Вы находитесь на странице: 1из 29

Apostila: Matrizes e Determinantes

1

Matrizes

1.1 Conceitos Básicos

Prof. André Luís Rossi de Oliveira

Chamamos de matriz a uma tabela de elementos dispostos em linhas e colunas.

Exemplos:

(1)

Considere a tabela abaixo:

 

Altura (metros)

Peso (quilos)

Idade (anos)

Pessoa 1

1,70

70

23

Pessoa 2

1,75

60

45

Pessoa 3

1,60

52

25

Pessoa 4

1,81

72

30

Ao abstraírmos os significados das linhas e colunas, obtemos a matriz

(2)

1, 70

1, 75

1, 60

1,81

70

60

52

72

23

45

25

30

Os elementos de uma matriz podem ser números, funções etc, como nas

matrizes abaixo:


2

x

x
x

x + 1

1

2

⎥ ⎦

3

[

5

sen x

2

]

0

e

3 x

3

⎥ ⎦

Representamos uma matriz de m linhas e n colunas por

A

m

×

n

=

a

a

a

11 12

a

21 22

a a

m

1

m

2

a

a

1 n

2 n

a

mn

⎦ ⎥

=⎡ ⎣ a ⎤ ⎦

ij

m

×

n

,

onde

a ij

é o elemento característico da matriz, com i representando a linha e j, a coluna.

Definição: Duas matrizes

A

m

×

n

=⎡ ⎣ a

ij

m

×

n

e

B

r

×

s

=⎡ ⎣ b ⎤ ⎦

ij

r

×

s

são iguais, ou seja, A = B , se elas

têm o mesmo número de linhas ( m = r ) e colunas ( n = s ) e todos os seus elementos

correspondentes são iguais (

a ij

2

2

3

= b

ij

).

ln1

0

1

Exemplo:

sen 90 9
sen
90
9

3

o

⎦ ⎥

=

4

3

0

0

0

1

1

⎥ ⎥ 3 ⎥ ⎦

3

cos 90

0

1.2 Tipos Especiais de Matrizes

Seja

A

m

×

n

uma matriz com m linhas e n colunas. Alguns tipos importantes de matrizes

são os seguintes:

(a) Quadrada: É aquela cujo número de linhas é igual ao número de colunas

( m = n ).

2

4

2

0

8

8

−⎤

⎥ ⎦

9

7

6

3

×

3

[] 1 1

4

×

(b)

Nula:

a =

ij

0

i j

,

.

0

0

0

0

0000

0000

0000

0000

(c)

Coluna: n = 1 .

1

4

⎢−⎥

3

6

0

⎢−⎥

8

7

Uma matriz coluna é chamada de vetor-coluna.

(d) Linha: m = 1.

[3 7 4]

[6

4

1

8]

Uma matriz linha é chamada de vetor-linha.

(e)

Diagonal: É uma matriz quadrada onde

a

ij

0

= ∀i j .

(f)

2

⎢ ⎣ 0

0

0

1

0

⎥ −⎥ 4

0

0

Identidade: É uma matriz diagonal onde todos os elementos da diagonal são

i j .

iguais a 1, ou seja,

a

=

ii

1 e

a =

ij

0

(g)

(h)

(i)

1

0

001

1

0

0

0

⎦ ⎥

Triangular Superior: É uma matriz quadrada onde todos os elementos abaixo

da diagonal são nulos, isto é,

a ij

=

0

i > j .

4

0

0

0

3

1

0

0

2

0

3

0

9

4

−⎥

1

1

Triangular Inferior: É uma matriz quadrada onde todos os elementos acima

da diagonal são iguais a zero, isto é,

a ij

=

0

i < j .

⎢−

2

3

3

2

0

4

0

200

4

8

9

3

0

0

Simétrica: É uma matriz quadrada onde

a

ij

= a

ji

i j .

,

⎢− ⎣

1

2

4

2

3

1

−⎤ 4

⎥ ⎦

1

2

1.3 Operações com Matrizes

Adição:

A

+ =⎡

B

a

ij

+

b

ij

⎦ ⎤

m

×

n

, onde

A

m

×

n

=⎡ ⎤

a

ij

e

B

m

×

n

=⎡ ⎣ b ⎤ ⎦ .

ij

Exemplo:

1

3

4

−⎤

−⎥ 2 ⎦ ⎢ ⎣

5

3

0

+ ⎢ ⎢ −

7

9

−⎤

⎣ ⎢

8

1

1

0

⎥ ⎦

= ⎢ ⎢ −

4

13

13

2

2

Propriedades da adição: Dadas as matrizes A, B e C de mesma ordem mxn, temos:

(i)

A + B = B + A (comutatividade)

(ii)

A + (B + C) = ( A + B)+ C (associatividade)

(iii)

A + 0 = A , onde 0 é a matriz nula mxn.

Demonstração: Exercício!

Multiplicação por escalar:

Exemplo:

7

0

4

−⎤ ⎡

3

5

=

0

28

k A

.

=⎡ ⎣ ka ⎤ ⎦

ij

21

35

m

×

n

, onde

A

=⎡ ⎣ a ⎤ ⎦

ij

m

×

n

e k é um número real.

Propriedades: Dadas matrizes A e B de mesma ordem mxn e números reais

temos:

(i) k ( A + B) = kA + kB

(ii) (

k

1

+ k

2

)

(iii) 0.A = 0

(iv)

k

1

(

k A

2

)

A = k A+ k

1

=

(

k k

1

2

)

A

2

A

k,k

1

e k

2

,

Demonstração: Exercício!

Transposição: Dada uma matriz

A

=⎡ ⎣ a ⎤ ⎦

ij

m

×

n

, a matriz transposta de A é definida como

A

T

=⎡ ⎣ b ⎤ ⎦

ij

n

×

m

, cujas linhas são as colunas de A, isto é,

b

ij

= a

ji

i j .

,

Exemplos:

A

B

=

=

3

0

0

4

2

−⎤ 8

⎥ ⎦

7

3

2

1

B

A

T

T

=

=

4

2

3

8

2

1

0

7

0

3

Propriedades:

(i) Uma matriz é simétrica se, e somente se, ela é igual à sua transposta, ou seja,

(ii)

(iii)

(iv)

(v)

(

(

(

(

A

T

)

T

A + B

= A

)

T

T

= A + B

kA

)

AB

T

)

T

= kA

T

= B

T

A

T

T

A = A

T

.

Demonstração: Exercício!

Multiplicação

de

Matrizes:

matricial

AB

=

[

c

uv

]

m

×

p

por

c uv

Sejam

n

=

k = 1

a

uk

A

b

kv

=⎡ ⎣ a ⎤ ⎦

ij

m

=

a

u

1

b

1

v

×

n

e

B

=

[

b

rs

+ + b

a

un

nv

]

n

×

p

.

Perceba que só é possível efetuar o produto de duas matrizes

Definimos

A

m

×

n

e

B

l

×

p

o

produto

se

n = l , ou

seja, se o número de colunas da matriz que aparece pré-multiplicando for igual ao número de linhas da matriz que aparece pós-multiplicando.

Exemplos:

⎢ ⎥⎢

⎣ ⎦⎣

⎤⎡

3

4

1

2

4

A

5

6

4

3

8

0

3

2

⎥ ⎦

2

5

⎡⎤

⎢⎥

9

⎣⎦

=

8

9

1

1

= −

⎢−

0

7

=

()(

()(

3

4

) ()() ()() ()() ) ()() ()() ()()

− +

+

1

1

5

6

4

4

3

4

0

0

+

+

5

6

7

7

()() ()()

()() ()()

()() ()()

1

2

4

5

5

5

+

+

+

3

8

0

9

9

9

9

0

3

x

=

⎣ ⎢

x

x

x

1

2

3

⎥ ⎦

=

Ax

⎢ ⎣

32

82

⎥ ⎦

2

20

=

⎢ ⎣ −

x

8

+

3

x

1

x

1

1

2

x

2

+

x

2

+

9

9

x

2

x

3

+

3x

3

Propriedades:

(i) Em geral, AB BA .

1

Exemplo: Se

1

= −

⎢− ⎣

3

2

2

1

A

1

1

0

⎥ ⎦

B

=

⎢ ⎣

1

2

1

2

4

2

3

6

3

, então

AB

=

000

0

000

0

0

⎥ ⎦

e

BA

⎡− = ⎢ ⎢ − ⎢ ⎣ −

11

22

11

6

12

6

2

−⎥ 1

1

=

17

20

35

42

É importante perceber que AB = 0 sem que A = 0 ou B = 0 .

Desde que estejam bem definidas as operações, as seguintes propriedades são válidas:

(ii)

(iii)

(iv)

(v)

(vi)

(vii)

AI = IA = A

A(B + C) = AB + AC

( A + B)C = AC + BC

( AB)C = A(BC)

(

AB

)

T

= B

T

A

T

0.A = 0 e A.0 = 0

1.4

Matriz Inversa

Definição: Seja A uma matriz quadrada. A matriz inversa de A, denotada por

que satisfaz a condição

AA

1

=

A

1

A

=

I .

A

1

, é aquela

Obs.: (i) Nem toda matriz quadrada possui inversa. Se uma matriz quadrada possui

inversa, ela é chamada de não-singular. Se ela não possui inversa, é chamada de singular.

(ii) Se existe a matriz inversa, então ela é única.

Exemplos: Se

A = ⎢ ⎣

3

0

1

2

⎥ ⎦

e

⎣ ⎢

B =

1

1

− 3 6 1 0
3
6
1
0

2

, então

⎥ ⎦

AB

=

⎢ ⎣

3

0

1

2

⎤⎡ 2 −⎤ 1

⎦⎣

1

⎣ ⎢

6

0

⎥ ⎦

1

=

⎢ ⎣

1

0

0

1

⎦ ⎥ =

=

⎥⎢

6

0

6

6

=

0

3

Podemos verificar facilmente que BA = I , de forma que B

Propriedades:

(i)

(ii)

(

(

A

1

AB

)

)

1

1

=

=

A

B

1

A

1

I .

A

1

e

A

=

B

1

.

Demonstração: Seja C a inversa de AB. Então CAB = I , de forma que

CABB

1

A

1

=

IB

Mas também é verdade que

o que implica

C

=

B

1

CABB

A

1

.

1

A

1

=

CAIA

1

1

A

1

=

=

CAA

B

1

1

A

1

=

CI

.

=

C,

(iii)

(

A

T

)

1

=

(

A

1 T

)

1.5 Sistemas de Equações Lineares e Matrizes

Um sistema de equações lineares com m equações e n incógnitas é um conjunto de

equações do tipo:

a

a

a

⎪ ⎪

11 x

1

21 x

1

m 1

x

1

+ a

+ a

12

x

2

22

x

2

+ a

m

2

x

+

+

+

+

a

1

n

x

n

a

2

n

x

n

=

=

b

1

b

2

2

+

+

a

mn

x

n

=

b

m

onde os

a

ij

,1

,1

i m j n

, são números reais.

( x

1

,

Uma

x

2

,

,

solução

do

sistema

acima

é

uma

lista

de

x

n

) que satisfaça simultaneamente as m equações.

n

números

(n-upla)

do

tipo

O sistema pode ser escrito na forma matricial como

a

a

11

21

a

m

1

a

a

12

22

a

m

2

a

a

1

2

n

n

a

mn

⎤⎡ x ⎤ ⎥ ⎥ ⎥ ⎥ ⎦⎣ ⎥⎢ x ⎦ ⎥

⎥⎢

⎥⎢

⎥⎢

⎥⎢

x

1

2

n

=

⎡ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣

b

b

1

2

b

n

⎦ ⎥

ou

Ax

=

b

,

onde A é a matriz dos coeficientes, x é o vetor das incógnitas e b é o vetor dos termos

independentes.

Outra matriz importante é a matriz ampliada do sistema:

a

a

11

21

a

m

1

a

a

12

22

a

m

2

a

a

1

2

n

n

a

mn

b

b

1

2

b

n

⎤ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦

Exemplo: Considere o sistema

2

x

x

1

x

1

1

+

+

+

5

3

7

x

2

x

2

2

+

9

x

5

x

3

= 7

x

3

x

3

= 4

=− 3

. A sua forma matricial é

Operações Elementares

2

1

1

3

7

5

−⎤⎡ 5 x ⎤ ⎡ ⎥ ⎥

x

x

7

⎢ ⎢ ⎢ ⎣ −⎥ 3

4

⎥⎢

⎥⎢

⎥⎢

1

2

3

1

9

=

⎦⎣ ⎦

(i) Permuta da i-ésima e j-ésima linhas (

L

i

L

j

)

.

Exemplo:

L L

1

2

2

4

⎢− ⎣

5

2

⎥ ⎦

0

1

4

2

⎢− ⎣

5

−⎤ 2

⎥ ⎦

0

1

(ii) Multiplicação da i-ésima linha por um escalar (número real) não nulo k (

Exemplo:

L →−2L

3

3

⎡ ⎤

4 2

⎢−

⎣ ⎦

2 0

− →

5 1

⎣ ⎢

2

4

10

⎥ −⎥ 2

0

2

L kL

i

i

)

(iii) Substituição da i-ésima linha pela i-ésima linha mais k vezes a j-ésima linha

(

L

i

Exemplo:

L + kL

i

j

)

L

2

L +3 L

2

1

⎡ ⎤

4 2

⎢−

⎣ ⎦

2 0

5 1

⎢− ⎣

2

10

5

0

1

2

⎥ ⎦

Se A e B são matrizes mxn, dizemos que B é linha-equivalente a A se B pode ser

obtida de A através de um número finito de operações elementares sobre as linhas de A. A

notação para isso é A B ou A B .

Exemplo:


1

4

⎢− ⎣

3

1 ⎥ ⎥ →

⎦ ⎥

0

4

⎣ ⎢

1

0

0

0

1

0

, pois

1

4

⎢− ⎣

3

0

⎥ ⎦

1 ⎯⎯⎯⎯⎯→

L

2

→ −

L

2

4

L

1

4

1

0

⎢− ⎣

3

0

⎥ ⎦

1 ⎯⎯⎯⎯→

L

3

→ +

L

3

3

L

1

4

⎯⎯⎯⎯→

L

2

→−

L

2

1

0

0

0

1

4

⎥ ⎦

⎯⎯⎯⎯⎯→

L

3

→ − 4

L

3

L

2

⎢ ⎣

1

0

0

0

1

0

⎥ ⎦

⎢ ⎣

1

0

0

0

1

4

Teorema: Dois sistemas que possuem matrizes ampliadas equivalentes são equivalentes, ou

seja, toda solução de um dos sistemas também é solução do outro.

Demonstração: Não será apresentada.

Forma Escada

Definição: Uma matriz mxn é linha-reduzida à forma escada se:

(a)

O primeiro elemento não nulo de uma linha não nula é 1;

(b)

Cada coluna que contém o primeiro elemento não nulo de alguma linha tem todos

os seus outros elementos iguais a zero;

(c)

Toda linha nula ocorre abaixo de todas as linha não nulas;

(d)

Se as linhas 1,

,r

são as linhas não nulas, e se o primeiro elemento não nulo da

linha i ocorre na coluna

Exemplos:

k

i

, então

k

1

< k < < k

2

r

.

(1)

A matriz

(2)

A matriz

(3)

A matriz

1

⎢ ⎣

⎢ ⎣

0

0

0

1

0

4

0

1

3

0

0

0

0

0

⎥ ⎦

⎥ ⎦

0

2

1

0

⎣ ⎢

1

001

000

0

não satisfaz as condições (b) e (c).

não satisfaz as condições (a), (b) e (d).

2

0

0

2

3

0

⎦ ⎥

está na forma escada.

Teorema: Toda matriz

escada.

Dem.: Não será apresentada.

A

m

×

n

é linha-equivalente a uma única matriz linha-reduzida à forma

a matriz linha-reduzida à forma escada

equivalente a A. O posto de A, denotado por p, é o número de linhas não nulas de B. A

Definição: Dada uma matriz

A m

× n

,

seja

B m

×

n

nulidade de A é igual ao número n-p.

Exemplo: Considere a matriz

2

A = − 1 0

1

1

2

1

3

1

0

5

1

. Efetuamos as seguintes operações:

⎡ 1 2 1 0 ⎤ ⎡ 1 2 1 0 ⎤ ⎡ 1 2
1
2
1
0
1
2
1
0
1
2
1
0
1 0
3
5
⎯⎯⎯⎯→
0
2
4
5
⎯⎯⎯→
0
1
2
5 2
L
L
+
L
L
2
2
1
2
L
L
L
L
2
3
3
1
2
1
− 2
1
1
0
4
0
1
0
4
0
1
⎣ ⎢
⎦ ⎥
⎣ ⎢
⎡ 1
0
3
− 5 ⎤
1
0
3
5 ⎤
⎡ 100
⎯⎯⎯⎯⎯→
0
1
2
5 2
⎯⎯⎯→
0
1
2
5 2
⎯⎯⎯⎯⎯→
0
1
0
→ L
2
L
L
L
→ +
L
3
L
L 1
1
2
3
L
1
1
3
→ L
+ 4
L
3
L
→L − L
2
L 3
3
2
8
2
2
3
0
0
8
11
0
0
1
11 8
0
0
1
⎦ ⎥
⎣ ⎢
⎦ ⎥
O posto de A é 3 e a nulidade é 4-3=1.

7 8

1 4

11 8

⎥ ⎦

Podemos interpretar a matriz A como sendo a matriz ampliada do seguinte sistema

linear:

x

2

+

1

x +

x

1

1

2

+

x

0

x

2

x

2

2

+

x

3

+

3

x

3

=

x

=

0

3

= 5

1

Pelo que foi demonstrado acima, esse sistema é equivalente ao seguinte sistema:

⎧ 7 x 1 =− ⎪ 8 ⎪ ⎪ 1 ⎨ x =− 2 4
7
x 1 =−
8
1
x
=−
2
4
11
x
=
3
8

Soluções de Sistemas de Equações Lineares

Considere o sistema formado de apenas uma equação e uma incógnita

caso, há três possibilidades:

(i)

a 0 : Existe uma única solução

x =

b

a

.

ax = b

. Nesse

(ii):

solução.

(iii) a = 0 e b 0 : Neste caso, o sistema torna-se 0x = b e não possui solução.

a = 0 e b = 0 : Neste caso, o sistema torna-se 0x = 0 e qualquer número real é uma

Analogamente, no caso de um sistema de m equações lineares e n incógnitas, há três

casos possíveis: uma única solução, infinitas soluções ou nenhuma solução. No primeiro

caso, o sistema é dito possível (ou compatível) e determinado, no segundo, possível e

indeterminado, e, no terceiro, impossível (ou incompatível).

O seguinte teorema traz alguns resultados sobre a existência de soluções.

Teorema:

(i) Um sistema de m equações e n incógnitas admite solução se, e somente se, o posto da

matriz ampliada é igual ao posto da matriz de coeficientes;

(ii)

Se as duas matrizes têm o mesmo posto p e p = n , a solução é única.

(iii)

Se as duas matrizes têm o mesmo posto e p<n, podem ser escolhidas n-p incógnitas, e

as demais p incógnitas serão dadas em função destas.

Exemplos:

(1) O sistema com matriz ampliada

⎢ ⎣ 001

1

0

0

1

0

0

⎥ −⎥ 2

5

1

tem solução única, dada por

x

1

= 5, x

2

= −1, x = −2 , já que o posto da matriz de coeficientes ( p ) é igual ao da matriz

3

c

ampliada ( p ),

a

(2)

Para

o

p = p =

c

a

3, e o número de incógnitas é igual ao posto.

sistema

com

matriz

ampliada

1

0

0

1

8

2

−⎤

2

5

⎦ ⎥ ,

2,

p = p = m =

c

a

2,

n =

3,

p = 2 , de maneira que há infinitas soluções, dadas por

(3)

x

1

x

2

2

8

x

x

=− −

= +

5

2

3

3

O sistema com matriz ampliada

1

0

1

8

2

0

000

−⎤ 2

5

⎥ ⎦

3

é impossível, pois

p =

c

2,

temos

p =

a

3.

(4)

Considere o sistema

x

1

x

1

x

x

+ +

+

2

3

0

= 0

234

2

x

3

+

2

x

4

x

+

x

=

. A matriz ampliada do sistema pode ser

transformada na forma escada através das seguintes operações.

⎢ ⎣

1

1

2

3

1

1

1

2

0

0

⎥ ⎦

⎯⎯⎯⎯→

L L L

2

2

1

⎢ ⎣

1

0

2

1

1

2

1

1

0

0

⎥ ⎦

⎯⎯⎯⎯→

L L

1

1

2

L

2

⎢ ⎣

1

0

0

1

5

2

1

1

0

0

Podemos

observar

que

liberdade. As variáveis

seguintes soluções do problema:

x

3

e