Professional Documents
Culture Documents
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
g) Se A `e di forma triangolare
a11
det 0
0
(superiore o inferiore):
a12 . . .
a22 . . . = a11 a22 . . . ann
0...
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).
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
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
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
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
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
Pn
k=0
ak s k s
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
2 0
1+2
1 2 = (1) det 0 5
1 1
1 0
3+2
3 2 = (1) det 2 0
1 1
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)
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
=
3 2
.
1 1
k 3k
0
1
A = 0 1
0 k 2k 3
Calcoliamo il determinante di A, ad esempio sviluppando secondo la
prima colonna.
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
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
13k1
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
Le applicazioni lineari da Rn a Rn
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
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
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 .
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