Académique Documents
Professionnel Documents
Culture Documents
2018/19
Indice
1 Introduzione 2
2 Sistemi lineari 3
2.1 Equazioni lineari e sistemi lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Risolvere sistemi lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.3 Rango di una matrice e sistemi lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
Riferimenti bibliografici
[1] W. Keith Nicholson, Algebra lineare (Dalle applicazioni alla teoria), McGraw Hill.
[2] E. Schlesinger, Algebra lineare e geometria, Zanichelli.
1
1 Introduzione
Le presenti note dell’insegnamento di Algebra lineare per il corso di laurea in Ingegneria meccanica dell’Univer-
sità degli Studi di Udine sono da considerarsi come supporto alle lezioni tenute nell’anno accademico 2018/19,
ma non sono esaustive degli argomenti trattati. Per il programma completo si veda la pagina elearning relativa
all’insegnamento e per ulteriori approfondimenti si vedano i testi di Algebra lineare, tra cui quelli in bibliografia.
Nozioni preliminari
Denotiamo con N l’insieme dei numeri naturali, con Z l’insieme dei numeri interi e con N+ = N \ {0} l’insieme
dei numeri interi positivi. Siano Q l’insieme dei numeri razionali e R l’insieme dei numeri reali; siano inoltre
R∗ = R \ {0} e R≥0 = {r ∈ R | r ≥ 0}.
+:K×K→K e ·:K×K→K
(a, b) 7→ a + b (a, b) 7→ a · b
tali che:
2
2 Sistemi lineari
2.1 Equazioni lineari e sistemi lineari
Sia K un campo.
Definizione 2.1. Un’equazione lineare in n incognite x1 , x2 , . . . , xn , con coefficienti a1 , a2 , . . . , an ∈ K e termine
noto b ∈ K è
E : a1 x1 + a2 x2 + . . . + an xn = b.
s1
s2
La n-upla ordinata . ∈ Kn è soluzione dell’equazione E se a1 s1 + a2 s2 + . . . + an sn = b.
..
sn
1
Esempio 2.2. L’equazione 2x + y = 4 in R è lineare e è una sua soluzione.
2
s1
s2
La n-upla ordinata . ∈ Kn è soluzione di S se ai1 s1 + ai2 s2 + . . . + ain sn = bi per ogni i ∈ {1, 2, . . . , m}.
..
sn
Denotiamo con Sol(S) l’insieme delle soluzioni del sistema lineare S.
Esempio 2.5. Sia (
x+y+z =3
S: .
2x + y + 3z = 1
−2
Allora 5 ∈ Sol(S).
0
3
s1
Lemma 2.8. Se ... ∈ Kn è soluzione di un’equazione lineare
sn
E: a1 x1 + a2 x2 + . . . + an xn = b
s1
e k ∈ K, allora ... è soluzione anche di
sn
Dimostrazione. Da a1 s1 +a2 s2 +. . .+an sn = b segue che ka1 s1 +ka2 s2 +. . .+kan sn = k(a1 s1 +a2 s2 +. . .+an sn ) =
kb.
s1
..
Lemma 2.9. Se . ∈ Kn è soluzione di due equazioni lineari
sn
sn
Dimostrazione. Se si applica ad S un’operazione di tipo (I), è chiaro che si ottiene un sistema equivalente ad S
perché l’ordine in cui si considerano le equazioni di un sistema lineare non è rilevante al fine di determinarne le
soluzioni.
Se si applica ad S un’operazione di tipo (II), si ottiene un sistema equivalente ad S per il Lemma 2.8.
Sia ora S 0 il sistema lineare ottenuto da S applicando un’operazione di tipo (III). In particolare, supponiamo
che E1 e E2 siano equazioni di S e che in S 0 al posto di E1 ci sia E1 + kE2 per un certo k ∈ K. Dobbiamo
s1
verificare che Sol(S) = Sol(S 0 ). Vediamo prima che Sol(S) ⊆ Sol(S 0 ); se ... ∈ Sol(S), essendo soluzione di
sn
s1 s1
.. ..
E1 ed E2 , abbiamo che . è soluzione di E1 + kE2 per il Lemma 2.9, dunque . ∈ Sol(S 0 ). Verifichiamo
sn sn
s1 s1
0 .. 0 ..
ora che Sol(S ) ⊆ Sol(S); se . ∈ Sol(S ), essendo soluzione di E1 + kE2 e di E2 , abbiamo che . è
sn sn
soluzione di (E1 + kE2 ) − kE2 = E1 per il Lemma 2.8 e il Lemma 2.9.
Introduciamo ora il concetto di matrice come strumento per risolvere i sistemi lineari. Le matrici verranno
trattate in dettaglio nella Sezione ??.
Definizione 2.11. Una matrice m × n a coefficienti in un campo K è una tabella
a11 a12 . . . a1n
a21 a22 . . . a2n
A= . .. .
.. ..
.. . . .
am1 am2 ... amn
4
Definizione 2.12. Dato il sistema lineare a coefficienti in K
a11 x1 + a12 x2 + . . . + a1n xn = b1
a21 x1 + a22 x2 + . . . + a2n xn = b2
S: .. ,
.
am1 x1 + am2 x2 + . . . + amn xn = bm
a11 a12 ... a1n
a21 a22 ... a2n
- la matrice dei coefficienti di S è A = . .. ,
.. ..
.. . . .
am1 am2 ... amn
b1
b2
- il termine noto di S è b = . ,
..
bm
a11 a12 ... a1n b1
a21 a22 ... a2n b2
- la matrice completa di S è (A|b) = . .
.. .. ..
.. . . .
am1 am2 ... amn bm
(2) se la matrice è non nulla, cerchiamo la prima colonna da sinistra con un coefficiente k 6= 0 e scambiamo la
riga contenente k con la prima riga;
(3) moltiplichiamo la prima riga per k −1 , così da ottenere il primo 1-dominante;
5
(4) trasformiamo in 0 ogni altro coefficiente della colonna a cui appartiene l’1-dominante sottraendo multipli
opportuni della prima riga dalle righe sottostanti;
(5) ripetiamo (1), (2), (3), (4) sulla matrice delle righe sottostanti la prima.
Per ottenere una matrice a scala ridotta, inoltre:
(6) per ogni 1-dominante, trasformiamo in 0 ogni altro coefficiente della colonna a cui appartiene sottraendo
multipli opportuni della riga a cui appartiene.
Osserviamo che l’Algoritmo di Gauss non è l’unico modo per trasformare una matrice in forma a scala
(ridotta).
Definizione 2.18. Se da una matrice A, utilizzando operazioni elementari sulle righe, otteniamo una matrice
T a scala (ridotta), diciamo che T è una forma a scala (ridotta) di A.
Teorema 2.19. La forma a scala ridotta di una matrice è univocamente determinata dalla matrice stessa.
Dimostrazione. Omessa.
Osserviamo che il precedente risultato non vale per la forma a scala. Rimane però vero che:
Teorema 2.20. Data una matrice A, il numero degli 1-dominanti in una forma a scala di A è univocamente
determinato da A.
Dimostrazione. Omessa.
Definizione 2.21. Dati un sistema lineare e la sua matrice completa trasformata in forma a scala ridotta, le
incognite dominanti sono le incognite corrispondenti agli 1-dominanti.
Esempio 2.22. Consideriamo il sistema lineare a coefficienti in R
(
x − y + 4z = 2
S: ,
2x − y + 2z = 1
1 −1 4 2 1 0 −2 −1
la cui matrice completa è (A|b) = . La forma a scala ridotta di A è U = ,
2 −1 2 1 0 1 −6 −3
poiché
1 −1 4 2 R2 ←R2 −2R1 1 −1 4 2 R1 ←R1 +R2 1 0 −2 −1
−−−−−−−−→ −−−−−−−−→ .
2 −1 2 1 0 1 −6 −3 0 1 −6 −3
Quindi le incognite dominanti di S sono x e y.
Possiamo ora dare il metodo risolutivo dei sistemi lineari basato sull’Algoritmo di Gauss:
Metodo di eliminazione di Gauss. Dato un sistema lineare S:
(1) trasformiamo la matrice completa di S in forma a scala ridotta U ;
(2) se una riga di U è del tipo 0 0 . . . 0 1 il sistema S non ha soluzioni;
6
(3) altrimenti consideriamo, se ci sono, le incognite non dominanti come parametri;
(4) usiamo le equazioni del sistema associato ad U per determinare le soluzioni di S.
Esempio 2.23. Dato il sistema lineare a coefficienti in R
(
x − y + 4z = 2
S:
2x − y + 2z = 1
otteniamo che
−1 + 2t
Sol(S) = −3 + 6t | t ∈ R .
t
b0m
b0m
7
Se r = m, c’è un 1-dominante in ogni riga di (U |b0 ) e allora (U |b0 ) è la forma a scala ridotta della matrice
(A|b). Concludiamo che rg(A|b) = m = rg(A) e che S ha soluzione per il Metodo di eliminazione di Gauss.
Supponiamo che r < m.
- Se rg(A|b) = r, allora b0j = 0 per ogni j ∈ {r + 1, . . . , m}, e quindi il sistema S ha soluzione per il Metodo di
eliminazione di Gauss.
- Se rg(A|b) = r + 1, allora esiste k ∈ {r + 1, . . . , m} tale che b0k 6= 0 e dunque nella forma a scala ridotta di
(A|b), che è la stessa di (U |b0 ), c’è una riga del tipo 0 . . . 0 1 , e quindi il sistema S non ha soluzione
per il Metodo di eliminazione di Gauss.
Questo conclude la dimostrazione.
Corollario 2.28. Sia S un sistema lineare in n incognite. Poniamo r = rg(A) e r0 = rg(A|b).
(1) Se r 6= r0 , il sistema non è risolubile.