Baixe o app para aproveitar ainda mais
Prévia do material em texto
Em ela bo raç ão Apostila de Geometria Analítica Notas de Aula com Exercícios Resolvidos Diego Sebastián Ledesma Atualizado 22/03 /2022 Em ela bo raç ão The structure of the book is a modification of the "Legrange Orange Book"wich is a Latex template model obtained at LaTeXTemplates.com as and licensed under the Creative Commons Attribution-NonCommercial 3.0 Unported License ( http://creativecommons.org/licenses/by-nc/3.0). http://creativecommons.org/licenses/by-nc/3.0 Em ela bo raç ãoConteúdo 1 Apresentação . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 I Álgebra Matricial 2 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.1 Matrizes 11 2.2 Produto de matrizes e transposta de uma matriz 15 3 Operações elementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 3.1 Multiplicação de uma linha por um escalar λ 6= 0. 21 3.2 Substituir uma linha pela soma desta linha mais um multiplo escalar de outra linha22 3.3 Troca de posição de duas linhas de uma matriz 24 3.4 Matriz escalonada Reduzida 25 4 Matrizes Quadradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 4.1 Matrizes Quadradas 29 5 Determinante de uma matriz quadrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 5.1 Determinantes 35 5.2 Determinante via permutações 41 5.3 Adjunta de uma matriz quadrada 47 6 Sistema de equações linerares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 6.1 Estudo de sistemas lineares 55 6.2 Sistemas com número de incógnitas igual ao número de equações 58 Em ela bo raç ão II Vetores 7 Vetores no plano e no espaço . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 7.1 O plano e o espaço 63 7.2 Vetores 65 8 Produto entre vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 8.1 Produto generalizado 71 8.2 Produto escalar 72 8.3 Produto vetorial 76 III Objetos Geométricos 9 Retas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81 9.1 Retas 81 9.2 Ângulo entre retas 84 9.3 Posição Relativa de retas 84 9.4 Distâncias 86 10 Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89 10.1 Planos 89 10.2 Ângulo 92 10.3 Posição relativa de dois planos 93 10.4 Posição relativa entre uma reta e um plano 93 10.5 Distãncias 94 11 Cônicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97 11.1 Cônicas 97 11.2 Elipse 98 11.3 Hipérbole 100 11.4 Parábola 102 12 Translação de sistema de coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 12.1 Sistemas de Coordenadas 106 12.2 Translação de coordenadas 107 13 Rotação do sistema de coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111 13.1 Rotação de coordenadas 111 14 Identificação de cônicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115 14.1 Um exemplo 115 14.2 Procurando a mudança de coordenadas 116 14.2.1 Apêndice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123 Em ela bo raç ão 15 Como saber se uma cônica é degenerada . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125 16 Coordenadas polares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129 16.1 Coordenadas Polares 129 16.2 Relação entre coordenadas polares e cartesianas 131 16.3 A reta em coordenadas polares. 132 16.4 Circunferência em coordenadas polares 133 16.5 Cônicas em coordenadas polares 134 16.5.1 Parábola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136 16.5.2 Elipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138 16.5.3 Hipérbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141 17 Parametrização de curvas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145 17.1 Paramerização de curvas 145 17.1.1 Elipse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146 17.1.2 Hipérbole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147 17.1.3 Parábola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147 17.2 Parametrização em coordenadas polares 149 IV Quádricas e Superfícies 18 Quádricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153 18.1 Quádricas 153 18.2 Superfícies 155 18.2.1 Superfícies Cilíndricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156 18.2.2 Superfícies de revolução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157 18.2.3 Superfícies Cônicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159 19 Coordenadas Cilíndricas e esféricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161 19.1 Coordenadas Cilíndricas 161 19.2 Coordenadas Esféricas 162 20 Parametrizacão de Superfícies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165 20.1 Parametrização de Superfícies 165 V Exercícios resolvidos 21 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171 22 Operações elementares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 181 23 Matrizes Quadradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183 24 Determinante de uma matriz quadrada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 189 25 Sistema de equações linerares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211 Em ela bo raç ão 26 Vetores no plano e no espaço . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237 27 Produto entre vetores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 239 28 Retas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 249 29 Planos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 253 30 Translação de sistema de coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 283 31 Identificação de cônicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295 32 Coordenadas polares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 319 33 Parametrização de curvas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329 34 Quádricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 335 35 Coordenadas Cilíndricas e esféricas . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . 341 36 Parametrizacão de Superfícies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347 Em ela bo raç ão1. Apresentação Este texto é uma apostila resultado do compilado das notas de aula que utilizei para ministrar a disciplina Geometria Analítica ao longo dos anos. Ela está escrita na forma mais simples e sintétizada que me foi possível. O objetivo da mesma é fornecer material teórico e prático aos estudantes que façam uso delas para seus estudos. É por isto que não há nada proposto para ser feito como exercicio e tudo está completamente resolvido na quantidade de detalhes que me foi possível. Com isto quero dizer que não pretende para nada ser um livro texto de disciplina mas sim um material de suporte para o estudo da mesma. O material teórico que faz parte do texto está fortemente inspirado nos livros • R. J. Santos, Matrizes, Vetores e Geometria Analítica, Imprensa Universitária da UFMG. • K. Hoffman e R. Kunze, Álgebra Linear, Prentice Hall, Second edition, 1971. • P. Boulos e I. C. Oliveira, Geometria Analítica-um tratamento vetorial, McGraw-Hill, São Paulo, 2a edição-2000 . • L. Leithold, O Cálculo com geometria analítica, Vol. 1, Harbra, São Paulo, 2a edição – 1977. Os exercícios resolvidos que aparecem massivamente no final do trabalho são parte das listas de exercícios e provas aplicadas na disciplina MA141 - Geometria Analítica da UNICAMP. Finalmente faço o destaque de que grande parte da escrita do texto contou com apoio do Serviço de Apoio ao Estudante (SAE) da Pró-reitoria de Graduação (PRG) da UNICAMP e foi feita pela estudante - bolsista Ysabella Visinho dos Reis. Esta apostila ainda contém muitos erros. Teria ainda mais se não fosse pelas correções aportadas por Daniel Paulo Garcia e Helena Pivoto Paiva enquanto cursaram Geometria Analítica comigo. A eles o meu agradecimento. Em ela bo raç ão Em ela bo raç ãoI 2 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.1 Matrizes 2.2 Produto de matrizes e transposta de uma matriz 3 Operações elementares . . . . . . . . . . . . . 21 3.1 Multiplicação de uma linha por um escalar λ 6= 0. 3.2 Substituir uma linha pela soma desta linha mais um multiplo escalar de outra linha 3.3 Troca de posição de duas linhas de uma matriz 3.4 Matriz escalonada Reduzida 4 Matrizes Quadradas . . . . . . . . . . . . . . . . 29 4.1 Matrizes Quadradas 5 Determinante de uma matriz quadrada 35 5.1 Determinantes 5.2 Determinante via permutações 5.3 Adjunta de uma matriz quadrada 6 Sistema de equações linerares . . . . . . 51 6.1 Estudo de sistemas lineares 6.2 Sistemas com número de incógnitas igual ao nú- mero de equações Álgebra Matricial Em ela bo raç ão Em ela bo raç ão2. Matrizes Neste capítulo começaremos estudando as noções básicas sobre matrizes. Começaremos com a definição e logo passaremos a estudar as propriedades destes objetos. 2.1 Matrizes Definição 2.1 Uma matriz real de tamanho m×n é um arranjo bidimensional de números {ai j ∈ R, i = 1 . . .m, j = 1 . . .n}, que escrevemos na forma A = a11 a12 . . . a1n a21 a22 . . . a2n ... ... . . . ... am1 am2 . . . amn . Dada A uma matriz de tamanho m×n como acima, chamamos de entrada Ai j ao número ai j que encontra- se na interseção da linha i com a coluna j (isto é na posição i, j da tabela) de A. A matriz nula, que denotamos por 0, é a matriz cujas entradas são todas iguais a zero. Denotamos por M(m×n) ao conjunto de todas as matrizes de tamanho m×n com entradas em R. Obs. • Em particular uma matriz de tamanho 1×n é chamada de matriz linha e uma matriz m×1 é chamada de matriz coluna. • No caso em que m = n então dizemos que A é uma matriz quadrada de ordem n. • As matrizes de tamanho 1×1 podem ser naturalmente identificadas com os números reais. A k−ésima linha de A é a matriz linha [A]k dada por [A]k = (ak1,ak2, . . . ,akn). A j−ésima coluna da matriz A é a matriz coluna [A] j dada por Em ela bo raç ão 12 Capítulo 2. Matrizes [A] j = a1 j a2 j ... am j . A seguinte definição estabelece quando duas matrizes são iguais. Definição 2.2 Duas matrizes A ∈M(m×n) e B ∈M(k× l) são iguais se m = k, n = l e Ai j = Bi j ∀ i = 1, . . . ,m, j = 1, . . . ,n. A seguir vemos alguns exemplos de matrizes. � Exemplo 2.1 1. Seja A ∈M(4×3) definida por A = 1 0 21 3 −2 π −3 41 9 5 5 5 . temos que [A]2 = 0 −2 41 5 ∈M(4×1), e [A]3 = ( −3 41 9 ) ∈M(1×3). 2. Seja B ∈ (3×6) dada por B = 1 1 1 1 1 21 2 4 4 4 3 1 1 1 1 1 1 . Então, [B]1 = 11 1 ∈M(3×1), e [B]1 = ( 1 1 1 1 1 2 ) ∈M(1×6). � Assim como acontece nos números reais, podemos definir as operações soma e produto por escalar no conjunto das matrizes, porém impondo algumas restrições. Definição 2.3 • A soma de duas matrizes A e B em M(m× n) é uma matriz em M(m× n), que denotamos por A+B, cujas entradas são dadas por (A+B)i j = Ai j +Bi j, ∀ i = 1, . . . ,m, j = 1, . . . ,n, isto é, se A = a11 a12 . . . a1n a21 a22 . . . a2n ... ... . . . ... am1 am2 . . . amn e B = b11 b12 . . . b1n b21 b22 . . . b2n ... ... . . . ... bm1 bm2 . . . bmn , Em ela bo raç ão 2.1 Matrizes 13 então A+B = a11 +b11 a12 +b12 . . . a1n +b1n a21 +b21 a22 +b22 . . . a2n +b2n a31 +b31 a32 +b32 . . . ... am1 +bm1 am2 +bm2 . . . amn +bmn . A multiplicação de uma matriz A ∈M(m×n) por um escalar λ ∈ R é uma matriz em M(m×n), que denotamos por λ ·A, cujas entradas são dadas por (λ ·A)i j = λAi j ∀i = 1 . . .m, j = 1 . . .n, isto é, se A = a11 a12 . . . a1n a21 a22 . . . a2n ... ... . . . ... am1 am2 . . . amn , então λ ·A = λa11 λa12 . . . λa1n λa21 λa22 . . . λa2n ... ... . . . ... λam1 λam2 . . . λamn . � Exemplo 2.2 1. Seja A = 1 2 10 1 3 3 2 2 e B = 1 0 70 1 1 0 2 4 , vemos que A+B = 1+1 2+0 1+70+0 1+1 3+1 3+0 2+2 2 = 4 = 2 2 80 2 4 3 4 6 , e 2 ·A = 2.1 2.2 2.12.0 2.1 2.3 2.3 2.2 2.2 = 2 4 20 2 6 6 4 4 . � Teorema 2.1 O conjunto M(n×m) com as operações soma e produto por escalar definidas acima é um espaço vetorial sobre os números reais, isto é, a soma e o produto por escalar satisfazem as seguintes propriedades: i- Comutatividade da soma: A+B = B+A. ii- Associatividade da soma: (A+B)+C = A+(B+C). iii- Existe um único elemento 0 em M(m×n) tal que A+0 = A. iv- Para cada elemento A existe um único elemento, que denotamos por −A, tal que A+(−A) = 0. v- 1 ·A = A. vi- (λ1λ2) ·A = λ1 · (λ2 ·A). Em ela bo raç ão 14 Capítulo 2. Matrizes vii- (λ1 +λ2) ·A = λ1 ·A+λ2 ·A. viii- λ · (A+B) = λ ·A+λ ·B. Demonstração: Para demonstrar esses fatos vamos utilizar a definição 2.2, isto é, vamos mostrar que as entradas das matrizes de um e outro lado de cada identidade coincidem em cada caso. i- Para cada i = 1 · · ·m, j = 1 · · ·n, temos (A+B)i j = Ai j +Bi j = Bi j +Ai j = (B+A)i j ii- Para cada i = 1 · · ·m, j = 1 · · ·n, temos ((A+B)+C)i j = (A+B)i j +Ci j = (Ai j +Bi j)+Ci j = Ai j +(Bi j +Ci j) = Ai j +(B+C)i j = (A+(B+C))i j. iii- Sabemos que a matriz nula 0 = 0 . . . 0... . . . ... 0 . . . 0 ∈M(m×n). satisfaz A+0 = A. Vamos mostrar que é a única matriz com esta propriedade, isto é, com a propriedade de que A+B = A para todo A ∈M(m×n). Em particular, consideramos a matriz A(i, j) cujas entradas são todas nulas exceto a entrada Ai j que é 1. Portanto, como A(i, j)+B = A(i, j) temos que 1+Bi j = 1 donde Bi j = 0. Da arbitrariedade na escolha de i, j segue que todas as entradas Bi j = 0. De onde segue que B = 0. iv- Dada a matriz A considere a matriz (−1) ·A então é facil ver que A+(−1) ·A = 0. Defina −A = (−1) ·A. Vamos mostrar que se B é tal que A+B = 0 então B =−A e portanto −A é única. Observamos que caso tal B exista, da identidade A+B = 0 tiramos que para todo i = 1 · · · m, j = 1, · · · n. Ai j +Bi j = 0⇒ Bi j =−Ai j = (−1)Ai j = (−A)i j. Então B =−A. v- Trivial. vi- Para cada i = 1 · · ·m, j = 1 · · ·n, temos ((λ1λ2)·A)i j = (λ1λ2)i j = λ1(λ2 ·Ai j) = λ1(λ2 ·A)i j = (λ1.(λ2.A)i j. vii- Para cada i = 1 · · ·m, j = 1 · · ·n, temos ((λ1 +λ2) ·A)i j = (λ1 +λ2)Ai j = λ1 .Ai j +λ2 .Ai j = (λ1 .A)i j +(λ2 .A)i j = (λ1 ·A+λ2 ·A)i j. viii- Para cada i = 1 · · ·m, j = 1 · · ·n, temos (λ · (A+B))i j = λ (A+B)i j = λ (Ai j +Bi j) = λAi j +λBi j = (λ ·A+λ ·B)i j. Em ela bo raç ão 2.2 Produto de matrizes e transposta de uma matriz 15 � Obs. i- Embora os símbolos sejam iguais, não devemos confundir o produto e a soma definidos acima com os canônicos de R. Por exemplo a identidade (λ1 +λ2) ·A = λ1 ·A+λ2 ·A, envolve duas operações soma: do lado esquerdo a soma canônica de R e do lado direito a soma definida para matrizes. Nesse sentido o que diz a propriedade é que existe uma relação entre as duas operações. ii- A partir da definição de −A podemos definir no conjunto das matrizes, e em forma análoga ao que acontece para os números reais, a operação diferença: Dadas A e B duas matrizes em M(m×n) a diferença entre A e B é uma matriz A−B ∈M(m×n) dada por A−B = A+(−B). 2.2 Produto de matrizes e transposta de uma matriz Até aqui temos definido operações entre matrizes que preservam o tamanho. Nesta seção vamos a estudar outros tipos de operações sobre as matrizes onde esta propriedade já não é necessáriamente preservada. Definição 2.4 O produto de uma matriz A ∈M(m× n) e uma matriz B ∈M(n× k) é uma matriz AB ∈ M(m× k) cujas entradas são obtidas da seguinte forma (AB)i j = n ∑ r=1 AirBr j = Ai1B1 j +Ai2B2 j + · · ·+AinBn j, para todo i = 1, · · ·,m e j = 1, · · ·,k. � Exemplo 2.3 1. Seja A = ( 1 2 3 4 ) ∈ M(1×4) e B = 0 1 2 −1 ∈ M(4×1). Então A ·B ∈M(1×1) e A ·B = ( 1.0+2.1+3.2+4.(−1) ) = ( 0+2+6−4 ) = (4). 2. Seja A = 1 1 11 2 3 1 1 0 ∈ M(3×3) e B = 2 02 1 1 1 ∈ M(3×2). Então A ·B ∈M(3×2) e A ·B = 2.1+2.1+1.1 1.0+1.1+1.11.2+2.2+3.1 1.0+2.1+3.1 1.2+1.2+0.1 1.0+1.1+0.1 = 5 29 5 4 1 . � Em ela bo raç ão 16 Capítulo 2. Matrizes Obs. i- A entrada i, j do produto de A com B é obtido ao multiplicar as entradas da linha i de A com as da coluna j de B em forma ordenada, isto é (AB)i j = [A]i[B] j. ii- Se A ∈M(m×n) e B ∈M(n×k) então AB está definida. Porém não necessáriamente ocorre o mesmo para o produto de B com A. De fato, só vai ser possivel fazer o produto de B com A quando k = m. iii- Sobre o conjunto das matrizes quadradas M(n× n) temos que AB e BA são definidas e dão como resultado matrizes em M(n×n). No entanto temos que geralmente AB 6= BA. Por exemplo se A = ( 0 1 0 0 ) B = ( 0 0 0 1 ) , então A ·B será( 0 1 0 0 )( 0 0 0 1 ) = ( 0 1 0 0 ) Por outro lado B ·A será( 0 0 0 1 )( 0 1 0 0 ) = ( 0 0 0 0 ) . Segue então que A ·B 6= B ·A. O produto de matrizes possui as seguintes propriedades. Proposição 2.1 Sejam A,B,C matrizes de tamanhos apropriados e λ ∈ R. Então i- A(B+C) = AB+AC. ii- λ · (AB) = (λ ·A)B = A(λ ·B). iii- Se Ik é a matriz quadrada de tamanho k× k definida por Ik = 1 0 . . . 0 0 1 . . . 0 ... ... . . . ... 0 0 . . . 1 , e chamada de matriz identidade em M(k× k) então, para toda matriz A ∈M(m×n), temos ImA = A = AIn. iv- A(BC) = (AB)C. Demonstração: Para demonstrar as propriedades comparamos as entradas das matrizes aos dois lados da igualdade. i- [A(B+C)]i j = ∑ k Aik(B+C)k j = ∑ k Aik(Bk j +C)k j = ∑ k AikBk j +∑ k AikCk j = (AB)i j +(AC)i j ∀i j. Portanto A(B+C) = AB+AC. ii- [(λ (AB)]i j = λ (AB)i j ⇒ λ ( ∑AikBk j ) = ∑(λAik)(Bk j) = ((λA) ·B)i j ∀i j. Em ela bo raç ão 2.2 Produto de matrizes e transposta de uma matriz 17 O outro caso é análogo. iii- Seja A ∈M(k×n) e Ir a matriz em M(r× r) cujas entradas são definidas por Il j = { 0, se l 6= j 1, se l = i Então, temos que (Ik ·A)li = ∑(Ik)l j ·A ji = IllAli = Ali. Portanto Ik ·A = A analogamente se prova A · In = A. iv- (A(BC))i j = ∑ l Ail(BC)l j = ∑ l Ail ∑ k BlkCk j = ∑ l ∑ k AilBlkCk j = ∑ k ( ∑ l AilBlk ) Ck j = ∑ k (AB)ikCk j = ((AB) ·C)i j. � Definição 2.5 Seja A uma matriz de tamanho m×n. A transposta de A é uma matriz At de tamanho n×m cujas entradas são dadas por (At)i j = A ji. Para todo i = 1 · · ·n e j = 1 · · ·m. � Exemplo 2.4 1. Se A = ( 1 2 3 ) ⇒ At = 12 3 . 2. Se A = ( 1 2 3 1 1 1 ) ⇒ At = 1 12 1 3 1 . 3. Se A = 2 1 1 1 1 2 2 2 1 3 3 3 1 4 4 4 ⇒ At = 2 1 1 1 1 2 3 4 1 2 3 4 1 2 3 4 . � Proposição 2.2 Sejam A,B e C matrizes de tamanhos apropriados e λ ∈ R. Então i- (At)t = A. ii- (λ ·A)t = λ ·At . Em ela bo raç ão 18 Capítulo 2. Matrizes iii- (A+B)t = At +Bt . iv- (AB)t = BtAt . Demonstração: Fazemos a demonstração comparando as entradas das matrizes de ambos os lados da igualdade. i- Para todo i, j temos ((At)t)i j = (At) ji = Ai j. ∀i j. Portanto (At)t = A. ii- Para todo i, j temos [(λA)t ]i j = (λA) ji = λA ji = λ (At)i j. ∀i j. Portando (λA)t = λAt . iii- Para todo i, j temos [(A+B)t ]i j = (A+B) ji = A ji +B ji = (At)i j +(Bt)i j. ∀i j. Então (A+B)t = At +Bt . iv- Para todo i, j temos ((AB)t)i j = (AB) ji = ∑ k A jkBki = ∑ k BkiA jk = ∑ k (Bt)ik(At)k j = (BtAt)i j. ∀i j. Então (AB)t = BtAt . � Obs. O espaço das matrizes quadradas M(n×n) com as operações soma, produto por escalar e produto formam uma estrutura conhecida com o nome de Álgebra Linear, isto é, é um espaço vetorial munido de um produto com as seguintes propriedades i- A(BC) = (AB)C. ii- A(B+C) = AB+AC. iii- λ .(AB) = (λ .A)B = A(λ .B). iv- Existe o elemento In ∈M(n×m) tal que InA = A = AIn. Definição 2.6 Uma matriz quadrada A ∈M(n×n) é dita • simétrica se At = A, • antissimétrica se At =−A. Proposição 2.3 Seja A ∈M(m× n) então existe uma matriz simétrica A1 e uma antissimétrica A2 tais que A = A1 +A2. Proof. Seja A1 = 1 2 (A+At) e A2 = 1 2 (A−At). Claramente At1 = 1 2 (A+At)t = 1 2 (At +A) = A1. Em ela bo raç ão 2.2 Produto de matrizes e transposta de uma matriz 19 At2 = 1 2 (A−At)t = 1 2 (At −A) =−A2. e A1 +A2 = 1 2 (A+At)+ 1 2 (A−At) = A. Em ela bo raç ão Em ela bo raç ão3. Operações elementares Dada uma matriz A ∈M(m×n) vamos considerar operações sobre as linhas desta de forma tal que a nova matriz obtida B esteja em M(m×n). Em particular vamos nos concentrar em três tipos de operações: 1. Multiplicação de uma linha por um escalra λ 6= 0. 2. Substituir uma linha pela soma desta linha mais um multiplo de outra linha. 3. Troca de duas linhas de uma matriz. Procedimentos análogos podem ser feitos com as colunas de uma matriz. Nestas notas não estudaremos esse caso. 3.1 Multiplicação de uma linha por um escalar λ 6= 0. Por exemplo, multiplicar a linha i da matriz A ∈M(m×n) por λ 6= 0 (que denotamos por λ`i→ `i) dá origem a uma nova matriz B ∈M(m×n) com a seguinte forma: A = a11 a12 . . . a1n a21 a22 . . . a2n ... ... ... ai1 ai2 . . . ain ... ... ... am1 am2 . . . amn λ`i→ `i−−−−−→ B = a11 a12 . . . a1n a21 a22 . . . a2n ... ... ... λai1 λai2 . . . λain ... ... ... am1 am2 . . . amn . Em particular, ao fazer esta operação elementar sobre a identidade obtemos: Im = 1 0 . . . 0 0 1 . . . 0 ... ... . . . ... 0 0 . . . 1 λ`i→ `i−−−−−→ Emi (λ ) = 1 0 · · · · 0 ... . . . · · · · ... 0 · · · 1 0 0 · ... 0 · · · 0 λ 0 · ... 0 · · · 0 0 1 · ... ... ... · · · . . . ... 0 0 · · · · 1 ← i Em ela bo raç ão 22 Capítulo 3. Operações elementares Observamos que a operação (λ`i→ `i) sobre a matriz A é igual a multiplicar A a esquerda por Emi (λ ), isto é: Se A λ`i→`i−−−−→ B então B = Emi (λ ) ·A. Esta operação elementar pode ser revertida. De fato, ao multiplicar a linha i de B por 1 λ temos novamente A. Isto garante que Emi ( 1 λ )Emi (λ ) = Im. � Exemplo 3.1 Seja A = 1 2 3 1 −1 1 0 1 −1 0 0 1 , e considerere a operação elementar 2`2→ `2, isto é A = 1 2 3 1 −1 1 0 1 −1 0 0 1 2`2→ `2−−−−−→ B = 1 2 3 2 −2 2 0 1 −1 0 0 1 . Em particular sobre a identidade I = 1 0 0 00 1 0 0 0 0 1 0 0 0 0 1 2`2→ `2−−−−−→ E2(2) = 1 0 0 0 0 2 0 0 0 0 1 0 0 0 0 1 . Observamos que E2(2)A = B. Mais ainda E2 ( 1 2 ) = 1 0 0 0 0 12 0 0 0 0 1 0 0 0 0 1 e E2( 1 2 )E2(2) = I e E2( 1 2 )B = A. � 3.2 Substituir uma linha pela soma desta linha mais um multiplo escalar de outra linha Por exemplo, substituir a linha i por multiplo escalar λ da linha j mais a linha i (que denotamos por `i+λ` j→ `i) dá origem a uma nova matriz B ∈M(m×n) a seguinte forma: A = a11 a12 . . . a1n ... ... ... ai1 ai2 . . . ain ... ... ... a j1 a j2 . . . a jn ... ... ... am1 am2 . . . amn `i +λ` j→ `i−−−−−−−−→ B = a11 a12 . . . a1n ... ... ... ai1 +λa j1 ai2 +λa j2 . . . ain +λa jn ... ... ... a j1 a j2 . . . a jn ... ... ... am1 am2 . . . amn . Em ela bo raç ão 3.2 Substituir uma linha pela soma desta linha mais um multiplo escalar de outra linha 23 Em particular, ao fazer esta operação elementar sobre a identidade obtemos, por exemplo para o caso i > j: Im = 1 0 . . . 0 0 1 . . . 0 ... ... . . . ... 0 0 . . . 1 `i +λ` j→ `i−−−−−−−−→ Emi j (λ ) = 1 0 · · · · 0 ... . . . · · · · ... 0 . . . 1 0 0 · ... · ... . . . ... ... 0 · · · λ · · · 1 · ... ... ... · · · . . . ... 0 0 · · · · 1 ← i ← j Fazer esta operação `i +λ` j→ `i sobre a matriz A é igual a multiplicar A a esquerda por Emi j (λ ), isto é: Se A→ B ao fazer a operação elementar λ` j + `i→ `i temos que B = Emi j (λ ) ·A. Esta operação elementar pode ser revertida. De fato, ao substituir a linha i por um multiplo (−λ ) da linha j mais a linha i temos novamente A. Isto garante que Emi j (−λ )Emi j (λ ) = Im. � Exemplo 3.2 Seja A = 1 2 3 1 −1 1 0 1 −1 0 0 1 , e considerere a operação elementar `1 +2`2→ `1, isto é A = 1 2 3 1 −1 1 0 1 −1 0 0 1 `1 +2`2→ `1−−−−−−−−−→ B = 3 0 5 1 −1 1 0 1 −1 0 0 1 . Em particular sobre a identidade I = 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 `1 +2`2→ `1−−−−−−−−−→ E12(2) = 1 2 0 0 0 1 0 0 0 0 1 0 0 0 0 1 . Observamos que E12(2)A = B. Mais ainda E12 (−2) = 1 −2 0 0 0 1 0 0 0 0 1 0 0 0 0 1 e E12(−2)E12(2) = I e E12(−2)B = A. � Em ela bo raç ão 24 Capítulo 3. Operações elementares 3.3 Troca de posição de duas linhas de uma matriz Por exemplo, trocar a posição da linha i da matriz A com a posição da linha j (que denotamos por `i↔ ` j) dá origem a uma nova matriz B ∈M(m×n) da seguinte forma: A = a11 a12 . . . a1n ... ... ... ai1 ai2 . . . ain ... ... ... a j1 a j2 . . . a jn ... ... ... am1 am2 . . . amn `i↔ ` j−−−−→ B = a11 a12 . . . a1n ... ... ... a j1 a j2 . . . a jn ... ... ... ai1 ai2 . . . ain ... ... ... am1 am2 . . . amn ← i ← j Em particular ao fazer esta operação sobre a identidade obtemos: Im = 1 0 . . . 0 0 1 . . . 0 ... ... . . . ... 0 0 . . . 1 `i↔ ` j−−−−→ Emi j = 1 0 · · · · · · · · 0 ... . . . · · · · · · · · · ... 0 · 1 · · · · ·· · · ... · · · 0 0 0 . . . 0 1 0 · ... · · · 0 1 0 . . . 0 0 · · ... · · · ... 0 . . . · · · · · ... · · · ... ... · . . . 0 · · · ... · · · 0 0 0 . . . 1 0 · · ... · · · 1 0 0 · · · 0 0 · · ... 0 · · · · · · · · 1 · ... ... ... · · · ·· · · · . . . ... 0 0 · · · · · · · · · 1 ← i ← j Fazer esta operação (`i↔ ` j) sobre a matriz A é igual a multiplicar A por Emi j , isto é: Se A→ B ao fazer a operação `i↔ ` j temos que B = Ei jA. Esta operação elementar pode ser revertida. De fato ao trocar novamente a posição das linhas i e j da matriz B temos novamente A. Isto garante Emi j E m i j = Im. � Exemplo 3.3 Seja A = 1 2 3 1 −1 1 0 1 −1 0 0 1 , Em ela bo raç ão 3.4 Matriz escalonada Reduzida 25 e considerere a operação elementar `3↔ `4, isto é A = 1 2 3 1 −1 1 0 1 −1 0 0 1 `3↔ `4−−−−→ B = 1 2 3 1 −1 1 0 0 1 0 1 −1 . Em particular sobre a identidade I = 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 `3↔ `4−−−−→ E34 = 1 2 0 0 0 1 0 0 0 0 0 1 0 0 1 0 . Observamos que E34A = B. Mais ainda E34E34 = I e E34B = A. � 3.4 Matriz escalonada Reduzida Na discussão das operações elementares temos provado o seguinte resultado. Proposição 3.1 Fazer uma operação elementar sobre as linhas de uma matriz A de tamanho m×n é equivalente a multiplicar A a esquerda por uma matriz quadrada E de tamanho m×m que é obtida ao se fazer a operação elementar sobre a identidade Im. Isto é, a matriz obtida B de fazer a operação elementar sobre A é igual a B = EA. As operações elementares permitem definir uma relação no matrizes de tamanho m×n da seguinte forma : Dadas duas matrizes A,B ∈M(m×n) dizemos que A está relacionada com B (e o denotamos A∼ B) se B pode ser obtida de A ao fazer um número finito de operações elementares. � Exemplo 3.4 Fazemos A = −1 1 1−1 1 1 −1 −1 1 `1 + `2→ `1−−−−−−−−→ 0 2 21 1 1 −1 −1 1 `3 + `2→ `3−−−−−−−−→ 0 2 21 1 1 0 0 2 1 2 `1→ `1 −−−−−−→ 0 1 11 1 1 0 0 2 1 2 `3→ `3 −−−−−−→ 0 1 11 1 1 0 0 1 `1↔ `2−−−−→ 1 1 10 1 1 0 0 1 = B Então A∼ B. � Vamos mostrar que esta é uma relação de equivalência, isto é, vamos mostrar que relação é • reflexiva: A∼ A, • simétrica: Se A∼ B então B∼ A • transitiva: Se A∼ B e B∼C então A∼C Mostramos agora estas propriedades: Demonstração. A∼ A: Toda A ∈M(m×n) está relacionada com ela propria, isto é A∼ A. De fato, por exemplo, fazendo duas vezes a operação elementar troca de uma linha por outra vemos que A é obtida de A por um número finito de operações elementares e, portanto, A∼ A. Em ela bo raç ão 26 Capítulo 3. Operações elementares Se A ∼ B então B ∼ A: Sejam A, B duas matrizes em M(m× n) tais que A está relacionada com B, isto é A∼ B. Então B é obtida de A por meio de um número finito de operações elementares. Então existem matrizes elementares E1, · · · ,Ek tais que B = E1 · · ·Ek ·A. Como toda operação elementar pode ser revertida, para cada matriz E j existe uma matriz elementar E ′j tal que E ′j E j = Im, de onde E ′k · · ·E ′1 ·B = E ′k · · ·E ′1 ·E1 · · ·Ek ·A = ImA = A. Dito de outra forma, A é obtida de B fazendo um número finito de operações elementares sobre suas linhas. De onde segue que B∼ A. Se A ∼ B e B ∼C então A ∼C: Sejam A, B e C matrizes em M(m× n) tais que A está relacionada com B e B está relacionada com C então existem matrizes elementares E1 · · ·Ek e D1 · · ·Dk tais que B = E1 · · ·Ek . A e C = D1 · · ·Dk . B donde C = D1 · · ·Dk ·B = D1 · · ·Dk ·E1 · · ·Ek ·A. Portanto C é obtida de A ao fazer um número finito de operações elementares sobre suas linhas, isto é, A∼C. � Consideremos então uma matriz A ∈M(m×n) e todas as matrizes B que estão relacionadas com A. Estas matrizes estão contidas em um conjunto [A]⊂M(m×n) que é o conjunto de sua classe de equivalencia, isto é, o conjunto [A] = {B ∈M(m×n),B∼ A}. Se B é uma matriz contida em [A] dizemos então que A e B são equivalentes por linhas. É facil mostrar as seguintes propriedades. Proposição 3.2 a) A ∈ [A], b) A∼ B se e somente se [A] = [B], c) [A] ⋂ [B] 6= /0 então [A] = [B], d) B ∈ [A] então [A] = [B], e) M(m×n) = ⋃ A∈M(m×n)[A]. Demonstração: a) Utilizando que A∼ A temos que A ∈ [A] = {B,B∼ A} ⊂M(m×n). b) Assuma A∼ B. Como ∼ é de equivalência, se C ∼ A⇒C ∼ B⇒C ∈ [B]. Portanto [A]⊆ [B]. Similarmente se mostra que [B]⊆ [A] de onde [A] = [B]. Por outro lado, se [A] = [B]⇒ B ∈ [A]⇒ B∼ A. c) Se C ∈ [A] ⋂ [B]⇒C∼ A e C∼ B então A∼C e C∼ B⇒ A∼ B, pois∼ é de equivalência, assim [A] = [B] pelo item b) d) Segue do item b). e) Se M ∈M(m×n) então M ∈ [M] portanto M(m×n) ⊂ ⋃ A∈M(m×n) [A]. Como ⋃ A∈M(m×n) [A]⊂M(m×n), então ⋃ A∈M(m×n) [A]. Em ela bo raç ão 3.4 Matriz escalonada Reduzida 27 � Obs. Observamos que em particular os itens b), c) e d) nos dizem que se duas matrizes A e B não são equivalentes então [A] ⋂ [B] = /0. Vemos entãoque para descrever uma classe de equivalencia só precisamos de uma matriz na classe pois todas as outras vão ser obtidas ao fazer operações elementares sobre esta. Assim dada uma classe, escolhemos um representante da classe que tenha a maior quantidade de 0 e 1 possíveis. Esse é motivo da seguinte definição. Definição 3.1 Uma matriz A ∈M(m× n) é dita escalonada reduzida por linhas, ou simplesmente escalonada reduzida, se 1- O pivô de cada linha de A, isto é, a primeira entrada não nula de cada linha, é 1 2- Cada coluna que contém o pivô de alguma linha tem todas as outras entradas nulas. 3- O pivô de cada linha ocorre a direita do pivô da linha anterior. 4- As linhas nulas ocorrem abaixo de todas as linhas não nulas. Obs. O item 3- nos diz que as matrizes escalonadas reduzidas tem zeros abaixo da diagonal, isto é, tem a forma ∗ ∗ . . . ∗ ∗ 0 ∗ . . . ∗ ∗ 0 0 . . . ∗ ∗ 0 0 . . . ∗ ∗ 0 0 . . . 0 ∗ � Exemplo 3.5 1. A matriz A = 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 , é escalonada reduzida. 2. A matriz A = 0 1 0 00 0 1 1 0 0 2 4 , não é escalonada reduzida. De fato, observamos que 0 1 0 00 0 1 1 0 0 2 4 `3−2`2→ `3−−−−−−−−−→ 0 1 0 00 0 1 1 0 0 0 2 1 2 `3→ `3 −−−−−−→ 0 1 0 00 0 1 1 0 0 0 1 `2− `3→ `2−−−−−−−−→ 0 1 0 00 0 1 0 0 0 0 1 , que é escalonada reduzida. 3. A matriz 1 0 0 00 0 1 0 0 0 0 1 , é escalonada reduzida. Em ela bo raç ão 28 Capítulo 3. Operações elementares 4. A matriz 0 . . . 0 0 . . . 0 ... . . . ... 0 . . . 0 , é escalonada reduzida. � Teorema 3.1 Toda matriz A ∈M(m×n) é equivalente por linhas a uma única matriz escalonada reduzida. Demonstração: Seja A ∈M(m×n) uma matriz. Considere o seguinte jogo. 1 - Começamos pela primeira linha. 2 - Se ela for nula, fazemos uma operação elementar que a coloque na parte de baixo da matriz. Se não for, procuramos a primeira entrada não nula e fazemos uma operação elementar para tornar esta entrada igual a 1. O mesmo fazemos com todas as linhas não nulas. 3 - Fazendo novamente operações elementares colocamos as linhas de forma tal que os pivôs apareçam conforme descemos nas linhas, a direita do pivô da linha anterior. 4 - Se na linha de baixo tivermos pivôs abaixo do pivô da primeira linha, fazemos operações elementares entre cada uma destas linhass e a primeira linha para trasladas estes pivôs para outra coluna. 5 - Fixamos a primeira linha e recomeçamos o processo a partir da segunda linha, e assim sucessivamente. Por este método obtemos uma matriz onde todas as linhas nulas estão abaixo e, na parte de cima, os pivôs ocorrem de forma adequada. Agora, só resta zerar as entradas acima de cada pivõ, o que é feito novamente via operações elementares, obtendo uma matriz escalonada reduzida. Observamos que o processo é finito pois a matriz tem finitas entradas. Para ver a unicidade, assuma que A é equivalente por linhas a duas matrizes escalonadas reduzidas B1 e B2. Então B1 e B2 são equivalentes por linhas e portanto B2 é obtido de B1 fazendo operações elementares. Mas estas operações devem ser identidade pois caso contrario B2 não pode estar na sua forma escalonada reduzida. Donde B1 = B2. � O teorema anterior garante que toda matriz é equivalente por linhas a uma matriz escalonada reduzida. Por exemplo vemos que se A é uma matriz de 3×2 então ela é equivalente por linhas a alguma das matrizes abaixo: A1 = 1 00 1 0 0 A2 = 1 00 0 0 0 A3 = 0 10 0 0 0 A4 = 0 00 0 0 0 A5 = 1 k0 0 0 0 , com k ∈ R. Obs. No caso das matrizes quadradas de tamanho n×n, a matriz escalonada reduzida é a identidade In ou possui pelo menos uma linha nula. De fato se B é uma matriz escalonada reduzida quadrada que não é a identidade então temos que para alguma linha o pivô está a direita da diagonal. Por exemplo: 1 0 0 0 · · · ∗ 0 1 ∗ 0 ∗· · · ∗ 0 0 0 1 · · · ∗ 0 0 0 0 . . . ∗ ... ... ... ... . . . ... 0 · · · · · · · · · · · · 0 Segue disto que os pivõs correspondentes as linhas inferiores estão a direita da diagonal. Pelo fato da matriz ser quadrada temos que na linha n não haverá termos não nulos. Em ela bo raç ão4. Matrizes Quadradas Até agora introduzimos o conjunto das matrizes e estudamos as diferentes operações entre estes objetos. Nesta seção pretendemos focar no caso particular das matrizes quadradas. 4.1 Matrizes Quadradas Considere o conjunto das matrizes quadradas de tamanho n×n, isto é, M(n×n). Observamos que M(n×n) comporta-se um pouco como o conjunto de números racionais Q no sentido em que soma e produto de elementos do conjunto produzem elementos do conjunto, mais ainda, existe um elemento neutro para a soma, que é a matriz 0, e um elemento neutro para o produto que é a matriz In. Vimos que, para o caso da soma, sempre podemos achar um inverso aditivo, isto é: dada uma matriz A existe uma matriz −A tal que A+(−A) = 0. Será que o mesmo acontece com o produto?. Ou melhor, dada uma matriz A ∈M(n×n) existe uma matriz B tal que BA = In? Não precisamos ir muito longe para ver que isto não é verdade. De fato no caso n = 2 considere, por exemplo, a matriz A = ( 1 0 0 0 ) . para qualquer matriz B = ( a b c d ) temos que o produto de B com A dá ( a b c d )( 1 0 0 0 ) = ( a 0 c 0 ) 6= ( 1 0 0 1 ) , para qualquer matriz a,b,c,d escolhido. No entanto, é interessante observar o seguinte: Proposição 4.1 Seja A ∈M(n×n). i- Se existe B tal que BA = In então AB = In. ii- Se existe B tal que AB = In então BA = In. iii- Se B e C são tais que AB = In = AC ou BA = In =CA então B =C. Demonstração: Em ela bo raç ão 30 Capítulo 4. Matrizes Quadradas i- Seja B tal que BA = In. Sabemos que B é equivalente por linhas a uma matriz escalonada reduzida, isto é, existem matrizes elementares E1 · · ·Ek tais que C = E1 · · ·EkB é uma matriz escalonada reduzida. Mais ainda C deve ser a identidade pois, caso contrario, teriamos que C possui uma linha nula de onde segue que CA tem uma linha nula e, como CA = E1 · · ·EkBA = E1 · · ·EkIn = E1 · · ·Ek, teriamos que a matriz E1 · · ·Ek tem uma linha nula, o que é impossível. De fato, se isso acontecese a classe de equivalência da matriz identidade teria interseção com a classe de equivalencia de uma matriz escalonada reduzida com linhas nulas o que é um absurdo. Portanto C = In. Como B(In−AB) = BIn− In︷︸︸︷ BA B = B−B = 0 temos que In−AB = In︷ ︸︸ ︷ (E1 · · ·EkB)(In−AB) = E1 · · ·Ek(B−BAB) = E1 · · ·Ek(B−B) = 0, de onde In = AB. ii- Se existe B tal que AB = In então, pelas propriedades da transposta, temos que BtAt = In. O item anterior garante então que AtBt = In ou, aplicando novamente as propriedades da transposta, BA = In. iii- Sejam B e C tais que AB = In = AC então B = BIn = BAC = InC =C. Análogamente o outro caso. � Tudo isso motiva a seguinte definição. Definição 4.1 Uma matriz quadrada A de tamanho (n×n) é dita invertível se existe uma matriz B tal que AB = BA = In. Neste caso, chamamos B de inversa de A e a denotamos por A−1. Corolário 4.1 Seja A uma matriz invertível. Então a inversa é única. Demonstração: Seja A−1 a inversa de A e assuma que existe B tal que AB = BA = In. Então: B = B(AA−1) = (BA)A−1 = A−1. Tem-se ainda que Ek · · ·E1 = A−1, isto é, são as operações elementares feitas na identidade que dão A−1. � � Exemplo 4.1 1. Toda matriz elementar é invertível. De fato se E é a matriz associada a uma operação elementar e E ′ é a matriz elementar associada à operação elementar inversa temos que E ′E = I. 2. Seja A = 1 1 10 1 1 0 0 1 e B = 1 −1 00 1 −1 0 0 1 , então AB = I. Portanto A é invertível. � Em ela bo raç ão 4.1 Matrizes Quadradas 31 Em particular, como consequência da demostração do item i- da Proposição 4.1 temos que A é uma matriz invertível então ela é equivalente por linhas a matriz identidade. Dito de outra forma, existem matrizes elementares E1 · · ·Ek tais que Ek · · ·E1A = In. E se uma matriz é equivalente por linhas a matriz identidade então, Ek · · ·E1A = In dondeEk · · ·E1 = A−1 e portanto A é invertível. Temos provado o seguinte resultado. Corolário 4.2 Uma matriz quadrada é invertível se, e somente se, é equivalente por linhas a matriz identidade. Mais ainda, uma matriz é invertível se ela for produto de matrizes elementares. � Exemplo 4.2 Dada a matriz A = 1 1 11 0 1 0 1 1 . Vamos fazer operações elementares para levar a matriz para a forma escalonada reduzida A = 1 1 11 0 1 0 1 1 `1− `3→ `1−−−−−−−−→ 1 0 01 0 1 0 1 1 `2− `1→ `2−−−−−−−−→ 1 0 00 0 1 0 1 1 `3− `2→ `3−−−−−−−−→ 1 0 00 0 1 0 1 0 `2↔ `3−−−−→ 1 0 00 1 0 0 0 1 = I. Vamos fazer as mesmas operações elementares na identidade. I = 1 0 00 1 0 0 0 1 `1− `3→ `1−−−−−−−−→ 1 0 −10 1 0 0 0 1 `2− `1→ `2−−−−−−−−→ 1 0 −1−1 1 1 0 0 1 `3− `2→ `3−−−−−−−−→ 1 0 −1−1 1 1 1 −1 0 `2↔ `3−−−−→ 1 0 −11 −1 0 −1 1 1 = A−1. De fato 1 1 11 0 1 0 1 1 1 0 −11 −1 0 −1 1 1 = 1 0 00 1 0 0 0 1 . Poderiamos ter feito isto tudo de uma única vez e simultaneamente se colocassemos a identidade ao lado da matriz A e fizessemos as operações elementares nas duas A︷ ︸︸ ︷ 1 1 11 0 1 0 1 1 | | | I︷ ︸︸ ︷ 1 0 0 0 1 0 0 0 1 `1− `3→ `1−−−−−−−−→ 1 0 0 | 1 0 −11 0 1 | 0 1 0 0 1 1 | 0 0 1 `2− `1→ `2−−−−−−−−→ 1 0 0 | 1 0 −10 0 1 | −1 1 1 0 1 1 | 0 0 1 `3− `2→ `3−−−−−−−−→ 1 0 0 | 1 0 −10 0 1 | −1 1 1 0 1 1 | 0 0 1 `2↔ `3−−−−→ 1 0 00 1 0 0 0 1︸ ︷︷ ︸ I | | | 1 0 −1 1 −1 0 1 1 1 ︸ ︷︷ ︸ A−1 . � Em ela bo raç ão 32 Capítulo 4. Matrizes Quadradas Isto fornece um método valiosíssimo para achar a inversa de uma matriz que é o método de Gauss-Jordan. A seguir o descrevemos: Seja A uma matriz invertível dada por A = a11 a12 · · · a1n a21 a22 · · · a2n ... ... . . . ... an1 an2 · · · ann . i- Construa a matriz aumentada [A|In] como segue [A|In] = a11 a12 · · · a1n | 1 0 · · · 0 a21 a22 · · · a2n | 0 1 · · · 0 ... ... . . . ... | ... ... . . . ... an1 an2 · · · ann | 0 0 · · · 1 . ii- Faça operações elementares até levar [A|In] na sua forma escalonada reduzida. 1 0 · · · 0 | b11 b12 · · · b1n 0 1 · · · 0 | b21 b22 · · · b2n ... ... . . . ... | ... ... . . . ... 0 0 · · · 1 | bn1 bn2 · · · bnn . iii- A matriz B = b11 b12 · · · b1n b21 b22 · · · b2n ... ... . . . ... bn1 bn2 · · · bnn . É a inversa de A. Vamos brevemente justificar porque o método funciona. Assuma que A é invertível e sejam E1 · · ·EkA = In e, claramente, A−1 = E1 · · ·Ek. Se multiplicarmos E1 · · ·Ek[A|In] = [E1 · · ·EkA|E1 · · ·EkIn] = [In|E1 · · ·Ek] = [In|A−1]. Como [In|E1 · · ·Ek] é matriz escalonada reduzida associada a [A|In] temos que A−1 está unívocamente determinada. Algumas propriedades da inversa são as seguintes: Proposição 4.2 i- Se A é invertível então A−1 também o é. Mais ainda (A−1)−1 = A. ii- Se A é invertível então (At)−1 = (A−1)t . iii- Se A e B são invertíveis então AB também o é. Mais ainda (AB)−1 = B−1A−1. Demonstração: i- Se A é invertível então AA−1 = A−1A = I portanto A é a inversa de A−1. ii- Se A é invertível então AA−1 = A−1A = I ⇒ (A−1)tAt = At(A−1)t = It = I e portanto (At)−1 = (A−1)t . Em ela bo raç ão 4.1 Matrizes Quadradas 33 iii- De fato (AB)(B−1A−1) = A(BB−1)A−1 = AIA−1 = AA−1 = I. Então AB é invertível e (AB)−1 = B−1A−1. � Em ela bo raç ão Em ela bo raç ão5. Determinante de uma matriz quadrada Neste capítulo vemos a definição de determinante de uma matriz quadrada. O determinante pode ser visto como uma função do espaçõ das matrizes nos reais que satisfaz uma serie de propriedades que a tornam única. 5.1 Determinantes Definição 5.1 Uma função D : M(n×n)→ R é dita n-linear se, satisfaz D a11 · · · a1n ... ... ak1 + cbk1 · · · akn + cbkn ... ... an1 · · · ann = D a11 · · · a1n ... ... ak1 · · · akn ... ... an1 · · · ann + cD a11 · · · a1n ... ... bk1 · · · bkn ... ... an1 · · · ann , para todo 1≤ k ≤ n. � Exemplo 5.1 Sejam `1, . . . , `n inteiros positivos e menores ou iguais do que n e b ∈ R. A função D : M(n×n)→ R definida por D(A) = b([A]1`1 · · · [A]n`n). Em ela bo raç ão 36 Capítulo 5. Determinante de uma matriz quadrada é n-linear. De fato, para todo 1≤ k ≤ n, temos D a11 · · · a1n ... ... ak1 + cbk1 · · · akn + cbkn ... ... an1 · · · ann = b(a1`1 · · ·(ak`k + cbk`k) · · ·an`n) = b(a1`1 · · ·ak`k · · ·an`n)+ cb(a1`1 · · ·cbk`k · · ·an`n) = D a11 · · · a1n ... ... ak1 · · · akn ... ... an1 · · · ann + cD a11 · · · a1n ... ... bk1 · · · bkn ... ... an1 · · · ann . � Lema 5.1 Dadas D1, . . . ,Dk funções n−lineares e b1, . . . ,bk ∈ R. A função D = b1D1 + · · ·+bkDk, é n−linear. Demonstração: De fato, D a11 · · · a1n ... ... ak1 + cbk1 · · · akn + cbkn ... ... an1 · · · ann = b1D1 a11 · · · a1n ... ... ak1 + cbk1 · · · akn + cbkn ... ... an1 · · · ann + · · ·+bkDk a11 · · · a1n ... ... ak1 + cbk1 · · · akn + cbkn ... ... an1 · · · ann = b1D1 a11 · · · a1n ... ... ak1 · · · akn ... ... an1 · · · ann + · · ·+ cb1D1 a11 · · · a1n ... ... bk1 · · · bkn ... ... an1 · · · ann + · · ·+bkDk a11 · · · a1n ... ... ak1 · · · akn ... ... an1 · · · ann + cbkDk a11 · · · a1n ... ... bk1 · · · bkn ... ... an1 · · · ann = D a11 · · · a1n ... ... ak1 · · · akn ... ... an1 · · · ann + cD a11 · · · a1n ... ... bk1 · · · bkn ... ... an1 · · · ann . Em ela bo raç ão 5.1 Determinantes 37 � Definição 5.2 Uma função n linear é alternada se D(A) = 0 sempre que duas lineas de A sejam iguais. Corolário 5.1 Seja D alternada e assuma que A′ é obtida de A de intercambiar duas lineas então D(A′) = −D(A). Demonstração: Se D é alternada, então para quaisquer l e k temos 0=D a11 · · · a1n ... ... ak1 +al1 · · · akn +aln ... ... ak1 +al1 · · · akn +aln ... ... an1 · · · ann =D a11 · · · a1n ... ... ak1 · · · akn ... ... ak1 +al1 · · · akn +aln ... ... an1 · · · ann +D a11 · · · a1n ... ... al1 · · · aln ... ... ak1 +al1 · · · akn +aln ... ... an1 · · · ann = D a11 · · · a1n ... ... ak1 · · · akn ... ... ak1 · · · akn ... ... an1 · · · ann +D a11 · · · a1n ... ... ak1 · · · akn ... ... al1 · · · aln ... ... an1 · · · ann +D a11 · · · a1n ... ... al1 · · · aln ... ... ak1 · · · akn ... ... an1 · · · ann +D a11 · · · a1n ... ... al1 · · · aln ... ... al1 · · · aln ... ... an1 · · · ann = 0+D a11 · · · a1n ... ... ak1 · · · akn ... ... al1 · · · aln ... ... an1 · · · ann +D a11 · · · a1n ... ... al1 · · · aln ... ... ak1 · · · akn ... ... an1 · · · ann +0. Portanto D a11 · · · a1n ... ... ak1 · · · akn ... ... al1 · · · aln ... ... an1 · · · ann =−D a11 · · · a1n ... ... al1 · · · aln ... ... ak1 · · · akn ... ... an1 · · · ann . � Definição 5.3 Uma função D : M(n× n)→ R é chamada de função determinante se ela é uma função n-linear, alternada tal que D(I) = 1 para I matriz identidade. Em ela bo raç ão 38 Capítulo 5. Determinante de uma matriz quadrada � Exemplo 5.2 Seja D uma função n−linear alternada e A uma matriz em M(2×2) então D ( a b c d ) = D ( a+0 0+b 0+ c d +0 ) = D ( a 0 0+ c d +0 ) +D ( 0 b 0+ c d +0 ) = D ( a 0 0 d ) +D ( a 0 c 0 ) +D ( 0 b 0 d ) +D ( 0 b c d ) = adD ( 1 0 0 1 ) +acD ( 1 0 1 0 ) +bdD ( 0 1 0 1 ) + cdD ( 0 1 1 0 ) = adD ( 1 0 0 1 ) +0+0+ cdD ( 0 1 1 0 ) = (ad +(−cd))D ( 1 0 0 1 ) . Portanto existe uma única função determinante D para matrizesem M(2×2) e é dada por D ( a b c d ) = ad−bc. Isto provém do fato de que a função determinante satisfaz D ( 1 0 0 1 ) = 1. � Definição 5.4 Se n> 1 e A é uma matriz em M(n×n) denotamos por A(i| j) a matriz em M((n−1)×(n−1)) que é obtida de A apagando-se a linha i e a coluna j. Isto é, se A = a11 · · · a1 j−1 a1 j a1 j+1 · · · a1n ... ... ... ... ... ... ... ai−11 · · · ai−1 j−1 ai−1 j ai−1 j+1 · · · ai−1n ai1 · · · ai j−1 ai j ai j+1 · · · ain ai+11 · · · ai+1 j−1 ai+1 j ai+1 j+1 · · · ai+1n ... ... ... ... ... ... ... an1 · · · an j−1 an j an j+1 · · · ann então A(i| j) = a11 · · · a1 j−1 a1 j+1 · · · a1n ... ... ... ... ... ... ai−11 · · · ai−1 j−1 ai−1 j+1 · · · ai−1n ai+11 · · · ai+1 j−1 ai+1 j+1 · · · ai+1n ... ... ... ... ... ... an1 · · · an j−1 an j+1 · · · ann . Se D é uma função n−1-linear denotamos Di jA = D(A(i| j)). Em ela bo raç ão 5.1 Determinantes 39 Teorema 5.1 Seja n > 1 e D uma n− 1-função linear alternada em M((n− 1)× (n− 1)). Para todo j a função E j : M(n×n)→ R definida por E j(A) = n ∑ i=1 (−1)i+ jAi j(Di jA), é uma n-função linear alternada. Mais ainda se D é uma função determinante E j também o é. Demonstração: Seja A uma matriz de tamanho n× n. Então, Di j(A) é independente da i−ésima fila de A e como D é (n−1)linear temos que Di j é (n−1) linear com respeito a qualquer linha de A diferente de i. Então Ai jDi jA é n linear por um resultado acima. Como a soma e produto por escalar de funções n−lineares é n−linear temos que E j definida como acima é n−linear. Assuma que A tem duas linhas iguais. Observamos que é suficiente supor que as linhas são adjacentes. Então assuma que a linha k é igual à linha k+1. Se i 6= k, k+1, a matriz A(i| j) tem duas linhas iguais e Di j(A) = 0. Portanto E j(A) = (−1)k+ jAk jDk j(A)+(−1)k+1+ jA(k+1) jD(k+1) j(A). Mas como Ak j = A(k+1) j e A(k| j) = A(k+1| j) temos que E j(A) = 0. Se D é uma função determinante e I é a identidade de tamanho n×n, então I( j| j) é a identidade de tamanho (n−1)× (n−1) e como Ii j = { 1 se i = j 0 se i 6= j , segue que E j(I) = D(I( j| j)) = 1. � Corolário 5.2 Existe uma função determinante em M(n×n). Demonstração: Sabemos que existe a função determinante em matrizes de 1×1 definida por det(a) = a e para matrizes de tamanho 2×2, definida pelo exemplo 5.2, em que det ( a b c d ) = ad−bc. Utilizando o teorema anterior definimos a função determinante para matrizes de tamanho n×n por meio do seguinte esquema i- Se n = 1 então A = (a) donde det(A) = a. ii- Se n > 1 então det(A) = (−1)i+ jai1 det(A(i|1))+ · · ·+(−1)i+nain det(A(i|n)), ou equivalentemente det(A) = (−1) j+1a1 j det(A(1| j))+ · · ·+(−1) j+nan j det(A(n| j)). Para qualquer 1≤ i, j ≤ n escolhidos (vamos ver na próxima seção que de fato é independente da escolha de i ou j). A primeira fórmula corresponde ao cálculo do determinante com respeito à coluna j e a segunda corresponde ao cálculo de determinante com respeito a linha i. Observamos que a fórmula assim obtida dá uma função determinante, isto em virtude do teorema 5.1 De fato, vejamos que para n = 2 temos a função D obtida no exemplo 5.2. Para isto, seja A ∈M(2×2) dada por A = ( a11 a12 a21 a22 ) , Em ela bo raç ão 40 Capítulo 5. Determinante de uma matriz quadrada escolhemos calcular o determinante com respeito a linha 1. Então det(A) = (−1)1+1a11 det((a22))+(−1)1+2a12 det((a21)) = a11a22−a12a21. Mostramos agora como funciona a recursão fazendo as contas para n = 3 seja A ∈M(3×3) dada por A = a11 a12 a13a21 a22 a23 a31 a32 a33 . Escolhemos calcular novamente o determinante com respeito a linha 1 e vamos utilizar a formula achada para o cálculo de determinantes de matrizes de tamanho 2 × 2. Assim det(A) = (−1)1+1a11 det ( a22 a23 a32 a33 ) +(−1)1+2a12 det ( a21 a23 a31 a33 ) +(−1)1+3a13 det ( a21 a22 a31 a32 ) = a11 ( a22a33−a23a32 ) +a12 ( a21a33−a23a31 ) +a13 ( a21a32−a32a22 ) . Portanto a função det assim definida é uma função determinante. � Obs. Para simplificar a notação é definido o cofator da entrada ai j da matriz A de tamanho n×n como o número āi j obtido por āi j = (−1)i+ j det(A(i| j)). Com esta notação, a formula para o cálculo do determinante fica det(A) = ai1ãi1 + · · ·+ainãin, ou equivalentemente det(A) = a1 jã1 j + · · ·+an jãn j. � Exemplo 5.3 Vamos mostrar como calcular o determinante de uma matriz utilizando a fórmula acima. Calculamos o determinante da matriz abaixo a partir da terceira linha. det 1 0 1 1 0 1 2 1 1 0 1 3 −1 1 −1 1 = (−1)(1+1)(1)det 0 1 11 2 1 1 −1 1 +(−1)(1+2)(0)det 1 1 10 2 1 −1 −1 1 +(−1)(1+3)(1)det 1 0 10 1 1 −1 1 1 +(−1)(1+4)(3)det 1 0 10 1 2 −1 1 −1 Portanto, precisamos calcular os seguintes Em ela bo raç ão 5.2 Determinante via permutações 41 det 0 1 11 2 1 1 −1 1 = 0+(−1)(1+2)(1)det( 1 1 1 1 ) +(−1)(1+3)(1)det ( 1 2 1 −1 ) = 0+(−1×0)+(1×−3) =−3. det 1 0 10 1 1 −1 1 1 = (−1)1+1(1)det( 1 1 1 1 ) +0+(−1)1+3(1) ( 0 1 −1 1 ) = 0+0+1 = 1. det 1 0 10 1 2 −1 1 −1 = (−1)1+1(1)det( 1 2 1 −1 ) +0+(−1)1+3 det ( 0 1 −1 1 ) = (1×−3)+0+(1×1) =−2. Substituindo temos, det 1 0 1 1 0 1 2 1 1 0 1 3 −1 1 −1 1 = (1×−3)+0+(1×1)+(−3×−2) = 4. � 5.2 Determinante via permutações Nesta seção vamos mostrar que a função determinante definida na seção anterior é única e independente da escolha da coluna ou linha escolhida. Também vamos mostrar um método mais simples para o cálculo do mesmo. Seja e j ∈M(1×n) a matriz linha definida por e j = (0, . . . ,0, j︷︸︸︷ 1 ,0, . . . ,0) onde o número 1 está na posição j. Com esta notação temos que todam matriz linha α = (a1, . . . ,an) em M(1×n) pode ser escrita da forma (a1, . . . ,an) = a1(1,0, . . . ,0)+ · · ·+an(0, . . . ,0,1) ou, equivalentemente α = n ∑ i=1 aiei. Em ela bo raç ão 42 Capítulo 5. Determinante de uma matriz quadrada Portanto, para toda função n-linear D em M(n×n) temos D(A) = D ( n ∑ i1=1 [A]1i1ei1 ,α2, . . . ,αn ) = n ∑ i1=1 [A]1i1 ∗D ( ei, n ∑ i2=1 [A]2i2ei2 , . . . ,αn ) = n ∑ i1,i2=1 [A]1ii ∗ [A]2i2D(ei1 ,ei2 , . . . ,αn) ... = n ∑ i1,...,in=1 ([A]1ii ∗ . . .∗ [A]nin)D ei1... ein . Se pedimos que D seja alternada temos que os termos dos produtos que involvem D ei1... ein , onde ei j = eik para algum k e j, são identicamente nulos. Definição 5.5 Uma n-upla de inteiros positivos (i1, . . . , in) tais que 1≤ i j ≤ n para todo j = 1 . . .n e i j 6= ik para todos j e k é chamada uma permutaão de grau n do conjunto (1, . . . ,n). Assim, uma permtação é definida como uma função bijetora σ : {1, . . . ,n} → {1, . . . ,n}. Uma tal função define uma n-upla (σ1, . . . ,σn) e é por tanto uma regra para reorganizar os elementos 1,2, . . . ,n de alguma forma definida. Em particular se σ(1, . . . ,n) = (σ1, . . . ,σn) então σ(i) = σi ∀ i ∈ {1, . . . ,n}. Um fato básico em permutações é o seguinte: Toda permutação σ pode ser obtida de uma suceção de intercambio de pares. Esta suceção pode ser de diferentes formas mas o número de intercambio de pares utilizados é sempre sempre par ou impar e isto depende somente da permutação. Definição 5.6 Uma permutação σ : {1, . . . ,n}→ {1, . . . ,n} é dita • par se o número de intercambios utilizado for par. • impar se o número de intercámbios utilizados for impar. O sinal da permutação sigma será sinal(σ) = { 1 se σ par −1 se σ impar . � Exemplo 5.4 • A permutação σ = (1,3,4,2,5) é par pois pode ser vista como composta dos seguintes intercâmbios de pares σ1 : (1,2,3,4,5)→ (1,3,2,4,5), σ2 : (1,2,3,4,5)→ (1,2,4,3,5). Então σ = σ2 ◦σ1(1,2,3,4,5) = σ2(1,3,2,4,5) = (1,3,4,2,5). Em ela bo raç ão 5.2 Determinante via permutações 43 • A permutação σ = (3,2,1) é impar pois pode ser vista como composta dos seguintes intercâmbios de pares σ1 : (1,2,3)→ (2,1,3) σ2 : (1,2,3)→ (1,3,2), da seguinte forma, σ = σ1 ◦σ2 ◦σ1(1,2,3) = σ1 ◦σ2(2,1,3) = σ1(2,3,1) = (3,2,1). � Podemosentão escrever D(A) = n ∑ i1,...,in=1 ([A]1ii ∗ . . .∗ [A]nin)D ei1... ein = ∑ diferentes permutações σ ([A]1σ(1) ∗ . . .∗ [A]nσ(n))D eσ(1)... eσ(n) pois os termos com ei j = eik cancelam e só restam aqueles que são um reordenamento de {1, . . . ,n} isto é, as permutações. Por otro lado, pelo fato de D ser alternada, temos que D eσ(1)... eσ(n) = sinal(σ)D e1... en . Portanto podemos escrever D(A) = ∑ diferentes permutações σ (sinal(σ)([A]1σ(1) ∗ . . .∗ [A]nσ(n))D(e1, . . . ,en) . ou D(A) = ( ∑ diferentes permutações σ (sinal(σ)∗ [A]1σ(1) ∗ . . .∗ [A]nσ(n)) ) D(I). Se denotamos por det(A) a det(A) = ∑ diferentes permutações σ (sinal(σ)∗ [A]1σ(1) ∗ . . .∗ [A]nσ(n)). temos mostrado o seguinte resultado. Teorema 5.2 Existe uma unica função determinante em M(n× n) definida por det(A). Mais ainda, toda função n-linear alternada D em M(n×n) satisfaz D(A) = det(A)D(I). Obs. Como consequência deste teorema temos que o determinante pode ser visto como um polinômio nas entradas da matriz. Em ela bo raç ão 44 Capítulo 5. Determinante de uma matriz quadrada � Exemplo 5.5 Vamos ver como obter a fórmula do determinante para uma matriz de tamanho 2×2 com este formalismo. Primeiramente observamos que para n = 2 temos duas permutações σ(1,2) = (1,2) com sinal(σ) = 1 λ (1,2) = (2,1) com sinal(λ ) =−1 Então, se A = ( a11 a12 a21 a22 ) temos que det(A) = sinal(σ)a1σ(1)a2σ(2)+ sinal(λ )a1λ (1)a2λ (2) = a11a22−a12a21. � Corolário 5.3 Se D é uma função determinante as E j são todas iguais. Dito de outra forma, o cálculo do determinante não depende da escolha da línea ou coluna. Teorema 5.3 Sejam A e B matrizes em M(n×n) então det(AB) = det(A)det(B). Demonstração: Fixamos B e definimos D(A) = det(AB). É simples ver que D é n- linear e alternada. Portanto, por um resultado acima temos que D(A) = det(A)D(I), mas D(I) = det(IB) = det(B). � Proposição 5.1 det(At) = det(A). det(A) = n ∑ i=1 (−1)i+ j[A]i jdet(A(i| j)). Demonstração: A primeira identidade segue de det(At) = ∑ σ (sinal(σ))[A]σ1,1 . . . [A]σn,n = ∑ σ (sinal(σ−1))[A]1,σ−11 . . . [A]n,σ−1n . A segunda provem do fato de que todas as funções alternadas E j são funções determinante. � Em ela bo raç ão 5.2 Determinante via permutações 45 A fórmula vista para o determinante permite o cálculo do determinante de qualquer matriz de tamanho n×n, porém tem um grande defeito que é o volume de contas a fazer. Já no caso 4×4 temos que calcular o determinante de 4 matrizes de tamanho 3×3 o que resulta em muito trabalho. A ideia então é obter, a partir da definição de determinante, um método mais simples para o cálculo. � Exemplo 5.6 1. Uma matriz A de tamanho n×n que possui uma linha ou uma coluna nula tem determi- nante igual a 0. De fato, se calculamos o determinante a partir desta linha ou coluna obtemos que cada término é 0. 2. Seja A uma matriz triangular superior, isto é uma matriz da forma A = a11 a12 a13 · · · a1n 0 a22 a23 · · · a2n 0 0 a33 · · · a3n ... ... . . . ... 0 0 0 · · · ann . Então det(A) = a11a22 · · ·ann. Provamos isso por indução. Claramente vale para matrizes de tamanho 2×2. Assuma como válido para matrizes de tamanho n×n, vamos mostrar o caso (n+1)× (n+1). Para isto calculamos o determinante com respeito a primeira coluna e obtemos det(A) = a11 a12 a13 · · · a1n+1 0 a22 a23 · · · a2n+1 0 0 a33 · · · a3n+1 ... ... . . . ... 0 0 0 · · · an+1n+1 = (−1)1+1a11 det a22 a23 · · · a2n+1 0 a33 · · · a3n ... . . . ... 0 0 · · · an+1n+1 +0. Agora, utilizando a hipótese indutiva temos det(A) = a11a22 · · ·an+1n+1. Como queriamos mostrar. � Teorema 5.4 Seja E uma matriz elementar. i- Se B é uma matriz obtida a partir de multiplicar uma linha da In por um escalar λ 6= 0 então det(B) = λ . ii- Se B é uma matriz obtida a partir de trocar duas linhas de In, então det(B) =−1. iii- Se B é uma matriz obtida a partir de adicionar a uma linha de In um multiplo escalar de outra linha de In então det(B) = 1. Demonstração: Consequência direta do teorema anterior e do fato det(In) = 1. � Portanto se B é obtida de A e de fazer uma operação elementar E então temos que det(B) = det(E)det(A). Inductivamente podemos provar que se B = E1 · · ·EkA, para E1 · · · ,Ek matrizes elementares então det(B) = det(E1) · · ·det(Ek)det(A). Em ela bo raç ão 46 Capítulo 5. Determinante de uma matriz quadrada Teorema 5.5 Seja A uma matriz de tamanho n×n. i- Se B é uma matriz obtida a partir de multiplicar uma linha de A por um escalar λ 6= 0 então det(B) = λ det(A). ii- Se B é uma matriz obtida a partir da troca de duas linhas de A então det(B) =−det(A). iii- Se B é uma matriz obtida a partir de adicionar uma linha de A um múltiplo escalar de outra linha de A, então det(B) = det(A). Demonstração: Segue do teorema anterior e de utilizar a propriedade det(AB) = det(A)det(B). � Juntando todo o visto até agora temos que para calcular determinates, podemos utilizar as seguintes propriedades: 1. det(I) = 1. 2. det(At) = det(A). 3. Se A é uma a matriz triangular superior de tamanho n×n então det(A) = det a11 a12 a13 · · · a1n 0 a22 a23 · · · a2n 0 0 a33 · · · a3n ... ... . . . ... 0 0 0 · · · ann = a11a22 · · ·ann. 4. Se A tem linha nula então det(A) = 0. 5. Se B é uma matriz obtida a partir de multiplicar uma linha de A por um escalar λ 6= 0 então det(B) = λ det(A). 6. Se B é uma matriz obtida a partir da troca de duas linhas de A então det(B) =−det(A). 7. Se B é uma matriz obtida a partir de adicionar uma linha de A um múltiplo escalar de outra linha de A, então det(B) = det(A). � Exemplo 5.7 Vamos ver como estas propriedades funcionam com um exemplo. Calculando det(A) para A = 1 0 1 1 1 1 0 0 0 2 0 1 0 0 1 2 Em ela bo raç ão 5.3 Adjunta de uma matriz quadrada 47 Começamos fazendo operações elementares sobre A até leva-lá numa matriz triangular superior. A = 1 0 1 1 1 1 0 0 0 2 0 1 0 0 1 2 `2− `1→ `2−−−−−−−−→ A2 = 1 0 1 1 0 1 −1 −1 0 2 0 1 0 0 1 2 `3−2`2→ `3−−−−−−−−−→ A3 = 1 0 1 1 1 1 −1 −1 0 0 2 3 0 0 1 2 `4− 12`3→ `4−−−−−−−−−→ A4 = 1 0 1 1 0 1 −1 −1 0 0 2 3 0 0 0 1/2 Como det(A4) = 1×1×2× 12 = 1 e det(A) = det(A2) = det(A3) = det(A4) temos det(A) = 1. � Corolário 5.4 Seja A uma matriz e B sua forma escalonada reduzida. Sejam E1 · · ·Ek as matrizes elementares tais que B = E1 · · ·EkA. Então B 6= I se det(A) = 0. Caso contrário det(A) = 1 det(E1) · · ·det(Ek) . Demonstração: Se B não é a identidade então necessariamente tem uma linha nula. Portanto det(B) = 0. Utilizando que det(B) = det(E1) · · ·det(Ek)det(A). Temos que se B 6= I então det(A) = 0 e se B = I, det(A) = 1 det(E1) · · ·det(Ek) . � Corolário 5.5 Uma matriz quadrada A é invetível se, e somente se, det(A) 6= 0. Demonstração: Segue do resultado anterior e do fato que uma matriz é invertível se, e somente se é equivalente por linhas a identidade. � Finalizamos esta seção observando o seguinte diagrama de equivalências A é invertível ks +3 A∼ I det(A) 6= 0 t| 4< 5.3 Adjunta de uma matriz quadrada Seja A uma matriz de tamanho n×n dada por A = a11 · · · a1n... . . . ... an1 · · · ann . Em ela bo raç ão 48 Capítulo 5. Determinante de uma matriz quadrada Lembramos que o cofator da entrada ai j é o número ãi j = (−1)i+ j det(A(i| j)) = (−1)i+ j det a11 · · · a1 j−1 a1 j+1 · · · a1n ... ... ... ... ... ... ai−11 · · · ai−1 j−1 ai−1 j+1 · · · ai−1n ai+11 · · · ai+1 j−1 ai+1 j+1 · · · ai+1n ... ... ... ... ... ... an1 · · · an j−1 an j+1 · · · ann . Definição 5.7 A matriz adjunta de A, que denotamos por ad j(A), é a matriz ad j(A) = ã11 · · · ã1n... . . . ... ãn1 · · · ãnn t , isto é, a transposta da matriz formada pelos cofatores. � Exemplo 5.8 1. Seja A = ( a b c d ) ⇒ ad j(A) = ( d −c −b a )t = ( d −b −c a ) . Observamos que A ad j(A) = ( a b c d )( d −b −c a ) = ( ad−bc 00 ad−bc ) = (ad−bc) ( 1 0 0 1 ) = det(A) ( 1 0 0 1 ) . 2. Seja A = 1 0 10 1 1 1 1 0 . ã11 = (−1)1+1 det ( 1 1 1 0 ) ã12 = (−1)1+2 det ( 0 1 1 0 ) ã13 = (−1)1+3 det ( 0 1 1 1 ) ã21 = (−1)2+1 det ( 0 1 1 0 ) ã22 = (−1)2+2 det ( 1 1 1 0 ) ã23 = (−1)2+3 det ( 1 0 1 1 ) ã31 = (−1)3+1 det ( 0 1 1 1 ) ã32 = (−1)3+2 det ( 1 1 0 1 ) ã33 = (−1)3+3 det ( 1 0 0 1 ) . Calculando temos, ã11 =−1 ã12 = 1 ã13 =−1 ã21 = 1 ã22 =−1 ã23 =−1 ã31 =−1 ã32 =−1 ã33 = 1 Então, ad j(A) = −1 1 −11 −1 −1 −1 −1 1 t = −1 1 −11 −1 −1 −1 −1 1 . Em ela bo raç ão 5.3 Adjunta de uma matriz quadrada 49 Observamos que, ad j(A) ·A = −1 1 −11 −1 −1 −1 −1 1 1 0 10 1 1 1 1 0 = −2 0 −00 −2 −0 0 0 2 =−2 1 0 00 1 0 0 0 1 . E que det(A) = 1× (−1)2 det ( 1 1 1 0 ) +0+1× (−1)1+3 det ( 0 1 1 1 ) =−1−1 =−2. � A Propriedade fundamental da matriz adjunta é que fornece uma fórmula para a inversa de A. Isto é o enunciado do seguinte teorema. Teorema 5.6 Seja A uma matriz de n×n. Então A(ad j(A)) = det(A)In. Mais ainda, se A é invertível, então A−1 = 1 det(A) ad j(A). Demonstração: A entrada i j do produto A(ad j(A)) é dada por ai1ã j1 + · · ·+ainã jn Decorre da definição que se i = j então ai1ã j1 + · · ·+ainã jn = detA Se i 6= j então ai1ã j1 + · · ·+ainã jn = 0 pois é o determinante da matriz obtida de A substituindo a linha j pela linha i. Isto é, o determinante da matriz: A = a11 · · · a1n ... ... ai1 · · · ain ... ... ai1 · · · ain ... ... ai1 · · · ain ← i ← j respeito da linha i. � Em ela bo raç ão Em ela bo raç ão6. Sistema de equações linerares Neste capítulo consideramos o problema de achar n escalares x1, · · · ,xn ∈R que satisfazem as seguintes equações: (1) a11x1 + a12x1 + · · · + a1nxn = b1 a21x1 + a22x2 + · · · + a2nxn = b2 ... am1x1 + am2x2 + · · · + amnxn = bm , onde os ai j ′s e b j ′s são números em R. Chamamos a este conjunto de equações de sistema linear de m equações com n incognitas. Em particular, um sistema linear é dito homogêneo se b1 = b2 = · · ·= bm = 0, isto é, a11x1 + a12x1 + · · · + a1nxn = 0 a21x1 + a22x2 + · · · + a2nxn = 0 ... am1x1 + am2x2 + · · · + amnxn = 0 , Definição 6.1 Uma n-upla (c1, · · · ,cn) é dita uma solução do sistema se, ao substituir xi = ci em cada uma das equações acima, são satisfeitas as identidades. O conjunto solução é o conjunto de todas as n-uplas que são solução do sistema. Nem sempre é possível garantir a existência de solução. De fato vamos ver depois que alguns sistemas lineares não tem solução. Outros, no entanto, admitem infinitas soluções. Em particular: Corolário 6.1 Todo sistema homogêneo admite pelos menos uma solução. Demonstração: De fato, a solução x1 = 0, · · · ,xn = 0 resolve o sitema linear homogêneo. � Em ela bo raç ão 52 Capítulo 6. Sistema de equações linerares Procuramos então um método prático para achar ou garantir a existência de soluções para sistemas lineares. Para isto, começamos observando que podemos reescrever o sistema (1) em notação matricial como AX = B, onde A = a11 a12 . . . a1n a21 a22 . . . a2n ... ... . . . ... am1 am2 . . . amn X = x1 x2 ... xn B = b1 b2 ... bn . Nesta notação podemos dizer que uma n-upla (c1, · · · ,c2) é solução do sistema linear (1) se a11 a12 . . . a1n a21 a22 . . . a2n ... ... . . . ... am1 am2 . . . amn c1 c2 ... cn = b1 b2 ... bn , isto é, ao fazer o produto da matriz A com a matriz C = c1 c2 ... cn , obtemos B. A dificuldade em resolver o sistema linear radica na complexidade da matriz A. Em principio, quanto menos entradas não nulas possua a matriz A mais difícil será resolver o sistema linear. Assim, para resolver o sistema, procuramos um método que me elimine o maior número possível de entradas não nulas. Este é o coração da técnica de eliminação de parámetros que ilustramos com o seguinte exemplo. � Exemplo 6.1 Considere o sistema{ x1 + 2x2 + x3 = 0 x1 + 2x2 + x3 = 0 ou, em notação matricial ( 1 2 1 1 1 1 ) x1x2 x3 = ( 0 0 ) . Se fazemos a primeira equação menos a segunda temos que x2 = 0. Substituindo agora na segunda equação, tiramos x1 + x3 = 0. Portanto, resolver este sistema torna-se equivalente a resolver o sistema{ x1 + x3 = 0 x2 = 0 , ou, em notação matricial ( 1 0 1 0 1 0 ) x1x2 x3 = ( 0 0 ) . Observe que a diferença fundamental aqui é que, no segundo caso, estamos com uma matriz escalonada reduzida!. � Em ela bo raç ão 53 � Exemplo 6.2 Vamos obter os coeficientes estequiométricos para o balanceamento da equação xC6H6 + yO2→ zCO2 +wH2O. Comparando a quantidade de átomos, temos o seguinte sistema 6x = z 6x = w 2y = 2z+w ⇒ 6x −z = 0 6x −w = 0 2y −2z −w = 0 . Escrito na linguagem de matrizes fica, 6 0 −1 06 0 0 −1 0 2 −2 −1 x y z w = 0 0 0 0 . O conjunto solução é S = {(x/3,5x/2,2x,x),x∈R} donde a solução para x= 6 é dada por (2,15,12,6). Portanto a equação balanceada é 2C6H6 +15O2→ 12CO2 +2H2O. Podemos fazer o mesmo com xH2+yO2→ zH2O para obter que o balanceamento é dado por 2H2+O2→ 2H2O. � Seja então AX = B um sistema linear e considere E1 · · ·EkA = D as operações elementares que me levam A na sua forma escalonada reduzida D, isto é E1 · · ·EkA = D. Multiplicando aos dois lados da igualdade AX = B, por E1 · · ·Ek obtemos um novo sistema, isto é E1 · · ·EkAX = E1 · · ·EkB→ DX = B̃, para B̃ = E1 · · ·EkB, que é muito mais simples de resolver que o sistema original pois D tem uma quantidade maior de entradas nulas do que A. Mais ainda, temos o seguinte resultado. Teorema 6.1 O sistema AX = B e o sistema DX = B̃ tem o mesmo conjunto solução. Demonstração: Lembramos que E1 · · ·EkA = D e E1 · · ·EkB = B̃, para E1, . . . ,Ek matrizes elementares. Seja S uma solução do sistema AX = B então AS = B. Então DS = (E1 · · ·EkA)A = E1 · · ·Ek(AS) = E1 · · ·Ek(AS) = E1 · · ·EkB = B̃ Em ela bo raç ão 54 Capítulo 6. Sistema de equações linerares Por outro lado, assuma que S̃ é solução de DX = B̃ Sejam E ′1, · · · ,E ′k as matrizes elemetares inversas de E1 · · ·Ek AS̃ = (E ′k · · ·E ′1E1 · · ·EkA)S̃ = E ′k · · ·E ′1(E1 · · ·EkA)S̃ = E ′k · · ·E ′1DS̃ = E ′k · · ·E ′1B̃ = E ′k · · ·E ′1(E1 · · ·EkB) = (E ′k · · ·E ′1E1 · · ·Ek)B. � Assim temos construído um método para determinar soluções de sistemas lineares, o método de Gauss- Jordan, e que passamos a descrever: Considere o sistema de equações lineares a11 a12 . . . a1n a21 a22 . . . a2n ... ... . . . ... am1 am2 . . . amn x1 x2 ... xn = b1 b2 ... bn . i- Construa a matriz a11 a12 . . . a1n | b1 a21 a22 . . . a2nn | b2 ... ... . . . ... | ... am1 am2 . . . amn | bm . ii- Faça operações elementares na matriz até levar a parte correspondente a A na sua forma escalonada reduzida M̃ = [D|B̃]. iii- Resolva, se possível, DX = B̃ iv- O conjunto solução de DX = B̃ é igual ao conjunto solução de AX = B. Explicamos brevemente por que o método funciona. Se E1 · · ·Ek são operações elementares que levam A na sua forma escalonada reduzida, tiramos que E1 · · ·Ek[A|B] = [E1 · · ·EkA|B] = [D|B̃], está na forma escalonada reduzida (e que é unívocamente determinada). Os conjuntos solução de AX = B e de DX = B̃ coincidem como consequência do teorema anterior. � Exemplo 6.3 Consideramos o sistema linear x + (a−1)z = 2 −2x + (a2−1)y + (1−a)z = −4 2x + (3a−3)z = 4 , com 3 equações e 3 variáveis onde a ∈ R é um parámetro que podemos ajustar. Vamos estudar para que valores de a o sistema possui solução e como são essas soluções. Construimos a matriz aumentada do sistema e fazemos operações elementares para levá-la na forma escalonada reduzida. 1 0 a−1 | 2−2 a2−1 1−a | −4 2 0 3a−3 | 4 `3−2`1→ `3 `2 +2`1→ `2 −−−−−−−−−−→ 1 0 a−1 | 20 a2−1 a−1 | 0 0 0 a−1 | 0 Em ela bo raç ão 6.1 Estudo de sistemaslineares 55 `1− `3→ `1 `2− `3→ `2 −−−−−−−−−→ 1 0 0 | 20 a2−1 0 | 0 0 0 a−1 | 0 . Portanto se a 6=±1 então o sistema tem solução única igual a S = {(2,0,0)}. Se a = 1 então o sistema inicial é equivalente ao sistema x = 2 0y = 0 −2z = 0 , que tem infinitas soluções S = {(2,y,z),z,y ∈ R2}. Se a =−1 então o sistema inicial é equivalente ao sistema x = 2 0y = 0 −2z = 0 , que tem infinitas soluções S = {(2,y,z),z,y ∈ R2}. Não há valores de a para os quais o sistema não tem solução. � Proposição 6.1 Considere um sistema de equações lineares da forma AX = B. Se S1 6= S2 são duas soluções do sistema, então o sistema admite infinitas soluções. Demonstração: Seja Sρ = ρS1 +(1−ρ)S2 com ρ ∈ R um número qualquer diferente de 0 ou 1. Observamos que Sρ 6= S1 e Sρ 6= S2. Vamos mostrar que Sρ é solução do sistema. De fato ASρ = ρAS1 +(1−ρ)AS2 = ρB+(1−ρ)B = B. � 6.1 Estudo de sistemas lineares Se temos um sistema linear da forma AX = B e aplicamos o método de Gauss-Jordan para resolvé-lo, podemos chegar nos seguintes casos. Caso 1. O sistema tem solução. Depois de aplicar as operações elementares sobre a matriz [A|B] temos que a matriz resultante [D|B̃] não admite linhas da forma (0 · · ·0|k) com k 6= 0. Neste caso o sistema pode ter uma única solução ou infinitas soluções dependendo da matriz escalonada reduzida D. A-) Se a matriz escalonada reduzida não tem colunas sem pivôs então ela é da forma 1 · · · 0 | b̃1 ... . . . ... | ... 0 · · · 1 | b̃n 0 · · · 0 | 0 ... · · · ... | 0 0 · · · 0 | 0 . O sistema, neste caso tem solução única, e igual a S = b̃1... b̃n . Em ela bo raç ão 56 Capítulo 6. Sistema de equações linerares B-) Se a matriz D tem colunas sem pivôs então há mais variáveis do que equações e portanto existem variáveis que podem assumir valores arbitrários. Por exemplo fica uma matriz da forma 1 0 0 0 · · · 0 | b̃1 0 1 0 0 · · · 0 | b̃2 0 0 0 1 · · · 0 | b̃3 ... ... ... . . . ... | ... 0 0 0 0 · · · 1 | b̃k 0 0 0 · · · 0 0 | 0 0 · · · · · · · · · · · · 0 | 0 ... ... ... ... ... ... | ... 0 · · · · · · · · · · · · 0 | 0 . para k < n. Neste caso temos infinitas soluções. Caso 2. O sistema não tem solução. Depois de aplicar as operações elementares sobre a matriz [A|B] temos que a matriz resultante [D|B̃] admite linhas da forma (0, · · · ,0|k) com k 6= 0. Neste caso fica uma equação da forma 0 = k 6= 0, o que constitui uma contradição. � Exemplo 6.4 1. ) Considere o sistema x + y + z = 1 x − z = 2 3x + y − z = 1 . Este sistema não tem solução. De fato, 1 1 1 | 11 0 −1 | 2 3 1 −1 | 1 `3− `1→ `3−−−−−−−−→ 1 1 1 | 11 0 −1 | 2 2 0 −2 | 0 `3−2`2→ `3−−−−−−−−−→ 1 1 1 | 11 0 −1 | 2 0 0 0 | −2 . Assim, o sistema equivalente obtido é x + y + z = 1 x − z = 2 0 = −2 , que não tem solução. 2. ) Vamos procurar a solução do seguinte sistema x + y + z = 1 x − y + z = 1 x + y − z = 0 . Construimos M̃ = 1 1 1 | 11 −1 1 | 1 1 1 −1 | 0 `2− `1→ `1−−−−−−−−→ 1 1 1 | 10 −2 0 | 0 1 1 −1 | 0 Em ela bo raç ão 6.1 Estudo de sistemas lineares 57 `3− `1→ `3−−−−−−−−→ 1 1 1 | 10 −2 0 | 0 0 0 −2 | −1 −1 2 `2→ `2 −−−−−−−→ 1 1 1 | 10 1 0 | 0 0 0 −2 | −1 −1 2 `3→ `3 −−−−−−−→ 1 1 1 | 10 1 0 | 0 0 0 1 | 12 `1− `2→ `1−−−−−−−−→ 1 0 1 | 10 1 0 | 0 0 0 1 | 12 `1− `3→ `1−−−−−−−−→ 1 0 0 | 120 1 0 | 0 0 0 1 | 12 . O sistema equivalente fica x = 12 y = 0 z = −12 . O conjunto soluçao é S = {(1/2,0,−1/2)} 3. ) Se temos um sistema em que a matriz aumentada fica 1 0 1 0 ... 1 0 1 2 0 ... 2 0 0 0 1 ... 3 0 0 0 0 ... 0 ⇒ x + z = 1 y + 2z = 2 w = 3 . Temos infinitas soluções. Mais ainda o conjunto solução é S = {(1− z,2−2z,z,3) ,z ∈ R} . 4. ) Se temos um sistema em que matriz aumentada fica 1 2 0 4 0 | 1 0 0 1 3 0 | 0 0 0 0 0 1 | 1 0 0 0 0 0 | 0 0 0 0 0 0 | 0 ⇒ x + 2y + 4w = 1 z + 3w = 0 v = 1 . Temos infinitas soluções. Mais ainda o conjunto solução é S = {(1−2y−4w,y,−3w,w,1) ,y,w ∈ R} . � Em particular quando tratarmos de um sistema linear homogenêo, o caso 2 nunca acontece. Pois o sis- tema sempre tem solução, de fato a solução trivial (todas as entradas nulas) sempre é solução como vimos anteriormente. Mais ainda, caso exista uma solução não trivial teremos então infinitas soluções. Em ela bo raç ão 58 Capítulo 6. Sistema de equações linerares 6.2 Sistemas com número de incógnitas igual ao número de equações Considere agora um sistema de equações lineares AX = B com um número de incognitas n igual ao número de equações m, isto é, a matriz associada ao sistema é quadrada. Caso a matriz seja equivalente por linhas a identidade teremos que existe A−1 e portanto a solução do sistema é única e da forma S = A−1B. Caso a matriz não seja equivalente por linhas a identidade então teremos que o sistema tem infinitas ou nenhuma solução, dependendo do B. Portanto assuma que depois de fazer operações elementares sobre as linhas da matriz aumentada ficamos com uma matriz escalonada reduzida M̃ = 1 0 · · · 0 ∗ ∗ 0 0 0 | b1 0 1 · · · 0 ∗ ∗ 0 0 0 | b2 ... . . . 0 ∗ ∗ 0 0 0 | ... 0 1 ∗ ∗ 0 0 0 | bk−3 0 · · · 0 · · · 0 1 0 0 | bk−2 0 · · · 0 · · · 0 0 1 0 | bk−1 0 · · · 0 · · · 0 0 0 1 | bk 0 · · · 0 · · · 0 0 0 0 | bk+1 ... ... ... ... ... ... ... ... | ... 0 · · · 0 · · · 0 0 0 0 | bn . • Se bk+1 = · · ·= bn = 0 temos um sistema com infinitas soluções e que possui n− k variáveis livres. • Se bk+1 6= 0 então o sistema não tem solução. Proposição 6.2 Seja AX = B um sistema de equações lineares com número de incógnitas igual ao número de equações. O sistema tem solução única se, e somente se, det(A) 6= 0. Demonstração: Se det(A) 6= 0 então a matriz do sistema possui inversa, donde a solução é unica. Se o sistema possui solução única então não existem variáveis livres, de onde segue que cada coluna da matriz escalonada reduzida associada a A tem pivô. Portanto é a identidade. Então A é equivalente por linhas a identidade e consequêntemente invertível e com det(A) 6= 0. � Temos assim as seguintes equivalências para matrizes quadradas. A é invertível ks +3KS �� A∼ InKS �� det(A) 6= 0 ks +3 AX = B tem solução única Um método interessante para resolver este tipo de sistemas de equações lineares é fornecido pela regra de Cramer. Teorema 6.2 (Regra de Cramer). Considere o sistema a11 a12 . . . a1n a21 a22 . . . a2n ... ... . . . ... am1 am2 . . . amn x1 x2 ... xn = b1 b2 ... bn , em que A = a11 · · · a1n... · · · ... an1 · · · ann Em ela bo raç ão 6.2 Sistemas com número de incógnitas igual ao número de equações 59 é invertível. Então a solução do sistema é S = (S1, · · · ,Sn), onde S j = 1 det(A) det a11 a12 . . . a1 j−1 b1 a1 j+1 · · · a1n a21 a22 . . . a2 j−1 b1 a2 j+1 · · · ann ... ... ... ... ... ... an1 an2 . . . an j−1 bn an j+1 · · · ann , para todo i = 1 · · ·n. para todo i = 1 · · ·n. Demonstração: Sabemos que a solução do sistema AX = B é dada por S = A−1B. Como A−1 = 1 det(A) ad j(A), S = 1 det(A) ad j(A)B. Portanto a entrada j−ésima é dada por S j = 1 det(A) (b1ã j1 + · · ·+bnã jn) = 1 det(A) det a11 a12 . . . a1 j−1 b1 a1 j+1 · · · a1n a21 a22 . . . a2 j−1 b1 a2 j+1 · · · ann ... ... ... ... ... ... an1 an2 . . . an j−1 bn an j+1 · · · ann . � � Exemplo 6.5 Considere o sistema x + y + z = 0 x − z = 2 x − y = 2 , então A = 1 1 11 0 −1 1 −1 0 e B = 02 2 . det(A) = (−1)det ( 1 1 −1 0 ) +0+(−1)(−1)det ( 1 1 1 −1 ) = −1+(−2) =−3 6= 0. Então é invertível e portanto o sistema tem solução única. Se a solução é S = S1S2 S3 , Em ela bo raç ão 60 Capítulo 6. Sistema de equações linerares temos, da regra de Cramer, que S1 = 1 −3 det 0 1 12 0 −1 2 −1 0 = 1 −3 ( 0+(−1) ·1det ( 2 −1 2 0 ) +1det ( 2 0 2 −1 )) = −1 3 (−2+(−2)) = 4 3 . S2 = −1 3 det 1 0 11
Compartilhar