Professional Documents
Culture Documents
Novembre 2014
Indi
e
0.1 Introduzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.2 Spazi Vettoriali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
0.2.1 Al
uni esempi di spazi vettoriali . . . . . . . . . . . . . . . . . . . . . . . 3
0.2.2 Sottospazi vettoriali,
ombinazioni lineari e basi . . . . . . . . . . . . . . 7
0.3 Appli
azioni Lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
0.3.1 Un esempio di appli
azioni lineari: le matri
i . . . . . . . . . . . . . . . . 11
0.3.2 Operazioni tra appli
azioni lineari . . . . . . . . . . . . . . . . . . . . . . 14
0.3.3 Nu
leo e Immagine di una appli
azione lineare. Isomorsmi e appli
azioni
inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
0.4 Sistemi Lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
0.4.1 Rappresentazione matri
iale . . . . . . . . . . . . . . . . . . . . . . . . . 29
0.4.2 Metodo risolutivo di Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . 30
0.4.3 Sistemi lineari di n equazioni in n in
ognite . . . . . . . . . . . . . . . . 32
0.1 Introduzione
Questi appunti sono s
ritti per la parte di Algebra Lineare relativa al
orso di Istituzioni di
Matemati
a del
orso di laurea triennale in Informati
a Musi
ale. Essi sono s
ritti
on l'inten-
zione di fornire delle
onos
enze basilari sull'argomento, quali al
une denizioni fondamentali
ed al
uni sempli
i risultati, non
h al
uni esempi delle stesse.
La trattazione qui svolta non intende in al
un modo essere esaustiva. Per una analisi pi
om-
pleta di questi argomenti si rimanda a libri di testo quali [1, per lo studio dei vettori in
n
R
, delle
matri
i e dei sistemi lineari, e [2, per una trattazione pi astratta e formale degli argomenti di
teoria.
1
0.2 Spazi Vettoriali
In questa sezione si introdu
ono il
on
etto di spazio vettoriale e le varie nozioni ad esso as-
so
iate. Questi
on
etti verranno prima trattati in maniera assiomati
a e rigorosa, dando le
denizioni basilari e al
uni sempli
i risultati; in seguito, si pro
eder alla dis
ussione di al
uni
degli esempi pi rilevanti in matemati
a.
i. Somma di vettori
+:V V V , (v, w) 7 v + w . (1)
(u + v) + w = u + (v + w) , u, v, w V . (3)
v +w = w+v, v, w V . (4)
a.5. Distributivit della moltipli azione per uno s alare rispetto alla somma di vettori
(u + v) = u + v , R, v, w V . (7)
a.6. Distributivit della moltipli azione per uno s alare rispetto alla somma di s alari
( + ) v = v + v , , R, v V . (8)
( v) = ( ) v , , R, v V . (9)
1 R tale he 1v = v, v V . (10)
2
Osservazione 0.2.1 . Spesso nel seguito,
on un pi
olo abuso di linguaggio, si dir
he V uno
spazio vettoriale, sottointendendo le operazioni di somma di vettori e prodotto per uno s
alare
ad esso asso
iate, quando sar
hiara la loro denizione.
Lemma 0.2.1. Gli assiomi a.1- a.8 della Def. 0.2.1 permettono di dimostrare i seguenti risultati.
0v = o, v V e o = o, R . (11)
Rn := R . . R} ,
| .{z (13)
n volte
(x1 , . . . , xn ) , on xi R, i = 1, . . . , n . (14)
Come nei
asi n = 1, 2, 3
itati pre
edentemente, per ogni n N, l'insieme Rn pu essere messo
in
orrispondenza biunivo
a
on uno spazio n-dimensionale i
ui punti, ssata una origine, sono
identi
ati dalle
oordinate x1 , . . . , xn .
xn
Nel seguito i vettori saranno sempre indi
ati
on delle lettere minus
ole in grassetto (ad esempio
x, y, z, . . .) e le relative
oordinate
on la stessa lettera non in grassetto (ad esempio xi , yi, zi , . . .).
3
Denizione 0.2.3. Sia x un vettore in Rn (si veda la (15)). Il trasposto di x la n-upla
orizzontale
xT = (x1 , . . . , xn ) . (16)
Osservazione 0.2.2 . Spesso, i vettori e i loro trasposti deniti in questi appunti sono rispetti-
vamente denominati vettori
olonna e vettori riga.
x=y xi = yi , i = 1, . . . , n . (19)
denita in modo tale
he le
omponenti del vettore somma z = x+y sono date dalla somma
delle rispettive
omponenti dei vettori x, y
zi = xi + yi , i = 1, . . . , n . (21)
denita in modo tale
he le
omponenti del vettore risultante z = x sono date dal prodotto
delle singole
omponenti del vettore x per lo s
alare
zi = xi , i = 1, . . . , n . (23)
1 Chiaramente, non ha senso parlare di una relazione di uguaglianza per vettori appartenenti a spazi diversi;
ad esempio
x R2 , y R3 x 6= y .
2 N.B.: La somma di vettori denita solo per vettori nello stesso spazio Rn . Non si possono sommare
vettori appartenenti a spazi diversi (ad esempio non denita l'operazione x +y per x R
2
e y
3
).R
4
Denizione 0.2.6. Il vettore nullo 0 Rn il vettore
on tutte le
omponenti nulle
0
0 .
.. . (24)
0
Osservazione 0.2.4 . Il vettore nullo 0 Rn non da
onfondere
on lo zero s
alare 0R 3
( ).
o 0 Rn ; (25)
x := (1) x . (26)
Osservazione 0.2.5. In parti
olare, sono spazi vettoriali lo spazio banale R0 {0} e lo spazio
R1 R ; in quest'ultimo
aso inoltre la somma di vettori e il prodotto per uno s
alare
oin
idono
on le ordinarie operazioni di somma e prodotto denite in R .
5
Altri esempi di spazi vettoriali
Esempio 0.2.3 . Nell'ambito della geometria eu
lidea (nel piano o nello spazio), si
onsideri
l'insieme dei segmenti orientati, vale a dire, l'insieme delle porzioni di rette delimitate da due
punti, dei quali uno detto
oda e uno detto testa. In questo insieme si pu
onsiderare la
relazione di equivalenza
he identi
a segmenti orientati
he siano lati opposti di uno stesso
parallelogramma; equivalentemente, due segmenti orientati si di
ono equivalenti se possono
essere sovrapposti per mezzo di traslazioni rigide (senza rotazioni). Si
onsideri l'insieme delle
lassi di equivalenza
os ottenute
~v =
lasse di equivalenza di segmenti
V := ~v ; (32)
di uguale lunghezza (modulo), direzione e verso
Esempio 0.2.4 . Si onsideri l'insieme dei polinomi (di grado qualsiasi) on oe ienti reali
Si noti
he a destra delle uguaglianze (35) (36) i simboli + e indi
ano rispettivamente le usuali
operazioni di somma e di prodotto in R.
Si veri
a fa
ilmente
he la terna (P[R], + , ) uno spazio vettoriale. In parti
olare, il vettore
nullo il polinomio
o(x) = 0 + 0 x + 0 x2 + . . . 0 xm m N . (37)
Esempio 0.2.5 . Sia X un insieme e (V, +V , V ) uno spazio vettoriale (ad esempio Rn ). L'insieme
F(X, V ) delle funzioni da X a V uno spazio vettoriale se munito delle operazioni seguenti.
i. Somma puntuale
6
ii. Prodotto per uno s
alare
In parti
olare, l'elemento neutro per la somma puntuale (
io per la somma di vettori) la
funzione identi
amente nulla O
he ad ogni xX asso
ia il vettore nullo oV
O:X V , x 7 O(x) = o . (42)
ii. W
hiuso rispetto alla operazione di moltipli
azione per uno s
alare in V
v W , R , v W ; (44)
Osservazione 0.2.6 . Il
on
etto di sottospazio vettoriale l'analogo nella teoria degli spazi
vettoriali della nozione di sottoinsieme nella teoria degli insiemi. In parti
olare, un sottospazio
vettoriale a sua volta uno spazio vettoriale.
Esempio 0.2.6 . Si
onsideri lo spazio vettoriale (Rn , +, ) analizzato in pre
edenza. Il sottoin-
sieme W0 R n
dei vettori
on la prima
omponente nulla
W0 := {x Rn | x1 = 0} (46)
Esempio 0.2.7 . Per ogni mN ssato, l'insieme dei polinomi di grado minore o uguale a m
7
Denizione 0.2.8. Sia 1 , . . . , m R una famiglia di s
alari. Il vettore dato dall'espressione
m
X
i vi = 1 v1 + . . . + m vm V (49)
i=1
m
X
1 , . . . , m R , non tutti nulli, tali
he i vi = o . (51)
i=1
8
0 2+3
.
0=0= x + z = 1+ 23 ; (55)
0 3+5
si avrebbe allora
2+3 = 0
1+ 32 = 0 (56)
3+5 = 0
6
Questo sistema pu essere risolto per sostituzione ( ), ottenendo
ome uni
a soluzione
= 0, = 0, (57)
ii. il sottospazio hv1 , . . . , vm i da essi generato
oin
ide
on lo spazio vettoriale V ,
io ogni
vettore v V pu essere s
ritto
ome
ombinazione lineare dei vettori v1 , . . . , vm .
1 0
0 1 0
0
0 0
e1
= .. , e2
= .. ... en = ... ,
(60)
. .
0
0 0
1
0 0
una base. Per l'importanza
he questa base ri
opre, ad essa viene attribuito il nome spe
i
o
di base
anoni
a.
6 Si veda la sezione 0.4 per altri metodi risolutivi.
9
Esempio 0.2.11 . Si
onsideri lo spazio vettoriale (R3 , +, ). La famiglia di vettori
2 3 0
b1 = 2 ,
b2 = 3 , b3 = 0 ,
(61)
5 5 4
Osservazione 0.2.7 . Gli Esempi 0.2.10, 0.2.11 mostrano
hiaramente
he in generale uno spazio
vettoriale ammette pi basi distinte. Si pu per dimostrare
he tutte le possibili basi di un dato
spazio vettoriale hanno lo stesso numero di elementi. Quindi, la Denizione 0.2.12 di dimensione
di uno spazio vettoriale ben posta, nel senso
he indipendente dalla base
onsiderata.
In questa sezione si introdu
ono il
on
etto di appli
azione lineare tra spazi vettoriali e le varie
nozioni ad esso asso
iate. An
he in questo
aso, ad una prima formulazione assiomati
a e
rigorosa seguir la dis
ussione di al
uni degli esempi pi rilevanti in matemati
a.
7
Si
onsiderino due spazi vettoriali (reali) generi
i ( )
(V, +, ) e (V , + , ) . (62)
L :V V, v 7 L(v) L v . (63)
L(u + v) = Lu + Lv in V, u, v V . (64)
L( v) = Lv in V, R, v V . (65)
7 In generale gli spazi V e V sono diversi an
he a livello insiemisti
o, per
i le operazioni di somma e prodotto
per uno s
alare su essi denite sono a loro volta diverse.
8 Gli assiomi seguenti vengono spesso riassunti di
endo
he la mappa L rispetta (oppure preserva) la
struttura di spazio vettoriale, vale a dire le operazioni di somma di vettori e di prodotto per uno s
alare.
10
Osservazione 0.3.1 . Si noti
he a sinistra delle uguaglianze (64) e (65)
ompaiono rispettiva-
mente le operazioni di somma + e prodotto per uno s
alare nello spazio vettoriale V , mentre a
destra delle stesse uguaglianze
ompaiono rispettivamente le operazioni di somma + e prodotto
per uno s
alare nello spazio vettoriale V .
Questa distinzione verr sottointesa nel seguito e, per sempli
it di notazione, si utilizzeranno
i simboli +, per indi
are le operazioni di somma di vettori e di prodotto per uno s
alare in
qualsiasi spazio vettoriale. Lo spazio in
ui si sta lavorando sar indi
ato dagli elementi
he
ompariranno nelle espressioni.
Gli assiomi a.1 - a.2 della Denizione 0.3.1 permettono di dimostrare i seguenti risultati.
m
! m
X X
L i vi = i L vi , 1 , . . . , m R , v1 , . . . , vm V . (67)
i=1 i=1
L o = o . (68)
Esempio 0.3.1 . Sia V uno spazio vettoriale. Due parti
olari tipi di appli
azioni lineari da V a
V sono l'appli
azione identi
a
id : V V , v 7 id v := v v V , (69)
m, n, p, . . . N . (71)
Denizione 0.3.2. Una matri
e di ordine (m, n) (9 ) (reale ) una tabella di mn numeri reali
aij R (i = 1, . . . , m e j = 1, . . . , n) disposti su m righe ed n
olonne nel modo seguente
a11 a12 a13 a1n
a21 a22 a23 a2n
.. .. .. .. .. . (72)
. . . . .
am1 am2 am3 amn
Nel seguito si indi
heranno sempre le matri
i
on delle lettere maius
ole (ad esempio A, B, C, . . .).
Per ogni i = 1, . . . , m, j = 1, . . . , n, il numero aij detto elemento ij della matri
e, intendendo
ovviamente
he l'elemento appartenente all i-esima riga e alla j -esima
olonna.
11
Esempio 0.3.2 . La seguente s
rittura rappresenta una matri
e di ordine (2, 3)
1 2 5
A= . (73)
7 3 2
Essa ha 2 righe
1 2 5 7 3 2 , (74)
e 3
olonne
1 2 5
. (75)
7 3 2
L'elemento 13 della matri
e A
a13 = 5 . (76)
Denizione 0.3.3. Si indi her on M(m, n) l'insieme di tutte matri i di ordine (m, n)
Nel seguito per dire he A una matri e di ordine (m, n) si s river sempli emente A M(m, n).
La diagonale prin ipale di una matri e quadrata A M(n) l'insieme degli elementi {aii }i=1,...,n .
2) Una matri
e quadrata A M(n) si di
e diagonale se gli uni
i elementi non nulli sono
quelli appartenenti alla diagonale prin
ipale,
io se
aij = 0 , i 6= j , i, j = 1, . . . , n . (79)
0 0 0
0 0 0
0n = .. .. . . .. .
(80)
. . . .
0 0 0
12
4) La matri
e identit 1n M(n) la matri
e diagonale
on tutti gli elementi sulla diagonale
prin
ipale uguali a 1
1 0 0
0 1 0
1n =
.. .. . . .. . (81)
. . . .
0 0 1
n
X
(A x)i := aij xj for i = 1, . . . , m . (84)
j=1
Proposizione 0.3.1. Si
onsiderino gli spazi vettoriali Rm ed Rn . Allora tutte e sole le appli
a-
zioni lineari da R
n
ad R m
sono rappresentabili
ome prodotto a sinistra per matri
i in M(m, n).
Pi pre
isamente, si ha
he
i. per ogni appli azione lineare L L(Rn , Rm ) esiste una matri e AL M(m, n) tale he
L x = AL x in Rm , x Rn ; (87)
13
ii. per ogni matri
e A M(m, n) esiste una appli
azione lineare LA L(Rn , Rm ) tale
he
A x = LA x in Rm , x Rn . (88)
una appli
azione lineare detta proiezione ; essa pu essere rappresentata
ome la mappa di
moltipli
azione a sinistra per la matri
e P3 M(2, 3) denita
ome
1 0 0
P3 := . (91)
0 1 0
Lv = M v in V, v V . (93)
Denizione 0.3.8. Si denis
ono le seguenti operazioni tra appli
azioni lineari. (
10
)
(L +L M) v = L v + M v in V, v V . (95)
10 Si di
e
he le operazioni di somma e prodotto per uno s
alare di appli
azioni lineari sono indotte dalle
analoghe operazioni nello spazio vettoriale di arrivo V .
11 N.B.: Come si era osservato per la somma tra vettori e la somma di matri
i, an
he la somma di appli
azioni
lineari denita solo per appli
azioni nello stesso spazio L(V, V ).
14
ii. Moltipli
azione per uno s
alare
L : R L(V, V ) L(V, V ) , (, L) 7 L L , (96)
( L L) v = (L v) in V, v V . (97)
Lemma 0.3.2. La terna (L(V, V ), +L , L ), dove le operazioni di somma di appli
azioni lineari
e di prodotto per uno s
alare sono rispettivamente quelle denite nelle equazioni (94) (96),
uno spazio vettoriale.
Si dimostra fa
ilmente
he la mappa ottenuta
ome
omposizione di appli
azioni lineari a sua
volta una appli
azione lineare. Ci permette di dare la seguente denizione.
Denizione 0.3.9. Siano U, V, W tre spazi vettoriali. La
omposizione di appli
azioni lineari
la mappa
(M L) v = M(L v) in W, v V . (99)
i. Somma di matri
i (
13
)
denita in modo tale
he gli elementi della matri
e somma C = A+B sono date dalla
somma dei rispettivi elementi delle matri
i A, B
12 Come per i vettori in Rn , non ha senso denire una relazione di uguaglianza tra matri
i appartenenti a
spazi diversi; ad esempio
A M(2, 3) , B M(5, 2) A 6= B .
13 N.B.: Come si era osservato per la somma tra vettori, an
he la somma di matri
i denita solo per
matri
i nello stesso spazio M(m, n). Non si possono sommare matri
i di ordine diverso (ad esempio non
denita l'operazione A+B A M(2, 3) e B M(7, 4)).
per
15
ii. Prodotto per uno s
alare
: R M(m, n) M(m, n) , (, A) 7 A , (103)
denita in modo tale
he gli elementi della matri
e risultante C = A sono date dal
prodotto dei singoli elementi della matri
e A per lo s
alare :
cij = aij , i = 1, . . . , m , j = 1, . . . , n . (104)
Denizione 0.3.12. Sia A M(m, n). L' opposta di A la matri
e A M(m, n) denita
ome
A := (1) A . (105)
L(Rn , Rm ) M(m, n) , L 7 AL .
Si pu dimostrare
he due appli
azioni lineari L, L L(Rn , Rm ) sono uguali nel senso della
denizione 0.3.7 se e solo se le matri
i AL , AL M(m, n) ad esse asso
iate sono uguali nel
senso della denizione 0.3.10. Similmente, si dimostra
he la biezione preserva le operazioni di
somma e prodotto, nel senso
he
16
In al
uni
asi si pu an
he denire una operazione di prodotto tra matri
i
ome segue.
in modo tale
he gli elementi della matri
e prodotto C =AB siano dati dalla relazione
n
X
cij = aik bkj , i = 1, . . . , m , j = 1, . . . , p . (112)
j=1
Lemma 0.3.4. L'insieme M(m, n) munito delle operazioni di somma di matri
i (101) e pro-
dotto tra matri
i (111) un anello.
Siano L L(Rm , Rn ) e M L(Rn , Rp ) due appli
azioni lineari alle quali, tramite le prime
due biezioni nell'equazione (113), sono rispettivamente asso
iate le matri
i AL M(n, m) e
AM M(p, n). Si pu
onsiderare la
omposizione di queste appli
azioni M L L(Rm , Rp ) e
dimostrare
he la matri
e asso
iata a questa appli
azione, tramite l'ultima biezione in (113),
data dal prodotto delle matri
i AL , AM
AM L = AM AL M(p, m) . (114)
Quindi, identi
ando le appli
azioni lineari tra spazi Rn (n N)
on delle matri
i, l'operazione
di
omposizione di tali appli
azioni deve essere identi
ata
on l'operazione di prodotto tra le
matri
i ad esse asso
iate.
69 16 18 10
= . (116)
52 50 48 46
Si noti
he, vi
eversa, non si pu denire il prodotto BA per
h il numero di
olonne di B
diverso dal numero di righe di A.
14 N.B.: An
he in questo
aso, si presti attenzione al fatto
he il prodotto denito solo tra matri
i tali
he
il numero di
olonne della prima sia uguale al numero di righe della se
onda.
17
Esempio 0.3.8. Un altro esempio
he sar molto utile quando si parler di sistemi lineari il
prodotto di una matri
e per un vettore, intendendo quest'ultimo
ome matri
e in M(n, 1). Si
onsiderino la matri
e x R
A M(2, 3) e i vettori 3 ( M(3, 1)), 2 ( M(2, 1)) deniti b R
ome segue
x1
2 1 1 0
A=
3 0 2
, x = x2 , b= 2
. (117)
x3
Ax=b in R2 , (119)
he equivale, per via della Denizione 0.2.4 di uguaglianza tra vettori in R2 , al sistema in due
equazioni e tre in
ognite
2x1 x2 + x3 = 0
. (120)
3x1 + 0x2 + 2x3 = 2
i. Asso iativit
Osservazione .
0.3.5 Sebbene queste propriet rendano il prodotto di matri
i (111) simile al
prodotto di s
alari, in realt i due si distinguono per altri motivi. Ad esempio, per il prodotto
di matri
i si ha quanto segue.
A B 6= B A . (123)
Uno dei due prodotti potrebbe addirittura non essere denito (si veda l'Esempio 0.3.7).
AB =AC e A 6= 0n
6 B=C. (124)
A D = 0n e A 6= 0n
6 D = 0n .
18
Esempio 0.3.9 . A M(m, n), B M(n, m)
on m, n N, m 6= n.
Si
onsiderino due matri
i
Allora il prodotto AB una matri
e in M(m, m), mentre il prodotto B A una matri
e in
M(n, n);
hiaramente per m 6= n gli spazi M(m, m) e M(n, n) sono diversi (in quanto
ostituiti
da matri
i di ordini dierenti), quindi i prodotti A B e B A sono a loro volta matri
i diverse.
A B 6= B A e A B = 02 on A, B 6= 02 . (127)
tale he gli elementi della matri e trasposta AT siano dati dalla relazione
1) Involutivit
(AT )T = A , A M(m, n) . (130)
16
3) Composizione
on il prodotto di matri
i ( )
T
(A1 A2 . . . Ak ) = ATk ... AT2 AT1 ,
io la trasposta della matri
e prodotto il prodotto delle matri
i trasposte.
19
Denizione 0.3.15. Una matri
e quadrata A M(n) si di
e simmetri
a se
AT = A . (135)
AT = A . (136)
KerL := {v V | L v = o in V } , (137)
Esempio 0.3.11 . Si
onsideri l'appli
azione lineare L L(R3 , R2 ) a
ui asso
iata tramite la
biezione (89) la matri
e
1 5 3
AL = . (139)
4 0 2
Per determinare il nu
leo KerL, si devono trovare i vettori x R3 tali
he Lx = AL x = 0 in
R2
,
io
x1
0 1 5 3 x + 5x + 3x
0
= 0 =. AL x = 4 0 2
x2 = 1 2
4x1 2x3
3
. (140)
x3
Ci equivale a risolvere il sistema lineare
x1 + 5x2 + 3x3 = 0
. (141)
4x1 2x3 = 0
x1 = x , x2 = x , x3 = 2x , x R , (142)
per
i si ha
he
x
KerL = x R3 x = x , x R . (143)
2x
Lemma 0.3.7. Sia L L(V, V ) una appli azione lineare. Allora valgono i seguenti risultati.
20
2) L'immagine ImL un sottospazio vettoriale dello spazio vettoriale V .
Lemma 0.3.8. Una appli
azione lineare L L(V, V ) iniettiva se e solo se il suo nu
leo KerL
ostituito dal solo vettore nullo oV
L iniettiva KerL = {o} . (144)
Denizione 0.3.17. Una appli
azione lineare L L(V, V ) detta invertibile se esiste una
se
onda appli
azione lineare M L(V , V ) tale
he
Lemma 0.3.9. Una appli
azione lineare L L(V, V )
he sia an
he una mappa biunivo
a (
io
17
iniettiva e suriettiva) tra gli insiemi V e V an
he invertibile ( ).
Denizione 0.3.18. Una appli
azione lineare L L(V, V ) biunivo
a (e quindi invertibile)
detta isomorsmo tra gli spazi vettoriali V e V
. Si di
e
he gli spazi V e V sono
. isomor
Si ha il seguente risultato fondamentale.
Proposizione 0.3.2. Ogni spazio vettoriale V di dimensione nita nN isomorfo allo spazio
vettoriale R n
,
io esiste almeno un isomorsmo tra i due spazi (
18
).
Matri
i quadrate
Lemma 0.3.10. Sia A M(n) una qualsiasi matri
e quadrata. Allora valgono le relazioni (
19
)
A 1n = 1n A = A in M(n) , (146)
A 0n = 0n A = 0n in M(n) . (147)
Tr A = 7 + 4 + (6) + 0 = 5 . (150)
17 Si noti
he l'enun
iato non banale: la biunivo
it di L garantis
e l'esistenza di una mappa inversa L1
di
ui per non garantita la linearit,
he inve
e assi
urata dal lemma enun
iato.
18 In realt ne esistono inniti di tali isomorsmi; pi pre
isamente ne esiste uno per ogni s
elta di base in V.
19 Queste relazioni
hiaris
ono per
h 0n e 1n siano rispettivamente dette matri
e nulla e matri
e identi
a.
21
Lemma 0.3.11. La tra
ia soddisfa le seguenti propriet.
1) Ci li it
Tr (A B) = Tr (B A) , A, B M(n) . (151)
T
Tr A = Tr A , A M(n) . (152)
det A := a . (154)
ii. Per n > 1, il determinante di una matri
e A M(n) dato dalla formula di Lapla
e
n
X
det A := (1)j+1 a1j det A1j = a11 det A11 a12 det A12 + . . . + (1)n+1 det A1n . (155)
j=1
dove i determinanti delle matri i quadrate di ordine 2 restanti sono al olati se ondo la (156).
Il suo determinante
3 8 0 8 0 3
det A = (2) det 4 det + 6 det =
1 0 5 0 5 1 (159)
22
Lemma 0.3.12. Il determinante soddisfa le seguenti propriet, le quali possono risultare utili
an
he per il
al
olo espli
ito dello stesso. Siano A, B M(n) due matri
i quadrate.
2) S
ambio di righe e
olonne. Sia A la matri
e ottenuta da A spostando una riga (o una
olonna) di p posizioni. Allora vale
In parti
olare, se A la matri
e ottenuta da A s
ambiando tra loro due righe (o due
olonne), allora si ha
det A = 0 . (163)
det 1n = 1 . (166)
Osservazione 0.3.7 .
Il risultato 3) del Lemma 0.3.12 fornis
e un buon metodo per determinare
la dipendenza o indipendenza lineare di una famiglia di x x
n vettori 1 , . . . , n n . E' su
ienteR
onsiderare la matri
e quadrata X M(n) ottenuta aan
ando i vettori
1
,..., n x x
x11 x21 . . . xn1
x1 x2 . . . xn
2 2 2
X := .. .
. .. . ,
.
(167)
. . . .
xn xn . . . xnn
1 2
23
Denizione 0.3.22. Una matri
e quadrata A M(n) detta invertibile se esiste una se
onda
matri
e quadrata M M(n) tale
he
A M = M A = 1n in M(n) . (169)
1
det(A1 ) = , A GL(n) . (173)
det A
3) GL(n) un sottospazio vettoriale di M(n).
4) La matri
e identi
a invertibile e
oin
ide
on la sua inversa
1n GL(n) e 11
n = 1n . (174)
A B GL(n) , (175)
(A B)1 = B 1 A1 . (176)
Proposizione 0.3.3. Sia L L(Rn , Rn ) una appli
azione lineare da Rn in s, e sia AL M(n)
la matri
e quadrata ad essa asso
iata per mezzo della biezione (89). Allora L un isomorsmo
se e solo se AL una matri
e invertibile. Il punto 2) del Lemma 0.3.13, impli
a allora
he
20 Si pu infatti dimostrare
he lo spazio delle matri
i invertibili munito dell'operazione di moltipli
azione di
matri
i un gruppo.
24
Metodo di Gauss per il
al
olo della inversa di matri
i quadrate
Sia A GL(n) una matri
e quadrata invertibile. Esistono vari metodi per
al
olare la matri
e
inversa A1 ; uno di questi metodi, una
ui sempli
e variante sar utilizzata nel seguito
ome
te
ni
a risolutiva per i sistemi lineari, il
osiddetto metodo di Gauss per il
al
olo della matri
e
inversa. Questo
onsiste nei seguenti passaggi.
det A 6= 0 . (179)
ii. moltipli azione una riga per un numero reale diverso da zero;
4. La matri
e inversa A1 data dalla matri
e C M(n) ottenuta a destra della linea di
separazione verti
ale
A1 = C . (182)
25
3. Si
onsidera la sequenza di operazioni seguente.
iii. Si somma la se onda riga moltipli ata per 2 alla prima riga.
T
rk(A ) = rkA , A M(m, n) . (191)
21 Come veri
a si possono
al
olare espli
itamente i prodotti AA 1
e A1
A e veri
are
he
A A1 = A1 A = 12 .
26
3) Non pu assumere valori superiori al numero di righe o al numero di
olonne della matri
e
Vale il seguente risultato he fornis e una aratterizzazione molto utile del rango di una matri e.
Lemma 0.3.15. Il rango di una matri
e A M(m, n) equivale all'ordine della pi grande
22
sottomatri
e quadrata invertibile ( )
2 4 0 1
A = 0 0 1 1 . (195)
2 1 3 0
il
ui determinante
1 1 0 1 0 1
det B := 4 det 0 det + 1 det =
3 0 1 0 1 3 (197)
= 4 3 + 1 (1) = 11 6= 0 .
1 2 3
A= . (199)
2 4 6
27
i
ui determinanti si
al
olano fa
ilmente ottenendo
Per
i, dato
he tutte le sottomatri
i di ordine 2 hanno determinante nullo (e quindi non sono
invertibili), si ha
rkA <2. (202)
La teoria degli spazi vettoriali, delle appli
azioni lineari e del
al
olo matri
iale analizzata nora
ostituis
e il linguaggio
orretto per lo studio e la risoluzione dei sistemi lineari
he verranno
onsiderati in questa sezione.
1) Una soluzione di tale sistema una qualsiasi n-upla di numeri
he, sostituita alle in
ognite,
soddisfa simultaneamente tutte le equazioni del sistema.
28
0.4.1 Rappresentazione matri
iale
Nell'Esempio 0.3.8 si visto
he possibile ris
rivere un sistema di 2 equazioni in 3 in
ognite
ome uguaglianza tra vettori in
2
R
, uno dei quali dato dal prodotto di una matri
e in M(2, 3)
per un vettore (il vettore delle in
ognite) in
3
. R
Pi in generale,
hiaro
he un sistema lineare di m equazioni lineari in n in
ognite
ome quello
in Eq.(204) pu essere ris
ritto in forma matri
iale
ome
A x = b, (205)
in
ui A M(m, n), x Rn e b Rm sono rispettivamente detti matri
e dei
oe
ienti, vettore
delle in
ognite e vettore dei termini noti ; questi sono deniti
ome segue
a11 a12 a13 a1n x1 b1
a21 a22 a23 a2n x2 b2
A = .. .
..
.
.. .. .
..
, x=
.. , b=
.. . (206)
. . . .
am1 am2 am3 amn xn bm
Ax=0, (207)
in ui 0 Rm il vettore nullo.
Denizione 0.4.4. Si
onsideri un sistema lineare
on forma matri
iale
ome in (205). La
matri
e asso
iata b
al sistema la matri
e (A | ) M(m, n+1) ottenuta a
ostando il vettore
dei termini noti b R
M(m, 0) ( m ) alla matri
e dei
oe
ienti A M(m, n)
a11 a12 a13 a1n b1
a21 a22 a23 a2n b2
(A | b) := ..
.. .. .. .. .. . (208)
. . . . . .
am1 am2 am3 amn bm
Lemma 0.4.1. Un sistema lineare di m equazioni in n in
ognite ammette sempre
ome solu-
zione il vettore nullo
x = 0 Rn . (209)
23 Ci equivale a dire
he le
omponenti del vettore x Rn
ostituis
ono una n-upla
he soddisfa il sistema
lineare,
io
he queste sono una soluzione nel senso del punto 1) della Denizione 0.4.2.
29
24
Inoltre si ha
he ( )
i. ser = n il sistema lineare
onsiderato determinato,
io ammette una ed una sola soluzione;
nr
ii. se r < n il sistema lineare
onsiderato indeterminato,
io ammette soluzioni, nel
senso
he esistono innite soluzioni dipendenti da nr parametri indipendenti.
Lemma 0.4.2. Ogni sistema lineare equivalente al sistema lineare da esso ottenuto tenendo
solo le equazioni linearmente indipendenti, ed eliminando le altre equazioni.
Osservazione 0.4.1. Per via del Lemma 0.4.2, un qualsiasi sistema lineare di m equazioni in
n in
ognite risolubile equivalente ad un sistema di r equazioni in n in
ognite,
on r = rkA,
ottenuto dal sistema lineare di partenza eliminando m r equazioni linearmente dipendenti
dalle equazioni di partenza.
Il metodo di Gauss per la risoluzione di sistemi lineari onsiste nei seguenti passaggi.
1. Si veri a per mezzo del teorema di Rou h-Capelli he il sistema sia risolubile.
1r Dr,nr
(213)
Omr,r Omr,nr 0
per mezzo delle seguenti operazioni
ii. moltipli azione di una riga per un numero reale diverso da zero;
24 Si ri
ordi
he, per il punto 3) del Lemma 0.3.14, il rango di una matri
e non pu essere maggiore del numero
di righe e del numero di
olonne, per
i
rkA =rn.
30
4. Le soluzioni del sistema lineare
onsiderato sono i vettori x Rn , le
ui
omponenti sono
determinate
ome segue
Osservazione 0.4.2 . Le operazioni i,ii,iii del punto 2 del metodo risolutivo di Gauss
orrispon-
dono rispettivamente alle seguenti operazioni sul sistema lineare di partenza.
ii. Moltipli
azione per un numero reale diverso da zero a destra e sinistra dell'uguale di una
delle equazioni del sistema lineare.
iii. Somma termine a termine di una equazione
on un multiplo (reale) di un'altra equazione
del sistema lineare.
31
v. Si somma alla se
onda riga la terza moltipli
ata per 5.
vi. Si somma alla prima riga la terza riga moltipli
ata per 3 e la se
onda riga molti-
pli
ata per 1 .
1 1 3 3 1 1 1 3 3 1 1 1 3 3 1
i ii iii
0 1 5 2 5 0 1 5 2 5 0 1 5 2 5
1 2 0 2 2 1 2 0 2 2 0 1 3 1 3
1 1 3 3 1 1 1 3 3 1
iii iv v
0 1 5 2 5 0 1 5 2 5 (219)
0 0 2 1 2 0 0 1 1/2 1
1 1 3 3 1 1 0 0 1 2
v vi
0 1 0 1/2 0 0 1 0
1/2 0 .
0 0 1 1/2 1 0 0 1 1/2 1
1 1
x1 = 2 x4 , x2 = x4 , x3 = 1 x4 . (220)
2 2
A GL(n) . (222)
Per il punto 2) del Lemma 0.3.13, si ha allora un sistema la ui rappresentazione matri iale
Ax = b on det A 6= 0 . (223)
Nel
aso di sistemi lineari
ome quello in Eq.(223) esistono diversi metodi risolutivi. Uno di
questi il metodo di Gauss (valido per sistemi lineari qualsiasi) analizzato pre
edentemente.
Altri metodi, validi solo per sistemi lineari del tipo (223) sono il metodo della matri
e inversa
e il metodo di Cramer
he verranno ora dis
ussi.
32
Il metodo risolutivo della matri
e inversa
1. Si stabilis
e se il sistema lineare del tipo (223) veri
ando
he il determinante della
matri
e dei
oe
ienti sia non nullo
det A 6= 0 . (224)
25
2. Si
al
ola la matri
e inversa A1 GL(n) ( ), ad esempio
on il metodo di Gauss per il
al
olo della matri
e inversa analizzato in pre
edenza.
x = A1 b . (228)
25 L'esistenza della matri
e inversa A1 GL(n) garantita dal fatto
he la matri
e dei
oe
ienti invertibile
A GL(n) (si veda il punto 6) del Lemma 0.3.13).
i. Si moltipli
ano a sinistra le espressioni su entrambi i lati dell'uguaglianza nell'equazione (223) per la
1
matri
e inversa A , ottenendo
A1 (A x) = A1 b . (225)
A1 (A x) = (A1 A) x , A1 A = 1n , 1n x = x , (226)
rispettivamente per l'asso
iativit del prodotto di matri
i, per la denizione di matri
e inversa e per
la denizione di matri
e identi
a. Quindi, ri
apitolando, l'equazione (225) permette di determinare la
soluzione x
ome
x = A1 b . (227)
33
Il metodo risolutivo di Cramer
1. Si stabilis
e se il sistema lineare del tipo (223) veri
ando
he il determinante della
matri
e dei
oe
ienti sia non nullo
det A 6= 0 . (229)
a11 . . . a1 i1 b1 a1 i+1 . . . a1n
a21 . . . a2 i1 b2 a2 i+1 . . . a2n
Ai := .. .. .. .. .. .. . (230)
. . . . . ... .
an1 . . . an i1 bn an i+1 . . . ann
det Ai
xi = , i = 1, . . . , n . (231)
det A
Un esempio
Esempio 0.4.2. Si
onsideri il sistema lineare di tre equazioni in tre in
ognite
x1 + 4x2 + 6x3 = 4
x1 x2 2x3 = 2 (232)
x1 + 2x2 + 3x3 = 3
In forma matri
iale questo sistema lineare pu essere ris
ritto
ome
1 4 6 x1 4
A x = b,
on A = 1 1 2 , x = x2 , b = 2 . (233)
1 2 3 x3 3
det A = 1 6= 0 , (234)
Metodo di Gauss.
1. Si
onsidera la matri
e asso
iata al sistema (A | b) M(3, 4) ottenuta a
ostando il
vettore dei termini noti b M(3, 0) ( R3) alla matri
e dei
oe
ienti A M(3, 3)
1 4 6 4
(A | b) := 1 1 2 2 . (235)
1 2 3 3
34
2. Si
onsidera la sequenza di operazioni seguente.
iv. Si somma la se onda riga moltipli ata per 3 alla terza riga .
vi. Si sommano la terza riga moltipli
ata per 2 e la se
onda riga alla prima riga .
1 4 6 4 1 1 2 2
i ii
1 1 2 2 1 4 6 4
1 2 3 3 1 2 3 3
1 1 2 2 1 1 2 2
ii iii iv
0 3 4 2 0 1 1 1 (236)
0 1 1 1 0 3 4 2
1 1 2 2 1 1 2 2 1 0 0 2
iv v vi
0 1 1 1 0 1 0 2 0 1 0 2 .
0 0 1 1 0 0 1 1 0 0 1 1
iv. Si somma la se onda riga moltipli ata per 3 alla terza riga.
vi. Si sommano la terza riga moltipli ata per 2 e la se onda riga alla prima riga.
35
1 4 6 1 0 0
i
1 1 2 0 1 0
1 2 3 0 0 1
1 1 2 0 1 0 1 1 2 0 1 0
i ii iii
1 4 6 1 0 00 3 4 1 1 0
1 2 3 0 0 1 0 1 1 0 1 1
(238)
1 1 2 0 1 0 1 1 2 0 1 0
iii iv v
0 1 1 0 1 10 1 1 0 1 1
0 3 4 1 1 0 0 0 1 1 2 3
1 1 2 0 1 0 1 0 0 1 0 2
v vi
0 1 0 1 3 4 0 1 0 1 3 4 .
0 0 1 1 2 3 0 0 1 1 2 3
Metodo di Cramer.
1. Si gi veri
ato (si veda l'Eq.(234))
he la matri
e dei
oe
ienti invertibile.
det A1 2
x1 = = = 2 , (243)
det A 1
36
det A2 2
x2 = = =2, (244)
det A 1
det A3 1
x3 = = = 1 . (245)
det A 1
Per
i la soluzione
2
x= 2 . (246)
1
37
Bibliograa
[1 A. Guerraggio, Matemati
a Generale (Bollati Boringhieri, 1995).
[3 http://en.wikibooks.org/wiki/Linear_Algebra .
38