L’Algebra delle Matrici

(Richiami)
 Definizione di Matrice
Una Matrice è un insieme ordinato di numeri, parametri o variabili.
Un esempio di matrice può essere rappresentato da:

6 3 1 
1 4  2
 
La matrice rappresenta un insieme ordinato di numeri organizzati su righe e
colonne.
Il numero di righe e colonne di una matrice definisce la dimensione della
matrice. Nel nostro esempio, la matrice ha dimensione (2x3) -> 2 righe x 3
colonne.
ATTENZIONE: nell’attribuire una dimensione alle matrici si inizia sempre
dall’indicazione del numero delle righe; a seguire si indica il numero delle
colonne.
I numeri di una matrice sono racchiusi all’interno di parentesi quadre.
 Il contenuto di una matrice
Ogni numero all’interno della matrice è caratterizzato da una posizione
espressa dalla riga e colonna a cui fa riferimento.
Il numero 4 ad esempio corrisponde all’elemento della matrice posizionato
all’incrocio della seconda riga e seconda colonna.
Le componenti della matrice (numeri, parametri, variabili) costituiscono gli
elementi della matrice posizionati all’incrocio di ciascuna riga e ciascuna
colonna).
Ad ogni matrice è associata una lettera maiuscola in neretto che esprime il
nome della matrice.

6 3 1 
A 
1 4  2 
La lettera A assume il significato di matrice. Richiamando la lettera nelle
operazioni di calcolo tra matrici si richiama contestualmente l’insieme
ordinato di numeri tra parentesi quadre.
 La dimensione di una matrice
La stessa matrice può essere scritta nel seguente modo indicandone anche la
dimensione.

6 3 1 
A  
( 23)
1 4  2 

La matrice A di dimensione 2 per 3 è una matrice rettangolare. Una matrice

rettangolare ha un numero di righe differente dal numero di colonne.
Mentre una matrice B (2 per 2) è una matrice quadrata. Una matrice
quadrata ha un numero righe uguale al numero di colonne. Un esempio di
matrice quadrata è il seguente:

6 3
B  
( 22 )
1 4 
 Gli elementi della matrice
Una matrice di dimensione n per m (n righe per m colonne si presenta nel
seguente modo:

 a11 a12  a1m 

a a22 
 a2 m 
A   21
( nm )      
 
an1 an 2  anm 

All’interno della matrice troviamo gli elementi, ognuno caratterizzato da un

indice di riga e uno di colonna che ne definiscono la posizione.
L’elemento a12 individua l’elemento all’incrocio della prima riga e della
seconda colonna.
 I vettori
Se una matrice contiene una sola colonna prende il nome di vettore colonna,
mentre se contiene una sola riga prende il nome di vettore riga.
Un vettore è una matrice la cui dimensione di riga o di colonna è pari a 1.
Ad esempio, la matrice

6 
a  
(21) 1 

è un vettore colonna.
I vettori sono solitamente indicati da una lettera minuscola in grassetto,
mentre le matrici da una lettera maiuscola sempre in grassetto.
 L’ordine degli elementi
Due matrici sono uguali se e solo se i valori e le posizioni degli elementi nelle
due matrice sono uguali.

 4 3  4 3 2 0
 2 0   2 0   4 3
     
A B C

Le matrici A e B sono uguali, mentre la matrice C pur contenendo gli stessi

valori non è uguale alle altre due in quanto l’ordine degli elementi diverge.

L’ordine degli elementi all’interno della matrice è molto importante!!!!

 La somma di due matrici
Due matrici possono essere sommate tra loro solo se hanno la stessa
dimensione. Se le due matrici hanno la stessa dimensione allora sono
conformabili per l’addizione.

 4 9  2 0   4  2 9  0 6 9
 2 1  0 7    2  0 1  7   2 8
       
La somma di due matrici si esegue sommando tra loro gli elementi delle due
matrici che si trovano nella stessa posizione.

Le stesse regole esposte sopra valgono per la sottrazione:

 4 9  2 0   4  2 9  0  2 9 
 2 1  0 7    2  0 1  7    2 6
       
Il prodotto tra una matrice e uno scalare
Una matrice può essere moltiplicata per uno scalare, cioè per una costante. Il
risultato è una matrice i cui elementi saranno ottenuti dal prodotto degli
elementi della matrice iniziale per lo scalare:

5 0  5  5 0  5   25 0 
5     
 3 2   3  5 2  5   15 10 

Scalare
 Il prodotto tra due matrici
Il prodotto tra due matrici può essere svolto solo se le due matrici sono
conformabili per la moltiplicazione.
Due matrice sono conformabili per la moltiplicazione quando il numero di
colonne della prima è uguale al numero di righe della seconda. In altre
parole la dimensione di colonna della prima deve essere uguale alla
dimensione di riga della seconda. Date due matrici:

7 1  7 1 0 
3 4  3 4 1
   
A B
(22) (23)

Le due matrici sono conformabili per il prodotto, perché il numero di

colonne di A è uguale al numero di righe di B.
Attenzione: le due matrici non sono più conformabili per il prodotto se
anteponiamo B ad A. Anche in questo caso, l’ordine è importante!!!!
 Il prodotto tra due matrici
Il risultato del prodotto tra due matrici conformabili è una matrice che ha per
dimensione il numero di righe della prima e il numero di colonne della
seconda.
Appurato che due matrici sono conformabili per il prodotto, si può eseguire
l’operazione seguendo la regola “riga per colonna”.

7 1  7 1 0 
AB     
 3 4  3 4 1
Ogni operazione “riga per colonna” individua l’elemento della matrice di
risultato posizionato sulla riga e la colonna oggetto dell’operazione. Quindi,
l’operazione “riga per colonna” relativa alla prima riga di A e alla prima
colonna di B individua l’elemento sulla prima riga e prima colonna della
matrice di risultato.
 Il prodotto tra due matrici
L’operazione “riga per colonna” si configura come la somma dei prodotti
degli elementi di riga della prima matrice per i corrispondenti elementi di
colonna della seconda matrice.

7 1  7 1 0
AB    3
 3 4   4 1
 7  7  1 3 7 1  1  4 7  0  1 (1) 

3  7  4  3 3 1  4  4 3  0  4  (1) 
52 11 1
 
 33 19 4 
 La matrice quadrata
La matrice quadrata è una matrice che presenta lo stesso numero di righe e
di colonne.

 3 1 2 
7 1  1 0 3 
3 4  
 
 2 5 7 
A
(22) B
(33)

sono due matrici quadrate.

 La matrice diagonale
Una matrice si dice diagonale quando presenta valori diversi da zero solo
sulla diagonale principale:

3 0 0 
0 8 0 
 
0 0 21
C
(33)
La diagonale principale all’interno di una matrice individua quegli elementi
della matrice con orientamento nord-ovest sud-est.
La diagonale secondaria individua, invece, quegli elementi della matrice con
orientamento nord-est sud-ovest.

3 0 0  Diagonale
Diagonale 0 8 0  principale
secondaria  
0 0 21
 La matrice d’identità
La matrice identità è una matrice che presenta valori unitari sulla diagonale
principale e valori nulli altrove.
1 0 0 
I   0 1 0 
 0 0 1 

Il prodotto tra una matrice d’identità e un’altra matrice restituisce

quest’ultima come risultato.
 La matrice inversa
Una matrice inversa si presenta nella forma

1
A
Quella sopra è la matrice inversa di A. La matrice inversa di A è una matrice
che se moltiplicata ad A restituisce come risultato la matrice d’identità:

1
AA I
• E’ possibile calcolare una matrice inversa soltanto nel caso di matrici
quadrate
• Non tutte le matrici quadrate hanno un’inversa: se una matrice ha una
inversa è detta non-singolare, mentre se non ammette l’inversa è detta
singolare
 La matrice trasposta
Una matrice si dice trasposta quando le sue righe diventano colonne e le sue
colonne diventano righe. Data una matrice:

 3 1 2 
A  1 0 3 
 2 5 7 
La sua trasposta è:
3 1 2
A '   1 0 5 
 2 3 7 

Per indicare che una matrice è trasposta si usa porre un apostrofo a lato
della lettera che indica la matrice.
Alcune operazioni tra vettori e matrici

RT  p1 x1  p2 x2
 x1 
RT   p1 p2   
 x2 
RT  p ' x
2
RT   p j x j per j  1, 2
j 1
Alcune operazioni tra vettori e matrici

 a11 x1  a12 x2  b1

a21 x1  a22 x2  b2
 a11 a12   x1   b1 
a     
 21 a22   x2  b2 
Ax  b
2
bi   aij x j i
j 1
Operazione non ammessa: Divisione
Le operazioni di addizione, sottrazione e moltiplicazione possono essere
svolte in presenza di matrici, ma non è possibile svolgere operazioni di
divisione tra matrici.

A
NO!!!
B
Infatti, mentre con due numeri qualsiasi, ad esempio 2 e 3, è possibile
affermare che
2
 2  31  31  2
3
Nel caso di due matrici le equivalenze precedenti non sono garantite. Si
possono verificare problemi di conformabilità. Anche nel caso la
conformabilità sia sempre rispettata, i risultati possono divergere.
 Attenzione alle trasposizioni
Definiamo i due vettori:

3 9 
u  e v 
4 7 

Proviamo ad eseguire le operazioni u ' v e uv '

9 
u ' v  3 4    3  9  4  7   55
7 

 3  3  9 3  7   27 21
uv '    9 7     
 4  4  9 4  7  36 28
 Dipendenza Lineare
Un insieme di vettori è detto linearmente dipendente se , e solo se, ognuno
di essi può essere espresso come combinazione lineare dei rimanenti.
Consideriamo i seguenti vettori:

 2 1  4
a   , b  e c 
7  8 5

I 3 vettori sono linearmente dipendenti perché c può essere ottenuto come

combinazione lineare di a e b, ovvero il vettore c è ottenuto sommando gli
altri due vettori moltiplicati per un dato scalare. In altri termini:

 2 1  6   2   4
3a  2b  3    2             c
7  8  21 16 5 
 Il Determinante di una Matrice
Il Determinante di una matrice può essere calcolato solo rispetto a matrici
quadrate e restituisce un valore scalare.
Si dice determinante di second’ordine, il determinante calcolato rispetto ad
una matrice 2X2. Ad esempio, data una matrice A:

5 2
A 
 4 3 
Il determinante di A, che si scrive A , può essere calcolato come segue:

5 2
A  53  2 4  7
4 3

Un determinante di second’ordine si calcola come differenza tra il prodotto

dei coefficiente della diagonale principale e i coefficiente della diagonale
secondaria.
 Il Determinante di una Matrice
Un determinante di terzo ordine è un determinante calcolato rispetto ad una
matrice 3x3. Per i calcoli si segue il criterio seguente:

Data una matrice

 a11 a12 a13 
A   a21 a22 a23 
 a31 a32 a33 
Il suo determinate si calcola:

a11 a12 a13

a22 a23 a21 a23 a21 a22
A  a21 a22 a23  a11  a12  a13
a32 a33 a31 a33 a31 a32
a31 a32 a33
 Il Determinante di una Matrice
Un determinante di terzo ordine è un determinante calcolato rispetto ad una
matrice 3x3. Per i calcoli si segue il criterio seguente:

Data una matrice

 a11 a12 a13 
A   a21 a22 a23 
 a31 a32 a33 
Il suo determinate si calcola:

a11 a12 a13

a22 a23 a21 a23 a21 a22
A  a21 a22 a23  a11  a12  a13
a32 a33 a31 a33 a31 a32
a31 a32 a33
 Il Determinante di una Matrice
Un determinante di terzo ordine è un determinante calcolato rispetto ad una
matrice 3x3. Per i calcoli si segue il criterio seguente:

Data una matrice

 a11 a12 a13 
A   a21 a22 a23 
 a31 a32 a33 
Il suo determinate si calcola:

a11 a12 a13

a22 a23 a21 a23 a21 a22
A  a21 a22 a23  a11  a12  a13
a32 a33 a31 a33 a31 a32
a31 a32 a33
 Il Determinante di una Matrice
Un determinante di terzo ordine è un determinante calcolato rispetto ad una
matrice 3x3. Per i calcoli si segue il criterio seguente:

Data una matrice

 a11 a12 a13 
A   a21 a22 a23 
 a31 a32 a33 
Il suo determinate si calcola:

a11 a12 a13

a22 a23 a21 a23 a21 a22
A  a21 a22 a23  a11  a12  a13
a32 a33 a31 a33 a31 a32
a31 a32 a33
 Espansione di Laplace
Per il calcolo di un determinante di qualsiasi ordine, si può seguire la
procedura dell’Espansione di Laplace. Questa procedura prevede
l’individuazione di sub-determinanti di un dato determinante da cui è
possibile ricavare i cosiddetti Cofattori. Partiamo dal calcolo di un generico
determinante di terz’ordine:
a11 a12 a13
A  a21 a22 a23
a31 a32 a33

Dal determinante di è possibile individuare 3 sub-determinanti. I sub-

determinanti si individuano togliendo, di volta in volta, la riga e la colonna
degli indici dei coefficienti della prima riga del determinante. Quindi:
a22 a23 a21 a23 a21 a22
M11  , M12  , M13 
a32 a33 a31 a33 a31 a32

I sub-determinanti vengono anche chiamati Minori e indicati con M ij .

 Espansione di Laplace
Una volta individuati i Minori è possibile individuare i Cofattori, Cij . I
Cofattori non sono altro che i Minori a cui viene associato un idoneo segno
algebrico. Per individuare il segno, basta fare la somma degli indici di riga e
colonna del Minore. Se la somma restituisce un numero pari, il segno del
Minore resta quello del valore scalare risultante, mentre se è dispari il valore
dello scalare cambia il segno. In termini generali:

(i  j )
Cij  (1) Mij
A questo punto, adottando i concetti precedenti, possiamo calcolare il
determinante di terz’ordine nel seguente modo:

A  a11 C11  a12 C12  a13 C13

3
 a
j 1
1j C1 j
 Espansione di Laplace

Esempio
Calcolare il determinante della seguente matrice utilizzando l’Espansione di
Laplace.

9 8 7 
A   6 5 4 
 3 2 1 
Quindi:

9 8 7
A 6 5 4
3 2 1
 Espansione di Laplace

Esempio
In base alla procedura di Laplace il calcolo del determinante si esegue come:

A  9 C11  8 C12  7 C13

Dove:
5 4
C11  (1) 2
 1 (5 1  4  2)  3
2 1
6 4
C12  (1) 3
 1 (6 1  4  3)  6
3 1
6 5
C13  (1) 4
 1 (6  2  5  3)  3
3 2
 Espansione di Laplace

Esempio

A  9 C11  8 C12  7 C13

Sostituendo il valore dei cofattori nella precedente relazione:

A  9(3)  8(6)  7(3)  0

A 0

E’ possibile applicare lo stesso procedimento a determinanti di ordine

superiore a 3.
 Proprietà dei Determinanti
1) Il determinante di una matrice è uguale al determinante della sua
trasposta.
A  A'
2) Se una riga (o una colonna) è il multiplo di un’altra riga (o un’altra
colonna) il determinante della matrice sarà pari a zero.

3) La proprietà precedente vale anche nel caso di una matrice composta da

vettori linearmente dipendenti. Nel caso di matrici con vettori (riga o
colonna) linearmente dipendenti, il corrispondente determinate è nullo. Ad
esempio

4 1 2 a '
B   5 2 1   b '
 1 0 1   c ' 
 Proprietà dei Determinanti

4 1 2 a '
B   5 2 1   b '
 1 0 1   c ' 
B è una matrice con una dipendenza lineare di riga. Infatti:

2a ' 3c '  b '

e

4 1 2
2 1 5 1 5 2
B  5 2 1 4 1 2  4  2  1  4  2  (2)  0
0 1 1 1 1 0
1 0 1
 Proprietà dei Determinanti
L’indagine sulla dipendenza lineare di una matrice ha importati conseguenze
sulla risoluzione dei sistemi di equazioni lineari. Infatti, dato un sistema di
equazioni del tipo:

 3 4 2   x1   b1 
15 20 10   x   b 
  2  2
 4 0 1   x3   b3 
Ax  b
Siccome il determinante della matrice A è pari a zero, esiste dipendenza
lineare tra i vettori e, quindi, anche tra le equazioni del sistema. La
conseguenza è che non esiste un’unica soluzione del sistema.

Perché possa esistere una soluzione unica del sistema precedente, la matrice
A deve essere quadrata e non singolare (cioè ammettere l’inversa).
Quest’ultima condizione è definita da un determinante non nullo.
 Calcolo della Matrice Inversa
Sfruttando le proprietà dei determinanti è possibile calcolare per una data
matrice quadrata la sua inversa. Introduciamo la seguente matrice quadrata

5 2
A 
 0 1 
L’inversa della matrice A può essere calcolata attraverso la seguente
formulazione:
11
A  C'
A
Dove la matrice C’ individua la trasposta della matrice dei cofattori. La
matrice C’ viene anche chiamata Aggiunta di A.
 Calcolo della Matrice Inversa
Calcoliamo il determinante della matrice A:

5 2
A  5 1  2  0  5
Il determinante non è nullo, per
cui la matrice non è singolare e
0 1 esiste la sua inversa.

Individuiamo la matrice dei cafattori:

 C11 C12   1 0
C  
 C21 C22   2 5 

Sostituiamo nella formulazione precedente e otteniamo:

11 1 1 2  1/ 5 2 / 5
A  C'    
A 5 0 5   0 1 
 Calcolo della Matrice Inversa
Testiamo che il risultato ottenuto soddisfi la seguente relazione

AA1  A 1A  
Procediamo:
 1  2 
5
 5   2  0 5      2  1 1 0 
 5 2  1/ 5 2 / 5   5 
AA 1         I
0 1   0 1   1  2  0 1 
 0   1  0 0      1 1 
 5  5 

Provate adesso a calcolare l’inversa della matrice:

 4 1 1
B   0 3 2 
 3 0 7 
 Regola di Cramer
La procedura per ottenere l’inversa di una matrice ci permette di derivare un
metodo per poter risolvere i sistemi di equazioni lineari. Dato un sistema di
equazioni del tipo:

Ax  b
Dove A è una matrice quadrata non singolare. La soluzione del problema può
essere ottenuta nel seguente modo:

1 1
x*  A b  C 'b
A

In termini analitici:
 Regola di Cramer
 x1*   C11 C21 Cn1   b1 
 *  
 x2   1  C12 C22 Cn 2  b2 
  A   
 *   
 xn   C1n C2 n Cnn  bn 
 b1 C11  b2 C21   bn Cn1 
 
1 b1 C12  b2 C22   bn Cn 2 

A  
 
b1 C1n  b2 C2 n   bn Cnn 

  1 
n
 n
  bi Ci1   A 
bi C i1 

  
i 1
 i 1
 n   1 n 

1   bi Ci 2    A  bi Ci 2 
A  i 1   i 1 
   
 n   
 b C   1 
n

 i 1 i in   A 
bi C in 
 i 1 
 Regola di Cramer

 1 n

 A
 bi Ci1 
 x1*   i 1

 *  1 n 
 x2     bi Ci 2 
   A i 1 
 *  
 xn   
 1 n

 A
 bi C in 
 i 1 
n
Dove  bi Ci1 esprime un nuovo determinante di una matrice derivata da
i 1

A, in cui la prima colonna (indice di colonna 1) è sostituita dal vettore b. Vale

a dire che:
 Regola di Cramer

 b1 a12 a1n 
b a22 a2 n 
A1   2
 
 
bn an 2 ann 

Il cui determinante è appunto:

n
A1   bi Ci1
i 1
 Regola di Cramer

Generalizzando, otteniamo la Regola di Cramer per la soluzione dei sistemi

lineari di equazioni:

 1 
 A1 
A
 x1*   
 *  1 
 x2   
A2 
 A 
 
 *  
 xn   
 1
An 
 A 
 
 Regola di Cramer

Proviamo a risolvere i seguente sistema di equazioni:

5 x1  3 x2  30

6 x1  2 x2  8

In termini matriciali:
5 3   x1  30 
 6 2  x    8 
   2  
A x  b

Calcoliamo i determinanti occorrenti alla risoluzione:

5 3
A   28
6 2
30 3
A1   84
8 2
5 30
A2   140
6 8
 Regola di Cramer

Utilizzando le informazioni precedenti, possiamo ottenere le soluzioni del

sistema:

1 84
x1*  A1  3
A 28
1 140
x2*  A2  5
A 28

Provate a risolvere il seguente sistema di equazioni lineari utilizzando la

Regola di Cramer:

7 x1  x2  x3  0

10 x1  2 x2  x3  8
6 x  3 x  2 x  7
 1 2 3
 Per ulteriori approfondimenti:

Alpha C. Chiang, Kevin Wainwright

Fundamental Methods of Mathematical Economics
Irwin/McGraw-Hill, 2005

Capitoli 4 e 5