Sei sulla pagina 1di 17

Lezione 1: L’algoritmo di Gauss

In questa lezione vogliamo introdurre l’algoritmo di Gauss. Questo alg o- ritmo si applica alle matrici , che come vedremo, sono semplicemente un modo di organizzare i numeri in un rettangolo. Per il momento vedremo soltanto un’applicazione del metodo di Gauss per la risoluzione dei sistemi linea ri, tuttavia questo metodo risultera’ fondamentale quando andremo a studiare gli spazi vettoriali in generale e i problemi di dipendenza e indipendenza lineare.

0.1 Sistemi lineari: primi esempi

Un sistema lineare `e un insieme di equazioni lineari, cio`e equazioni in cui le incognite appaiono con grado 1. Una soluzione di un sistema lineare in n incognite `e una n-upla di valori che sostituiti alle incognite che soddisfano tutte le equazioni del sistema. Ad esempio, consideriamo il sistema lineare nelle due incognite x, y :

2 x 3 y = 22

4 x + 5 y = 66 .

Se moltiplichiamo entrambi i membri di una equazione per un numero reale, oppure se sommiamo membro a membro due equazioni del sistema, otteniamo sempre una equazione lineare in due incognite e le soluzioni del sistema non cambiano . Cio’ ci fornisce un metodo per calcolare le soluzioni del sistema in modo organizzato.

Infatti sommiamo alla seconda equazione la prima equazione moltiplicat a per 2 in modo da eliminare dalla seconda equazione l’incognita x, ottenendo cos`ı :

2 x 3 y = 22

11 y = 22 .

Ora, dalla seconda equazione ricaviamo

y = 2;

sostituendo questo valore di y nella prima equazione otteniamo

2 x 6 = 22 ,

da cui

x = 14 .

1

Troviamo cos`ı che il sistema ha una ed una sola soluzione: (14 , 2) .

Consideriamo un altro esempio, il sistema lineare nelle tre incognite x, y, z :

x + 2 y + 3 z = 1

4 x + 5 y + 6 z = 1 .

7 x + 8 y + 8 z = 1

Sommiamo alla seconda e alla terza equazione la prima equazione moltipli- cata rispettivamente per 4 e per 7 , in modo da eliminare dalla seconda e dalla terza equazione l’incognita x, ottenendo cos`ı

 

x + 2 y + 3 z = 1

3 y 6 z = 3

6 y 13 z = 6

.

Sommiamo alla terza equazione la seconda equazione moltiplicata per 2 , in modo da eliminare dalla terza equazione l’incognita y, ottenedo cos`ı :

 

x + 2 y + 3 z = 1

3 y 6 z = 3 .

z = 0

Ora, dalla terza equazione ricaviamo

z = 0;

sostituendo questo valore di z nella seconda equazione otteniamo

3 y = 3 ,

da cui

y = 1;

sostituendo questi valori di z ed y nella prima equazione otteniamo

x + 2 = 1 ,

da cui

x = 1;

Troviamo cos`ı che il sistema ha una ed una sola soluzione: ( 1 , 1 , 0) .

Questi due esempi suggeriscono un metodo per la risoluzione dei sistemi lineari pi`u generale. Prima di descriverlo, vogliamo introdurre il co ncetto di matrice.

2

Possiamo rappresentare sinteticamente i dati che caratterizza no il sistema del punto precedente con la matrice, cio`e una tabella rettangolar e in cui inserire i coefficienti del sistema:

1

4

7

2

5

8

3

6

8

1

1

1

La matrice che abbiamo scritto ha nelle righe i coefficienti delle incognit e e il termine noto della varie equazioni, mentre nelle colonne ha i coefficient i delle varie incognite e infine i termini noti. Il processo con cui abbiamo ricavato le soluzioni puo’ essere descritto nel modo seguente, dove ”moltiplicare una riga per un numero reale p ” sig- nifica ”moltipicare ogni componente della riga per p ”, ”sommare due righe” significa ”sommare le componenti corrispondenti delle due righe”, Sommiamo alla seconda e alla terza riga la prima riga moltiplicata rispet- tivamente per 4 e per 7 , in modo da annullare nella seconda e nella terza riga la prima componente, ottenendo cos`ı la matrice

R 1 := R 1

R 2 :=

R 2 4 R 1

R 3 :=

R 3 7 R 1

1

0

0

2

3

6 13 6

3

1

6 3

Sommiamo alla terza riga la seconda riga moltiplicata per 2 , in modo da eliminare nella terza riga la seconda componente, ottenedo cos`ı

R 1 := R 1 R 2 := R 2

R 3 :=

R 3 2 R 2

1 Matrici

1

0

0

2

3

1

3 6 3 .

0 1

0

Una matrice `e una tabella di numeri reali. Ciascuna matrice viene pensata come un’unica entit`a e viene indicata con una lettere maiuscola. Se una matrice A possiede m righe ed n colonne si dice che A ha tipo m × n. Il numero reale che compare in A nella riga ima e colonna j ma viene detto elemento di posto ( i, j ) di A.

3

La generica matrice A di tipo m × n viene rappresentata

A =

oppure, pi`u brevemente,

a

a

11

21

.

.

.

a m1

a

a

12

22

.

a m2

A

= [a ij ]i=1,

j=1,

,m

,n

,

a

a

1n

2n

.

a

mn

,

o A = [a ij ] quando il tipo`e chiaro dal contesto. Si noti che i e j non hanno

alcun particolare significato, potrebbero essere sostituiti da altr i due simboli,

come h e k. Per indicare che una matrice A ha tipo m × n si usa scrivere anche

A

m × n .

Una volta scelto un simbolo, nel nostro caso A, per indicare una matrice,

si

usa il simbolo a i,j per indicare l’elemento di posto ( i, j ) in A. Ad esempio, per

A = 5

1

6

9 10 11

2

3

7

4

8

12

,

si ha:

a 2,3 = 7 ,

a 2,. = 5

6

7

8

,

a .,3 =

3

7

11

.

Se le righe di una matrice A hanno lo stesso numero di elementi delle colonne di una matrice B, allora possiamo fare il prodotto scalare di ciascuna riga di A per ciascuna colonna di B, ed organizzare questi prodotti in una tabella, otteniamo cos`ı una matrice detta prodotto (righe per co lonne) di A per B, ed indicata con AB.

4

Ad esempio, si ha

1

2

3

4

5

6

7

8

9 10 11

14 =

12 13

=

1

3

5

7

· 9 + 2 · 12 · 9 + 4 · 12 · 9 + 6 · 12 · 9 + 8 · 12

1 · 10 + 2 · 13 3 · 10 + 4 · 13 5 · 10 + 6 · 13 7 · 10 + 8 · 13

33

75

117

159

39

89

128 139

174 189

36

82

1 · 11 + 2 · 14 3 · 11 + 4 · 14 5 · 11 + 6 · 14 7 · 11 + 8 · 14

La moltiplicazione di matrici puo’ essere utilizzata per rappresenta re sin- teticamente i sistemi lineari. Ad esempio, il sistema lineare

cio`e

puo’ essere scritto come

x 1 + 2 x 2

4 x

x

1

1

+ 5 x 2 + x 2

=

6

= 0

=

3

x 1 + 2 x 2

4 x

x

1

1

+ 5 x 2 + x 2

=  

3

6

0

1

4

1

2

5

1

x x 2 =

1

3

6

0

,

,

.

In generale, il sistema lineare

a 11 x 1 a 21 x 1

+ a 12 x 2 + a 22 x 2

+ · · · + + · · · +

a 1n x n a 2n x n

a m1 x 1 + a m2 x 2 + · · · + a mn x n

5

=

=

.

.

.

= b m

b

b

1

2

cio`e

a 11 x 1 a 21 x 1

+ a 12 x 2 + a 22 x 2

+ · · · + + · · · +

a 1n x n a 2n x n

.

.

.

a m1 x 1 + a m2 x 2 + · · · + a mn x n

puo’ essere scritto come

a

a

11

21

.

.

.

a

a

12

22

.

a

a

1n

2n

.

a

e rappresentato sinteticamente come

a m1

a m2

mn

    

x

x

.

.

.

x

1

2

n

Ax = b,

=

=

b

b

.

.

.

1

2

b

m

b

b

.

.

.

1

2

b

m

dove A `e la matrice di tipo m × n dei coefficienti, x `e la colonna delle n incognite, e b `e la colonna degli m termini noti.

Esempi

1

2

3

4

4

5  

5 =  

4

5

10 , 12 15

8

1

2

3

non‘e definito;

1

2

3

a

c

2

0

4

b

d

0

3

3

4

1

2

=

3

6

= 11;

4

8

2 0

0 3

b

a

c d

= 2 a

2 c

= 2 a

3 c

,

3 b

3 d

2 b

3 d

,

.

6

2 Sistemi lineari: soluzione con l’algoritmo di Gauss

Un sistema di m equazioni lineari in n incognite x 1 ,x 2 , di m equazioni lineari

,x n `e un insieme

a 11 x 1 a 21 x 1

.

.

.

a m1 x 1 + a m2 x 2 + · · · + a mn x n = b m

+ a 12 x 2 + a 22 x 2

+

+

·

·

·

·

·

·

+

+

a 1n x n = b 1 a 2n x n = b 2

mn ,b m sono costanti reali; gli a ij sono i coefficienti

e i b j sono i termini noti del sistema. Una soluzione di questo sistema`e

una npla ( s 1 ,s 2 , sistema:

n ) di numeri reali soluzione di ciscuna equazione del

dove a 11 ,a 12 ,

,b

1

,

,s

,a

n

a ij s j = b,

i = 1 , 2 ,

, m.

j=1

Il sistema si dice

impossibile se non possiede alcuna soluzione;

determinato se possiede una ed una sola soluzione;

indeterminato se possiede pi`u di una soluzione.

Vedremo in seguito che un sistema indeterminato in realt`a possiede infinite soluzioni. Diciamo che due sistemi lineari sono equivalenti quando hanno lo stesso insieme delle soluzioni.

Possiamo rappresentare i dati che caratterizzano il sistema linea re

a 11 x 1 a 21 x 1

.

.

.

a m1 x 1 + a m2 x 2 + · · · + a mn x n = b m

+ a 12 x 2 + a 22 x 2

+ · · · + + · · · +

a 1n x n = b 1 a 2n x n = b 2

7

,

con una matrice avente nelle prima riga i coefficienti e il termine noto della prima equazione, nelle seconda riga i coefficienti e il termine noto della sec- onda equazione,

a

a

11

21

.

.

.

a m1

a

a

12

22

.

a m2

a

a

1n

2n

.

a mn

b

b

1

2

.

b m

detta matrice completa del sistema; nella prima colonna di questa matrice compaiono i coefficienti della prima incognita x 1 nelle varie equazioni, nella seconda colonna di questa matrice compaiono i coefficienti della seconda

incognita x 1 nelle varie equazioni,

nell’ultima colonna di questa matrice

compaiono i termini noti delle varie equazioni. La matrice

a

a

11

21

.

.

.

a m1

a

a

12

22

.

a m2

a

a

1n

2n

.

a

mn

viene detta matrice dei coefficienti del sistema.

Consideriamo un generico sistema lineare di m equazioni in n incognite

x

1 ,x 2 ,

,x

n

 

 

a 11 x 1 a 21 x 1

.

.

.

a m1 x 1 + a m2 x 2 + · · · + a mn x n = b m

+

+

a 12 x 2 a 22 x 2

+ · · · + + · · · +

a 1n x n = b 1

a 2n x n = b 2

,

nel quale la incognita x 1 compaia effettivamente, cio`e compaia con un coef- ficiente = 0 in almeno una equazione; a meno di uno scambio di equazioni,

possiamo supporre che x 1 compaia effettivamente nella prima equazione, cio`e

che sia a 11 = 0 .

Possiamo eliminare la stessa incognita x 1 dalla seconda equazione, som-

mando alla seconda equazione la prima moltiplicata per a 21

a

11

:

a 21 x 1 + a 22 x 2 + · · · + a 2n x n

11 ( a 11 x 1 + a 12 x 2 + · · · + a 1n x n ) = b 1

a

a

21

ottenendo cos`ı un’equazione del tipo

a 22 x 2 + · · · + a

2n x n = b

2

.

8

a

21

a 11

(

b 2 )

Analogamente, possiamo eliminare la stessa incognita x 1 dalla terza equazione, sommando alla terza equazione la prima moltiplicata per a 31 11 , ottenendo cos`ı un’equazione del tipo

a

a 32 x 2 + · · · + a

3n x n = b

3

;

e cos`ı fino ad eliminare x 1 dall’ultima equazione, ottenendo cos`ı un sistema lineare del tipo

a 11 x 1 + a 12 x 2 + · · · + a 1n x n = b 1

a 22 x 2 + · · · + a

.

.

.

2n x n = b

2

a m2 x 2 + · · · + a

mn x n = b

m

.

Questo sistema`e equivalente al sistema originario.

Abbiamo cos`ı sostanzialmente ricondotto la soluzione del sistema o rigi-

n alla soluzione di

. L’iterazione di questo processo porta ad un metodo di risoluzione dei sistemi lineari, detto metodo di eliminazione di Gauss .

nario di m equazioni lineari nelle n incognite x 1 ,x 2 ,

un sistema di m 1 equazioni lineari nelle n 1 incognite x 2 ,

,x

,x

n

In termini matriciali, il processo di eliminazione puo’ essere descritt o nel modo seguente. Consideriamo una matrice di m righe ed n + 1 colonne

a

a

11

21

.

.

.

a m1

a

a

12

22

.

a m2

a

a

1n

2n

.

a mn

b

b

1

2

.

b m

nella quale la prima colonna non sia completamente nulla; a meno di uno

scambio di righe, possiamo supporre che a 11 = 0 .

Possiamo annullare il primo elemento della seconda riga, sommando alla

seconda riga la prima riga moltiplicata per a 21

a

11

:

( a 21 ,a 22 ,

,a

2n ,b 2 )

a

21

a

11

(

a 11 ,a 12 ,

ottenendo cos`ı una riga del tipo

(0 , a

22 ,

9

,a

2n ,b

2 ) ,

,a

1n ,b 1 )

e cos`ı fino ad annullare il primo elemento dell’ultima riga, ottenendo cos`ı una matrice del tipo

a 11

0

.

.

.

0

a

a

12

22

.

a

m2

a

a

1n

2n

a

.

mn

b

b

1

2

.

b m

(1)

L’elemento non nullo a 11 si dice il pivot della prima riga, e nella colonna al di sotto di esso vi sono tutti zeri. A questo punto la prima riga rimane invariata, e si applica nuovamente

l’algoritmo di Gauss alle righe successive. Se almeno uno degli a 2i `e diverso

da zero, a meno di uno scambio di righe,`e possibile supporre a

= 0. In

tal caso, a 22 `e il pivot della seconda riga, e possiamo lavorare come sopra in modo da ottenere una matrice con tutti zeri nella colonna al di sot to di a

22

22 .

Se invece tutti gli a 2i sono nulli, e se almeno un a 3i `e diverso da zero, a

meno di uno scambio di righe,`e possibile supporre a = 0 ne allora il il pivot

32

della seconda riga`e a 32 , e procedendo come sopra otteniamo una matrice con tutti zeri nella colonna al di sotto di a Poi si cerca il pivot della terza riga, e si continua cos`ı sino ad ottenere una

matrice a scala . A questo punto si torna al sistema associato e lo si risolve per sostituzione. Possono succedere tre cose:

32 .

il sistema `e impossibile : in tal caso il numero di righe non nulle della matrice a scala incompleta`e minore del numero di righe non nulle della matrice a scala ompleta;

il sistema `e determinato : ha soluzione e il numero di pivots `e uguale al numero delle incognite;

il sistema `e indeterminato : ha soluzione ma il numero r di pivots `e minore del numero n delle incognite. In tal caso diciamo in breve che il sistema ha n r soluzioni, cio`e le soluzioni dipendono da n r parametri. Le incognite che si ricavano sono quelle corrispondenti ai pivots, le altre possono assumere un valore (parametro) a piacere.

10

a 11

0

0

.

.

.

0

a

a

12

22

0

.

0

a

a

a

1n

2n

2n

a

.

mn

b

b

b

.

1

2

2

b m

.

Esempio 1 Consideriamo il sistema lineare di quattro equazioni nelle cinque incog nite u, v, w, x, y, con la corrispondente matrice completa

u +2 v +3 w

u +2 v +3 w +2 x +3 y = 2

+ y = 2

0

u

4

+

+

x

x

+ y =

+

v

+

w

3 u 5 v 7 w 4 x 5 y =

1

1

1

2

2

1

3

3

1

1

2

1

4

1

3 2

2

0

1

3 5 7 4 5

.

Di seguito riportiamo i passi del metodo di eliminazione di Gauss, descritti sia sul sistema che sulla corrispondente matrice. Svolgiamo i passi cercando di essere il pi`u possibile sistematici, come li potrebbe svolgere un elaboratore.

u

u

u

+2 v +3 w + x

x

4

+2 y = 6

= 6

12

+ y =

v 2 w

v

+2 w x 2 y =

+2 v +3 w + x v 2 w

x

+ y =

4

= 6 +2 y = 6

v

+2 w x 2 y = 12

+2 v +3 w + x v 2 w

x

+ y = = 6

+2 y = 6

6

4

x 2 y =

11

1

0

0

0

1

0

0

0

1

0

0

0

2

0

1

0

0

2 1 2

3

1

1

2 6 6 .

0

4

12

1 2

1

3

1 2

0

2

0

1

1

0

1

2 1 2

1

4

0 6

6

12

2

3

1 2

0

2

0

0

1

0

1

0 1 2

1

0 6

6

6

2

4

.

.

u +2 v +3 w + x

v

2

w

+ y = = 6

x +2 y = 6

0

4

0 =

3

0 1 2

0

0

1

2

0

0

0

0

1

0

1

0

4

0 6

1

2

0

6

0

.

L’ultima equazione`ediventata un’identita’. Ora, dalla terza equazione ricaviamo la prima incognita che in essa com- pare, la x, in funzione della y :

x = 2 y 6 .

(Osserviamo che la x`e proprio l’incognita corrispondente al pivot della terza riga) Nella seconda equazione sostituiamo la x con la sua espressione in funzione della y e ricaviamo la prima incognita che in essa compare, la v, in funzione della w e della y :

v = 2 w + 6 .

(Osserviamo che la v `e proprio l’incognita corrispondente al pivot della sec- onda riga) Nella prima equazione sostituiamo la x con la sua espressione in funzione della y, sostituiamo la v con la sua espressione in funzione della w e della y, e ricaviamo la prima incognita che in essa compare, la u, in funzione della w e della y :

u

= 2 v 3 w x y + 4

= 2( 2 w + 6) 3 w ( 2 y 6) y + 4

= w + y 2 .

Dunque il sistema`e indeterminato, ha infinite soluzioni del tipo

u

v

w

x

=

=

= p = 2 q 6

p + q 2 2 p + 6

y = q

,

che dipendono da due parametri liberi p, q in R. In altri termini, le soluzioni del sistema sono le quintuple di numeri reali del tipo

( p + q 2 , 2 p + 6 , p, 2 q 6 , q ) ,

12

ottenute al variare di p, q in R.

Esempio 2 Consideriamo il sistema lineare di quattro equazioni nelle quattro incog- nite x, y, z, t con la corrispondente matrice completa

y x +2 y 3 z

x

5

2

2 y +3 z 4 t = 11

3 z +4 t =

2

=

=

15

1 2

1

0 2

0

0

2 3

0

0

5

2

3 4 11 .

4

15

0 3

Di seguito riportiamo i passi del metodo di eliminazione di Gauss, descritti sia sul sistema che sulla corrispondente matrice.

x

x

x

5

3

2 y +3 z 4 t = 11

2

y

=

=

3

z

3 z +4 t =

15

5

2 y +3 z 4 t = 11

= 3 z +4 t =

3

2

y

=

z

3

15

5

2 y +3 z 4 t = 11

3

12

2

y

=

3

z

= +4 t =

1

0

0

0

1

0

0

0

1

0

0

0

2

2

0

0 3

3

0 3

0

0

4

4

5

3

11

15

2

2

0

0

5

3 4 11

3

15

0

0

4

3

0 3

2

2

0

0

0

5

3 4 11

3

12

0

0

4

3

0

.

.

.

A questo punto dalla quarta equazione possiamo ricavare la t :

t = 3;

nella terza equazione eventualmente sostituire questo valore di t e ricavare la z :

z = 1;

13

nella seconda equazione eventualmente sostituire questi valori di t e di z e ricavare la y :

2 y 3 12 = 11 ,

y = 2;

nella prima equazione eventualmente sostituire cavare la x :

x + 4 = 5 ,

x = 1 .

questi valori di t, z, y e ri-

Dunque il sistema`e determinato ed ha come unica soluzione la quater na (1 , 2 , 1 , 3) .

Esempio 3 Consideriamo il seguente sistema lineare di tre equazioni nelle cinque incognite x 1 ,x 2 ,x 3 ,x 4 ,x 5

  x 2 +3 x 3

x

1

2 x

1

+ x 5 = 2

+ x 2 +8 x 3 4 x 4 +2 x 5 = 3

  x 1 +2 x 2 +5 x 3 3 x 4 +4 x 5 = 1

La matrice completa associata al sistema `e:

1

[A| b] = 2

1

che ridotta a scala diventa:

1

[A | b ] = 0

0

1 3

0

8 4

2 5 3

1

1 3

0

0

3 2 4

1

0

1

2

4

1

0

3

2

3

1

.

2

1 .

0

Sia la matrice completa che la matrice incompleta hanno r = 3 righe non nulle, quindi il sistema ??? risolubile, e le soluzioni dipendono da n r = 5 3 = 2 parametri. I pivots non nulli della matrice sono quelli relativi a x 1 ,x 2 e x 4 , quindi possiamo ricavare queste incognite in funzione delle rimanenti x 3 e x 5 . Il sistema associato alla matrice a scala [ A | b ] ???:

   x 1 x 2 + 3 x 3 + x 5 = 2 3 x 2 + 2 x 3 4 x 4 = 1

  x 4 + 3 x 5 = 0

14

Posto x 3 = s , x 5 = t otteniamo: x 4 = 3 t, x 2 = 2 3 s 4 t 1 3 , x 1 =

11

s 5 t + 5

3

3 . Le soluzioni sono quindi 11 s 5 t + 3 , 2 3 s 4 t 3 , s, 3 t, t | s, t R .

3

5

1

Esempio 4 Consideriamo il seguente sistema lineare di tre equazioni nelle tre incog- nite x 1 ,x 2 ,x 3 :

  + x 3 =

x 1

x 2

2

x 2 +3 x 3 = 1

2 x

1

  +2 x 3 =

x

1

1

La matrice completa associata al sistema ´e:

[A| b ] = 2 1 3 1 .,