MATRICI E SISTEMI LINEARI

- PARTE I -
Felice Iavernaro
Dipartimento di Matematica
Universit`a di Bari
27 Febbraio 2006
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 1 / 36
Denizione di matrice reale
Denizione
Dati due interi positivi m ed n, una matrice A reale m n `e un array
bidimensionale avente m righe ed n colonne cos` denito
A =
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_
_
_
_
_
Pi` u formalmente possiamo dire che una matrice `e unapplicazione
A : {1, 2, . . . , m} {1, 2, . . . , n} R
tale che A(i , j ) = a
ij
R.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 2 / 36
Denizione di matrice reale
Denizione
Dati due interi positivi m ed n, una matrice A reale m n `e un array
bidimensionale avente m righe ed n colonne cos` denito
A =
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_
_
_
_
_
Pi` u formalmente possiamo dire che una matrice `e unapplicazione
A : {1, 2, . . . , m} {1, 2, . . . , n} R
tale che A(i , j ) = a
ij
R.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 2 / 36
Notazioni
Una matrice verr`a solitamente denotata con le lettere maiuscole
dellalfabeto, mentre gli elementi di una matrice con le lettere minuscole;
ad esempio la scrittura
A = {a
ij
}i =1,...m
j =1,...n
, ovvero A = {a
ij
}, i = 1, . . . m, j = 1, . . . n,
denoter`a una matrice ad m righe ed n colonne il cui generico elemento `e
a
ij
. Denotiamo con R
mn
linsieme delle matrici con m righe ed n colonne.
Esempio (A R
34
)
A =
_
_
2 0 1

3
log(3) 1/3 1
2/3 0 sin(/7) 4/3
_
_
,
`e una matrice 3 4, ovvero a 3 righe e 4 colonne.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 3 / 36
Notazioni
Una matrice verr`a solitamente denotata con le lettere maiuscole
dellalfabeto, mentre gli elementi di una matrice con le lettere minuscole;
ad esempio la scrittura
A = {a
ij
}i =1,...m
j =1,...n
, ovvero A = {a
ij
}, i = 1, . . . m, j = 1, . . . n,
denoter`a una matrice ad m righe ed n colonne il cui generico elemento `e
a
ij
. Denotiamo con R
mn
linsieme delle matrici con m righe ed n colonne.
Esempio (A R
34
)
A =
_
_
2 0 1

3
log(3) 1/3 1
2/3 0 sin(/7) 4/3
_
_
,
`e una matrice 3 4, ovvero a 3 righe e 4 colonne.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 3 / 36
Matrici particolari
Se m = n, (num. di righe= num. di colonne), la matrice `e detta
quadrata di dimensione n (se m = n, la matrice `e detta rettangolare);
se m = n = 1, la matrice si riduce ad un unico elemento e dunque
coincide con uno scalare: A = (a
11
);
se m = 1, la matrice possiede ununica riga, pertanto si riduce ad un
vettore riga: A =
_
a
11
a
12
a
1n
_
se n = 1, la matrice possiede ununica colonna, pertanto si riduce ad
un vettore colonna:
A =
_
_
_
_
_
a
11
a
21
.
.
.
a
m1
_
_
_
_
_

_
a
11
a
21
a
m1
_
T
.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 4 / 36
Matrici particolari
La matrice m n i cui elementi sono tutti nulli si chiama matrice
nulla e si denota con 0
mn
o pi` u semplicemente con 0.
Si chiama diagonale principale di una matrice quadrata di dim. n, il
vettore:
diag(A) =
_
a
11
a
22
a
nn
_
T
.
Si chiama matrice identica, ogni matrice quadrata aventi elementi
diagonali uguali ad 1 ed elementi extra-diagonali nulli:
I =
_
_
_
_
_
1 0 0
0 1 0
.
.
.
.
.
.
.
.
.
0 0 1
_
_
_
_
_
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 5 / 36
Matrici quadrate particolari
Una matrice quadrata A `e detta:

diagonale se tutti i suoi elementi extra-diagonali sono nulli:

a
ij
= 0, i , j = 1, . . . n, i = j ;

triangolare inferiore se tutti i suoi elementi al di sopra della diagonale

principale sono nulli: a
ij
= 0, i < j ;

triangolare superiore se tutti i suoi elementi al di sotto della diagonale

principale sono nulli: a
ij
= 0, i > j ;
Esempio:
D =
_
_
1 0 0
0 2 0
0 0 3
_
_
, T =
_
_
1 0 0
1 2 0
2 4 3
_
_
, S =
_
_
1 1 0
0 0 2
0 0 3
_
_
.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 6 / 36
Addizione tra matrici
Denizione
Se A = {a
ij
} e B = {b
ij
} sono matrici mn si denisce somma tra A e B
la matrice
A + B = {a
ij
+ b
ij
} R
mn
Si osservi che
+ : R
mn
R
mn
R
mn
`e una legge di composizione interna (o legge binaria).
Esempio
A =
_
_
1 2 3
1 0 1
2/3 1 2
_
_
, B =
_
_
1 0 1
1 2 0
1/3 4 3
_
_
, A + B =
_
_
2 2 4
2 2 1
1 3 1
_
_
.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 7 / 36
Propriet`a dell addizione
Commutativit`a: A, B R
mn
:
A + B = B + A;
Associativit`a: A, B, C R
mn
:
(A + B) + C = A + (B + C);
Esistenza dellelemento neutro: A R
mn
:
A + 0 = 0 + A = A;
Esistenza del simmetrico (opposto): A R
mn
, B R
mn
tale
che A + B = 0.
Lopposto di A si denota con A.
Osservazione
(R
mn
, +) `e un gruppo abeliano.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 8 / 36
Moltiplicazione di uno scalare per una matrice
Denizione
Se A = {a
ij
} R
mn
e R, si denisce prodotto di per A la matrice
A = {a
ij
} R
mn
Lapplicazione
: R R
mn
R
mn
`e una legge di composizione esterna.
Esempio
A =
_
_
1 2 3
1 0 1
2/3 1 2
_
_
, 2 A =
_
_
1 4 6
2 0 1
4/3 2 4
_
_
.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 9 / 36
Propriet`a della moltiplicazione per uno scalare
Per ogni , R e per ogni A, B R
mn
risulta:
( A) = () A;
( +) A = A + A;
(A + B) = A + B;
1 A = A.
Per semplicit`a si scriver`a A in luogo di A.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 10 / 36
Trasposta di una matrice
Se A R
mn
, la trasposta di A, denotata con A
T
, `e la matrice ottenuta
da A scambiando le righe con le colonne (o viceversa), ovvero
A
T
= {a
ji
}, i = 1, . . . m, j = 1, . . . n.
Pertanto A
T
R
nm
.
Esempio
A =
_
1 2 3
1 0 1
_
= A
T
=
_
_
1 1
2 0
3 1
_
_
.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 11 / 36
Sottomatrici ( o matrici estratte)
Se A = {a
ij
} R
mn
, una sottomatrice di A (o matrice estratta da A) `e
una matrice ottenuta sopprimendo in A un certo numero di righe e di
colonne.
Esempio
Considerata A =
_
_
1 2 3 0 1
1 0 1 1 2
2/3 1 2 2 1
_
_
,
sono sottomatrici di A:
B =
_
2
_
, C =
_
1 2
1 0
_
, D =
_
1 3 1
2/3 2 1
_
,
E =
_
_
3
1
2
_
_
, F =
_
2/3 1 2 2 1
_
, G = A, H = () .
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 12 / 36
Sottomatrici principali
Si chiama sottomatrice principale di una matrice A una sottomatrice di A i
cui elementi diagonali sono anche elementi diagonali di A.
Esempio
Se A =
_
_
_
_
1 2 3 0 1
1 0 1 1 2
2/3 1 2 2 1
1 1/4 1/2 0 1
_
_
_
_
,
B =
_
_
1 3 0
2/3 2 2
1 1/2 0
_
_
`e ottenuta da A considerando 1
a
, 3
a
e 4
a
riga e 1
a
, 3
a
e 4
a
colonna di A.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 13 / 36
Sottomatrici principali di testa
Si chiama sottomatrice principale di testa di A di ordine k una sottomatrice
(principale) di A ottenuta considerando le prime k righe e colonne di A
Esempio
Se A =
_
_
_
_
1 2 3 0 1
1 0 1 1 2
2/3 1 2 2 1
1 1/4 1/2 0 1
_
_
_
_
,
A
3
=
_
_
1 2 3
1 0 1
2/3 1 2
_
_
`e la sottomatrice principale di testa di A di ordine 3.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 14 / 36
Partizionamento di matrici
Una matrice A si dice partizionata se `e riguardata in termini di sue
sottomatrici (dette blocchi di A).
Esempio
Se A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
, e
A
11
=
_
a
11
a
12
a
21
a
22
_
, A
12
=
_
a
13
a
23
_
,
A
21
=
_
a
31
a
32
_
, A
22
=
_
a
33
_
.
possiamo allora scrivere A =
_
A
11
A
12
A
21
A
22
_
.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 15 / 36
Partizionamenti per righe e per colonne
Partizionamento per righe. Se A R
mn
e denotiamo con
a
T
1
, a
T
2
, a
T
m
, le righe di A, potremo scrivere:
A =
_
_
_
_
_
a
T
1
a
T
2
.
.
.
a
T
m
_
_
_
_
_
.
Partizionamento per colonne. Se B R
mn
e denotiamo con
a
1
, a
2
, a
n
, le colonne di A, potremo scrivere:
A =
_
a
1
, a
2
, . . . a
n
_
.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 16 / 36
Partizionamenti per righe e per colonne
Partizionamento per righe. Se A R
mn
e denotiamo con
a
T
1
, a
T
2
, a
T
m
, le righe di A, potremo scrivere:
A =
_
_
_
_
_
a
T
1
a
T
2
.
.
.
a
T
m
_
_
_
_
_
.
Partizionamento per colonne. Se B R
mn
e denotiamo con
a
1
, a
2
, a
n
, le colonne di A, potremo scrivere:
A =
_
a
1
, a
2
, . . . a
n
_
.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 16 / 36
Prodotto di matrici (righe per colonne)
Ricordiamo che se a e b sono due vettori (colonna) di lunghezza n, il
prodotto scalare di a e b denotato con a
T
b `e cos` denito:
a
T
b
n

k=1
a
k
b
k
.
Siano A R
mp
e B R
pn
. Si denisce prodotto (righe per
colonne) tra A e B la matrice C = A B R
mn
il cui elemento
generico c
ij
`e il prodotto scalare tra la riga i -esima di A e la colonna
j -esima di B:
c
ij
= a
T
i
b
j
=
p

k=1
a
ik
b
kj
, i = 1, . . . m, j = 1, . . . , n.
a
T
i
i -esima riga di A; b
j
j -esima colonna di B.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 17 / 36
ESEMPIO
Osservazione
Il prodotto tra due matrici `e possibile solo se il numero di colonne del
primo fattore coincide con il numero di righe del secondo fattore.
A =
_
1 2 3 4
1 0 1 2
_
=
_
a
T
1
a
T
2
_
, B =
_
_
_
1 1 3
1 0 1
0 2 1
2 1 2
_
_
_
= ( b
1
, b
2
, b
3 )
A B =
_
a
T
1
b
1
a
T
1
b
2
a
T
1
b
3
a
T
2
b
1
a
T
2
b
2
a
T
2
b
3
_
=
_
7 9 6
3 5 8
_
B A non `e possibile.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 18 / 36
Ulteriori esempi (1/2)
_
_
1 2 3
4 5 6
7 8 9
_
_

_
_
1
1
2
_
_
=
_
_
5
11
17
_
_
_
1 1 2
_

_
_
1 2 3
4 5 6
7 8 9
_
_
=
_
11 13 15
_
_
_
1 2 3
4 5 6
7 8 9
_
_
2
=
_
_
1 2 3
4 5 6
7 8 9
_
_

_
_
1 2 3
4 5 6
7 8 9
_
_
=
_
_
30 36 42
66 81 96
102 126 150
_
_
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 19 / 36
Ulteriori esempi (2/2)
_
1 2
3 4
_

_
0 1
2 1
_
=
_
4 1
8 1
_
_
0 1
2 1
_

_
1 2
3 4
_
=
_
3 4
1 0
_
Osservazione
Dunque, se A e B sono quadrate dello stesso ordine, A B e B A sono
ben denite, tuttavia, in generale A e B non sono permutabili cio`e, in
generale, A B = B A.
Ne segue che la moltiplicazione tra matrici non `e commutativa.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 20 / 36
Propriet`a della moltiplicazione di matrici quadrate
: R
nn
R
nn
R
nn
`e una legge di composizione interna su R
nn
che verica le seguenti
propriet`a:
Associativit`a: (A B) C = A (B C);
Esistenza dellelemento neutro: A I = I A = A;
A 0 = 0 A = 0;
Distributivit`a a sinistra: A (B + C) = A B + A C;
Distributivit`a a destra: (A + B) C = A C + B C;
(A B) = (A)B = A(B);
(A B)
T
= B
T
A
T
.
Osservazione
La terna (R
nn
, +, ) `e un anello unitario (non commutativo).
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 21 / 36
Inversa di una matrice quadrata
Una matrice quadrata A R
nn
si dice invertibile se esiste B R
nn
tale
che
AB = I = B A
linversa di A, se esiste, `e denotata con A
1
.
Osservazione
Linversa di una matrice, se esiste, `e unica. Infatti, se
AB = I = B A e
AC = I = C A,
segue che
B = I B = (C A)B = C(AB) = C I = C.
Se A `e invertibile, (A
1
)
1
= A (dim. per esercizio).
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 22 / 36
Esempi e controesempi
Esempi. I
1
= I ;
A =
_
1 0
1 1
_
= A
1
=
_
1 0
1 1
_
B =
_
1 2
3 4
_
= B
1
=
_
2 1
3/2 1/2
_
Controesempi. Non sono invertibili: 0 R
nn
(matrice nulla)
A =
_
1/2 1
1 2
_
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 23 / 36
Determinante di una matrice quadrata
Se A = {a
ij
} R
nn
, denotiamo con A
ij
la sottomatrice quadrata di A di
dimensione n 1 ottenuta da A sopprimendone la i -esima riga e la j -esima
colonna.
Denizione
Si denisce determinante di A e lo si denota con det(A) il seguente scalare:
det(A) =
_

_
a
11
, se n = 1,
n

j =1
(1)
j +1
a
1j
det(A
1j
), se n > 1.
Osservazione
La denizione appena data va sotto il nome di REGOLA DI LAPLACE per
il calcolo del determinante. In letteratura esistono diverse altre denizioni
equivalenti. Il vantaggio di quella da noi adottata `e che essa induce in
maniera naturale un semplice algoritmo ricorsivo.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 24 / 36
Determinante di matrici 2 2 e 3 3
A =
_
a
11
a
12
a
21
a
22
_
= det(A) = a
11
a
22
a
12
a
21
.
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
= det(A) =
a
11
det
_
a
22
a
23
a
32
a
33
_
a
12
det
_
a
21
a
23
a
31
a
33
_
+a
13
det
_
a
21
a
22
a
31
a
32
_
= a
11
a
22
a
33
+ a
12
a
23
a
31
+ a
13
a
21
a
32
a
13
a
22
a
31
a
12
a
21
a
33
+ a
11
a
23
a
32
.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 25 / 36
Determinante di matrici 2 2 e 3 3
A =
_
a
11
a
12
a
21
a
22
_
= det(A) = a
11
a
22
a
12
a
21
.
A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
= det(A) =
a
11
det
_
a
22
a
23
a
32
a
33
_
a
12
det
_
a
21
a
23
a
31
a
33
_
+a
13
det
_
a
21
a
22
a
31
a
32
_
= a
11
a
22
a
33
+ a
12
a
23
a
31
+ a
13
a
21
a
32
a
13
a
22
a
31
a
12
a
21
a
33
+ a
11
a
23
a
32
.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 25 / 36
Generalizzazione della regola di Laplace
Il determinante di una matrice quadrata A = {a
ij
} R
nn
, pu`o essere
equivalentemente calcolato mediante una delle seguenti formule che
generalizzano quella precedentemente data:
Sviluppo lungo la riga i -esima:
det(A) =
n

j =1
(1)
i +j
a
ij
det(A
ij
), (n > 1).
Sviluppo lungo la colonna j -esima:
det(A) =
n

i =1
(1)
i +j
a
ij
det(A
ij
), (n > 1).
Denizione
La quantit`a (1)
i +j
det(A
ij
) prende il nome di complemento algebrico
dellelemento a
ij
.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 26 / 36
Generalizzazione della regola di Laplace
Il determinante di una matrice quadrata A = {a
ij
} R
nn
, pu`o essere
equivalentemente calcolato mediante una delle seguenti formule che
generalizzano quella precedentemente data:
Sviluppo lungo la riga i -esima:
det(A) =
n

j =1
(1)
i +j
a
ij
det(A
ij
), (n > 1).
Sviluppo lungo la colonna j -esima:
det(A) =
n

i =1
(1)
i +j
a
ij
det(A
ij
), (n > 1).
Denizione
La quantit`a (1)
i +j
det(A
ij
) prende il nome di complemento algebrico
dellelemento a
ij
.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 26 / 36
Secondo teorema di Laplace
La somma dei prodotti degli elementi di una riga (colonna) per i
complementi algebrici di unaltra riga (colonna) `e nulla, cio`e:
n

j =1
(1)
k+j
a
ij
det(A
kj
) = 0, i = k
ovvero:
n

i =1
(1)
i +k
a
ij
det(A
ik
) = 0, j = k.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 27 / 36
Propriet`a del determinante (1/3)
det(A
T
) = det(A).
det(A) = 0 se:

gli elementi di una riga sono tutti nulli;

esistono due righe di A che sono uguali (proporzionali);

esiste una riga di A che `e combinazione lineare di altre righe (vale

anche il viceversa).
Aggiungendo ad una riga una combinazione lineare di altre righe, si
ottiene una nuova matrice il cui determinante coincide con quello di
A.
Osservazione
Una combinazione lineare tra vettori a
1
, a
2
, . . . , a
k
`e una somma della
forma
c
1
a
1
+ c
2
a
2
+. . . + c
k
a
k
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 28 / 36
Propriet`a del determinante (2/3)
Se per la i -esima riga di A risulta a
ij
= b
ij
+ c
ij
, dette B e C le
matrici che si ottengono sostituendo in A la i -esima riga con
[b
i 1
, . . . , b
in
] e [c
i 1
, . . . , c
in
], risulta:
det(A) = det(B) + det(C)
Se B `e ottenuta da A scambiando due sue righe, risulta
det(B) = det(A).
Se B `e ottenuta da A moltiplicandone gli elementi di una riga per uno
scalare , risulta det(B) = det(A).
Se A e B sono quadrate dello stesso ordine,
det(AB) = det(A) det(B).
In particolare, se A `e invertibile, det(A
1
) =
1
det(A)
.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 29 / 36
Propriet`a del determinante (3/3)
Poiche det(A
T
) = det(A), le precedenti propriet`a continuano a valere
se riferite alle colonne piuttosto che alle righe di A.
det(A) =
n
det(A)
Se A `e una matrice triangolare, allora
det(A) =
n

i =1
a
ii
cio`e il determinante di A `e il prodotto dei suoi elementi diagonali. In
particolare se I `e la matrice identica, risulta det(I ) = 1.
(Dimostrare i punti per esercizio, applicando i teoremi di Laplace.)
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 30 / 36
Esistenza dellinversa
Una matrice quadrata A si dice non singolare se det(A) = 0.
Si denisce matrice aggiunta di A e si denota con agg(A), la trasposta
della matrice dei complementi algebrici di A:
[agg(A)]
ij
= {(1)
i +j
det(A
ij
)}
T
= {(1)
i +j
det(A
ji
)}
Teorema
A `e invertibile (A
1
) A `e non singolare (det(A) = 0).
Inoltre risulta:
A
1
=
1
det(A)
agg(A)
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 31 / 36
Dimostrazione del teorema di esistenza
Posto B =
1
det(A)
agg(A), sar`a suciente provare che C AB = I . Gli
elementi di C sono:
c
ij
=
1
det(A)
( a
i 1
(1)
j +1
det(A
j 1
) + a
i 2
(1)
j +2
det(A
j 2
) +. . .
. . . + a
in
(1)
j +n
det(A
jn
)
_
Distinguiamo due casi:
per i = j , per la regola di Laplace,
c
ii
=
1
det(A)
det(A)
per i = j , per il secondo teorema di Laplace segue che
c
ij
= 0.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 32 / 36
Sistemi lineari di n equazioni in n incognite
Un sistema lineare di n equazioni in n incognite ha la seguente forma:
_

_
a
11
x
1
+ a
12
x
2
+. . . + a
1n
x
n
= b
1
.
.
.
.
.
.
a
i 1
x
1
+ a
i 2
x
2
+. . . + a
in
x
n
= b
i
.
.
.
.
.
.
a
n1
x
1
+ a
n2
x
2
+. . . + a
nn
x
n
= b
n
La matrice A = {a
ij
} prende il nome di matrice dei coecienti;
il vettore x = [x
1
, x
2
, . . . , x
n
]
T
prende il nome di vettore delle incognite;
il vettore b = [b
1
, b
2
, . . . , b
n
]
T
prende il nome di vettore dei termini noti.
Il sistema lineare sopra riportato pu`o scriversi come
Ax = b (forma compatta)
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 33 / 36
Soluzione di un sist. lin. (di n eq.ni in n incognite)
Consideriamo il sistema lineare
Ax = b.
Se supponiamo che la matrice dei coecienti A `e non singolare
(det(A) = 0), allora A sar`a invertibile: moltiplicando ambo i membri a
sinistra per A
1
otteniamo:
x = A
1
b
dunque possiamo concludere che:
Teorema
Se la matrice dei coecienti di un sistema lineare di n equazioni in n
incognite `e non singolare, il sistema lineare ammette una ed una sola
soluzione (vale anche il viceversa).
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 34 / 36
Metodo di Cramer
Da
x = A
1
b =
1
det(A)
agg(A)b,
eguagliando le i -esime componenti dei due vettori ad ambo i membri si ha:
x
i
=
1
det(A)
_
(1)
i +1
b
1
det(A
1i
) +. . . (1)
i +n
b
n
det(A
ni
)
_
Detta A
i
la matrice che si ottiene sostituendo in A la i -esima colonna con
il vettore dei termini noti, si riconosce immediatamente che
x
i
=
det(A
i
)
det(A)
, i = 1, . . . , n.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 35 / 36
Conclusioni
In questa prima parte di lezioni di Algebra Lineare abbiamo introdotto
le matrici e ne abbiamo studiato alcune propriet`a di base.
Abbiamo poi applicato i risultati allo studio dei sistemi lineari con
ugual numero di equazioni ed incognite
Abbiamo poi osservato che, benche la regola di Laplace ed il metodo
di Cramer siano facilmente implementabili sul calcolatore, le relative
complessit`a computazionali (numero di operazioni) sono talmente
elevate da rendere tali tecniche del tutto inecienti.
Alcuni argomenti della PARTE II :

approccio numerico ai problemi nora arontati;

generalizzazione della teoria a matrici e sistemi rettangolari;

ulteriori propriet`a delle matrici;

introduzione della teoria degli spazi vettoriali;

applicazione della teoria delle matrici allo studio degli spazi vettoriali.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 36 / 36
Conclusioni
In questa prima parte di lezioni di Algebra Lineare abbiamo introdotto
le matrici e ne abbiamo studiato alcune propriet`a di base.
Abbiamo poi applicato i risultati allo studio dei sistemi lineari con
ugual numero di equazioni ed incognite
Abbiamo poi osservato che, benche la regola di Laplace ed il metodo
di Cramer siano facilmente implementabili sul calcolatore, le relative
complessit`a computazionali (numero di operazioni) sono talmente
elevate da rendere tali tecniche del tutto inecienti.
Alcuni argomenti della PARTE II :

approccio numerico ai problemi nora arontati;

generalizzazione della teoria a matrici e sistemi rettangolari;

ulteriori propriet`a delle matrici;

introduzione della teoria degli spazi vettoriali;

applicazione della teoria delle matrici allo studio degli spazi vettoriali.
Felice Iavernaro (Univ. Bari) Matrici e Sistemi lineari 27/02/2006 36 / 36