DETERMINANTI (SECONDA PARTE).

NOTE DI ALGEBRA LINEARE

2010-11

MARCO MANETTI: 21 DICEMBRE 2010

1. Sviluppi di Laplace
Proposizione 1.1. Sia A ∈ Mn,n (K), allora per ogni indice i = 1, . . . , n fissato vale lo sviluppo
di Laplace rispetto alla riga i:
Xn
|A| = (−1)i+j aij |Aij |.
j=1

Dimostrazione. Per i = 1 la formula è vera per definizione. Definiamo per ogni i l’applicazione
Xn
di : Mn,n (K) → K, di (A) = (−1)j+1 aij |Aij |;
j=1
i−1
e dimostriamo per induzione su i che di (A) = (−1) |A| per ogni matrice A. Sia τi la traspo-
sizione semplice che scambia gli indici i, i + 1 e sia B la matrice ottenuta da A scambiando tra
loro le righe i e i + 1. Valgono allora le formule
di+1 (A) = di (B), B = I τi A.
Per il teorema di Binet e per l’ipotesi induttiva si ha:
di+1 (A) = di (B) = (−1)i−1 |B| = (−1)i−1 |I τi ||A| = (−1)i |A|.

Esempio 1.2. Calcoliamo il determinante della matrice
 
1 3 5
6 7 0
2 0 0
Dallo sviluppo di Laplace rispetto all’ultima riga segue
1 3 5
3 5
6 7 0 =2 = −70.
7 0
2 0 0
Lemma 1.3 (determinante della trasposta). Per ogni matrice A ∈ Mn,n (K) vale |AT | = |A|.
Dimostrazione. Siccome |I T | = 1 basta dimostrare che l’applicazione
d : Mn,n (K) → K, d(A) = |AT |,
è multilineare alternante sulle colonne.
Indicati con aij e coefficienti di A, fissato un indice i, per lo sviluppo di Laplace rispetto alla
riga i si ha:
X n
d(A) = |AT | = aji (−1)i+j |(AT )ij |
j=1
e da tale formula segue immediatamente che d(A) è lineare rispetto alla colonna i. Infine se
A ha le colonne i, i + 1 uguali allora ogni vettore colonna di AT è contenuto nel sottospazio
vettoriele di equazione xi − xi+1 = 0; dunque le colonne di AT sono linearmente dipendenti e
quindi |AT | = 0. 
1
2 MARCO MANETTI: 21 DICEMBRE 2010

Corollario 1.4. Sia A = (aij ) ∈ Mn,n (K), allora per ogni indice i = 1, . . . , n fissato vale lo
Sviluppo di Laplace rispetto alla colonna i:
n
X
|A| = (−1)i+j aij |Aij |.
i=1

Dimostrazione. Prendendo lo sviluppo di Laplace rispetto alla riga i della matrice trasposta si
ha
n
X
|AT | = aji (−1)i+j |ATij |.
j=1

Siccome (AT )ij = (Aji )T ed il determinante di una matrice è uguale al determinante della
propria trasposta si ha
n
X n
X
|A| = |AT | = aji (−1)i+j |(AT )ij | = aji (−1)i+j |Aji |.
j=1 j=1

Dal fatto che il detreminante di una matrice è uguale al determinante della trasposta, segue
che il determinante è multilineare alternante sulle righe. In particolare:
(1) Scambiando due righe il determinante cambia di segno.
(2) Moltiplicando una riga per uno scalare λ, anche il determinante viene moltiplicato per
λ.
(3) Aggiungendo ad una riga una combinazione lineare delle altre, il determinante non
cambia.
(4) Se le righe sono linearmente dipendenti il determinante si annulla.

Esempio 1.5. Le precedenti regole permettodo di calcolare il determinante con un misto

di eliminazione di Gauss e sviluppo di Laplace. Supponiamo ad esempio di voler calcolare il
determinante
10 20 32
λ = 4 2 25
3 0 9
Togliamo alla terza colonna il doppio della prima; il determinante non cambia:

10 20 12
20 12
λ= 4 2 17 = 3 = 3(340 − 24) = 632.
2 17
3 0 0

Esempio 1.6. Calcoliamo il determinante della matrice di Vandermonde; più precisamente

proviamo che
1 1 ··· 1
x0 x1 ··· xn
.. .. .. .. =
Y
(xi − xj )
. . . .
xn−1
0 xn−1
1 ··· xn−1
n
i>j

xn0 xn1 ··· xnn

Ragioniamo per induzione su n, considerando il polinomio
n−1
Y n−1
X
n
p(t) = (t − xj ) = t + ai ti .
j=0 i=0
 DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 3

Sommando all’ultima riga della matrice di Vandermonde la combinazione lineare a coefficienti

ai delle rimanenti righe si ottiene
1 1 ··· 1 1 1 ··· 1
x0 x1 ··· xn x0 x1 ··· xn
.. .. .. .. = .. .. .. ..
. . . . . . . .
xn−1
0 xn−1
1 ··· xn−1
n xn−1
0 xn−1
1 ··· xn−1
n
xn0 xn1 ··· xnn p(x0 ) p(x1 ) . . . p(xn )
Q
Dato che p(xi ) = 0 per ogni i < n e p(xn ) = n>j (xn − xj ) si ha

1 1 ··· 1 1 1 ··· 1
x0 x1 ··· xn x0 x1 ··· xn
.. .. .. .. = .. .. .. .. =
. . . . . . . .
xn−1
0 xn−1
1 ··· xn−1
n xn−1
0 xn−1
1 ··· xnn−1
xn0 xn1 ··· xnn 0 0 ··· p(xn )

1 1 ··· 1
x0 x1 ··· xn−1 Y Y
= p(xn ) .. .. .. .. = (xn − xj ) (xi − xj ).
. . . . n>j n>i>j
xn−1
0 xn−1
1 ··· xn−1
n−1

Abbiamo quindi ridimostrato che la matrice di Vandermonde

 
1 1 ··· 1
 x0
 x1 ··· xn 
 .. . .. 

(1.1)  . .. . ..
 n−1 . 

n−1 n−1 
 x
0 x1 · · · xn
xn0 xn1 ··· xnn
è invertibile se e soltanto se xi 6= xj per ogni i 6= j.
Esercizi.
1.1. Provare che il determinante di una matrice triangolare è uguale al prodotto degli elementi
della diagonale.
1.2. Dati due interi positivi n, p si consideri la matrice A = (aij ), dove
aij = (ni + j)p + 1, i, j = 1, . . . , n.
Per quali valori di n, p il determinante di A è uguale a −1250?
1.3. Dimostrare che il determinante di una matrice antisimmetrica di ordine 351 si annulla.
1.4. Dimostrare, usando l’eliminazione di Gauss, che il determinante della matrice
 
4 2 2 2 8 6 6
1 −1 −1 3 0 2 4 
 
2 1
 −1 3 5 7 −1  
2 1
 6 0 3 −8 3  
2 1
 1 0 −2 7 3 
2 1 1 0 0 7 3 
2 1 1 0 2 7 3
è uguale a 0.
4 MARCO MANETTI: 21 DICEMBRE 2010

1.5. Siano A ∈ Mn,n (K), B ∈ Mm,m (K) e C ∈ Mn,m (K). Utilizzare lo sviluppo di Laplace e le
proprietà del determinante per dimostrare che
A C 0 B
= |A||B|, = (−1)nm |A||B|.
0 B A C
1.6. Sia A una matrice 10 × 10 Calcolare, in funzione di |A|, il determinante della seguente
matrice 20 × 20  
6A 5A
A 2A
1.7. Indichiamo con dk , k ≥ 1, il determinante della matrice k × k
 
6 1 0 0 0 ... 0
1 6 1 0 0 . . . 0
 
0 1 6 1 0 . . . 0
 
0 0 1 6 1 ... 
 
 ... 
0 0 0 0 0 ... 6
(d1 = 6, d2 = 35 eccetera). Dimostrare che per ogni k ≥ 3 vale dk = 6dk−1 − dk−2 .
Siano x, y le radici del polinomio t2 − 6t + 1. Dimostrare che per ogni k ≥ 3 vale
xk = 6xk−1 − xk−2 , y k = 6y k−1 − y k−2 .
Determinare due numeri reali a, b tali che
dk = axk + by k
per ogni k ≥ 1.

2. La matrice dei cofattori

Definizione 2.1. Data una matrice quadrata A ∈ Mn,n (K) la matrice dei cofattori1 A
e è
definita mediante la formula:
A
e = (ãij ), ãij = (−1)i+j |Aji |.
   
1 2 4 −2
Esempio 2.2. La matrice dei cofattori di è uguale a .
3 4 −3 1
Teorema 2.3. Per ogni matrice quadrata A vale
AA e = |A|I.
e = AA

Dimostrazione. Se A = (aij ), tenendo presente la definizione di A e e del prodotto di matrici, la

formula AA = |A|I equivale alle relazioni
e
n
(
X
k+j |A| se i = j
(2.1) (−1) aik |Ajk | =
k=1
0 se i 6= j
Per i = j la formula (2.1) coincide con lo sviluppo di Laplace rispetto alla riga i. Se invece i 6= j
indichiamo con B la matrice ottenuta da A in cui la riga j è sostituita con la riga i; la matrice
B ha dunque due righe uguali e vale aik = bik = bjk , Ajk = Bjk per ogni k. Ne segue che
n
X n
X
0 = |B| = (−1)k+j bjk |Bjk | = (−1)k+j aik |Ajk |.
k=1 k=1

La formula AA e = |A|I si dimostra allo stesso modo utilizzando gli sviluppi di Laplace rispetto
alle colonne. 
1In alcuni testi la matrice dei cofattori viene chiamata matrice aggiunta.
 DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 5

Corollario 2.4. Una matrice quadrata A è invertibile se e solo se |A| =6 0; in tal caso l’inversa
A
e
è uguale a A−1 = ed il suo determinante è uguale a |A−1 | = |A|−1 .
|A|
Dimostrazione. Se A è invertibile allora AA−1 = I e per il teorema di Binet |A||A−1 | = |I| = 1
da cui segue |A| =
6 0. Viceversa se |A| =
6 0 segue dal Teorema 2.3 che A è invertibile con inversa
A
e
. 
|A|
Corollario 2.5. Il rango di una matrice A è uguale al più grande intero r per cui A contiene
una sottomatrice quadrata di ordine r con determinante diverso da 0.
Dimostrazione. Abbiamo già dimostrato che il rango di una matrice A è uguale al più grande
intero r per cui A contiene una sottomatrice quadrata e invertibile di ordine r. 
Esercizi.
2.1. Calcolare le inverse delle seguenti matrici
   
    1 0 1 2 1 0 0 0
1 0 1 1 2 −1 0
0 1 1 0 −1 1   1 1 0
0
 0 1 0.
0 0 1 3 0 0 0 1
1 1 1 1 1 2
0 0 0 1 0 1 0 0
2.2. Vero o falso? Ogni matrice 2 × 4 nella quale i determinanti dei minori 2 × 2 formati da due
colonne adiacenti si annullano ha rango minore di 2.
2.3. Sia A ∈ Mn,n (K). Provare che il rango della matrice dei cofattori A e è uguale a: n se A è
invertibile, 1 se il rango di A è uguale a n − 1, 0 se il rango di A è minore di n − 1.
e = |A|n−1 e (A)
2.4. Provare che |A| e T = (A
] T ).

3. Matrici coniugate
Definizione 3.1. Il gruppo lineare GLn (K) è l’insieme delle matrici A ∈ Mn,n (K) che sono
invertibili.
Abbiamo visto che se A, B ∈ GLn (K) allora anche A−1 , AT , AB ∈ GLn (K). Si noti che
GLn (K) non è un sottospaio vettoriale.
Definizione 3.2. Date due matrici A, B ∈ Mn,n (K) diremo che A è coniugata a B, e scriveremo
A ∼ B, se esiste C ∈ GLn (K) tale che A = CBC −1 .
La relazione di coniugio gode delle seguenti proprietà:
: Proprietà riflessiva A ∼ A per ogni A ∈ Mn,n (K).
: Proprietà simmetrica Se A ∼ B allora B ∼ A.
: Proprietà transitiva Se A ∼ B e B ∼ H, allora A ∼ H.
La verifica di tali proprietà è immediata: infatti A = IAI −1 ; se A = CBC −1 allora B =
C A(C −1 )−1 ; se A = CBC −1 e B = DHD−1 allora A = (CD)H(CD)−1 .
−1

Teorema 3.3. Due matrici coniugate hanno la stessa traccia e lo stesso determinante.
Dimostrazione. Esercizio. 
Se A ∼ B, allora Ah ∼ B h per ogni h > 0. Infatti se A = CBC −1 si ha
A2 = (CBC −1 )(CBC −1 ) = CB 2 C −1
e per induzione su h
Ah+1 = AAh = (CBC −1 )(CB h C −1 ) = CB h+1 C −1 .
Ne segue che se A ∼ B allora la traccia di Ah è uguale alla traccia di B h per ogni h > 0.
6 MARCO MANETTI: 21 DICEMBRE 2010

Esempio 3.4. Le due matrici diagonali

   
a 0 0 b 0 0
A = 0 b 0 , B = 0 a 0 ,
0 0 c 0 0 c
sono coniugate: infatti A = CBC −1 dove
 
0 1 0
C = A = 1 0 0 .
0 0 1
Più in generale due matrici diagonali ottenute l’una dall’altra mediate una permutazione degli
elementi sulla diagonale sono coniugate.
Esercizi.
3.1. Mostrare che le matrici
   
1 0 0 1 0 1
A = 0 1 0 , B = 0 1 0 ,
0 0 1 0 0 1
non sono coniugate pur avendo lo stesso determinante e pur avendo Ah e B h la stessa traccia
per ogni h > 0.
3.2. Calcolare     −1 
t 0 a b t 0
0 1 c d 0 1
e dedurre che per ogni a ∈ K, a 6= 0, le matrici
   
1 1 1 a
,
0 1 0 1
sono coniugate.
3.3. Mostrare che per ogni a ∈ K, a 6= 0, le matrici
a2
   
1 1 1 1 a
0 1 1 , 0 1 a
0 0 1 0 0 1
sono coniugate.

4. Indipendenza del conuigio dal campo base

Come al solito indichiamo con K un sottocampo di C.
Lemma 4.1. Siano A, B ∈ Mn,n (K) e C ∈ Mn,n (C) tre matrici. Si assuma che esista un
numero complesso α ∈ C tale che la matrice
A + αB + C
è invertibile. Allora esiste β ∈ K tale che la matrice
A + βB + C
è ancora invertibile.
Dimostrazione. Sia t una indeterminata e si condideri il polinomio
p(t) = |A + tB + C| ∈ C[t].
Il polinomio p(t) ha grado ≤ n e non è nullo poiché p(α) 6= 0. Dunque p possiede un numero
finito di radici e basta prendere β ∈ K una non radice di p. 
 DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 7

Lemma 4.2. Siano α1 , . . . , αr ∈ C linearmente indipendenti su K e siano A1 , . . . , Ar ∈ Mn,n (K)

tali che
α1 A1 + · · · + αr Ar = 0.
Allora A1 = · · · = Ar = 0.
Dimostrazione. Basta osservare che ogni coefficiente della matrice α1 A1 + · · · + αr Ar è una
combinazione lineare su K dei numeri α1 , . . . , αr . 
Teorema 4.3. Siano A, B ∈ Mn,n (K). Se esiste una matrice C ∈ Mn,n (C) invertibile tale che
AC = CB, allora esiste una matrice D ∈ Mn,n (K) invertibile tale che AD = DB.
Dimostrazione. Consideriamo C come spazio vettoriale su K e sia V ⊂ C il sottospazio vettoriale
generato dai coefficienti di C; chiaramente V ha dimensione finita e minore od uguale a n2 . Sia
α1 , . . . , αr una base di V , allora possiamo scrivere
C = α1 C1 + · · · + αr Cr
con Ci ∈ Mn,n (K) per ogni i. Dunque
0 = AC − CB = α1 (AC1 − C1 B) + · · · + αr (ACr − Cr B)
e quindi ACi = Ci B per ogni i. Se Ci è invertibile per qualche i abbiamo finito. Altrimenti possia-
mo usare ripetutamente il Lemma 4.1 per dimostrare induttivamente che esistono β1 , . . . , βr ∈ K
tali che per ogni i la matrice
β1 C1 + · · · + βi Ci + αi+1 Ci+1 + · · · + αr Cr
è invertibile. Alla fine possiamo prendere
D = β1 C1 + · · · + βr Cr .

Corollario 4.4. Due matrici A, B ∈ Mn,n (K) sono coniugate in Mn,n (K) se e solo se sono
coniugate in Mn,n (C).
Dimostrazione. Ovvia conseguenza del teorema precedente.