Baixe o app para aproveitar ainda mais
Prévia do material em texto
Escola de Cieˆncia e Tecnologia – – A´lgebra linear H. L. Carrion Natal - UFRN/RN Lista de Figuras Suma´rio Cap´ıtulo 1 Matrizes 1.1 Definic¸o˜es sobre matrizes Definic¸a˜o 1.1.1. Uma matriz e´ um reticulado retangular formado por objetos denominados de elementos (ou entradas), disposto por m linhas e n colunas, por exemplo : altura peso edade pai 1.70 60 40 mae 1.72 50 30 filha 1.50 60 15 Assim, uma matriz a valores reais ou complexos, que vamos denotar por A, com m linhas e n colunas e´ presesentada por: A = a11 a12 . . . a1j . a1m a21 a22 . . . a2j . a2m . . . . . . . . . . . . . . . . ai1 ai2 . . . aij . aim . . . . . . . . . . . . . . . . an1 an2 . . . anj . anm n×m (1.1) Dado uma matriz An×m = [aij]n×m, matriz A de ordem n × m (n linhas e m colunas), os elementos da matriz aij podem ser nu´meros reais (R) ou complexos (C), i = 1, 2, ...n; j = 1, 2, ...m. 1.1 Definic¸o˜es sobre matrizes 3 Os elementos {a11, a22, ...., anm}, sa˜o chamados de diagonal principal, e os elementos dispostos na posic¸a˜o {a1m, a2 m−1, ...., an1}, sa˜o chamados de diagonal secundaria Definic¸a˜o 1.1.2. Uma matriz e´ dita retangular quando o numero de linhas m e´ diferente que o numero de colunas n, ou seja (m 6= n). Logo, a matriz A e´ quadrada quando o numero de linhas m e´ igual ao numero de colunas n, ou seja (m = n). Exemplo 1.1.1. : matriz retangular de ordem 3× 2 A3×2 = 3 0 2 −1 1 2 (1.2) Observe que : a11 = 3, a32 = 2. Exemplo 1.1.2. Matriz quadrada B2×2 = a b c d (1.2) Observe que : b11 = a, b22 = d; a, b, c, d ∈ R. O que quer dizer que a matriz B(R) tem todos os elementos reais. Exemplo 1.1.3. Matriz quadrada a valores complexos B2×2 = 2− 2I 4I 3 + 2I 0 (1.2) Observe que, agora os elementos sa˜o numeros complexos, I e´ a unidade imaginaria, tal que I2 = −1. Por isso podemos denotar assim B2×2(C). Definic¸a˜o 1.1.3. Uma matriz e´ nula quando todos os elemento aij = 0, ∀i, j. A notac¸a˜o usual e´ [0]m×n. Exemplo 1.1.4. Matriz quadrada e nula B2×2 = 0 0 0 0 (1.2) H.L. Carrion ECT 1.1 Definic¸o˜es sobre matrizes 4 Definic¸a˜o 1.1.4. Uma matriz coluna tem a forma A = [aij]m×1. A = a11 a21 . . am1 (1.3) Definic¸a˜o 1.1.5. Uma matriz linha tem a forma A = [aij]1×n. A = [ a11 a12 . . a1n ] (1.4) Exemplo 1.1.5. Um vetor pode-se acomodar como uma matriz coluna. Por exemplo, o vetor V = (3, 2, 0) pode se acomodar como a matriz coluna V3×1 = 3 2 0 (1.4) Definic¸a˜o 1.1.6. Uma matriz quadrada e diagonal A = [aij] esta definida assim : aij = aii, i = j ;0, i 6= j. (1.5) Ou em forma explicita: A = a11 0 . . 0 . . 0 0 . . 0 aii . 0 . . 0 . 0 0 0 . . ann (1.6) como caso particular temos a matriz identidade I H.L. Carrion ECT 1.1 Definic¸o˜es sobre matrizes 5 I = 1 0 . . 0 . . 0 0 . . 0 1 . 0 . . 0 . 0 0 0 . . 1 n×n (1.7) que na forma compacta assume a seguinte forma: δij = 1, i = j ;0, i 6= j, i, j = {1, 2, .., n}. (1.8) δij e´ delta de Kronocher. A seguir iremos ver uma aplicac¸a˜o de matrizes Exemplo 1.1.6. Suponha que uma empresa que monta ambientes de um predio de ensino superior, vai equipar uma sala de escritorio para um professor, um laboratorio e uma sala de aula. A empresa quer saber o prec¸o base de cada ambiente, considerando que cada ambiente tem os seguintes equipamentos. cadeiras mesa computador armario Sala de escritorio 5 2 2 2 Laboratorio 10 1 10 2 Sala de aula 30 1 1 2 (1.9) qual e´ o prec¸o base para montar cada ambiente, com os equipamentos indicados?. considere que o prec¸o base dos equipamentos esta˜o dadas pela seguinte matriz equipamento Prec¸o (reais) 1 cadeira 500 1mesa 1200 1 computador 2000 1 armario 900 (1.10) Para responder a esta questa˜o, de forma simples e sistema´tica, precisamos aprender as operac¸o˜es com matrizes, em particular sera´ util a multiplicac¸a˜o de matrizes. Para saber a resposta, voltaremos a tocar no assunto apos apresentar o conceito de multiplicac¸a˜o de matrizes. H.L. Carrion ECT 1.1 Definic¸o˜es sobre matrizes 6 Definic¸a˜o 1.1.7. Matriz transposta: a transposta de uma matriz Aij e´ outra matriz deno- minada ATij ”Transposta de A”que se obtem trocando as linhas por colunas na matriz A, logo ATij = Aji, {∀ i = 1, 2, ...,m, j = 1, 2, .., n}. Exemplo 1.1.7. Seja a matriz A A3×2 = 2 0 −1 4 7 13 logo matriz transposta sera´ AT2×3 = 2 −1 7 0 4 13 observac¸a˜o 1 Seja A = [aij] e A T = [aTij], logo : aT11 = a11 = 2 aT12 = a21 = −1 aT13 = a31 = 7 aT21 = a12 = 0 aT22 = a22 = 4 aT23 = a32 = 13 (1.10) observac¸a˜o 2 Observe que a linha-2 da matriz A, pasou a ser a coluna-2 da matriz AT . ♠ Logo, dado uma matriz An×m, podemos concluir em geral que a i-e´sima linha da matriz A, pasou a ser a i-e´sima coluna da matriz AT (i ≤ n). 1.1.1 Definic¸o˜es para matrizes quadradas Definic¸a˜o 1.1.8. Matriz sime´trica: Uma matriz quadrada An×n e´ dita sime´trica se A = AT , ou e em termos dos elementos da matriz A, aij = aji, {∀ i = 1, 2, ..., n, j = 1, 2, .., n}. H.L. Carrion ECT 1.1 Definic¸o˜es sobre matrizes 7 Exemplo 1.1.8. Seja a matriz A A3×3 = 0 2 −1 2 4 3 −1 3 7 ⇒ AT3×3 = 0 2 −1 2 4 3 −1 3 7 Podemos observar que a transposta da matriz A e´ igual a propria matriz A. De outra forma, o elemento a23 = a32, a12 = a21, e assim por diante. Podemos dizer tambe´m que, por exemplo, a linha 1 e´ igual a coluna 1, a linha 2 e´ igual a coluna 2, e a linha 3 e´ igual a coluna 3. ♠ Em geral podemos afirmar que a i-e´sima linha e´ igual a i-e´sima coluna, para qualquer valor de i = 1, 2, .., n. ♠ Tambem podemos dizer que a diagonal principal faz o papel de espelho, logo os elementos que esta˜o na parte inferior e os elementos que esta˜o na parte superior sa˜o simentricos em relac¸a˜o a` digonal principal Definic¸a˜o 1.1.9. Matriz antisime´trica: Uma matriz quadrada An×n e´ dita antisime´trica se A = −AT , ou e em termos dos elementos da matriz A, aij = −aji, {∀ i = 1, 2, ..., n, j = 1, 2, .., n}. Exemplo 1.1.9. Seja a matriz A A3×3 = 0 2 1 −2 0 −3 −1 3 0 , a23 = −a32, a31 = −a13..; a22 = −a22 = 0, ..., Logo A e´ antisimetrico. De outra forma AT3×3 = 0 −2 −1 2 0 3 1 −3 0 . comparando ambas matrizes, observe que A = −AT . Exemplo 1.1.10. Seja a matriz An×n antisime´trica por definic¸a˜o, logo prove que os elementos da diagonal principal sa˜o nulos. Soluc¸a˜o.- Se a matriz A e´ antisime´trica enta˜o aij = −aji, {∀ i = 1, 2, ..., n, j = 1, 2, .., n}. Em particular, quando analisarmos os elementos da diagonal principal i = j. Logo, aii = −aii → 2aii = 0→ aii = 0, ∀ i = 1, 2, .., n. Logo, enunciamos o seguinte resultado. H.L. Carrion ECT 1.1 Definic¸o˜es sobre matrizes 8 ♠ Em toda matriz antisime´trica, os elementos da diagonal principal sa˜o todos iguais a zero. ♠ Outra propriedade de toda matriz antisime´trica e´ que os elemntos por cima da diagonal principal sa˜o os negativos dos elementos por baixo da diagonal principal. Definic¸a˜o 1.1.10. Matriz nilpotente: Uma matriz quadrada An×n e´ dita nilpotente se AK = [0]n×n (de ordem K ou ı´ndice de nilpotencia K), sendo K um nu´mero natural Qualqer matriz triangular An×n com os elementos da diagonal principal iguais a zero e´ nilpotente de ordem n. Exemplo 1.1.11. Seja a matriz A A = 0 0 0 r 0 0 0 r 0 , verifique que : A3 = [0],∀ r ∈ R, logoA e´ nilpotente de ordem K = 3. Definic¸a˜o 1.1.11. Matriz Involutiva: Uma matriz quadrada An×n e´ dita involutiva se A2 = 1n×n. Exemplo 1.1.12. Seja a matriz A A = 0 −I I 0 sendo I a unidade imaginaria (I2 = −1), verifique que A2 = 1, logo A e´ involutiva. Definic¸a˜o 1.1.12. Matriz triangular superior: Uma matriz quadrada An×n e´ dita trian- gular superior se aij = 0, ∀ i > j Exemplo 1.1.13. Seja a matriz A A = b a e 0 e d 0 0 c , a, b, c, .., f reais arbitrarios. Definic¸a˜o 1.1.13. Matriz triangular inferior: Uma matriz quadrada An×n e´ dita triangu- lar inferior se aij = 0, ∀ i < j H.L. Carrion ECT 1.1 Definic¸o˜es sobre matrizes 9 Exemplo 1.1.14. Seja a matriz A A = b 0 0 a f 0 e d c , a, b, c, .., f reais arbitrarios. Exemplo 1.1.15. Seja a matriz A A3×3 = 1 0 0 −2 5 0 0 4 3 logo matriz transposta sera´ AT3×3 = 1 −2 0 0 5 4 0 0 3 Este exemplo indica que a transposta de toda matriz triangular inferior e´ uma matriz triangular superior e viceversa. Definic¸a˜o 1.1.14. Trac¸o da matriz A: Dado uma matriz quadrada An×n, logo o trac¸o da matriz A e´ definida como a soma dos elementos da diagonal principal. Ou Tr(A) = a11 + a22+, ....+ ann = k=n∑ k=1 akk. No exemplo anterior (1.1.14) o Tr(A) = b+ f + c. Exemplo 1.1.16. Seja a matriz A A3×3 = 1 0 −7 −2 3 0 8 3 −6 Tr(A) = 1 + 3− 6 = −2 H.L. Carrion ECT 1.2 A´lgebra matricial 10 1.2 A´lgebra matricial 1.2.1 Adic¸a˜o de matrizes Definic¸a˜o 1.2.1. Adic¸a˜o de matrizes : Sejam duas matrizes Am×n = [aij], Bm×n = [bij]. Logo a matriz soma C = A+B tem os seguintes elementos: [cij] = [aij + bij], C = [cij]. (1.2) Propriedades de adic¸a˜o de matrizes : A+B = B + A soma comutativa (1.3) A+ (B + C) = (A+B) + C, soma associativa (1.4) A+ 0 = 0 + A = A. (1.5) Sendo 0 a matriz nula. Para provar cada uma destas treˆs propriedade da soma de matrizes basta utilizar as propriedades de associatividade e comutatividade da soma de nu´meros reais na definic¸a˜o (1.2.1). Exemplo 1.2.1. Sejam as matrizes A e B, verifique a propriedade de comutatividade A+B = B + A. A = 0 1 3 −2 B = 1 0 5 7 Soluc¸a˜o.- A+B = 0 1 3 −2 + 1 0 5 7 = 0 + 1 1 + 0 3 + 5 −2 + 7 = 1 1 8 5 B + A = 1 0 5 7 + 0 1 3 −2 = 1 + 0 0 + 1 5 + 3 7− 2 = 1 1 8 5 H.L. Carrion ECT 1.2 A´lgebra matricial 11 Perceba, que a comutatitivadade da soma de matrizes(cujos elementos sa˜o nu´meros reais) se baseia na comutatividade da soma dos nu´meros reais. Exemplo 1.2.2. Seja a matriz An×n arbitrario, provar que sempre e´ possivel descompor esta matriz como uma soma de uma matriz sime´trica e outra antisme´trica. Soluc¸a˜o: Seja A = [aij], logo aij ≡ aij + aij 2 ≡ aij + aij + aji − aji 2 = aij + aji 2 + aij − aji 2 aij = aij + aji 2 + aij − aji 2 aij = a s ij + a as ij (1.4) sendo: asij = aij+aji 2 aasij = aij−aji 2 . Agora, podemos verificar a simetria dos elementos asij e a as ij respetivamente, ao trocar os indices i↔ j, (∀ i, j = {1, 2, .., n}). asji = aji + aij 2 = asij, Logo, A s = [asij] e´ simetrico aasji = aji − aij 2 = −aasij Logo, Aas = [asij] e´ antisimetrico Logo, a partir da equac¸a˜o (1.4) A ≡ [As] + [Aas], o que queriamos. demonstrar (o. q. q. d.) Definic¸a˜o 1.2.2. Sejam as matrizes A = [aij], B = [bij] duas matrizes do mesmo ordem m×n, logo a diferenc¸a de matrizes A-B, e´ outra matriz C = [cij] do mesmo ordem m× n tal que: C = A−B tal que : cij = aij − bij. 1.2.2 multiplicac¸a˜o de matrizes por escalares Definic¸a˜o 1.2.3. Multiplicac¸a˜o de uma matriz por um escalar : Seja A uma matriz de H.L. Carrion ECT 1.2 A´lgebra matricial 12 ordem m× n e k um escalar (nu´mero real ou nu´mero complexo). kAm×n = ka11 ka12 . . . ka1j . ka1m ka21 ka22 . . . ka2j . ka2m . . . . . . . . . . . . . . . . kai1 kai2 . . . kaij . kaim . . . . . . . . . . . . . . . . kan1 kan2 . . . kanj . kanm m×n . (1.5) Ou seja, o produto do escalar k e a matriz A e´ outra matriz C = [cij] tal que cij = kaij, ∀i, ∀j. Exemplo 1.2.3. Seja a matriz A = 1 0 4 2 −1 5 , logo a matriz C = 3A = 3 1 0 4 2 −1 5 = 3 0 12 6 −3 15 . Exemplo 1.2.4. Seja a matriz A A = 2 0 4 −3 1 0 0 5 3 , Logo (−2)A = (−2) 2 0 4 −3 1 0 0 5 3 = −4 0 −8 6 −2 0 0 −10 −6 Propriedades de multiplicac¸a˜o de matrizes por escalares Sejam Am×n, Bm×n matrizes arbitrarias de mesmo ordem, e k1, k2 sa˜o escalares arbitrarios. k1(A+B) = k1A+ k2B, propriedade distributiva da soma (1.6) (k1 + k2)A = k1A+ k2A, propriedade distributiva da soma (1.7) k1(k2A) = (k1k2)A, propriedade distributiva da multiplicac¸a˜o (1.8) 0A = 0. (1.9) 1A = A (1.10) Na propriedade (1.10), no lado esquerdo da igualdade e´ o nu´mero zero e no lado direito e´ a matriz nula 01. 1 As propriedades (1.4)-(1.5), (1.6)-(1.10) de matrizes, sa˜o na verdade uma parte das boas propriedades que H.L. Carrion ECT 1.2 A´lgebra matricial 13 1.2.3 multiplicac¸a˜o de matrizes Definic¸a˜o 1.2.4. Multiplicac¸a˜o de duas matrizes: Seja Am×n, Bp×q duas matrizes tal que o nu´mero de colunas da matriz A e´ igual ao nu´mero de linhas da matriz B (n = p). Logo a matriz Cm×q = Am×nBp×q esta definida assim : cij = k=p∑ k=1 aikbkj. (1.11) De uma forma pratica, podemos dizer que o elemento cij da matriz C pode ser calculada multiplicando a i−e´sima coluna da matriz A com a j−e´sima coluna da matriz B. Exemplo 1.2.5. Sejam as matrizes A,B: A3×3 = 2 0 4 −3 1 0 0 5 3 , B3×2 = 2 0 1 −1 4 1 , Consideremos o produto C = AB = c11 c12 c21 c22 c31 c32 . De acordo a definic¸a˜o (1.2.4) iremos determinar cada elemento cij da matriz produto C3×2 utilizando a equac¸a˜o (1.11), por exemplo : c11 = ∑k=3 k=1 a1k bk1 = a11 b11 + a12 b21 + a13 b31 ≡ 2.2 + 0.1 + 4.4 = 20, ou 2 0 4 −3 1 0 0 5 3 . 2 0 1 −1 4 1 = c11 c12 c21 c22 c31 c32 ou de forma mais pra´tica, c11 = produto da primeira linha da matriz A com a primeira coluna da matriz B =20. Analogamente : c21 = ∑k=3 k=1 a2k bk1 = a21 b11 + a22 b21 + a23 b31 ≡ −3.2 + 1.1 + 0.4 = −5, ou todo espac¸o vetorial deve possuir. De outra maneira, as matrizes de ordem m× n junto com as propriedade de soma e multiplicac¸a˜o definidas anteriormente, e outras que depois iremos apresentar, formam um espac¸o vetorial H.L. Carrion ECT 1.2 A´lgebra matricial 14 2 0 4 −3 1 0 0 5 3 . 2 0 1 −1 4 1 = c11 c12 c21 c22 c31 c32 c21 = produto da segunda linha da matriz A com a primeira coluna da matriz B = -5. . . c32 = produto da terceira linha da matriz A com a segunda coluna da matriz B = -2. Finalmente a matriz C e´ C = 20 4 −5 −1 17 −2 Vamos voltar ao exemplo (2.2.1) que ficou sem resposta, agora que sabemos multiplicar matrizes, podemos responder utilizando de forma sistema´tica. Exemplo 1.2.6. se queremos determinar o prec¸o base de cada ambiente, devemos multiplicar a matriz (1.33) com a matriz (1.10), do seguinte modo 5 2 2 2 10 1 10 2 30 1 1 2 . 500 1200 2000 500 = 9900 27200 19200 = Prec¸o total(Reais) Da sala de escritorio Laboratorio Da sala de aula (1.12) Isto quer dizer, por exemplo, que o prec¸o base pramobiliar uma sala de escritorio para professor custa 9900 reais. Teorema 1.2.1. O produto de matrizes Am×nBn×q em geral e´ na˜o comutativo, ou seja AB 6= BA. No caso particular quando as matrizes comutam, se diz que A e B sa˜o comutativas. A validade do teorema anterior na˜o depende se as matrizes sa˜o retangulares ou quadradas. O ponto importante e´ que na multiplicac¸a˜o de matrizes importa a ordem da multiplicac¸a˜o. Propriedades de multiplicac¸a˜o de matrizes H.L. Carrion ECT 1.2 A´lgebra matricial 15 Sejam Am×n, Bp×q matrizes arbitrarias, k um escalar. AI = IA = A, elemento identidade da multiplicac¸a˜o (1.13) A(B + C) = AB + AC, (A+B) C = AC +BC propriedade distributiva da multiplicac¸a˜o (1.14) A(BC) = (AB)C, propriedade da associatividade da multiplicac¸a˜o (1.15) (A+B)T = AT +BT . (1.16) (AT )T = A (1.17) (kA)T = kAT (1.18) (AB)T = BTAT . (1.19) Observe que na propriedade (1.19) devemos prestar atenc¸a˜o a` ordem da multiplicac¸a˜o das matrizes. Exemplo 1.2.7. Provar que para toda matriz quadrada (AT )T = A Demonstrac¸a˜o Seja a matriz A = [aij], sabemos pela propriedade de transposta de uma matriz AT = [aTij], sendo a T ij = aji. Ao aplicarmos novamente a propriedade de transposta, temos: (AT )T = [aTij] T = [aji] T = [aij] = A. Exemplo 1.2.8. Considere as matrizes A = I 0 0 I e B = 0 I −I 0 , verifique que (AB)T = BTAT sendo (I2 = −1). Exemplo 1.2.9. Considere a seguinte matriz η = [ηij] ηij = 1, i = j; i ≤ 2; −1, i = j; i > 2; 0, i 6= j, i, j = {1, 2, .., 4}. (1.20) Determine Tr((ηTη)T ). Soluc¸a˜o De acordo a definic¸a˜o da matriz η, os unicos elementos da matriz diferente de zero sa˜o os elementos da diagonal principal. Em particular os elementos η11 = η22 = 1 e os H.L. Carrion ECT 1.2 A´lgebra matricial 16 elementos η33 = η44 = −1. Por tanto: η = 1 0 0 0 0 1 0 0 0 0 −1 0 0 0 0 −1 . (1.21) (ηTη)T = (ηT )T ηT propriedade (1.19) (1.22) (ηTη)T = η ηT propriedade (1.17) (1.23) (ηTη)T = η η, η e´ uma matriz diagonal: ηT = η . (1.24) Por calculo direto: η η = I4×4, finalmente Tr((ηTη)T ) = Tr(η η) = Tr(I) = 4. Exemplo 1.2.10. Considere as matrizes A2×2 e B2×2, matrizes nilpotentes de ordem n. Provar que a matriz D4×4 e´ tambem nilpotente de ordem n. D = A 0 0 B 4×4 = a b c d 0 0 0 0 0 0 0 0 m n p q Demonstrac¸a˜o Se A e B sa˜o matrizes nilpotente de ordem n enta˜o An = [0] e An = [0]. Por outro lado D2 = D.D = A 0 0 B . A 0 0 B = A2 0 0 B2 (1.25) de forma analoga D3 = D2.D = A2 0 0 B2 . A 0 0 B = A3 0 0 B3 e assim sucesivamente, finalmente teremos Dn = An 0 0 Bn 4×4 (1.26) H.L. Carrion ECT 1.3 Matrizes elementares 17 Como An = 0, Bn = 0 enta˜o: Dn = 04×4, uma matriz nilpotente de ordem n. o que queriamos demonstrar. 1.3 Matrizes elementares Definic¸a˜o 1.3.1. Matrizes Elementares: Um matriz elementar e´ uma matriz que e´ obtida da matriz identidade realizando apenas uma operac¸a˜o elementar nas linhas ou colunas. Existem 3 operac¸o˜es elementares que mensionamos a seguir. 1. Troca de duas linha (ou colunas). 2. Multiplicac¸a˜o de todos os elementos de uma linha(ou coluna) por um escalar diferente de zero. 3. Substituic¸a˜o de uma linha(ou coluna) pela soma dela pro´pria com um mu´ltiplo de outra linha(ou coluna) Exemplo 1.3.1. Matriz elementar de tipo I. Consideremos a matriz identidade I = 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 . Aplicamos a esta matriz a seguinte operac¸a˜o elementar Troca da 1-linha pela 3-linha (L1 ↔ L3), iremos obter a matriz elementar E1 = 0 0 1 0 0 1 0 0 1 0 0 0 0 0 0 1 . H.L. Carrion ECT 1.3 Matrizes elementares 18 Exemplo 1.3.2. Matriz elementar de tipo II. Consideremos a matriz identidade I = 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 . Aplicamos a esta matriz a seguinte operac¸a˜o elementar o produto da 2-linha pelo escalar β (L2 → βL2), iremos obter a matriz elementar E2 = 1 0 0 0 0 β 0 0 0 0 1 0 0 0 0 1 . Exemplo 1.3.3. Matriz elementar de tipo III. Consideremos a matriz identidade I = 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 . Aplicamos a esta matriz a seguinte operac¸a˜o elementar substituic¸a˜o da 2-linha pela soma dela pro´pria com 4 veces a 3-linha(L2 → L2+4L4), iremos obter a matriz elementar E3 = 1 0 0 0 0 1 0 4 0 0 1 0 0 0 0 1 . A seguir iremos exemplificar uma propriedade de operac¸o˜es elementares. ♣ Considere a seguinte sequencia de operac¸o˜es elementares I = 1 0 0 0 1 0 0 0 1 (l2 ↔ l3)→ E1 = 1 0 0 0 0 1 0 1 0 (l3 ↔ l2)→ I = 1 0 0 0 1 0 0 0 1 H.L. Carrion ECT 1.3 Matrizes elementares 19 ♣ Considere a seguinte sequencia de operac¸o˜es elementares I = 1 0 0 0 1 0 0 0 1 (l2 → 3l2)→ E2 = 1 0 0 0 3 0 0 0 1 (l2 → 13 l2)→ I = 1 0 0 0 1 0 0 0 1 ♣ Considere a seguinte sequencia de operac¸o˜es elementares I = 1 0 0 0 1 0 0 0 1 (l2 → l2 + 3l1)→ E2 = 1 0 0 3 1 0 0 0 1 E2 = 1 0 0 3 1 0 0 0 1 (l2 → l2 − 3l1)→ I = 1 0 0 0 1 0 0 0 1 (1.27) Dos 3 resultados anteriores podemos concluir que se para obter uma matriz elementar realizamos uma operac¸a˜o elementar, enta˜o para obter a matriz identidade a partir da matriz elementar, devemos aplicar uma operac¸a˜o elementar oposta a` aplicada anteriormente. Definic¸a˜o 1.3.2. Matrizes equivalentes: Duas matrizes A e B sa˜o equivalentes (A ∼ B) se existe uma sequeˆncia finita de operac¸o˜es elementares que leva a matriz A a matriz B. Teorema 1.3.1. se uma operac¸a˜o elementar de linhas for realizada numa matriz Am×n a matriz resultante B = EA, e´ igual ao produto da matriz elementar E pela matriz A. Onde E e´ obtida da matriz identidade I, pela mesma operac¸a˜o elementar que foi realizada em A para obter B. Exemplo 1.3.4. Consideremos a matriz identidade I e a matriz arbitraria A a seguir: I = 1 0 0 0 1 0 0 0 1 , A = a11 a12 a13 a21 a22 a23 a31 a32 a33 . Iremos realizar a mesma operac¸a˜o elementar (L2 ↔ L3) nas duas matrizes e obtemos as se- H.L. Carrion ECT 1.3 Matrizes elementares 20 guintes matrizes (I ∼ E,A ∼ B) E = 1 0 0 0 0 1 0 1 0 , B = a11 a12 a13 a31 a32 a33 a21 a22 a23 . Agora se realizamos a mutiplicac¸a˜o EA nessa ordem, iremos obter a matriz B. EA = 1 0 0 0 0 1 0 1 0 a11 a12 a13 a21 a22 a23 a31 a32 a33 = a11 a12 a13 a31 a32 a33 a21 a22 a23 = B. O resultado anterior confirma o resultado do teorema (1.3.1) Teorema 1.3.2. Se uma operac¸a˜o elementar na coluna for realizada numa matriz Am×n a matriz resultante B = AE, e´ igual ao produto da matriz A pela matriz elementar E. Onde E e´ obtida da matriz identidade I, pela mesma operac¸a˜o elementar que foi realizada em A para obter B. Em geral vale o seguinte teorema Teorema 1.3.3. Uma matriz B e´ equivalente linha de uma matriz A se existe uma sequeˆncia finita de operac¸o˜es elementares na linha a partir de A para obter a matriz B. Isto siginifica tambe´m que sempre e´ possivel escrever B = Ek Ek−1...E2E1A Corola´rio 1.3.4. Uma matriz A e´ equivalente linha da matriz identidade I se existe uma sequeˆncia finita de operac¸o˜es elementares na linha a partir de I para obter a matriz A. Istosiginifica que sempre e´ possivel escrever A = Ek Ek−1...E2E1 I Teorema 1.3.5. Uma matriz B e´ equivalente coluna de uma matriz A se existe uma sequeˆncia finita de operac¸o˜es elementares na coluna a partir de A para obter a matriz B. Isto siginifica H.L. Carrion ECT 1.3 Matrizes elementares 21 tambe´m que sempre e´ possivel escrever B = AE1E2...Ek−1Ek Exemplo 1.3.5. Consideremos a matriz identidade I e a matriz arbitraria A a seguir: I = 1 0 0 0 1 0 0 0 1 , A = 1 0 2 3 4 −1 3 4 2 . Iremos realizar a mesma operac¸a˜o elementar (C2 ↔ C2+2C1) nas duas matrizes e obtemos as seguintes matrizes (I ∼ E,A ∼ B) E = 1 2 0 0 1 0 0 0 1 , B = 1 2 2 3 10 −1 3 10 2 . Agora se realizamos a mutiplicac¸a˜o AE nessa ordem, iremos obter a matriz B. AE = 1 0 2 3 4 −1 3 4 2 1 2 0 0 1 0 0 0 1 = 1 2 2 3 10 −1 3 10 2 = B. O resultado anterior confirma o resultado do teorema (1.3.2) Exemplo 1.3.6. Considere a matriz identidade I e a matriz A a seguir: I = 1 0 0 0 1 0 0 0 1 , A = 1 0 2 0 4 −1 2 −1 2 . Realize as seguintes operac¸oes elementares: a) Na matriz identidade, multiplique a linha-1 da pelo escalar 3 para ober a matriz elementar E1. b) Na matriz identidade realize a seguinte operac¸a˜o elementar: l3 ↔ l3 + (−1)l2, obtendo a matriz elementar E2. c) Realize as duas operac¸o˜es elementares anteriores de forma sucessiva na matriz A, para obter H.L. Carrion ECT 1.3 Matrizes elementares 22 a matriz equivalente B (A ∼ B). d) Verifique que B = E2E1A. Soluc¸a˜o ♦ Resolvendo item a: l1 → 3 l1 I = 1 0 0 0 1 0 0 0 1 → E1 = 3 0 0 0 1 0 0 0 1 ♦ Resolvendo item b: l3 ↔ l3 + (−2)l2 I = 1 0 0 0 1 0 0 0 1 → E2 = 1 0 0 0 1 0 0 −2 1 ♦ Resolvendo item c. Realizando a primeira operac¸a˜o elementar : l1 → 3 l1 A = 1 0 2 0 4 −1 2 −1 2 (l1 → 3 l1) → A1 = 3 0 6 0 4 −1 2 −1 2 . Realizando a segunda operac¸a˜o elementar sucessiva. l3 ↔ l3 + (−2)l2. A1 = 3 0 6 0 4 −1 2 −1 2 ( l3 ↔ l3 + (−2)l2) → B = 3 0 6 0 4 −1 2 −9 4 . A matriz B e equivalente linha a` matriz A (A ∼ B). ♦ Resolvendo item d. H.L. Carrion ECT 1.4 Determinante de matrizes 23 B = E2E1A = 1 0 0 0 1 0 0 −2 1 3 0 0 0 1 0 0 0 1 1 0 2 0 4 −1 2 −1 2 → B = 1 0 0 0 1 0 0 −2 1 3 0 6 0 4 −1 2 −1 2 → B = 3 0 6 0 4 −1 2 −9 4 (1.28) Os resultados no item d e no item c coincidem, com isto verificamos mais uma vez a validade dos teoremas anteriores. 1.4 Determinante de matrizes Motivac¸a˜o Um primeiro problema matema´tico onde aparece naturalmente o conceito de determinante e´ quando queremos resolver um sistema de equac¸o˜es lineares. Por exemplo, consideremos o sistema a seguir a11x+ a12y = b1 (1.29) a21x+ a22y = b2, (1.30) a soluc¸ao do sistema anterior e´ x = b1a22 − b2a12 a11a22 − a12a21 (1.31) y = b2a11 − b1a21 a11a22 − a12a21 (1.32) Agora consideremos a matriz de coeficientes do sistema de equac¸o˜es anterior (2.5.1 - 2.5.2) A = a11 a12 a21 a21 (1.33) Percebe-se que na soluc¸a˜o do sistema linear anterior aparece naturalmente a expresa˜o |A| = a11a22−a12a21 . Isto induz naturalmente a definir o chamado determinante de uma matriz A2×2. H.L. Carrion ECT 1.4 Determinante de matrizes 24 Definic¸a˜o 1.4.1. Seja A = a11 a12 a21 a22 , uma matriz quadrada, enta˜o a determinante de A esta definido como: |A| = a11a22 − a12a21. Definic¸a˜o 1.4.2. Em geral o determinante de uma matriz An×n e´ uma func¸a˜o que associa um nu´mero real a` matriz A Det : A→ R A 7→ det(A) Notac¸a˜o: det(A), |A|, det[aij]. A seguir iremos apresentar uma definic¸a˜o mas geral sobre determinante de uma matriz A, de ordem arbitrario. Definic¸a˜o 1.4.3. Submatriz. A submatriz A˜ij = [a˜ij] associado a uma matriz A de ordem n × n e´ construida eliminando a i−e´sima linha e a j−e´sima coluna de A. Por construc¸a˜o, a ordem de qualquer submatriz e´ sempre uma a menos que a ordem da matriz A. Por exemplo, se a matriz A ter ordem 3× 3 as 9 possiveis submatrizes tera˜o cada uma ordem 2× 2. Exemplo 1.4.1. Seja a matriz A = a11 a12 a13 a21 a22 a23 a31 a32 a33 , a submatriz A˜11 e´ A˜11 = a22 a23 a32 a33 , obtida eliminando a 1-linha e 1-coluna De forma similar nos outros casos A = a11 a12 a13 a21 a22 a23 a31 a32 a33 , A˜12 = a21 a23 a31 a33 obtida eliminando a 1-linha e 2-coluna Definic¸a˜o 1.4.4. Cofator. O cofator cij = (−1)i+j|A˜ij| e´ um nu´mero associado a` determinante da submatriz A˜ij. H.L. Carrion ECT 1.4 Determinante de matrizes 25 Exemplo 1.4.2. Seja a matriz A = 1 2 0 −1 3 1 2 4 0 defina os cofatores c11, c12, c33. Resposta: c11 = (−1)1+1|A˜11| = det 3 1 4 0 = −4, c12 = (−1)1+2|A˜12| = −det −1 1 2 0 = 2, c33 = (−1)3+3|A˜11| = det 1 2 −1 3 = 5, Definic¸a˜o 1.4.5. Seja a matriz An×n quadrada, logo a determinante de A e´ Det(A) = a11, se n = 1, (1.34) Det(A) = j=n∑ j=1 aij cij = ai1 ci1 + ai2 ci2 + ...+ ain cin, n > 1, i e´ fixo, ou Det(A) = j=n∑ j=1 aij (−1)i+j|A˜ij| = ai1 (−1)i+1|A˜i1|+ ai2 (−1)i+2|A˜i2|+ ...+ ain (−1)i+n|A˜in| (1.35) Como i e´ fixo enta˜o a linha i e´ o pivoˆ, o que quer dizer que a soma anterior se expande variando o indice j e vai percorrendo ao longo da linha i. A formula da determinante pode-se desenvolve tambe´m escolhendo como pivoˆ as colunas, neste caso, o indice j e´ fixo, e o ı´ndice i vai variando de 1 a n. Definic¸a˜o 1.4.6. Seja a matriz An×n quadrada, logo a determinante de A e´ Det(A) = i=n∑ i=1 aij cij = a1j c1j + a2j c2j + ...+ anj cnj, n > 1, j e´ fixo, ou Det(A) = i=n∑ i=1 aij (−1)i+j|A˜ij| = a1j (−1)1+j|A˜1j|+ a2j (−1)2+j|A˜2j|+ ...+ anj (−1)n+j|A˜nj| (1.36) H.L. Carrion ECT 1.4 Determinante de matrizes 26 Exemplo 1.4.3. Seja a matriz A = 1 2 0 −1 3 1 2 4 0 , calcular a determinante de A. soluc¸a˜o Para determinar o det(A) iremos escolher como pivoˆ a 1 linha i =1. Logo Det(A) = a11 (−1)1+1|A˜11|+ a12 (−1)1+2|A˜12|+ a13 (−1)1+3|A˜13|. Det(A) = a11 (−1)1+1det 3 1 4 0 + a12 (−1)1+2det −1 1 2 0 + a13 (−1)1+3det −1 3 1 2 . Det(A) = = a11(+1)(−4) + a12(−1)(−2) + a13(+1)(−5). Det(A) = 1(+1)(−4) + 2(−1)(−2) + 0(−1)(−5) = 0. Por outro lado podemos calcular a determinante de A esolhendo como pivoˆ a coluna j = 3. Det(A) = a13 (−1)1+3|A˜13|+ a23 (−1)2+3|A˜23|+ a33 (−1)3+3|A˜33|. Det(A) = a13 (−1)4det −1 3 2 4 + a23 (−1)5det 1 2 2 4 + a33 (−1)6det 1 2 −1 3 . Det(A) = = 0(+1)(−10) + 1(−1)(0) + 0(+1)(5). Det(A) = 0(+1)(−10) + 1(−1)(0) + 0(+1)(5) = 0. para facilitar o ca´lculo da determinante da matriz, os fatores multiplicativos (−1)i+j tem ja uma estrutura bem definida e facil de lembrar. (−1)i+j = + − + − . . − + − + . . + − + − . . − + − + . . . . . . . . . . . . . . (1.37) Vamos apresentar uma definic¸a˜o alternativa para determinante de uma matriz. Para isto iremos utilizar o conceito de permutac¸o˜es. Definic¸a˜o 1.4.7. Permutac¸a˜o: Permutac¸a˜o de um conjunto de inteiros {1, 2, ...n} e´ um rear- ranjo deste inteiros em alguma ordem sem omisso˜es ou repetic¸o˜es. A permutac¸a˜o de r elementos H.L. Carrion ECT 1.4 Determinante de matrizes 27 de um conjunto de n elementos esta dado pelaseguinte formula. P nr = n! (n− r)! (1.38) Exemplo 1.4.4. Permutac¸o˜es de dois elementos num conjunto de dois elementos {1, 2}. Permutac¸o˜es inverso˜es (kσ) 12 o 21 1 , P 22 = 2! (2−2)! = 2.1 1 = 2. Exemplo 1.4.5. Permutac¸o˜es de 3 elementos num conjunto de 3 elementos {1, 2, 3}. permutac¸o˜es Inverso˜es (kσ) 123 0 132 1 312 2 321 3 231 4 213 5 , P 33 = 3! (3−3)! = 3.2.1 1 = 6. Definic¸a˜o 1.4.8. Seja a matriz A = [aij] de ordem n, logo Det(A) = ∑ σ (−1)kσ a1σ1 a2σ2 a3σ3 ...anσn (1.39) para todas as permutac¸o˜es σ de n elementos do conjunto {1, 2, 3, ..., n}. Exemplo 1.4.6. Seja a matriz A de ordem 2× 2, calcular a determinante de A. soluc¸a˜o Consideremos as permutac¸o˜es ja encontradas no exemplo (1.4.4), logo usando a formula ante- rior (1.39) para n = 2 teremos : Det(A) = ∑ σ (−1)kσ a1σ1 a2σ2 Det(A) = (−1)0a11a22 + (−1)1a12a21 = a11a22 − a12a21. (1.40) O resultao coincide com o valor dado na definic¸a˜o anterior (1.4.1). Exemplo 1.4.7. Seja a matriz A de ordem 3× 3, calcular a determinante de A. soluc¸a˜o Consideremos as permutac¸o˜es ja encontradas no exemplo (1.4.5), logo usando a formula ante- H.L. Carrion ECT 1.4 Determinante de matrizes 28 rior (1.39) teremos : Det(A) = ∑ σ (−1)kσ a1σ1 a2σ2 a3σ3 Det(A) = (−1)0a11a22a33 + (−1)1a11a23a32 + (−1)2a13a21a32 + (−1)3a13a22a31 + (−1)4a12a23a31 + (−1)5a12a21a33 = a11a22a33 − a11a23a32 + a13a21a32 − a13a22a31 + a12a23a31 − a12a21a33 = (a11a22a33 + a13a21a32 + a12a23a31)− (a11a23a32 + a13a22a31 + a12a21a33) (1.41) O resultao coincide com o valor dado na definic¸a˜o anterior (1.4.1). Existe uma regra muito u´til e facil de lembrar, para calcular a determinante de uma matriz de ordem 3× 3, e´ a chamada regra de Sarrus ; regra inventada pelo matema´tico Pierre Fre´de´ric Sarrus (1789-1861). A equac¸a˜o (1.41) da formula final da determinante de uma matriz de ordem 3 × 3 pode-se obter a partir de uma regra memote´cnica que apresentamos na figura a seguir: H.L. Carrion ECT 1.4 Determinante de matrizes 29 Figura 1.1 Regra de Sarrus: Determinante de matrizes de ordem 3× 3 Exemplo 1.4.8. Encontre a determinante da seguinte matriz: B = 1 −2 0 4 0 3 −2 4 8 . a) Pelo me´todo de sarrus. b) pelo me´todo de cofatores. Soluc¸a˜o Caso a Aplicando a formula final de Sarrus, a determinante da matriz A e´: |A| = (1.0.8+(−2).3.(−2)+0.4.4)−((−2).0.0+4.3.1+8.4.(−2)) = (0+12+0)−(0+12−64) = 64. Caso b Para calcular |det(A)| = |A| pelo me´todo de cofatores, precisamos escolher uma linha pivoˆ ou uma coluna pivoˆ. A melhor estrate´gia e´ escolher aquela linha ou coluna que tem maior quantidade de zeros. Em nosso exemplo, podemos escolher a linha 1 ou coluna-3, ou linha 2, ou coluna2. Escolhendo como pivoˆ a linha 2 (b22 = 0), a formula da determinante (1.36) e a estrutura de sinais (1.37). Det(B) = i=n∑ i=1 bij (−1)i+j|B˜ij|, i = 2 Det(B) = b21(−)|B˜21|+ b22(+)|B˜22|+ b23(−)|B˜23| Det(B) = b21(−)|B˜21|+ 0(+)|B˜22|+ b23(−)|B˜23| Observamos que o segundo termo da soma anterior se anula automa´ticamente porque o fator H.L. Carrion ECT 1.4 Determinante de matrizes 30 b22 = 0. Isto facilita o ca´lculo da determinante. Det(B) = −4 −2 0 4 8 − 3 1 −2 −2 4 Det(B) = (−4)(−16)− 3(0) = 64 (1.42) Observac¸o˜es ♠ A formula de Sarrus somente funciona para matrizes de ordem 3× 3. ♠ Para matrize de qualquer ordem podemos utilizar a formula geral (1.39) ou o me´todo dos cofatores que ja foi apresentada nas definic¸o˜es (1.4.5)-(1.4.6). Exemplo 1.4.9. Encontre a determinante da seguinte matriz de ordem 4× 4, x ∈ R, x 6= 0.: A = 1 x x2 x3 0 1 0 x2 0 1 x x2 −5 x 0 x3 Soluc¸a˜o A u´nica forma de resolver e´ utilizando o me´todo de cofatores, ja que a regra de Sarrus somente funciona para matrizes 3× 3. A ecolha inadequada da linha ou coluna pivoˆ, pode levar a um ca´lculo longo na determinac¸a˜o de det(A). Vamos escolher a coluna-1 como coluna pivoˆ (j = 1, fixo). Det(A) = i=n∑ i=1 ai1 ci1 Det(A) = a11 c11 + a21 c21 + a31 c31 + a41 c41 Det(A) = a11 (+)|A˜11|+ a21 (−)|A˜21|+ a31 (+)|A˜31|+ a41 (−)|A˜41| (1.43) Agora, sabemos que a21 = a31 = 0, logo dois termos da soma anterior se anulam. Det(A) = a11 (+)|A˜11|+ a41 (−)|A˜41| (1.44) Det(A) = 1 (+)Det 1 0 x2 1 x x2 x 0 x3 + (−5) (−)Det x x2 x3 1 0 x2 1 x x2 . H.L. Carrion ECT 1.4 Determinante de matrizes 31 Calculando cada determinante por separado: Det 1 0 x2 1 x x2 x 0 x3 = 0, Det x x2 x3 1 0 x2 1 x x2 = 0. Finalmente Det(A) = 1.0 + (−5).0 = 0. A conta anterior, pode ser simplificada mais ainda se aplicarmos convenientemente certas operac¸o˜es elementares na matriz A. Antes de apresentar exemplos em relac¸a˜o a esta informac¸a˜o, vamos disponibilizar algumas propriedades importantes sobre determinante de matrizes. Propriedades de determinante de uma matriz sobre operac¸o˜es elementares Sejam A e B matrizes quadradas arbitra´rias, k um nu´mero real arbitra´rio : I Trocando-se duas linhas(ou colunas) de A obte´m-se B. Det(B) = −Det(A). II Multiplicando uma linha(ou coluna) de A por k obte´m-se B. Det(B) = k.Det(A). III Somando a uma linha(ou coluna) de A o mu´ltiplo de outra linha(ou coluna) de A obte´m-se B Det(B) = Det(A). Propriedades adicionais de determinante de uma matriz: Sejam A e B matrizes quadradas arbitra´rias, k um nu´mero real arbitra´rio : IV Se A tem uma linha(ou coluna) nula Det(A) = 0. V Se duas linhas (ou colunas) de A sa˜o iguais, enta˜o Det(A) = 0. VI Det(A.B) = Det(A).Det(B) VII Det(A) = Det(AT ) VIII Det(k.A) = knDet(A) IX Det(A+B) 6= Det(A) +Det(B) X Se duas colunas (ou filas) sa˜o proporcionais, enta˜o Det(A) = 0. Exemplos diretos para entender as propiedades anteriores. H.L. Carrion ECT 1.4 Determinante de matrizes 32 Exemplo 1.4.10. Seja A = 5 ♥ 0 2 0 0 0 0 α β pi sin(pi) 7 2 ln(3) 58 , (1.45) calcule Det(A). Todos os elementos da matriz sa˜o nu´meros reais. Soluc¸a˜o Como a segunda linha e´ nula, enta˜o pela propriedade IV, Det(A) = 0 Exemplo 1.4.11. Seja A = 2 1 2 6 100 6 −a2 −50 −a2 , calcule Det(A) sendo a u´m nu´mero real. Soluc¸a˜o Como a primeira coluna e a terceira coluna sa˜o iguais, enta˜o pela propriedade V, Det(A) = 0 Exemplo 1.4.12. Seja A = m n p q r s t u w , tal que Det(A) = 5. Calcular a determinante de B = m q t n r u p s w , os elemento de A sa˜o todos nu´meros reais. Soluc¸a˜o Como B = AT enta˜o pela propriedade VII, Det(B) = 5 Exemplo 1.4.13. Seja A4×4 tal que det(A) = 2, calcular Det(2A) Soluc¸a˜o pela propriedade VIII, Det(2A) = 24Det(A) = 16.2 = 32 Exemplo 1.4.14. Podemos resolver o exemplo anterior (1.4.9) utilizando algumas das propri- edades mencionadas anteriormente. Na matriz A = 1 x x2 x3 0 1 0 x2 0 1 x x2 −5 x 0 x3 , podemos observar que a coluna-2 e a coluna-4 sa˜o proporcionais. Logo utilizando a propriedade X de determinantes, Det(A) = 0. H.L. Carrion ECT 1.4 Determinante de matrizes 33 Exemplo 1.4.15. Encontre a determinante da seguinte matriz de ordem 4× 4: B = 1 3 3 6 1 −2 −3 12 1 4 2 9 2 1 0 18 Soluc¸a˜o Podemos analisar a matriz B e aplicar a seguinte operac¸a˜o elementar na linha1 de B : l1 → l1 + l2, iremos obter a seguinte matriz A = 2 1 0 18 1 −2 −3 12 1 4 2 9 2 1 0 18 . Logo, pela propriedade III de determinantes: Det(B) = Det(A). Imediatament percebe-se que a matriz A tem dois linhas iguais, e pela propriedade IV de determinantes, Det(A) = 0. Finalmente Det(B) = Det(A) = 0Exemplo 1.4.16. Provar a propiedade VIII de determinante de matrizes. Soluc¸a˜o Temos que demontrar a propriedade para qualquer ordem da matriz. Para de- monstrar isto, vamos utilizar o me´todo da induc¸a˜o (ver apeˆndice). O processo tem 3 pasos: Primeiro, iremos verificar a validade do teorema, trivialmente no caso quando a ordem da ma- triz seja 1 × 1. Posteriormente iremos considerar como va´lido a propriedade quando a matriz tenha a ordem n×n. Finalmente devemos demonstrar explicitamente a valida do teorema para o caso quando a ordem da matriz seja n+ 1× n+ 1. a) Seja A = [a11], matriz de ordem 1× 1 ,pela definic¸a˜o de determinante: A = [a11]→ Det(A) = a11 (1.46) De forma similiar, se a matriz fosse kA = k[a11], kA = [ka11] = [ka11]→ Det(kA) = ka11 (1.47) Vamos aplicar os resultados anteriores ao caso especial n = 1 no teorema: Det(kA) = knDet(A), n = 1 Det(kA) = k1Det(A), dos dois resultados anteriores temos: ka11 = ka11. O que e´ uma verdade trivialmente. (1.48) H.L. Carrion ECT 1.4 Determinante de matrizes 34 b) Consideremos o teorema va´lido para a matriz A de ordem n× n Det(kA) = knDet(A), (1.49) c) Devemos provar a validade para a matriz A ordem (n+ 1)× (n+ 1). Det(kA)(n+1)×(n+1) = kn+1Det(A), (1.50) para isto, devemos partir do lado esquerdo da equac¸a˜o anterior (1.50) e chegar ao lado direito da mesma. Consideremos o processo de ca´lculo da determinante da matriz An+1×n+1 pelo me´todo de cofatores. Vamos escolher a linha-1 como pivoˆ, logo Det(kA) = j=n+1∑ j=1 (ka1j)(−1)1+j Det(A˜1j) = (ka11) Det(A˜11)− (ka12) Det(A˜12) + ...+ (−1)n+2(ka1(n+1)) Det(A˜1(n+1)) (1.51) Observe que na equac¸a˜o anterior, as submatrizes A˜1j sa˜o de ordem n × n, e todos os ele- mento destas submamtrizes tem como fator multiplicativo o nu´meror real k, que apresentamos explicitamente a seguir: A˜1j = k a21 a22 .. a2(j−1) a2(j+1) .. a2(n+1) a31 a32 .. a3(j−1) a3(j+1) .. a3(n+1) . . . . . . . . . . . . . . . . . . . . . . . . . . . . a(n+1)1 a(n+1)2 .. a(n+1)(j−1) a(n+1)(j+1) .. a(n+1)(n+1) n×n . Pela equac¸a˜o (1.49) cada determinante da submatriz do tipo A˜1j pode-se calcular assim: Det(A˜1j) = k nDet(A1j), (1.52) H.L. Carrion ECT 1.5 Matrizes inversas 35 substituindo este resultado na equac¸a˜o (1.51), temos: Det(kA) = jn+1∑ j=1 ka1j(−1)1+j knDet(A1j) = +ka11 k nDet(A11)− ka12 knDet(A12) + ...+ (−1)n+2ka1(n+1) knDet(A1(n+1)) (1.53) factorando k1+n de cada termo do lado direito da equac¸a˜o anterior: Det(kA) = kn+1( jn+1∑ j=1 a1j(−1)1+j Det(A1j)) = kn+1 (+a11 Det(A11)− a12 Det(A12) + ...+ (−1)n+2a1(n+1) Det(A1(n+1))) Det(kA)(n+1)×(n+1) = kn+1Det(A), (1.54) que justamente e´ a equac¸a˜o (1.50). Com istom foi provado a validade do teorema para qualquer ordem da matriz A. 1.5 Matrizes inversas 1.5.1 Definic¸a˜o Definic¸a˜o 1.5.1. Uma matriz quadrada An×n admite inversa se existe uma matriz Bn×n, onde B = A−1 e´ a inversa de A, tal que: AB = BA = I, ouAA−1 = A−1A = I (1.55) Uma matriz que admite inversa se diz invers´ıvel, uma matriz invers´ıvel tambe´m e´ dita na˜o singular. Teorema 1.5.1. A inversa de uma matriz, se ela existe, e´ u´nica . ♣ Prova: Vamos realizar a prova por contradic¸a˜o (ver apeˆndice, para melhores esclareci- mentos). Suponhamos que a inversa de uma matriz na˜o seja u´nica, suponhamos que a matriz H.L. Carrion ECT 1.5 Matrizes inversas 36 A tenha duas inversas diferentes: A1 6= A2 AA1 = A1A = I. (1.56) AA2 = A2A = I., (1.57) A2AA1 = A2 I, multiplicamos a equac¸a˜o (1.56) por A2 (1.58) A2AA1 = A2, multiplicac¸a˜o pela matriz identidade (1.59) (A2A)A1 = A2, associatividade da multiplicac¸a˜o (1.60) I A1 = A2, A2 e´ inversa de A (1.61) A1 = A2, contradic¸a˜o: →← (1.62) tinhamos suposto inicialmente que A1 6= A2 (sejam diferentes), porem chegamos a conclusa˜o que sa˜o iguais, isto significa uma contradic¸a˜o (→←). Isto quer dizer, que a suposic¸a˜o inicial (A1 6= A2) e´ falsa. Por tanto a inversa da matriz A e´ u´nica, o que queriamos povar. Algumas propriedades da inversa de matrizes • [I] (A−1)−1 = A • [II] (AT )−1 = (A−1)T , onde AT e´ transposta de A. • [III] (AB)−1 = B−1A−1 Exemplo 1.5.1. Verifique que (ABCD)−1 = D−1C−1B−1A−1, A,B,C,D sa˜o matrizes in- vers´ıveis. Soluc¸a˜o Utilizando a propriedade III : (ABCD)−1 = ((ABC)(D))−1 = D−1(ABC)−1. Aplicando novamente a propriedade III : D−1 (ABC)−1 = D−1C−1(AB)−1 = D−1C−1B−1 (A)−1. Finalmente (ABCD)−1 = D−1C−1B−1A−1. Exemplo 1.5.2. Resolva a equac¸a˜o (AX−B)B−1 = C+AB para X, considere A, B matrizes invers´ıveis, C e´ matriz quadrada arbitra´ria. Soluc¸a˜o A ideia principal e´ realizar operac¸o˜es de some e multiplicac¸a˜o na equac¸a˜o inicial com intuito de isolar a varia´vel matricial X. H.L. Carrion ECT 1.5 Matrizes inversas 37 (AX −B)B−1B = (C + AB)B, multiplicando pela direita por B AX −B = CB + AB2 AX −B +B = CB + AB2 +B AX + 0 = CB + AB2 +B AX = CB + AB2 +B A−1AX = A−1(CB + AB2 +B) X = A−1CB +B2 + A−1B 1.5.2 Inversa de matrizes elementares Encontrar a matriz inversa de uma matriz elementar e´ muito simples. Devemos aplicar a operac¸a˜o elementar do mesmo tipo na matriz identidade, de acordo ao teorema a seguir. Teorema 1.5.2. Se E e´ uma matriz elementar, enta˜o E e´ inversivel e E−1 tambe´m e´ uma matriz elementar do mesmo tipo. Vamos verificar a validade do teorema anterior com um exemplo para cada tipo de matriz elementar. ♦ operac¸a˜o elementar: multiplicac¸a˜o de uma linha por um nu´mero real. Vejamos o exemplo: I = 1 0 0 0 1 0 0 0 1 l2 → l2 = βl2, → E2 = 1 0 0 0 β 0 0 0 1 ; l2 → l2 = 1β l2, → E−12 = 1 0 0 0 1 β 0 0 0 1 sendo β diferente de zero. Se pode provar facilmente que E2E −1 2 = E −1 2 E2 = I. Ou seja, estas duas matrizes sa˜o uma inversa da outra. ♦ operac¸a˜o elementar: Somando a uma linha de I o mu´ltiplo de outra linha. H.L. Carrion ECT 1.5 Matrizes inversas 38 Vejamos o exemplo: I = 1 0 0 0 1 0 0 0 1 l2 → l2 + βl3, → E3 = 1 0 0 0 1 β 0 0 1 ; l2 → l2 − βl3, → E−13 = 1 0 0 0 1 −β 0 0 1 sendo β um nu´mero real. Se pode provar facilmente que E3E −1 3 = E −1 3 E3 = I. Ou seja, estas duas matrizes sa˜o uma inversa da outra. ♦ operac¸a˜o elementar: troca de uma linha por outra. Vejamos o exemplo: I = 1 0 0 0 1 0 0 0 1 l2 ↔ l3, → E1 = 1 0 0 0 0 1 0 1 0 ; l3 → l2, → E−11 = 1 0 0 0 0 1 0 1 0 Se pode provar facilmente que E1E −1 1 = E −1 1 E1 = I. Perceba que E1 = E −1 1 Ou seja, esta matrize elementar e´ inversa da propia matriz. Simbo´licamente podemos pensar assim: (E1) 2 = I ⇒ ”E1 = √ I”. Os tres exemplos anteriores feito para cada tipo de matrize elementar de ordem 3 × 3 e´ um indicativo que qualquer matriz elementar e´ invers´ıvel. A prova e´ direta, e´ suficiente generalizar os treˆs exemplos anteriores para matrizes elementares de qualquer ordem. Uma consequencia do teorema anterior e´ o teorema a seguir. Teorema 1.5.3. As seguintes proposic¸o˜es sa˜o equivalientes I A e´ na˜o singular II A e´ equivalente linha de I. ♣ Prova ( II ⇒ I) H.L. Carrion ECT 1.5 Matrizes inversas 39 De acordo ao corolario (1.3.4), se A e´ equivalente linha de I enta˜o existem matrizes elementares E1, E2, ..., Ek tais que A = Ek Ek−1 ..., E2E1 I Aplicando a inversa a` equac¸a˜o anterior A−1 = (Ek Ek−1 ..., E2E1 I)−1 (1.63) A−1 = E−11 E −1 2 E −1 3 ...E −1 k . (1.64) Para chegar a u´ltima equac¸a˜o,aplicamos a propriedade III da inversa de matrizes sucesivamente. Como cada inversa das matrizes elementares existem, porque eles sa˜o na˜o singulares, enta˜o, o produto de matriz no lado direito da equac¸a˜o anterior esta bem definido, por tanto, a matriz A−1 existe; ou seja, A e´ na˜o singular. 1.5.3 Me´todos para obter inversa de uma matriz ♦ Por matrizes elementares O teorema anterior (1.5.3) fornece um me´todo ra´pido para determinar a inversar de uma matriz, via a utilizac¸a˜o da equac¸a˜o (1.64). Para isto, precisamos conhecer com antecedencia as matrizes elementares necessa´rias pra obter a matriz A. vejamos com um exemplo Exemplo 1.5.3. Seja a matriz A obtida aplicandose as duas operac¸o˜es elementares a seguir, na matriz identidade: L1 → L1 + 3L2,L3→ (−2)l3. a) Determine a matriz A b) Determine a matriz A−1 soluc¸a˜o item a) Determinando a matriz A: I = 1 0 0 0 1 0 0 0 1 (l1 → l1 + 3l2)→ E = 1 3 0 0 1 0 0 0 1 (l3 → (−2)l3)→ A = 1 3 0 0 1 0 0 0 −2 , (1.65) isto significa que a matriz A e´ equivalente em linha da matriz identidade I, e de acordo ao teorema anterior (1.5.3) a matriz A e´ na˜o singular, ou seja, a matriz A tem inversa. Para H.L. Carrion ECT 1.5 Matrizes inversas 40 calcular esta inversa de A, vamos determinar primeiro as matrizes elementares correspondentes as operac¸o˜es elementares. I = 1 0 0 0 1 0 0 0 1 l1 → l1 + 3l2, → E1 = 1 3 0 0 1 0 0 0 1 ; l3 → (−2)l3, → E2 = 1 0 0 0 1 0 0 0 −2 (1.66) Pelo teorema (1.5.2) cada uma das duas matrizes elementares, tem inversa. I = 1 0 0 0 1 0 0 0 1 l1 → l1 − 3l2, → E−11 = 1 −3 0 0 1 0 0 0 1 ; l3 → (−12)l3, → E−12 = 1 0 0 0 1 0 0 0 −1 2 (1.67) Ra´pidamente pode-se verificar que : E1E −1 1 = E −1 1 = I, E2E −1 2 = E −1 2 = I. Agora que ja temos as matrizes inversar, proseguimos aplicando a equac¸a˜o (1.64) A−1 = E−12 E −1 2 I A−1 = 1 0 0 0 1 0 0 0 −1 2 1 −3 0 0 1 0 0 0 1 1 0 0 0 1 0 0 0 1 A−1 = 1 −3 0 0 1 0 0 0 −1 2 . (1.68) A reposta anterior pode-se verificar, realizando a seguinte multiplicac¸a˜o: AA−1 = A−1A = I, esta verificac¸a˜o deixo pra o leitor. H.L. Carrion ECT 1.5 Matrizes inversas 41 ♦Me´todo de Gauss (Por operac¸o˜es elementares) Como ja´ foi dito anteriormente, o teorema (1.5.2) garante que se temos uma matriz A na˜o singular enta˜o ele e´ equivalente linha com a matriz identidade. Vamos apresentar um procedimento simples porem efetivo para construir a inversa de uma matriz, desde que ela exista. A partir da matriz aumentada |A ... I| iremos aplicar varias operac¸o˜es elementares na linha ate´ chegar a matriz aumentada |I ... A−1. | |A ... I| ∼ |I ... A−1 | (1.69) Exemplo 1.5.4. A matriz A = 0 0 3 0 1 0 1 3 0 e´ n˜ao singular, logo determine A−1. soluc¸a˜o Escrevendo a matriz aumentada e logo aplicando operac¸o˜es elementares na linha para transformar a matriz |A ... I| em |I ... A−1 | 0 0 3 | 1 0 0 0 1 0 | 0 1 0 1 3 0 | 0 0 1 → (l3 ↔ l1) → 1 3 0 | 0 0 1 0 1 0 | 0 1 0 0 0 3 | 1 0 0 1 3 0 | 0 0 1 0 1 0 | 0 1 0 0 0 3 | 1 0 0 → (l3 → 13 l3) → 1 3 0 | 0 0 1 0 1 0 | 0 1 0 0 0 1 | 1 3 0 0 , finalmente, aplicamos uma operac¸a˜o elementar na primeira linha 1 3 0 | 0 0 1 0 1 0 | 0 1 0 0 0 1 | 1 3 0 0 → (l1 → l1 − 3l2) → 1 0 0 | 0 −3 1 0 1 0 | 0 1 0 0 0 1 | 1 3 0 0 . Por tanto, apos 3 operac¸o˜es elementares sucessivas na linha, A chegou a I, e simultaneamente I chegou a A−1. Resposta H.L. Carrion ECT 1.5 Matrizes inversas 42 A−1 = 0 −3 1 0 1 0 1 3 0 0 Exemplo 1.5.5. A matriz B = 0 1 2 1 0 3 −1 2 5 e´ n˜ao singular, logo determine B−1 utilizando operac¸o˜es elementares. soluc¸a˜o escrevendo a matriz aumentada 0 1 2 | 1 0 0 1 0 3 | 0 1 0 −1 2 5 | 0 0 1 → (l1 ↔ l2) → 1 0 3 | 0 1 0 0 1 2 | 1 0 0 −1 2 5 | 0 0 1 1 0 3 | 0 1 0 0 1 2 | 1 0 0 −1 2 5 | 0 0 1 → (l3 → l3 + l1) → 1 0 3 | 0 1 0 0 1 2 | 1 0 0 0 2 8 | 0 1 1 1 0 3 | 0 1 0 0 1 2 | 1 0 0 0 2 8 | 0 1 1 → (l3 → l3 − 2l2) → 1 0 3 | 0 1 0 0 1 2 | 1 0 0 0 0 4 | −2 1 1 , aplicamos agora duas operac¸o˜es elementares simultaneamente, desde que sa˜o independentes. 1 0 3 | 0 1 0 0 1 2 | 1 0 0 0 0 4 | −2 1 1 → (l2 → l2 − 12 l3, l1 → l1 − 34 l3) → 1 0 0 | 3 2 1/4 −3/4 0 1 0 | 2 −1 2 −1 2 0 0 4 | −2 1 1 , por u´ltmo 1 0 0 | 3 2 1/4 −3/4 0 1 0 | 2 −1 2 −1 2 0 0 4 | −2 1 1 → (l3 → 14 l3) → 1 0 0 | 3 2 1/4 −3/4 0 1 0 | 2 −1 2 −1 2 0 0 1 | −1/2 1/4 1/4 . Finalmente H.L. Carrion ECT 1.5 Matrizes inversas 43 B−1 = 3 2 1/4 −3/4 2 −1 2 −1 2 −1/2 1/4 1/4 . (1.70) ♦Me´todo de cofatores Definic¸a˜o 1.5.2. Para toda matriz na˜o singular vale o seguinte resultado : A−1 = 1 Det(A) Adj(A), Adj(A) = CT (1.71) • C → matriz de cofatores • Adj(A)→ matriz adjunta de A (transposta da matriz de cofatores) A definic¸a˜o anterior indica claramente que A−1 ∃ se e somente se Det(A) 6= 0. Definic¸a˜o 1.5.3. Matriz de cofatores. A matriz de cofatores C = [cij] associado a uma matriz A de ordem n× n esta definido assim: cij = (−1)i+j|A˜ij|, C = c11 c12 . . . c1j . c1m c21 c22 . . . c2j . c2m . . . . . . . . . . . . . . . . ci1 ci2 . . . cij . cim . . . . . . . . . . . . . . . . cn1 cn2 . . . cnj . cnm n×m , sendo |A˜ij| = Det(A˜ij) a determinante da submatriz A˜ij. Exemplo 1.5.6. Seja a matriz A = a b c d , determine a matriz de cofatores e a matriz inversa de A soluc¸a˜o Da fo´rmula de cofatores C = [cij] onde cij = (−1)i+j|A˜ij|, percebemos que as H.L. Carrion ECT 1.5 Matrizes inversas 44 submatrizes A˜ij sa˜o matrizes de ordem 1× 1, ja que a matriz A e´ de ordem 2× 2. Assim: c11 = (−1)1+1|A˜11| = det(d) = d, c12 = (−1)1+2|A˜12| = −det(c) = −c, c21 = (−1)2+1|A˜21| = −det(b) = −b, c22 = (−1)2+2|A˜22| = det(a) = a, (1.72) logo a matriz de cofatores e´: C = d −c −b a . A matriz adjunta de A e´ : Adj(A) = CT = d −b −c a , finalmente a matriz inversa A−1 e´ A−1 = 1 Det(A) d −b −c a = 1 ad− bc d −b −c a (1.73) Seja em particular A = 2 3 0 1 , logo a matriz inversa e´ A−1 = 1 (2.1− 3.0) 1 −3 −0 2 = 1/2 −3/2 0 1 Exemplo 1.5.7. Seja a matriz B = 0 1 2 1 0 3 −1 2 5 , Detemine a inversa de B pelo me´todo de cofatores. Soluc¸a˜o Da fo´rmula de cofatores C = [cij] onde cij = (−1)i+j|A˜ij|, percebemos que as H.L. Carrion ECT 1.5 Matrizes inversas 45 submatrizes A˜ij sa˜o matrizes de ordem 2× 2, ja que a matriz B e´ de ordem 3× 3. Assim: c11 = (−1)1+1|B˜11| = det 0 3 2 5 = −6, c12 = (−1)1+2|B˜12| = −det 1 3 −1 5 = −8, c13 = (−1)1+3|B˜13| = −det 1 0 −1 2 = −2, c21 = (−1)2+1|B˜21| = −det 1 2 2 5 = −1, (1.74) assim por diante, os valores restantes sa˜o os seguintes c22 = 2, c23 = −1, c31 = 3, c32 = 2, c33 = −1. Matriz de cofatores C = −6 −8 2 −1 2 −1 3 2 −1 , → Adj(B) = CT = −6 −1 3 −8 2 2 2 −1 −1 . Alem disso, Det(A) = −4. Por tanto B−1 = 1 −4 −6 −13 −8 2 2 2 −1 −1 = 3 2 1/4 −3/4 2 −1 2 −1 2 −1/2 1/4 1/4 . O resultado anterior coincide como o resultado (1.70)do exerc´ıcio (1.5.5). Teorema 1.5.4. Uma matriz e´ singular ( A−1 na˜o existe) ⇔ Det(A) = 0 Exemplo 1.5.8. Seja a matriz A = 1 2 0 −1 3 1 2 4 0 , Detemine a matriz de cofatores e a inversa de A. H.L. Carrion ECT 1.5 Matrizes inversas 46 Soluc¸a˜o Ja temos calculado os cofatores c11 = −4, c12 = 4, c33 = 5. na pagina ... A seguir iremos calcular os outros restantes c21 = (−1)2+1|A˜21| = −det 2 0 4 0 = 0, c22 = (−1)2+2|A˜22| = det 1 0 2 0 = 0, c23 = (−1)2+3|A˜23| = −det 1 2 2 4 = 0, c31 = (−1)3+1|A˜31| = det 2 0 3 1 = 2, c32 = (−1)3+2|A˜32| = −det 1 0 −1 1 = −1, c33 = (−1)3+3|A˜33| = det 1 2 −1 3 = 5, Como resultado temos a seguinte matriz de cofatores C = −4 4 5 0 0 0 2 −1 5 . Antes de calcular a inversa da matriz A, observamos que 1-linha e a 3-linha da matriz A sa˜o proporcionais, logo Det(A) = 0. O que significa que a matriz A na˜o tem inversa. H.L. Carrion ECT 1.6 Exerc´ıcios 47 1.6 Exerc´ıcios 1.6.1 Propriedades elementares de matrizes, operac¸o˜es elementares Exerc´ıcio 1.6.1. Sejam as matrizes A = 3 −4 −5 6 , B = 7 4 5 k , determine o valor de k tal que AB = BA. Exerc´ıcio 1.6.2. Verifique que a matriz A = 0 a a 0 0 a 0 0 0 e´ nilpotente de ordem 3. Exerc´ıcio 1.6.3. Dados matrizes A e B de ordem 3 × 3, verifique que AB = [Ab1 Ab2 Ab3]. b1, b2, b3 sa˜o colunas de B. Ab1, Ab2, Ab3 sa˜o as colunas 1,2,3, respetivamente da matriz AB. Exerc´ıcio 1.6.4. Seja a matriz B3×3 , determine a e b (reais) tal que tr(BTB) = 53, e BV = 6V . V = 3 0 1 , B = a 0 3 1 b −3 2 −1 0 (1.75) Exerc´ıcio 1.6.5. Seja a matriz A = a c 0 b , sendo a, b, c reais. Determine os valores de a, b, c tal que P (A) seja uma matriz nilpotente de ordem 2. P (x) = 2x+ 2 e´ um polinomio real de primeiro grau. Exerc´ıcio 1.6.6. Provar as propriedades (1.16-1.18)) da multiplicac¸a˜o de matrizes. Exerc´ıcio 1.6.7. Considere a seguinte matriz A = [aij] tal que aij = 2i j(i + j), ∀ i, j = {1, 2, 3}, . A e´ sime´trica ou anti-sime´trica? Exerc´ıcio 1.6.8. Considere o seguinte conjunto de numero naturais I = {1, 2, 3, 4}, vamos definir a matriz real A : I × I → R, aij = A(i, j) = (i − j) (i + j) /A = [aij]. Observe que os indices {i, j} tomam valores no conjunto I. a) A e´ sime´trica ou antisime´trica? b) Indique o trac¸o da matriz A. H.L. Carrion ECT 1.6 Exerc´ıcios 48 Exerc´ıcio 1.6.9. Seja a equac¸a˜o matricial X2 + I = 0 para a matriz X, verifique que X = i 0 0 i resolve dita equac¸a˜o. Onde i2 = −1 e´ a unidade imaginaria do plano complexo, A,XI sao matrizes quadradas de ordem 2× 2. Exerc´ıcio 1.6.10. Seja a matriz A = 0 i i 0 e a matriz D de ordem 4 × 4 definida da seguinte forma D = I A −A I . Demonstrar que Dn = 2n−1D para todo n inteiro n ≥ 1. Ajuda: Pode utilizar o me´todo de induc¸a˜o. Exerc´ıcio 1.6.11. Seja as matrizes A,B matrizes quadradas arbitra´rias e sime´tricas : a) Provar que as matrizes AB−BA e AB+BA sa˜o antisime´tria e sime´trica respectivamente. b) Provar que o trac¸o da matriz AB −BA e´ nulo. c) Analise os dois itens anteriores no caso que as matrizes A,B sejam antisime´tricas. Exerc´ıcio 1.6.12. Dado a matriz B = 1 0 3 −1 3 2 0 2 4 , realize as seguintes operac¸o˜es elemen- tares sucessivas a) L1 → L1 + 2L2, b) L3 → 2L3, c) troca da 1-linha com a linha 3. I) Qual e´ a matriz equivalente que se obteˆm?. II) Determine a matriz elementar associada a cada operac¸a˜o elementar, e verifique que C = E3E2E1B, sendo C a resposta da parte I. Exerc´ıcio 1.6.13. A partir da matriz identidade I4×4 realizes as seguintes operac¸o˜es elemen- tares a) l1 → l1 + βl2, β um nu´mero real. b) l1 → l1 − βl2. Verifique que E1E2 = E2E1 = I, sendo E1, E2 as matrizes elementares obtidas em cada caso. Exerc´ıcio 1.6.14. Considere a matriz D de ordem 6× 6 definida da seguinte forma D = A 0 0 0 B 0 0 0 C sendo A,B,C matriz quadradas arbitra´rias de ordem 2× 2. H.L. Carrion ECT 1.6 Exerc´ıcios 49 a) Demonstrar que : Dn = An 0 0 0 Bn 0 0 0 Cn , sendo n qualquer nu´mero natural n ≥ 1. b) Considere as matrizes A,B e C involutivas (A2 = I, B2 = I, C2 = I), logo provar que D tambe´m e´ involutiva. 1.6.2 Determinante de matrizes Exerc´ıcio 1.6.15. calcular a determinante das seguintes matrizes : a) A = 1 0 0 30 2 0 41 −7 4 , b) B = −1 0 4 0 5 7 4 7 1 c) C = 1 0 −1 4 0 2 4 6 2 1 2 3 −1 5 −1 0 Exerc´ıcio 1.6.16. Seja uma matriz An×n do ordem n, onde duas colunas arbitrarias sa˜o pro- porcionais, lovo provar que Det(A) = 0. Ajuda. Utilize a propriedade IV de determinante de matrizes. Exerc´ıcio 1.6.17. Determine det(BBT ), sendo a matriz B de ordem 3 em que B = [bij], bij = i+ j. Exerc´ıcio 1.6.18. Dados as matrizes A3×3, B3×3 , e |A| = −1, |B| = 2, determine: a) Det(B2A), b) Det(2AAT ), c) Det((AB)T ). Exerc´ıcio 1.6.19. Demonstrar as propriedades VII e VIII de determinante de matrizes, para uma matriz de qualquer ordem. ajuda: utilize me´todo da induc¸a˜o. Exerc´ıcio 1.6.20. Demonstre que Tr(A) = Tr(AT ). para qualqer matriz quadrada. Exerc´ıcio 1.6.21. Seja a matriz B3x3 = [bkj] / bkj = k − 2j. Determine Det(−B). Exerc´ıcio 1.6.22. Sejam as matrizes A = a b c d e f g h l e B = a b c 3d− 2a 3e− 2b 3f − 2c g h l . Se |A| = 5, determine |B|. H.L. Carrion ECT 1.6 Exerc´ıcios 50 Exerc´ıcio 1.6.23. Resolva equac¸a˜o matricial 2X − (A+2A2) = 4B3+2I3 para a matriz X, e diga como resposta a determinante da matriz X. Onde : A = 0 1 −1 0 , B = 1 0 0 −1 .I e´ matriz identidade. Exerc´ıcio 1.6.24. Demonstrar a propriedade V de determinante de matrizes, para qualquer matriz An×n. Exerc´ıcio 1.6.25. Demonstrar que a determinante de uma matriz quadrada arbitraria de or- dem n × n e´ o produto dos elementos da diagonal principal, ouseja se A = [aij] → det(A) = a11.a22...ann = ∏i=n i=1 aii. ∏ e´ simbolo de produtoria. Exerc´ıcio 1.6.26. Demonstrar as propriedades I, II, III para qual-quer matriz quadrada A3×3. Exerc´ıcio 1.6.27. Utilizando como resultado va´lido a propriedade V pra determinante de ma- trizes, demonstre a propiedade IV, para uma matriz quadrada de ordem arbitra´ria. Exerc´ıcio 1.6.28. Seja a matriz A = 1 1 1 x1 x2 x3 x21 x 2 2 x 2 3 , provar que Det(A) = (x2 − x1)(x3 − x1)(x3 − x2). x1, x2, x3 sa˜o nu´meros reais arbitra´rios. 1.6.3 Matriz inversa Exerc´ıcio 1.6.29. Provar as propriedades I,II,III da inversa de matrizes. Exerc´ıcio 1.6.30. Seja a matriz A na˜o singular,tal que Det(A) = 5 calcular Det(A−1) Exerc´ıcio 1.6.31. Prove que (ABA−1)n = ABnA−1, ∀n ∈ N . A e B sa˜o matrizes na˜o singulares. Exerc´ıcio 1.6.32. Dados a matriz A = −1 0 0 0 1 0 2 0 1 , a) Identifique as duas operac¸oes elementares sucessivas que devemos aplicar a´ matriz identidade pra obter a matriz A. b) Determine as matrizes elementares (e suas inversas) correspondentes a cada operac¸a˜o ele- mentar, obtida da matriz identidade. c) Verifique que matriz A e´ o produto das matrizes elementares encontradas no item b. H.L. Carrion ECT 1.6 Exerc´ıcios 51 d) Determine a inversa da matriz A, fazendo uso das inversas das duas matrizes elementares obtidas no item b. Exerc´ıcio 1.6.33. Calcule a inversa de 2AAT , se A−1 existir. Exerc´ıcio 1.6.34. Demonstre I+X+X2+ ...Xn = (Xn+1−I)(X−I)−1,sendo que I e´ matriz identidade e (X − I) tem inversa. Exerc´ıcio 1.6.35. Seja a matriz B = 1 0 0 0 cos(θ) − sin(θ) 0 sin(θ) cos(θ) . Determine B−1 e BT , θ um numero real arbitrario. Exerc´ıcio 1.6.36. Seja A = 2 1 1 4 . Determinar (A−1)2 Exerc´ıcio 1.6.37. Seja A sime´trica e´ invers´ıvel,enta˜o A−1 e´ sime´trica. Exerc´ıcio 1.6.38. Demonstrar que A = (sin(α))2 (sin(β))2 (sin(γ))2 (cos(α))2 (cos(α))2 (cos(α))2 a a a e´ singular. a, α, β, γ sa˜o nu´meros reais. Exerc´ıcio 1.6.39. Seja A invers´ıvel, logo prove que (An)−1 = (A−1)n Exerc´ıcio 1.6.40. Provar que (αA)−1 = α−1A−1, α 6= 0. A e´ invers´ıvel. Exerc´ıcio 1.6.41. Seja An+1 = 0, n ≥ 1 e se (I −A) tem inversa, enta˜o: I +A+A2+ ...An = (I − A)−1, sendo que I e´ matriz identidade e (I − A) tem inversa. Exerc´ıcio 1.6.42. calcular a inversa das seguintes matrizes: A = 1 0 0 −1 , B = 1 0 0 0 −2 0 0 0 −3 , C = 1 4 2 0 4 0 0 2 1 , pelo me´todo de matrizes elementares, pelo me´todo de Gauss (operac¸o˜es elementares na linha) e pelo me´todo de cofatores. Exerc´ıcio 1.6.43. calcular a inversa das seguintes matrizes: H.L. Carrion ECT 1.7 Resposta dos exerc´ıcios 52 A = 0 1 2 1 4 −2 2 −2 8 , B = 0 1 2 −1 0 −2 −2 2 0 , C = 1 2 0 0 2 −1 0 0 0 0 0 1 0 0 −1 0 Exerc´ıcio 1.6.44. Provar que Det(A−1) = 1 Det(A) , para qualquer matriz A invers´ıvel. Exerc´ıcio 1.6.45. Seja Det(A) = (4/3)3, calcular Det(4(3AT )−1) se A e´ matriz de ordem 3× 3. 1.7 Resposta dos exerc´ıcios 1.7.1 repostas da sec¸a˜o 1.6.1 Reposta (1.6.1) : 4 Reposta (1.6.4) : a = 5, b = ±2 Reposta (1.6.5) : a = b = −1, c um nu´mero real arbitra´rio. Reposta (1.6.7) : A matriz e´ sime´trica. Reposta (1.6.12) : I) C = 0 4 8 −1 3 2 −1 6 7 II) E1 = 1 2 0 0 1 0 0 0 1 , E2 = 1 0 0 0 1 0 0 0 2 , E3 = 0 0 1 0 1 0 1 0 0 , 1.7.2 repostas da sec¸a˜o 1.6.2 Reposta (1.6.15) : a) 8, b) −36, c) −236 Reposta (1.6.17) : 0 Reposta (1.6.18) : a) −4, b) 8, c) −2. Reposta (1.6.21) : 0 Reposta (1.6.22) : 15 H.L. Carrion ECT 1.7 Resposta dos exerc´ıcios 53 1.7.3 repostas da sec¸a˜o 1.6.3 Reposta exerc´ıcio (1.6.32) : a) l1 → (−1)l1, l3 → l3 − (2)l1 b) E1 = −1 0 0 0 1 0 0 0 1 , E2 = 1 0 0 0 1 0 −2 0 1 . c) A−1 = −1 0 0 0 1 0 2 0 1 Reposta exerc´ıcio (1.6.33) : (1/2)(A−1)TA−1 Reposta exerc´ıcio (1.6.35) : BT = B−1 = 1 0 0 0 cos(θ) sin(θ) 0 − sin(θ) cos(θ) Reposta exerc´ıcio (1.6.36) : (A−1)2 = 1 49 17 −6 −6 5 Reposta exerc´ıcio (1.6.42) A−1 = 1 0 0 −1 , B−1 = 1 0 0 0 −1/2 0 0 0 −1/3 , C−1 = 1 0 −2 0 1/4 0 0 −1/2 1 Reposta exerc´ıcio (1.6.43) A−1 = 1 32 −28 12 10 12 4 −2 10 −2 1 , B−1 na˜o existe, C−1 = 1/5 2/5 0 0 2/5 −1/5 0 0 0 0 0 −1 0 0 1 0 Reposta exerc´ıcio (1.6.45) : 1 H.L. Carrion ECT Cap´ıtulo 2 sistema de equac¸o˜es lineares 2.1 Introduc¸a˜o A motivac¸a˜o para estudar teoremas de classificac¸a˜o e me´todos de soluc¸a˜o de sistema de equac¸o˜s lineares sa˜o multiplas. Iremos enunciar algumas delas • Ana´lise de fluxo de tra´fego de ve´ıculos numa cidade com enu´meras ruas entrelazadas. • Quando temos uma rede eletrica contento resistores e fontes, e queremos determinar a intensidade de corrente que circula por cada ramal, iremos aplicar os teoremas de Kirchhoff e depois resolver um sistema de equac¸o˜es(ver fig (2.1)). • Quando temos uma reac¸a˜o quimica de varias substancias, precisamos realizar o balance- amento da equac¸a˜o, ou seja devemos determinar as quantidades exatas de a´tomos que participa na reac¸a˜o qu´ımica. Iremos colocar variaveis arbitra´rias em cada termo da reac¸a˜o, e logo devemos resolver um sistema de equac¸o˜es para determinar o valor destes coeficien- tes. xCaO + y P2O5 = z Ca3(PO4)2 xAl2O3 + y HCl = z AlCl3 + wH2O • Modelos econoˆmicos de troca de bens,etc 2.2 classificac¸a˜o de sistems de equac¸o˜es lineares 55 Figura 2.1 circuito IR 2.2 classificac¸a˜o de sistems de equac¸o˜es lineares Definic¸a˜o 2.2.1. Um sistema de equac¸o˜es lineares e´ um conjunto finito de m equac¸o˜es com coeficientes constantes aij e varia´veis xi, i, j = 1, 2, ...n cada uma de potencia 1, definida do seguinte modo. a11x1 + a12x2 + . . .+ a1jxj + . . . a1nxn = b1 ... ... ... ... ... ai1x1 + ai2x2 + . . .+ aijxj + . . . ainxn = bi ... ... ... ... ... am1x1 + am2x2 + . . .+ amjxj + . . . amnxn = bm As n varia´veis xi sa˜o chamadas de incognitas. aij, bi ∈ R, ∀ i, j = 1, 2, ..n. ♠ Se bi 6= 0 por lo menos para alguns i = 1, 2, .., n; enta˜o o sistema e´ na˜o homogeˆneo. ♠ Se bi = 0 ∀ i, i = 1, 2, .., n; enta˜o o sistema e´ homogeˆneo. Dado o sistema de equac¸o˜es lineares na˜o-homogeˆneo. x+ y + z = 10 2x+ y + 4z = 20 2x+ 3y + 5z = 25 (2.1) H.L. Carrion ECT 2.2 classificac¸a˜o de sistems de equac¸o˜es lineares 56 A matriz aumentada associada (matriz de coeficientes) ao sistema anterior e´ 1 1 1 |10 2 1 4 |20 2 3 5 |25 . Observe que na ultima coluna temos a parte na˜o homogeˆna do sistema de equac¸o˜es. Definic¸a˜o 2.2.2. Duas sitemas de equac¸o˜es lineares se chaman equivalentes se elas possuem as mesmas soluc¸o˜es Dado um sistema de equac¸o˜es Lineares 1 (SEL1), se aplicamos a seguinte operac¸a˜o ele- mentar: I) 1-equac¸a˜o se multiplica por 2: L1 → 2L1 SEL1 y + 2x = 1y − x = 4 ⇒ SEL2 2y + 4x = 2y − x = 4 enta˜o vamos obter outro sistema de equac¸o˜es lineares equivalente ao sistema anterior, ou seja: SEL1 ∼ SEL2, tem as mesmas soluc¸o˜es! (soluc¸a˜o u´nica: x=-1, y=3) se aplicarmos outra operac¸a˜o elementar. II) Troca de posic¸o˜es : L1 e´ trocada de posic¸a˜o com L2 SEL1 y + 2x = 1y − x = 4 ⇒ SEL3 y − x = 4y + 2x = 1 enta˜o iremos obter outro sistema de equac¸o˜es lineares, equivalente ao sistema anterior, ou seja: SEL1 ∼ SEL3, tem as mesmas soluc¸o˜es! Finalmente, se aplicarmos a seguinte operac¸a˜o elementar III) Somar uma equac¸a˜o o multiplo de outra : L2 → L2 + 2L1 SEL1 y + 2x = 1y − x = 4 ⇒ SEL4 y + 2x = 13y + 3x = 6 enta˜o iremos obter outro sistema de equac¸o˜es lineares, equivalente ao sistema anteior, ou seja : SEL1 ∼ SEL4, tem as mesmas soluc¸o˜es! H.L. Carrion ECT 2.2 classificac¸a˜o de sistems de equac¸o˜es lineares 57 Conclusa˜o importante : As transformac¸o˜es feitas no sistema de equac¸o˜es que levam a um outro sistema equivalente sa˜o na verdade as chamadas operac¸o˜es elementares que agem sobre as linhas da matriz aumentada. Teorema 2.2.1. Se as matrizes completas de dois sistemas lineares sa˜o linha-equivalentes, enta˜o os dois sistema teˆm o mesmo conjunto soluc¸a˜o. Definic¸a˜o 2.2.3. Todo sistema de equac¸o˜es Lineares tem • Nehuma soluc¸a˜o ou • Soluc¸a˜o u´nica ou • infinitas soluc¸o˜es Exemplo 2.2.1. Exemplo de sistem de equac¸o˜es lineares com nehuma soluc¸a˜o (ou sistema de equac¸o˜es inconsistentes) x+ y = 8 2x+ 2y = 5 (2.2) na˜o existe valores de x, y tal que resolva o sistema de equac¸o˜es anterior. Multiplicando a primeira equac¸a˜o por 2, chegamos a uma contradic¸a˜o 5 = 16 (falso) (ver figura (2.2)). isto quer dizer que o sistema na˜o tem soluc¸a˜o, ou seja, um sistema inconsistente. Na figura (2.2)) podemos ver geome´tricamente que as retas (uma para cada equac¸a˜o) na˜o se intersecam, isto diz claramente, que na˜o tem valores de x e y que satisfaz ambas equac¸o˜es simultaneamente. H.L. Carrion ECT 2.2classificac¸a˜o de sistems de equac¸o˜es lineares 58 duas retas paralelas 0 2 4 6 8 10 12 –4 –3 –2 –1 1 2 3 4 x Figura 2.2 sistem de duas equac¸o˜es inconsistente duas retas secantes –6 –4 –2 2 4 6 8 –4 –3 –2 –1 1 2 3 4 x Figura 2.3 sistem de equac¸o˜es com soluc¸a˜o u´nica: ponto de intercepto Exemplo 2.2.2. Exemplo de sistem de equac¸o˜es lineares com soluc¸a˜o u´nica (sistema de equac¸o˜es consistentes) 2x+ y = 1 −x+ y = 4. (2.3) A soluc¸a˜o u´nica e´ {x = −1, y = 3}. Temos dois equac¸o˜es inequivalentes e dois variaveis ou incognitas. Na figura 2.3 podemos ver geome´tricamente que as duas retas (uma para cada equac¸a˜o) se intersecam num u´nico ponto. Isto quer dizer que, existe uma u´nida dupla de valores de x e y que satisfaz os sistema de equac¸o˜es lineares. Exemplo 2.2.3. Exemplo de sistemas de equac¸o˜es lineares com∞ soluc¸o˜es (sistema de equac¸o˜es consistentes). 4x+ y = 1 −4x− y = −1 (2.4) H.L. Carrion ECT 2.2 classificac¸a˜o de sistems de equac¸o˜es lineares 59 duas retas superpostas –10 –5 5 10 –3 –2 –1 1 2 3 x Figura 2.4 sistem de equac¸o˜es com ∞ soluc¸o˜es. ∞ pontos de intercepto para resolver o sistema anterior, vamos realizar uma manipulac¸a˜o alge´brica na segunda equac¸a˜o (multiplicar por -1): 4x+ y = 1 4x+ y = 1, (2.5) observamos entao que na verdade se trata de uma u´nica equac¸a˜o !. Quer dize, que inicialmente tinha um sistema de equac¸o˜es formado por duas equac¸o˜es equivalientes, depois da manipulac¸a˜o temos um sistema formado por uma u´nica equac¸a˜o inequivalente, com duas varia´veis ou incog- nitas. 4x+ y = 1, (2.6) E´ de se esperar que o sistema tenha infinitas soluc¸oes, desde que temos maior nu´mero de incognitas que de equac¸o˜es. vamos verificar isto. Para resolver vamos considerar que x = t onde t e´ um para´metro real e arbitra´rio. Logo, iremos substituir esta soluc¸a˜o de x na equac¸a˜o (2.6) para calcular y e o resultado e´ y = 1− 4t. Finalmente o conjunto soluc¸a˜o e´ {x = t, y = 1− 4t}, ∀t ∈ <. t e´ o para´metro real e arbitra´rio, para cada valor de t temos uma soluc¸a˜o. De acordo a figura (2.4), podemos entender esta situac¸a˜o do senguinte modo. As duas retas (as duas equac¸o˜es iniciais) por ser uma mu´ltiplo da outra, na verdade, coincidem, ouseja estao superpostas, as duas retas se intersecam em infinitos pontos. Dito de outra forma, existem infinitos pares de valores de x e y que satisfazem o sistema (2.3). O sistema e´ consistente com infinitas soluc¸o˜es. H.L. Carrion ECT 2.2 classificac¸a˜o de sistems de equac¸o˜es lineares 60 Definic¸a˜o 2.2.4. Dada uma matriz M , se este na˜o for matriz nula, podemos realizar um nu´mero finito de opera˜c¸o˜es elementares (qualquer dos treˆs tipos que conhecemos) na linha para converter numa matriz escada ou escalonada, onde: • Temos um elemento na˜o nulo a´ esquerda de cada linha (pivoˆ). • Abaixo de cada pivoˆ (coluna) deve ter elementos nulos. • todas as linhas cujos elementos sa˜o todos nulos, se localizam abaixo das linhas contendo elementos na˜o nulos. Definic¸a˜o 2.2.5. O processo de utilizar as operac¸o˜es elementares na linha, para transformar uma matriz arbitra´ria A em outra em forma escalonada (ou matriz escada), se denomina eli- minac¸a˜o gaussiana. • • • • • • 0 • • • • • • 0 • • • • 0 • .⇒ a • 0 • • 0 b c • • 0 0 0 d • 0 0 0 0 0 , . Dada uma matriz M , se este na˜o for matriz nula, ha´ sempre infinitas matrizes escada obtidas a partir de M , mas todas elas teˆm em comum o nu´mero de linhas na˜o nulas e as colunas onde aparecem os pivoˆs. Definic¸a˜o 2.2.6. Posto de uma matriz (p). O posto de uma matriz M e´ o nu´mero de linhas na˜o nulas de qualquer matriz escada obtida a partir de M por operac¸o˜es elementares sobre linhas. A = a11 a12 · · · a1j · · · a1n ... ... . . . ... . . . ... ai1 ai2 · · · aij · · · ain ... ... . . . ... . . . ... 0 0 · · · app · · · apn 0 0 · · · 0 · · · 0 · · · · · · · · · 0 · · · 0 ... ... ... 0 ... 0 0 0 · · · 0 · · · 0 . (2.7) H.L. Carrion ECT 2.2 classificac¸a˜o de sistems de equac¸o˜es lineares 61 Existe outra definic¸a˜o de posto de matriz, sem utilizar escalonamento: o posto de M e´ a ordem da maior submatriz quadrada de M com determinante na˜o nulo. Por exemplo, se M for quadrada e invert´ıvel, seu posto e´ a ordem da matriz. Pode-se demonstrar que se trata do mesmo conceito. Definic¸a˜o 2.2.7. Seja um sistema de n equac¸o˜es na˜o homogeˆnea com m inco´gnitas, a11x1 + a12x2 + . . .+ a1nxm = b1 ... ... ... ... an1x1 + an2x2 + . . .+ anmxm = bn (2.8) Aqui, todos os coeficientes aij formam a matriz dos coeficientes A de ordem n×m, A = a11 a12 · · · a1j · · · a1m ... ... . . . ... . . . ... ai1 ai2 · · · aij · · · aim ... ... . . . ... . . . ... an1 an2 · · · anj · · · anm . (2.9) Considerando X = x1 ... xi ... xm , B = b1 ... bi ... bn . (2.10) O sistema de equac¸o˜es lineares na˜o homogeˆneo (2.31) pode ser colocado na seguinte equac¸a˜o matrizial. a11 a12 · · · a1j · · · a1m ... ... . . . ... . . . ... ai1 ai2 · · · aij · · · aim ... ... . . . ... . . . ... an1 an2 · · · anj · · · anm . x1 ... xi ... xm = b1 ... bi ... bn . H.L. Carrion ECT 2.2 classificac¸a˜o de sistems de equac¸o˜es lineares 62 A equac¸a˜o matrizial anterior tem a seguinte forma compacta AX = B equa. Linear na˜o homogeˆnea (2.11) sendo: • A→ Matriz de coeficientes do sistema linear de equac¸o˜es. • X → Vetos soluc¸a˜o ou conjunto soluc¸a˜o, a ser determinado. • B → Matriz coluna qu representa a parte na˜o homogeˆnea do sistema linear de equac¸o˜es. Teorema 2.2.2. Teorema de Rouche´-Capelli Seja um sistema linear AX = B de m- equac¸o˜es a n varia´veis. cuja matriz dos coeficientes A tem posto p e cuja matriz ampliada e Aˆ tem posto q. Enta˜o: ? Se p 6= q, o sistema e´ imposs´ıvel(inconsistente, na˜o ha´ soluc¸a˜o); ? Se p = q = n, o sistema e´ poss´ıvel e determinado (consistente e com uma u´nica soluc¸a˜o); ? Se p = q < n, o sistema e´ poss´ıvel e indeterminado(consistente com ∞ soluc¸o˜es), com grau de liberdade = n− p. Os graus de liberdade, sa˜o justamente o nu´mero de paraˆmetros livres existentes no con- junto soluc¸a˜o. Exemplo 2.2.4. Considere o sistema de equac¸o˜es (2.2) x+ y = 8 (2.12) 2x+ 2y = 5, e antes de resolver formalmente, diga se o sistema e´ consistente ou inconsistente. Soluc¸a˜o vamos trabalhar no nivel da matriz de coeficientes A e matriz aumentada Aˆ A = 1 1 2 2 , Aˆ = 1 1 8 2 2 5 . (2.13) Realizamos a operac¸a˜o elementar L2 → L2 − 2L1 em ambas matrizes H.L. Carrion ECT 2.2 classificac¸a˜o de sistems de equac¸o˜es lineares 63 A = 1 1 0 0 , Aˆ = 1 1 8 0 0 −11 . (2.14) O posto de A e´ p = 1 por que temos uma linha na˜o nula. O posto de Aˆ e´ q = 0 porque na˜o temos linhas nulas. p 6= q, logo pelo teorema (2.2.2) o sistema e´ imposs´ıvel. Ou seja o sistema e´ inconsiste, na˜o tem soluc¸a˜o. Esta conclusa˜o coincide com a ana´lise inicial do exemplo (2.2.1). Exemplo 2.2.5. Considere o sistema de equac¸o˜es (2.3) 2x+ y = 1 (2.15) −x+ y = 4, e antes de resolver formalmente, diga se o sistema tem ou na˜o uma soluc¸a˜o u´nica. Soluc¸a˜o vamos trabalhar no nivel da matriz de coeficientes A e matriz aumentada Aˆ A = 2 1 −1 1 , Aˆ = 2 1 1 −1 1 4
Compartilhar