CAPITOLO 2

Matrici

1. Calcolo delle matrici

Nella discussione della risoluzione di sistemi lineari abbiamo già visto
la notazione matriciale. In questo capitolo forniremo tutte le definizioni e
proprietà base delle matrici che utilizzeremo in questo corso.
Definizione 2.1. Una matrice reale m × n è uno schema di mn numeri
reali scritti in m righe di n numeri,
 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A :=  .
 
. .
 . 
am1 am2 . . . amn
Il numero aij è chiamato l’elemento di posto (i, j) della matrice. Spesso una
matrice sarà indicata semplicemente con A = (ai,j )1≤i≤m,1≤j≤n o A = (ai,j ).
Finora abbiamo utilizzato le matrici per avere un modo più semplice di
scrivere un sistema di equazioni lineari e abbiamo esclusivamente applicato
operazioni elementari sulle righe. Ora introdurremo altre tre operazione
associate alle matrici.
Siano A e B matrici m × n, cioè A e B hanno lo stesso numero di righe
e di colonne. Allora definiamo la somma A + B come
   
a11 a12 . . . a1n b11 b12 . . . b1n
 a21 a22 . . . a2n   b21 b22 . . . b2n 
A + B =  .. ..  +  ..
   
.. .. .. 
 . . .   . . . 
am1 am2 . . . amn bm1 bm2 . . . bmn
 
a11 + b11 a12 + b12 . . . a1n + b1n
 a21 + b21 a22 + b22 . . . a2n + b2n 
:= 
 
.. .. .. 
 . . . 
am1 + bm1 am2 + bm2 . . . amn + bmn
In pratica, la somma di due matrici delle stesse dimensioni è semplice-
mente la matrice ottenuta sommando gli elementi che appaiono nella stessa
posizione.
Per una matrice m × n A e un numero λ ∈ R definiamo il prodotto λA
come
   
a11 a12 . . . a1n λa11 λa12 . . . λa1n
 a21 a22 . . . a2n   λa21 λa22 . . . λa2n 
λA = λ  .. := ..  .
   
.. ..   .. ..
 . . .   . . . 
am1 am2 . . . amn λam1 λam2 . . . λamn
15
16 2. MATRICI

Cioè moltiplichiamo tutti gli elementi della matrice con il numero λ.

Esiste anche un’operazione di prodotto tra due matrici. A prima vista
potrebbe sembrare poco intuitiva, ma questa definizione tornerà utile in
molte applicazioni.
Sia A una matrice m×n e B una matrice n×p, cioè il numero di colonne
di A è uguale al numero di righe di B. Allora il prodotto AB è una matrice
m × p definita da
n
!
X
(AB)ij = aik bkj
k=1
In altri termini, l’elemento al posto (i, j) viene determinato dalla riga i di
A e dalla colonna j di B; si moltiplica il primo elemento della riga i di A
con il primo elemento della colonna j di B, il secondo elemento della riga i
di A con il secondo elemento della colonna j di B, ecc., e si fa la somma di
tutti questi prodotti.
Esempio 2.2.
     
1 2 3 7 8 9 8 10 12
+ =
4 5 6 10 11 12 14 16 18
   
1 2 3 5 10 15
5 =
4 5 6 20 25 30
    
1 2 3 11 12 82 88
4 5 6 13 14 = 199 ? 
7 8 9 15 16 ? ?
Dove 199 = 4 · 11 + 5 · 13 + 6 · 15.
Esempio 2.3.
 
  2 −1  
1 5 0 −1  1 14
0 3 
−4 1  = −8 11
 0 3 2 0    
−4 0 1 −1 −13 5
1 0
Esistono due matrici speciali che appariranno molto spesso. La matrice
nulla 0 := 0m×n è la matrice con tutti gli elementi uguali a zero. La matrice
identità In è la matrice n × n tale che
 
1 0 0 ... 0
0 1 0 . . . 0
In =  .. .. .. . . ..  ,
 
. . . . .
0 0 0 ... 1
che ha valore 1 nelle posizioni (i, i)i=1,...,n e zero altrove.
Proposizione 2.4 (Regole di calcolo con le matrici). Sia A una matrice
m × n.
(1) Se B è una matrice m × n allora è A + B = B + A.
(2) Se B, C sono due matrici m × n allora si ha A + (B + C) = (A +
B) + C
(3) A + 0 = 0 + A = A.
 1. CALCOLO DELLE MATRICI 17

(4) Se B è una matrice n × p e C una matrice p × q, allora è (AB)C =

A(BC).
(5) Im A = AIn = A.
(6) Per ogni scelta di B, C matrici n × p si ha A(B + C) = AB + AC.
(7) Se B è una matrice m×n e C una matrice n×p, allora è (A+B)C =
AC + BC.
Dimostrazione. Tutti i punti si dimostrano calcolando ambo i lati
delle uguaglianze e controllando che ogni elemento sia lo stesso. Ad esempio
per la prima regola abbiamo che A + B e B + A sono matrici m × n e
(A + B)ij = aij + bij
e
(B + A)ij = bij + aij .
Per due numeri reali α, β sappiamo che α + β = β + α. Quindi bij + aij =
aij + bij per ogni i, j e (A + B)ij = (B + A)ij .
Le altre due proprietà riguardo la somma si mostrano in modo simile. Le
dimostrazioni per le regole del prodotto sono più complicate. Per mostrare
la quarta regola, si nota che AB è una matrice m × p e
X p
((AB)C)ij = (AB)ir Crj
r=1
p n
!
X X
= Aik Bkr Crj
r=1 k=1
Del pari,
n
X
(A(BC))ij = Aik (BC)kj
k=1
n p
!
X X
= Aik Bkr Crj ,
k=1 r=1
ed entrambe le espressioni sono uguali a:
Xn Xp
Aik Bkr Crj
k=1 r=1
□
Osservazione 2.5. Una regola che sembra mancare è AB = BA. Ci
sono due ragioni per cui questa regola non appare. La prima è che se A è una
matrice m × n e AB è definita allora B deve essere una matrice n × p. Per
poter definire BA abbiamo bisogno che sia p = m, cioè i due prodotti sono
definiti contemporaneamente solo quando B è del tipo n×m. In questo caso
abbiamo che AB è una matrice n × n e BA è una matrice m × m. Cioè per
avere due matrici della stessa dimensione dobbiamo inoltre imporre m = n.
Ma anche in questo caso non c’è sempre uguaglianza:
Esempio 2.6. Siano
   
1 −1 1 1
A= B= .
−1 1 2 2
18 2. MATRICI

Allora    
−1 −1 0 0
AB = e BA = .
1 1 0 0
In particolare, AB ̸= BA.
Si dice che il prodotto non è commutativo.

2. La matrice inversa
Adesso cominciamo discutendo una properietà che è rilevante solo per
le matrici quadrate, cioè le matrici con lo stesso numero di righe e colonne.
Se prendiamo due matrici quadrate della stessa dimensione, cioè due
matrici n × n, allora il loro prodotto è di nuovo una matrice n × n.
Definizione 2.7. Sia A una matrice n × n. Chiamiamo una matrice B
tale che
AB = BA = In
una matrice inversa di A. Se tale matrice esiste, diciamo che A è invertibile.
Studieremo più avanti alcuni criteri per decidere se una data matrice
sia o meno invertibile. Per ora vogliamo studiare alcune proprietà di queste
matrici.
Per esempio la matrice inversa, se esiste, è unica:
Proposizione 2.8. Sia A una matrice invertibile. Siano B e C matrici
inverse di A. Allora B = C.
Dimostrazione. Sappiamo che
AB = BA = In e AC = CA = In
Allora
(5) (4) (5)
C = In C = (BA)C = B(AC) = BIn = B
dove abbiamo applicato le varie regole del calcolo matriciale. □
Quindi la matrice inversa, se esiste, è unica. In questo caso la denoteremo
con A−1 .
Esempio 2.9. Sia  
a b
A= .
c d
Se ad − bc ̸= 0 allora
 
−1 1 d −b
A = .
ad − bc −c a
Proposizione 2.10. Siano A e B matrici n × n e invertibili allora AB
è invertibile e (AB)−1 = B −1 A−1 . Se A è invertibile allora A−1 è anch’essa
invertibile, con inversa (A−1 )−1 = A.
Dimostrazione. Vale
(4) (5)
(AB)(B −1 A−1 ) = A(BB −1 )A−1 = A(In )A−1 = AA−1 = In
e in modo simile per (B −1 A−1 )(AB). Quindi AB è invertibile e la matrice
inversa è B −1 A−1 .
Da AA−1 = A−1 A = In segue anche che A−1 è invertibile con inversa
A. □
 2. LA MATRICE INVERSA 19

Adesso vogliamo studiare il rapporto tra moltiplicazione di matrici e

operazioni elementari sulle righe.
Definizione 2.11. Chiamiamo le seguenti matrici n×n matrici elemen-
tari. Per 1 ≤ i < j ≤ n definiamo
1
 
 ..
.

 
0 1
 
 
1
 
 
 .. 

P (i, j) := 
 . 

1

 

 1 0 


 1 


 . 
.. 
1
Questa matrice ha solo 1 sulla diagonale, con l’eccezione del posto (i, i) e
(j, j) dove l’entrata è 0. Fuori dalla diagonale ci saranno solamente entrate
con valore 0 con l’eccezione degli elementi in posizione (i, j) e (j, i) dove c’è
un 1.
Per i, j ∈ N con 1 ≤ i, j ≤ n e i ̸= j e un numero λ ∈ R definiamo
1
 
..
.
 
 
1
 
 
1 λ
 
 
1
 
 

S(i, j; λ) :=  . .

 . 

1
 
 

 1 


 1 


 . ..


1
Questa matrice è uguale ad In con l’eccezione dell’entrata (i, j), dove c’è il
valore λ.
Per i ∈ N con 1 ≤ i ≤ n e un numero λ ∈ R tale che λ ̸= 0 definiamo
1
 
 ... 
 
1
 
 
M (i; λ) :=  λ
 

1
 
 

 . .. 


1
Questa matrice è uguale ad In con l’eccezione che dell’entrata (i, i) dove c’è
il valore λ.
20 2. MATRICI

Si controlla facilmente che

S(i, j; λ)S(i, j; −λ) = S(i, j; −λ)S(i, j; λ) = In
1 1
M (i; λ)M (i; ) = M (i; )M (i; λ) = In
λ λ
P (i, j)P (i, j) = In
In particolare P (i, j), S(i, j; λ) e M (i, λ) sono invertibili e
1
P (i, j)−1 = P (i, j); S(i, j; λ)−1 = S(i, j; −λ); M (i; λ)−1 = M (i, )
λ
Sia adesso A una matrice m×n e sia E una matrice elementare, vogliamo
studiare i prodotti EA.
Proposizione 2.12. Sia A una matrice n × p.
• P (i, j)A è la matrice ottenuta da A scambiando le righe i e j.
• S(i, j; λ)A è la matrice ottenuta da A sommando λ volte la riga j
alla riga i.
• M (i, λ)A è la matrice ottenuta da A moltiplicando la riga i con λ.
Dimostrazione. Questo si controlla con un calcolo diretto. □
Grazie a questa proposizione possiamo introdurre un metodo per il
calcolo dell’inversa di una matrice.
Lemma 2.13. Sia A una matrice n × n. Allora o la forma a scala di A
contiene una riga con solo zeri oppure In è una forma a scala di A.
Dimostrazione. Applichiamo il procedimento dell’eliminazione di Gauß
ad A fino ad arrivare ad una matrice A′ in forma a scala ridotta. Se non c’è
nessuna riga con solo zeri, allora abbiamo n pivot su n righe. Quindi ogni
colonna contiene un pivot. Cioè i pivot sono ai posti (i, i). In particolare
Ai,j = 0 per i ̸= j. Per i = 1, . . . n possiamo moltiplicare la riga i con a1i,i e
trovare cosı̀ la matrice In . □
Lemma 2.14. Sia A una matrice n × n. Se In è una forma a scala di A
allora A è prodotto di matrici elementari.
Dimostrazione. Ogni operazione elementare è equivalente a moltipli-
care a sinistra con una matrice elementare. Quindi quando In è una forma
a scala di A allora ci sono delle matrici elementari E1 , . . . , Et tali che
Et Et−1 . . . E1 A = In
A = (Et . . . E1 )−1 = E1−1 . . . Et−1
Come abbiamo visto sopra, l’inversa di una matrice elementare è una matrice
elementare. Quindi A è un prodotto di matrici elementari. □

Lemma 2.15. Sia A una matrice n × n. Se In è una forma a scala di A

allora A è invertibile.
Dimostrazione. Se In è una forma a scala allora A è un prodotto di
matrici elementari. Le matrici elementari sono invertibili, quindi A è un
prodotto di matrici invertibile. Questo implica che anche A è invertibile.
(Proposizione 2.10.) □
 2. LA MATRICE INVERSA 21

Osservazione 2.16. Piu tardi mostreremo che, se In non è una forma

a scala di A, allora A non è invertibile.
Osservazione 2.17. Per non dover calcolare il prodotto delle matri-
ci elementari, possiamo utilizzare il seguente metodo. Cominciamo con la
matrice n × 2n (A|In ) e applichiamo la procedura di Gauß. Ci fermeremo
quando una riga a sinistra della | è zero, altrimenti si arriverà ad ottenere
la matrice In a sinistra e troviamo una matrice della forma
(In |B).
Ora ci basterà ricostruire il procedimento utilizzato pensando alle matrici
elementari. Siano E1 , . . . , Et le matrici elementari t.c.
Et . . . E1 (A|In ) = (In |B)
Dato che
Et . . . E1 (A|In ) = (Et . . . E1 A|Et . . . E1 In ),
segue che B = Et . . . E1 e A−1 = Et . . . E1 = B.
Cioè cominciando con (A|In ) troviamo (In |A−1 ).
Esempio 2.18. Con una serie di operazioni elementari sulle righe tro-
viamo:  
1 2 3 1 0 0
 2 1 0 0 1 0 
1 0 2 0 0 1
 
1 2 3 1 0 0
 0 −3 −6 −2 1 0 
0 −2 −1 −1 0 1
 
1 2 3 1 0 0
 0 −3 −6 −2 1 0 
1
0 0 3 3 − 23 1
1 2 0 23 2
−1
 
3
 0 −3 0 − 43 − 31 2 
 
1
0 0 3 3 − 32 1
 2 4 1 
1 0 0 9 9 3
 0 −3 0 − 43 − 31 2 
 
1
0 0 3 3 − 23 1
 2 4 1 
1 0 0 9 9 3
4 1
 0 1 0 − 23 
 
9 9
1
0 0 1 9 − 29 1
3
Esempio 2.19. Sia A una matrice m × n e sia b ∈ Rm . Allora il sistema
 
a11 a12 . . . a1n b1
 a21 a22 . . . a2n b2 
 
 .. .. .. .. 
 . . . . 
am1 am2 . . . amn bm
22 2. MATRICI

si può riscrivere come

Ax = b
dove  
x1
 x2 
x =  ..  .
 
 . 
xn
Assumiamo adesso che valga m = n e che A sia invertible. Allora se
x ∈ Sol(A, b) troviamo che Ax = b e quindi
x = In x = (A−1 A)(x) = A−1 (Ax) = A−1 b.
Quindi, l’unica soluzione possibile è A−1 b. Dal fatto che A(A−1 b) = In b = b
segue che è veramente una soluzione. In questo caso troviamo
Sol(A, b) = {A−1 b}.
Osservazione 2.20. Sia A una matrice n × n la cui forma a scala ha
almeno una riga nulla. Allora la forma a scala ha meno di n pivot, per cui
c’è come minimo una colonna della forma a scala che non contiene nessun
pivot. Allora se il sistema lineare Ax = b ha soluzione, questa soluzione
non è unica, perché ogni colonna senza pivot ci dà un’incognita libera del
sistema.
Proposizione 2.21. Sia A una matrice quadrata n × n. Allora A è
invertibile se e solo se In è una forma a scala di A.
Dimostrazione. In Lemma 2.15 abbiamo mostrato che se In è una
forma a scala di A, allora A è invertibile. Resta da mostrare che se A
è invertibile, allora ha In come forma a scala. Supponiamo per assurdo
che una matrice invertibile A non abbia In come forma a scala. Questo
significa che se prendiamo una forma a scala di A, questa ha l’ultima riga
nulla come nell’Osservazione 2.20. Perciò, per i valori di b ∈ Rn per cui
il sistema Ax = b ha soluzione, come per esempio b1 = · · · = bn = 0,
l’insieme delle soluzioni Sol(A, b) contiene più di un elemento. Questo dà
una contraddizione con l’Esempio 2.19, per cui Sol(A, b) = {A−1 b}. Quindi
ogni matrice invertibile A ha In come forma a scala. □

3. La matrice trasposta
L’ultima operazione sulle matrici che vogliamo discutere è la trasposta.
Definizione 2.22. Sia A una matrice m × n. Allora la matrice trasposta
AT di A è la matrice n × m definita da
(AT )ij = Aji
Esempio 2.23.  
 T 1 4
1 2 3
= 2 5 
4 5 6
3 6
Proposizione 2.24. Siano A, B matrici m × n, sia C una matrice n × p
e λ ∈ R uno scalare.
 3. LA MATRICE TRASPOSTA 23

(1) (A + B)T = AT + B T .
(2) (λA)T = λAT .
(3) (AT )T = A.
(4) (AC)T = C T AT .
(5) Se A è invertibile allora anche AT è invertibile e si ha (AT )−1 =
(A−1 )T .
Dimostrazione. Per il primo punto si nota
((A + B)T )ij = (A + B)ji = Aji + Bji = ATij + Bij
T

Il secondo e terzo punto si dimostrano in mode simile.

Per il quarto punto:
(AC)Tij = (AC)ji
Xn
= Ajk Cki
k=1
n
X
= (AT )kj Cik
T

k=1
n
X
T
= Cik (AT )kj
k=1
= (C AT )ij
T

L’ultimo punto segue da

(A−1 )T AT = (AA−1 )T = InT = In
e
AT (A−1 )T = (A−1 A)T = InT = In
□