Sei sulla pagina 1di 25

UNIVERSITÀ TELEMATICA e -CAMPUS

MASTER ANNUALE
1500 ORE 60 CFU
"L'insegnamento delle materie scientifiche negli istituti secondari di I e
II grado: matematica e fisica"

SISTEMI LINEARI, VETTORI E MATRICI

IL RELATORE
TANGUSSO SALVATORE

LA CANDIDATA
CANDELORO ANASTASIA
Matricola: 007136655

Anno Accademico
2019/202
Sommario
INTRODUZIONE ......................................................................................................................... 3

SISTEMI DI EQUAZIONI LINEARI .......................................................................................... 5

TEOREMA DI CRAMER E ROUCHE-CAPELLI ............................................................................... 6

Due equazioni in due incognite ............................................................................................. 6


Due equazioni in tre incognite .............................................................................................. 7
Caso generale........................................................................................................................ 9
Teorema di Cramer ............................................................................................................. 10
Teorema di Rouchè - Capelli .............................................................................................. 11
SISTEMI OMOGENEI ................................................................................................................ 12

AUTOVALORI ED AUTOVETTORI ....................................................................................... 14

VETTORI.................................................................................................................................... 15

Prodotto scalare ...................................................................................................................... 17

Prodotto vettoriale .................................................................................................................. 17

Prodotto misto......................................................................................................................... 18

MATRICI E DETERMINANTI ................................................................................................. 19

Le operazioni con le matrici..................................................................................................... 20

Il determinante di una matrice quadrata ................................................................................ 22

Il determinante di una matrice quadrata ................................................................................ 23

Le proprietà dei determinanti ................................................................................................. 24

2
INTRODUZIONE

Nella presente tesina verrà trattato l'argomento riguardante i sistemi lineari che seppur

argomento non caratterizzato da una trattazione troppo complessa è alla base

dell'algebra e della matematica in senso più esteso poichè costituisce impostazione per

la risoluzione di diversi tipi di problemi, la quale caratteristica li rende utili alla

risoluzione anche di problemi legati al mondo della fisica, della chimica, dell'economia

e della finanza. Prima di addentrarci nella trattazione del singolo argomento vediamo di

cosa si occupa la macrocategoria che la contiene: l'algebra lineare.

Essa è una branca della matematica che studia i vettori, gli spazi vettoriali (o spazi

lineari), le trasformazioni lineari e i sistemi di equazioni lineari per l'appunto. Gli spazi

vettoriali sono oggetto d'interesse per la matematica moderna; l'algebra lineare è

strumento dell'algebra astratta, della geometria e dell'analisi funzionale. Attraverso

l'algebra lineare si studiano i fenomeni fisici "lineari", che cioè presentano un

comportamento lineare privo di distorsioni, fenomeni caotici e turbolenze. Ovviamente

non sono da escludere neanche i fenomeni fisici più complessi, non solo nell'ambito

della fisica, ma anche delle scienze naturali e sociali, che con opportune e dovute

approssimazioni possono essere studiati e ricondotti a sistemi lineari.

E' possibile fare una collocazione storica dell'algebra lineare moderna tra il 1843/44

infatti proprio in quegli anni William Rowan Hamilton (padre dei "vettori") inventò

i quaternioni. Contemporaneamente Hermann Grassmann pubblicò il primo libro nel

quale venivano introdotte le matrici (2×2), una delle idee fondamentali dell'algebra

lineare.

Si pongono così le basi per l'algebra lineare che trova le sue origini proprio nello studio

di vettori e di spazi cartesiano a due e a tre dimensioni. Successivamente l'algebra


3
lineare moderna si è estesa per comprendere anche spazi di dimensione arbitraria o

infinita. Un vettore è un segmento orientato, con propria lunghezza, direzione e verso. I

vettori possono essere utilizzati per rappresentare alcune entità fisiche, come le forze, e

possono essere sommati tra di loro o essere moltiplicati per uno scalare, formando uno

spazio vettoriale.

Non ci dilungheremo nella presente trattazione su tutti gli aspetti dell'algebra lineare,

ma approfondiremo solo la parte relativa ai sistemi lineari, senza la cui padronanza e

conoscenze non è possibile pensare di affrontare argomenti che si avvalgono di essi per

la risoluzione di problemi. Introduciamo quindi cosa è un sistema lineare.

Un sistema lineare è un insieme di un dato numero di equazioni che possono avere una

o più incognite. La soluzione del sistema è il valore di ciascuna incognita che fa si che

siano vere contemporaneamente tutte le equazioni del sistema. I sistemi lineari servono

a trovare le soluzioni (quindi i valori delle incognite) comuni delle equazioni che lo

compongono. La difficoltà non sta tanto nella risoluzione di questi sistemi, che

andremo a trattare nei prossimi paragrafi, ma sta nel modellizzare una situazione reale

utilizzando un sistema, o meglio "impostare" correttamente il sistema che è soluzione di

un determinato problema.1

In un autorimessa ci sono auto e moto. Sapendo che ci sono 10 sterzi e 30 ruote, dire

quante sono le auto e quante sono le moto. In tale problema abbiamo due quantità

incognite, ossia il numero delle auto e il numero delle moto. Per prima cosa dobbiamo

esprime il problema con il linguaggio matematico e indicare con le lettere x, y le nostre

due incognite, più precisamente chiamiamo x il numero di auto e y il numero di moto.

Quello che dobbiamo fare è trovare i valori di x e, y che soddisfano entrambe le

1
https://redooc.com/it/superiori/matematica-algebra/sistemi-lineari-di-equazioni/introduzione-ai-
sistemi-lineari
4
equazioni: (1) x + y = 10 (equazione degli sterzi), (2) 2x + 4y = 30 (equazione delle

ruote). Pi`u in generale, quando abbiamo alcune equazioni e cerchiamo i valori che le

risolvono tutte, parliamo di sistema di equazioni: graficamente i sistemi di equazioni si

indicano con una parentesi graffa alla sinistra delle equazioni incolonnate in verticale

x + y = 10

2x + 4y = 30

Vedremo nei prossimi capitoli come si risolve un sistema di questo tipo che ci

permetterà di giungere ad un unica sola soluzione.

SISTEMI DI EQUAZIONI LINEARI

Equazioni lineari

Un'equazione lineare nelle n incognite x1, x2, x3,.....xn è del tipo:

a1x1 + a2x2 + a3x3 + ....+ anxn = b (1.1)

con a1, a2, a3....an e b numeri fissati. Ad esempio 3x = 5 è un'equazione lineare nella sola

incognita x; invece 2x1 -3x2 = 2 è un'equazione lineare nelle incognite x1, x2.

I numeri a1, a2, a3....an (coefficienti delle incognite) vengono chiamati coefficienti

dell'equazione (1.1), mentre b è il termine noto. Se b 0 = si dice che l'equazione è

omogenea. Ricordiamo che un'equazione lineare caratterizzata da due o più incognite è

indeterminata, nel senso che ha diverse soluzioni. Se però si prende in considerazione

un sistema di equazioni di tipo lineare, si ricercano cioè i valori delle incognite che

risolvono simultaneamente due o più equazioni, vedremo che per esso sono possibili tre

casi: o non ammette soluzioni (incompatibile, oppure ha una ed una sola soluzione

5
(determinato) o infine è anch'esso indeterminato poiché ammette infinite soluzioni.

(Blasi, Matematica Corso base per la facoltà di economia, 2006)

TEOREMA DI CRAMER E ROUCHE-CAPELLI

Due equazioni in due incognite

Consideriamo il sistema:

2x1 - 3x2 = 2

4x1 - 2x2 = 8 (1.2)

Le equazioni sono due e le incognite x1 e x2 altrettante. I numeri che moltiplicano le

incognite sono i coefficienti del sistema, gli altri (che in questo caso stanno al secondo

membro) i termini noti. Una soluzione di (1.2) è costituita da una coppia di numeri x1* e

x2* che verificano simultaneamente le due equazioni: ad esempio x1*/5/2 x2* e x2*0 1.

In che modo possiamo stabilire se un sistema ha soluzioni? e nel caso le abbia, quante

ne ha e come si calcolano? Cominciamo con l'osservare che se consideriamo i

coefficienti di ciascuna incognita sia i termini noti come componenti di vettori a due

dimensioni, si ottengono tre vettori a1 = (2,4) (coefficienti di x1), a2 = (-3,-2)

(coefficienti di x2) e b = (2,8) (termini noti). Il sistema (1.2) può allora essere scritto

sinteticamente nella forma vettoriale:

x1a1 + x2a2 = b (1.3)

che è vera se ciascun componente del vettore che rappresenta è uguale alla

corrispondente componente di b: cioè se è vero il sistema di partenza. In tal caso il

sistema di partenza e la scrittura vettoriale sono equivalenti.

6
Risolvere il sistema di partenza significa trovare i valori dei coefficienti x 1 e x2 che

permettono di esprimere b come combinazione lineare di a1 e a2 e questo è possibile solo

se b è linearmente dipendente da tali vettori. Notiamo che se a1 e a2 sono linearmente

indipendenti (determinante della matrice delle loro componenti diverso da zero) allora b

è linearmente dipendente da essi: lo spazio ha dimensione 2 ed ha come risultato il

vettore nullo, e poiché il massimo numero di vettori linearmente indipendenti è 2.

Quindi in tal caso il sistema ha soluzioni ed in realtà noi una soluzione già la

conosciamo: x1*=5/2 e x2* = 1. (Bonetti, 1992)

Ci chiediamo a questo punto se esistono altre soluzioni. Supponiamo di si: supponiamo

cioè che esistano altri due numeri x1*e x2* tale che sia soddisfatta: x1*a1 + x2*a2 = b.

L'equazione è una combinazione lineare di a1 e a2 che ha come risultato il vettore nullo,

e poiché a1 e a2 sono linearmente indipendenti i coefficienti devono essere tutti nulli.

Quindi la prima soluzione trovata è anche l'unica. Questo come vedremo è un risultato

valido in generale per sistemi "quadrati" cioè con un numero di equazioni uguale al

numero delle incognite: se il determinante della matrice dei coefficienti è diverso da

zero il sistema ammette un unica soluzione. (Bonetti, 1992)

Due equazioni in tre incognite

Ovviamente questo caso risulta essere più difficile del precedente: siamo di fronte a 3

incognite x1, x2 e x3, ma le equazioni sono sempre due:

2x1 - x2 + 5x3 = 1

-x1 -+x2 - 3x3 = -5 (1.4)

In questo caso una soluzione è costituita da una terna x1*, x2*, x3* di numeri che

verificano simultaneamente le due equazioni. E' facile verificare che una soluzione x1*
7
= -6, x2 = -8, e x3 = 1; ma anche x1* = 4, x2* = -9, x3* = 0 è soluzione del sistema. Per

capire perché questa volta esistono più soluzioni consideriamo, come nell'esempio

precedente, l'equazione vettoriale corrispondente al sistema. La dimensione dello spazio

coinvolto è ancora 2 e l'equazione ha soluzioni solo se b è linearmente dipendente da a1,

a2, a3: ciò significa che se l'insieme di vettori, che chiameremo insieme incompleto {a1,

a2, a3} ha rango p (1 o 2: essendo vettori di S2 il rango non può essere 3), anche

l'insieme completo {a1, a2, a3, b} deve avere lo stesso rango (questo ultimo insieme

avrebbe rango p+1 se b fosse indipendente dagli altri tre vettori). Le matrici incompleta

e completa delle componenti dei due insiemi vettori sono: (2, -1, -1 ; -1, 1, -3) e (2,-1,5;

-1, 1, -3).

2 −1 −1 2 −1 5 1
(1.5)
−1 1 −3 −1 1 −3 −5

Dato che la matrice completa risulta avere una colonna in più rispetto all'incompleta la

sua caratteristica può al massimo essere maggiore di una quantità pari ad uno rispetto a

quella incompleta (caso in cui la colonna aggiunta è dipendente dalle altre), oppure

avere la stessa caratteristica (se la colonna aggiunta è dipendente dalle altre. In questo

caso che stiamo affrontando si vede subito che la matrice incompleta ha caratteristica

p=2: ad esempio il minore di ordine 2 individuato dalla prime due colonne è diverso da

zero. Di conseguenza allora anche la matrice completa ha caratteristica 2: ha solo due

righe non può avere caratteristica tre! Conclusione: b è linearmente dipendente da a1, a2,

a3 e quindi l'equazione e di conseguenza il sistema ha soluzioni. Bella scoperta: ne

avevamo già trovate due! Ma di sicuro ne scopriremo molte di più!

Poichè la caratteristica della matrice è incompleta è 2 sappiamo che due dei tre vettori

a1, a2, a3 sono linearmente indipendenti, mentre il terzo dipende dagli altri due. Ad

esempio, poichè le prime due colonne della matrice incompleta individuano un minore

8
non nullo, a1, a2 sono linearmente indipendenti e a3, dipende da essi. Riscriviamo allora

l'equazione precedente lasciando al primo membro i termini corrispondenti ai vettori

linearmente indipendenti (in questo caso a1 e a2) e portiamo al secondo membro gli altri

(in questo esempio solo quello relativo ad a3, ottenendo:

x1a1 + x2a2 = b - a3x3 (1.6)

Assegnando ora all'incognita x3 un valore arbitrario, ad esempio x3* = 1, possiamo

calcolare le componenti del vettore a secondo membro, che indichiamo con:

x1a1 + x2a2 = b' (1.7)

Il vettore b' è linearmente dipendente da a1 e a2 in quanto combinazione lineare di

vettori (b e a3) entrambi dipendenti da essi. Siamo allora nelle condizioni dell'equazione

precedente anche'essa ha una ed una sola soluzione che è data (vedremo più in là come

si trovano le soluzioni) da x1 = - 6 e x2 = - 8 e x3 = 1 che è unica solo perchè abbiamo

fissato un solo valore per x3. Se diamo ad x3 un altro valore, otterremo un altro valore di

b' e quindi una nuova equazione anche questa volta con soluzione unica. In parole

povere otteniamo un'unica coppia x1 , x2 come soluzione per ogni scelta arbitraria di x3, e

poichè x3 può essere scelto in infiniti modi (va bene un qualsiasi numero reale)

l'equazione e di conseguenza il sistema ha infinite soluzioni: una per ogni scelta

arbitraria del valore dell'incognita x3. Si dice anche, per sottolineare il fatto che occorre

scegliere in modo arbitrario il valore di una incognita, che le soluzioni sono ∞1. (Blasi,

Matematica Corso base per la facoltà di economia, 2006)

Caso generale

Le conclusioni trovate per i sistemi che abbiamo visto nel paragrafo precedente possono

essere generalizzate al caso di n equazioni lineari in m incognite:

9
a11x1 + a12x2 + ... + a1mxm =b1

a21x1 + a22x2 + ... + a2mxm =b2

a31x1 + a32x2 + ... + a3mxm =b3


:
an1x1 + an2x2 + ... + anmxm =bn (1.8)
Anche il sistema (1.8) può essere riscritto in forma sintetica come un'unica equazione

vettoriale per la quale valgono considerazioni analoghe a quelle viste nei due esempi

precedenti. Riassumiamo le conclusioni facendo riferimento direttamente al sistema di

equazioni precedentemente scritto.

Teorema di Cramer

Condizione necessaria e sufficiente affinchè un sistema di n equazioni lineari in n

incognite abbia una ed una sola soluzione è che il determinante della matrice dei

coefficienti del sistema sia diverso da zero.

Si può dimostrare la seguente:

Regola di Cramer

Soddisfatta la condizione del teorema di Cramer, cioè se il determinante della matrice

dei coefficienti di un sistema di n equazioni lineari in n incognite è diverso da zero,

allora l'unica soluzione del sistema data è:

x1 = Δ1/ Δ; x2 = Δ2/ Δ; .......... ; xn = Δn/ Δ (1.9)

in cui Δk, per k=1,2,....,n è il determinante della matrice ottenuta dalla matrice dei

coefficienti sostituendovi la k-esima colonna con la colonna dei termini noti.2

Osservazione: il th. di Cramer è un th. di esistenza e unicità. Ciò significa che se Δ ≠ 0

la soluzione esiste ed è unica per cui il sistema è determinato. Se invece il determinante

Δ della matrice dei coefficienti è uguale a zero il sistema non è determinato (cioè non ha

2
Alessandro Blasi, Matematica Corso base per la facoltà di economia, Edizioni Kappa, 2006
10
soluzione unica) ma è o incompatibile (nessuna soluzione) oppure indeterminato

(infinite soluzioni). In tal caso per studiare il sistema occorre rifarsi al teorema di

Rouchè - Capelli.

Teorema di Rouchè - Capelli

Condizione necessaria e sufficiente affinchè un sistema di n equazioni lineari in m

incognite abbia soluzione è che la sua matrice incompleta e la corrispondente matrice

completa abbiano la stessa caratteristica.

Soddisfatta tale condizione ed indicata p la caratteristica comune alle due matrici, se p =

m la soluzione del sistema è unica, se invece p<m il sistema dato è equivalente ad un

sistema di p equazioni in p incognite, con determinante della matrice dei coefficienti

diverso da zero, che si ottiene nel seguente modo:

 si individua un minore di ordine p, della matrice incompleta, diverso da zero;

 le p righe e le p colonne della matrice incompleta, con le quali si forma il minore

del punto precedente, individuano rispettivamente p equazioni e p incognite del

sistema originario;

 delle n equazioni originarie si conservano solo le p individuate nel punto

precedente e si trascurano le altre. Nelle p equazioni che rimangono si lasciano

al primo membro tutti i termini relativi alle p incognite individuate nel punto

precedente, si riportano invece al secondo membro i restanti m - p incognite.

Nel sistema delle p equazioni rimaste si assegnano valori arbitrari alle m - p incognite al

secondo membro. Si ottiene così un sistema di p equazioni in p incognite che è

equivalente al sistema originario e che avendo, per il modo in cui è stato ottenuto, il

determinante della matrice dei coefficienti diverso da zero, ha una sola soluzione. Tale

11
soluzione però dipende però dagli m - p valori arbitrari assegnati alle incognite al

secondo membro e quindi in definitiva il sistema ha infinite soluzioni: si dice che ∞m-p

soluzioni per sottolineare il fatto che occorre assegnare un valore arbitrario ad m-p

incognite. 3

Si può dunque affermare che un qualunque sistema di equazioni lineari o non ammette

soluzioni e allora si dice incompatibile (o anche impossibile) oppure, se compatibile,

può ammettere una ed una sola soluzione (sistema determinato) oppure ne ha infinite

(sistema indeterminato).

Osservazione: con riferimento al th. di Rouchè - Capelli è naturale chiedersi come mai

nelle n equazioni che costituiscono il sistema sia sufficiente considerarne solo p

(opportunatamente scelte) e si possano invece trascurare le rimanenti. La risposta è

semplice se si tiene conto di una osservazione fatta nel paragrafo precedente: la

caratteristica p della matrice completa coincide con il rango non solo negli m vettori

colonna (Sn) ma anche con il rango degli n vettori riga (di Sn). Ciò significa che una

volta scelte p righe linearmente indipendenti della matrice completa, cioè p equazioni

del sistema, tutte le altre equazioni sono linearmente dipendenti dalle p prescelte. Ne

consegue che una qualsiasi soluzione delle p equazioni scelte è automaticamente

soluzione anche delle restanti n - p equazioni, che pertanto possono essere trascurate nel

ricercare le soluzioni.

SISTEMI OMOGENEI

Un sistema di n equazioni in m incognite si dice omogeneo se tutti i termini noti sono

uguali a 0. Un sistema omogeneo è sempre compatibile in quanto ammette sempre

3
Alessandro Blasi, Matematica Corso base per la facoltà di economia, Edizioni Kappa, 2006
12
almeno la soluzione banale x1 = x2 = ... = xm = 0. Quindi in un sistema omogeneo è

inutile considerare la matrice completa: è importante calcolare solo la caratteristica della

matrice incompleta.4

Se la caratteristica della matrice incompleta di un sistema omogeneo coincide con il

numero delle incognite il sistema ha come unica soluzione quella banale; se invece è

inferiore al numero delle incognite il sistema avrà ∞m-p soluzioni. Le soluzioni, diverse

dalla banale,di un sistema omogeneo vengono chiamate autosoluzioni o soluzioni

proprie.

Si illustrano di seguito alcuni esempi per chiarire il concetto.

Esempio 1:

x - 2y + z = 0

-x + y + z = 0 (2.0)

Il sistema sopra scritto è normale poichè la caratteristica della matrice incompleta è

uguale a 2; essendo le incognite 3, esso ha ∞1 autosoluzioni date da x = α; y = 2 α/3; z =

α/3 (avendo assegnato il valore arbitrario α all'incognita x).

Esempio 2:

-x + 2y = 0

x - 2y = 0

x+y=0 (2.1)

Il sistema omogeneo ha la caratteristica della matrice incompleta uguale a 2 e

coincidente con il numero di incognite. Esso è dotato quindi della soluzione banale.

4
Sergio Rinaldi Carlo Piccardi I sistemi lineari, teoria , modelli, applicazioni, Città Studi, 2012
13
AUTOVALORI ED AUTOVETTORI

Sistemi in cui compaiono parametri

Se nei coefficienti e nei termini noti di un sistema di equazioni lineari appaiono dei

parametri, cioè delle costanti di cui non viene specificato il valore, il comportamento del

sistema dipende in generale dai valori che assumono tali parametri ed è necessario

esaminare tutti i casi possibili servendosi dei teoremi di Rouchè - Capelli e di Cramer.

Autovalori ed autovettori

Come vedremo in seguito per molte applicazioni occorre calcolare gli autovalori e gli

autovettori di matrici quadrate e ciò comporta lo studio di sistemi omogenei dipendenti

da un parametro. Data una matrice quadrata A = [aij]di ordine n ed il sistema omogeneo

dipendente dal parametro λ:

(a11- λ )x1 + a12x2 + ... + a1mxm =b1

a21x1 + (a22 - λ) x2 + ... + a2mxm =b2

a31x1 + a32x2 + ... + a3mxm =b3

an1x1 + an2x2 + ... + (anm- λ )xm =bn (2.2)

la matrice dei coefficienti sopra riportata coincide con A salvo che negli elementi aii

della diagonale principale che differiscono dai corrispondenti elementi di A del valore

del parametro λ. Ogni valore di λ tale che Δλ della matrice dei coefficienti del sistema

dipende ovviamente dal parametro λ. Ogni valore di λ tale che Δλ = 0 prende il nome di

autovalore della matrice A e ad esso corrispondono (Th. Rouchè - Capelli)

autosoluzioni del sistema. Un vettore Sn che abbia come componenti (x1, x2, .... , xn) di

14
cui x1, x2, .... , xn è un'autosoluzione del sistema relativa all'autovalore λ prende il nome

di autovettore di A corrispondente all'autovalore λ.

In generale Δλ = 0 è un'equazione algebrica di grado n la quale, come noto ha sempre n

radici purchè ciascuna venga contata con la propria molteplicità. Non è detto però che

tali radici siano reali: gli autovalori di una matrice possono essere sia reali che

complessi. Fanno eccezione le matrici simmetriche. Un importante teorema infatti

garantisce che gli autovalori di una matrice simmetrica sono tutti reali.

In particolare si dice che una matrice simmetrica M è definita positiva e si pone

convenzionalmente M>0, se tutti i suoi autovalori sono positivi, si dice definita

negativa, e si pone M<0, se i suoi autovalori sono tutti negativi. Se infine gli autovalori

non nulli di M non hanno tutti lo stesso segno (M ha sia autovalori positivi che negativi)

si dice che la matrice è indefinita.

VETTORI

In numerose applicazioni conviene considerare le coppie, le terne, e in generale le n-ple

ordinate di numeri reali come singoli enti (vettori) con i quali fare poi determinate

operazioni.

Si chiama vettore ad n componenti una qualsiasi n-pla ordinata di numeri reali che

indicheremo con: a = (a1, a2,....., an) e diremo che a1, a2,....., an sono rispettivamente la

prima, la seconda,....,

L'utilità dei vettori si estende oltre che al piano anche nello spazio dove è di importante

aiuto nel trattare concettualmente molti temi legami ai più disparati ambiti.

15
Si dice vettore la classe di equivalenza dei segmenti orientati dello spazio che hanno la

stessa direzione, lo stesso verso e lo stesso modulo. Un vettore di modulo unitario verrà

detto versore.

Fissato un sistema di assi cartesiani ortogonali nello spazio, ogni vettore può essere

composto nelle sue componenti lungo gli assi cartesiani costruendo il parallelepipedo

che lo ha come diagonale. Indicate quindi le componenti 𝑣𝑥 , 𝑣𝑦, 𝑣𝑧 tali che:

𝑣 = 𝑣𝑥 + 𝑣𝑦 + 𝑣𝑧

I vettori sopra descritti possono essere a loro volta visti come prodotto del loro modulo

vx, vy, vz per i versori fondamentali 𝑖, 𝑗, 𝑘 lungo gli assi x, y, z; possiamo dunque

scrivere che

𝑣 = v𝑥𝑖 + 𝑣𝑦𝑗 + 𝑣𝑧𝑘

I numeri reali scritti nell'equazione sopra costituiscono le componenti del vettore 𝑣. In

particolare i versori fondamentali hanno componenti cartesiane:

𝑖 1,0,0 𝑗 0,1,0 𝑘 (0,0,1)

16
Alcune osservazioni importanti

Come nel caso dei vettori nel piano, anche nello spazio possiamo dire che due vettori

sono paralleli se e solo se hanno le componenti proporzionali.

I vettori nel piano e i vettori nello spazio, possono essere considerati l'immagine

geometrica degli spazi vettoriali R2 e R3. Per questo le operazioni di somma e

sottrazione di due vettori e di prodotto di un vettore per un numero reale sono definite

nello stesso modo. Con i vettori si possono incontrare altre operazione che

caratterizzano principalmente il mondo della fisica. (Grazzi, 2005)

Prodotto scalare

Si dice prodotto scalare dei due vettori 𝑣 e 𝑤 , e si indica con 𝑣 ∗ 𝑤 il prodotto dei loro

moduli per il coseno dell'angolo da essi formato; in simboli: 𝑣 ∗ 𝑤 = 𝑣𝑤𝑐𝑜𝑠𝜕

Il prodotto scalare è un numero reale e si ha che:

- il prodotto scalare di due vettori è maggiore di zero se l'angolo da essi formato è acuto,

è negativo se tale angolo è ottuso;

- se i due vettori sono paralleli e con lo stesso verso si ha che l'angolo è zero e di

conseguenza il prodotto è positivo; se sono paralleli e con verso opposto il prodotto è

negativo;

- il prodotto scalare tra due vettori che formano un angolo retto è nullo;

- viceversa, se si verifica che il prodotto scalare è nullo, allora o uno dei due vettori è

nullo o essi sono ortogonali. (Grazzi, 2005)

Prodotto vettoriale

Si può parlare di prodotto vettoriale di due vettori 𝑣 𝑒 𝑤 e si indica vettore 𝑠 che ha:o

- direzione perpendicolare al piano individuato dai vettori 𝑣 𝑒 𝑤;

17
- verso dato dalla regola della vita destrorsa;

- modulo dato dal prodotto tra i moduli dei due vettori per il seno dell'angolo tra di essi

compreso.

Regola della vite destrorsa

Una vite destrorsa è una vite che, se ruotata in senso orario si avvita, se ruotata in senso

antiorario si svita. Per determinare il verso del vettore prodotto vettoriale si deve

immaginare di ruotare il primo vettore verso il secondo;il verso è indicato dalla

direzione di avanzamento di una vite destrorsa che compie la stessa rotazione.

Da questa definizione si ricava subito che:

- se i vettori sono paralleli, allora il loro prodotto vettoriale è nullo;

- viceversa, se il prodotto vettoriale è nullo, o almeno uno dei due vettori è nullo oppure

i due vettori sono paralleli;

- il prodotto vettoriale non è commutativo;

- dal punto di vista geometrico si può rappresentare il modulo del prodotto vettoriale

come l'area del parallelogramma individuato dai due vettori.

Inoltre si dimostra che se due vettori 𝑣 𝑒 𝑤 sono espressi mediante le loro componenti

cartesiane, allora il loro prodotto vettoriale è dato dalla matrice 3x3.

Prodotto misto

Si dice prodotto misto dei tre vettori v, w e r il prodotto che per essere calcolato

necessita di due operazioni distinte. Prima si calcola il prodotto vettoriale tra i primi due

e poi si moltiplica scalarmente il vettore risultato per il terzo; il risultato di un prodotto

misto è quindi un numero reale. Osserviamo che le operazioni tra i vettori devono essere

fatte nell'ordine indicato, altrimenti la definizione data non avrebbe senso; infatti
18
supponendo di eseguire prima il prodotto scalare e poi quello vettoriale otterremmo un

risultato errato e difforme dalla definizione stessa. Eseguendo opportuni calcoli si arriva

a dimostrare che il prodotto misto di tre vettori è il determinante delle loro componenti

cartesiane prese nell'ordine.

Inoltre il prodotto misto tra tre vettori ha una interessante interpretazione geometrica.

Consideriamo il parallelepipedo che ha per spigoli i tre vettori;il modulo dei primi due

vettori rappresenta l'area di base del parallelepipedo, la sua direzione è perpendicolare al

piano della base ed è quindi la direzione dell'altezza; il prodotto cartesiano del vettore

ottenuto con l'altro spigolo del solido rappresenta allora il volume del parallelepipedo.

Quindi il prodotto misto di tre vettori, a meno del segno, dà il volume del

parallelepipedo che ha per spigoli tali vettori.

Questa interpretazione ci consente di dimostrare facilmente il seguente importante

teorema:

Teorema: Condizione necessaria e sufficiente affinchè tre vettori non nulli siano

complanari è che il loro prodotto misto sia nullo.

Infatti se i tre vettori sono complanari, il parallelepipedo ha volume nullo e quindi anche

il prodotto misto lo è. Viceversa, se il prodotto misto è nullo, è nullo il volume del

parallelepipedo e quindi i tre vettori, essendo non nulli, devono essere complanari.

MATRICI E DETERMINANTI

Una matrice è una tabella di numeri reali di n righe e m colonne i cui elementi si

indicano generalmente con una lettura munita di due indici, per esempio aik, dove

l'indice o indica il numero di riga e l'indice k il numero di colonna. Se una matrice ha n

19
righe e m colonne, si dice che è rettangolare tipo nxm; se il numero n delle righe è lo

stesso del numero di colonne, la matrice si dice quadrata di ordine n.

Si ricorda inoltre che:

- in una matrice quadrata, gli elementi collocati sulla diagonale principale sono quelli

che hanno l'indice di riga uguale all'indice della colonna, cioè gli elementi a11, a22, a33 e

così via che vanno dall'elemento in alto a sinistra all'elemento in basso a destra, mentre

quelli che sono collocati sulla diagonale secondaria sono quelli dell'altra diagonale, che

vanno dall'elemento in basso a sinistra all'elemento in alto a destra;

- la matrice in cui tutti gli elementi sulle rispettive righe e colonne sono nulli è definita

matrice nulla e viene rappresentata con il simbolo 0; la matrice quadrata che tutti gli

elementi sulla diagonale che va dall'alto a sinistra verso il basso a destra, ovvero quella

principale, si chiama matrice identica e viene convenzionalmente indicata dal simbolo I;

- la matrice a cui si perviene dopo aver scambiato le righe con le colonne si chiama

trasposta di A e viene indicata dal simbolo AT ;

- la matrice che ha tutti gli elementi sulle rispettive righe e colonne nulli ad eccezione

degli elementi posizionati sulla diagonale che va dall'elemento in alto a sinistra

all'elemento in basso a destra;

- la matrice quadrata che ha pari a zero tutti gli elementi collocati al di sopra o al di

sotto della diagonale principale viene chiamata matrice triangolare. (Vallorani, 2008)

Le operazioni con le matrici

- La somma tra due matrici è possibile solo se le matrici oggetto della somma hanno lo

stesso ordine ovvero risultano essere dello stesso tipo. Supponiamo di avere A e B due

20
matrici addendo, la matrice somma C deve essere dello stesso tipo e gli elementi si

ottengono sommando tra di loro gli elementi che occupano lo stesso posto.

cik = aik + bik

L'addizione tra matrici risulta essere caratterizzata della proprietà commutativa e

associativa, ha come elemento che non compromette il risultato la matrice nulla, e la

matrice opposta è quella che ha per elementi gli opposti.

- La differenza di A e B, che sono le nostre matrici oggetto della divisione, è sempre

dello stesso tipo ed è la somma della prima con l'opposto della seconda; si tratta della

matrice C i cui elementi sono:

cik = aik - bik

- il prodotto scalare K per A è quello che si ottiene moltiplicando tutti gli elementi di A

per k:

kA = (kaik)

Per tale prodotto valgono:

 kA = Ak

 k(A+B) = kA + kB

 (h+k)A = hA + kA

- il prodotto tra due matrici è eseguibile solo se le matrici risultano conformabili, cioè se

il numero di colonne della prima matrice corrisponde al numero di righe della seconda

matrice; due matrici A e B conformabili sono quindi del tipo n x p la prima e p x m la

seconda. La matrice prodotto C è del tipo n x m. Ciascun elemento cik della matrice C =

AxB è frutto della moltiplicazione dei termini della riga i-esima per quelli della colonna

k-esima e dalla somma dei prodotti ottenuti. (Vallorani, 2008)

21
La moltiplicazione tra matrici ha la caratteristica di essere associativa, ma non

commutativa; vale inoltre la proprietà distributiva della moltiplicazione rispetto

all'addizione. Per le matrici quadrate abbiamo modo di far valere:

A0 = 0A = 0

AI = IA = A (I risulta essere l'elemento neutro)

Ricordiamo inoltre che se A e B risultano essere conformabili:

non vale la legge di annullamento del prodotto, cioè AB = 0 non implica in generale che

una delle due matrici sia nulla e non vale la legge definita di cancellazione: AB =AC

non implica in generale che B = C. (Vallorani, 2008)

Il determinante di una matrice quadrata

In genere ad una qualsiasi matrice A che risulta essere di ordine n è possibile associare

un numero reale che chiameremo determinante e che si rappresenta con det(A)

conoscendo il quale è possibile sapere molte cose che caratterizzano la matrice o il

sistema ad esso associato. Infatti non è u caso che si chiami "determinante".

Quando abbiamo la matrice con ordine 1 il determinante sarà il numero stesso. Quando

la matrice ha ordine 2 il determinante è dato dalla differenza fra il prodotto dei numeri

sulla diagonale principale e il prodotto dei numeri sulla diagonale secondaria. Per

calcolare il determinante di una matrice di ordine maggiore di 2 si esegue un algoritmo

che la riduce al calcolo di diversi determinanti di ordine 2. Cominciamo con il dire che

preso un elemento qualsiasi se sopprimessimo la riga e la colonna su cui giace

l'elemento otterremmo di nuovo una matrice quadrata di ordine inferiore di una unità

rispetto alla matrice data. (Grazzi, 2005)

22
Un determinante di questo tipo puù essere chiamato solo minore complementare.

L'algormito di cui ci avvaliamo per calcolare il determinante si basa sulla

considerazione dei minori di una matrice chiamati complementari.

Daremo il nome di minore complementare l'elemento il cui determinante si ottiene da

quella considerata eliminando la riga i-esima e la colonna k-sima.

L'elemento si dirà di classe pari se i + k risulterà essere numero pari, si dirà di classe

dispari se i + k risulterà essere dispari.

Avremo un elemento con il nome di complemento algebrico se quest'ultimo indica il

minore complementare e potrà essere di classe dispari o pari.

Th. Se sommo i prodotti degli elementi che giacciono su una riga o su una colonna per i

relativi complementi algebrici otterrò un valore che non ha nessuna relazione con la riga

e la colonna considerate.

Th Laplace: il determinante di una matrice quadrata di ordine n è identico alla somma

dei prodotti degli elementi di una riga o di una colonna qualsiasi per i rispetti

complementi algebrici. (Vallorani, 2008)

Il determinante di una matrice quadrata

Per calcolare il determinante di una matrice con un ordine pari al terzo, e solo in questo

caso esiste una regola pratica che è spesso più rapida di quella che implica la

determinazione dei complementi algebrici. Tale regola si deve al matematico Pierre

Frederic Sarrus e consiste in una schematizzazione delle operazioni che si devono

compiere per calcolare il determinante di ordine 3.

Data la matrice A e procedendo nel modo consueto, supponendo di fissare, ad esempio

la prima riga. Svolgendo i dovuti calcoli si arriva ad ottenere una matrice rettagolare ed

in essa si possono evidenziare tre diagonali principali e tre diagonali secondarie. Se si


23
calcola la somma dei prodotti degli elementi che si trovano sulle diagonali principali e

la somma dei prodotti degli elementi che si trovano sulle diagonali secondarie e poi

calcoliamo la differenza fra i due valori ottenuti, ritroviamo proprio il determinante

della matrice A. (Vallorani, 2008)

Le proprietà dei determinanti

I determinanti delle matrici quadrate godono di alcune proprietà che spesso

semplificano il calcolo. Vediamone le più importanti.

 Se una matrice A ha nulli tutti gli elementi di una riga (o di una colonna) allora

det(A) = 0;

 una matrice A e la sua trasposta AT hanno lo stesso determinante;

 scambiando tra loro due righe (o due colonne) di una matrice A, il determinante

della matrice ottenuta è opposto a quello di A.

 se una matrice ha due righe (o due colonne) proporzionali (in particolare uguali),

il suo determinante è nullo.

 se si moltiplicano gli elementi di una riga (o di una colonna) di una matrice A

per una costante k, anche il determinante viene moltiplicato per k.

 il determinante di una matrice A non cambia se ad una riga (o ad una colonna) se

ne aggiunge una parallela moltiplicata per una costante k.

 se in una matrice quadrata una riga (o una colonna) è una combinazione lineare

di altre righe (o colonne), il determinante è nullo.

 th. Laplace: se in una matrice quadrata si moltiplicano gli elementi di una riga (o

di una colonna) per i complementi algebrici di quelli di una riga (o colonna)

parallela, la somma dei prodotti ottenuti è zero.

24
 se C è la matrice prodotto di due matrici quadrata A e B dello stesso ordine

allora det(C) = det(A)det(B). (Vallorani, 2008)

 il determinante di una matrice diagonale o di una matrice triangolare è dato dal

prodotto dei termini che si trovano sulla diagonale principale

 data una matrice quadrata A di ordine n, si dice matrice inversa di A la matrice

A-1, se esiste in modo che il suo prodotto per A sia la matrice identica. Detto in

simboli: AA-1 = A-1A = 1

 th. se una matrice A è non singolare, allora esiste sempre ed è unica la sua

matrice inversa A-1

 th: se una matrice è singolare, allora esiste la sua inversa

I due teoremi sopra scritti dicono che condizione necessaria e sufficiente affinchè una

matrice quadrata A di ordine n abbia l'inversa è che A sia non singolare.

Bibliografia

Blasi, A. (2006). Matematica Corso base per la facoltà di economia. Edizioni Kappa.

Bonetti, M. B. (1992). Sistemi lineari e matrici. Pitagora.

Grazzi, M. R. (2005). Goniometia, strutture, sistemi lineari, geometria. Istituto Italiano edizioni
Atlas.

Piccardi, S. R. (2012). I sistemi lineari, teoria , modelli, applicazioni. Città Studi.

Vallorani, M. (2008). Corso di algebra lineare. Bologna: Pitagora Editrice.

25