You are on page 1of 9

Matrici e sistemi lineari

Antonio Iannizzotto
Una matrice (reale) `e

a11 . . .
A = ...
am1 . . .

una tabella rettangolare in cui sono inseriti dei numeri reali:

a1n
... ,
amn

dove m, n N0 . Nella matrice A si individuano i termini aij , le righe


Ri = [ai1 . . . ain ]
e le colonne

a1j
Cj = . . . ,
amj

per ogni 1 i m, 1 j n. Si usa anche la scrittura sintetica A = [aij ] e linsieme delle matrici
n
con m righe e n colonne si denota Rm
n . Le matrici quadrate di ordine n sono gli elementi di Rn .
Inoltre, le sottomatrici di A sono le matrici ottenute intersecando alcune righe con alcune colonne
di A (anche non consecutive).
e la matrice
La somma delle matrici A e B = [bij ], entrambe in Rm
n, `
A + B = [aij + bij ] Rm
n.
La somma di matrici `e commutativa, associativa e dotata di elemento neutro (la matrice nulla [0]);
lopposta di A `e A = [aij ].
Il prodotto di uno scalare R per la matrice A `e la matrice
A = [aij ] Rm
n.
Il prodotto `e associativo (rispetto allo scalare) e distributivo rispetto alla somma.
Il prodotto righe per colonne `e unoperazione che associa a due matrici A = [aij ] Rm
n , B = [bij ]
Rnp la matrice
"
AB =

n
X

#
aih bhj Rm
p

h=1

(il termine di posto (i, j) si ottiene moltiplicando i termini della ima riga di A per quelli della
jma colonna di B e sommando). Il prodotto righe per colonne si pu`o effettuare fra due matrici
solo se il numero delle colonne della prima `e uguale al numero delle righe della seconda. Esso `e
associativo ma non commutativo, nemmeno nel caso speciale delle matrici quadrate.

Esempio 1 Si ha:


 
1 1 2 1
2
=
2 0 0 0
4

2
0


1 1
0 2

 
1
4
=
0
0


1
,
2

2
.
0

Ristretto allinsieme Rnn , il prodotto righe per colonne ammette un elemento neutro
I = [ij ] (ij `e lindice di Kronecker),
detto matrice identit`
a. Si pone dunque il problema di individuare le matrici invertibili in Rnn ,
ovvero quelle matrici A per le quali esiste la matrice inversa A1 Rnn tale che
AA1 = A1 A = I.
Esempio 2 La matrice


1 2
1 0
`e invertibile, in quanto
 


1
1
1 2 0
=
0
1 0 12 12


0
.
1

Esempio 3 La matrice


1 1
0 0
non `e invertibile, in quanto per ogni b11 , . . . b22 R si ha


 

1 1 b11 b12
b + b21 b12 + b22
= 11
.
0 0 b21 b22
0
0
Per caratterizzare le matrici invertibili si introducono i determinanti, che si definiscono mediante
un procedimento induttivo. Dapprima, sia A = [aij ] R22 , il suo determinante `e il numero reale
det(A) = a11 a22 a12 a21 .
Siano ora n N, n 3 e A Rnn una matrice, e supponiamo di saper calcolare i determinanti delle
matrici quadrate di ordine n 1. Per ogni 1 i, j n definiamo la sottomatrice complementare
del termine aij come la sottomatrice Aij di A ottenuto escludendo la riga Ri e la colonna Cj .
Poniamo
d=

n
X

a1j (1)1+j det(A1j ).

j=1

Il seguente risultato prova che la scelta della prima riga nel calcolo di d non influenza il risultato:
Teorema 4 (di Laplace). Per ogni i, j {1, . . . n} si ha
2

(i)

n
X

aij (1)i+j det(Aij ) = d;

j=1

(ii)

n
X

aij (1)i+j det(Aij ) = d.

i=1

Il determinante di A `e allora definito come


det(A) = d.
La scrittura (i) rappresenta lo sviluppo del determinante secondo la riga Ri , la (ii) lo sviluppo
secondo la colonna Cj . Unaltra notazione per il determinante `e


a11 . . . a1n


...
. . . .

am1 . . . amn
Esempio 5

1 2

0 1

1 1

1 0

0 1

3 0

1 2

Calcoliamo i seguenti determinanti:





1
1 1

= 2 1 = 1;

0 = 1
1 2

2




1 1
0 1 2 1 0 1
3


2 0
= 3 0 1 + 0 1 2 =
1
1 0
1 2 0 3 0 1
0 1



3
1
2
1
0


0 1
+
2 0


2 0
+
1 3


1
= 15
0

(suggerimento pratico: conviene sviluppare il determinante rispetto alla riga, o alla colonna, che
contiene pi`
u termini nulli).
Segue un elenco delle pi`
u utili propriet`
a dei determinanti ( R, A, B Rnn ):
(i) se A0 `e ottenuta da A scambiando due righe o due colonne, det(A0 ) = det(A);
(ii) se A0 `e ottenuta da A moltiplicando per una riga o una colonne, det(A0 ) = det(A);
(iii) det(A) = n det(A);
(iv) se A ha una riga (colonna) nulla, det(A) = 0;
(v) se A ha due righe (colonne) uguali, det(A) = 0;
(vi) se A ha due righe (colonne) proporzionali, det(A) = 0;
(vii) det(AB) = det(A)det(B);
Attraverso il determinante, otteniamo un criterio di invertibilit`a per le matrici, e insieme una
formula per la matrice inversa:
Teorema 6 Una matrice A Rnn `e invertibile se e solo se det(A) 6= 0 e in tal caso


(1)i+j det(Aji )
1
A =
.
det(A)
3

Proof.

Se A `e invertibile, dalla propriet`a (vii) del determinante abbiamo

det(A)det(A1 ) = 1,
da cui det(A) 6= 0.
Viceversa, se det(A) 6= 0, definiamo la matrice B ponendo per ogni i, j {1, . . . n}
bij =

(1)i+j det(Aji )
.
det(A)

Poniamo inoltre C = AB. Dunque si ha


cij

n
X

aih bhj

h=1

n
X
1
aih (1)h+j det(Ajh )
det(A)

ij ,

h=1

cio`e C = I, da cui B = A1 .

Esempio 7 Determinare linversa (se esiste) della matrice

1 0 1
A = 1 0 1 .
0 2 0
Si ha det(A) = 4, dunque linversa esiste ed `e

1
12 0
2
1
0
A1 = 0
2 .
1
1
0
2
2
Matrici e determinanti sono la base per un metodo molto generale (non lunico) per lo studio dei
sistemi lineari. Cominciamo prendendo in esame il seguente sistema di n equazioni lineari in n
incognite:

a11 x1 + . . . + a1n xn = b1
...
(1)
,

an1 x1 + . . . + ann xn = bn
dove n N (n 2) e aij R pe ogni i, j {1, . . . n}. Il sistema (1) si pu`o riscrivere nella forma
sintetica
AX = B,
avendo definito le matrici dei coefficienti A = [aij ] Rnn , delle incognite X = [xi ] Rn1 e dei
termini noti B = [bi ] Rn1 .
Teorema 8 (di Cramer). Se det(A) 6= 0, il sistema (1) ammette ununica soluzione.

Proof.

Per il Teorema 6, la matrice A `e invertibile. La soluzione di (1) `e dunque data da

X = A1 B.
Infatti, si ha
A(A1 B) = B.
Inoltre, tale soluzione `e lunica possibile.

Una regola pratica per determinare la soluzione di (1), sotto lipotesi det(A) 6= 0, `e la seguente:
per ogni j {1, . . . n}, definiamo le matrici di sostituzione

a11 . . . a1(j1) b1 a1(j+1) . . . a1n


...
...
...
...
Bj = . . .
an1 . . . an(j1) bn an(j+1) . . . ann
(si sostituisce la j-ma colonna di A con B), quindi poniamo
xj =

det(Bj )
.
det(A)

Si vede facilmente che questo procedimento, noto come il metodo di Cramer, `e equivalente a quello
delineato nella prova del Teorema 8.
Esempio 9 Risolviamo il sistema

x1 x2 = 2
2x2 + x3 = 0
.

3x1 + x2 x3 = 1
La matrice dei

1
A = 0
3

coefficienti `e

1 0
2
1 ,
1 1

con det(A) = 6. Lunica soluzione del sistema `e

x1 = 76
x2 = 56 .

x3 = 53
Per le matrici rettangolari, la nozione di determinante `e generalizzata da quella di rango. Sia
A = [aij ] Rm
n (m, n N).
Il rango (o caratteristica) di A `e il massimo ordine di una sottomatrice quadrata invertibile di A
e si denota (A).
Esempio 10

2
A = 0
1

Sia
1
1
0

1
1 .
1
5

Si ha (A) = 2 in quanto A non `e invertibile, mentre la sottomatrice




2 1
0 1
lo `e.
Il calcolo del rango di una matrice (fortunatamente) non richiede di studiare tutte le sue sottomatrici.
Teorema 11 (di Kronecker). Siano A Rm
n , 1 p min{m, n} tali che
(i) esiste una sottomatrice quadrata invertibile B di A, di ordine p;
(ii) tutte le sottomatrici quadrate di A di ordine p + 1, contenenti B, non sono invertibili.
Allora, (A) = p.
Esempio 12 Calcoliamo il rango della matrice

2 1 1
1 0 1

A=
0 1 1 .
2 1 2
Si ha (A) = 2, perche la sottomatrice in corsivo `e invertibile, mentre quelle di ordine 3 che la
contengono no.
Possiamo ora risolvere tutti sistemi lineari (senza le limitazioni imposte dal Teorema 8), perdendo
in genrale lunicit`
a della soluzione. Consideriamo il seguente sistema di m equazioni in n incognite:

a11 x1 + . . . + a1n xn = b1
...
(2)
,

am1 x1 + . . . + amn xn = bn
n
m
per m, n N. Come al solito si definiscono le matrici A Rm
n , X R1 , B R1 e si riformula (2)
nella forma

AX = B.
Si definisce anche la matrice completa del sistema

a11 . . . a1n b1
. . . . . .
A|B = . . .
am1 . . . amn bm
Teorema 13 (di RoucheCapelli). Il sistema (2) ammette soluzioni se e solo se (A) = (A|B) =
p, e in tal caso la soluzione dipende da n (A) variabili libere.
Una fantasiosa notazione per esprimere quanto sopra `e: il sistema ha n(A) soluzioni. Il caso
descritto nel Teorema 8 corrisponde a 0 soluzioni.

Esempio 14 Risolviamo il sistema



x1 x2 x3 = 0
.
2x1 + x2 = 2
La matrice dei coefficienti e quella completa hanno entrambe rango 2, e la soluzione (che si pu`o
calcolare facilmente per via diretta) dipende da una variabile libera:

x1 = t
x2 = 2 2t (t R).

x3 = 3t 2
Per trovare le soluzioni del sistema (2), si pu`o impiegare il metodo di Cramer generalizzato:
(i) calcoliamo (A), (A|B).
Se (A) < (A|B), (2) non ha soluzioni. Se (A) = (A|B) = p, individuiamo una sottomatrice
quadrata C Rpp di A invertibile:
(ii) trascurando m p equazioni e portando a secondo membro n p variabili, otteniamo un
sistema di p equazioni in p incognite
(3)

CX 0 = D,

la cui matrice dei coefficienti C `e invertibile;


(iii) risolviamo il sistema ridotto (3) secondo il metodo di Cramer, trovando p variabili in funzione
delle altre n p.
Esempio 15 Risolviamo il seguente sistema di 3 equazioni in 4 incognite:

x2 + 3x3 + 3x4 = 1
x1 + x3 + x4 = 0 .

2x1 + x2 + x3 = 1
Abbiamo

0
A = -1
2


1 3 2
1
0 1 1 , B = 0 .
1 1 0
1

cos` che (A) = (A|B) = 2. Isolando la sottomatrice in corsivo, otteniamo il sistema



x2 = 1 3t 2s
(t, s R),
x1 = t + s
che ha 2 soluzioni.
Infine, presentiamo alcuni esercizi:
Esercizio 16 Calcolare il rango delle matrici

1 0
2
0
1
1
0
2

0 1 1 2 ;
0 1 1
0

2 1 1 3
0 1 1 1 .
1 3 4 3
7

Esercizio 17 Risolvere i seguenti sistemi lineari:

2x1 + x3 = 2

x1 + x2 = 0
;
2x

2 + x3 x4 = 4

x1 x2 + x4 = 4

x1 + 2x2 x3 = 0
x2 x3 = 2
;

x1 + x3 = 0

x1 x3 = 3

2x1 + 2x2 = 1
;
x1 + 2x2 + x3 = 2

x2 + 2x3 = 2

x1 + x2 + x3 = 1
2x1 + 2x2 + 3x3 = 1 ;

2x2 2x4 = 0

x1 + x2 x3 + x4 = 0
x1 + x2 x4 = 1
;

2x1 x2 + x3 + x4 = 2

x1 x2 + x3 = 1
2x1 + x3 + x4 = 4 .

x1 + x3 = 0
Esercizio 18 Al variare di k R, calcolare il rango delle seguenti matrici:

1 1 k
0 k 0 ;
1 0 1

k 1 1
1 k 1 ;
1 1 k

k 1 2
0 3 0 .
k 0 2
Esercizio 19 Al variare di a, b, c R, calcolare il rango della matrice

a 0 0
0 b 0 ,
0 0 c
determinando (ove possibile) la matrice inversa.

Esercizio 20 Al variare di k R, studiare i seguenti sistemi lineari:

x1 + 2x3 = 1
x2 + x3 = 2
;

x1 + 2x2 + kx3 = 0


kx2 + 2kx3 = 0
;
x1 + kx2 = 1

kx1 + x2 x3 + x4 = 0
x1 + kx2 x3 = 1
;

x2 x3 x4 = 0

(k 1)x1 + x2 = k + 1
;
3x1 + (k + 1)x2 = 9

kx1 + x2 = k + 1
.
x1 + kx2 = 2

You might also like