Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
AULA 3 – INTRODUÇÃO À MATRIZES | PROF. MAYK COELHO 1 ICT 13 Álgebra Linear Aula 3 PROF. DR. MAYK COELHO Propriedades básicas de Matrizes Alguns conceitos aparecem naturalmente na resolução de muitos tipos de problemas, sendo essenciais, não apenas pela ordenação e simplificação mas também por fornecer novos métodos de resolução. Alguns destes conceitos é o que chamamos de matrizes. Mas o que são matrizes? Chamamos de matrizes qualquer coleção de elementos dispostos em linhas e colunas em formato retangular. Por exemplo, ao recolhermos os dados referentes a altura, peso e idade de um grupo de quatro pessoas, podemos dispô-los em uma tabela conforme abaixo: Table 1: Informações pessoais Altura (m) Peso (kg) Idade (anos) Pessoa 1 Pessoa 2 Pessoa 3 Pessoa 4 1,70 1,75 1,60 1,81 70 60 52 72 23 45 25 30 Introdução à Matrizes Os antigos chineses já sabiam das vantagens de manipulações de matrizes ao lidar com sistemas de equações lineares, eles deram o primeiro passo ao que poderia ser chamada de teoria de matrizes. Porém, no ano de 213 aC o imperador Shih Hoang-ti ordenou que “ todos os livros fossem queimados e todos os estudantes fossem enterrados”. Presume-se que o imperador quisesse todo o conhecimento e registro escrito para poder manter a salvo seu regime. A ordem foi cumprida e nunca se saberá o quanto de conhecimento foi perdido. O livro “Nove capítulos sobre aritmética” foi elaborado com base em vestígios do que sobreviveu. Mais de um milênio se passou antes que algum progresso fosse documentado. A Taboa de contagem chinesa com suas aplicações que envolvem manipulação de matriz para resolver sistemas lineares finalmente encontrou seu caminho para o Japão. Seki Kowa (1642-1708), considerado um dos maiores matemáticos do pais, levou adiante os princípios chineses envolvendo "regra prática" para métodos de eliminação de arranjos de números. AULA 3 – INTRODUÇÃO À MATRIZES | PROF. MAYK COELHO 2 Ao abstrairmos os significados das linhas e colunas da tabela acima, obtemos uma matriz de dados: 1,70 70 231,75 60 451,60 52 251,81 72 30 Observe que para um problema em que o número de dados seja grande, esta disposição ordenada de informações em forma de matriz torna-se extremamente indispensável, pois torna possível a referencia a uma certa informação indicando a linha e a coluna na qual esta se encontra. Neste texto será dada uma abordagem a teoria de matrizes com base no que já foi apresentado sobre vetores, pois veremos que compartilham muitas propriedades. Um outro exemplo poderia ser o de uma tabela de um campeonato: Table 2: Tabela de campeonato Vitorias Empates Derrotas Time A Time B Time C Time D 5 4 2 0 0 1 1 0 1 1 3 6 Ao abstrairmos os significados das linhas e colunas da tabela acima, obtemos uma matriz de dados: 5 0 14 1 12 1 30 0 6 Observe que uma matriz não é uma tabela, mas sim o conjunto de dados, ou informações contidas nesta tabela. Em ambos exemplos acima temos matrizes de dados dispostos em 4 linhas e 3 colunas, para isso iremos dizer que são matrizes de ordem 4×3. Existem matrizes de outras ordens, por exemplo as matrizes abaixo: 𝐴 = 3𝑥 2𝑥! + 𝑦𝑦 − 7 4 ,𝐵 = 𝐿 𝐸𝐼 𝐴𝑁 𝑅 ,𝐶 = 3 7 𝜋 0 ,𝐷 = 37𝜋0 ,𝐸 = 1 Denotamos respectivamente por 𝐴!×!,𝐵!×!,𝐶!×!,𝐷!×!,𝐸!×!. Em particular, matrizes com o mesmo número de linhas e colunas, assim como a matriz 𝐴, são chamadas de matrizes quadradas. Matrizes com apenas uma linha, ou apenas uma coluna, assim como as matrizes 𝐶 e 𝐷 Sua compreensão das operações elementares utilizadas no processo de eliminação chinesa levou-o a formular o conceito do que hoje chamamos o determinante. Ao formular suas ideias sobre a solução de sistemas lineares, Seki Kowa antecipou os conceitos fundamentais das operações de matriz que formam hoje a base para a álgebra matricial. No entanto, não há nenhuma evidência de que ele desenvolveu suas operações de matriz para realmente construir uma álgebra de matrizes. A partir de meados dos anos 1600 a meados de 1800, enquanto a Europa foi a floração em desenvolvimento matemático, o estudo da manipulação de matriz foi dedicada exclusivamente à teoria dos determinantes. Curiosamente, álgebra matricial não evoluiu junto com o estudo de determinantes. Foi só com o trabalho do matemático britânico Arthur Cayley (1821 - 1895) que as matrizes foram apontadas como uma entidade separada, distinta da noção de um determinante e as operações algébricas entre matrizes foram definidas. Em um documento de 1855, Cayley introduziu pela primeira vez suas ideias, principalmente para simplificar a notação. Finalmente, em 1857, Cayley expandiu suas ideias originais e escreveu um memorando sobre a Teoria de Matrizes. Este lançou as bases para a moderna teoria e é geralmente creditado por ser o nascimento dos temas de análise matricial e álgebra linear. Como as ideias sobre determinantes precederam os conceitos de álgebra matricial por pelo menos dois séculos, Morris Kline em seu livro “Matemática através da antiguidade aos tempos modernos” diz que “A teoria da matriz foi bem desenvolvida antes mesmo de ser criada.” E de fato, pois imediatamente após a publicação do livro de memórias de Cayley, a teoria matricial e álgebra linear praticamente explodiram e rapidamente evoluiu para uma disciplina que agora ocupa uma posição central em matemática aplicada. AULA 3 – INTRODUÇÃO À MATRIZES | PROF. MAYK COELHO 3 respectivamente, são chamadas de matriz linha e matriz coluna respectivamente. Matrizes com apenas uma linha e uma coluna, assim como a matriz 𝐸 são chamadas de matriz escalar. A representação geral de uma matriz pode ser feita da seguinte forma: onde 𝑎!" é o termo situado na i-ésima linha e j-ésima coluna. Por exemplo, o termo 𝑎!" da matriz de dados da Tabela 1 é 45, já da matriz de dados da Tabela 2 é 1. Alguns tipos especiais de Matrizes Iremos dar destaque a outros tipos de matrizes que serão utilizados no decorrer do curso: Matriz Diagonal: É uma matriz quadrada cujos termos 𝑎!" são iguais a zero para todo 𝑖 ≠ 𝑗, ou seja, os elementos fora da “diagonal” são nulos. Exemplos: 𝐴 = 3 00 7 ,𝐵 = 4 0 00 0 00 0 9 ,𝐶 = 𝑎 00 𝑏 0 00 00 00 0 𝑐 00 𝑑 Matriz Identidade Quadrada: É uma matriz diagonal, cujos elementos 𝑎!! = 1. Exemplos: 𝐴 = 1 00 1 ,𝐵 = 1 0 00 1 00 0 1 ,𝐶 = 1 00 1 0 00 00 00 0 1 00 1 Matriz Triangular Superior: É uma matriz quadrada cujos elementos abaixo da diagonal são todos nulos, ou seja, 𝑎!" = 0 para 𝑖 > 𝑗. Exemplos: 𝐴 = 3 30 7 ,𝐵 = 4 2 00 1 10 0 9 ,𝐶 = 𝑎 𝑏0 𝑒 𝑐 𝑑𝑓 𝑔0 00 0 ℎ 𝑟0 𝑠 Matriz Triangular Inferior: É uma matriz quadrada cujos elementos acima da diagonal são todos nulos, ou seja, 𝑎!" = 0 para 𝑖 < 𝑗. Exemplos: 𝐴 = 3 02 7 ,𝐵 = 4 0 01 0 02 0 9 ,𝐶 = 𝑎 0𝑏 𝑐 0 00 0𝑑 𝑒𝑔 ℎ 𝑓 0𝑟 𝑠 Matriz Simétrica: É uma matriz quadrada cujo elemento 𝑎!" = 𝑎!". Exemplos: 𝐴 = 3 11 7 ,𝐵 = 4 1 21 0 32 3 9 ,𝐶 = 𝑎 𝑏𝑏 𝑒 𝑐 𝑑𝑓 𝑔𝑐 𝑓𝑑 𝑔 ℎ 𝑟𝑟 𝑠 Operações com Matrizes Ao utilizarmos matrizes, surge naturalmente a necessidade de efetuarmos operações. Mas como? Observe que podemos interpretar as linhas de uma matriz 𝐴!×! como sendo vetores em ℝ!. De mesmo modo, podemos interpretar as colunas de uma matriz 𝐴!×! como sendo vetores em ℝ!. Observe ainda que as matrizes 𝐶 e 𝐷 podem representar o mesmo vetor em ℝ!, porém não podem ser consideradas iguais pois apresentam formatos diferentes, ou melhor, ordens diferentes. Dizemos então que as matrizes 𝐶 e 𝐷 estão em espaços diferentes, ou seja, 𝐶 ∈ ℝ!×! e 𝐷 ∈ ℝ!×!. De modo geral, dizemos que o conjunto ℝ!×! é o conjunto de todas as matrizes 𝐴!×!. Assim como feito com vetores, podemos igualar e operar matrizes que estejam em um mesmo espaço, deste modo, se iremos olhar as linhas ou colunas de uma matriz como sendo vetores, é natural que a 𝐴!×! = !𝑎!!𝑎!"⋮ 𝑎!" … 𝑎!!𝑎!! … 𝑎!!⋮ ⋱ ⋮𝑎!! 𝑎!! … 𝑎!"! = !𝑎!"!!×! Observe que toda matriz diagonal é também simétrica, triangular inferior e superior. AULA 3 – INTRODUÇÃO À MATRIZES | PROF. MAYK COELHO 4 igualdade de matrizes e as operações entre elas sejam oriundas das feitas com vetores. Deste modo, duas 𝐴!×! = 𝑎!" !×! e 𝐵!×! = 𝑏!" !×! são ditas iguais se 𝑚 = 𝑝 e 𝑛 = 𝑠, ou seja, forem de mesma ordem, e além disso seus termos correspondentes 𝑎!" e 𝑏!" forem iguais para cada 𝑖 e 𝑗. Exemplo 1: 3! log 11 5 = 9 0𝑠𝑒𝑛 90! 5 Exemplo 2: As matrizes abaixo são iguais se e somente se 𝑥 = 2 e 𝑦 = 3. 𝐴 = 𝑥 − 2 6𝑥 + 𝑦 −1 e 𝐵 = 0 𝑦 + 35 𝑦 − 2𝑥 Soma de Matrizes Podemos ainda somar matrizes assim como fazemos com vetores, somando termos correspondentes, ou seja, a soma de duas matrizes de mesma ordem 𝐴!×! = 𝑎!" !×! e 𝐵!×! = 𝑏!" !×! é uma matriz 𝑚×𝑛 que chamaremos de 𝐴 + 𝐵, cujos elementos são somas dos elementos correspondentes de 𝐴 e 𝐵. ou seja, se 𝐶 = 𝐴 + 𝐵 então 𝑐!" = 𝑎!" + 𝑏!". Exemplo 1: 𝑎 𝑏 𝑐𝑑 𝑒 𝑓𝑔 ℎ 𝑘 + 𝑙 𝑝 𝑞𝑟 𝑠 𝑡𝑥 𝑦 𝑧 = 𝑎 + 𝑙 𝑏 + 𝑝 𝑐 + 𝑞𝑑 + 𝑟 𝑒 + 𝑠 𝑓 + 𝑡𝑔 + 𝑥 ℎ + 𝑦 𝑟 + 𝑧 Exemplo 2: 1 −14 02 5 + 1 4−2 51 0 = 2 32 53 5 𝐴!×! = 𝐵!×! ⟺ 𝑚 = 𝑝, 𝑛 = 𝑠 𝑒 𝑎!" = 𝑏!" 𝐴 + 𝐵 = !𝑎!" + 𝑏!"!𝑚×𝑛 Table 3: Produção de grãos (toneladas) durante o primeiro ano Soja Feijão Arroz Milho Região A 5000 50 200 0 Região B 2000 100 300 300 Região C 2000 100 600 600 Se quisermos montar uma tabela com a produção por produto e por região nos dois anos conjuntamente, teremos que somar os elementos correspondentes das duas tabelas anteriores: !3000 200 400700 350 7001000 100 500 600100800! + !5000 50 2002000 100 3002000 100 600 0300600!= !8000 250 6002700 450 10003000 200 1100 6004001400! Table 5: Produção em grãos (toneladas ) durante os dois anos Soja Feijão Arroz Milho Região A 8000 250 600 600 Região B 2700 450 1000 400 Região C 3000 200 1100 1400 Exemplo 3: Considere as tabelas que descrevem a produção de grãos em dois anos consecutivos: Table 4: Produção de grãos (toneladas) durante o primeiro ano Soja Feijão Arroz Milho Região A 3000 200 400 600 Região B 700 350 700 100 Região C 1000 100 500 800 Não podemos fazer o mesmo com os dados das Tabelas 1 e 2, pois mesmo que as matrizes de dados sejam de mesma ordem, não faz sentido algum a tabela com os dados desta soma. AULA 3 – INTRODUÇÃO À MATRIZES | PROF. MAYK COELHO 5 Propriedades da Soma: Dadas matrizes 𝐴,𝐵 e 𝐶 de mesma ordem 𝑚×𝑛 temos: i) 𝐴 + 𝐵 = 𝐵 + 𝐴; ii) 𝐴 + 𝐵 + 𝐶 = 𝐴 + 𝐵 + 𝐶; iii) 𝐴 + 𝟎 = 𝐴, onde 𝟎 representa a matriz nula de ordem 𝑚×𝑛. Da mesma forma que podemos multiplicar um vetor por um escalar podemos multiplicar uma matriz por um escalar, multiplicando todos os termos desta matriz por este escalar. Isto mantem a coerência com a observação das linhas ou colunas como vetores. Além disso, observando o último exemplo, podemos considerar que devido a incentivos para o aumento de produção fosse previsto para a safra do terceiro ano o triplo da produção do primeiro, assim teríamos a seguinte matriz de produção: 3 3000 200 400700 350 7001000 100 500 600100800 = 9000 600 1200 18002100 1050 2100 3003000 300 1500 2400 Deste modo, acabamos de efetuar um produto de uma matriz por um escalar. Vejamos a definição formal a seguir: Seja 𝐴!×! = 𝑎!" !×! e 𝑘 um escalar, então definimos uma nova matriz da seguinte forma: Exemplo: −2 1 152 −3 = −2 −30−4 6 Propriedades do Produto por Escalar Dadas 𝐴 e 𝐵 matrizes de mesma ordem e escalares 𝑘, 𝑘! e 𝑘!, temos: i) 𝑘 𝐴 + 𝐵 = 𝑘𝐴 + 𝑘𝐵; ii) 𝑘! + 𝑘! 𝐴 = 𝑘!𝐴 + 𝑘!𝐴; iii) 0𝐴 = 𝟎; iv) 𝑘! 𝑘!𝐴 = 𝑘!𝑘! 𝐴. As vezes é conveniente considerarmos as linhas de uma matriz como sendo as colunas de uma outra matriz, assim, dada uma matriz 𝐴 = 𝑎!" !×! podemos obter uma outra matriz 𝐵 = 𝑏!" !×! cujas linhas são as colunas de 𝐴, isto é, 𝑏!" = 𝑎!". Denotamos 𝐵 = 𝐴′ a matriz transposta de 𝐴. Exemplo: Se 𝐴 = 2 31 04 5 então 𝐴! = 2 1 43 0 5 . Propriedades de transposição de matrizes i) Uma matriz é simétrica se e somente se ela for igual a sua transposta, ou seja, 𝐴 = 𝐴′; ii) A transposta da transposta de uma matriz é ela mesma, ou seja, 𝐴!! = 𝐴; iii) A transposta da soma é a soma das transpostas, ou seja, 𝐴 + 𝐵 ! = 𝐴! + 𝐵′; iv) 𝑘𝐴 ! = 𝑘𝐴! Produto de Matrizes Quando trabalhamos com vetores vimos que não fazia sentido algum o produto entre vetores como se fazia o produto entre escalares, no entanto, definimos um outro tipo de produto, o produto escalar. Para matriz não será diferente, visto que iremos olhar as linhas, ou colunas, de uma matriz como sendo vetores, o produto entre duas matrizes pode ser definido utilizando o produto escalar entre as linhas, ou entre as colunas, ou entre colunas e linhas, ou entre linhas e colunas de duas matrizes dadas. Nesta primeira parte do curso iremos trabalhar com esta última ideia, fazendo o produto escalar das linhas de uma matriz com as colunas de outra, mas não se assuste, este é o produto matricial que você aprende no ensino médio, mas como será feito? O produto escalar entre dois vetores é feito entre vetores com o mesmo número de coordenadas, deste modo, como iremos fazer entre linhas e colunas, este produto só será definido se o número de colunas de uma matriz for igual ao número de linhas da outra. Para melhor entender, sejam duas matrizes 𝐴!×! =𝑎!" !×! e 𝐵!×! = 𝑏!" !×! e denotamos por 𝐴! a linha 𝑟 de 𝐴 e 𝐵! a coluna 𝑠 de 𝐵. Podemos definir uma matriz 𝐶 = 𝑐!" !×! tal que 𝑐!" seja formado pelo produto escalar entre a linha 𝑟 de 𝐴 e a coluna 𝑠 de 𝐵, ou seja: 𝑘𝐴!×! = !𝑘𝑎!"!!×! 𝑐!" = 𝐴! .𝐵! AULA 3 – INTRODUÇÃO À MATRIZES | PROF. MAYK COELHO 6 Dizemos que 𝐶 = 𝐴𝐵 e terá o mesmo número de linhas de 𝐴 e o mesmo número de colunas de 𝐵. Em alguns livros você encontrará ainda a seguinte formação para cada elemento da matriz 𝐶: 𝑐!" = 𝑎!"𝑏!" = 𝑎!!𝑏!! + 𝑎!!𝑏!! +⋯+ 𝑎!"𝑏!"!!!! A visão por produto escalar entre as linhas de 𝐴 e as colunas de 𝐵 nos trará alguns benefícios mais adiante. Exemplo 1: Sendo 𝐴 = 1 32 03 2 !×! , 𝐷 = 2 2 01 3 1 !×! e 𝐵 = 3 0 2 1−1 1 3 1 !×!encontrar 𝐴𝐵,𝐵𝐴,𝐵𝐷,𝐷𝐵,𝐴𝐷 e 𝐷𝐴. 𝐴.𝐵 = 𝐴!.𝐵! 𝐴!.𝐵! 𝐴!.𝐵! 𝐴!.𝐵!𝐴!.𝐵! 𝐴!.𝐵! 𝐴!.𝐵! 𝐴!.𝐵!𝐴!.𝐵! 𝐴!.𝐵! 𝐴!.𝐵! 𝐴!.𝐵! 𝐴.𝐵 = 1 ∗ 3 + 3 ∗ (−1) 1 ∗ 0 + 3 ∗ 1 1 ∗ 2 + 3 ∗ 3 1 ∗ 1 + 3 ∗ 12 ∗ 3 + 0 ∗ (−1) 2 ∗ 0 + 0 ∗ 1 2 ∗ 2 + 0 ∗ 3 2 ∗ 1 + 0 ∗ 13 ∗ 3 + 2 ∗ (−1) 3 ∗ 0 + 2 ∗ 1 3 ∗ 2 + 2 ∗ 3 3 ∗ 1 + 2 ∗ 1 ou seja 𝐴.𝐵 = 0 3 11 46 0 4 27 2 12 5 !×! Observe que definindo o produto desta forma, não é possível fazer o produto 𝐵.𝐴, visto que 𝐵!.𝐴! = 3, 0, 2, 1 . 1, 2, 3= 3 ∗ 1+ 0 ∗ 2+ 2 ∗ 3+ 1 ∗? Ou seja, o número de colunas de 𝐵 é diferente do número de linhas de 𝐴. O mesmo se conclui de 𝐵𝐷 e 𝐷𝐵. Logo, mesmo que 𝐴𝐵 esteja definido, nem sempre teremos definido 𝐵𝐴 e além disso, pode ocorrer o fato de nem podermos fazer a multiplicação entre as matrizes. Já com as matrizes 𝐴𝐷 e 𝐷𝐴 temos o seguinte: 𝐴𝐷 = 1 ∗ 2 + 3 ∗ 1 1 ∗ 2 + 3 ∗ 3 1 ∗ 0 + 3 ∗ 12 ∗ 2 + 0 ∗ 1 2 ∗ 2 + 0 ∗ 3 2 ∗ 0 + 0 ∗ 13 ∗ 2 + 2 ∗ 1 3 ∗ 2 + 2 ∗ 3 3 ∗ 0 + 2 ∗ 1 = 5 11 34 4 08 12 2 !×! 𝐷𝐴 = 2 ∗ 1 + 2 ∗ 2 + 0 ∗ 3 2 ∗ 3 + 2 ∗ 0 + 0 ∗ 21 ∗ 1 + 3 ∗ 2 + 1 ∗ 3 1 ∗ 3 + 3 ∗ 0 + 1 ∗ 2 = 6 610 5 !×! Observe que ambos produtos estão definidos, porém 𝐴𝐷 ≠ 𝐷𝐴 visto que são de ordens diferentes. Logo, mesmo que seja possível fazer 𝐴𝐷 e 𝐷𝐴 estas podem ser diferentes. Exemplo 2: Podemos ver agora um exemplo prático deste uso de produto matricial. Suponhamos que a seguinte matriz forneça as quantidades das vitaminas A, B e C, obtidas em cada unidade dos alimentos I e II. A B C Alimento I 4 3 0 Alimento II 5 0 1 Se ingerirmos 5 unidades do alimento I e 2 unidades do alimento II, quanto consumiremos de cada tipo de vitamina? Podemos representar o consumo dos alimentos pela matriz consumo: 5 2 . A multiplicação da matriz consumo pela matriz de vitaminas nos dá a resposta desejada: 5 2 4 3 05 0 1 = 30 15 2 Logo, serão inseridas 30 unidades de vitamina A, 15 de B e 2 de C. Ainda com os dados anteriores, se o custo dos alimentos depender somente de seu conteúdo vitamínico e soubermos que os preços por unidade de vitamina A, B e C são respectivamente 1.5, 3 e 5 u.m., quanto pagaríamos pela porção de alimento indicada anteriormente? Para isso temos outro produto matricial: 30 15 2 1.535 = 100 ou seja, pagaríamos 100 u.m. As ideias deste exemplo serão bem úteis mais adiante AULA 3 – INTRODUÇÃO À MATRIZES | PROF. MAYK COELHO 7 Propriedades de Produto Matricial Sendo 𝐴,𝐵 e 𝐶 matrizes, desde que sejam possíveis as operações, são válidas as seguintes propriedades: i) Em geral 𝐴𝐵 ≠ 𝐵𝐴 ( podendo mesmo um dos membros estar definido e o outro não; ii) 𝐴𝐼 = 𝐼𝐴 = 𝐴; iii) 𝐴 𝐵 + 𝐶 = 𝐴𝐵 + 𝐴𝐶; iv) 𝐴 + 𝐵 𝐶 = 𝐴𝐶 + 𝐵𝐶; v) 𝐴𝐵 𝐶 = 𝐴(𝐵𝐶); vi) 𝐴𝐵 ! = 𝐵′𝐴′ (observe a ordem); vii) 𝟎𝐴 = 𝐴𝟎 = 𝟎. Observe ainda que é possível obtermos 𝐴𝐵 = 𝟎 sem que 𝐴 ou 𝐵 sejam nulas, veja o exemplo: 𝐴 = 1 −1 1−3 2 −1−2 1 0 𝑒 𝐵 = 1 2 32 4 61 2 3 Temos que: 𝐴𝐵 = 0 0 00 0 00 0 0 e 𝐵𝐴 = −11 6 −1−22 12 −2−11 6 −1 Isso acontece no produto 𝐴𝐵 pois os vetores linhas de 𝐴 são perpendiculares aos vetores coluna de 𝐵. Bibliografia Boldrini, J.L, Costa, S.R, Figueiredo, V.L, Wetzler, H.G: Álgebra Linear, 1980 – Ed. 3 pág. 1 – 11. Anton H. E C. Rorres: Álgebra Linear com Aplicações Bookman, 2001 - Ed. 8 pág. 49 - 53 A. Steinbruch e P. Winterle: Álgebra Linear Pearson, 2002 – Ed. 2 pág. 369 - 404
Compartilhar