5/10/2012 – Matrizes, Determinantes e Sistemas Lineares.
Um estudo de matrizes e determinantes, englobando todo o conteúdo necessário para o estudo de sistemas lineares, itens necessário na introdução de um curso superior de Álgebra Linear, mas não deixa de ser um guia para estudantes do ensino médio e interessados em prestar vestibular.
Um estudo de matrizes e determinantes, englobando todo o conteúdo necessário para o estudo de sistemas lineares, itens necessário na introdução de um curso superior de Álgebra Linear, mas não deixa de ser um guia para estudantes do ensino médio e interessados em prestar vestibular.
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
5/<strong>10</strong>/<strong>2012</strong> <strong>–</strong> <strong>Matrizes</strong>, <strong>Determinantes</strong> e <strong>Sistemas</strong> <strong>Lineares</strong>.<br />
Tags: <strong>Matrizes</strong>, <strong>Determinantes</strong>, <strong>Sistemas</strong>, Definições, Teoria, Teoremas, Propriedades, Exemplos, Exercícios, Passo à Passo...<br />
GUIDG.COM 1<br />
I - Este texto foi escrito com objetivo englobar todo o conteúdo de <strong>Matrizes</strong> e <strong>Determinantes</strong> para o estudo e<br />
resolução de <strong>Sistemas</strong> <strong>Lineares</strong>, entretanto o estudante deve consultar as referências bibliográficas.<br />
II - Esse estudo está limitado aos números reais ( R ) , mas é importante saber que esta teoria é valida também<br />
para conjuntos superiores como no caso dos números complexos (C ) .<br />
III - Muitos assuntos estão relacionados e quando algum requisito for necessário faremos uma indicação, por<br />
exemplo: [1.21 Submatriz] , desta forma o estudante é informado que deve ter conhecimento deste tópico.<br />
Sumário<br />
1 MATRIZES.........................................................................................................................................................................3<br />
1.1 Fila de uma matriz.......................................................................................................................................................3<br />
1.2 Matriz linha (vetor-linha) ............................................................................................................................................3<br />
1.3 Matriz coluna (vetor-coluna).......................................................................................................................................3<br />
1.4 Matriz zero (matriz nula).............................................................................................................................................3<br />
1.5 Vetor nulo (vetor zero)................................................................................................................................................4<br />
1.6 Matriz quadrada ..........................................................................................................................................................4<br />
1.7 Matriz retangular.........................................................................................................................................................5<br />
1.8 Matriz diagonal ...........................................................................................................................................................5<br />
1.9 Matriz identidade (matriz unidade) .............................................................................................................................5<br />
1.<strong>10</strong> Igualdade de matrizes..................................................................................................................................................6<br />
1.11 Matriz transposta (transposição) .................................................................................................................................6<br />
1.12 Matriz oposta...............................................................................................................................................................6<br />
1.13 Matriz simétrica ..........................................................................................................................................................6<br />
1.14 Matriz anti-simétrica ...................................................................................................................................................6<br />
1.15 <strong>Matrizes</strong> comutativas...................................................................................................................................................6<br />
1.16 <strong>Matrizes</strong> anti-comutativas ...........................................................................................................................................8<br />
1.17 Matriz involutiva.........................................................................................................................................................8<br />
1.18 Matriz idempotente .....................................................................................................................................................8<br />
1.19 Matriz triangular..........................................................................................................................................................8<br />
1.20 Traço de uma matriz....................................................................................................................................................9<br />
1.21 Submatriz ....................................................................................................................................................................9<br />
1.22 Operações com matrizes............................................................................................................................................<strong>10</strong><br />
1.23 Operações elementares das matrizes .........................................................................................................................11<br />
1.24 Equivalência de matrizes...........................................................................................................................................11<br />
1.25 Matriz escalonada e matriz linha-reduzida................................................................................................................12<br />
1.26 Posto de uma matriz ..................................................................................................................................................16<br />
1.27 Nulidade de uma matriz ............................................................................................................................................16<br />
1.28 Propriedades de operações com matrizes ..................................................................................................................19<br />
1.29 Potência de uma matriz .............................................................................................................................................23<br />
1.30 Matriz inversa............................................................................................................................................................23<br />
1.31 Matriz ortogonal........................................................................................................................................................32<br />
2 DETERMINANTES .........................................................................................................................................................34<br />
2.1 Conceito de determinante..........................................................................................................................................34<br />
2.2 Determinante de uma matriz .....................................................................................................................................36<br />
2.3 Regras práticas para o cálculo de determinantes .......................................................................................................38<br />
2.4 Propriedades dos determinantes ................................................................................................................................40<br />
2.5 Menor complementar ................................................................................................................................................45<br />
2.6 Co-fator .....................................................................................................................................................................45<br />
2.7 Matriz co-fatora.........................................................................................................................................................45<br />
2.8 Matriz adjunta ...........................................................................................................................................................45<br />
2.9 Teorema de Laplace ..................................................................................................................................................46<br />
2.<strong>10</strong> Determinante por triangulação ..................................................................................................................................48<br />
2.11 Determinante de Vandermonde (determinante das potências) ..................................................................................49<br />
2.12 Regra de Chió............................................................................................................................................................49
GUIDG.COM 2<br />
3 SISTEMAS DE EQUAÇÕES LINEARES .....................................................................................................................52<br />
3.1 Equação linear...........................................................................................................................................................52<br />
3.2 Sistema de equações lineares (sistema linear)...........................................................................................................52<br />
3.3 Sistema linear homogêneo ........................................................................................................................................53<br />
3.4 <strong>Sistemas</strong> e matrizes ...................................................................................................................................................53<br />
3.5 Posto de um sistema (característica de um sistema)..................................................................................................54<br />
3.6 Grau de liberdade do sistema ....................................................................................................................................54<br />
3.7 Operações linha sobre um sistema linear ..................................................................................................................55<br />
3.8 Solução de um sistema por matriz inversa ................................................................................................................55<br />
3.9 Regra de Cramer .......................................................................................................................................................58<br />
4 NOTAS FINAIS ................................................................................................................................................................65<br />
5 REFERÊNCIAS BIBLIOGRÁFICAS E LEITURA COMPLEMENTAR .................................................................65
GUIDG.COM 3<br />
1 MATRIZES<br />
Matriz de ordem m×n ( m por n ) é um agrupamento retangular de números dispostos em m linhas<br />
(horizontais) por n colunas (verticais), entre colchetes, parênteses ou barras duplas.<br />
B C<br />
A mBn = a ij<br />
mBn<br />
=<br />
H<br />
L<br />
J<br />
I<br />
a11 a12 … a1n a21 a22 … a<br />
M<br />
2n M<br />
… … … …M<br />
K<br />
am1 am2 … amn<br />
=<br />
h<br />
l<br />
j<br />
i<br />
a11 a12 … a1n a21 a22 … a m<br />
2n m<br />
… … … …k<br />
am1 am2 … amn<br />
=<br />
L<br />
L<br />
L<br />
L<br />
L<br />
L<br />
L<br />
L<br />
L<br />
L<br />
a11 a12 … a1n a21 a22 … a2n … … … …<br />
am1 am2 … amn<br />
I - As letras maiúsculas itálicas A,B,C... representam as matrizes, os respectivos índices inferiores<br />
indicam a ordem da matriz, e lê-se: Matriz A de ordem m por n .<br />
II - Os números (ou incógnitas) neste agrupamento são chamados de elementos ou entradas da matriz, e<br />
são representados pelas letras minúsculas a ij , b ij , c ij , … .<br />
III - O índice i indica a linha e o índice j indica a coluna ,localizando assim as entradas na matriz.<br />
IV - O conjunto das <strong>Matrizes</strong> Reais de ordem m×n é denotado por:<br />
T<br />
` a B C U<br />
M m,n = AmBn = aij | aij2R , 1 ≤ i ≤ m e 1 ≤ j ≤ n<br />
mBn<br />
1.1 Fila de uma matriz<br />
Entende-se por fila de uma matriz o mesmo que uma linha ( L ) ou coluna ( C ) dessa matriz.<br />
1.2 Matriz linha (vetor-linha)<br />
Disposição em apenas uma linha (m = 1) ou ordem 1× n .<br />
1.3 Matriz coluna (vetor-coluna)<br />
Disposição em apenas uma coluna (n = 1) ou ordem m × 1 .<br />
1.4 Matriz zero (matriz nula)<br />
É a matriz onde todas as entradas são iguais a zero, denotada por O , independente do tipo ou ordem.<br />
Exemplo 1:<br />
Matriz linha:<br />
@ A<br />
A = 3 2 x 0<br />
b c<br />
O = aij mBn<br />
com a ij = 0 8 1 ≤ i ≤ m e 1 ≤ j ≤ n<br />
Matriz coluna:<br />
A T =<br />
H<br />
3<br />
2<br />
x<br />
0<br />
I<br />
L M<br />
L M<br />
L M<br />
L M<br />
J K<br />
Matriz zero:<br />
O 3 =<br />
H<br />
L<br />
J<br />
0 0 0<br />
0 0 0<br />
0 0 0<br />
I<br />
M<br />
M<br />
M<br />
M<br />
M<br />
M<br />
M<br />
M<br />
M<br />
M<br />
M<br />
K O 2B3 =<br />
D E<br />
0 0 0<br />
0 0 0
1.5 Vetor nulo (vetor zero)<br />
GUIDG.COM 4<br />
O vetor nulo ( 0 jk ) será definido agora pois é um conceito simples de entender e de grande importância<br />
em nossos estudos e diversas questões no desenvolvimento da Álgebra Linear. O vetor nulo pode assumir<br />
diversas formas, dependendo do conjunto (ou Espaço Vetorial) que estivermos trabalhando e da sua<br />
respectiva aplicação.<br />
I <strong>–</strong> Se estivermos trabalhando com matrizes, então o vetor nulo indica a matriz nula O de ordem m×n .<br />
Ordem 2×2 0 jk D E<br />
=<br />
0 0<br />
0 0<br />
, ordem 3×1 0 jk H I<br />
0<br />
L M<br />
= J0K<br />
, ordem m×n 0<br />
0<br />
jk H I<br />
0 0 … 0<br />
L M<br />
L<br />
=<br />
0 0 … 0M<br />
L M<br />
L<br />
J((<br />
…( M<br />
K<br />
0 0 … 0<br />
.<br />
II <strong>–</strong> No plano ou no espaço o vetor nulo indica a origem do sistema com n-coordenadas.<br />
Duas coordenadas 0 jk b c<br />
= 0,0<br />
, três coordenadas 0 jk b c<br />
= 0,0,0<br />
, n-coordenadas 0 jk b c<br />
= 0,0,0, …,0 .<br />
III <strong>–</strong> Se estivermos trabalhando com polinômios, então o vetor nulo indica o polinômio nulo (polinômio<br />
zero) de n-ésimo grau em relação a sua respectiva variável.<br />
Segundo grau, variável t 0 jk ` a 2 = p 0 = 0t + 0t + 0 .<br />
Terceiro grau, variável x 0 jk ` a 3 2 = p 0 = 0x + 0x + 0x + 0 .<br />
N-ésimo grau, variável x 0 jk ` a n n@ 1 = p 0 = 0x + 0x + …+ 0x + 0 .<br />
1.6 Matriz quadrada<br />
Número de linhas igual ao número de colunas ( m = n ) , ordem n×n ou apenas n . Existem varias<br />
definições para a matriz quadrada, veremos as principais a seguir.<br />
1.6.1 Diagonal principal<br />
São os elementos a ij | i = j .<br />
1.6.2 Termo principal<br />
É o produto dos elementos da diagonal principal.<br />
1.6.3 Diagonal secundária<br />
São os elementos a ij | i + j = n + 1 .<br />
*Note que a soma dos índices dos elementos da diagonal secundária é sempre constante.
1.6.4 Termo secundário<br />
É o produto dos elementos da diagonal secundária.<br />
Exemplo 2: Identifique as diagonais da matriz A de ordem 4 e o termo principal e secundário.<br />
A 4 =<br />
H<br />
L<br />
J<br />
a11 a12 a13 a14 a21 a22 a23 a24 a31 a32 a33 a34 a41 a42 a43 a44 I<br />
M<br />
K<br />
Diagonal secundária, conjunto de elementos { a 41 , a 32 , a 23 , a 14 } .<br />
Diagonal principal, conjunto de elementos { a 11 , a 22 , a 33 , a 44 } .<br />
Termo principal = a 11 A a 22 A a 33 A a 44 e termo secundário = a 41 A a 32 A a 23 A a 14 .<br />
1.7 Matriz retangular<br />
Toda matriz onde m ≠ n .<br />
1.8 Matriz diagonal<br />
É a matriz quadrada onde os elementos não pertencentes à diagonal principal são nulos.<br />
B C<br />
Am = aij m<br />
| a ij = 0 se i ≠ j<br />
GUIDG.COM 5<br />
Como a matriz diagonal só possui elementos na diagonal principal (os demais são zero), podemos denotá-<br />
b c P Q<br />
la através de um conjunto. Se Am é uma matriz diagonal então diag Am = a11 , … , amm .<br />
Exemplo 3: Se diag ( A4 ) = { 1, 3, 0, 7 } , então A 4 =<br />
H<br />
L<br />
J<br />
I<br />
1 0 0 0<br />
M<br />
0 3 0 0 M<br />
0 0 0 0K<br />
0 0 0 7<br />
.<br />
1.9 Matriz identidade (matriz unidade)<br />
É uma matriz diagonal de ordem n onde todos os elementos são iguais a 1 , denotada por I .<br />
b c<br />
Exemplo 4: diag I 3<br />
B C<br />
I n = aij n<br />
= 1,1,1<br />
|<br />
X<br />
^\<br />
^Z<br />
a ij = 1 se i = j<br />
P Q L<br />
Q I 3 = J<br />
b c<br />
a ij = 0 se i ≠ j ou diag I n<br />
H<br />
1 0 0<br />
0 1 0<br />
0 0 1<br />
I<br />
M<br />
K<br />
P Q<br />
= 1, … , 1
1.9.1 Observações<br />
GUIDG.COM 6<br />
I - A matriz identidade é o elemento neutro na multiplicação de matrizes, por isso é também chamada de<br />
matriz unidade, isto é, BI = IB = B . Sendo B uma matriz quadrada .<br />
II - O determinante da matriz identidade é unitário det( I ) = 1 .<br />
III - A matriz identidade é classificada como: matriz diagonal, matriz quadrada, matriz simétrica, matriz<br />
não-singular, matriz ortogonal... (verifique as afirmações que não forem imediatas).<br />
1.<strong>10</strong> Igualdade de matrizes<br />
Duas matrizes são iguais quando seus elementos correspondentes forem iguais.<br />
B C<br />
A = aij mBn<br />
B C<br />
e B = b ij<br />
pBq<br />
então A = B^ a ij = b ij 8 1 ≤ i ≤ m e 1 ≤ j ≤ n<br />
*Note que as matrizes devem ser de mesma ordem, isto é, m = p e n = q .<br />
1.11 Matriz transposta (transposição)<br />
Trocam-se as linhas pelas colunas, gerando uma nova matriz. Indica-se A T a matriz transposta de A.<br />
B C<br />
Exemplo 5: A = a ij<br />
mBn<br />
B C<br />
Q A T = B = b ji<br />
nBm<br />
com a ij = b ji<br />
1.12 Matriz oposta<br />
Seja A uma matriz, então -A é sua matriz oposta tal que A + @ A<br />
*Basta trocar os sinais dos elementos da matriz.<br />
1.13 Matriz simétrica<br />
A T = A , isto é, a ij = a ji .<br />
1.14 Matriz anti-simétrica<br />
` a = O .<br />
A T =@ A , isto é, a ij =@ a ji e a ij = 0 se i = j (diagonal principal nula).<br />
*Veja os exemplo 22 e 23.<br />
1.15 <strong>Matrizes</strong> comutativas<br />
I - Se A e B são matrizes quadradas tais que AB = BA = C , sendo C uma matriz qualquer diferente<br />
da matriz identidade I , dizemos que A e B são matrizes comutativas.<br />
II - Se A e B são matrizes comutativas tais que AB = BA = I , sendo I a matriz identidade, defini-se<br />
A como a matriz inversa de B , ou B como a matriz inversa de A .<br />
[1.30 Matriz inversa]
GUIDG.COM 7<br />
Exemplo 6: Determine duas matrizes comutativas de segunda ordem, tais que o produto entre essas<br />
matrizes seja diferente da matriz identidade.<br />
Solução: Sejam as matrizes A 2B2 e B 2B2 , queremos determinar estas duas matrizes tais que a<br />
definição de comutatividade seja verificada, isto é, queremos A e B | AB = BA = C .<br />
A =<br />
D E<br />
a b<br />
c d<br />
e B =<br />
D E<br />
w x<br />
y z<br />
Q AB =<br />
AB =<br />
D ED E<br />
w x<br />
a b<br />
c d<br />
y z<br />
= w x<br />
D ED E<br />
a b<br />
y z<br />
aw + by ax + bz<br />
cw + dy cx + dz<br />
c d<br />
= BA<br />
F G Fwa + xc wb + xdG<br />
= = BA<br />
ya + zc yb + zd<br />
Temos um sistema com muitas variáveis livres, entretanto como veremos, ao escolhermos algumas<br />
variáveis as outras ficarão em função destas escolhidas, daí que podemos determinar todas as demais.<br />
AB = BA será uma matriz C tal que a igualdade seja verificada, isto é:<br />
AB = BA = C = c11 c F G<br />
12<br />
c21 c22 c 11 é tal que<br />
V<br />
aw + by = wa + xc<br />
by = xc<br />
e c 12 é tal que<br />
X<br />
^\<br />
ax + bz = wb + xd<br />
ax@ xd = wb@ bz<br />
x a@ d<br />
^Z<br />
` a ` a<br />
= b w@ z<br />
Agora já estamos em condições de supor valores para os elementos das matrizes A e B , pois definimos<br />
uma relação entre as duas (a escolha é arbitrária, mas é preciso que a relação seja válida).<br />
Escolhendo b = 1 temos que y = xc ,<br />
Escolhendo c = -2 temos que y = -2x ,<br />
Escolhendo x = 5 temos que y = -<strong>10</strong> ,<br />
Logo temos os valores: b = 1 , c = -2 , x = 5 , y = -<strong>10</strong> .<br />
Pela relação obtida em c 12 , substituímos os valores b e x<br />
` a ` a<br />
= b w@ z<br />
` a ` a<br />
= 1 w@ z<br />
x a@ d<br />
5 a@ d<br />
Escolhendo z = 2 temos que 5( a <strong>–</strong> d ) = w <strong>–</strong> 2 ,<br />
Escolhendo a = -3 temos que 5( -3-d ) = w <strong>–</strong> 2 ,<br />
Escolhendo d = -1 temos que -<strong>10</strong> = w -2 , assim w = -8 .<br />
Logo temos todos os valores necessários: a = -3 , d = -1 , w = -8 e z = 2 .<br />
Agora substituímos os valores nas matrizes tal que AB = BA = C :<br />
a = -3 , b = 1 , c = -2 , d = -1 ; w = -8 , x = 5 , y = -<strong>10</strong> , z = 2<br />
D E D E D ED E<br />
A =<br />
@ 3 1<br />
e B =<br />
@ 8 5<br />
Q AB =<br />
@ 3 1 @ 8 5<br />
=<br />
@ 2@ 1 @ <strong>10</strong> 2 @ 2@ 1 @ <strong>10</strong> 2<br />
@ 8 5<br />
D ED E<br />
@ 3 1<br />
= BA<br />
@ <strong>10</strong> 2 @ 2@ 1
GUIDG.COM 8<br />
Efetuando a multiplicação das matrizes tanto AB quanto BA temos o resultado que queríamos, isto é:<br />
D E D E<br />
AB =<br />
14@ 13<br />
= BA =<br />
14@ 13<br />
= C<br />
26@ 12 26@ 12<br />
Logo as matrizes A e B são comutativas.<br />
1.15.1 Observações<br />
I - Veja que obtemos duas matrizes comutativas tais que A não é a inversa de B , e nem B é a inversa<br />
de A , isto é, AB = BA ≠ I .<br />
II - Note que desenvolvemos este resultado e que ele não é uma propriedade das matrizes, em geral o<br />
produto das matrizes AB ≠ BA , a comutatividade é raramente válida.<br />
1.16 <strong>Matrizes</strong> anti-comutativas<br />
Se A e B são matrizes quadradas tais que AB = <strong>–</strong>BA .<br />
1.17 Matriz involutiva<br />
Se A é uma matriz quadrada tal que A² = I .<br />
1.18 Matriz idempotente<br />
Se A é uma matriz quadrada tal que A² = A .<br />
1.19 Matriz triangular<br />
Classificam-se triangular as matrizes que são triangular inferior ou triangular superior. Pode-se pensar<br />
que a matriz diagonal é triangular, por ser simultaneamente triangular inferior e triangular superior, mas<br />
de acordo com a definição a matriz diagonal não é triangular.<br />
1.19.1 Matriz triangular superior<br />
B C<br />
A = aij mBn<br />
com a ij = 0 se i > j .<br />
H I H I<br />
a11 a12 a a<br />
13<br />
11 a12 a13 L<br />
Exemplo 7: A = Ja21<br />
a22 a M L M<br />
23K=<br />
L 0 a22 a M<br />
J<br />
23K<br />
a31 a32 a33 0 0 a33
1.19.2 Matriz triangular inferior<br />
B C<br />
B = bij mBn<br />
com b ij = 0 se i < j .<br />
H<br />
b11 b12 b<br />
L<br />
13M<br />
L<br />
Exemplo 8: B = b21 b22 b M<br />
L<br />
23M<br />
J K<br />
b31 b32 b33 =<br />
b11 0 0<br />
L<br />
Lb21<br />
b22 0<br />
J<br />
b31 b32 b33 I<br />
H<br />
I<br />
M<br />
K<br />
GUIDG.COM 9<br />
1.20 Traço de uma matriz<br />
Seja A uma matriz quadrada de ordem m , o traço da matriz A que indicamos por tr (A) é a soma dos<br />
elementos da diagonal principal, isto é:<br />
B C<br />
Se A = a ij<br />
m<br />
=<br />
H<br />
L<br />
J<br />
a11 a12 … a1m a21 a22 … a2m … … … …<br />
am1 am2 … amm<br />
I<br />
M<br />
K<br />
Exemplo 9: Calcule o traço da matriz Z =<br />
Solução: tr (Z ) = 1 + 2 + 8 = 11<br />
1.21 Submatriz<br />
, então o traço da matriz A é dado 8 j = i assim<br />
m<br />
tr A<br />
` a =X aii = a11 + a22 + a33 + …+ amm<br />
i = 1<br />
H<br />
L<br />
J<br />
I<br />
1 5 9<br />
M<br />
0 2 0K<br />
.<br />
2 6 8<br />
Seja A uma matriz quadrada de ordem n ≥ 2 , chama-se submatriz Aij e denota-se sub Aij a<br />
matriz de ordem n <strong>–</strong> 1 que obtemos após removermos a i-ésima linha e a j-ésima coluna da matriz A .<br />
b c<br />
Exemplo <strong>10</strong>: Seja a matriz A , determine a sub A13 .<br />
A =<br />
H<br />
L<br />
J<br />
I<br />
1 3@ 2<br />
M<br />
0 1@ 5KQ<br />
sub A13 2 8@ 3<br />
b c<br />
= 0 1<br />
D E<br />
2 8<br />
*Note que só é preciso remover a linha 1 e a coluna 3.<br />
b c
1.22 Operações com matrizes<br />
Nesta seção veremos as operações básicas entre as matrizes e a forma em que são realizadas.<br />
GUIDG.COM <strong>10</strong><br />
1.22.1 Adição e subtração<br />
As matrizes devem ser do mesmo tipo (ou ordem), somar ou subtrair os elementos correspondentes.<br />
B C<br />
Exemplo 11: A = a ij<br />
mBn<br />
B C<br />
e B = b ij<br />
mBn<br />
B C<br />
então A + B = a ij + b ij<br />
1.22.2 Multiplicação por escalar<br />
Multiplicar todos os elementos da matriz por um número k .<br />
B C<br />
A = aij mBn<br />
1.22.3 Multiplicação de matrizes<br />
B C<br />
Considere as <strong>Matrizes</strong> A = a ij<br />
mBn<br />
mBn<br />
B C<br />
e k um número então kAA = kA a ij<br />
B C<br />
e B = b ij<br />
pB q<br />
= C mBn<br />
mBn<br />
, se n = p então AmBnA B pB q = C mBq .<br />
*Se n ≠ p a multiplicação não existe; note que este número n = p é o limite superior do somatório.<br />
B C<br />
C = cij mBq<br />
n<br />
onde cij =X<br />
k = 1<br />
a ik A b kj = a i1 A b 1j + a i2 A b 2j + a i3 A b 3j + …+ a in A b nj<br />
Isto é, cada elemento c ij é resultante desta soma de produtos.<br />
Exemplo 12: Considere as matrizes A e B , então o produto AB é dado abaixo.<br />
A 2B2 B 2B2 =<br />
2<br />
c21 =X<br />
k = 1<br />
D ED E<br />
0 5<br />
1@ 2<br />
@ 3 4<br />
6@ 7<br />
=<br />
H<br />
J<br />
` aI<br />
1.0@2.6 1.5@ 2A@ 7<br />
` aK=<br />
@ 3.0 + 4.6 @ 3.5 + 4A@ 7<br />
D E<br />
@ 12 19<br />
24@ 43<br />
B C<br />
= C 2B2 = c ij<br />
a 2k A b k1 = a 21 A b 11 + a 22 A b 21 =@ 3A 0 + 4.6 = 24 , da mesma forma obtemos c 11 , c 12 e c 22 .
GUIDG.COM 11<br />
1.23 Operações elementares das matrizes<br />
São três as operações elementares entre as filas de uma matriz, em nosso estudo usaremos as letras ( L )<br />
para linha e ( C ) para coluna, referindo-se as filas da matriz. Recomenda-se o uso das notações por um<br />
melhor esclarecimento de procedimento.<br />
1.23.1 Permutação de filas<br />
É a troca de uma linha por outra, a seta dupla indica a permuta (troca) e é usada somente nesta operação.<br />
Notação: L xTk L y ou C xTkC y (Lê-se: A troca da fila x por k vezes a fila y )<br />
L xTL y ou C xTC y (Quando fazemos k = 1 , basta trocarmos as filas)<br />
1.23.2 Multiplicação de uma fila por escalar não nulo<br />
É a multiplicação da x-ésima fila por um escalar não nulo.<br />
Notação: L xQkA L x ou C xQkAC x (Lê-se: A troca da fila x por k vezes fila x )<br />
1.23.3 Substituição de uma fila por combinação linear<br />
É a substituição da x-ésima fila pela x-ésima fila mais k vezes a y-ésima fila.<br />
Notação:<br />
L xQL x + kAL y ou L xQkAL y + L x<br />
C xQC x + kAC y ou C xQkAC y + C x<br />
Lê-se: A troca da fila x pela fila x mais k vezes a fila y . Ou a troca da fila x por k vezes a fila y<br />
mais a fila x . Isto por que a ordem da soma não altera o resultado, mas atenção a substituição refere-se a<br />
fila que indicamos antes da seta.<br />
1.24 Equivalência de matrizes<br />
Sendo A e B matrizes de mesma ordem, dizemos que A é equivalente a B, se for possível transformar<br />
A em B por um número finito de operações elementares sobre as filas de A.<br />
Notação: A ~ B (Lê-se: A é equivalente à B ou A é linha equivalente à B ).<br />
Exemplo 13: Seja a matriz A , obtenha a matriz I através de operações elementares.<br />
A =<br />
H<br />
L<br />
J<br />
2 0 1<br />
0 0,5 0<br />
1 0 0<br />
I<br />
M<br />
{~ }~y<br />
L<br />
J<br />
K L 3 T L 1<br />
Permutação<br />
H<br />
1 0 0<br />
0 0,5 0<br />
2 0 1<br />
I<br />
M<br />
{~ }~y<br />
K L 2 Q 2L 2<br />
Multiplicação por escalar<br />
H<br />
L<br />
J<br />
1 0 0<br />
0 1 0<br />
2 0 1<br />
I<br />
M<br />
{ ~ } ~y<br />
L<br />
J<br />
K L 3 Q@ 2L 1 + L 3<br />
Substituição<br />
H<br />
I<br />
1<br />
0<br />
0<br />
1<br />
0<br />
M<br />
0K=<br />
I<br />
0 0 1<br />
Usamos neste exemplo as três operações elementares, no primeiro passo substituímos a linha três pela<br />
linha um, no segundo passo multiplicamos a linha dois por duas vezes a linha dois e no terceiro passo<br />
trocamos a linha três por menos duas vezes a linha um mais a linha três, obtendo assim a matriz<br />
identidade ( I ) e de acordo com 1.24 , A ~ I , isto é, a matriz A é equivalente a matriz I .
1.25 Matriz escalonada e matriz linha-reduzida<br />
Considere as seguintes propriedades relativas às filas de uma matriz:<br />
GUIDG.COM 12<br />
I <strong>–</strong> Numa linha não nula, o primeiro elemento não nulo é 1 (este é chamado de líder ou pivô).<br />
II <strong>–</strong> Em quaisquer duas linhas sucessivas não nulas, o líder da linha superior esta sempre mais à esquerda<br />
do que o líder da linha inferior.<br />
III <strong>–</strong> As linhas nulas ocorrem abaixo de todas as linhas não nulas.<br />
IV <strong>–</strong> Cada coluna que contém um líder tem seus demais elementos nulos.<br />
Com isso lembramos que sempre podemos transformar uma matriz dada numa matriz escalonada ou<br />
numa matriz linha-reduzida, utilizando as operações elementares das matrizes, e assim definimos:<br />
1.25.1 Matriz na forma escalonada<br />
São as matrizes em que se verificam as propriedades I, II e III.<br />
1.25.2 Matriz na forma linha-reduzida<br />
São as matrizes em que todas as propriedades (I, II, III e IV) são verificadas.<br />
1.25.3 Escalonamento<br />
É o procedimento que leva a matriz A para a matriz escalonada de A . Também chamado de Eliminação<br />
Gaussiana ou Método de Gauss.<br />
1.25.4 Eliminação Gauss-Jordan<br />
É o procedimento que leva uma matriz à sua forma linha-reduzida.<br />
1.25.5 Observações<br />
I - O escalonamento e a eliminação Gauss-Jordan serão ilustrados no próximo exemplo.<br />
II - A matriz linha-reduzida é também chamada de: (1) “matriz na forma escalonada reduzida por linhas”,<br />
do inglês “matrix in reduced row echelon form”, (2) “matriz linha-reduzida à forma escada” ou “matriz<br />
escada reduzida por linhas” e (3) “matriz na forma escada”.<br />
*Diferentes autores usam nomes distintos para se referirem a mesma coisa, cabe a cada estudante decidir<br />
qual nome vai usar, neste texto usamos “linha-reduzida” por ser um dos mais curtos e objetivos.<br />
1.25.6 Teorema<br />
Toda matriz A de ordem m×n é equivalente a uma única matriz linha-reduzida.<br />
1.25.7 Corolário<br />
Toda matriz A inversível de ordem n , tal que detA ≠ 0 é equivalente a matriz linha-reduzida I , sendo<br />
I a matriz identidade ( A n ~ I n ) .
GUIDG.COM 13<br />
1.25.8 Procedimento “escalonamento” e “linha-reduzida”<br />
Não ignorando as conclusões vistas em 1.25 existe uma infinidade de caminhos para se chegar à forma<br />
escalonada e à forma linha-reduzida, entretanto queremos tornar este caminho o mais curto possível<br />
eliminando procedimentos redundantes, para isso considere o seguinte exemplo.<br />
Exemplo 14: Seja a matriz A =<br />
H<br />
L<br />
J<br />
Usando as operações elementares:<br />
1 <strong>–</strong> O elemento a11 deve ser 1 .<br />
Neste caso a11 = 5 .<br />
1.1 Podemos fazer L1Q 1f<br />
L1 ;<br />
5<br />
1.2 Ou L1T 1f<br />
L2 ;<br />
2<br />
1.3 Ou da mesma forma L1T@ L3 ;<br />
1.4 Ou L1Q@ 2L2 + L1 ;<br />
1.5 Ou ainda L1Q 4L3 + L1 .<br />
I<br />
5<br />
2<br />
3@ 1<br />
M<br />
5 4K<br />
, obtenha a matriz escalonada e a matriz linha-reduzida.<br />
@ 1 1 2<br />
Essas foram as formas mais imediatas e ainda existem muitas outras maneiras de se obter a11 = 1 .<br />
Entretanto o caminho escolhido não nos interessa, desde que tenhamos a11 = 1 , então:<br />
A =<br />
H<br />
L<br />
J<br />
5 3@ 1<br />
2 5 4<br />
@ 1 1 2<br />
I<br />
M<br />
K L 1 Q@ L 3<br />
H<br />
L<br />
J<br />
1@ 1@ 2<br />
2 5 4<br />
5 3@ 1<br />
2 <strong>–</strong> Os elementos abaixo de a11 = 1 na primeira coluna devem ser zeros.<br />
Neste caso a12 = 2 e a13 = 5 .<br />
2.1 Continuando da última matriz, podemos fazer:<br />
H<br />
L<br />
J<br />
1@ 1@ 2<br />
2 5 4<br />
5 3@ 1<br />
I<br />
M<br />
K L 2 Q@ 2L 1 + L 2<br />
H<br />
L<br />
J<br />
1@ 1@ 2<br />
0 7 8<br />
5 3@ 1<br />
I<br />
M<br />
K<br />
I<br />
M<br />
K L 3 Q@ 5L 1 + L 3<br />
3 <strong>–</strong> O procedimento 1 e 2 se repete para as linhas seguintes.<br />
Neste caso para a segunda linha temos a22 = 7 .<br />
3.1 Continuando da última matriz, podemos fazer:<br />
H<br />
L<br />
J<br />
1@ 1@ 2<br />
0 7 8<br />
0 8 9<br />
I<br />
M<br />
K L2Q 1f<br />
L2<br />
7<br />
H<br />
L<br />
J<br />
1@ 1 @ 2<br />
0 1<br />
8<br />
7<br />
0 8 9<br />
I<br />
M<br />
f M<br />
K<br />
H<br />
L<br />
J<br />
1@ 1@ 2<br />
0 7 8<br />
0 8 9<br />
I<br />
M<br />
K
3.2 Os elementos abaixo de a22 = 1 devem ser zeros.<br />
Neste caso a32 = 8 , podemos fazer:<br />
H I<br />
1@ 1 @ 2<br />
L M<br />
L 8fM<br />
L0<br />
1 M<br />
L M<br />
J 7K<br />
0 8 9<br />
L 3 Q@ 8L 2 + L 3<br />
1@ 1 @ 2<br />
8f<br />
0 1<br />
7<br />
0 0 @ 1<br />
H I<br />
L M<br />
L M<br />
L M<br />
L M<br />
L M<br />
L M<br />
L M<br />
J fK<br />
7<br />
3.3 Agora para a terceira linha temos a33 =@ 1f<br />
, podemos fazer:<br />
7<br />
1@ 1 @ 2<br />
8f<br />
0 1<br />
7<br />
0 0 @ 1<br />
H I<br />
L M<br />
L M<br />
L M<br />
L M<br />
L M<br />
L M<br />
L M<br />
J fK<br />
7<br />
L 3 Q@ 7L 3<br />
H I<br />
1@ 1@ 2<br />
L M<br />
L 8fM<br />
L0<br />
1 M<br />
L M<br />
J 7K<br />
0 0 1<br />
GUIDG.COM 14<br />
Veja que estamos de acordo com 1.25.1. Logo a matriz esta escalonada (e este foi o procedimento<br />
escalonamento). Vamos continuar até a forma “linha-reduzida”, para isso basta aplicarmos a propriedade:<br />
“1.25 IV <strong>–</strong> Cada coluna que contém um líder tem seus demais elementos nulos.”<br />
Ou seja, precisamos zerar os elementos a23 = 8/7 , a13 = -2 e a12 = -1 . Note que neste caso é necessário<br />
que o elemento a23 seja zerado primeiro para evitar um cálculo a mais, então:<br />
H<br />
L<br />
J<br />
1@ 1@ 2<br />
0 1<br />
8<br />
7<br />
0 0 1<br />
I<br />
M<br />
f M<br />
K<br />
L2Q@ 8f<br />
L3 + L2 7<br />
H<br />
L<br />
J<br />
1@ 1@ 2<br />
0 1 0<br />
0 0 1<br />
I<br />
M<br />
K L 1 Q L 2 + L 1<br />
H<br />
L<br />
J<br />
1 0@ 2<br />
0 1 0<br />
0 0 1<br />
I<br />
M<br />
K L 1 Q 2L 3 + L 1<br />
Resultado este que já era esperado de acordo com 1.25.6 , pois neste caso detA = -1 ≠ 0 . Veja que<br />
estamos de acordo com 1.25.2 e neste caso dizemos que a matriz A esta na forma linha-reduzida.<br />
H<br />
L<br />
J<br />
1 0 0<br />
0 1 0<br />
0 0 1<br />
I<br />
M<br />
K
GUIDG.COM 15<br />
Exemplo 15: Considere o sistema abaixo, dado na forma matricial ampliada, obtenha a matriz escalonada<br />
e a matriz linha-reduzida, sendo essas equivalentes à M a .<br />
[3.4 <strong>Sistemas</strong> e matrizes]<br />
M a =<br />
0 0 -2 0 7 | 12<br />
2 4 -<strong>10</strong> 6 12 | 28<br />
2 4 -5 6 -5 | -1<br />
Solução: Usando as operações elementares, vamos manipular a matriz ampliada do sistema ( M a ) com o<br />
objetivo de cumprir as exigências para se obter a matriz escalonada e a matriz linha-reduzida.<br />
Note que dada uma instrução de operação elementar, ela é sempre cumprida no próximo passo.<br />
.<br />
.<br />
.<br />
L1T 1f<br />
L2<br />
2<br />
L2Q@ 1f<br />
L2<br />
2<br />
L 3 Q 2L 3<br />
0 0 -2 0 7 | 12<br />
2 4 -<strong>10</strong> 6 12 | 28<br />
2 4 -5 6 -5 | -1<br />
1 2 -5 3 6 | 14<br />
0 0 -2 0 7 | 12<br />
0 0 5 0 -17 | -29<br />
1 2 -5 3 6 | 14<br />
7f<br />
0 0 1 0 @ | -6<br />
2<br />
0 0 0 0<br />
1f<br />
| 1<br />
2<br />
L 3 Q@ 2L 1 + L 3<br />
L 3 Q@ 5L 2 + L 3<br />
1 2 -5 3 6 | 14<br />
0 0 -2 0 7 | 12<br />
2 4 -5 6 -5 | -1<br />
1 2 -5 3 6 | 14<br />
7f<br />
0 0 1 0 @ | -6<br />
2<br />
0 0 5 0 -17 | -29<br />
1 2 -5 3 6 | 14<br />
0 0 1 0<br />
7f<br />
@ | -6<br />
2<br />
0 0 0 0 1 | 2<br />
Logo o sistema esta na forma escalonada, e até aqui o procedimento é chamado Eliminação-Gaussiana<br />
ou obtenção da forma escalonada pelo Método de Gauss. Veja que estamos de acordo com 1.25.1. Agora<br />
podemos usar a forma escalonada para obter a forma linha-reduzida.<br />
.<br />
.<br />
L2Q 7f<br />
L3 + L2 2<br />
L 1 Q@ 6L 3 + L 1<br />
1 2 -5 3 6 | 14<br />
7f<br />
0 0 1 0 @ | -6<br />
2<br />
0 0 0 0 1 | 2<br />
1 2 0 3 6 | 19<br />
0 0 1 0 0 | 1<br />
0 0 0 0 1 | 2<br />
L 1 Q 5L 2 + L 1<br />
1 2 -5 3 6 | 14<br />
0 0 1 0 0 | 1<br />
0 0 0 0 1 | 2<br />
1 2 0 3 0 | 7<br />
0 0 1 0 0 | 1<br />
0 0 0 0 1 | 2<br />
Logo o sistema esta na forma linha-reduzida, e agora o procedimento é chamado Eliminação Gauss-<br />
Jordan. Veja que estamos de acordo com 1.25.2.
Exemplo 16: Algumas matrizes do tipo linha-reduzida.<br />
A =<br />
H<br />
L<br />
J<br />
0 0 1 0 0 0<br />
0 0 0 1 0 0<br />
0 0 0 0 1 0<br />
0 0 0 0 0 1<br />
I<br />
M<br />
K<br />
, B =<br />
H<br />
L<br />
J<br />
1 2 0 2 0 4<br />
0 0 1 3 0 8<br />
0 0 0 0 1 5<br />
0 0 0 0 0 0<br />
I<br />
M<br />
K<br />
, C =<br />
H<br />
L<br />
J<br />
0 1@ 3 0 2<br />
0 0 0 1 2<br />
0 0 0 0 0<br />
I<br />
M<br />
K , I 3 =<br />
1.26 Posto de uma matriz<br />
Seja A de ordem m×n e B sua matriz escalonada ou linha-reduzida ( B ~ A ) então;<br />
O posto de A ou p(A) que indicamos por p , é o número de linhas não nulas de B ;<br />
1.26.1 Propriedade<br />
O posto de uma matriz A é igual ao posto de sua matriz transposta A T .<br />
p A<br />
` a = p A T<br />
b c<br />
GUIDG.COM 16<br />
H<br />
L<br />
J<br />
1 0 0<br />
0 1 0<br />
0 0 1<br />
A verificação é feita ao comparar a forma escalonada ou linha-reduzida tanto de A como de A T .<br />
1.26.2 Observações<br />
I - Alguns autores se referem ao posto da matriz como sendo a Característica (C ) da matriz, logo C = p .<br />
II - A propriedade “posto da matriz” é de grande importância para o estudo de sistemas lineares, o qual é<br />
usado em muitos assuntos da álgebra linear e suas aplicações. O posto de uma matriz é o número mínimo<br />
de linhas numa matriz tal que possamos realizar combinações lineares apropriadas sobre essas linhas de<br />
forma que se possam gerar todas as demais linhas, isto é, o posto de uma matriz é um número, e este<br />
número é a resposta da seguinte pergunta: Qual o número mínimo de linhas numa matriz tal que<br />
possamos gerar as outras demais linhas através de combinações lineares apropriadas? E é por isso que<br />
alguns autores se referem ao posto de uma matriz como sendo a sua característica, pois através dessas<br />
linhas principais, todo o resto da matriz é caracterizado.<br />
1.27 Nulidade de uma matriz<br />
A nulidade de A ou g(A) que indicamos por g , é dado por g = n <strong>–</strong> p , onde n é o número de<br />
colunas de A .<br />
1.27.1 Observações<br />
I - Somente em matrizes quadradas a nulidade irá também indicar o número de linhas nulas da matriz;<br />
II - Em matrizes a nulidade é apenas uma relação entre as colunas e o posto da matriz, já em sistemas<br />
lineares a nulidade ganhará um sentido mais significativo para os nossos estudos, e por isso desde já a<br />
nulidade é representada pela letra g pois irá indicar o grau de liberdade do sistema, e assim não será<br />
necessário outra definição quando chegarmos lá.<br />
I<br />
M<br />
K
Exemplo 17: Mostre que a nulidade de uma matriz nunca é negativa.<br />
GUIDG.COM 17<br />
Solução: Queremos provar que a nulidade de uma matriz nunca é negativa ( g ≥ 0 ), e para isso devemos<br />
analisar os três seguintes casos quanto as possíveis ordens das matrizes.<br />
Seja A uma matriz de ordem rBs , onde r e s 2N C , e a nulidade de A que é dada por<br />
g = n <strong>–</strong> p , onde n é o número de colunas de A e p é o posto de A.<br />
I ) Se r = s , isto é, o número de linhas é igual ao número de colunas de A , então:<br />
p(A) = { r, r-1, r-2, ... 1,0} , isto é, o posto máximo de A é r , podendo ser r-1, r-2, ... , 1, 0 (onde o<br />
posto mínimo de A é 0 ).<br />
Se p A<br />
` a = r [ g = n@ p = r@r = 0 # g = 0<br />
Se p A<br />
` a ` a<br />
= r@1 [ g = n@ r@1 = r@ r + 1 = 1 # g = 1<br />
Se p A<br />
` a ` a<br />
= r@2 [ g = n@ r@ 2 = r@ r + 2 = 2 # g = 2<br />
...<br />
Se p A<br />
` a = 1 [ g = n@p = r@1 , como n = r e r é no mínimo 1 , temos:<br />
p A<br />
` a = 1 [ g = r@p = 1@ 1 = 0 então 8 r ≥ 1 [ g ≥ 0<br />
p A<br />
` a = 0 [ g = r@p = 1@ 0 = 1 então 8 r ≥ 1 [ g ≥ 1<br />
Logo se A é uma matriz quadrada de ordem r a nulidade nunca é negativa.<br />
II) Se r < s , isto é, o número de linhas é menor que o número de colunas de A , então:<br />
p(A) = { r, r-1, r-2, ... 1, 0}<br />
Se p A<br />
` a = r [ g = n@ p = s@ r mas r < s [ s@r>0 # g > 0<br />
Se p A<br />
` a ` a<br />
= r@1 [ g = n@ p = s@ r@1 = s@r + 1 mas r < s [ s@ r > 0 # g > 1<br />
Se p A<br />
` a ` a<br />
= r@2 [ g = n@p = s@ r@ 2 = s@ r + 2 mas r < s [ s@r>0 # g > 2<br />
...<br />
Se p A<br />
` a = 1 [ g = n@p = s@1 como r < s temos que s é no mínimo 2 , por que r não pode ser<br />
zero (a matriz para existir deve ter ao menos uma linha, isto é, r = 1 ), temos:<br />
p A<br />
` a = 1 [ g = s@ 1 = 2@ 1 = 1 e8 s ≥ 2 [ g ≥ 1<br />
p A<br />
` a = 0 [ g = s@ 0 = 2@ 0 = 2 e8 s ≥ 2 [ g ≥ 2<br />
Logo se A é uma matriz retangular de ordem rBs tal que r < s a nulidade nunca é negativa.
GUIDG.COM 18<br />
III) Se r > s , isto é, o número de linhas é maior que o número de colunas de A . Então qualquer linha r<br />
maior que s é múltipla ou combinação linear das s linhas. Portanto o posto máximo de A é p(A) = s ,<br />
então:<br />
p(A) = {s, s-1, s-2, ... 1, 0}<br />
Se p A<br />
` a = s [ g = n@ p = s@s = 0 # g = 0<br />
Se p A<br />
` a ` a<br />
= s@1 [ g = n@p = s@ s@ 1 = 0 + 1 = 1 # g = 1<br />
Se p A<br />
` a ` a<br />
= s@2 [ g = n@p = s@ s@2 = 0 + 2 = 2 # g = 2<br />
...<br />
Se p A<br />
` a = 1 [ g = n@p = s@1 como r > s temos que s é no mínimo 1 , por que s não pode ser<br />
zero (a matriz para existir deve ter ao menos uma coluna, isto é, s = 1 ), temos:<br />
p A<br />
` a = 1 [ g = s@1 = 1@ 1 = 0 então 8 s ≥ 1 [ g ≥ 0<br />
p A<br />
` a = 0 [ g = s@0 = 1@ 0 = 1 então 8 s ≥ 1 [ g ≥ 0<br />
Logo se A é uma matriz retangular de ordem rBs tal que r > s a nulidade nunca é negativa.<br />
As seguintes matrizes são de ordem rBs , com r > s :<br />
A2B1 = a F G<br />
D E<br />
11<br />
a ~<br />
1<br />
12 0<br />
B 3B2 =<br />
H<br />
L<br />
J<br />
I<br />
1 2<br />
M<br />
@ 1 2K~<br />
0 5<br />
H<br />
L<br />
J<br />
1 0<br />
0 1<br />
0 0<br />
I<br />
M<br />
K C 4B3 =<br />
H<br />
L<br />
J<br />
I<br />
5 7 0<br />
M<br />
1@ 5 0 M<br />
2 8 7K<br />
1 3 2<br />
~<br />
H<br />
L<br />
J<br />
1 0 0<br />
0 1 0<br />
0 0 1<br />
0 0 0<br />
Veja que nas três matrizes a última linha é sempre múltipla ou combinação linear das linhas anteriores.<br />
E assim todas as r-s linhas que sucedem as s primeiras linhas de uma matriz de ordem rBs tal que<br />
r > s , são sempre múltiplas ou combinações lineares dessas s primeiras linhas.<br />
Portanto a nulidade de uma matriz é no mínimo zero, mas nunca é negativa, como queríamos demonstrar.<br />
E a explicação informal que responde este exercício é a seguinte: “A nulidade de uma matriz nunca é<br />
negativa por que não existe uma matriz linha-reduzida tal que o posto é maior que o número de colunas”.<br />
I<br />
M<br />
K
1.28 Propriedades de operações com matrizes<br />
1.28.1 Propriedades da adição<br />
1. A + B = B + A Comutatividade para adição.<br />
2. A + (B + C) =(A + B) + C Associatividade para adição.<br />
3. A + O = O + A = A Elemento neutro na adição, O é a matriz nula.<br />
4. A <strong>–</strong> A = O e O <strong>–</strong> A = <strong>–</strong>A<br />
1.28.2 Propriedades da multiplicação por escalar<br />
5. k(A + B) = kA + kB k é uma constante.<br />
b c<br />
6. k1 + k 2 A = k1 A + k 2 A<br />
GUIDG.COM 19<br />
7. A0 = 0A = O Se k = 0 a multiplicação da matriz A por k gera a matriz nula.<br />
b c b c<br />
8. k1 k 2 A = k1 k 2 A<br />
1.28.3 Propriedades da multiplicação de matrizes<br />
9. AI = IA = A Elemento neutro, I é a matriz identidade.<br />
<strong>10</strong>. A(B + C) = AB + AC Distributividade à esquerda, manter esta ordem.<br />
11. (A + B)C = AC + BC Distributividade à direita, manter esta ordem.<br />
12. (AB)C = A(BC) Associatividade para multiplicação, manter esta ordem.<br />
13. (kA)B = A(kB) = k(AB) A comutatividade do escalar é sempre válida.<br />
14. AO = OA = O O é a matriz nula de mesma ordem que A .<br />
15. AB ≠ BA A comutatividade é raramente válida na multiplicação de matrizes.<br />
16. AB = O [+ A = O ou B = O (Contra-propriedade)<br />
17. AB = AC [+ B = C (Contra-propriedade, a lei do cancelamento não é válida)<br />
1.28.4 Propriedades da transposição<br />
` aT<br />
18. A + B = A T + B T<br />
` aT<br />
19. kB = B T k k é uma constante, a comutatividade é válida.<br />
20. A T<br />
b cT<br />
= A A transposta da matriz transposta de A é igual a A .<br />
` aT<br />
21. AB<br />
` aT<br />
ABC<br />
= B T Α T Manter esta ordem.<br />
= C T B T A T A propriedade pode ser estendida para n fatores.
Prova de 1 (Exemplo 18) :<br />
.<br />
Prova de 5 (Exemplo 19) :<br />
A + B = B + A<br />
A + B = A mBn + B mBn = a ij<br />
kA A + B<br />
B C<br />
= a ij + b ij<br />
mBn<br />
B C B C<br />
+ bij mBn mBn<br />
B C B C<br />
= b ij + a ij<br />
= B mBn + A mBn = B + A<br />
mBn<br />
= b ij<br />
mBn<br />
B C<br />
+ aij mBn<br />
GUIDG.COM 20<br />
d<br />
` a B C B C e B C B C<br />
= k aij + bij = k aij + bij = kAa ij + kAb ij<br />
mBn mBn<br />
mBn<br />
mBn<br />
B C B C<br />
= kAa ij<br />
mBn<br />
+ kAb ij<br />
mBn<br />
= kA A + kA B<br />
Prova de <strong>10</strong> (Exemplo 20) : Sejam B e C matrizes de ordem n×p e A de ordem m×n . Então existem<br />
os produtos AB e AC , pois A mBnAB nBp = D mBp e A mBnAC nBp = E mB p<br />
@ A<br />
Logo existe a matriz resultante da soma D + E = AB + AC .<br />
mBp<br />
B C B C B C<br />
Agora considere A = aij , B = bij e C = cij , queremos mostrar que as entradas da matriz A(B + C)<br />
são iguais as entradas de AB + AC . Pelas definições das operações com matrizes temos que<br />
B ` aC<br />
8 i e j , A B + C<br />
ij<br />
b c b c<br />
= ai1 b1j + c1j + ai2 b2j + c2j b c<br />
= ai1 b1j + ai2 b2j + …+ aim bmj @ A @ A @ A<br />
= AB + AC = AB + AC<br />
ij<br />
ij<br />
ij<br />
b c<br />
+ …+ aim bmj + cmj b c<br />
+ ai1 c1j + ai2 c2j + …+ aim cmj E ainda podemos expandir para uma soma ou produto de mais termos, pois as leis da associatividade (2)<br />
e (12) garantem que o resultado final é sempre o mesmo.<br />
Justificativa de 21 (Exemplo 21) : Vamos justificar a propriedade 21 através da ordem das matrizes.<br />
` aT<br />
Suponha que queremos transpor o seguinte produto de matrizes: AB , isto é, AB<br />
produto AB exista temos:<br />
` aT<br />
b cT<br />
AB = AmBn BnBq<br />
, mas para que o<br />
(O nº de colunas de A deve ser igual ao nº de linhas de B )<br />
b cT b cT<br />
Sabendo que AmBn = AnBm e BnBq = BqBn , se transpormos diretamente as matrizes já haveria o<br />
problema da ordem, veja:<br />
z essa igualdade ~ | é falsa ~x<br />
` aT<br />
AB<br />
= A nBm B qBn<br />
( m ≠ q , logo o produto não pode existir )
Agora se, simplesmente alterarmos a ordem do produto, o problema desaparece:<br />
z essa igualdade ~ é| verdadeira ~x<br />
` aT<br />
AB<br />
= B qBn A nBm = C qBm<br />
GUIDG.COM 21<br />
( n = n , logo o produto existe, resultando na matriz C qBm )<br />
Esse resultado justifica a propriedade 21 pela definição do produto de matrizes, mas ainda não é uma<br />
prova da propriedade.<br />
Exemplo 22: Aplicação das propriedades 18, 20 e 21.<br />
Sendo A mBm , mostre que AA T e A + A T são matrizes simétricas e A@ A T é anti-simétrica.<br />
i a B = A A T [ B T = A A T<br />
b cT<br />
= A T<br />
b cT<br />
A T = A A T<br />
Logo B = B T<br />
ii a B = A + A T<br />
b cT<br />
B T = A + A T<br />
Logo B = B T<br />
iii a B = A@ A T<br />
# A A T<br />
é simétricaA<br />
= A T + A T<br />
b cT<br />
= A T + A = B<br />
# A + A T<br />
é simétricaA<br />
B T = A@ A T<br />
b cT<br />
= A T @ A T<br />
b cT<br />
= A T @ A =@ A + A T<br />
Logo B =@ B T<br />
# A@ A T<br />
é anti@ simétricaA<br />
Exemplo 23: Mostre que toda matriz quadrada A pode ser escrita como a soma de uma matriz simétrica<br />
com uma matriz anti-simétrica, ou seja, A = S + N onde S é uma matriz simétrica e N é uma matriz<br />
anti-simétrica.<br />
Solução: A chave desse exercício é um sistema que deve ser seguido para que a relação seja verificada.<br />
B C<br />
Seja A n = a ij<br />
temos que:<br />
S = S T [ s ij<br />
n<br />
, uma matriz quadrada de ordem n , se S é simétrica e N é anti-simétrica, da definição<br />
B C<br />
B C B C B C<br />
aij = s ji +@ n ji<br />
n n<br />
n<br />
n<br />
B C<br />
= s ji<br />
n<br />
B C<br />
e N =@ N T [ n ij<br />
[ a ij = s ji @ n ji = s ij + n ij .<br />
n<br />
B C<br />
=@ n ji<br />
n<br />
com nij = 0 se i = j , assim<br />
Como sempre podemos tornar essa relação válida, logo é sempre possível escrever A = S + N .
Vamos ver como fica quando inserimos números.<br />
D E<br />
Se A =<br />
2 5<br />
, escreva A como a soma S + N .<br />
1 3<br />
S = S T [ S = s11 s F G<br />
12<br />
s12 s22 e N =@ N T [ N =<br />
Temos a equação matricial A = S + N para resolver:<br />
D E<br />
2 5<br />
1 3<br />
F G<br />
+ J<br />
= s 11 s 12<br />
s 12 s 22<br />
H<br />
De onde vem o sistema:<br />
X<br />
^\<br />
^Z<br />
s11 = 2<br />
s12 + n12 = 5<br />
s 12 @ n 12 = 1<br />
s 22 = 0<br />
I<br />
H<br />
0 n12K= @ n12 0<br />
s11 + 0 s12 + n J<br />
12<br />
s12@ n12 s22 + 0<br />
I<br />
K<br />
H<br />
J<br />
I<br />
0 n12K ,<br />
@ n12 0<br />
GUIDG.COM 22<br />
Somando a segunda equação com a terceira obtemos 2s12 = 6 e portanto s12 = 3 , decorre então<br />
que n12 = 2 . Assim obtemos os valores de S e de N .<br />
S =<br />
D E<br />
2 3<br />
3 0<br />
e N =<br />
D<br />
0<br />
E<br />
2<br />
@ 2 0<br />
Portanto A = S + N , sendo S simétrica e N anti-simétrica, como queríamos demonstrar. E ainda, o<br />
resultado pode ser expandido para matrizes quadradas de ordem n , entretanto o sistema à ser resolvido<br />
terá n variáveis imediatas (da matriz simétrica, conseqüência da diagonal principal da matriz antisimétrica<br />
ser nula) mais n variáveis a serem calculadas (da matriz simétrica) e n variáveis decorrentes<br />
(da matriz anti-simétrica), lembrando que nenhuma entrada dessas duas matrizes são aleatórias, são todos<br />
números bem definidos, pois o sistema é definido (SPD).
1.29 Potência de uma matriz<br />
Seja A uma matriz quadrada, m e n números inteiros, temos:<br />
A 0 = I potência zero de A , I é a matriz identidade.<br />
A n = A{~ A …}~y A<br />
n fatores<br />
A @ n b cn<br />
@ 1<br />
= A<br />
A m A n m + n<br />
= A<br />
A m<br />
b cn<br />
= A mAn<br />
= A @ 1 A @ 1 @ 1<br />
… A<br />
{ ~ } ~y<br />
n fatores<br />
( n > 0 ) , chamamos n-ésima potência de A .<br />
desde que exista a matriz inversa ( A @ 1 ) de A .<br />
GUIDG.COM 23<br />
1.30 Matriz inversa<br />
A idéia de matriz inversa esta diretamente ligada ao conceito de número inverso, e para ilustrar o<br />
problema começaremos com uma matriz de primeira ordem e depois seguiremos para a definição.<br />
Considere a matriz de primeira ordem A = [ x ] , se queremos determinar a matriz A @ 1 denominada a<br />
inversa de A , precisamos determinar o número inverso de x , mas da definição de número inverso<br />
f @ 1 1f<br />
= x A x = A x = 1 , sendo a comutatividade válida. Assim encontrar a<br />
sabemos que xAx @ 1 = xA 1<br />
x<br />
x<br />
inversa de A significa encontrar uma matriz tal que quando efetuarmos o produto matricial entre a matriz<br />
e a sua respectiva inversa, sendo a comutatividade válida, cheguemos ao elemento neutro da<br />
multiplicação matricial, ou seja na matriz I identidade/unidade então:<br />
A @ 1 = 1 F fG<br />
@ 1<br />
[ A A = x<br />
x<br />
F fG<br />
@ 1 F 1fG@<br />
A @ A<br />
= A A = x = 1 = I<br />
x<br />
@ A 1<br />
x<br />
O problema que se segue é encontrar uma técnica viável para inverter matrizes de ordem maior que um,<br />
visto que as matrizes têm definições e propriedades particulares.<br />
1.30.1 Definição<br />
Seja A uma matriz quadrada de ordem m , se existir uma matriz B que satisfaça a equação<br />
AB = BA = I dizemos que B é a inversa de A e denota-se B = A @ 1 a matriz inversa de A .<br />
Ou seja, A é inversível (invertível) se, e somente se:<br />
.<br />
A A @ 1 = A @ 1 A = I
GUIDG.COM 24<br />
1.30.2 Cálculo da matriz inversa pela definição<br />
Calcular matrizes inversas pela definição nem sempre é fácil, pois dada uma matriz A de ordem m<br />
então precisamos encontrar uma matriz B de ordem m tal que AB = BA = I , e isto implica em resolver<br />
pelo menos m sistemas com m² incógnitas. Para exemplificar, calcularemos a inversa de uma matriz de<br />
ordem dois (m = 2) pela definição, assim precisamos resolver dois sistemas e encontrar quatro incógnitas.<br />
D E<br />
Exemplo 24: Mostre pela definição que A =<br />
3 1<br />
é inversível.<br />
2 1<br />
Solução: Queremos mostrar que existe A @ 1 , tal que A A @ 1 = A @ 1 A = I , isto é:<br />
A @ 1 =<br />
D E D ED E<br />
a b<br />
Q<br />
3 1 a b<br />
=<br />
c d 2 1 c d<br />
a b<br />
D ED E<br />
3 1<br />
=<br />
c d 2 1<br />
1 0<br />
D E<br />
no lado esquerdo temos<br />
0 1<br />
Para resolver a equação matricial, temos que resolver dois sistemas:<br />
T<br />
3a + c = 1<br />
2a + c = 0<br />
[ 6a + 2c = 2<br />
T<br />
@ 6a@ 3c = 0<br />
[ a = 1<br />
T<br />
c =@2<br />
Logo a inversa de A é a matriz A @ 1 =<br />
D E<br />
1 @ 1<br />
@ 2 3<br />
T<br />
3b + d = 0<br />
2b + d = 1<br />
pois<br />
D E<br />
3a + c 3b + d<br />
2a + c 2b + d<br />
[ 6b + 2d = 0<br />
T<br />
@ 6b@ 3d =@3<br />
= 1 0<br />
D E<br />
0 1<br />
[ b =@ 1<br />
T<br />
d = 3<br />
D ED<br />
E D ED E<br />
3 1 1 @ 1<br />
=<br />
1 @ 1 3 1<br />
=<br />
2 1 @ 2 3 @ 2 3 2 1<br />
1 0<br />
D E<br />
0 1<br />
Analogamente poderíamos calcular a inversa de uma matriz de ordem maior ou igual a três, entretanto<br />
precisaríamos resolver três ou mais sistemas lineares para encontrar cada uma das entradas da matriz<br />
inversa. Em 1.30.9 veremos o algoritmo de inversão [ A | I ] que simplifica o procedimento.<br />
No estudo de matrizes inversas são necessários conhecimentos básicos da teoria de<br />
DETERMINANTES, faremos as indicações quando algum assunto for necessário.<br />
1.30.3 Teste de inversão e cálculo da inversa por adjunta<br />
Uma matriz quadrada A é inversível se, e somente se, o determinante de A for diferente de zero, isto é:<br />
9 A @ 1 ^ det A ≠ 0 pois A @ 1 = 1<br />
det A<br />
f` aT<br />
cofA<br />
Onde detA é o determinante da matriz A [2 <strong>Determinantes</strong>] ;<br />
cofA é a matriz co-fatora de A [2.6 Co-fator] e [2.7 Matriz co-fatora] ;<br />
adjA é a matriz adjunta de A [2.8 Matriz adjunta] ;<br />
Com este resultado podemos obter a inversa de uma matriz de ordem n.<br />
= 1 f<br />
adj A<br />
det A<br />
* Essa é uma justificativa para a existência da inversa. A prova para esse teorema pode ser encontrada na<br />
referência bibliográfica (1) pg. 87 .
GUIDG.COM 25<br />
Demonstração para a justificativa: Seja A uma matriz quadrada de ordem n com detA ≠ 0 e usando<br />
o teorema 2.8.1 segue que:<br />
AA adjA = adjAA A = detAA I n<br />
Usando esta igualdade temos<br />
AAadjA = det AA I n<br />
A @ 1 A AAadjA = A @ 1 A det AA I n<br />
I nAadjA = A @ 1 A det AAI n<br />
A @ 1 = 1 f<br />
adj A<br />
det A<br />
Com isso<br />
A<br />
f g<br />
1 f<br />
adj A<br />
det A<br />
= 1<br />
det A<br />
b c<br />
f<br />
AA adj A<br />
E analogamente prova-se que<br />
f g<br />
1 f<br />
adj A A = I n<br />
det A<br />
[Teorema 2.8.1]<br />
= 1 f<br />
det AAI n = I n<br />
det A<br />
Portanto pela definição de matriz inversa, o teorema 1.30.3 esta provado.<br />
D E<br />
Exemplo 25: Recalcule a inversa da matriz A =<br />
3 1<br />
usando a propriedade 1.30.3 .<br />
2 1<br />
[2.6 Co-fator]<br />
D E<br />
A =<br />
3 1<br />
Q det A = 3@2 = 1<br />
2 1<br />
` a ` a2 ` a ` a ` a<br />
Co-fatores de A : cof a11 =@ 1 A 1 = 1 , cof a12 =@2 , cof a21 =@ 1 , cof a22 = 3<br />
Matriz co-fatora de A e matriz adjunta de A :<br />
D E<br />
cofA =<br />
1 @ 2<br />
Q cofA<br />
@ 1 3<br />
` aT<br />
D E<br />
= adj A =<br />
1 @ 1<br />
@ 2 3<br />
Logo obtemos a inversa pela propriedade:<br />
A @ 1 = 1<br />
A @ 1 =<br />
f 1f<br />
A adj A = A<br />
det A 1<br />
D E<br />
1 @ 1<br />
@ 2 3<br />
D E<br />
1 @ 1<br />
@ 2 3
1.30.4 Determinante da matriz inversa<br />
Se a matriz A é inversível, seu determinante é diferente de zero e vale a seguinte relação:<br />
[2.4.8.2 Teorema de Binet]<br />
det A @ 1 = 1 f<br />
^ det A ≠ 0<br />
det A<br />
GUIDG.COM 26<br />
1.30.5 Matriz não-singular<br />
É a matriz cujo determinante difere de zero, ou seja, matrizes inversíveis são também chamadas de<br />
matrizes não-singulares.<br />
1.30.6 Matriz singular<br />
É a matriz cujo determinante é zero. A matriz singular não admite inversa (é não inversível).<br />
1.30.7 Unicidade da matriz inversa<br />
Se a matriz A for inversível ( detA ≠ 0 ) então a inversa A @ 1 é única.<br />
Demonstração: Consideremos a existência de duas matrizes inversas de A , sendo A 1 e A 2 , então:<br />
Prova 1:<br />
A A 1 = I e A A 2 = I<br />
A A1 = A A2 A A1@ A A2 = 0<br />
b c<br />
A A1@ A2 = 0<br />
Considerando a existência da inversa, então esta não pode ser nula, isto é, A ≠ 0 , logo só nos resta que<br />
A 1 @ A 2 = 0 e assim A 1 = A 2 . Isto garante que se existe a matriz inversa de A , então ela é única.<br />
Prova 2: Como A 1 é uma inversa de A , temos que:<br />
A 1 A = I<br />
Multiplicando ambos os lados pela direita por A 2 :<br />
A1 A<br />
b c<br />
A2 = IA2 = A2 b c b c<br />
A1 A A2 = A1 AA2 = A1 I = A1 Logo A 1 = A 2 e assim, se existe a inversa de A , ela é única.
1.30.8 Propriedades da matriz inversa<br />
b c@ 1<br />
@ 1<br />
22. B = B A inversa da matriz inversa de B é igual a B.<br />
b cT<br />
@ 1<br />
23. B = B T<br />
b c@ 1<br />
A transposta da inversa é igual a inversa da transposta.<br />
` a@ 1<br />
24. AB = B @ 1 A @ 1 Deve-se manter esta ordem.<br />
` a@ 1<br />
ABC = C @ 1 B @ 1 A @ 1 A propriedade pode ser estendida para n fatores.<br />
` a@ 1<br />
25. A + B = A @ 1 + B @ 1 Isto se det(A+B) ≠ 0 , ou seja a matriz A + B é inversível.<br />
` a@ 1<br />
26. k A<br />
= 1f<br />
@ 1<br />
A k ≠ 0<br />
k<br />
27. I @ 1 = I A inversa da matriz identidade é ela própria.<br />
GUIDG.COM 27<br />
Prova de 26 (Exemplo 26) : Se k é um escalar não nulo, as propriedades da multiplicação por escalar<br />
permitem escrever:<br />
f g<br />
` a 1f<br />
@ 1<br />
kA A =<br />
k<br />
1f<br />
kA<br />
k<br />
Da mesma forma temos<br />
f g<br />
` a @ 1 1f<br />
A = k<br />
k<br />
1f<br />
@ 1<br />
A<br />
k<br />
AA @ 1 = 1 I = I<br />
f g<br />
` a<br />
kA = I<br />
` a@ 1<br />
Como isso verifica a definição de inversa, concluímos que kA é inversível, isto é: k A<br />
= 1f<br />
@ 1<br />
A .<br />
k<br />
Exemplo 27: Sendo A e B matrizes inversíveis, verifique usando as propriedades de matrizes, se a<br />
equação matricial é verdadeira:<br />
A B T<br />
b c@ 1<br />
b cT<br />
@ 1 @ 1<br />
= B A<br />
Resposta: Sim, use as propriedades 24 e 23 .
GUIDG.COM 28<br />
1.30.9 Algoritmo de inversão [ A | I ] de matrizes inversíveis<br />
Para encontrar a inversa de uma matriz A que seja inversível, deve-se encontrar uma seqüência de<br />
operações elementares sobre as linhas da matriz A , que reduz esta à matriz identidade para depois efetuar<br />
a mesma seqüência de operações na matriz identidade, desta forma obtendo a inversa de A .<br />
Procedimento: escreve-se a matriz quadrada que se quer inverter ao lado esquerdo da matriz identidade<br />
de mesma ordem, na forma:<br />
B C<br />
A | I<br />
Então se efetua uma seqüência de operações elementares simultaneamente sobre as linhas desta matriz tal<br />
que façamos aparecer a identidade no lado esquerdo, e assim a matriz que a aparecer no lado direito será a<br />
inversa de A :<br />
B C<br />
@ 1<br />
I | A<br />
1.30.<strong>10</strong> Observações<br />
Este procedimento é impossível se a matriz A for singular (isto é, não admitir inversa), o que irá ocorrer<br />
no algoritmo é que uma das linhas à esquerda irá ser nula no decorrer das operações sobre as linhas, logo<br />
tornando impossível de se fazer aparecer a identidade no lado esquerdo. Por isso é importante sempre<br />
calcular o determinante da matriz, antes de começar a inverter a dada matriz. Se o determinante for<br />
diferente de zero, a matriz é inversível, caso contrário pode-se afirmar que a matriz é singular (isto é não<br />
admite inversa).<br />
D E<br />
Exemplo 28: Usando o algoritmo de inversão, determine a inversa de T =<br />
1 3<br />
.<br />
0 2<br />
Solução: Vamos inverter a matriz usando o algoritmo de inversão e o procedimento descrito.<br />
B C<br />
T | I = 1 3 | 1 0<br />
H I<br />
J K<br />
0 2 | 0 1<br />
L2Q 1f<br />
L2<br />
2<br />
Logo T @ 1 =<br />
1 3 | 1 0<br />
0 1 | 0 1<br />
H I<br />
L M<br />
L M<br />
J f<br />
2<br />
H<br />
L<br />
J<br />
1@ 3<br />
2<br />
1<br />
0<br />
2<br />
I<br />
f<br />
M<br />
fK<br />
K , L 1 Q@ 3L 2 + L 1<br />
1 0 | 1@ 3<br />
H I<br />
f<br />
L M<br />
L 2M<br />
L M<br />
L M<br />
J 1fK<br />
0 1 | 0<br />
2<br />
Veja que a definição é verificada, isto é, T T @ 1 = T @ 1 T = I .
GUIDG.COM 29<br />
1.30.11 Fórmula da inversa da matriz de ordem dois<br />
Usando o algoritmo de inversão vamos obter uma fórmula geral para inversão de matrizes de ordem 2<br />
que sejam inversíveis.<br />
Seja A matriz de ordem 2 , tal que o determinante é diferente de zero, isto é, A é inversível:<br />
D E<br />
A =<br />
a b<br />
Q det A = ad@bc = x ≠ 0 , queremos encontrar A<br />
c d<br />
@ 1 , usando o [ A | I ] , segue que:<br />
H<br />
J<br />
a b | 1 0<br />
c d | 0 1<br />
I<br />
K L2Q@ cf<br />
L1 + L2 ~<br />
H<br />
L<br />
J<br />
a<br />
L1Q@ baf<br />
L2 + L1 x<br />
a 0 |<br />
0 x<br />
a<br />
L 1 Q 1<br />
a<br />
H<br />
L<br />
J<br />
I<br />
H<br />
a b | 1 0<br />
0 @ cb<br />
f g<br />
f<br />
+ d |@<br />
a<br />
c<br />
M<br />
f M<br />
1K<br />
a<br />
=<br />
a b | 1 0 a b | 1 0<br />
L ` a M<br />
L ad@ bc M<br />
J f cf<br />
K=<br />
0 |@ 1 0<br />
a a<br />
x<br />
L<br />
J f cf<br />
|@ 1<br />
a a<br />
H<br />
L<br />
J<br />
H<br />
f gd<br />
e<br />
f f<br />
a 0 | @ ba J<br />
x<br />
0 x<br />
a<br />
f g<br />
bc + xf<br />
@<br />
x<br />
ba<br />
I H<br />
f g<br />
fM<br />
L<br />
M L<br />
x M L<br />
M<br />
d e M=<br />
L<br />
f cf<br />
M L<br />
| @ 1 K J<br />
a<br />
f<br />
L1 , L2Q af<br />
L2<br />
x<br />
@ c<br />
a<br />
d e<br />
f cf<br />
| @<br />
a<br />
H<br />
L<br />
LJ<br />
a 0 |<br />
0 x<br />
a<br />
I I H<br />
f g<br />
f M L<br />
M L<br />
M L<br />
M=<br />
L<br />
M L<br />
M L<br />
K J<br />
+ 1K<br />
@ ba<br />
x<br />
1<br />
I<br />
H<br />
f g<br />
@ ba<br />
I<br />
f g<br />
f M<br />
x M<br />
d e M<br />
f cf<br />
M<br />
| @ 1 K<br />
a<br />
a 0 | bcf<br />
+ 1<br />
x<br />
0 x<br />
a<br />
f g<br />
bc + ad@ bcf<br />
@<br />
x<br />
ba<br />
I H<br />
f g<br />
fM<br />
L<br />
M L<br />
x M L<br />
M<br />
d e M=<br />
L<br />
f cf<br />
M L<br />
| @ 1 K J<br />
a<br />
df<br />
b<br />
1 0 | @<br />
x x<br />
0 1 |@ cf<br />
a<br />
x x<br />
I<br />
f<br />
M<br />
fK<br />
B C<br />
= I | A@ 1<br />
a 0 |<br />
0 x<br />
a<br />
Q A @ 1 =<br />
f g<br />
adf<br />
@<br />
x<br />
ba<br />
I<br />
f g<br />
f M<br />
x M<br />
d e M<br />
f cf<br />
M<br />
| @ 1 K<br />
a<br />
H<br />
L<br />
LJ<br />
df<br />
b<br />
@<br />
x x<br />
@ cf<br />
a<br />
x x<br />
Logo, para obter a inversa de A 2B2 , sendo A inversível, basta trocar o elemento a por d , trocar o<br />
sinal de b e c , calcular e multiplicar pelo inverso do determinante de A , isto é:<br />
A =<br />
D E<br />
a b<br />
c d<br />
D E<br />
Q A @ 1 = 1 f d @ b<br />
det A @ c a<br />
I<br />
f<br />
M<br />
fK<br />
I<br />
M<br />
K
GUIDG.COM 30<br />
1.30.12 Fórmula da inversa da matriz de ordem três (cálculo do elemento da inversa)<br />
Uma fórmula mais complexa pode ser deduzida para a inversa de matrizes de ordem três, veremos que<br />
através dessa fórmula podemos chegar ao cálculo do elemento da matriz inversa.<br />
H I<br />
a b c<br />
L M b c<br />
Seja A uma matriz inversível, isto é A = L<br />
Jd<br />
e fM<br />
K e det A = aei + bfg + dhc@ ceg + fha + dbi ≠ 0<br />
g h i<br />
A fórmula para a inversa de A pode ser obtida analogamente como fizemos para a inversa da matriz de<br />
ordem dois, mas desta vez omitimos o passo a passo para não estender demais este assunto.<br />
A @ 1 = 1<br />
det A<br />
H I<br />
ei@hf hc@bi bf@ ec<br />
f<br />
L M<br />
L gf@ di ai@gc dc@ afM<br />
J K<br />
{ dh@ ge gb@ ~ ah } ae@db~y<br />
B é matriz adjunta de A<br />
A partir da dedução chega-se aos próximos resultados, na matriz B note que os elementos:<br />
b11 = ei <strong>–</strong> hf é o determinante da submatriz..................... A 11<br />
b12 = hc <strong>–</strong> bi é o oposto do determinante da submatriz... A 21<br />
b13 = bf <strong>–</strong> ec é o determinante da submatriz.................... A 31<br />
b21 = gf <strong>–</strong> di é o oposto do determinante da submatriz.... A 12<br />
b22 = ai <strong>–</strong> gc é o determinante da submatriz.................... A 22<br />
b23 = dc <strong>–</strong> af é o oposto do determinante da submatriz.... A 32<br />
b31 = dh <strong>–</strong> ge é o determinante da submatriz.................... A 13<br />
b32 = gb <strong>–</strong> ah é o oposto do determinante da submatriz... A 23<br />
b33 = ae <strong>–</strong> db é o determinante da submatriz.................... A 33<br />
O oposto do determinante é o determinante com sinal trocado, isto é, calcule o determinante e o resultado<br />
obtido fica multiplicado por (<strong>–</strong>1) . Daí que obtemos o seguinte esquema de troca de sinais:<br />
H<br />
L<br />
J<br />
I<br />
a11 a12 a13 a21 a22 a M<br />
23K=<br />
a31 a32 a33 H<br />
L<br />
J<br />
+ @ +<br />
@ + @<br />
+ @ +<br />
Para não memorizar o diagrama, veja que o sinal de cada elemento pode ser obtido com a seguinte regra:<br />
` ai + j<br />
aij =@ 1<br />
` a1 + 1 ` a1 + 2 ` a1 + 3<br />
assim a11 =@ 1 = 1 , a12 =@ 1 =@1 , a13 =@ 1 = 1 , …<br />
Além disso, note que cada elemento bij é inicialmente o determinante da submatriz Aji , então podemos<br />
finalizar a nossa análise com uma regra para o cálculo de cada elemento da matriz inversa:<br />
b c<br />
Sendo a matriz A = a ij<br />
n<br />
b c<br />
e B = b ij<br />
bij = 1 ` ai + j f@ 1<br />
det A<br />
n<br />
I<br />
M<br />
K<br />
a matriz inversa, então os elementos da matriz B são dados por:<br />
d b ce<br />
det sub A ji<br />
{ ~ } ~y<br />
b c<br />
cof a ji<br />
= 1<br />
det A<br />
b c<br />
f<br />
A cof a ji
c<br />
A expressão cof a ji<br />
d b ce<br />
é definida como co-fator do elemento a<br />
{ ~ } ~y<br />
ji .<br />
` ai + j<br />
=@ 1 det sub A ji<br />
Menor complementar M ji<br />
GUIDG.COM 31<br />
Com a prática pode-se tornar este processo mais rápido do que o uso do algoritmo de inversão [ A | I ] .<br />
Para uma melhor compreensão desta dedução veja em [2 <strong>Determinantes</strong>] as seguintes definições<br />
[2.5 Menor complementar] , [2.6 Co-fator] , [2.7 Matriz co-fatora] e [2.8 Matriz adjunta] .<br />
Exemplo 29: Usando os resultados de 1.30.12 , calcule o elemento b 23 da matriz inversa de A =<br />
bij = 1 f<br />
A A ji Q b23 =<br />
det A<br />
1 f<br />
A A32<br />
det A<br />
Como esta matriz é triangular, o determinante é o produto dos elementos da diagonal principal, isto é:<br />
det A = a 11 A a 22 A a 33 = 1.3A 1 = 3<br />
Cálculo do co-fator<br />
` a5<br />
A32 =@ 1<br />
L M<br />
L M<br />
L<br />
A<br />
1 1M<br />
` a<br />
L M<br />
L0<br />
2M<br />
=@ 1A<br />
2 =@ 2<br />
E assim b23 = 1 f<br />
A A32 =<br />
det A<br />
1f<br />
A@ 2<br />
3<br />
` a 2f<br />
=@<br />
3<br />
Exemplo 30: Determine a inversa da matriz dada utilizando o algoritmo de inversão [ A | I ] .<br />
A =<br />
Solução: O primeiro passo é calcular o determinante.<br />
-1 3 5<br />
-5 -4 1<br />
3 6 4<br />
` a` a ` a B ` a ` a ` a C ` a<br />
det A =@ 1 @ 4 4 + 3.1A 3 + @ 5 6.5@ 5 @ 4 3 + 1.6 @ 1 + 3 @ 5 4 =@ 125@@ 126 = 1<br />
Como det A ≠ 0 , concluí-se que a matriz é inversível, então seguimos para o algoritmo de inversão.<br />
.<br />
L 1 Q@ L 1<br />
L3Q 15f<br />
L2 + L3 19<br />
-1 3 5 | 1 0 0<br />
-5 -4 1 | 0 1 0<br />
3 6 4 | 0 0 1<br />
1 -3 -5 | -1 0 0<br />
0 -19 -24 | -5 1 0<br />
0 15 19 | 3 0 1<br />
L 2 Q 5L 1 + L 2<br />
L 3 Q@ 3L 1 + L 3<br />
L2Q@ 1f<br />
L2<br />
19<br />
H<br />
L<br />
J<br />
I<br />
1 2 1<br />
M<br />
0 3 2K.<br />
0 0 1<br />
1 -3 -5 | -1 0 0<br />
-5 -4 1 | 0 1 0<br />
3 6 4 | 0 0 1<br />
1 -3 -5 | -1 0 0<br />
0 -19 -24 | -5 1 0
L2Q@ 24f<br />
L3 + L2 19<br />
L 1 Q 5L 3 + L 1<br />
1 -3 -5 | -1 0 0<br />
0 1<br />
24f<br />
|<br />
19<br />
5f<br />
1f<br />
@<br />
19 19 0<br />
0 0 1 | -18 15 19<br />
1 0 -5 | 68 -57 -72<br />
0 1 0 | 23 -19 -24<br />
0 0 1 | -18 15 19<br />
L 1 Q@ 3L 2 + L 1<br />
L 1 Q 5L 3 + L 1<br />
GUIDG.COM 32<br />
1 -3 -5 | -1 0 0<br />
0 1 0 | 23 -19 -24<br />
0 0 1 | -18 15 19<br />
1 0 0 | -22 18 23<br />
0 1 0 | 23 -19 -24<br />
0 0 1 | -18 15 19<br />
Logo a última matriz que está no lado direito é a inversa de A . Para verificar se a matriz inversa esta<br />
correta usa-se a definição, isto é, multiplica-se a matriz pela sua inversa AA @ 1 = A @ 1 A = I , cujo<br />
resultado é a matriz identidade. Ou pode-se usar um software matemático para não perder tempo.<br />
1.31 Matriz ortogonal<br />
É a matriz cuja inversa coincide com a transposta M @ 1 = M T .<br />
E pela definição 1.30.1 segue que MM T = MM @ 1 = M @ 1 M = M T M = I .<br />
*O seguinte exemplo requer o conhecimento de determinantes e propriedades.<br />
Exemplo 31: Sendo A mBm uma matriz ortogonal, mostre que detA = ±1 .<br />
Solução 1: A @ 1 = A T<br />
A A @ 1 = A A T = I<br />
det A A T<br />
b c<br />
= det I [ det A<br />
` a det A T<br />
b c<br />
= 1<br />
det A<br />
` a det A<br />
` a ` a2<br />
= 1 [ det A = 1 [ det A =F 1<br />
Solução 2: A @ 1 = A T b c<br />
@ 1<br />
[ det A = det A T<br />
b c<br />
b c<br />
@ 1<br />
Aplicando o corolário 2.4.8.2 , det A = 1 f T<br />
; e a propriedade 2.4.1 , det A = det A<br />
det A<br />
b c<br />
@ 1<br />
det A = det A T<br />
b c<br />
[<br />
1 b c<br />
f T<br />
= det A<br />
detA<br />
` a2<br />
1 = det A<br />
[ det A =F 1 pw =F 1
GUIDG.COM 33<br />
1.31.1 Propriedade das matrizes ortogonais<br />
Toda matriz ortogonal tem filas (linhas e colunas) ortonormais, ou seja, os vetores-linha e vetores-coluna<br />
têm comprimento igual a um, e dois-a-dois são ortogonais.<br />
B C<br />
Se A = vi | … | v j<br />
N<br />
* Nv i<br />
N ( w)<br />
N = q vi ,vi * +<br />
é ortogonal, onde vi , ... vj são vetores-coluna, então v i ,v j<br />
= 0 se i ≠ j<br />
V<br />
1 se i = j<br />
B C<br />
Exemplo 32: Seja a matriz T = v1 | v2 | v3 , mostre que T é ortogonal usando a propriedade 1.31.1 ,<br />
onde v1 = 2<br />
f g<br />
f 2f<br />
1f<br />
, , , v2 =<br />
3 3 3<br />
2<br />
f g<br />
f 1f<br />
2f<br />
,@ ,@ , v3 =<br />
3 3 3<br />
1<br />
f g<br />
f 2f<br />
2f<br />
,@ , .<br />
3 3 3<br />
Solução: v 1 , v 1 , v 3 são vetores-coluna, precisamos mostrar que<br />
N<br />
Nv1 N N<br />
N = Nv2 N N<br />
N = Nv3 N ( ) ( ) ( )<br />
N = 1 e v1 ,v2 = v1 ,v3 = v2 ,v3 = 0<br />
Ou seja, que a norma (comprimento) dos vetores é um, e que o produto escalar (produto interno usual)<br />
entre os vetores (dois-a-dois) é igual à zero.<br />
` a<br />
Se vi = x,y,z<br />
N<br />
então vi N<br />
Nv1 N f g<br />
N 2f<br />
=<br />
3<br />
2<br />
+ 2<br />
f g<br />
f<br />
3<br />
2<br />
+ 1<br />
f g<br />
f<br />
3<br />
2<br />
v w<br />
u<br />
t<br />
N<br />
Nv 3<br />
N f g<br />
N 1f<br />
=<br />
3<br />
2<br />
+ @ 2<br />
f g<br />
f<br />
3<br />
2<br />
+ 2<br />
f g<br />
f<br />
3<br />
2<br />
v w<br />
u<br />
t<br />
= 1<br />
N N ( ) w ( ) ( ) w<br />
N = q vi ,vi = q x,y,z x,y,z = x 2 + y 2 + z 2<br />
w<br />
q<br />
N<br />
= 1 , v2 . / . /<br />
( ) 2f<br />
2f<br />
1f<br />
2f<br />
1f<br />
2f<br />
v1 ,v2 = , , ,@ ,@ =<br />
3 3 3 3 3 3<br />
4f<br />
2f<br />
2<br />
@ @<br />
9 9 9<br />
. / . /<br />
( ) 2f<br />
1f<br />
2f<br />
1f<br />
2f<br />
2f<br />
v2 ,v3 = ,@ ,@ ,@ , =<br />
3 3 3 3 3 3<br />
2f<br />
2f<br />
4f<br />
+ @ = 0<br />
9 9 9<br />
Portanto a matriz T é ortogonal.<br />
N N f g<br />
N 2f<br />
=<br />
3<br />
2<br />
+ @ 1<br />
f g<br />
f<br />
3<br />
2<br />
+ @ 2<br />
f g<br />
f<br />
3<br />
2<br />
v w<br />
u<br />
t<br />
= 1<br />
f = 0 , v1 ,v 3<br />
. / . /<br />
( ) 2f<br />
2f<br />
1f<br />
1f<br />
2f<br />
2f<br />
= , , ,@ , =<br />
3 3 3 3 3 3<br />
2f<br />
2f<br />
4f<br />
+ + = 0<br />
9 9 9<br />
Curiosidade: a matriz T se denotada por [ T ] representa em transformações lineares um operador<br />
linear ortogonal T : R 3 Q R 3 onde cada linha da matriz [ T ] determina a lei de associação e assim a<br />
imagem da transformação, neste caso:<br />
H I<br />
2f<br />
2f<br />
1<br />
L<br />
f<br />
M<br />
L 3 3 3M<br />
L M<br />
@ A<br />
L M<br />
L 2<br />
T =<br />
f 1f<br />
2fM<br />
L @ @ M<br />
L M<br />
L 3 3 3M<br />
L M<br />
L<br />
J 1f<br />
2f<br />
2M<br />
fK<br />
@<br />
3 3 3<br />
[ T : R 3 Q R 3<br />
f g<br />
` a 2f<br />
2f<br />
1f<br />
2f<br />
1f<br />
2f<br />
1f<br />
2f<br />
2f<br />
| T x,y,z = x + y + z , x@ y@ z , x@ y + z<br />
3 3 3 3 3 3 3 3 3<br />
.
GUIDG.COM 34<br />
2 DETERMINANTES<br />
Nesta seção estudaremos a teoria dos determinantes, inicialmente com o conceito de determinante,<br />
passando por todo o conteúdo necessário para a definição e então formalizando a definição com suas<br />
propriedades e aplicações.<br />
2.1 Conceito de determinante<br />
Podemos dizer inicialmente que o determinante de uma matriz é o número que representa ou resolve a<br />
matriz. Não existe determinante de matrizes retangulares, isto é, a ordem das matrizes será sempre n×n .<br />
O determinante de uma matriz quadrada A é indicado por detA :<br />
A =<br />
H<br />
L<br />
J<br />
a11 a12 … a1n a21 a22 … a2n … … … …<br />
am1 am2 … amn<br />
I<br />
M<br />
K<br />
então det A = det<br />
H<br />
L<br />
J<br />
a11 a12 … a1n a21 a22 … a2n … … … …<br />
am1 am2 … amn<br />
I<br />
M<br />
K<br />
L M L<br />
M= L<br />
= A<br />
a11 a12 … a1n a21 a22 … a2n … … … …<br />
am1 am2 … amn<br />
(Conteúdo opcional) Como nem sempre a definição de determinante é cobrada em prova, esta se<br />
restringindo apenas a aplicações de regras práticas, o teorema de Laplace e a regra de Chió. Portanto esta<br />
parte fica como apêndice de conteúdo somente para os mais interessados na teoria, você pode seguir<br />
direto para 2.3 Regras práticas para o cálculo de determinantes .<br />
2.1.1 Permutação<br />
Dado um conjunto de elementos a1 , a2 , a3 , … , an<br />
rearranjo destes elementos em alguma ordem sem omissões ou repetições.<br />
P Q , defini-se como permutação desse conjunto um<br />
2.1.2 Permutação principal<br />
É a permutação em que os elementos estão organizados segundo uma ordem seqüencial definida.<br />
Exemplo 33: i ) A ordem crescente dos inteiros:<br />
Dado o conjunto {2, 1, 4, 3}, então a permutação principal é 1234 .<br />
ii ) A ordem alfabética das letras:<br />
Dado o conjunto {d, b, a, c}, então a permutação principal é abcd .<br />
2.1.3 Número de permutações<br />
Dado o conjunto de inteiros {1, 2, 3, ... , n} então o número de permutação é dado por n! (n fatorial).<br />
Exemplo 34: No conjunto {1, 2, 3} o número de permutação possíveis é 3! = 3.2.1 = 6 .<br />
Podemos visualizar isto através de uma árvore de permutações . Por exemplo para o conjunto {1, 2, 3}<br />
temos:<br />
1<br />
2<br />
3<br />
2<br />
3<br />
3<br />
2<br />
1<br />
3<br />
Vemos que as possíveis permutações são: 123, 132, 213, 231, 312, 321 .<br />
3<br />
1<br />
1<br />
2<br />
2<br />
1<br />
M
GUIDG.COM 35<br />
E também fica claro que o número de permutações é dado por n! pois temos para o conjunto {1, 2, 3}<br />
três possibilidades de permutações para o primeiro elemento, e assim escolhido o primeiro, teremos duas<br />
possibilidades para o segundo, e então escolhido o segundo teremos apenas uma possibilidade para o<br />
terceiro, de forma que teremos 3.2.1 possibilidades de permutações, totalizando 6 permutações<br />
possíveis. Daí que o fatorial entra eliminando a necessidade de construir diagramas, por exemplo.<br />
Exemplo 35: No conjunto {1, 2, 3, 4} o número de permutações possíveis é 4! = 4.3.2.1 = 24 .<br />
2<br />
3<br />
1<br />
3 4 2 4 2 3<br />
4 3 4 2 3 2<br />
E assim sucessivamente até completar as 4 arvores de permutações relativas ao conjunto { 1, 2, 3, 4 }<br />
onde se obteria as 24 permutações possíveis.<br />
2.1.4 Inversão<br />
Definida uma ordem seqüencial dos elementos de um conjunto, ocorre uma inversão entre dois elementos<br />
sempre que esta ordem for alterada (invertida).<br />
P Q<br />
Exemplo 36: Dado o conjunto a1 , a2 , a3 e seja a1 a2 a3 a ordem principal, então na permutação<br />
a1 a3 a2 ocorre uma inversão.<br />
2.1.5 Número de inversões de uma permutação<br />
Considere a permutação a 3 a 2 a 1 a 4 e seja a 1 a 2 a 3 a 4 a permutação principal, então para determinar o<br />
número de inversões ( n i ):<br />
1 <strong>–</strong> Determine o número de elementos que estão depois de a i e que são menores que a i .<br />
2 <strong>–</strong> Siga este procedimento da esquerda para a direita para cada um dos elementos. Então a soma destes<br />
números será o número de inversões na permutação.<br />
` a<br />
Exemplo 37: ni a3 a2 a1 a4 = 2 + 1 + 0 = 3<br />
4<br />
2.1.6 Classe de uma permutação<br />
Uma permutação é de classe par se o número de inversões é um inteiro par e é de classe impar se o<br />
número de inversões for impar.<br />
1<br />
3<br />
2<br />
3 4 1 4 1 3<br />
4 3 4 1 3 1<br />
4<br />
...
Exemplo 38: Determine o número de inversões nas seguintes permutações:<br />
a) 613452 Q n i = 5 + 0 + 1 + 1 + 1 = 8 par<br />
b) 2413 Q n i = 1 + 2 + 0 = 3 impar<br />
c) 4321 Q n i = 3 + 2 + 1 = 6 par<br />
d) acb Q n i = 0 + 1 = 1 impar<br />
d) adcb Q n i = 0 + 2 + 1 = 3 impar<br />
e) 1234 Q n i = 0 + 0 + 0 = 0 par<br />
GUIDG.COM 36<br />
2.1.7 Produto elementar<br />
Seja A uma matriz quadrada de ordem n . Um produto elementar de A é o produto de n entradas de A<br />
tais que existem apenas uma entrada de cada fila (linha ou coluna).<br />
2.1.8 Produto elementar com sinal<br />
Se um produto elementar for de classe impar o produto leva o sinal - e se for de classe par o produto leva<br />
o sinal + .<br />
2.2 Determinante de uma matriz<br />
O determinante de uma matriz é a soma algébrica dos produtos que se obtém efetuando todas as<br />
permutações dos segundos índices do termo principal, fixados os primeiros índices e fazendo-se<br />
preceder os produtos do sinal + ou - , conforme a permutações dos segundos índices seja de classe par<br />
ou de classe impar.<br />
Exemplo 39: Calcular o determinante usando a definição:<br />
a) A = a11 a F G<br />
12<br />
a21 a22 Solução:<br />
i ) Primeiro escrevemos os elementos que compõe o termo principal omitindo os segundos índices e um<br />
conjunto com n elementos, sendo n a ordem da matriz.<br />
Termo principal de A : a 11 a 22 → omitindo os segundos índices → a 1 … a 2 …<br />
Conjunto com n elementos conforme a ordem da matriz A : { 1,2 }<br />
ii ) Agora tomamos as permutações de { 1, 2 } que são 12 e 21 , e substituímos na seguinte forma:<br />
12 → a 1 … a 2 … e assim obtemos o produto elementar a 11 a 22
GUIDG.COM 37<br />
Como a permutação 12 dos segundos índices é de classe par, temos o produto elementar com sinal + ,<br />
portanto temos o produto a 11 a 22<br />
21 → a 1 … a 2 … e assim obtemos o produto elementar a 12 a 21<br />
Como a permutação 21 dos segundos índices é de classe impar, temos o produto elementar com sinal - ,<br />
portanto temos o produto @ a 12 a 21<br />
iii ) Logo o determinante de A é dado pela soma algébrica dos produtos elementares com sinal, isto é:<br />
det A = a 11 a 22 @ a 12 a 21<br />
b) B =<br />
H<br />
L<br />
J<br />
Solução:<br />
b11 b12 b13 b21 b22 b23 b31 b32 b33 I<br />
M<br />
K<br />
i ) Termo principal de B : b 11 b 22 b 33 → omitindo os segundos índices → b 1 … b 2 … b 3 …<br />
Conjunto com n elementos conforme a ordem da matriz B : { 1,2, 3 }<br />
ii ) Permutações de { 1, 2, 3 } : 123, 132, 213, 231, 312, 321<br />
123 → b 1 … b 2 … b 3 … e assim obtemos o produto elementar b 11 b 22 b 33<br />
Como a permutação 123 dos segundos índices é de classe par, temos o produto elementar com sinal + ,<br />
portanto temos o produto + b 11 b 22 b 33<br />
132 → b 1 … b 2 … b 3 … e assim obtemos o produto elementar b 11 b 23 b 32<br />
Como a permutação 132 dos segundos índices é de classe impar, temos o produto elementar com sinal -<br />
, portanto temos o produto @ b 11 b 23 b 32<br />
E assim sucessivamente temos todos os outros produtos elementares com sinal:<br />
213Qb 12 b 21 b 33 Q@ b 12 b 21 b 33<br />
231Qb 12 b 23 b 31 Q + b 12 b 23 b 31<br />
312Qb 13 b 21 b 32 Q + b 13 b 21 b 32<br />
321Qb 13 b 22 b 31 Q@ b 13 b 22 b 31
GUIDG.COM 38<br />
iii ) Logo o determinante de B é dado pela soma algébrica dos produtos elementares com sinal, isto é:<br />
det B = b11 b22 b33@ b11 b23 b32@ b12 b21 b33 + b12 b23 b31 + b13 b21 b32@ b13 b22 b31 = b11 b22 b33 + b12 b23 b31 + b13 b21 b32@ b11 b23 b32@ b12 b21 b33@ b13 b22 b31 b c<br />
= b 11 b 22 b 33 + b 12 b 23 b 31 + b 13 b 21 b 32 @ b 11 b 23 b 32 + b 12 b 21 b 33 + b 13 b 22 b 31<br />
2.2.1 Observações<br />
Calcular determinantes diretamente da definição leva a dificuldades computacionais. De fato, calcular um<br />
determinante de ordem 4×4 diretamente envolveria calcular 4! = 24 produtos elementares com sinal e<br />
um determinante <strong>10</strong>×<strong>10</strong> envolveria calcular <strong>10</strong>! = 3.628.800 produtos elementares com sinal. Mesmo os<br />
mais rápidos computadores digitais não conseguem dar conta em um tempo razoável dos cálculos de um<br />
determinante de ordem 25×25 por este método. E, portanto muito do que se segue, será o<br />
desenvolvimento de métodos que simplifiquem o cálculo de determinantes.<br />
2.3 Regras práticas para o cálculo de determinantes<br />
Com o objetivo de tornar viável o cálculo de determinantes, estudaremos algumas regras práticas a seguir.<br />
2.3.1 Determinante de uma matriz de primeira ordem<br />
@ A L M<br />
A = a11Q det A = La11<br />
M = a11<br />
* Não é o módulo do elemento, e sim o próprio elemento.<br />
2.3.2 Determinante de uma matriz de segunda ordem<br />
L M<br />
F G La11<br />
a M<br />
L 12M<br />
Q det A = L M<br />
La21<br />
a22 A = a 11 a 12<br />
a 21 a 22<br />
` a<br />
M = a 11 A a 22 @ a 21 A a 12<br />
O determinante de uma matriz de segunda ordem é dado pelo “produto dos elementos da diagonal<br />
principal menos o produto dos elementos da diagonal secundária”, isto é, “o termo principal menos o<br />
termo secundário”.
GUIDG.COM 39<br />
2.3.3 Determinante de uma matriz de terceira ordem<br />
Nesta seção veremos varias formas práticas de se calcular o determinante de uma matriz de ordem três.<br />
2.3.3.1 Desenvolvimento do determinante pela primeira linha<br />
A partir do desenvolvimento pela definição, se colocarmos os três primeiros elementos a 11 , a 12 e a 13<br />
em evidência chegamos a esta regra.<br />
b c<br />
A 3 Q det A = a 11 a 22 a 33 + a 12 a 23 a 31 + a 13 a 21 a 32 @ a 11 a 23 a 32 + a 12 a 21 a 33 + a 13 a 22 a 31<br />
` a ` a ` a<br />
= a11 a22 a33@ a23 a32 + a12 a23 a31@ a21 a33 + a13 a21 a32@ a22 a31 = a 11<br />
f g<br />
{ ~ } ~y<br />
a 22 a 33 @ a 32 a 23<br />
M 11<br />
@ a 12<br />
f g<br />
{ ~ } ~y<br />
a 21 a 33 @ a 31 a 23<br />
M 12<br />
+ a 13<br />
f g<br />
{ ~ } ~y<br />
a 21 a 32 @ a 31 a 22<br />
Veja que os produtos entre parênteses (a22a33 <strong>–</strong> a32a23) , (a21a33 <strong>–</strong> a31a23) e (a21a32 <strong>–</strong> a31a22) são os<br />
determinantes das submatrizes A11 , A12 e A13 respectivamente , e isto é equivalente a dizer que os<br />
produtos entre parênteses são os menores complementares de a11 , a12 e a13 , logo temos a regra:<br />
[2.5 Menor complementar]<br />
det A =<br />
L<br />
a11 a12 a13 a21 a22 a23 a31 a32 a33 M<br />
= a 11 M 11 @ a 12 M 12 + a 13 M 13<br />
Curiosidade: Substituindo a11 = i jk , a12 = j jk , a13 = k jk 3<br />
temos o produto vetorial no R , e é a partir<br />
daqui que a regra é extraída, consulte “ALGA-I: Exercícios Resolvidos <strong>–</strong> Vetores, PG. 3” para verificar.<br />
2.3.3.2 Desenvolvimento do determinante por fila<br />
Analogamente ao desenvolvimento pela primeira linha podemos criar regras para qualquer fila que<br />
desejarmos bastando que evidenciemos os elementos dessa fila, cuidando com a troca de sinais.<br />
Exemplo 40: Se quisermos desenvolver o determinante pela segunda coluna temos a seguinte regra:<br />
det A =@ a 12 M 12 + a 22 M 22 @ a 32 M 32<br />
2.3.3.3 Regra de Seki Kowa<br />
H<br />
I<br />
L<br />
a11 a12 a13 La11<br />
a12 a13 L<br />
A = Ja21<br />
a22 a M L<br />
23KQ<br />
det A = L<br />
La21<br />
a22 a23 a31 a32 a L<br />
33 La31<br />
a32 a33 M<br />
=<br />
M 13<br />
a 11 A a 22 A a 33 + a 12 A a 23 A a 31 + a 21 A a 32 A a 13<br />
b c<br />
@ a 13 A a 22 A a 31 + a 23 A a 32 A a 11 + a 12 A a 21 A a 33<br />
O diagrama de linha pode ser imaginado conforme a ordem em que os elementos são multiplicados.
2.3.3.4 Regra de Sarrus<br />
Existem duas formas (A e B) de se aplicar a regra de Sarrus.<br />
A - Repetindo as duas primeiras colunas:<br />
GUIDG.COM 40<br />
I) Repetir a primeira e a segunda coluna.<br />
II) Somar os produtos das diagonais descendentes e subtrair os produtos das diagonais ascendentes.<br />
L M<br />
La11<br />
a12 a13 a11 a M<br />
L<br />
12M<br />
L M<br />
det A = La21<br />
a22 a23 a21 a M<br />
L<br />
22M<br />
L<br />
La31<br />
a32 a33 a31 a M<br />
32M<br />
@ a 31 A a 22 A a 13 @ a 32 A a 23 A a 11 @ a 33 A a 21 A a 12<br />
a 11 A a 22 A a 33 + a 12 A a 23 A a 31 + a 13 A a 21 A a 32<br />
b c<br />
det A = a11A a22A a33 + a12A a23A a31 + a13A a21A a32@ a31A a22A a13 + a32A a23A a11 + a33A a21A a12 B - Repetindo as duas primeiras linhas.<br />
I) Repetir a primeira e a segunda linha.<br />
II) Somar o produto das diagonais descendentes e subtrair o produto das diagonais ascendentes.<br />
L M<br />
La11<br />
a12 a M<br />
L<br />
13M<br />
L M<br />
La21<br />
a22 a M<br />
L<br />
23M<br />
L<br />
det A = a31 a32 a M<br />
L<br />
33M<br />
L M<br />
L<br />
La11<br />
a12 a M<br />
13M<br />
L<br />
La21<br />
a22 a M<br />
23M<br />
@ a 31 A a 22 A a 13 @ a 11 A a 32 A a 23 @ a 21 A a 12 A a 33<br />
a 11 A a 22 A a 33 + a 21 A a 32 A a 13 + a 31 A a 12 A a 23<br />
b c<br />
det A = a11A a22A a33 + a21A a32A a13 + a31A a12A a23@ a31A a22A a13 + a11A a32A a23 + a21A a12A a33 *Apesar de fácil, a regra de Sarrus é muito trabalhosa em ter de reescrever as linhas ou as colunas.<br />
Recomendamos aprender as duas primeiras regras e realizar os cálculos mentalmente.<br />
2.4 Propriedades dos determinantes<br />
Nesta seção seguem várias propriedades e conseqüências importantes para o estudo e aplicação de<br />
determinantes em sistemas lineares e também em diversos outros assuntos da álgebra linear.<br />
2.4.1 Propriedade<br />
O determinante de uma matriz A é igual ao de sua transposta A T<br />
det A = det A T<br />
.
GUIDG.COM 41<br />
2.4.2 Propriedade<br />
Sendo A uma matriz quadrada, então a troca de duas filas paralelas gera uma matriz B tal que o<br />
determinante de B difere do determinante de A apenas pelo sinal.<br />
Exemplo 41:<br />
D E<br />
A =<br />
a b<br />
Q det A = ad@ cb e B =<br />
c d<br />
det B =@ det A<br />
D E<br />
c d<br />
a b<br />
` a<br />
Q det B = cb@ ad =@ ad@ cb<br />
2.4.2.1 Corolário<br />
Se a matriz A tem duas filas paralelas iguais, então o detA é igual a zero.<br />
Exemplo 42: A =<br />
H<br />
J<br />
I<br />
a x a<br />
b y bKQ<br />
det A = ayc + xbc + bza@ ayc + bza + xbc<br />
c z c<br />
b c<br />
2.4.3 Propriedade<br />
Se B é uma matriz tal que uma de suas filas é nula, então detB = 0 .<br />
Exemplo 43: B =<br />
H<br />
L<br />
J<br />
I<br />
a x 0<br />
M<br />
b y 0KQ<br />
det B = 0<br />
c z 0<br />
2.4.4 Propriedade<br />
Se B é uma matriz tal que uma de suas filas é proporcional à outra, então detB = 0 .<br />
Exemplo 44:<br />
B =<br />
H<br />
L<br />
J<br />
I<br />
a x 2a<br />
M<br />
b y 2bKQ<br />
det B = aA yA 2c + xA 2bA c + bA zA 2a@ 2aA yA c + 2bA zA a + xA bA 2c<br />
c z 2c<br />
= 0<br />
b c<br />
b c<br />
det B = 2A aA cA y + 2A bA cA x + 2A aA bA z@ 2A aA cA y + 2A aA bA z + 2A bA cA x<br />
det B = 0<br />
2.4.5 Propriedade<br />
Se B é uma matriz tal que uma de suas filas está multiplicada por uma constante k , então podemos<br />
colocar k em evidencia multiplicando o determinante B .
Exemplo 45:<br />
B =<br />
F G ` a<br />
Q det B = kxAw@ kzA y = k xAw@ zA y<br />
kx y<br />
kz w<br />
det B = kA det B = kA<br />
L<br />
M<br />
x y M<br />
z wM=<br />
k xAw@ zA y<br />
` a<br />
2.4.5.1 Corolário<br />
Se B é uma matriz de ordem n que esta multiplicada por k , então<br />
Exemplo 46:<br />
` a n<br />
det kA B = k det B<br />
Fkx kyG<br />
` a 2 2 2` a<br />
kAB = Q det kA B = kxAkw@ kzA ky = kA xw@ kA zy = k xw@ zy<br />
kz kw<br />
L M<br />
` a 2 2L x yM<br />
det kAB = kA kAdet B = kA det B = kAL M<br />
Lz<br />
wM=<br />
k 2` a<br />
xA w@ zA y<br />
GUIDG.COM 42<br />
2.4.6 Propriedade<br />
Se numa das filas dum determinante tivermos uma soma de termos, então podemos separar esta soma em<br />
dois determinantes, tal que a soma destes é igual ao primeiro.<br />
Exemplo 47:<br />
det A = det B + det C<br />
L M L M L M<br />
La<br />
b u + vM<br />
L M L<br />
L M La<br />
b uM<br />
a b vM<br />
L M<br />
L M L M L M<br />
L<br />
Lc<br />
d x + y M<br />
M=<br />
L<br />
Lc<br />
d x M<br />
M+<br />
Lc<br />
d yM<br />
L M<br />
L M L M L M<br />
Le<br />
f z + wM<br />
Le<br />
f zM<br />
Le<br />
f wM<br />
Exemplo 48: Verifique a relação entre os seguintes determinantes:<br />
L<br />
M<br />
L<br />
M<br />
det A =<br />
2 1 L<br />
=@ 3 det B =<br />
2 1 L<br />
L<br />
3 0 L<br />
=@4@ 3 =@7 det C =<br />
2 2<br />
L<br />
3 @ 2 L<br />
=@ 4@6 =@ <strong>10</strong><br />
3@ 2<br />
det C = det A + det B<br />
L<br />
M L<br />
M L<br />
M<br />
L<br />
2 1 + 1M<br />
L<br />
M<br />
3 0@ 2M<br />
=<br />
2 1M<br />
L<br />
L M<br />
L3<br />
0M<br />
+<br />
2 1<br />
L<br />
L3<br />
@ 2<br />
@ <strong>10</strong> =@ 3@ 7<br />
M<br />
L<br />
M
GUIDG.COM 43<br />
2.4.7 Teorema de Jacobi<br />
O determinante não se altera quando adicionamos a uma de suas filas, uma combinação linear das demais<br />
filas paralelas.<br />
L<br />
1 0 2<br />
Exemplo 49: det D = 3 @ 1 6 =@ 8 + 0 + 24@@ 4 + 24 + 0<br />
2 4 8<br />
M<br />
` a = 16@20 =@ 4<br />
Trocando a primeira coluna por menos a metade da terceira coluna somada com a primeira:<br />
C 2A @<br />
1f<br />
1Q@ C 3 + C1 2<br />
1<br />
f g<br />
f<br />
+ 1 0 2<br />
2<br />
6A @ 1<br />
f g<br />
f<br />
+ 3 @ 1 2<br />
2<br />
8A @ 1<br />
L M<br />
L M<br />
L M<br />
L M<br />
L M<br />
L M<br />
L M<br />
L M L M L M<br />
L M L<br />
L M @ 1 + 1 0 2M<br />
L<br />
L M 0 0 2M<br />
L M<br />
L M L M L M<br />
L M=<br />
L@<br />
3 + 3@ 1 2M<br />
L M L M<br />
= L 0 @ 1 2M<br />
L M<br />
L M L<br />
L f g M @ 4 + 2 4 8M<br />
L@<br />
2 4 8M<br />
M<br />
L<br />
f M<br />
L + 2 4 8M<br />
L 2 M<br />
` a<br />
det D = 0 + 0 + 0@ 4 + 0 + 0 =@ 4<br />
L<br />
M<br />
4 9 2<br />
Exemplo 50: det E = 7 @ 1 4 =@ 4 + 72 + 84@@ 4 + 96 + 63<br />
2 6 1<br />
` a = 152@ 155 =@ 3<br />
Trocando a primeira linha por menos duas vezes a terceira linha somada com a primeira.<br />
L 1 Q@ 2L 3 + L 1<br />
L ` a ` a ` a M<br />
L M L M<br />
L2A@<br />
2 + 4 6A@ 2 + 9 1A@ 2 + 2M<br />
L<br />
L M @ 4 + 4 @ 12 + 9 @ 2 + 2M<br />
L M<br />
L M L M<br />
L 7 @ 1 4 M=<br />
L 7 @ 1 4 M<br />
M L M<br />
L 2 6 1 M L 2 6 1 M<br />
L M<br />
L0<br />
@ 3 0M<br />
L M<br />
L M ` a<br />
= L<br />
L7<br />
@ 1 4 M<br />
= det E = 0@ 24 + 0@ 0 + 0@21 =@24 + 21 =@ 3<br />
L2<br />
6 1M<br />
2.4.7.1 Corolário<br />
Seu uma fila de um determinante é igual a uma combinação linear de filas paralelas, o determinante é<br />
igual a zero.<br />
L<br />
M<br />
1 2 8<br />
Exemplo 51: D = 3 2 12 = <strong>10</strong> + 96@24@ 64@12 + 30<br />
4 @ 1 5<br />
` a = 82@ 82 = 0<br />
Veja que cada elemento da terceira coluna é igual à primeira coluna multiplicada por 2 somada com a<br />
segunda coluna multiplicada por 3 , isto é:<br />
C 3 = 2C 1 + 3C 2<br />
8 = 2(1) + 3(2) = 2 + 6<br />
12 = 2(3) + 3(2) = 6 + 6<br />
5 = 2(4) + 3(<strong>–</strong>1) = 8 <strong>–</strong> 3<br />
Neste caso não seria necessário calcular o determinante, pois por 2.4.7.1 o determinante é igual a zero.
2.4.8 Teorema de Binet<br />
Sendo A e B matrizes de mesma ordem então o determinante:<br />
` a<br />
det AA B = det AA det B<br />
2.4.8.1 Corolário<br />
Sendo A uma matriz quadrada e n2N C d e<br />
, então: det A{~ A …}~y A = det A n<br />
b c ` an<br />
= det A<br />
2.4.8.2 Corolário<br />
@ 1<br />
Sendo A uma matriz inversível, então: det A<br />
Justificativa de 2.4.8.2:<br />
b c<br />
= 1 f<br />
det A<br />
n fatores<br />
A @ 1 A A = I [ det A @ 1 b c<br />
A A = det I [ det A @ 1 A det A = det I<br />
det A @ 1 = 1 f<br />
det A<br />
I é a matriz identidade e det I = 1 .<br />
GUIDG.COM 44<br />
2.4.9 Resumo das propriedades dos determinantes<br />
Nesta seção listamos as principais propriedades dos determinantes com suas respectivas demonstrações<br />
indicadas.<br />
I - O determinante de ordem n é nulo se tiver:<br />
(2.4.2.1) <strong>–</strong> Duas filas paralelas iguais.<br />
(2.4.3) <strong>–</strong> Uma fila nula.<br />
(2.4.4) <strong>–</strong> Duas filas paralelas proporcionais.<br />
(2.4.7.1) <strong>–</strong> Uma fila que for combinação linear de outras filas paralelas.<br />
II - O determinante de ordem n se altera:<br />
(2.4.2) <strong>–</strong> Trocando de sinal, quando duas filas paralelas trocam entre si de posição;<br />
(2.4.5) <strong>–</strong> Ficando multiplicado por k , quando os elementos de uma fila estão multiplicados por k ;<br />
(2.4.5.1) <strong>–</strong> Ficando multiplicado por k n , quando a matriz está multiplicada por k .<br />
III - O determinante de ordem n não se altera quando:<br />
(2.4.1) <strong>–</strong> Trocarmos ordenadamente as linhas pelas colunas ( det A = det A T ).<br />
(2.4.7) <strong>–</strong> Somarmos a uma fila uma combinação linear de outras filas paralelas (Teorema de Jacobi).
GUIDG.COM 45<br />
2.5 Menor complementar<br />
Sendo A uma matriz quadrada de ordem n com n ≥ 2 , chama-se menor complementar do elemento<br />
a ij , e indicamos por M ij , o determinante da submatriz A ij , isto é:<br />
[1.20 Submatriz]<br />
d b ce<br />
M ij = det sub Aij Exemplo 52: Dada a matriz A , calcular M 11 , M 12 , M 32 , M 33 .<br />
A =<br />
H<br />
L<br />
J<br />
1 0 2<br />
3 6 1<br />
@ 1 2 4<br />
I<br />
M<br />
K<br />
d b ce<br />
M 11 = det sub A11 = 6 1<br />
L M<br />
L M<br />
L M<br />
L M<br />
L2<br />
4M<br />
= 24@ 2 = 22 M 32 = det sub A d b ce<br />
32 = 1 3<br />
L M<br />
L M<br />
L M<br />
L M<br />
L2<br />
1M<br />
= 1@6 =@ 5<br />
d b ce<br />
M 12 = det sub A12 = 3 1<br />
L M<br />
L M d<br />
L M ` a b ce<br />
L M<br />
L@<br />
1 4M<br />
= 12@@ 1 = 13 M 33 = det sub A33 = 1 0<br />
L M<br />
L M<br />
L M<br />
L M<br />
L3<br />
6M<br />
= 6@0 = 6<br />
2.6 Co-fator<br />
b c<br />
Chama-se co-fator do elemento a ij , e denota-se cof a ij<br />
complementar de a ij .<br />
` ai + j<br />
=@ 1 A M ij , onde M ij é o menor<br />
2.7 Matriz co-fatora<br />
Sendo A uma matriz quadrada de ordem n com n ≥ 2 , chama-se matriz co-fatora de A e indica-se<br />
por cofA a matriz cujos elementos são os co-fatores dos elementos da matriz A.<br />
2.8 Matriz adjunta<br />
Dada uma matriz A , chama-se matriz adjunta de A , a matriz transposta da matriz co-fatora de A e<br />
` aT<br />
indica-se por adj A = cofA .
Exemplo 53: Dada a matriz A =<br />
Solução: Cálculo dos co-fatores.<br />
L M<br />
` a ` ai + j ` a2L<br />
M<br />
L<br />
cof a11 =@ 1 Μ11 =@ 1 A<br />
3 0M<br />
` a<br />
L M<br />
L1<br />
4M<br />
= 1A 12@ 0 = 12<br />
L M<br />
` a ` a3L<br />
M<br />
L<br />
cof a12 =@ 1 A<br />
4 0M<br />
` a` a<br />
L M<br />
L6<br />
4M<br />
=@ 1 16@ 0 =@ 16<br />
L M<br />
` a ` a4L<br />
M<br />
L<br />
cof a13 =@ 1 A<br />
4 3M<br />
` a<br />
L M<br />
L6<br />
1M<br />
= 1 4@ 18 =@ 14<br />
…<br />
H<br />
L<br />
J<br />
I<br />
GUIDG.COM 46<br />
7 1 2<br />
M<br />
4 3 0K<br />
obter os co-fatores dos elementos de A , cofA e adjA .<br />
6 1 4<br />
` a ` a ` a ` a ` a ` a<br />
cof a21 =@ 2 , cof a22 = 16 , cof a23 =@ 1 , cof a31 =@ 6 , cof a32 = 8 , cof a33 = 17<br />
cofA =<br />
H<br />
L<br />
J<br />
12<br />
@ 2<br />
@ 16<br />
16<br />
@ 14<br />
M<br />
@ 1 KQ cofA<br />
@ 6 8 17<br />
I<br />
` aT<br />
= adj A =<br />
H<br />
L<br />
J<br />
12 @ 2 @ 6<br />
@ 16 16 8<br />
@ 14 @ 1 17<br />
2.8.1 Teorema da matriz adjunta<br />
Seja A uma matriz quadrada de ordem n e I n a matriz identidade de ordem n , então:<br />
I<br />
M<br />
K<br />
AA adj A = adj AA A = det A<br />
` a A I n<br />
*Demonstração omitida, consulte a referência bibliográfica (5) pg. 1<strong>10</strong>-D .<br />
2.9 Teorema de Laplace<br />
Seja A uma matriz quadrada de ordem n com n ≥ 2 , o determinante de A é dado pela soma dos<br />
produtos dos elementos de uma fila (linha ou coluna) qualquer pelos respectivos co-fatores, isto é:<br />
A =<br />
H<br />
L<br />
J<br />
a11 a12 … a1n a21 a22 … a2n … … … …<br />
an1 an2 … ann<br />
I<br />
M<br />
K<br />
det A =X<br />
n<br />
aijA Aij = ai1A Ai1 + ai2A Ai2 + …ainA Ain j = 1<br />
Sendo i uma linha qualquer da matrizA<br />
ou det A =X<br />
n<br />
i = 1<br />
a ij A A ij = a 1j A A 1j + a 2j A A 2j + …a nj A A nj<br />
Sendo j uma coluna qualquer da matrizA<br />
*Demonstração omitida, consulte a referência bibliográfica (5) pg. <strong>10</strong>5-D .
2.9.1 Observações<br />
GUIDG.COM 47<br />
I - No cálculo do determinante de uma matriz de ordem n , recaímos em determinantes de matrizes de<br />
ordem n <strong>–</strong> 1 , e no cálculo destes, recaímos em determinantes de ordem n <strong>–</strong> 2 , e assim<br />
sucessivamente, até recairmos em determinantes de matrizes de ordem 3 , que sabemos calcular<br />
facilmente, aplicando a regra de Sarrus, Seki Kowa, etc.<br />
II - Para facilitar o cálculo do determinante é aconselhável escolher uma linha ou coluna com o maior<br />
número de zeros.<br />
III - A aplicação conveniente do teorema de Jacobi pode facilitar o cálculo do determinante pelo teorema<br />
de Laplace, por exemplo, efetuando-se uma combinação linear conveniente tal que gere uma linha ou<br />
coluna com maior número de zeros que o determinante inicial.<br />
Exemplo 54: Calcule o determinante da matriz A =<br />
H<br />
L<br />
J<br />
I<br />
1 2<br />
0@ 1<br />
@ 2 3<br />
3 1<br />
M<br />
2 1 M<br />
1 2K<br />
3 4 6 3<br />
.<br />
De acordo com as observações citadas após o teorema de Laplace, devemos escolher a primeira coluna<br />
(ou a segunda linha), mas ainda teríamos que calcular três co-fatores, então aplicamos o teorema de<br />
Jacobi, efetuando as seguintes combinações lineares.<br />
Dica: Neste caso concentre-se na coluna que devemos simplificar para poder visualizar a combinação<br />
linear conveniente.<br />
Lx = Linha, C x = Coluna, x = indicação da linha ou coluna<br />
Pelo teorema de Jacobi, temos que:<br />
det A =<br />
L<br />
1 2 3 1<br />
0@ 1 2 1<br />
@ 2 3 1 2<br />
3 4 6 3<br />
M<br />
L 4 Q@ 3A L 1 + L 4 , det A =<br />
L 3 Q 2A L 1 + L 3<br />
L<br />
1 2 3 1<br />
0@ 1 2 1<br />
0 7 7 4<br />
0@ 2@ 3 0<br />
L<br />
M<br />
1 2 3 1<br />
0@ 1 2 1<br />
0 7 7 4<br />
3 4 6 3<br />
Aplicando o teorema de Laplace na primeira coluna, temos que:<br />
det A = A 11 A a 11 + A 21 A a 21 + A 31 A a 31 + A 41 A a 41<br />
= A 11 A 1 + A 21 A 0 + A 31 A 0 + A 41 A 0<br />
= A 11<br />
M
Cálculo do co-fator:<br />
b c ` ai + j<br />
cof A11 =@ 1 A M 11 =@ 1<br />
` a2<br />
L<br />
Logo pelo teorema de Laplace detA = -35<br />
M<br />
@ 1 2 1<br />
7 7 4 = 1A 0@ 16@ 21@@ 14 + 12 + 0<br />
@ 2@ 3 0<br />
GUIDG.COM 48<br />
B ` aC<br />
` a<br />
=@ 37@@ 2 =@ 35<br />
2.9.2 Corolário: Determinante de matrizes triangulares ou diagonais<br />
Sendo A uma matriz triangular (de qualquer ordem), o determinante de A é o produto dos elementos da<br />
diagonal principal. A verificação é feita aplicando-se o teorema de Laplace na linha ou coluna que tiver<br />
maior número de zeros.<br />
Logo o determinante de uma matriz A triangular ou diagonal de ordem n é generalizado como:<br />
det A =Y<br />
*Se houver duvidas verifique a notação de produtório.<br />
n<br />
aii = a11A a22A a33A…A ann<br />
i = 1<br />
2.<strong>10</strong> Determinante por triangulação<br />
De acordo com 2.9.2 , podemos calcular o determinante de uma matriz quadrada de ordem m ,<br />
reduzindo esta a uma matriz triangular equivalente, e depois multiplicar os elementos da diagonal<br />
principal, assim obtendo o determinante da matriz.<br />
Exemplo 55: Calcule o determinante de A por triangulação:<br />
A =<br />
H<br />
L<br />
J<br />
I<br />
L<br />
1 5 7 L 1 5 7<br />
M L<br />
9 5@ 1KQ<br />
det A = L 9 5@ 1<br />
@ 5 4@ 3 L@<br />
5 4@ 3<br />
L 2 Q@ 9L 1 + L 2 , L 3 Q 5L 1 + L 3 ,<br />
L 3 Q 29<br />
40<br />
f L2 + L 3 , det A =<br />
L<br />
M<br />
L<br />
1 5 7<br />
0 @ 40 @ 64<br />
0 0 @ 72<br />
5<br />
1 5 7<br />
0 @ 40@ 64<br />
0 29 32<br />
M<br />
f g M<br />
f M<br />
= 1 @ 40<br />
M<br />
f g<br />
` a 72f<br />
@<br />
5<br />
= 576
GUIDG.COM 49<br />
2.11 Determinante de Vandermonde (determinante das potências)<br />
O determinante de ordem n ≥ 2 é assim chamado se, e somente se, na primeira linha os elementos forem<br />
todos iguais a 1 ; na segunda linha números quaisquer; na terceira linha os quadrados da segunda linha;<br />
na quarta linha os cubos da segunda linha, e assim sucessivamente.<br />
* Os elementos da segunda linha são denominados elementos característicos.<br />
Exemplo 56:<br />
I <strong>–</strong> Determinante de Vandermonde de ordem 3. det D =<br />
II <strong>–</strong> Determinante de Vandermonde de ordem 4. det D =<br />
L<br />
1 1 1<br />
a b c<br />
a2 b 2 c2 L<br />
M<br />
1 1 1 1<br />
a b c d<br />
a2 b 2 c2 d 2<br />
a3 b 3 c3 d 3<br />
2.11.1 Propriedade<br />
Um determinante de Vandermonde é igual ao produto de todas as diferenças que se obtêm subtraindo-se<br />
de cada um dos elementos característicos os elementos precedentes, independente da ordem do<br />
determinante.<br />
Exemplo 57:<br />
L<br />
M<br />
L<br />
1 2 4<br />
det A = 1 4 16 = det A<br />
1 7 49<br />
T L1<br />
1 1<br />
L<br />
= L<br />
L2<br />
4 7<br />
L4<br />
16 49<br />
M<br />
Elementos característicos: a = 2 , b = 4 , c = 7 , detA = (4-2).(7-4).(7-2) = 2.3.5 = 30<br />
2.12 Regra de Chió<br />
Esta regra é uma aplicação do teorema de Jacobi que permite reduzir a ordem de um determinante para<br />
simplificar o seu cálculo. Para aplicar a regra de Chió, precisamos de uma matriz A , quadrada de ordem<br />
n ≥ 2 , com pelo menos um elemento a ij = 1 .<br />
Procedimento:<br />
I <strong>–</strong> Eliminamos da matriz A , a linha i e a coluna j , onde se encontra a ij = 1 obtendo a submatriz A ij .<br />
II <strong>–</strong> Subtraímos dos elementos da submatriz A ij o produto dos elementos eliminados que se encontram<br />
na sua linha e coluna respectivamente, obtendo assim uma matriz B de ordem n <strong>–</strong> 1 .<br />
` ai + j<br />
III <strong>–</strong> O determinante de A é dado por: det A =@ 1 A det B<br />
M
GUIDG.COM 50<br />
Exemplo 58: Re-calcular o exemplo dado após o teorema de Laplace, utilizando a Regra de Chió.<br />
A =<br />
H<br />
L<br />
J<br />
Solução:<br />
1 2 3 1<br />
0@ 1 2 1<br />
@ 2 3 1 2<br />
3 4 6 3<br />
I<br />
M<br />
K<br />
I <strong>–</strong> Escolhendo a 11 = 1 , eliminamos a primeira linha e a primeira coluna.<br />
A =<br />
H<br />
L<br />
J<br />
1 2 3 1<br />
0@ 1 2 1<br />
@ 2 3 1 2<br />
3 4 6 3<br />
I<br />
M<br />
K<br />
II <strong>–</strong> Subtraindo dos elementos da submatriz A 11 o produto dos elementos eliminados na respectiva linha e<br />
coluna.<br />
B =<br />
H<br />
L<br />
J<br />
` a<br />
@ 1@ 0.2<br />
` a<br />
3@@ 2.2<br />
` a<br />
4@ 3.2<br />
` a<br />
2@ 0.3<br />
` a<br />
1@@ 2.3<br />
` a<br />
6@ 3.3<br />
III <strong>–</strong> Assim o determinante de A é dado por:<br />
` ai + j ` a1 + 1<br />
det A =@ 1 A det B =@ 1<br />
L<br />
Logo, pela regra de Chió detA = -35 .<br />
` a I<br />
1@ 0.1<br />
` a M<br />
2@@ 2.1M<br />
` a<br />
3@ 3.1<br />
M<br />
K =<br />
H<br />
L<br />
J<br />
@ 1 2 1<br />
7 7 4<br />
@ 2@ 3 0<br />
@ 1 2 1<br />
A 7 7 4 = 1A 0@16@ 21@@ 14 + 12 + 0<br />
@ 2@ 3 0<br />
I<br />
M<br />
K<br />
B ` aC<br />
=@ 35
Exemplo 59: Calcule o determinante da matriz W , usando a Regra de Chió.<br />
W =<br />
H<br />
L<br />
J<br />
Solução:<br />
2 3 0 2<br />
4 2 1 5<br />
@ 1 7 2 9<br />
@ 2 0 4 7<br />
I<br />
M<br />
K<br />
I <strong>–</strong> Escolhendo a 23 = 1 .<br />
W =<br />
H<br />
L<br />
J<br />
2 3 0 2<br />
4 2 1 5<br />
@ 1 7 2 9<br />
@ 2 0 4 7<br />
I<br />
M<br />
K<br />
GUIDG.COM 51<br />
II <strong>–</strong> Subtraindo dos elementos da submatriz W 23 o produto dos elementos eliminados na respectiva linha<br />
e coluna.<br />
X =<br />
H ` a ` a ` aI<br />
2@ 4.0 3@ 2.0 2@ 5.0<br />
L ` a ` a ` aM<br />
L M<br />
L@<br />
1@ 4.2 7@ 2.2 9@ 5.2M<br />
J ` a ` a ` aK<br />
@ 2@ 4.4 0@ 2.4 7@ 5.4<br />
=<br />
H I<br />
2 3 2<br />
L M<br />
J@<br />
9 3 @ 1 K<br />
@ 18 @ 8 @ 13<br />
III <strong>–</strong> Assim o determinante de W é dado por:<br />
L M<br />
L<br />
` ai + j ` 2 3 2 M<br />
a2 L M B<br />
+ 3L<br />
M ` aC<br />
det W =@ 1 A det X =@ 1 A L<br />
L@<br />
9 3 @ 1 M<br />
=@ 1A@ 78 + 54 + 144@@ <strong>10</strong>8 + 16 + 351<br />
L@<br />
18 @ 8 @ 13M<br />
@ A @ A<br />
=@ 1A 120@ 259 =@@ 139 = 139<br />
Logo, pela regra de Chió detW = 139 .
3 SISTEMAS DE EQUAÇÕES LINEARES<br />
3.1 Equação linear<br />
São as equações onde as incógnitas tem grau de expoente igual à 1 , na forma:<br />
x i são as variáveis (incógnitas);<br />
a i são os respectivos coeficientes;<br />
b é o termo independente.<br />
a 1 x 1 + a 2 x 2 + a 3 x 3 + …+ a n@ 1 x n@ 1 + an xn = b<br />
3.1.1 Raízes (ou identidade) da equação linear<br />
São os valores das variáveis que tornam a equação linear verdadeira;<br />
3.1.2 Conjunto solução da equação linear<br />
É o conjunto formado pelas raízes da equação linear.<br />
3.2 Sistema de equações lineares (sistema linear)<br />
É um conjunto de equações lineares, e tem a seguinte representação:<br />
X<br />
^\<br />
^Z<br />
a11 x1 + a12 x2 + a13 x3 + …+ a1n xn = b1 a21 x1 + a22 x2 + a23 x3 + …+ a2n xn = b2 ( ( ( … ( ( (<br />
am1 x1 + am2 x2 + am3 x3 + …+ amn xn = bm<br />
GUIDG.COM 52<br />
3.2.1 Conjunto solução de um sistema linear<br />
São os valores das variáveis que tornam o sistema linear verdadeiro. Esses valores são as raízes do<br />
sistema linear.<br />
Um sistema linear pode apresentar três casos de soluções, então se:<br />
I <strong>–</strong> Possui uma única solução, dizemos que o Sistema é Possível e Determinado (SPD) .<br />
II <strong>–</strong> Possui infinitas soluções, dizemos que o Sistema é Possível e Indeterminado (SPI) .<br />
III <strong>–</strong> Não possui solução, dizemos que o Sistema é Impossível (SI) .<br />
3.2.2 Discussão de sistemas<br />
Discutir um sistema linear é determinar se ele é (ou quando é) SPD , SPI ou SI , estes casos ocorrem<br />
conforme for o número de soluções do sistema. Para discutir um sistema o estudante deve ter<br />
conhecimento dos teoremas 3.5.1 , 3.6.1 e 3.6.2 . Veremos alguns exemplos a seguir.<br />
3.2.3 <strong>Sistemas</strong> equivalentes<br />
Dados dois ou mais sistemas lineares, dizemos que estes sistemas são equivalentes se admitirem o mesmo<br />
conjunto solução.
3.3 Sistema linear homogêneo<br />
É o sistema linear cujos termos independentes são todos nulos.<br />
X<br />
^\<br />
^Z<br />
a11 x1 + a12 x2 + a13 x3 + … + a1n xn = b1 = 0<br />
a21 x1 + a22 x2 + a23 x3 + … + a2n xn = b2 = 0<br />
( ( ( … ( ( (<br />
am1 x1 + am2 x2 + am3 x3 + … + amn xn = bm = 0<br />
GUIDG.COM 53<br />
Todo sistema linear homogêneo admite pelo menos uma solução, denominada Solução trivial, isto é,<br />
quando fazemos x i = 0 . Além da Solução trivial o sistema pode ter outras soluções, denominadas<br />
Soluções próprias.<br />
3.4 <strong>Sistemas</strong> e matrizes<br />
Todo sistema de equações lineares pode ser representado na forma matricial, isto facilita a visualização e<br />
também a resolução do sistema. Considere as matrizes abaixo:<br />
H I H I H I<br />
a11 a12 … a1n x b 1<br />
1<br />
La21<br />
a22 … a M L<br />
L<br />
2nM<br />
x M L M<br />
L<br />
A = L M<br />
2M<br />
L<br />
L<br />
J … … … …M<br />
, X = L M b M<br />
L<br />
L<br />
K J(<br />
M , B = 2M<br />
L M<br />
K L(<br />
M<br />
J K<br />
am1 am2 … amn<br />
Note então que o sistema de equações lineares pode ser escrito através da equação matricial:<br />
H<br />
L<br />
J<br />
a11 a12 … a1n a21 a22 … a2n … … … …<br />
am1 am2 … amn<br />
IH<br />
ML<br />
ML<br />
ML<br />
ML<br />
KJ<br />
Notações: de forma geral, temos que:<br />
x1 x2 ( M<br />
K =<br />
xn<br />
I<br />
H<br />
M L<br />
M L<br />
M L<br />
J<br />
b1 b2 (<br />
b m<br />
I<br />
M<br />
K<br />
xn<br />
b m<br />
AX = B<br />
H I<br />
a11 x1 a12 x2 … a1n xn<br />
La21<br />
x1 a22 x2 … a M<br />
L<br />
2n<br />
xnM<br />
[ L M<br />
L … … … … M<br />
J K<br />
am1 x1 am2 x2 … amn xn<br />
=<br />
H I<br />
b1 L M<br />
L<br />
Lb<br />
M<br />
L 2 M<br />
L<br />
J(<br />
M<br />
K<br />
A é a matriz dos coeficientes ou matriz incompleta do sistema ( M c) ;<br />
X é a matriz das variáveis ou incógnitas ( M v) ;<br />
B é a matriz dos termos independentes ( M t i ) .<br />
E ainda, a partir da última equação matricial temos a matriz ampliada do sistema (também chamada de<br />
matriz aumentada, matriz estendida ou matriz completa do sistema):<br />
H I<br />
a11 a12 … a1n | b1 L M<br />
La21<br />
a22 … a2n | b M<br />
L<br />
2M<br />
M a = L M<br />
L M<br />
L … … … … | …M<br />
J K<br />
am1 am2 … amn | bm Esta que se obtém omitindo X e colocando A e B juntas numa única matriz, separadas por esse traço<br />
vertical que simboliza a igualdade do sistema, que por sua vez é dispensável, mas facilita a interpretação.<br />
Usaremos a notação M e para indicar a matriz linha-reduzida equivalente à M a , isto é, ( M e ~M a )<br />
3.4.1 Teorema<br />
Dois sistemas que possuem matrizes ampliadas equivalentes são equivalentes.<br />
b m
GUIDG.COM 54<br />
3.5 Posto de um sistema (característica de um sistema)<br />
A propriedade posto de uma matriz é muito útil na resolução de sistemas e pode ser aplicada à matriz que<br />
representa este sistema linear. Considere a matriz ampliada do sistema, então:<br />
I - Posto da matriz dos coeficientes ( pc) : É o número de linhas não nulas de M c .<br />
II - Posto da matriz ampliada ( pa ) : É o número de linhas não nulas de M a , que inclui M c e M t i .<br />
III - Posto do sistema ( p ) : quando pa = pc , costuma-se chamar este número de p , isto é<br />
pa = pc = p .<br />
[1.26 Posto de uma matriz] , [1.27 Nulidade de uma matriz]<br />
3.5.1 Teorema<br />
Um sistema possui solução se, e somente se, pa = pc = p .<br />
3.5.2 Corolário<br />
Decorre de 3.5.1 que se pa ≠ pc o sistema não possui solução (SI) .<br />
3.6 Grau de liberdade do sistema<br />
É o número g = n <strong>–</strong> p onde n é o número de colunas da matriz dos coeficientes ou o número de<br />
variáveis do sistema.<br />
3.6.1 Teorema<br />
Se g = n <strong>–</strong> p = 0 o sistema possui solução única (SPD) .<br />
3.6.2 Teorema<br />
Se g = n <strong>–</strong> p > 0 (isto é se g = 1, g = 2 ... ) o sistema possui grau de liberdade, e assim este terá<br />
infinitas soluções (SPI) .
GUIDG.COM 55<br />
3.7 Operações linha sobre um sistema linear<br />
Um sistema linear se transforma num sistema linear equivalente quando efetuamos operações elementares<br />
sobre as suas linhas. Note que só podemos realizar operações sobre as linhas do sistema linear e não sobre<br />
as colunas (do contrario estaríamos somando quantidades diferentes). Vamos às três operações possíveis.<br />
3.7.1 Permutação entre linhas<br />
Notação: L xT L y (Lê-se: A troca da linha x pela linha y ).<br />
*A dupla-seta indica a permuta (troca).<br />
3.7.2 Multiplicação de uma linha por um escalar não nulo<br />
Notação: L xQ kA L x (Lê-se: A troca da linha x por k vezes linha x )<br />
3.7.3 Substituição de uma linha por combinação linear<br />
Notação: L xQL x + kAL y ou L xQ kA L y + L x<br />
Lê-se: A troca da linha x pela linha x mais k vezes a linha y . Ou a troca da linha x por k vezes a<br />
linha y mais a linha x .<br />
3.8 Solução de um sistema por matriz inversa<br />
Para o caso particular onde o número de equações do sistema linear é igual ao número de variáveis (isto é,<br />
o número de colunas de M c é igual ao número de equações do sistema linear), e quando o determinante<br />
de M c é diferente de zero, podemos resolver o sistema pelo seguinte método:<br />
Usando a notação matricial para sistemas lineares temos que:<br />
AX = B<br />
A @ 1 AX = A @ 1 B<br />
IX = A @ 1 B<br />
X = A @ 1 B<br />
Assim para determinar a solução ( X ) desse tipo de sistema basta encontrar a inversa da matriz dos<br />
coeficientes ( A @ 1 ), pois X = A @ 1 B .
Exemplo 60: Resolva o sistema.<br />
X<br />
^\<br />
^Z<br />
@ x + 3y + 5z = 2<br />
@ 5x@ 4y + z = 3<br />
3x + 6y + 4z =@ 1<br />
Solução 1: Vamos colocar o sistema na forma matricial M a e resolve-lo usando as operações<br />
elementares.<br />
.<br />
.<br />
.<br />
.<br />
L 1 Q@ L 1<br />
L3Q 15f<br />
L2 + L3 19<br />
L2Q@ 24f<br />
L3 + L2 19<br />
L 1 Q 5L 3 + L 1<br />
-1 3 5 | 2<br />
-5 -4 1 | 3<br />
3 6 4 | -1<br />
1 -3 -5 | -2<br />
0 -19 -24 | -7<br />
0 15 19 | 5<br />
1 -3 -5 | -2<br />
0 1<br />
24f<br />
|<br />
19<br />
7f<br />
19<br />
0 0 1 | -<strong>10</strong><br />
1 0 -5 | 37<br />
0 1 0 | 13<br />
0 0 1 | -<strong>10</strong><br />
L 2 Q 5L 1 + L 2<br />
L 3 Q@ 3L 1 + L 3<br />
L 1<br />
2Q@ 19<br />
L3Q 19L3 f L2<br />
L 1 Q 3L 2 + L 1<br />
GUIDG.COM 56<br />
1 -3 -5 | -2<br />
-5 -4 1 | 3<br />
3 6 4 | -1<br />
1 -3 -5 | -2<br />
0 -19 -24 | -7<br />
0 0<br />
1f<br />
| @<br />
19<br />
<strong>10</strong><br />
19<br />
1 -3 -5 | -2<br />
0 1 0 | 13<br />
0 0 1 | -<strong>10</strong><br />
1 0 0 | -13<br />
0 1 0 | 13<br />
0 0 1 | -<strong>10</strong><br />
Com isso vemos que pa = 3 = pc = p assim o sistema é possível e, g = n <strong>–</strong> p = 3 <strong>–</strong> 3 = 0 então o sistema<br />
é possível e determinado, isto é, possui solução única. Podemos dizer também que o sistema dado é<br />
equivalente a esta última forma encontrada, e os valores que tornam o sistema verdadeiro são:<br />
x = -13 , y = 13 , z = -<strong>10</strong><br />
f
Solução 2: Agora vamos resolver o sistema usando o método da inversa.<br />
X<br />
^\<br />
^Z<br />
@ x + 3y + 5z = 2<br />
@ 5x@ 4y + z = 3<br />
3x + 6y + 4z =@ 1<br />
Colocando o sistema na forma matricial AX = B , temos:<br />
H<br />
L<br />
J<br />
@ 1 3 5<br />
@ 5@ 4 1<br />
3 6 4<br />
IH<br />
I H<br />
M<br />
KJ<br />
x<br />
yK=<br />
z<br />
L<br />
J<br />
2<br />
3<br />
@ 1<br />
I<br />
M<br />
K<br />
GUIDG.COM 57<br />
AX = B<br />
A @ 1 AX = A @ 1 B<br />
IX = A @ 1 B<br />
X = A @ 1 B<br />
Este exemplo foi usado para mostrar o método do algoritmo de inversão, vimos que a matriz A é<br />
inversível, isto é, det A ≠ 0 , e:<br />
A @ 1 =<br />
-22 18 23<br />
23 -19 -24<br />
-18 15 19<br />
Assim basta calcularmos o produto A @ 1 B para obter X a matriz das variáveis ( M v ).<br />
H<br />
J<br />
H<br />
J<br />
X = A @ 1 B<br />
I<br />
x<br />
yK=<br />
z<br />
I<br />
x<br />
yK=<br />
z<br />
H<br />
L<br />
J<br />
H<br />
L<br />
J<br />
@ 22 18 23<br />
23@ 19@ 24<br />
@ 18 15 19<br />
@ 13<br />
13<br />
@ <strong>10</strong><br />
I<br />
M<br />
K<br />
IH<br />
ML<br />
KJ<br />
I<br />
2<br />
M<br />
3 K=<br />
@ 1<br />
H<br />
L<br />
J<br />
` aI<br />
H<br />
@ 22.2 + 18.3 + 23 @ 1<br />
` a M<br />
23.2@ 19.3@ 24 @ 1 M<br />
` aK<br />
@ 18.2 + 15.3 + 19 @ 1<br />
=<br />
L<br />
J<br />
@ 13<br />
13<br />
@ <strong>10</strong><br />
Este método é útil quando a inversa é dada, do contrário recomenda-se usar o método anterior.<br />
I<br />
M<br />
K
GUIDG.COM 58<br />
3.9 Regra de Cramer<br />
Outra forma de se resolver sistemas lineares onde o número de equações é igual ao número de variáveis,<br />
isto é, sistemas de ordem nBn (n equações por n variáveis), é a resolução por determinantes.<br />
Entretanto por usar determinantes este método não se aplica a sistemas de ordem mBn (onde o número<br />
de equações m é diferente do número de variáveis n ), logo tornando-se inviável computacionalmente,<br />
mas ainda é um método prático para particulares questões teóricas.<br />
Considere inicialmente o sistema a11 x1 + a12 x2 = b X<br />
\<br />
1<br />
Za21<br />
x1 + a22 x2 = b2 H I<br />
F GF x G<br />
1 b1 = J K ou seja AX=B<br />
a 11 a 12<br />
a 21 a 22<br />
x 2<br />
b 2<br />
. Em forma matricial temos:<br />
Supondo que detA ≠ 0 e assim existe a inversa de A e podemos fazer a seguinte multiplicação matricial:<br />
A@ 1 AX = A @ 1 B<br />
X = A @ 1 B<br />
E assim podemos aplicar a relação 1.30.3 onde A @ 1 = 1 f<br />
adj A , substituindo temos:<br />
det A<br />
X = 1 f<br />
adj AA B onde det A = D<br />
det A<br />
Vamos calcular a matriz adjA :<br />
A = a11 a F G b c<br />
12 ` ai + j ` a ` a1 + 1<br />
a21 a Q cof aij =@ 1 M ij , cof a11 =@ 1<br />
22<br />
então cofA =<br />
d b ce<br />
det sub A 11<br />
` a ` a ` a<br />
cof a12 =@1A a21 =@ a21 , cof a21 =@ a12 , cof a22 = a11<br />
a 22<br />
@ a 12<br />
Substituindo os resultados:<br />
X = 1<br />
det A<br />
H<br />
x L<br />
F G L<br />
1 L<br />
x<br />
= L<br />
2 L<br />
J<br />
@ a 21<br />
F G Q adj A = cofA<br />
a 11<br />
F G<br />
f x1 adj AAB [<br />
x2 2B1<br />
b1 a22@ b2 a12 D<br />
b2 a21@ b1 a21 D<br />
I<br />
f M<br />
fK<br />
` aT<br />
=<br />
= 1Ff<br />
a22 @ a G<br />
12<br />
D @ a21 a11 ou seja x 1 = b 1 a 22 @ b 2 a 12<br />
D<br />
a 22<br />
@ a 21<br />
@ a 12<br />
F G<br />
H<br />
I<br />
b<br />
J 1K<br />
b<br />
2B2 2<br />
2B1<br />
a 11<br />
= 1A a 22 = a 22<br />
= 1<br />
H I<br />
f b1 a22@ b2 a<br />
J<br />
12 K<br />
D @ b1 a21 + b2 a11 f<br />
e x2 = b2 a21@ b1 a21f D
GUIDG.COM 59<br />
Note que o resultado b 1 a 22 @ b 2 a 12 é obtido quando substituímos ordenadamente os elementos da<br />
matriz B na primeira coluna da matriz A e aplicamos o determinante nesta nova matriz:<br />
A = a11 a F G<br />
12<br />
a21 a22 H<br />
J<br />
, B = b 1<br />
b 2<br />
I<br />
H<br />
K , C1 = b1 a J 12<br />
b 2 a 22<br />
I<br />
K Q Dx 1 = detC 1 = b 1 a 22 @ b 2 a 12<br />
E da mesma forma o resultado a 11 b 2 @ a 21 b 1 é obtido quando substituímos ordenadamente os elementos<br />
da matriz B na segunda coluna da matriz A e aplicamos o determinante nesta nova matriz:<br />
A = a11 a F G<br />
12<br />
a21 a22 H<br />
J<br />
, B = b 1<br />
b 2<br />
I<br />
H<br />
K , C 2 = a11 b J 1<br />
a 21 b 2<br />
I<br />
K Q Dx 2 = detC 2 = a 11 b 2 @ a 21 b 1<br />
Portanto se o determinante da matriz A for diferente de zero o sistema é possível e determinado (isto é,<br />
possui solução única), cuja solução é dada por:<br />
x1 = Dx1f e x2 =<br />
D<br />
Dx2f D<br />
De forma análoga vamos mostrar que a regra de Cramer é válida para um sistema nBn .<br />
Considere o sistema<br />
H<br />
L<br />
J<br />
a11 a12 … a1n a21 a22 … a2n … … … …<br />
an1 an1 … ann<br />
IH<br />
M<br />
ML<br />
ML<br />
ML<br />
KJ<br />
x1 x2 X<br />
^\<br />
^Z<br />
M<br />
…K<br />
=<br />
xn<br />
H<br />
I<br />
L<br />
M L<br />
M L<br />
J<br />
a11 x1 + a12 x2 + …+ a1n xn = b1 a21 x1 + a22 x2 + …+ a2n xn = b2 ( ( ( ( (<br />
an1 x1 + an2 x2 + …+ ann xn = bn<br />
b1 b2 …<br />
bn<br />
I<br />
M<br />
K<br />
ou seja AX = B<br />
, em forma matricial temos<br />
Supondo que detA ≠ 0 e assim existe a inversa de A e podemos fazer a seguinte multiplicação matricial:<br />
A@ 1 AX = A @ 1 B<br />
X = A @ 1 B<br />
E assim podemos aplicar a relação 1.30.3 onde A @ 1 = 1 f<br />
adj A , substituindo temos:<br />
det A<br />
X = 1 f<br />
adj AA B onde det A = D<br />
det A<br />
H I<br />
a11 a12 … a1n La21<br />
a22 … a M<br />
L<br />
2nM<br />
Vamos calcular a matriz adjA , seja A = L M<br />
L … … … …M<br />
J K<br />
an1 an1 … ann<br />
b c ` ai + j<br />
cof aij =@ 1 M ij<br />
, então os co-fatores de A são:
` a ` a1 + 1 ` a ` a ` a1 + n ` an<br />
cof a11 =@ 1 M 11 = M 11 , cof a12 =@ M 12 , cof a1n =@ 1 M 1n =@@ 1 M 1n<br />
` a ` a ` a ` a2 + n ` an<br />
cof a21 =@M21 , cof a22 = M 22 , cof a2n =@ 1 M 2n =@ 1 M 2n<br />
` a ` an + 1 ` an ` a ` an + 2 ` an<br />
cof an1 =@ 1 M n1 =@@ 1 M n1 , cof an2 =@ 1 M n2 =@ 1 M n2<br />
` a ` an + n ` a2n<br />
cof ann =@ 1 M nn =@ 1<br />
A matriz co-fatora de A é:<br />
` aT<br />
cofA<br />
H<br />
b` a2<br />
cn<br />
M nn = @ 1 M nn = M nn<br />
` an<br />
M 11 @ M 12 … @@ 1<br />
M 1n<br />
L<br />
M<br />
L ` an M<br />
L<br />
cofA = @ M 21 M 22 … @ 1 M M<br />
L<br />
2nM<br />
L<br />
M<br />
L … … … … M<br />
J ` an ` K an<br />
@@ 1 @ 1 M n2 … M nn<br />
H<br />
M n1<br />
` an<br />
M 11 @ M 21 … @@ 1<br />
M n1<br />
L<br />
M<br />
L ` an M<br />
L<br />
= adj A = @ M 12 M 22 … @ 1 M M<br />
L<br />
n2M<br />
L<br />
M<br />
L … … … … M<br />
J ` an ` K an<br />
@@ 1 @ 1 M 2n … M nn<br />
M 1n<br />
Voltando em X = 1 f<br />
adj AA B onde det A = D substituindo os valores encontrados:<br />
det A<br />
H<br />
L<br />
J<br />
H<br />
L<br />
J<br />
x1 x2 …<br />
xn<br />
x1 x2 …<br />
xn<br />
I<br />
M<br />
K<br />
I<br />
M<br />
K<br />
nB1<br />
nB1<br />
= 1<br />
D<br />
= 1<br />
D<br />
H<br />
L<br />
Lf<br />
L<br />
J<br />
H<br />
L<br />
Lf<br />
L<br />
J<br />
` an<br />
M 11 @ M 21 … @@ 1 M n1<br />
` an<br />
M n2<br />
@ M 12 M 22 … @ 1<br />
… … … …<br />
` an ` an<br />
@@ 1 @ 1 M 2n … M nn<br />
M 1n<br />
` an<br />
b1 M 11 @ b2 M 21 … @@ 1<br />
` an<br />
I<br />
M<br />
K<br />
nB n<br />
H<br />
I<br />
L<br />
J<br />
I<br />
b1 b2 …<br />
b n<br />
b n M n1<br />
@ b1 M 12 b2 M 22 … @ 1 bn M n2<br />
… … … …<br />
` an ` an<br />
@@ 1 b1 M 1n @ 1 b2 M 2n … bn M nn<br />
Com isso temos a solução do sistema dada por:<br />
x1 = 1b<br />
f ` an<br />
c<br />
b1 M 11@ b2 M 21 + …@@ 1 bn M n1<br />
D<br />
x2 = 1b<br />
f ` an<br />
c<br />
@ b1 M 12 + b2 M 22 + …+@ 1 bn M n2<br />
D<br />
xi = 1b<br />
f` ai + 1 ` ai ` ai`<br />
an<br />
c<br />
@ 1 b1 M 11 +@ 1 b2 M 2i + …+@ 1 @ 1 bn M ni<br />
D<br />
I<br />
M<br />
K<br />
I<br />
M<br />
K<br />
nB 1<br />
nB 1<br />
GUIDG.COM 60
n M n1<br />
GUIDG.COM 61<br />
b ` an<br />
c<br />
Note que b1 M 11@ b2 M 21 + …@@ 1 é obtido quando substituímos ordenadamente os<br />
elementos da matriz B na primeira coluna da matriz A e aplicamos o determinante nesta nova matriz:<br />
A =<br />
H<br />
L<br />
J<br />
a11 a12 … a1n a21 a22 … a2n … … … …<br />
an1 an1 … ann<br />
I<br />
M<br />
K<br />
, B =<br />
H<br />
L<br />
J<br />
b1 b2 …<br />
bn<br />
I<br />
M<br />
K<br />
, C 1 =<br />
H<br />
L<br />
J<br />
b1 a12 … a1n b2 a22 … a2n … … … …<br />
bn a n1 … ann<br />
I<br />
M<br />
K<br />
Q D x1 = detC 1<br />
Neste caso detC1 é obtido pelo desenvolvimento do determinante pela primeira coluna.<br />
b ` an<br />
c<br />
Da mesma forma o resultado @ b1 M 12 + b2 M 22 + …+@ 1 é obtido quando substituímos<br />
bn M n2<br />
ordenadamente os elementos da matriz B na segunda coluna da matriz A e aplicamos o determinante<br />
nesta nova matriz:<br />
A =<br />
H<br />
L<br />
J<br />
a11 a12 … a1n a21 a22 … a2n … … … …<br />
an1 an1 … ann<br />
I<br />
M<br />
K<br />
, B =<br />
H<br />
L<br />
J<br />
b1 b2 …<br />
bn<br />
I<br />
M<br />
K<br />
, C 2 =<br />
H<br />
L<br />
J<br />
a11 b1 … a1n a21 b2 … a2n … … … …<br />
an1 bn … ann<br />
I<br />
M<br />
K<br />
Q D x2 = detC 2<br />
Neste caso detC2 é obtido pelo desenvolvimento do determinante pela segunda coluna.<br />
b` ai + 1 ` ai ` ai`<br />
an<br />
c<br />
E assim o resultado @ 1 b1 M 11 +@ 1 b2 M 2i + …+@ 1 @ 1 é obtido quando<br />
bn M ni<br />
substituímos ordenadamente os elementos da matriz B na i-ésima coluna da matriz A e aplicamos o<br />
determinante nesta nova matriz:<br />
A =<br />
H<br />
L<br />
J<br />
a11 a12 … a1n a21 a22 … a2n … … … …<br />
an1 an1 … ann<br />
I<br />
M<br />
K<br />
, B =<br />
H<br />
L<br />
J<br />
b1 b2 …<br />
bn<br />
I<br />
M<br />
K<br />
, C i =<br />
H<br />
L<br />
J<br />
a11 … b1 … a1n a21 … b2 … a2n … … … …<br />
an1 … bn … ann<br />
I<br />
M<br />
K<br />
Q D xi = detC i<br />
Neste caso detCi é obtido pelo desenvolvimento do determinante pela i-ésima coluna,<br />
sendo i = 1, 2, 3, ... n . Portanto podemos obter a solução de um sistema linear nBn usando a regra de<br />
cramer que consiste numa resolução através de determinantes.<br />
x1 = D X 1f<br />
, x2 =<br />
D<br />
Dx2 D<br />
f<br />
, xi = Dxif D<br />
3.9.1 Classificando sistemas pela regra de Cramer<br />
Usando a relação de Cramer a classificação de um sistema linear nBn é definida da seguinte forma.<br />
3.9.1.1 Se D ≠ 0 então o sistema é possível e determinado (SPD).<br />
3.9.1.2 Se D = 0 e algum dos D xi ≠ 0 então o sistema é impossível (SI).<br />
3.9.1.3 Se D = 0 e todos os D xi = 0 então o sistema é possível e indeterminado (SPI).
3.9.2 Classificando sistemas lineares homogêneos pela regra de Cramer<br />
Considere o sistema linear homogêneo.<br />
S<br />
X<br />
^\<br />
^Z<br />
a11 x1 + a12 x2 + …+ a1n xn = b1 = 0<br />
a21 x1 + a22 x2 + …+ a2n xn = b2 = 0<br />
( ( ( ( (<br />
an1 x1 + an2 x2 + …+ ann xn = bn = 0<br />
~<br />
H<br />
L<br />
J<br />
a11 a12 … a1n a21 a22 … a2n … … … …<br />
an1 an1 … ann<br />
IH<br />
M<br />
ML<br />
ML<br />
ML<br />
KJ<br />
x1 x2 M<br />
…K<br />
=<br />
xn<br />
I<br />
H<br />
M L<br />
M L<br />
J<br />
I<br />
0<br />
0<br />
…<br />
0<br />
M<br />
K<br />
~ AX = 0 ~ AX = 0jk<br />
GUIDG.COM 62<br />
Note que esse sistema é sempre possível, pois admite ao menos a solução trivial isto é quando X = 0 jk .<br />
Então não existe o caso onde o sistema linear homogêneo será impossível (SI).<br />
3.9.2.1 Então de acordo com 3.9.1.1 se detA ≠ 0 o sistema é possível e determinado (SPD) cuja<br />
solução é a trivial, isto é, quando fazemos X = 0 jk ou o mesmo que x1 = x 2 = …= xn = 0 .<br />
3.9.2.2 Mas se para algum dos aij tivermos o detA = 0 então o sistema é possível e indeterminado<br />
(SPI), pois a solução será nula antes mesmo de fazermos X = 0 jk e ainda irá admitir solução trivial.<br />
Exemplo 60: Classifique o sistema S<br />
X<br />
^\<br />
^Z<br />
2x + 3y@4z = 1<br />
5x@ y + z = 3<br />
x + y@kz = 2<br />
Solução: Inicialmente passamos o sistema para a forma matricial.<br />
AX = B ~<br />
H<br />
L<br />
J<br />
2 3@ 4<br />
5@ 1 1<br />
1 1@ k<br />
IH<br />
I H I<br />
M<br />
KJ<br />
x 1<br />
yK=<br />
L<br />
J3<br />
z 2<br />
D = detA = 2k + 3 <strong>–</strong> 20 <strong>–</strong> (4+2<strong>–</strong>15k) = 17k<strong>–</strong>23 = 0<br />
M<br />
K<br />
usando a regra de Cramer.<br />
Então para todo k2R | k ≠ 23f<br />
o sistema é possível e determinado (SPD).<br />
17<br />
Se k = 23f<br />
implica que D = 0 , agora se algum Dxi ≠ 0 o sistema é impossível (SI) e se todos os<br />
17<br />
Dxi = 0 o sistema será possível e indeterminado (SPI).<br />
1 3@ 4<br />
3@ 1 1<br />
Dx = detC1 =<br />
2 1 23<br />
L M<br />
L M<br />
L M<br />
L M<br />
L M<br />
L M<br />
L M=@<br />
L<br />
f M<br />
L 17M<br />
485f<br />
≠ 0<br />
17<br />
Como Dx ≠ 0 temos que para k = 23f<br />
o sistema é impossível (SI), e como visto para todo<br />
17<br />
k2R | k ≠ 23f<br />
o sistema é possível e determinado. Portanto o sistema S esta classificado, como<br />
17<br />
queríamos demonstrar.
Analogamente poderíamos calcular os determinantes D y e D z .<br />
L<br />
M<br />
f M<br />
2 1@ 4<br />
5<br />
D y = detC 2 =<br />
1<br />
3<br />
2<br />
1<br />
23<br />
17<br />
=@ 504<br />
17<br />
f ≠ 0 , D z = detC 3 =<br />
L<br />
M<br />
2 3 1<br />
5@ 1 3 =@ 25 ≠ 0<br />
1 1 2<br />
GUIDG.COM 63<br />
Veja que este último determinante D z é mais simples de calcular, pois não envolve frações, portanto é<br />
viável escolher este na hora de provar que o sistema é impossível, ao invés dos outros dois D x e D y .<br />
X`<br />
a<br />
^\ 3 + 2k x + ky + 3z = 0<br />
Exemplo 61: Classifique o sistema S x + 2y + z = 0<br />
^Z kx + y + z = 0<br />
Solução: Inicialmente passamos o sistema para a forma matricial.<br />
H I<br />
H IH<br />
I H I<br />
3 + 2k k 3 x 0 3 + 2k k 3 | 0<br />
L M<br />
L M<br />
AX = 0 ~ J 1 2 1KJ<br />
yK=<br />
L M L<br />
J0K<br />
~ 1 2 1 | 0<br />
M<br />
L M<br />
J K<br />
k 1 1 z 0 k 1 1 | 0<br />
detA = k² <strong>–</strong> 5k + 6 = 0 , k1 = 2 , k2 = 3<br />
usando a regra de Cramer.<br />
Como detA = 0 para k1 = 2 e k2 = 3 , concluímos por 3.9.2.2 que o sistema é possível e<br />
indeterminado (SPI).<br />
Veja que não podemos determinar os xi pela regra de Cramer pois substituindo a matriz nula em<br />
qualquer coluna de A o determinante D xi será sempre nulo. Portanto o único método para encontrar a<br />
solução desse sistema é o escalonamento.<br />
Substituindo k1 = 2 temos:<br />
H I<br />
H I<br />
1f<br />
7 2 3 | 0<br />
L1<br />
0 | 0M<br />
L<br />
L M<br />
3 M<br />
L M<br />
L<br />
L1<br />
2 1 | 0<br />
M<br />
L<br />
MQ<br />
passando para a forma linha-reduzida temos Q 1<br />
M<br />
L<br />
J K<br />
f M<br />
L0<br />
1 | 0M<br />
L<br />
2 1 1 | 0<br />
J 3 M<br />
K<br />
0 0 0 | 0<br />
Isto é, x =@ 1f<br />
1f<br />
z e y =@ z [ x = y , podemos denotar a solução da seguinte maneira.<br />
3 3<br />
R` a S<br />
3<br />
Se k1 = 2 o sistema é possível e indeterminado cuja solução é S = x,x,z 2 R | x, z 2 R .
Da mesma forma obtemos a solução substituindo k2 = 3 temos:<br />
H I<br />
H I<br />
1f<br />
9 3 3 | 0<br />
L1<br />
0 | 0M<br />
L<br />
L M<br />
5 M<br />
L M<br />
L<br />
L1<br />
2 1 | 0<br />
M<br />
L<br />
MQ<br />
passando para a forma linha-reduzida temos Q 1<br />
M<br />
L<br />
J K<br />
f M<br />
L0<br />
1 | 0M<br />
L<br />
3 1 1 | 0<br />
J 5 M<br />
K<br />
0 0 0 | 0<br />
Isto é, x =@ 1f<br />
1f<br />
z e y =@ z [ x = y , podemos denotar a solução da seguinte maneira.<br />
5 5<br />
GUIDG.COM 64<br />
R` a S<br />
3<br />
Se k1 = 3 o sistema é possível e indeterminado cuja solução é S = x,x,z 2 R | x, z 2 R .<br />
X<br />
^\<br />
Exemplo 62: Vamos classificar o exemplo 60 S<br />
^Z<br />
2x + 3y@4z = 1<br />
5x@ y + z = 3<br />
x + y@kz = 2<br />
Solução: Passando o sistema para a forma matriz ampliada e escalonando.<br />
.<br />
.<br />
S ~<br />
H I<br />
2 3@ 4 | 1<br />
L M<br />
L<br />
5@ 1 1 | 3<br />
M<br />
L M<br />
J K<br />
1 1@ k | 2<br />
L 1 T L 3<br />
L 2 T L 3<br />
L 3 Q 6L 2 + L 3<br />
1 1 -k | 2<br />
2 3 -4 | 1<br />
5 -1 1 | 3<br />
1 1 -k | 2<br />
0 1 2k-4 | -3<br />
0 0 17k-23 | -25<br />
L 2 Q@ 2L 1 + L 2<br />
L 3 Q@ 5L 1 + L 3<br />
Pelo teorema 3.5.1 o sistema é possível se, e somente se, pa = pc , mas se:<br />
usando o escalonamento.<br />
1 1 -k | 2<br />
0 1 2k-4 | -3<br />
0 -6 5k+1 | -7<br />
17k@ 23 = 0 [ k = 23f<br />
, assim pa = 3 ≠ pc = 2 , logo para k =<br />
17<br />
23f<br />
o sistema é impossível (SI).<br />
17<br />
E se k ≠ 23f<br />
, pa = 3 = pc = 3 , então 8 k 2 R | k ≠<br />
17<br />
23f<br />
o sistema é possível e determinado (SPD).<br />
17<br />
Portanto o sistema S esta classificado, como queríamos demonstrar.<br />
3.9.2.3 Observações<br />
Não desvalorizando o método de Cramer que é muito útil e também muito elegante, entretanto só resolve<br />
sistemas nBn , assim o escalonamento é o método mais completo pois resolve sistemas, seja de ordem<br />
nBn ou mBn .
GUIDG.COM 65<br />
4 NOTAS FINAIS<br />
O objetivo desse texto foi a concentração e a revisão de toda a teoria de matrizes, determinantes e<br />
sistemas, visto que alguns livros trazem uma notação complicada demais ou são incompreensíveis por<br />
suas demonstrações resumidas. Lembrando que num estudo compacto como este não se pode demonstrar<br />
tudo, mas ao menos as demonstrações mais simples foram provadas de maneira clara e objetiva. Este<br />
texto foi escrito com base na introdução do curso de Álgebra Linear da UDESC-CCT e nos seguintes<br />
livros, onde é possível encontrar um auxílio complementar teórico.<br />
5 REFERÊNCIAS BIBLIOGRÁFICAS E LEITURA COMPLEMENTAR<br />
(1) Anton Howard, Chris Rorres <strong>–</strong> Álgebra Linear com aplicações (8 ed.);<br />
(2) Alfredo Steinbruch, Paulo Winterle <strong>–</strong> Introdução à Álgebra linear;<br />
(3) Alfredo Steinbruch, Paulo Winterle <strong>–</strong> Álgebra linear;<br />
(4) José Luiz Boldrini <strong>–</strong> Álgebra Linear;<br />
(5) Gelson Iezzi, Samuel Hazzan <strong>–</strong> Fundamentos de Matemática Elementar, Vol. 4, Seqüências, <strong>Matrizes</strong>,<br />
<strong>Determinantes</strong> e <strong>Sistemas</strong> (2 ed.);<br />
(6) Apostila de Álgebra Linear II 2011/1 <strong>–</strong> Departamento de Matemática (UDESC <strong>–</strong> CCT)