Sei sulla pagina 1di 17

Lezione 8: Determinante e Inversa

In questa lezione vogliamo descrivere due concetti fondamentali, il determinante, che `e un numero associato ad ogni matrice quadrata, e linversa di
una matrice. Limportanza di questi due concetti `e sintetizzata nel risultato
che riportiamo nellultima sezione e che contiene tutto ci`o che sappiamo sulle
applicazioni lineari da Rn a Rn .

Definizione di determinante

Le nostre conoscenze di algebra non sono sufficienti a dare una definizione


diretta di determinante (che comunque trovate nellappendice alla fine di
questa lezione), tuttavia ne daremo una definizione indiretta e poi calcoleremo il determinante in alcuni casi particolari che saranno i piu significativi
per gli esercizi.
Sia A una matrice quadrata, cio`e una matrice n n. Ad essa vogliamo
associare un numero reale, detto il determinante di A, che calcoleremo a
partire dagli elementi di A con semplici regole. Il determinante contiene molte
informazioni sulla matrice A. Vedremo infatti che la matrice `e invertibile se
e solo se il suo determinante `e diverso da zero.
Definizione 1.1. Definiamo determinante di una matrice quadrata A il numero indicato con det(A) con le seguenti propriet`a che lo determinano unicamente, (anche se non lo dimostriamo):
a) Se B `e ottenuta da A scambiando due righe (o colonne) allora:
det(A) = det(B)

b) Se A ha due righe o due colonne uguali allora det(A) = 0.


c) Se una riga (colonna) di A `e somma di due elementi in Rn allora il determinante di A `e la somma dei determinanti delle matrici ottenute da A
sostituendo la riga (colonna) in questione con ciascuno dei due addenti.

d) Se B `e ottenuta da A moltiplicando una riga o una colonna per a allora:


det(B) = a det(A)

e) Se B `e ottenuta da A sommando ad una riga (colonna) di A una qualunque


combinazione lineare delle altre righe (colonne), allora:
det(B) = det(A)

f) Sia At la matrice trasposta di A, cio`e la matrice in cui le righe sono


le colonne di A.
det(At ) = det(A)

g) Se A `e di forma triangolare

a11
det 0
0

(superiore o inferiore):

a12 . . .
a22 . . . = a11 a22 . . . ann
0...

Grazie a questa definizione-teorema possiamo ridurre una matrice alla


forma scala per righe (stando attenti a non dividere mai una riga per una
costante e a tener conto degli scambi di riga). Una volta giunti a questa forma
sappiamo che il determinante `e il prodotto degli elementi sulla diagonale (vedi
parte (g) della proposizione precedente).
Vediamo un esempio.
Esempio 1.2. Calcoliamo il determinante della matrice (questo metodo non
`e consigliato in generale):

0 2 4 6
1 1 2 1

1 1 2 1
1 1 1 2

Scambiamo la prima riga con la seconda e usiamo la prima riga per eliminare
tutti i termini nella prima colonna:

1 1 2
1
0 2 4
6

0 0 0 1
0 0 1 1
Ora scambiamo la seconda con la terza riga:

1 1 2
1
0 2 4
6

0 0 1 1
0 0 0 1
Ora possiamo usare la proprieta (g) che mi dice che il determinante di una
matrice triangolare `e il prodotto dei termini sulla diagonale, dunque:
det(A) = 1 2 (1) (1) (1) (1)
Si noti che oltre a moltiplicare i 4 termini sulla diagonale abbiamo dovuto
moltiplicare per (1) tante volte quanti sono stati gli scambi di riga (in
questo caso due).

Metodi per il calcolo del determinante

Per matrici 2 2 e 3 3 esistono formule piu semplici per il calcolo del determinante, che non dimostriamo rimandando chi `e interessato allappendice
per la definizione alternativa.
Matrici 2 2.
Sia A una matrice 2 per 2:

A=

a11 a12
a21 a22

Il suo determinante e:
det(A) = a11 a22 a12 a21
Matrici 3 3.
3

Sia A una matrice 3 per 3:

a11 a12 a13


A = a21 a22 a23
a31 a32 a33
Il suo determinante e:
det(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 a12 a21 a33 a11 a23 a32
Un aiuto mnemonico per calcolarlo. Si riscrivano le prime due righe di A
di fianco ad A.

a11 a12 a13 a11 a12


a21 a22 a23 a21 a22
a31 a32 a33 a31 a32
Si sommano i prodotti delle diagonali a11 a22 a33 , a12 a23 a31 , a13 a21 a32 e si sottraggono i prodotti delle diagonali opposte: a13 a22 a31 , a12 a21 a33 , a11 a23 a32 .
Esempio: Sia

1 3
0
A = 2 1 1 .
0 3 5
Consideriamo

1 3
0 1 3
2 1 1 2 1
0 3 5 0 3

quindi det(A) = 5 + 0 0 (0 + 3 + 30) = 28.


Per matrici piu grandi, ma anche come metodo alternativo per le matrici viste qui sopra, diamo un metodo basato su di una definizione ricorsiva
di determinante, alternativa, ma del tutto equivalente, a quella vista nella
sezione precedente.
Cominciamo con il definire il concetto di minore di una matrice, di per
s`e importante.
Definizione 2.1. Sia A Mn,n una matrice quadrata di ordine n (cio`e con
n righe e n colonne). Indichiamo con Ai j la sottomatrice quadrata di A
ottenuta cancellando la i-esima riga e la j-esima colonna di A. Ai j si dice
un minore di A di ordine n 1.
4

Vediamo degli esempi.


Esempio 2.2. Se

1 0
4
7
3 1 2
1
,
A=
3
6 1 0
2 1 0 1
abbiamo

A1 1

1 2
1
= 6 1 0 ,
1 0 1

A2 3

1 0
7
6
0 ,
= 3
2 1 1

A4 2

1 4 7
2 1 .
= 3
3 1 0

Vogliamo ora definire il determinante di una qualsiasi matrice A, procedendo ricorsivamente sullordine di A. La definizione che diamo `e del tutto
equivalente a quella vista nella sezione precedente, non lo dimostriamo, ma
rimandiamo lo studente interessato ad un qualsiasi libro di algebra lineare.
Definizione 2.3. Definiamo ricorsivamente det(A), ove A `e una matrice
quadrata.
Se A ha ordine 1, cio`e ha 1 riga e 1 colonna, cio`e A = (a1 1 ), poniamo
det(A) = a1 1 .
Supponiamo ora di saper calcolare il determinante delle matrici di ordine n 1. Sia
i j = (1)i+j det(Ai j )
allora
det(A) = a1 1 1 1 + a1 2 1 2 + . . . + a1 n 1 n =

n
X

a1 k 1 k

k=0

Questo `e il metodo per calcolo del determinante sviluppando secondo la


prima riga. Vediamo come si traduce in pratica, per le matrici 2 2 e 3 3
ritroviamo i risultati visti in precedenza.
5



a b
Se A =
`e una matrice 2 2 abbiamo
c d
det(A) = ad bc.


2 3
Ad esempio: det
= 2 4 3 1 = 8 3 = 5,
1 4


2k 3
det 2
= 2k 4 3 k 2 = 8k 3k 2
k 4
Se

a1 1 a1 2 a1 3
A = a2 1 a2 2 a2 3
a3 1 a3 2 a3 3

`e una matrice 3 3 abbiamo:


1+1

1 1 = (1)

det A1 1

1 2 = (1)1+2 det A1 2
1 3 = (1)1+3 det A1 3



a2 2 a2 3
,
= det
a3 2 a3 3 
a
a
= det 2 1 2 3 ,
a
a
33
 31 
a2 1 a2 2
= det
a3 1 a3 2

Quindi
det(A) = a1 1 1 1 + a1 2 1 2 + a1 3 1 3 =






a2 2 a2 3
a2 1 a2 3
a2 1 a2 2
a1 1 det
a1 2 det
+ a1 3 det
=
a3 2 a3 3
a3 1 a3 3
a3 1 a3 2
= a1 1 (a2 2 a3 3 a2 3 a3 2 ) a1 2 (a2 1 a3 3 a2 3 a3 1 ) + a1 3 (a2 1 a3 2 a2 2 a3 1 ) =
a1 1 a2 2 a3 3 + a1 2 a2 3 a3 1 + a1 3 a2 1 a3 2 a1 1 a2 3 a3 2 a1 2 a2 1 a3 3 a1 3 a2 2 a3 1
Come infatti abbiamo visto in precedenza.
Osservazione 2.4. Si pu`o dimostrare che in generale se si sviluppa il determinante di una matrice A Mn,n secondo una qualsiasi riga o colonna si
ottiene sempre lo stesso numero, quindi conviene sviluppare secondo la riga
o la colonna con il maggior numero di zeri.
Lo sviluppo di det(A) secondo la r-esima riga `e:
det(A) = ar 1 r 1 + ar 2 3 2 + . . . + ar n r n =
6

Pn

k=0

ar k r k

Lo sviluppo di det(A) secondo la s-esima colonna `e:


det(A) = a1 s 1 s + a1 s 2 s + . . . + an s n s =

Pn

k=0

ak s k s

Verifichiamo con un esempio:


Sia

1 3
0
0
2 0
0 1

A=
0 3 5
0
1 0 1 0
Lo sviluppo di det(A) secondo la terza riga `e:
det(A) = 03 1 33 2 + 53 3 + 03 4 = 33 2 + 53 3 .
Ora

3 2

1 0
0
= (1)3+2 det 2 0 1 = (1) = 1
1 1 0

3 3

1 3 0
= (1)3+3 det 2 0 1 = +(3) = 3
1 0 0

quindi det(A) = 3 1 + 5(3) = 18.


Lo sviluppo di det(A) secondo la seconda colonna `e:
det(A) = 31 2 + 02 2 33 2 + 04 2 = 31 2 33 2
Ora

2 0
1+2

1 2 = (1) det 0 5
1 1

1 0
3+2

3 2 = (1) det 2 0
1 1

quindi det(A) = 3(5) 3 1 = 18.

1
0 = (+5) = 5,
0

0
1 = (1) = 1
0

Unimportanza particolare `e riservata al teorema di Binet che sostanzialmente ci dice che il determinante ha la proprieta moltiplicativa, cio`e il determinante di un prodotto `e il prodotto dei determinanti (per la somma ci`o
`e molto lontano dallessere vero!). La dimostrazione di questo teorema esula
dagli scopi del corso, ma si pu`o trovare in qualsiasi testo di algebra lineare.
Teorema 2.5. Teorema di Binet. Siano A e B due matrici quadrate nn.
det(AB) = det(A) det(B)

Inversa di una matrice

Definizione. Una matrice A si dice invertibile se esiste una matrice B


(denotata con A1 ) tale che:
AB = BA = I
Vediamo ora due metodi per calcolare linversa.
Teorema 3.1. La matrice A `e invertibile se e solo se il suo determinante `e
diverso da zero.
Proof. Dimostriamo che se A `e invertibile allora il suo determinante `e diverso
da zero. Si ha che AA1 = I, quindi, per il teorema di Binet, det(A) det(A1 ) =
det(AA1 ) = det(I) = 1, quindi det(A) 6= 0.
Viceversa, se il determinante di A `e diverso da zero si pu`o costruire
linversa di A, nel modo seguente:
Sia det(Ai j ) il determinante della matrice ottenuta da A rimuovendo la
i-esima riga e la j-esima colonna.
Si ha che A1 = B, ove lelemento bi j di B `e dato dalla formula:
bi j =

1
(1)i+j det(Aj i )
det(A)


a b
Esempio. Sia A =
la sua inversa si puo calcolare immediatamente
c d
una volta noto il determinante det(A) = ad bc (diverso da zero).
 d

b
1
adbc
adbc
A =
c
a
adbc

adbc

Ora diamo un metodo alternativo per il calcolo della matrice inversa.


`
E difficile dire quale dei due metodi sia piu efficace, dipende dal tipo di
problema.
Calcolo dellinversa con il metodo di Gauss
Supponiamo di avere una matrice A invertibile e di volerne calcolare
linversa. Consideriamo la matrice:
A I
ottenuta mettendo accanto ad A la matrice identita. Poi effettuiamo il
metodo di Gauss sulla matrice A riducendola alla matrice identita. La matrice identita si trasformera nella matrice inversa di A.
Vediamo un esempio.
Consideriamo la matrice


1 2
A=
1 3
Dobbiamo applicare il metodo di Gauss alla matrice:


1 2 1 0
1 3 0 1
Facciamo la seconda riga meno la prima:


1 2 1 0
0 1 1 1
Poi la prima riga meno due volte la seconda riga:


1 0 3 2
0 1 1 1
Abbiamo ottenuto:
A


=


3 2
.
1 1

Vediamo un altro esempio, stavolta parametrico.

Stabilire per quali valori di k la seguente matrice `e invertibile, e per tali


valori calcolarne linversa con il Metodo di Gauss.

k 3k
0
1
A = 0 1
0 k 2k 3
Calcoliamo il determinante di A, ad esempio sviluppando secondo la
prima colonna.

det(A) = k1 1 +02 1 +03 1


1
1
= k(1) det
= k(2k3k) = k(k3)
k 2k 3
2

6= 0 e k 6= 3. Consideriamo ora

3k
0
1 0 0
1
1
0 1 0
k 2k 3 0 0 1

k 3k
0
1 0 0
1
0 1 0
(III kII) 0 1
0 0 k 3 0 k 1

1 3 0 k1
0
0
III
I
1
0
) 0 1 1 0
( ,
k (k 3)
k
1
0 0 1 0

Quindi A `e invertibile per k

A|I = 0
0

k3

1
k

k3

0
0
1 3 0
k
1
k3
(II III) 0 1 0 0 1 + k3
k
1
0 0 1 0 k3
k3

3k
3
1 0 0 k1 3 k3
k3
k
1
k3
(I 3II) 0 1 0 0 1 + k3
k
1
0 0 1 0
k3
k3
Linversa `e quindi:
1
k

0
0

6k+9
k3
2k3
k3
k
k3

10

3
k3
1
k3
1
k3

Stabilire per quali valori di k la seguente matrice `e invertibile, e per tali


valori calcolarne linversa.


k + 1 4k
A=
3
1
1
det(A) = (k + 1) 12k = 13k 1, quindi A `e invertibile per k 6= 13
Usiamo la formula per linversa
1
1
(1)1+1 det(A1 1 ) = 13k1
,
b1 1 = det(A)
1
4k
1+2
b1 2 = det(A) (1) det(A2 1 ) = 13k1 ,
1
3
b2 1 = det(A)
(1)2+1 det(A1 2 ) = 13k1
,
k+1
1
2+2
b2 2 = det(A) (1) det(A2 2 ) = 13k1 .
 1

4k
1
13k+1
13k+1
A =B=
k+1
3
13k+1

13k1

La composizione di applicazioni lineari

Ricordiamo che se F : Rn Rs e T : Rs Rm sono due applicazioni


lineari, allora lapplicazione lineare composta T F : Rn Rm `e definita da
(T F )(x) = T (F (x)).
Siano A Mm,s la matrice associata a T , B Ms,n la matrice associata
a F , C Mm,n la matrice associata a T F . Ci proponiamo di stabilite il
legame tra queste 3 matrici.
Abbiamo che F (x) = Bx per ogni x Rn e T (z) = Az per ogni z Rs
(prodotto righe per colonne), quindi (T F )(x) = T (F (x)) = T (Bx) =
A(Bx) = (AB)x, per lassociativit`a del prodotto righe per colonne. Quindi
la matrice C associata a T F `e proprio la matrice AB.
Verifichiamolo direttamente su di un esempio.
Sia F : R2 R3 lapplicazione lineare associata alla matrice

0 1
B = 1 1
2 0
e sia T : R3 R4 lapplicazione lineare associata alla matrice

1
0 1
1
0
0
.
A=
1 1
1
0 1 0
11

2 , e
3 }, {
2 , e
3 , e
4 } le basi canoniche di R2 , R3 e
Siano {e1 , e2 }, {
e1 , e
e1 , e
R rispettivamente.
Si ha che
2 + 2
F (e1 ) = e
e3
2
F (e2 ) =
e1 + e
1 + e
2 e
3
T (
e1 ) = e
3 e
4
T (
e2 ) = e
3
T (
e3 ) =
e1 + e
Quindi
3 e
4 + 2(
(T F )(e1 ) = T (F (e1 )) = T (
e2 + 2
e3 ) = T (
e2 ) + 2T (
e3 ) = e
e1 +
3 ) = 2
4
e
e1 + 3
e3 e
2 ) = T (
2
(T F )(e2 ) = T (F (e2 )) = T (
e1 + e
e1 ) + T (
e2 ) = (
e1 + e
3 ) + e
3 e
4 =
2 + 2
4
e
e1 e
e3 e
La matrice C associata a T F `e quindi:

2 1
0 1

C=
3
2
1 1
4

` facile ora verificare che C = AB.


E

Le applicazioni lineari da Rn a Rn

Diamo ora un risultato importantissimo di equivalenza tra tante nozioni che


abbiamo introdotto.
Teorema 5.1. Sia f : Rn Rn una applicazione lineare, A la matrice
associata a f nella base canonica di dominio e codominio.
Le seguenti affermazioni sono equivalenti.
1. A `e invertibile.
2. f `e invertibile, cio`e f `e isomorfismo.
3. f `e iniettiva.

12

4. f `e suriettiva.
5. dim(Im (f )) = rk (A) = n.
6. Le colonne di A sono linearmente indipendenti.
7. Le righe di A sono linearmente indipendenti.
8. Il sistema A x = 0 ha ununica soluzione.
9. Per ogni b Rn il sistema A x = b ha ununica soluzione.
10. A si pu`o trasformare nella matrice identica tramite lalgoritmo di Gauss.
Inoltre se queste condizioni sono veritficate la soluzione del sistema A x = b
`e x = A1 b
Proof. Mostriamo che ogni affermazione implica la successiva e poi lultima
implica la prima.
(1) implica (2) perch`e se chiamiamo B la matrice inversa di A abbiamo
che lapplicazione g : Rn Rn associata a B `e linversa di f . Infatti a f g
`e associata la matrice AB = I, quindi f g `e lidentit`a di Rn , e analogamente
a g f `e associata la matrice BA = I, quindi g f `e lidentit`a di Rn .
(2) implica (3) in modo ovvio, perch`e un isomorfismo `e sia iniettivo che
suriettivo.
(3) implica (4) per il teorema della dimensione.
(4) implica (5) perch`e f suriettiva significa che Im (f ) = Rn e rk (A) =
dim(Im (f )) per definizione.
(5) implica (6) perch`e Im (f ) `e lo Span delle colonne di A.
(6) implica (7) perch`e il rango di una matrice `e uguale al rango della
trasposta.
(7) implica (8) perch`e se le righe di A sono linearmente indipendenti,
quando applichiamo il metodo di Gauss per risolvere il sistema A x = 0
troviamo esattamente n pivots, quindi c`e un unica soluzione.
Mostriamo ora che (8) implica (9). Se l sistema A x = 0 ha ununica
soluzione allora riducendo a scala la matrice A si ottiene una matrice A0 con
esattamente n pivots. Allora riducendo a scala la matrice A|b si ottiene una
matrice del tipo A0 |b0 , che ha anchessa esattamente n pivots (quelli di A0 ).
13

Quindi il sistema A x = b ammette ununica soluzione.


(9) implica (10) perch`e se il sistema A x = b ammette ununica soluzione
allora rk (A) = rk (A|b) = n per il teorema di Rouche - Capelli. In particolare, applicando ad A lalgoritmo di Gauss, poich`e rk (A) = n si ottiene una
matrice a scala A0 con n pivots, e continuando si ottiene la matrice identica
(1) implica (10) perche basta applicare lalgoritmo di Gauss alla matrice
(A|I), e le ipotesi mi garantiscono che ottengo una matrice del tipo (I|B).
Ma per quanto detto precedentemente sappiamo che B `e proprio linversa di
A.
Ora se le 10 propriet`a equivalenti sono tutte verificate basta moltiplicare
a sinistra per A1 entrambi i membri delluguaglianza A x = b e si ottiene
x = A1 b
Esercizi
1) Sia data lapplicazione lineare f : R3 R3 f (x, y, z) = (x + 2z, y + z, z).
` un isomorfismo? Motivare la risposta.
a) E
b) In caso di risposta affermativa al punto (a) si calcoli linversa di f .
2) Si consideri in lapplicazione f : R3 R3 tale che:
f (x, y, z) = (x + y 2z, y + z, z).
Si determini unapplicazione g : R3 R3 tale che f g = id.
3) Determinare per quali valori di a la matrice


1 2
A=
a 3
`e invertibile.
Scelto uno dei valori per cui `e invertibile calcolarne linversa.
4) Determinare per quali valori di a la

0
A = 1
2

matrice

1 0
0 1
a 3

`e invertibile.
Scelto uno dei valori per cui `e invertibile calcolarne linversa.
5) Sia (e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)) la base canonica dello spazio
vettoriale reale R3 . Sia a R. Sia T : R3 R3 lapplicazione lineare tale
che T (e1 ) = e1 ae2 , T (e2 ) = e2 + e3 , T (e3 ) = ae3 .
14

a) Si trovino i valori di a per i quali lapplicazione e invertibile.


b) Scelto uno dei valori di a per i quali T `e invertibile se ne calcoli linversa.
6) Si calcoli se `e possibile linversa della matrice A.


2 4
A=
1 2
7) a) Si calcoli linversa della matrice:

1 1 1
A = 2 1 0
0 0
1
con un qualunque metodo.
b) Sia LA lapplicazione lineare associata ad A nella base canonica e sia
T lapplicazione lineare:
T :

R3

R3
(x, y, z) (x + y z, z, x y)

Si calcoli T LA .

Appendice: Definizione di determinante

Sia A una matrice quadrata, cio`e una matrice n n. Ad essa vogliamo


associare un numero reale, detto il determinante di A, che calcoleremo a
partire dagli elementi di A con semplici regole. Il determinante contiene molte
informazioni sulla matrice A. Vedremo infatti che la matrice `e invertibile se
e solo se il suo determinante `e diverso da zero.
Definizione 1. Sia {1...n} linsieme dei primi n numeri naturali. Si
definisce permutazione una funzione biettiva : {1...n} {1...n}. Spesso
le permutazioni si indicano in questo modo:


1
...
n
=
(1) . . . (n)
Linsieme delle permutazioni si indica con Sn .
15

Esempio 1. 1. Consideriamo la permutazione




1 2 3 4
1 =
2 1 3 4
Questa permutazione scambia (oppure diciamo permuta) gli elementi 1 e
2 e lascia inalterati 3 e 4. Si indica anche per semplicita 1 = (1, 2).
2. Consideriamo la permutazione:


1 2 3 4
2 =
2 3 1 4
Questa permutazione `e la composizione delle permutazioni (1, 2) e (2, 3). Si
indica anche con (1, 2, 3).
Definiamo ora la parita di una permutazione . Consideriamo il numero
di coppie (i, j) tali che i < j ma (i) > s(j). Se tale numero `e pari diremo
che la permutazione `e pari, o che la sua parita p() = 1, se tale numero `e
dispari diremo allora che la permutazione `e dispari, cioe che la sua parita `e
p() = 1.
Nellesempio considerato sopra p(1 ) = 1, p(2 ) = 1.
Una proprieta importante della parita `e che p(1 s2 ) = p(s1 )p(s2 ).
Definizione 2. Sia A = (aij ) una matrice quadrata n n. Definiamo
determinante di A il numero:
X
det(A) =
(1)p() a1,(1) . . . an,(n)
Sn

Esempio 2. 1. Sia A una matrice 2 per 2:




a11 a12
A=
a21 a22
Il suo determinante e:
det(A) = a11 a22 a12 a21
2. Sia A una matrice 3 per 3:

a11 a12 a13


A = a21 a22 a23
a31 a32 a33
16

Il suo determinante e:
det(A) = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 a13 a22 a31 a12 a21 a33 a11 a23 a32
come si pu`o verificare direttamente dalla definizione.

17