Академический Документы
Профессиональный Документы
Культура Документы
Matriz
(Luciana Pagliosa Carvalho Guedes - Miguel Angel Uribe-Opazo)
1.
o
Introduc
a
A=
2
0
3
-2
1
;
3
B=
1
3
1
C = 1
1
2
;
5
1
-1
0
Dimens
ao:
Seja uma matriz com m linhas e n colunas. O par ordenado (m n) que descreve o
n
umero de linhas e colunas de uma matriz define sua dimens
ao. Assim, existem outras
formas de denotarmos uma matriz:
Amn
ou
A(mn)
ou
A(mn)
ou
m An
B2
ou
A23
ou
A(23)
ou
A(23)
ou
2 A3
B(2)
ou
B(22)
ou
B(22)
ou
2 B2
C32
ou
C(32)
ou
C(32)
ou
3 C2
Forma Geral:
Seja uma matriz A(mn) . Cada elemento da matriz A e denotado por aij , em que
i = 1, . . . , m e j = 1, . . . , n s
ao os ndices que representam em qual linha e coluna respectivamente esse elemento se encontra. Assim, a forma geral da matriz A(mn) e dada
por:
c
a11
a21
A = ..
.
am1
a12
a22
..
.
...
...
..
.
a1n
a2n
..
.
am2
...
amn
Ou,
A = (aij )
2.
Seja a matriz A(mn) , tal que (i, j) tem -se que aij = 0, entao A e uma matriz nula.
O(mn)
0
0
= ..
.
0
0
..
.
...
...
..
.
...
0
0
..
.
0
rios)
2.2 Matriz Elementar (ou matriz com elementos unita
toda matriz tal que todos seus elementos s
E
ao iguais a 1. Ou seja:
J(mn)
1
1
= ..
.
1
1
..
.
...
...
..
.
...
1
1
..
.
1
y(m1)
y11
y21
= ..
.
ym1
y(1n) = y11
y12
...
y1n
Casos Especiais:
(1) Vetor de uns:
j(n1) = 1(n1) = 1
...
0(n1) = 0
...
t
t
q
x21 + . . . + x2n .
0
ao ortogonais se e s
o se u v = v u = 0.
Dois vetores u e v s
ao ortonormais se esses s
ao ortogonais e ambos tem norma 1.
Dois vetores s
2.3.2 Vetor Normalizado
Define-se vetor normalizado de x ao vetor e, dado por:
e=
x
.
kxk
A(n)
a11
a21
= ..
.
an1
Observa
c
ao:
a12
a22
..
.
...
...
..
.
an2
...
a1n
a2n
..
.
ann
D(n)
dij = 0
dij 6= 0
para
para
d11
0
= ..
.
0
i 6= j
i=j
0
d22
..
.
...
...
..
.
0
0
..
.
...
dnn
Ou,
I(4)
1
0
=
0
0
0
1
0
0
0
0
1
0
0
0
0
1
a
c
A=
0
0
0
0
b
d
0
0
0
0
0
0
0
e
h
k
0
0
0
0
f
i
l
0
0
0
0
g
j
m
0
0
0
0
0
0
0
n
p
0
0
o
q
trica
2.8 Matriz Sime
Seja uma matriz A(n) tal que (i, j), tem-se aij = aji . Entao A e uma matriz simetrica.
Exemplo 5:
A(4)
5
= 2
3
2
10
-1
3
-1
5
a11
0
A = ..
.
0
a12
a22
..
.
...
...
..
.
...
a1n
a2n
.. ;
.
ann
b11
b21
B = ..
.
bn1
0
b22
..
.
...
...
..
.
0
0
..
.
bn2
...
bnn
es com matrizes
Operac
o
3.
Seja uma matriz A(mn) . Sua matriz transposta, denotada por A(nm) ou At(nm) e dada
por At(nm) = (aji ).
Exemplo 6:
8
1;
5
2
A = 0
3
At =
2
8
0
1
3
5
Assim:
kxk =
x0 x.
3.3 Trac
o de uma matriz
Seja A uma matriz com dimens
ao n. O traco da matriz A e um escalar definido como a
soma dos elementos da diagonal principal. Ou seja:
tr(A) =
n
X
aii
i=1
tr(A) = 5 + 10 + 5 = 20
Algumas Propriedades:
ao n, entao: tr (A B) = tr (A) tr (B).
Se A e B tem dimens
Se A(np) e B(pn) , entao: tr (AB) = tr (BA).
P n Pp
0
0
Se A(np) , com elementos aij , entao: tr A A = tr AA = i=1 j=1 a2ij .
o de matrizes
3.4 Adic
a
Sejam A(mn) e B(mn) duas matrizes com a mesma dimens
ao. Define-se a soma entre
elas como a matriz C(mn) , tal que (i, j) tem-se que cij = aij + bij .
1
0
4
5 2 3
Exemplo 7: Sejam as matrizes A = 0 9 -1 e B = 2 22 5 . Logo:
4
3
7
3 1 4
6
A + B = 2
7
2
31
4
7
4
11
Propriedades: Se as dimens
oes s
ao favor
aveis, entao:
(Comutativa) A + B = B + A.
(Associativa) A + (B + C) = (A + B) + C.
(Elemento Neutro) A + O = A.
(Transposta) (A + B)t = At + Bt .
o de matrizes
3.5 Subtrac
a
Sejam A(mn) e B(mn) duas matrizes com a mesma dimens
ao. Define-se a subtracao
entre elas como a matriz C(mn) , tal que (i, j) tem-se que cij = aij bij .
1
0
4
5 2 3
Exemplo 8: Sejam as matrizes A = 0 9 -1 e B = 2 22 5 . Logo:
4
3
7
3 1 4
4
A B = -2
-1
-1
-6
-3
2
-13
-2
5
A = 0
3
2
9;
1
15
3A= 0
9
10
27
3
o de matrizes
3.7 Multiplicac
a
Sejam as matrizes A(mn) e B(np) . Define-se o produto AB como a matriz C(mp) = (rik )
tal que:
rik =
n
X
j=1
aij bjk .
Em que i = 1, . . . , m, j = 1, . . . , n e k = 1, . . . , p.
Exemplo 10: Sejam as matrizes A(23) =
AB=
2 5 + 3 (-7) + 8 (9)
4 5 + (-1) (-7) + (-6) (-9)
2
4
3
-1
8
-6
5
= -7
-9
0
-4 . Logo:
1
2 0 + 3 (-4) + 8 1
-83
=
4 0 + (-1) (-4) + (-6) 1
67
Propriedades: Se as dimens
oes s
ao favor
aveis, entao:
O(nk) A(kp) = O(np) .
e B(32)
-4
-2
3
Exemplo 11: Sejam as matrizes A = 0
0
-1
0
0 e B = 0
0
2
0
4
0
-3
AB = BA = 0
0
0
20
0
0
5
0
0
0 . Logo:
3
0
0
6
y Ay
4
Exemplo 12: Sejam as matrizes A =
1
y Ay = y1
4
y2
1
1
2
1
2
y1
= 4y1 + y2
y2
y1
. Logo:
ey=
y2
y1
y1 + 2y2
= 4y12 + 2y1 y2 + 2y22
y2
0
a
A = 11
a21
a12
det(A) = a11 a22 a12 a21 .
a22
(3) Para uma matriz de ordem n > 2, podemos calcular o det(A) usando o Algoritmo
de Laplace:
a) Escolhe-se uma linha (ou coluna) qualquer de A, com o maior n
umero de
zeros;
b) Entao det(A) = ai1 Ci1 + ai2 Ci2 + . . . + ain Cin .
(Ou det(A) = a1j C1j + a2j C2j + . . . + anj Cnj ).
Em que Cij e o cofator do elemento aij de A, calculado por:
Cij = (1)i+j Mij .
(1)
A = [4] det(A) = 4
3
B=
2
3
C = 0
0
0
6
4
8
det(B) = 3 5 8 2 = 1
5
0
6
1+1
7 det(C) = 3 C11 + 0 C12 + 0 C13 = 3 (1)
det
4
1
Algumas Propriedades:
0
det(A) = det(A ).
7
= 66
1
10
Se uma matriz quadrada A tem uma fila (qualquer coluna ou linha) com todos os
elementos iguais a 0, entao det(A) = 0.
Se uma matriz quadrada A tem duas filas proporcionais, entao det(A) = 0.
Se trocarmos duas filas de lugar em uma matriz quadrada A, gerando uma matriz B,
entao det(B) = det(A).
Se multiplicarmos uma matriz quadrada A por um escalar k, entao det(kA) = k 2 det(A).
Se multiplicarmos uma fila de uma matriz quadrada A por um escalar k, gerando uma
matriz B entao det(B) = k det(A).
AB = BA = In
A matriz B e chamada de matriz inversa de A e pode ser representada por A1 . Logo:
AA1 = A1 A = In
Se o det(A) = 0, entao a matriz A e chamada de nao-inversvel ou singular. No
entanto, se det(A) 6= 0, entao a matriz A e chamada de posto completo ou nao-singular e
existe A1 . Assim, uma condicao necessaria e suficiente para a existencia de A1 e que
det(A) 6= 0.
C
alculo da matriz inversa:
A1 =
1
Cof(A)t
det(A)
3 0 0
Exerccio: Seja a matriz C = 0 6 7 do exemplo 12. Determine sua inversa.
0 4 1
11
A B = C((m+r)(n+s)) =
Em que O1 = O(ms) e O2 = O(rn) .
1
Exemplo 14: Sejam as matrizes A =
3
1
3
AB=
0
0
5
8
5
8
0
0
A
O2
O1
B
0
3
5
eB=
4
0
0
5
4
0
0
0
3
1
. Logo:
-1
0
0
1
-1
Propriedades: Se as dimens
oes s
ao favor
aveis, entao:
Se A 6= O, entao A (A) 6= O.
Exemplo 15:
3
A=
2
3
2
A (A) =
0
0
8
;
5
8
5
0
0
0
0
-3
-2
0
0
6= O
-8
-5
(A B) + (C D) = (A + C) (B + D).
Exemplo 16: Sejam as matrizes:
3
A=
2
8
;
5
B= 1
6 ;
4
;
7
2
C=
-3
D= 3
Logo:
A+C=
AB= 2
0
8
5
0
5
-1
0
0
1
12
;
12
0
0;
6
B+D= 4
C D = -3
0
4
7
0
0
0
3
0
0
2
12
12
12
0
0
0
4
0
0
8
12
12
0
0
0
4
0
0
8
5
(A B) + (C D) = -1
0
(A + C) (B + D) = -1
0
(A B) (C D) = AC BD.
Exemplo 17: Sejam as matrizes:
3
A=
2
8
;
5
2
B=
1
4
;
0
2
C=
-3
-18
-11
68
;
43
BD =
8
5
0
0
0
0
2
1
4
;
7
1
D=
3
7
2
Logo:
AC =
3
2
AB=
0
0
18
-11
(A B) (C D) =
0
0
14
1
0
0
;
4
0
2
-3
CD=
0
0
68
43
0
0
0
0
14
1
22
7
4
7
0
0
0
0
1
3
0
0
7
2
0
0
= AC BD
22
7
A B = C(mrns)
a11 B
a21 B
= ..
.
am1 B
a12 B
a22 B
..
.
...
...
..
.
am2 B
...
a1n B
a2n B
..
.
amn B
13
1
0
eB=
0
3
0
0
0
0
10
8
0
2
5
4
AB=
0
0
0
. Logo:
3
5
4
0
0
0
6
Propriedades: Se as dimens
oes s
ao favor
aveis:
Em geral, A B 6= B A.
Exemplo 19: Considerando o exemplo 17:
5
0
BA=
4
0
0
10
0
8
0
0
3
0
0
0
6= A B
0
6
(A B) (C D) = AC BD.
Exemplo 20: Sejam as matrizes:
3
A=
2
8
;
5
4
;
0
16
8
10
5
32
0
;
20
0
2
B=
1
4
;
7
2
C=
-3
1
D=
3
7
2
Entao:
6
3
AB=
4
2
12
0
8
0
-252
-18
(A B) (C D) =
-154
-11
-18
AC =
-11
68
;
43
14
4
-21
-6
952
68
602
43
1496
476
946
301
2
6
CD=
-3
-9
-396
-126
-242
-77
14
BD =
1
22
7
4
12
7
21
28
8
49
14
14
-252
-18
AC BD =
-154
-11
-396
-126
-242
-77
952
68
602
43
1496
476
= (A B) (C D)
946
301
0
ao, entao u v = v u = vu .
Sejam u e v dois vetores com a mesma dimens
Exemplo 21:
0
u = u1
0
u v = u1
u2
...
vn
u2 v 1
u2 v 2
..
.
...
...
..
.
u1 v n
u2 v n
...
un v 1
un v 2
0
.. = vu
.
un v n
u1 v 1
u1 v 2
un = .
..
u2 v 1
u2 v 2
..
.
...
...
..
.
u2 v n
...
un v 1
un v 2
0
.. = vu
.
...
v1
u1 v 1
v 2 u1 v 2
un . = .
.. ..
vn
u2
...
u1 v n
vn
v2
...
v1
v2
0
v u = .. u1
.
0
v = v1
un ;
u2
un v n
o de matrizes
3.12 Partic
a
Dada uma matriz A(mn) , podemos dividi-la em sub-matrizes, de acordo com o interesse.
Exemplo 22:
1
1
X=
1
1
1
1
0
0
0
0
= X1
1
1
X2
Em que:
1
1
X1 = j =
1
1
1
1
X2 =
0
0
0
0
1
1
15
X = X1
X2
0
1
= 1
0
1
1
0
1
0
1
0
1
X1
0 =
0
X2
1
Ax = x
(2)
(A I) x = 0
(3)
A Equacao (3) forma um sistema de equacoes lineares homogeneo. Esse sistema ter
a
no mnimo a solucao trivial x = 0, quando a matriz (A I) e nao singular, ou seja,
|A I| =
6 0.
No entanto, como os autovetores x 6= 0, devemos entao obter para o sistema linear
homogeneo solucoes alem da trivial x = 0. Para isso, devemos considerar que:
|A I| = 0
(4)
1
(A I) =
1
4
|A I| = (1 )2 4 = 2 2 3.
|A I| = 0 2 2 3 = 0 =
24
1 = 3 e
2
2 = 1.
16
Ax = x
1
1
4
1
x
x1
= 1
x2
x2
x1 + 4x2 = x1
x1 + x2 = x2
Considerando = 3:
x1 + 4x2 = 3x1
x1 + x2 = 3x2
x1 = 2x2
2
x1 =
1
Considerando = 1:
x1 + 4x2 = x1
x1 + x2 = x2
x1 = 2x2
2
x2 =
1
Qn
i=1 i .
ao n
umeros reais.
Se a matriz A for simetrica, entao todos os seus autovalores ser
ao mutuamente ortogonais.
Se a matriz A for simetrica, entao todos os seus autovetores s
Ou seja:
xi xj = 0
Seja a matriz A for real e simetrica, com autovalores iguais a 1 , 2 , . . ., n , e seus
respectivos autovetores normalizados e1 , e2 , . . ., en . Entao podemos escrever A pela
decomposicao espectral:
A=
n
X
i=1
i ei ei