Richiami di Algebra lineare

Docente: Cecilia Magherini

1 Sistemi lineari
Un sistema lineare costituito da m equazioni in n incognite `e un sistema del
seguente tipo
_

_
a
11
x
1
+ a
12
x
2
+ . . . + a
1n
x
n
= b
1
a
21
x
1
+ a
22
x
2
+ . . . + a
2n
x
n
= b
2
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
x
1
+ a
m2
x
2
+ . . . + a
mn
x
n
= b
m
(1)
Le quantit` a a
ij
, i = 1, 2, . . . , m, j = 1, 2, . . . , n sono i coecienti del sis-
tema mentre b
i
, i = 1, 2, . . . , m sono i termini noti. Inne, le variabili x
j
, j =
1, 2, . . . , n sono le incognite del sistema. I coecienti ed i termini noti sono
assegnati e risolvere il sistema signica determinare i valori delle incognite tali
per cui tutte le m equazioni del sistema siano vericate.
Il sistema lineare (1) pu` o essere riscritto in forma matriciale come segue
Ax = b (2)
dove
A = (a
ij
) =
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
R
mn
`e la matrice dei coecienti, mentre
b = (b
i
) =
_
_
_
_
_
b
1
b
2
.
.
.
b
m
_
_
_
_
_
R
m
, x = (x
j
) =
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
R
n
sono il vettore dei termini noti ed il vettore delle incognite, rispettivamente.
Il prodotto matrice-vettore Ax `e infatti cos` denito
Ax =
_
_
_
_
_
_
_
_
_

n
j=1
a
1j
x
j

n
j=1
a
2j
x
j
.
.
.

n
j=1
a
mj
x
j
_
_
_
_
_
_
_
_
_
.
1
Il sistema (2) ammette soluzione se e solo se
b ran(A) {y R
m
tali che esiste z R
n
per cui Az = y} .
`
E noto che ran(A) `e un sottospazio vettoriale di R
m
da cui si ricava
rank(A) dim(ran(A)) m.
Si dimostra che in realt` a
rank(A) min(m, n).
Nel caso in cui la soluzione di (2) esista allora essa `e unica se e solo se
Null(A) {z R
n
tali che Az = 0
m
} = {0
n
}
dove 0
m
e 0
n
sono i vettori con tutte componenti uguali a zero in R
m
e R
n
,
rispettivamente. Non `e dicile vericare che Null(A) `e un sottospazio vettoriale
di R
n
e pertanto dim(Null(A)) n. Vale inoltre il seguente risultato.
Teorema 1.1 Per ogni matrice A R
mn
si ha rank(A) + dim(Null(A)) = n.
Denizione 1.2 Una matrice quadrata A R
nn
`e detta non singolare se
rank(A) = n.
`
E importante sottolineare che la denizione di non singolarit`a vale soltanto per
matrici quadrate.
Dalle precedenti considerazioni discende che se la matrice dei coecienti A
del sistema lineare (2) `e quadrata (ovvero se il numero di equazioni del sistema
coincide con il numero di incognite) allora per ogni vettore dei termini noti b,
la soluzione di (2) esiste ed `e unica se e soltanto se A `e non singolare.
2 Operazioni su matrici
Denizione 2.1 La trasposta di una matrice F = (f
ij
) R
mn
`e la matrice
F
T
R
nm
che si ottiene da F scambiando le sue righe e le sue colonne, ovvero
F
T
=
_
_
_
_
_
f
11
f
21
. . . f
m1
f
12
f
22
. . . f
m2
.
.
.
.
.
.
.
.
.
.
.
.
f
1n
f
2n
. . . f
mn
_
_
_
_
_
R
nm
.
Denizione 2.2 Il prodotto F di uno scalare R ed una matrice F =
(f
ij
) R
mn
`e la matrice F = (f
ij
) R
mn
.
Denizione 2.3 La somma di due matrici F = (f
ij
) , G = (g
ij
) R
mn
`e la
matrice F +G = (f
ij
+g
ij
) R
mn
.
2
Denizione 2.4 Il prodotto (righe per colonne) tra una matrice F = (f
ij
)
R
mn
ed una matrice G = (g
jk
) R
nr
`e la matrice H = F G = (h
ik
) R
mr
i cui elementi sono dati da
h
ik
=
n

j=1
f
ij
g
jk
, i = 1, 2, . . . n, k = 1, 2, . . . r.
Il prodotto righe per colonne tra due matrici pu` o anche essere interpretato nei
seguenti due modi:
siano F = (f
ij
) R
mn
e G = (g
jk
) R
nr
. Per ogni k = 1, 2, . . . , r, sia
g
k
= (g
1k
g
2k
g
nk
)
T
la k-ma colonna di G. Allora, la k-ma colonna
della matrice F G `e data da Fg
k
, ovvero
F G = F (g
1
g
2
g
r
) = (Fg
1
Fg
2
Fg
r
)
analogamente, indicando con f
T
i
= (f
i1
f
i2
f
in
) la i-ma riga di F, per
ogni i = 1, 2, . . . , m, risulta
F G =
_
_
_
_
_
_
_
_
f
T
1
f
T
2
.
.
.
f
T
m
_
_
_
_
_
_
_
_
G =
_
_
_
_
_
_
_
_
f
T
1
G
f
T
2
G
.
.
.
f
T
m
G
_
_
_
_
_
_
_
_
.
Valgono le seguenti propriet` a:
1. se F R
mn
, G R
nk
e R allora (F) G = F (G);
2. se F R
mn
, G R
nk
e H R
kl
allora
(F G) H = F (G H) ( propriet` a associativa);
3. se F, G R
mn
e H R
nk
allora
(F +G) H = F H +G H (propriet`a distributiva destra);
4. se F R
mn
e G, H R
nk
allora
F (G+H) = F G+F H (propriet`a distributiva sinistra);
5. se F R
mn
e G R
nk
allora
(F G)
T
= G
T
F
T
.
`
E importante sottolineare che il prodotto righe per colonne non soddisfa la
propriet` a commutativa ovvero, in generale.
F G = G F.
Ad esempio
_
1 0
0 2
__
1 2
3 4
_
=
_
1 2
3 4
__
1 0
0 2
_
Il seguente `e un importante risultato.
3
Teorema 2.5 Se F R
mm
`e non singolare allora esiste ed `e unica la matrice
inversa di F, indicata con F
1
, tale che
F F
1
= F
1
F = I
_
_
_
_
_
1
1
.
.
.
1
_
_
_
_
_
. (3)
La matrice I nella precedente equazione `e detta matrice identit`a di ordine m.
Si dimostra che se F R
mm
`e non singolare e G R
mn
allora
rank(F G) = rank(G).
In particolare, se G R
mm
e G `e non singolare, dal precedente risultato si
ricava che F G `e a sua volta non singolare. Inoltre, non `e dicile vericare che
(F G)
1
= G
1
F
1
.
3 Matrici quadrate con particolari strutture
Una matrice quadrata F = (f
ij
) R
mm
`e detta
1. simmetrica se F
T
= F;
2. diagonale se f
ij
= 0 per ogni i = j, ovvero
F =
_
_
_
_
_
f
11
f
22
.
.
.
f
mm
_
_
_
_
_
;
3. triangolare inferiore se f
ij
= 0 per ogni i < j ovvero
F =
_
_
_
_
_
f
11
f
21
f
22
.
.
.
.
.
.
.
.
.
f
m1
f
m2
. . . f
mm
_
_
_
_
_
;
4. triangolare superiore se f
ij
= 0 per ogni i > j ovvero
F =
_
_
_
_
_
f
11
f
12
. . . f
1m
f
22
. . . f
2m
.
.
.
.
.
.
f
mm
_
_
_
_
_
;
5. ortogonale se F
1
= F
T
. Chiaramente anch`e una matrice sia ortogonale
occorre che sia non singolare;
4
6. denita positiva se per ogni v R
m
, v = 0, si ha
v
T
Fv > 0;
7. simmetrica denita positiva (sdp) se `e sia simmetrica che denita positiva.
Non `e dicile vericare che il prodotto righe per colonne tra matrici diagonali,
triangolari inferiori o superiori `e a sua volta diagonale, triangolare inferiore o
superiore, rispettivamente.
Un risultato analogo vale per le matrici inverse, ovvero linversa di una matrice
diagonale, triangolare inferiore o superiore `e a sua volta diagonale, triangolare
inferiore o superiore, rispettivamente.
4 Determinante
Il determinante di una matrice quadrata F = (f
ij
) R
nn
pu` o essere denito
per ricorrenza nel seguente modo
det(F) =
_
f
11
se n = 1

n
i=1
(1)
1+i
f
i1
det(F
i1
) se n > 1
(4)
dove, in generale, F
ij
`e la matrice di dimensione (n 1) (n 1) che si ottiene
da F eliminando la i-ma riga e la j-ma colonna.
Si dimostra che, per ogni i, j = 1, 2, . . . , n,
det(F) =
n

k=1
(1)
k+j
f
kj
det(F
kj
) =
n

k=1
(1)
k+i
f
ik
det(F
ik
).
Valgono le seguenti propriet` a:
1. det(F G) = det(F) det(G);
2. det(F
T
) = det(F);
3. det(F) =
n
det(F), per ogni R;
4. se F `e una matrice triangolare inferiore o superiore allora det(F) `e uguale
al prodotto dei suoi elementi diagonali ossia
det(F) =
n

i=1
f
ii
;
5. F `e non singolare se e soltanto se det(F) = 0.
`
E opportuno sottolineare che il determinante `e denito soltanto per matrici
quadrate.
5
5 Matrici a blocchi
Una matrice a blocchi, o partizionata a blocchi, `e una matrice i cui elementi
sono a loro volta matrici. In notazione matematica, una matrice a blocchi di
dimensione mn a blocchi `e data da
F =
_
_
_
_
_
F
11
F
12
F
1n
F
21
F
22
F
2n
.
.
.
.
.
.
.
.
.
.
.
.
F
m1
F
m2
F
mn
_
_
_
_
_
dove F
ij
, detto blocco, `e una matrice per ogni i = 1, 2, . . . , m e j = 1, 2, . . . , n.
Chiaramente le dimensioni dei blocchi devono essere compatibili. Ad esempio, le
sottomatrici F
1j
, con j = 1, 2, . . . , n, devono avere tutte quante lo stesso numero
di righe, cos` come le sottomatrici F
i1
, con i = 1, 2, . . . , m, devono avere tutte
quante lo stesso numero di colonne. Un esempio di matrice 2 2 a blocchi `e il
seguente:
F =
_
_
_
_
1 2 3 4
5 6 7 8
9 10 11 12
13 14 15 16
_
_
_
_
=
_
F
11
F
12
F
21
F
22
_
,
dove
F
11
=
_
1 2
5 6
_
, F
12
=
_
3 4
7 8
_
,
F
21
=
_
9 10
13 14
_
, F
22
=
_
11 12
15 16
_
.
Si osserva che il prodotto righe per colonne tra due matrici partizionate a
blocchi pu` o essere calcolato trattando i blocchi come se fossero dei numeri a
patto che le dimensioni siano compatibili. Ad esempio
F G =
_
F
11
F
12
F
21
F
22
_

_
G
11
G
12
G
21
G
22
_
=
_
F
11
G
11
+F
12
G
21
F
11
G
12
+F
12
G
22
F
21
G
11
+F
22
G
21
F
21
G
12
+F
22
G
22
_
qualora il numero di colonne di F
11
e di F
22
coincida con il numero di righe di
G
11
e di G
22
, rispettivamente. La compatibilit`a delle dimensioni delle rimanenti
matrici discende dalla ben denizione dei fattori F e G.
Le matrici a blocchi che sono utilizzate pi` u di frequente sono quelle per cui
i blocchi diagonali sono quadrati. In particolare, matrici del seguente tipo
F =
_
_
_
_
_
F
11
F
21
F
22
.
.
.
.
.
.
.
.
.
F
m1
F
m2
F
mm
_
_
_
_
_
o F =
_
_
_
_
_
F
11
F
12
F
1n
F
22
F
2n
.
.
.
.
.
.
F
mm
_
_
_
_
_
, (5)
6
con blocchi diagonali quadrati, sono dette triangolari inferiori o superiori a bloc-
chi, rispettivamente. Analogamente una matrice diagonale a blocchi
`
data da
F =
_
_
_
_
_
F
11
F
22
.
.
.
F
mm
_
_
_
_
_
, (6)
con F
ii
matrice quadrata per ogni i = 1, 2, . . . , m.
Si pu o vericare che il determinante di una matrice triangolare inferiore o
superiore a blocchi o di una matrice diagonale a blocchi `e dato dal prodotto dei
determinante dei blocchi diagonali, ovvero per le matrici in (5)-(6) si ha
det(F) =
m

i=1
det(F
ii
).
6 Autovalori
Sia F R
nn
una matrice quadrata. Un numero complesso C `e un auto-
valore di F, se esiste un vettore x = 0, x C
n
, detto autovettore, tale che
Fx = x.
La precedente uguaglianza pu` o essere riscritta nel seguente modo
(F I) x = 0 (7)
dove I `e la matrice identit` a di ordine n. Da tale riscrittura si evince che
`e autovalore se e soltanto se la matrice F I `e singolare poich`e il sistema
lineare (7) avente tale matrice come matrice dei coecienti ed il vettore nullo
0 come vettore dei termini noti deve ammettere pi` u di una soluzione. Infatti,
indipendentemente dal valore di , il sistema (7) ammette certamente come
soluzione il vettore nullo. Nel caso in cui sia autovalore allora, oltre al vettore
nullo, il sistema deve ammettere unaltra soluzione. Detto
p() det(F I)
il polinomio caratteristico di F, si ha che gli autovalori di F sono le radici di
p(), ovvero
`e autovalore di F p() = 0.
`
E opportuno osservare che se x = 0 `e un autovettore corrispondente ad
un autovalore allora anche x `e un autovettore corrispondente allo stesso
autovalore per ogni C, = 0. Inoltre, per una matrice F di ordine n si
ha che p() `e un polinomio di grado esatto n e, pertanto, F ha esattamente n
autovalori (eventualmente non tutti distinti).
Lo spettro di una matrice F `e linsieme dei suoi autovalori, ovvero
(F) = { C : `e autovalore di F} .
7
Il raggio spettrale di F `e il massimo modulo dei suoi autovalori, ossia
(F) = max
(F)
||.
`
E evidente che (F) 0.
Valgono le seguenti propriet` a:
Se F
T
= F allora (F) R;
se F `e sdp allora tutti i suoi autovalori sono reali e strettamente positivi;
det(F) =

(F)
;
F `e singolare se e soltanto se 0 (F);
gli autovettori corrispondenti ad autovalori distinti sono tra di loro linear-
mente indipendenti.
se (F) allora, per ogni intero k 0,
k
(F
k
). Inoltre, gli
autovettori di F sono anche autovettori di F
k
.
Due matrici F e G si dicono simili se esiste S non singolare tale che
G = S
1
FS.
Si dimostra che se F e G sono simili allora (F) = (G).
Una matrice F si dice diagonalizzabile se esiste V non singolare tale che
V
1
FV = D
_
_
_
_
_

2
.
.
.

n
_
_
_
_
_
. (8)
La precedente uguaglianza si pu` o riscrivere come segue
F V = DV.
Da questa espressione si deduce che gli elementi diagonali di D sono gli au-
tovalori di F, e la k-ma colonna di V `e un autovettore di F corrispondente a

k
.
`
E noto che se F = F
T
allora F `e sicuramente diagonalizzabile mediante
trasformazione di similitudine ortogonale, ovvero la matrice V per cui vale (8)
`e ortogonale.
Una matrice F si dice convergente se
lim
k+
F
k
= O,
dove O `e la matrice che ha tutti elementi uguali a zero. Si dimostra che F `e
convergente se e soltanto se (F) < 1.
8