Algebra lineare per Ingegneria meccanica a.a.

2018/19

Anna Giordano Bruno

10 ottobre 2018

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}.

Un campo K è un insieme K dotato di due operazioni

+:K×K→K e ·:K×K→K
(a, b) 7→ a + b (a, b) 7→ a · b

tali che:

(1) (a + b) + c = a + (b + c) per ogni a, b, c ∈ K;

(2) a + b = b + a per ogni a, b ∈ K;
(3) esiste 0 ∈ K tale che 0 + a = a + 0 = a per ogni a ∈ K;
(4) per ogni a ∈ K esiste −a ∈ K tale che a + (−a) = −a + a = 0;

(5) (a · b) · c = a · (b · c) per ogni a, b, c ∈ K;

(6) a · b = b · a per ogni a, b ∈ K;
(7) esiste 1 ∈ K tale che 1 · a = a · 1 = a per ogni a ∈ K \ {0};
(8) per ogni a ∈ K \ {0} esiste a−1 ∈ K tale che a · a−1 = a−1 · a = 1;

(9) a · (b + c) = (a · b) + (a · c) per ogni a, b, c ∈ K.

Denotiamo K∗ = K \ {0}.
Sia Q sia R, muniti delle rispettive operazioni di somma e prodotto, sono campi. Vedremo inoltre il campo
dei numeri complessi C.

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

Esempio 2.3. L’equazione 2x2 + 3y − z 3 = 5 non è lineare.

Definizione 2.4. Un sistema lineare di m equazioni lineari in n incognite x1 , x2 , . . . , xn , con coefficienti aij ∈ K,
i ∈ {1, 2 . . . , m}, j ∈ {1, 2, . . . , n}, e termini noti b1 , b2 , . . . , bm ∈ K è

a11 x1 + a12 x2 + . . . + a1n xn = b1


a21 x1 + a22 x2 + . . . + a2n xn = b2

S: .. .


 .

am1 x1 + am2 x2 + . . . + amn xn = bm


 
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

2.2 Risolvere sistemi lineari

Dato un sistema lineare il nostro obiettivo è quello di determinare tutte le sue soluzioni, cioè risolverlo.
Definizione 2.6. Un sistema lineare è risolubile se ammette soluzioni.
Definizione 2.7. Due sistemi lineari (con lo stesso numero di incognite) si dicono equivalenti se hanno le stesse
soluzioni.
Dato un sistema lineare, per risolverlo, vogliamo trovare un sistema lineare equivalente che sia immediata-
mente risolvibile.
Ad un sistema lineare possiamo applicare le seguenti operazioni, dette operazioni elementari.
Operazioni elementari sulle equazioni di un sistema lineare
(I) Scambiare due equazioni tra loro.
(II) Moltiplicare un’equazione per k ∈ K∗ .
(III) Sommare ad un’equazione un multiplo di un’altra equazione.
Osserviamo che l’operazione elementare (II) è un sottocaso di (III).

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

kE : ka1 x1 + ka2 x2 + . . . + kan xn = kb.

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

E1 : a1 x1 + a2 x2 + . . . + an xn = b e E2 : a01 x1 + a02 x2 + . . . + a0n xn = b0 ,

 
s1
allora  ...  è soluzione anche di
 

sn

E1 + E2 : (a1 + a01 )X1 + (a2 + a02 )x2 + . . . + (an + a0n )xn = b + b0 .

Dimostrazione. Come nella dimostrazione precedente basta applicare la definizione.

Teorema 2.10. Se ad un sistema lineare S si applica un’operazione elementare si ottiene un sistema lineare
equivalente.

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

Gli aij ∈ K sono i coefficienti di A.

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

Diciamo inoltre che il sistema S è associato alla matrice (A|b).

Riformuliamo le operazioni elementari per la matrice completa di un sistema lineare:
Operazioni elementari sulle righe di una matrice
(I) Scambiare due righe tra loro.

(II) Moltiplicare una riga per k ∈ K∗ .

(III) Sommare ad una riga un multiplo di un’altra riga.
Anche in questo caso l’operazione elementare (II) è un sottocaso di (III).
Definizione 2.13. Una matrice è a scala se:

(1) le righe nulle sono in basso;

(2) data una riga non nulla, il suo primo coefficiente non nullo da sinistra è un 1, detto 1-dominante della riga;
(3) ogni 1-dominante si trova a sinistra di tutti gli 1-dominanti delle righe sottostanti.

La matrice è a scala ridotta se inoltre:

(4) ogni 1-dominante è l’unico coefficiente non nullo della colonna corrispondente.
 
0 1 2 3 4
Esempio 2.14. La matrice 0 0 0 1 2 è a scala ma non a scala ridotta.
0 0 0 0 0
 
0 1 2 0 4
La matrice 0 0 0 1 2 è a scala ridotta.
0 0 0 0 0
Osservazione 2.15. Una matrice con tutti i coefficienti nulli è a scala ridotta.
Algoritmo di Gauss. Ogni matrice può essere trasformata in forma a scala nel modo seguente:
(1) la matrice nulla è già a scala ridotta;

(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.

Applicando l’Algoritmo di Gauss si ha:

Teorema 2.16. Ogni matrice può essere trasformata in forma a scala (ridotta) con operazioni elementari sulle
righe.
Esempio 2.17. Usiamo l’Algoritmo di Gauss per trasformare la matrice
 
1 −1 4
A= ∈ M2×3 (R)
2 −1 2

prima in forma a scala:    

1 −1 4 R2 ←R2 −2R1 1 −1 4
−−−−−−−−→ ;
2 −1 2 0 1 −6
e poi in forma a scala ridotta:
     
1 −1 4 R2 ←R2 −2R1 1 −1 4 R ←R1 +R2 1 0 −2
−−−−−−−−→ −−1−−−−−−→ .
2 −1 2 0 1 −6 0 1 −6

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

dell’esempio precedente, poniamo z = t parametro e dal sistema lineare associato a U , che è

(
x − 2z = −1
,
y − 6z = −3

otteniamo che   
 −1 + 2t 
Sol(S) = −3 + 6t | t ∈ R .
t
 

2.3 Rango di una matrice e sistemi lineari

Ricordiamo che, data una matrice A ∈ Mm×n (K), applicando l’Algoritmo di Gauss si ottiene una matrice U in
forma a scala ridotta, che è univocamente determinata da A per il Teorema 2.19. Questo significa che qualunque
siano le operazioni elementari sulle righe applicate per trasformare A in forma a scala ridotta, si ottiene sempre
U . Diciamo quindi che U è la forma a scala ridotta di A.
Definizione 2.24. Data A ∈ Mm×n (K) e la sua forma a scala ridotta U , il rango rg(A) di A è il numero di
1-dominanti della matrice U .
Osservazione 2.25. Sia A ∈ Mm×n (K).
(a) Se U è la forma a scala ridotta di A , allora rg(A) = rg(U ).
(b) Se tramite l’Algoritmo di Gauss si trasforma A in una matrice T in forma a scala, il numero di 1-dominanti
di T coincide con rg(A) per il Teorema 2.20. In particolare, rg(A) = rg(T ) = rg(U ).
(c) Se B è ottenuta da A tramite operazioni elementari sulle righe, allora rg(A) = rg(B).
Teorema 2.26 (Teorema di Cramer). Sia S un sistema di n equazioni lineari in n incognite a coefficienti in un
campo K, e sia A la matrice dei coefficienti di S. Se rg(A) = n, allora il sistema ammette un’unica soluzione.
Dimostrazione. Tramite l’Algoritmo di Gauss, trasformiamo la matrice A in una matrice U in forma a scala
ridotta. Siccome rg(U ) = rg(A) = n, allora
U = In .
Tramite l’Algoritmo di Gauss, trasformiamo  0 la matrice completa (A|b) di S in una matrice in forma a scala
b1
ridotta, che sarà (U |b0 ) per un certo b =  ... . Poiché
 

b0m

(U |b0 ) = (In |b0 ),

concludiamo che il sistema lineare S, ha come unica soluzione b0 .

Teorema 2.27 (Teorema di Rouché-Capelli). Sia S un sistema di n equazioni lineari in n incognite a coefficienti
in un campo K, siano A la matrice dei coefficienti e (A|b) la matrice completa del sistema. Allora S ha soluzione
se e solo se rg(A) = rg(A|b).
Dimostrazione. Sia r = rg(A). Tramite l’Algoritmo di Gauss, trasformiamo la matrice A in una matrice U in
forma scala ridotta. La matrice U ha r 1-dominanti, che si trovano nelle prime r righe della matrice (uno in
ogni riga).
Tramite le stesse operazioni elementari sulle  applicate per trasformare A in U , trasformiamo la matrice
 righe
b01
(A|b) nella matrice (U |b0 ), per un certo b0 =  ... . In particolare,
 

b0m

rg(A|b) = rg(U |b0 ).

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.

(2) Se n = r = r0 , il sistema ha un’unica soluzione.

(3) Se n > r = r0 , il sistema ha infinite soluzioni, che dipendono da n − r parametri (si scrive ∞n−r soluzioni).
Corollario 2.29. Un sistema lineare può avere:
(1) nessuna soluzione;

(2) un’unica soluzione;

(3) infinite soluzioni.