Baixe o app para aproveitar ainda mais
Prévia do material em texto
Cap´ıtulo 1 Matrizes 1.1 Definic¸a˜o de Matriz Chamamos de Matriz a uma colec¸a˜o de nu´meros dispostos em forma de tabela, isto e´, nu´meros dispostos em linhas e colunas. Dados dois nu´meros inteiros m e n dizemos que uma matriz tem ordem m × n (leˆ-se m por n), quando ela possui m linhas e n colunas. Abaixo temos exemplos de matrizes com a sua ordem indicada: 1 3−1 2 0 4 3×2 , [ 5 √ 3 −6 −1] 1×4 , [ e 3 0 4 ] 2×2 , 79 pi 3×1 , [ 5 ] 1×1 Aos nu´meros da matriz, chamamos de entradas ou elementos da matriz. Cada entrada de uma matriz A e´ representada por dois ı´ndices aij, em que i indica a linha e j indica a coluna em que ele se encontra. Assim, podemos representar uma matriz A gene´rica m×n da seguinte forma: A = a11 a12 a13 · · · a1n a21 a22 a23 · · · a2n ... ... ... ... ... ... ... am1 am2 am3 · · · amn Como voceˆ poˆde notar, usaremos letras maiu´sculas para representar matrizes e letras minu´sculas para representar suas entradas. Representaremos, tambe´m de forma abreviada uma matriz como A = [aij]m×n. Duas matrizes sa˜o consideradas iguais se, e somente se, todas as suas entradas sa˜o iguais. Em notac¸a˜o matema´tica, dadas A = [aij]m×n e B = [bij]m×n, A = B ⇔ aij = bij para todos i = 1, 2, . . . ,m e j = 1, 2, . . . , n. Uma matriz pode ser determinada em func¸a˜o da sua posic¸a˜o como no exemplo seguinte: Exemplo 1.1 Considere a matriz A = [aij]4×3 em que cada elemento e´ dado por aij = i + j. Seguindo esta lei obtemos as entradas a11 = 1 + 1 = 2, a12 = 1 + 2 = 3, a13 = 1 + 3 = 4, a21 = 2 + 1 = 3, a22 = 2 + 2 = 4, a23 = 2 + 3 = 5, a31 = 3 + 1 = 4, a32 = 3 + 2 = 5, a33 = 3 + 3 = 6, a41 = 4 + 1 = 5, a42 = 4 + 2 = 6, a43 = 4 + 3 = 7. 1 CAPI´TULO 1. MATRIZES 2 Assim, a matriz e´ A = 2 3 4 3 4 5 4 5 6 5 6 7 . A lei pode ser dada condicionalmente com relac¸a˜o a` posic¸a˜o. Exemplo 1.2 Considere a matriz B = [bij]3×3 dada por bij = { 0, se i < j ij(−1)i+j, se i ≥ j . Da´ı temos b11 = 1 · 1 · (−1)1+1 = (−1)2 = 1, b12 = 0, b13 = 0 b21 = 2 · 1 · (−1)3 = −2, b22 = 2 · 2 · (−1)4 = 4, b23 = 0 b31 = 3 · 1 · (−1)4 = 3, b32 = 3 · 2 · (−1)5 = −6, b33 = 3 · 3 · (−1)6 = 9. Assim, a matriz e´ B = 1 0 0−2 4 0 3 −6 9 . / Atividade 1.1 Escreva as matrizes A = [aij]2×5 e B = [bij]3×2 de forma que suas entradas satisfac¸am aij = { (−1)j+1 · (i2 + j), se j > i+ 1 j − i, se j ≤ i+ 1 e bij = { i2, se i = j ij, se i 6= j . Se uma matriz possui somente uma linha, dizemos que ela e´ uma matriz linha e quando ela possui somente uma coluna, dizemos que ela e´ uma matriz coluna. matriz linha 1× n matriz coluna n× 1 [ a1 a2 a3 · · · an ] a1 a2 a3 ... an Se uma matriz possui o mesmo nu´mero de linhas e colunas, dizemos que ela e´ uma matriz quadrada. Abaixo temos uma matriz quadrada de ordem n× n, ou simplesmente, n. A = a11 a12 a13 · · · a1n a21 a22 a23 · · · a2n ... ... ... ... ... ... ... an1 an2 an3 · · · ann Numa matriz quadrada A = [aij]n, os elementos em que i = j constituem a diagonal principal. Assim, a diagonal principal e´ formada pelos elementos a11, a22, a33, . . . , ann. A outra diagonal e´ denominada diagonal secunda´ria. Matematicamente sa˜o os elementos aij tais que i + j = n+ 1, ou seja ela e´ formada pelos elementos a1n, a2 (n−1), a3 (n−2), . . . , an1. CAPI´TULO 1. MATRIZES 3 1.2 Operac¸o˜es com matrizes 1.2.1 Multiplicac¸a˜o por escalar Antes de definirmos esta operac¸a˜o e´ importante ressaltar que frequentemente nos referiremos a um nu´mero real como sendo um escalar. Da´ı podemos definir a multiplicac¸a˜o de um escalar por uma matriz. Definic¸a˜o 1.1 Se A e´ uma matriz e c e´ um escalar, enta˜o o produto cA e´ a matriz obtida pela multiplicac¸a˜o de cada entrada de A por c. Assim, se A = [aij]m×n, enta˜o cA = [caij]m×n. A matriz cA e´ chamada mu´ltiplo escalar de A. Exemplo 1.3 Dada a Matriz A = [ 2 −1 4 0 √ 2 −5 ] podemos obter 3A = [ 6 −3 12 0 3 √ 2 −15 ] , −2A = [−4 2 −8 0 −2√2 10 ] e 1 2 A = [ 1 −1 2 2 0 √ 2 2 −5 2 ] . / Exemplo 1.4 A multiplicac¸a˜o por escalar nos permite ainda simplificar a notac¸a˜o de matrizes, colocando o fator comum em evideˆncia, como nos casos A = [−1.000 3.000 50.000 2.500 ] e B = [−2 5 12 5−3 6 5 ] , em que podemos simplificar como A = 1.000 [−1 3 50 2, 5 ] e B = 1 5 [ −2 12 −15 6 ] . / Sendo A e B matrizes e c, d ∈ R um escalar, a multiplicac¸a˜o de uma matriz por um escalar satisfaz as seguintes propriedades 1. (cd)A = c(dA) (associatividade para o escalar) 2. (c+ d)A = cA+ dA (distributividade para a matriz) 3. c(A+B) = cA+ cB (distributividade para o escalar) 4. 1A = A (elemento neutro) 1.2.2 Adic¸a˜o e Subtrac¸a˜o Como os nu´meros reais, e´ interessante que possamos somar e subtrair matrizes. Entre- tanto, isto so´ e´ poss´ıvel se ambas as matrizes teˆm exatamente a mesma ordem. Definic¸a˜o 1.2 Se A e B sa˜o matrizes de mesma ordem, entao a soma A+B e´ a matriz obtida somando as entradas de B a`s entradas correspondentes de A, e a diferenc¸a A−B e´ a matriz obtida subtraindo as entradas de B das entradas correspondentes de A. Em notac¸a˜o matricial, se A = [aij]m×n e B = [bij]m×n, enta˜o A+B = [aij + bij]m×n e A−B = [aij − bij]m×n. CAPI´TULO 1. MATRIZES 4 Exemplo 1.5 Considere as matrizes A = 2 1 0−1 0 2 4 −2 7 , B = −4 3 52 2 0 3 2 −4 e C = [1 1 2 2 ] . Deste modo A+B = −2 4 51 2 2 7 0 3 e A−B = 6 −2 −5−3 −2 2 1 −4 11 , e A+ C, A− C, B + C e B − C na˜o esta˜o definidas. / Definidas estas operac¸o˜es, podemos definir a matriz nula ou matriz zero como sendo aquela que tem todas as suas entradas nulas e podemos denota´-la como 0 = [0]m×n = 0 0 0 · · · 0 0 0 0 · · · 0 0 0 0 · · · 0 ... ... ... ... ... ... ... 0 0 0 · · · 0 m×n . Dadas as matrizes m× n A, B e C e a matriz nula 0, a soma e subtrac¸a˜o de matrizes satisfazem as seguintes propriedades: 1. A+B = B + A (comutatividade) 2. A+ (B + C) = (A+B) + C (associatividade) 3. A− A = −A+ A = 0 (elemento sime´trico) 4. A+ 0 = 0 + A = A (elemento neutro da soma). Atividade 1.2 Dadas as matrizes A = [ 2 3 4 1 3 1 ] , B = [ 0 2 7 −1 3 −5 ] e C = [ 9 −6 3 3 0 12 ] determine a matriz D = 2A−B + 1 3 C. 1.2.3 Multiplicac¸a˜o Vamos definir agora a multiplicac¸a˜o ou o produto entre duas matrizes. Por mais estranha que possa parecer, a principio, tal operac¸a˜o, ela fara´ mais sentido quando trabal- hamos com espac¸os vetoriais e produtos escalares entre vetores. Entretanto ha´ diversas outras aplicac¸o˜es que na˜o cabem neste texto. Para entendermos melhor a multiplicac¸a˜o, comecemos por um exemplo. CAPI´TULO 1. MATRIZES 5 Exemplo 1.6 Considere as matrizes A = [ 1 2 4 2 6 0 ] e B = 4 1 4 30 −1 3 1 2 7 5 2 . Observe que A e´ uma matriz 2 × 3 e que B e´ 3 × 4, o resultado da multiplicac¸a˜o das duas matrizes sera´ uma matriz C2×4. Veja como se faz. Para determinarmos, por exemplo, a entrada c23 no´s multiplicamos cada termo da linha 2 de A com seu correspondente na terceira coluna da coluna 3 de B. Abaixo, destacamos a operac¸a˜o. [ 2 6 0 ] 43 5 = [� � � �� � 26 � ] . A operac¸a˜o feita foi c23 = (2 · 4) + (6 · 3) + (0 · 5) = 26. Procedemos da mesma maneira para todas as entradas de C de forma a obtermos c11 = (1 · 4) + (2 · 0) + (4 · 2) = 12 c21 = (2 · 4) + (6 · 0) + (0 · 2) = 8 c12 = (1 · 1)− (2 · 1) + (4 · 7) = 27 c22 = (2 · 1)− (6 · 1) + (0 · 7) = −4 c13 = (1 · 4) + (2 · 3) + (4 · 5) = 30 c23 = (2 · 4) + (6 · 3) + (0 · 5) = 26 c14 = (1 · 3) + (2 · 1) + (4 · 2) = 13 c24 = (2 · 3) + (6 · 1) + (0 · 2) = 12.Portanto a matriz resultante e´ C = AB = [ 12 27 30 13 8 −4 26 12 ] . / A partir dai podemos definir a multiplicac¸a˜o entre duas matrizes quaisquer. Definic¸a˜o 1.3 Se A e´ uma matriz m × p e B e´ uma matriz p × n, entao o produto AB e´ a matriz C de ordem m × n em que a entrada cij e´ obtida multiplicando-se os elementos da i-e´sima linha de A pelos elementos correspondentes da j-e´sima coluna de B e somando-se os produtos resultantes. Isto e´, AB = C = [cij]m×n tal que cij = ai1b1j + ai2b2j + · · ·+ aipbpj = p∑ k=1 aikbkj. 1 Observe que e´ estritamente necessa´rio que o nu´mero de colunas de A seja igual ao nu´mero de linhas de B. Caso contra´rio na˜o seria possivel fazer o produto. O produto invertido BA, por exemplo, na˜o poderia ser efetuado se m 6= n, como no exemplo 1.6. Podemos ver ainda que a matriz C resultane tem o mesmo nu´mero de linhas que A e o mesmo nu´mero de colunas de B, isto e´, Am×pBp×n = Cm×n. Assim podemos determinar se e´ poss´ıvel efetuar o produto entre duas matrizes conhecendo a ordem delas. Exemplo 1.7 Considere as matrizes A3×4, B4×7 e C7×3. Enta˜o, o produto AB esta´ bem definido e tem ordem 3 × 7; BC esta´ definido e tem ordem 4 × 3 e CA esta´ definido e tem ordem 7× 4. Ja´ os produtos AC, CB e BA na˜o esta˜o definidos. / Atividade 1.3 Dadas as matrizes A4×5, B4×5, C5×2 e D4×2, determine quais produtos esta˜o definidos e quando estiver, determine a sua ordem. 1Na˜o e´ necessa´rio dominar a notac¸a˜o de somato´rio apresentada aqui numa primeira leitura. O mais impor- tante e´ saber como e´ feita a operac¸a˜o. CAPI´TULO 1. MATRIZES 6 Como definimos a operac¸a˜o de produto, gostar´ıamos que esta operac¸a˜o tivesse tambe´m um elemento neutro, como no conjunto R em que o 1 multiplicado por qualquer nu´mero resulta no pro´prio nu´mero, isto e´, 1 · x = x · 1 = x para todo x ∈ R. De fato existe tal matriz. E´ uma matriz quadrada em que a diagonal principal e´ toda igual a 1 e todos os outros elementos sa˜o nulos. Ela e´ chamada de matriz identidade ou matriz unidade e a denotaremos por In, quando ela tiver ordem n. Ou seja, I2 = [ 1 0 0 1 ] , I3 = 1 0 00 1 0 0 0 1 , I4 = 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 , . . . , In = 1 0 0 · · · 0 0 1 0 · · · 0 0 0 1 · · · 0 ... ... ... ... ... ... ... 0 0 0 · · · 1 n×n . Quando na˜o houver du´vida quanto a` ordem da identidade vamos denota´-la apenas por I. Atividade 1.4 Efetue o produto entre as matrizes A = 1 −2 3−4 5 −6 7 10 −8 e I3 e verifique que AI3 = I3A = A. Uma vez definida a matriz identidade, e´ interessante definirmos uma matriz inversa. Deste modo, dada uma matriz quadrada A, chamaremos de matriz inversa de A a matriz que denotaremos por A−1 e que satisfaz AA−1 = A−1A = I. Exemplo 1.8 Dada a matriz 2× 2 A = [ 11 3 7 2 ] , para encontrar a inversa de A, escrevemos a matriz A−1 = [ x y z w ] com as inco´gnitas x, y, z, w e escrevemos a equc¸a˜o matricial AA−1 = I: [ 11 3 7 2 ] [ x y z w ] = [ 1 0 0 1 ] ⇒ [ 11x+ 3z 11y + 3w 7x+ 2z 7y + 2w ] = [ 1 0 0 1 ] . Da´ı, pela igualdade de matrizes obtemos os sistemas{ 11x+ 3z = 1 7x+ 2z = 0 e { 11y + 3w = 0 7y + 2w = 1 . Resolvendo estes sistemas, obtemos x = 2, y = −3, z = −7 e w = 11. Logo, a matriz inversa de A e´ A−1 = [ 2 3 −7 11 ] . Para verificar que esta e´ realmente a inversa, basta efetuar a multiplicac¸a˜o AA−1. / De fato, e´ possivel encontrar a matriz inversa de qualquer ordem resolvendo uma quantidade de sistemas igual ao nu´mero de entradas. Nos pro´ximos cap´ıtulos, mostraremos maneiras mais pra´ticas de determinar a inversa para ordens maiores. Dadas as matrizes A, B e C com ordens apropriadas e α ∈ R um escalar, a multiplicac¸a˜o de matrizes satisfaz as seguintes propriedades: 1. (AB)C = A(BC) (associatividade) CAPI´TULO 1. MATRIZES 7 2. A(B + C) = AB + AC (distributividade) 3. (A+B)C = AC +BC (distributividade) 4. AI = IA = A (elemento neutro da multiplicac¸a˜o) 5. (αA)B = A(αB) = α(AB). (homogeneidade para o escalar) Note que na˜o mencionamos a propriedade comutativa. Na verdade, em geral ela e´ falsa, isto e´, dadas duas matrizes quadradas de mesma ordem A e B, em geral temos que AB 6= BA. Claro que existem excec¸o˜es, como vimos acima os exemplos da identidade AI = IA = A e da inversa AA−1 = A−1A = I. Ale´m dessas existem ainda outras ocasionais excec¸o˜es. Atividade 1.5 Dadas as matrizes A = [ 1 2 3 4 ] e B = [ 5 7 6 8 ] , mostre que na˜o vale a pro- priedade comutativa para elas, isto e´, que AB 6= BA. Na˜o e´ dificil ver que se as duas matrizes na˜o forem quadradas, nem mesmo e´ poss´ıvel efetuar a multiplicac¸a˜o nos dois sentidos. 1.2.4 Matriz Transposta Definic¸a˜o 1.4 A matriz transposta de uma matriz Am×n e´ a matriz que denotaremos por AT de ordem m × n que se obte´m da matriz A trocando-se as linhas pelas colunas de mesmo ı´ndice. Assim, se A = [aij]m×n, enta˜o AT = [aji]n×m. Exemplo 1.9 Considere as matrizes A = [ a11 a12 a13 a21 a22 a23 ] , B = 2 31 4 5 6 , C = [1 3 5] e D = [4] . Suas transpostas sa˜o, respectivamente, AT = a11 a21a12 a22 a13 a23 , BT = [2 1 5 3 4 6 ] , CT = 13 5 e DT = [4] / Observe que na˜o somente as linhas de AT sa˜o as colunas de A, mas tambe´m as colunas de AT sa˜o as linhas de A, por isso as inversa˜o dos sub´ındices na definic¸a˜o. Se uma matriz e´ quadrada, observe que pode acontecer de a transposta ser igual a` pro´pria matriz. Veja, por exemplo a matriz quadrada A = 1 2 32 4 5 3 5 6 . Para ela temos que aij = aji para todos i = 1, 2, 3 e j = 1, 2, 3. Isto implica que A T = A. Quando isto acontece, dizemos que A e´ uma matriz sime´trica. Na matriz sime´trica podemos ver que as entradas sa˜o espelhadas com relac¸a˜o a` diagonal principal. Dadas as matrizes A e B de ordens apropriadas e um escalar α ∈ R, a transposic¸a˜o de matrizes satisfaz as seguintes propriedades: CAPI´TULO 1. MATRIZES 8 1. (A+B)T = AT +BT 2. (αA)T = αAT 3. (AT )T = A 4. (AB)T = BTAT . Na˜o e´ nossa intenc¸a˜o demonstrar a veracidade dessas propriedades, entretanto sugerimos que voceˆ verifique a veracidade de 1, 2 e 3 para matrizes particulares, como faremos para a pro- priedade 4 no exemplo a seguir. Exemplo 1.10 Considere as matrizes A = 1 30 2 2 4 e B = [1 2 3 4 ] . Vamos mostrar que para estas duas matrizes vale a propriedade 4. Primeiro, calculamos o lado esquerdo da igualdade. Temos AB = 1 30 2 2 4 · [1 2 3 4 ] = 10 146 8 14 20 , logo (AB)T = [10 6 14 14 8 20 ] . Para o lado direito temos AT = [ 1 0 2 3 2 4 ] e BT = [ 1 3 2 4 ] , assim BTAT = [ 1 0 2 3 2 4 ] · [ 1 3 2 4 ] = [ 10 6 14 14 8 20 ] . Portanto, verificamos que (AB)T = BTAT . / Atividade 1.6 Escolha algumas matrizes apropriadas e um escalar para verificar as propriedades 1, 2 e 3. 1.3 Determinantes Quando trabalhamos com matrizes quadradas, definimos uma func¸a˜o chamada deter- minante que identifica cada matriz quadrada com um nu´mero real. Tal valor tem importantes significados no tratamento das matrizes, especialmente no estudo da A´lgebra Linear. 1.3.1 A Func¸a˜o Determinante Para definirmos a func¸a˜o determinante, vamos denotar por Mn(R) como sendo o con- junto de todas as matrizes quadradas de ordem n, em que as entradas esta˜o em R. Em notac¸a˜o de conjuntos, Mn(R) = {[aij]n×n; aij ∈ R}. Isto e´, M1(R) e´ o conjunto das matrizes 1 × 1, da forma [a]; M2(R), das matrizes 2 × 2, da forma [ a b c d ] ; M3(R), das matrizes 3× 3 da forma a b cd e f g h i e assim por diante, sempre com entradas reais. CAPI´TULO 1. MATRIZES 9 O determinante e´ uma func¸a˜o que associaa cada matriz no conjunto Mn(R) um nu´mero real. Denotamos a func¸a˜o por det. Assim em notac¸a˜o matema´tica, det : Mn(R) → R. Deste modo, dada uma matriz A ∈Mn(R), existe a ∈ R tal que det(A) = a. Vamos comec¸ar definindo o determinante para matrizes 1 × 1. Dada uma matriz A = [a] ∈ M1(R), definimos o determinante de A como sendo det(A) = a. Exemplificando, se A = [7], det(A) = 7. Ou seja, como a matriz tem somente uma entrada, ela e´ o pro´prio determinante da matriz. Para matrizes 2 × 2, definimos da seguinte maneira: e´ o produto da diagonal principal menos o produto da diagonal secunda´ria. Isto e´, det(A) = det [ a11 a12 a21 a22 ] = a11a22 − a12a21. Exemplo 1.11 Dada A = [ 3 2 −3 −4 ] , temos det(A) = 3(−4)− 2(−3) = −12 + 6 = −6. / Para definir o determinante de matrizes quadradas maiores, precisamos definir o que sa˜o os cofatores de uma matriz. Me´todo dos cofatores Dada uma matriz A + [aij]n×n, o determinante menor ou simplesmente menor do elemento aij, que denotaremos por Dij, e´ o determinante da submatriz obtida retirando-se a i-e´sima linha e a j-e´sima coluna de A. Exemplo 1.12 Para uma matriz 3 × 3 qualquer, A = a11 a12 a13a21 a22 a23 a31 a32 a33 , vamos calcular D23. Para isso eliminamos a 2a linha e a 3a coluna de A. Assim, D23 = det [ a11 a12 a31 a32 ] . / A partir dos determinantes menores definimos os cofatores. o cofator do elemento aij, denotado por Cij e´ definido por Cij = (−1)i+jDij. (1.1) Exemplo 1.13 No exemplo 1.12, o cofator de a23 e´ C23 = (−1)2+3D23 = (−1)5 det [ a11 a12 a31 a32 ] = −(a11a32 − a31a12) = a31a12 − a11a32. / Com isso definimos o determinante de uma matriz n×n, com n ≥ 3 como sendo a somas dos produtos dos elementos de uma linha (ou coluna) pelos seus cofatores. Podemos escolher uma linha ou coluna que seja mais conveniente. Se escolhermos a primeira linha, podemos escrever o determinante de uma matriz A = [aij]n×n como det(A) = a11C11 + a12C12 + a13C13 + · · ·+ a1nC1n, (1.2) ou, em notac¸a˜o de somatorio, det(A) = n∑ k=1 a1kC1k. CAPI´TULO 1. MATRIZES 10 Exemplo 1.14 Considere a matriz A = 3 1 0−2 −4 3 5 4 −2 . Para calcular det(A) por expansa˜o em cofatores ao longo da primeira linha, precisamos calcular cada um dos cofatores C11, C12 e C13. Temos C11 = (−1)2 det [−4 3 4 −2 ] = (−4)(−2)− 3 · 4 = −4 C12 = (−1)3 det [−2 3 5 −2 ] = −[(−2)(−2)− 3 · 5] = 11 C13 = (−1)4 det [−2 −4 5 4 ] = (−2)4− (−4)5 = 12 Da´ı, da definic¸a˜o (1.2), o determinante de A e´ det(A) = a11C11 + a12C12 + a13C13 = 3(−4) + 1 · 11 + 0 · 12 = −1. / E´ comum, dada uma matriz A = [ a11 a12 a21 a22 ] , denotarmos o determinante de A por det(A) = ∣∣∣∣a11 a12a21 a22 ∣∣∣∣ . (1.3) Usaremos esta notac¸a˜o no pro´ximo exemplo e constantemente ao longo do texto. Observe que na˜o e´ correto escrever [ 1 2 3 4 ] = 1 · 4− 2 · 3, ja´ que a notac¸a˜o com colchetes representa a matriz e na˜o o seu determinante. O correto, e´ escrever ∣∣∣∣1 23 4 ∣∣∣∣ = 1 · 4 − 2 · 3 = −2. E´ claro, tambe´m que esta notac¸a˜o se estende para matrizes quadradas de qualquer ordem. Exemplo 1.15 No exemplo 1.14, calculamos o determinante com a expansa˜o por cofatores ao longo da primeira linha, mas como foi dito, podemos escolher qualquer linha ou coluna da matriz para fazer a expansa˜o por cofatores. Tomemos a matriz A = 1 2 3 4 −1 3 2 5 0 0 0 −3 2 1 −2 0 . Neste caso e´ conveniente fazermos a expansa˜o ao longo da terceira linha, ja´ que ela tem somente uma entrada na˜o nula. Sendo assim, 3 cofatores sera˜o nulos, o que facilita a conta. Calculando temos det(A) = 0 ·D31 + 0 ·D32 + 0 ·D33 + (−1)3+4 · (−3) ·D34 = 3D34. Ou seja, agora resta-nos calcular D34 = ∣∣∣∣∣∣ 1 2 3 −1 3 2 2 1 −2 ∣∣∣∣∣∣. Esta e´ a matriz obtida de A eliminando-se a 3a linha e a 4a coluna. Agora, basta repetir o procedimento para calcular este determinante. CAPI´TULO 1. MATRIZES 11 Fazendo a expansa˜o por cofatores na primeira linha temos D34 = 1(−1)1+1 ∣∣∣∣3 21 −2 ∣∣∣∣+ 2(−1)1+2 ∣∣∣∣−1 22 −2 ∣∣∣∣+ 3(−1)1+3 ∣∣∣∣−1 32 1 ∣∣∣∣ = 1(−8)− 2(−2) + 3(−7) = −8 + 4− 21 = −25. Portanto, det(A) = 3D34 = 3(−25) = −75. / Atividade 1.7 Escolha uma linha ou coluna conveniente para calcular o determinante da ma- triz B = 1 6 10 5 3 9 7 4 pela expansa˜o por cofatores. Se quiser, fac¸a uma expansa˜o por linhas e em seguida uma expansa˜o por colunas para verificar que o resultado sera´ o mesmo. Me´todo de Sarrus Para as matrizes 3× 3 existe tambe´m o me´todo de Sarrus (pronuncia-se ’Sarri’). Este consiste em reescrever as duas primeiras colunas a` frente da matriz. Em seguida multiplica- se os termos de cada diagonal ’principal’ e soma-se os resultados. Fazemos o mesmo com as diagonais ’secundarias’ e subtra´ımos do resultado anterior. Assim, a11 a12 a13 a11 a12a21 a22 a23 a21 a22 a31 a32 a33 a31 a32 (...) 1.3.2 Propriedades do Determinante Veremos agora algumas propriedades da func¸a˜o determinante. Para tanto, vamos definir mais alguns tipos de matrizes. Dizemos que uma matriz A = [aij]n×n e´ triangular inferior quando aij = 0 para i < j. Assim, A = a11 0 0 · · · 0 a21 a22 0 · · · 0 a31 a32 a33 · · · 0 ... ... ... ... ... ... ... an1 an2 an3 · · · ann . Analogamente, dizemos que uma matriz e´ triangular superior quando aij = 0 para i > j. Deste modo, A = a11 a12 a13 · · · a1n 0 a22 a23 · · · a2n 0 0 a33 · · · a3n ... ... ... ... ... ... ... 0 0 0 · · · ann . CAPI´TULO 1. MATRIZES 12 Dizemos que uma matriz D = [dij]n×n e´ diagonal quando dij = 0 para todo i 6= j. D = d11 0 0 · · · 0 0 d22 0 · · · 0 0 0 d33 · · · 0 ... ... ... ... ... ... ... 0 0 0 · · · dnn . Do modo como foram definidas, podemos considerar a matriz diagonal como triangular superior e inferior ao mesmo tempo. Teorema 1.8 Seja A uma matriz n × n. Se A e´ triangular superior ou inferior, ou se A e´ diagonal, enta˜o o seu determinante e´ dado pelo produto das entradas da diagonal principal, isto e´, det(A) = a11a22a33 · · · ann. E´ fa´cil vermos que o terema e´ va´lido, aplicando o me´todo dos cofatores ao longo da primeira linha sucessivamente, se a matriz e´ triangular inferior ou ao longo da primeira coluna se a matriz e´ triangular superior. Exemplo 1.16 Pelo teorema acima, o determinante abaixo e´ calculado como se segue.∣∣∣∣∣∣∣∣∣∣ 2 7 −3 8 3 0 −3 7 5 1 0 0 6 7 6 0 0 0 9 8 0 0 0 0 4 ∣∣∣∣∣∣∣∣∣∣ = 2 · (−3) · 6 · 9 · 4 = −1296 / Teorema 1.9 (Propriedades do determinante) Sejam A e B duas matrizes quadradas de ordem n. Valem as seguintes propriedades. 1. Se B e´ obtida de A multiplicando-se uma linha por um escalar α, enta˜o det(B) = α det(A); 2. Se B resulta de A pela troca da posic¸a˜o relativa de duas linhas, enta˜o det(B) = − det(A); 3. Se B e´ obtida de A substituindo a linha i por ela mesma somada a um mu´ltiplo escalar de uma linha j, com j 6= i, enta˜o det(B) = det(A); 4. Os determinantes de A e de sua transposta AT sa˜o iguais, isto e´, det(A) = det(AT ); CAPI´TULO 1. MATRIZES 13 5. O determinante do produto de A por B e´ igual ao produto dos seus determinantes, isto e´, det(AB) = det(A) det(B). Exemplo 1.17 Vamos ilustrar os itens 1, 2 e 3 do teromema 1.9 para matrizes 3× 3: 1. ∣∣∣∣∣∣ ka11 ka12 ka13 a21 a22 a23 a31 a32 a33 ∣∣∣∣∣∣ = k ∣∣∣∣∣∣ a11 a12 a13 a21 a22 a23 a31 a32 a33 ∣∣∣∣∣∣ . A primeira linha de A e´ multiplicada por k. 2. ∣∣∣∣∣∣ a21 a22 a23 a11 a12 a13 a31 a32 a33 ∣∣∣∣∣∣ = − ∣∣∣∣∣∣ a11 a12 a13 a21 a22 a23 a31 a32 a33 ∣∣∣∣∣∣ . A primeira e a segunda linha de A sa˜o trocadas. 3. ∣∣∣∣∣∣ a11 + ka21 a12 + ka22 a13 + ka23 a21 a22 a23 a31 a32 a33 ∣∣∣∣∣∣ = ∣∣∣∣∣∣ a11 a12 a13 a21 a22 a23 a31 a32a33 ∣∣∣∣∣∣ . Um mu´ltiplo da segunda linha e´ somada a` primeira linha. / Temos, ainda alguns resultados que seguem imediatamente destes. Corola´rio 1.1 1. Se uma matriz An×n tem uma linha (ou coluna) formada inteiramente por zeros, enta˜o det(A) = 0. 2. Se uma matriz An×n possui duas linhas proporcionais, enta˜o det(A) = 0. De fato pelo corola´rio acima, se uma matriz tem linhas proporcionais, podemos reduzir uma das linhas a zero. Como segue no exemplo. Exemplo 1.18 ∣∣∣∣∣∣∣∣ 1 3 −2 4 2 6 −4 8 3 9 1 5 1 1 4 8 ∣∣∣∣∣∣∣∣ = 0 / Do mesmo modo como fizemos acima, podemos usar as propriedades do teorema 1.9 para reduzir uma matriz quadrada qualquer a uma triangular inferior ou superior. Exemplo 1.19 A = 0 1 53 −6 9 2 6 1 / Exemplo 1.20 B = 1 0 0 3 2 7 0 6 0 6 3 0 7 3 1 −5 / CAPI´TULO 1. MATRIZES 14 Atividade 1.10 A = 0 1 53 −6 9 2 6 1 1.3.3 Inversa˜o de matrizes Teorema 1.11 Seja A uma matriz n× n. A e´ invert´ıvel se, e somente se, det(A) 6= 0. Exemplo 1.21 det(A−1) = det(A)−1 Exemplo 1.22 A2 = A−1 ⇒ det(A) = 1. Cap´ıtulo 2 Sistemas de Equac¸o˜es Lineares Muitos problemas de diversas a´reas da cieˆncia recaem na soluc¸a˜o de sistemas lineares. Veremos algumas formas de resolver sistemas a partir dos conceitos de a´lgebra matricial. Definic¸a˜o 2.1 Uma equac¸a˜o linear em n varia´veis x1, x2,..., xn e´ uma equac¸a˜o da forma a1x1 + a2x2 + · · ·+ anxn = b, em que a1, a2,..., an e b sa˜o constantes reais. As equac¸o˜es abaixo sa˜o equac¸o˜es lineares. x+ 2y = 3, 3x− y − z 2 = 9, 4x1 − 6x2 + 5x4 − x6 3 = 0, x = 4. Exemplo 2.1 Equac¸o˜es lineares em duas varia´veis podem sempre ser representadas como ax+ by = c com a, b, c ∈ R. Uma equac¸a˜o deste tipo e´ usada para representar uma reta no plano cartesiano em que x e y representam as coordenadas dos pontos pertencentes a` reta. / Definic¸a˜o 2.2 Um conjunto finito de equac¸o˜es lineares nas varia´veis x1, x2, ..., xn e´ chamado de sistema de equac¸o˜es lineares ou sistema linear . Uma sequeˆncia de nu´meros α1, α2, ..., αn e´ chamada soluc¸a˜o do sistema se e´ soluc¸a˜o de cada uma das equac¸o˜es do sistema. Exemplo 2.2 Considere o sistema { 4x1 − x2 + 3x3 = −1 3x1 + x2 + 9x3 = −4 . O terno de nu´meros x1 = 1, x2 = 2 e x3 = −1 formam uma soluc¸a˜o para o sistema. No entanto, o terno x1 = 1, x2 = 8 e x3 = 1 na˜o e´ uma soluc¸a˜o pois satisfaz apenas a primeira das duas equac¸o˜es. / De modo geral podemos representar um sistema linear de n inco´gnitas e m equac¸o˜es da seguinte forma. a11x1 + a12x2 + · · · a1nxn = b1 a21x1 + a22x2 + · · · a2nxn = b2 ... = ... am1x1 + am2x2 + · · · amnxn = bm 15 CAPI´TULO 2. SISTEMAS DE EQUAC¸O˜ES LINEARES 16 Note que se definirmos as matrizes A = a11 a12 a13 · · · a1n a21 a22 a23 · · · a2n ... ... ... ... ... ... ... am1 am2 am3 · · · amn , X = x1x2 ...xn e B = b1b2 ...bm , o sistema acima pode ser escrito como a equac¸a˜o matricial AX = B. Uma soluc¸a˜o de um sistema linear e´ uma matriz S = α1 α2 ... αn . Exemplo 2.3 O sistema linear de duas equac¸o˜es e duas inco´gnitas { x+ 2y = 1 2x+ y = 0 pode ser escrito como [ 1 2 2 1 ] [ x y ] = [ 1 0 ] . A soluc¸a˜o deste sistema e´ x = −1/3 e y = 2/3 ou S = [−1/3 2/3 ] . / 2.1 Escalonamento Um dos me´todos de soluc¸a˜o de sistemas lineares consiste em transformar um sistema em outro que seja equivalente, isto e´, que tenha o mesmo conjunto soluc¸a˜o. Para isso podemos efetuar operac¸o˜es elementares sobre as equac¸o˜es do sistema. Essas operac¸o˜es na˜o alteram o seu conjunto soluc¸a˜o e permitem chegar a um novo sistema, equivalente ao primeiro, cuja soluc¸a˜o seja mais simples. As operac¸o˜es elementares sa˜o: • Trocar a posic¸a˜o de duas equac¸o˜es do sistema. • Multiplicar uma equac¸a˜o por um escalar diferente de zero. • Somar a uma equac¸a˜o outra equac¸a˜o multiplicada por um escalar. Dizemos que uma matriz esta´ na forma escalonada reduzida quando satisfaz as seguintes propriedades: 1. Se uma linha na˜o consistir so de zeros, enta˜o o primeiro nu´mero na˜o-nulo da linha e´ 1. Chamamos esse nu´mero de pivoˆ. 2. Se existirem linhas nulas, elas esta˜o agrupadas juntas nas linhas inferiores da matriz. 3. Em quaisquer duas linhas na˜o-nulas sucessivas, o pivoˆ da linha inferior ocorre mais a` direita que o pivoˆ da linha superior 4. Cada coluna que conte´m um pivoˆ e´ constitu´ıda de zeros nas outras entradas. Qualquer matriz que satisfaz a`s treˆs primeiras propriedades e´ dita matriz na forma escalonada. CAPI´TULO 2. SISTEMAS DE EQUAC¸O˜ES LINEARES 17 Exemplo 2.4 x+ y + 2z = 9 2x+ 4y − 3z = 1 3x+ 6y − 5z = 0 / Exemplo 2.5 5x+ 5y = 15 2x+ 4y + z = 10 3x+ 4y = 11 / Exemplo 2.6 3z − 9w = 6 5x+ 15y − 10z + 40w = −45 4x+ 12y − 2z + 14w = −24 x+ 3y − z + 5w = −7 / I´ndice Remissivo cofator, 9 determinante, 9, 10 determinante menor, 9 diagonal principal, 3 diagonal secunda´ria, 3 entrada de uma matriz, 1 equac¸a˜o linear, 15 escalar, 3 me´todo dos cofatores, 9 mu´ltiplo escalar, 3 matriz, 1 matriz coluna, 2 diagonal, 12 identidade, 6 inversa, 6 linha, 2 nula, 4 quadrada, 3 sime´trica, 8 transposta, 7 triangular, 11 unidade, 6 zero, 4 menor, 9 multiplicac¸a˜o de matrizes, 5 multiplicac¸a˜o por escalar, 3 ordem de uma matriz, 1 produto de matrizes, 5 soma de matrizes, 4 subtrac¸a˜o de matrizes, 4 18
Compartilhar