Algebra delle matrici

Definizione di matrice
Si definisce matrice di ordine m×n ogni tabella Am×n formata da
elementi disposti su m righe ed n colonne.
𝑎𝑎11 𝑎𝑎12 … 𝑎𝑎1𝑛𝑛
𝑎𝑎21 𝑎𝑎22 … 𝑎𝑎2𝑛𝑛
𝐴𝐴𝑚𝑚×𝑛𝑛 = … … … …
𝑎𝑎𝑚𝑚𝑚 𝑎𝑎𝑚𝑚𝑚 …𝑎𝑎𝑚𝑚𝑚𝑚

Ogni elemento aij è definito dalla coppia di elementi (i,j) che indicano la
i-esima riga e la j-esima colonna. Un singolo elemento aij è detto
scalare. Gli elementi per cui i = j formano la diagonale principale.
Definizione di matrice
Ad esempio di matrice A4×3 è la seguente matrice formata da 4 righe e 3
colonne:
5 1 3
𝐴𝐴4×3 = 12 8 −4
9 0 32
6 15 4
Inoltre, ogni riga di una matrice è un vettore riga:
𝑟𝑟1×3 = 12 8 −4
E ogni colonna è un vettore colonna:
3
𝑐𝑐4×1 = −4
32
4
Operazioni tra matrici
Somma tra matrici: siano Am×n e Bm×n due matrici dello stesso ordine. Si
definisce A+Bm×n = Am×n + Bm×n la matrice ottenuta sommando gli
elementi delle due matrici dello stesso posto.

Esempio:
5 1 3 8 −1 6 13 0 9
𝐴𝐴4×3 = 12 8 −4 + 𝐵𝐵 4 0 11 = 𝐴𝐴 + 𝐵𝐵4×3 = 16 8 7
9 0 32 4×3 = −3 2 5 6 2 37
6 15 4 21 4 3 27 19 7
Operazioni tra matrici
Somma tra matrici: Proprietà:
• A + B = B + A (proprietà commutativa);
• (A + B) + C = A + (B + C) (proprietà associativa);
• A + 0 = 0 + A = A (esiste l’elemento neutro);
• per ogni matrice A esiste − A tale che A − A = 0 (matrice opposta di A).

0 0 …0
L’elemento neutro della somma è detto matrice nulla 0𝑚𝑚×𝑛𝑛 0 0
= … …0
… ……
0 0 …0
Operazioni tra matrici
Prodotto di uno scalare per una matrice: siano Am×n una matrice e k
uno scalare. Il prodotto kAm×n ha come elementi tutti gli elementi della
matrice A moltiplicati per lo scalare k

Esempio:
5 1 3 10 2 6
𝐴𝐴4×3 = 12 8 −4 � 𝑘𝑘 = 2 = 𝑘𝑘𝑘𝑘 24 16 −8
9 0 32 4×3 = 18 0 64
6 15 4 12 30 8
Operazioni tra matrici
Prodotto scalare: Dati i vettori u1×n e v1×n si definisce prodotto scalare la
somma del prodotto degli elementi dello stesso posto:

𝑢𝑢𝑢𝑢 = 𝑢𝑢1 𝑣𝑣1 + 𝑢𝑢2 𝑣𝑣2 + ⋯ +𝑢𝑢𝑛𝑛 𝑣𝑣𝑛𝑛

Prodotto righe per colonne: siano Am×n e Bn×t tali per cui il numero di
colonne di A è uguale al numero di righe di B. Si definisce il prodotto
righe per colonne ABm×t la matrice i cui elementi sono dati dai prodotti
scalari delle righe di A e delle colonne di B.
Operazioni tra matrici
Prodotto scalare: Esempio:
2
𝑢𝑢 = 5 1 3 � 𝑣𝑣 = 0 = 10 + 0 + 18 = 28
6

Prodotto righe per colonne: Esempio:

5 1 3 28 22
2 3
12 8 −4 � 𝐵𝐵 0 36
𝐴𝐴4×3 = 3×2 = 0 1 = 𝐴𝐴𝐵𝐵4×2 =
9 0 32 210 91
6 2
6 15 4 36 41
Operazioni tra matrici
Prodotto righe per colonne: La matrice del prodotto righe per colonne
è data da dai seguenti elementi:
𝑎𝑎𝑎𝑎11 = 5 � 2 + 1 � 0 + 3 � 6 = 28 𝑎𝑎𝑎𝑎12 = 5 � 3 + 1 � 1 + 3 � 2 = 22
𝑎𝑎𝑎𝑎21 = 12 � 2 + 8 � 0 − 4 � 6 = 0 𝑎𝑎𝑎𝑎22 = 12 � 3 + 8 � 1 − 4 � 2 = 36
𝐴𝐴𝐵𝐵4×2 =
𝑎𝑎𝑎𝑎31 = 9 � 2 + 0 � 0 + 32 � 6 = 210 𝑎𝑎𝑎𝑎32 = 9 � 3 + 0 � 1 + 32 � 2 = 91
𝑎𝑎𝑎𝑎41 = 6 � 2 + 15 � 0 + 4 � 6 = 36 𝑎𝑎𝑎𝑎42 = 6 � 3 + 15 � 1 + 4 � 2 = 41
Operazioni tra matrici
Prodotto righe per colonne: Esempio:

1 2 1 2
0 4
𝐴𝐴3×4 = 0 2 1 = 𝐴𝐴𝐵𝐵3×2
−1 3 5 � 𝐵𝐵4×2 = −1 0
1 −3 2 0 4 −5
𝑎𝑎𝑎𝑎11 = 1 � 1 + 2 � 2 + 0 � −1 + 4 � 4 = 21 𝑎𝑎𝑎𝑎12 = 1 � 2 + 2 � 1 + 0 � 0 + 4 � −5 = −16
𝑎𝑎𝑎𝑎21 = 0 � 1 − 1 � 2 + 3 � −1 + 5 � 4 = 15 𝑎𝑎𝑎𝑎22 = 0 � 2 − 1 � 1 − 3 � 0 + 5 � −5 = −26
=
𝑎𝑎𝑎𝑎31 = 1 � 1 − 3 � 2 + 2 � −1 + 0 � 4 = −7 𝑎𝑎𝑎𝑎32 = 1 � 2 − 3 � 1 + 2 � 0 + 0 − 5 = −1
Operazioni tra matrici
Prodotto righe per colonne: Proprietà:
• AB ≠ BA (non vale la proprietà commutativa. Inoltre BA esiste se e
solo se il numero di colonne di B è uguale al numero di righe di A);
• (AB)C = A(BC) (proprietà associativa);
• AI = A (esiste l’elemento neutro).
L’elemento neutro del…prodotto righe per colonne è detto matrice
1 0 0
identità 𝐼𝐼𝑚𝑚×𝑚𝑚 0
= … 1 …0
… ……
0 0 …1
Operazioni tra matrici
Traposta: sia Am×n una matrice m×n si definisce AT la matrice n×m che si
ottiene invertendo le righe e le colonne.
Esempio:
5 1 3
5 12 9 6
𝐴𝐴4×3 = 12 8 −4 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝐴𝐴𝑇𝑇 =
9 0 32 3 ×4 1 8 0 15
6 15 4 3 −4 32 4

Proprietà: 𝐴𝐴𝑇𝑇 𝑇𝑇 = 𝐴𝐴
Proprietà distributiva: 𝐴𝐴 + 𝐵𝐵 𝑇𝑇 = 𝐴𝐴𝑇𝑇 + 𝐵𝐵𝑇𝑇 rispetto alla somma
𝑘𝑘𝑘𝑘 𝑇𝑇 = 𝑘𝑘𝑘𝑘𝑇𝑇 rispetto al prodotto scalare
𝐴𝐴𝐴𝐴 𝑇𝑇 = 𝐵𝐵𝑇𝑇 𝐴𝐴𝑇𝑇 rispetto al prodotto righe per colonne
Operazioni tra matrici
Sottomatrici: sia Am×n una matrice m×n. Una sottomatrice di A è una
qualsiasi matrice contenuta in A.
Esempio:
5 1 3
5 12 9
𝐴𝐴4×3 = 12 8 −4 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝐴𝐴′ =
9 0 32 3 ×3 1 8 0
6 15 4 3 −4 32

5 3
12 −4 12 8
𝐴𝐴′′
4×2 = 𝑒𝑒 𝐴𝐴′′′
2×2 =
9 32 6 15
6 4
Sono sottomatrici di A.
Matrici particolari
Matrice quadrata: una matrice A si dice quadrata se ha lo stesso
numero di righe e di colonne.
Matrice simmetrica: una matrice quadrata A si dice simmetrica se
coincide con la sua trasposta.
Matrice triangolare: una matrice A si dice triangolare alta se tutti gli
elementi al di sotto della diagonale principale sono nulli o triangolare
bassa se tutti i suoi elementi al di sopra della diagonale sono nulli.
Matrice diagonale: una matrice A si dice diagonale se tutti gli elementi
esterni alla diagonale principale sono nulli.
Traccia: si definisce traccia di una matrice A la somma degli elementi
della diagonale principale.
Determinante di una matrice
Il determinante di una matrice quadrata A è uno scalare che definisce
alcune proprietà algebriche e geometriche della matrice. Il calcolo del
determinante dipende dall’ordine della matrice:
• Matrici di ordine 1: le matrici di ordine 1 corrispondono a uno scalare
a per cui il determinante della matrice è proprio a.
• Matrici di ordine 2: per le matrici di ordine 2 il determinante è il
prodotto scalare tra la diagonale principale e l’altra diagonale.

𝑎𝑎11 𝑎𝑎12
𝑑𝑑𝑑𝑑𝑑𝑑 𝐴𝐴2×2 = 𝑑𝑑𝑑𝑑𝑑𝑑 𝑎𝑎 𝑎𝑎22 = 𝑎𝑎11 𝑎𝑎22 − 𝑎𝑎12 𝑎𝑎21
21
Determinante di una matrice
• Matrici di ordine 3: per le matrici di ordine 3 si segue lo schema di
Sarrus così definito:

𝑑𝑑𝑑𝑑𝑑𝑑 𝐴𝐴3×3 = = 𝑎𝑎11 𝑎𝑎22 𝑎𝑎33 + 𝑎𝑎12 𝑎𝑎23 𝑎𝑎31 + 𝑎𝑎13 𝑎𝑎21 𝑎𝑎32 −
−(𝑎𝑎31 𝑎𝑎22 𝑎𝑎13 + 𝑎𝑎32 𝑎𝑎23 𝑎𝑎21 + 𝑎𝑎33 𝑎𝑎21 𝑎𝑎12 )
Determinante di una matrice
• Matrici di ordine superiore a 3: il determinante è definito in modo
ricorsivo dal teorema di Laplace:
• Sia A una matrice quadrata. Si indica con Aij la sottomatrice di A che si ottiene
eliminando la riga i e la colonna j;
• Si definisce minore complementare di A il determinante di un suo minore;
• L’elemento aij è di posto pari se i+j è pari altrimenti è di posto dispari;
• Si definisce complemento algebrico Cij della matrice A il determinante della
sottomatrice Aij se aij se è di posto pari o il suo opposto se dispari;
• Il determinante di A sarà dato dalla somma del prodotto dell’elemento aij per il
complemento algebrico Cij per riga o per colonna
𝑛𝑛 𝑛𝑛

𝑑𝑑𝑑𝑑𝑑𝑑 𝐴𝐴𝑛𝑛×𝑛𝑛 = � aijCij = � aijCij

𝑖𝑖=1 𝑗𝑗=1
Determinante di una matrice
1 −1 0 1
• Matrici di ordine superiore a 3: Esempio: 𝐴𝐴 = 2 0 1 1
0 −1 1 1
0 0 2 1
Applicando il teorema di Laplace alla prima riga:

Da cui: 𝐷𝐷𝐷𝐷𝐷𝐷(𝐴𝐴) = 1 � (– 1) – (– 1) � ( – 6) + 0 � (– 2) – 1 � (– 4) = – 3
Determinante di una matrice
Proprietà:
det(A) = det(AT);
det(AB) = det(A) ⋅ det(B);
Se A possiede una riga o una colonna nulla allora det(A) = 0;
Se A possiede due linee uguali allora det(A) = 0;
Se la matrice B si ottiene da A scambiando due linee det(B) = -det(A);
Se A è una matrice triangolare allora il determinante è uguale al
prodotto degli elementi della diagonale.
Inversa di una matrice di una matrice
Matrice aggiunta: sia A una matrice quadrata. Si definisce matrice
aggiunta A* la matrice dei complementi algebrici di A:

𝐶𝐶11 𝐶𝐶12 … 𝐶𝐶1𝑛𝑛

…𝐶𝐶2𝑛𝑛
𝐴𝐴∗ = 𝐶𝐶…
21 𝐶𝐶22
… ……
𝐶𝐶𝑛𝑛1 𝐶𝐶𝑛𝑛2 …𝐶𝐶𝑛𝑛𝑛𝑛
Inversa di una matrice di una matrice
Matrice aggiunta: Esempio. Le sottomatrici della matrice A sono:

3 6 1
∗ −3 3 ∗ 0 3 ∗ 0 −3
𝐴𝐴 = 0 −3 3 𝐴𝐴11 = 𝐴𝐴12 = − 𝐴𝐴13 =
2 4 2 4 2 2
2 2 4
6 1 ∗ 3 1 ∗ 0 −3
𝐴𝐴∗21 = − 𝐴𝐴22 = 𝐴𝐴23 = −
2 4 2 4 2 2

6 1 ∗ 3 1 ∗ 3 6
𝐴𝐴∗31 = 𝐴𝐴32 = − 𝐴𝐴33 =
−3 3 0 3 0 3
Inversa di una matrice di una matrice
Matrice aggiunta: Esempio. Le sottomatrici di A si ottiene la matrice
aggiunta A*:
3 6 1 −18 6 6
𝐴𝐴 = 0 −3 3 𝐴𝐴∗ = −22 10 6
2 2 4 21 −9 −9

Condizione necessaria e sufficiente affinché una matrice quadrata A sia

invertibile è che det(𝐴𝐴) ≠ 0. In tal caso, l’inversa della matrice A è data dal
rapporto tra la matrice aggiunta trasposta e il determinante:
−1
1
𝐴𝐴 = 𝐴𝐴∗ 𝑇𝑇
det(𝐴𝐴)

Una matrice quadrata A per cui det 𝐴𝐴 = 0 è detta singolare.

Inversa di una matrice di una matrice
Matrice inversa: il determinante della matrice A si può ottenere col
metodo di Sarrus: det 𝐴𝐴 = −36 + 0 + 36 + 6 − 18 − 0 = −12 ≠ 0.
L’inversa della matrice A è quindi la seguente:

3 11 −7
1 1 −18 −22 21 2 6 4
−1 −5 3
𝐴𝐴−1 = 𝐴𝐴∗ = 6 10 −9 = 2 6 4
det(𝐴𝐴) −12
6 6 −9 −1 −1 3
2 2 4
Inversa di una matrice di una matrice
Matrice inversa: la matrice inversa A-1 è quella matrice tale per cui il
prodotto righe per colonne con la matrice A ha come risultato la
matrice identità I:
3 11 −7
3 6 1 2 6 4 1 00
−1 −5 3
𝐴𝐴 = 0 −3 3 𝐴𝐴−1 = 2 6 4 = 𝐼𝐼 = 0 1 0
2 2 4 −1 −1 3 0 01
2 2 4
Rango di una matrice
Sia A una matrice m×n. Si definisce rango di A l’ordine massimo p della
sottomatrice per cui esiste almeno un determinante diverso da zero. Il
rango può essere al massimo uguale al minimo tra il numero di righe e
il numero di colonne.
5 1 3
Esempio: 𝐴𝐴4×3 = 12 8 −4
9 0 32
6 15 4
Minori e orlati
Sia A una matrice m×n. Si definisce minore di ordine p, con p ≤
min(n,m) il determinante della matrice estratta da A eliminando m-p
righe e n-p colonne. La matrice ottenuta è quindi quadrata di ordine p.
Eliminando righe e colonne differenti si ottengono più matrici quadrate
di ordine p da cui calcolare i minori di ordine p.

Un orlato di ordine p+1 è il determinante della matrice che si ottiene

aggiungendo una riga e una colonna alla matrice quadrata di ordine p.
La matrice dell’orlato è a sua volta una matrice quadrata ma di ordine
p+1.
Rango di una matrice
5 1 3
Esempio: 𝐴𝐴4×3 = 12 8 −4
9 0 32
6 15 4

Minore di ordine 1: 𝑎𝑎11 = 5 ≠ 0

5 1
Minore di ordine 2: det = 40 − 12 = 28 ≠ 0
12 8
5 1 3
Minore di ordine 3: det 12 8 −4 = 664 ≠ 0
9 0 32
La matrice ha rango massimo = 3.
Teorema degli orlati
Il teorema di Kronecker (o dei minori orlati o semplicemente degli
orlati) è un teorema di algebra lineare che permette di calcolare il
rango di una matrice.

Sia A una matrice m×n. Il rango della matrice A è p se esiste un minore

di ordine p diverso da zero e se tutti i suoi orlati di ordine p+1 sono
uguali a zero.
Teorema degli orlati
Il teorema di Kronecker (o dei minori orlati o semplicemente degli
orlati)
CONDIZIONE NECESSARIA E SUFFICIENTE affinchè una matrice m*n
abbia rango k devono valere le seguenti proprietà:

1) Esiste un minore di ordine k non nullo;

2) Devono essere tutti nulli i minori k+1 ottenuti orlando la
corrispondente sottomatrice con una qualunque altra riga o
colonna
Teorema degli orlati
Il teorema di Kronecker (o dei minori orlati o semplicemente degli
orlati)
VANTAGGIO:

1) NON devo calcolare TUTTI i minori di ordine k+1 e verificare che

siano nulli
2) E’ sufficiente calcolarne solo alcuni, cioè quelli ottenuti orlando la
sottomatrice inizialmente considerata
Teorema degli orlati
Esempio
𝐴𝐴4×4 = (1 0 1 2
1 3 0 0
1 -3 2 4
2 3 1 2)

Partiamo considerando la sottomatrice

(1 0
1 3)
Teorema degli orlati
Sistemi lineari
Si definisce sistema lineare in m equazioni e n incognite il seguente:

𝑎𝑎11 𝑥𝑥1 + 𝑎𝑎12 𝑥𝑥2 + … 𝑎𝑎1𝑛𝑛 𝑥𝑥𝑛𝑛 = 𝑏𝑏1

𝑎𝑎21 𝑥𝑥1 + 𝑎𝑎22 𝑥𝑥2 + … 𝑎𝑎2𝑛𝑛 𝑥𝑥𝑛𝑛 = 𝑏𝑏2
𝑆𝑆 =
⋮ ⋮ ⋮ ⋮
𝑎𝑎𝑚𝑚𝑚 𝑥𝑥1 + 𝑎𝑎𝑚𝑚𝑚 𝑥𝑥2 + ⋯ 𝑎𝑎𝑚𝑚𝑚𝑚 𝑥𝑥𝑛𝑛 = 𝑏𝑏𝑚𝑚

Un sistema di equazioni lineari può essere rappresentato nella forma

matriciale 𝐴𝐴𝐴𝐴 = 𝑏𝑏 dove A è la matrice dei coefficienti, x è il vettore
delle incognite e b è il vettore dei termini noti. La matrice A|b che
include sia i coefficienti che i termini noti è detta completa.
Sistemi lineari
Si definisce sistema lineare in m equazioni e n incognite può essere:

• Compatibile: se ammette soluzioni;

• Incompatibile: se non ammette soluzioni;
• Determinato: se ammette un numero di soluzioni finite;
• Indeterminato: se ammette infinite soluzioni.
• Omogeneo: se il vettore dei termini noti è nullo.

Due sistemi lineari si dicono equivalenti se e solo se ammettono le

stesse soluzioni
Sistemi lineari
Teorema di Rouché-Capelli
Dato un sistema di equazioni S, si dimostra che è compatibile se e solo
se il rango della matrice dei coefficienti A è uguale al rango della
matrice completa A|b.
Inoltre, se il rango è uguale al numero di incognite il sistema è
determinato, mentre se il rango è inferiore al numero di incognite è
indeterminato.
 Sistemi lineari
Teorema di Rouché-Capelli
Esempio:
2𝑥𝑥1 −2𝑥𝑥2 +𝑥𝑥3 = −3
𝑆𝑆 = � 𝑥𝑥1 +3𝑥𝑥2 −2𝑥𝑥3 = 1
3𝑥𝑥1 −𝑥𝑥2 −𝑥𝑥3 = 2

Per verificare se il sistema è compatibile si calcola il rango della matrice

A e il rango della matrice A|b
Sistemi lineari
Teorema di Rouché-Capelli
Esempio:
2 −2 1
𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(𝐴𝐴) = 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 1 3 −2
3 −1 −1
Minore di ordine 1: 𝑎𝑎11 = 2 ≠ 0
2 −2
Minore di ordine 2: det =6−2=4≠ 0
1 3
2 −2 1
Minore di ordine 3: det 1 3 −2 = −10 ≠ 0
3 −1 −1
La matrice ha rango massimo = 3.
 Sistemi lineari
Teorema di Rouché-Capelli
Esempio:
2 −2 1 −3
𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟(𝐴𝐴|𝑏𝑏) = 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 1 3 −2 1
3 −1 −1 2

La matrice può avere rango massimo 3.

Dato che det(A) è un minore di ordine 3 ≠ 0 la matrice ha rango 3.
Siccome il rango A è uguale al rango di A|b il sistema è compatibile.
Inoltre dato che il numero di equazioni è 3 il sistema è determinato.
Sistemi lineari
Metodi di risoluzione dei sistemi lineari:
• Metodo della matrice inversa: se il sistema S è compatibile, allora la
matrice A ammette l’inversa. Si dimostra che la soluzione al sistema è
dato da 𝑥𝑥 = 𝐴𝐴−1 𝑏𝑏.

Esempio:
1 3 −1
2 −2 1 2 10 10
1 −1
l’inversa della matrice 𝐴𝐴 = 1 3 −2 è 𝐴𝐴−1 = 1
2 2
2
3 −1 −1 1
2 −4
5 5
Sistemi lineari
Metodi di risoluzione dei sistemi lineari:
• Metodo della matrice inversa: le soluzioni al sistema sono date dal
prodotto della matrice inversa per il vettore dei termini noti: 𝑥𝑥� =
𝐴𝐴−1 𝑏𝑏:
1 3 −1 −7
2 10 10 −3 5
1 −1
𝐴𝐴−1 = 1
2 2 𝑏𝑏 = 1 = 𝑥𝑥� = −2
2 −21
1
2 −4 2 5
5 5
Sistemi lineari
Metodi di risoluzione dei sistemi lineari:
• Regola di Cramer: se il sistema S è compatibile, allora il vettore delle
soluzioni è dato dal rapporto tra il determinate della matrice Ai e il
determinante della matrice A, dove Ai indica la matrice a cui si
det(𝐴𝐴𝑖𝑖 )
sostituisce alla colonna i-esima il vettore b: 𝑥𝑥�𝑖𝑖 =
det(𝐴𝐴)
Esempio:
2 −2 1
Il determinante di 𝐴𝐴 = 1 3 −2 = −10 ≠ 0
3 −1 −1
Sistemi lineari
Metodi di risoluzione dei sistemi lineari:
• Regola di Cramer: Esempio:
−3 −2 1
Il determinante di 𝐴𝐴1 = 1 3 −2 = 14
2 −1 −1
2 −3 1
Il determinante di 𝐴𝐴2 = 1 1 −2 = 20
3 2 −1
2 −2 −3
Il determinante di 𝐴𝐴3 = 1 3 1 = 42
3 −1 2
Sistemi lineari
Metodi di risoluzione dei sistemi lineari:
• Regola di Cramer: Esempio:

det(𝐴𝐴1 ) 14 7
𝑥𝑥�1 = = =−
det(𝐴𝐴) −10 5

det(𝐴𝐴2 ) 20
𝑥𝑥�2 = = = −2
det(𝐴𝐴) −10

det(𝐴𝐴3 ) 42 21
𝑥𝑥�3 = = =−
det(𝐴𝐴) −10 5
Vettori – RAPPRESENTAZIONE GRAFICA
Vettori – RAPPRESENTAZIONE GRAFICA
Vettori – RAPPRESENTAZIONE GRAFICA
Vettori – RAPPRESENTAZIONE GRAFICA
Vettori Linearmente Dipendenti e
Indipendenti
Dati k vettori v1, v2,… vk di uno spazio vettoriale V e k scalari
a1, a2,… ak ∈ ℝ il vettore
λ1v1+ λ2v2+…+ λnvn
è detto
COMBINAZIONE LINEARE
di vettori v1, v2,… vk a coefficienti a1, a2,… ak

VETTORI:
LINERAMENTE DIPENDENTI: se esiste una loro combinazione lineare, a
coefficienti non tutti nulli, che dà come risultato il vettore nullo
LINEARMENTE INDIPENDENTI: se l’unica loro combinazione lineare che dà
come risultato il vettore nullo è quella con coefficienti nulli
Autovalori e autovettori
Siano A una matrice quadrata e λ uno scalare. λ è un autovalore di A se
esiste un vettore x non nullo tale per cui Ax = λx. Per individuare gli
autovalori si fa ricorso all’equazione caratteristica:

𝐴𝐴𝐴𝐴 − 𝜆𝜆𝐼𝐼 = 0

Che definisce un’equazione lineare di primo grado con n incognite.

Autovalori e autovettori
4 6 0
Esempio: data la matrice 𝐴𝐴 = −3 −5 0 si definisce la sua
−3 −6 −5
equazione caratteristica:

4 − 𝜆𝜆 6 0
−3 −5 − 𝜆𝜆 0 = −𝜆𝜆3 + 6𝜆𝜆2 + 3𝜆𝜆 − 10
−3 −6 −5 − 𝜆𝜆
Per trovare gli autovalori si può scomporre il polinomio di terzo grado
come segue:
− 𝜆𝜆 − 1 𝜆𝜆 + 5 𝜆𝜆 + 2
Da cui le soluzioni sono: 𝜆𝜆̂1 = 1, 𝜆𝜆̂ 2 = −5, 𝜆𝜆̂1 = −2.
Autovalori e autovettori
Esempio: Una volta trovati gli autovalori 𝜆𝜆̂1 = 1, 𝜆𝜆̂ 2 = −5, 𝜆𝜆̂1 = −2 per
trovare gli autovettori associati a ogni autovalore si definisce un
sistema di equazioni a tre equazioni e tre incognite. Per λ = 1:

3𝑥𝑥1 +6𝑥𝑥2 =0
𝐴𝐴𝐴𝐴 − 𝐼𝐼 = 0 = � −3𝑥𝑥1 −6𝑥𝑥2 =0
−3𝑥𝑥1 −6𝑥𝑥2 −6𝑥𝑥3 = 0

Il sistema omogeneo ammette sempre al soluzione nulla, quindi il

sistema è sempre compatibile. In questo caso, si è interessati alle
soluzioni non nulle.
Autovalori e autovettori
Esempio: Risolvendo il sistema per sostituzione si ottiene:

𝑥𝑥1 = −2𝑥𝑥2
𝐴𝐴𝐴𝐴 − 𝐼𝐼 = 0 = � 𝑥𝑥1 = −2𝑥𝑥2
−3(−2𝑥𝑥2 ) −6𝑥𝑥2 −6𝑥𝑥3 = 0 ⇒𝑥𝑥3 =0

Fissando 𝑥𝑥1 = 𝑘𝑘 si ottengono infinite soluzioni date dal vettore: 𝑥𝑥� =

𝑘𝑘
−2𝑘𝑘
0
Autovalori e autovettori
Esempio: Per λ = -2:

6𝑥𝑥1 +6𝑥𝑥2 =0
𝐴𝐴𝐴𝐴 − 2𝐼𝐼 = 0 = � −3𝑥𝑥1 −3𝑥𝑥2 =0
−3𝑥𝑥1 −6𝑥𝑥2 −3𝑥𝑥3 = 0

Il sistema omogeneo ammette sempre al soluzione nulla, quindi il

sistema è sempre compatibile. In questo caso, si è interessati alle
soluzioni non nulle.
Autovalori e autovettori
Esempio: Risolvendo il sistema per sostituzione si ottiene:

𝑥𝑥1 = −𝑥𝑥2
𝐴𝐴𝐴𝐴 − 2𝐼𝐼 = 0 = � 𝑥𝑥1 = −𝑥𝑥2
−3(−𝑥𝑥2 ) −6𝑥𝑥2 −3𝑥𝑥3 = 0 ⇒𝑥𝑥3 = −𝑥𝑥2

Fissando 𝑥𝑥1 = 𝑘𝑘 si ottengono infinite soluzioni date dal vettore: 𝑥𝑥� =

𝑘𝑘
−𝑘𝑘
𝑘𝑘
Autovalori e autovettori
Esempio: Per λ = -5:

9𝑥𝑥1 +6𝑥𝑥2 =0
𝐴𝐴𝐴𝐴 − 5𝐼𝐼 = 0 = � −3𝑥𝑥1 =0
−3𝑥𝑥1 −6𝑥𝑥2 =0

Il sistema omogeneo ammette sempre al soluzione nulla, quindi il

sistema è sempre compatibile. In questo caso, si è interessati alle
soluzioni non nulle.
Autovalori e autovettori
Esempio: Risolvendo il sistema per sostituzione si ottiene:

𝑥𝑥2 =0
𝐴𝐴𝐴𝐴 − 5𝐼𝐼 = 0 = � 𝑥𝑥1 =0
0 = 0 ⇒𝑥𝑥3 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎

Fissando 𝑥𝑥3 = 𝑘𝑘 si ottengono infinite soluzioni date dal vettore: 𝑥𝑥� =

0
0
𝑘𝑘