Baixe o app para aproveitar ainda mais
Prévia do material em texto
ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 1 ÁLGEBRA LINEAR CAPÍTULO 1: MATRIZES 1.1 INTRODUÇÃO A Álgebra Linear é a área da Matemática que estuda os espaços vetoriais. Para iniciar esse estudo, examinar-se-ão as matrizes, os determinantes, diversos métodos diretos para resolver sistemas de equações lineares, os conceitos básicos de espaços vetoriais, o cálculo de autovalores e a diagonalização. 1.2 MATRIZES Definição 1.1: Uma matriz numérica A de ordem nm × é um arranjo retangular de números dispostos em m linhas e n colunas, como mostra o seguinte esquema = mnmm n n aaa aaa aaa L MOMM L L 21 22221 11211 A . De maneira compacta, uma matriz pode ser representada como [ ] nmija ×=A onde os índices i e j denotam, respectivamente, o número da linha e coluna, e o índice nm × estabelece a ordem da matriz. Nomenclatura 1.1: Considere uma matriz [ ] nmija ×=A . 1. Se nm = , a matriz A denomina-se uma matriz quadrada. Em outro caso, a matriz A denomina-se uma matriz retangular. 2. Se 1=n , a matriz A denomina-se um vetor-coluna de ordem n e é comum denotar um vetor- coluna por u , v , w , etc., como foi visto no capítulo anterior. Por exemplo, = nu u u M 2 1 u . 3. Se 1=m , a matriz A denomina-se um vetor-linha de ordem m e é comum denotar um vetor-linha por tu , tv , tw , etc., como foi visto no capítulo anterior. Por exemplo [ ]nt uuu L21=u . 4. Se 1== nm , a matriz A é identificada com o único elemento numérico que possui: ][a=A 5. As m linhas da matriz [ ] nmija ×=A são denotadas por t 1l , t 2l , K , t ml , (a letra l deve-se à palavra linha), de maneira que ][ 21 inii aaa L=til (ou = ni i i a a a M 2 1 il ) e = t m t 2 t 1 l l l A M . Quando houver mais de uma matriz envolvida, é costume distinguir as linhas da matriz [ ] nmija ×=A por t A1,l , t 2.Al , K , t Am,l . ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 2 6. As n colunas da matriz [ ] nmija ×=A são denotadas por 1c , 2c , K , nc , (a letra c deve-se à palavra coluna), de maneira que = jn j j a a a M 2 1 jc e [ ]n21 cccA L= . Quando houver mais de uma matriz envolvida, é costume distinguir as colunas da matriz [ ] nmija ×=A por A1c , , A2c , , K , Anc , . 7. Em uma matriz quadrada [ ] nnija ×=A , os elementos da forma iia , ni ,,2,1 K= , da matriz formam a diagonal principal e os elementos 11,21 ,,, nnn aaa K− formam a diagonal secundária como mostra a figura ao lado(1): (1) tomado de https://pt.slideshare.net/AulasApoio/matriz-exercicios-resolvidos Exemplo 1.1: Considere a matriz − − = 0 1 0 7 0 2 2 3 0 0 2 1 A . Logo, [ ]4321 ccccA = onde as 4 colunas da matriz estão dadas por − = 0 2 1 1c , = 2 3 0 2c , = 7 0 2 3c e = 0 1 0 4c . Também, = t 3 t 2 t 1 l l l A onde as 3 linhas da matriz estão dadas por [ ]0201−=t1l , [ ]1032=t2l e [ ]0720 −=t3l . A ordem desta matriz é 43× . Assim, ela é uma matriz retangular. Exemplo 1.2: Considere a matriz −− = 5 4 3 4 1 2 2 0 1 A . Logo, [ ]321 cccA = onde as 3 colunas da matriz estão dadas por − = 2 0 1 1c , = 4 1 2 2c e − = 5 4 3 3c . Também, = t 3 t 2 t 1 l l l A onde as 3 linhas da matriz estão dadas por [ ]321−=t1l , [ ]410=t2l e [ ]542=t3l . A ordem desta matriz é 33× . Assim, ela é uma matriz quadrada. 1.3 ÁLGEBRA MATRICIAL Definição 1.2: Duas matrizes A e B são iguais se, e somente se, são da mesma ordem e todos seus correspondentes elementos são iguais. Em símbolos, dadas as matrizes [ ] nmija ×=A e [ ] qpijb ×=B , diz-se que njmibaqnpm ijij ,,2,1;,,2,1,e, KK ==∀===⇔= BA . Definição 1.3: Dadas as matrizes da mesma ordem, nm × , [ ] nmija ×=A e [ ] nmijb ×=B , 1. define-se a soma de A e B como a matriz de ordem nm × ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 3 [ ] nmijij ba ×+=+ BA ; ou seja, a matriz cujos elementos são iguais às somas dos correspondentes elementos de ambas matrizes; 2. define-se a diferença de A e B como a matriz de ordem nm × [ ] nmijij ba ×−=− BA ; ou seja, a matriz cujos elementos são iguais às diferenças dos correspondentes elementos de ambas matrizes; 3. define-se o produto elemento a elemento A e B como a matriz de ordem nm × [ ] nmijij ba ×=⊗ BA ou seja, a matriz cujos elementos são iguais aos produtos dos correspondentes elementos de ambas matrizes; esta operação não é o produto usual de matrizes; 4. define-se o produto de A pelo escalar R∈r como a matriz de ordem nm × [ ] nmijarr ×=A ou seja, a matriz cujos elementos são iguais aos produtos do número r pelos correspondentes elementos de matriz A . Exemplo 1.3: Considere as matrizes − − = 0 1 0 7 0 2 2 3 0 0 2 1 A e −− − = 1 1 1 2 3 4 1 0 1 3 0 2 B . Logo, −− − = −+ + + + + + −+− + −+ + + +− =+ 1 2 1 9 3 6 3 3 1 3 2 1 )1(0 11 10 27 30 42 )1(2 03 )1(0 30 02 21 BA , − − − −− − = −− − − − − − −−− − −− − − −− =− 1 0 1 5 3 2 1 3 1 3 2 3 )1(0 11 10 27 30 42 )1(2 03 )1(0 30 02 21 BA , − = −⋅ ⋅ ⋅ ⋅ ⋅ ⋅ −⋅− ⋅ −⋅ ⋅ ⋅ ⋅− =⊗ 0 1 0 14 0 8 2 0 0 0 0 2 )1(0 11 10 27 30 42 )1()2( 03 )1(0 30 02 21 BA , − − − − − − − = −⋅− ⋅− ⋅− ⋅− ⋅− ⋅− −⋅− ⋅− −⋅− ⋅− ⋅− ⋅− =−=− 2 2 2 4 6 8 2 0 2 6 0 4 )1()2( 1)2( 1)2( 2)2( 3)2( 4)2( )1()2( 0)2( )1()2( 3)2( 0)2( 2)2( 2)2( BB . Definição 1.4: Dadas as matrizes [ ] == × t Am, t A2, t A1, l l l A M nmika e [ ] [ ]Bp,B2,B1, cccB L== × pnkjb , define-se o produto de A e B , denotado por BA , como a matriz de ordem pm× [ ] pm pm × × ⋅⋅⋅ ⋅⋅⋅ ⋅⋅⋅ =⋅= Bp,Am,B2,Am,B1,Am, Bp,A2,B2,A2,B1,A2, Bp,A1,B2,A1,B1,A1, Bj,Ai, clclcl clclcl clclcl clBA L MOMM L L , ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 4 onde Bj,Ai, cl⋅ denota o produto escalar dos vetores = ni i i a a a M 2 1 ,Ail e = jn j j b b b M 2 1 Bj,c , ou seja, = =+++=⋅ n k jkkijnnijiji babababa 1 2211 LBj,Ai, cl . Nomenclatura: Se [ ] nnika ×=A é uma matriz quadrada de ordem nn× , então podemos definir 2AAA = , 32 AAA = , e assim por diante, 1+= nn AAA . Neste caso, mA denomina-se a n-ésima potência da matriz A . Exemplo 1.4: Considere as matrizes − − = 0 1 0 7 0 2 2 3 0 0 2 1 A e − = 1 0 1 3 3 2 1 2 B . Logo, = t A3 t A2 t A1 l l l A , , , e [ ]BB1 ccB ,2,= , onde − = 0 2 0 1 ,A1l , = 1 0 3 2 ,A2l , − = 0 7 2 0 ,3 Al , − = 3 2 1 2 ,B1c , = 1 0 1 3 ,B2c . Tem-se que: ;23022)1(02)1( 3 2 1 2 0 2 0 1 ,, =⋅+⋅+−⋅+⋅−= − ⋅ − =⋅ B1A1 cl ;31002103)1( 1 0 1 3 0 2 0 1 ,, −=⋅+⋅+⋅+⋅−= ⋅ − =⋅ B2A1 cl ;43120)1(322 3 2 1 2 1 0 3 2 ,, =⋅+⋅+−⋅+⋅= − ⋅ =⋅ B1A2 cl ;1011001332 1 0 1 3 1 0 3 2 ,, =⋅+⋅+⋅+⋅= ⋅ =⋅ B2A2 cl ;163027)1()2(20 3 2 1 2 0 7 2 0 ,, =⋅+⋅+−⋅−+⋅= − ⋅ − =⋅ B1A3 cl .210071)2(30 1 0 1 3 0 7 2 0 ,, −=⋅+⋅+⋅−+⋅= ⋅ − =⋅ B2A3 cl Logo, − − = ⋅ ⋅ ⋅ ⋅ ⋅ ⋅ =⋅ × 2 10 3 16 4 2 23,2,3 ,2,2 ,2, ,,3 ,,2 ,, BA BA BA1 B1A B1A B1A1 cl cl cl cl cl cl BA . ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 5 Exemplo 1.5: Considere a matriz − − = 0 1 0 7 0 2 2 3 0 0 2 1 A e o vetor − − = 3 1 1 2 u . Escrevendo = t A3 t A2 t A1 l l l A , , , , o produto uA pode ser expresso como ⋅ ⋅ ⋅ = = ul ul ul u l l l uA A3 A2 A1 t A3 t A2 t A1 , , , , , , , sendo, como no exemplo anterior, − = 0 2 0 1 ,A1l , = 1 0 3 2 ,A2l , − = 0 7 2 0 ,3 Al . Mas, 430)1(2)1(02)1( 3 1 1 2 0 2 0 1 , −=⋅+−⋅+−⋅+⋅−= − − ⋅ − =⋅ul A1 , 431)1(0)1(322 3 1 1 2 1 0 3 2 ,2 =⋅+−⋅+−⋅+⋅= − − ⋅ =⋅ul A , 530)1(7)1()2(20 3 1 1 2 0 7 2 0 ,3 −=⋅+−⋅+−⋅−+⋅= − − ⋅ − =⋅ ul A . Enfim, − − = ⋅ ⋅ ⋅ = 5 4 4 , , , ul ul ul uA A3 A2 A1 . Observação 1.1: A seguir, é apresentada uma forma alternativa para obter o produto BA . Aqui, a idéia básica desta outra forma está em construir as colunas desse produto como certas combinações lineares das colunas da matriz A . A j -ésima coluna do produto [ ] pm pm × × ⋅⋅⋅ ⋅⋅⋅ ⋅⋅⋅ =⋅= Bp,Am,B2,Am,B1,Am, Bp,A2,B2,A2,B1,A2, Bp,A1,B2,A1,B1,A1, Bj,Ai, clclcl clclcl clclcl clBA L MOMM L L é ( ) ( ) ( ) ( ) ( ) === = = = == = = ⋅ ⋅ ⋅ n k jk n k jk n k jk km k k n k jkkm n k jkk n k jkk bbb a a a ba ba ba 1 , 1 , 1 2 1 1 1 2 1 1 AkAk Bj,Am, Bj,A2, Bj,A1, cc cl cl cl M M M ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 6 Assim, construindo o produto BA por colunas, baseado na última igualdade, consegue-se ( ) ( ) ( ) = ⋅⋅⋅ ⋅⋅⋅ ⋅⋅⋅ = === × n k pk n k k n k k pm bbb 1 , 1 ,2 1 ,1 AkAkAk Bp,Am,B2,Am,B1,Am, Bp,A2,B2,A2,B1,A2, Bp,A1,B2,A1,B1,A1, ccc clclcl clclcl clclcl BA L L MOMM L L , que dá como resultado [ ]AnA2A1AnA2A1AnA2A1 cccccccccBA ,,2,1,2,22,12,1,21,11 pnppnn bbbbbbbbb +++++++++= LLLL ; ou seja, a j-ésima coluna de BA é a combinação linear AnA2A1 ccc ,,2,1 jnjj bbb +++ L das colunas da matriz A , sendo os coeficientes da combinação linear os valores Bjc , 2 1 = nj j j b b b M , que formam a j-ésima coluna de B . Em particular, o produto uA , onde [ ] nmika ×=A e 1 2 1 × = nn u u u M u é igual à combinação linear das colunas de [ ]AnA2A1 cccA ,,, K= : AnA2A1 cccuA ,,2,1 nuuu +++= L . Exemplo 1.6: Como no exemplo 1.5, considere a matriz − − = 0 1 0 7 0 2 2 3 0 0 2 1 A e o vetor − − = 3 1 1 2 u . De acordo com a observação anterior, considere as colunas da matriz A , [ ]A4A3A2A1 ccccA ,,,,= , e as componentes do vetor = 4 3 2 1 u u u u u , que produzem o resultado [ ] . 5 4 4 0 3 0 7 0 2 2 3 0 0 4 2 0 1 0 3 7 0 2 )1( 2 3 0 )1( 0 2 1 2 ,4,3,2,1 4 3 2 1 ,,,, − − = + − − + −+ − = + −+ − −+ − = +++= = A4A3A2A1A4A3A2A1 ccccccccuA uuuu u u u u Observação 1.2: Além da definição e da forma alternativa dada na observação 1.1, existem outras formas de conseguir o produto BA . Por exemplo, podemos construir as linhas do produto BA mediante certas combinações lineares das linhas da matriz B . Isto é mostrado a seguir. ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 7 A i -ésima linha do produto [ ] pm pm × × ⋅⋅⋅ ⋅⋅⋅ ⋅⋅⋅ =⋅= Bp,Am,B2,Am,B1,Am, Bp,A2,B2,A2,B1,A2, Bp,A1,B2,A1,B1,A1, Bj,Ai, clclcl clclcl clclcl clBA L MOMM L L é [ ] ( ) ( ) ( ) [ ]( ) ( ) = = === = = ⋅⋅⋅=⋅⋅⋅ n k ik n k kpkkik n k kpik n k kik n k kik a bbba bababa 1 1 21 11 2 1 1 t Bk, Bp,Ai,B2,Ai,B1,Ai, l clclcl L LK Assim, outra forma de realizar o produto das matrizes A e B é ( ) ( ) ( ) ⋅ ⋅ ⋅ = ⋅⋅⋅ ⋅⋅⋅ ⋅⋅⋅ = = = = × n k mk n k k n k k pm a a a 1 1 2 1 1 t Bk, t Bk, t Bk, Bp,Am,B2,Am,B1,Am, Bp,A2,B2,A2,B1,A2, Bp,A1,B2,A1,B1,A1, l l l clclcl clclcl clclcl BA M L MOMM L L , que dá como resultado ⋅++⋅+⋅ ⋅++⋅+⋅ ⋅++⋅+⋅ = t Bn, t B2, t B1, t Bn, t B2, t B1, t Bn, t B2, t B1, lll lll lll BA mnmm n n aaa aaa aaa L M L L 21 22221 11211 ; ou seja, a i-ésima linha de BA é a combinação linear t Bn,t B2,t B1, lll ⋅++⋅+⋅ niii aaa L21 , sendo os coeficientes da combinação formados pelos valores [ ] t Bil ,21 =niii aaa L , que formam a i-ésima linha de A . Observação 1.3: Na observação anterior, viu-se que, ⋅++⋅+⋅ ⋅++⋅+⋅ ⋅++⋅+⋅ = t Bn, t B2, t B1, t Bn, t B2, t B1, t Bn, t B2, t B1, lll lll lll BA mnmm n n aaa aaa aaa L M L L 21 22221 11211 , mas esta igualdade ainda pode ser expressa como ( ) ( ) ( ) ( ) == = = = = = ⋅ ⋅ ⋅ = ⋅++⋅+⋅ ⋅++⋅+⋅ ⋅++⋅+⋅ = n k n k mk k k n k mk n k k n k k mnmm n n a a a a a a aaa aaa aaa 1 , 1 2 1 1 1 2 1 1 21 22221 11211 t Bk,Ak t Bk, t Bk, t Bk, t Bk, t Bn, t B2, t B1, t Bn, t B2, t B1, t Bn, t B2, t B1, lcl l l l lll lll lll BA M M L M L L . Agora, cada termo do último somatório t Bk,Ak lc , é uma matriz nm × . Com efeito, ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 8 [ ] = = nkkmkkmkkm nkkkkkk nkkkkkk nkkk km k k bababa bababa bababa bbb a a a L MOMM L L L M 21 22212 12111 21 2 1 , t Bk,Ak lc ; esta última expressão, que é uma matriz, é chamada, com freqüência, de produto externo dos vetores Akc , e Bk,l . Exemplo 1.6: (Muito importante) Considere as matrizes − − = 0 1 0 7 0 2 2 3 0 0 2 1 A e − = 1 0 1 3 3 2 1 2 B . Vamos realizar o produto AB de quatro maneiras diferentes: 1. Por definição (processo também chamado forma linha-coluna): = − − = t A3 t A2 t A1 l l l A , , , 0 1 0 7 0 2 2 3 0 0 2 1 , sendo [ ] [ ] [ ] −= = −= ,0720 ,1032 ,0201 , , , t A3 t A2 t A1 l l l ou, , 0 2 0 1 , − =A1l , 1 0 3 2 , =A1l − = 0 7 2 0 ,A1l . Também, [ ]B2B1 ccB ,, 1 0 1 3 3 2 1 2 = − = , sendo , 3 2 1 2 , − =B1c = 1 0 1 3 ,B2c . Já foi visto no exemplo 1.4 que ;2 ,, =⋅ B1A1 cl ;3,, −=⋅ B2A1 cl ;4 ,, =⋅ B1A2 cl ;10,, =⋅ B2A2 cl ;16 ,, =⋅ B1A3 cl .2,, −=⋅ B2A3 cl Logo, − − = ⋅ ⋅ ⋅ ⋅ ⋅ ⋅ = × 2 10 3 16 4 2 23,, ,, ,, ,, ,, ,, B2A3 B2A2 B2A1 B1A3 B1A2 B1A1 cl cl cl cl cl cl BA . 2. Combinações das linhas de B : Como foi detalhado na observação 1.2, outra maneira de multiplicar as matrizes A e B é formando as linhas do produto BA mediante combinações lineares das linhas da matriz B : ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 9 [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] . 2 10 3 16 4 2 000142200 13003364 00040032 13002711)2(320 131020113322 13002211032)1( 07)2(0 1032 020)1( 0 1 0 7 0 2 2 3 0 0 2 1 ,,,, ,,,, ,,,, , , , , − − = ++−+ ++−+ +++−− = ++−−+ ++−+ ++−+− = ++−+ +++ +++− = − − = t B4 t B3 t B2 t B1 t B4 t B3 t B2 t B1 t B4 t B3 t B2 t B1 t B4 t B3 t B2 t B1 llll llll llll l l l l BA 3. Combinações das colunas de A : Como foi detalhado na observação 1.3, ainda outra maneira de multiplicar as matrizes A e B é formando as colunas do produto BA mediante combinações lineares das colunas da matriz A : [ ] [ ] − − = + + − + − + + −+ − = + + − + − + + − −+ − = +++++−+= − ⋅=2 10 3 16 4 2 0 1 0 0 0 0 2 3 0 0 6 3 0 3 0 14 0 4 2 3 0 0 4 2 0 1 0 1 7 0 2 0 2 3 0 1 0 2 1 3 0 1 0 3 7 0 2 2 2 3 0 )1( 0 2 1 2 101332)1(2 1 0 1 3 3 2 1 2 ,,,,,,,, ,,,, A4A3A2A1A4A3A2A1 A4A3A2A1 cccccccc ccccBA . 4. Soma de produtos externos: O produto BA pode ser calculado multiplicando as colunas de A e as linhas de B respectivamente, formando uma soma de produtos externos, como segue: [ ] [ ] [ ] [ ] . 2 10 3 16 4 2 0 1 0 0 3 0 0 0 0 14 0 4 2 3 0 2 3 0 0 6 3 0 4 2 13 0 1 0 02 7 0 2 11 2 3 0 32 0 2 1 ,,,,,,,, − − = + + − −+ −− = ⋅ +⋅ +−⋅ − +⋅ − = +++=⋅ t B4A4 t B3A3 t B2A2 t B1A1 lclclclcBA Propriedades 1.1: Dadas as matrizes [ ] nmija ×=A , [ ] nmijb ×=B e [ ] nmijb ×=C , tem-se que 1. ( ) ( )CBACBA ++=++ ; (propriedade associativa da adição) ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 10 2. ABBA +=+ ; (propriedade comutativa da adição) 3. AAOOA =+=+ , (elemento neutro da adição) onde O é a matriz nula nm × ; 4. OAAAA =+−=−+ )()( ; (elemento inverso da adição) onde O é a matriz nula nm × ; 5. AA )()( srsr = , para quaisquer R∈sr, ; 6. BABA rrr +=+ )( , para qualquer R∈r ; 7. AAA srsr +=+ )( , para quaisquer R∈sr, ; 8. AA =1 . Observação 1.4: As oito propriedades enunciadas anteriormente, junto com o fato que BA + e Ar são matrizes de ordem nm × , fazem do conjunto de matrizes de ordem nm × , junto com as operações de adição e multiplicação por um escalar (real), um espaço vetorial (real). Observação 1.5: A multiplicação de matrizes não é comutativa. Em geral, se [ ] nmija ×=A e [ ] pnijb ×=B , então existe o produto BA mas o produto AB pode não existir (quando pm ≠ ). Mas mesmo no caso de matrizes quadradas da mesma ordem, ou seja, quando [ ] nnija ×=A e [ ] nnijb ×=B , pode acontecer que ABBA ≠ , como no caso de = 43 21 A e = 12 34 B , em que = 1320 58 BA e = 85 2013 AB . Propriedades 1.2: 1. Dadas as matrizes [ ] nmija ×=A , [ ] nmijb ×=B e [ ] pnijb ×=C , tem-se que ( ) CBCACBA ⋅+⋅=⋅+ ; (propriedade distributiva) 2. Dadas as matrizes [ ] nmija ×=A , [ ] pnijb ×=B e [ ] pnijb ×=C , tem-se que ( ) CABACBA ⋅+⋅=+⋅ ; (propriedade distributiva). 3. Dadas as matrizes [ ] nmija ×=A , [ ] pnijb ×=B e [ ] qpijb ×=C , tem-se que ( ) ( )CBACBA ⋅⋅=⋅⋅ ; (propriedade associativa da multiplicação). Definição 1.5: Dada a matriz [ ] nmija ×=A , define-se a matriz transposta de A como a matriz de ordem mn × [ ] mnjia ×= tA . A matriz transposta da matriz A resulta de trocar as linhas pelas colunas de A , ou seja, se [ ]AnA2A1 t Am t A2 t A1 ccc l l l A ,,, , , , 21 22221 11211 L M L MOMM L L = = = mnmm n n aaa aaa aaa , então [ ] == = t An t A2 t A1 AmA2A1 t c c c lllA , , , ,,, 21 22212 12111 M L L MOMM L L mnnn m m aaa aaa aaa . Exemplo 1.7: Seja − − = 0 1 0 7 0 2 2 3 0 0 2 1 A . Então − − = 0 7 2 0 1 0 3 2 0 2 0 1 tA . ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 11 Tipos especiais de matrizes considerando a transposição: 1. Matriz Simétrica: é uma matriz A que coincide com a sua matriz transposta tA , ou seja, tAA = . Isto significa que uma matriz [ ] nmija ×=A é simétrica se, e somente se, nm = e jiij aa = , para todos os ji, . 2. Matriz Anti-Simétrica: é uma matriz A que coincide com o oposto de sua matriz transposta tA , ou seja, tAA −= . Isto significa que uma matriz [ ] nmija ×=A é anti-simétrica se, e somente se, nm = e jiij aa −= , para todos os ji, . Em particular, se a matriz A é anti-simétrica, os elementos da diagonal principal da matriz são todos iguais a zero, ou seja, 0=iia , para todo i . Propriedades 1.3: 1. Dada a matriz [ ] nmija ×=A , então ( ) AA tt = 2. Dadas as matrizes [ ] nmija ×=A e [ ] nmijb ×=B , então ttt BAB)(A +=+ . 3. Dadas as matrizes [ ] nmika ×=A e [ ] pnkjb ×=B , então ttt ABB)(A = . 4. Se A uma matriz de ordem nm × , então AAt ⋅ e tAA ⋅ são matrizes simétricas de ordens nn× e mm× , respectivamente. 5. Toda matriz quadrada A pode ser decomposta como a soma de uma matriz simétrica e uma matriz anti-simétrica: ( ) ( )tt AAAAA −++= 2 1 2 1 . Prova de 3.: Observe que se = r u u u M 2 1 u e = r v v v M 2 1 v são vetores coluna de ordem r , então [ ] [ ] uvuvvuvu tt ⋅== ⋅=⋅++⋅+⋅= ==⋅ r rrr r r u u u vvvvuvuvu v v v uuu M LL M L 2 1 212211 2 1 21 . Dadas as matrizes [ ] [ ]AnA2A1 t Am t A2 t A1 ccc l l l A ,,, , , , L M = == ×nmika e [ ] [ ]BpB2B1 t Bn t B2 t B1 ccc l l l B ,,, , , , L M = == × pnkjb tem-se que [ ] == t An t A2 t A1 AmA2A1 t c c c lllA , , , ,,, M L , [ ] == t Bn t B2 t B1 BnB2B1 t c c c lllB , , , ,,, M L e pm× ⋅⋅⋅ ⋅⋅⋅ ⋅⋅⋅ = Bp,Am,B2,Am,B1,Am, Bp,A2,B2,A2,B1,A2, Bp,A1,B2,A1,B1,A1, clclcl clclcl clclcl BA L MOMM L L , ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 12 e logo, ( ) mp× ⋅⋅⋅ ⋅⋅⋅ ⋅⋅⋅ = Bp,Am,Bp,A2,Bp,A1, B2,Am,B2,A2,B2,A1, B1,Am,B1,A2,B1,A1, t clclcl clclcl clclcl BA L MOMM L L . Por outro lado, [ ] mp× ⋅⋅⋅ ⋅⋅⋅ ⋅⋅⋅ = = AmBpA2BpA1Bp AmB2A2B2A1B2 AmB1A2B1A1B1 AmA2A1 t Bn t B2 t B1 tt lclclc lclclc lclclc lll c c c AB ,,,,,, ,,,,,, ,,,,,, ,,, , , , L MOMM L L L M , que verifica a igualdade ttt ABB)(A ⋅=⋅ . Exemplo 1.8: Seja = 4863 8341 6420 3101 A . Então = 4863 8341 6420 3101 tA . Como tAA = , a matriz A é simétrica. Exemplo 1.9: Seja − − −− − = 0860 8041 6402 0120 A . Então AAt −= − − −− − −= − −− − − = 0860 8041 6402 0120 0860 8041 6402 0120 . Assim, tAA −= , e conclui-se que a matriz A é anti-simétrica. Exemplo 1.10: Considere as matrizes − − = 0 1 0 7 0 2 2 3 0 0 2 1 A e − = 1 0 1 3 3 2 1 2 B do exemplo 1.6. No referido exemplo, foi calculado que − − = 2 10 3 16 4 2 BA . Facilmente, pode-se ver que ( ) −− = 2 16 10 4 3 2tBA . Agora, − − = 0 7 2 0 1 0 3 2 0 2 0 1 tA e − = 1 3 0 2 1 1 3 2tB . Logo, calcula-se o produto tt AB , por exemplo, pela forma linha-coluna: . 2 16 10 4 3 2 0020 01420 1036 3034 0003 0402 0170)2(103 0372)2()1(02 11003123 13023)1(22 012001)1(3 03220)1()1(2 −− = ++− +++ +++ ++− +++− +++− = ⋅+⋅+−⋅+⋅ ⋅+⋅+−⋅−+⋅ ⋅+⋅+⋅+⋅ ⋅+⋅+⋅−+⋅ ⋅+⋅+⋅+−⋅ ⋅+⋅+⋅−+−⋅ = tt AB Facilmente, deduz-se que ( )ttt BAAB = , como previsto pela propriedade 3. ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 13 Exemplo 1.11: Dada a matriz − − = 0 1 0 7 0 2 2 3 0 0 2 1 A , tem-se que − − −− = − − − − = 1 0 3 2 0 53 14 2 3 14 13 6 2 2 6 5 0 1 0 7 0 2 2 3 0 0 2 1 0 7 2 0 1 0 3 2 0 2 0 1 AAt e − − − −= − − − − = 53 6 14 6 14 2 14 2 5 0 7 2 0 1 0 3 2 0 2 0 1 0 1 0 7 0 2 2 3 0 0 2 1 tAA . Observe que ambas matrizes são simétricas, como previsto pela propriedade 4. Exemplo 1.12: Aqui, vai ser ilustrada a propriedade 5. Dada a matriz = 9 6 3 8 5 2 7 4 1 A , observe que tal matriz não é simétrica nem anti-simétrica. Porém, tem-se que ( ) = + =+ 9 7 5 7 5 3 5 3 1 9 8 7 6 5 4 3 2 1 9 6 3 8 5 2 7 4 1 2 1 2 1 tAA e ( ) − −− = − =− 0 1 2 1 0 1 2 1 0 9 8 7 6 5 4 3 2 1 9 6 3 8 5 2 7 4 1 2 1 2 1 tAA . Assim, − −− + = = 0 1 2 1 0 1 2 1 0 9 7 5 7 5 3 5 3 1 9 6 3 8 5 2 7 4 1 A , sendo que a primeira parcela é uma matriz simétrica e a segunda, uma matriz anti-simétrica. Outros tipos especiais de matrizes: 1. Matriz nula: é uma matriz de ordem arbitrária, nm × , cujos elementos são todos iguais a zero e é denotada por O ou nm×O . 2. Matriz identidade: é uma matriz quadrada de ordem nn× da forma = 100 010 001 L MOMM L L nI , ou seja, uma matriz cujos elementos da diagonal principal são todos iguais a 1 e os outros são todos iguais a 0 . 3. Matriz Diagonal: é uma matriz quadrada de ordem nn× da forma ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 14 = nnd d d L MOMM L L 00 00 00 22 11 D . 4. Matriz Triangular Superior: é uma matriz quadrada [ ] nniju ×=U tal que 0=iju , quando ji > , ou seja, da forma: = nn n n u uu uuu L MOMM L L 00 0 222 11211 U . 5. Matriz Triangular Inferior: é uma matriz quadrada [ ] nnijl ×=L tal que 0=ijl , quando ji < , ou seja, da forma: = nnnn lll ll l L MOMM L L 21 2221 11 0 00 L . 6. Matriz Tri-Diagonal: é uma matriz [ ] nnija ×=A tal que 0=ija , para todo ji, com 1|| >− ji . Por exemplo, uma matriz tri-diagonal de ordem 2020× tem o seguinte padrão de esparsidade onde as posições sem pontos denotam elementos iguais a zero. 7. Matriz Bloco: é uma matriz cujos elementos são, por sua vez, matrizes de ordens adequadas. Estas matrizes aparecem freqüentemente quando são resolvidos problemas através de métodos numéricos. Propriedades 1.4: 1. Se [ ] nmija ×=A , então AAI =×mm e AIA =×nn ; (elemento neutro da multiplicação). 2. A soma e o produto de duas matrizes diagonais de ordens compatíveis é uma matriz diagonal. ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 15 3. A soma e o produto de duas matrizes triangulares superiores de ordens compatíveis é uma matriz triangular superior. 4. A soma e o produto de duas matrizes triangulares inferiores de ordens compatíveis é uma matriz triangular inferior. Exemplo 1.13: Considere duas matrizes diagonais da mesma ordem, = nu u u L MOMM L L 00 00 00 2 1 1D e = nv v v L MOMM L L 00 00 00 2 1 2D . Então facilmente pode-se ver que + + + =+ nn vu vu vu L MOMM L L 00 00 00 22 11 21 DD e = nn vu vu vu L MOMM L L 00 00 00 22 11 21 DD , que são, por sua vez, duas matrizes diagonais da mesma ordem, como foi previsto pela propriedade 1.4.2. Exemplo 1.14: Dadas as matrizes − −= 3 0 0 1 2 0 2 1 1 1L e − = 2 0 0 1 1 0 2 1 1 2L , tem-se que − = − ⋅ − −=⋅ 6 0 0 2 2 0 5 1 1 2 0 0 1 1 0 2 1 1 3 0 0 1 2 0 2 1 1 21 LL . Observe que as matrizes 1L , 2L e 21 LL ⋅ são ambas matrizes triangulares inferiores. Exemplo 1.15: Considere uma matriz [ ] == × nmmm n n nmij aaa aaa aaa a L MOMM L L 21 22221 11211 A e a matriz diagonal de ordem mm× , = mu u u L MOMM L L 00 00 00 2 1 1D . Então ; 00 00 00 , ,2 ,1 21 22222212 11121111 21 22221 11211 2 1 = = = t Am t A2 t A1 1 l l l AD mnmmmmmm n n nmmm n n m u u u auauau auauau auauau aaa aaa aaa u u u M L MOMM L L L MOMM L L L MOMM L L ou seja, se uma matriz diagonal de ordem compatível multiplica uma matriz retangular, as linhas do produto resultante são os múltiplos (considerando o respectivo elemento diagonal) das linhas da matriz retangular. ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 16 Por exemplo, o produto − − − 0 1 0 7 0 2 2 3 0 0 2 1 500 030 002 dá como resultado uma matriz cujas linhas são os múltiplos respectivos das linhas de − − 0 1 0 7 0 2 2 3 0 0 2 1 , ou seja, − − −− − = ⋅ ⋅− ⋅ ⋅ ⋅− ⋅ −⋅ ⋅− ⋅ ⋅ ⋅− −⋅ = − − − 0 3 0 35 0 4 10 9 0 0 6 2 05 1)3( 02 75 0)3( 22 )2(5 3)3( 02 05 2)3( )1(2 0 1 0 7 0 2 2 3 0 0 2 1 500 030 002 . Exemplo 1.16: Considere uma matriz [ ] == × nmmm n n nmij aaa aaa aaa a L MOMM L L 21 22221 11211 A e a matriz diagonal de ordem nn× , = nv v v L MOMM L L 00 00 00 2 1 2D . Então [ ]; 00 00 00 ,,2,1 2211 2222211 1122111 2 1 21 22221 11211 AnA2A12 cccDA n nmnmm nn nn nnmmm n n vvv avavav avavav avavav v v v aaa aaa aaa L L MOMM L L L MOMM L L L MOMM L L = = = ou seja, se uma matriz retangular multiplica uma matriz diagonal de ordem compatível, as colunas do produto resultante são os múltiplos (considerando o respectivo elemento diagonal) das colunas da matriz retangular. Por exemplo, o produto − − 4000 0500 0030 0002 0 1 0 7 0 2 2 3 0 0 2 1 dá como resultado uma matriz cujas colunas são os múltiplos respectivos das colunas de − − 0 1 0 7 0 2 2 3 0 0 2 1 , ou seja, − − = ⋅ ⋅ ⋅ ⋅ ⋅ ⋅ −⋅ ⋅ ⋅ ⋅ ⋅ −⋅ = − − 0 4 0 35 0 10 6 9 0 0 4 2 04 14 04 75 05 25 )2(3 33 03 02 22 )1(2 4000 0500 0030 0002 0 1 0 7 0 2 2 3 0 0 2 1 . 1.4 EXERCÍCIOS 1 Em cada caso, encontre uma matriz 66× cujos elementos são a. ≤−− >− = ;1 se ,1 ,1 se ,1 ji ji a ji b. ;)1( jijia +−= c. |,| jia ji −= d. 0=ija se ji > . ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 17 2 Sejam − = 51 03 A , − = 3 1 2 2 0 4 B , = 6 4 2 5 3 1 C , − − = 12 30 D , [ ]24=E e − = 2 1 F . Calcule as matrizes seguintes (se possível): a. DA 2+ ; b. AD 23 − ; c. CB − ; d. tCB − ; e. BA ; f. DB ; g. CBD + ; h. BBt ; i. )( FAE ; j. ( )2DA − . 3 Dadas as matrizes − − − = 0 1 2 2 1 1 0 1 2 1 1 1 A e − −= 1 0 2 0 2 3 B , encontre o produto BA de quatro maneiras diferentes, como ilustra o exemplo 1.6. 4 Determine x , y , z e u de maneira que + + + − = 3 4 21 6 3 uz yx u x uz yx . 5 Sejam − − = 4 0 1 3 1 2 A e −− = 0 5 4 2 3 1 B . Calcule os produtos BA e AB . 6 Se [ ]21 ccA = e [ ]2121 ccccBA 32 +−= , determine a matriz B . 7 Sejam − − = 3 0 0 1 1 2 A e − − − − = 0 1 1 2 3 1 0 1 4 4 2 1 B . a. Sem calcular o produto BA , calcule o valor do elemento (2,4) desse produto mediante o produto escalar de dois vetores. b. Sem calcular o produto BA , escreva a terceira coluna de BA como uma combinação linear das colunas de A . c. Sem calcular o produto BA , escreva a primeira linha de BA como uma combinação linear das linhas de B . 8 Sejam − − = 21 63 A , − = 43 11 B e −− = 12 53 C . Verifique que CABA = mas CB ≠ . 9 Seja − = 34 31 A . Encontre, se existir, pelo menos um vetor = y x u não nulo tal que a. uuA 3= ; b. uuA 5−= ; c. uuA 2= . 10 Diz-se que duas matrizes A e B comutam se ABBA = . Encontre todas as matrizes = wz yx B que comutam com = 10 11 A . 11 Encontre, se houver, todos os valores de a tal que a. [ ] 0 1 1 320 201 011 11 = − a a ; ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 18 b. [ ] 0 1 1 0 1 0 1 3 11 2 = ⋅ − −⋅ a a . 12 Seja −− −− − = 4102 3317 0323 0351 A . Expresse a matriz A como uma soma de uma matriz simétrica e uma matriz anti-simétrica. 13 Sejam = 3 2 1 u e = c b a v . Calcule vut , uvt , tvu e tuv . Encontre as relações entre estas matrizes. 14 Se CBA += onde += 22 10 43 x zx y B é simétrica e − +− = vv w wu 12 10 24 C é anti-simétrica, determine os valores de x , y , z , u , v , w e A . 15 Seja − = 11 10 A . a. Calcule 2A , 3A , 4A , 5A , 6A e 7A . b. Diga qual o valor de 2017A e justifique. 16 Verdadeiro ou falso? Se 2A é diagonal, então A é diagonal. Justifique. 17 Verdadeiro ou falso? Se A e B são matrizes de ordem nn× , então ( )( ) 22 BABABA −=−+ . Justifique. 18 Encontrar uma matriz triangular superior A de ordem 22× , tal que − = 270 5783A . 19 Uma companhia com várias lojas que vende diversos produtos (P1, P2, P3 e P4) mantém o registro do seu estoque nas lojas mediante a matriz S= 140180170140 80160190175 110210180200 15090110120 4 3 2 1 P4P3P2P1Loja . a. Suponha que foram feitas entregas E às lojas da companhia. Calcule o novo estoque das lojas. = 50104060 7040015 60103025 10502040 E . b. Após a entrega na parte a. ser feita, utilizando a multiplicação matricial, calcule o valor total do estoque em reais em cada loja, sabendo que cada os valores de cada produto são R$ 200,00; R$ 50,00; R$ 100,00 e R$ 150,00, respectivamente. c. Utilizando apenas a multiplicação matricial, formule um produto de ordem 41× em que cada elemento represente o valor em reais de cada produto em estoque (após a entrega ser feita). 20 Uma empresa fabrica três produtos (x, y e z) e os transporta para dois depósitos para armazená-los. O número de unidades de cada produto transportadas para cada depósito está dado pela matriz ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 19 2 Dep1 Dep 125 100 75 100 150 200 ↑↑ ← ← ← = z y x A . O custo de transporte de cada produto por caminhão é R$1,50 para x, R$1,00 para y e R$2,00 para z. Os custos correspondentes por trem são R$1,75, R$1,50 e R$1,00. Organize estes custos numa matriz B e depois utilize a multiplicação matricial para mostrar como a empresa pode comparar o custo de transporte dos seus produtos a cada um dos depósitos por caminhão e por trem. 1.4 INVERSA DE UMA MATRIZ Observe que, dadas as matrizes = 5 3 0 0 A e = 0 4 0 2 B , tem-se que OBA =⋅ . Isto significa que o produto de duas matrizes não nulas pode dar como resultado uma matriz nula. Porém, o produto de dois números reais não nulos sempre dá um número não nulo. Também, pode-se notar, como já foi dito antes, que o produto não é comutativo. Esta diferença ocasiona um problema fundamental para definir a divisão de matrizes, pois observe que se a é um número real não nulo, então o inverso multiplicativo de a é simplesmente a a 11 = − , mas este processo não pode ser imitado para matrizes não nulas. Este fato implica que a matriz inversa exista só em alguns casos. Definição 1.6: Seja A uma matriz quadrada. Uma matriz quadrada B da mesma ordem que A é dita uma matriz inversa da matriz A se IABBA == . Quando é possível encontrar uma matriz B que seja uma inversa de A , a matriz A é dita uma matriz invertível (ou inversível). Exemplo 1.17: Sejam as matrizes = 1 0 1 1 1 1 0 1 0 0 1 1 2 1 0 2 A e − −− − − = 1 0 1 0 0 2 0 1 1 1 0 1 1 1 1 1 B . Então ABIBA == ⋅= − −− − − ⋅ = 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 1 0 1 0 0 2 0 1 1 1 0 1 1 1 1 1 1 0 1 1 1 1 0 1 0 0 1 1 2 1 0 2 . Assim, B é uma matriz inversa de A . Portanto, A é uma matriz invertível. Exemplo 1.18: Se = 1 0 0 0 1 0 3 0 1 E e − = 1 0 0 0 1 0 3 0 1 F , verifica-se que IEFFE == . Logo, F é uma matriz inversa de E . Assim, E e F são matrizes invertíveis. Propriedade 1.5: Seja A uma matriz quadrada. Se existir uma matriz inversa de A , então ela é única. Prova: Sejam as matrizes B e C duas matrizes inversas de A . Então IABBA =⋅=⋅ e IACCA =⋅=⋅ . Logo, ( ) ( ) CCICABCABIBB =⋅=⋅⋅=⋅⋅=⋅= . Portanto, a inversa da matriz A , se existir, é única. Logo, pode-se falar de: “a matriz inversa de A ”, e esta será denotada por 1A− . ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 20 Propriedade 1.6: Sejam A e B matrizes quadradas (da mesma ordem) invertíveis. Logo ( ) 111 ABBA −−− ⋅=⋅ . Por enquanto, com o material desenvolvido até o momento, não tem como saber se existe a matriz inversa de uma matriz quadrada. Mais ainda, sabendo que a matriz inversa existe, resta o problema de calcular tal matriz inversa. Os problemas da existência e do cálculo da matriz inversa são vistos na seção 1.8. 1.5 MATRIZES E OPERAÇÕES ELEMENTARES POR LINHAS As operações elementares realizadas em matrizes podem ser dos seguintes tipos: 1. Primeiro tipo: Multiplicação da i -ésima linha de uma matriz por um escalar r . Esta operação é esquematizada pela notação: → iLr Exemplo 1.19: Seja a matriz = − − = t A3 t A2 t A1 l l l A , , , 0 1 0 7 0 2 2 3 0 0 2 1 . Se, por exemplo, a segunda linha da matriz é multiplicada por 2, então ter-se-á o esquema → t A3 t A2 t A1 2 t A3 t A2 t A1 l l l L l l l , , , , , , 22 , ou seja, − − = ⋅⋅ − ⋅⋅ − → − − 0 2 0 7 0 2 2 6 0 0 4 1 0 12 0 7 02 2 2 32 0 0 22 1 2 0 1 0 7 0 2 2 3 0 0 2 1 2L . Pelos termos do exemplo 1.15, observe que se definimos a matriz diagonal = 1 0 0 0 2 0 0 0 1 E , então − − = = ⋅ = − − = 0 2 0 7 0 2 2 6 0 0 4 1 2 1 0 0 0 2 0 0 0 1 0 1 0 7 0 2 2 3 0 0 2 1 1 0 0 0 2 0 0 0 1 , , , , , , t A3 t A2 t A1 t A3 t A2 t A1 l l l l l l AE que é a matriz obtida anteriormente. No caso desta primeira operação elementar, a matriz elementar E associada é igual à matriz que resulta de multiplicar por r a i -ésima linha da matriz identidade, ou seja, ELI i →r . Em termos matriciais ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 21 linha. ésima- 100 0 00 00 00 00 10 01 ir ← = MOM L L MM L MM L L OMM L L E e como a operação elementar inversa de → iLr (isto é, a operação elementar que anula o efeito de E ) é → iL r 1 , então linha. ésima- 100 0/1 00 00 00 00 10 01 ir ← = − MOM L L MM L MM L L OMM L L 1E 2. Segundo tipo: Permutação da i -ésima e a j -ésima linhas. Esta operação é esquematizada pela notação → ↔ ji LL . Exemplo 1.20: Seja a matriz = = t A4 t A3 t A2 t A1 l l l l A , , , , 16151413 1211109 8765 4321 . Se são permutadas a segunda e terceira linhas da matriz, então ter-se-á o esquema → ↔ t A4 t A2 t A3 t A1 32 t A4 t A3 t A2 t A1 l l l l LL l l l l , , , , , , , , , ou seja, → ↔ 16151413 8765 1211109 4321 16151413 1211109 8765 4321 32 LL . Observe que se são permutadas a segunda e terceira linhas da matriz identidade, é obtida a matriz = 1000 0010 0100 0001 32P . Também, = = = = 16151413 8765 1211109 4321 1000 0010 0100 0001 16151413 1211109 8765 4321 1000 0010 0100 0001 , , , , , , , , t A4 t A2 t A3 t A1 t A4 t A3 t A2 t A1 32 l l l l l l l l AP , ou seja, a operação elementar → ↔ 32 LL é equivalente à multiplicação matricial AP 32 . ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 22 Em geral, a matriz elementar associada à operação → ↔ ji LL é chamada uma matriz de permutação, denotada por jiP , sendo igual à matriz que resulta de permutar a i -ésima e a j -ésima linhas da matriz identidade, ou seja, jiji P LL I → ↔ . Em termos matriciais, linha. esima- linha; ésima- 10 00 000 100 01 00 00 000 010 001 j i ← ← == − LL MOM LL MMO L MMM L MMM LL MM LL LL L MOMM L L 1 jiji PP Aqui, afirma-se que 1jiji PP −= , pois a operação elementar inversa de → ↔ ji LL é ela mesma. 3. Terceiro tipo: Soma da i -ésima linha com r vezes a j -ésima linha da matriz. Esta operação é esquematizada pela notação → +→ jii LLL r , ou mais abreviadamente, → + ji LL r e consiste em substituir a i-ésima linha da matriz pela soma da i-ésima linha com r vezes a j-ésima linha da mesma matriz. Neste caso, a matriz elementar associada é a matriz que resulta trocar por α o elemento ij da matriz identidade. Exemplo 1.21: Seja a matriz = − − = t A3 t A2 t A1 l l l A , , , 0 1 0 7 0 2 2 3 0 0 2 1 . Se nessa matriz substitui-se a terceira linha pela soma dessa linha mais 3 vezes a primeira linha, ter- se-á + → + t A1 t A3 t A2 t A1 13 t A3 t A2 t A1 ll l l LL l l l ,, , , , , , 3 3 , ou seja −− − = ⋅+⋅+⋅+−−⋅+ − → + − − 0 1 0 13 0 2 2 3 0 3 2 1 030 1 0 237 0 2 032 3 0 )1(30 2 1 3 0 1 0 7 0 2 2 3 0 0 2 1 13 LL . Agora, observe que → + 1 0 0 0 1 0 3 0 1 3 1 0 0 0 1 0 0 0 1 13 LL . Com isto, define-se a matriz elementar = 1 0 0 0 1 0 3 0 1 E , resultando, então, que . 0 1 0 13 0 2 2 3 0 3 2 1 31 0 0 0 1 0 3 0 1 0 1 0 7 0 2 2 3 0 0 2 1 1 0 0 0 1 0 3 0 1 ,, , , , , , −− − = + = = − − = t A1 t A3 t A2 t A1 t A3 t A2 t A1 ll l l l l l AE ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 23 Em geral, a matriz elementar associada à operação → + ji LL r é a matriz E , obtida pela operação E LL I ji → +r . Em termos matriciais, linha. esima- linha; ésima- 10 01 000 00 00 00 00 100 010 001 j i r ← ← = LL MOM LL MMO L MMM L MMM LL MM LL LL L MOMM L L E Mas, observando que a operação elementar → + ji LL r é inversa da operação elementar → − ji LL r (ou seja, uma anula o efeito da outra sobre a linha aplicada), ou seja, para conseguir o resultado inverso de uma operação elementar de terceiro tipo, basta trocar o sinal do escalar r pode- se obter a inversa da matriz E como linha. esima- linha; ésima- 10 01 000 00 00 00 00 100 010 001 j i r ← ← − = − LL MOM LL MMO L MMM L MMM LL MM LL LL L MOMM L L 1E 1.6 FORMAS ESCALONADAS DE MATRIZES Na verdade, existem vários tipos de matrizes na forma escalonada a partir de uma matriz de ordem arbitrária, [ ] nmija ×=A . Primeiro, tem-se as matrizes na forma escalonada por linhas com pivô genérico: Definição 1.7: Uma matriz na forma escalonada por linhas com pivô genérico é uma matriz tal que: i. as linhas nulas são as últimas; ii. se jir é o primeiro elemento não nulo da i -ésima linha (tal elemento denominar-se-á pivô), então 0=klr , para todo ik > e todo jl ≤ . ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 24 Exemplo 1.22: As matrizes 000 000 130 802 , 3 0 0 0 1 0 0 0 1 , 0 1 0 0 3 0 0 0 4 , 0 5 0 0 0 2 0 0 3 estão na forma escalonada por linhas com pivô genérico. Enquanto que as matrizes 000 000 131 211 , 1 1 1 0 0 0 1 0 1 , 1 1 1 0 0 2 0 0 1 , 0 4 1 0 0 2 1 0 0 , 1 4 0 0 1 0 0 0 0 não estão na forma escalonada por linhas. Dada uma matriz [ ] nmija ×=A , ela tem associada várias matrizes na forma escalonada por linhas com pivô genérico. Esta última forma escalonada é muito útil para a resolução de sistemas de equações lineares, como vai ser visto no próximo capítulo, num processo denominado eliminação de Gauss. Mas, como será visto depois nesta seção, uma matriz [ ] nmija ×=A pode originar várias (infinitas) matrizes na forma escalonada por linhas com pivô genérico. Para fins de unicidade da forma escalonada por linhas associada à matriz A , pode ser definida uma forma escalonada mais específica com pivô unitário. Definição 1.8: Uma matriz na forma escalonada por linhas com pivô unitário (ou simplesmente, matriz na forma escalonada por linhas) é uma matriz tal que: i. as linhas nulas são as últimas; ii. se jir é o primeiro elemento não nulo da i -ésima linha (tal elemento denominar-se-á pivô), então 1=jir e 0=klr , para todo ik > e todo jl ≤ . O processo de conseguir uma matriz na forma escalonada por linhas é denominado escalonamento da matriz por linhas. O diagrama abaixo mostra umaforma prática de reconhecer uma matriz na forma escalonada por linhas: 1=ijr é o primeiro elemento não nulo da i -ésima linha e todos os elementos 0=klr com ik > e jl ≤ Definição 1.9: Uma matriz na forma escalonada reduzida por linhas (também conhecida como forma escalonada de Gauss-Jordan) é uma matriz tal que satisfazem as condições i e ii da definição anterior e também iii. os elementos acima da mesma coluna de cada pivô são nulos. 1 só zeros ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 25 Exemplo 1.23: As matrizes 000 000 110 211 , 1 1 1 0 1 0 0 0 1 , 0 1 1 0 1 2 0 0 1 , 0 1 1 0 0 2 0 0 1 estão apenas na forma escalonada por linhas. As matrizes 000 000 110 001 , 1 0 0 0 1 0 0 0 1 , 0 1 0 0 1 0 0 0 1 , 0 1 0 0 0 2 0 0 1 estão na forma escalonada reduzida por linhas. A obtenção da forma escalonada ou da forma escalonada reduzida por linhas de uma matriz pode ser realizada pela aplicação de uma seqüência de operações elementares. Exemplo 1.24: Vai se obter a forma escalonada por linhas (com pivô unitário) da matriz = − − − = t A4 t A3 t A2 t A1 l l l l A , , , , 0 1 2 2 1 1 0 1 2 1 1 1 . • Escolhe-se o elemento 0111 ≠=a como pivô. Então são zerados os elementos das posições (2,1), (3,1) e (4,1) mediante as operações elementares indicadas abaixo − − − = ⋅− + − −⋅− −+− −− − ⋅− +− − → − + − − − − 4 3 0 2 3 2 1 1 0 0 0 1 220 21 22 2 )1(21 )1(1 )1(0 1 122 11 11 1 0 1 2 2 1 1 0 1 2 1 1 1 14 13 12 2LL LL LL • A seguir, o elemento (2,2) da última matriz é escolhido como pivô, e com ele são zerados os elementos (2,3) e (2,4): − − = ⋅−− ⋅+ ⋅− ⋅+− − → − + − − − 4 3 0 2 0 0 1 1 0 0 0 1 034 023 0 2 133 122 1 1 0 0 0 1 4 3 0 2 3 2 1 1 0 0 0 1 24 23 3LL 2LL ; • Enfim, o elemento (3,3) da última matriz é escolhido como pivô, e com ele é zerado o elemento (3,4): − → − = ⋅+− − → + − − 0 1 0 2 0 0 1 1 0 0 0 1 0 3 0 2 0 0 1 1 0 0 0 1 34 3 0 2 0 0 1 1 0 0 0 1 4 3 0 2 0 0 1 1 0 0 0 1 3 4 33 1 33 4 4 LLL . Observe que a matriz na forma escalonada tem três linhas não nulas e uma linha nula. O número de linhas não nulas na forma escalonada de uma matriz recebe o nome de posto da matriz, e o número de linhas nulas chama-se a nulidade de uma matriz. Estes conceitos são importantes na resolução de sistemas de equações lineares que será visto em um capítulo posterior. ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 26 Exemplo 1.25: Vai se obter a forma escalonada reduzida por linhas da matriz − − − = 0 1 2 2 1 1 0 1 2 1 1 1 A . É aplicada uma seqüência de operações elementares na matriz: • Como no exemplo anterior, 0111 ≠=a é o pivô da primeira linha. Então são zerados os elementos das posições (2,1), (3,1) e (4,1) mediante as operações elementares indicadas abaixo − − − → − + − − − − 4 3 0 2 3 2 1 1 0 0 0 1 0 1 2 2 1 1 0 1 2 1 1 1 14 13 12 2LL LL LL , • como o pivô da segunda linha é 1, não precisa multiplicar a segunda linha por algum escalar, e agora, com esse pivô, zeram-se os elementos (1,2), (3,2) e(4,2) (acima e embaixo do pivô): − → − + + − − − 4 3 0 2 0 0 1 0 0 0 0 1 3 2 4 3 0 2 3 2 1 1 0 0 0 1 2 2 21 LL LL LL 4 3 , • faz-se o pivô da terceira linha igual a 1: − → − 4 1 0 2 0 0 1 0 0 0 0 1 4 3 0 2 0 0 1 0 0 0 0 1 33 1 L , • sendo o pivô da terceira linha igual a 1, agora, zeram-se os elementos (1,3) e (4,3) ((2,3) já e zero): → − − − 0 1 0 0 0 0 1 0 0 0 0 1 4 2 4 1 0 2 0 0 1 0 0 0 0 1 3 31 LL LL 4 . Definição 1.10: Seja = nnnn n n aaa aaa aaa L MOMM L L 21 22221 11211 A uma matriz quadrada. O traço da matriz A , denotado por )(Atr , é definido como a soma dos elementos da diagonal principal da matriz, ou seja, nnaaatr +++= L2211)(A . 1.7 TRIANGULARIZAÇÃO DE UMA MATRIZ QUADRADA A aplicação das operações elementares sobre as linhas de uma matriz quadrada para zerar os elementos de uma coluna a partir do elemento ii, , pode levar, em certos casos, a conseguir uma matriz triangular superior a partir de uma matriz quadrada. Este processo é denominado triangularização, e conduz a ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 27 fatorações especiais de uma matriz quadrada, conhecidas como fatoração LU. Ilustrar-se-á este processo com exemplos práticos. Exemplo 1.26: Aqui será mostrado o processo de triangularização sem pivoteamento, ou seja, sem permutação de linhas. Seja a matriz = = t A4 t A3 t A2 t A1 l l l l A , , , , 1 0 1 1 1 1 0 1 0 0 1 1 2 1 0 2 . • O elemento não nulo 211 =a é o pivô da primeira linha, e baseado nesse elemento, vamos zerar os elementos da mesma coluna “abaixo” dele, ou seja, os elementos 1ia com 1>i . Para isto, são feitas as operações elementares mostradas abaixo 1 2 1 2 1 2 1 2 1 2 1 2 1 14 12 1 3 ALL LL A = − − − = − ⋅− − ⋅− − ⋅− − ⋅− → − − = 0 1 1 0 0 1 1 1 1 0 0 0 2 11 10 1 1 11 11 0 1 10 10 1 1 22 21 0 2 1 0 1 1 1 1 0 1 0 0 1 1 2 1 0 2 2 1 . A matriz (produto de duas matrizes elementares) associada às duas operações elementares realizadas é 1E onde 1 14 12 1 3 ELL LL = − − → − − 1001 010 0010 0001 1000 0100 0010 0001 2 1 , sendo que 11 AAE = . • Considerando a matriz 1A , o elemento 2,2 é 1 (não nulo) e baseado nesse novo pivô, vamos zerar os elementos da mesma coluna “abaixo” dele, ou seja, os elementos 2,i com 2>i . Para isto, são feitas as operações elementares mostradas abaixo . 1 0 1 1 0 0 1 0 0 1 1 0 0 0 2 10 1 1 1 00 0 0 1 11 1 1 1 00 00 0 2 0 1 1 0 0 1 1 1 1 0 0 0 2 2 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 24 22 1 3 2 1 2 1 2 11 A LL LL A = = + ⋅+− + ⋅− +− ⋅+− + ⋅+ → + + − − − = A matriz (produto de duas matrizes elementares) associada às duas operações elementares realizadas é 2E onde 2 24 22 1 3 ELL LL = → + + 1010 010 0010 0001 1000 0100 0010 0001 2 1 , sendo que 212 AAE = . • Considerando a matriz 2A , o novo pivô é o elemento 3,3 que é 1/2 (não nulo), mas observe que não precisa zerar o elemento 4,3 que já é nulo. Como a matriz 2A é triangular superior, será chamada de U (do inglês upper: superior). Assim, tem-se que AEEAEAU 12122 === . Logo, ( ) AEAEEEUE 1121212 == −− , e daí, ( ) AAEEUEE 1111211 == −−− , ou seja, UEEA 1211 −−= . Mas, ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 28 = − − = − 1001 010 0010 0001 1001 010 0010 0001 2 1 2 1 1 11 EE e − − = = − 1010 010 0010 0001 1010 010 0010 0001 2 1 2 1 1 22 EE Estas inversas podem ser deduzidas observando que a operação elementar → + ji LL r é inversa da operação elementar → − ji LL r (ou seja, uma anula o efeito da outra sobre a linha aplicada). Assim, como já foi explicado anteriormente, para conseguir o resultado inverso de uma operação elementar de terceiro tipo, basta trocar o sinal do escalar r . Também, observe que − − = − − = −− 1011 01 0010 0001 1010 010 0010 0001 1001 010 0010 0001 2 1 2 1 2 1 2 1 1 2 1 1 EE . Como a matriz 1 2 1 1 EE −− é triangular inferior, será chamada de L (do inglês lower: inferior). Enfim, tem-se que ULA = , ou, por extenso, ULA 2 1 2 1 2 1 = ⋅ − − = = 1 0 1 1 0 0 1 0 0 1 1 0 0 0 2 1 0 0 0 0 1 0 0 1 1 0 1 0 1 1 0 1 1 1 1 0 1 0 0 1 1 2 1 0 2 . Esta fatoração da matriz A recebe o nome de fatoração LU sem pivoteamento, pois não foi feita permutação de linhas alguma. Exemplo 1.27: Aqui será mostrado o processo de triangularização com pivoteamento, ou seja, com permutação de linhas. Seja a matriz = − −= t A3 t A2 t A1 l l l A , , , 110 111 210 . • O elemento 011 =a e ele não pode constituir um pivô. Mas, pode ser feita, então, uma permutação de linhas, primeira e segunda: 1 21 ALLA = − − → ↔ − −= 110 210 111 110 111 210 . A matriz elementar associada às duas operações elementares realizadas é 12121 PP −= = 100 001 010 . sendo que 121 AAP = . • O elemento não nulo 1,2 igual a 1 agora é o pivô, mas, neste caso, não precisa zerar os elementos da mesma coluna “abaixo” dele, pois eles já são nulos. • Considerando a matriz 1A , o elemento 2,2 é 1 (não nulo) e com este novo pivô, vamos zerar os elementos da mesma coluna “abaixo” dele, ou seja, os elementos 2,i com 2>i . Para isto, são feitas as operações elementares mostradas abaixo . 300 210 111 211100 210 111 110 210 111 2 23 1 A LLA = − − = −−−− − → − − − = ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1: Matrizes 29 A matriz elementar associada à operação elementar realizada é 2E onde 2 23 ELL = − → − 110 010 001 100 010 001 , sendo que 212 AAE = . Como a matriz 2A é triangular superior, denomina-se U . Assim, tem-se que APEAEAU 212122 === . Logo, ( ) APAPEEUE 212121212 == −− , e daí, ( ) AAPPUEP 2112112121 == −−− , ou seja, UEPA 12121 −−= . Mas, = − 100 001 010 1 21P e = − = − 110 010 001 110 010 001 1 22 EE Agora, observe que = −− 110 010 001 100 001 010 1 2 1 21 EP . Como a matriz 12E − é triangular inferior denomina-se L e tem-se que ULPA = , ou, por extenso, ULPA = = − −= 110 010 001 110 010 001 100 001 010 110 111 210 . onde P é uma matriz de permutação, L é uma matriz triangular inferior e U é uma matriz triangular superior. Esta fatoração de A é conhecida como a fatoração LU com pivoteamento parcial (por linhas), pois foi preciso encontrar um pivô mediante a permutação de linhas. 1.8 CÁLCULO DA MATRIZ INVERSA Nesta seção, é apresentado um algoritmo para o cálculo da matriz inversa mediante operações elementares. Para começar, tem-se uma propriedade: Propriedade 1.8: Seja A uma matriz quadrada. Então as três afirmações seguintes são equivalentes: 1. uma forma escalonada por linhas de A é a matriz identidade I ; 2. a matriz A pode ser expressa como um produto de matrizes elementares; 3. a matriz A é invertível. A prova desta propriedade está fora do alcance deste capítulo e será provado no capítulo posterior. Algoritmo de Cálculo da Matriz Inversa: Dada a matriz quadrada A invertível, existe uma seqüência de matrizes elementares que conduzem à matriz identidade AEEEI 12k ⋅⋅⋅⋅= K . Nessas condições, basta expressar 12k 1 EEEA ⋅⋅⋅=− K . Uma maneira prática de fazer isto é criar uma matriz da forma [ ]IA M e, mediante operações elementares chegar, se possível, à forma escalonada reduzida por linhas [ ]BI M . Ter-se-á que 1AB −= . Caso a forma escalonada reduzida por linhas não seja da forma [ ]BI M pode-se afirmar que a inversa de A não existe. Exemplo 1.28: Seja a matriz = 43 21 A . Então leva-se [ ]IA M à sua forma escalonada reduzida por linhas: ÁLGEBRA LINEAR Prof. Germán R. C. Suazo Capítulo 1:
Compartilhar