Sei sulla pagina 1di 39

Appunti di Algebra Lineare

per il Corso di Matemati a del Continuo


Davide Fermi

Novembre 2014
Indi e
0.1 Introduzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.2 Spazi Vettoriali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
0.2.1 Al uni esempi di spazi vettoriali . . . . . . . . . . . . . . . . . . . . . . . 3
0.2.2 Sottospazi vettoriali, ombinazioni lineari e basi . . . . . . . . . . . . . . 7
0.3 Appli azioni Lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
0.3.1 Un esempio di appli azioni lineari: le matri i . . . . . . . . . . . . . . . . 11
0.3.2 Operazioni tra appli azioni lineari . . . . . . . . . . . . . . . . . . . . . . 14
0.3.3 Nu leo e Immagine di una appli azione lineare. Isomorsmi e appli azioni
inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
0.4 Sistemi Lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
0.4.1 Rappresentazione matri iale . . . . . . . . . . . . . . . . . . . . . . . . . 29
0.4.2 Metodo risolutivo di Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . 30
0.4.3 Sistemi lineari di n equazioni in n in ognite . . . . . . . . . . . . . . . . 32

0.1 Introduzione

Questi appunti sono s ritti per la parte di Algebra Lineare relativa al orso di Istituzioni di
Matemati a del orso di laurea triennale in Informati a Musi ale. Essi sono s ritti on l'inten-
zione di fornire delle onos enze basilari sull'argomento, quali al une denizioni fondamentali
ed al uni sempli i risultati, non h al uni esempi delle stesse.

La trattazione qui svolta non intende in al un modo essere esaustiva. Per una analisi pi om-
pleta di questi argomenti si rimanda a libri di testo quali [1, per lo studio dei vettori in
n
R
, delle
matri i e dei sistemi lineari, e [2, per una trattazione pi astratta e formale degli argomenti di
teoria.

1
0.2 Spazi Vettoriali

In questa sezione si introdu ono il on etto di spazio vettoriale e le varie nozioni ad esso as-
so iate. Questi on etti verranno prima trattati in maniera assiomati a e rigorosa, dando le
denizioni basilari e al uni sempli i risultati; in seguito, si pro eder alla dis ussione di al uni
degli esempi pi rilevanti in matemati a.

Denizione 0.2.1. Sia V un insieme munito delle due operazioni seguenti.

i. Somma di vettori
+:V V V , (v, w) 7 v + w . (1)

ii. Prodotto per uno s alare


:RV V , (, v) 7 v v . (2)

La terna (V, +, ) detta spazio vettoriale (reale ) se le operazioni di somma di vettori e di


moltipli azione per uno s alare soddisfano i seguenti assiomi.

a.1. Asso iativit della somma di vettori

(u + v) + w = u + (v + w) , u, v, w V . (3)

a.2. Commutativit della somma di vettori

v +w = w+v, v, w V . (4)

a.3. Elemento neutro per la somma di vettori

o V tale he v+o = v, v V (5)

( on il simbolo o si indi her sempre tale elemento, an he detto vettore nullo ).


a.4. Elemento inverso per la somma di vettori

v V (v) V tale he v + (v) = o (6)

(l'elemento v sar hiamato opposto di v ).

a.5. Distributivit della moltipli azione per uno s alare rispetto alla somma di vettori

(u + v) = u + v , R, v, w V . (7)

a.6. Distributivit della moltipli azione per uno s alare rispetto alla somma di s alari

( + ) v = v + v , , R, v V . (8)

a.7. Compatibilit del prodotto per uno s alare

( v) = ( ) v , , R, v V . (9)

a.8. Elemento neutro per la moltipli azione per uno s alare

1 R tale he 1v = v, v V . (10)

Gli elementi di V sono detti vettori .

2
Osservazione 0.2.1 . Spesso nel seguito, on un pi olo abuso di linguaggio, si dir he  V uno
spazio vettoriale, sottointendendo le operazioni di somma di vettori e prodotto per uno s alare
ad esso asso iate, quando sar hiara la loro denizione.

Lemma 0.2.1. Gli assiomi a.1- a.8 della Def. 0.2.1 permettono di dimostrare i seguenti risultati.

1) Siano 0R lo zero s alare e oV il vettore nullo. Allora

0v = o, v V e o = o, R . (11)

2) Il vettore nullo o V uni o.

3) Per ogni v V l'inverso (v) V uni o e soddisfa

(v) = (1) v v . (12)

0.2.1 Al uni esempi di spazi vettoriali


Gli spazi Rn
E' noto he l'insieme dei numeri reali R ( R1 ) pu essere messo in orrispondenza biunivo a
on una retta (spazio 1-dimensionale), sulla quale si siano ssate una origine, una orientazione
ed una unit di misura. Analogamente, gli insiemi prodotto
2
ed 3 R R R R R R R
possono rispettivamente essere identi ati on il piano eu lideo (spazio 2-dimensionale) e on
lo spazio eu lideo (spazio 3-dimensionale) .
Pi in generale, ssato n N, si onsideri l'insieme prodotto

Rn := R . . R} ,
| .{z (13)

n volte

i ui elementi sono le n-uple ordinate

(x1 , . . . , xn ) , on xi R, i = 1, . . . , n . (14)

Come nei asi n = 1, 2, 3 itati pre edentemente, per ogni n N, l'insieme Rn pu essere messo
in orrispondenza biunivo a on uno spazio n-dimensionale i ui punti, ssata una origine, sono
identi ati dalle oordinate x1 , . . . , xn .

Denizione 0.2.2. Si denis ono vettori in Rn le n-uple verti ali



x1
..
xi R, i = 1, . . . , n ,

. , on (15)

xn

e, per ogni i = 1, . . . , n, la oordinata xi detta omponente i-esima del vettore.

Nel seguito i vettori saranno sempre indi ati on delle lettere minus ole in grassetto (ad esempio
x, y, z, . . .) e le relative oordinate on la stessa lettera non in grassetto (ad esempio xi , yi, zi , . . .).

3
Denizione 0.2.3. Sia x un vettore in Rn (si veda la (15)). Il trasposto di x la n-upla
orizzontale

xT = (x1 , . . . , xn ) . (16)

Osservazione 0.2.2 . Spesso, i vettori e i loro trasposti deniti in questi appunti sono rispetti-
vamente denominati vettori olonna e vettori riga.

Esempio 0.2.1. La seguente s rittura rappresenta un vettore in R3



4
x = 2 , (17)
0
la ui se onda omponente x2 = 2 . Il trasposto di x
xT = 4 2 0 .

(18)

Denizione 0.2.4. Due vettori x, y in Rn si di ono uguali (si s rive x = y) se le rispettive


1
omponenti sono uguali a una a una ( )

x=y xi = yi , i = 1, . . . , n . (19)

Denizione 0.2.5. Si des ono le seguenti operazioni sui vettori in Rn .


i. Somma di vettori 2
( )

+ : Rn Rn Rn , x+y, (x, y) 7 (20)

denita in modo tale he le omponenti del vettore somma z = x+y sono date dalla somma
delle rispettive omponenti dei vettori x, y

zi = xi + yi , i = 1, . . . , n . (21)

ii. Prodotto per uno s alare


: R Rn Rn , (, x) 7 x , (22)

denita in modo tale he le omponenti del vettore risultante z = x sono date dal prodotto
delle singole omponenti del vettore x per lo s alare
zi = xi , i = 1, . . . , n . (23)

Osservazione 0.2.3. Per i asi n = 1, 2, 3 possibile dare una interpretazione geometri a pi


intuitiva della somma di vettori e della moltipli azione di un vettore per uno s alare. Ad
esempio, la somma di due vettori pu essere ottenuta per mezzo della regola del parallelogramma
(o, equivalentemente, della regola punta- oda), mentre la moltipli azione di un vettore per
uno s alare orrisponde ad una dilatazione (o ad una ontrazione) della lunghezza del vettore
onsiderato. A tal proposito, si veda [2, pagg.13-15.

1 Chiaramente, non ha senso parlare di una relazione di uguaglianza per vettori appartenenti a spazi diversi;
ad esempio
x R2 , y R3 x 6= y .
2 N.B.: La somma di vettori denita solo per vettori nello stesso spazio Rn . Non si possono sommare
vettori appartenenti a spazi diversi (ad esempio non denita l'operazione x +y per x R
2
e y
3
).R

4
Denizione 0.2.6. Il vettore nullo 0 Rn il vettore on tutte le omponenti nulle

0
0 .
.. . (24)

0
Osservazione 0.2.4 . Il vettore nullo 0 Rn non da onfondere on lo zero s alare 0R 3
( ).

Proposizione 0.2.1. Siano + : Rn Rn Rn , : R Rn Rn le operazioni denite,


equazioni (20) (22); allora, la terna (R , +, ) uno spazio vettoriale. In
n
rispettivamente, nelle
parti olare, si ha he:

il vettore nullo (si veda la denizione 0.2.6)

o 0 Rn ; (25)

l'opposto di un vettore x Rd il vettore x Rn denito, tramite l'operazione di


prodotto per lo s alare 1 R, dalla relazione

x := (1) x . (26)

Osservazione 0.2.5. In parti olare, sono spazi vettoriali lo spazio banale R0 {0} e lo spazio
R1 R ; in quest'ultimo aso inoltre la somma di vettori e il prodotto per uno s alare oin idono
on le ordinarie operazioni di somma e prodotto denite in R .

Esempio 0.2.2. Si onsiderino i vettori x, y R3 deniti ome



2 7
x= 0 , y= 3 . (27)
1 4
La somma x+y


2 7 (2) + 7 5
x+y= 0 + 3 = 0+3 = 3 . (28)
1 4 1 + (4) 3
Il prodotto per uno s alare 6x


2 6 (2) 12
6x = 6 0 = 60 = 0 . (29)
1 61 6
La ombinazione lineare ( ) 3x+ ay
4

2 7 6 7a 7a6
3 x + a y = 3 0 + a 3 = 0 + 3a = 3a . (30)
1 4 3 4a 34a
L'opposto di x

2 2
x = (1) 0 = 0 . (31)
1 1
3 I due oin idono solo nel aso in ui sia n = 1.
4 Si veda la Denizione 0.2.8 nel seguito per la denizione formale di ombinazione lineare.

5
Altri esempi di spazi vettoriali
Esempio 0.2.3 . Nell'ambito della geometria eu lidea (nel piano o nello spazio), si onsideri
l'insieme dei segmenti orientati, vale a dire, l'insieme delle porzioni di rette delimitate da due
punti, dei quali uno detto oda e uno detto testa. In questo insieme si pu onsiderare la
relazione di equivalenza he identi a segmenti orientati he siano lati opposti di uno stesso
parallelogramma; equivalentemente, due segmenti orientati si di ono equivalenti se possono
essere sovrapposti per mezzo di traslazioni rigide (senza rotazioni). Si onsideri l'insieme delle
lassi di equivalenza os ottenute
 
~v = lasse di equivalenza di segmenti
V := ~v ; (32)
di uguale lunghezza (modulo), direzione e verso

questo insieme pu essere munito dell'operazione di somma + : (~v , w)


~ 7 ~v + w
~ denita dalla
regola del triangolo (si veda la gura ??) e dell'operazione di prodotto per uno s alare :
(, ~v) 7 ~v denita ome la dilatazione di ~v per un fattore (si veda la gura ??).
Si veri a fa ilmente he la terna (V, +, ) ostituis e uno spazio vettoriale. In parti olare, il
vettore nullo dato dalla lasse di equivalenza di tutti i segmenti orientati di lunghezza nulla.

Esempio 0.2.4 . Si onsideri l'insieme dei polinomi (di grado qualsiasi) on oe ienti reali

P[R] := {0 + 1 x + . . . + m1 xm1 + m xm | 0 , . . . , m R , m N} . (33)

Siano + e , rispettivamente, le operazioni di somma di polinomi e di prodotto di un polinomio


per uno s alare denite nel modo des ritto di seguito, tramite una azione sui oe ienti a grado
ssato. Siano R uno s alare e p, q una oppia di polinomi, rispettivamente di grado m, n N
5
on m<n ( ),

p(x) := 0 + 1 x + . . . + m xm , q(x) := 0 + 1 x + . . . + n xn ; (34)

il polinomio somma p + q P[R] (di grado n) e il polinomio prodotto per  p P[R]


(di grado m), sono rispettivamente deniti ome

(p + q)(x) := (0 + 0 ) + (1 + 1 )x + . . . + (m + m )xm + m+1 xm+1 + . . . n xn , (35)

( p)(x) := ( 0 ) + ( 1 )x + . . . + ( m )xm . (36)

Si noti he a destra delle uguaglianze (35) (36) i simboli + e indi ano rispettivamente le usuali
operazioni di somma e di prodotto in R.
Si veri a fa ilmente he la terna (P[R], + , ) uno spazio vettoriale. In parti olare, il vettore
nullo il polinomio
o(x) = 0 + 0 x + 0 x2 + . . . 0 xm m N . (37)

Esempio 0.2.5 . Sia X un insieme e (V, +V , V ) uno spazio vettoriale (ad esempio Rn ). L'insieme
F(X, V ) delle funzioni da X a V uno spazio vettoriale se munito delle operazioni seguenti.

i. Somma puntuale

+F : F(X, V ) F(X, V ) F(X, V ) , (f, g) 7 f +F g , (38)

denita in modo tale he

(f +F g)(x) = f (x) +V g(x) in V, xX . (39)

5 La s elta m<n del tutto arbitraria e serve solo a ssare le idee.

6
ii. Prodotto per uno s alare

F : R F(X, V ) F(X, V ) , (, f ) 7 F f , (40)

denita in modo tale he

( F f )(x) = V f (x) in V, xX . (41)

In parti olare, l'elemento neutro per la somma puntuale ( io per la somma di vettori) la
funzione identi amente nulla O he ad ogni xX asso ia il vettore nullo oV
O:X V , x 7 O(x) = o . (42)

0.2.2 Sottospazi vettoriali, ombinazioni lineari e basi


Nel seguito si onsidera uno spazio vettoriale (V, +, ), he per brevit sar indi ato solo on V.
Denizione 0.2.7. Sia W V un sottoinsieme di V. Si di e he W un sottospazio vettoriale
di V se soddisfa le propriet seguenti.

i. W hiuso rispetto alla operazione di somma in V


v+w W , v, w W ; (43)

ii. W hiuso rispetto alla operazione di moltipli azione per uno s alare in V
v W , R , v W ; (44)

iii. Il vettore nullo di V appartiene a W


oW . (45)

Osservazione 0.2.6 . Il on etto di sottospazio vettoriale l'analogo nella teoria degli spazi
vettoriali della nozione di sottoinsieme nella teoria degli insiemi. In parti olare, un sottospazio
vettoriale a sua volta uno spazio vettoriale.

Esempio 0.2.6 . Si onsideri lo spazio vettoriale (Rn , +, ) analizzato in pre edenza. Il sottoin-
sieme W0 R n
dei vettori on la prima omponente nulla

W0 := {x Rn | x1 = 0} (46)

un sottospazio vettoriale. Infatti si veri a fa ilmente he i suoi elementi soddisfano le


propriet i,ii,iii della Denizione 0.2.7.

Esempio 0.2.7 . Per ogni mN ssato, l'insieme dei polinomi di grado minore o uguale a m

P6m [R] := {0 + 1 x + . . . + n1 xn1 + n xn | 0 , . . . , m R , n N , n 6 m} , (47)

un sottospazio vettoriale dello spazio (P[R], + , ) des ritto nell'esempio 0.2.4.

Si onsideri ora una famiglia di m vettori in V


{v1 , . . . , vm } , mN . (48)

7
Denizione 0.2.8. Sia 1 , . . . , m R una famiglia di s alari. Il vettore dato dall'espressione
m
X
i vi = 1 v1 + . . . + m vm V (49)
i=1

detto ombinazione lineare dei vettori v1 , . . . , vm on oe ienti 1 , . . . , m .

Denizione 0.2.9. Si di e sottospazio generato dalla famiglia {v1 , . . . , vm } l'insieme di tutte


le possibili ombinazioni lineari
m
nX o
i vi i R i = 1, . . . , m .

hv1 , . . . , vm i := (50)
i=1

I vettori v1 , . . . , vm sono detti generatori del sottospazio hv1 , . . . , vm i .

Lemma 0.2.2. Il sottospazio hv1 , . . . , vm i un sottospazio vettoriale di V.


Denizione 0.2.10. I vettori v1 , . . . , vm si di ono linearmente dipendenti (su R) se il vettore
nullo pu essere ottenuto ome loro ombinazione lineare on oe ienti non tutti nulli, io se

m
X
1 , . . . , m R , non tutti nulli, tali he i vi = o . (51)
i=1

I vettori v1 , . . . , vm si di ono linearmente indipendenti (su R) se non sono linearmente dipenden-


ti, io se l'uni a loro ombinazione lineare uguale al vettore nullo quella on tutti i oe ienti
nulli
m
X
i vi = o i = 0 , i = 1, . . . , m . (52)
i=1

Lemma 0.2.3. Valgono i seguenti risultati.

1) Se i vettori v1 , . . . , vm1 sono linearmente dipendenti, allora risultano tali an he i vettori


v1 , . . . , vm1 , vm da essi ottenuti aggiungendo il vettore vm .
2) Se i vettori v1 , . . . , vm sono linearmente indipendenti, allora risultano tali an he i vettori
v1 , . . . , vm1 da essi ottenuti rimuovendo il vettore vm .

Esempio 0.2.8 . Si onsideri lo spazio vettoriale (R3 , +, ) ed in esso i vettori



2 4 3
x := 1 ,
y := 2 ,
z := 3/2 . (53)
3 6 5
Allora i vettori x, y sono linearmente dipendenti, mentre i vettori x, z sono linearmente indi-
pendenti. Infatti, da una parte si ha

2 4 0
2 x + (1) y = 2 1 2 = 0 = 0 .
(54)
3 6 0
Dall'altra parte, si onsideri una generi a ombinazione lineare di x e z on oe ienti , R
e si imponga he questa sia uguale al vettore nullo

8

0 2+3
.
0=0= x + z = 1+ 23 ; (55)
0 3+5

si avrebbe allora

2+3 = 0
1+ 32 = 0 (56)

3+5 = 0
6
Questo sistema pu essere risolto per sostituzione ( ), ottenendo ome uni a soluzione

= 0, = 0, (57)

la quale mostra he l'uni a ombinazione lineare dei vettori x, z he permette di ottenere il


vettore nullo quella on entrambi i oe ienti nulli. Ci equivale a dire he i vettori x, z sono
linearmente dipendenti. Per il punto 1) nel Lemma 0.2.3, si pu inoltre on ludere he an he i
vettori x, y, z sono linearmente dipendenti.
Esempio 0.2.9 . Per ogni m N ssato, si onsideri la famiglia di polinomi {p0 , p1 , . . . , pm }
denita ome
pi (x) = xi per i = 0, 1, . . . , m . (58)

E' evidente he i polinomi {p0 , p1 , . . . , pm } os deniti sono linearmente indipendenti; inoltre


si veri a fa ilmente he questi generano il sottospazio P6m [R] dis usso nell'esempio 0.2.7, io
he
P6m [R] = hp0 , . . . , pm i . (59)

Denizione 0.2.11. I vettori v1 , . . . , vm V sono detti una base di V se

i. sono linearmente indipendenti;

ii. il sottospazio hv1 , . . . , vm i da essi generato oin ide on lo spazio vettoriale V , io ogni
vettore v V pu essere s ritto ome ombinazione lineare dei vettori v1 , . . . , vm .

Esempio 0.2.10 . Si onsideri lo spazio vettoriale (Rn , +, ). La famiglia di vettori


1 0
0 1 0
0
0 0
e1
= .. , e2
= .. ... en = ... ,

(60)
. .
0
0 0
1
0 0

una base. Per l'importanza he questa base ri opre, ad essa viene attribuito il nome spe i o
di base anoni a.
6 Si veda la sezione 0.4 per altri metodi risolutivi.

9
Esempio 0.2.11 . Si onsideri lo spazio vettoriale (R3 , +, ). La famiglia di vettori

2 3 0
b1 = 2 ,
b2 = 3 , b3 = 0 ,
(61)
5 5 4

una base (diversa da quella anoni a introdotta nell'esempio pre edente).

Denizione 0.2.12. La dimensione di uno spazio vettoriale V il numero di vettori he


ompongono una sua qualunque base.

Osservazione 0.2.7 . Gli Esempi 0.2.10, 0.2.11 mostrano hiaramente he in generale uno spazio
vettoriale ammette pi basi distinte. Si pu per dimostrare he tutte le possibili basi di un dato
spazio vettoriale hanno lo stesso numero di elementi. Quindi, la Denizione 0.2.12 di dimensione
di uno spazio vettoriale ben posta, nel senso he indipendente dalla base onsiderata.

0.3 Appli azioni Lineari

In questa sezione si introdu ono il on etto di appli azione lineare tra spazi vettoriali e le varie
nozioni ad esso asso iate. An he in questo aso, ad una prima formulazione assiomati a e
rigorosa seguir la dis ussione di al uni degli esempi pi rilevanti in matemati a.

7
Si onsiderino due spazi vettoriali (reali) generi i ( )

(V, +, ) e (V , + , ) . (62)

Denizione 0.3.1. Una mappa tra gli insiemi V e V

L :V V, v 7 L(v) L v . (63)

detta appli azione lineare se soddisfa i seguenti assiomi ( ).


8

a.1. Compatibilit on l'operazione di somma di vettori

L(u + v) = Lu + Lv in V, u, v V . (64)

a.2. Compatibilit on l'operazione di moltipli azione per uno s alare

L( v) = Lv in V, R, v V . (65)

Si indi her on il simbolo L(V, V ) l'insieme di tutte le appli azioni lineari da V in V

L(V, V ) = {L : V V | L una appli azione lineare} . (66)

7 In generale gli spazi V e V sono diversi an he a livello insiemisti o, per i le operazioni di somma e prodotto
per uno s alare su essi denite sono a loro volta diverse.
8 Gli assiomi seguenti vengono spesso riassunti di endo he la mappa L rispetta (oppure preserva) la
struttura di spazio vettoriale, vale a dire le operazioni di somma di vettori e di prodotto per uno s alare.

10
Osservazione 0.3.1 . Si noti he a sinistra delle uguaglianze (64) e (65) ompaiono rispettiva-
mente le operazioni di somma + e prodotto per uno s alare nello spazio vettoriale V , mentre a
destra delle stesse uguaglianze ompaiono rispettivamente le operazioni di somma + e prodotto
per uno s alare nello spazio vettoriale V .

Questa distinzione verr sottointesa nel seguito e, per sempli it di notazione, si utilizzeranno
i simboli +, per indi are le operazioni di somma di vettori e di prodotto per uno s alare in
qualsiasi spazio vettoriale. Lo spazio in ui si sta lavorando sar indi ato dagli elementi he
ompariranno nelle espressioni.

Gli assiomi a.1 - a.2 della Denizione 0.3.1 permettono di dimostrare i seguenti risultati.

Lemma 0.3.1. Sia L L(V, V ) una appli azione lineare.

1) L mappa ombinazioni lineari in ombinazioni lineari, nel senso he

m
! m
X X
L i vi = i L vi , 1 , . . . , m R , v1 , . . . , vm V . (67)
i=1 i=1

2) L mappa il vettore nullo oV nel vettore nullo o V , nel senso he

L o = o . (68)

Esempio 0.3.1 . Sia V uno spazio vettoriale. Due parti olari tipi di appli azioni lineari da V a
V sono l'appli azione identi a

id : V V , v 7 id v := v v V , (69)

e l' appli azione nulla (o il vettore nullo nello spazio vettoriale V )


O:V V , v 7 O v := o v V . (70)

0.3.1 Un esempio di appli azioni lineari: le matri i


Nel seguito si indi heranno on m, n, p, . . . dei numeri naturali non nulli

m, n, p, . . . N . (71)

Denizione 0.3.2. Una matri e di ordine (m, n) (9 ) (reale ) una tabella di mn numeri reali
aij R (i = 1, . . . , m e j = 1, . . . , n) disposti su m righe ed n olonne nel modo seguente

a11 a12 a13 a1n
a21 a22 a23 a2n

.. .. .. .. .. . (72)
. . . . .
am1 am2 am3 amn

Nel seguito si indi heranno sempre le matri i on delle lettere maius ole (ad esempio A, B, C, . . .).
Per ogni i = 1, . . . , m, j = 1, . . . , n, il numero aij detto elemento ij della matri e, intendendo
ovviamente he l'elemento appartenente all i-esima riga e alla j -esima olonna.

9 Si di e an he matri e di tipo (m, n) , oppure matri e m per n.

11
Esempio 0.3.2 . La seguente s rittura rappresenta una matri e di ordine (2, 3)
 
1 2 5
A= . (73)
7 3 2

Essa ha 2 righe
 
1 2 5 7 3 2 , (74)

e 3 olonne      
1 2 5
. (75)
7 3 2
L'elemento 13 della matri e A
a13 = 5 . (76)

Denizione 0.3.3. Si indi her on M(m, n) l'insieme di tutte matri i di ordine (m, n)

M(m, n) := {A | A una matri e di ordine (m, n) reale} . (77)

Nel seguito per dire he A una matri e di ordine (m, n) si s river sempli emente A M(m, n).

Tipi parti olari di matri i


Osservazione 0.3.2 . I vettori in Rn sono matri i di ordine (n, 1), io sono elementi di M(n, 1).
Analogamente, i loro trasposti sono matri i di ordine (1, n), io sono elementi di M(1, n).

Denizione 0.3.4. A si di e quadrata di ordine n se ha lo stesso numero n di


Una matri e
righe e di olonne. Si indi her on M(n) l'insieme di tutte matri i quadrate di ordine n.

La diagonale prin ipale di una matri e quadrata A M(n) l'insieme degli elementi {aii }i=1,...,n .

Denizione 0.3.5. Parti olari tipi di matri i quadrate sono i seguenti.

1) Una matri e quadrata A M(n) si di e triangolare superiore (inferiore ) se ha tutti gli


elementi sotto (sopra) la diagonale prin ipale nulli, io se

aij = 0 , i > j (i < j), i, j = 1, . . . , n . (78)

2) Una matri e quadrata A M(n) si di e diagonale se gli uni i elementi non nulli sono
quelli appartenenti alla diagonale prin ipale, io se

aij = 0 , i 6= j , i, j = 1, . . . , n . (79)

3) La matri e nulla 0n M(n) la matri e quadrata on tutti gli elementi nulli


0 0 0
0 0 0
0n = .. .. . . .. .

(80)
. . . .
0 0 0

12
4) La matri e identit 1n M(n) la matri e diagonale on tutti gli elementi sulla diagonale
prin ipale uguali a 1
1 0 0
0 1 0
1n =

.. .. . . .. . (81)
. . . .
0 0 1

Esempio 0.3.3 . Un esempio di matri e triangolare superiore



3 2 5
A = 0 1 7 , (82)
0 0 4

mentre uno di matri e diagonale


 
3 0
A= . (83)
0 2

Entrambe sono ovviamente matri i quadrate, rispettivamente in M(3) ed M(2).

Moltipli azione di vettori per matri i


Denizione 0.3.6. Sia A = (aij ) M(m, n) una matri e di ordine (m, n) e x Rn un vettore.
Si denis e il prodotto a sinistra di x per A ome il vettore A x R
m
le ui omponenti sono

n
X
(A x)i := aij xj for i = 1, . . . , m . (84)
j=1

Esempio 0.3.4 . Siano A M(, ), x Ra la matri e e il vettore rispettivamente deniti ome



  2
1 2 5
A=
7 3 2
, x = 0 . (85)
3

Il vettore risultante dal prodotto di x per A a sinistra il vettore A x R2 dato da



  2    
1 2 5 1 2 + (2) 0 + (5) (3) 17
Ax = 0 = = . (86)
7 3 2 (7) 2 + 3 0 + (2) (3) 8
3

Vale il seguente risultato fondamentale.

Proposizione 0.3.1. Si onsiderino gli spazi vettoriali Rm ed Rn . Allora tutte e sole le appli a-
zioni lineari da R
n
ad R m
sono rappresentabili ome prodotto a sinistra per matri i in M(m, n).
Pi pre isamente, si ha he

i. per ogni appli azione lineare L L(Rn , Rm ) esiste una matri e AL M(m, n) tale he

L x = AL x in Rm , x Rn ; (87)

13
ii. per ogni matri e A M(m, n) esiste una appli azione lineare LA L(Rn , Rm ) tale he

A x = LA x in Rm , x Rn . (88)

In entrambi i asi, le espressione A x e AL x sono da intendersi ome prodotto a sinistra tra


le matri i A, AL M(m, n) ed x M(n, 0) ( Rn ).
Si pu allora on ludere he esiste una biezione

L(Rn , Rm ) M(m, n) , L 7 AL . (89)

Esempio 0.3.5 . Si onsiderino i due spazi vettoriali R2 ed R3 . Allora la mappa



x1  
P3 : R3 R2 , x = x2 7 P3 x = xx1
(90)
2
x3

una appli azione lineare detta proiezione ; essa pu essere rappresentata ome la mappa di
moltipli azione a sinistra per la matri e P3 M(2, 3) denita ome
 
1 0 0
P3 := . (91)
0 1 0

Infatti l'azione della mappa P3 su un qualsiasi vettore x R3 pu essere s ritta ome



  x1  
1 0 0 x1
P3 x = P3 x = x2 = , (92)
0 1 0 x2
x3

dove P3 x il prodotto tra la matri e P3 M(2, 3) ed il vettore x R3 ( M(3, 0)).

0.3.2 Operazioni tra appli azioni lineari


Denizione 0.3.7. Due appli azioni lineari L, M L(V, V ) si di ono uguali (si s rive L = M)
se la agis ono allo stesso modo su tutti gli elementi dello spazio vettoriale di partenza, io se

Lv = M v in V, v V . (93)

Denizione 0.3.8. Si denis ono le seguenti operazioni tra appli azioni lineari. (
10
)

i. Somma di appli azioni lineari (


11
)

+L : L(V, V ) L(V, V ) L(V, V ) , (L, M) 7 L +L M , (94)

denita in modo tale he l'azione dell'appli azione lineare somma L +L M data da

(L +L M) v = L v + M v in V, v V . (95)
10 Si di e he le operazioni di somma e prodotto per uno s alare di appli azioni lineari sono indotte dalle
analoghe operazioni nello spazio vettoriale di arrivo V .
11 N.B.: Come si era osservato per la somma tra vettori e la somma di matri i, an he la somma di appli azioni
lineari denita solo per appli azioni nello stesso spazio L(V, V ).

14
ii. Moltipli azione per uno s alare
L : R L(V, V ) L(V, V ) , (, L) 7 L L , (96)

denita in modo tale he l'azione dell'appli azione lineare risultante L L data da

( L L) v = (L v) in V, v V . (97)

Lemma 0.3.2. La terna (L(V, V ), +L , L ), dove le operazioni di somma di appli azioni lineari
e di prodotto per uno s alare sono rispettivamente quelle denite nelle equazioni (94) (96),
uno spazio vettoriale.

Si dimostra fa ilmente he la mappa ottenuta ome omposizione di appli azioni lineari a sua
volta una appli azione lineare. Ci permette di dare la seguente denizione.

Denizione 0.3.9. Siano U, V, W tre spazi vettoriali. La omposizione di appli azioni lineari
la mappa

: L(U, V ) L(V, W ) L(U, W ) , (L, M) 7 M L , (98)

denita in modo tale he l'azione dell'appli azione lineare risultante M L data da

(M L) v = M(L v) in W, v V . (99)

Operazioni tra matri i


Denizione 0.3.10. Due matri i A, B M(m, n) si di ono uguali (si s rive A = B) se (
12
) i
loro elementi sono uguali posizione per posizione

aij = bij , i = 1, . . . , m , j = 1, . . . , n . (100)

Denizione 0.3.11. Si denis ono le seguenti operazioni tra matri i.

i. Somma di matri i (
13
)

+ : M(m, n) M(m, n) M(m, n) , (A, B) 7 A + B , (101)

denita in modo tale he gli elementi della matri e somma C = A+B sono date dalla
somma dei rispettivi elementi delle matri i A, B

cij = aij + bij , i = 1, . . . , m , j = 1, . . . , n . (102)

12 Come per i vettori in Rn , non ha senso denire una relazione di uguaglianza tra matri i appartenenti a
spazi diversi; ad esempio
A M(2, 3) , B M(5, 2) A 6= B .
13 N.B.: Come si era osservato per la somma tra vettori, an he la somma di matri i denita solo per
matri i nello stesso spazio M(m, n). Non si possono sommare matri i di ordine diverso (ad esempio non
denita l'operazione A+B A M(2, 3) e B M(7, 4)).
per

15
ii. Prodotto per uno s alare
: R M(m, n) M(m, n) , (, A) 7 A , (103)

denita in modo tale he gli elementi della matri e risultante C = A sono date dal
prodotto dei singoli elementi della matri e A per lo s alare :
cij = aij , i = 1, . . . , m , j = 1, . . . , n . (104)

Lemma 0.3.3. La terna (M(m, n), +, ), in ui le operazioni di somma di matri i e prodotto


per uno s alare sono rispettivamente quelle denite nelle equazioni (101) (103), uno spazio
vettoriale.

Denizione 0.3.12. Sia A M(m, n). L' opposta di A la matri e A M(m, n) denita
ome
A := (1) A . (105)

Osservazione 0.3.3 . Si onsideri la orrispondenza biunivo a introdotta nella proposizione 0.3.1

L(Rn , Rm ) M(m, n) , L 7 AL .

Si pu dimostrare he due appli azioni lineari L, L L(Rn , Rm ) sono uguali nel senso della
denizione 0.3.7 se e solo se le matri i AL , AL M(m, n) ad esse asso iate sono uguali nel
senso della denizione 0.3.10. Similmente, si dimostra he la biezione preserva le operazioni di
somma e prodotto, nel senso he

L +L L 7 AL + AL , L L 7 L per ogni L, L L, R . (106)

Esempio 0.3.6. Si onsiderino le matri i A, B M(2, 3) denite ome


   
7 2 5 7 1 3
A= , B= . (107)
1 2 0 0 0 6
La somma A+B
 
 
7 2 5
7 1 3
A+B = + =
1 2 0 0 0 6
    (108)
7 + (7) 2 + (1) 5 + 3 0 1 2
= = .
1 + 0 2+0 0+6 1 2 6
Il prodotto per uno s alare 8 A
 
7 2 5
8 A = (8) =
1 2 0
    (109)
8 7 8 2 8 (5) 56 16 40
= = .
8 (1) 8 2 8 0 8 16 0
La matri e opposta di A
   
7 2 5 7 2 5
A = (1) = . (110)
1 2 0 1 2 0

16
In al uni asi si pu an he denire una operazione di prodotto tra matri i ome segue.

Denizione 0.3.13. Si denis e il prodotto di matri i (


14
)

: M(m, n) M(n, p) M(m, p) , (A, B) 7 A B A B , (111)

in modo tale he gli elementi della matri e prodotto C =AB siano dati dalla relazione
n
X
cij = aik bkj , i = 1, . . . , m , j = 1, . . . , p . (112)
j=1

Lemma 0.3.4. L'insieme M(m, n) munito delle operazioni di somma di matri i (101) e pro-
dotto tra matri i (111) un anello.

Osservazione 0.3.4 . Si onsiderino gli spazi vettoriali Rm , Rn , Rp e le orrispondenze biunivo he


(si veda la proposizione 0.3.1)

L(Rm , Rn ) M(n, m) , L(Rn , Rp ) M(p, n) , L(Rm , Rp ) M(p, m) . (113)

Siano L L(Rm , Rn ) e M L(Rn , Rp ) due appli azioni lineari alle quali, tramite le prime
due biezioni nell'equazione (113), sono rispettivamente asso iate le matri i AL M(n, m) e
AM M(p, n). Si pu onsiderare la omposizione di queste appli azioni M L L(Rm , Rp ) e
dimostrare he la matri e asso iata a questa appli azione, tramite l'ultima biezione in (113),
data dal prodotto delle matri i AL , AM
AM L = AM AL M(p, m) . (114)

Quindi, identi ando le appli azioni lineari tra spazi Rn (n N) on delle matri i, l'operazione
di omposizione di tali appli azioni deve essere identi ata on l'operazione di prodotto tra le
matri i ad esse asso iate.

Esempio 0.3.7. A M(2, 3), B M(3, 4) denite


Si onsiderino le matri i ome segue

  1 2 3 4
0 3 5
A= , B = 8 7 6 5 . (115)
4 6 0
9 1 0 1
A B M(2, 4) al olata ome
La matri e prodotto segue

  1 2 3 4
0 3 5
AB = 8 7 6 5 =
4 6 0
9 1 0 1

= 01+(3)(8)+59 0(2)+(3)7+51 03+(3)(6)+50 0(4)+(3)5+51 =




41+(6)(8)+09 4(2)+(6)7+01 43+(6)(6)+00 4(4)+(6)5+01

 
69 16 18 10
= . (116)
52 50 48 46
Si noti he, vi eversa, non si pu denire il prodotto BA per h il numero di olonne di B
diverso dal numero di righe di A.
14 N.B.: An he in questo aso, si presti attenzione al fatto he il prodotto denito solo tra matri i tali he
il numero di olonne della prima sia uguale al numero di righe della se onda.

17
Esempio 0.3.8. Un altro esempio he sar molto utile quando si parler di sistemi lineari il
prodotto di una matri e per un vettore, intendendo quest'ultimo ome matri e in M(n, 1). Si
onsiderino la matri e x R
A M(2, 3) e i vettori 3 ( M(3, 1)), 2 ( M(2, 1)) deniti b R
ome segue

  x1  
2 1 1 0
A=
3 0 2
, x = x2 , b= 2
. (117)
x3

A x M(2, 0) ( R2 ) dato dall'espressione seguente


Allora il prodotto

  x1    
2 1 1 2x1 1x2 + 1x3 2x1 x2 + x3
Ax= x2 =
= . (118)
3 0 2 3x1 + 0x2 + 2x3 3x1 + 2x3
x3
Per i ha senso onsiderare l'equazione

Ax=b in R2 , (119)

he equivale, per via della Denizione 0.2.4 di uguaglianza tra vettori in R2 , al sistema in due
equazioni e tre in ognite 
2x1 x2 + x3 = 0
. (120)
3x1 + 0x2 + 2x3 = 2

Lemma 0.3.5. Il prodotto di matri i (111) soddisfa le seguenti propriet.

i. Asso iativit

A (B C) = (A B) C , A M(m, n) , B M(n, p) , C M(p, q) . (121)

ii. Distributivit rispetto alla somma di matri i

A (B + C) = A B + A C , A M(m, n) , B, C M(n, p) . (122)

Osservazione .
0.3.5 Sebbene queste propriet rendano il prodotto di matri i (111) simile al
prodotto di s alari, in realt i due si distinguono per altri motivi. Ad esempio, per il prodotto
di matri i si ha quanto segue.

i. Non ommutativo, nel senso he

A B 6= B A . (123)

Uno dei due prodotti potrebbe addirittura non essere denito (si veda l'Esempio 0.3.7).

ii. Non vale la propriet di annullamento del prodotto, nel senso he (


15
)

AB =AC e A 6= 0n
6 B=C. (124)

15 Posto D := B C , i equivale a dire he

A D = 0n e A 6= 0n
6 D = 0n .

18
Esempio 0.3.9 . A M(m, n), B M(n, m) on m, n N, m 6= n.
Si onsiderino due matri i
Allora il prodotto AB una matri e in M(m, m), mentre il prodotto B A una matri e in
M(n, n); hiaramente per m 6= n gli spazi M(m, m) e M(n, n) sono diversi (in quanto ostituiti
da matri i di ordini dierenti), quindi i prodotti A B e B A sono a loro volta matri i diverse.

Si onsiderino ora le matri i quadrate A, B, C M(2)


   
3 1 3 1
A= , B= . (125)
6 2 9 3
I prodotti AB, BA M(2) sono entrambi deniti e sono rispettivamente dati dalle espressioni
   
0 0 3 1
AB = , B A = . (126)
0 0 9 3
Questi risultati mostrano hiaramente he il prodotto di matri i non ommutativo e non
soddisfa la propriet di annullamento. Infatti si ha

A B 6= B A e A B = 02 on A, B 6= 02 . (127)

Denizione 0.3.14. Si denis e la trasposizione di matri i ome la mappa

T : M(m, n) M(n, m) , A 7 AT , (128)

tale he gli elementi della matri e trasposta AT siano dati dalla relazione

aTij = aji , i = 1, . . . , m , j = 1, . . . , n . (129)

Lemma 0.3.6. La trasposizione di matri i (128) soddisfa le propriet seguenti.

1) Involutivit
(AT )T = A , A M(m, n) . (130)

2) Distributivit rispetto alla somma di matri i e al prodotto per uno s alare

(A + B)T = AT + B T e ( A)T = AT , A, B M(m, n) , R . (131)

16
3) Composizione on il prodotto di matri i ( )

(A B)T = B T AT , A M(m, n) , B M(n, p) . (132)

Esempio 0.3.10 . Si onsideri la matri e A M(2, 3) denita ome


 
7 2 5
A= . (133)
1 2 0
La matri e trasposta di A

7 1
AT = 2 2 . (134)
5 0

16 Pi in generale, per ogni famiglia A1 , . . . , Ak per ui sia denito il prodotto A1 . . . Ak , vale

T
(A1 A2 . . . Ak ) = ATk ... AT2 AT1 ,
io la trasposta della matri e prodotto il prodotto delle matri i trasposte.

19
Denizione 0.3.15. Una matri e quadrata A M(n) si di e simmetri a se

AT = A . (135)

Una matri e quadrata A M(n) si di e antisimmetri a se

AT = A . (136)

0.3.3 Nu leo e Immagine di una appli azione lineare. Isomorsmi e


appli azioni inverse
Denizione 0.3.16. Sia L L(V, V ) una appli azione lineare. Si danno le seguenti denizioni.

1) Il nu leo (o kernel ) di L il sottoinsieme KerL V denito ome

KerL := {v V | L v = o in V } , (137)

dove si indi a on o il vettore nullo nello spazio vettoriale V .

2) L' immagine di L il sottoinsieme ImL V denito ome

ImL := {w V | v V tale he w = Lv in V } . (138)

Esempio 0.3.11 . Si onsideri l'appli azione lineare L L(R3 , R2 ) a ui asso iata tramite la
biezione (89) la matri e  
1 5 3
AL = . (139)
4 0 2
Per determinare il nu leo KerL, si devono trovare i vettori x R3 tali he Lx = AL x = 0 in
R2
, io

    x1  
0 1 5 3 x + 5x + 3x
0
= 0 =. AL x = 4 0 2
x2 = 1 2
4x1 2x3
3
. (140)
x3
Ci equivale a risolvere il sistema lineare

x1 + 5x2 + 3x3 = 0
. (141)
4x1 2x3 = 0

Si trova he l'insieme delle soluzioni

x1 = x , x2 = x , x3 = 2x , x R , (142)

per i si ha he

x
KerL = x R3 x = x , x R . (143)

2x

Lemma 0.3.7. Sia L L(V, V ) una appli azione lineare. Allora valgono i seguenti risultati.

1) Il nu leo KerL un sottospazio vettoriale dello spazio vettoriale V.

20
2) L'immagine ImL un sottospazio vettoriale dello spazio vettoriale V .

Lemma 0.3.8. Una appli azione lineare L L(V, V ) iniettiva se e solo se il suo nu leo KerL
ostituito dal solo vettore nullo oV
L iniettiva KerL = {o} . (144)

Denizione 0.3.17. Una appli azione lineare L L(V, V ) detta invertibile se esiste una
se onda appli azione lineare M L(V , V ) tale he

M L = idV e L M = idV . (145)

Si di e he M l' inversa di L, ed an he indi ata on L1 .

Lemma 0.3.9. Una appli azione lineare L L(V, V ) he sia an he una mappa biunivo a ( io
17
iniettiva e suriettiva) tra gli insiemi V e V an he invertibile ( ).

Denizione 0.3.18. Una appli azione lineare L L(V, V ) biunivo a (e quindi invertibile)
detta isomorsmo tra gli spazi vettoriali V e V
. Si di e he gli spazi V e V sono

. isomor
Si ha il seguente risultato fondamentale.

Proposizione 0.3.2. Ogni spazio vettoriale V di dimensione nita nN isomorfo allo spazio
vettoriale R n
, io esiste almeno un isomorsmo tra i due spazi (
18
).

Matri i quadrate
Lemma 0.3.10. Sia A M(n) una qualsiasi matri e quadrata. Allora valgono le relazioni (
19
)

A 1n = 1n A = A in M(n) , (146)

A 0n = 0n A = 0n in M(n) . (147)

Denizione 0.3.19. Si denis e la tra ia di una matri e quadrata ome la mappa


n
X
Tr : M(n) R , A 7 Tr A := aii , (148)
i=1

he ad A asso ia la somma di tutti gli elementi sulla diagonale prin ipale.

Esempio 0.3.12 . Si onsideri la matri e quadrata A M(4) denita ome



7 2 5 1
1 4 0 3
A=
0 2
. (149)
6 0
11 3 0 0
La tra ia di A data dall'espressione

Tr A = 7 + 4 + (6) + 0 = 5 . (150)

17 Si noti he l'enun iato non banale: la biunivo it di L garantis e l'esistenza di una mappa inversa L1
di ui per non garantita la linearit, he inve e assi urata dal lemma enun iato.
18 In realt ne esistono inniti di tali isomorsmi; pi pre isamente ne esiste uno per ogni s elta di base in V.
19 Queste relazioni hiaris ono per h 0n e 1n siano rispettivamente dette matri e nulla e matri e identi a.

21
Lemma 0.3.11. La tra ia soddisfa le seguenti propriet.

1) Ci li it

Tr (A B) = Tr (B A) , A, B M(n) . (151)

2) Invarianza per trasposizione

T
Tr A = Tr A , A M(n) . (152)

Denizione 0.3.20. A M(n) una matri e quadrata. Si indi her on Aij


Sia la sottomatri e
di A ottenuta an ellando la i-esima riga e la j -esima olonna.

Denizione 0.3.21. Il determinante di una matri e quadrata la mappa

det : M(n) R , A 7 det A , (153)

denita induttivamente ome segue.

i. Per n = 1, il determinante di una matri e A = (a) M(1) ( R)

det A := a . (154)

ii. Per n > 1, il determinante di una matri e A M(n) dato dalla formula di Lapla e
n
X
det A := (1)j+1 a1j det A1j = a11 det A11 a12 det A12 + . . . + (1)n+1 det A1n . (155)
j=1

Osservazione 0.3.6 . Se A M(2) il al olo del determinante di A si ridu e a

det A := a11 a22 a12 a21 . (156)

Se A M(3) il al olo del determinante di A si ridu e a


     
a22 a23 a21 a23 a21 a22
det A := a11 det a12 det + a13 det , (157)
a32 a33 a31 a33 a31 a32

dove i determinanti delle matri i quadrate di ordine 2 restanti sono al olati se ondo la (156).

Esempio 0.3.13 . Si onsideri la matri e quadrata A M(3) denita ome



2 4 6
A= 0 3 8 . (158)
5 1 0

Il suo determinante
     
3 8 0 8 0 3
det A = (2) det 4 det + 6 det =
1 0 5 0 5 1 (159)

= (2)(30 8(1)) 4(00 85) + 6(0(1) 35) = 54 .

22
Lemma 0.3.12. Il determinante soddisfa le seguenti propriet, le quali possono risultare utili
an he per il al olo espli ito dello stesso. Siano A, B M(n) due matri i quadrate.

1) Invarianza per trasposizione

det AT = det A . (160)

2) S ambio di righe e olonne. Sia A la matri e ottenuta da A spostando una riga (o una
olonna) di p posizioni. Allora vale

det A = (1)p det A . (161)

In parti olare, se A la matri e ottenuta da A s ambiando tra loro due righe (o due
olonne), allora si ha

det A = det A . (162)

3) Dipendenza lineare di righe o olonne. Se le righe (o le olonne) di A, intese ome vettori


in
n
R
, sono linearmente dipendenti, allora

det A = 0 . (163)

4) Composizione on il prodotto di matri i ( Teorema di Binet )

det(A B) = det A det B . (164)

5) Se A M(n) una matri e triangolare (superiore o inferiore), in parti olare se A


diagonale, il determinante dato dal prodotto degli elementi sulla diagonale prin ipale

det A = a11 a22 . . . ann . (165)

In parti olare, per il determinante della matri e identi a si ha

det 1n = 1 . (166)

Osservazione 0.3.7 .
Il risultato 3) del Lemma 0.3.12 fornis e un buon metodo per determinare
la dipendenza o indipendenza lineare di una famiglia di x x
n vettori 1 , . . . , n n . E' su ienteR
onsiderare la matri e quadrata X M(n) ottenuta aan ando i vettori
1
,..., n x x

x11 x21 . . . xn1
x1 x2 . . . xn
2 2 2
X := .. .
. .. . ,
.
(167)
. . . .
xn xn . . . xnn
1 2

e al olarne il determinante. Allora i vettori


1
x x
, . . . , n sono linearmente indipendenti (e quindi
ostituis ono una base di
n
R
) se e solo se il determinante della matri e X non nullo

x1 , . . . , xn linearmente indipendenti det X 6= 0 . (168)

23
Denizione 0.3.22. Una matri e quadrata A M(n) detta invertibile se esiste una se onda
matri e quadrata M M(n) tale he

A M = M A = 1n in M(n) . (169)

La matri e M detta l'inversa di A.


Il sottoinsieme della matri i quadrate di ordine n ostituito dall'insieme di tutte matri i inver-
tibili detto gruppo generale lineare 20
( ) ed indi ato on il simbolo

GL(n) := {A M(n) | A invertibile} M(n) . (170)

Lemma 0.3.13. Valgono i seguenti risultati.

1) Sia A M(n). La matri e inversa di A, se esiste, uni a ed omunemente indi ata on


A1
il simbolo
A A1 = A1 A = 1n . (171)

2) Sia A M(n). Allora A invertibile se e solo se il determinante di A non nullo

A GL(n) A1 M(n) det A 6= 0 . (172)

In tal aso, il determinante della matri e inversa soddisfa

1
det(A1 ) = , A GL(n) . (173)
det A
3) GL(n) un sottospazio vettoriale di M(n).
4) La matri e identi a invertibile e oin ide on la sua inversa

1n GL(n) e 11
n = 1n . (174)

5) Siano A, B GL(n). Allora la matri e prodotto AB M(n) an h'essa invertibile

A B GL(n) , (175)

e vale la seguente relazione

(A B)1 = B 1 A1 . (176)

6) Sia A GL(n). Allora la matri e inversa A1 an he essa invertibile e la sua inversa A

A1 GL(n) e (A1 )1 = A , A GL(n) . (177)

Proposizione 0.3.3. Sia L L(Rn , Rn ) una appli azione lineare da Rn in s, e sia AL M(n)
la matri e quadrata ad essa asso iata per mezzo della biezione (89). Allora L un isomorsmo
se e solo se AL una matri e invertibile. Il punto 2) del Lemma 0.3.13, impli a allora he

L un isomorsmo AL invertibile det AL 6= 0 . (178)

20 Si pu infatti dimostrare he lo spazio delle matri i invertibili munito dell'operazione di moltipli azione di
matri i un gruppo.

24
Metodo di Gauss per il al olo della inversa di matri i quadrate
Sia A GL(n) una matri e quadrata invertibile. Esistono vari metodi per al olare la matri e
inversa A1 ; uno di questi metodi, una ui sempli e variante sar utilizzata nel seguito ome
te ni a risolutiva per i sistemi lineari, il osiddetto metodo di Gauss per il al olo della matri e
inversa. Questo onsiste nei seguenti passaggi.

1. Si veri a he la matri e A sia invertibile, al olando il determinante e veri ando he

det A 6= 0 . (179)

2. Si ostruis e la matri e (A | 1n ) M(n, 2n) a ostando a destra della matri e A M(n)


la matri e identi a 1n M(n)

a11 a12 . . . a1n 1 0 . . . 0
a21 a22 . . . a2n 0 1 . . . 0
(A | 1n ) = ..

. .. . . . .. . . (180)
. . . . . . . .
. . . . .
an1 an2 . . . ann 0 0 . . . 1

3. Si er a di ridurre la matri e (A | 1n ) nella forma (1n | C), on C M(n), io



1 0 ... 0 c11 c12 . . . c1n
0 1 ... 0 c21 c22 . . . c2n
(A | 1n ) (1n | C) = .. .. . .

. . . .. . , (181)
. . . .. .. .. . .
.
0 ... ... 1 cn1 cn2 . . . cnn
per mezzo delle operazioni seguenti

i. s ambio di due righe;

ii. moltipli azione una riga per un numero reale diverso da zero;

iii. somma di una riga on un multiplo (reale) di un'altra riga.

4. La matri e inversa A1 data dalla matri e C M(n) ottenuta a destra della linea di
separazione verti ale

A1 = C . (182)

Esempio 0.3.14 . Si onsideri la matri e quadrata A M(2) denita ome


 
3 2
A= . (183)
1 1
1. Il suo determinante dato dall'espressione

det A = 31 (2)(1) = 1 6= 0 . (184)

2. Si onsidera la matri e (A | 12) M(2, 4) ottenuta a ostando a destra della matri e A la


matri e identi a 12
 
3 2 1 0
(A | 12) = . (185)
1 1 0 1

25
3. Si onsidera la sequenza di operazioni seguente.

i. Si moltipli a la se onda riga per 3.


ii. Si somma la prima riga alla se onda riga.

iii. Si somma la se onda riga moltipli ata per 2 alla prima riga.

iv. Si moltipli a la prima riga per 1/3.


     
3 2 1 0 i 3 2 1 0 ii 3 2 1 0 iii

1 1 0 1 3 3 0 3 0 1 1 3
    (186)
iii 3 0 3 6 iv 1 0 1 2
.
0 1 1 3 0 1 1 3
21
4. La matri e inversa ( )
 
1 1 2
A = . (187)
1 3

Rango di una matri e


Con ludiamo questa sezione introdu endo il on etto di rango di una matri e e le nozioni ad
esso asso iate; queste saranno utilizzate nella sezione seguente per dis utere la risolvibilit dei
sistemi lineari.

Denizione 0.3.23. Sia A M(m, n) una matri e. Si di e he B M(p, q), on p m e q n,


una sottomatri e di A se pu essere ottenuta da A eliminando mp righe ed nq olonne.
Esempio 0.3.15 . A M(4, 3) e B M(2, 2) denite
Si onsiderino le matri i ome

0 2 1 4  
2 4
A = 3 7 1 0 , B= . (188)
7 0
0 0 6 5
Allora B la sottomatri e di A ottenuta eliminando la terza riga, e la prima e la terza olonna.

Denizione 0.3.24. Il rango di una matri e A M(m, n) denito ome segue

rkA := massimo numero di righe di A linearmente indipendenti . (189)

Lemma 0.3.14. Il rango di una matri e soddisfa i seguenti risultati.

1) Equivale al massimo numero di olonne linearmente indipendenti

rkA = massimo numero di olonne di A linearmente indipendenti . (190)

2) Invarianza per trasposizione

T
rk(A ) = rkA , A M(m, n) . (191)
21 Come veri a si possono al olare espli itamente i prodotti AA 1
e A1
A e veri are he

A A1 = A1 A = 12 .

26
3) Non pu assumere valori superiori al numero di righe o al numero di olonne della matri e

rkA min { m , n } , A M(m, n) . (192)

4) Composizione on il prodotto di matri i

rk(A B) min { rkA , rkB }, A M(m, n) , B M(n, p) . (193)

Vale il seguente risultato he fornis e una aratterizzazione molto utile del rango di una matri e.

Lemma 0.3.15. Il rango di una matri e A M(m, n) equivale all'ordine della pi grande
22
sottomatri e quadrata invertibile ( )

rkA = max {n N | B M(n) sottomatri e di A on det B 6= 0} . (194)

Esempio 0.3.16 . Si onsideri la matri e A M(3, 4) denita ome


2 4 0 1
A = 0 0 1 1 . (195)
2 1 3 0

Le sottomatri i quadrate di A di ordine massimo (ordine 3) sono quelle ottenute da A eliminando


una olonna qualsiasi; ad esempio, eliminando la prima olonna di A si ottiene la sottomatri e

4 0 1
B = 0 1 1 M(3) . (196)
1 3 0

il ui determinante
     
1 1 0 1 0 1
det B := 4 det 0 det + 1 det =
3 0 1 0 1 3 (197)

= 4 3 + 1 (1) = 11 6= 0 .

Poi h questo determinante non nullo, la sottomatri e B M(3) invertibile e si pu allora


on ludere he
rkA =3. (198)

Esempio 0.3.17 . Si onsideri la matri e A M(2, 3) denita ome

 
1 2 3
A= . (199)
2 4 6

Le sottomatri i quadrate di A di ordine massimo (ordine 2) sono quelle ottenute da A eliminando


una olonna qualsiasi
     
2 3 1 3 1 2
B1 = , B2 = , B3 = , (200)
4 6 2 6 2 4
22 Cio, per il punto 2) del Lemma 0.3.13, della pi grande sottomatri e quadrata on determinante non nullo.

27
i ui determinanti si al olano fa ilmente ottenendo

det B1 = det B2 = det B3 = 0 . (201)

Per i, dato he tutte le sottomatri i di ordine 2 hanno determinante nullo (e quindi non sono
invertibili), si ha
rkA <2. (202)

D'altra parte esistono sottomatri i di ordine 1 ( io omponenti) di A non nulle, e quindi


invertibili, per i si pu on ludere he

rkA =1. (203)

0.4 Sistemi Lineari

La teoria degli spazi vettoriali, delle appli azioni lineari e del al olo matri iale analizzata nora
ostituis e il linguaggio orretto per lo studio e la risoluzione dei sistemi lineari he verranno
onsiderati in questa sezione.

Denizione 0.4.1. Siano m, n N. Un sistema di m equazioni lineari (detto an he sistema


lineare ) nelle n in ognite x1 , . . . , xn una espressione della forma


a11 x1 + a12 x2 + . . . + a1n xn = b1

a21 x1 + a22 x2 + . . . + a2n xn = b2
.. , (204)

.

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

in ui si suppongono noti i numeri reali aij , bi R per ogni i = 1, . . . , m, j = 1, . . . , n .


Un sistema di equazioni lineari si di e omogeneo se i oe ienti b1 , . . . , bm sono tutti nulli.

Denizione 0.4.2. Si onsideri un sistema lineare di m equazioni in n in ognite. Si danno le


denizioni seguenti.

1) Una soluzione di tale sistema una qualsiasi n-upla di numeri he, sostituita alle in ognite,
soddisfa simultaneamente tutte le equazioni del sistema.

2) Il sistema si di e risolubile se ammette almeno una soluzione, e in tal aso si di e he


le equazioni del sistema sono ompatibili. Il sistema si di e inve e non risolubile (o
impossibile ) se non esiste nean he una soluzione.

3) Il sistema si di e determinato se risolubile ed ammette una uni a soluzione.

4) Il sistema si di e indeterminato se risolubile ed ammette innite soluzioni.

5) Due sistemi lineari si di ono equivalenti se ammettono le stesse soluzioni.

28
0.4.1 Rappresentazione matri iale
Nell'Esempio 0.3.8 si visto he possibile ris rivere un sistema di 2 equazioni in 3 in ognite
ome uguaglianza tra vettori in
2
R
, uno dei quali dato dal prodotto di una matri e in M(2, 3)
per un vettore (il vettore delle in ognite) in
3
. R
Pi in generale, hiaro he un sistema lineare di m equazioni lineari in n in ognite ome quello
in Eq.(204) pu essere ris ritto in forma matri iale ome

A x = b, (205)

in ui A M(m, n), x Rn e b Rm sono rispettivamente detti matri e dei oe ienti, vettore
delle in ognite e vettore dei termini noti ; questi sono deniti ome segue



a11 a12 a13 a1n x1 b1
a21 a22 a23 a2n x2 b2

A = .. .
..
.
.. .. .
..

, x=
.. , b=
.. . (206)
. . . .
am1 am2 am3 amn xn bm

In parti olare un sistema lineare omogeneo ammette la rappresentazione matri iale

Ax=0, (207)

in ui 0 Rm il vettore nullo.

Denizione 0.4.3. Si dir he x Rn soluzione del sistema lineare onsiderato se veri a


23
l'equazione (205) ( ).

Denizione 0.4.4. Si onsideri un sistema lineare on forma matri iale ome in (205). La
matri e asso iata b
al sistema la matri e (A | ) M(m, n+1) ottenuta a ostando il vettore
dei termini noti b R
M(m, 0) ( m ) alla matri e dei oe ienti A M(m, n)

a11 a12 a13 a1n b1
a21 a22 a23 a2n b2
(A | b) := ..

.. .. .. .. .. . (208)
. . . . . .
am1 am2 am3 amn bm

Si dir he un sistema lineare ostituito da equazioni linearmente indipendenti (o dipendenti)


se le righe della matri e ad esso asso iata lo sono.

Lemma 0.4.1. Un sistema lineare di m equazioni in n in ognite ammette sempre ome solu-
zione il vettore nullo
x = 0 Rn . (209)

Teorema 0.4.1. (Teorema di Rou h-Capelli ) Un sistema lineare la ui rappresentazione ma-


tri iale sia ome nell'Eq.(205) risolubile se e solo se il rango della matri e ad esso asso iata
(A | b) M(m, n+1) uguale al rango della matri e dei oe ienti A M(m, n)

Ax=b risolubile rk(A | b) = rkA = r N . (210)

23 Ci equivale a dire he le omponenti del vettore x Rn ostituis ono una n-upla he soddisfa il sistema
lineare, io he queste sono una soluzione nel senso del punto 1) della Denizione 0.4.2.

29
24
Inoltre si ha he ( )

i. ser = n il sistema lineare onsiderato determinato, io ammette una ed una sola soluzione;
nr
ii. se r < n il sistema lineare onsiderato indeterminato, io ammette soluzioni, nel
senso he esistono innite soluzioni dipendenti da nr parametri indipendenti.

Lemma 0.4.2. Ogni sistema lineare equivalente al sistema lineare da esso ottenuto tenendo
solo le equazioni linearmente indipendenti, ed eliminando le altre equazioni.

Osservazione 0.4.1. Per via del Lemma 0.4.2, un qualsiasi sistema lineare di m equazioni in
n in ognite risolubile equivalente ad un sistema di r equazioni in n in ognite, on r = rkA,
ottenuto dal sistema lineare di partenza eliminando m r equazioni linearmente dipendenti
dalle equazioni di partenza.

0.4.2 Metodo risolutivo di Gauss


Si onsideri un sistema lineare risolubile di m equazioni in n in ognite ome in (204), on
rappresentazione matri iale ome in (205). Poi h si assume he il sistema sia risolubile, la
matri e dei oe ienti A M(m, n) e la matri e asso iata al sistema (A | b) M(m, n+ 1)
soddisfano

rkA = rk(A | b) = r n . (211)

Il metodo di Gauss per la risoluzione di sistemi lineari onsiste nei seguenti passaggi.

1. Si veri a per mezzo del teorema di Rou h-Capelli he il sistema sia risolubile.

2. Si onsidera la matri e asso iata al sistema (A | b) M(m, n+1)



a11 a12 a13 a1n b1
a21 a22 a23 a2n b2
(A | b) := ..

.. .. .. .. .. . (212)
. . . . . .
am1 am2 am3 amn bm

3. Si er a di ridurre la matri e asso iata (A | b) ad una matri e della forma seguente, in


ui Dr,nr M(r, nr) una matri e qualsiasi, Oa,b una matri e di ordine (a, b) on
tutte le omponenti nulle, R 0 R
r un vettore qualsiasi e mr il vettore nullo,


 
1r Dr,nr
(213)
Omr,r Omr,nr 0
per mezzo delle seguenti operazioni

i. s ambio di due righe;

ii. moltipli azione di una riga per un numero reale diverso da zero;

iii. somma di una riga on un multiplo di un'altra riga.

24 Si ri ordi he, per il punto 3) del Lemma 0.3.14, il rango di una matri e non pu essere maggiore del numero
di righe e del numero di olonne, per i
rkA =rn.

30
4. Le soluzioni del sistema lineare onsiderato sono i vettori x Rn , le ui omponenti sono
determinate ome segue

i. le ultime mr omponenti sono dei parametri indipendenti arbitrari xr+1 , . . . , xm R;


ii. le prime r omponenti sono denite ome
n
X
xi = ci dij xj , i = 1, . . . , r . (214)
j=m+1

Osservazione 0.4.2 . Le operazioni i,ii,iii del punto 2 del metodo risolutivo di Gauss orrispon-
dono rispettivamente alle seguenti operazioni sul sistema lineare di partenza.

i. S ambio di due equazioni nel sistema lineare.

ii. Moltipli azione per un numero reale diverso da zero a destra e sinistra dell'uguale di una
delle equazioni del sistema lineare.

iii. Somma termine a termine di una equazione on un multiplo (reale) di un'altra equazione
del sistema lineare.

Esempio 0.4.1. Si onsideri il sistema lineare di tre equazioni in quattro in ognite



x2 + 5x3 + 2x4 = 5
x1 + x2 + 3x3 + 3x4 = 1 . (215)

x1 2x2 2x4 = 2

Questo sistema pu essere ris ritto in forma matri iale ome



x1
0 1 5 2 x2 5
A x = b, on A= 1 1 3 3 , x=
x3 ,
b= 1 . (216)
1 2 0 2 2
x4
1. Si veri a fa ilmente he

rkA = rk(A | b) = 3 , (217)

per i il sistema risolubile ed ammette 1 soluzioni.

2. Si onsidera la matri e asso iata al sistema (A | b) M(3, 5) ottenuta a ostando il


dei termini noti b R ( M(3, 0)) alla matri e dei oe ienti A M(3, 4)
3
vettore

0 1 5 2 5
(A | b) := 1 1 3 3 1. (218)
1 2 0 2 2

3. Si onsidera la sequenza di operazioni seguente.

i. Si s ambiano la prima e la se onda riga.

ii. Si somma alla terza riga la prima.

iii. Si somma alla terza riga la se onda moltipli ata per 1 .


iv. Si moltipli a la terza riga per 1/2 e la se onda riga per 1 .

31
v. Si somma alla se onda riga la terza moltipli ata per 5.
vi. Si somma alla prima riga la terza riga moltipli ata per 3 e la se onda riga molti-
pli ata per 1 .

1 1 3 3 1 1 1 3 3 1 1 1 3 3 1
i ii iii
0 1 5 2 5 0 1 5 2 5 0 1 5 2 5
1 2 0 2 2 1 2 0 2 2 0 1 3 1 3

1 1 3 3 1 1 1 3 3 1
iii iv v
0 1 5 2 5 0 1 5 2 5 (219)
0 0 2 1 2 0 0 1 1/2 1

1 1 3 3 1 1 0 0 1 2
v vi
0 1 0 1/2 0 0 1 0
1/2 0 .
0 0 1 1/2 1 0 0 1 1/2 1

4. Le soluzioni sono i vettorix R4 le ui omponenti sono determinate ome segue.


i. L'ultima omponente di x un parametro arbitrario x4 R.

ii. Le prime 3 omponenti di x sono rispettivamente denite ome

1 1
x1 = 2 x4 , x2 = x4 , x3 = 1 x4 . (220)
2 2

Per i le soluzioni sono date dai vettori x R4 della forma



2 x4
1 x4
x=
1 1 x4 ,
2 x4 R . (221)
2
x4

0.4.3 Sistemi lineari di n equazioni in n in ognite


Si onsideri un sistema lineare di n equazioni in n in ognite tale he la matri e dei oe ienti
A M(n) ad esso asso iata sia una matri e quadrata di ordine n invertibile

A GL(n) . (222)

Per il punto 2) del Lemma 0.3.13, si ha allora un sistema la ui rappresentazione matri iale

Ax = b on det A 6= 0 . (223)

Il teorema di Rou h-Capelli permette di dimostrare fa ilmente il seguente Corollario.

Corollario 0.4.1. Un sistema lineare ome quello in Eq.(223) determinato.

Nel aso di sistemi lineari ome quello in Eq.(223) esistono diversi metodi risolutivi. Uno di
questi il metodo di Gauss (valido per sistemi lineari qualsiasi) analizzato pre edentemente.
Altri metodi, validi solo per sistemi lineari del tipo (223) sono il metodo della matri e inversa
e il metodo di Cramer he verranno ora dis ussi.

32
Il metodo risolutivo della matri e inversa
1. Si stabilis e se il sistema lineare del tipo (223) veri ando he il determinante della
matri e dei oe ienti sia non nullo

det A 6= 0 . (224)

25
2. Si al ola la matri e inversa A1 GL(n) ( ), ad esempio on il metodo di Gauss per il
al olo della matri e inversa analizzato in pre edenza.

3. La soluzione ottenuta moltipli ando a sinistra per la matri e inversa A1 GL(n) il


vettore dei termini noti b R
n ( M(n, 1)) (26 )

x = A1 b . (228)

25 L'esistenza della matri e inversa A1 GL(n) garantita dal fatto he la matri e dei oe ienti invertibile
A GL(n) (si veda il punto 6) del Lemma 0.3.13).

26 La dimostrazione molto sempli e. Si pro ede nel modo seguente.

i. Si moltipli ano a sinistra le espressioni su entrambi i lati dell'uguaglianza nell'equazione (223) per la
1
matri e inversa A , ottenendo

A1 (A x) = A1 b . (225)

ii. A questo punto, si ri ordi he

A1 (A x) = (A1 A) x , A1 A = 1n , 1n x = x , (226)

rispettivamente per l'asso iativit del prodotto di matri i, per la denizione di matri e inversa e per
la denizione di matri e identi a. Quindi, ri apitolando, l'equazione (225) permette di determinare la
soluzione x ome

x = A1 b . (227)

33
Il metodo risolutivo di Cramer
1. Si stabilis e se il sistema lineare del tipo (223) veri ando he il determinante della
matri e dei oe ienti sia non nullo

det A 6= 0 . (229)

2. Per ogni i = 1, . . . , n, si ostruis e la matri e quadrata Ai M(n) ottenuta sostituendo


nella matri e dei oe ienti A M(n) la olonna i-esima on il vettore dei termini noti
b R ( M(n, 1))
n


a11 . . . a1 i1 b1 a1 i+1 . . . a1n
a21 . . . a2 i1 b2 a2 i+1 . . . a2n

Ai := .. .. .. .. .. .. . (230)
. . . . . ... .
an1 . . . an i1 bn an i+1 . . . ann

3. La soluzione del sistema lineare onsiderato data dal vettore x Rn , le ui omponenti


sono determinate ome segue

det Ai
xi = , i = 1, . . . , n . (231)
det A

Un esempio
Esempio 0.4.2. Si onsideri il sistema lineare di tre equazioni in tre in ognite

x1 + 4x2 + 6x3 = 4
x1 x2 2x3 = 2 (232)

x1 + 2x2 + 3x3 = 3
In forma matri iale questo sistema lineare pu essere ris ritto ome

1 4 6 x1 4
A x = b, on A = 1 1 2 , x = x2 , b = 2 . (233)
1 2 3 x3 3

Si al ola il determinante della matri e dei oe ienti e si trova he

det A = 1 6= 0 , (234)

per i, per il Corollario 0.4.1, il sistema determinato e si pu determinare la (uni a) soluzione


per mezzo di uno dei metodi introdotti pre edentemente.

Metodo di Gauss.
1. Si onsidera la matri e asso iata al sistema (A | b) M(3, 4) ottenuta a ostando il
vettore dei termini noti b M(3, 0) ( R3) alla matri e dei oe ienti A M(3, 3)

1 4 6 4
(A | b) := 1 1 2 2 . (235)
1 2 3 3

34
2. Si onsidera la sequenza di operazioni seguente.

i. Si s ambiano la prima e la se onda riga.

ii. Si somma la prima riga alla se onda e alla terza riga.

iii. Si s ambiano la se onda e la terza riga.

iv. Si somma la se onda riga moltipli ata per 3 alla terza riga .

v. Si somma la terza riga moltipli ata per 1 alla se onda riga .

vi. Si sommano la terza riga moltipli ata per 2 e la se onda riga alla prima riga .

1 4 6 4 1 1 2 2
i ii
1 1 2 2 1 4 6 4
1 2 3 3 1 2 3 3

1 1 2 2 1 1 2 2
ii iii iv
0 3 4 2 0 1 1 1 (236)
0 1 1 1 0 3 4 2

1 1 2 2 1 1 2 2 1 0 0 2
iv v vi
0 1 1 1 0 1 0 2 0 1 0 2 .
0 0 1 1 0 0 1 1 0 0 1 1

3. La soluzione il vettore x R3 denito ome



2
x= 2 . (237)
1

Metodo della matri e inversa.


1. Si gi veri ato (si veda l'Eq.(234)) he la matri e dei oe ienti invertibile.

2. Si determina la matri e inversa A1 GL(3) on il metodo di Gauss per il al olo della


matri e inversa, pro edendo on i seguenti passaggi.

i. Si s ambiano la prima e la se onda riga.

ii. Si somma la prima riga alla se onda e alla terza riga.

iii. Si s ambiano la se onda e la terza riga.

iv. Si somma la se onda riga moltipli ata per 3 alla terza riga.

v. Si somma la terza riga moltipli ata per 1 alla se onda riga.

vi. Si sommano la terza riga moltipli ata per 2 e la se onda riga alla prima riga.

35

1 4 6 1 0 0
i
1 1 2 0 1 0
1 2 3 0 0 1

1 1 2 0 1 0 1 1 2 0 1 0
i ii iii
1 4 6 1 0 00 3 4 1 1 0
1 2 3 0 0 1 0 1 1 0 1 1
(238)
1 1 2 0 1 0 1 1 2 0 1 0
iii iv v
0 1 1 0 1 10 1 1 0 1 1
0 3 4 1 1 0 0 0 1 1 2 3

1 1 2 0 1 0 1 0 0 1 0 2
v vi
0 1 0 1 3 4 0 1 0 1 3 4 .
0 0 1 1 2 3 0 0 1 1 2 3

Per i l'inversa della matri e dei oe ienti



1 0 2
A1 = 1 3 4 . (239)
1 2 3

2. La soluzione ottenuta moltipli ando a sinistra il vettore dei termini noti b R3 (


M(3, 1)) per la matri e inversa A1 GL(3)

1 0 2 4
x = A1 b = 1 3 4 2 =
1 2 3 3
(240)
1 4 + 0 (2) + (2) 3 2
= (1) 4 + 3 (2) + 4 3 = 2 .
1 4 + (2) (2) + (3) 3 1

Metodo di Cramer.
1. Si gi veri ato (si veda l'Eq.(234)) he la matri e dei oe ienti invertibile.

2. Per ogni i = 1, 2, 3, si ostruis e la matri e quadrata Ai M(3)


ottenuta sostituendo nella
matri e dei oe ienti A M(3) la olonna i-esima on il vettore dei termini noti b R
3.
Si hanno os le matri i

4 4 6 1 4 6 1 4 4
A1 := 2 1 2 , A2 := 1 2 2 , A1 := 1 1 2 , (241)
3 2 3 1 3 3 1 2 3
i ui rispettivi determinanti sono

det A1 = 2 , det A2 = 2 , det A3 = 1 . (242)

3. La soluzione del sistema lineare onsiderato data dal vettore x R3 , le ui omponenti


sono determinate ome segue

det A1 2
x1 = = = 2 , (243)
det A 1
36
det A2 2
x2 = = =2, (244)
det A 1
det A3 1
x3 = = = 1 . (245)
det A 1
Per i la soluzione

2
x= 2 . (246)
1

37
Bibliograa
[1 A. Guerraggio, Matemati a Generale (Bollati Boringhieri, 1995).

[2 S. Lang, Algebra Lineare (Bollati Boringhieri, 2003).

[3 http://en.wikibooks.org/wiki/Linear_Algebra .

38