A
n2
A
nn
A
11
A
21
A
n1
A
12
A
22
A
n2
A
1n
A
2n
A
nn
= A
t
a
11
a
12
a
1n
a
21
a
22
a
2n
a
m1
a
m2
a
mn
= r
1
= r
2
= r
m
|| || ||
c
1
c
2
c
3
f(x) = Ax
A) Considerando lo spazio generato dalle colonne:
C = <c
1
, c
2
, c
n
> = Ax
Lo spazio generato dalle colonne, dato da tutte le possibili combinazioni di c
n
,
coincide con linsieme immagine della funzione, che ha la matrice A come
matrice di rappresentazione.
B) Considerando lo spazio generato dalle righe:
R = <r
1
, r
2
, r
n
>
dim R = dim C
Il numero massimo di colonne linearmente indipendenti uguale al numero massimo
di righe linearmente indipendenti, per cui dim R = dim C.
Dato che linsieme generato dalle colonne limmagine dei vettori, il numero
massimo di colonne linearmente indipendenti sar uguale alla dimensione
dellimmagine:
dim C = dim Ax = dim f(x)
Avendo la dim A(x) posso calcolare anche la dim Ker A(x) e stabilire la suriettivit,
liniettivit e, quindi, linvertibilit della funzione.
a
11
a
12
a
1n
a
21
a
22
a
2n
a
m1
a
m2
a
mn
x
1
x
2
x
n
=
=
a
11
a
21
a
m1
x
1
+
a
12
a
22
a
m2
x
2
+
a
1n
a
2n
a
mn
x
n
= Ax
- Caratteristica o rango di una matrice.
Data una matrice A
(mxn)
si dice rango di A e si indica con k(A) il numero massimo di
righe (o di colonne) linearmente indipendenti.
- Rango di matrici quadrate.
Il rango di una matrice quadrata direttamente legato al determinante di una matrice.
Per una matrice quadrata, infatti, le seguenti affermazioni sono equivalenti:
1) k(A) = n
2) Le righe di A sono linearmente indipendenti
3) Le colonne di A sono linearmente indipendenti
4) Il determinante di A diverso da 0
Quindi,
k(A) = n n righe linearmente indipendenti
k(A) = n n colonne linearmente indipendenti
Dimostrazione che k(A) = n |A|=0.
K(A) = n n colonne linearmente indipendenti dim Imf = n
f suriettiva dim kerf = 0 (dim kerf + n = n) f iniettiva
f invertibile |A|=0
Dimostrazione che |A|=0 k(A) = n.
|A|=0 f invertibile f iniettiva f suriettiva dim Imf = n
n colonne linearmente indipendenti k(A) = n
Questa ultima proposizione pu essere molto utile se viene richiesto se dei vettori
sono linearmente indipendenti.
Esercizio.
Dati (2, 5, 7), (4, 2, 1), (-1, -3, 4) in IR
3
dire se i vettori sono linearmente
indipendenti.
2 4 -1
5 2 -3
7 1 4
A =
|A|=0 i vettori sono linearmente indipendenti.
- Rango di matrici rettangolari (m*n).
Data una matrice rettangolare A
(mxn)
, si definisce
Minore di ordine k il determinante di una sottomatrice (k*k) di A, formata dagli
elementi comuni a k righe e k colonne.
Esempio.
|B| = minore di ordine 3
Si pu affermare che, data una matrice A
(mxn)
, k(A) reIN (un numero
naturale) se esiste un minore di ordine r=0 e se tutti i minori di ordine r+1 sono
eguali a 0.
Esempio.
3 -1 0 2 5
4 3 2 -1 1
3 2 4 1 0
3 0 5
4 2 1
3 4 0
B = ( una sottomatrice 3*3)
1 1 -1 1
2 2 -2 3
0 0 0 -1
a) una sottomatrice 3*3: 1 1 -1
2 2 -2
0 0 0
Sono tutte le sottomatrici possibili. Se un determinante diverso 0, allora il rango 3.
Se tutti i determinanti sono uguali a 0 si prova con i determinanti delle matrici 2*2.
Il determinante di a) uguale a 0, perch ci sono due colonne uguali.
Il determinante di b) uguale a 0, perch ci sono due colonne uguali.
Il determinante di c) uguale a 0, perch basta sommare la 1 colonna alla 2.
Il determinante di d) uguale a 0, perch basta sommare la 1 colonna alla 2.
Tutti i minori di ordine 3 sono uguali a 0, quindi il rango minore di 3. Si prova con
le matrici 2*2
Considerando
|C| = 2 = 0.
Per ogni n+1 il determinante uguale a 0.
RANGO = 2
Esempio.
f: IR
3
IR
2
f(x
1
, x
2
, x
3
) = (x
1
+x
2
, x
2
-x
3
)
E una funzione suriettiva?
dim Imf = k(Ax)
b) una sottomatrice 3*3: 1 1 1
2 2 3
0 0 -1
c) una sottomatrice 3*3:
1 -1 1
2 -2 3
0 0 -1
d) una sottomatrice 3*3:
1 -1 1
2 -2 3
0 0 -1
-2 3
0 -1
= C
f(1, 0, 0) = (1, 0)
f(0, 1, 0) = (1, 1)
f(0, 0, 1) = (0, -1)
La matrice A
(2x3)
pu avere al massimo un k(Ax) uguale a 2
|B| = 1
k(A) = 2
dim Imf = 2
dim kerf +2 = 3 1+2 = 3
La funzione suriettiva.
- Sistemi di equazioni lineari.
b
1
, b
2
, b
m
= vettore dei termini noti.
Traducendo la scrittura in una matrice: A
mxn
*x = b
1 1 0
0 1 -1
A=
1 1
0 1
B=
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= b
m
a
11
a
12
a
1n
a
21
a
22
a
2n
a
m1
a
m2
a
mn
x
1
x
2
x
3
=
b
1
b
2
b
3
IR
n
IR
m
Risolvere il sistema significa trovare tutti i vettori x che hanno come immagine b,
detto anche antiimmagine di x.
Il sistema poteva anche essere scritto in un terzo modo, cio:
Risolvere il sistema significa, quindi, determinare quei combinatori che, moltiplicati
per le colonne, danno origine a b. b , di conseguenza, combinazione lineare finita
delle colonne.
Se non esiste nessun x, il sistema non ha soluzione e si dice incompatibile.
Se esiste uno e un solo x, il sistema detto determinato compatibile.
Se esiste pi di un x, esisteranno infiniti x e il sistema sar detto indeterminato
compatibile.
- Teorema di Rouch-Capelli.
Stabilisce in modo rapido la condizione necessaria e sufficiente affinch un sistema
sia compatibile.
Data una matrice A
mxn
(con m=n o m=n)
A x = b compatibile k(A) = k(A/b)
x b
A b ha n componenti
x ha n componenti
a
11
a
21
a
m1
* x
1
+
a
12
a
22
a
m2
* x
2
+
a
1n
a
2n
a
mn
* x
n
=
b
1
b
2
b
3
A/b (data da A + la colonna dei termini noti) detta anche matrice completa.
A detta anche matrice incompleta.
Il teorema di Rouch-Capelli afferma che un sistema di disequazioni lineari
compatibile se e solo se il rango della matrice incompleta uguale al rango della
matrice completa.
- Dimostrazione che Ax = b compatibile k(A) = k(A/b)
a
1
a
2
a
n
b
Considerando V = <a
1
, a
2
, a
n
> (spazio generato dalle colonne = Imf)
V
1
= <a
1
, a
2
, a
n
, b>
Ax = b compatibile b esprimibile come combinazione lineare finita delle
colonne di A beV V=V
1
(in V
1
b solo ripetuto perch gi compreso
in V) dim V = dim V
1
k(A) = k(A/b)
(N.B. dim V = massimo numero di colonne linearmente indipendenti = k(A))
- Dimostrazione che k(A) = k(A/b) Ax = b compatibile.
k(A) = k(A/b) dim V = dim V
1
V=V
1
beV Ax = b compatibile
- Teorema di Kramer.
Si riferisce a sistemi quadrati (il numero di incognite uguale al numero di
equazioni). Permette di risolvere suddetti sistemi, esprimibili con una matrice
quadrata del tipo A
nxn
.
Ax = b ha una solo soluzione beIR
n
|A|=0
a
11
a
12
a
1n
b
1
a
21
a
22
a
2n
b
2
a
m1
a
m2
a
mn
b
m
A/b =
a
11
a
21
a
m1
* x
1
+
a
12
a
22
a
m2
* x
2
+
a
1n
a
2n
a
mn
* x
n
=
b
1
b
2
b
3
- Dimostrazione che Ax = b ha una sola soluzione |A|=0
Dato che vale per ogni b, si pu dimostrare con b = 0, per cui Ax=0 ( detto
sistema omogeneo)
Ax = 0 Ker A = 0 Kerf = {0} f iniettiva f suriettiva f invertibile
|A|=0
N.B. f: IR
n
IR
n
Dim Kerf + dim Imf = n dim Imf = n n = n
- Dimostrazione che |A|=0 Ax = b con una solo soluzione.
|A|=0 -A
-1
Ax = b A
-1
*Ax = A
-1
*b In x = A
-1
b x = A
-1
b
N.B.: non vale A
-1
*Ax = b*A
-1
, perch loperazione al secondo membro non
definita.
x
j
= riga jesima per b = A
1j
/|A| * b
1
+ A
2j
/|A| * b
2
+ + A
nj
/|A| * b
n
=
A
1j
b
1
+ A
2j
b
2
+ A
nj
b
n
=
|A|
Il numeratore della frazione il determinante secondo la colonna jesima di una
matrice del tipo
in cui la colonna jesima uguale a (b
1
, b
2
, b
n
).
A
11
/|A| A
21
/|A| A
n1
/|A|
A
12
/|A| A
22
/|A| A
n2
/|A|
A
1j
/|A| A
2j
/|A| A
nj
/|A|
A
1n
/|A| A
2n
/|A| A
nn
/|A|
x
1
x
2
x
j
x
n
=
b
1
b
2
b
n
*
a
11
a
12
b
1
a
1n
a
21
a
22
b
2
a
2n
a
n1
a
n2
b
n
a
nn
= C
Da ci si deduce che
x = |C|/|A|
Esempio.
La matrice di rappresentazione del sistema :
Se |A|=0 si pu utilizzare il metodo di Kramer.
|A| = 2 = 0
la colonna dei termini noti
la colonna dei termini noti
SOLUZIONE = (0, , )
x + y + z = 1
x y + z = 0
x + 2y = 1
Sistema
quadrato
1 1 1
1 -1 1
1 2 0
A =
1 1 1
0 -1 1
1 2 0
x = * = 0
1 1 1
1 0 1
1 1 0
y =
* = 1/2
1 1 1
1 -1 0
1 2 1
z = * = 1/2
Per i sistemi non quadrati possibile utilizzare ugualmente il metodo di Kramer,
riconducendosi a sistemi quadrati.
Esempio.
Se k(A) = k(A/b) il sistema ammette soluzioni.
k(A) s 2
k(A) = 2
k(A/b) s 2
k(A/b) = 2
k(A) = k(A/b)
SOLUZIONI:
2x 3y + z = 1
5x + y 2z = 7
2 -3 1
5 1 -2
A=
2 -3
5 1
= 0
2 -3 1 1
5 1 -2 7
A/b =
2 -3
5 1
= 0
2x 3y = 1 z
5x + y = 7 + 2z
Z pu essere pensato come parametro, quindi, come termine noto e non come
variabile.
la colonna dei termini noti sostituita.
SOLUZIONI : ((5z+22)/17, (9z+9)17, z) => infinite soluzioni
2 -3
5 1
= 17 = 0
1-z -3
7+2z 1
x = * 1/17 = [(1-z) + 3(7+2z)]/17 = (5z+22)/17
2 1-z
5 7+2
z
y = * 1/17 = [2(7+2z)-(1-z)5]/17 = (9z+9)/17