Matematica per la Finanza

Esercitazione IV

Gabriele Canna∗

A.A. 2020/2021

1 Algebra lineare
L’algebra lineare fa uso di oggetti multidimensionali detti vettori e matrici, che risultano
particolarmente utili quando, nelle applicazioni, è necessario racchiudere più informazioni
in unico elemento. Un vettore x ∈ Rn è una n-upla ordinata di numeri reali
 
x1
 x2 
 
x=
 .. 

 . 
xn
dove le quantità xi ∈ R sono dette componenti e il numero di componenti n è detto
dimensione del vettore. Un vettore di dimensione 1 è semplicemente un numero reale, che
in questo contesto si chiama scalare. I vettori vengono normalmente indicati come colonne
e si se vuole esprimerli come righe è sufficiente applicare l’operazione di trasposizione:
h i
x T = x1 x2 · · · xn .

Il vettore nullo è un vettore che ha componenti tutte nulle e viene indicato con 0. Una
matrice A ∈ Rn×m è una tabella di numeri reali con n righe e m colonne
a11 a12 · · · a1m
 

 a21 a22 · · · a2m 

 
A =  ..
 .. .. .. 
 . . . . 


an1 an2 · · · anm

dove l’elemento che si trova sulla riga i e sulla colonna j viene indicato con aij . Se n = m
la matrice si dice quadrata di ordine n e gli elementi aii , per i = 1, . . . , n, sono detti
diagonale principale. La matrice trasposta AT ha come colonne le righe di A e come righe
le colonne di A (cioè si ottiene scambiando le righe con le colonne di A). La matrice nulla
ha elementi tutti nulli e viene indicata con 0. La matrice identica, indicata con I, ha
elementi pari a 1 sulla diagonale principale e pari 0 al di fuori di essa. Una matrice può
essere vista come un accostamento di vettori (riga o colonna) e un vettore può essere visto
come una matrice con una sola riga o con una sola colonna.
∗
Dottorando in Finanza Matematica, Dipartimento di Statistica e Metodi Quantitativi, Università di
Milano-Bicocca, Edificio U7 - Ufficio 4121, e-mail: gabriele.canna@unimib.it

1
1.1 Operazioni tra matrici
Ricordiamo le principali operazioni tra matrici, che risultano valide anche per i vettori,
essendo matrici con una sola riga o con una sola colonna.

Somma tra matrici. Possibile soltanto quando entrambe le matrici hanno la stessa dimen-
sione ed è definita componente per componente: siano A ∈ Rn×m e B ∈ Rn×m due matrici
di elementi aij e bij , allora la matrice somma (A + B) ∈ Rn×m ha elementi

(a + b)ij = aij + bij , i = 1, . . . , n, j = 1, . . . , m.

La somma tra matrici gode della proprietà commutativa e associativa.

Prodotto tra uno scalare e una matrice. Possibile per ogni scalare e per ogni matrice ed
è definito anch’esso componente per componente: sia A ∈ Rn×m una matrice di elementi
aij e sia α ∈ R uno scalare, allora la matrice αA ∈ Rn×m ha elementi

(αa)ij = αaij , i = 1, . . . , n, j = 1, . . . , m.

Il prodotto tra uno scalare e una matrice gode della proprietà commutativa.

Prodotto tra matrici. Possibile soltanto quando il numero di colonne della prima matrice
è pari al numero di righe della seconda matrice ed è definito come segue: siano A ∈ Rn×m
e B ∈ Rm×p due matrici di elementi aij e bij , allora la matrice prodotto AB ∈ Rn×p ha
elementi m X
(ab)ij = aik bkj , i = 1, . . . , n, j = 1, . . . , p;
k=1

cioè ogni elemento della matrice prodotto è dato dalla somma dei prodotti termine a
termine tra la riga i-esima della matrice A e la colonna j-esima della matrice B. Diciamo
pertanto che il prodotto tra matrici è un prodotto riga per colonna e il risultato del
prodotto è una matrice che ha numero di righe pari al numero di righe della prima matrice
e numero di colonne pari al numero di colonne della seconda matrice. Il prodotto tra
matrici gode della proprietà associativa ma non gode della proprietà commutativa.

Esercizio 1. Date le matrici

" # " #
1 2 5 −1
A= , B=
4 3 2 0

e gli scalari α = 5, β = 2, calcolare:

(a) AB (b) BA (c) A + B (d) B − A (e) αA + βB.

Soluzione. Osserviamo che le dimensioni delle matrici sono compatibili con le operazioni
richieste e procediamo al calcolo:
" #" # " # " #
1 2 5 −1 1·5+2·2 1 · (−1) + 2 · 0 9 −1
(a) AB = = =
4 3 2 0 4·5+3·2 4 · (−1) + 3 · 0 26 −4
" #" # " # " #
5 −1 1 2 5 · 1 + (−1) · 4 5 · 2 + (−1) · 3 1 7
(b) BA = = =
2 0 4 3 2·1+4·0 2·2+3·0 2 4

2
 " # " # " # " #
1 2 5 −1 1+5 2 + (−1) 6 1
(c) A + B = + = =
4 3 2 0 4+2 3+0 6 3
" # " # " # " #
5 −1 1 2 5−1 (−1) − 2 4 −3
(d) B − A = − = =
2 0 4 3 2−4 0−3 −2 −3
" # " # " # " #
1 2 5 −1 5·1+2·5 5 · 2 + 2 · (−1) 15 8
(e) αA + βB = 5 +2 = =
4 3 2 0 5·4+2·2 5·3+2·0 24 15
Esercizio 2. Dati i vettori
−2 1
   
 1  0
x=  e y=
   
 2  5
 

3 9
calcolare:

(a) xT y (b) x yT (c) 3x − 2y

Soluzione. Osserviamo che le dimensioni dei vettori sono compatibili con le operazioni
richieste e procediamo al calcolo:

1
 
h i 0
(a) xT y = −2 1 2 3  = (−2) · 1 + 1 · 0 + 2 · 5 + 3 · 9 = 35

5
 

−2 (−2) · 1 (−2) · 0 (−2) · 5 (−2) · 9

   
 1 h i  1·1 1·0 1·5 1·9 
(b) x yT =   1 0 5 9 = 
   
 2   2·1 2·0 2·5 2·9 


3 3·1 3·0 3·5 3·9

−2 0 −10 −18
 
 1 0 5 9 
= 
 2 0 10 18 
 

3 0 15 27

−2 1 3 · (−2) 2·1 (−6) − 2 −8

           
 1  0  3 · 1  2 · 0  3−0   3 
(c) 3x − 2y = 3   − 2  = 
   
−
 
=
 
=
  
 2  5  3 · 2  2 · 5  6 − 10  −4
 

3 9 3·3 2·9 9 − 18 −9

Esercizio 3. Date le matrici

 
" # 1 5
1 5 0
A= e B = −1 −1
 
3 −6 1
2 5
calcolare:

(a) AB (b) AT B (c) AB T (d) AT B T

Soluzione. Osserviamo che A è una matrice di ordine 2 × 3 e B è una matrice di ordine

2 × 3 quindi gli unici prodotti calcolabili sono

3
  
" 1 5 #
1 5 0 
(a) AB = −1 −1

3 −6 1
2 5
" #
1 · 1 + 5 · (−1) + 0 · 2 1 · 5 + 5 · (−1) + 0 · 5
=
3 · 1 + (−6) · (−1) + 1 · 2 3 · 5 + (−6) · (−1) + 1 · 5
" #
−4 0
=
11 26
 
1 3 " #
1 −1 2
(d) AT B T = 5 −6
 
5 −1 5
0 1
 
1·1+3·5 1 · (−1) + 3 · (−1) 1·2+3·5
= 5 · 1 + (−6) · 5 5 · (−1) + (−6) · (−1) 5 · 2 + (−6) · 5


0·1+1·5 0 · (−1) + 1 · (−1) 0·2+1·5
 
16 −4 17
= −25 1 −20
 

5 −1 5
Esercizio 4. Dati
     
1/2 1/25 1/10 1/12 1/3

x = 1/4 , V = 1/10 1/9 −1/8 e y = 1/3

     
1/4 1/12 −1/8 1/16 1/3

calcolare:
(a) xT V y (b) xT yV (c) xyT V (d) xV y.
Soluzione. Osserviamo che x, y ∈ R3 e V ∈ R3×3 quindi i prodotti xT yV e xV y non
sono calcolabili (se intesi come prodotto tra matrici). Procediamo al calcolo dei rimanenti:
  
1 1 1 1

1/25 1/10 1/12

1/3

+ 10 + 12
h i h i  3 25  
(a) xT V y = 1 1 1
 /10 1/9 −1/8 1/3 =
1 1 1  1 1
+ 1
− 1 
1  
2 4 4 2 4 4  3 10 9 8 
 
1/12 −1/8 1/16 1/3 1 1 1 1
− 8 + 16
3 12
 
0.074
h
1 1 1
i 1 1 1
≈ 0.029 = · 0.074 + · 0.029 + · 0.007 ≈ 0.046
 
2 4 4
2 4 4
0.007
   
1/2 1/25 1/10 1/12
h i
(c) xyT V = 
1/4
 1
3
1
3
1
3  /10
1 1/9 −1/8
1/4 1/12 −1/8 1/16
 
/2 h 
1
    i
1  1 1 1 1 1 1
=  /4 3 25 + 10
+ 12 3 10
+ 19 − 1
8
1
3
1
12
− 18 + 1
16
1/4
   
1/2
h · 0.074 i
1/2 1/2 · 0.029 1/2 · 0.007
≈  /4 0.074 0.029 0.007 =  /4 · 0.074
1  1 1/4 · 0.029 1/4 · 0.007

1/4 1/4 · 0.074 1/4 · 0.029 1/4 · 0.007
 
0.037 0.015 0.004
≈ 0.019 0.007 0.002
 

0.019 0.007 0.002

4
1.2 Combinazioni lineari e indipendenza lineare
Siano x1 , x2 , . . . , xk vettori di Rn e α1 , α2 , . . . , αk scalari di R, allora il vettore
x = α1 x1 + α2 x2 + · · · + αk xk
è detto combinazione lineare dei vettori x1 , x2 , . . . , xk con coefficienti α1 , α2 , . . . , αk . Dati
x1 , x2 , . . . , xk vettori di Rn si dice che essi sono linearmente indipendenti se l’unica
combinazione lineare pari al vettore nullo ha coefficienti tutti nulli:
α1 x1 + α2 x2 + · · · + αk xk = 0 =⇒ α1 = α2 = · · · = αk = 0.
Di conseguenza, se esiste almeno una combinazione lineare pari al vettore nullo con
coefficienti non tutti nulli si dice che i vettori sono linearmente dipendenti.
h i
Esercizio 5. Stabilire se il vettore xT = 2 3 è combinazione lineare dei vettori
" # " #
1 0
y= e z= .
2 1
Soluzione. Dobbiamo determinare α, β ∈ R tali che αy + βz = x, cioè tali che
" # " # " # " # " # " #
1 0 α 0 α 2
α +β = + = = .
2 1 2α β 2α + β 3
Dobbiamo quindi risolvere il sistema
 
α =2 =2
α
=⇒ 
2α + β = 3 β = −1
da cui deduciamo che x è combinazione lineare dei vettori y e z con coefficienti α = 2 e
β = −1; infatti abbiamo che
" # " # " # " # " #
1 0 2 0 2
2 + (−1) = + = ,
2 1 4 −1 3
come desiderato.
h i
Esercizio 6. Stabilire se il vettore xT = 1 5 8 è combinazione lineare dei vettori
   
2 0
y = −3 e z= 1 .
   

4 0
Soluzione. Dobbiamo determinare α, β ∈ R tali che αy + βz = x, cioè tali che
           
2 0 2α 0 2α 1
α −3 + β 1 = −3α + β  = −3α + β  = 5 .
           

4 0 4α 0 4α 8
Impostiamo il sistema
 
2α

 =1 = 21α




−3α + β = 5 =⇒ −3α + β = 5

 

4α = 8 
α=2
che è impossibile, quindi x non è una combinazione lineare dei vettori y e z.

5
Esercizio 7. Stabilire se i vettori
     
1 1 2
x = 0 , y = 1 e z= 1
     

1 1 2

sono linearmente indipendenti.

Soluzione. Cerchiamo α, β e γ tali che αx + βy + γz = 0, cioè tali che
               
1 1 2 α β 2γ α + β + 2γ 0
α 0 + β 1 + γ 1 =  0  + β  +  γ  =  β + γ  = 0 .
               

1 1 2 α β 2γ α + β + 2γ 0

Dobbiamo quindi risolvere il sistema

  
α + β

 + 2γ = 0 = −β − 2γ
α

 = −γ
α


β+γ =0 =⇒ β = −γ =⇒ β = −γ

 
 


α + β + 2γ = 0 
(−β − 2γ) + β + 2γ = 0 
0 = 0 (γ qualsiasi)

da cui deduciamo che i vettori sono linearmente dipendenti perché abbiamo trovato una
combinazione lineare con coefficienti non nulli che ci restituisce il vettore nullo. Per essere
sicuri verifichiamo: siccome γ è arbitrario poniamo ad esempio γ = 1 da cui α = −1 e
β = −1, quindi
               
1 1 2 −1 −1 2 −1 − 1 + 2 0
−1 0 + (−1) 1 + 1 1 =  0  + −1 + 1 =  −1 + 1  = 0
               

1 1 2 −1 −1 2 −1 − 1 + 2 0

come desiderato.
Esercizio 8. Stabilire se i vettori
     
2 3 −1
x = −1 , y = 0 e z = −2
     

4 1 0

sono linearmente indipendenti.

Soluzione. Cerchiamo α, β, γ ∈ R tali che αx + βy + γz = 0, cioè tali che
         
2 3 −1 2α + 3β − γ 0
α −1 + β 0 + γ −2 =  −α − 2γ  = 0 .
         

4 1 0 4α + β 0

Dobbiamo quindi risolvere il sistema

   
2α + 3β

 −γ =0 
 −γ =0
2α + 3β 19γ

 =0 =0
α




−α − 2γ = 0 =⇒ α = −2γ =⇒ α = −2γ =⇒ β = 0

   

4α + β = 0 
β = −4α 
β = −4α 
γ=0

da cui deduciamo che i vettori sono linearmente indipendenti perché l’unica combinazione
lineare che ci restituisce il vettore nullo ha coefficienti tutti nulli.

6
1.3 Rango
Data una matrice A ∈ Rn×m , il rango di A, indicato con rg(A), è il massimo numero di
colonne (o righe) linearmente indipendenti di A. Se n ≤ m allora rg(A) ≤ n e se m ≤ n
allora rg(A) ≤ m, cioè rg(A) ≤ min{n, m}; inoltre se A =6 0 allora rg(A) ≥ 1. Quando
rg(A) = min{n, m} si dice che la matrice A ha rango massimo.
Esercizio 9. Stabilire il rango della matrice
 
−1 3
A =  4 −2
 

3 1
utilizzando la definizione di indipendenza lineare.
Soluzione. Osserviamo che A ∈ R3×2 quindi rg(A) ≤ 2 e, siccome A è diversa dalla
matrice nulla, sappiamo anche che rg(A) ≥ 1. Per stabilire se il rango di A è pari a 1
oppure è pari a 2 verifichiamo se le colonne sono linearmente indipendenti, cioè cerchiamo
α e β tali che
       
−1 3 −α + 3β 0
α  4  + β −2 =  4α − 2β  = 0 .
       

3 1 3α + β 0
Risolviamo il sistema
 
−α + 3β =0 = 3β
α
  
α =0
 


4α − 2β = 0 =⇒ 10β = 0

=⇒
β = 0
 

3α + β = 0 
10β = 0

da cui deduciamo che i vettori sono linearmente indipendenti e quindi rg(A) = 2.

Esercizio 10. Stabilire il rango della matrice
" #
−1 3 5
A=
2 −6 −10
utilizzando la definizione di indipendenza lineare.
Soluzione. Osserviamo che A ∈ R2×3 quindi rg(A) ≤ 2. Per stabilire se il rango di A è
pari a 1 oppure è pari a 2 conviene verificare l’indipendenza lineare delle righe di A (che
scriviamo comunque come vettori colonna), cioè cercare α e β tali che
       
−1 2 −α + 2β 0
α  3  + β  −6  =  3α − 6β  = 0 .
       

5 −10 5α − 10β 0
Risolviamo il sistema
 
−α + 2β =0 α= 2β
  
  α = 2β

3α − 6β = 0 =⇒ 6β − 6β = 0

=⇒
β qualsiasi
 

5α − 10β = 0 
10β − 10β = 0

da cui deduciamo che i vettori sono linearmente dipendenti e quindi rg(A) = 1.