Sei sulla pagina 1di 18

Rango e Dimensione

April 24, 2015

1 Spazio delle righe


Definizione. Lo spazio delle righe di una matrice A di taglia m × n ad elementi nel campo K,
è il sottospazio di K n generato dalle righe della matrice A. Lo denoteremo con R(A).
Quando abbiamo definito il rango di una matrice A come il numero delle righe non nulle di una
qualunque riduzione a scala per righe di A, abbiamo asserito che questo numero è indipendente
dalla scelta della riduzione. Ora è venuto il momento di dimostrare questo asserto. Ripartiamo
dalla definizione del rango di una matrice.
Definizione. Sia A una matrice. Il rango di A è la dimensione dello spazio delle righe di A

rango (A) = dim R(A)

Facciamo ora vedere che il rango di una matrice A definito in questo modo coincide con il rango
che già conosciamo.
Osserviamo su un esempio che in una matrice a scala le righe non nulle sono linearmente indipen-
denti e quindi formano una base dello spazio generato dalle sue righe. Sia
 
0 2 3 1 4 2
0 0 1 5 6 3
A= 0 0 0 0 3 1

0 0 0 0 0 0

Le righe non nulle di A sono


  
a1 = 0 2 3 1 4 2 , a2 = 0 0 1 5 6 3 , a3 = 0 0 0 0 3 1

La riga a2 non può essere un multiplo della riga a3 perché i multipli di a3 hanno le prime quattro
componenti tutte nulle mentre a2 ha la terza componente diversa da zero. La riga a1 non può
essere combinazione lineare di a2 ed a3 perché tutte queste combinazioni lineari hanno le prime due
componenti uguali a 0 mentre a1 ha la seconda componente diversa da zero. Segue che a1 , a2 , a3
sono linearmente indipendenti.
Teorema. (1) Le righe non nulle di una matrice a scala per righe sono linearmente indipendenti.
(2) Se A e B sono matrici equivalenti per righe, allora R(A) = R(B).

dim. (1) Se A è matrice a scala ed a1 , a2 , . . . , ar sono le righe non nulle di A, sia aiji il pivot
della riga ai . Sappiamo che aiji è il primo elemento non nullo della riga e che sotto di lui gli
elementi sono P tutti nulli. Sia c1 a1 + c2 a2 + . . . + cr ar = 0 una combinazione lineare nulla delle
righe ai . Ma i ci ai = (0, . . .P , 0, c1 a1j1 , ∗, . . . , ∗), e quindi c1 = 0. Stabilito che c1 = 0, il primo
elemento non nullo nella riga i ci ai è c2 a2j2 da cui segue come prima che c2 = 0. Procedendo
allo stesso modo troviamo che c1 = c2 = . . . = cr−1 = 0. Segue allora che cr ar = 0 e, poiché
ar 6= 0, anche cr = 0. Quindi le righe non nulle di A sono linearmente indipendenti. Poiché
R(A) = ha1 , a2 , . . . , ar i, le righe non nulle di A formano una base di R(A) e quindi r = dim R(A).
(2)Facciamo vedere che, data una matrice A, se E è una operazione elementare, allora R(E(A)) =
R(A). Chiamiamo a1 , a2 , . . . , am le righe della matrice A. Allora R(A) = ha1 , a2 , . . . , am i. Se
E = si,j , chiaramente R(E(A)) = R(A) perché l’operazione cambia solo l’ordine delle righe. Se
E = mi (k), k 6= 0, allora R(E(A)) = ha1 , . . . , kai , . . . , am i = ha1 , . . . , ai , . . . , am i. Se E = ai,j (k),
allora R(E(A)) = ha1 , . . . , ai , . . . , kai + aj , . . . , am i = ha1 , . . . , ai , . . . , aj , . . . , am i.

1
Se B è equivalente per righe ad A, allora B = Eh ◦ Eh−1 ◦ · · · ◦ E2 ◦ E1 (A), dove E1 , E2 , . . . , Eh è
una sequenza di operazioni elementari. Segue che

R(B) = R(Eh ◦ Eh−1 ◦ · · · ◦ E2 ◦ E1 (A)) = R(Eh (Eh−1 ◦ · · · ◦ E2 ◦ E1 (A))) =

R(Eh−1 ◦ · · · ◦ E2 ◦ E1 (A)) = . . . = R(E2 (E1 (A))) = R(E1 (A)) = R(A).

Segue dal punto (2) del Teorema che se A0 e A00 sono due riduzioni a scala per righe di A, allora
R(A) = R(A0 ) = R(A00 ) e quindi dim R(A) = dim R(A0 ) = dim R(A00 ). Dal primo punto segue che

#{righe 6= 0 di A0 } = dim R(A0 ) = dim R(A00 ) = #{righe 6= 0 di A00 }

e quindi che il rango di A coincide con il numero delle righe non nullle di una qualunque sua
riduzione a scala per righe.

2 Forma canonica per righe


In questa sezione dimostriamo un risultato a suo tempo annunciato: l’unicità della forma canonica
per righe di una matrice.
Ricordo che una matrice si dice in forma canonica per righe se
1. è una matrice ridotta a scala per righe,
2. gli elementi di ogni colonna pivot sono tutti uguali a zero tranne il pivot (uguale a 1).
Ricordo come da una matrice a scala si ricava la forma canonica per righe: con operazioni di tipo
mi (a) si fanno diventare uguali ad 1 tutti i pivot e con operazioni elementari di tipo ai,j (c) si fanno
diventare uguali a zero tutti gli elementi che stanno sopra i pivot. Ad esempio
   
1 2 −3 1 2 1 2 0 7 11
0 0 1 2 3 −→ 0 0 1 2 3  a3,1−→
a2,1 (3) (−11)

0 0 0 0 1 0 0 0 0 1
   
1 2 0 7 0 1 2 0 7 0
a3,2 (−3)
0 0 1 2 3 −→ 0 0 1 2 0
0 0 0 0 1 0 0 0 0 1
Sappiamo che ogni matrice ha infinite matrici a scala ad essa equivalenti. Possiamo però fornire
alcune precisazioni.
Teorema Se A e B sono matrici a scala con R(A) = R(B) (in particolare se sono equivalenti per
righe) e se a1j1 , a2j2 , . . . , arjr e b1k1 , b2k2 , . . . , bsks sono i pivot di A e B rispettivamente, allora
r = s (hanno lo stesso numero di righe non nulle) e j1 = k1 , j2 = k2 , . . . , jr = kr (i pivot possono
non essere uguali ma occupano la stessa posizione).
Dim. Da R(A) = R(B) segue r = dim R(A) = dim R(B) = s. Poiché A = 0 se e solo se
B = 0, possiamo supporre r = s > 0. Facciamo vedere che j1 = k1 . Supponiamo che j1 < k1 .
Segue che la j1 -ma colonna di B è nulla. La prima riga a1 di A appartiene ad R(B) = R(A) e
quindi, dette b1 , b2 , . . . , br le righe non nulle di B, a1 è combinazione lineare delle righe bi , a1 =
c1 b1 +c2 b2 +. . .+cr br . Poiché la j1 -ma colonna di B è nulla, abbiamo a1j1 = c1 0+c2 0+. . .+cr 0 = 0,
assurdo essendo a1j1 un pivot e quindi 6= 0. Segue che j1 ≥ k1 . Scambiando il ruolo di A e B si
ottiene allo stesso modo che k1 ≥ j1 . Dunque j1 = k1 . L’asserto è dimostrato nel caso in cui r = 1.
Sia A1 (risp. B1 ) la sottomatrice ottenuta da A (risp. B) sopprimendovi la prima riga. Facciamo
vedere che R(A1 ) = R(B1 ). Da questo segue, come visto sopra, che j2 = k2 . Poi si itera il
procedimento.
Sia ai , i ≥ 2, la (i − 1)-ma riga di A1 . Poiché R(A) = R(B), ai = ci1 b1 + ci2 b2 + . . . + cir br .
Poiché i ≥ 2 e A è matrice a scala, la j1 -ma componente di ai è nulla. D’altra parte, B è matrice
a scala e quindi tutti gli elementi della k1 -ma colonna sono tutti nulli eccetto il primo, il pivot
b1k1 6= 0. Quindi b2k1 = . . . = bmk1 = 0. Segue, ricordando che j1 = k1 ,

0 = aij1 = a1k1 = ci1 b1k1 + ci2 b2k1 + . . . + cir brk1 = ci1 b1k1 + ci2 0 + . . . + cir 0 = ci1 b1k1

e quindi ci1 = 0. Segue che R(A1 ) ⊆ R(B1 ). Scambiando il ruolo di A e B si trova R(B1 ) ⊆ R(A1 )
e quindi R(A1 ) = R(B1 ).

2
Teorema Siano A e B matrici in forma canonica per righe. Allora R(A) = R(B) se e solo se A e
B hanno le stesse righe non nulle. Segue che ogni matrice è equivalente per righe ad una ed una
sola forma canonica per righe.
Dim. Se A e B hanno le stesse righe non nulle chiaramente R(A) = R(B).
Viceversa, supponiamo R(A) = R(B). Sia a la i-ma riga di A, 1 ≤ i ≤ r. Allora a = c1 b1 + c2 b2 +
. . . + cr br (notazioni della dim. precedente). Sia aiji il pivot di a (il primo elemento non nullo di
a). È
1 = aiji = c1 b1ji + c2 b2ji + . . . + cr brji
Dal teorema precedente segue che biji è il pivot della i-ma riga di B. Poiché B è in forma canonica,
abbiamo bhji = 0 per ogni h 6= i. Dunque aiji = ci biji . Poiché i pivot, sia di A che di B, sono tutti
uguali a 1, troviamo che ci = 1.
Se h 6= i, abbiamo aijh = c1 b1jh + c2 b2jh + . . . + cr brjh . Ora bhjh = 1 è il pivot della riga bh e
quindi, essendo B in forma canonica, abbiamo bkjh = 0 se k 6= h. Segue che aijh = ch bhjh = ch .
Ora ahjh è il pivot della h-ma riga di A. Poiché A è in forma canonica, ahjh è l’unico elemento 6= 0
della colonna jh -ma. Poiché, per ipotesi, i 6= h, è aijh = 0 e quindi ch = 0 per ogni h 6= i. Segue
che a = bi .
Supponiamo ora che A1 e A2 siano due matrici in forma canonica per righe equivalenti per righe.
Segue che R(A1 ) = R(A2 ) e quindi A1 e A2 hanno le stesse righe. Segue che A1 = A2 .
Esempio Consideriamo i seguenti vettori di R4

u1 = (1, 5, −5, 9), u2 = (3, 7, −3, 11), u3 = (3, 5, 0, 7),

w1 = (1, 3, −2, 5), w2 = (2, 4, −1, 6).


È vero o falso che i sottospazi U = hu1 , u2 , u3 i e W = hw1 , w2 i coincidono?
Consideriamo le matrici
 
1 5 −5 9  
1 3 −2 5
A = 3 7 −3 11 , B =
 
2 4 −1 6
3 5 0 7

le cui righe sono le coordinate dei vettori ui e dei vettori wj rispettivamente. Calcoliamo le forme
canoniche per righe di entrambe le matrici.
     
1 5 −5 9 1 5 −5 9 1 5 −5 9
3 7 −3 11 a1,2 (−3),a −→
1,3 (−3)
0 −8 12 −16 m2 (−1/4),m −→
3 (−1/5)
0 2 −3 4
3 5 0 7 0 −10 15 −20 0 2 −3 4
5
     
1 5 −5 9 1 5 −5 9 1 0 2 −1
a2,3 (−1) m2 (1/2) a2,1 (−5)
−→ 0 2 −3 4 −→ 0 1 − 32 2 −→ 0 1 − 23 2
0 0 0 0 0 0 0 0 0 0 0 0
5
       
1 3 −2 5 a1,2 (−2) 1 3 −2 5 m2 (−1/2) 1 3 −2 5 a2,1 (−3) 1 0 −1
−→ −→ 3 −→ 2
2 4 −1 6 0 −2 3 −4 0 1 −2 2 0 1 − 23 2
Segue che U = R(A) = R(B) = W .
Meno efficientemente, si potrebbe verificare che ciascun ui è combinazione lineare dei wj e, vice-
versa, che ciascun wj è combinazione lineare degli ui . Con questo metodo bisogna far vedere che
cinque sistemi lineari sono compatibili.

3 Spazio delle colonne


Definizione. Lo spazio delle colonne di una matrice A di taglia m × n, denotato con C(A), è
il sottospazio di Rm generato dalle n colonne di A.

Lo scopo di questa sezione è di far vedere che

dim C(A) = rango A = dim R(A)

3
Questo significa che il numero delle colonne linearmente indipendenti di una matrice coincide con
il numero delle righe linearmente indipendenti della matrice.
Come si calcola dim C(A)? Osserviamo che

C(A) = R(At )

e quindi un metodo per calcolare una base di C(A) è quello di ridurre a scala per righe la matrice
trasposta At . Le righe non nulle (rimesse in colonna) danno la base cercata. Esiste un metodo
migliore per estrarre dalle colonne di A una base di C(A). Consideriamo per esempio la seguente
matrice in forma canonica per righe
 
1 2 0 3 0
 0 0 1 5 0
A=  0 0 0 0 1

0 0 0 0 0

Chiaramente le colonne linearmente indipendenti sono le colonne pivot, la prima c1 , la terza c3 e


la quinta c5 . Si noti che c1 = e1 , c3 = e2 , c5 = e3 , ove e1 , e2 , e3 sono i primi tre elementi della
base standard di R5 (messi in colonna). Le rimanenti due, c2 e c4 , sono combinazione lineare delle
colonne che le precedono:

c2 = 2e1 = 2c1 , c4 = 3e1 + 5e2 = 3c1 + 5c3 .

Questo esempio fa capire cosa succede in generale per una matrice A, di taglia m × n, in forma
canonica per righe. Le colonne linearmente indipendenti sono le colonne pivot (che sono tante
quanti i pivot della matrice e quindi tante quanto è il rango di A). Se cj1 , cj2 , . . . , cjr , r = rango A,
sono le colonne pivot, allora cj1 = e1 , cj2 = e2 , ..., cjr = er , ove e1 , e2 , ..., er sono i primi r elementi
della base standard di Rn messi in colonna. Ciascuna delle colonne non pivot è combinazione lineare
delle colonne pivot che la precedono. Dunque C(A) = he1 , e2 , . . . , er i e dim C(A) = rango A.
Consideriamo ora una matrice arbitraria A di taglia m × n e troviamo la sua forma canonica per
righe, chiamiamola B. Siano a1 , a2 , . . . , an , rispettivamente b1 , b2 , . . . , bn , le colonne di A e B:
 
A = a1 a2 . . . an , B = b1 b2 . . . bn

I sistemi lineari omogenei

(1) x1 a1 + x2 a2 + . . . + xn an = 0

(2) x1 b1 + x2 b2 + . . . + xn bn = 0

hanno le stesse soluzioni perché i due sistemi hanno matrici associate equivalenti per righe. Se
bj1 = e1 , bj2 = e2 , ..., bjr = er sono le colonne pivot di B, r = rango B = rango A, dico che le
colonne aj1 , aj2 , ..., ajr formano una base dello spazio delle colonne C(A). Facciamo vedere infatti
che
1) le colonne aj1 , aj2 , ..., ajr sono linearmente indipendenti,
2) ogni rimanente colonna aj , con j 6= j1 , j2 , . . . , jr è combinazione lineare delle colonne aj1 , aj2 ,
..., ajr .
Primo punto: ragioniamo per assurdo e supponiamo che esistano scalari cj1 , cj2 , . . . , cjr non tutti
nulli tali che
cj1 aj1 + cj2 aj2 + . . . + cjr ajr = 0
Segue che (0, . . . , 0, cj1 , 0, . . . , 0, cj2 , 0, . . . , 0, cjr , 0, . . . , 0) è una soluzione non nulla del sistema (1)
e quindi anche del sistema (2). Segue che

cj1 bj1 + cj2 bj2 + . . . + cjr bjr = cj1 e1 + cj2 e2 + . . . + cjr er = 0.

Poiché abbiamo supposto che gli scalari cj1 , cj2 , . . . , cjr non sono tutti nulli, troviamo un assurdo,
essendo le colonne e1 , e2 , . . . , er linearmente indipendenti.
Secondo punto: dato j 6= j1 , j2 , . . . , jr , sia h il massimo intero tale che 1 ≤ h ≤ r e j > jh . Allora

bj = cj1 bj1 + cj2 bj2 + . . . + cji bjh

4
per opportuni scalari cj1 , cj2 , . . . , cjh . Segue che (x1 , x2 , . . . , xn ) con

−1 se k = j

xk = ck se k = j1 , j2 , . . . , jh

0 altrimenti

è soluzione del sistema (2) e quindi anche del sistema (1). Segue che

aj = cj1 aj1 + cj2 aj2 + . . . + cji ajh .

Nel caso in cui j < j1 , allora bj = 0. Segue che (x1 , x2 , . . . , xn ) con


(
1 se k = j
xk =
0 se k = 6 j

è soluzione del sistema (2) e quindi anche del sistema (1). Segue che aj = 0. Abbiamo dimostrato
che ogni aj è combinazione lineare delle colonne aj1 , aj2 , ..., ajr . Segue che

C(A) = haj1 , aj2 , . . . , ajr i.

Teorema. Il massimo numero di colonne linearmente indipendenti di una matrice A coincide con
il rango della matrice A. Segue che

dim C(A) = rango A = dim R(A)

Corollario. Se A è una matrice m × n allora

rango At = rango A

dim.
rango At = dim R(At ) = dim C(A) = dim R(A) = rango (A)

È necessario trovare la forma canonica per righe di A per determinare le colonne che danno una
base di C(A)? La risposta è no. È sufficiente trovare una riduzione a scala della matrice A. Questo
perché la forma canonica per righe di una matrice si ottiene da una qualunque riduzione a scala
per righe della matrice senza cambiare la posizione delle colonne pivot.
Per estrarre una base dello spazio delle colonne di una matrice A dall’insieme delle colonne di A
• si trova una matrice a scala per righe B equivalente ad A,
• la base cercata è data dalle colonne di A che hanno lo stesso indice delle colonne pivot di B.
Attenzione Anche se hanno la stessa dimensione, in generale R(A) e C(A) sono sottospazi distinti.
Ad esempio se A è una matrice rettangolare m × n (m 6= n), R(A) è sottospazio di Rn mentre C(A)
è sottospazio di Rm .
Esempio Consideriamo la matrice
 
1 2 −1 −2 −1
2 4 −2 −3 −1
A= 
5 10 −5 −3 −1
−3 −6 3 2 1

Una riduzione a scala di A è la matrice


 
1 2 −1 −2 −1
0 0 0 1 1
 
0 0 0 0 1
0 0 0 0 0

Le colonne pivot sono la prima, la quarta e la quinta. Segue che


t t t
C(A) = h 1 2 5 3 , −2 −3 −3 2 , −1 −1 −1 1 i.

5
Esempio Consideriamo i vettori u1 = (1, 3, 3), u2 = (1, 5, −1), u3 = (2, 7, −4) e u4 = (1, 4, 1).
Vogliamo estrarre dai vettori u1 , u2 , u3 , u4 una base del sottospazio U = hu1 , u2 , u3 , u4 i. Si
mettono in colonna i quattro vettori, si calcola una riduzione a scala e i vettori cercati sono quelli
corrispondenti alle colonne che hanno lo stesso indice delle colonne pivot della ridotta a scala:
   
1 1 2 1 1 1 2 1
3 5 7 4 ∼ 0 2 1 1
3 −1 −4 1 0 0 0 0

Le colonne pivot della ridotta sono la prima e la seconda. Segue che U = h(1, 3, 3), (1, 5, −1)i.
 
1 2 1 2 3 1
2 4 3 7 7 4
Esempio Sia A =  1 2 2 5
 e chiamiamo a1 , . . . , a6 le colonne di A. Poniamo
5 6
3 6 6 15 14 15

Ak = a1 · · · ak , k = 1, . . . , 6, la matrice formata con le prime k colonne di A.
(a) Calcolare il rango di Ak , k = 1, . . . , 6.
(b) Quali colonne ak sono inessenziali? (per quali k, ak è combinazione lineare delle colonne
a1 , . . . , ak−1 ?).
(c) Estrarre da a1 , . . . , a6 una base per C(A).
(d) Esprimere le colonne inessenziali come combinazioni lineari delle colonne del punto (c).
Soluzione. (a) Riduciamo A a scala per righe
   
1 2 1 2 3 1 1 2 1 2 3 1
0 0 1 3 1 2  0 0 1 3 1 2
A∼ 0 0 1 3 2 5  ∼ 0 0 0 0 1 3 .
  

0 0 3 9 5 12 0 0 0 0 0 0

Osserviamo che abbiamo ottenuto simultaneamente la riduzione a scala di tutte le matrici Ak : la


riduzione a scala di Ak è la matrice formata con le prime k colonne della riduzione a scala di A.
Segue che

rango A1 = rango A2 = 1, rango A3 = rango A4 = 2, rango A5 = rango A6 .

(b) La combinazione lineare x1 a1 + . . . + xk−1 ak−1 = ak dà un sistema lineare la cui matrice
dei coefficienti è Ak−1 e la cui matrice completa è Ak . Segue che ak è combinazione lineare di
a1 , . . . , ak−1 se e solo se rango Ak−1 = rango Ak e questo è vero se e solo se ak non è una colonna
pivot. Segue che le colonne inessenziali sono a2 , a4 e a6 .
(c) Le colonne a1 , a3 e a5 formano una base per C(A) perché sono le colonne pivot, o, perché sono
i vettori essenziali di un insieme di generatori.
(d) È chiaro che a2 = 2a1 . La riduzione a scala ci dice che a4 è combinazione lineare di a1 e a3 .
La matrice completa del sistema xa1 + ya3 = a4 è formata dalle colonne a1 , a3 e a4 . Riducendo a
scala questa matrice e omettendo le righe nulle si ottiene
  (
1 1 2 x+y =2
, , x = −1, y = 3.
0 1 3 y=3

Segue che a4 = −a1 + 3a3 = −a1 + 3a3 + 0a5 .


Similmente xa1 + ya3 + za5 = a6 dà il sistema ridotto
 
1 1 3 1
 0 1 1 2  x = −7, y = −1, z = 3, a6 = −7a1 − a3 + 3a5 .
0 0 1 3

Come trovare una base di un sottospazio di Rn dato mediante un insieme di generatori.

Supponiamo dato un sottospazio W = hu1 , . . . , uk i di Rn . Gli esempi precedenti suggeriscono due


metodi per trovare una base di W .
Primo metodo
(a) Si mettono i vettori u1 , . . . , uk in riga e si forma la matrice A che ha per righe i vettori dati.

6
(b) Si riduce a scala per righe la matrice A.
(c) Una base di W è data dalle righe non nulle della riduzione a scala.
Secondo metodo
Mentre nel primo metodo i vettori della base possono essere diversi dai generatori, il secondo
metodo permette di estrarre una base dall’insieme dato.
(a) Mettere i vettori u1 , . . . , uk in colonna e formare la matrice B che ha per colonne i vettori dati.
(b) Ridurre a scala per righe la matrice B.
(c) Per ogni colonna non pivot ck della matrice ridotta, eliminare il vettore uk dalla lista dei gene-
ratori.
(d) I vettori che rimangono (corrispondenti delle colonne pivot) formano una base per W .
Esempio Sia W il sottospazio di R4 generato dai vettori

u1 = (1, −2, 5, −3), u2 = (2, 3, 1, −4), u3 = (3, 8, −3, −5)

(a) Trovare una base di W .


(b) Estendere la base trovata ad una base di R4 .
Soluzione. (a) Usiamo il primo metodo. Formiamo la matrice che ha per righe i vettori dati e
riduciamola a scala
     
1 −2 5 −3 1 −2 5 −3 1 −2 5 −3
A = 2 3 1 −4 ∼ 0 7 −9 2  ∼ 0 7 −9 2 .
3 8 −3 −5 0 14 −18 4 0 0 0 0

Le righe non nulle (1, −2, 5, −3) e (0, 7, −9, 2) della ridotta formano una base di W = R(A). In
particolare dim W = 2.
(b) Cerchiamo due vettori che assieme ai due già trovati formino un insieme linearmente indipen-
dente. I due vettori (0, 0, 1, 0) e (0, 0, 0, 1) assieme ai due precedenti formano un insieme linearmente
indipendente perché assieme formano una matrice a scala per righe.
Esempio Sia W il sottospazio di R5 generato dai vettori u1 = (1, 2, −1, 3, 4), u2 = (2, 4, −2, 6, 8),
u3 = (1, 3, 2, 2, 6), u4 = (1, 4, 5, 1, 8), u5 = (2, 7, 3, 3, 9). Estrarre dall’insieme {u1 , u2 , u3 , u4 , u5 }
una base di W .
Usiamo il secondo metodo. Formiamo la matrice che ha per colonne i vettori dati (messi in colonna)
e riduciamo a scala per righe.
     
1 2 1 1 2 1 2 1 1 2 1 2 1 1 2
2 4 3 4 7  0 0 1 2 3 0 0 1 2 3 
  

−1 −2 2 5 3 ∼ 0 0 3 6 5  ∼ 0 0 0 0 −4 .
 
  
3 6 2 1 3   0 0 −1 −2 −3 0 0 0 0 0 
4 8 6 8 9 0 0 2 4 1 0 0 0 0 0

Le colonne pivot sono la prima, la terza e la quinta. Quindi una base di W è data da {u1 , u3 , u5 }.

4 Rango e nullità
Sia A una matrice m × n. Ricordo che lo spazio nullo N(A) di A è il sottospazio di Rn formato
dalle soluzioni del sistema lineare omogeneo Ax = 0.
Definizione. La nullità di A è la dimensione del sottospazio delle soluzioni del sistema omogeneo
Ax = 0. La denoteremo con null A.

def
null A = dim N(A)

Lo scopo ora è di calcolare dim N(A). Qui bisogna ricordare la struttura delle soluzioni di un
sistema lineare omogeneo. Abbiamo visto a suo tempo che un sistema lineare omogeneo ha sempre
soluzioni, è sempre compatibile. Se il sistema è m × n di rango r, allora r ≤ n; abbiamo la sola
soluzione triviale se r = n; se invece r < n abbiamo ∞n−r soluzioni, intendendo dire con questa
espressione che le soluzioni del sistema dipendono da n − r parametri liberi. Sappiamo che N(A)
è un sottospazio di Rn e dimostreremo che l’espressione ∞n−r sta a significare che la dimensione
di N(A) è proprio n − r.

7
Teorema. Sia A una matrice m × n. Allora
rango A + null A = n

Prima di procedere alla dimostrazione, vediamo un esempio.


Esempio Consideriamo il sistema omogeneo 4 × 5


2x1 + 2x2 − x3 + x5 = 0

−x − x + 2x − 3x + x = 0
1 2 3 4 5


x 1 + x 2 − 2x 3 − x 5 = 0
x3 + x4 + x5 = 0

La matrice del sistema e la sua forma canonica per righe sono


   
2 2 −1 0 1 1 1 0 0 1
−1 −1 2 −3 1  0 0 1 0 1
A= ∼ .
1 1 −2 0 −1 0 0 0 1 0
0 0 1 1 1 0 0 0 0 0
Segue che A ha rango 3 e che le incognite libere sono x2 ed x5 . Segue che la soluzione generale è
x1 = −u − v, x2 = u, x3 = −v, x4 = 0, x5 = v
che possiamo scrivere
           
x1 −u − v −u −v −1 −1
 x2   u   u   0  1 0
           
x3  =  −v  =  0  + −v  = u  0  + v −1
           
 x4   0   0   0  0 0
x5 v 0 v 0 1
Questo mostra che i vettori    
−1 −1
1 0
   
 0 ,
u= −1
v=
 
0 0
0 1
formano un insieme di generatori di N(A). I vettori u e v sono linearmente indipendenti, perché
non sono proporzionali, ma anche semplicemente per come sono costruiti: se uu + vv = 0, allora
u = v = 0 perché u e v sono rispettivamente gli elementi di posto 2 e 5 (i posti delle incognite
libere) di uu + vv. Segue che {u, v} è una base di N(A) e quindi che dim N(A) = 2 = 5 − 3.
Idea della dimostrazione. Poiché A ha n colonne, il sistema omogeneo Ax = 0 ha n incognite. Le
incognite si suddividono in due categorie: le incognite pivot e le incognite libere. Segue che
#{ incognite pivot } + #{ incognite libere } = n.
Ma il numero delle incognite pivot è uguale al rango di A e il numero delle incognite libere è uguale
alla nullità di A. Questo perché la nullità di A è la dimensione dello spazio delle soluzioni del
sistema Ax = 0 che è uguale al numero dei parametri da cui dipende la soluzione generale e questo
numero coincide con il numero delle variabili libere.
dim. Poniamo r = rango A. Supponiamo r = n. Allora la matrice A è invertibile e il sistema
Ax = 0 ha la sola soluzione triviale, N(A) = {0} che ha quindi dimensione 0. Segue che in questo
caso il risultato è confermato.
Supponiamo r < n. Riduciamo a forma canonica per righe la matrice A. Alle righe non pivot
(in numero di n − r) corrispondono le incognite libere dalle quali dipendono le incognite vincolate
corrispondenti alle colonne pivot. Supponiamo che le incognite libere corrispondano alle colonne di
indice h1 < h2 < . . . < hn−r e poniamo xh1 = t1 , xh2 = t2 , . . . , xhn−r = tn−r . Segue che la soluzione
generale x del sistema Ax ha la forma
 
x1 (
 x2  ch1 t1 + . . . + ch,n−r tn−r , se h 6∈ {h1 , . . . , hn−r },
x =  . , xh =
 
.
 .  th , se h ∈ {h1 , . . . , hn−r },
xn

8
per opportuni scalari ch1 , . . . , ch,n−r . Segue che x = t1 x1 + t2 x2 + . . . + tn−r xn−r , ove
 
x1j (
 ..  chj , se h 6∈ {h1 , . . . , hn−r },
xj =  .  , xhj =
δhj , se h ∈ {h1 , . . . , hn−r },
xnj
ove (
1 se h = j,
δhj =
0 6 j.
se h =
Segue che gli elementi di posto h1 , h2 , . . . , hn−r in x sono rispettivamente t1 , t2 , . . . , tn−r . Segue che
β = {x1 , x2 , . . . , xn−r } è un insieme di generatori di N(A). Ma β è anche linearmente indipendente:
da t1 x1 + t2 x2 + . . . + tn−r xn−r = 0 segue che t1 = t2 = . . . = tn−r . Dunque β è una base di N(A)
che ha quindi dimensione n − r.
L’esempio e la dimostrazione del Teorema mostrano un metodo per trovare una base di N(A). Sia
nell’esempio che nella dimostrazione abbiamo utilizzato la forma canonica per righe della matrice
A. Come più volte abbiamo visto, in realtà è sufficiente trovare una riduzione a scala, abbiamo
usato la forma canonica solo per comodità espositiva. Tornando all’esempio precedente, limitandosi
ad una riduzione a scala per righe, si trova
   
2 2 −1 0 1 1 1 −2 0 −1
−1 −1 2 −3 1  0 0 1 0 1 
A= ∼ .
1 1 −2 0 −1 0 0 0 1 0 
0 0 1 1 1 0 0 0 0 0
Le incognite libere sono sempre x2 = u e x5 = v e la soluzione generale è la stessa di prima e
quindi anche la base di N(A).
Vediamo un altro modo di dimostrare il Teorema precedente, più concettuale. Il Teorema e anche la
seguente dimostrazione troveranno la loro giusta collocazione nel capitolo dedicato alle applicazioni
lineari.
Osserviamo che il sistema lineare Ax = b ha soluzioni se e solo se b è un vettore in C(A). Infatti,
C(A) è generato dalle colonne, chiamiamole a1 , a2 , . . . , an , di A. Segue che b appartiene a C(A) se
e solo se b = c1 a1 + c2 a2 + . . . + cn an . Segue che
C(A) = {Ac | c ∈ Rn }.
D’altra parte possiamo scrivere il sistema Ax = b nella forma x1 a1 + x2 a2 + . . . + xn an = b. Segue
che b appartiene a C(A) se e solo se esistono scalari c1 , c2 , . . . , cn tali che b = c1 a1 +c2 a2 +. . .+cn an
se e solo se (c1 , c2 , . . . , cn ) è soluzione del sistema Ax = b.
Sia γ = {b1 , . . . , br } una base di C(A) (che ha dimensione r = rango A) e sia β = {u1 , . . . , us } una
base di N(A). Vogliamo dimostrare che s + r = n. Poiché i bi sono in C(A), esistono vettori xi tali
che Axi = bi , i = 1, . . . , r. Facciamo vedere che l’insieme α = {u1 , . . . , us , x1 , . . . , xr } è una base
di Rn . Poiché dim Rn = n, ogni base di Rn ha cardinalità n, segue che s + r = n, come desiderato.
Facciamo vedere che α è un insieme di generatori di Rn . Sia v un vettore in Rn . Segue che Av è
un vettore in C(A) e dunque, per opportuni scalari c1 , . . . , cr ,
Av = c1 b1 + . . . + cr br = c1 Ax1 + . . . + cr Axr = A(c1 x1 + . . . + cr xr )
Segue che A(v − c1 x1 − . . . − cr xr ) = 0. Dunque v − c1 x1 − . . . − cr xr appartiene ad N(A) e
quindi esistono scalari a1 , . . . , as tali che v − c1 x1 − . . . − cr xr = a1 u1 + . . . + as us . Segue che
v = a1 u1 + . . . + as us + c1 x1 + . . . + cr xr . Segue che ogni vettore in Rn è combinazione lineare di
vettori in α e pertanto α è un insieme di generatori di Rn .
Dimostriamo ora che α è un insieme linearmente indipendente. Sia
a1 u1 + . . . + as us + c1 x1 + . . . + cr xr = 0
una combinazione lineare nulla dei vettori di α. Segue che
0 = A0 = A(a1 u1 + . . . + as us + c1 x1 + . . . + cr xr ) =
a1 Au1 + . . . + as Aus + c1 Ax1 + . . . + cr Axr = c1 b1 + . . . + cr br .
Poiché γ è una base di C(A), segue che c1 = . . . cr = 0. Segue che a1 u1 + . . . + as us = 0 e quindi,
poiché β è una base di N(A), anche a1 = . . . = as = 0. Pertanto α è una base di Rn , come
desiderato.

9
Corollario. Sia A una matrice m × n. Allora

null At = m − rango A

dim. Dal Teorema precedente segue che null At + rango At = m. Il risultato segue dal fatto che
rango At = rango A.

5 Sistemi lineari
Rienunciamo i risultati della teoria dei sistemi lineari che conosciamo alla luce dei nuovi concetti
della teoria degli spazi vettoriali.
Teorema. Sia Ax = 0 un sistema lineare omogeneo con A matrice m × n.
(1) Se rango A = n, allora x = 0 è l’unica soluzione del sistema.
(2) Se rango A < n, allora il sistema Ax = 0 ha infinite soluzioni tutte date dalle combinazioni
lineari
x = c1 x1 + c2 x2 + . . . , cn−r xn−r
ove {x1 , x2 , . . . , xn−r } è un qualunque insieme linearmente indipendente di n − r soluzioni del
sistema Ax = 0.
dim. Il primo asserto lo conosciamo già e comunque segue subito da rango A + null A = n.
(2) Supponiamo r < n. Allora N(A) ha nullità n−r e quindi ogni insieme linearmente indipendente
{x1 , x2 , . . . , xn−r } di vettori in N(A) è una base di N(A). Segue che ogni soluzione si può scrivere
come combinazione lineare di vettori in {x1 , x2 , . . . , xn−r }.
Vediamo ora i sistemi lineari non omogenei.
Teorema. Sia Ax = b un sistema lineare con A matrice m × n.
(1) Se b non appartiene a C(A), allora il sistema è incompatibile.
(2) Se b appartiene a C(A), allora il sistema ha soluzioni:
(a) una sola soluzione se e solo se rango A = dim C(A) = n.
(a) infinite soluzioni se e solo se rango A = dim C(A) < n.
dim. Il primo asserto lo abbiamo dimostrato alla fine della sezione precedente. Il secondo
asserto è una riformulazione del Teorema di Rouché-Capelli.
Sappiamo che l’insieme delle soluzioni di un sistema lineare non omogeneo non è un sottospazio,
per il semplice motivo che non contiene il vettore nullo. Ma sappiamo che se x0 è una soluzione
particolare del sistema Ax = b, tutte le altre soluzioni sono x0 + x con x soluzione del sistema
omogeneo associato Ax = 0.
Teorema. Sia A una matrice m × n. Supponiamo che rango A = r < n e che b sia un vettore in
C(A). Allora tutte le soluzioni del sistema Ax = b sono della forma
x = x0 + c1 x1 + c2 x2 + . . . + cn−r xn−r
ove x0 è una qualunque soluzione particolare del sistema Ax = b e {x1 , x2 , . . . , xn−r } è una
qualunque base per N(A).
dim. Facciamo vedere che l’insieme delle soluzioni del sistema Ax = b è x0 + N(A), ove x0 è
una soluzione del sistema, Ax0 = b. Se x ∈ N(A), allora A(x0 + x) = Ax0 + Ax = b + 0 = b e
quindi x0 + x è soluzione. Viceversa, se y è soluzione, Ay = b, allora, x = y − x0 appartiene a
N(A)
Ax = A(y − x0 ) = Ay − Ax0 = b − b = 0.
Segue che y = x0 + x appartiene ad x0 + N(A).
La soluzione x0 + c1 x1 + c2 x2 + . . . + cn−r xn−r si dice la soluzione generale del sistema.
Questo Teorema non ci dà un nuovo metodo per risolvere i sitemi lineari, semplicemente ci dà una
interpretazione della forma delle soluzioni che sappiamo trovare con il metodo di Gauss.
Esempio Risolviamo il sistema Ax = b con
   
1 1 2 3 3
A= 3 4 −1 2 , b =  10 
−1 −2 5 4 −4

10
Riducendo a scala per righe si trova
 
1 1 2 3 3
A∼ 0 1 −7 −7 1 .
0 0 0 0 0

Segue che le incognite libere sono x3 = u, x4 = v e la soluzione generale, calcolata retro-sostituendo,



x1 = 2 − 9u − 10v, x2 = 1 + 7u + 7v, x3 = u, x4 = v.
Possiamo quindi determinare una soluzione particolare x0 e una base {x1 , x2 } di N(A):
     
2 −9 −10
1 7  7 
x0 = 0 , x1 =  1  , x2 =  0  .
    

0 0 1

6 Matrici invertibili
Conosciamo già una lunga lista di caratterizzazioni per le matrici invertibili. Ne aggiungiamo
alcune altre.
Teorema. Sia A una matrice quadrata di ordine n. Gli asserti seguenti sono equivalenti.
(i) La matrice A è invertibile.
(ii) Il sistema Ax = b ha un’unica soluzione per ogni b ∈ Rn .
(iii) Il sistema omogeneo Ax = 0 ha la sola soluzione nulla.
(iv) rango A=n.
(v) La matrice A è equivalente per righe alla matrice 1n .
(vi) La matrice A si può esprimere come prodotto di matrici elementari.
(vii) Il determinante di A è non nullo, det A 6= 0.
(viii) null A = 0.
(ix) Le colonne di A formano un insieme di vettori linearmente indipendenti in Rn .
(x) C(A) = Rn , le colonne di A generano Rn .
(xi) Le colonne di A formano una base di Rn .
(xii) Le righe di A formano un insieme linearmente indipendente di vettori in Rn .
(xiii) R(A) = Rn , le righe di A generano Rn .
(xiv) Le righe di A formano una base di Rn .
(xv) La trasposta At di A è invertibile.

dim. L’ultimo asserto segue da det(At ) = det A e da (vii). Gli altri asserti sono tutti facili
conseguenze di
rango A + null A = n, rango A = dim R(A) = dim C(A)
e dalla caratterizzazione di una base come insieme di generatori con cardinalità uguale alla dimen-
sione o come insieme linearmente indipendente di cardinalità uguale alla dimensione. Dettagli al
lettore.

7 Rango determinante
Definizione. Una sottomatrice di una matrice A è una matrice ottenuta sopprimendo alcune
righe e alcune colonne della matrice A. Se A ha taglia m × n e k è un intero positivo con k ≤
min{m, n}, un minore di ordine k di A è il determinante di una sottomatrice quadrata di ordine
k di A. Il rango determinante di A è il massimo intero k per il quale esistono minori di ordine
k di A non nulli.

Teorema. Sia A una matrice di taglia m × n. Il rango determinante di A è uguale al rango di A.


dim. I. Facciamo vedere che se k è il rango determinante di A ed r è il rango di A, allora r ≤ k.
Dalla definizione di rango determinante segue che esiste un minore di ordine k di A non nullo e che
tutti i minori di ordine k + 1 di A sono nulli. Supponiamo che il minore di ordine k non nullo sia

11
il determinante della sottomatrice di A formata intersecando le righe di indice i1 < i2 < . . . < ik e
le colonne di indice j1 < j2 < . . . < jk
 
ai1 j1 ai1 j2 · · · ai1 jk
ai2 j1 ai2 j2 · · · ai2 jk 
def
C = det  . ..  6= 0.
 
.. ..
 .. . . . 
aik j1 aik j2 ··· aik jk

Facciamo vedere che ogni riga di A è combinazione lineare delle righe di indice i1 , i2 , . . . , ik . Da
questo segue appunto che rango A = dim R(A) ≤ k. Consideriamo la riga p-esima di A. Possiamo
supporre p 6∈ {i1 , . . . , ik } perché, se p ∈ {i1 , . . . , ik }, chiaramente la riga p-esima è combinazione
lineare delle righe di indice i1 , . . . , ik . Sia q un intero, 1 ≤ q ≤ n. Consideriamo la matrice di taglia
(k + 1) × (k + 1)  
ai1 j1 ai1 j2 · · · ai1 jk ai1 q
ai2 j1 ai2 j2 · · · ai2 jk ai2 q 
 
B =  ... .. .. .. ..  .

 . . . . 

aik j1 aik j2 · · · aik jk aik q 
apj1 apj2 · · · apjk apq
Se q 6∈ {j1 , . . . , jk } questa matrice si ottiene da una sottomatrice di A con qualche eventuale
scambio di righe o di colonne. Segue che questa matrice ha determinante nullo. Lo stesso vale se
q ∈ {j1 , . . . , jk }, perché in tal caso la matrice ha due colonne uguali. Sviluppiamo det B seguendo
l’ultima colonna. Se chiamiamo Ch il cofattore di aih q , allora Ch non dipende dalla scelta dell’intero
q (ricordare che il cofattore di un elemento di una matrice è il determinante della matrice ottenuta
sopprimendo la riga e la colonna che si incrociano sull’elemento moltiplicato per una opportuna
potenza di −1). Il cofattore dell’elemento apq è il determinante C definito sopra che sappiamo
essere 6= 0. Lo sviluppo di Laplace è dunque
k k
X X −Ch
apq C + aih q Ch = 0 ⇒ apq = aih q .
C
h=1 h=1

Segue che se denotiamo con a1 , . . . , am le righe di A,


k
X −Ch
ap = aih
C
h=1

per ogni p 6∈ {i1 , . . . , ik }.


II. Abbiamo visto che r ≤ k. Facciamo ora vedere che r ≥ k. Se A0 è una sottomatrice di A
ottenuta sopprimendo alcune righe, allora dim R(A0 ) ≤ dim R(A). Se A00 è una matrice ottenuta
sopprimendo alcune colonne di A0 , allora dim C(A00 ) ≤ dim C(A0 ). Segue che una qualunque
sottomatrice di A ha rango ≤ r. Una sottomatrice quadrata di ordine k di A con determinante
non nullo ha rango k. Segue che k ≤ r.

8 Esempi
1. Trovare un sistema lineare omogeneo il cui spazio delle soluzioni U è il sottospazio di R4 generato
dai vettori
u1 = (1, −2, 0, 3), u2 = (1, −1, −1, 4), u3 = (1, 0, −2, 5).
Il vettore v = (x1 , x2 , x3 , x4 ) appartiene al sottospazio U se e solo se v = c1 u1 + c2 u2 + c3 u3 .
Questo equivale a dire che (c1 , c2 , c3 ) è soluzione del sistema

c1 + c2 + c3 = x1


−2c − c = x
1 2 2
−c2 − 2c3 = x3


3c1 + 4c2 + 5c3 = x4

12

La matrice incompleta del sistema è la matrice A = u1 u2 u3 e la matrice completa è la
matrice    
1 1 1 x1 1 1 1 x1
 −2 −1 0 x2   0 1 2 2x1 + x2 
 0 −1 −2 x3  ∼  0 0 0 2x1 + x2 + x3 
(A | v) =    

3 4 5 x4 0 0 0 −5x1 − x2 + x4
Segue che la matrice incompleta A ha rango 2. Affinché il sistema abbia soluzioni anche la matrice
completa deve avere rango 2 e questo accade se e solo se
(
2x1 + x2 + x3 = 0
−5x1 − x2 + x4 = 0

Queste sono le equazioni cercate. Si chiamano anche equazioni cartesiane del sottospazio U
(infinite scelte possibili). Le equazioni parametriche di U si ottengono invece combinando
linearmente i vettori di una base di U . Nel caso in esame, una base di U è data dai vettori u1
e u2 (come si vede dalla riduzione a scala della matrice A che ha come colonne pivot le prime
due colonne). Allora le equazioni parametriche di U sono v = su1 + tu2 , ove s, t ∈ R si dicono i
parametri 

 x1 = s + t

x = −2s − t
2


 x 3 = −t
x4 = 3s + 4t

2. Dato il sottospazio W tramite equazioni cartesiane, trovare una base di W . Ad esempio,


supponiamo che W sia il sottospazio di R4 dato dalle soluzioni del sistema omogeneo

x1 − x2 − x3 + x4 = 0

2x1 + x2 − x3 − 2x4 = 0

x1 − 4x2 − 2x3 + 5x4 = 0

Una riduzione a scala della matrice (incompleta) del sistema è la matrice


 
1 −1 −1 1
0 3 1 −4
0 0 0 0

Segue che il sottospazio W ha dimensione 2. Le variabili libere sono x3 ed x4 . Ponendo x3 = 3s,


x4 = 3t (la moltiplicazione per 3 serve ad eliminare i denominatori, questo non cambia la variabilità
dei parametri), risolvendo il sistema si ottengono equazioni parametriche di W :


 x1 = 2s + t

x = −s + 4t
2


 x3 = 3s
x4 = 3t

Una base di W si trova ponendo (s, t) = (1, 0) e (s, t) = (0, 1). Segue che

W = h(2, −1, 3, 0), (1, 4, 0, 3)i.

3. Si considerino in R5 i sottospazi U e W definiti da

U = h(1, 3, −2, 2, 3), (1, 4, −3, 4, 2), (2, 3, −1, −2, 9)i, W = h(1, 3, 0, 2, 1), (1, 5, −6, 6, 3), (2, 5, 3, 2, 1)i.

(a) Calcolare una base e la dimensione di U e W .


(b) Trovare equazioni cartesiane di U e W .
(c) Trovare una base e la dimensione di U + W e di U ∩ W .
(d) Trovare equazioni cartesiane di U + W e di U ∩ W .
(e) Completare la base di U ∩ W trovata ad una base di U e ad una base di W .
(f) Completare la base di U ∩ W trovata ad una base di U + W .
(g) Completare il sistema di equazioni trovato per W ad un sistema di equazioni per U ∩ W .

13
(h) Dato il vettore ṽ = (1, 6, −7, 8, 2), far vedere che appartiene al sottospazio U + W e trovare
ũ ∈ U , w̃ ∈ W tali che ṽ = ũ + w̃. È vero o falso che ũ e w̃ sono univocamente determinati?
Soluzione:
(a) Per trovare una base di U mettiamo in riga le coordinate dei generatori di U e riduciamo a
scala la matrice trovata:
   
1 3 −2 2 3 1 3 −2 2 3
1 4 −3 4 2 ∼ 0 1 −1 2 −1
2 3 −1 −2 9 0 0 0 0 0

Segue che una base di U è {u1 = (1, 3, −2, 2, 3), u2 = (0, 1, −1, 2, −1)} e dim U = 2. Similmente
per W :    
1 3 0 2 1 1 3 0 2 1
1 5 −6 6 3 ∼ 0 1 −3 2 1
2 5 3 2 1 0 0 0 0 0
una base di W è {(1, 3, 0, 2, 1), (0, 1, −3, 2, 1)} e dim W = 2.
(b) Per calcolare le equazioni di U risolviamo il sistema x = a1 u1 + a2 u2 nelle incognite a1 , a2 ,
x = (x1 , x2 , x3 , x4 , x5 ). Mettiamo i vettori in colonna e riduciamo a scala:
   
1 0 x1 1 0 x1
 3
 1 x2    0 1
 −3x1 + x2 

 −2 −1 x3  ∼  0 0 −x1 + x2 + x3 
   
 2 2 x4   0 0 4x1 − 2x2 + x4 
3 −1 x5 0 0 −6x1 + x2 + x5

Segue che le equazioni di U sono



−x1 + x2 + x3 = 0

U : 4x1 − 2x2 + x4 = 0

−6x1 + x2 + x5 = 0

Similmente per W    
1 0 x1 1 0 x1

 3 1 x2  
  0 1 −3x1 + x2 


 0 −3 x3 ∼
  0 0 −9x1 + 3x2 + x3 

 2 2 x4   0 0 4x1 − 2x2 + x4 
1 1 x5 0 0 2x1 − x2 + x5

−9x1 + 3x2 + x3 = 0

W : 4x1 − 2x2 + x4 = 0

2x1 − x2 + x5 = 0

(c) Per calcolare una base di U + W , mettiamo in riga le basi trovate di U e di W e riduciamo a
scala:    
1 3 −2 2 3 1 3 −2 2 3
0
 1 −1 2 −1 ∼
0 1 −1 2 −1 
1 3 0 2 1  0 0 1 0 −1
0 1 −3 2 1 0 0 0 0 0
Segue che una base di U + W è {(1, 3, −2, 2, 3), (0, 1, −1, 2, −1), (0, 0, 1, 0, −1)} e dim(U + W ) = 3.
Per calcolare una base di U ∩W (che ha dimensione dim(U ∩W ) = dim U +dim W −dim(U +W ) = 1)
posso risolvere il sistema ottenuto mettendo assieme le equazioni di U e W :


 −x1 + x2 + x3 = 0

4x1 − 2x2 + x4 = 0





−6x + x + x = 0
1 2 5
U ∩W:
−9x1 + 3x2 + x3 = 0


4x1 − 2x2 + x4 = 0





−4x1 + x2 + x5 = 0

14
A tal fine riduco a scala la matrice (incompleta) del sistema
   
−1 1 1 0 0 −1 1 1 0 0
 4 −2 0 1 0  0 1 2 0 1
   
−6 1 0 0 1  0 0 2 0 3
−9 3 1 0 0 ∼  0 0
   
   0 1 −2

 4 −2 0 1 0  0 0 0 0 0
−4 1 0 0 1 0 0 0 0 0

Segue che il sottospazio delle soluzioni è {(t, 4t, −3t, 4t, 2t) | t ∈ R} = h(1, 4, −3, 4, 2)i. Quindi
dim(U ∩ W ) = 1 e una base di U ∩ W è data dal vettore (1, 4, −3, 4, 2)(= u1 + u2 ).
Altro modo per calcolare una base di U ∩ W . Si trovano equazioni parametriche di U , ad esempio
x = s1 u1 + s2 u2 : 


 x1 = s1
x2 = 3s1 + s2



x3 = −2s1 − s2

x4 = 2s1 + 2s2




x = 3s − s
5 1 2

Si sostituiscono queste equazioni nelle equazioni cartesiane di W e si trova



−9x1 + 3x2 + x3 = −9s1 + 3(3s1 + s2 ) + (−2s1 − s2 ) = −3(s1 − s2 ) = 0

4x1 − 2x2 + x4 = 4s1 − 2(3s1 + s2 ) + 2s1 + 2s2 = 0

2x1 − x2 + x5 = 2s1 − 3s1 − s2 + 3s1 − s2 = 2(s1 − s2 ) = 0

Segue che s1 = s2 e quindi, posto t = s1 = s2 , si trova di nuovo U ∩ W = {(t, 4t, −3t, 4t, 2t)}.
Questo metodo è preferibile al precedente perché è più rapido non richiedendo la riduzione a
scala di una matrice di taglia 6 × 5. In generale per calcolare U ∩ W conviene trovare equazioni
parametriche di uno dei sottospazi ed equazioni cartesiane dell’altro sottospazio poi sostituire le
equazioni parametriche nelle equazioni cartesiane e risolvere il sistema di equazioni che cosı̀ si trova
e che ha per incognite i parametri del primo sottospazio.
(d) Equazioni di U ∩ W si ricavano subito dalle equazioni parametriche x1 = t, x2 = 4t, x3 = −3t,
x4 = 4t, x5 = 2t 

 4x1 − x2 = 0

3x + x = 0
1 3
U ∩W:


 4x 1 − x 4 =0
2x1 − x5 = 0

Per trovare equazioni di U + W mettiamo assieme in colonna la base trovata di U + W e il vettore


x e riduciamo a scala la matrice trovata
   
1 0 0 x1 1 0 0 x1
 3
 1 0 x 2
  0 1
  0 −3x1 + x2 

 −2 −1 1 x3  ∼  0 0 1 −x1 + x2 + x3 
   
 2 2 0 x4   0 0 0 4x1 − 2x2 + x4 
3 −1 −1 x5 0 0 0 −7x1 + 2x2 + x3 + x5

Segue che
(
4x1 − 2x2 + x4 = 0
(3) U +W:
−7x1 + 2x2 + x3 + x5 = 0

(e) Per completare la base (1, 4, −3, 4, 2) di U ∩ W ad una base di U basta aggiungere un vettore di
U che non sia multiplo di (1, 4, −3, 4, 2), ad esempio (0, 1, −1, 2, −1). Idem per W , basta aggiungere
(0, 1, −3, 2, 1).
(f) Basta mettere assieme a v = (1, 4, −3, 4, 2) i due vettori u = (0, 1, −1, 2, −1) e w = (0, 1, −3, 2, 1)
che non sono multipli di (1, 4, −3, 4, 2) e stanno il primo in U ed il secondo in W . I tre vettori
v, u, w chiaramente appartengono a U + W ed è immediato verifiicare che i tre vetttori sono li-
nearmente indipendenti e quindi formano una base di U + W .

15
(g) Consideriamo un’equazione a1 x1 +a2 x2 +a3 x3 +a4 x4 +a5 x5 = 0 e imponiamo che (1, 4, −3, 4, 2)
sia soluzione dell’equazione; otteniamo

(4) a1 + 4a2 − 3a3 + 4a4 + 2a5 = 0

e poi imponiamo che il sistema




 −9x1 + 3x2 + x3 = 0

4x − 2x + x = 0
1 2 4
(5)


 2x 1 − x 2 + x 5 =0
a1 x1 + a2 x2 + a3 x3 + a4 x4 + a5 x5 = 0

abbia rango 4. In tal caso infatti lo spazio delle soluzioni ha dimensione 1 e quindi coincide con
U ∩ W . Riducendo a scala la matrice
 
−9 3 1 0 0
 4 −2 0 1 0
2 −1 0 0 1

si ottiene la matrice  
1 1 −1 2 0
0 3 −2 4 −1
0 0 0 −1 2
e quindi se poniamo, ad esempio, a1 = a2 = 0, a3 = 2, a4 = 1, a5 = 1 la matrice (5) ha rango 4 e
la condizione (4) è soddisfatta.
(h) La risposta alla domanda riguardante l’unicità è: falso, esistono infiniti modi di scrivere ṽ
come somma di un elemento di U e di un elemento di W . Infatti trovati ũ, w̃ tali che ṽ = ũ + w̃,
per ogni v0 ∈ U ∩ W possiamo scrivere ṽ = (ũ + v0 ) + (w̃ − v0 ) e chiaramente ũ + v0 ∈ U e
w̃ − v0 ∈ W .
Per trovare ũ e ṽ usiamo la base {v, u, w} di U + W trovata nel punto (f) e risolviamo il sistema
ṽ = xv + yu + zw. Mettendo in colonna i vettori si ottiene il sistema



 x=1
4x + y + z = 6



−3x − y − 3z = −7

4x + 2y + 2z = 8





2x − y − z = 2

che si verifica facilmente avere x = y = z = 1 come unica soluzione. Segue che ṽ = v + u + w e


quindi possiamo prendere ad esempio ũ = v + u e w̃ = w.
4. Siano A e B matrici e supponiamo che il prodotto AB sia definito. Dimostrare gli asserti
seguenti.
(a) R(AB) ⊆ R(B).
(b) C(AB) ⊆ C(A).
(c) rango (AB) ≤ min{rango A, rango B}. 
dim. (a) Siano a1 , . . . , am le righe di A e b1 , . . . , bn le righe di B. Se ai = ai1 ai2 · · · ain ,
allora la i-esima riga di AB è ai1 b1 + ai2 b2 + . . . + ain bn , i = 1, 2, . . . , n. Segue che ogni riga di
AB è combinazione lineare delle righe di B. Segue che R(AB) ⊆ R(B).
(b) Da (a) segue
C(AB) = R((AB)t ) = R(B t At ) ⊆ R(At ) = C(A).
(c) È conseguenza immediata di (a) e (b).

Terminologia
Spazio delle righe. Spazio delle colonne. Nullità. Sottomatrice. Minore. Rango determinante.
Equazioni cartesiane e parametriche di un sottospazio.

Saper fare

16
• Trovare una base per lo spazio delle righe colonne e la compatibilità di un sistema
di una matrice. lineare.

• Trovare una base dello spazio delle • Ricavare dalla soluzione generale di un
colonne di una matrice. sistema lineare una soluzione particolare
e una base dello spazio nullo della ma-
• Trovare una base dello spazio nullo di trice dei coefficienti.
una matrice.
• Conoscere le varie caratterizzazioni delle
• Determinare il rango di una matrice matrici invertibili.
conoscendone la nullità o, viceversa, ri-
cavare la nullità dal rango. • Passare da equazioni parametriche ad
equazioni cartesiane (e viceversa) per un
• Conoscere la relazione tra lo spazio delle sottospazio.

Vero o Falso?

• Le righe di una qualunque riduzione a • L’insieme delle righe di una matrice n×n
scala per righe di una matrice A formano può essere linearmente dipendente men-
una base dello spazio delle righe di A. tre l’insieme delle colonne è linearmente
indipendente.
• Le colonne non nulle di una riduzione a
scala per righe di una matrice A formano • Se A è una matrice quadrata di ordine
una base dello spazio delle colonne di A. n con det A 6= 0, allora l’insieme delle
colonne di A forma una base di Rn .
• Lo spazio delle righe e lo spazio delle
colonne di una matrice hanno la stessa • Se A e B sono matrici n × n equivalenti
dimensione. per righe e R(A) 6= Rn , allora anche
C(A) 6= Rn .
• Se A è una matrice invertibile di ordine
n, allora R(A) = Rn . • Se A è matrice m × n e B è matrice
m×p, allora R(A | B) = R(A)+R(B), ove
• Se A è una matrice invertibile di ordine (A | B) è la matrice a blocchi di taglia
n, allora C(A) = Rn . m × (n + p) con blocchi A e B.

• Se A è una matrice 4 × 6 con nullità due, • Se A e B sono matrici invertibili n × n


allora R(A) = R4 . allora null (A | B) = 0,

• Se A è una matrice 6 × 4 con nullità 0, • Una matrice della forma


allora R(A) = R4 .
 
0 ∗ 0
∗ 0 ∗
• Se A è una matrice triangolare superi-
0 ∗ 0
ore, la nullità di A è uguale al numero
di elementi diagonali nulli. non può essere invertibile.
• Una matrice A quadrata di ordine n tale • Una matrice della forma
che N(A) = C(A) non può essere inver-  
0 ∗ 0 ∗
tibile. ∗ 0 ∗ 0
 
• Per tutte le matrici A e B della stessa 0 ∗ 0 ∗
taglia è null (A + B) = null A + null B. ∗ 0 ∗ 0

• Per tutte le matrici A e B della stessa non può essere invertibile.


taglia è null (A + B) ≤ null A + null B. • Sia A una matrice 3 × 7 con null A = 4.
• Per tutte le matrici A e B quadrate Allora C(A) = R3 .
dello stesso ordine è null (AB) = • Sia A una matrice 4 × 8 con null A = 4.
(null A)(null B). Allora R(A) = R4 .
• Per tutte le matrici A e B quadrate dello • Sia A una matrice 6 × 4 con null A = 0.
stesso ordine è null (AB) ≥ null B. Allora R(A) = R4 .
• Se A e B sono matrici n × n e A è in- • Sia A una matrice 7 × 4 con null A = 0.
vertibile, allora null (AB) = null B. Allora C(A) = R4 .

17
Esercizi
Esercizi 1. Determinare basi di R(A) e di C(A) per le seguenti matrici
   
    1 2 3 0 3 1
1 −2 1 1 −3 2
, , 5 6 7  , 0 −6 −2 ,
−3 6 3 4 −11 7
9 10 11 0 12 4
   
  1 2 −1 3 1 2 1 2 3 1
1 −1 2 3
1 1 −2 6 , 3 6 −3 5  , 2 4 3 7 7 4  .
   
1 2 −1 −1 1 2 2 5 5 6 
3 1 4 2
5 10 −5 7 3 6 6 15 14 15
2. Estrarre una base dai generatori dei seguenti sottospazi di R4
h(1, 1, −1, 2), (2, 1, 3, −4), (1, 2, −6, 10)i, h(1, 4, 1, 3), (2, 8, 3, 5), (1, 4, 0, 4), (2, 8, 2, 6)i.
Esercizi 1. Dati i vettori di R4
u1 = (1, −2, 5, −3), u2 = (2, 3, 1, −4), u3 = (3, 8, −3, −5)
si consideri il sottospazio U = hu1 , u2 , u3 i.
(a) Calcolare una base e la dimensione di U .
(b) Estendere la base trovata ad una base di R4 .
(c) Trovare equazioni cartesiane di U .
2. Consideriamo i due sottoinsiemi U e W di R3 definiti da
U = {(x, y, z) ∈ R3 | x = y = z}, W = {(x, y, z) ∈ R3 | x = 0}.
(a) Far vedere che U e W sono sottospazi vettoriali di R4 .
(b) Far vedere che U ∩ W = {0} e U + W = R3 .
(c) Dato v = (a, b, c) ∈ R3 trovare u ∈ U , w ∈ W tali che v = u + w.
3. Si considerino in R5 il sottospazio
U = h(0, 1, 0, 2, 0), (0, 1, 0, 0, 1), (0, 0, 0, 1, 0)i
e il sottospazio W delle soluzioni del sistema lineare

13x1 + 2x2 − x4 − 2x5 = 0

2x2 − x4 − 2x5 = 0

x1 = 0

(a) Determinare una base e la dimensione sia di U che di W .


(b) Determinare una base di U ∩ W e calcolare la dimensione di U ∩ W e di U + W .
(c) Completare la base trovata di U ∩ W ad una base di U + W .
(d) Aggiungere il minimo numero di equazioni ad un sistema lineare che definisce W per ottenere
un sistema che abbia come soluzioni i vettori del sottospazio U ∩ W .
4. Si considerino i seguenti sottospazi di R4
U = h(1, 1, −1, −1), (−1, 1, −1, 1)i, W = {(x1 , x2 , x3 , x4 ) ∈ R4 | x1 + x3 + x4 = 0, x2 = 0}.
(a) Determinare U ∩ W . È vero o falso che U e V sono in somma diretta?
(b) Determinare le equazioni cartesiane di U + W .
(c) Verificare che v = (2, 4, −1, −5) ∈ U +W e determinare vettori u ∈ U , w ∈ W tali che v = u+w.

Esercizi 1. Date le matrici


   
1 2 1 3 1 6 1 2 2 1 2 1
2 4 3 8 3 15 2 4 5 4 5 5
A=  , B=
 .
1 2 2 5 3 11 1 2 3 4 4 6
4 8 6 16 7 32 3 6 7 7 9 10
Per ciascuna delle matrici: (a) Trovare la forma canonica per righe.
(b) Trovare le colonne inessenziali.
(c) Estrarre colonne (esclusa la sesta) che formano una base per lo spazio delle colonne.
(d) Esprimere la sesta colonna come combinazone lineare della base trovata nel punto precedente.
2. Determinare quali dei seguenti sottospazi di R4 sono uguali.
U1 = h(1, 2, 1, 4), (2, 4, 1, 5), (3, 6, 2, 9)i, U2 = h(1, 2, 1, 2), (2, 4, 1, 3)i, U3 = h(1, 2, 3, 10), (2, 4, 3, 11)i.

18