APPUNTI SUI SISTEMI LINEARI

1 Generalità.
Definizione 1. Un’equazione lineare a coefficienti nel campo K nelle
incognite x1 . . . xn è un’equazione di primo grado a coefficienti in K nelle
variabili x1 , . . . xn :

a1 x1 + a2 x2 + · · · + an xn = b, (1)

con ai ∈ K, i = 1, . . . , n e b ∈ K.
Se b = 0, l’equazione (1) è detta omogenea.

Esempio 2.
Le seguenti sono equazioni lineari a coefficienti reali nelle incognite x, y
e z:
2x − y + 3z = 6, x − 4y + z = 0, x + 8z = 1;
la seconda è omogenea.

Definizione 
3. Una
 soluzione dell’equazione lineare (1) è un vettore nu-
β1
 β2 
merico X0 =  .  ∈ Kn che soddisfa l’uguaglianza:
 
 .. 
βn

a1 β1 + a2 β2 + ... + an βn = b.

Esempio 4. 
2
Il vettore 1 è una soluzione dell’equazione lineare a coefficienti reali

1
 
3
2x − y + 3z = 6. Anche il vettore 0 è soluzione della stessa equazione.
0
Lasciamo verificare allo studente che tutti i seguenti vettori
 
α
2α + 3β − 6 , α ∈ R, β ∈ R
β

sono soluzioni dell’equazione.

1
Osservazione.
Consideriamo l’equazione lineare nelle incognite x1 ,..,xn :

0x1 + 0x2 + · · · + 0xn = b,

con b ∈ K. È immediato verificare che se b = 0 allora ogni vettore numerico

di Kn è soluzione dell’equazione; se invece b 6= 0 l’equazione non ammette
soluzioni.

Definizione 5. Un sistema lineare di m ≥ 1 equazioni in n ≥ 1 incognite

a coefficienti in K è un insieme di m equazioni lineari a coefficienti in K nelle
stesse incognite x1 . . . xn :


 a11 x1 + a12 x2 + · · · + a1n xn = b1

a21 x1 + a22 x2 + · · · + a2n xn = b2

.. (2)


 .

am1 x1 + am2 x2 + · · · + amn xn = bm ,


con aij ∈ K, i = 1, . . . m j = 1, . . . n, bi ∈ K, i = 1, . . . m.

Si noti che non esiste alcuna relazione tra gli interi m e n, che indicano,
rispettivamente, il numero delle equazioni del sistema ed il numero delle
incognite; possiamo avere che m < n, m > n oppure m = n.

Definizione
  6. Una soluzione del sistema lineare (2) è un vettore numerico
β1
 β2 
X0 =  .  ∈ Kn che è soluzione di tutte le equazioni del sistema, i.e.
 
 .. 
βn

ai1 β1 + ai2 β2 + · · · + ain βn = bi , ∀i = 1, . . . , m.

Dato il sistema lineare (2), introduciamo i seguenti vettori di Km

• i vettori colonna dei coefficienti del sistema:

per ogni j = 1, 2 . . . , n, indichiamo con Aj il vettore dei coefficienti
dell’incognita xj :  
a1j
 a2j 
Aj =  .  ∈ Km ;
 
 .. 
amj

2
 • il vettore colonna dei termini noti del sistema:
 
b1
 b2 
B =  .  ∈ Km .
 
 .. 
bm

Usando questi vettori possiamo scrivere il sistema (2) in forma vettoriale:

x1 A1 + x2 A2 + · · · + xn An = B, (3)

e possiamo, quindi, leggerlo come un’equazione vettoriale lineare a coeffi-

cienti in Km nelle incognite x1 . . . xn .
Si noti che nell’ equazione (3) scriviamo xi Ai invece di Ai xi , perché abbiamo
scelto questa notazione per indicare il prodotto del numero reale xi e del
vettore numerico Ai .

Definizione 7.Una  soluzione dell’equazione vettoriale (3) è un vettore

β1
 β2 
numerico X0 =  .  ∈ Kn che soddisfa l’uguaglianza:
 
 .. 
βn

β1 A1 + β2 A2 + · · · + βn An = B.

Si noti che ciò equivale a richiedere che il vettore X0 sia una soluzione
del sistema lineare (2).
Definizione 8. Un sistema lineare è detto risolubile se ammette alme-
no una soluzione; in caso contrario il sistema è detto non risolubile o
impossibile.

Definizione 9. Un sistema lineare è detto omogeneo se il vettore colonna

dei termini noti B è il vettore nullo; in caso contrario il sistema lineare è
detto non omogeneo.

Osservazione. Un sistema lineare omogeneo è sempre risolubile. Verifi-

chiamo che il vettore nullo di Kn è soluzione del sistema. Infatti si ha:

0A1 + 0A2 + · · · + 0An = 0n .

Tale soluzione è detta soluzione banale del sistema .

3
Dato il sistema lineare (2) introduciamo:
• la matrice A dei coefficienti del sistema di colonne A1 , . . . , An :
 
a11 a12 ··· a1n
 a21 a22 ··· a2n 
A= . ..  . (4)
 
.. ..
 .. . . . 
am1 am2 · · · · · · · · · amn

La matrice A è una matrice di m righe e n colonne ad entrate in K ed

è detta matrice dei coefficienti del sistema.

• il vettore colonna delle incognite:

 
x1
 x2 
X =  . .
 
 .. 
xn

Ricordando il prodotto matrice-vettore, il sistema lineare (2) può essere

scritto nelle seguente forma matriciale:

AX = B, (5)

e possiamo quindi leggerlo come un’unica equazione matriciale nell’ incogni-

ta X.
Infine associamo al sistema (2) la matrice che si ottiene aggiungendo alla
matrice A la colonna B dei termini noti:
 
a11 a12 ··· a1n b1
 a21 a22 ··· a2n b2 
à = (A|B) =  . ..  . (6)
 
.. .. ..
 .. . . . . 
am1 am2 · · · · · · · · · amn bm

La matrice à è una matrice di m righe e (n + 1) colonne ad entrate in K ed

è detta matrice completa del sistema.
Esempio 10. Analizziamo alla luce di quanto detto il seguente sistema
lineare: 
2x + 4y − z + t = 0

x + y + 2t = 1

4x + 2z − 3t = 0


È un sistema lineare non omogeneo di 3 equazioni in 4 incognite ad entrate

reali. I vettori colonna dei coefficienti si ottengono nel seguente modo:

4
  
2
– il vettore A1 è dato dai coefficienti di x: A1 =  1 ,
4
 
4
– il vettore A2 è dato dai coefficienti di y: A2 =  1 ,
0
 
−1
– il vettore A3 è dato dai coefficienti di z: A3 =  0 ,
2
 
1
– il vettore A4 è dato dai coefficienti di t: A4 =  2 ,
−3
 
0
– il vettore colonna dei termini noti è: B =  1 .
0
La matrice dei coefficienti è, quindi, la seguente:
 
2 4 −1 1
A= 1 1 0 2 ,
4 0 2 −3
la forma matriciale del sistema è, la seguente:
 
  x  
2 4 −1 1 y  0
 1 1 0 2 z  = 1 .
    
4 0 2 −3 0
t
La matrice completa è la seguente:
 
2 4 −1 1 0
à = 1 1 0 2 1 .
4 0 2 −3 0

2 Sistemi lineari equivalenti

Dato un sistema lineare di m equazioni in n incognite possiamo effettuare
delle operazioni elementari sulle equazioni senza modificare le soluzioni del
sistema.

Definizione 11. Due sistemi lineari a coefficienti in K nelle stesse incognite

sono detti equivalenti se tutte le soluzioni di uno sono soluzioni dell’altro
e viceversa.

5
 Premettiamo allo studio delle operazioni elementari, la seguente defini-
zione:

Definizione 12. Date due equazioni lineari nelle incognite x1 ...xn , a coef-
ficienti in K,
(1) : a1 x1 + .. + an xn = b
(2) : ā1 x1 + · · · + ān xn = b̄,
per ogni coppia (λ, µ) ∈ K2 \ (0, 0) l’equazione lineare

(3) : λ(a1 x1 + · · · . + an xn ) + µ(ā1 x1 + · · · + ān xn ) = λb + µb̄

è detta combinazione lineare delle equazioni (1) e (2).

Osservazione. Consideriamo l’equazione lineare (3)  ottenuta

 come combi-
β1
 .. 
nazione lineare delle equazioni (1) e (2). Sia X0 =  .  ∈ Kn . Si verifica
βn
immediatamente che se X0 è una soluzione delle equazioni (1) e (2), allora
X0 è soluzione anche dell’equazione (3):

λ(a1 β1 + · · · + an βn ) + µ(ā1 β1 + · · · + ān βn ) = λb + µb̄.

Proposizione 13. Un sistema si trasforma in un sistema equivalente effet-

tuando le seguenti operazioni elementari sulle equazioni:

1. scambiando tra di loro due equazioni,

2. moltiplicando un’equazione del sistema per uno scalare di K diverso da

zero,

3. aggiungendo ad un’equazione una combinazione lineare di altre equa-

zioni del sistema.

Osserviamo che se un’equazione di un sistema lineare è combinazione

lineare delle altre equazioni del sistema è superflua e può essere eliminata.
Infatti esiste un’operazione elementare su tale equazione del tipo 3 che la
trasforma nell’equazione

0x1 + 0x2 + · · · + 0xn = 0,

che è soddisfatta da ogni vettore di Kn .

6
3 Il metodo di riduzione di Gauss

Il metodo di riduzione di Gauss consiste nel trasformare, tramite ope-

razioni elementari sulle equazioni, un sistema lineare in un sistema lineare
equivalente ad esso, di cui è immediato stabilire la risolubilità e, in tal caso,
procedere con la risoluzione.
Mostriamo come funziona l’algoritmo di Gauss per un sistema lineare di
m equazioni nelle incognite x1 , x2 ,.., xn :

a x + a12 x2 + · · · + a1n xn = b1
 11 1


a21 x1 + a22 x2 + · · · + a2n xn = b2

.. (7)


 .

am1 x1 + am2 x2 + · · · + amn xn = bm


Il procedimento è ricorsivo e può essere schematizzato nei seguenti passi.

Passo (1) Controllare se tra le equazioni del sistema lineare (7) compare
un’equazione del tipo:
0x1 + 0x2 + · · · + 0xn = bj ;
si hanno seguenti casi:
(1a) se bj 6= 0 allora il sistema lineare (7) non ammette soluzioni; il processo
termina.
(1b) se bj = 0, allora l’equazione è superflua e può essere eliminata dal
sistema (7).
Passo (2) Se necessario, riordinare le variabili e le equazioni del sistema, in
modo che sia a11 6= 0.
Passo (3) Moltiplicare la prima equazione per lo scalare a11 −1 . Per ogni
i ≥ 2, sommare all’equazione i-esima la prima equazione moltiplicata per lo
scalare −ai1 . Si ottiene pertanto il sistema lineare:
x1 +a012 x2 + · · · + a01n xn = b01



a022 x2 + · · · + a02n xn = b02



.. (8)



 .
a0m2 x2 + · · · + a0mn xn = b0m


Passo (4) Considerare ora il sottosistema lineare di m − 1 equazioni nelle

incognite x2 , . . . , xn :
 0
a x2 + · · · + a02n xn = b02
 22


.. (9)
 .
 0
am2 x2 + · · · + a0mn xn = b0m ,


7
e ripartire dal passo (1).
Iterando il procedimento, il processo termina se ad un certo punto si verifica
il caso (1a) e quindi il sistema non è risolubile. Se non si verifica mai il
caso (1a), dopo un numero finito di passi, otteniamo un sistema lineare di
r ≤ m equazioni (ogni volta che si presenta il caso (1b) viene eliminata
un’equazione), equivalente a quello dato della forma seguente:



 x1 + c12 x2 + c13 x3 + · · · + c1n xn = d1




 x2 + c23 x3 + · · · + c2n xn = d2
x3 + . . . c3n xn = d3 (10)

 ..



 .

 x + ··· + c x = d
r rn n r

Tale sistema è detto sistema lineare a gradini.

Come promesso la risoluzione di un sistema lineare a gradini è quasi imme-

diata. Si ha infatti il seguente risultato:

Proposizione 14. Il sistema lineare a gradini (10) è risolubile. Più preci-

samente, se r = n il sistema ammette un’unica soluzione; se invece r < n
il sistema ammette infinite soluzioni e le soluzioni possono essere scritte in
funzione di un vettore arbitrario di Kn−r .

Dimostrazione. (a) Supponiamo che sia r = n. Proviamo che il sistema è

risolubile e la soluzione è unica. Procediamo con il metodo di risoluzione
all’indietro. Dall’ultima equazione abbiamo:

xn = dn .

Passiamo alla penultima equazione e sostituiamo il valore trovato per xn ;

otteniamo:
xn−1 = −cn−1n dn + dn−1 .
Procedendo in queso modo, al passo k-esimo possiamo ricavare xn−k+1 .
Abbiamo pertanto risolto il sistema e determinato l’unica soluzione.
(b) Supponiamo ora che sia r < n. Portiamo a secondo membro le variabili
xi , i = r + 1, . . . , n e poniamo xi = ti , i = r + 1, . . . , n. Consideriamo il
sistema lineare nelle incognite x1 , . . . , xr :



 x1 + c12 x2 + c13 x3 + · · · + c1r xr = −c1r+1 tr+1 − · · · − c1n tn + d1




 x2 + c23 x3 + · · · + c2r xr = −c2r+1 tr+1 − · · · − c2n tn + d2
x3 + . . . c3r xr = −c3r+1 tr+1 − · · · − c3n tn + d3 (11)

 ..



 .


r x = −c
rr+1 r+1 t − ··· − c t + d
rn n r

8
 
tr+1
Fissato un vettore numerico T =  ...  ∈ Kn−r , per il punto (a) il siste-
 

tn
ma lineare (11) ammette una sola soluzione.
 Indichiamo
 tale soluzione con
s1
 .. 
   . 
s1  
 ..  r
 sr  n
S =  .  ∈ K . Il vettore numerico  tr+1  ∈ K è una soluzione del

sr
 
 .. 
 . 
tn
sistema (10). È immediato verificare che al variare del vettore T in Kn−r
si ottengomo tutte le soluzioni del sistema lineare (10). Osserviamo che le
variabili xr+1 , . . . , xn possono assumere qualsiasi valore in K, pertanto sono
dette libere.

Riassumendo, dato un sistema lineare di m equazioni in n incognite,

possono presentarsi i seguenti casi:
- il sistema non è risolubile;
- il sistema è risolubile ed ammette un’unica soluzione;
- il sistema è risolubile ed esiste r ≥ 1, con r < m e r < n, tale che tutte le
soluzioni si possono scrivere in funzione di n − r variabili libere.

Osserviamo che i coefficienti della i-esima equazione di un sistema li-

neare sono le entrate della i-esima riga della matrice completa à = (A|B).
Le operazioni elementari sulle equazioni che permettono di trasformare un
sistema in uno ad esso equivalente si traducono in corrispondenti operazioni
sulle righe della matrice completa.

Definizione 15. Sia A una matrice di m righe ed n colonne e siano R1 , . . . , Rm

le sue righe. Chiamiamo operazione elementare sulle righe di A una delle
seguenti:

1. scambio delle righe Ri e Rj ;

2. moltiplicazione della riga Ri per un numero reale non nullo;

3. sostituzione della riga Ri con Ri + µRj , con µ ∈ K e i 6= j.

Una matrice ottenuta da A attraverso un’ operazione elementare sulle righe

è detta modificazione elementare di A.

Operativamente, conviene lavorare direttamente sulla matrice completa del

sistema. Illustriamo il procedimento direttamente su di un esempio.

9
Esempio 16. Consideriamo il sistema lineare di 4 equazioni in 4 incognite:



x + 3y + z − t = 3

3x + 9y + 4z + t = 0


2x + y + 5z + 2t = 1

y − z − t = 1.

La matrice dei coefficienti ed il vettore colonna dei termini noti sono:

   
1 3 1 −1 3
3 9 4 1  0
A= 2 1 5
 B =  .
2 1
0 1 −1 −1 1

Partiamo dalla prima colonna di A; infatti, la prima coordinata del vettore

A1 è non nulla. Conviene rappresentare direttamente la matrice completa
à = (A|B), con una barra verticale per separare la colonna dei termini noti.
Passo 1: Vogliamo annullare tutti gli elementi della prima colonna che sono
sotto a11 attraverso operazioni elementari. Quindi operiamo nel seguente
modo: al posto della riga R2 sostituiamo R2 − 3R1 , al posto della riga R3
sostituiamo R3 − 2R1 ; lasciamo infine invariata R4 .
   
1 3 1 −1 3 1 3 1 −1 3
 3 9 4
 1 0   =⇒  0 0
 1 4 −9  .
 2 1 5 2 1   0 −5 3 4 −5 
0 1 −1 −1 1 0 1 −1 −1 1

Osserviamo che l’elemento della seconda colonna sulla diagonale è nullo.

Possiamo scambiare tra loro la seconda riga e la terza riga:
   
1 3 1 −1 3 1 3 1 −1 3
 0 0
 1 4 −9   =⇒  0 −5 3
 4 −5 
.
 0 −5 3 4 −5   0 0 1 4 −9 
0 1 −1 −1 1 0 1 −1 −1 1

Passo 2: Moltiplichiamo la seconda riga per − 15 .

   
1 3 1 −1 3 1 3 1 −1 3
 0 −5 3
 4 −5   0
 =⇒  1 − 35 − 54 1 
.
 0 0 1 4 −9   0 0 1 4 −9 
0 1 −1 −1 1 0 1 −1 −1 1

Passo 3: Vogliamo annullare tutti gli elementi della seconda colonna che so-
no sotto a22 attraverso operazioni elementari. Quindi operiamo nel seguente

10
modo: al posto della riga R4 sostituiamo R4 + 15 R2 , e lasciamo invariate le
altre.
   
1 3 1 −1 3 1 3 1 −1 3
 0 1 −3 −4 1   0 −5 3 4 −5 
 5 5  =⇒  .
 0 0 1 4 −9   0 0 1 4 −9 
0 1 −1 −1 1 0 0 − 52 − 51 0
Passo 4: Vogliamo annullare tutti gli elementi della terza colonna che sono
sotto a33 attraverso operazioni elementari. Quindi operiamo nel seguente
modo: al posto della riga R4 sostituiamo R4 + 25 R3 e lasciamo invariate le
altre.
   
1 3 1 −1 3 1 3 1 −1 3
 0 −5 3 4 −5   =⇒  0 −5 3 4 −5 

 .
 0 0 1 4 −9   0 0 1 4 −9 
0 0 − 25 − 51 0 0 0 0 57 − 18 5
Il sistema dato è equivalente al seguente sistema lineare triangolare superio-
re: 


 x + 3y + z + t = 3

−5y + 3z + 4t = −5


 z + 4t = −9
 7 t = − 18 .

5 5
Possiamo risolvere il sistema con il procedimento di risoluzione all’indietro.
Partiamo dall’ultima equazione, abbiamo:
7 18 18
t=− =⇒ t = − .
5 5 7
Sostituiamo t = − 18
7 nella terza equazione, abbiamo:
18 9
z + 4(− ) = −9 =⇒ z = .
7 7
9
Sostituiamo ora z = 7 e t = − 18
7 nella seconda equazione, abbiamo:
9 18 2
−5y + 3. + 4(− ) = −5 =⇒ y = − .
7 7 7
Infine, sostituiamo y = − 72 , z = 9
7 e t = − 18
7 nella prima equazione, abbiamo:
2 9 18
x + 3(− ) + + (− ) = 3 =⇒ x = 0.
7 7 7
La soluzione del sistema è quindi la seguente:
   
x 0
y   − 2 
  =  97  .
z   
7
18
t −7

11