Sei sulla pagina 1di 33

Contents

1 Gli insiemi. I numeri 2

2 Matrici e determinanti 3

3 Sistemi lineari 4
3.1 Generalità . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
3.2 Sistemi di n equazioni in n incognite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2.1 Metodo della matrice inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2.2 Teorema di Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.3 Teorema di Rouché-Capelli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.4 Sistemi omogenei . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.5 Esercizi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30

1
Chapter 1

Gli insiemi. I numeri

VEDI APPUNTI PRECEDENTI

2
Chapter 2

Matrici e determinanti

VEDI APPUNTI PRECEDENTI

3
Chapter 3

Sistemi lineari

3.1 Generalità

Dicesi equazione lineare nelle incognite x1 , x2 , . . . , xn un’espressione del tipo:


a1 x1 + a2 x2 + · · · + an xn = b,
dove a1 , a2 , · · · , an e b sono numeri reali noti. Una soluzione dell’equazione è una n-upla ordinata di numeri reali
(α1 , α2 , . . . , αn ) che soddisfa l’equazione.

Se si considerano m equazioni lineari nelle medesime n incognite, si ha un sistema di m equazioni lineari in n


incognite:


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


ai1 x1 + ai2 x2 + . . . + ain xn = bi (3.1)
. . . . . . . . . .




am1 x1 + am2 x2 + . . . + amn xn = bm

I numeri reali aij si chiamano coefficienti, i numeri reali bi si chiamano termini noti, le xi sono le incognite.
4
CHAPTER 3. SISTEMI LINEARI 5

Se tutti i termini noti sono nulli, il sistema si dice omogeneo; altrimenti si dice non omogeneo.
Una soluzione del sistema (3.1) è una n-upla ordinata di numeri reali (α1 , α2 , . . . , αn ) che è soluzione di tutte le
equazioni del sistema.
Si dice compatibile un sistema di equazioni lineari che ammette soluzioni. Un sistema compatibile è determinato
se ha una sola soluzione, indeterminato se ha più di una soluzione.
Se, invece, un sistema di equazioni lineari non ammette soluzioni, si dice non compatibile (o incompatibile).

• Il sistema 
x1 − 3x2 = −8
x1 + x2 = 4
è determinato perché ammette la soluzione x1 = 1, x2 = 3, e questa è unica, come si può facilmente verificare, col
metodo di eliminazione delle incognite.
• Il sistema 
2x1 − x2 = 1
6x1 − 3x2 = 3
è indeterminato, in quanto ha infinite soluzioni, date da:

x1 = t , x2 = 2t − 1 ,

dove t è un parametro arbitrario (t ∈ R).


• Il sistema 
x1 + 3x2 = 1
,
x1 + 3x2 = 5
nel quale i primi membri delle equazioni sono uguali ed i secondi membri differenti, è evidentemente incompatibile.

Nei paragrafi seguenti ci occuperemo della risoluzione dei sistemi di equazioni lineari; vedremo quando un sistema è
compatibile e quando non lo è e, nel caso di compatibilità, come calcolare tutte le sue soluzioni.
CHAPTER 3. SISTEMI LINEARI 6

Dato il sistema di equazioni lineari (3.2), denotiamo con


• A la matrice m × n costituita dai coefficienti del sistema,
• X il vettore (colonna) n × 1 i cui elementi sono le incognite;
• B il vettore (colonna) m × 1 avente per elementi i termini noti:
 
  x1  
a11 a12 . . . . a1n b1
 .
 x2 
. . . . . .     . 
   .   
A=  ai1 ai2 . . . . ain  ; X =   ; B= bi .
 .
  .   
. . . . . .     . 
 . 
am1 am2 . . . . amn bm
xn

Ora consideriamo l’equazione matriciale


A · X = B.
Abbiamo scritto formalmente un sistema come un’equazione di primo grado!
L’equazione matriciale A · X = B, in forma esplicita, si scrive (scrittura matriciale):

 
  x1  
a11 a12 . . . . a1n b1
 x2 
 . . . . . . .     . 
  .   
 ai1 ai2 . . . . ain   = bi .
  .   
 . . . . . . .    . 
 . 
am1 am2 . . . . amn bm
xn

Se si esegue il prodotto (righe per colonne) delle due matrici a primo membro e si eguagliano i termini corrispondenti
della matrice prodotto cosı̀ ottenuta e della matrice dei termini noti si ottiene proprio il sistema (3.1).
CHAPTER 3. SISTEMI LINEARI 7

Esercizio 1 Dato il sistema di equazioni lineari:



 x1 + 2x2 = 1
−x1 + x3 = −6 ,
x2 + 4x3 = 2

risulta:
     
1 2 0 x1 1
A =  −1 0 1  , X =  x2  e B =  −6  .
0 1 4 x3 2
La sua scrittura matriciale è dunque:
    
1 2 0 x1 1
 −1 0 1   x2  =  −6  .
0 1 4 x3 2
CHAPTER 3. SISTEMI LINEARI 8

3.2 Sistemi di n equazioni in n incognite

Sia:



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


ai1 x1 + ai2 x2 + . . . + ain xn = bi (3.2)
. . . . . . . . . .




an1 x1 + an2 x2 + . . . + ann xn = bn

un sistema di n equazioni lineari in n incognite e siano A, X e B le matrici dei coefficienti del sistema, delle incognite
e dei termini noti, introdotte nel paragrafo precedente.
In questo caso la matrice A dei coefficienti è una matrice quadrata di ordine n e, quindi, ha senso considerare detA.
Vedremo che se detA è non nullo (cioè, matrice A è non singolare), allora il sistema sarà compatibile e ammetterà
una e una sola soluzione.

3.2.1 Metodo della matrice inversa


Supponiamo che la matrice A sia non singolare, cioè che sia detA 6= 0. Allora esiste la matrice A−1 , inversa di A.
Scritto il sistema nella forma matriciale
A·X =B,
se moltiplichiamo a sinistra per A−1 i due membri di questa uguaglianza, otteniamo:

A−1 · (A · X) = A−1 · B,

da cui, per la proprietà associativa del prodotto, segue:


CHAPTER 3. SISTEMI LINEARI 9

(A−1 · A) · X = A−1 · B.

Ma A−1 · A = In e In · X = X ; cosı̀ otteniamo:

X = A−1 · B.

Pertanto: nell’ipotesi che sia det A 6= 0, la soluzione del sistema (3.2) esiste, è unica ed è data dal prodotto
tra la matrice A−1 e la matrice B.

Esercizio 2 Dato il sistema di equazioni lineari



 x1 + 2x2 = 5
3x2 + x3 = 9 ,
x2 + 2x3 = 8

la matrice dei coefficienti è  


1 2 0
A =  0 3 1 .
0 1 2
Poiché detA = 5, il sistema è determinato. Calcoliamo A−1 usando uno dei metodi indicati nel §1.6:
CHAPTER 3. SISTEMI LINEARI 10


1 −4/5

2/5
 
−1
 
A =
0 2/5 −1/5 
.
 
0 −1/5 3/5
 
5
Il vettore dei termini noti è  9  .
8
Pertanto la soluzione del sistema, in forma matriciale, è:


1 −4/5

    2/5
x1 

 5

 x2  =  0 2/5 −1/5   9 
 
x3   8
0 −1/5 3/5

1 · 5 − 4/5 · 9 + 2/5 · 8

 
 
 0 · 5 + 2/5 · 9 − 1/5 · 8
=  .

 
0 · 5 − 1/5 · 9 + 3/5 · 8

Da cui,
CHAPTER 3. SISTEMI LINEARI 11

4 2
x1 = 1 · 5 − · 9 + · 8 = 1,
5 5

2 1
x2 = 0 · 5 + · 9 − · 8 = 2,
5 5

1 3
x3 = 0 · 5 − · 9 + · 8 = 3.
5 5

Esercizio 3 Dato il sistema 


 2x + 3y − 4z = 1
− 4y + 2z = 0 ,
x − y + 5z = 1

la matrice dei coefficienti è  


2 3 −4
A =  0 −4 2  .
1 −1 5
Il sistema è determinato (giacché detA = −46) e:
 
9/23 11/46 5/23
 
A−1
 
=
 −1/23 −7/23 2/23 .

 
−2/23 −5/46 4/23
CHAPTER 3. SISTEMI LINEARI 12

Allora la soluzione del sistema in forma matriciale è:


   
  9/23 11/46 5/23   14/23
x 

 1





 y  =  −1/23 −7/23 2/23   0  =  1/23 .
   
z   1  
−2/23 −5/46 4/23 2/23
14 1 2
Da cui: x = 23 , y= 23 , z= 23 .

Osservazione. Il metodo della matrice inversa è particolarmente utile se si debbono risolvere più sistemi di equazioni
lineari aventi la stessa matrice dei coefficienti.

Ad esempio, si considerino i tre sistemi seguenti:



 x + 2y + z = 0
α) 2x + y + z = 1 ;
x + 3y + z = 2


 x + 2y + z = 0
β) 2x + y + z = −1 ;
x + 3y + z = 1


 x + 2y + z = 1
γ) 2x + y + z = 0 .
x + 3y + z = 0

CHAPTER 3. SISTEMI LINEARI 13

La matrice dei coefficienti, comune ai tre sistemi, è


 
1 2 1
A=2 1 1,
1 3 1
che non è singolare giacché detA = 1. Pertanto i sistemi dati sono determinati.
Calcoliamo la matrice inversa di A :  
−2 1 1
A−1 =  −1 0 1  .
5 −1 −3
La soluzione del sistema α), in forma matriciale, è:
      
x −2 1 1 0 3
 y  =  −1 0 1   1  =  2  ;
z 5 −1 −3 2 −7
da cui si ricava: x = 3; y = 2; z = −7.
La soluzione del sistema β), in forma matriciale, è:
       
x −2 1 1 0 0
 y  =  −1 0 1   −1  =  1  ;
z 5 −1 −3 1 −2
da cui segue: x = 0; y = 1; z = −2.
Infine, per il sistema γ), la soluzione in forma matriciale è:
       
x −2 1 1 1 −2
 y  =  −1 0 1   0  =  −1  ;
z 5 −1 −3 0 5
da cui discende: x = −2; y = −1; z = 5.

CHAPTER 3. SISTEMI LINEARI 14

3.2.2 Teorema di Cramer


Dato il sistema


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


ai1 x1 + ai2 x2 + . . . + ain xn = bi (3.3)
. . . . . . . . . .




an1 x1 + an2 x2 + . . . + ann xn = bn ,

se la matrice dei coefficienti è non singolare, allora il sistema ammette una e una sola soluzione data da:

detB (1) detB (k) detB (n)


x1 = . . . , xk = . . . , xn = ,
detA detA detA

dove B (i) indica la matrice  


a11 . . . b1 . . . a1n
 .. . . . . . . . . 
(i)
 
B =
 ak1 . . . bk . . . akn .
,
 .. . . . . . . . . 
an1 . . . bn . . . ann

i-esima colonna

ottenuta da A sostituendo all’i-esima colonna di A la colonna dei termini noti.


CHAPTER 3. SISTEMI LINEARI 15

Esercizio 4 Dato il sistema 


 2x − 6y + 3z = 1
x − 3y + z = 2 ,
−x + 2y + 4z = 1

la matrice dei coefficienti è  


2 −6 3
A =  1 −3 1 
−1 2 4
e risulta detA = −1, quindi la matrice A è non singolare.
Il sistema dato è quindi determinato; ha, cioè, un’unica soluzione. Applicando la regola di Cramer otteniamo:
 
1 −6 3
B (1) =  2 −3 1  , detB (1) = 49 ,
1 2 4
 
2 1 3
B (2) =  1 2 1  , detB (2) = 18 ,
−1 1 4
 
2 −6 1
B (3) =  1 −3 2  , detB (3) = 3 .
−1 2 1
Allora (cfr.(2.13)):
detB (1) detB (2) detB (3)
x= = −49, y = = −18, z = = −3.
detA detA detA
CHAPTER 3. SISTEMI LINEARI 16

Esercizio 5 Dato il sistema 



 x − y + z + w = 1
x − 2z + w = 0

,

 −2x + y − z − w = −1
−x − 3y + z = −2

la matrice dei coefficienti è  


1 −1 1 1
 1 0 −2 1 
A= 
 −2 1 −1 −1 
−1 −3 1 0
e risulta detA = 8. Il sistema ha quindi un’unica soluzione.
D’altronde:  
1 −1 1 1
 0 0 −2 1 
B (1) = 
 −1 1 −1 −1  ,
 detB (1) = 0 ,
−2 −3 1 0
 
1 1 1 1
 1 0 −2 1 
B (2) = 
 −2 −1 −1 −1  ,
 detB (2) = 7 ,
−1 −2 1 0
 
1 −1 1 1
 1 0 0 1
B (3) = 
 −2 1 −1 −1  ,
 detB (3) = 5 ,
−1 −3 −2 0
CHAPTER 3. SISTEMI LINEARI 17

 
1 −1 1 1
 1 0 −2 0 
B (4) =
 −2 1 −1 −1  ,
 detB (4) = 10 .
−1 −3 1 −2
Allora, dalla regola di Cramer, segue:
detB (1) detB (2) 7 detB (3) 5 detB (4) 5
x= = 0; y= = ; z= = ; w= = .
detA detA 8 detA 8 detA 4
CHAPTER 3. SISTEMI LINEARI 18

Abbiamo fin qui esaminato il caso di un sistema di n equazioni lineari in n incognite, con detA 6= 0; in queste
ipotesi il sistema ammette una ed una sola soluzione ed abbiamo dato due metodi (metodo della matrice inversa e
regola di Cramer) per calcolarla.
Nel caso di un sistema di n equazioni lineari in n incognite con detA = 0, vedremo più avanti, alla luce del teorema di
Rouché-Capelli, quando il sistema ha soluzioni e, se ne ha, come calcolarle.

3.3 Teorema di Rouché-Capelli

Sistemi di m equazioni in n incognite

Consideriamo ora un sistema di m equazioni lineari in n incognite:




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


ai1 x1 + ai2 x2 + . . . + ain xn = bi , (3.4)
. . . . . . . . . .




am1 x1 + am2 x2 + . . . + amn xn = bm

dove m può essere maggiore, minore o uguale ad n.


Siano, come al solito, A la matrice dei coefficienti e B il vettore colonna dei termini noti:

   
a11 a12 . . . . a1n b1

 . . . . . . .  

 . 

A=
 ai1 ai2 . . . . ain 
 e B=
 bi 

 . . . . . . .   . 
am1 am2 . . . . amn bm
CHAPTER 3. SISTEMI LINEARI 19

Chiameremo matrice completa del sistema (3.4) la matrice m × (n + 1)

 
a11 a12 . . . . a1n b1

 . . . . . . . . 

(A B) = 
 ai1 ai2 . . . . ain bi ,

 . . . . . . . . 
am1 am2 . . . . amn bm
ottenuta aggiungendo ad A la colonna B dei termini noti. Ci possiamo riferire ad A come alla matrice incompleta.

Osserviamo che, poiché ogni sottomatrice di A è anche sottomatrice di (A B), si ha

carA ≤ car(A B),

cioè, la caratteristica di A è in ogni caso ≤ della caratteristica della matrice completa.

La risolubilità del sistema (3.4) viene stabilita dal seguente teorema, del quale omettiamo la dimostrazione.

Teorema 1 ( Rouché-Capelli)
Un sistema di m equazioni lineari in n incognite ammette soluzioni se e solo se

carA = car(A B),

cioè, se le matrici completa ed incompleta del sistema hanno la stessa caratteristica.


CHAPTER 3. SISTEMI LINEARI 20

Se il sistema è risolubile, indichiamo con k la caratteristica comune delle matrici A e (A B).


Per risolvere il sistema si procede nel modo seguente:

1) si considera un nuovo sistema, costituito dalle k equazioni individuate dal minore non nullo
le altre m − k equazioni si possono eliminare, in quanto risulteranno combinazione lineare di quelle che abbiamo
scelto;
2) nel sistema cosı̀ ottenuto, di k equazioni in n incognite, si scelgono, come incognite, le k incognite
individuate dal minore non nullo, le rimanenti n-k saranno trasportate a secondo membro e trattate
come parametri;

Abbiamo ricondotto il sistema ad un sistema di k equazioni in k incognite con matrice dei coefficienti non singolare:

3) si risolve questo sistema (di k equazioni in k incognite, che ha determinante diverso da zero) con le regole note
(metodo della matrice inversa, regola di Cramer, o eventuali altri metodi);
• se è k < n, il sistema ammette infinite soluzioni, dato che ad n−k incognite si possono attribuire valori arbitrari;
in tal caso si suole dire che il sistema ammette ∞n−k soluzioni (l’esponente n − k dato ad ∞ denota che la
soluzione dipende da n − k parametri);
• se è k = n, il sistema ammette una sola soluzione, dato che a nessuna incognita si assegna un valore arbitrario.
CHAPTER 3. SISTEMI LINEARI 21

Esercizio 6 Risolviamo il sistema


 2x − y = 1
x + y = −2 .
−x + 2y = −3

Le matrici incompleta e completa del sistema sono rispettivamente

   
2 −1 2 −1 1
 1 1,  1 1 −2  .
−1 2 −1 2 −3

1 1
La prima ha caratteristica 2 perché è non nullo il minore = 3, e la seconda ha pure caratteristica 2, giacché
−1 2

2 −1 1

l’unico minore del terzo ordine che da essa si può estrarre, cioè il determinante 1 1 −2 , è nullo in quanto la
−1 2 −3
a
2 riga è somma delle altre due.
Per il teorema di Rouché-Capelli il sistema è compatibile e, poiché la caratteristica comune delle matrici completa ed
incompleta è uguale al numero delle incognite, esso ammette una ed una sola soluzione. Per determinarla, consideriamo,
ad esempio, il sistema formato dalle ultime due equazioni:

x + y = −2
,
−x + 2y = −3

1 1
in quanto il determinante dei coefficienti, , è diverso da zero.
−1 2
CHAPTER 3. SISTEMI LINEARI 22

Se si risolve quest’ultimo sistema, ad esempio con la regola di Cramer, si ottiene:



−2 1 1 −2

−3 2 1 −1 −3 5
x= =− , y= =− .
1
1 3 1 1
3
−1 2 −1 2
La coppia ordinata (− 31 , − 53 ) è l’unica soluzione del sistema dato.

Esercizio 7 Risolviamo il sistema 


 x + y − z + t= 1
−2x + y + 2z = 2 .
−x + 2y + z + t = 3

Le matrici incompleta e completa del sistema sono rispettivamente


   
1 1 −1 1 1 1 −1 1 1
 −2 1 2 0  ,  −2 1 2 0 2 .
−1 2 1 1 −1 2 1 1 3

Si vede facilmente che sono nulli tutti i minori del terzo ordine che si possono estrarre da esse, in quanto gli elementi
della terza riga si ottengono sommando i corrispondenti elementi delle prime due righe.
1 1
Inoltre entrambe le matrici hanno un minore del secondo ordine diverso da zero, ad esempio ; pertanto la loro
−2 1
caratteristica è uguale a 2.
Per il teorema di Rouché-Capelli il sistema è compatibile ed ammette ∞n−k = ∞2 soluzioni. Per determinarle conside-
riamo, ad esempio, le prime due equazioni

x + y − z + t= 1
,
−2x + y + 2z = 2
CHAPTER 3. SISTEMI LINEARI 23

1 1
in quanto in esse la matrice dei coefficienti ha caratteristica uguale a 2, essendo = 3.
−2 1
Quest’ultimo minore è formato dai coefficienti delle incognite x e y. Dopo aver riscritto l’ultimo sistema nella forma:

x + y = 1 + z − t
,
−2x + y = 2 − 2z

attribuiamo valori arbitrari indipendenti a z eda t e risolviamo rispetto ad x e y, ad esempio con la regola di Cramer:


1 + z − t 1
2 − 2z 1 −1 + 3z − t
x= = ,
1 1
3
−2 1

1 1+z−t

−2 2 − 2z 4 − 2t
y= = .
1 1
3
−2 1

Le soluzioni del sistema sono allora date da:

−1 + 3z − t 4 − 2t
x= , y= , z = z, t = t,
3 3

al variare comunque di z e t nell’insieme dei numeri reali.


CHAPTER 3. SISTEMI LINEARI 24

Esercizio 8 Risolviamo il sistema



x − y + z = 1
.
2x − 2y + 2z = 3

Le matrici incompleta e completa del sistema sono rispettivamente


   
1 −1 1 1 −1 1 1
, .
2 −2 2 2 −2 2 3

Poiché nella prima matrice gli elementi della seconda riga sono proporzionali a quelli della prima riga, tutti i minori
del secondo ordine sono nulli; quindi la caratteristica è 1.
La seconda matrice ha caratteristica 2, perché è non nullo il minore

1 1
2 3 = 1.

Per il teorema di Rouché-Capelli il sistema è incompatibile: ossia non ha soluzioni. A questa stessa conclusione,
peraltro, possiamo rapidamente arrivare dopo avere diviso la seconda equazione del sistema per 2.

Esercizio 9 Risolviamo il sistema



x1 − x2 + x3 = 1
.
x1 − x2 + 2x3 = 0

Le matrici incompleta e completa del sistema sono rispettivamente


   
1 −1 1 1 −1 1 1
, .
1 −1 2 1 −1 2 0
CHAPTER 3. SISTEMI LINEARI 25

1 1
Poiché M13 = = 1, esse hanno la stessa caratteristica k = 2 ed il sistema ammette ∞1 soluzioni. Per risolvere
1 2
il sistema, consideriamo x1 ed x3 come incognite ed x2 come parametro:

x1 + x3 = 1 + x2
. (3.5)
x1 + 2x3 = x2

Serviamoci, ad esempio, del metodo della matrice inversa. Posto


     
1 1 1 + x2 x1
A= B= , X=
1 2 x2 x3
il sistema (2.15) si scrive in forma matriciale:
A · X = B,
da cui segue:

X = A−1 · B. (3.6)
 
−1 2 −1
Poiché A = , dalla (2.16) segue:
−1 1
       
x1 2 −1 1 + x2 2 + x2
= · = .
x3 −1 1 x2 −1

Le soluzioni del sistema sono, allora:


x1 = 2 + x2 , x2 = x2 , x3 = −1,
dove x2 assume valori arbitrari.
CHAPTER 3. SISTEMI LINEARI 26

3.4 Sistemi omogenei

Consideriamo, ora, un sistema omogeneo di m equazioni lineari in n incognite:



 a11 x1 + a12 x2 + . . . + a1n xn = 0
 . . . . . . . . . .


ai1 x1 + ai2 x2 + . . . + ain xn = 0 (3.7)
. . . . . . . . . .




am1 x1 + am2 x2 + . . . + amn xn = 0

che, in forma matriciale, si scrive:


A · X = 0.
È evidente che questo sistema ammette sempre la soluzione: x1 = 0, x2 = 0, . . . , xn = 0, detta soluzione nulla o
impropria; pertanto esso è compatibile. Ciò in accordo, anche, col teorema di Rouché-Capelli giacché, essendo nulli i
termini noti, la caratteristica della matrice incompleta è uguale alla caratteristica della matrice completa.
Per le applicazioni è interessante il caso in cui il sistema ammette soluzioni diverse da quella nulla.
A questo proposito, da quanto è stato detto nel precedente paragrafo, se denotiamo con k la caratteristica di A, possiamo
facilmente dedurre:

n = k =⇒ il sistema (2.17) ha un0 unica soluzione,


quella nulla;
n > k =⇒ il sistema (2.17) ha ∞n−k soluzioni.
CHAPTER 3. SISTEMI LINEARI 27

Esercizio 10 Risolviamo il sistema:



x − y + z = 0
.
x + 2y + 2z = 0

Vediamo se esistono soluzioni non nulle. La matrice dei coefficienti è

 
1 −1 1
1 2 2

1 −1
e, poiché = 3, la sua caratteristica è 2 (uguale ovviamente alla caratteristica della matrice completa !).
1 2
Poiché n = 3, il sistema dato ha ∞1 soluzioni. Per determinarle, basta risolvere rispetto ad x e y, con uno dei metodi
noti, il sistema:

x − y = − z
.
x + 2y = − 2z

Si trova: x = − 43 z, y = − z3 , z = z. Attribuendo a z il valore 0, si ritrova la soluzione (0,0,0).

Esercizio 11 Risolviamo il sistema: 


 3x + 5y + 2z = 0
−x + 2y + 3z = 0 .
2x − 3y − z = 0

CHAPTER 3. SISTEMI LINEARI 28

La matrice dei coefficienti è  


3 5 2
 −1 2 3 
2 −3 −1

il cui determinante è 44. Poiché k = n = 3, il sistema ammette solo la soluzione (0,0,0).

Esercizio 12 Risolviamo il sistema: 


 x − 2y + z = 0
2x + y − z = 0 .
x + 3y − 2z = 0

La matrice dei coefficienti è  


1 −2 1
 2 1 −1 
1 3 −2

la cui caratteristica è k = 2, essendo



1 −2 1
1 −1
2 1 −1 = 0 e = 1.
3 −2
1 3 −2

Poiché n = 3, il sistema dato ha ∞1 soluzioni. Per determinarle, basta risolvere rispetto ad y e z il sistema

y − z = −x
.
3y − 2z = −x
CHAPTER 3. SISTEMI LINEARI 29

Si trova x = x, y = 3x, z = 5x.

Esercizio 13 Risolviamo il sistema: 


x + y = 0
x − y = 0 .
x + 3y = 0

La matrice dei coefficienti è  


1 1
 1 −1 
1 3

la cui caratteristica è k = 2. Poiché k = n = 2, il sistema ammette solo la soluzione (0,0).


CHAPTER 3. SISTEMI LINEARI 30

3.5 Esercizi

1. Risolvere, sia con il metodo della matrice inversa sia con la regola di Cramer, i seguenti sistemi:

 2x − y + 4z = 5
1.a) −x + y − 5z = −2 ;
−2x + 5y + 7z = −1


 3x − 2y + z = 2
1.b) 2x − z = 3 ;
−x − 4y = −1


 2x + 3y + z = 11
1.c) 3x + 4y − 2z = 5 ;
8x + 5y − 3z = 9


 3x − 4y + 2z = 3
1.d) 2x + 5y − 3z = 9 ;
x + y − z = 0


 −2x + 3y + 4z = 10
1.e) 4x − 2y + 5z = 22 .
−3x + 5y + 3z = 11

Soluzione:
1.a) x = 3; y = 1; z = 0, 1.d) x = 3; y = 6; z = 9,
1.b) x = 1; y = 0; z = −1, 1.e) x = 5; y = 4; z = 2,
1.c) x = 1; y = 2; z = 3.
CHAPTER 3. SISTEMI LINEARI 31

2. Verificare se i seguenti sistemi sono compatibili e, nel caso affermativo, calcolarne le soluzioni:

 −x1 + x2 + x3 = 5
2.a) −2x1 − 4x2 + x3 = −4 ;
−5x1 − x2 + 4x3 = 6


 x1 + 2x2 + 5x3 = 2
2.b) 2x1 + 5x2 + 7x3 = 8 ;
−2x1 − 3x2 + 4x3 + x4 = 5



 x1 + x2 + x3 = 2
−3x1 − x2 + 2x3 = 5

2.c) ;

 6x1 + 4x2 + x3 = 1
−4x1 − 2x2 + x3 = 3


 3x1 + 2x3 + 2x4 = 6
2.d) x + 3x2 + x3 = 1 ;
 1
2x1 + 3x2 − x3 + 4x4 = 5

 2x1 − 3x2 − 3x3 + 2x4 = −1
2.e) 4x1 − 7x2 + x3 + 10x4 = 1 ;
4x1 − 6x2 − 6x3 + 4x4 = 7


 5x1 + 2x2 = 1
2.f ) 4x1 + 5x2 = 15 ;
3x1 − x2 = 2

CHAPTER 3. SISTEMI LINEARI 32

 −x1 + 3x2 − 7x3 = 4
2.g) 3x1 + x2 + x3 = 8 ;
x1 + x2 − x3 = 4


 2x1 − 4x2 + 10x3 + x4 − 5x5 = 2
2.h) 2x1 − 2x2 + 2x3 + 3x4 − 5x5 = 4 ;
2x1 − 3x2 + 6x3 + 3x4 − 8x5 = 5


 x1 + 9x2 − 14x3 = −11
2.i) x1 − 5x2 + 8x3 = 9 .
2x1 − 10x2 + 16x3 = 15

Soluzione:

2.a) incompatibile,
2.b) x1 = −6 − 11t; x2 = 4 + 3t; x3 = t; x4 = 5 − 17t ,
2.c) x1 = t; x2 = − 1+5t 7+2t
3 ; x3 = 3 ,
2.d) x1 = 5−3t t−3 5t−3
2 ; x2 = 12 ; x3 = 4 ; x4 = t ,
2.e) incompatibile,
2.f ) incompatibile,
2.g) x1 = 2 − t; x2 = 2 + 2t; x3 = t ,
2.h) x1 = 3x3 − 5x5 − 2; x2 = 4x3 − 3x5 − 1; x3 = x3 ;
x4 = 2 + 3x5 ; x5 = x5 ,
2.i) incompatibile.
CHAPTER 3. SISTEMI LINEARI 33

3. Risolvere i sistemi:

 x1 − 2x2 + 4x3 = 0
3.a) x1 + 2x2 − 3x3 = 0 ;
−x1 + x2 = 0


 x1 + x2 − x3 = 0
3.b) x2 + 4x3 = 0 ;
x1 − x2 + x3 = 0


−3x1 + 2x2 + x3 = 0
3.c) ;
x1 − 2x2 + x3 = 0

 x1 + 2x2 + x3 = 0
3.d) x1 + 2x2 + x3 = 0 .
x1 + 2x2 + x3 = 0

Soluzione:
3.a) x1 = 0; x2 = 0; x3 = 0 , 3.c) x1 = t; x2 = t; x3 = t ,
3.b) x1 = 0; x2 = 0; x3 = 0 , 3.d) x1 = x1 ; x2 = x2 ;
x3 = −x1 − 2x2 .

Bibliografia

B. Bongiorno , L. Di Piazza, Istituzioni di Matematiche I. Algebra lineare, Libreria dello Studente, Palermo.