Sei sulla pagina 1di 30

Alessio Del Padrone

Esercizi di Geometria: Matrici

Definizioni e richiami.

Notazione: entrate, righe, colonne. Criteri di uguaglianza. Sia A una


matrice con m righe ed n colonne (dove m, n ∈ N e m ≥ 1, n ≥ 1) ad entrate nel “campo” K (per noi
sarà sempre K = Q, o K = R, oppure K = C). Quindi
 
a11 · · · a1n
A =  ... ..  con a ∈ K.
 ..
. .  ij
am1 · · · amn
Fissati i ∈ {1, . . . , m} (indice riga) e j ∈ {1, . . . , n} (indice colonna) definiamo
[A]ij := aij entrata di posto (i, j) (riga i, colonna j) della matrice A;
� � � �
Ri (A) := ai1 · · · ain = [A]i1 · · · [A]in i-esima riga della matrice A;
   
a1j [A]1j
 ..   .. 
Cj (A) :=  .  =  .  j-esima colonna della matrice A.
amj [A]mj
Due matrici A e B sono uguali se e solo se (1) hanno le stesse taglie (numero di righe di A uguale al
numero di righe di B, e numero di colonne di A uguale al numero di colonne di B) e (2) hanno uguali
entrate in posizioni corrispondenti, cioé [A]ij = [B]ij per ogni i, j. La condizione (2) si può riformulare
equivalentemente come (2� ) Ri (A) = Ri (B) per ogni i, o anche (2�� ) Cj (A) = Cj (B) per ogni j.

Trasposizione. Data una matrice A di taglia m × n si definisce trasposta di A la matrice tA


di taglia n × m (notare l’inversione del numero di righe col numero delle colonne) le cui righe sono le
colonne di A prese nello stesso ordine, ovvero
[tA]ij := [A]ji per ogni i ∈ {1, . . . , n}, j ∈ {1, . . . , m}.
Ovviamente t(tA) = A, cioé la trasposizione è un’operazione involutiva.
Ad esempio
       
a � � a c a b c a c f
� � a b c
t
a b c = b , t =  b d , t  c d e  =  b d g 
c d e
c c e f g h c e h
Si noti che la trasposizione “rispetta i blocchi”, date A (m × n), B (m × q), C (p × n) e D (p × q) si ha:
� � � t �
t A B A tC
= t .
C D B tD
L’applicazione
Tm,n : Matm,n (K) −→ Matn,m (K), A �→ tA
è chiaramente biunivoca (iniettiva e suriettiva) con inversa Tn,m = (Tm,n )−1 .

1
2

Matrici simmetriche ed antisimmetriche. Una matrice A si dice simmetrica se


tA = A, in particolare A è necessariamente quadrata. Ad esempio
� �
0 1
A = (a) è simmetrica per ogni a ∈ K, A = non è simmetrica,
0 0
mentre � �
a b
A= è simmetrica per ogni a, b, d ∈ K.
b d
Una matrice A si dice antisimmetrica se tA = −A, in particolare A è necessariamente quadrata.
� �
0 −1
A = (a) non è antisimmetrica per ogni a ∈ K, A = non è antisimmetrica,
0 0
mentre � �
0 b
A= è antisimmetrica per ogni b ∈ K.
−b 0

Diagonali e antidiagonali di una matrice. La matrice A ha (m+n)−1 diagonali


costituite precisamente dalle entrate [A]ij i cui indici di posizione (cioé la coppia (i, j)) soddisfano la
relazione j − i = d essendo d ∈ {−(m − 1), . . . , 0, . . . (n − 1)} fissato. Si ha d = 0 se e solo se i = j, e gli
elementi della forma [A]ii per i = 1, . . . , min{m, n} costituiscono la cosiddetta diagonale principale
di A. Ad esempio:
   
� � a11 a12 a13 a11 a12
a11 a12 a13
j−i=2: A= , A = a21 a22 a23 , A = a21 a22 
a21 a22 a23
3−1=2
a31 a32 a33 a31 a32
3−1=2 j−i≤1
   
� � a11 a12 a13 a11 a12
a11 a12 a13
j−i=1: A= , A = a21 a22 a23 , A = a21 a22 
a21 a22 a23
2−1=3−2=1
a31 a32 a33 a31 a32
2−1=3−2=1 2−1=1
   
� � a11 a12 a13 a11 a12
a11 a12 a13
j−i=0: A= , A =  a21 a22 a23 , A =  a21 a22 
a21 a22 a23
1−1=2−2=0
a31 a32 a33 a31 a32
1−1=2−2=3−3=0 1−1=2−2=0
   
� � a11 a12 a13 a11 a12
a11 a12 a13
j − i = −1 : A= , A = a21 a22 a23 , A = a21 a22 
a21 a22 a23
1−2=−1
a31 a32 a33 a31 a32
1−2=2−3=−1 1−2=2−3=−1
   
� � a11 a12 a13 a11 a12
a11 a12 a13
j − i = −2 : A= , A =  a21 a22 a23 , A =  a21 a22 
a21 a22 a23
j−i≥−1
a31 a32 a33 a31 a32
1−3=−2 1−3=−2

Analogamente, in A ci sono (m + n) − 1 antidiagonali costituite precisamente dalle entrate [A]ij i cui


indici di posizione (cioé la coppia (i, j)) soddisfano la relazione i + j = d essendo d ∈ {2, . . . m + n}
fissato. Per convenzione, non definiamo l’“antidiagonale principale”, se non nel caso quadrato m = n,
in cui è l’antidiagonale corrispondente a d = n + 1.
3

Matrici diagonali. Una matrice A si dice diagonale se (1) è quadrata e (2) [A]ij = 0 per
ogni i �= j, ovvero ogni elemento fuori dalla diagonale principale di A è nullo. Ad esempio
 
� � a11 0 0
a11 0
A = (a), A = , A =  0 a22 0 
0 a22
0 0 a33
sono tutte matrici diagonali. In generale, dati scalari a1 , . . . , an ∈ K si definisce la matrice diagonale
 
a1 0 · · · ··· 0
 .. .. .. 
0 . . 0 .
. . .. .. 
∆(a1 , . . . , an ) = Diag(a1 , . . . , an ) =  ..
 .. a
i . . .
. .. .. 
 .. 0 . . 0
0 ··· ··· 0 an
� � � �
−1 0 2 0
Così, ad esempio ∆(−1, 2) = e ∆(2, −1) = ,e
0 2 0 −1
A è diagonale se e solo se A = ∆([A]11 , . . . , [A]ii , . . . , [A]nn ).
Ovviamente t∆(a1 , . . . , an ) = ∆(a1 , . . . , an ), quindi ogni matrice diagonale è simmetrica.

Matrice nulla, matrice identica. Dati m, n ∈ N con m ≥ 1, n ≥ 1 denotiamo con


 
0 ··· 0
 .. . . .. 
Om,n = . . . matrice nulla di taglia m × n, le cui entrate sono tutte 0,
0 ··· 0
Si noti che ovviamente tOm,n = On,m . Se m = n scriviamo anche semplicemente
On = On,n = ∆(0, . . . , 0) (n zeri),
che quindi è una matrice simmetrica.
Se m = n definiamo inoltre la matrice (quadrata!) identità di taglia n × n (anche detta matrice
identica)
 
1 ··· 0
 .. . . ..  = ∆(1, . . . , 1)
In =  . . . (n volte 1),
0 ··· 1
le cui sole entrate non nulle sono tutte uguali
 ad 1 sulla
 diagonale principale. Ad esempio: I1 =
  1 0 0 0
� � 1 0 0
� � 1 0 0 1 0 0
1 , I2 = 
, I3 = 0 1 0 , I 4 =  
0 0 1 0 . Si noti la struttura “a blocchi”
0 1
0 0 1
0 0 0 1
� �
Ir Or,n−r
In = .
On−r,r In−r
per ogni r ∈ N tale che 1 ≤ r ≤ n − 1. Si noti che ovviamente tIn = In , ovvero In è una matrice
simmetrica.

Unità matriciali. Dati m, n ∈ N con m ≥ 1, n ≥ 1 ed h ∈ {1, . . . , m}, k ∈ {1, . . . , n}


denotiamo con
eh,k = em×n
h,k = l’unica matrice di taglia m × n tale che [eh,k ]ij = 0 se h �= i o k �= j e [eh,k ]hk = 1,
4

e diciamo che essa è una unità matriciale, o matrice unità, di Matm,n (K). Ovvero eh,k ha entrate
tutte nulle eccetto che per l’entrata di posto (h, k), che vale 1. Ad esempio, fissando m = n = 2
abbiamo 4 matrici unità
� � � � � � � �
1 0 0 1 0 0 0 0
e1,1 = , e1,2 = , e2,1 = , e2,2 = .
0 0 0 0 1 0 0 1
Se n = 1, matrici ad una sola colonna, si scrive
     
1 0 0
0 1 0
     
e1 = e1,1 =   , e2 = e2,1 =   , . . . , em = em,1 =  ...  .
0 0  
 ..   ..   
. . 0
0 0 1
(m)
Dove si sottointende che ei = ei è una matrice colonna con m righe. Si noti che
t
� � � � � �
eh,k = ek,h , e te1 = 1 0 · · · 0 , te2 = 0 1 0 · · · 0 , . . . , tem = 0 · · · 0 1

Matrici triangolari. Una matrice A si dice triangolare superiore se A è quadrata ed


[A]ij = 0 per ogni i > j, ovvero tutte le entrate al di sotto della diagonale principale di A sono nulle.
Si dice che A è strettamente triangolare superiore se è triangolare superiore ed anche gli elementi
sulla diagonale superiore sono tutti nulli, ovvero: [A]ij = 0 per ogni i ≥ j.
   
1 2 3 0 1 2
A = 0 4 5 è triangolare superiore, A = 0 0 3 è strettamente triangolare superiore.
0 0 6 0 0 0

Una matrice A si dice triangolare inferiore se tA è triangolare superiore, cioé A è quadrata ed


[A]ij = 0 per ogni i < j, ovvero tutte le entrate al di sopra della diagonale principale di A sono nulle.
Si dice che A è strettamente triangolare inferiore se tA è strettamente triangolare superiore, cioé A
è triangolare inferiore ed anche gli elementi sulla diagonale principale sono tutti nulli, ovvero: [A]ij = 0
per ogni i ≤ j.
   
1 0 0 0 0 0
A = 2 3 0 è triangolare inferiore, A = 1 0 0 è strettamente triangolare inferiore.
4 5 6 2 3 0

Somma di matrici. La somma di due matrici A (m × n) e B (p × q) è definita se A e B


hanno la stessa taglia (stesso numero di righe e stesso numero di colonne) ed è la matrice le cui entrate
sono la somma delle entrate di A e B di posto corrispondente, ovvero:
A+B è definita se m = p, n = q, ed in tal caso [A + B]ij = [A]ij + [B]ij
per ogni i ∈ {1, . . . , m} (indice riga) e j ∈ {1, . . . , n} (indice colonna). In particolare la somma di
matrici definisce un’applicazione
S : Matm,n (K) × Matm,n (K) −→ Matm,n (K), S(A, B) = A + B.
Proprietà della somma di matrici. L’operazione di somma fra matrici gode delle seguenti
proprietà, la cui verifica è immediata e discende dalle analoghe proprietà della somma in K:
5

• Esistenza dell’elemento neutro : Esiste una matrice O ∈ Matm,n (K) tale che A + O = A e
O + A = A per ogni matrice A ∈ Matm,n (K).
Osservazione. La matrice O è univocamente determinata dalla proprietà detta, infatti se
O ∈ Matm,n (K) soddisfa anch’essa A + O� = A e O� + A = A per ogni matrice A ∈ Matm,n (K),

allora in particolare
O = O + O� = O� .
Si dice quindi, senza ambiguità, che O è l’elemento neutro della somma. Ovviamente O = Om,n
è proprio la matrice nulla introdotta sopra.
• Associatività : (A + B) + C = A + (B + C) per ogni A, B, C ∈ Matm,n (K).
• Esistenza dell’opposto : Per ogni matrice A ∈ Matm,n (K) esiste una matrice B ∈ Matm,n (K),
detta opposta di A, tale che A + B = O e B + A = O.
Osservazione. B è una matrice opposta ad A se e solo se A è una matrice opposta a B. Inoltre
se B e B � sono due matrice opposte di una stessa matrice A allora
B = B + O = B + (A + B � ) = (B + A) + B � = O + B � = B � ,
quindi B è univocamente determinata dalla proprietà di essere opposta ad A e possiamo pertanto
dire senza ambiguità che B è la matrice opposta ad A e scrivere B = −A. Ovviamente,
−(−A) = A e la matrice −A è definita concretamente dalle relazioni [−A]ij = −[A]ij per ogni
(i, j).
• Commutatività : A + B = B + A per ogni A, B ∈ Matm,n (K).
Osservazione. È facile verificare che t (A + B) = t A + t B per ogni A, B ∈ Matm,n (K).

Prodotto (righe per colonne). Il prodotto (righe per colonne) di due matrici A (m × n)
e B (p × q), nell’ordine, è definito se il numero delle colonne di A è uguale al numero delle righe di B,
ed in tal caso si dice che A e B sono moltiplicabili (nell’ordine dato). Si definisce definendo prima il
prodotto fra una matrice riga ed una matrice colonna aventi lo stesso numero di entrate e poi trattando
il caso generale. Definiamo
 
b11
� n
� �  b21 
 
a11 a12 · · · a1n   := a11 b11 + a12 b21 + · · · + a1n bn1 = a1s bs1 .
� �� � ··· � �� �
1×1 s=1
1×n bn1
� �� �
n×1
In generale
 
R1 (A)C1 (B) · · · R1 (A)Cj (B) ··· R1 (A)Cp (B)
 .. .. .. 
 . . . 
 
A B
���� ���� := R
 i (A)C 1 (B) ··· Ri (A)Cj (B) ··· Ri (A)Cp (B) 
 . .. .. 
m×n n×p  .. . . 
Rm (A)C1 (B) · · · Rm (A)Cj (B) · · · Rm (A)Cp (B)
� �� �
m×p
�n
In altri termini [AB]ij = Ri (A)Cj (B) = s=1 [A]is [B]sj . Si noti che Ri (AB) = Ri (A)B e Cj (AB) =
ACj (B), ovvero:
 
R1 (A)B
� �  .. 
AB = AC1 (B) · · · ACj (B) · · · ACp (B) =  .  m matrici riga 1 × p.
� �� �
p matrici colonna m×1 Rm (A)B
6

� �
A1 � �
Analogamente, se A = con A1 m1 × n e A2 m2 × n, oppure B = B1 B2 con B1 n × p1 e
A2
B2 n × p2 , allora
� � � �
A1 A1 B � � � �
B= e A B1 B2 = AB1 AB2 .
A2 A2 B
Più in generale, supponiamo di scomporre la matrice A m × n e la matrice B n × p in quattro blocchi
ciascuna, in modo che il numero di colonne di A11 sia uguale al numero di righe di B11 , allora non è
difficile verificare che si trova:
� �� � � �
A11 A12 B11 B12 A11 B11 + A12 B21 A11 B12 + A12 B22
= .
A21 A22 B21 B22 A21 B11 + A22 B21 A21 B12 + A22 B22
� �� �� �� � � �� �
(m1 +m2 )×(n1 +n2 ) (n1 +n2 )×(p1 +p2 ) (m1 +m2 )×(p1 +p2 )

Il prodotto (righe per colonne) di matrici definisce un’applicazione


P : Matm,n (K) × Matn,p (K) −→ Matm,p (K), P (A, B) = AB.
Se m = n = p abbiamo
P : Matn (K) × Matn (K) −→ Matn (K), P (A, B) = AB.
Proprietà del prodotto di matrici. L’operazione di prodotto fra matrici moltiplicabili gode delle
seguenti proprietà:
• Esistenza dell’elemento neutro : Esistono matrici In ∈ Matn (K) ed Im ∈ Matm (K) tali che
AIn = A e Im A = A per ogni matrice A ∈ Matm,n (K).
Osservazione. Se m = n, cioé A è quadrata, la matrice I è univocamente determinata dalla
proprietà detta, infatti se I � ∈ Matn (K) soddisfa anch’essa AI � = A e I � A = A per ogni matrice
A ∈ Matn (K), allora in particolare
I = II � = I � .
Si dice quindi, senza ambiguità, che O è l’elemento neutro della somma. Non è difficile verificare
che I = In = ∆(1, . . . , 1) è proprio la matrice identica introdotta sopra.
• Associatività : (AB)C = (AB)C per ogni A ∈ Matm,n (K), B ∈ Matn,p (K), C ∈ Matp,q (K).
• Distributività a destra : (A + B)C = AC + BC per ogni A, B ∈ Matm,n (K) e C ∈ Matn,p (K).

• Distributività a sinistra : C(A+B) = CA+CB per ogni A, B ∈ Matm,n (K) e C ∈ Matp,m (K).

Osservazioni.
(1) Ricordando la definizione delle unità matriciali data sopra si trova che per ogni matrice A m × n
(n) t (m)
Aej = Cj (A), ei A = Ri (A).
Inoltre, di conseguenza,
 
0
 .. 
 
t (m) (n) � �  . 
ei Aej = 0 ··· 1(i) · · · 0 A 
1(j)  = [A]ij .
 .. 
 . 
0
7

(2) Se A ha taglia m × n e B n × p, allora A e B sono moltiplicabili (nell’ordine dato). D’altra


parte tA ha taglia n × m e tB p × n, quindi esse non sono necessariamente moltiplicabili in quell’ordine,
invece tB e tA sono moltiplicabili (nell’ordine). Si trova
t
(AB) = (tB)(tA).
Infatti, per ogni (i, j) si ha:
[t(AB)]ij = [AB]ji = Rj (A)Ci (B) = Ri (tB)Cj (tA) = [(tB)(tA)]ij .
(3) Si è visto che il prodotto righe per colonne AB con A di tipo (m, n) e B di tipo (n, p) richiede:
(a) il calcolo degli mp prodotti “scalari” (una riga per una colonna) Ri (A)Cj (B) per formare la
matrice AB di tipo (m, p) tale che [AB]ij = Ri (A)Cj (B); oppure
(b) il calcolo delle p colonne prodotto (una matrice per una colonna) ACj (B) per formare la matrice
AB di tipo (m, p) tale che Cj (AB) = ACj (B); oppure
(c) il calcolo delle m righe prodotto (una riga per una matrice) Ri (A)B per formare la matrice AB
di tipo (m, p) tale che Ri (AB) = Ri (A)B.
Vi è pero’ anche una quarta “possibilità”: si puo’ calcolare AB come “sovrapposizione” di n matrici
prodotto del tipo “una colonna per una riga” (con lo stesso indice):

AB = Cr (A)Rr (B).
r
Il lettore è invitato a verificare la correttezza della formula sopra scritta osservando che
  
� � [A]1,r
� � �  .  � �
Cr (A)Rr (B) = [Cr (A)Rr (B)]ij =  ..  [B]r,1 · · · [B]r,n 
r ij r r [A]m,r ij
 
[A] [B] · · · [A]1,r [B]r,n
�  1,r. r,1 ..  �
=  .. .  = [A]i,r [B]r,j
r [A]m,r [B]r,1 · · · [A]m,r [B]r,n r
ij
= [AB]ij .
Riepiloghiamo il tutto con un esempio:
 
� � a b c � �
1 2 3 4  
d e f  = a + 2d + 3g + 4i b + 2e + 3h + 4l c + 2f + 3k + 4m
5 6 7 8 g h k  5a + 6d + 7g + 8i 5b + 6e + 7h + 8l 5c + 6f + 7k + 8m
i l m
        
� � a b c � � a � � b � � c
1 2 3 4   
d e f  =  1 2 3 4 d
  1 2 3 4  e
 1 2 3 4  
 f 
5 6 7 8 g h k   5 6 7 8 g  5 6 7 8 h  5 6 7 8  k 
i l m i l m
  
a b c
� � d e f 
   1 2 3 4  
 g h k 
� � a b c  
1 2 3 4   
d e f  =   i l m

5 6 7 8  g h k   a b c 
 
i l m  � �  
 5 6 7 8 d e f 
 g h k 
i l m
8

 
� � a b c � � � � � � � �
1 2 3 4 
 d e f 
= a b c 2d 2e 2f 3g 3h 3k 4i 4l 4m
+ + +
5 6 7 8 g h k  5a 5b 5c 6d 6e 6f 7a 7b 7c 8i 8l 8m
i l m

Prodotto (per uno) scalare. Dato uno scalare λ ∈ K ed una matrice A (m × n) si


può sempre definire il loro prodotto (scalare) come la matrice λA le cui entrate sono le entrate di A
moltiplicate per lo scalare λ, ovvero:
[λA]ij = λ[A]ij
per ogni i ∈ {1, . . . , m} (indice riga) e j ∈ {1, . . . , n} (indice colonna). In particolare il prodotto scalare
definisce un’applicazione
P S : K × Matm,n (K) −→ Matm,n (K), P S(λ, A) = λA.
Proprietà del prodotto (per uno) scalare. L’operazione di prodotto (per uno) scalare gode
delle seguenti proprietà, la cui verifica è immediata e discende dalle analoghe proprietà delle operazioni
in K:
• Esistenza dell’elemento neutro : 1A = A per ogni matrice A ∈ Matm,n (K).
• Associatività I : (λµ)A = λ(µA) per ogni λ, µ ∈ K ed A ∈ Matm,n (K).
• Associatività II : λ(AB) = (λA)B = A(λB) per ogni λ ∈ K ed A ∈ Matm,n (K) e B ∈
Matn,p (K).
• Distributività I : (λ + µ)A = λA + µA per ogni λ, µ ∈ K ed A ∈ Matm,n (K).
• Distributività II : λ(A + B) = λA + λB per ogni λ ∈ K ed A, B ∈ Matm,n (K).
Osservazioni.
(1) Si ha ovviamente 0A = Om,n e (−1)A = −A per ogni A ∈ Matm,n (K).
(2) Si verifica immediatamente che t(λA) = λtA, per ogni A ∈ Matm,n (K).

Matrici invertibili. Sia A una matrice di taglia m × n si dice che A è invertibile a destra
se ammette una inversa destra cioé esiste una matrice D di taglia n × m tale che
AD = Im .
Analogamente, si dice A è invertibile a sinistra se ammette una inversa sinistra cioé esiste una
matrice S di taglia n × m tale che
SA = In .
Le matrici S e D sono inverse parziali di A. Una inversa bilatera di A è una matrice B di taglia
n × m tale che
AB = Im e BA = In .
Esempio. Si verifica facilmente che
     
� � −1 1 −1 1 � � 0 −1 0
1 2 1  1 2 1
1 −1 = I2 , ma  1 −1 = 0 1 0 = � I3
1 1 1 1 1 1
0 1 0 1 1 0 1

Fatto. Se A è invertibile sia a destra che a sinistra, allora A è quadrata ed ogni inversa “parziale” è
inversa bilatera. Una matrice quadrata A ammette al più una inversa bilatera, che in tal caso si denota
con A−1 .
Dim. Infatti S = SIm = S(AD) = (SA)D = In D = D, quindi la matrice B := S = D è una
inversa bilatera di A, cioè AB = Im e BA = In . E ciò prova che se A ammette una inversa bilatera
9

ne ammette una sola. Supponiamo ora per assurdo che A non sia quadrata, possiamo allora assumere
m < n. Consideriamo allora il sistema lineare omogeneo in m equazioni ed n incognite
AX = Om,1 ,
essendo m < n esso ammette una soluzione non nulla X0 ∈ Matn,1 (K), ma allora X0 = In X0 =
BAX0 = BOm,1 = On,1 , assurdo. Analogamente, assumendo n < m si giunge ad un assurdo
considerando il sistema lineare omogeneo in n equazioni ed m incognite
BX = On,1 .

Possiamo quindi semplificare la definizione dicendo che una matrice A è invertibile se A è quadrata
ed esiste una matrice B dello stesso tipo di A tale che
AB = BA = I.
Ogni tale B, quando esiste, è necessariamente unica, e si denota con A−1 , l’inversa di A.
Proprietà delle matrici invertibili e dell’inversa.
• Se A ∈ Matm,n (K) è invertibile allora m = n.
• Sia A ∈ Matn (K) una matrice quadrata. A è invertibile ⇔ A è invertibile a destra ⇔ A è
invertibile a sinistra.
• La matrice identica è invertibile e In−1 = In .
• Se A ∈ Matn (K) è invertibile allora anche A−1 è invertibile ed (A−1 )−1 = A.
• Se A e B sono invertibili dello stesso tipo allora anche AB è invertibile e (AB)−1 = B −1 A−1 .
• Se A ∈ Matn (K) è invertibile allora anche Ak è invertibile per ogni k ∈ Z d (Ak )−1 = (A−1 )k .
• A è invertibile se e solo se tA è invertibile ed in tal caso (tA)−1 = t(A−1 ).
• A è invertibile ⇔ ρ(A) = n è massima ⇔ det(A) �= 0. In tal caso det(A−1 ) = det(A)−1 .
• A è invertibile ⇔ la diagonale principale di una qualunque riduzione per righe (o colonne) di A
non contiene entrate nulle.

Matrici elementari. Ricordiamo che le matrici elementari eseguono la corrispondente


operazione elementare sulle righe di una matrice A quando moltiplicano A a sinistra. Moltiplicando
A a destra si esegue la corrispondente operazione elementare sulle colonne.
Definiamo tre tipi di matrici elementari, ciascuna ottenuta dalla matrice identità In eseguendo la
corrispondente operazione elementare.
(n)
• Ri ↔ Rj : Eij con 1 ≤ i, j ≤ n ed i �= j. Scambia la riga i con la riga j. Per queste matrici si
−1
ha: tEij = Eij = Eij , in particolare esse sono matrici ortogonali.
(n)
• Ri ↔ λRj : Ei (λ) con 1 ≤ i ≤ n e λ ∈ K, λ �= 0. Moltiplica la riga i per lo scalare non nullo λ.
Sono particolari matrici diagonali (in particolare simmetriche) per le quali Ei (λ)−1 = Ei (λ−1 ).
(n)
• Ri ↔ Ri + aRj : Eij (a) con 1 ≤ i, j ≤ n ed i �= j ed a ∈ K (anche a = 0). Sostituisce la riga
i con la somma della riga i con la riga j moltiplicata per lo scalare a. Sono particolari matrici
triangolari con 1 su tutta la diagonale principale. Per esse Eij (a)−1 = Eij (−a).
10

Proprietà delle matrici elementari.


E −1 tE det(E) Tr(E)
Eij (i �= j) Eij Eij −1 n−2
Ei (λ) (λ �= 0) Ei (λ−1 ) Ei (λ) λ λ+n−1
Eij (a) (i �= j) Eij (−a) Eji (a) 1 n
Il prodotto di matrici elementari non è in generale tale; anzi, ogni matrice invertibile è prodotto di
matrici elementari.

Traccia. La traccia di una matrice quadrata A di tipo n è per definizione lo scalare che si ottiene
sommando tutte le entrate sulla diagonale principale di A:
n

Tr(A) := [A]11 + · · · + [A]nn = [A]ss ∈ K.
s=1
Proprietà della traccia.
• Invarianza per trasposizione : Tr(tA) = Tr(A).
• Additività : Tr(A + B) = Tr(A) + Tr(B).
• Omogeneità : Tr(λA) = λTr(A).
• Traccia di In e On : Tr(In ) = n, Tr(On ) = 0.
• Commutatività : Tr(AB) = Tr(BA).

ESERCIZI.
 √ 
√ 1 π 2
1. Data A =  7 i −18, qual’è la “taglia”, ovvero il “tipo” di A? quali sono le entrate
2
11 u 9
[A]11 , [A]12 , [A]22 , [A]23 , [A]32 ?

2. Posto    
� √ � x y z u
1 π 2
A= √ , B = a b c  , C =  v  .
7 i −18
7 8 9 w
stabilire se le seguenti espressioni sono “ben formate” (ovvero le operazioni indicate siano eseguibili
in base alle definizioni), ed in tal caso calcolarne la taglia (ovvero, il tipo) ed eseguirle:
A + B, A + C, t(B + C), AB, BA, AC, CA, BC, CB, t[(A + B)C], tA + BC, AB + C,
t
AA, AtA, C tC, tCC, B tB, tBB, B + C tC, tCC + B, B + tAA, B + AtA, tAA + C tC,
 t   t 
C �√ � C ��√ � � �t �
3A 3A � t � C
2 C  +
t
tC
 B + B, 2 C  +
t t
tC
t t
B + B , e A|C (πB), B B − .
t t A
3C 3C

 
� � 2 −3
1 −2 3
3. Tipare e calcolare, se possibile, AB e BA con A = e B = −1 0  .
0 −1 2
1 0
11

4. “Tipare” ciascun fattore e verificare la proprietà associativa per il seguente prodotto di matrici:
 
� �� � 1
1 2 0 1 2  
4 .
0 1 1 1 3
3

5. Dimostrare le proprietà Om,n + A = A + Om,n = A, 0A = Om,n e AOn,p = Om,p delle matrici


nulle.
 
2 3
6. Trovare infinite matrici B tali che BA = I2 con A = 1 2 . Dimostrare che non esiste alcuna
2 5
matrice C tale che AC = I3 .
 
� � x
7. Date A = a b c e B = y  
z
(a) Dire quali sono i tipi di tBB, B tB e calcolarle.
(b) Dimostrare che se B ∈ Mat3,1 (R) allora: tBB ≥ 0.
(c) Dimostrare che se B ∈ Mat3,1 (R) si ha: tBB = O1 ⇒ B = O3,1 .
(d) Dimostrare che esistono infinite B ∈ Mat3,1 (C) non nulle tali che tBB = O1 .
(e) Dire quali sono i tipi di AB, rispettivamente BA, e calcolarle.
(f) Dimostrare che BA = O3 ⇒ A = O1,3 oppure B = O3,1 .
(g) Dimostrare che, indipendentemente da K, fissata A �= O1,3 esistono infinite B �= O3,1 tali
che AB = O1 .
� �
−1 2
8. Determinare la matrice A sapendo che vale l’uguaglianza t(A−1 − 3I2 ) = 2 .
5 4

9. Si considerino le matrici
   
1 1 1 1 a b
A = 0 −1 3 B = a −1 b  .
2 −1 1 b −b a
Determinare, se esistono, valori reali di a, b tali che le due matrici A e B commutino (ossia tali
che AB = BA).

10. Siano A e B due matrici di tipo n a coefficienti in K.


(a) Quand’è che (A + B)(A − B) = A2 − B 2 ?
(b) Quand’è che (A + B)2 = A2 + 2AB + B 2 ?
(c) Sviluppare (A + B)3 .
(d) Sviluppare (AB)2 , (BA)2 , (AB)3 e (BA)3 .

11. Sia A una matrice di taglia m × n.


(a) Verificare che tA e A sono sempre moltiplicabile nell’ordine detto, così come lo sono A e tA.
12

(b) Tipare i prodotti tAA e AtA.


(c) Verificare che le matrici tAA e AtA sono sempre simmetriche.
(d) Verificare che se A ∈ Matm,n (R) allora [tAA]ii ≥ 0 e [AtA]jj ≥ 0.
(e) Verificare che se A ∈ Matm,n (R) e tAA = 0 oppure AtA = 0, allora A = Om,n .

12. Date le matrici invertibili A, B e C semplificare l’espressione matriciale


t
CB · (AB)−1 · t(C −1 · tA).

13. Calcolare A3 nei seguenti casi


 
� � 2 1 0
(2) 1 0 (2) (2) (2)
A = e11 = , A = e12 , A = e21 , A = e22 , A = I2 , A =  1 0 0
0 0
−1 3 2

14. Calcolare A3 nei seguenti casi (coefficienti in K)


   
� � � � 0 a b 0 0 0
0 a 0 0
A= , A= , A = 0 0 c  , A = a 0 0 .
0 0 a 0
0 0 0 b c 0

� �
1 −1
15. Data A = , verificare che A6 = I2 . Si può dedurne qualcosa su A−1 ?
1 0

� �
5 −3
16. Sia A = .
6 −4
(a) Verificare che A2 − A − 2I2 = O2 .
(b) Esprimere A−1 in termini di A.

17. Semplificare il prodotto matriciale (In − A)(In + A), e dimostrare che se A2 = On , allora I − A
è invertibile e (I − A)−1 = I + A.

18. Dimostrare che se A3 = On , allora I − A è invertibile e (I − A)−1 = I + A + A2 .

19. Trovare tutte le soluzioni dell’equazione x + y + 2z − t = 3. L’equazione è omogenea?


13

20. Determinare tutte le soluzioni del sistema di equazioni AX = B, dove


 
1 2 1 1
A= 3  0 0 4
1 −4 −2 −2
e B è una delle matrici seguenti:
     
0 1 0
(a) 0 , (b) 1 , (c) 2 .
0 0 2
In quali casi il sistema è omogeneo?

   
1 2
  
21. Scrivere un sistema lineare che abbia −1 e 3 tra le soluzioni.
0 2

22. Dato il sistema lineare: 



kx − y + (k + 1)z = −1
(k − 1)y + 2z = 1


x − 2y + (k − 1)z = −k
 
0
Trovare, se esistono, i k per i quali 1 è soluzione. Risolvere i sistemi lineari ottenuti per tali
0
valori di k, trovando prima le soluzioni dei corrispondenti sistemi lineari omogenei.

23. Calcolare i seguenti prodotti di matrici mediante la moltiplicazione per blocchi


  
1 1 1 5 1 2 1 0   
 0 1 0 1  0 1 0 1 2 1 2 3
  0 1 ,  0 1 0  4 2 3 
 1 0 0 1  1 0 0 1 
3 0 1 5 0 4
0 1 1 0 0 1 1 3

24. Siano A e B due matrici. Dimostrare o confutare, correggendo, se possibile, le affermazioni false:
(a) Se AB è definita (cioé A e B sono moltiplicabili), anche BA è definita (cioé B ed A sono
moltiplicabili).
(b) Se AB è definita e A è quadrata, allora anche BA è definita.
(c) Se AB = BA, allora A e B sono entrambe quadrate dello stesso ordine.
(d) Se A2 è definita, allora A è quadrata.
(e) Se A ha righe (o colonne) nulle, allora AB ha righe (o colonne) nulle.
(f) Se AB = 0, allora A = 0 oppure B = 0.
(g) (AB)2 = A2 B 2 .
(h) Se AB = A, allora B = I.
(i) Se A2 = A, allora A = I oppure A = 0.
14

25. Siano    
1 −3 0 0 0 1 0 0
 −2 7 0 0   1 0 0 0 
A=
 0
, B =  ,
0 2 0   0 0 −1 0 
0 0 −5 −1 0 0 5 2
calcolare AB, BA, A2 , B 2 , (AB)3 .

 
1 2 3 4
3 0 0 0
26. Calcolare, se possibile, l’inversa di A = 
2
. Quanto vale ρ(A)?
0 1 2
1 0 1 −1

� �
cos x − sin x
27. Calcolare, se possibile, l’inversa di P = per un qualsiasi x ∈ R. Quanto vale
sin x cos x
ρ(P )?

28. Risolvere, se possibile, l’equazione matriciale XA + 2X = B dove


   
−1 1 −1 0 0 1
A =  2 −1 0  , B = 1 0 0 , X ∈ Mat3 (K).
0 0 −1 0 1 0
È vero che B è una matrice elementare? Se sì, di quale matrice elementare si tratta?

29. Vero o falso: per ogni matrice complessa A di tipo 2 esiste una matrice B tale che A = B 2 ? Il
problema “cambia” prendendo K = R o K = Q anziché K = C? Se sì, come cambia?

30. Vero o falso: per ogni matrice complessa A di tipo 2 esiste una matrice B tale che A = B 3 ? Il
problema “cambia” prendendo K = R o K = Q anziché K = C? Se sì, come cambia?

31. (*) Consideriamo un sistema lineare generico con m equazioni in n incognite espresso in forma
matriciale
AX = B
(A è la matrice m×n dei coefficienti del sistema lineare, X è la matrice colonna delle n incognite, e
B è la matrice colonna degli m termini noti). Se la matrice dei coefficienti A ammette una inversa
sinistra S, ovvero SA = I, allora possiamo cercare di risolvere il sistema nel modo seguente
AX = B ⇒ SAX = SB ⇒ X = SB.
Tuttavia, se andiamo a verificare se X = SB è effettivamente soluzione del nostro sistema di
partenza troviamo
X = SB ⇒ AX = ASB . . . ma è vero che ASB = B?
Apparentemente occorre richiedere che S sia anche un’inversa destra di A, ossia che AS = I, e
ciò non fa parte delle ipotesi iniziali. Provare a spiegare tale difficoltà dopo aver studiato qualche
esempio.
15

32. Calcolare il “costo computazionale” (cioè numero di moltiplicazioni e addizioni da eseguire) del
calcolo di AB con A matrice m × n e B matrice n × p e specializzare poi la formula trovata al
caso m = n = p. “Costa” di più calcolare il prodotto righe per colonne di due matrici di tipo 6,
oppure di due matrici di taglie 4 × 5 e 5 × 11 rispettivamente?

33. Calcolare il “costo computazionale” dell’operazione A2 con A matrice simmetrica di tipo n.

34. Dimostrare che se A (m × n) e B (n × p) sono matrici moltiplicabili e Ri (A) = On , allora


Ri (AB) = Op . Dimostrare anche che se Cj (B) = On , allora Cj (AB) = Om

35. Dimostrare che se A è una matrice di tipo n con una riga, oppure una colonna, nulla allora A
non è invertibile.

36. Sia A una matrice di tipo n con al più n2 − n + 1 entrate non nulle. Può essere A invertibile?

37. Calcolare il prodotto   


1 0 0 −1 0 0
 0 2 0   0 −1 0  .
0 0 3 0 0 0
Provare che la matrice prodotto di due matrici diagonali (moltiplicabili) è anch’essa una matrice
diagonale.

38. Calcolare i prodotti


     
1 0 0 a b c a b c 1 0 0
 0 2 0  d e f  e  d e f  0 2 0 .
0 0 3 g h i g h i 0 0 3
Cosa accadrà in generale per i prodotti di una matrice generica di taglia qualunque ed una matrice
diagonale (fra loro moltiplicabili da almeno una parte)?

39. Trovare due matrici A e B di tipo 2 tali che BA = O2 e AB �= O2 .

40. Trovare tutte le matrici di tipo 2 a coefficienti razionali A tali che A2 = O2 . Come cambia la
risposta cercando A ∈ Mat2 (R)? e con A ∈ Mat2 (C)?

41. Sia I = I2 la matrice identica di tipo 2.


(a) Trovare tutte le soluzioni dell’equazione matriciale X 2 − I = O2 , ossia tutte le matrici
quadrate A ∈ Mat2 (K) tali che A2 = I.
(b) Le soluzioni cambiano scegliendo K = Q, R o C?
(c) È vero che le soluzioni sono infinite?
(d) È vero che per tutte le soluzioni vale l’uguaglianza |a11 | = |a22 |?

42. Dimostrare che se A ed AB sono invertibili anche B è invertibile.


16

� �
a 0
43. Data A = = ∆(a, b) con a �= b, determinare tutte le matrici B di tipo 2 che commutano
0 b
con A, ovvero tali che AB = BA.

44. Verificare che le uniche matrici A di tipo 2 che commutano (AB = BA) con tutte le matrici di
tipo 2 sono le matrici scalari, cioè le matrici della forma λI2 con λ ∈ K.

 
1 1 0 0
0 1 1 0
45. Data A = 
0
, calcolare A2 , A3 , A4 , (A − I)2 , (A − I)3 , (A − I)4 .
0 1 1
0 0 0 1

46. Trovare le inverse delle seguenti matrici:


� � � � � � � � � �� �� �
1 0 1 1 0 1 3 5 1 1 0 1 3 5
, , , , .
0 2 0 1 1 0 1 2 0 1 1 0 1 2

47. Quando è vero che AB invertibile ⇒ A e B invertibili?

48. Dimostrare che se A è una matrice antisimmetrica (cioé: tA = −A) allora tutte le entrate sulla
sua diagonale principale sono nulle.

49. Dimostrare che se A è invertibile allora (tA)−1 = t(A−1 ).

50. Siano A e B due matrici. Dimostrare o confutare, correggendo, se possibile, le affermazioni false:
(a) Se A �= On allora A è invertibile.
(b) Se A è invertibile allora A �= On .
(c) Se A3 = 3In allora A è invertibile.
(d) Se A2 = A ed A �= On allora A è invertibile.
(e) Se A2 = A ed A è invertibile allora A = In .
(f) Se A e B sono invertibili allora A + B è invertibile.
(g) Se A e B sono invertibili allora AB è invertibile.
(h) Se A, B e B, A sono moltiplicabili ed AB è invertibile allora BA è invertibile.
(i) Se A, B sono moltiplicabili ed AB è invertibile allora A e B sono invertibile.
(j) Se A e B sono quadrate ed AB è invertibile allora A e B sono invertibili.
(k) Se Ak è invertibile per qualche k ∈ N+ allora A è invertibile.
(l) Se AB = Om,p ed A �= Om,n allora B = On,p .
(m) Se AB = Om,p ed A è invertibile allora B = On,p .

51. (*) Siano A e B due matrici moltiplicabili tali che anche B ed A siano moltiplicabili. Dimostrare
che Im − AB è invertibile se e soltanto se In − BA è invertibile.
17

52. Provare che per ogni P invertibile di tipo n ed A qualunque di ripo n si ha (P −1 AP )k = P −1 Ak P


per ogni k ∈ N.

53. Sia dato il sistema lineare in 3 incognite associato alla matrice completa:
 
k 0 0 k
(A|B) =  2k k − 1 −2 1 + 3k  .
k 2 0 2
k − 2k k2
(a) Per quali valori di k il sistema è omogeneo?
(b) Determinare il “numero” di soluzioni al variare di k ∈ C, e risolverlo, se possibile, per
k ∈ {0, 1, 2}.
 
1
(c) Determinare per quali valori di a ∈ C, se ne esistono,  1  è soluzione del sistema lineare.
−1
(d) Calcolare det(A).
(e) Per quali valori di k la matrice A dei coefficienti è invertibile?
(f) Verificare che per k = −1 la matrice A è invertibile e trovare la corrispondente A−1 .
(g) Per k = −1 risolvere l’equazione matriciale XA = A2 + E23 nell’incognita X ∈ Mat3 (K).

�n
54. Dire se l’applicazione Trn : Matn (K) −→ K, A �→ Tr(A) = s=1 [A]ss (con n ∈ N+ ), è iniettiva
e/o suriettiva (si noti che la risposta può dipendere da n).

55. Siano A e B due matrici di tipo n. Dimostrare:


(a) Tr(A + B) = Tr(A) + Tr(B).
(b) Tr(λA) = λTr(A) per ogni λ ∈ K.
(c) Tr(AB) = Tr(BA).
(d) AB − BA �= λIn per ogni λ ∈ K \ {0}.
(e) Tr(P −1 AP ) = Tr(A) per ogni matrice invertibile P di tipo n.

56. Siano A una matrice di tipo n. Dimostrare:


(n)
A = On ⇔ Tr(AM ) = 0 per ogni M ∈ Matn (K) ⇔ Tr(Aeij ) = 0 per ogni 1 ≤ i, j ≤ n.

57. Si consideri il sistema lineare AX = B con A una matrice di tipo 10 ed X, B matrici colonna
10 × 1 a coefficienti in K. Dimostrare o confutare, correggendo, se possibile, le affermazioni false:
(a) Se AX = B ha ∞2 soluzioni, allora:
(i) ρ(A) ≤ 8.
(ii) ρ(A) ≥ 8.
(iii) ρ(A) ≤ 8.
(iv) ρ(A) = 8.
(v) Nulla si può dire su ρ(A).
(b) Se AX = B ha almeno ∞2 soluzioni, allora:
(i) ρ(A) ≤ 8.
18

(ii) ρ(A) ≥ 8.
(iii) ρ(A) ≤ 8.
(iv) ρ(A) = 8.
(v) Nulla si può dire su ρ(A).
(c) Se AX = B ha al più ∞2 soluzioni, allora:
(i) ρ(A) ≤ 8.
(ii) ρ(A) ≥ 8.
(iii) ρ(A) ≤ 8.
(iv) ρ(A) = 8.
(v) Nulla si può dire su ρ(A).

58. Si è detto che, in generale, il prodotto di matrici elementari non è sempre una matrice elementare.
Inoltre, sempre in generale, il prodotto di matrici elementari non è commutativo.
(a) Considerando i tre tipi di operazioni elementari sulle righe e/o colonne di una matrice, ed
i corrispondenti tipi di matrici elementari, stabilire in quali casi vale
E(1) E(2) = E(2) E(1) ,
con E(1) ed E(2) matrici elementari di tipo n ≥ 2.
(b) Considerando i tre tipi di operazioni elementari sulle righe e/o colonne di una matrice, ed
i corrispondenti tipi di matrici elementari, stabilire in quali casi vale
E(1) E(2) è una matrice elementare
con E(1) ed E(2) matrici elementari di tipo n ≥ 2.
(c) Esibire due matrici elementari E(1) ed E(2) di tipo n ≥ 2 tali che E(1) E(2) �= E(2) E(1)
ed E(1) E(2) non sia una matrice elementare. È possibile trovare un esempio siffatto con
E(2) E(1) elementare?
(d) Verificare la validità della seguente tabella:
E −1 tE det(E) Tr(E)
Eij (i �= j) Eij Eij −1 n−2
Ei (λ) (λ �= 0) Ei (λ−1 ) Ei (λ) λ λ+n−1
Eij (a) (i �= j) Eij (−a) Eji (a) 1 n
(e) Dimostrare le relazioni:
Ei (λ)Ej (µ) = Ej (µ)Ei (λ), Ei (λ)Ejk = Ejk Ei (λ), Ei (λ)Ejk (a) = Ejk (a)Ei (λ) (i �= j).
(f) Dimostrare le relazioni:
Eij Ei (λ)Eij = Ej (λ), Eij Eik Eij = Ejk , Eij Eik (a)Eij = Ejk (a).
(g) Dimostrare le relazioni (di Steinberg):
(i) Eij (a)Eij (b) = Eij (a + b) (i �= j).
(ii) Eij (a)Ejk (b)Eij (a)−1 Ejk (b)−1 = Eik (ab) (i �= k).
(iii) Eij (a)Ehk (b)Eij (a)−1 Ehk (b)−1 = In (i �= j, h �= k).

59. Siano A e B matrici simmetriche dello stesso tipo.


(a) Verificare che la loro somma è ancora simmetrica.
(b) Quand’è che il prodotto AB è simmetrico?
19

(c) Le potenze di A sono tutte simmetriche.


(d) Se A è invertibile, allora A−1 è simmetrica.
(e) Provare con un esempio che né AB né BA è necessariamente simmetrica.
Cosa si può dire nel caso in cui A e B siano entrambe antisimmetriche? e se A è simmetrica e B
antisimmetrica?

60. Sia A una matrice di tipo n, a coefficienti in K, arbitraria.


(a) Verificare che A + tA è sempre una matrice simmetrica.
(b) Verificare che A − tA è sempre una matrice antisimmetrica.
(c) Dimostrare che A si scrive in modo unico come somma di una matrice simmetrica As e di
una matrice antisimmetrica Aas .

61. Verificare che se A è una matrice simmetrica di tipo 2 tale che A2 = O2 , allora A = O2 . La
risposta dipende da K = Q, R o C?

62. Verificare che se A è una matrice simmetrica a coefficienti in R di tipo n tale che A2 = On , allora
A = On . È vero senza assumere A simmetrica? cosa succede se K = C?

63. Vero o falso: per ogni matrice simmetrica reale A esiste una matrice simmetrica reale B tale che
A = B2?

64. Vero o falso: per ogni matrice simmetrica reale A esiste una matrice simmetrica reale B tale che
A = B3?

65. Sia A una matrice antisimmetrica (cioé tA =?A). Verificare che A2 è simmetrica e A3 è antisim-
metrica.

66. Dati una matrice A ∈ Matn (K) ed uno scalare λ ∈ K dimostrare che (λA)k = λk Ak per ogni
k ∈ N. Se A è invertibile e λ �= 0 anche (λA)k è invertibile. Qual’è l’inversa?

67. Data una matrice A ∈ Matn (K) dimostrare che Ak commuta con A per ogni k ∈ N. Se A è
invertibile, anche Ak con k ∈ Z commuta con A.

68. Data una matrice A ∈ Matn (K), ed un naturale k ∈ N+ , dimostrare le identità matriciali
(In − A)(In + A + A2 + · · · + Ak−1 ) = In − Ak
e
(In + A)(In − A + A2 − · · · + (−1)k−1 Ak−1 ) = In + (−1)k+1 Ak .
Si osservi che ciascun prodotto è, in questo caso, commutativo.

69. Dimostrare che ogni matrice della forma λIn = ∆(λ, . . . , λ), con λ ∈ K qualunque, commuta con
ogni matrice di taglia n.
20

70. Data una matrice A ∈ Matn (K) sia


Comm(A) := {X ∈ Matn (K) | XA = AX}.
(a) Fissato K = R ed n = 2, determinare esplicitamente Comm(A) nei seguenti casi
� � � � � � � � � � � �
1 0 1 0 0 1 2 0 1 3 2 3
A= , A= , A= , A= , A= , A= .
0 1 0 0 0 0 0 6 0 1 0 6
(b) Dimostrare che {λIn = ∆(λ, . . . , λ) | λ ∈ K} ⊆ Comm(A).
(c) Dimostrare che X, Y ∈ Comm(A) ⇒ XY, Y X, λX + µY ∈ Comm(A) per ogni λ, µ ∈ K.

� �� �
1 a 1 b
71. Calcolare il prodotto .
0 1 0 1

� �n
1 a
72. Dati a ∈ K ed n ∈ Z calcolare, quando possibile, le potenze .
0 1

 n
1 1 1
73. Dato n ∈ N trovare una formula per 0 1 1 , e dimostrarla per induzione. Cosa succede
0 0 1
per n ∈ Z?

74. Provare che se A, B sono di tipo n tali che AB = On e B �= On , allora A non è invertibile.

75. Provare che se A di tipo n non è invertibile, esiste B di tipo n tale che B �= On e AB = On .

76. Determinare l’inversa delle seguenti matrici:


 
  1 2 3 4
� � 0 1 2
3 5  0 1 2 3
A= , B = 1 1 3 , C = 
0

1 2 0 1 2
1 0 0
0 0 0 1
Quanto valgono i determinanti delle matrici precedenti?

77. Sia D = ∆(d1 , . . . , dn ) una matrice diagonale, e sia A una matrice di tipo n arbitraria.
(a) Tipare e calcolare i prodotti AD e DA.
(b) Dimostrare che il prodotto di due matrici diagonali è ancora una matrice diagonale.
(c) Dimostrare che due matrici diagonali commutano sempre fra loro.
(d) Quand’è che D è invertibile? Com’è fatta la sua inversa in tal caso?
21

 
1 1 2
78. Sia A = 1 2 1 . Determinare, se esistono, matrice P e Q invertibili tali che
2 2 2
 
1 0 0
P AQ = 0 1 0 .
0 0 0

79. Siano A e B due matrici di tipo n. Dimostrare o confutare, correggendo, se possibile, le


affermazioni false:
(a) A e B triangolari superiori ⇒ λA + µB triangolare superiore per ogni λ, µ ∈ K.
(b) A e B strettamente triangolari superiori ⇒ λA + µB strettamente triangolare superiore per
ogni λ, µ ∈ K.
(c) A e B triangolari superiori ⇒ AB triangolare superiore.
(d) A triangolari superiore invertibile ⇒ A−1 triangolare superiore.
(e) A strettamente triangolare superiore e B triangolare superiore ⇒ AB strettamente trian-
golare superiore.
Usare la trasposizione per ricavare gli enunciati (corretti) nel caso di matrici (strettamente)
triangolari inferiori.

� �
0 1
80. Sia A = , dimostare che non esistono una matrice triangolare inferiore L (“Lower”) di
1 0
tipo 2 ed una matrice triangolare superiore U (“Upper”) di tipo 2 tali che A = LU.

81. Sia A una matrice di tipo n. Dimostrare o confutare, correggendo, se possibile, le affermazioni
false:
(a) Se A3 = In allora A è invertible.
(b) Se A2 = In allora A = ±I2 .
(c) Se A2 + A = 0 e det(A) �= 0 allora A = −In .

� �
1 −1
82. Sia A = . Si dimostri che l’applicazione LA : Mat2 (K) −→ Mat2 (K), LA (X) := AX è
0 3
ben definita ed è iniettiva e suriettiva.
Cosa si può dire dell’applicazione LA : Mat2,3 (K) −→ Mat2,3 (K), LA (X) := AX?

   
2 1 −1 1 0 −2
83. Siano A = 0 1 2  e B = 0 1 0  .
3 6 −4 0 0 1
(a) Dire se A e B sono invertibili e, nel caso, determinarne le inverse.
(b) Dire se B è una matrice elementare, ed in caso affermativo dire quale operazione elementare
viene eseguita su una matrice generica C mediante la moltiplicazione BC. Quante righe e
quante colonne può avere la matrice C?
(c) Se B è una matrice elementare, quale operazione elementare viene eseguita su una matrice
generica D mediante la moltiplicazione DB? Quante righe e quante colonne può avere la
matrice D?
22

(d) Risolvere l’equazione matriciale XA = B nell’incognita X ∈ Mat3 (K).


(e) Dire per quali valori di λ la matrice B − λI3 non è invertibile.

84. Una matrice A si dice idempotente (o proiettore, o matrice di proiezione) se A2 = A. Quali


fra le seguenti sono proiettori?
   
      1 0 2 0 0 3 −1 2
−1 −1 −2 1 3 4 5 −2 8    
−2 0 −2 , −1 2 −1 , 2 0 −4 , 0 6 0 15 , −1 −1 2 3
0 0 0 0   0 0 1 2
2 1 3 0 0 1 2 −1 −3
0 −2 0 5 −2 3 −1 2
Per ciascuna delle precedenti calcolare ρ(A) e confrontarlo con Tr(A). Che relazione sussiste tra
essi quando A è idempotente?

85. Dimostrare o confutare le seguenti affermazioni (correggendole, quando possibile, se scorrette).


(a) Se A è idempotente, allora A è necessariamente quadrata.
(b) Se A è idempotente, allora A� := In − A è anch’essa idempotente (detta idempotente
coniugata ad A). Inoltre A ed A� sono idempotenti ortogonali nel senso che AA� =
A� A = O.
(c) In e On sono idempotenti coniugate.
(d) Per ogni k ∈ N tale che 1 ≤ k ≤ n la matrice diagonale
k
� (n)
ei,i = ∆(1, . . . , 1, 0, . . . , 0)
� �� � � �� �
i=1 k n−k

è idempotente. Qual’è la sua idempotente coniugata?


� (n)
(e) Per ogni S ⊆ {1, . . . , n}, S �= ∅, la matrice i∈S ei,i è idempotente. Qual’è la sua
idempotente coniugata?
(f) Se A �= In è idempotente, allora A non è invertibile.
(g) Se A è idempotente, allora Ak = A per ogni k ∈ Z.
(h) Se A e B sono due matrici idempotenti dello stesso tipo, allora AB oppure BA è idempo-
tente.
(i) A (di tipo n) è idempotente ⇔ esiste una matrice invertibile Q di tipo n tale che Q−1 AQ
è idempotente.
(j) A (di tipo n) è idempotente ⇔ P −1 AP è idempotente per ogni matrice invertibile P di
tipo n.
(k) Se A e B sono due matrici idempotenti dello stesso tipo, allora A + B è idempotente.
(l) Se A e B sono due matrici idempotenti ortogonali, allora A + B è idempotente.
(m) Se A ha taglia m × n, B ha taglia n × m e BA = In , allora AB è idempotente. Qual’è la
sua coniugata?
(n) A idempotente ⇒ det(A) = 0 oppure det(A) = 1.
(o) A idempotente ⇒ Tr(A) ∈ {1, . . . , n}.
(p) A idempotente ⇒ Tr(A) = ρ(A).
(q) Tr(A) = ρ(A) e det(A)(det(A) − 1) = 0 ⇒ A idempotente.
23

(r) A idempotente (di tipo n) ⇔ esiste una matrice invertibile Q di tipo n tale che
ρ(A)

Q−1 AQ = enii = ∆(1, . . . , 1, 0, . . . , 0).
� �� � � �� �
i=1
ρ(A) n−ρ(A)

86. Una matrice A si dice autoinversa se A−1 = A. Dimostrare o confutare le seguenti affermazioni
(correggendole, quando possibile, se scorrette).
(a) Se A è autoinversa, allora A è necessariamente quadrata.
(b) A è autoinversa ⇔ A2 = I.
(c) Le matrici elementari di scambio Ei,j (i �= j) sono autoinverse.
(d) Se A è autoinversa ⇒ 12 (I − A) è idempotente.
(e) Se A è idempotente ⇒ I − 2A è autoinversa.

 
1 2 3 4
3 0 0 0
87. Calcolare det 
2
 in almeno 4 modi diversi, fra i quali: sviluppo di Laplace lungo la
0 1 2
1 0 1 −1
seconda colonna, sviluppo di Laplace lungo la seconda riga, sviluppo di Laplace lungo la prima
riga.

88. Una matrice A si dice nilpotente se esiste un k ∈ Z tale che Ak = On . Dimostrare o confutare
le seguenti affermazioni (correggendole, quando possibile, se scorrette).
(a) Se A è nilpotente, allora A è necessariamente quadrata.
(b) Se A è nilpotente, allora A non è invertibile.
(c) Se A �= On e Ak = On allora k ∈ N+ . (Cosa succede se A = On ?).
(d) Se A e B sono due matrici nilpotenti dello stesso tipo, allora A + B è nilpotente.
(e) Se A e B sono due matrici nilpotenti dello stesso tipo, allora AB oppure BA è nilpotente.
(f) Se A è nilpotente, allora Ak è nilpotente per ogni k ∈ N.
(g) Se A è nilpotente, allora Ak è nilpotente per ogni k ∈ N+ .
(h) Se A e B sono due matrici nilpotenti dello stesso tipo e AB = BA, allora AB è nilpotente.

(i) A (di tipo n) è nilpotente ⇔ esiste una matrice invertibile Q di tipo n tale che Q−1 AQ è
nilpotente.
(j) A (di tipo n) è nilpotente ⇔ P −1 AP è nilpotente per ogni matrice invertibile P di tipo n.
(k) Se A e B sono due matrici nilpotenti dello stesso tipo, allora A + B è nilpotente.
(l) Se A e B sono due matrici nilpotenti e AB = BA, allora A + B è nilpotente.
(m) Ogni matrice triangolare (superiore o inferiore) è nilpotente.
(n) Ogni matrice strettamente triangolare T (superiore o inferiore) di tipo n soddisfa T n = On .

(o) A nilpotente ⇒ det(A) = 0.


(p) A nilpotente ⇒ Tr(A) = 0.
(q) Tr(A) = 0 e det(A) = 0 ⇒ A nilpotente.
(r) A nilpotente ed idempotente ⇒ A = On .
24

89. Esibire una matrice di tipo 2 non invertibile e non nilpotente.

90. Sia A nilpotente di tipo n, dimostrare che In + A ed In − A sono invertibili esibendo (una formula
per) le rispettive inverse.

91. (**) Sia A di tipo n, dimostrare che


A nilpotente ⇔ Tr(Ak ) = 0 per ogni 1 ≤ k ≤ n.

   
2 1 3 1 −1 0
92. Siano A = 2 2 −2 e B = 2 2 −2 .
1 3 1 0 0 1
(a) Provare che A e B sono invertibili e determinarne le inverse.
(b) Provare che l’equazione matriciale AX + B + I = O3 ha un’unica soluzione X ∈ Mat3 (K)
e determinarla esplicitamente.

93. Calcolare il determinate delle matrici seguenti.


 
  1 4 1 3
� � 0 3 4
0 7 2 3 5 0
A= , B = −3 0 1 , C = 
4

−7 0 1 0 0
−4 −1 0
2 0 0 0
Determinare l’inversa quando esiste.

94. Dimostrare che � �


A B
det = det(A) det(C)
0 C
se A e B sono blocchi quadrati.

95. Dato k ∈ N calcolare Ak nei seguenti casi:


     
1 0 1 −3 2 6 2 −1 −2
A= 0  1 0 , A =  0 1 0 , A = −2 1 5
0 0 1 −2 1 4 2 −1 −3
Per quali fra esse si può calcolare anche Ak con k ∈ Z?

96. Calcolare ρ(A) nei seguenti casi:


   
1 2 2 0 4 −1 2 1 0 1 1
1 2 −1 1 1 −1 3 0 1 1 1
A= 2 4 1
, A= .
1 5 −2 2 1 0 0 0
0 0 3 −1 3 0 3 0 1 2 2
25

97. Discutere ρ(A) al variare di a ∈ C nei seguenti casi:


     
1 0 1 1 1 a 2 3 1 0 a+2 0 1
0 a a 1 2    a + 1
A=  , A =  0 a 1 1  , A =  −1 0 1 .
−1 1 0 2a 0  a 0 a −a a + 1 2 −1 0 
0 1 1 2 1 −a 2 1 3a −1 2 a+1 2

98. Dato il sistema lineare


 
 x   
0 a2 +a a−1 1 y  0
a 0 a a + 1    a 
z  =
a 0 a 2a a2 − a
t
(a) Per quali valori di a è omogeneo? Risolvere i sistemi ottenuti per quei valori di a.
(b) Determinare il “numero” di soluzioni al variare di a ∈ C.
(c) Determinare per quali valori di a ∈ C la terza colonna della matrice dei coefficienti è
combinazione lineare delle prime due colonne.

99. Applicare il procedimento di riduzione a ciascuno dei seguenti sistemi e, quando esistono, deter-
minarne le soluzioni reali:

  x+y+z−t=0
 

x + 2y + 3z = 1 x − 2y + 2z = 1
a) 3x + 3y + 5z = 2 b)

 
 x+y+z =3
x − y − z = −1 

y+z+t=1
 

x + y + 2z + 3u + 4v = 0 
x + 2y − z + t = 2
c) 2x + y + 2z + 3u + 4v = 0 d) x − y + 2t = 0

 

3x + 3y + 6z + 10u + 15v = 0 x − 8y − 3y − t = 6
Quale fra questi sistemi è omogeneo?

100. Sia A una matrice di tipo n. Dimostrare che ρ(A) = 1 se e solo se esistono una matrice riga R
1 × n ed una matrice colonna C n × 1 non nulle tali che A = CR.

101. Sia A = CR una matrice di tipo n con R matrice riga 1 × n e C una matrice colonna n × 1.
dimostrare che se RC = 0 allora A2 = On .

102. Esibire una matrice A di tipo 4 tale che A2 = 0 e A �= CR per ogni coppia di matrici riga e
colonna con 4 entrate.
26

103. Calcolare, se esistono, le soluzioni dei seguenti sistemi lineari:



   x + 2y − z = 0
  

x + y − z = 1 x + y − z + t = 1 x − 3y = 1
a) x − y + 2z = 0 b) x − 3y + z = 0 c)

 
 
 2x − y − z = 1
2x + z = 1 −x + y + t = 1 

3x + y − 2z = −1
Per ciascuno dei precedenti, scrivere le soluzioni del sistema lineare omogeneo associato.

104. Sia A di tipo n tale che A2 + 3A + 2In = On , dimostrare che A invertibile. Se possibile, esibire
una formula per l’inversa.

105. Sia A di tipo n tale che Ap = 2In per qualche intero positivo p. Provare che:
(a) A è invertibile. Se possibile, esibire una formula per l’inversa.
(b) A − In è invertibile. Se possibile, esibire una formula per l’inversa.

106. Sia A di tipo n tale che A2 = 2A − In .


(a) Dedurre che A3 = 3A − 2In .
(b) È possibile esprimere A100 come funzione lineare di A ed I?
(c) A è invertibile?

107. Dopo aver stabilito quali devono essere le taglie delle matrici A e B affinché la seguente espressione
“diabolica” abbia senso
� �� �� � � �
In O λIn − AB −A In O λIn −A
=
B In O λIn −B In O λIn − BA
dimostrarne la validità (facendo attenzione all’ordine con cui si moltiplicano i blocchi!). Calcolare
infine il determinante dei due membri.

108. Sia A ∈ Matn (K) una matrice di tipo n, e sia cA (t) := Det(t · In − A) ∈ K[t] il suo polinomio
caratteristico.
(a) Provare che cA (t) è un polinomio monico (ovvero il coefficiente del termine di grado massimo
è 1) di grado n in K[t].
(b) Dimostare che il termine noto del polinomio cA (t) è esattamente Det(A), e che il coefficiente
di tn−1 in cA (t) è esattamente (−1)n−1 Tr(A).
(c) Dimostare
�n� che il coefficiente di t in cA (t) è esattamente la somma, moltiplicata per (−1) ,
i i

degli i minori di tipo n−i centrati sulla diagonale (in termini di “algebra esterna” sarebbe
(−1)i Tr(∧n−i A)).
(d) Provare che Det(A − t · In ) = (−1)n cA (t) in K[t].
(e) Provare che cA (−t) = (−1)n c−A (t) in K[t].
(f) Dimostrare che il polinomio cA (t) è invariante per similitudine, ovvero cA (t) =
cP −1 AP (t) in K[t] per ogni P invertibile di tipo n.
27

(f**) Dimostrare che cAB (t) = cBA (t) se A e B sono matrici di tipo n.
(Commento: questo fatto ammette diverse dimostrazioni. Una si basa sull’osservazione che
se una fra A e/o B è invertibile, diciamo A, allora In = AA−1 e AB = ABAA−1 , e ciò
permette di concludere in questa ipotesi, il caso generale richiede però un argomento di
“continuità”. Un’altra, che ha il pregio di essere totalmente algebrica, fa uso della identità
“diabolica” vista nell’esercizio precedente. Un’altra ancora passa attraverso la proprietà di
commutatività delle tracce e sull’algebra esterna, ma a questo livello è pressoché “esoterica”.
Infine, se proprio non si che pesci pigliare, si ha molta pazienza e non si è ancora lasciato
perdere l’esercizio per andare al mare...rimane sempre la buona vecchia induzione!)

� �
a b
109. Sia A = ∈ Mat2 (K) di tipo 2. Verificare la validità delle seguenti affermazioni.
c d
� �
t − a −b
(a) Detto cA (t) := Det(t · I2 − A) = Det il polinomio caratteristico di A
−c t − d
risulta
cA (t) = t2 − Tr(A)t + Det(A) ∈ K[t].

(b) A è una “radice” del suo polinomio caratteristico, ovvero posto


cA (A) := A2 − Tr(A)A + Det(A)I2 ∈ Mat2 (K)
si ha
cA (A) = 0.
(Questo è il glorioso Teorema di Cayley-Hamilton per matrici di tipo 2.)
(c) A(A − Tr(A)I2 ) = −Det(A)I2 .
Usando i fatti precedenti trovare una “formula esplicita” per una matrice B �= O2 di tipo di 2 tale
che AB = O2 se A è non invertibile, e AB = I2 se A è invertibile.

110. Sia A di tipo n. Quanto vale det(−A)? Cosa si può dire di det(λA) con λ ∈ K?

 
1 2 0
111. Sia A = 0 1 0 .
2 3 1
 
1 0 0

(a) Dire se esiste una matrice B di tipo 3 tale che BA = 0 2 0 . In caso affermativo
0 0 3
determinarla.  
1 0 0

(b) Dire se esiste una matrice C di tipo 3 tale che CA = 0 1 0 . In caso affermativo
0 0 0
determinarla.
(c) Calcolare det(A).

 
a 2 1 0

112. Sia A = 2 a 3 0 con a ∈ C.
1 −1 2 1
(a) Calcolare ρ(A) al variare di a ∈ C.
28

(b) Dire per quali valori di a ∈ C esiste B ∈ Mat4,3 (C) tale che AB = I3 . Tale B è unica?
(c) Fissare un valore di a ∈ C per cui esiste B siffatta e determinarne una.

 
x y z
113. Sapendo che det  3 0 2 = 1, calcolare
1 1 1
   
x y z x−1 y−1 z−1
det 3x + 3 3y 3z + 2 e det  4 1 3 .
x+1 y+1 z+1 1 1 1

114. Provare che ogni matrice invertibile di tipo 2 è esprimibile come prodotto di al più quattro matrici
elementari (diverse dalla matrice identica).

115. Siano A e B matrici di tipo n. Dimostrare o confutare le seguenti affermazioni (correggendole,


quando possibile, se scorrette).
(a) Se AB = A, allora det(A) = 0 oppure det(B) = 1.
(b) Se A è idempotente (A2 = A) non nulla, allora det(A) = 1.
(c) Se AB = BA, allora (AB)k = Ak B k per ogni k ∈ N.
(d) Se AB = A e BA = B, allora det(A) = det(B) = 0 oppure A = B = In .
(e) Se tA = −A, e A è non nulla, allora A è invertibile.
(f) Se A �= In è idempotente, allora A non è invertibile.
(g) Se P, Q sono invertibili di tipo n e P AQ = In , allora A−1 = QP .
(h) ρ(A2 ) = ρ(A).
(i) Se A è invertibile, allora ρ(AB) = ρ(BA).
(j) ρ(A) = ρ(tA).

 
1 0 1
116. Sia A = 1 0 0, si consideri l’applicazione
0 1 1
f : Mat3 (K) −→ Mat3 (K), X �→ tAXA.
Decidere se sono vere (dimostrando) o false (dando un controesempio) le affermazioni seguenti.
(a) f è iniettiva.
(b) f è suriettiva.
(c) Si ha f (X + Y ) = f (X) + f (Y ) e f (λX) = λf (X) per ogni X, Y ∈ Mat3 (K) e λ ∈ K.
Risolvere poi le equazioni f (X) = I3 , f (X) = A ed f (X) = tA.

117. Dato il sistema lineare: 



 kx − y + (k + 1)z = 0

−x + ky = 1

 (k − 1)y + 2z = 1


x − y + (k − 1)z = −k
(a) Discutere il sistema al variare di k ∈ C.
29

(b) Determinare le soluzioni per k = 1.


(c) Aggiungere un’equazione in modo che il sistema non abbia soluzioni per nessun valore di
k ∈ C.

118. Discutere i seguenti sistemi lineari al variare di a ∈ C ed eventualmente di b ∈ C:


 
 x + ay + z = 0  ax + y + z + t = 0 

 
 
x − y + z = 0 x − y − t = 0 ax + y = 0
a) b) c) x + z = 0

 (k − 1)y + 2z = 1 
 2x + z + t = 0 


 
 x + ay − 2z = 0
x + 3y − z = 0 ax + 3y + 2z = 0

� 
x − ay + z + t − 2u + v + w = 0 x + y + az = 2a − 1
d) e) x + ay + z = a
ax − y + z + t − 2u + v + w = 0 

ax + y + z = 1
� �
(a + 1)2x + y + (a + 1)z = 1 (a + 1)2x + y + (a + 1)z = 0
f) g)
x + y + 2az = 1 x + y + 2az = −1

  y+z+t=1
ax + by − z = 1 

  ax + z + at = 2
h) −x + by = 1 i)

 
 x − y + 2az = 0
2x + ay − 2z = 1 

x + 2z + t = 1


 (a − 1)x + y + z = 0

2y + z = 0
l)

 (a − 1)x + ay + 2z = 2a


4x + (a − 2)z = 0

119. Calcolare
 
  0 ··· 0 1
  0 0 0 1 0 · · ·
� � 0 0 1  1 0 
0 1 0 0 1 0 . ..  .
det , det 0 1 0 , det   , . . . , det 
 .. ..
.
1 0 0 1 0 0  .
1 0 0 0 1 ··· 0
1 0 0 0
1 0 ··· 0

120. Calcolare  
1 2 3 ··· ··· n
2 2 3 ··· ··· n
 
3 3 3 ··· ··· n
 .. 
det  .. ..
. .
. .
. .. .. 
 .. . .
n ··· n

121. Provare o confutare le seguenti affermazioni.


30

(a) Se A è una matrice reale di tipo 2 tale che Tr(A) = 0 e det(A) < 0, allora A è diagonaliz-
zabile.
(b) Sia A una matrice reale di tipo 3, e siano λ = 1 e λ = −1 gli unici autovalori, allora
det A = −1.
(c) Sia A una matrice reale di tipo n allora A + tA è diagonalizzabile.

122. Provare o confutare le seguenti affermazioni.


(a) Se A è una matrice reale di tipo n nilpotente e non nulla, allora A è non diagonalizzabile.
(b) Se A è una matrice reale di tipo 2, allora A è simile ad una matrice triangolare.
(c) Siano A, B reali di tipo n simmetriche ed a, b ∈ R. Allora aA + bB è diagonalizzabile.
(d) Siano A, B matrici reali di tipo n ortogonali, allora AB è ortogonale.

Alessio Del Padrone, Dipartimento di Matematica, Università di Genova, Via Dodecaneso 35, 16146 Genova,
Italy, Tel: +390103536923, Fax: +390103536752 • E-mail : delpadro@dima.unige.it
Url : http://www.dima.unige.it/~delpadro/