Baixe Algebra Linear 8.Ed 2001 e outras Manuais, Projetos, Pesquisas em PDF para Matemática, somente na Docsity!
ANTON + RORRES
Algebra Linear
com Aplicações
SE 4
a
"O pqurto!
A634a Anton, Howard
Algebra lincar com aplicações / Anton Howard e Chris Rorres;
trad. Claus Ivo Doering, — 8, ed, — Porto Alegre : Bookman, 2001,
ISBN 978-85-7307-847-3
1. Álgebra linear. 1. Rorres, Chris. IL. Título.
CDU 512.1/.9
Catalogação na publicação: Mônica Ballejo Canto - CRB 10/1023
Para minha esposa Pat
e meus filhos
Brian, David e Lauren
HA
Para Billie
CR
Prefácio
Este livro é uma versão ampliada da oitava edição da obra Elementary Linear
Algebra, de Howard Anton. Os dez primeiros capítulos de ambos os textos são idênticos;
o décimo primeiro capítulo deste livro consiste E 21 aplicações da álgebra linear, esco-
lhidas dentre a administração, economia, engenharia, física, ciência da computação, teo-
ria da aproximação, ecologia, sociologia, demografia é genética. As aplicações são, com
uma única exceção, independentes uma da outra e cada uma é antecedida por uma lista
de pré-requisitos matemáticos. Assim, cada professor tem a flexibilidade de escolher as
aplicações mais adequadas a seus alunos e de incorporar as aplicações em qualquer parte
da disciplina, depois de satisfeitos os pré-requisitos.
Esta edição, no espírito das anteriores, dá um tratamento elementar à álgebra linear
€ suas aplicações, ideal para estudantes universitários de primeiro e segundo anos, O
tino é apresentar os fundamentos da álgebra linear e suas aplicações da maneira mais
clara possível. O cálculo não é um pré-requisito, mas há exemplos e exercícios clara-
mente assinalados para alunos que têm conhecimento de cálculo. Estes exercícios podem
ser omitidos sem perda de continuidade. Recursos computacionais também não são
exigidos, mas incluímos exercícios nos finais de capítulos para aqueles que gostariam de
usar MaTLAB, Mathematica, Maple ou calculadoras com funcionalidade de álgebra linear.
— EEE"
RESUMO DAS MUDANÇAS DESTA EDIÇÃO
Esta edição é um aperfeiçoamento da edição anterior, Nós tentamos manter a clareza e o
estilo, mas também atender as necessidades de uma nova geração de alunos. Aqui está
um resumo das mudanças:
* Acrescentamos Exercícios que Requerem o Uso de Recursos Computacionais:
Um conjunto de exercícios computacionais foi acrescentado ao final dos capítulos;
os exercícios são idos por seção, de modo que podem ser resolvidos junto com
os outros exercícios. Os exercícios computacionais foram projetados para acostumar
o aluno com os comandos básicos necessários para resolver problemas de álgebra
lincar usando recursos computacionais. Os exercícios foram escritos em uma forma
genérica e livre de sintaxe, pois entendemos que os manuais da ferramenta utilizada
serão a fonte primária para comandos específicos e para os procedimentos
necessários. Para aliviar o estudante da tarefa de formatar dados, os dados para os
exercícios computacionais nos formatos de MaTLAR, Maple e Mathematica podem
ser baixados de jws-edev.wiley.com/college/.
e Acrescentamos Exercícios de Discussão e Descoberta: Uma nova categoria de
exercícios, classificados como Discussão e Descoberta, foi acrescentada a muitos
conjuntos de exercícios. Acompanhando as modernas tendências didáticas, estes
exercícios são mais abertos que os demais, incluindo verdadeiro/also, conjecturas,
descoberta e explicações informais sobre como chegar às conclusões.
e Refinamento da Exposi
mudança substancial de esti
Partes do texto foram aprimoradas, mas não houve
, Organização ou conteúdo, exceto as já observadas.
e Uma Nova Aplicação em Deformações e Morfismos: Esta nova aplicação, ao final
do Capítulo 11, fornece uma introdução a modernas técnicas de processamento de
imagens disponíveis em computação gráfica.
Agradecimentos
Nós expressamos nosso agradecimento pela orientação prestada pelas seguintes pessoas:
REVISORES E COLABORADORES DE EDIÇÕES ANTERIORES
Steven C. Althoen, University of Michigan-Flint
€.S. Ballantine, Oregon State University
Erol Barbut, University of ldaho.
George Bergman, University of California-Berkeley
William A. Brown, University of Maine
Joseph Buckley, Western Michigan University
Thomas Cairns, University of Tulsa
Douglas E. Cameron, University of Akron
Bomshik Chang, University of British Columbia
Peter Colwell, Jowa State University
Curolyn A. Dean, University of Michigan
Ken Dunn, Dalhonsie University
Bruce Edwards, University of Florida
Murray Eisenberg, University of Massachusetts
Harold S. Engelsohn, Kingsborongh Comnr. College
Garret Eigen, University of Houston
Marjorie E. Fitting, San Jose State University
Dan Flath, University of South Alabama
David E. Flesner, Gertysburg College
Mathew Gould, Vanderbilt University
Ralph P. Grimaldi, Rese-Hulman Institute
William W. Hager, University of Florida
Collin J. Hightower, University of Colorado
Joseph F. Johnson, Rutgers University
Robert L. Kelley, University of Miami
Arlene Kleinstein
Myren Krom, California State University
Lawrence D. Kugler, University of Michigan
Charles Livingston, Indiana University
Nicholas Macri, Temple Universiry
Roger H. Marty, Cleveland State University
Patricia T. McAuley, SUNY-Binghamton
Robert M. MeConnel, University of Tennessee
Douglas McLecod, Drexe! University
Michael R. Meek, Southern Connecticut State Univ,
Craig Miller, University of Pennsylvania
Donald P. Minassian, Butler University
Hal G. Moore, Briglan Foung University
Thomas E. Moore, Bridgewater Siate College
Robert W. Negus, Rio Hondo Junior College
Bart S. Ng, Purdue University
James Osterburg, University of Cincinnati
Michagl A. Penna, Inediana-Pirchie University
Gerald J. Porter, University of Pennsylvania
F. PJ. Rimrott, University of Toronto
C. Ray Rosentrater, Westnonr College
Kenneth Schilling, University of Michigan-Flinr
William Scot, University of Utalr
Donald R. Sherbert, University of dllinois
Bruce Solomon, Indiana University
Mary T. Treanor, Valparaiso University
William E. Trench, Trinity University
Joseph L. Ullman, University of Michigan
W. Vance Underhill, East Texas State University
James R. Wall, Aubura University
Ambhur G. Wasserman, University of Michigan
Evelyn J. Weinstock, Glasshoro State College
Rugang Ye, Stanford Universiry
Frank Zorzitto, University of Waterloo
Daniel Zwick, University of Vermonr
xii o e o Agradecimentos
Revisores e Colaboradores da Sétima Edição
Mark B. Beinterna, Southern flinois University
Paul Wayne Brit, Louisiana State University
David €, Buchthal, University of Akron
Keith Chavey, University of Wisconsin-River Falls
Mare Frantz, Indiana-Purdue University
Sue Friedman, Bernand M. Baruch College, CUNY
William Golightly, College of Charteston
Hugh Haynsworth, College of Charleston
Tom Hern, Bowling Green State University
1. Hershenov, Queens College, CUNY
Steve Humphries, Brigham Young University
Steven Kahan, Queens College, CUNY
Andrew S. Kim, Hesificid State College
John €. Lawlor, University of Fermonr
M. Malek, California State University ar Hayveard
1.J. Malone, Bôrcester Polytechnic Institute
Stephen L. Davis, Davidson College
Blaise DeSesa, Drexel University
Dan Flath, University of Sowth Alabama
Peter Fowler, California State University
William McWarter, Ohio Stare Universiry
Valerie A. Miller, Georgia State University
Hal G. Moore, Brigham Young University
S. Obaid, San Jose State University
Tra J. Papick, University of Missouri-Columbia
Donald Passman, University of Wisconsin
Robby Robson, Oregon State University
David Ryeburn, Simon Fraser University
Ramesh Sharma, University of New Haven
David A. Sibley, Pennsylvania State University
Donald Story, University of Akron
Michael Tarabek, Southern IHinois Universiny
Solução de Problemas, Leitura Crítica e Índice
Michacl Dagg, Numerical Solutions, Inc.
Susan L. Friedman, Bernard M. Baruch
College, CUNY
Outros Colaboradores Agradecimentos es
icativas à qualidade da matemática e da expi
contribuições sig
George Bergman, University of California-Berkeley
Stephen Davis, Davidson College
Blaise DeSesa, Drexe! University
Dan Flath, University af South Alabama
Marc Frantz, Indiana-Purdue University
Maureen Kelley, Northern Essex Community College
Randy Schwartz, Schoolerafi College
Daniel Traster (Estudame), Yale University
os seguintes professores, que leram o texto com cuidado e deram
William McWorter, Ohio State University
Donald Passman, University of Wisconsin
David Ryeburn, Simon Fraser University
Lois Craig Stagg, Universin of Hisconsin-Milwankee
“Co oo
REVISORES E COLABORADORES DA OITAVA EDIÇÃO
Richard Alfaro, University of Michigan-Flint
Stuart Boersma, difred University
Scott Chapman, Trinity University
KarabgDatta, Northern Hlinois University
Mark Davis, Ciy College of San Francisca
Alberto L. Delgado, Kansas State University
Willy Hereman, Colorado School af Mines
Chandanie Hetti-Arachchige, Northern INinois
University
Farhad Jafari, University of Wyoming
Eugene W. Johnson, University af lowa
John Johnson, George Fox College
Steven Kahan, Queens College
John W. Krussel, Lewis de Clark College
Steffen Lempp, University of Wisconsin
Thomas A. Metzger, University of Pittsburgh
Gary L. Mullen, Pennsylvania State Universiny—
University Park
Sheldon Rothman, Long fsland Universiry-C Hº Post
Mark Sepanski, Bavlor University
Sally Shao, Cleveland State
Evelyn Weinstock, Rowan University
TJ. Ypma, Colorado Schoal of Mines
CAPÍTULO 1
CAPÍTULO 2
CAPÍTULO 3
CAPÍTULO 4
CAPÍTULO 5
CAPÍTULO 6
CAPÍTULO 7
CAPÍTULO 8
CAPÍTULO 9
CAPÍTULO 10
CAPÍTULO 11
Eira
Sumário Resumido
SISTEMAS DE EQUAÇÕES LINEARES E MATRIZES
DETERMINANTES
VETORES NOS ESPAÇOS BI E TRIDIMENSIONAIS
ESPAÇOS VETORIAIS EUCLIDIANOS
ESPAÇOS VETORIAIS ARBITRÁRIOS
ESPAÇOS COM PRODUTO INTERNO
AUTOVALORES E AUTOVETORES
TRANSFORMAÇÕES LINEARES
TÓPICOS ADICIONAIS
ESPAÇOS VETORIAIS COMPLEXOS
APLICAÇÕES DA ÁLGEBRA LINEAR
27
7171
101
129
157
201
239
257
291
333
363
15
Sumário
CAPÍTULO 1
CAPÍTULO 2
CAPÍTULO 3
CAPÍTULO 4
16
——— -=EEEEEEo oo
SISTEMAS DE EQUAÇÕES LINEARES E MATRIZES 27
1.1 Introdução aos
1.2 Eliminação Gaus
13 Matriz a
LA4 Inversas; Regras da Aritmética Matricial 49
[5 Matrizes Elementares e um Método para Encontrar A —! 56
1.6 Mais Resultados sobre Sistemas de Equações e Invertibilidade 62
1.7 Matrizes Diagonais, Triangulares e Simétricas 66
emas de Equações Lineares: 28
DETERMINANTES 71
2.1 A Função Determinante 78
2.2 Calculando Determinantes através de Redução por Linhas 82
2.3 Propriedades da Função Determinante 86
2.4 Expansão em Co-fatores; Regra de Cramer 91
VETORES NOS ESPAÇOS BI E TRIDIMENSIONAIS 101
3.1 Introdução aos Vetores (Geoméiricos) 102
3.2 Norma de um Vetor; Aritmética Vetorial 106
3.3 Produto Escalar, Projeções 109
34 Produto Vetorial LA
3.5 Retas e Planos nó Espaço Tridimensional 1
“ CC ES
ESPAÇOS VETORIAIS EUCLIDIANOS 129
4,1 Espaço Euclidiano n-dimensional 130
4.2 Transformações Lineares de R" em R” 137
4.3 Propriedades das Transformações Lineares de R” em R” 148
ETs
Srunário e ee VT
CAPÍTULO 5 ESPAÇOS VETORIAIS ARBITRÁRIOS 157
5.1 Espaços Vetoriais Reais 158
5.2 Subespaços 162
5.3 Independência Linear 169
54 Bases e Dimensão 174
5.5 Espaço-Linha, Espaço-Coluna e Espaço-Nulo 184
5.6 Posto e Nulidade 192
——— -==EEEEEEooooooooooooOoO
CAPÍTULO 6 ESPAÇOS COM PRODUTO INTERNO 201
6.1 Produtos Internos. 202
6.2 Ângulo e Ortogonalidade em Espaços com Produto Interno 208
6.3 Bases Ortonormais; Processo de Gram-Schmidt, Decomposição OR 215
6.4 Melhor Aproximação; Mínimos Quadrados 22
6.5 Matrizes Ortogonais; Mudança de Bases 229
CAPÍTULO 7 AUTOVALORES E AUTOVETORES 239
7.1 Autovalores « Autovelores 240
7.2 Diagonalização 245
7.3 Diagonalização Ortogonal 251
CAPÍTULO 8 TRANSFORMAÇÕES LINEARES 257
8.1 Transformações Lineares Arbitrárias 258
8.2 Núcleo e Imagem 264
8.3 Transformações Lincares Inversas 268
84 Matrizes de Transformações Lincares Arbitrárias 273
8.5 Semelhança 280
CAPÍTULO 9 TÓPICOS ADICIONAIS 291
9.1 Aplicação a Equações Diferenciais 292
9.2 Geometria dos Operadores Lineares de R? 295
9.3. Ajuste de Mínimos Quadrados a Dados 302
9.4 Problemas de Aproximação; Séries de Fourier 305
9.5 Formas Quadráticas 308
9.6 Diagonalização de Formas Quadráticas: Seções Cônicas 313
9.7 Superfícies Quádricas 318
9.8 Comparação dos Procedimentos para Resolver Sistemas Lineares 321
9.9 Decomposição LU 326
11.4 O PROBLEMA DA ALOCAÇÃO DE TAREFAS [p. 377]
Um problema importante na indústria € o do desto- E * a
camento de pessoal e de recursos de uma maneira
eficiente quanto ao custo. Por exemplo, uma cons- e
trutora pode querer escolher rotas para movimentar
equipamento pesado de seus depósitos para os
locais de construção de maneira a 1
tância total percorrida.
7 11.5 INTERPOLAÇÃO SPLINE CÚBICA [p- 384]
As fontes tipográficas PostScript? e TrueType?M usadas em telas
de monitores e por impressoras são definidas por curvas polinomi-
ais por partes denominadas splínes. Os parâmetros que determinam
estes splines estão estocados na memória do computador, um con-
N junto de parâmetros para cada um dos caracteres de uma particular
/ j fonte.
11.6 CADEIAS DE MARKOY [p. 390]
Os registros meteorológicos de uma localidade
específica podem ser usados para es! a probabi-
lidade de que vá nevar em um certo dia a partir da
informação de que nevou ou não no dia anterior. À
teoria de cadeias de Markov pode utilizar tais dados
para prever, com muita antecedência, a probabilidade
de um dia com neve na localidade
11.7 TEORIA DE GRAFOS [p. 397]
A classificação social num grupo de animais é uma relação
«que pode ser descrita e analisada com a teoria de grafos.
Esta teoria também tem aplicações a problemas tão distin-
tos como a determinação de rotas de companhias aéreas e a
análise de padrões de votação.
Eira
TT".
11.8 J0GOS DE ESTRATÉGIA [p. 405]
No jogo de roleta o jogador dá seu lance com uma
aposta e o cassino responde com o giro da roleta; o
lucro para o jogador ou para o cassino é determinado
a partir destes dois movimentos. Estes são os ingre-
dientes básicos de uma variedade de jogos que con-
tém elementos tanto de estratégia quanto de acaso. Os
métodos matriciais podem ser usados para desen-
volver estratégias otimizadas para os jogadores.
11.9 MODELOS ECONÔMICOS DE LEONTIEF [p. 41 1]
Num sistema econômico simplificado, uma mina E
de carvão, uma ferrovia e uma usina de energia
necessitam cada uma de uma parte da produção das
outras para su nutenção e para suprir outros
consumidores de seu produto. Os modelos de pro-
dução de Leontief podem ser usados para determi-
nar o nível de produção necessário às três indústrias
para manter O sistema econômico.
"UõÕ
11.10 ADMINISTRAÇÃO DE FLORESTAS
[p. 417]
O administrador de uma plantação de árvores de
Natal quer plantar e cortar as árvores de uma
maneira tal que a configuração da floresta per-
maneça inalterada de um ano para outro. O
administrador também procura maximizar os
rendimentos, que dependem do número e do
tamanho das árvores cortadas. Técnicas matri-
ciais podem quantificar este problema e auxiliar
o administrador a escolher uma programação
sustentável de corte.
COMPUTAÇÃO GRÁFICA
[p. 422]
Uma das apli
putação gr
matrizes fornecem uma m:
de lidar com a enorme qu
necessários para construir e animar os obje-
tos tridimensionais usados por simuladores
de vôo para representar um cenário em movi-
mento.
úteis da com-
a do simulador de vôo. As
ira conveniente
DISTRIBUIÇÃO DE
TEMPERATURA DE EQUILÍBRIO
[p. 429]
ica da ciência e da engenharia,
reduzida a resolver um sistema
lincares através de técnicas
iterativas, é determi
de temperatura de objetos tais como
ado aço saindo da fornalha.
Uma tarefa bá
que pode
| 1.1 3 TOMOGRAFIA COMPUTADORIZADA [p. 436]
Um dos principais avanços no diagnóstico médico
é o desenvolvimento de métodos não invasivos
para obter imagens de seções transversais do
corpo humano, como a tomografia computa-
dorizada e a ressonância magnética. Os métodos
da álgebra lincar podem ser usados para recons-
truir imagens a partir do escaneamento por raios X
da tomografia computadorizada.
“ TT”
11.19 COLHEITA DE POPULAÇÕES ANIMAIS [p. 486]
A colheita sustentada de uma criação de
animais requer o conhecimento da
demografia da população animal. Para
maximizar o lucro de uma colheita pe-
riódica, podem ser comparadas diversas
estratégias de colheita sustentada uti-
lizando técnicas matriciais que
descrevem a dinâmica do crescimento
populacional.
ii ———eeoe
11 20 UM MODELO DE MÍNIMOS QUADRADOS PARA A AUDIÇÃO HUMANA
[p- 490]
O ouvido intemo contém uma estrutura com milhares de receptores sensoriais ciliares. Estes receptores,
movidos pelas vibrações do tímpano, respondem a fregiiências diferentes de acordo com sua localização
e produzem impulsos elétricos que viajam até o cérebro através do nervo auditivo. Desta maneira, o ouvi-
do interno age como um processador de sinais que decompõe uma onda sonora complexa em um espec-
tro de fregiiências distintas.
Nervo auditivo.
Cócica
Células clliadas
Membranas tectória
11.21 DEFORMAÇÕES E MORFISMOS [p. 495]
Das dezesseis imagens apresentadas mostrando uma mulher ao longo de um período de cinquenta anos,
somente as quatro na diagonal do topo à esquerda até a base à direita são fotografias reais. As demais são
imagens geradas por computador, denominadas morfismos, que são misturas das fotografias reais. Tais
técnicas de manipulação de imagens têm encontrado inúmeras aplicações na indústria médica, científica
e de entretenimento.
Sistemas de Equações
Lineares e Matrizes
Conteúdo do Capítulo
LI Introdução aos Sistemas de Equações Lineares
12 Eliminação Gaussiana
13 Matrizes e Operações Matriciais
14 Inversas; Regras da Aritmética Matricial
15 Matrizes Elementares e um Método para Encontrar A“!
L6 Mais Resultados sobre Sistemas de Equações e Invertibilidade
17 Matrizes Diagonais, Triangulares e Simétricas
colunas formando agrupamentos retangulares chamados matrizes. Estas matrizes podem ser tabelas
de dados numéricos surgidos de observações físicas, mas também ocorrem em vários contextos
matemáticos. Por exemplo, nós veremos neste capítulo que para resolver um sistema de equações tal
como
| irei Muitas vezes na Ciência e na Matemática a informação é organizada em linhas e
Sx+y=3
M-y=á
toda a informação requerida para chegar à solução está encorpada na matriz
RR
= 4
e que a solução pode ser obtida efetuando operações apropriadas nesta matriz. Isto é particularmente
importante no desenvolvimento de programas de computador para resolver sistemas de equações li-
neares, porque os computadores são muito bons para manipular coleções de números. Contudo, as
matrizes não são simplesmente uma ferramenta de notação para resolver sistemas de equações linea-
res; elas também podem ser vistas como objetos matemáticos de vida própria, existindo uma teoria rica
e importante a elas associada que tem uma grande variedade de aplicações. Neste capítulo nós iremos.
começar o estudo de matrizes.
27
30 + o « Álgebra Lincar com Aplicações
Some -2 vezes a primeira equação
à segunda para obter esquerda
x+ p+ã
2y-*
Ie + 6r— Sr
Some -3 vezes a primeira equação
à terceira para obter
Multiplique à sogunda equação
por + para obter
+ y+ B= 9
y= ==
3y= lz==27
Some -3 vezes a segunda equação
à terecira para obter
a+y+% 9
7
Some -2 vezes a primeira linha
à segunda para obter direita
La 9
0 2-7 -17
3 6 -5
Some -3 vezes a primeira linha
à terceira para obter
ra 2 9
oz =
O 3-1 =27
Muktiplique a segunda linha
por 4 para obier
ra E 9
oh = =p
0 3 =| =27
Some -3 vezes a segunda linha
à terceira para obter
I
Pod
o 0 4 à
Multiplique a terceira equação
por =2 para obter
x+p+ri= 9
p= f=—H
= 3
Some = vez a segunda equação
à primeira para obier
a fá
tos ME
Some - É vezes a terceira
equação à primeirac | vezes
a terceira equação à segunda pará obter
a =1
x =2
ique a terceira linha
por =2 para obter
L 4% Ee
9 14-8
v 0 1 3
Some =! vez à segunda linha
à primeira para obter
04 $
zo
0 1-4 -&
l
Some — 4! vezes a terceira linha
A primeira É vezes a terceira
equação à segunda para obter
ro oa
0 10 2
o o 1.3
Asoluçãox=1,)=2,7=3 pode, agora, ser visualizada. +
1. Quais das seguintes equações são lineares em xx, 61;
(a) a +54 — VB = |
() xP +m+Bmn=5
(1) x — a + =senk
(b) ++ =?
() nf -Mmtm=4
I
db) kr — que 9
(0) x == + 3
(E) may — Dz + dita me 718
2. Sabendo que k É uma constante, quais das seguintes equações são lincares?
(0) Puta -n=0
3. Encontre o conjunto-solução de cada uma das seguintes equações lincares.
(1) Tx-5y=3
(0) —Bmn+tln— sn +óu=
tb) 3x — Sr, + dry =7
td) Ju —- Bmw +2x — py + dz =0
4. Encontre a matriz aumentada de cada um dos seguintes sistemas de equações lineares.
Jr — dz + dá
du +tm-— n=0
+2mn=1
(e) x + 2x
3x + xs
= ntr=io (dm
="=2
a + Ty |
5. Encontre o sistema de equações lincares correspondendo à matriz aumentada.
2 00 3 0-2 5
q|3 4 O ORE -3
GN d o | y
10007
od Ee à 0 10 02
(8) k 240 |] Moo 1 0/3
Do 0 1/4
6. (a) Encontre uma equação lincar nas variáveis x e y que tem x = 5 +21, y = 1 como solução geral,
(b) Mostre que x=1, = 5! = 5 também é a solução geral da equação da parte (a).
7. Acurvays= ax + bx + cmostrada na
do sistema de equações lineares cuja matriz aumentada é
a
om Lm É y=atsbr+e
a a don (sa)
dos ly E
8. Considere o sistema de equações
xty+ii=a
&
+y+ã
Mostre que para este sistema ser consistente
9. Mostre que se as equações lincares x, + kx
cent
Discussão e Descoberta
10. Para quais valores da constante k o sistema
L— y=3
MU —2p=k
não tem solução? Exatamente uma so
HM. Considere o sistema de equações
ar+ by=k
ext dy=!
ext fy=m
O que você pode dizer sobre a posição relativa das retas ax + by = k.
(a) o sistema não tem solução;
(b) o sistema tem exatamente uma solução;
(c) o sistema tem infinitas soluções?
Figura passa pelos pontos (x. %y).
ETs
Capítlo | « Sistemas de Equações Lineares e Matrizes * * e 31
e txs. x5). Mostre que os coeficientes a, b é e são uma solução
Figura Ex7
s constantes a, b e c devem satisfazer c = + b.
«têm o mesmo conjunto-solução, então as equações s
? Infinitas soluções? Explique seu raciocínio.
exady= le ex+ from. quando
12. Se o sistema do Exercício 11 for consistente, explique por que pelo menos uma das equações poderá ser descartada do sistema sem alterar o
conjunto-solução .
13. Se k=1 = no Exercício 11, explique por que o sistema deve ser consistente. O que pode ser dito sobre o ponto de corte das três retas se o
ma tem exatamente uma solução?
SSÃÕoÕ
1.2 ELIMINAÇÃO GAUSSIANA
Nesta seção nós vamos desenvolver um procedimento sistemáti-
co para resolver sistemas de equações lineares. O procedimento
é baseado na idéia de reduzir a matriz aumentada de um sistema
a uma outra matriz aumentada que seja suficientemente simples
a ponto de permitir visualizar a solução.
Forma Escalonada No Exemplo 3 da última seção nós
resolvemos um sistema linear nas incógnitas x, y e z reduzindo
a matriz aumentada à forma
a partir da qual a solução + +2=3 ficou evidente, Isto
é um exemplo de uma matriz que está em forma escalonada
reduzida por linhas. Para ser desta forma, uma matriz deve ter
as seguintes propriedades:
É. Se uma linha não consistir só de zeros, então 0 primeiro
número não-nulo da linha é um 1. Chamamos este
número 1 de líder ou pivô.
Se existirem linhas constituídas somente de zeros, elas
estão agrupadas juntas nas linhas inferiores da matriz.
Em quaisquer duas linhas sucessivas que não consistem
só de zeros, o líder da linha inferior ocorme mais à di-
reita que o líder da linha superior.
Cada coluna que contém um líder tem zeros nas demais
entradas.
3.
4.
Dizemos que uma matriz que tem as três primeiras propriedades
está em forma escalonada por linhas, ou simplesmente, em
forma escalonada. (Assim, uma matriz em forma escalonada
reduzida por linhas necessariamente está em forma escalonada.
mas não reciprocamente.)
32 e o e Álgebra Lincar com Aplicações
EXEMPLO 1 F Escalonada
As seguintes matrizes estão em forma escalonada reduzida por
linhas.
o 1-2 0 1
Las AE “0 0 13 [85]
o [DA 0): +
o o 1-1 001 Sos a
90 0 0 0
As seguintes matrizes estão em forma escalonada.
[RR Loo O asãe 48
[O “10 mo de Los
E ooo o
o 0 1-1 901 vo o od
Nós deixamos para você a tarefa de confirmar que cada uma das
matrizes deste exemplo satisfaz todos os requi
EXEMPLO 2 1
Como o último exemplo ilustra, uma matriz em forma escalo-
nada tem zeros abaixo de cada líder, enquanto que uma matriz
em forma escalonada reduzida por linhas tem zeros abaixo e
acima de cada líder. A: + Colocando qualquer número real no
lugar dos asteriscos, as matrizes dos seguintes tipos estão em
forma escalonada:
pe. Les
01 ++ 01 ++
001 +] 001 e]
0001 [9000
fon css sa a sw
RR:
00010 usa
a 00001 + us
0000]
io q q 000001“.
00000000 1+
Além disto, as matrizes dos seguintes tipos estão em forma
escalonada reduzida por linhas:
1000 100
0100 Q10+
oo10) |001+/
0001 jo 000
ERES 01000440
0d ds 000100++ 0:
e joo 00104 +04
0000
E Drg Rd 000001++0:+
0200000001:
+
Se a matriz aumentada de um sistema de equações lineares
for colocada em forma escalonada reduzida por linhas por meio
de uma sequência de operações elementares, então a solução do
istema está visível ou então se toma visivel depois de uns
poucos passos simples. O próximo exemplo ilustra isto.
Suponha que a matriz aumentada de um sistema de equações
lineares foi reduzida por operações sobre linhas à forma
escalonada reduzida por linhas dada. Resolva o sistema.
1 COL io! 5 O
jo 1 0-2 mjo 10 2 6
“o 14 o Oi 1.33 E
1 6 0 0 4 2
o cel os il EO:
(ei Mj0 120
qo q sz RÃ
“00000
Solução (a). O sistema de equações correspondente é
xy = 3
*
Por inspeção. x,=5, x, =-2, 4;
Solução (b). O sistema de equações correspondente é
y + dig =—]
dz +lu= 6
mtla= 2
Como x,.x, e x; correspondem a líderes na matriz aumentada,
dizemos que estas variáveis são variáveis líderes. As variáveis
não-líderes (neste caso, só x,) são chamadas variáveis livres.
Resolvendo as variáveis líderes em termos das variáveis livres,
obtemos
ml — das
m= 6-2
= 2%
A partir deste formato das equações nós vemos que podemos dar
um valor arbitrário à variável livre x,, digamos 1, que então
determina os valores das variáveis líderes x,.1, € x, Resulta,
assim, que há uma infinidade de soluções e que a solução geral
é dada pela fórmula
m=-l-d, n=6-Y
m=2-% n=r
Solução (c). A linha de zeros leva à equação 0x, + 0x, + Dx; +
0x,+ Ox; = 0, que não coloca restrições às soluções (por quê?).
Assim, podemos omitir esta equação & escrever o sistema cor-
respondente como
x +60 +dm=-2
no += |
mtôm= 2
Aqui, as variáveis líderes são x,, 1; € x, é as variáveis livres são
x, x, Resolvendo as variáveis líderes em termos das variáveis
livres obtemos
2— Gr — das
da= 1-3
= 2-5
Permutando as terceira e quarta linhas e então multiplicando a
terceira linha da matriz resultante por i dá a forma escalonada
132027200
G o Em Os 1
Co 60 vaias
v 0000 0/0
Somando -3 vezes a terceira linha à segunda linha e depois
somando 2 vezes a segunda linha da matriz resultante à primeira
linha fomece a forma escalonada reduzida por linhas
[RE CR
Cio om mio o
O dm e O E TS
O 0 0 0 4 6 6
O sistema de equações corre:
x +Im
+ dica + Des
as + Du
so
=
(Nós descartamos a última equação, Ox, + Ox, + x, + 0x, + Ds
+ Ox, = 0, pois ela é automaticamente satisfeita pelas soluções
das demais equações.) Resolvendo as variáveis líderes, obtemos
= 4-2
-2m
a
1
m=7
Se dermos os valores arbitrários r, se 1 às variáveis livres 14, x,
e xs. respectivamente, então a solução geral é dada pelas fórmu-
tas
n=ch-ds-k mn=r n=-d w=s st m=l q
Retro-substituição Às vezes é preferível resolver um si
tema de equações lineares por eliminação gaussiana para levar
a matriz aumentada à forma escalonada sem continuar até
chegar à forma escalonada reduzida por linhas. Quando isto É
feito, o correspondente sistema de equações pode ser resolvido
por uma técnica chamada retro-substituição. O próximo exemp-
lo ilustra esta idéia.
EXEMPLO 5 01
Das contas do Exemplo 4, uma forma escalonada da matriz
aumentada é
secou
so-u
sono
soou
e-wa
o - e
1
o
o
o
Para resolver o sistema de equações correspondente
a + — 28
+ 2
+21 =
+33 =]
nós procedemos da seguinte maneira:
ETs
Capítulo | « Sistemas de Equações Lineares e Matrizes * * * 35
Passo 1, Resolva as equações para as variáveis líderes.
Passo 2. Começando com a equação de baixo e trabalhando
para cima, substitua sucessivamente cada equação em todas
as equações acima dela,
Substituindo 46 = & na segunda equação dá
mm Bm +21 — 2x
=-2u
m=3
“
Substituindo x, = =2x, na primeira equação, dá
xo — dica — Des
Passo 3. Atribua valores arbitrários às variáveis livres, se hou-
ver.
Atribuindo os valores arbitrários r, se fa x,, 4, € x, respec-
tivamente, a solução geral é dada pelas fórmulas
m=-Ir=ds=-2, a mw=1
Isto confere com a solução obtida no Exemplo 4. +
OBSERVAÇÃO, Os valores arbitrários que atribuímos às variáveis
livres são, muitas vezes, chamados parâmetros. Nós geralmente
usamos as letras 7, s, £,... para Os parâmetros, mas também
podem ser usadas quaisquer letras que não entrem em conflito
com as variáveis.
EXEMPLO 6 Elim
Resolva
por eliminação gaussiana e retro-substituição.
Solução.
Este é o sistema do Exemplo 3 da Seção 1.1. Naquele exemplo,
nús convertemos a matriz aumentada
A a
2 4-3 1
3 6 -5 0
à forma escalonada
La Z9
9 1-4, E
oo 1.3
O sistema correspondente a esta matriz é
36 e» e Álgebra Lincar com Aplicações
s+ytli=
y=
1
dos ME a
Substituindo a equação de baixo nas que estão acima, dá
1=9-y-2:
e substituindo a segunda equação na de cima fornece
Y=2,2=3. Isto confere com o resultado obtido pela elimii
de Gauss-Jordan no Exemplo 3 da Seção 1.1.
Sistemas Lineares Homogêneos Um sistema de
equações lineares é dito homogêneo se os termos constantes são
todos zero; ou seja, O sistema tem a forma
audi + nda ++ duda =0
ana + ana ++ au = 0
ati Gata det ata = O
Cada sistema homogêneo de equações lineares é consistente,
pois todos sistemas homogêneos têm x, = 0, 4,=0
como uma solução. Esta solução é chamada solução trivial ou
solução nula; se há outras soluções, estas são chamadas não-
triviais.
Como um sistema linear homogêneo si
trivial, só existem duas possibilidades para
mpre tem a solução
as soluções:
e Osistema tem somente a solução trivial.
e O sistema tem infinitas soluções além da solução
trivial.
No caso especial de um sistema linear homogêneo de duas
equações em duas incógnitas, digamos
ax+b;y=o0 (a, não ambas nulas)
dx + by =0 (a, bynão ambas nulas)
os gráficos das equações retas pela origem, e a solução tri-
vial corresponde ao ponto de corte na origem (Figura 1.2.1).
x ”
age br=O
le
ax + bye
I
axe byy=0
!
(a) Somente à solução trivial
Figura 1.2.1
tb) Infinitas soluções
Há um caso no qual um sistema homogêneo garantidamente
tem soluções não-triviais, à saber, sempre que o sistema envolve
mais incógnitas que equações. Para ver por que, considere o
seguinte exemplo de quatro equações em cinco incógnitas.
EXEMPLO 7 Elin
Resolva o seguinte sistema homogêneo de equações lineares
usando eliminação de Gauss-Jordan .
Ze + 2a — as +a=0
-“— mtin-ãmu+tau=0
atoa — Em —as=0 €)
a+ utaç=0
Solução.
A matriz aumentada para o sistema é
2 21 0 1 0
1-1 2-3 1.0
l L=2 0-1 0
o oq I ro
Reduzindo esta matriz à forma escalonada reduzida por linhas,
obtemos
ER
o-eso
esses
1
1
v
o
cee-s
1
o
o
o
O sistema de equações correspondente é
na +m=0
no +m=0 (2)
m =0
Resolvendo para as variáveis líderes, obtemos
m=-m-—as
= 4
Note que a solução trivial é obtida quando s =
O Exemplo 7 ilustra dois aspectos importantes sobre re-
solução de sistemas homogêneos de equações lineares. O
primeiro é que nenhuma das operações elementares sobre linhas
altera a coluna final de zeros da matriz aumentada, de modo que
o sistema de equações correspondente à forma escalonada
reduzida por linhas da matriz aumentada também deve ser um
sistema homogêneo [ver sistema (2)], O segundo é que, depen-
dendo da forma escalonada reduzida por linhas da matri
aumentada ter alguma linha nula, o número de equações no sis-
tema reduzido é menor de que ou igual ao número de equações
do sistema original [compare os sistemas (1) e (2)]. Assim, se o
sistema homogêneo dado tiver nr equações em 1 incógnitas com
m <n,e se há r linhas não-nulas na forma escalonada redu:
por linhas da matriz aumentada, nós teremos r < n. Segue-se
que o sistema de equações correspondente à forma escalonada
reduzida por linhas da matriz aumentada terá a forma
* + E()=0
+E(I=0
My
REM (3)
a + E(=0
onde Xi. My Xy, São as variáveis líderes e X( ) denota as
somas (possivelmente todas distintas) que envolvem as n — r
variáveis livres [compare o sistema (3) com o sistema (2)
acima]. Resolvendo para as variáveis líderes, obtemos
ag=-E()
Mg ==E()
a =-E()
Como no Exemplo 7, podemos atribuir valores arbi
variáveis livres do lado direito e assim obter infinitas soluções
do sistema.
Resumindo, nós temos o importante teorema a seguir.
Um sistema homogêneo de equações lineares com mais
incógnitas que equações tem infinitas soluções.
oBsERvAÇÃO. Note que o Teorema 1.2.1 aplica somente a sis-
temas homogêncos, Um sistema não-homogêneo com mais
incógnitas que equações não precisa ser consistente (Exercício
28); contudo, se o sistema for consistente, terá infinitas
soluções. Isto será provado mais tarde.
Conjunt
Rida
ETs
Capítulo | « Sistemas de Equações Lineares é Matrizes * » * 37
Soluções Computacionais de Sistemas Linea-
res Em aplicações não é incomum encontrar sistemas lineares
grandes que precisam ser resolvidos por computador, A maioria
dos algoritmos computacionais para resolver estes sistemas são
baseados na eliminação gaussiana ou na eliminação de Gauss-
Jordan, mas os procedimentos básicos são muitas vezes modifi-
cados para comportar problemas tais como
e Redução de erros de arredondamento
e Minimização do uso de espaço de memória do computador
* Resolução do sistema com rapidez máxima
Alguns desses assuntos serão considerados no Capítulo 9,
Fazendo cálculos à mão, as frações constituem um aborreci-
mento que muitas vezes não pode ser evitado. Contudo, em
alguns casos é possível evitar as frações variando as operações
elementares sobre linhas da maneira correta, Ass uma vez
que as técnicas da eliminação gaussiana e da € ação de
Gauss-Jordan tiverem sido dominadas, o leitor poderá querer
variar Os passos em problemas específicos para evitar frações
(ver Exercício 18).
onstRvação. Como a eliminação de Gauss-Jordan evita o uso
de retro-subs! io, poderia parecer que este método é o mais
eficiente dos dois métodos que nós consideramos. Pode ser
argumentado que esta afirmação é verdadeira quando resolve-
mos manualmente sistemas pequenos, pois à eliminação de
Gauss-Jordan na verdade envolve escrever menos. Contudo,
mostra-se que ambos métodos requerem a mesmo número de
operações, Esta é uma consideração importante quando usamos
computadores para obter soluções de grandes sistemas de
equações. Para maiores detalhes, o leitor pode consultar a
Seção 9.8.
1. Quais das seguintes matrizes 3 x 3 estão em forma escalonada reduzida por linhas?
10 o Loo o10
tojo do) do to) (j|o 01 (dy
901 Do O 000
010 510 Los
Bb|jl oo tejo 10 bjo 13 «1
voo 0a 000
2. Quais das seguintes matrizes 3 x 3 estão em forma escalonada?
1 0 0 120 Loo
Mjo 10 bjo 10 tO/J0 10
0 0 4 000 020
rs - 1103 8
Ojo td (thjo o
o 0 q 001
100 100
Do 1] «000
o 00 101
oo 000
o 00) «yo 00
000 000
RR:
(jo 01
900
EJLEA O
40 « » e Álgebra Lincar com Aplicações
23, Resolva o sistema
2r— * = Am
2 — mtx= Aa
—x + + xs
pára x, x; & xy nos dois casos À = [e
24. Resolva o seguinte sistema para x,
er.
25. Encontre cosficientes «, b, e e dl tais que a curva mostrada na figura é o gráfico da equação y = «od + bo sex d,
26. Encontre coeficientes a, b, c e d tais que a curva mostrada na figura é dada pela equação a? + ay +br+cy+d=0.
Y
2,7
(4,5)
(4,-3)
Figura Ex-25 Figura Ex-26
27, (a) Mostre que se ad — be 4 O então a forma escalonada reduzida por linhas de
ab 1 0
(b) Use a parte (a) para mostrar que o sistema
ax+by=k
ex+dy=l
tem exatamente uma solução quando ae — be = 0.
28. Encontre um sistema lincar inconsistente que tem mais incógnitas do que equações.
Discussão e Descoberta
29, Discuta as formas esculonadas reduzidas por linhas possíveis de
a: b ie
def
g hi
30. Considere o sistema de equações
ax + by =0
ex+dy=0
ex+fy=0
Discuta as posições relativas das retas ax + by =0,cx+dy=0cex+fy=0 quando o sistema
(a) tem somente a solução trivial e
(b) tem soluções não-triviais.
31, Decida se a afirmação dada é sempre verdadeira ou às vezes falsa. Justifique sua resposta dando um argumento lógico ou um contra-exemplo.
(a) Se uma matriz for reduzida à forma escalonada reduzida por linhas por duas sequências distintas de operações elementares sobre linhas,
então as matrizes resultantes serão diferentes.
(b) Se uma matriz for reduzida à forma escalonada por duas sequências distintas de aperações elementares sobre linhas, então as matrizes
resultantes serão diferentes.
ETs
Capítulo | « Sistemas de Equações Lineares e Matrizes * * * 41
(c) Sea forma escalonada reduzida por linhas de uma matriz aumentada de um sistema linçar tiver uma linha de zeros, então o sistema deve
possuir uma infinidade de soluções.
(d) Se três retas do plano xy
correspondendo a cada vértice.
tados de um triângulo, então o sistema de equações formado pelas suas equações tem três soluções. uma
32. Decida se a afirmação dada é sempre verdadeira ou às vezes falsa. Justifique suá resposta dando um argumento lógico ou um contra-exemplo.
(a) Um sistema linear de três equações em
(bj Um sistema linear de cinco equa
nco incógnitas é consistente
es em três incógnitas não pode ser consistente.
(e) Se um sistema lincar de n equações em a incógnitas tiver entradas líder na forma escalonada reduzida por linhas de sua matriz aumen-
tada, então o sistema terá exatamente uma solução.
(d) Se um sistema li
tente.
— EEE EE
1.3 MATRIZES E OPERAÇÕES
MATRICIAIS
Coleções retangulares de números reais aparecem em muitos
contextos, não só como a matriz aumentada de um sistema de
equações lineares. Nesta seção nós vamos começar nosso estudo
da teoria das matrizes dando algumas das definições fundamen-
tais do assunto. Nós vamos ver como as matrizes podem ser com-
binadas através das operações aritméticas de adição. subtração
Notação e Terminologia Matricial Na Seção 1.2
nós usamos agrupamentos retangulares de números, denomina-
dos matrizes aumentadas, para abreviar a escrita de sistemas de
equações lineares. Contudo, agrupamentos retangulares de
números ocorrem também em outros contextos. Por exemplo, a
seguinte coleção retangular de três linhas e sete colunas pode
descrever o número de horas que um estudante gastou estudan-
do três matérias durante uma certa semana:
Seg Ter Qua Qui. Sex Sab. Dom.
Matemática) 2 3 E 4 1 4 2
História o 1 I 4 3 z 2
Linguas a t 3 I Do d 3
Se nós suprimirmos os títulos, ficaremos com a seguinte coleção
retangular de números com três linhas e sete colunas, denomi-
maca matriz:
o
— o vo
on
te to ta
241
143
3210
Mais geralmente, fazemos a seguinte definição.
E
Uma matriz é um agrupamento retangular de números. Os
números neste agrupamento são chamados entradas da
matriz.
de equações em x incógnitas tiver duas equações que são múltiplas uma da outra, então o sistema será inconsis-
Alguns exemplos de matrizes são
E 3 cem 1
30, 21 o-H o +! 1. E) Ela
bo 0 0
O tamanho de uma matriz é descrito em termos do número
de linhas (fileiras horizontais) e de colunas (fileiras verti
que contém. Por exemplo, a primeira matriz do Exemplo | tem
três linhas e duas colunas, portanto seu tamanho é 3 por 2 (e
escrevemos 3 x 2). Numa descrição de tamanho, o primeiro
número sempre denota o número de linhas e o segundo o de co-
lunas. As outras matrizes do Exemplo | têm tamanhos | x 4,3
x3,2x [e | x 1, respectivamente. Uma matriz com somente
uma coluna é chamada matriz-coluna (ou vetor-coluna) e uma
matriz com somente uma linha é chamada matriz-linha (ou
vetor-linha). Assim, no Exemplo | a matriz 2 x | é uma matriz-
coluna, a matriz 1 x 4 é uma matriz-linha e a matriz 1 x | é tanto
uma matriz-coluna quanto uma matriz-linha. (O termo vetor tem
um outro significado que será discutido em capítulos subse-
quentes.)
OBSERVAÇÃO. É prática comum omitir os colchetes numa matriz
1x1. Assim, nós podemos escrever 4 em vez de [ 4 ]. Embora
isto tome impossível dizer se 4 denota o número “quatro” ou a
matriz 1 x | cuja única entrada é este número “quatro,
mente causa problemas, pois geralmente é possível discemir a
que nos estamos referindo a partir do contexto no qual aparece
o símbolo.
mos usar letras maiúsculas para denotar matrizes e
letras minúsculas para denotar quantidades numéricas: assi
podemos escrever
a=[5 17 its [E É a]
3.4 3 def
Quando utimos matrizes, é usual chamar as quantidades
numéricas de escalares. A menos de menção explícita em con-
trário, escolares são ntimeros reais, escalares complexos serão
considerados no Capítulo 10.
A entrada que ocorre na i-ésima linha e j-ésima coluna de
uma matriz À é denotada por a,. Assim, uma matriz arbitrária
3x4 pode ser escrita como
42 + e e Álgebra Lincar com Aplicações
ao Ms a a
um a
am au
ds dr am au
e uma matriz arbitrária m x 1 como
am
q)
Gm Gm Gm
Quando for desejada uma notação mais compacta, a matriz
precedente pode ser escrita como
Vetighax OU etsy]
a primeira notação sendo usada quando é importante saber o
tamanho da matriz e a segunda quando o tamanho não necessi-
ta ênfase. Em geral, combinamos a letra denotando a matriz com
a letra denotando suas entradas; assim, para uma matriz B nós
geralmente usamos b,, para a entrada na linha é e na coluna fe
para uma matriz C nós usamos a notação c,.
A entrada na linha 7 e na coluna j de uma matriz A também
é comumente denotada por (Ap Assim, para a matriz (1) acima,
nós temos
(Aly = di
e para a matriz
nós temos (4),; = 2. (4); 3(A)=7e(4),,=0.
Matrizes-linha e matrizes-coluna são de importância espe-
cial, e é prática comum denotá-las por letras minúsculas em
negrito em vez de letras maiúsculas. Para tais matrizes é
desnecessário usar subscritos duplos para as entradas. Assim,
uma matriz-linha | x n arbitrária a e uma matriz-coluna mm x |
arbitrária b podem ser escritas como
a=ln a a] é
Br,
Uma matriz A com a linhas e n colunas é chamada matriz
quadrada de ordem n e as entradas sombreadas dj, 33... un
em (2) constituem a diagonal principal de A.
Mio co a
Mm mo e am
o : 13)
Cat Ca2 eo Ema
Operações sobre Matrizes Até aqui usamos matrizes
para abreviar o trabalho de resolver sistemas de equações li-
neares, Para outras aplicações, contudo, é desejável desenvolver
uma “aritmética de matrizes” na qual as matrizes podem ser
somadas, subtraídas e multiplicadas de alguma maneira útil. O
restante desta seção será dedicado a desenvolver esta aritmética.
Definição
Duas matrizes são definidas como sendo iguais se têm o
mesmo tamanho e suas entradas correspondentes são iguais,
Em notação matricial, se 4 = [a;)Je 8 = [b,] têm o mesmo
tamanho, então A = B se, e somente se, (4), = (B), ou, equiva-
lentemente, a, = b, para quaisquer i e j.
EXEMPLO
Considere as matrizes
1=G
= a)
Sex=5, então A = B, mas para todos os outros valores de x as
matrizes À e B não são iguais, pois nem todas suas entradas
2140
e=[ 53]
coincidem. Não existe valor de x tal que 4 = € pois Ae € tê
tamanhos diferentes. *
Se A e B são matrizes de mesmo tamanho, então a soma
A+ B é a matriz obtida somando as entradas de 43 às entradas
correspondentes de A, e a diferença A — B é a matriz obtida
subtraindo as entradas de 8 das entradas correspondentes de
A, Matrizes de tamanho distintos não podem ser somadas ou
subtraídas.
Em notação matricial, se 4 = [a] e B = [b,] têm o mesmo
tamanho, então
VA + Blig = (Adi + (By = cy ++ Dip 8 (A — Bdiy = (ADyy — (Blig == cy — biy
Considere as matrizes
210 &
Aa=[-1 0 2 4],
4-2 7 0
ta de
>
Se A é uma matriz e e é um escalar, então o produto cA é a
matriz obtida pela multiplicação de cada entrada da matriz
A por c. À matriz cA é chamada múltiplo escalar de A.
pode ser escrita como a combinação linear das matrizes-linha
M-1 3 2H-9 2 -=3]-H2 0d -2M=[|-16 -18 35 4
Segue de (8) e (10) que jésima matriz-coluna de um pro-
duto AB é uma combinação linear das matrizes-columa de A
com coeficientes dados pela j-ésima coluna de B.
EXEMPLO 9.
Nós mostramos no Exemplo 5 que
as=[! a i Ea af n w el
260 3 7 5 2 8 —4 26 12,
As matrizes-coluna de A B podem ser expressas como combi-
nações lineares das matrizes-coluna de A como segue:
[5] -*)=e[o] +]
=s[)+ El+2[o] +
Forma Matricial de um Sistema Linear A multipli-
cação matricial tem uma importante aplicação a sistemas de
equações lineares. Considere um sistema qualquer de m
equações lineares em « incógnitas..
aut + ais ++ duda = bh
dao + dasãa doe anã, = dy
Mott dao dee decidia =
Como duas matrizes são iguais se, € somente se, suas
entradas correspondentes são iguais, nós podemos substituir as
mm equações deste sistema por uma única equação matricial
um + aero o ciada by
“+ dinda bo
Hatky E Mezzo Ma, Ba
A matriz an X | à esquerda desta equação pode ser escrita como
produto.
amo az e am | [Mm bi
om amo eee dam | ao) | ba
Mt mp cor Uma ) Lim bo,
Denotando estas matrizes por 4, x e b, respectivamente, O sis-
tema original de m equações em n incógnitas foi substituído pela
única equação matricial
Ax=b
A matriz A nesta equação é chamada matriz de coeficientes do
sistema, A matriz aumentada deste sistema é obtida pela
Capítulo | « Sistemas de Equações Lineares e Matrizes * * * 45
adjunção de b a À como a última coluna; assim, a matriz aumen-
tada é
am mz ce am |
emo e am | bh
tá hi= | CS ES
Mel mz rem | bm
Transposta de uma Matriz Nós concluímos esta seção
definindo duas operações matriciais que não tem análogos entre
os números reais.
EEE
Se A é uma matriz m x n qualquer, então a fransposta de A,
denotada por A”, é definida como a matriz n x m que resul-
ta da permutação das linhas com às colunas de 4; ou seja, a
primeira coluna de A” é a primeira linha de A, a segunda
coluna de A? é a segunda linha de A, e assim por diante.
EXEMPLO 1
A seguir, alguns exemplos de matrizes e suas transpostas.
anca an aja 23
a=[an as ay au). B=[1 4],
Um 7 du dy 56
COR
C=|1 354
1
C=|2], D'=H| 4
5
Observe que não só as colunas de A? são as linhas de A, mas
também as linhas de A! são colunas de A. Assim, a entrada na
ha é e coluna j de A” é a entrada na linha j e coluna é de Apou
seja,
D=4]
1s
3 46]
Aro [o dm au
an am as |
Ma ds am
CAP = (Ad 1)
Observe a reversão de subscritos.
No caso especial em que a matriz A é uma matriz quadrada,
a transposta de A pode ser obtida pela permutação das entradas
posicionadas simetricamente em relação à diagonal principal.
Em (12), é mostrado que A” também pode ser obtida de A
“refletindo” A em tomo de sua diagonal principal.
Es 4 no » 3-5
A=|3 7 0|+ e: o4=|-2 7 8
-5 8 6 e] so 6 [918
t
Permite cintradias posicionadas.
simetricamente em relação
à diagonal principal.
Se À é uma matriz quadrada, então 0 traço de A, denotado
por tr (4), é definido pela soma das entradas na diagonal
principal de A. O traço de A não é definido se A não é uma
matriz quadrada.
EXEMPLO
46 « «e Álgebra Lincar com Aplicações
A seguir, exemplos de matrizes e seus traços.
SE 2 27 0
nd dy
3 5-8 4
fe az a) del Sds
o am da it
= tagtas (B)="14547+0=11 +
GT,
. Suponha que 4, B.C, De E sejam matrizes dos seguintes tamanhos:
4 B c D E
(4x5) (4x5) (5x2) (4x2) (5x4)
Determine quais das seguintes expressões matriciais estão definidas. Para as que estão definidas, dê o tamanho da matriz resultante
(a) BA (bd) AC+D (O AE+B (d AB+B
te) E(A+B) df) E(AC) (8) ETA (bh) (47 + EJD
. Resolva a seguinte equação matricial em termos de a, b,c e d.
a-b bre] [81
3d+c Za-4d] |7/6
. Considere as matrizes
30
4
A=|-1 2). n-| H
La o 2
Calcule os seguintes (quando possível).
(a) D+E db) D- E (e) 54 td) —7€
(2) 28-C df) 4E-2D (g) -3HD+2E) (MN A-A
ti) tr(D) Cj) tetD — 3) dk) 4178) (1 triAS
. Usando às matrizes do Exercício 3, calcule os seguintes (quando possível).
(0) 247 + (b) DF - ET (e) (D= EX (d) BT + 5c7
(JC -dA (f) B-B' (2) 287 -3D” (hn) (2E” = 3D")
Usando as matrizes do Exercício 3, calcule os seguintes (quando possível).
(a) AB tb) BA te) GEJD
(e) A(BC) th cer (DAT
CG) tDDT) () tt4ET > D) dk) CTAT 4 2ET)
- Usando as matrizes do Exercício 3, calcule os seguintes (quando possível).
(8) QD” — EA (bj (4B)C +28 (e) (-ACN + 5DT
(d) (BA7 —20)" (e) BKCCT = ATA) (f) DTET — (ED
. Sejam
327 6-2 4
A=s|6 5 4) e B=]0 1 3
049 1 5
Use o método do Exemplo 7 para encontrar
(a) a primeira linha de AB (b) a terceira linha de AB (c) a segunda coluna de AB
(d) a primeira coluna de BA (e) a terceira linha de 44 (f)a terceira coluna de AA
10.
12.
13.
15.
ETs
Capítulo | « Sistemas de Equações Lineares e Matrizes * * * 47
Sejam:A é 8 as matrizes do Exercício 7.
(a) Expresse cada matriz-coluna de AB como uma combinação lincar das matrizes-coluna de A.
(b) Express cada matriz-coluna de BA como uma combinação lincar das matrizes-coluna de 5.
Sejam
ano am cer am
eo am e am
v=In woe dm] E A= É E
Gmt mz et Gm
Mostre que. o produto yA pode ser expressso como uma combinação linear das matrizes-linha de A com coeficientes escalares vindo de y.
Sejam À e das matrizes do Exercício 7.
(a) Use o resultado do Exercício 9 para expressar cada matriz-linha de A B como uma combinação linear das matrizes-linha de B.
(b) Use o resultado do Exercício 9 para expressar cada matriz-linha de 8 A como uma combinação lincar das matrizes-linha de A.
Sejam C, De E as matrizes do Exercício 3, Usando o mínimo possível de contas. determine a entrada na linha 2 e coluna 3 de C (D E).
(a) Mostre que se À B e 8 A estão ambas definidas, então A B e E A são matrizes quadradas,
(b) Mostre que se A é uma matriz mm x nc 4 (B A) está definida, então 8 é uma matriz nx m.
Em cada parte, encontre matrizes A, x e b que expressem o sistema de equações lincares dado como uma única equação matricial Ax = b.
(a) 21 =3m +58 = 7 (b) dx, = + 4=1
M— n+ m== Sm + ma —81=3
xy + São + dx o 2n-So+dm— u=0
3 — n+m=2
Em cada parte, expresse a equação matricial como um sistema de equações lineares.
=p NTE 5 3-2 0 1][u] [o
5 0 2 2]|2| Jo
m/4 3 tal=|-1| Gli 4 45 =
-» à s/n 4 E
-2 5 1 eli] bo
Se A e B são particionadas em submatrizes, por exemplo,
Au | An = Bu] Ba
afã às) Ga E Pas
então A B pode ser expresso como
aa [gra + Any | AnBi+ dee
As Bi + AzsBa | Am Bia + Asas
sempre que os tamanhos das submatrizes de 4 e B são tais que as operações indicadas podem ser efetuadas. Este método de multiplicar
matrizes particionadas é chamado multiplicação em bloco. Em cada parte, calcule o produto usando multiplicação em bloco. Confira seus
resultados multiplicando diretamente.
= q -s
3» o[5]3 0 2 vala 3 =
o | 1 1 ] pes 5) Pl [ 1 1
72 1 4 4
50 « o e Álgebra Lincar com Aplicações
para todos valores de e j. Pela definição de soma e produto de
matrizes, entretanto, temos
TAG AC) = atbry + cip) + aralba + cap) eee ia lay dC)
= (andas + aiabaj +++ ainDos DA Cai HC) dee Apa mj)
=[A4Bl; +1ACky = |4B + AChy n
OB:
'açÃo. Embora as operações de adição matricial e de mul-
licação matricial tenham sido definidas para pares de
matrizes. as leis da associatividade (b) e (c) nos permitem es-
erever somas e produtos de três matrizes, como À + B + Ce ABC
sem inserir parênteses. Isto é justificado pelo seguinte fato: onde
quer que os parênteses sejam inseridos, as leis da associativi-
dade garantem que o resultado final é sempre o mesmo. Em
geral, dada qualquer soma ou qualquer produto de matrizes,
podemos omitir ou inserir pares de parênteses em qualquer
lugar da expressão sem afetar o resultado final.
EXEMPLO 2 Multiplicação
Como uma ilustração da lei da associatividade para a multi
cação matricial, considere
[5%
43 ro
A=|3 4 e=[ ] c=[ ]
a 21 23
Então
12
4 Y o 10
ade 2]
| | Era 3 43
Assim,
8 5 16 18 15
(ABC = [20 13 E J- “5 39
2 ape 43
e
MBC) = |
de modo que (A 8) C = A (8 C), conforme garante o Teorema
14le. +
O wma
=:
1
——
5
so 8
h
RR E
3
sa
+
Matrizes Zero Uma matriz com todas suas entradas nulas,
tal como
to
so0s
é chamada uma matriz zero ou matriz nula. Uma matriz zero
sempre será denotada por O, se for importante enfatizar seu
tamanho, nós escreveremos 0... para a matriz zero de tamanho
mx. Além disto, continuando com a convenção de usar sim-
bolos em negrito para matrizes de uma única coluna, denotamos
uma matriz zero de uma coluna por 0.
ETs
Se A é uma matriz qualquer e O é a matriz zero de mesmo
tamanho, é obvio que 4 + 0=0+ A =A. A matriz O desempe-
nha, portanto, nesta equação matricial o mesmo papel que o
número O desempenha na equação numéricas +0=0+a=a.
Como nós já sabemos que algumas das regras da aritmética
dos números reais não valem na aritmética matricial, seria
leviano supor que todas as propriedades do número real zero
valem para a matriz zero, Por exemplo, considere os dois
seguintes resultados-padrão da aritmética dos números reais.
e Seab=acea*0 então b=e. (Esta é chamada a lei de can-
celamento).
e Segd=0, então pelo menos um dos fatores à esquerda é O,
Como o próximo exemplo mostra,
dentes não são válidos, em geral, na aritmética matrici
EXEMPLO 3 AI ento não Vale
Considere as matrizes
0 na E] ha
pe) a [1) cep [1
Você deveria verificar que
3 4 oo
AB= AC [5 é] e ap= [5 o]
Assim, embora À x 0, é incorreto cancelar À de ambos os lados
da equação AB = AC e escrever & = €. Também AD = 0, embo-
raAz0e Da0. Assim, a lei de cancelamento não é válida para
a multiplicação matricial e é possível um produto de matrizes
ser zero sem que nenhum dos fatores seja zero. +
Não obstante o exemplo acima, existem várias propriedades
familiares do número real O que valem para as matrizes zero. O
teorema a seguir dá um resumo de algumas das mais impor-
tantes. As provas são deixadas como exercícios.
Propriedades das Matrizes Zero
Supondo que os tamanhos das matrizes são tais que as ope-
rações indicadas podem ser efentadas, valem as seguintes
regras da aripmética matricial,
(DAFO=0+A=A
(BD A-A
(JO-A=-A
(d) AD=0:0A=0
Matrizes Identidade De especial interesse são as
matrizes quadradas com entradas | na diagonal principal e com
entradas O fora da diagonal principal, tais como
Ed 1000
o dk 010], se assina pordiânio:
HE a 001
sos
roo
o1o
001
Uma matriz desta forma é chamada uma matriz identidade e é
denotada por |. Se for importante enfatizar seu tamanho, nós
escreveremos [, para a matriz identidade de tamanho n x n,
Se A é uma matriz m x n, então, como ilustra o seguinte
exemplo,
Ah=4 e hA=A
Assim, uma matriz identidade desempenha na aritmética matri-
cial o mesmo papel que o número 1 desempenha nas relações
numéricas" =| :a=a.
Considere a matriz
an a a
As [ nai E]
Mn O am
Então
tdi [à O) fun ari mis) fam ema as] o,
O lan a am 1 dm 07
e
100
A
a cm elo 5 q dp em
As matrizes identidade surgem naturalmente no estudo da
forma escalonada reduzida por linhas de matrizes quadradas,
como mostra O próximo teorema.
Se Ré a forma escalonada reduzida por finhas de uma
metriz An xn, então ou R tem uma linha de zeros ou Réa
mairiz identidade 1
Prova. Suponha que a forma escalonada reduzida por linhas de
Aé
mon ce tm
Mmorm ce tm
De duas uma: ou a última linha desta matriz é constituída
inteiramente de zeros ou não. Se não, a matriz não contém li-
unhas nulas e consequentemente cada uma de suas n linhas tem
um pivô 1. Como estes pivôs ocorrem progressivamente para a
direita à medida que descemos pelas linhas, cada um deve ocor-
rer na diagonal principal. Como as demais entradas na mesma
coluna são zeros, R deve ser £,. Assim, ou R tem uma linha de
zeros ou R=E,. =
Capítulo | « Sistemas de Equações Lineares e Matrizes * » * 51
Dada uma matriz quadrada À, se pudermos encontrar uma
matriz & de mesmo tamanho tal que AB = BA = [, então dire-
mos que À é invertivel e que B é uma inversa de A. Se não
puder ser encontrada uma tal matriz 8 então diremos que À
é não-invertível ou singular.
EXEMPLO 5
5 : 2 =5
] é uma inversa de 4 = [a 5
as=[ 4 Sh 2)=[o 1)="
pois
14 0
A=|2 56
360
é singular. Para ver por que, seja
bu du da
B=|by by ba
bu da ba
uma matriz 3 x 3 qualquer. A terceira coluna de BA é
bu dr ba] |O o
bu by ba) |0)=[0
ba be ballo) Jo
Assim,
Lo
BAfI=|01
vo
Propriedades das Inversas É razoável perguntar se
uma matriz invertível pode ter mais de uma inversa. O próximo
teorema mostra que a resposta é não—uma matriz invertível
tem exatamente uma inversa.
52 e o e Álgebra Lincar com Aplicações
Se Be C são ambas inversas da mairiz À, então B=€,
Prova. Como B é uma inversa de A, nós temos BA = [.
Multiplicando ambos os lados pela direita por € dá (BAJ€ = IC
=€. Mas (BAJC = KAC)= B/=B.demodo que C=B. E
Como uma consequência deste importante resultado, nós
po-demos agora falar “da” inversa de uma matriz invertível, Se
A é invertível, então sua inversa será denotada pelo símbolo 4º).
Assim,
dA tel o AM=l
A inversa de A desempenha, portanto, na aritmética matricial o
mesmo papel que o recíproco q”! desempenha nas relações
numéricas aa! =legta=1,
Na próxima seção nós iremos desenvolver um método para
encontrar à inversa de matrizes invertíveis de qualquer taman-
ho; no entanto, o próximo teorema dá condições sob as quais
uma matriz 2 x 2 é invertível e fornece uma fórmula simples
para a inversa.
A matriz
é invertível se ad — be £ 0, caso em que « inversa é dada
pela fórmula
d b
Alia À IE == ad=be ad=be
ad=bel-c a e a
Cad-be ad-be
Prova, Nós deixamos ao leitor verificar que AA! = 1, e que
AtA=h =
Se A e B são matrizes invertíveis de mesmo tamanho, então
AB é invertível e
(ABjo! = BoA!
Prova. Se nós conseguirmos mostrar que (AB) (BA!) =
(BA!) (AB) = |, então teremos mostrado, simultaneamente,
que a matriz AB é invertível e que (ABJ! = B'A!. Mas
(AB) (EUA = A (BB AS = A LA = AM =. Um argumen-
to similar mostra que (BA!) (AB) = 1. =
Este resultado pode ser estendido para incluir três ou mais
fatores, mas isto não será provado aqui; ou seja, vale que
O produto de um mimero qualquer de matrizes invertíveis é
invertível e a inversa do produto é o produto das inversas
enr ordem inversa.
EXEMPLO 7
Considere as matrizes
ami ob o=[e 0) ae=[; al
Aplicando a fórmula do Teorema 14,5, obtemos
av=[ =a ete[ a +) (as!
cep
Assim, (AB)! = BA"! como garante o Teorema 14,6. +
!
ES
“Também
Potências de uma Matriz A seguir, vamos definir
potências de matrizes quadradas e discutir suas propriedades.
inteiras
Se A é uma matriz quadrada, definimos as potênci
não-negativas de A por
ARE A = AAA
atri
(n>0)
Além disto, se A é invertível, então definimos as potências
inteiras negativas por
A em (AT! eim A Ed!
Como esta definição é idêntica à de potências de números reais,
valem as leis usuais de expoentes, (Omitimos os detalhes,
FEESREA Leis de Expoentes
Se A é uma matriz quadrada e r e s são inteiros, então
NASA, (AP=AS
O próximo teorema fornece algumas propriedades úteis de
expoentes negativos.
DS SS Leis de Expoentes
Se À é uma matriz invertível, então
(a) ATE inverivel e(ATyi=A.
(b) A“ é invertivel e (AY = Ay para n=0,1,2,...
(0) Para qualquer escalar não-nulo Ka matriz kA é
inverifvel e (RAP! = (5) A,
10
n"
14.
15.
16.
18.
21.
22.
B.
ETs
Capítulo | « Sistemas de Equações Lineares e Matrizes * * * 55
Seja À a matriz
31
21
Em cada parte encontre p (A).
(pos z=2 (blpwsni-x+L te) pim=x-W+4
Sejam p ()=02-9,plg)=x+3epy()=2-3
(ay Mostre que p, (A) = p; (A) ps (4) para a matriz do Exercício 9.
(b) Mostre que p, (4) = py (A) ps (A) para qualquer matriz quadrada À.
Encontre a inversa de
cost sent
[ send e
Encontre à inversa de
de re) Meet)
lo -e a
Considere a matriz
an O o
diz o a o
O asas
onde egito; ** 4, O. Mostre que A é invertível e encontre sua inversa.
Mostre que se uma matriz quadrada A satisfizer A? = 3A + 1 = 0, então A
(a) Mostre que uma matriz com uma linha de zeros não pode ter uma inversa,
(b) Mostre que uma matriz com uma coluna de zeros não pode ter uma inversa,
Será necessariamente invertível a soma de duas matrizes invertíveis?
Sejam A e & matrizes quadradas tais que AB = O. Mostre que se A é invertível, então & = 0.
Sejam À, 8 c O matrizes 2 x 2. Supondo que A é invertível, encontre uma matriz € tal que
Aat[ o
ca!
é a inversa da matriz particionada
Ao
B|A
(Veja Exercício 15 da seção anterior.)
Use o resultado do Exercício 18 para encontrar as inversas das seguintes matrizes.
1 1 o o Loo
=, 1 0 o 100
Slim Pari
1 | I 0001
(a) Encontre uma matriz não-nula A de tamanho 3 x 3talque AT=A,
(b) Encontre uma matriz não-nula À de tamanho 3 x 3 tal que AT =— A.
Uma matriz quadrada A é chamada simétrica se AT = A c anti-simétrica se A”
(a) BB7cB+BTsão simétricas. (b) B-D7é imétrica.
Se A é uma matriz quadrada e n é um inteiro positivo, é verdade que (A?) = (AM?
Seja A a matriz
Lol
Laio
q 4
= À. Mostre que se 3 é uma matriz quadrada, então
Determine se À é inventível é, se for, encontre sua inversa, [Sugestão. Resolva AX = ! igualando entradas correspondentes de ambos os lados.
56 «o e Álgebra Lincar com Aplicações
24. Prove:
(a) a parte (bh) do Teorema 14,1
(b) a parte (7) do Teorema 1.4.1
(e) a parte (um) do Teorema 1.4.1
25. Aplique as partes (d) e (mm) do Teorema 1.4.1 às matrizes A, B e (- 1) E para deduzir o resultado da parte (7).
26. Prove o Teorema 1.4.2.
27. Considere as leis de expoentes AA" = A" e (A) .
(a) Mostre que se À é uma matriz quadrada, estas leis são válidas para quaisquer inteiros não negativos re s.
(b) Mostre que se A é invertível, estas leis valem para quaisquer inteiros negativos re s.
28. Mostre que se A é invertível e k é um escalar não-nulo qualquer, então (A)" = A” para qualquer inteiro u.
29. (a) Mostre que se A é invertível c AB = AC, então B=C.
(b) Explique por que a parte (a) e o Exemplo 3 não são contraditórios,
30. Prove a parte (c) do Teorema LA.
(Sugestão. Suponha que Aémxn, Bénxpe Cépxq.A i jésima entrada do lado esquerdo é
1,,=00[BCh; + 418Ch; +++ 4, [BC],e a! Hésima entrada do lado direito é r;, = [AB),4€3j+ ABlpes +" + [ABI ,£ op
Verifique que [,,= 1,7]
Discussão e Descoberta
31. Sejam A e & matrizes quadradas de mesmo tamanho.
(aj Dê um exemplo em que (A+ BP 242 +24B+8B.
(b) Preencha a lacuna para criar uma identidade que é válida para quaisquer A e B.(A + BP =A"+B'+
32. Sejam Ae B matrizes quadradas de mesmo tamanho.
(a) Dê um exemplo em que (A + BJ(B=AJZA?- Bº,
(b) Preencha a lacuna para criar uma identidade que é válida para quaisquer À é B.(A + B)(B = A)= a
No sistema dos números reais, a equação a * = | tem exatamente duas soluções, Encontre pelo menos oito matrizes 3 x 3 que satisfazem a
equação A? =, [Sugestão. Procure soluções entre as matrizes com entradas zero fora da diagonal principal.)
Uma afirmação do tipo “Se p, então q” é logicamente equivalente à afirmação “Se não q, então não p” (A segunda afirmação é chamada a
contraposição lógica da primeira.) Por exemplo, a contraposição lógica da afirmação “Se está chovendo, então o chão está molhado” é “Se
o chão não está molhado, então não está chovendo”
(a) Encontre a contraposição lógica da afirmação: Se A” é singular, então A é singular.
(bj A afirmação é verdadeira ou falsa? Explique.
35. Sejam Ae B matrizes ax n. Decida se cada afirmação a seguir é verdadeira ou falsa. Justifique cada resposta.
(a) (AB) *= A? Bº deve ser verdadeiro.
(b) (4-B)?= (BA)? deve ser verdadeiro.
tc) (AB (BA!) = 1, deve ser verdadeiro.
(d) Nunca é verdade que AB = BA.
8
E
TT ão.
1.5 MATRIZES ELEMENTARES E UM
MÉTODO PARA ENCONTRAR A"
Nesta seção nós vamos desenvolver um algoritmo para encontrar
a inversa de uma matriz invertível. Nós também discutiremos
algumas das propriedades básicas de matrizes invertíveis.
Nós começamos com a definição de um tipo especial de matriz
que pode ser usada para executar uma operação elementar sobre
linhas por multiplicação matricial.
Uma matriz 1 x n que pode ser obtida da matriz identidade
1, de tamanho n x n executando uma única operação ele-
mentar sobre linhas é chamada uma mraíriz elementar.
EXEMPLO 1 res e Operações
Abaixo listamos quatro matrizes elementares e as operações
sobre linhas que as produzem.
dl
1 t
Maiplique a Permute a segun-
segunda inha ada linha de 1;
defspor=3 coma quarta
1000
==
01
10
100
Some Jvezesa Mubiplique a
terceira linha de “primeira linha
hãprimeira. deiiport 4
Quando uma matriz A é multiplicada à esquerda por uma
matriz elementar E, o efeito é o de executar uma operação ele-
mentar sobre linhas de A. Isto é enunciado no próximo teorema,
cuja prova deixamos para os exercícios.
Operações sobre Linhas por
Multiplicação Matricial
Se a matriz elementar E resulta de efetuar uma certa ope-
ração sobre linhas em L,, € se A é una matriz m X n, então o
produto E A é a matriz que resulta quando esta mesma ope-
vação sobre linhas é efemada em A.
EXEMPLO 2
Considere a matriz
Loo 2 s
A4A=|2 1/3 6
Edo 45 0
e considere a matriz elementar
100
E=|0 10
301
que resulta de somar 3 vezes a primeira linha de !, à terceira
linha. O produto E A é
que é precisamente a mesma matriz que resulta quando nós
somamos 3 vezes a primeira linha de A à terceira linha. +
onsERvAÇçÃO. O Teorema 1.5.1 é principalmente de interesse
teórico e será usado para desenvolver alguns resultados sobre
matrizes e sistemas de equações lineares. Em termos de contas,
é preferível efetuar operações sobre linhas diretamente do que
multiplicar à esquerda por uma matriz elementar.
Se uma operação elementar sobre linhas é aplicada a uma
matriz identidade / para produzir uma matriz elementar E, então
existe uma segunda operação que. aplicada a £, produz de volta
a matriz f, Por exemplo, se E é obtida multiplicando a i-sima
linha de / por uma constante não-nula c, então / pode ser recu-
perada se a i=ésima linha de E é multiplicada por 1/c. As várias
possibilidades estão listadas na Tabela 1. As operações do lado
direito desta tabela são chamadas operações inversas das
correspondentes operações do lado esquerdo.
TABELA 1
Operações sobre linhas de | Operações sobre linhas de
Ique produzem E E que reproduzem 1
Multiplique a linha í pore*0) Multiplique a linha é por 1/e
Troque entre si as linhas i e j| Troque entre si as linhas / cj
Some —« vezes a linha i à
linha j
Some c vezes a linha i à
linha j
s Inversas
Em cada um dos exemplos a seguir, foi afetuada uma operação
elementar na matriz identidade 2 x 2 para obter uma matriz cle-
mentar E e, em seguida, E foi restaurada à matriz identidade
aplicando a operação inversa.
1 á
LU
o)" los
Mubliplique a seguia
t !
linha por 117.
Mulhiplique a
segunda inha pos 7.
E 1] f | IS o
— —
o ra o
t t
Peru à primeira
tinha com a segunda,
1] —
Some 5 tezes a
segunda linha à
as
!
a
Permite a primeira
linha com a segunda.
bi) =)
1
Sum - 5 vezes a segun
da linha à primeira *
O próximo teorema dá uma importante propriedade de
matrizes elementares.
Qualquer matriz elementar é invertível e a inversa é, tam-
bém, una matriz elementar.
Prova. Se E é uma matriz elementar, então E é o resultado de
alguma operação elementar sobre linhas de 7. Seja E, a matriz
que resulta quando é efetuada a operação inversa em
Aplicando o Teorema 1.5.1 é lembrando que operações e suas
inversas se cancelam mutuamente, segue que
GE=S[cER=!
Assim, a matriz elementar E, é a inversa de E. E
O próximo teorema estabelece algumas relações fundamen-
tais entre invertibilidade, sistemas lineares homogêneos, formas
escalonadas reduzidas por linhas e matrizes elementares. Estes
resultados são extremamente importantes e vão ser usados
muitas vezes nas próximas seções.
Afirmações Equivalentes
Se A é uma mairiz n Xn então as seguintes afirmações são
equivalentes, ou seja, são todas verdadeiras ou todas falsas.
(4) A é invertível,
(b) Ax=0 rem somente a solução mivial,
(2) A forma escalonada reduzida por linhas de A é 1,
(d) A pode ser expressa como um produto de matrizes
elementares.
60 « « e Álgebra Lincar com Aplicações
2, Encontre uma operação sobre linhas que retorna a matriz elementar duda a uma matriz identidade,
=
1 ab aliics) alii Dé
(a) E | tb) 5: j S te) 0010 (d) 020 10
1000 20 01
3. Considere as matrizes
3 4 1 8 l 5 3 4 l
A=|2 -=7 -1l. B=|2 =7 +-=1). €=|2 =7 +
sr 5 3 4 4 2-7 3
Encontre matrizes elementares £,, E, E, e E, tais que
GEA=B (DEB=A (JEA=C (ECA
4, Na Exercício 3, é possível encontrar uma matriz elementar E tal que E B = €? Justifique sua resposta,
Nos Exercícios 5-7, use o método mostrado nos Exemplos 4 e 5 para encontrar a inversa da matriz dada se a matriz é invertível e confira sua
resposta por multiplicação.
4 -3 6 6 =4
5. (a) E (bj [ 4 | tey [5 |
2 4 = = 3 = 10d 26 6 101
emli o 3) b|2 41 glotra Wlz76 gl 1a
2 5 4 4 2 4 Lo 3 74 0210
2 1Looõo
E 4 o 350 Eid
Tmli à | |-VZ VE 0) td], 450
E m Mo AM IgA
Sa DI a a v 020
à my L 0 64
5
oo o te) 0—l 3 q
Sl Ig io 2 4 5 =3
8. Encontre a inversa de cada uma das seguintes matrizes 4x4, onde &, ks, ks, ky € ks são todos não-nulos.
k 00 0 000 & : 000
0 kb 00 00 kb 0 1k00
Vlooro) Plomo o) Plorro
oo Da k& 0 00 oo 1 k
9. Considere a matriz
ud]
(a) Encontre matrizes elementares E, c E, tais que E, E A =.
(b) Escreva A-! como um produto de duas matrizes elementares.
(ce) Escreva A como um produto de duas matrizes elementares.
10. Em cada parte, efetue a operação sobre linhas dada na matriz
2-1 o
A=|4 5. =
Lo=4 7
multiplicando A à esquerda por uma matriz elementar conveniente, Confira sua resposta em cada caso executando a operação sobre linhas
diretamente em À.
(a) Permute à primeira e terceira linhas.
(b) Multiplique a segunda linha por 3.
ETs
Capítulo | « Sistemas de Equações Lineares e Matrizes * * * 61
(c) Some duas vezes a segunda linha à primeira:
MN. Expresse a matriz
To q
del do od 5 8
-=2 —5 1 -8
no formato A= EF GR, onde E.F e G são matrizes elementares e R está em forma escalonada por linhas.
12. Mostre que se
Loo
A=|]0 10
a be
é uma matriz elementar, então pelo menos uma entrada da terceira linha deve ser um zero.
13. Mostre que
Va ooo
» Oo cc 00
A=]0 d 0 e 0
00 f0Os
00 ho
é não-inventível para qualquer valor das entradas.
14. Prove que se À é uma matriz m x n, então existe uma matr ertível O tal que C À está em forma escalonada reduzida por linhas.
15. Prove que se À é uma mat enível e B é equivalente por linhas à A, então B também é invertível.
16. (a) Prove: Se Ac B são matrizes m x m então À e B são equivalentes por linhas se, e somente se, 4 e & têm a mesma forma escalonada
reduzida por linhas.
(b) Mostre que À e B são equivalentes por linhas e encontre uma sequência de operações elementares por linhas que produz B a partir de A,
sendo
17. Prove o Teorema 1.5.1.
Discussão e Descoberta
18. Suponha que A é alguma matriz invertível desconhecida, mas que você conhece uma sequência de operações clementares por linhas que pro-
duz a matriz identidade quando efetuada ivamente em À. Explique como você pode usar a informação disponível para encontrar 4,
19. Decida se a afirmação dada é sempre verdadeira ou às vezes falsa. Justifique sua resposta dando um argumento lógico ou um contra-exemplo.
(a) Toda matriz quadrada pode ser expressa como um produto de matrizes elementares,
(bj O produto de duas matrizes elementares é uma matriz elementar.
(c) Se A é uma matriz invertível e um múltiplo da primeira linha de A é somado à segunda linha, então a matriz resultante é invertível.
(d) Se A é invertível e A B'= 0, então é necessariamente verdade que 8 = 0,
20. Decida se à afirmação dada é sempre verdadeira ou às vezes falsa. Justifique sua resposta dando um argumento lógico ou um contra-exemplo.
(a) Se À é uma matriz n xn singular, então À x = O tem infinitas soluções.
(b) Se A é uma matriz n x singular, então a forma escalonada reduzida por linhas de A tem pelo menos uma linha de zeros,
(e) SEA! pode ser expressa como um produto de matrizes elementares, então o sistema linear homogêneo A x = O tem somente a solução
trivial.
(dy Se A é uma matriz u Xu singular e 5 resulta da permutação de duas linhas de A, então E pode ser ou não ser singular.
21. Você acredita que existe uma matriz A de tamanho 2 x 2 tal que
e dele]
para todos valores de a. b,c e d'? Explique seu raciocínio.
62 « «e Álgebra Lincar com Aplicações
o
1.6 MAIS RESULTADOS SOBRE
SISTEMAS DE EQUAÇÕES E
INVERTIBILIDADE
Nesta seção nós vamos estabelecer mais resultados sobre sis-
temas de equações lineares e invertibilidade de matrizes. Nosso
trabalho nos levará a um novo método de resolver n equações em
n incógnitas.
Um Teorema Básico Na Seção 1.1 nós afirmamos
(baseados na Figura 1.1.1) que todo sistema linear tem ou ne-
nhuma solução, ou uma solução, ou infinitas soluções. Agora
estamos em condições de provar este resultado fundamental.
Todo sistema de equações lineares tem on nenhuma
solução, ou exatamente uma solução, ou infinitas soluções.
Prova. Se Ax = é um sistema de equações lineares, vale exata-
mente uma das seguintes afirmações: (a) o sistema não tem
solução, (b) o sistema tem exatamente uma solução ou (2) o sis-
tema lem mais de uma solução. A prova estará completa se con-
seguirmos mostrar que no caso (c) o sistema tem infinitas
soluções.
Suponha que Ax = b tem mais de uma solução e seja x, =
x, —X,. Onde x, € x, são duas soluções distintas quaisquer. Como
x, e x, são distintas, x, é não-nula; além disto,
Axp=A(x—m)= Am An=b-b=0
Se k é um escalar qualquer, então
Mt + Exob = Axy + AlkNo) = Axy + lixo)
=b+M=b+0=b
Esto significa que x, + kx, é uma solução de Ax = b. Como x, É
mão-nula e existem infinitas possibilidades de escolha para k o
sistema Ax = b tem infinitas soluções. n
Resolvendo Sistemas Lineares por Inversão
de Matrizes Até aqui, nós estudamos dois métodos para
resolver sistemas linçares: eliminação gaussiana e eliminação
de Gauss-Jordan. O seguinte teorema fornece um novo método
para resolver certos sistemas lineares.
Se A é tina matriz invertível nx n, então para cada matriz
b de tamanho n x 1,0 sistema de equações Ax = b tem
exatamente uma solução, a saber, x = Ab.
Prova, Como A (4'b) = b, segue-se que x = A!b é uma
solução de Ax = b. Para mostrar que esta é a única solução, nós
vamos supor que x, é uma solução arbitrária e mostrar que x,
necessariamente é à solução A!b.
ETs
Se x, é uma solução qualquer, então 4x; = b. Multiplicando
ambos os lados por A"!, obtemos x,= A"!b. n
EXEMPLO 1
Considere o sistema de equações lineares
n+B += 5
Im+tSntka= 3
x + Bu = 17
No formato matricial, este sistema pode ser escrito como À x =
b, onde
12 *
Am|2 53). amu). b=|3
ros
x 17
No Exemplo 4 da seção precedente nós mostramos que A é
invertível e
-40 16 9
Al=] 3 =5 -3
5-2 -1
Pelo Teorema 1.6.2, a solução do sistema é
= 40 16 9 5 1
3-5 =3] | 3)=[-1
5-2 —]||17 2
x=4"b=
oux=Lm=-lm=2. +
OBSERVAÇÃO. Note que o método do Exemplo | aplica somente
quando o sistema tem o mesmo número de equações e incógni-
tas e a matriz de coeficientes é invertível.
Sistemas Lineares com uma Matriz de
Coeficientes Comum Fregientemente precisamos
resolver uma segiiência de sistemas
Ax=bo Ax=bo Axebr. Ax= by
cada um dos quais tem a mesma matriz de coeficientes A. Se A
é invertível, então as soluções
m=4"by. Aba, Abs, m= Ab
podem ser obtidas com uma inversão matricial e k multipli-
cações de matrizes. Contudo, um método mais eficiente é for-
mar a matriz
TA by [be [4] (1
na qual a matriz A foi “aumentada” por todas as k matrizes b,,
b b, Reduzindo (1) à forma escalonada reduzida por linhas
nós podemos resolver todos os k sistemas de uma só vez por
eliminação de Gauss-Jordam. Este método tem a vantagem adi-
cional de aplicar mesmo se A é não-invertível.
EXEMPLO 2 R temas Lineares
d
Resolva os sistemas
BJ
Capítulo | « Sistemas de Equações Lineares e Matrizes * * * 65
4 Su tIy+Mm=4 5
3x + 3x + 2x3
+
8
2x, + 5x + 5x3
3m + 5x2 + Br = by
9. Resolva o seguinte sistema geral invertendo a matriz de coeficientes e usando o Teorema 1.6.2.
n+n+mn=h
t— btn=h
s+ a =b
Use as fórmulas resultantes para encontrar a solução se
(br=-1, b=3 n=4 (6 h=5, b=0, b=0 (0) =>], bn=-, by=3
10. Resolva os sistemas do Exercício 9 simultancamente usando o método do Exemplo 2,
Nos Exercícios LI-I4 use o métado do Exemplo 2 para resolver simultaneamente todos os sistemas dados.
12 um +ém+ m=h
x + — 2 =D;
6x + das — Brg =
(a) bp =0, b=0
(b) bi= by=—5
13 14. m+3n+tSn=h
ce ado
2x, + Sms + dy = by
fa) br=1, dy by=—1
(b) br bs=1
(e) br 3 +» b=0
15. O método do Exemplo 2 pode ser usado em sistemas lineares com infinitas soluções. Use aquele método para resolver os sistemas de ambas
partes simultaneamente.
(O) n-m+ m=-2 (b) n-2m+ n= 1
In—im+tm= 2 = Sn + m=-1
My — a +2n=—| In -W+tIy= 0
Nos Exercícios 16-19 encontre condições que as constantes b devem satisfazer para o sistema ser consistente.
16. 6x = 4x = by IT. m-0+5m=b
3 —-Im =b EM
—3x, + 3m) — 3a = by
18. am — m=h 1. n- nm +m=h
—4x, + Sua + eg = br D+ an + Si + = bs
—Sx1 + Tua + das = bs In +im+20— x
din + +
20. Considere as matrizes
pá 1 2 Xi
A=|2 2 -2 e x=|M
3 1 1 x
(a) Mostre que a equação Ax = x pode ser reescrita como (A — 1x = O e use este resultado para resolver 4x = x em x.
(b) Resolva Áx = dx.
21. Resolva a equação seguinte em X.
Lol I 2 ml 5
2 3 O0|lx=|4 0 -3
0 2 = 3 5-:=7
sos
ETs
66 + » e Álgebra Lincar com Aplicações
22. Em cada parte, determine se o sistema homogêneo tem una solução não-trivial (sem usar papel e lápis): depois decida se a matriz dada é
invertível,
(nt n-3a+ u=0 2 = 1
So +rdg+Iy=0 0 5 4 3
13 + 2 O 40 Md à
Memo lo dd q) dá
(b) Sm a tám+ u=0 a Lo $a
24 — u=0 oo zm
n+ u=0 oo 1a
1u=0 o oo fg
23. Seja Ax = 0 um sistema homogêneo de 1 equações lineares em n incógnitas cuja única solução é a trivial, Mostre que se k é qualquer inteiro
positivo, então o sistema Aº x = O também só tem a solução tri
24. Seja Ax = O um sistema homogêneo de a equações lineares em à incógnitas e seja O uma matriz invertível a x n. Mostre que Ax = O tem
somente a solução trivial se, e somente se, (Q4) x = O tem somente a solução trivial,
Seja Ax = bum sistema de equações lincares consistente e seja x, uma solução fixada, Mostre que qualquer solução do sistema pode ser esgri-
ta na forma x =x, + x,, onde x, é a solução de Ax = O. Mostre também que qualquer matriz x desta forma é uma solução.
26. Use a parte (4) do Teorema 1.63 para provar a parte (b).
a
Discussão e Descoberta
27. (a) Se A E uma matriz a x nc se b é uma matriz a x 1. quais condições você imporia para garantir que a equação x = A x + b tem uma única
solução em x?
(b) Supondo que suas condições estão satisfeitas, encontre uma fórmula para à solução em termos de uma inversa apropriada.
28. Suponha que A é uma matriz a x a invertível. O sistema x =x precisa ter uma solução única? Explique seu raciocínio.
29. É possível ter A B = [e B não ser a inversa de A? Explique seu raciocínio.
3. Crie um teorema reescrevendo o Teorema 1.6.5 em contraposição lógica (veja Exercício 34 da Seção 1.4).
TTTTTEÃ di O ELO
O luto O
1.7 MATRIZES DIAGONAIS, arte) MR O
TRIANGULARES E SIMÉTRICAS o De Mim
Nesta seção nós vamos considerar certas classes de matrizes que O leitor deveria verificar que DD! D'D =
têm formatos especiais. As matrizes que nós estudamos nesta Potências de matrizes diagonais são fáceis de calcular, nós
seção estão entre os lipos mais importantes de matrizes encon- a paro. eh x verifi RE que. se D é à matriz diagonal (1)
tradas em Álgebra Linear e surgirão em muitos contextos dife. e*eum inieira postavo, então
rentes qo longo do texto. a O es O
o dt o 0
p'= E à
Matrizes Diagonais Uma matriz quadrada na qual todas A
as entradas fora da diagonal principal são zero é chamada matriz DD se da
diagonal. Aqui temos alguns exemplos.
ao 6 “o
k g vio Qua. 0 (O de Matrizes
o -s] 001 F Do 0 0 0
0 08
Uma matriz diagonal arbitrária D de tamanho n x» pode ser Se
escrita como
EO 0
dy 0 O A=|0 3 0
Jo do o 02
o o “ É então
e + K£ É !
Uma matriz diagonal é invertível se, e somente se, todas suas actelo
emtradas na diagonal são não-nulas; neste caso, a inversa de (1) 0
é
Produtos de matrizes que envolvem fatores diagonais são
especialmente fáceis de calcular. Por exemplo.
do O 0]Ta cu as aus dan die day dias
O do Ollum um as aul=|dom dar das day
0 0 di)lan cu as au dan dy asas dam
me rag O dia omg dam
ex o dO [ota demo dom
mala o d das alodas aham
tus es ha eloctao altas
Em palavras, pera multiplicar wna matriz À à esquerda por
uma mairiz diagonal D, podemos multiplicar as linhas sucessi-
vas de À pelas entradas sucessivas na diagonal de D, e para
multiplicar A à direita por D. podemos multiplicar as colunas
sucessivas de À pelas entradas sucessivas na diagonal de D.
Matrizes Triangulares Uma matriz quadrada na qual
todas as entradas acima da diagonal principal são zero é chama-
da triangular inferior e uma matriz quadrada na qual todas as
entradas abaixo da diagonal principal são zero é chamada frian-
gular superior. Uma matriz que é triangular inferior ou triangu-
lar superior é chamada triangular.
res Superiores e
Gu apo Ma aa apo o 0
o
O dm as am tm ap O
0 O as ay ag ag ag O
O 0 O “ag dy da 4 cm
Uma imatria triangular Uma matriz triangular
superine 4 5€ 4 aebitrária, inferir 4 54 aeispásia. X
OBSERVAÇÃO. Observe que matrizes diagonais são triangulares
tanto inferiores quanto superiores, pois têm zeros acima quanto
abaixo da diagonal principal. Observe também que uma matriz
quadrada em forma escalonada é triangular superior pois tem
servos abaixo da diagonal principal.
As seguintes são quatro caractcrizações úteis de matrizes
triangulares. O leitor verá que é instrutivo verificar que as
matrizes do Exemplo 2 têm as propriedades afirmadas.
* Uma matriz quadrada A = [q] é triangular superior se, e
somente se, a i-ésima linha começa com pelo menos
i— zeros.
* Uma matriz quadrada A = [2] é triangular inferior se, e
somente se, a j-ésima coluna começa com pelo menos
j-Izeros.
* Uma matriz quadrada A = [a;] é triangular superior se, e
somente se, 4, = O para i > j.
e Uma matriz quadrada A = [4,,] é triangular infe:
somente se «= O para i<j.
O teorema a seguir lista algumas das propriedades de
matrizes triangulm
ETs
Capítulo | « Sistemas de Equações Lineares é Matrizes * * e 67
(e) A transposta de uma matriz triangular inferior € trian-
gular superior e a transposta de uma matriz triangular
superior é triangular inferior.
(b) O produto de matrizes triangulares inferiores é trian-
gular inferior e o produto de matrizes triangulares
superiores é triangular superior.
(o) Uma mariz triangular é invertível se, e somente se,
suas entradas na diagonal principal são todas não
musas,
( A inversa de uma matriz triangular inferior é triangu-
lar inferior e a inversa de uma matriz triangular supe-
rior é triangular superior.
A parte (4) é evidente pois transpor uma matriz quadrada cor-
responde a refletir suas entradas cm torno da diagonal principal;
nós omitimos a prova formal. Nós vamos provar (b), mas vamos
adiar as provas de (c) e (e) para o próximo capítulo, onde nós
teremos as ferramentas necessárias para provar estes resultados
de maneira mais eficiente.
Prova (b). Nós provaremos o resultado para matrizes triangu-
lares inferiores; a prova para matrizes triangulares superiores é
similar.
Sejam A =[a,)e B=[b,] matrizes n xa triangulares infe-
riores e seja € = [c,] 0 produto € = AB, Da observação anteri-
or a este teorema, nós podemos provar que C é triangular infe-
rior mostrando que e, = O para | < j. Mas pela definição de mul-
tiplicação matricial,
cy = anbi + anda +
abas
+ jabay
Se nós supormos que | < j, então os termos desta expressão
poderão ser agrupados como segue:
emp mambo aiadas eee) tygon jap 2 anday
Muicl Ss
Termas nos quais o múmero de Termos nos quais o número
tinha de b é menor do que o de linha de a é menor do que
número de coluna de b o número de coluna de à
No primeiro grupo todos os fatores de b são zeros pois B é tri-
angular inferior e no segundo grupo todos os fatores de q são
zeros pois A é triangular inferior. Assim, c, = O, que é o que
queriamos mostrar. =
EXEMPLO 3
Considere as matrizes triangulares superiores
1 3 - 3: 2º 2
Az=10 2 4), B=|0 0 -1
0 0/5 vo
A matriz A é invertível, pois suas entradas na diagonal principal
são não-nulas, mas a matriz B não é. Nós deixamos para o leitor
calcular a inversa de A pelo método da Seção 1.5 e mostrar que
70 «o « Álgebra Lincar com Aplicações
9
10.
un.
Mostre que À e B comutam se a = d = 7h.
af) o=[5 1]
Encontre uma matriz diagonal A tal que
I 2 0 200
MA=)]0 1 0 bai=|0 4 0
o 0-1 0014
(a) Fatore 4 na forma A = B D, onde D é uma matriz dingonal.
Jan Sar Tas
A= [Ja Sa Ta
Jay Som Tam,
(b) A fatoração encontrada é a única possível? Explique.
12. Verifique o Teorema 1,7,1b para o produto A 8, onde
13.
14.
=| ca 5 2-8 0
A=| 0 1 3. B=/0 a 1
o 0 -4 o o £)
Verifique o Teorema 1.7. 1d para as matrizes do Exercício 12.
Verifique o Teorema 1.7.3 para a matriz À dada,
gs 1-3
m4=[ 1 ] bA4=|=2 1 =7
3-7 4
Seja 4 uma matriz simétrica.
(a) Mostre que A? é simétrica. (b) Mostre que 24? - 34 + [ é simétrica.
Seja A uma matriz simétrica.
(a) Mostre que 4º é simétrica se k é qualquer inteiro não-negativo.
(b) Se plo) é um polinômio, é p(A) necessariamente simétrica? Explique.
Sejam A uma matriz triangular superior e p(x) um polinômio. É p(A) necessariamente triangular superior? Explique.
Prove: Se ATA = ão À é simétrica o À = 4º,
Encontre todas as matrizes diagonais 3 x 3 que satisfazem A? — 34 — dl = 0.
Seja À Juma matriz a xa. Determine se À é simétrica
(Maj=P+P (ba=P-P (Oaj=2142) (a,= 28427
Usando sua experiência com o Exercício 20, projete um teste geral que pode ser aplicado a uma fórmula para a,, para determinar se À = la
é simétrica.
Uma matriz quadrada A é chamada anti-simétrica se A” =-A, Prove:
(a) Se A É uma matriz à métrica invertível, emão A“! € anti-simétrica.
(b) Se Ae B são anti-s as. então também o são ATA + B.A = Be kA, para qualquer escalar &.
(c) Toda matriz quadrada A pode ser expressa como a soma de uma matriz simétrica € uma matriz anmti-simétrica,
[Sugestão, Observe a identidade A = MA+AT) + HA-AM
Nós mostramos no texto que o produto de matrizes simétricas é uma matriz simétrica sec somente se, as matrizes comutam. É o produto de
matrizes anti-simétricas que comutam uma matriz anti-simétrica? Explique. [Observação, Veja o Exercício 22 para a terminologia.)
Se a matriz A de tamanho u x à pode ser expressa como A = LU, onde L é uma matriz triangular inferior e U é uma matriz gular superi-
or, então o sistema Ax = b pode ser expresso como Lt/x =b é portanto pode ser resolvido em dois passos:
Passo 1. Seja Ux de modo que LUx = b pode ser escrito como Ly = b. Resolva este sistema.
Passo 2, Resolva o sistema Ux = y em x.
Em cada parte, use este método de dois passos para resolver o sistema dado.
ro o][f2 -1 3][m 1
e
ty |-2 3 0)jo 1 2|wm)=|-2
24 1]jo 0 algo 0
2 0 o07[3 5 fa 4
djs vooljo 4 dillul=|-5
-31 -2 a3)jo o 2)|m z
25.
Capítulo | « Sistemas de Equações Lineares e Matrizes +» * 71
Encontre uma matriz triangular superior que satisfaz
el 2]
Discussão e Descoberta
7]
Qual é à mímero máximo de entradas distintas que pode ter uma matriz simétrica de tamanho 1 x 1? Expligue seu raciocínio.
Invente e prove um teorema que diz como multiplicar duas matrizes diagonais.
Suponha que 4 é uma matriz quadrada e que D é uma matriz diagonal tal que AD = 1, O que você pode dizer sobre a matriz A? Explique seu
raciocínio.
(a) Construa um sistema linear consistente de cinco equações em cinco incógnitas que tem uma matriz de coeficientes triangular inferior
com nenhum zero na diagonal principal nena abaixo da diagonal principal.
(b) Projete um procedimento eficieme para resolver seu sistema à mão,
(e) Invente um nome apropriado para o seu procedimento.
Decida se a afirmação dada é sempre verdadeira ou às vezes falsa, Justifique cada resposta,
(a) Se AA” é singular, então também A é singular,
(b) Sc A + B é simétrica, então também À e 8 são simétricas,
tc) Se A é uma matriz nx c Ax = O tem somente a solução trivial, então também A7x = O tem somente a solução trivial.
(d) Se A? é simétrica, então também A É simétrica.
Use eliminação de Gauss-Jordan para resolver x e y” em termos de x e y.
s=dr-iy
p= feed
Use eliminação de Gauss-Jordan para resolver x” é y” em termos de x e ».
x =x'cost — y' sent
v=4sen0 +y' cosa
Encontre um sistema lincar homogênco de duas equações que não são múltiplas uma da outra tal que
m=Ly=-Ly= Lx=2
m=214,=0,4=1,4=-1
são soluções do sistema,
Uma caixa contendo moedas de 1,5 e 10 centavos contém 13 moedas com um valor total de 83 centavos. Quantas moedas de cada tipo há
na caixa?
Encontre inteiros positivos que satisfazem
+ pt zm 9
x+5y+ l0z=44
Para quais valores de a o sistema a seguir tem zero, uma ou infinitas soluções?
mtmnta=á
n=2
(ta - 4 =a-2
Seja
alba
aa ds 4
az é
a matriz aumentada de um sistema linear. Para quais valores de a e b o sistema tem
(a) uma única solução, (b) uma solução a um parâmetro,
(e) uma solução a dois parâmetros, (d) nenhuma solução?
72 «oe Álgebra Lincar com Aplicações
8. Resolvaema,ye cz
s-2F+ky=8
2y =] +2y=7
= + P+Uy=4
9. Encontre uma matriz É tal que ARB = €, sendo
I 8 6 -b
a=|-2 Va efe
I =-+ 0.0
10. Como devem ser escolhidos os coeficientes a, b e c para que o sistema
ax+by—3
—-2x — by +
ax+3y—
tenha a soluçõox= |,y=-Lez=2?
11. Em cada parte resolva a equação matricial em X.
=] 0 1
120 ra [5a
“ais o 1 :) o x[) o d=a E il
o [a def [5]
12. (a) Expresse as equações
n= Mo ata
n= +
== —
no formato matricial Y= AX e Z = BY. Em seguida use cestas expressões para obter uma relação direta Z = CX entre Ze X.
(b) Use a equação Z = CX obtida em (a) para expressar Z, e 7; em termos de x,. 4, CX.
(c) Confira o resultado em (b) substituindo diretamente as equações em y,, 3 € Nas equações em =, c 2, e simplificando.
13. SeAémxne Bémx p, quantas operações de multipli e quantas de adição são necessárias para calcular o produto matricial AB?
14. Seja À uma matriz quadrada.
(a) Mostre que (= AJI=[44 +42 + 450 4!=0.
(by Mostre que (= Ap! = [444 Ae ces At se Ari =
15. Encontre valores de a, b, ec tais que o gráfico do polinômio p(x) =x? + br +o passa pelos pontos (1, 2), (=1, 6) e (2,3).
u= p= mt
n==Intim=
16. (Para leitores que estudaram Cáleulo.) Encontre valores de a. b, e e tais que o gráfico do polinômio p(x) = «é + bx + c passa pelo ponto
(=1,0) e tem uma tangente horizontal em (2,9).
17. Seja Sa matriz nx tal que todas entradas são |, Mostre que sen > Ioentão
Em pi Mg
n
18. Mostre que se uma matriz quadrada A satisfaz a equação A! + 442 - 24 + 7] = O então A? também satisfaz,
19. Prove: Se B é invertível, então AB! = B''A se, e somente se, AB = BA.
20. Prove: Se A é invertível, então A + Be 1+ BAU são ambas invertíveis ou ambas não-invertíveis
21. Prove que se A e B são matrizes n x n,enão
Ca) trçA + B)= Ar (A) + Ar CB) Ab) RA)= AA) (or CATo=A(AD O (A) tr (AD) = tr(BA)
22. Use o Exercício 21 para mostrar que não existem matrizes quadradas À c 8 tais que
AB-BA=I
Prove: Se A é uma matriz mx ne é a matriz a x | com todas as entradas iguais a 1/m, então
Fi
B
F
AB=
onde 4 é a média das entradas na iésima linha de A.
Seção 1.7
TI. (Matrizes diagonais, simétricas e triangulares) Muitos recursos
computacionais fornecem atalhos para entrar com matrizes diago-
nais. simétricas e triangulares, Leia em seu manual sobre como
Capítulo | « Sistemas de Equações Lineares e Matrizes + * * T5
conseguir isto e então experimente entrando com várias matrizes
«destes tipos.
T2. (Propriedades de matrizes triangulares) Confirme os resultados
do Teorema 1,7,1 usando algumas matrizes triangulares de sua
escolha.
Determinantes
Conteúdo do Capítulo
2.1 A Função Determinante
22 Calculando Determinantes através de Redução por Linhas
23 Propriedades da Função Determinante
24 Expansão em Co-fatores; Regra de Cramer
NTRODUÇÃO: Nós todos estamos familiarizados com funções do tipo f(x) =senxefly)=x2,
que associam um número real f(x) a um valor real da variável x. Como ambos x e f(x) tomam ape-
nas valores reais, tais funções são descritas como funções reais de uma variável real. Nesta seção
nós vamos estudar “funções determinante,” que são funções reais de uma variável matricial, o que sig-
nifica que associam um número real (X) a uma matriz quadrada X. Nosso trabalho com as funções
determinante vai gerar aplicações importantes à teoria de sistemas de equações lineares e também vai
nos levar a uma fórmula explícita da inversa de uma matriz invertível.
77
80 « « e Álgebra Linear com Aplicações
trizes2x2e
Usando as matrizes do Exemplo 6, obtemos
ca]
az — ay2az
e) der a
31
am aj a
dbhder | am aro ceras | mm pernas aesas + erisa
dy dy dy
= apar — dpi =apando 4
Para evilar memorizar estas expressões desajcitadas, nós
sugerimos usar 0s recursos mnemônicos dados na Figura 2.1.2,
A fórmula da parte (a) do Exemplo 7 é obtida da Figura 2.1.20
somando as entradas da flecha direcionada para a direita e sub-
traindo as entradas da flecha direcionada para a esquerda. A fór-
mula da parte (b) do Exemplo 7 é obtida acrescentando à matriz
uma cópia da primeira e da segunda colunas, como mostra a
Figura 2.1.2b. O determinante é, então, calculado somando as
entradas das flechas direcionadas para a direita e subtraindo as
entradas das Nechas direcionadas para a esquerda,
Ps]
(a) Determinante de uma matriz 2 x 2
(b) Determinante de uma matriz 3 x 3
Figura 2.1.2
EXEMPLO 8
Calcule os determinantes de
[Re
A=[5 3] e B=|4 5 6
2 759
Solução.
Usando o método da Figura 2.1.24, obtemos
der(A)=0)(-D-(1)(4)=-10
Usando o método da Figura 2.1.2b, obtemos
dei(6) = (45) + (84) + (96) — (105) — (—48) — (724 = 240
ES
ETs
Advertência. Nós enfatizamos que os métodos mostrados na
Figura 2.1.2 não funcionam para determinantes de matrizes
4 xd ou maiores,
Notação e Terminologia Nós concluímos esta seção
com alguns comentários sobre terminologia € notação. Primeiro
observamos que o símbolo [A | é uma notação alternativa para
det (A). Por exemplo, o determinante de uma matriz 3 x 3 pode
ser escrito como
am o ai
detlas au as) ou
tm ca am
ax dn dx
fu do da ds dm us
Na última notação, o determinante da matriz À do Exemplo 8 é
escrito como
3 1
E a=-0
Estritamente falando, o determinante de uma matriz é um
número, Contudo, é prá comum “abusar” um pouco da ter-
minologia e usar o termo “determinante” para nos referirmos à
matriz cujo determinante está sendo calculado. Assim, nós
poderemos nos referir a
|
fal
como um determinante 2 x 2 e chamar 3 a entrada na primeira
linha e primeira coluna do determinante.
Finalmente, observamos que, muitas vezes, o determinante
de A é escrito simbolicamente como
deiÃ) = DD torpe map, (1)
onde E indica que os termos devem ser somados sobre todas as
permutações (Jp jr «s jj) € 0 + Ou — é selecionado em cada
parcela de acordo com a permutação sendo par ou ímpar. Esta
notação é útil quando queremos enfatizar a definição de um
determinante.
OBSERVAÇÃO. Caleular determinantes diretamente da definição
leva a dificuldades computacional e fato, calcular um deter-
minante 4 x 4 diretamente envolveria calcular 4! = 24 produtos
elementares com sinal e um determinante 10 x 10 envolveria
calcular 10! = 3.628.800 produtos elementares com sinal.
Mesmo es mais rápidos computadores digitais não conseguem
dar conta em um tempo razoável dos cálculos de um determi-
nante 25 x 25 por este método. Muito do que segue neste capí-
tulo será dedicado, portanto, a desenvolver propriedades dos
determinantes que vão simplificar o seu cálculo.
Capítelo 2 « Determinantes + * * 87
Conjunto de Exer LE
1. Encontre o número de inversões em cada uma das seguintes permutações de (1,2, 3,4,5)
(a) (41352) (b) (53421) (e) G2541) (d) (54321) (e) (12345) (1) (14239
2 Classifique cada uma das permutações do Exercício | como par ou impar.
Nox Elisrefeids 2-12, calculo o delereninánio.
a[5 E é Eds 5 Do
- 4 sa qa 4 «6 -3 e-2 E
2 ig Wi é 200 o red A
“3 5-2] m|3 os] fia 5) nb ve
1 62 172 Es 4 cs q
13. Encontre todos os valores de À. para os quais det (A) = 0.
1-4 0 O
j=2 1
o[ ] mlo aa
5 A+4 E as
1á. Classifique cada permutação de (1. 2. 3, 4) como par ou impar.
15. Use as respostas do Exercício 14 para construir uma Fórmula para o determinante de uma matriz 4 x 4.
16. Use a fórmula obtida no Exercício 15 para calcular
4-5 9 &
-=2 5 6 4
1 2 —5 —3
| =2 bo =2
17. Use a definição de determinante para calcular
vo Do = 5 0 0 0/0
vo 0-4 0 0 0 0 0 —4
(Io 0 — 0 0 bjo 0 3 0/0
oz 0 0 dq o 00 1 0
s 00 0 0 o-2 0 0 0
18. Resolva em x,
0-3
E *
3 4-5
19. Mostre que o valor do determinante
sent cost 0
—eost sent 0
sent — cost sent +cost |
não depende de 9.
20. Prove que as matrizes
ab de
RE lo ' Ee “fo ')
comutam se, e somente se,
b a-e
1 =0
Discussão e Descoberta
21. Explique por que o determinante de uma matriz 4 x 1 com entradas inteiras deve ser um inteiro.
82 « e e Álgebra Linear com Aplicações
ETs
22. O que você pode dizer sobre o determinante de uma matriz nx 1 cujas entradas são todas 1? Explique seu raciocínio,
23. (a) Explique por que o determinante de uma matriz nx 1 com uma linha de zeros deve
zero.
(b) Explique por que o determinante de uma matriz n Xu com uma coluna de zeros deve ser zero.
24, Usca Fórmula (1) para descobrir uma Fórmula para o determinante de uma matriz nx 2 diagonal, Expresse sua fórmula em palavras,
25. Use a Fórmula (1) para descobrir uma fórmula para o determinante de uma matriz 4 x q triangular superior. Expresse sua fórmula em
palavras. Faça 0 mesmo para uma matriz triangular inferior.
oo.
2.2 CALCULANDO DETERMINANTES
ATRAVÉS DE REDUÇÃO POR
LINHAS
Nesta seção nós ummos mostrar que o determinante de uma
matriz quadrada pode ser calculado através da redução da matriz
à fonna escafonada reduzida por linhas. Este método é impor.
tante pois evita os longos cálculos envolvidos ma aplicação dire-
ta da definição de determinante.
Um Teorema Básico Como discutimos no final da seção
anterior, a definição de determinante é útil para provar teoremas
sobre determinantes, mas não fornece meios práticos para cal-
culá-los, especialmente determinante de matrizes maiores do
que 3x3. Por causa disto, começamos com um teorema funda-
mental que nos levará a um procedimento eficiente para cal
lar o determinante de uma matriz de qualquer tamanho n.
Seja À tuna matriz quadrada.
(a) Se A rem tuna linha ou mma coluna de zeros, então
der(A) = 0.
(b) dei(A) = deiçA
Prova (4a). Como cada produto elementar com sinal de À tem um
fator de cada linha e um fator de cada coluna, segue-se que cada
produto elementar com sinal necessariamente tem um fator de
uma linha de zeros ou de uma coluna de zeros. Nestes casos,
cada produto elementar com sinal é zero e portanto det (A), que
é uma soma de produtos elementares com É zero. =
Nós omitimos a prova da parte (b), mas lembramos que um
produto elementar tem um fator de cada linha e de cada coluna,
de modo que é evidente que A é A” têm precisamente o mesmo
conjunto de produtos elementares. Com a ajuda de alguns teo-
remas sobre permutações, que nos levariam para muito longe
dos nossos propósitos, pode ser mostrado que na realidade À e
AT iêm o mesmo conjunto de produtos elementares com sinal.
Isto implica que det (A) = det (A”).
OBSERVAÇÃO. Por causa do Teorema 2.2.1b, quase cada leorema
sobre determinantes que contém a palavra “linha” em seu enu
ciado, também é verdadeiro se substituirmos a palavra “linh;
por “coluna”. Para provar uma afirmação sobre colunas, basta
transpor a matriz em questão para converter a afirmação sobre
colunas numa afirmação sobre linhas e em seguida aplicar
resultado conhecido para as linhas.
Matrizes Triangulares O próximo teorema torna fi
calcular o determinante de uma matriz triangular, independente-
mente de seu tamanho,
Se A é una matriz criangular (triangular superior, triangu-
tar inferior om diagonal) de tamanho n x n, então det(A) é
o produto das entradas na diagonal principal da marviz; ou
seja, det (A) = qtas e a
a
Para simplificar a notação, nós vamos provar este resultado para
matrizes triangulares inferiores
aq o 0
da o
fa dg a dm
prova para matrizes triangulares superiores pode ser obtido apli-
cando o Teorema 2.2.1b e observando que a transposta de uma
matriz triangular superior É uma matriz triangular inferior com
as mesmas entradas na diagonal.
Prova do Teorema 2.2.2 (caso triangular inferior 4 x 4). 0
único produto elementar de A que pode ser não-nulo é
3044 Para ver isto, considere um produto elementar
4t3/44j, Úpico, Como aj, = dy; = 444 = O, precisamos ter
para obter um produto elementar não-nulo. Se j, = 1,
devemos ter j, = |, pois dois fatores não podem vir da mesma
coluna, Além disso, como «1,4 = 44, = O, precisamos ter j, = 2
para obter um produto elementar não-nulo. Continuando deste
modo, obtemos j; = 3 € j, = 4. Como a 8,5043044 É multiplic;
do por + | para formar o produto elementar com sinal, resulta
derdA) = e passétaadisa =
2 7-3 8 3
0-3 751
O DD 6 7º 6)=(Q(-36NONA) =— 1296 +
0 0 0 9 8
o 000 4
3. Calcule os determinantes das seguintes matrizes por inspeção.
10 0 0 1000 Lo o ó
a|% do 0 0 E RR Esso O E Dia
Mt mos o Clero) Clica a à
o o o 1 D0 01 o o o 1
Nos Exercícios 4-1, calcule o determinante da matriz dada reduzindo a matriz à forma escalonada por linhas.
3 6 —9 031 13 0 3 6 9
alo 0-2] sli 12) 6&|-2 4 1d] T|-2 7-2
e sd 5 324 s2 2 [DR E
Log Sá ori E
e E 1 1-1 0-4 2
&) Sc é dl USC Sida alo sa
102 6 2 “joz1o |ládidto Do ao
2 & € q = à
ESA Sus 2 0 0 11
a be
12. Sabendo que a: f = 6, encontre
g Rs
doe f da Mo de arg bt+h c+i —3a —3b =3c
tlg hi (bj j=d -e —f (ey | d e E (dy d e f
aboe dg dio 4 £ h í g-4d d—de i—4r
13. Use redução por linhas para mostrar que
E E dl
a b el=hb-ale-atc=-b)
a poe
14. Use um argumento como o que foi dado na prova do Teorema 2.2.2 para mostrar que
Do D a
ds au
O ax as au
0 O ans
taj det JO an an) =-ananas (b) det = Wutndnda
e am am
E an Gp da qu
15. Prove os seguintes casos especiais do Teorema 2.2.3,
tan Kan Kas CAT RT dem am du am a ds
(a) | an ax enj=kjm dm as (b) jon a cdn|=-|e do ap
dm a ds di da dg dy dim dia da dm da
Discussão e Descoberta
16. Em cada parte, encontre det (A) por inspeção. explicando seu raciocínio.
a 5010
(aj á=|0 10 dA=15 100
Bs 1000
17. Por inspeção, resolva a equação
x 5 7
O x+1 6 |=0
0 O 2M=1
Explique seu raciocínio.
86 + «e Álgebra Lincar com Aplicações
18. (a) Por inspeção, encontre duas soluções da equação
Lx
1 1 1|=0
1-3 9
(bj É passível haver outras soluções? Justifique sua resposta.
— EEE
2.3 PROPRIEDADES DA FUNÇÃO
DETERMINANTE
Nesta seção nós vamos desenvolver algumas das propriedades
fundamentais da função determinante. Nosso trabalho aqui nos
dará uma compreensão mais profunda da relação entre uma
matriz quadrado e seu determinante. Uma das consegilências
imediatas deste material será um teste de determinante para a
invertibilidade de uma matriz.
Propriedades Básicas dos Determinantes
Suponha que A e B são matrizes 1 x ne que É é um escalar qual-
quer, Começamos considerando as possíveis relações entre
dei (A), det (B) e
der (RA), derçA + 8) e dera 8)
Como um fator comum de qualquer linha de uma matriz pode
ser carregado para fora do sinal det e como cada uma das n li-
ahas de À tem o fator k em comum, obtemos
der (RA = E" der (A) (1
Por exemplo,
kom Kas Kai ia dia dy
ko ko Kan] = Elas du an
day day Kan am am ums
Infelizmente, em geral não existem relações simples entre
der (A), det (Bj e der (A + 8). Em particular, enfatizamos que
det (4 + B) geralmente não é igual a det (A) + det (B). O
seguinte exemplo ilustra este fato.
EXEMPLO | de + det [B)
Considere
TE 31 43
ER
Nós temos det (A) = |, det (B)= 8 e det (A + B)= 23; assim,
der ÇA + 1) ne det (A) + der (8) +
Não obstante o aspecto negativo do exemplo precedente,
existe uma relação importante que trata de somas de determi-
nantes e que é muitas vezes útil. Para obtê-la, considere duas
matrizes 2 x 2 que só diferem na segunda linha:
an ar an am
a=[i pal Ei ep: E]
Nós temos
detCA) + deito) = agia = ermzan) + Cergbos — apoia)
=en(am + bra) = eialam + ba
au sa
si lg +by apt ba)
Assim,
dy dp Mm dm am E
dal aafrano pote o om a Ei
Este é um caso especial do seguinte resultado geral.
Sejam A, Be C matrizes nx n que diferem somente em uma
única linha, digamos « résima, e suponha que a résima
linha de C pode ser obtida somando as entradas correspon-
dentes nas r-ésimas linhas de A e B. Então
der(0) = dei (A) + det (8)
O mesmo resultado vale para colunas.
EXEMPLO 2 U
Calculando os determinantes, o leitor pode verificar que
1 7 5 os E:
da) 2 o 3 =dal2 O Ij+dal2 O 3] 4
+00 41 T+(-1) 14 7 od
Determinante de um Produto Matricial Quando
nós consideramos a complexidade das defink
cação matricial e de determinantes, parec s
poder haver alguma relação simples entre estes conceitos. Isto É
o que faz tão surpreendente a elegante simplicidade do seguinte
resultado: Nós vamos mostrar que se 4 e B são matrizes
quadradas de mesmo tamanho, então
delta B) = det(Ap do (E) (2)
A prova deste teorema é razoavelmente complexa, de modo que
vamos precisar desenvolver primeiro alguns resultados preli-
minares. Nós começamos com o caso especial de (2) em que A
é uma matriz elementar. Como este caso especial é só um prelú-
dio para (2), vamos chamá-lo de lema.
Se Bé uma matriznxne E é uma matriz elementar nxn,
então
det (E 8) = det (E) det (By
Prova. Nós vamos considerar três casos, um para cada uma das
operações sobre linhas que produz a matriz E.
Caso |. Se E é o resultado da multipli o de uma linha def,
por 4, então, pelo Teorema 1.5.1, 0 resultado da multiplicação de
uma linha de B por & é E 8; logo, pelo Teorema 2.2.3 nós temos
det (EB) = det (By
Mas pelo Teorema 2.2.4a sabemos que det (E) = k, logo
det (E B) = det (E) det (8)
Casos 2. e 3, As provas dos casos em que E é o resultado da troca
de duas linhas de F, entre si ou da soma de um múltiplo de uma
linha a uma outra linha de f, seguem o mesmo padrão do Caso
1 e são deixadas como exercícios. =
OBSERVAÇÃO. Da aplicação repetida do Lema 2.3.2 segue que se
Béuma matrizn xnese E, Es ., E, são matrizes elementares
nxXn, então
det(Eg Es ++ E; B) = des(Eydei(Es) oo deiCE,)dettsy 0)
Por exemplo,
detdE, E, 8) = det (E) det (E, B) = det (E) det (E,) det (8)
Teste de Determinante para a Invertibilidade O
próximo é um dos mais fundamentais teoremas de Álgebra
Linear; ele fornece um critério importante para à invertibilidade
em termos de determinantes e será usado para provar (2).
Uma matriz quadrada A é invertível se, e somente se,
dera) = 0.
Prova. Seja R a forma escalonada reduzida por linhas de A.
Como um passo preliminar vamos mostrar que det (4) e det (R)
são ambos nulos ou ambos não-nulos. Sejam £,, Es, ... E, as
matrizes elementares que correspondem às operações ele-
mentares sobre linhas que produzem R a partir de A. Assim,
R= E ESEA
e por (3)
dei(R) = dei(E,) -- det Es) dei(E,) det A)
Mas pelo Teorema 2.2.4, os determinantes das matrize:
mentares são todos não-nulos. (Não esqueça que multiplicar por
zero ndo é uma operação elementar permitida, de modo que k =
O nesta aplicação do Teorema 2.2.4.) Assim, segue de (4) que
det (4) e det (R) são ambos nulos ou ambos não-nulos, Agora
passamos à parte principal da prova,
Se A é invertível, então pelo Teorema 1.6.4 nós temos R = 4,
de modo que det (R) = | = O e consequentemente det (A) = O,
Reciprocamente, se det (A) = 0, então det (Rj = O é portanto R
não pode ter uma linha de zeros. Segue do Teorema 1.4.3 que
R= 1, de modo que A é invertível pelo Teorema 1,6,4, =
Segue dos Teoremas 2.3.3 e 2.2.5 que uma matriz quadrada
com duas linhas ou duas colunas proporcionais é não-invertível.
EJLEA O
Capítulo 2 « Determinantes * * * 87
EXEMPLO 3.
Como a primeira e terceira linhas de
Es
A=|[1 01
24 6
são proporcionais, det (A) = O. Assim, A é não-invertível. o
Nós estamos agora prontos para O principal resultado desta
seção.
Se A e Bsão matrizes quadradas de mesmo tamanho, então
dei (A Bj = det (A) dei (B)
Prova. Nós dividimos a prova em dois casos, considerando A
invertível ou não. Se à matriz A é não-invertível, então pelo
Teorema 1.6.5 tampouco o produto À B o é. Assim, pelo
Teorema 2.3.3, nós temos det (A 6) = 0 e det (4) = 0, de modo
que det (A 8) = det (A) det (B),
Suponha agora, que A é invertível. Pelo Teorema 1.6.4, a
matriz À pode ser expressa como um produto de matrizes ele-
mentares, digamos
A= EEE, (5)
e portanto
AB= E EEB
Aplicando (3) a esta equação, obtemos
dei AB) = dei Ei) dertE;) o -dea(E,) det By
e aplicando novamente (3), resulta
deita) = derç£ Es --- E ) der(E)
que, por (5), pode ser reescrito como dei (A B) = det (A) det (B).
=
EXEMPLO 4
Considere as matrizes
E 1 8 2
a=[5 E 8=[ 4 SÉ ap=[5 E]
Nós deixamos para o leitor verificar que
der (A) = 1, det (Bj =-23 e det (A B)=-23
Assim, det (AB) = det (A) det (8), como garante O Teorema
234. +
O próximo teorema dá uma relação útil entre o determi-
nante de uma matriz invertível e o determinante da sua inversa.
90 « « e Álgebra Linear com Aplicações
7. Sem calcular diretamente, mostre que
b+e cha b+a
det| q b e
1 I I
Nos Exercícios 8-1 1, prove a identidade sem calcular os determinantes.
a bo mtby+er a boa
Bju ba at+biteol=la be
e bs mtistre) ja bo
mt abr cr a bye
9 ja +b aba cj=-2a by
ento; as—by ca a by é
abr ardor andar am a
10. Jair artb atrbil=(=P|b bb by
6 a “a e a cs
a berma c+rbypAsa oo a
Na brio ctrbrtsa|=|b bb bh
am bn+ra co+rrbr+sar & o
12. Encontre o(s) valor(es) de & que Faztem) A não-inventível.
1 2 4
a) 4= [1 ba=|3 16
Fa
13. Use o Teorema 2.3.3 para mostrar que
senta sentp senêy)
coste cor cos'y
I I 1
é não-invertível para quaisquer valores de o. Be x
14. Express os seguintes sistemas lineares no formato (À [= A)x=0.
ta) x +2r (e) Jr + 4 Xy
In + =5%, — 3x4 = Àxa
15. Para cada um dos sistemas do Exercício 14, encontre
(i) a equação característica:
j os autovalores;
os autovetores associados a cada autovalor.
16. Sejam A e B matrizes r x 1. Mostre que se A é invertível, então der (5) = der (A! BA ).
17. (a) Expresse
a+h td
ah ctd
como uma soma de quatro determinantes cujas entradas não contém somas.
(b) Expresse
mtb atdo ath
o+h rd a+h
mtb td esth
como uma soma de oito determinantes cujas entradas não contém somas.
18. Prove que uma matriz quadrada A é invertível se, é somente se, ATA é inventível.
19. Prove os Casos 2 e 3 do Lema 2.3.2,
Discussão e Descoberta
ETs
Capítulo 2 « Determinantes * * e 97
20. Sejam À e E matrizes 1 x n. Você já sabe, pelo que foi visto antes, que 4 B e B A não precisam coincidir. Vale o mesmo para
der (A Bj e der( A? Explique seu raciocínio,
21. Sejam A e matrizes nx n. Você já sabe, pelo que foi visto antes, que A B é inventi
idade de A B se um ou ambos fatores são singulares? Explique seu rucioc
falsa, Justifique sua resposta dando um argumento lógico ou um contra-exemplo.
22. Decida se a afirmação dada É sempre verdadeira ou às
(a) det (24) = 2 det (A)
(bp |AJ= JAF
(c) der +A)= | + deita)
el se 4 e B são inventíveis. O que você sabe dizer sobre
(d) Se der (4) = O, então o sistema homegênco A x = O tem infinitas soluções.
23. Decida se à afirmação dada é sempre verdadeira ou às vezes falsa. Justifique sua resposta dando um argumento lógico ou um contra-exemplo.
(a) Se det (4) = O. então A pode ou pode não ser expressa como um produto de matrizes elementares.
(b) Se a forma escalonada reduzida por linhas de À tiver uma linha de zeros, então det (4) = 0.
(tc) O determinante de uma matriz permanece inalterado se escrevemos as colunas em ordem inversa.
(dj Não existe matriz quadrada A para a qual de(A AN =—1.
TES
2.4 EXPANSÃO EM CO-FATORES;
REGRA DE CRAMER
Nesta seção nós uamos considerar um método para calcular
determinantes que é útil para cálculos manuais e também é
importante para a teoria. Como uma consegiiência do nosso tra-
balho, nós vamos obter uma fórmula para a inversa de uma
matriz invertivel, bem como uma fórmula para a solução de cer-
tos sistemas de equações lineares em termos de determinantes.
Menores e Co-fatores No Exemplo 7 da Seção 2.1 nós
vimos que o determinante de uma matriz 3 x 3
emo am
A=|an am dn
am am am
é o número
dei(A) = ayizadss + asas + dps
— Wsappam — diagrama — aqua «1
Rearranjando os termos e fatorando, (1) pode ser reescrito como
det (A) = dijlagitos = pita) ditas qusy = dista) 4 sutis = dtsgitsy) (2)
As expressões destacadas em cor em (2) são, clas mesmo, deter-
minantes:
As submatrizes de À que aparecem nestes determinantes têm um
nome especial,
Det
Se A é uma matriz quadrada, então o determinante menor
da entrada “ip OU simplesmente o menor de a , é denota-
do por M, e definido como o determinante da ubmats que
sobra quando suprimimos a i-ésima linha e a j-ésima coluna
de A. O número (= 1)'*/ M, é denotado por €,, e é chama-
do o co-fator de “ip
eCo-fatores
EXEMPLO 1 Encontrando Menore
Seja
O menor de a, É
Mu=|2 5 6)=
4
Oco-fator de a, É
CamteD IM =Mj= 16
larmente, o menor de as, É
3
My = aê =2%
2 6
O co-fator de ay, É
Coml M=-My=-26 +
Note que a diferença entre o co-fator e o menor de um ele-
mento a, É somente de sinal, ou seja, C,= = M,. Uma maneira
rápida de determinar se deve ser usado + ou — é observar que o
sinal relacionando €, e M, é o que está na i-ésima linha e
jésima coluna do arranjo em forma de tabuleiro de xadrez
+ +
+
+
++
RR]
Por exemplo, C=M,p Cn=-My Co=-Myp. Co=Mye
assim por diante.
Expansão em Co-fatores Tendo em vista a definição
a, a expressão em (2) pode ser escrita em termos de
menores e co-fatores como
92 e e e Álgebra Linear com Aplicações
dei) = mM o apal= 3) + avadfis
=anCutanCo +anCa 3)
As equações em (3) mostram que o determinante de A pode ser
calculado mult ando as entradas da primeira linha de A pelos
co-fatores correspondentes e somando os produtos que resul-
tam, Este método de calcular det (A) é chamado expansão em
co-fatores ao longo da primeira linha de A.
EXEMPLO 2
3 1 o
Seja A=|=2 —=4 3]. Calcule det (4) por expansão em
5 4-2
co-fatores ao longo da primeira linha de A.
Solução.
Por (3),
31
43 -2 3 -2 4
degA)=|-2 —4 [=| [+ |
SM 4 — 52 s 4
= Má) -AIM-10+0=—1 +
Rearranjando os termos em (1) de outras maneiras, é pos-
sivel obter outras fórmulas como (3). Não deveria haver dificul-
dades em conferir que todas as seguintes fórmulas são ver-
dadeiras (ver Exercício 28):
del) = emu +anl + anta
nO ana data
eim + aC + ela
2013 + 430» + auln
40 mu + asa delas
= Cp + an0n + anla (4)
Note que em cada equação as entradas é os co-fatores são todos
da mesma linha ou coluna. Estas equações são chamadas expan-
sães em co-fatores de det (A).
Os resultados que acabamos de ver para matrizes 3 x 3 for-
mam um caso especial do seguinte teorema geral, que enunci-
amos sem prova.
Expansão em Co-fatores
O determinante de una matriz À de ramanho nx n pode ser
calculado multiplicando as entradas de qualquer linha (ou
coluna) pelos seus co-fatores e somando os produtos restl-
tantes, ou seja, para quaisquer | sisne Isjsu,
dei(A) = Cj + dy Cy + + ty Coy
(expansão em co-fitores ao longa da jeésima coluna)
e
det) = ay Cy + a Cj + oo + ty Cry
enpansão em co-fatores ao longa da i-ésiuna lindra
EXEMPLO 3
Seja A a matriz do Exemplo 2. Calcule det (A) expandindo em
co-fatores ao longo da primeira coluna de A.
Solução.
Por (4),
djs Tate] É +sjd 3]
5
= Md) = (240) +50) =—1
Isto confere com o resultado obtido no Exemplo 2. +
onsERvaçÃO, Neste exemplo, nós precisamos caleular três co-
Fatores, mas no Exemplo 2 nós só precisamos calcular dois
deles, pois o terceiro foi multiplicado por zero, Em geral, a me-
lhor estratégia para caleular o determinante pela expansão em
co-fatores é expandindo ao longo da linha ou coluna que tem o
maior número de zeros.
A expansão em co-fatores e as operações elementares com
linhas e colunas podem, às vezes, ser usadas em conjunto para
fornecer um meio efetivo de calcular determinantes. O exemplo
seguinte ilustra esta idéia.
EXEMPLO 4 5 e Expansão
Calcule det (A), onde
à = 6
, Bo=t 1
Ada gd 5
os Ss A
Solução.
Somando múltiplos convenientes da segunda linha às demais
linhas, nós obtemos
0 1 3
1 2-1 4
dam q 5 à
Di 30
E hu à
E ExpanaSo cm co-fnres ao
, : o longo da primeira cola
SE
=-[0 3 3) «E Nassemamesa primeira
Me linha à terceira linha.
& 3
=—(-1) = Expansão em co-tores ao
pu longo da primeira coluna
=-18 é
Adjunta de uma Matriz Na expansão em co-fatores nós
caleulamos det (A) multiplicando as entradas de uma linha ou
Gabriel Cramer (1704-1752)
foi um matemático suíço.
Embora ele não seja classificado
eomo um dos grandes matemáti-
cos de seu tempo, mereceu seu
lugar na historia da Matemática
pela sua contribuição como um
divulgador de idéias matemáti-
cas. Cramer viajou muito €
encontrou-se com muitos dos
os de sua época.
» curvas algébricas; Rd aa rena
regra tenha o seu nome, variações desta regra
“vários matemáticos. No entanto, a notação
esclarecer e popularizar a técnica.
ombinado com uma queda de uma carru-
os 48 anos de idade. Aparememente,
e agradável, demonstrando amplos inte-
a filosofia da lei e do governo e sobre a
Ele trabalhou em repartições públicas, par-
fortificações e da amilharia do governo,
nstrução sobre técnicas de restauração de
es de arquivos de catedrais. Cramer
Multiplicando as matrizes, resulta
biCu + BO ooo + BC
A |REn Fiber + Ca
“Cmm|:o: :
tn Cia te broa de ooo + Bula
e portanto a entrada na j-ésima linha de x é
BC + brCa doe + bala
sm
deita) (1)
Seja, agora,
emo cmo es mp by gar e ta
Vl au a aja dá pt ee Ma
mto a et md o Emp 0
1. Seja
Lt -=2º 3
A=| 6 7 =
=3 l 4
fa) Encontre todos os menores de 4.
(b) Encontre todos os co-fatores,
RBS!
ETs
Capítulo 2 « Determinantes * * * 95
Como A, difere de À somente na jésima coluna, segue que os
co-fatores das entradas b,, by, ..., by de A, ce em com os co-
fatores das correspondentes entradas da j-ésima coluna de A, A
expansão em co-fatores de det (A) ao longo da j-ésima coluna
é portanto,
deA = Cj + baCap to oo MaCap
Substituindo esta expressão em (11), resulta
AMAS)
“E TAÇA "
EXEMPLO 8 Usa
Cramer para
Use a regra de Cramer para resolver
nto +tin=6
day + dao + 6a = 30
= tia=8
Solução,
2 +02
6). a=|0 4 6
3 $= 8
2 10 6
6), A=)-3 4M
3 = a
Portanto,
dação) =40 O deitd) 72 18
“= ata) O To “qua AT
des)
“deA)
OBSERVAÇÃO. Para resolver um sistema de n equações lincares
em a! incógnitas pela regra de Cramer, é necessário calcular
n+ | determinantes de matrizes nx 1. Para sistemas com mais
de três equações, a eliminação gaussiana é muito mais eficiente,
pois somente requer a redução de uma matriz aumentada
ax (a + 1). No entanto, a regra de Cramer dá uma fórmula para
a solução se o determinante da matriz de coeficientes é não-
nulo.
RR
96 « e e Álgebra Linear com Aplicações
2 Seja
4-1 1 6
O 0-3 3
Gi
o 4 BE q
Encontre
(0) M€ Ci DMaeCa (Mel (DMeC
3. Calcule o determinante da matriz do Exercício | usando uma expansão de co-fatores ao longo da
(a) primeira linha (b) primeira coluna
(dy segunda-coluna (e) terceira linha
4 Para a matriz do Exercício |. encontre
(ta) adj (A) Ab) A! usando o Teorema 2.4.2
(c) segunda linha
(f) terceira coluna
Nos Exercícios 5-10, calcule det (4) usando uma expansão em co-fatores ao longo de alguma linha ou coluna de sua preferência.
-10 7 3 8 4 LAR
sA= 2 S 6 A=|1 0 —4 TA=|| k É
=1 05 L=3 5 LR
A 0 6 É
R+I E-1 7 Ses 2 2
&A=| 2 k-3 4 2 4=|, : = WA=||1 2 4 2
E: Mas 7 4 pa
E 2 x ga a
Nos Exercícios 11-14, encontre A"! usando o Teorema 2.4.2.
Zoo g a 0 a
iLA=|-1-1 0) WL4=[0 3 2
2 4 3 2 0 =
2-3 5 200
13. 4A=|0 1 —3 MM A= 81 0
o 02 -5 3 6
15. Seja
JE IO O
os nua
Ad a so
E 3 dis
(a) Calcule A"! usando o Teorema 2.4.2.
(b) Calcule A! usando o métado do Exemplo 4 da Seção 1.5.
(c) Qual método envolve menos contas?
Nos Exercícios 16-21, resolva pela regra de Cramer, onde aplicável.
16. Tx — 2x =3 17. dx +5y IB. r-dyt = 6
+ m=5 Ha + y+2
s+Sp+Z=l
19. 20. -n— do +In+ u=
n=-Im+ m= 2 — 22 + Ts + Mu
Zn — 2 =n+ n+3o+ x
4x — 3x; m-2n+ m-du= -4
22, Mostre que a matriz
cost sent O
A=|-=senf cost O
o o
wu wo o
PLESVE
Capítulo 2 « Determinantes * * * 97
é invertivel para todos os valores de & em seguida, encontre A! usando o Teorema 2.4.2.
23. Use a regra de Cramer para resolver em y sem resolver em x: e u.
a+ryti+ru= 6
M+- + wu=
W+Iy-S+8w=—3
x+ y+tz+tiv= 3
24. Seja Ax = bo sistema do Exercício 23.
(a) Resolva o sistema pela regra de Cramer.
(by Resolva o sistema por eliminação de Gauss-Jordan.
(c) Qual método envolve menos contas?
25. Prove que se det (4) = 1 € todas as entradas de A são números inteiros, então todas as entradas de A! também são inteiros.
26. Seja Ax = b um sistema de n equações lineares em 1 incógnitas com coeficientes e constantes números inteiros. Prove que se det (A) = 1.
então as entradas da solução x são inteiros.
27. Prove que se À é uma matriz triangular inferior invertível, então A“! é triangular inferior.
28. Obtenha a expansão em co-fatores listada na última linha da Fórmula (4).
29. Prove: A equação da reta que passa pelos pontos distintos (a. b,) e (a. b;) pode ser escrita como
2. ya
a bh 1/=0
a bp 1
30. Prove: Os pontos (x. 4). (to 55) € (15, 45) são colincares se, é somente se,
1
mp 1[=0
1
(b) Verifique sua resposta na parte (a) usando uma expansão em co-fatores para calcular det (4).
32. Prove que se À é uma matriz triangular superior é B, É a matriz que resulta quando suprimimos à i-ésima linha e a j-ésima coluna de A, então
Bj É triangular superior se i < j.
Discussão e Descoberta
33. Qual é o número máximo de zeros que uma matriz 4 x 4 pode ter sem ter determinante nulo? Explique seu raciocínio.
34. Seja A uma matriz com à seguinte formato:
** 000
** 000
A=|z «000
a... ..
au...
Quantos valores distintos você consegue obter para det (4) substituindo os asteriscos por valores numéricos (não necessariamente todos
iguais)? Explique seu raciocínio.
35. Decida se a afirmação dada é sempre verdadeira ou às vezes falsa, Justifique sua resposta dando um argumento lógico ou um contra-exemplo.
(a) A adj (4) é uma matriz diagonal para cada matriz quadrada A.