Appunti di algebra lineare

Andrea Scozzari
UNICUSANO - Facolta’ di Economia

22-02-2016

1
1 I Vettori
In molte applicazioni reali conviene considerare, invece che un singolo numero, una coppia
o una terna di numeri e più in generale un n − upla di numeri reali, ciascuno dei quali
può essere, ad esempio, visto come il risultato di misurazioni di differenti grandezze. Vale
la seguente definizione:

Definizione 1 Si chiama vettore ad n componenti una qualsiasi n − upla ordinata di

numeri reali indicata con:

a = [a1 , a2 , a3 , . . . , an ].

I numeri a1 , a2 , a3 , . . . , an rappresentano, rispettivamente la prima, la seconda, la terza,. . . ,

l’ n-esima componente del vettore.
In particolare, nell’insieme dei possibili vettori si distingue il seguente vettore chiamato
vettore nullo:
0 = [0, 0, 0, . . . , 0].

La singola componente, ovvero il singolo numero reale ai , i = 1, . . . , n, del vettore sarà

talvolta indicata anche col nome di scalare.
È ovviamente possibile definire alcune operazioni tra i vettori. Prima di tutto, dati due
vettori a e b, questi sono uguali, ossia a = b se e solo se:

a1 = b1 , a 2 = b2 , ..., an = bn ,

ovvero a e b sono uguali se e solo se sono uguali le singole componenti dei due vettori.
Si definiscono inoltre le seguenti operazioni:

1. La somma di due vettori: a + b = (a1 + b1 , a2 + b2 , . . . , an + bn );

2. Il prodotto di un vettore a per uno scalare α ∈ R:

αa = (αa1 , αa2 , . . . , αan ).

Definizione 2 L’insieme dei vettori ad n componenti per cui sono definite le due op-
erazioni di somma tra due vettori e di prodotto di un vettore per uno scalare si chiama
spazio vettoriale n-dimensionale e si indica con Sn .

2
 3

(a1, a 2)
1

−4 −3 −2 −1
0 1 2 3 4

Figure 1: Rappresentazione geometrica di un vettore con due componenti.

1.1 Rappresentazione geometrica

La rappresentazione geometrica dei vettori avviene per mezzo di un sistema di assi
Cartesiani. Ovviamente, la rappresentazione è agevole nel caso in cui n = 2, per cui
un vettore può essere rappresentato sul P iano Cartesiano nel modo seguente:
Il vettore della Figura 1 è rappresentato da una “freccia” che, uscente dall’origine degli
assi, “punta” verso il punto di coordinate (cioè le componenti del vettore) (a1 , a2 ). Un
vettore, quindi, è dotato di una direzione, che è indicata dalla retta di appartenenza, di
un verso, che è quello della freccia, e di una lunghezza.
Hanno una rappresentazione geometrica anche le due operazioni di somma tra due vettori
e di prodotto di un vettore per uno scalare (vedi Figura 2.):

3 a+b 3 2a

a
2 2
a
1 1

b
0 1 2 3 4 0 1 2 3 4

somma dei due vettori mediante

prodotto del vettore "a" per lo scalare 2
la regola del "parallelogramma"

Figure 2: Rappresentazione geometrica delle operazioni di somma (Fig. di sinistra) e di

prodotto (Fig. di destra) tra un vettore ed uno scalare.

1.2 Dipendenza ed Indipendenza Lineare

Consideriamo lo spazio vettoriale Sn . Dati p vettori a1 , a2 , . . . , ap ∈ Sn e p scalari che
chiamiamo α1 , α2 , . . . , αp ∈ R, si chiama combinazione lineare l’operazione di somma dei

3
prodotti di ciascun vettore ai per il corrispondente scalare αi , i = 1, . . . , n, ossia:

α1 a1 + α2 a2 + . . . + αp ap .

Un vettore b ottenuto come risultato dell’operazione precedente, cioè tale che:

b = α1 a1 + α2 a2 + . . . αp ap ,
si dice che è linearmente dipendente dai vettori a1 , a2 , . . . , ap . Si dice anche che il vettore
b è esprimibile come combinazione lineare dei vettori a1 , a2 , . . . , ap .

Dati m vettori a1 , a2 , . . . , am ∈ Sn questi sono linearmente dipendenti (tra loro) se almeno uno
di essi è linearmente dipendente dai vettori rimanenti. Più formalmente:

Definizione 3 Dati m vettori a1 , a2 , . . . , am ∈ Sn essi sono linearmente dipendenti se e

solo se esiste una combinazione lineare degli m vettori con almeno uno dei coefficienti
(scalari) α1 , α2 , . . . , αm ∈ R diverso da zero e tale che:

α1 a1 + α2 a2 + . . . + αm am = 0.

Se l’unico modo per ottenere il vettore nullo 0 dalla combinazione dei vettori a1 , a2 , . . . , am
è moltiplicare ciascun vettore per uno scalare uguale a 0, cioè α1 = 0, α2 = 0, . . . , αm = 0,
allora si dice che gli m vettori a1 , a2 , . . . , am sono linearmente indipendenti.

Vale il seguente Teorema:

Teorema 1 In uno spazio vettoriale Sn è sempre possibile trovare n vettori linearmente

indipendenti, mentre n + 1 vettori sono sempre linearmente dipendenti.

Dal punto di vista geometrico, una diretta conseguenza del teorema è:

1. Due vettori sono linearmente dipendenti se e solo se esiste una retta che li contiene
entrambi (vedi Figura 3.);

3
b
2

1 a

0 1 2 3 4

Figure 3: Rappresentazione geometrica di due vettori linearmente indipendenti.

4
 3 c
a
2

1
b
0 1 2 3 4

Figure 4: Rappresentazione geometrica di tre vettori linearmente indipendenti.

2. Tre vettori sono linearmente dipendenti se e solo se esiste un piano che li contiene
tutti e tre (vedi Figura 4.);

3. m vettori sono linearmente dipendenti se e solo se esiste un sottospazio (o un sot-

toinsieme) di Sn di dimensione inferiore ad m che li contiene tutti.

Definizione 4 Dato un insieme di vettori a1 , a2 , . . . , am ∈ Sn , si definisce rango dei

vettori il massimo numero di vettori linearmente indipendenti presenti in Sn .

2 Matrici e Determinanti
In questa sezione considereremo una generalizzazione del concetto di vettore. Si definisce
matrice n × m una tabella di n · m numeri disposti in n righe ed m colonne rappresentata
nel modo seguente:
 
a11 a12 · · · a1m
 a21 a22 · · · a2m 
 
 · · · · · · 
 
 · · · · · · 
 
 · · · · · · 
an1 an2 · · · anm

I numeri ai1 , ai2 , . . . , aim , con i = 1, . . . , n, sono gli elementi della i-esima riga, mentre
i numeri a1j , a2j , . . . , anj sono gli elementi della j-esima colonna per j = 1, . . . , m.
In forma sintetica si può indicare una matrice evidenziando solamente il generico elemento,
ossia A = [aij ], i = 1, . . . , n; j = 1, . . . , m. Data una matrice A con n righe ed m colonne,
la matrice AT è detta la matrice trasposta di A, cioè la matrice con m righe ed n colonne
ottenuta scambiando il ruolo delle righe e delle colonnne di A.
Data una matrice A se m = n allora la matrice si dice quadrata, altrimenti si dice
rettangolare. Gli elementi a11 , a22 , . . . , ann di una matrice quadrata A costituiscono la

5
diagonale principale di A, mentre l’altra diagonale della matrice A è detta la diagonale
secondaria di A.
Se una matrice A è uguale alla sua trasposta AT , ossia A = AT , significa che lo scambio
di ruolo delle righe e delle colonne di A non sortisce alcun effetto, allora la matrice si
dice simmetrica. Più semplicemente una matrice simmetrica ha uguali gli elementi
simmetrici rispetto alla diagonale principale.
Ad ogni matrice quadrata A si associa un numero reale che prende il nome di determinante
di A ed è indicato con det A. Come si calcola il determinante di una matrice quadrata A?
Se A = (a11 ), cioè A consiste di un solo elemento, allora det A = a11 .
Se A è una matrice quadrata con n = m = 2, cioè si dice di ordine 2 del tipo:
( )
a11 a12
a21 a22

il determinante è:

det A = a11 a22 − a12 a21 ,

ossia, il determinante di A è dato dalla differenza tra il prodotto degli elementi lungo la
diagonale principale ed il prodotto degli elementi lungo la diagonale secondaria.
Consideriamo una matrice quadrata di ordine 3:
 
a11 a12 a13
 a21 a22 a23 
a31 a32 a33

Il determinante è calcolato nel modo seguente:

     
 a22 a23   a a   
det A = a11    − a12  21 23  + a13  a21 a22 .
a32 a33  a31 a33   a31 a32 

In questo caso il determinante è stato ricondotto al calcolo di tre determinanti di ordine

2 ed indicati col simbolo  
 . . 
 
 . . 

ciascuno moltiplicato per il corrispondente elemento della prima riga di A. L’espressione

sopra conduce alla seguente formula per il calcolo del detereminante di una matrice di
ordine 3:

det A = a11 a22 a33 − a11 a23 a32 − a12 a21 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31 .

6
Per definire il determinante di una matrice quadrata di ordine n > 1 si può ricorrere
al Principio di Induzione, e costruire una formula che collega il determinante di una
matrice quadrata di ordine n ai determinanti di ordine n − 1. A sua volta, si collega il
determinante di ordine n − 1 a quello di ordine n − 2 e cosı̀ via a ritroso fino ad arrivare
ad una espressione in termini dei soli determinanti del primo ordine. Per definire questo
calcolo introduciamo le seguenti definizioni:

Definizione 5 Data una matrice quadrata A di ordine n > 1, si definisce minore comple-
mentare Aik dell’elemento generico aik il determinante della matrice quadrata di ordine
n − 1 che si ottiene da A eliminando tutti gli elementi appartenenti alla i-ma riga ed alla
k-ma colonna di A.

Esempio: Sia
 
a11 a12 a13
 a21 a22 a23 
a31 a32 a33

il minore complementare Aik dell’elemento a22 è:

 
 a11 a13 
 
 a31 a33  .

Definizione 6 Data una matrice quadrata A di ordine n > 1, si definisce complemento

algebrico A′ik dell’elemento aik il determinante della matrice quadrata di ordine n − 1
che si ottiene da A eliminando tutti gli elementi appartenenti alla i-ma riga e alla k-ma
colonna e moltiplicando il determinante per 1 o −1 a seconda che la somma degli indici
i + k sia pari o dispari.

Esempio: Sia
 
a11 a12 a13
 a21 a22 a23 
a31 a32 a33

il complemento algebrico A′ik dell’elemento a32 è:

 
 a a 
−  11 13 

a21 a23

Vale la seguente definizione:

7
Definizione 7 Se A è una matrice quadrata di ordine n > 1 si definisce:

det A = a11 A11 − a12 A12 + a13 A13 + . . . + (−1)1+n a1n A1n

∑
n ∑
n
= 1+k
(−1) a1k A1k = aik A′1k .
k=1 k=1

Esempio 1 Calcolare il determinante della Matrice seguente:

( )
1 −3
−5 4

È una matrice quadrata 2 × 2 per cui si ha:

det A = 1 · 4 − (−3) · (−5) = 4 − 15 = −11.

Esempio 2 Calcolare il determinante della Matrice:

 
1 −3 2
 1 0 1 
2 −1 2

È una matrice quadrata 3 × 3 per cui si ha, per induzione:

     
 0 1   1 1   1 0 

det A = 1 ·   
− (−3) ·   + 2 ·  
−1 2  2 2  2 −1 

Da cui, risolvendo i singoli determinanti 2 × 2 si ottiene:

det A = 1 · (−(−1)) + 3 · 0 + 2 · (−1) = 1 − 2 = −1.

2.1 Proprietà dei Determinanti

Con riferimento al problema di determinare il determinante di una matrice A, si può
dimostrare che:

1. In una matrice quadrata A la somma dei prodotti degli elementi di una qual-
siasi riga per i rispettivi complementi algebrici è sempre uguale al determinante
di A. Seguendo questa proprietà conviene quindi sviluppare il determinante di A
scegliendo come riga i per applicare la definizione precedente, una riga col maggior
numero di zeri.

2. Il determinante di una matrice che ha due righe uguali o proporzionali è nullo.

3. Vale sempre la proprietà che det A = det AT .

8
Data una generica matrice A, rettangolare o quadrata, n × m, si chiama minore di ordine
k di A il determinante di una qualsiasi sotto-matrice estratta da A prendendo gli elementi
comuni a k fissate righe e k fissate colonne con:

1 ≤ k ≤ min(n, m).

Definizione 8 Si definisce caratteristica di A il massimo tra gli ordini k di quei minori

della matrice che sono diversi da zero. Detta pA la caratteristica di A risulta:

0 ≤ pA ≤ min(n, m).

In particolare avremo:
1. pA = 0 se e solo se A = [0] (matrice nulla);
2. 1 ≤ pA ≤ min(n, m) se e solo se esiste almeno un minore di A di ordine pA diverso da
zero, mentre quelli di ordine maggiore, se ve ne sono, sono tutti uguali a zero. Consideri-
amo alcuni esempi per chiarire ed applicare le definizioni precedenti.

Esempio 3 Sia data la matrice rettangolare:

 
1 −1 0 1
A =  3 −1 2 3 
4 3 0 −2

Fissiamo k = 2, questo significa che si vuole estrarre una sotto-matrice della matrice A
di ordine 2. Seguendo la definizione, scegliamo 2 righe qualsiasi, ad esempio la seconda e
la terza riga, e scegliamo 2 colonne qualsiasi, ad esempio la prima e la terza colonna di
A. In base a questa scelta, il corrispondente minore di ordine k = 2 di A risulta:
 
 3 2 
A=  
4 0 

Dato un insieme di m vettori di uno spazio Sn a1 , a2 , . . . , am , supponiamo di disporre le

loro componenti come successive colonne di una matrice A, ossia:
 
a11 a12 · · · a1m
 a21 a22 · · · a2m 
 
 · · · · · · 
A=  
· · · · · · 
 
 · · · · · · 
an1 an2 · · · anm

in cui, nella prima colonna vi sono le componenti del vettore a1 , nella seconda colonna vi
sono le componenti del vettore a2 , e cosı̀ via. Si dimostra che:

9
 1. Condizione necessaria e sufficiente affichè n vettori siano linearmente indipendenti è
che det A ̸= 0. Si noti che se si hanno n vettori ciascuno dei quali ha n componenti,
la matrice risultante A è quadrata di ordine n e, dunque, è possibile definire il
determinante di A.

2. Il rango di un insieme di vettori a1 , a2 , . . . , am è dato dalla caratteristica della

corrispondente matrice A.

Esempio 4 Si determini il rango dell’insieme di vettori seguente:

a1 = (1, −2), a2 = (−1, 2), a3 = (2, 1), a4 = (3, −1).

La matrice corrispondente è:

( )
1 −1 2 3
A=
−2 2 1 −1

Tale matrice è rettangolare 2 × 4 e dunque è 2 l’ordine massimo dei minori estraibili da

A. Verifichiamo se esiste almeno un minore di ordine 2 diverso da 0. Si ha:
     
 1 −1     3 
  = 0;  1 2  = 5;  1
 −2 2   −2 1   −2 −1  = 5;
     
 −1 2     
  = −5;  −1 3  = −5;  2 3  − 5.
 2 1   2 −1   1 −1 
Dato che esistono più minori di ordine 2 diversi da 0 si ha che p(A) = 2. Allora, dato
che la matrice A ha caratteristica uguale a 2, anche l’insieme dei vettori ha rango pari
a 2.

2.2 Sistemi di equazioni lineari

Si definisce una equazione lineare nelle n incognite x1 , x2 , . . . , xn una espressione del tipo:

a1 x1 + a2 x2 + . . . + an xn = b,

con a1 , a2 , . . . , an , b numeri fissati. I numeri a1 , a2 , . . . , an sono chiamati i coef f icienti

delle incognite nell’equazione, mentre b è il termine noto dell’equazione.
Se b = 0 l’equazione si dice omogenea.

Definizione 9 Una equazione lineare con due o più incognite si dice indeterminata dato
che presenta infinite soluzioni.

Se però si considera un insieme di equazioni lineari e si ricercano i valori delle incognite che
risolvono simultaneamente tutte le equazioni, stiamo risolvendo un sistema di equazioni
lineari. Per un tale sistema può accadere:

10
 1. o non ammette soluzioni (sistema incompatibile);

2. o ammette una ed una sola soluzione (sistema determinato);

3. oppure ammette infinite soluzioni (sistema indeterminato).

Esempio.
Sia dato il seguente sistema nelle due incognite x1 , x2 :
{
2x1 − 3x2 = 2
4x1 − 2x2 = 8
Questo è un sistema determinato dato che ammette una soluzione x∗1 = 52 , x∗2 = 1. Come
si può trovare tale soluzione e dimostrare che il sistema è in effetti determinato, cioè che
non esiste un’altra soluzione diversa da quella data?
Osserviamo che i coefficienti del sistema possono essere rappresentati attraverso la seguente
matrice:
( )
2 −3
A=
4 −2
ed analogamente i termini noti formano un vettore:
( )
2
b=
8
Allora, considerando le colonne della matrice a1 , a2 , è possibile riscrivere il sistema in
forma compatta nel modo seguente:

x1 a1 + x2 a2 = b,
dove
( ) ( )
2 −3
a1 = ; a2 =
4 −2
e
( )
2
b=
8

Se il sistema ammette soluzioni, significa che il vettore b può essere espresso come com-
binazione lineare dei due vettori a1 e a2 con i coefficienti (incogniti) x1 , x2 . Dunque, se
il sistema è determinato, il vettore b è linearmente dipendente dai vettori a1 e a2 .
Di conseguenza, accade anche che lo spazio vettoriale Sn ha dimensione 2 (n = 2), cioè il
massimo numero di vettori linearmente indipendenti è 2.

11
Oltre alla soluzione già trovata esistono altre soluzioni? Se la risposta fosse affermativa
allora dovrebbe risultare:

x̂1 a1 + x̂2 a2 = b,

dove {x̂1 , x̂2 } è un’altra soluzione differente da quella data {x∗1 , x∗2 }.
Sottraendo membro a membro i due sistemi:

x̂1 a1 + x̂2 a2 = b,
e
x∗1 a1 + x∗2 a2 = b,

si ottiene:

(x̂1 − x∗1 )a1 + (x̂2 − x∗2 )a2 = 0.

Dato che il risultato della differenza tra i due sistemi è 0 ed i due vettori a1 , a2 sono lin-
earmente indipendenti, significa che i coefficienti devono essere tali che (x̂1 − x∗1 ) = α1 = 0
e (x̂2 − x∗2 ) = α2 = 0, da cui si ricava che (x̂1 = x∗1 ) e (x̂2 = x∗2 ).
Per cui se il sistema ammette soluzione questa è anche unica. Questo è un risultato
generale per sistemi in cui il numero delle equazioni è uguale al numero delle incognite.

Consideriamo ora il seguente sistema nelle tre incognite x1 , x2 , x3 :

{
2x1 − x2 + 5x3 = 1
−x1 + x2 − 3x3 = −5
Questo è un sistema che ammette la seguente soluzione: x∗1 = −6, x∗2 = −8, x∗3 = 1. Questa
soluzione però non è unica dato che anche x∗1 = −4, x∗2 = −9, x∗3 = 0 è una soluzione del
sistema.
Riscriviamo il sistema in forma compatta:

x1 a1 + x2 a2 + x3 a3 = b,
dove
( ) ( ) ( ) ( )
2 −1 5 1
a1 = ; a2 = ; a3 = ; b=
−1 1 −3 −5
La dimensione dello spazio è ancora 2 (i vettori hanno solo 2 componenti!) per cui il
sistema ammette soluzioni solo se il vettore b è linearmente dipendente dai tre vettori
a1 , a2 , a3 .
Chiamiamo l’insieme dei vettori {a1 , a2 , a3 } insieme incompleto, mente l’insieme {a1 , a2 , a3 , b}
insieme completo del sistema. Le rispettive matrici, completa ed incompleta, saranno:

12
 ( ) ( )
′ 2 −1 5 ′′ 2 −1 5 1
A = ; A =
−1 1 −3 −1 1 −3 −5

La caratteristica della seconda matrice potrà al massimo essere maggiore di 1 di quella

della prima matrice. Si può far vedere che pA′ = 2 per cui, dato che lo spazio ha dimensione
2 avremo anche pA′′ = 2.
Ciò dimostra che in effetti il sistema ammette soluzioni.
Dato che pA′ = 2, significa che solo due tra {a1 , a2 , a3 } sono linearmente indipendenti e
dato che il determinante della sottomatrice seguente è:
 
 2 −1 
 
 −1 1  = 1 ̸= 0
significa che {a1 , a2 } sono linearmente indipendenti. Riscriviamo allora l’equazione nel
modo seguente:

x1 a1 + x2 a2 = −x3 a3 + b.

Se assegnamo all’incognita x3 un valore arbitrario, ad esempio x3 = 1, ricalcolando il

vettore dei termini noti si ha:

x1 a1 + x2 a2 = b′ ,
con b′ = (−4, −2).
A questo punto siamo ritornati al caso di un sistema di due equazioni in due incognite.
Fissata l’incognita x3 = 1, sappiamo che una soluzione del sistema S

x1 a1 + x2 a2 = b′ S,
è x∗1 = −6, x∗2 = −8 che è U N ICA per x3 = 1 fissato.

Ma se fissiamo x3 = 0, otteniamo anche che l’U N ICA soluzione del sistama S sarebbe
x∗1 = −4, x∗2 = −9.
Dunque, per ogni fissato valore di x3 otteniamo una una soluzione x∗1 , x∗2 del corrispon-
dente sistema quadrato 2 × 2. Questo, allora, dimostra che il sistema ha infinite soluzioni
una per ogni possibile valore che possiamo assegnare ad x3 .
Le conclusioni trovate possono essere generalizzate al caso di un sistema n × m del tipo:


 a x + a12 x2 + . . . a1m xm = b1
 11 1
 a21 x1 + a22 x2 + . . . a2m xm = b2
..

 .

 a x + a x + ...a x =
n1 1 n2 2 nm m bn

13
Naturalmente, anche questo sistema può essere riscritto in una forma compatta nel modo
seguente:

x1 a1 + x2 a2 + . . . + xm am = b,
dove i vettori ai , con i = 1, . . . , m, sono vettori ad n componenti del tipo ai = (a1i , a2i , . . . , ani ).
Consideriamo il caso particolare in cui m = n, vale il seguente teorema:
Teorema 2 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 0.

Vale di conseguenza la seguente Regola di Cramer:

Se vale il Teorema di Cramer allora l’unica soluzione del sistema dato è:
∆1 ∆2 ∆n
x1 = ; x2 = ; . . . xn = ,
∆ ∆ ∆
dove ∆k , k = 1, . . . , n, è il determinante della matrice ottenuta dalla matrice dei coeffici-
enti sostitiendo la k − ma colonna con la colonna dei temini noti b.
Esempio 5 Si risolva il seguente sistema:
 x
 2
1
+ x2 + x23 = 21
−3x1 − x2 + 2x3 = 0

x1 + 5x2 − 4x3 = 5
dove la matrice dei coefficienti del sistema è:
 1 1

122
A =  −3 −1 2 
1 5 −4

Il determinante della matrice A, che indichiamo con ∆, è ∆ = −20 ̸= 0.

Per il teorema e la regola di Cramer il sistema ha una unica soluzione. Calcoliamo:
 1   1 1 1 
 1 1   
 2 2  19  2 2 2  35
∆1 =  0 −1 2  = ; ∆2 =  −3 0 2  = −
 
 5 2 2
5 −4   1 5 −4 
 1 
 1 1 
 2 2  11
∆3 =  −3 −1 0  = .
 1 2
5 5 

Da cui si ricava:

∆1 19 ∆2 35 ∆3 11
x1 = =− ; x2 = = ; x3 = =− .
∆ 40 ∆ 40 ∆ 40

14
Nel caso di sistemi di equazioni rettangolari, in cui cioè n ̸= m, vale invece il seguente
teorema:

Teorema 3 Rouché-Capelli. Condizione necessaria e sufficiente affinchè un sistema di

n equazioni in m incognite abbia soluzioni è che la sua matrice incompleta e la corrispon-
dente matrice completa abbiano la stessa caratteristica.

Sia p la caratteristica comune delle due matrici. Si possono verificare i seguenti casi:

1. se p = m la soluzione del sistema è unica;

2. se p < m si può determinare un sistema equivalente in p equazioni e p incognite,

scegliendo opportunamente p tra le n equazioni del sistema.

Consideriamo ora particolari sistemi di equazioni chiamati omogenei.

Un sistema di n equazioni in m incognite si dice omogeneo se tutti i termini noti sono
nulli, ossia è nullo il vettore b = 0.
In questo caso, un sistema ammette sempre una soluzione detta la soluzione banale che è
data da: x1 = x2 = x3 = . . . = xn = 0.

In particolare, in un sistema omogeneo se la caratteristica della matrice incompleta coin-

cide col numero delle incognite, allora il sistema ha come unica soluzione quella banale,
mentre se tale caratteristica è inferiore al numero delle incognite il sistema avrà ∞m−p
soluzioni (si legge infinito alla m-p soluzioni).
Le soluzioni di un sistema omogeneo diverse da quella banale sono chiamate autosoluzioni.

3 Autovalori e Autovettori
L’argomento di questa sezione è strettamente lagato alla risoluzione di sistemi di equazioni
omogenei.
Consideriamo il seguente sistema di equazioni in cui qualche coefficiente del sistema o
qualche termine noto non è specificato ma è rappresentato da un parametro k che può
assumere valori arbitrari.

 x−y+z = 3
x+y+z = 2

kx + 2y − 2z = −2
Vediamo per quali valori di k si può applicare il teorema e la regola di Cramer. Calcoliamo
il determinante della matrice dei coefficienti del sistema:
 
 1 −1 1 
 
∆ =  1 1 1  = −2k − 4
 k 2 −2 

15
Abbiamo, dunque, ∆ ̸= 0 se e solo se k ̸= −2. Per tutti questi valori il sistema ha una
sola soluzione che è data, applicando la regola di Cramer:

x= 4
2+k
; y = − 21 ; z = 2+5k
2(2+k)
con k ̸= −2.
Quando k = −2 si ha ∆ = 0 e dunque la caratteristica della matrice incompleta è 2.
Considerando la corrispondente matrice completa si ottiene:
 
1 −1 1 3
 1 1 1 2 
−2 2 −2 −2
la cui caratteristica è 3. Pertanto, per il Teorema di Rouché-Capelli quando k = −2 il
sistema non ha soluzioni.

In generale, è interessante studiare il comportamento di un sistema di equazioni quando

questo “dipende” da un dato parametro. In particolare, consideriamo il caso di un sistema
quadrato n × n e omogeneo, e dipendente da un parametro λ, del tipo:


 (a − λ)x1 + a12 x2 + . . . + a1n xn = 0
 11
 a21 x1 + (a22 − λ)x2 + . . . + a1n xn = 0
Sλ : ..

 .

 a x + a x + . . . + (a − λ)x = 0
n1 1 n2 2 nn n

La matrice dei coefficienti del sistema coincide con la generica matrice quadrata A = [aij ],
con i = 1, . . . , n e j = 1, . . . , n, tranne che per gli elementi lungo la diagonale principale che
sono del tipo (aii − λ), i = 1, . . . , n. Indichiamo il determinante della matrice Aλ , dipen-
dente dal parametro λ, con ∆λ . Ogni valore di λ per cui ∆λ = 0 viene chiamato autovalore
della corrispondente matrice A = [aij ]. Ad ogni possibile autovalore λi , i = 1, . . . , n, cor-
risponde una soluzione del sistema che rappresenta una autosoluzione di questo.

Definizione 10 Un vettore ad n componenti (x1 , x2 , . . . , xn ) autosoluzione del sistema

Sλ rispetto ad un particolare valore di λ, è detto autovettore della corrispondente matrice
A = [aij ], i = 1, . . . , n; j = 1, . . . , n.

Nella pratica, invece che parlare di trovare autosoluzioni del sistema Sλ , il problema da
risolvere viene formulato come il problema di trovare gli autovalori e gli autovettori di
una data matrice quadrata A = [aij ], i = 1, . . . , n; j = 1, . . . , n, che può sempre essere
vista come la matrice dei coefficienti di un sistema lineare ed omogeneo.

Esempio 6 Calcolare gli autovalori e gli autovettori della seguente matrice:

 
1 2 −2
A =  1 −4 1 
1 1 −4
Consideriamo la corrispondente matrice dei coefficienti del sistema Sλ :

16
  
1−λ 2 −2
Aλ =  1 −4 − λ 1 
1 1 −4 − λ
Il determinante ∆λ di questa matrice risulta (si utilizzino gli elementi della prima colonna):
 
 −4 − λ 1 
∆λ = (1 − λ)   = (1 − λ)[(−4 − λ)2 − 1].
1 −4 − λ 
Il determinante ∆λ = 0 se e solo se λ = 1 oppure [λ2 + 8λ + 15] = 0.
Si noti che l’espressione (1 − λ)[(−4 − λ)2 − 1] rappresenta un polinomio di terzo grado
nell’incognita λ, ed in particolare, λ2 + 8λ + 15 è un polinomio di secondo grado in λ del
tipo: aλ2 + bλ + c.
Dobbiamo allora trovare le radici di questo secondo polinomio utilizzando la (nota) formula
risolutiva:
√
−b ± b2 − 4ac
.
2a
I tre autovalori della matrice A, ovvero le tre radici del polinomio di terzo grado in λ,
sono:

λ1 = 1; λ2 = −3; λ3 = −5.

Per calcolare i corrispondenti autovettori bisogna considerare il sistema omogeneo Sλ


 (1 − λ)x1 + 2x2 − 2x3 = 0
x1 − (4 + λ)x2 + x3 = 0

x1 + x2 − (4 + λ)x3 = 0

e si deve poi risolvere il sistema sostituendo i tre valori di λ trovati. In altre parole, si
devono risolvere 3 sistemi dove il primo, che chiamiamo Sλ1 , é:

 0x1 + 2x2 − 2x3 = 0
x1 − 5x2 + x3 = 0

x1 + x2 − 5x3 = 0

Risolvendo, ad esempio col semplice metodo della sostituzione la prima equazione nelle
sole incognite x2 e x3 , si ricava che x2 = x3 , da cui, utilizzando la seconda equazione
(o analogamente la terza) e sostituendo x2 con x3 si trova x1 = 4x3 . Come si vede, si
ottengono in effetti tante soluzioni a seconda del valore che assume x3 . Ad esempio, se
x3 = 1 una soluzione è (4, 1, 1). Questo vuol dire che, per l’autovalore λ1 = 1, si ha un
insieme di soluzioni del tipo:

(4α, α, α) con α ∈ R.

17
Con lo stesso ragionamento si risolvono i sistemi Sλ2 e Sλ3 in corrispondenza degli altri
due autovalori e si ricavano i rispettivi autovettori:

(0, β, β) con β∈R per λ2 = −3,

(γ, −2γ, γ) con γ∈R per λ3 = −5.

Osserviamo che se una matrice quadrata, di cui si devono calcolare gli autovalori e gli
autovettori, è di dimensione n × n, il corrispondente determinante ∆λ sarà un polinomio
di grado n che ammette sempre n radici anche se non necessariamente tutte distinte. Non
è detto che, però, tali radici siano sempre reali, queste possono anche essere complesse e
coniugate (ossia appartenere all’insieme dei numeri complessi C). In particolare, se una
matrice quadrata A = [aij ], i = 1, . . . , n; j = 1, . . . , n è simmetrica c’è un teorema che
garantisce che le radici del polinomio “generato” da ∆λ sono sempre tutte reali (anche
se non necessariamente tutte distinte).

Riferimenti bibliografici
1. A. Blasi, Matematica: Corso base per la Facolta’ di Economia. Edizioni Kappa,
2006.

2. A. Blasi, Matematica: Esercizi, complementi e argomenti preliminari. Edizioni

Kappa, 2006.

18