Você está na página 1de 65

GUIDG.

COM

5/10/2012 Matrizes, Determinantes e Sistemas Lineares.


Tags: Matrizes, Determinantes, Sistemas, Definies, Teoria, Teoremas, Propriedades, Exemplos, Exerccios, Passo Passo...

I - Este texto foi escrito com objetivo englobar todo o contedo de Matrizes e Determinantes para o estudo e resoluo de Sistemas Lineares, entretanto o estudante deve consultar as referncias bibliogrficas. II - Esse estudo est limitado aos nmeros reais ( R ) , mas importante saber que esta teoria valida tambm para conjuntos superiores como no caso dos nmeros complexos ( C ) . III - Muitos assuntos esto relacionados e quando algum requisito for necessrio faremos uma indicao, por exemplo: [1.21 Submatriz] , desta forma o estudante informado que deve ter conhecimento deste tpico.

Sumrio
1 MATRIZES .........................................................................................................................................................................3 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 1.10 1.11 1.12 1.13 1.14 1.15 1.16 1.17 1.18 1.19 1.20 1.21 1.22 1.23 1.24 1.25 1.26 1.27 1.28 1.29 1.30 1.31 2 Fila de uma matriz.......................................................................................................................................................3 Matriz linha (vetor-linha) ............................................................................................................................................3 Matriz coluna (vetor-coluna).......................................................................................................................................3 Matriz zero (matriz nula).............................................................................................................................................3 Vetor nulo (vetor zero)................................................................................................................................................4 Matriz quadrada ..........................................................................................................................................................4 Matriz retangular .........................................................................................................................................................5 Matriz diagonal ...........................................................................................................................................................5 Matriz identidade (matriz unidade) .............................................................................................................................5 Igualdade de matrizes..................................................................................................................................................6 Matriz transposta (transposio) .................................................................................................................................6 Matriz oposta...............................................................................................................................................................6 Matriz simtrica ..........................................................................................................................................................6 Matriz anti-simtrica ...................................................................................................................................................6 Matrizes comutativas...................................................................................................................................................6 Matrizes anti-comutativas ...........................................................................................................................................8 Matriz involutiva .........................................................................................................................................................8 Matriz idempotente .....................................................................................................................................................8 Matriz triangular..........................................................................................................................................................8 Trao de uma matriz....................................................................................................................................................9 Submatriz ....................................................................................................................................................................9 Operaes com matrizes............................................................................................................................................10 Operaes elementares das matrizes .........................................................................................................................11 Equivalncia de matrizes...........................................................................................................................................11 Matriz escalonada e matriz linha-reduzida................................................................................................................12 Posto de uma matriz ..................................................................................................................................................16 Nulidade de uma matriz ............................................................................................................................................16 Propriedades de operaes com matrizes ..................................................................................................................19 Potncia de uma matriz .............................................................................................................................................23 Matriz inversa............................................................................................................................................................23 Matriz ortogonal........................................................................................................................................................32

DETERMINANTES .........................................................................................................................................................34 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 2.10 2.11 2.12 Conceito de determinante..........................................................................................................................................34 Determinante de uma matriz .....................................................................................................................................36 Regras prticas para o clculo de determinantes .......................................................................................................38 Propriedades dos determinantes ................................................................................................................................40 Menor complementar ................................................................................................................................................45 Co-fator .....................................................................................................................................................................45 Matriz co-fatora.........................................................................................................................................................45 Matriz adjunta ...........................................................................................................................................................45 Teorema de Laplace ..................................................................................................................................................46 Determinante por triangulao ..................................................................................................................................48 Determinante de Vandermonde (determinante das potncias) ..................................................................................49 Regra de Chi............................................................................................................................................................49

GUIDG.COM 3

SISTEMAS DE EQUAES LINEARES .....................................................................................................................52 3.1 3.2 3.3 3.4 3.5 3.6 3.7 3.8 3.9 Equao linear ...........................................................................................................................................................52 Sistema de equaes lineares (sistema linear)...........................................................................................................52 Sistema linear homogneo ........................................................................................................................................53 Sistemas e matrizes ...................................................................................................................................................53 Posto de um sistema (caracterstica de um sistema)..................................................................................................54 Grau de liberdade do sistema ....................................................................................................................................54 Operaes linha sobre um sistema linear ..................................................................................................................55 Soluo de um sistema por matriz inversa ................................................................................................................55 Regra de Cramer .......................................................................................................................................................58

4 5

NOTAS FINAIS ................................................................................................................................................................65 REFERNCIAS BIBLIOGRFICAS E LEITURA COMPLEMENTAR .................................................................65

GUIDG.COM

1 MATRIZES Matriz de ordem mn ( m por n ) um agrupamento retangular de nmeros dispostos em m linhas (horizontais) por n colunas (verticais), entre colchetes, parnteses ou barras duplas.
B C

Am B n = aij

m Bn

a11 La L 21 = L L J am1

a12 a22 am2

a1n a11 M l a2n M a M = l l 21 M j K am1 amn

a12 a22 am2

I - As letras maisculas itlicas A,B,C... representam as matrizes, os respectivos ndices inferiores indicam a ordem da matriz, e l-se: Matriz A de ordem m por n . II - Os nmeros (ou incgnitas) neste agrupamento so chamados de elementos ou entradas da matriz, e so representados pelas letras minsculas aij , bij , cij , . III - O ndice i indica a linha e o ndice j indica a coluna ,localizando assim as entradas na matriz. IV - O conjunto das Matrizes Reais de ordem mn denotado por:
M m,n =
` a T

L La a1n L L 11 L L m L a2n m La21 L L L L m k = L L L L L amn Lam1 L

L L

a12 a22 am2

M a1n M M M M M M a2n M M M M M M M M M M amn M M

M M

Am B n = aij

m Bn

| aij 2 R , 1 i m e 1 j n

1.1 Fila de uma matriz Entende-se por fila de uma matriz o mesmo que uma linha ( L ) ou coluna ( C ) dessa matriz.

1.2 Matriz linha (vetor-linha) Disposio em apenas uma linha (m = 1) ou ordem 1 n .

1.3 Matriz coluna (vetor-coluna) Disposio em apenas uma coluna (n = 1) ou ordem m 1 .

1.4 Matriz zero (matriz nula) a matriz onde todas as entradas so iguais a zero, denotada por O , independente do tipo ou ordem.

O = aij

com

m Bn

aij = 0

1im

1jn

Exemplo 1: Matriz linha: A= 3 2


@

Matriz coluna:
A

Matriz zero:

x 0

3 L M T L 2M M A =L L M Jx K 0

H I

000 M O3 =L J0 0 0K 000

O2 B 3 = 0 0 0 000

GUIDG.COM

1.5

Vetor nulo (vetor zero)


j j j k j j j

O vetor nulo ( 0 ) ser definido agora pois um conceito simples de entender e de grande importncia em nossos estudos e diversas questes no desenvolvimento da lgebra Linear. O vetor nulo pode assumir diversas formas, dependendo do conjunto (ou Espao Vetorial) que estivermos trabalhando e da sua respectiva aplicao.

I Se estivermos trabalhando com matrizes, ento o vetor nulo indica a matriz nula O de ordem mn .
j j j k j j j D E

Ordem 22

0= 00 00

ordem 31

j j j k j j j 0M 0 =L J0K

H I

ordem mn

00 j j j k j j jL L0 0 0 =L L( ( J 00

0 M 0M M . (M K 0

II No plano ou no espao o vetor nulo indica a origem do sistema com n-coordenadas. Duas coordenadas 0 = 0,0 , trs coordenadas 0 = 0,0,0
j j j k j j j b c j j j k j j j b c

, n-coordenadas

j j j k j j j b

0 = 0,0,0, ,0 .

III Se estivermos trabalhando com polinmios, ento o vetor nulo indica o polinmio nulo (polinmio zero) de n-simo grau em relao a sua respectiva varivel. Segundo grau, varivel t 0 = p 0 = 0t 2 + 0t + 0 .
Terceiro grau, varivel x 0 = p 0 = 0x 3 + 0x 2 + 0x + 0 . N-simo grau, varivel x 0 = p 0 = 0x n + 0x n @ 1 + + 0x + 0 .
j j j k j j j ` a j j j k j j j ` a j j j k j j j ` a

1.6 Matriz quadrada Nmero de linhas igual ao nmero de colunas ( m = n ) , ordem nn ou apenas n . Existem varias definies para a matriz quadrada, veremos as principais a seguir.

1.6.1 Diagonal principal So os elementos aij | i = j .

1.6.2 Termo principal o produto dos elementos da diagonal principal.

1.6.3 Diagonal secundria So os elementos aij | i + j = n + 1 . *Note que a soma dos ndices dos elementos da diagonal secundria sempre constante.

GUIDG.COM

1.6.4 Termo secundrio o produto dos elementos da diagonal secundria.

Exemplo 2: Identifique as diagonais da matriz A de ordem 4 e o termo principal e secundrio.

La L 21 A4 =L La J 31

a11

a41

a12 a22 a32 a42

a13 a23 a33 a43

a14 a24 M M M a34 M K a44


Diagonal principal, conjunto de elementos { a11 , a22 , a33 , a44 } .

Diagonal secundria, conjunto de elementos { a41 , a32 , a23 , a14 } .

Termo principal = a11 A a22 A a33 A a44

termo secundrio = a41 A a32 A a23 A a14 .

1.7 Matriz retangular Toda matriz onde m n .

1.8 Matriz diagonal a matriz quadrada onde os elementos no pertencentes diagonal principal so nulos.

Am = aij

| aij = 0 se i j

Como a matriz diagonal s possui elementos na diagonal principal (os demais so zero), podemos denotb c P Q la atravs de um conjunto. Se Am uma matriz diagonal ento diag Am = a11 , , amm .

Exemplo 3: Se diag ( A4 ) = { 1, 3, 0, 7 } , ento

1 L L0 A4 =L L J0 0

0 3 0 0

0 0 0 0

0M 0M M . 0M K 7

1.9 Matriz identidade (matriz unidade) uma matriz diagonal de ordem n onde todos os elementos so iguais a 1 , denotada por I .

I n = aij

| ^ ^ Zaij = 0 se i j

X ^ ^ \aij

= 1 se i = j ou

diag I n = 1, , 1

b c P

Exemplo 4: diag I 3 = 1,1,1

b c P

100 M I 3 =L J0 1 0K 001

GUIDG.COM

1.9.1

Observaes

I - A matriz identidade o elemento neutro na multiplicao de matrizes, por isso tambm chamada de matriz unidade, isto , BI = IB = B . Sendo B uma matriz quadrada . II - O determinante da matriz identidade unitrio det( I ) = 1 . III - A matriz identidade classificada como: matriz diagonal, matriz quadrada, matriz simtrica, matriz no-singular, matriz ortogonal... (verifique as afirmaes que no forem imediatas).

1.10 Igualdade de matrizes Duas matrizes so iguais quando seus elementos correspondentes forem iguais.
A = aij
B C

m Bn

B = bij

ento

p Bq

A = B ^ aij = bij m=p

1im

1jn

*Note que as matrizes devem ser de mesma ordem, isto ,

e n=q .

1.11 Matriz transposta (transposio)


Trocam-se as linhas pelas colunas, gerando uma nova matriz. Indica-se A a matriz transposta de A.
T

Exemplo 5:

A = aij

m Bn

Q A = B = b ji
T

com

n Bm

aij = b ji

1.12 Matriz oposta ` a Seja A uma matriz, ento -A sua matriz oposta tal que A + @ A = O . *Basta trocar os sinais dos elementos da matriz.

1.13 Matriz simtrica

A = A , isto , aij = a ji .
T

1.14 Matriz anti-simtrica

A = @ A , isto , aij = @ a ji e aij = 0 se i = j (diagonal principal nula).


T

*Veja os exemplo 22 e 23.

1.15 Matrizes comutativas


I - Se A e B so matrizes quadradas tais que AB = BA = C , sendo C uma matriz qualquer diferente da matriz identidade I , dizemos que A e B so matrizes comutativas. II - Se A e B so matrizes comutativas tais que AB = BA = I , sendo I a matriz identidade, defini-se A como a matriz inversa de B , ou B como a matriz inversa de A .

[1.30 Matriz inversa]

GUIDG.COM

Exemplo 6: Determine duas matrizes comutativas de segunda ordem, tais que o produto entre essas matrizes seja diferente da matriz identidade. Soluo: Sejam as matrizes A2 B 2 e B2 B 2 , queremos determinar estas duas matrizes tais que a definio de comutatividade seja verificada, isto , queremos A e B | AB = BA = C . A= ab cd
D E

wx e B= y z

wx wx Q AB = a b y z = y z a b = BA cd cd F aw + by ax + bz G F wa + xc AB = = ya + zc cw + dy cx + dz

ED

E D

ED

wb + xd G = BA yb + zd

Temos um sistema com muitas variveis livres, entretanto como veremos, ao escolhermos algumas variveis as outras ficaro em funo destas escolhidas, da que podemos determinar todas as demais. AB = BA ser uma matriz C tal que a igualdade seja verificada, isto :
Fc c G AB = BA = C = c11 c12 21 22 V

c11 tal que

aw + by = wa + xc by = xc

+ bz = wb + xd @ xd = wb @ bz e c12 tal que ^ax ^ Zx ` a @ d a = b ` w @ z a

X ^ ^ \ax

Agora j estamos em condies de supor valores para os elementos das matrizes A e B , pois definimos uma relao entre as duas (a escolha arbitrria, mas preciso que a relao seja vlida). Escolhendo b = 1 temos que y = xc , Escolhendo c = -2 temos que y = -2x , Escolhendo x = 5 temos que y = -10 , Logo temos os valores: b = 1 , c = -2 , x = 5 , y = -10 . Pela relao obtida em c12 , substitumos os valores b e x

x a@d = b w @z ` a ` a 5 a@d = 1 w @z
Escolhendo z = 2 temos que 5( a d ) = w 2 , Escolhendo a = -3 temos que 5( -3-d ) = w 2 , Escolhendo d = -1 temos que -10 = w -2 , assim w = -8 . Logo temos todos os valores necessrios: a = -3 , d = -1 , w = -8 e z = 2 . Agora substitumos os valores nas matrizes tal que AB = BA = C : a = -3 , b = 1 , c = -2 , d = -1
A = @3 1 @2 @1
D E

;
E

w = -8 , x = 5 , y = -10 , z = 2
@ 8 5 = @ 8 5 @ 3 1 = BA Q AB = @ 3 1 @ 2 @ 1 @ 10 2 @ 10 2 @ 2 @ 1
D ED E D ED E

e B= @8 5 @ 10 2

GUIDG.COM

Efetuando a multiplicao das matrizes tanto AB quanto BA temos o resultado que queramos, isto :
AB = 14 @ 13 = BA = 14 @ 13 = C 26 @ 12 26 @ 12 Logo as matrizes A e B so comutativas.
D E D E

1.15.1 Observaes
I - Veja que obtemos duas matrizes comutativas tais que A no a inversa de B , e nem B a inversa de A , isto , AB = BA I . II - Note que desenvolvemos este resultado e que ele no uma propriedade das matrizes, em geral o produto das matrizes AB BA , a comutatividade raramente vlida.

1.16 Matrizes anti-comutativas Se A e B so matrizes quadradas tais que AB = BA .

1.17 Matriz involutiva Se A uma matriz quadrada tal que A = I .

1.18 Matriz idempotente Se A uma matriz quadrada tal que A = A .

1.19 Matriz triangular Classificam-se triangular as matrizes que so triangular inferior ou triangular superior. Pode-se pensar que a matriz diagonal triangular, por ser simultaneamente triangular inferior e triangular superior, mas de acordo com a definio a matriz diagonal no triangular.

1.19.1 Matriz triangular superior

A = aij

com

m Bn

aij = 0

se

i >j

.
I

Exemplo 7:

I a a a a11 a12 a13 11 12 13 M La a a M L L M 0 a a A =J 21 22 23 K=J 22 23 K a 31 a 32 a33 0 0 a 33

GUIDG.COM

1.19.2 Matriz triangular inferior

B = bij

com
H

m Bn

bij = 0

se
I H

i<j .
I

b b b b 0 0 L 11 12 13 M L 11 M Lb b b M Lb b M Exemplo 8: B =L M=L 21 22 0 M 21 22 23 J K J K b31 b32 b33 b31 b32 b33 1.20 Trao de uma matriz Seja A uma matriz quadrada de ordem m , o trao da matriz A que indicamos por tr (A) a soma dos elementos da diagonal principal, isto :

a11 B C L L a21 Se A = aij =L L m J am 1

a12 a22 am 2

a1m a2 m M M M , ento o trao da matriz A dado 8 M K amm


tr A = X aii = a11 + a22 + a33 + + amm
i=1

j =i

assim

` a

159 M Exemplo 9: Calcule o trao da matriz Z =L J0 2 0K . 268


Soluo: tr (Z ) = 1 + 2 + 8 = 11

1.21 Submatriz

Seja A uma matriz quadrada de ordem n 2 , chama-se submatriz Aij e denota-se sub Aij

matriz de ordem n 1 que obtemos aps removermos a i-sima linha e a j-sima coluna da matriz A .
b c

Exemplo 10: Seja a matriz A , determine a sub A13 .


E 1 3 @2 b c D 0 1 L M A =J0 1 @ 5KQ sub A13 = 28 2 8 @3 H I

*Note que s preciso remover a linha 1 e a coluna 3.

GUIDG.COM

10

1.22 Operaes com matrizes Nesta seo veremos as operaes bsicas entre as matrizes e a forma em que so realizadas.

1.22.1 Adio e subtrao As matrizes devem ser do mesmo tipo (ou ordem), somar ou subtrair os elementos correspondentes. Exemplo 11: A = aij
B C

m Bn

B = bij

ento

m Bn

A + B = aij + bij

m Bn

= Cm Bn

1.22.2 Multiplicao por escalar Multiplicar todos os elementos da matriz por um nmero k .

A = aij

e k um nmero ento

m Bn

k A A = k A aij

m Bn

1.22.3 Multiplicao de matrizes Considere as Matrizes


A = aij
B C

m Bn

B = bij

, se

pBq

n=p

ento

A m B n A B p B q = C mB q .

*Se n p a multiplicao no existe; note que este nmero n = p o limite superior do somatrio.
B C
n

C = cij

onde

m Bq

cij = X aik A bkj = ai1 A b1j + ai2 A b2j + ai3 A b3j + + ain A bnj
k=1

Isto , cada elemento cij resultante desta soma de produtos.

Exemplo 12: Considere as matrizes A e B , ento o produto AB dado abaixo.

1 @ 2 0 5 =J 1.0 @ 2.6 A2 B 2 B2 B 2 = @3 4 6 @7 @ 3.0 + 4.6


2 k=1

ED

B C 1.5 @ 2 A @ 7 K D @ 12 19 E = C 2 B 2 = cij ` a = 24 @ 43 @ 3.5 + 4 A @ 7

aI

c21 = X a2k A bk1 = a21 A b11 + a22 A b21 = @ 3 A 0 + 4.6 = 24 , da mesma forma obtemos c11 , c12 e c22 .

GUIDG.COM

11

1.23 Operaes elementares das matrizes So trs as operaes elementares entre as filas de uma matriz, em nosso estudo usaremos as letras ( L ) para linha e ( C ) para coluna, referindo-se as filas da matriz. Recomenda-se o uso das notaes por um melhor esclarecimento de procedimento.

1.23.1 Permutao de filas a troca de uma linha por outra, a seta dupla indica a permuta (troca) e usada somente nesta operao. Notao:

Lx T k L y Lx T L y

ou ou

C x T kC y Cx T C y

(L-se: A troca da fila x por k vezes a fila y ) (Quando fazemos k = 1 , basta trocarmos as filas)

1.23.2 Multiplicao de uma fila por escalar no nulo a multiplicao da x-sima fila por um escalar no nulo. Notao:
Lx Q k A L x ou Cx Q k ACx

(L-se: A troca da fila x por k vezes fila x )

1.23.3 Substituio de uma fila por combinao linear a substituio da x-sima fila pela x-sima fila mais k vezes a y-sima fila.
Lx Q Lx + k A L y ou ou Lx Q k A L y + Lx Cx Q k AC y + Cx

Notao:

Cx Q Cx + k AC y

L-se: A troca da fila x pela fila x mais k vezes a fila y . Ou a troca da fila x por k vezes a fila y mais a fila x . Isto por que a ordem da soma no altera o resultado, mas ateno a substituio refere-se a fila que indicamos antes da seta.

1.24 Equivalncia de matrizes Sendo A e B matrizes de mesma ordem, dizemos que A equivalente a B, se for possvel transformar A em B por um nmero finito de operaes elementares sobre as filas de A. Notao: A ~ B (L-se: A equivalente B ou A linha equivalente B ).

Exemplo 13: Seja a matriz A , obtenha a matriz I atravs de operaes elementares.


H I H I H I H I

2 0 1 1 0 0 M { L M TL ~ ~ ~ } ~ ~ 3 1~y A =L J0 0,5 0K L J0 0,5 0K 1 0 0 Permutao 2 0 1

1 0 0 1 0 0 L M { L M L{ Q L Q @ 2L} + L ~ ~ ~ 2} ~ ~ ~ ~y ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~y 2~ 2 3 1 3 J0 1 0K L J0 1 0K= I Multiplicao por escalar Substituio 2 0 1 0 0 1

Usamos neste exemplo as trs operaes elementares, no primeiro passo substitumos a linha trs pela linha um, no segundo passo multiplicamos a linha dois por duas vezes a linha dois e no terceiro passo trocamos a linha trs por menos duas vezes a linha um mais a linha trs, obtendo assim a matriz identidade ( I ) e de acordo com 1.24 , A ~ I , isto , a matriz A equivalente a matriz I .

GUIDG.COM

12

1.25 Matriz escalonada e matriz linha-reduzida Considere as seguintes propriedades relativas s filas de uma matriz: I Numa linha no nula, o primeiro elemento no nulo 1 (este chamado de lder ou piv). II Em quaisquer duas linhas sucessivas no nulas, o lder da linha superior esta sempre mais esquerda do que o lder da linha inferior. III As linhas nulas ocorrem abaixo de todas as linhas no nulas. IV Cada coluna que contm um lder tem seus demais elementos nulos. Com isso lembramos que sempre podemos transformar uma matriz dada numa matriz escalonada ou numa matriz linha-reduzida, utilizando as operaes elementares das matrizes, e assim definimos:

1.25.1 Matriz na forma escalonada So as matrizes em que se verificam as propriedades I, II e III.

1.25.2 Matriz na forma linha-reduzida So as matrizes em que todas as propriedades (I, II, III e IV) so verificadas.

1.25.3 Escalonamento o procedimento que leva a matriz A para a matriz escalonada de A . Tambm chamado de Eliminao Gaussiana ou Mtodo de Gauss.

1.25.4 Eliminao Gauss-Jordan o procedimento que leva uma matriz sua forma linha-reduzida.

1.25.5 Observaes I - O escalonamento e a eliminao Gauss-Jordan sero ilustrados no prximo exemplo. II - A matriz linha-reduzida tambm chamada de: (1) matriz na forma escalonada reduzida por linhas, do ingls matrix in reduced row echelon form, (2) matriz linha-reduzida forma escada ou matriz escada reduzida por linhas e (3) matriz na forma escada. *Diferentes autores usam nomes distintos para se referirem a mesma coisa, cabe a cada estudante decidir qual nome vai usar, neste texto usamos linha-reduzida por ser um dos mais curtos e objetivos.

1.25.6 Teorema Toda matriz A de ordem mn equivalente a uma nica matriz linha-reduzida.

1.25.7 Corolrio Toda matriz A inversvel de ordem n , tal que detA 0 equivalente a matriz linha-reduzida I , sendo I a matriz identidade ( An ~ I n ) .

GUIDG.COM

13

1.25.8 Procedimento escalonamento e linha-reduzida No ignorando as concluses vistas em 1.25 existe uma infinidade de caminhos para se chegar forma escalonada e forma linha-reduzida, entretanto queremos tornar este caminho o mais curto possvel eliminando procedimentos redundantes, para isso considere o seguinte exemplo.

5 Exemplo 14: Seja a matriz A =L J 2 @1


Usando as operaes elementares: 1 O elemento a11 deve ser 1 . Neste caso a11 = 5 .

3 @1 M 5 4 K , obtenha a matriz escalonada e a matriz linha-reduzida. 1 2

1f f 1.1 Podemos fazer L1 Q f L ; 5 1 1f f 1.2 Ou L1 T f L ; 2 2 1.3 Ou da mesma forma L1 T @ L3 ; 1.4 Ou L1 Q @ 2L2 + L1 ; 1.5 Ou ainda L1 Q 4L3 + L1 .
Essas foram as formas mais imediatas e ainda existem muitas outras maneiras de se obter a11 = 1 . Entretanto o caminho escolhido no nos interessa, desde que tenhamos a11 = 1 , ento:

5 A =L J 2 @1

3 @1 M 5 4K 1 2

L1 Q @ L3

1 @1 @2 L M J2 5 4K 5 3 @1

2 Os elementos abaixo de a11 = 1 na primeira coluna devem ser zeros. Neste caso a12 = 2 e a13 = 5 . 2.1 Continuando da ltima matriz, podemos fazer:
H

1 @1 @2 L M J2 5 4K 5 3 @1

L2 Q @ 2L1 + L2

1 @1 @2 L M J0 7 8K 5 3 @1

L3 Q @ 5L1 + L3

1 @1 @2 L M J0 7 8K 0 8 9

3 O procedimento 1 e 2 se repete para as linhas seguintes. Neste caso para a segunda linha temos a22 = 7 . 3.1 Continuando da ltima matriz, podemos fazer:
H

L J0

1 @1 @2 M 7 8K 0 8 9

1f f f L2 Q f L 7 2

1 @1 @2 L M L M 8 f f f f L0 1 M L J K 7M 0 8 9

GUIDG.COM

14

3.2 Os elementos abaixo de a22 = 1 devem ser zeros. Neste caso a32 = 8 , podemos fazer:
H

L L L0 L J

1 @1 @2 M M 8 f f f f M 1 K 7M 0 8 9

L 3 Q @ 8L 2 + L 3

1 @1 @2 L M L M 8 f f f f L0 1 M L M L M 7 L M L M 1 J K f f f f 0 0 @ 7

3.3 Agora para a terceira linha temos a33 = @


H

1 f f f f , podemos fazer: 7

1 @1 @2 L M L M 8 f f f f L0 1 M L M L M 7 L M L M 1 J K f f f f 0 0 @ 7

L 3 Q @ 7L 3

1 @1 @2 L M L M 8 f f f f L0 1 M L J K 7M 0 0 1

Veja que estamos de acordo com 1.25.1. Logo a matriz esta escalonada (e este foi o procedimento escalonamento). Vamos continuar at a forma linha-reduzida, para isso basta aplicarmos a propriedade: 1.25 IV Cada coluna que contm um lder tem seus demais elementos nulos. Ou seja, precisamos zerar os elementos a23 = 8/7 , a13 = -2 e a12 = -1 . Note que neste caso necessrio que o elemento a23 seja zerado primeiro para evitar um clculo a mais, ento:
H I H I H I H I

1 @1 @2 L M L M 8 f f f f L0 1 M L J K 7M 0 0 1

8f f f L2 Q @ f L + L2 7 3

1 @1 @2 L M J0 1 0K 0 0 1

L1 Q L2 + L1

1 0 @2 L M J0 1 0 K 0 0 1

L1 Q 2L3 + L1

100 L M J 0 1 0K 001

Resultado este que j era esperado de acordo com 1.25.6 , pois neste caso detA = -1 0 . Veja que estamos de acordo com 1.25.2 e neste caso dizemos que a matriz A esta na forma linha-reduzida.

GUIDG.COM

15

Exemplo 15: Considere o sistema abaixo, dado na forma matricial ampliada, obtenha a matriz escalonada e a matriz linha-reduzida, sendo essas equivalentes M a .

Ma =

0 2 2

0 4 4

-2 -10 -5

0 6 6

7 | 12 12 | 28 -5 | -1

[3.4 Sistemas e matrizes] Soluo: Usando as operaes elementares, vamos manipular a matriz ampliada do sistema ( M a ) com o objetivo de cumprir as exigncias para se obter a matriz escalonada e a matriz linha-reduzida. Note que dada uma instruo de operao elementar, ela sempre cumprida no prximo passo.

1f f L1 T f L 2 2

0 2 2

0 -2 0 4 -10 6 4 -5 6

7 | 12 12 | 28 -5 | -1

L3 Q @ 2L1 + L3

1 0 2

2 0 4

-5 -2 -5

3 0 6

6 | 14 7 | 12 -5 | -1

1f f L2 Q @ f L 2 2

1 0 0

2 0 0

-5 -2 5

3 6 | 14 0 7 | 12 0 -17 | -29

1 L 3 Q @ 5L 2 + L 3 0 0

2 0 0

-5 1 5

3 0

6
@

| 14 -6

7 f f f f | 2

0 -17 | -29

1 L 3 Q 2L 3 0 0

2 0 0

-5 1 0

3 0 0

| 14 -6 1

1 0 0

2 0 0

-5 1 0

3 0 0

6 1

| 14 -6 2 |

7 f f f f @ | 2

7 f f f f @ | 2

1 f f f | 2

Logo o sistema esta na forma escalonada, e at aqui o procedimento chamado Eliminao-Gaussiana ou obteno da forma escalonada pelo Mtodo de Gauss. Veja que estamos de acordo com 1.25.1. Agora podemos usar a forma escalonada para obter a forma linha-reduzida.
.

2 0 0

-5 1 0

3 0 0

6 1

| 14 -6 2 |

7f f f L2 Q f L + L2 2 3

0 0

7 f f f f @ | 2

L1 Q 5L2 + L1

1 0 0

2 0 0

-5 1 0

3 0 0

6 0 1

| 14 | 1 | 2

L1 Q @ 6L3 + L1

1 0 0

2 0 0

0 1 0

3 0 0

6 0 1

| 19 | 1 | 2

1 0 0

2 0 0

0 1 0

3 0 0

0 0 1

| | |

7 1 2

Logo o sistema esta na forma linha-reduzida, e agora o procedimento chamado Eliminao GaussJordan. Veja que estamos de acordo com 1.25.2.

GUIDG.COM

16

Exemplo 16: Algumas matrizes do tipo linha-reduzida.

0 L L0 A =L L J0 0

0 0 0 0

1 0 0 0

0 1 0 0

0 0 1 0

0M 0M M 0M K 1

1 L L0 B =L L J0 0

2 0 0 0

0 1 0 0

2 3 0 0

0 0 1 0

4M 8M M 5M K 0

0 1 @3 0 C =L J0 0 0 1 00 0 0

2 M 2K 0

100 M I 3 =L J 0 1 0K 001

1.26 Posto de uma matriz Seja A de ordem mn e B sua matriz escalonada ou linha-reduzida ( B ~ A ) ento; O posto de A ou p(A) que indicamos por p , o nmero de linhas no nulas de B ;

1.26.1 Propriedade O posto de uma matriz A igual ao posto de sua matriz transposta A .
p A =p A
` a b
T

c
T

A verificao feita ao comparar a forma escalonada ou linha-reduzida tanto de A como de A

1.26.2 Observaes I - Alguns autores se referem ao posto da matriz como sendo a Caracterstica (C ) da matriz, logo C = p .

II - A propriedade posto da matriz de grande importncia para o estudo de sistemas lineares, o qual usado em muitos assuntos da lgebra linear e suas aplicaes. O posto de uma matriz o nmero mnimo de linhas numa matriz tal que possamos realizar combinaes lineares apropriadas sobre essas linhas de forma que se possam gerar todas as demais linhas, isto , o posto de uma matriz um nmero, e este nmero a resposta da seguinte pergunta: Qual o nmero mnimo de linhas numa matriz tal que possamos gerar as outras demais linhas atravs de combinaes lineares apropriadas? E por isso que alguns autores se referem ao posto de uma matriz como sendo a sua caracterstica, pois atravs dessas linhas principais, todo o resto da matriz caracterizado.

1.27 Nulidade de uma matriz A nulidade de A ou g(A) que indicamos por g , dado por g = n p colunas de A .

, onde n o nmero de

1.27.1 Observaes I - Somente em matrizes quadradas a nulidade ir tambm indicar o nmero de linhas nulas da matriz; II - Em matrizes a nulidade apenas uma relao entre as colunas e o posto da matriz, j em sistemas lineares a nulidade ganhar um sentido mais significativo para os nossos estudos, e por isso desde j a nulidade representada pela letra g pois ir indicar o grau de liberdade do sistema, e assim no ser necessrio outra definio quando chegarmos l.

GUIDG.COM

17

Exemplo 17: Mostre que a nulidade de uma matriz nunca negativa.

Soluo: Queremos provar que a nulidade de uma matriz nunca negativa ( g 0 ), e para isso devemos analisar os trs seguintes casos quanto as possveis ordens das matrizes.
C

Seja A uma matriz de ordem r B s , onde r e s 2 N , e a nulidade de A que dada por g = n p , onde n o nmero de colunas de A e p o posto de A.

I ) Se r = s , isto , o nmero de linhas igual ao nmero de colunas de A , ento: p(A) = { r, r-1, r-2, ... 1,0} , isto , o posto mximo de A r , podendo ser r-1, r-2, ... , 1, 0 (onde o posto mnimo de A 0 ). Se p A = r [ g = n @ p = r @ r = 0 # g = 0 Se p A = r @ 1 [ g = n @ r @ 1 = r @ r + 1 = 1 # g = 1 Se p A = r @ 2 [ g = n @ r @ 2 = r @ r + 2 = 2 # g = 2 ... Se p A = 1 [ g = n @ p = r @ 1 , como n = r e r no mnimo 1 , temos: ` a p A = 1 [ g = r @ p = 1 @ 1 = 0 ento 8 r 1 [ g 0 ` a p A = 0 [ g = r @ p = 1 @ 0 = 1 ento 8 r 1 [ g 1 Logo se A uma matriz quadrada de ordem r a nulidade nunca negativa.
` a ` a ` a ` a ` a ` a

II) Se r < s , isto , o nmero de linhas menor que o nmero de colunas de A , ento: p(A) = { r, r-1, r-2, ... 1, 0} Se p A = r [ g = n @ p = s @ r mas r < s [ s @ r > 0 # g > 0 Se p A = r @ 1 [ g = n @ p = s @ r @ 1 = s @ r + 1 mas r < s [ s @ r > 0 # g > 1 Se p A = r @ 2 [ g = n @ p = s @ r @ 2 = s @ r + 2 mas r < s [ s @ r > 0 # g > 2 ... Se p A = 1 [ g = n @ p = s @ 1 como r < s temos que s no mnimo 2 , por que r no pode ser zero (a matriz para existir deve ter ao menos uma linha, isto , r = 1 ), temos: ` a p A =1 [ g = s@1 = 2@1 = 1 e 8 s 2 [ g 1 ` a p A =0 [ g = s@0 = 2@0 = 2 e 8 s 2 [ g 2 Logo se A uma matriz retangular de ordem r B s tal que r < s a nulidade nunca negativa.
` a ` a ` a ` a ` a ` a

GUIDG.COM

18

III) Se r > s , isto , o nmero de linhas maior que o nmero de colunas de A . Ento qualquer linha r maior que s mltipla ou combinao linear das s linhas. Portanto o posto mximo de A p(A) = s , ento: p(A) = {s, s-1, s-2, ... 1, 0} Se p A = s [ g = n @ p = s @ s = 0 # g = 0 Se p A = s @ 1 [ g = n @ p = s @ s @ 1 = 0 + 1 = 1 # g = 1 Se p A = s @ 2 [ g = n @ p = s @ s @ 2 = 0 + 2 = 2 # g = 2 ... Se p A = 1 [ g = n @ p = s @ 1 como r > s temos que s no mnimo 1 , por que s no pode ser zero (a matriz para existir deve ter ao menos uma coluna, isto , s = 1 ), temos: ` a p A = 1 [ g = s @ 1 = 1 @ 1 = 0 ento 8 s 1 [ g 0 ` a p A = 0 [ g = s @ 0 = 1 @ 0 = 1 ento 8 s 1 [ g 0 Logo se A uma matriz retangular de ordem r B s tal que r > s a nulidade nunca negativa.
` a ` a ` a ` a ` a ` a

As seguintes matrizes so de ordem r B s , com r > s :


F a11 G D 1 E

A2 B 1 = a ~ 0 12

1 2 1 M L B3 B 2 =L J @ 1 2 K ~ J0 0 5 0

I H

0 M 1K 0

5 L L1 C 4 B 3 =L L J2 1

7 @5 8 3

0M L 1 L 0M M~ L 0 M L 7K J 0 2 0

I H

0 1 0 0

0M 0M M K 1M 0

Veja que nas trs matrizes a ltima linha sempre mltipla ou combinao linear das linhas anteriores. E assim todas as r-s linhas que sucedem as s primeiras linhas de uma matriz de ordem r B s tal que r > s , so sempre mltiplas ou combinaes lineares dessas s primeiras linhas. Portanto a nulidade de uma matriz no mnimo zero, mas nunca negativa, como queramos demonstrar.

E a explicao informal que responde este exerccio a seguinte: A nulidade de uma matriz nunca negativa por que no existe uma matriz linha-reduzida tal que o posto maior que o nmero de colunas.

GUIDG.COM

19

1.28 Propriedades de operaes com matrizes

1.28.1 Propriedades da adio 1. A + B = B + A 2. A + (B + C) =(A + B) + C 3. A + O = O + A = A 4. A A = O e O A = A Comutatividade para adio. Associatividade para adio. Elemento neutro na adio, O a matriz nula.

1.28.2 Propriedades da multiplicao por escalar 5. k(A + B) = kA + kB 6.


b

k uma constante.

k1 + k 2 A = k1 A + k 2 A

7. A0 = 0A = O 8. k 1 k 2 A = k 1 k 2 A
b c b c

Se k = 0 a multiplicao da matriz A por k gera a matriz nula.

1.28.3 Propriedades da multiplicao de matrizes 9. AI = IA = A 10. A(B + C) = AB + AC 11. (A + B)C = AC + BC 12. (AB)C = A(BC) 13. (kA)B = A(kB) = k(AB) 14. AO = OA = O 15. AB BA 16. AB = O [ + A = O ou B = O 17. AB = AC [ + B=C 1.28.4 Propriedades da transposio 18. 19. 20. 21.
` `
b

Elemento neutro, I a matriz identidade. Distributividade esquerda, manter esta ordem. Distributividade direita, manter esta ordem. Associatividade para multiplicao, manter esta ordem. A comutatividade do escalar sempre vlida.
O a matriz nula de mesma ordem que A .

A comutatividade raramente vlida na multiplicao de matrizes. (Contra-propriedade) (Contra-propriedade, a lei do cancelamento no vlida)

A+B kB
A
aT

=B k
T

aT

=A +B
T

k uma constante, a comutatividade vlida.

cT `

=A
aT aT

A transposta da matriz transposta de A igual a A .


=B
T T T T

AB

Manter esta ordem. A propriedade pode ser estendida para n fatores.

ABC

=C B A
T

GUIDG.COM

20

Prova de 1

(Exemplo 18) :

A + B=B+ A B C A + B = Am B n + Bm B n = aij = aij + bij


B C
m Bn

= bij + aij

= Bm B n + Am B n = B + A
.

m Bn

+ bij
C
m Bn

= bij

m Bn

m Bn

+ aij

m Bn

Prova de 5

(Exemplo 19) :

kA A + B =k =

dB B

aij

m Bn

+ bij
B

k A aij

m Bn

+ k A bij

m Bn

= k aij + bij

m Bn

= kAA + kAB

m Bn

= k A aij + k A bij

m Bn

Prova de 10 (Exemplo 20) : Sejam B e C matrizes de ordem np e A de ordem mn . Ento existem os produtos AB e AC , pois Am B n A Bn B p = Dm B p e Am B n A C n B p = E m B p Logo existe a matriz resultante da soma D + E
B C B C B

m Bp

= AB + AC .

Agora considere A = aij , B = bij e C = cij , queremos mostrar que as entradas da matriz A(B + C) so iguais as entradas de AB + AC . Pelas definies das operaes com matrizes temos que
8 i e j ,
B ` aC b c b c b c

A B+ C

ij

= ai1 b1j + c1j + ai2 b2j + c2j + + aim bmj + cmj


@ b A @ A @ A c b

= ai1 b1j + ai2 b2j + + aim bmj + ai1 c1j + ai2 c2j + + aim cmj = AB ij + AC ij = AB + AC
ij

E ainda podemos expandir para uma soma ou produto de mais termos, pois as leis da associatividade (2) e (12) garantem que o resultado final sempre o mesmo.

Justificativa de 21

(Exemplo 21) :

Vamos justificar a propriedade 21 atravs da ordem das matrizes.


`

Suponha que queremos transpor o seguinte produto de matrizes: AB , isto , produto AB exista temos:
`

AB

aT

, mas para que o

AB

aT b

= A m B n Bn B q
b

cT cT b

(O n de colunas de A deve ser igual ao n de linhas de B )

Sabendo que

Am B n

= An B m e Bn B q

problema da ordem, veja:


essa igualdade falsa z ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ | ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~x aT

cT

= Bq B n , se transpormos diretamente as matrizes j haveria o

AB

= An B m Bq B n

( m q , logo o produto no pode existir )

GUIDG.COM

21

Agora se, simplesmente alterarmos a ordem do produto, o problema desaparece:


essa igualdade verdadeira z ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ | ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~x ` aT

AB

= Bq B n An B m = C q B m

( n = n , logo o produto existe, resultando na matriz C q B m )

Esse resultado justifica a propriedade 21 pela definio do produto de matrizes, mas ainda no uma prova da propriedade.

Exemplo 22: Aplicao das propriedades 18, 20 e 21. Sendo Am B m , mostre que AA
a b
T

e A+A
cT

so matrizes simtricas e A @ A

anti-simtrica.

B=A A Logo

[
T

B = AA
T

B=B
T

AA

cT b

= A

A =A A
T

simtrica A

ii

B=A+ A
T

B = A+A Logo

B=B
T

cT
T

=A + A
T

A+A

cT

= A +A =B
T T

simtrica A

iii

B=A@A
T

B = A@A Logo

B =@B

cT

=A @ A
T T

cT

= A @A =@A + A
T T

A@A

anti @ simtrica A

Exemplo 23: Mostre que toda matriz quadrada A pode ser escrita como a soma de uma matriz simtrica com uma matriz anti-simtrica, ou seja, A = S + N onde S uma matriz simtrica e N uma matriz anti-simtrica. Soluo: A chave desse exerccio um sistema que deve ser seguido para que a relao seja verificada. Seja An = aij temos que:
B C

, uma matriz quadrada de ordem n , se S simtrica e N anti-simtrica, da definio


C B C B C B C

S=S
B C

[
B C B

s ij = s ji
n

e N =@N

nij = @ n ji
n

com nij = 0 se i = j , assim

aij = s ji + @ n ji
n n

aij = s ji @ n ji = s ij + nij .

Como sempre podemos tornar essa relao vlida, logo sempre possvel escrever A = S + N .

GUIDG.COM

22

Vamos ver como fica quando inserimos nmeros. Se A = 2 5 , escreva A como a soma S + N . 13
D E

S=S

s G S = s s12 12 22

F s11

N =@N

0 n12 K N =J @ n12 0

Temos a equao matricial A = S + N para resolver:


D

s12 G 0 n12 s + 0 s12 + n12 2 = K =J 11 K +J s s 13 @ n12 0 s12 @ n12 s 22 + 0 12 22

E 5 F s11

I H

De onde vem o sistema:


X ^ ^ s11 = 2 ^ ^ ^ ^ ^ \s + n
12

^ ^ s12 @ n12 = 1 ^ ^ ^ ^ ^ Z

12

=5

s 22 = 0

Somando a segunda equao com a terceira obtemos 2s12 = 6 e portanto s12 = 3 , decorre ento que n12 = 2 . Assim obtemos os valores de S e de N .

S= 23 30

0 N= @2

2 0

Portanto A = S + N , sendo S simtrica e N anti-simtrica, como queramos demonstrar. E ainda, o resultado pode ser expandido para matrizes quadradas de ordem n , entretanto o sistema ser resolvido ter n variveis imediatas (da matriz simtrica, conseqncia da diagonal principal da matriz antisimtrica ser nula) mais n variveis a serem calculadas (da matriz simtrica) e n variveis decorrentes (da matriz anti-simtrica), lembrando que nenhuma entrada dessas duas matrizes so aleatrias, so todos nmeros bem definidos, pois o sistema definido (SPD).

GUIDG.COM

23

1.29 Potncia de uma matriz Seja A uma matriz quadrada, m e n nmeros inteiros, temos:

A =I
0

potncia zero de A , I a matriz identidade. ( n > 0 ) , chamamos n-sima potncia de A .

n { ~ ~ ~ ~ ~ ~ ~ ~ ~ ~y A } A A = A n fatores

@n

= A
n

@1

cn

@1 @1 @1 @1 { ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ } ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~y desde que exista a matriz inversa ( A ) de A . A A = A n fatores

A A =A
m

m+n

cn

=A

mAn

1.30 Matriz inversa A idia de matriz inversa esta diretamente ligada ao conceito de nmero inverso, e para ilustrar o problema comearemos com uma matriz de primeira ordem e depois seguiremos para a definio. @1 denominada a Considere a matriz de primeira ordem A = [ x ] , se queremos determinar a matriz A inversa de A , precisamos determinar o nmero inverso de x , mas da definio de nmero inverso 1f 1f f f @1 f f x A x@ 1 = x A f = x Ax = f A x = 1 , sendo a comutatividade vlida. Assim encontrar a sabemos que x x inversa de A significa encontrar uma matriz tal que quando efetuarmos o produto matricial entre a matriz e a sua respectiva inversa, sendo a comutatividade vlida, cheguemos ao elemento neutro da multiplicao matricial, ou seja na matriz I identidade/unidade ento:
A
@1

F1 G f f f f

[ AA

@1

= x

G @ AF 1 f f f f

=A

@1

A=

F1 G@ A @ f f f f

x = 1 =I

O problema que se segue encontrar uma tcnica vivel para inverter matrizes de ordem maior que um, visto que as matrizes tm definies e propriedades particulares.

1.30.1 Definio Seja A uma matriz quadrada de ordem m , se existir uma matriz B que satisfaa a equao @1 AB = BA = I dizemos que B a inversa de A e denota-se B = A a matriz inversa de A . Ou seja, A inversvel (invertvel) se, e somente se:
.

AA =A A =I

@1

@1

GUIDG.COM

24

1.30.2 Clculo da matriz inversa pela definio Calcular matrizes inversas pela definio nem sempre fcil, pois dada uma matriz A de ordem m ento precisamos encontrar uma matriz B de ordem m tal que AB = BA = I , e isto implica em resolver pelo menos m sistemas com m incgnitas. Para exemplificar, calcularemos a inversa de uma matriz de ordem dois (m = 2) pela definio, assim precisamos resolver dois sistemas e encontrar quatro incgnitas.
D E

Exemplo 24: Mostre pela definio que A = 3 1 inversvel. 21 Soluo: Queremos mostrar que existe A
A
@1

@1

, tal que A A = A A = I , isto :


E

@1

@1

= a b Q 31 a b = a b 31 = 10 cd 21 cd cd 21 01

ED

E D

ED

E D

no lado esquerdo temos

3a + c 2a + c

3b + d = 1 0 01 2b + d

E D

Para resolver a equao matricial, temos que resolver dois sistemas:


T

3a + c = 1 [ 6a + 2c = 2 [ a = 1 2a + c = 0 @ 6a @ 3c = 0 c =@2
@1

T E

3b + d = 0 [ 6b + 2d = 0 2b + d = 1 @ 6b @ 3d = @ 3
D

[ b =@1 d=3
ED E D E

Logo a inversa de A a matriz A

1 @1 = @2 3

pois

31 21

ED

1 @1 = 1 @1 3 1 = 1 0 @2 3 @2 3 21 01

E D

Analogamente poderamos calcular a inversa de uma matriz de ordem maior ou igual a trs, entretanto precisaramos resolver trs ou mais sistemas lineares para encontrar cada uma das entradas da matriz inversa. Em 1.30.9 veremos o algoritmo de inverso [ A | I ] que simplifica o procedimento.

No estudo de matrizes inversas so necessrios conhecimentos bsicos da teoria de DETERMINANTES, faremos as indicaes quando algum assunto for necessrio.

1.30.3 Teste de inverso e clculo da inversa por adjunta Uma matriz quadrada A inversvel se, e somente se, o determinante de A for diferente de zero, isto :
` aT 1 1 f f f f f f f f f f f f f f f f f f f f f f f f f f f f = f cof A = f adj A det A det A

9 A

@1

^ det A 0

pois

@1

Onde detA o determinante da matriz A [2 Determinantes] ; cofA a matriz co-fatora de A [2.6 Co-fator] e [2.7 Matriz co-fatora] ; adjA a matriz adjunta de A [2.8 Matriz adjunta] ; Com este resultado podemos obter a inversa de uma matriz de ordem n.

* Essa uma justificativa para a existncia da inversa. A prova para esse teorema pode ser encontrada na referncia bibliogrfica (1) pg. 87 .

GUIDG.COM

25

Demonstrao para a justificativa: Seja A uma matriz quadrada de ordem n com detA 0 e usando o teorema 2.8.1 segue que:

A A adjA = adjA A A = detA A I n


Usando esta igualdade temos A A adjA = det A A I n A A A A adjA = A A det A A I n
@1 @1

[Teorema 2.8.1]

I n A adjA = A A det A A I n 1 @1 f f f f f f f f f f f f f f f A = adj A det A


@1

Com isso A
f b c 1 1 f f f f f f f f f f f f f f f f f f f f f f f f f f f f adj A = f A A adj A = f det A A I n = I n det A det A det A

1 f f f f f f f f f f f f f f f

E analogamente prova-se que


f

det A

1 f f f f f f f f f f f f f f f

adj A A = I n

Portanto pela definio de matriz inversa, o teorema 1.30.3 esta provado.


D E

Exemplo 25: Recalcule a inversa da matriz A = 3 1 usando a propriedade 1.30.3 . 21 [2.6 Co-fator]
A = 3 1 Q det A = 3 @ 2 = 1 21
cof a11 = @ 1 A 1 = 1 , cof a12 = @ 2 , cof a21 = @ 1 , cof a22 = 3
` a ` a2 ` a ` a ` a

Co-fatores de A :

Matriz co-fatora de A e matriz adjunta de A : 1 @ 2 Q`cof AaT = adj A = 1 @1 cof A = @1 3 @2 3 Logo obtemos a inversa pela propriedade:
D E D E

A A

@1

= =

1f f 1 @1 A adj A = A det A 1 @2 3
D

1 f f f f f f f f f f f f f f f

@1

1 @1 @2 3

GUIDG.COM

26

1.30.4 Determinante da matriz inversa Se a matriz A inversvel, seu determinante diferente de zero e vale a seguinte relao:

det A
[2.4.8.2 Teorema de Binet]

@1

1 f f f f f f f f f f f f f f = f ^ det A

det A 0

1.30.5 Matriz no-singular a matriz cujo determinante difere de zero, ou seja, matrizes inversveis so tambm chamadas de matrizes no-singulares.

1.30.6 Matriz singular a matriz cujo determinante zero. A matriz singular no admite inversa ( no inversvel).

1.30.7 Unicidade da matriz inversa Se a matriz A for inversvel ( detA 0 ) ento a inversa A
@1

nica.

Demonstrao: Consideremos a existncia de duas matrizes inversas de A , sendo A1 e A2 , ento:

Prova 1:
A A1 = I e A A2 = I

A A1 = A A2 A A1 @ A A2 = 0 A A1 @ A2 = 0 Considerando a existncia da inversa, ento esta no pode ser nula, isto , A 0 , logo s nos resta que A1 @ A2 = 0 e assim A1 = A2 . Isto garante que se existe a matriz inversa de A , ento ela nica.
b c

Prova 2: Como A1 uma inversa de A , temos que:


A1 A = I Multiplicando ambos os lados pela direita por A2 :
b b

A1 A A2 = IA2 = A2
c b

A1 A A2 = A1 AA2 = A1 I = A1

Logo A1 = A2 e assim, se existe a inversa de A , ela nica.

GUIDG.COM

27

1.30.8 Propriedades da matriz inversa 22. 23. 24.


b b

@1

c@ 1

=B
T

A inversa da matriz inversa de B igual a B.


c@ 1
@1 @1

@1

cT b

= B

A transposta da inversa igual a inversa da transposta.


A B
@1

25. 26. 27.

ABC

AB

a@ 1

a@ 1 a@ 1

=B =C

Deve-se manter esta ordem.


A
@1

@1

A propriedade pode ser estendida para n fatores. Isto se det(A+B) 0 , ou seja a matriz A + B inversvel.
k0

A+B

=A

@1

+B

@1

kA
@1

a@ 1

1f f f @1 = f A k

=I

A inversa da matriz identidade ela prpria.

Prova de 26 (Exemplo 26) : Se k um escalar no nulo, as propriedades da multiplicao por escalar permitem escrever:
`

kA

f a 1 f f f f

@1

` a @1 1f 1 @1 f f f f f f = f kA A = k AA = 1 I = I k k f

Da mesma forma temos

1 f f f f @1 ` a A kA = I k

Como isso verifica a definio de inversa, conclumos que kA inversvel, isto : k A

a@ 1

1f f f @1 = f A . k

Exemplo 27: Sendo A e B matrizes inversveis, verifique usando as propriedades de matrizes, se a equao matricial verdadeira:
b

AB

c@ 1 b

= B

@1

cT

@1

Resposta: Sim, use as propriedades 24 e 23 .

GUIDG.COM

28

1.30.9 Algoritmo de inverso [ A | I ] de matrizes inversveis Para encontrar a inversa de uma matriz A que seja inversvel, deve-se encontrar uma seqncia de operaes elementares sobre as linhas da matriz A , que reduz esta matriz identidade para depois efetuar a mesma seqncia de operaes na matriz identidade, desta forma obtendo a inversa de A . Procedimento: escreve-se a matriz quadrada que se quer inverter ao lado esquerdo da matriz identidade de mesma ordem, na forma:
B

A|I

Ento se efetua uma seqncia de operaes elementares simultaneamente sobre as linhas desta matriz tal que faamos aparecer a identidade no lado esquerdo, e assim a matriz que a aparecer no lado direito ser a inversa de A : B C @1 I|A

1.30.10 Observaes Este procedimento impossvel se a matriz A for singular (isto , no admitir inversa), o que ir ocorrer no algoritmo que uma das linhas esquerda ir ser nula no decorrer das operaes sobre as linhas, logo tornando impossvel de se fazer aparecer a identidade no lado esquerdo. Por isso importante sempre calcular o determinante da matriz, antes de comear a inverter a dada matriz. Se o determinante for diferente de zero, a matriz inversvel, caso contrrio pode-se afirmar que a matriz singular (isto no admite inversa).
D E

Exemplo 28: Usando o algoritmo de inverso, determine a inversa de T = 1 3 . 02 Soluo: Vamos inverter a matriz usando o algoritmo de inverso e o procedimento descrito.
B

13|10 K T | I =J 02|01
H L L J

I I H

1 f f f L2 Q L 2 2

13|1 0 M M 1 K f f f 01|0 2

L1 Q @ 3L2 + L1

L1 L L L J

3 f f f 0|1@ M 2M M M 1 K f f f 1|0 2

Logo T

@1

L1 L =L L J

3f f @ f M 2M M M 1 K f f f 2
@1

Veja que a definio verificada, isto , T T

=T

@1

T=I .

GUIDG.COM

29

1.30.11 Frmula da inversa da matriz de ordem dois Usando o algoritmo de inverso vamos obter uma frmula geral para inverso de matrizes de ordem 2 que sejam inversveis.

Seja A matriz de ordem 2 , tal que o determinante diferente de zero, isto , A inversvel:
@1 A = a b Q det A = ad @ bc = x 0 , queremos encontrar A , usando o [ A | I ] , segue que: cd

H J

a b | 1 0K cd|01

cf f f L2 Q @ f L + L2 a 1

L L L J0 H

I H I H I a b | 1 0 a b | 1 0 M M L ` a f g M M L M=J x =L c c cb ad @ bc f f f f f f f f K f f f f f f f f f f f M J f K c f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f K 0 |@ 1 @ +d | @ 1 |@ 1 0

| 1

ba f f f f f f f L1 Q @ f L + L1 x 2

I H I H I e f gd f g f gf g ba c ba bc ba L f f f f f f f f f f f f f f f f f fM L f f f f f f f f f f f f f fM La 0 | J @ M La 0 | @ f + 1K @ f +1 @ f M L M L M x a x x x L M L M L M=L M d e L M L x d e M c L x M f f f f f f f f c J f f f f f f f f J K 0 | @ 1 K

+ x ba bc + ad @ bc ba ad ba f f f f f f f f f f f f f f f f f f f f f f f f f f fM L f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f fM L f f f f f f f f f f f f f f fM La 0 | bc @ f @ f @ f L M La 0 | M La 0 | M L M L M L M x x x x x x L M L M L M ~L M=L M=L M d e d e d e L x M L M L M c x c x c f f f f f f f f f f f f f f f f f f f f f f f J0 f K J K J | @ 1 0 | @ 1 0 | @ 1 K a a a a a a 1f f f L1 Q f L a 1 af f f L2 Q f L x 2
H

gf

I H g

gf

I H g

g f

I g

d bf df bf f f f f f f f f f f M B M L1 0 | L f @ f C @ f L M L @ 1 @ 1 x x M= I | A Q A =L x xM M L L M L c M c a f f f f f f f f f f f f a f f f f J K J K 01| @ @ x x x x

Logo, para obter a inversa de A2 B 2 , sendo A inversvel, basta trocar o elemento a por d , trocar o sinal de b e c , calcular e multiplicar pelo inverso do determinante de A , isto :
D E D 1 f f f f f f f f f f f f f f f E

A= ab cd

@1

d @b = det A @ c a

GUIDG.COM

30

1.30.12 Frmula da inversa da matriz de ordem trs (clculo do elemento da inversa) Uma frmula mais complexa pode ser deduzida para a inversa de matrizes de ordem trs, veremos que atravs dessa frmula podemos chegar ao clculo do elemento da matriz inversa.
abc b c L M L Seja A uma matriz inversvel, isto A =Jd e f M K e det A = aei + bfg + dhc @ ceg + fha + dbi 0 gh i A frmula para a inversa de A pode ser obtida analogamente como fizemos para a inversa da matriz de ordem dois, mas desta vez omitimos o passo a passo para no estender demais este assunto. ei @ hf hc @ bi bf @ ec L M 1 @1 f f f f f f f f f f f f f f f L gf @ di ai @ gc dc @ af M J K A = det A dh @ ge gb @ ah ae @ db { ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ } ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~y
B matriz adjunta de A

A partir da deduo chega-se aos prximos resultados, na matriz B note que os elementos: b11 = ei hf o determinante da submatriz..................... A11 b12 = hc bi o oposto do determinante da submatriz... A21 b13 = bf ec o determinante da submatriz.................... A31 b21 = gf di o oposto do determinante da submatriz.... A12 b22 = ai gc o determinante da submatriz.................... A22 b23 = dc af o oposto do determinante da submatriz.... A32 b31 = dh ge o determinante da submatriz.................... A13 b32 = gb ah o oposto do determinante da submatriz... A23 b33 = ae db o determinante da submatriz.................... A33 O oposto do determinante o determinante com sinal trocado, isto , calcule o determinante e o resultado obtido fica multiplicado por (1) . Da que obtemos o seguinte esquema de troca de sinais:
H

a11 a12 a13 + @ + La a a M L M J 21 22 23 K=J @ + @ K a31 a32 a33 + @ +


Para no memorizar o diagrama, veja que o sinal de cada elemento pode ser obtido com a seguinte regra:

I H

aij = @ 1

ai + j

assim

a11 = @ 1

a1 + 1

=1

a12 = @ 1

a1 + 2

=@1

a13 = @ 1

a1 + 3

=1

Alm disso, note que cada elemento bij inicialmente o determinante da submatriz Aji , ento podemos finalizar a nossa anlise com uma regra para o clculo de cada elemento da matriz inversa: Sendo a matriz A = aij
b c

e B = bij

a matriz inversa, ento os elementos da matriz B so dados por:

bij

d b ce b c ` a 1 1 f f f f f f f f f f f f f f f @ 1 i + j det sub A f f f f f f f f f f f f f f f = = A cof a ji ji ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ } ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~y det A det A {


cof a
b
ji

GUIDG.COM

31

A expresso cof a ji = @ 1

c `

ai + j

det sub A ji

Menor complementar M

{ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ } ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~y
ji

ce

definida como co-fator do elemento a ji .

Com a prtica pode-se tornar este processo mais rpido do que o uso do algoritmo de inverso [ A | I ] . Para uma melhor compreenso desta deduo veja em [2 Determinantes] as seguintes definies [2.5 Menor complementar] , [2.6 Co-fator] , [2.7 Matriz co-fatora] e [2.8 Matriz adjunta] .
H I

121 L b Exemplo 29: Usando os resultados de 1.30.12 , calcule o elemento 23 da matriz inversa de A =J0 3 2M K. 001 1 1 f f f f f f f f f f f f f f f f f f f f f f f f f f f f bij = f AA Q b23 = f AA det A ji det A 32
Como esta matriz triangular, o determinante o produto dos elementos da diagonal principal, isto : det A = a11 A a22 A a33 = 1.3 A 1 = 3 Clculo do co-fator
A32 =
` L a5 L 1 L @ 1 AL L0 a 1M M ` M= @ 1 A 2 = @ 2 M 2 M

E assim b23 =

` a 1f 2f f f A A32 = f A @2 =@ f det A 3 3

1 f f f f f f f f f f f f f f f

Exemplo 30: Determine a inversa da matriz dada utilizando o algoritmo de inverso [ A | I ] .


-1 -5 3 3 -4 6 5 1 4

A=

Soluo: O primeiro passo calcular o determinante.


det A = @ 1 @ 4 4 + 3.1 A 3 + @ 5 6.5 @ 5 @ 4 3 + 1.6 @ 1 + 3 @ 5 4 = @ 125 @ @ 126 = 1 Como det A 0 , conclu-se que a matriz inversvel, ento seguimos para o algoritmo de inverso.
.

a`

B `

a C

L1 Q @ L1

-1 -5 3

3 -4 6

5 1 4

| | |

1 0 0

0 1 0 0 1 0

0 0 1 0 0 1

L2 Q 5L1 + L2 L3 Q @ 3L1 + L3

1 -5 3

-3 -4 6

-5 | -1 1 | 0 4 | 0

0 1 0 0 1

0 0 1 0 0

15 f f f f f f L3 Q f L + L3 19 2

1 -3 -5 | -1 0 -19 -24 | -5 0 15 19 | 3

1 f f f f f f L2 Q @ f L 19 2

1 -3 -5 | -1 0 -19 -24 | -5

GUIDG.COM

32

1
L2 Q @ 24 f f f f f f f L + L2 19 3

-3 1 0 0 1 0

0 0 1 0 0

-5 | -1 0 0 24 5 1 f f f f f f f | f f f f f f f f f f f f f @ f 19 0
19 19

L1 Q @ 3L2 + L1

| -18 15 19

1 0 0 1 0 0

-3 1 0 0 1 0

-5 | -1 0 0 0 | 23 -19 -24 1 | -18 15 19 0 0 1 | -22 18 23 | 23 -19 -24 | -18 15 19

L1 Q 5L3 + L1

-5 | 68 -57 -72 0 | 23 -19 -24 1 | -18 15 19

L1 Q 5L3 + L1

Logo a ltima matriz que est no lado direito a inversa de A . Para verificar se a matriz inversa esta @1 @1 correta usa-se a definio, isto , multiplica-se a matriz pela sua inversa AA = A A = I , cujo resultado a matriz identidade. Ou pode-se usar um software matemtico para no perder tempo.

1.31 Matriz ortogonal a matriz cuja inversa coincide com a transposta E pela definio 1.30.1 segue que

M
@1

@1

=M

.
T

MM = MM
T

=M

@1

M=M M=I .

*O seguinte exemplo requer o conhecimento de determinantes e propriedades.

Exemplo 31: Sendo Am B m uma matriz ortogonal, mostre que detA = 1 . Soluo 1: A
@1 T
@1

=A

det A det A = 1

AA =AA =I b c T det A A = det I


` a ` a

[ [

det A det A
`

det A = 1
b

` a a2

=1 det A = F 1
b c

[
c

Soluo 2: A

@1

=A

det A

@1

= det A
c

Aplicando o corolrio 2.4.8.2 , det A

@1

1 T f f f f f f f f f f f f f f = f ; e a propriedade 2.4.1 , det A = det A det A


c

det A

@1

= det A

detA w w w w w ` a2 1 = det A [ det A = F p1 = F 1

1 f f f f f f f f f f f f f f

= det A

GUIDG.COM

33

1.31.1 Propriedade das matrizes ortogonais Toda matriz ortogonal tem filas (linhas e colunas) ortonormais, ou seja, os vetores-linha e vetores-coluna tm comprimento igual a um, e dois-a-dois so ortogonais. Se A = v i | | v j
N N ( ) * N v i N = q v i ,v i
w w w w w w w w w w w w w w w w w w w w w w w w w w w w w B C

ortogonal, onde vi , ... vj so vetores-coluna, ento

v i ,v j =

+ V0

se i j . 1 se i = j

Exemplo 32: Seja a matriz T = v1 | v 2 | v 3 , mostre que T ortogonal usando a propriedade 1.31.1 ,
2f 2 1 f2 f f f1 f f f f f f 1 f f f 2 f f f f f f 2 f f f2 f f f onde v1 = f . , , , v2 = , @ , @ , v3 = , @ , 3 3 3 3 3 3 3 3 3
f g f g f g

Soluo: v1 , v1 , v 3 so vetores-coluna, precisamos mostrar que


N N N N N N N v N =N v N =N v N = 1 1 2 3

v1 ,v 2 = v1 ,v 3 = v 2 ,v 3 = 0

Ou seja, que a norma (comprimento) dos vetores um, e que o produto escalar (produto interno usual) entre os vetores (dois-a-dois) igual zero.

Se

v i = x,y,z

v w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w u f g2 f g2 f g2 u N N u 2 2 1 f f f f f f f f Nv N = t f + + =1 1

ento

w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w N N w ( ) ( ) ( ) N v N = q v ,v = q x,y,z x,y,z = q x 2 + y 2 + z 2 i i i

v w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w u f g2 f g2 f g2 u N N u 1 2 2 f f f f f f f f Nv N = t f + @ + =1 3

v w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w w u f g2 f g2 f g2 u N N u 2 1 2 f f f f f f f f Nv N = t f + @ + @ =1 2

( (

v1 ,v 2 =
)

2 f f f2 f f f1 f f f 2 f f f 1 f f f 2 f f f 4 f f f f 2 f f f 2 f f f , , ,@ ,@ = @ @ =0 3 3 3 3 3 3 9 9 9
/. /

/.

2 f f f 1 f f f 2 f f f 1 f f f 2 f f f2 f f f 2 f f f 2 f f f 4 f f f f v 2 ,v 3 = , @ , @ ,@ , = + @ =0 3 3 3 3 3 3 9 9 9

v1 ,v 3 =

2 f f f2 f f f1 f f f 1 f f f 2 f f f2 f f f 2 f f f 2 f f f 4 f f f f , , ,@ , = + + =0 3 3 3 3 3 3 9 9 9

/.

Portanto a matriz T ortogonal.

Curiosidade: a matriz T se denotada por [ T ] representa em transformaes lineares um operador 3 3 linear ortogonal T : R Q R onde cada linha da matriz [ T ] determina a lei de associao e assim a imagem da transformao, neste caso:
2f f 2 f f f 1 f f f L f M L3 M 3 3 L M L M @ A L2 M 1 2 f f f f f f f f f L T =L @ @ M L3 M 3 3M L M L1 M f f 2 f f f 2 f f f J f K @ 3 3 3
H I

T:R QR

| T x,y,z =

2 f f f 2 f f f 1 f f f 2 f f f 1 f f f 2 f f f 1 f f f 2 f f f 2 f f f x + y + z , x @ y@ z , x @ y + z 3 3 3 3 3 3 3 3 3

GUIDG.COM

34

2 DETERMINANTES Nesta seo estudaremos a teoria dos determinantes, inicialmente com o conceito de determinante, passando por todo o contedo necessrio para a definio e ento formalizando a definio com suas propriedades e aplicaes.

2.1 Conceito de determinante Podemos dizer inicialmente que o determinante de uma matriz o nmero que representa ou resolve a matriz. No existe determinante de matrizes retangulares, isto , a ordem das matrizes ser sempre nn . O determinante de uma matriz quadrada A indicado por detA :

a11 La L 21 A =L L J am 1

a12 a22 am 2

a1n a2 n M M M M K amn

ento

a11 La L 21 det A = detL L J am 1

a12 a22 am 2

(Contedo opcional) Como nem sempre a definio de determinante cobrada em prova, esta se restringindo apenas a aplicaes de regras prticas, o teorema de Laplace e a regra de Chi. Portanto esta parte fica como apndice de contedo somente para os mais interessados na teoria, voc pode seguir direto para 2.3 Regras prticas para o clculo de determinantes .

La a1n L 11 L M a2 n M L M La21 M=LAM=L L M L K L amn Lam1

a12 a22 am2

a1n M M a2 n M M M M M amn M M

2.1.1 Permutao P Q Dado um conjunto de elementos a1 , a2 , a3 , , an , defini-se como permutao desse conjunto um rearranjo destes elementos em alguma ordem sem omisses ou repeties.

2.1.2 Permutao principal a permutao em que os elementos esto organizados segundo uma ordem seqencial definida.

Exemplo 33: i ) A ordem crescente dos inteiros: Dado o conjunto {2, 1, 4, 3}, ento a permutao principal 1234 . ii ) A ordem alfabtica das letras: Dado o conjunto {d, b, a, c}, ento a permutao principal abcd .

2.1.3 Nmero de permutaes Dado o conjunto de inteiros {1, 2, 3, ... , n} ento o nmero de permutao dado por n! (n fatorial).

Exemplo 34: No conjunto {1, 2, 3} o nmero de permutao possveis 3! = 3.2.1 = 6 . Podemos visualizar isto atravs de uma rvore de permutaes . Por exemplo para o conjunto {1, 2, 3} temos: 1 2 3 2 3 3 2 1 3 3 1 1 2 2 1

Vemos que as possveis permutaes so: 123, 132, 213, 231, 312, 321 .

GUIDG.COM

35

E tambm fica claro que o nmero de permutaes dado por n! pois temos para o conjunto {1, 2, 3} trs possibilidades de permutaes para o primeiro elemento, e assim escolhido o primeiro, teremos duas possibilidades para o segundo, e ento escolhido o segundo teremos apenas uma possibilidade para o terceiro, de forma que teremos 3.2.1 possibilidades de permutaes, totalizando 6 permutaes possveis. Da que o fatorial entra eliminando a necessidade de construir diagramas, por exemplo.

Exemplo 35: No conjunto {1, 2, 3, 4} o nmero de permutaes possveis 4! = 4.3.2.1 = 24 .


1 2 3 4 1 3 2 4

...

E assim sucessivamente at completar as 4 arvores de permutaes relativas ao conjunto { 1, 2, 3, 4 } onde se obteria as 24 permutaes possveis.

2.1.4 Inverso Definida uma ordem seqencial dos elementos de um conjunto, ocorre uma inverso entre dois elementos sempre que esta ordem for alterada (invertida).
P Q

Exemplo 36: Dado o conjunto a1 a3 a2 ocorre uma inverso.

a1 , a2 , a3 e seja a1 a2 a3 a ordem principal, ento na permutao

2.1.5 Nmero de inverses de uma permutao Considere a permutao a3 a2 a1 a4 e seja a1 a2 a3 a4 a permutao principal, ento para determinar o nmero de inverses ( ni ): 1 Determine o nmero de elementos que esto depois de ai e que so menores que ai . 2 Siga este procedimento da esquerda para a direita para cada um dos elementos. Ento a soma destes nmeros ser o nmero de inverses na permutao. Exemplo 37: ni a3 a2 a1 a4 = 2 + 1 + 0 = 3
` a

2.1.6 Classe de uma permutao Uma permutao de classe par se o nmero de inverses um inteiro par e de classe impar se o nmero de inverses for impar.

GUIDG.COM

36

Exemplo 38: Determine o nmero de inverses nas seguintes permutaes: a) 613452 b) 2413 c) 4321 d) acb d) adcb e) 1234
Q Q Q Q Q Q

ni = 5 + 0 + 1 + 1 + 1 = 8 ni = 1 + 2 + 0 = 3 ni = 3 + 2 + 1 = 6 ni = 0 + 1 = 1 ni = 0 + 2 + 1 = 3 ni = 0 + 0 + 0 = 0

par impar par impar impar par

2.1.7 Produto elementar Seja A uma matriz quadrada de ordem n . Um produto elementar de A o produto de n entradas de A tais que existem apenas uma entrada de cada fila (linha ou coluna).

2.1.8 Produto elementar com sinal Se um produto elementar for de classe impar o produto leva o sinal - e se for de classe par o produto leva o sinal + .

2.2 Determinante de uma matriz O determinante de uma matriz a soma algbrica dos produtos que se obtm efetuando todas as permutaes dos segundos ndices do termo principal, fixados os primeiros ndices e fazendo-se preceder os produtos do sinal + ou - , conforme a permutaes dos segundos ndices seja de classe par ou de classe impar.

Exemplo 39: Calcular o determinante usando a definio:


Fa a G a) A = a11 a12 21 22

Soluo: i ) Primeiro escrevemos os elementos que compe o termo principal omitindo os segundos ndices e um conjunto com n elementos, sendo n a ordem da matriz. Termo principal de A : a11 a22 omitindo os segundos ndices a1 a2 Conjunto com n elementos conforme a ordem da matriz A : { 1,2 } ii ) Agora tomamos as permutaes de { 1, 2 } que so 12 e 21 , e substitumos na seguinte forma: 12 a1 a2 e assim obtemos o produto elementar a11 a22

GUIDG.COM

37

Como a permutao 12 dos segundos ndices de classe par, temos o produto elementar com sinal + , portanto temos o produto a11 a22 21 a1 a2 e assim obtemos o produto elementar a12 a21

Como a permutao 21 dos segundos ndices de classe impar, temos o produto elementar com sinal - , portanto temos o produto @ a12 a21

iii ) Logo o determinante de A dado pela soma algbrica dos produtos elementares com sinal, isto : det A = a11 a22 @ a12 a21
H I

b b b L 11 12 13 M Lb b b M M b) B =L J 21 22 23 K b31 b32 b33 Soluo: i ) Termo principal de B : b11 b22 b33 omitindo os segundos ndices b1 b2 b3 Conjunto com n elementos conforme a ordem da matriz B : { 1,2, 3 } ii ) Permutaes de { 1, 2, 3 } : 123, 132, 213, 231, 312, 321 123 b1 b2 b3 e assim obtemos o produto elementar b11 b22 b33

Como a permutao 123 dos segundos ndices de classe par, temos o produto elementar com sinal + , portanto temos o produto + b11 b22 b33

132 b1 b2 b3 e assim obtemos o produto elementar b11 b23 b32

Como a permutao 132 dos segundos ndices de classe impar, temos o produto elementar com sinal , portanto temos o produto @ b11 b23 b32

E assim sucessivamente temos todos os outros produtos elementares com sinal:


213 Q b12 b21 b33 Q @ b12 b21 b33 231 Q b12 b23 b31 Q + b12 b23 b31 312 Q b13 b21 b32 Q + b13 b21 b32 321 Q b13 b22 b31 Q @ b13 b22 b31

GUIDG.COM

38

iii ) Logo o determinante de B dado pela soma algbrica dos produtos elementares com sinal, isto :

det B = b11 b22 b33 @ b11 b23 b32 @ b12 b21 b33 + b12 b23 b31 + b13 b21 b32 @ b13 b22 b31 = b11 b22 b33 + b12 b23 b31 + b13 b21 b32 @ b11 b23 b32 @ b12 b21 b33 @ b13 b22 b31
b

= b11 b22 b33 + b12 b23 b31 + b13 b21 b32 @ b11 b23 b32 + b12 b21 b33 + b13 b22 b31

2.2.1 Observaes Calcular determinantes diretamente da definio leva a dificuldades computacionais. De fato, calcular um determinante de ordem 44 diretamente envolveria calcular 4! = 24 produtos elementares com sinal e um determinante 1010 envolveria calcular 10! = 3.628.800 produtos elementares com sinal. Mesmo os mais rpidos computadores digitais no conseguem dar conta em um tempo razovel dos clculos de um determinante de ordem 2525 por este mtodo. E, portanto muito do que se segue, ser o desenvolvimento de mtodos que simplifiquem o clculo de determinantes.

2.3 Regras prticas para o clculo de determinantes Com o objetivo de tornar vivel o clculo de determinantes, estudaremos algumas regras prticas a seguir.

2.3.1
@

Determinante de uma matriz de primeira ordem


A L M

* No o mdulo do elemento, e sim o prprio elemento.

A = a11 Q det A =L a11 M= a11

2.3.2

Determinante de uma matriz de segunda ordem


L M La a M ` a L 11 12 M M Q det A =L La21 a22M= a11 A a22 @ a21 A a12

A= a a 21 22

F a11 a12 G

O determinante de uma matriz de segunda ordem dado pelo produto dos elementos da diagonal principal menos o produto dos elementos da diagonal secundria, isto , o termo principal menos o termo secundrio.

GUIDG.COM

39

2.3.3 Determinante de uma matriz de terceira ordem Nesta seo veremos varias formas prticas de se calcular o determinante de uma matriz de ordem trs.

2.3.3.1 Desenvolvimento do determinante pela primeira linha A partir do desenvolvimento pela definio, se colocarmos os trs primeiros elementos a11 , a12 e a13 em evidncia chegamos a esta regra.

A3 Q det A = a11 a22 a33 + a12 a23 a31 + a13 a21 a32 @ a11 a23 a32 + a12 a21 a33 + a13 a22 a31 = a11 a22 a33 @ a23 a32 + a12 a23 a31 @ a21 a33 + a13 a21 a32 @ a22 a31 = a11
f ` a ` a ` a
M 13

a{ a @ a} a ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~y@ a 22 33 32 23
M 11

12

a{ a @ a} a ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~y+ a 21 33 31 23
M 12

13

a{ a @ a} a ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~ ~y 21 32 31 22

Veja que os produtos entre parnteses (a22a33 a32a23) , (a21a33 a31a23) e (a21a32 a31a22) so os determinantes das submatrizes A11 , A12 e A13 respectivamente , e isto equivalente a dizer que os produtos entre parnteses so os menores complementares de a11 , a12 e a13 , logo temos a regra:
L La L 11 L =L La21 La L 31

det A

[2.5 Menor complementar]

a12 a13 M M M a22 a23M M= a11 M 11 @ a12 M 12 + a13 M 13 a32 a33M M


j k j j j j j k j j j j
3

Curiosidade: Substituindo a11 = i , a12 = j , a13 = k temos o produto vetorial no R , e a partir daqui que a regra extrada, consulte ALGA-I: Exerccios Resolvidos Vetores, PG. 3 para verificar.

j k j j j j

2.3.3.2 Desenvolvimento do determinante por fila Analogamente ao desenvolvimento pela primeira linha podemos criar regras para qualquer fila que desejarmos bastando que evidenciemos os elementos dessa fila, cuidando com a troca de sinais.

Exemplo 40: Se quisermos desenvolver o determinante pela segunda coluna temos a seguinte regra: det A = @ a12 M 12 + a22 M 22 @ a32 M 32

2.3.3.3 Regra de Seki Kowa


La a a M a11 a12 a13 L 11 12 13 M L M M M A =L Ja21 a22 a23 KQ det A =L La21 a22 a23M= L M a31 a32 a33 La31 a32 a33M H I L M

a11 A a22 A a33 + a12 A a23 A a31 + a21 A a32 A a13


b

@ a13 A a22 A a31 + a23 A a32 A a11 + a12 A a21 A a33

O diagrama de linha pode ser imaginado conforme a ordem em que os elementos so multiplicados.

GUIDG.COM

40

2.3.3.4 Regra de Sarrus Existem duas formas (A e B) de se aplicar a regra de Sarrus.

A - Repetindo as duas primeiras colunas: I) Repetir a primeira e a segunda coluna. II) Somar os produtos das diagonais descendentes e subtrair os produtos das diagonais ascendentes.
@ a31 A a22 A a13 @ a32 A a23 A a11 @ a33 A a21 A a12
L La L 11 L =L La21 La L 31

det A

a12 a13 a11 a12 M M M a22 a23 a21 a22M M a32 a33 a31 a32M M

a11 A a22 A a33 + a12 A a23 A a31 + a13 A a21 A a32


b c

det A = a11 A a22 A a33 + a12 A a23 A a31 + a13 A a21 A a32 @ a31 A a22 A a13 + a32 A a23 A a11 + a33 A a21 A a12

B - Repetindo as duas primeiras linhas.


I) Repetir a primeira e a segunda linha. II) Somar o produto das diagonais descendentes e subtrair o produto das diagonais ascendentes.
L La L 11 L La21 L La31 =L L La11 L La L 21

det A

a12 a22 a32 a12 a22

det A = a11 A a22 A a33 + a21 A a32 A a13 + a31 A a12 A a23 @ a31 A a22 A a13 + a11 A a32 A a23 + a21 A a12 A a33

a13 M M M a23M M a33M M M a13 M M a23M M

@ a31 A a22 A a13 @ a11 A a32 A a23 @ a21 A a12 A a33 a11 A a22 A a33 + a21 A a32 A a13 + a31 A a12 A a23
b c

*Apesar de fcil, a regra de Sarrus muito trabalhosa em ter de reescrever as linhas ou as colunas. Recomendamos aprender as duas primeiras regras e realizar os clculos mentalmente.

2.4 Propriedades dos determinantes Nesta seo seguem vrias propriedades e conseqncias importantes para o estudo e aplicao de determinantes em sistemas lineares e tambm em diversos outros assuntos da lgebra linear.

2.4.1

Propriedade
T

O determinante de uma matriz A igual ao de sua transposta A .

det A = det A

GUIDG.COM

41

2.4.2 Propriedade Sendo A uma matriz quadrada, ento a troca de duas filas paralelas gera uma matriz B tal que o determinante de B difere do determinante de A apenas pelo sinal.

Exemplo 41:

A = a b Q det A = ad @ cb cd det B = @ det A

` a B = c d Q det B = cb @ ad = @ ad @ cb ab

2.4.2.1 Corolrio Se a matriz A tem duas filas paralelas iguais, ento o detA igual a zero.
H I

axa b c J Exemplo 42: A = b y bKQ det A = ayc + xbc + bza @ ayc + bza + xbc = 0 czc
2.4.3 Propriedade Se B uma matriz tal que uma de suas filas nula, ento detB = 0 .

ax0 L Exemplo 43: B =Jb y 0M KQ det B = 0 cz0


2.4.4 Propriedade Se B uma matriz tal que uma de suas filas proporcional outra, ento detB = 0 . Exemplo 44: a x 2a b c L B =Jb y 2bM KQ det B = a A y A 2c + x A 2b A c + b A z A 2a @ 2a A y A c + 2b A z A a + x A b A 2c c z 2c det B = 0
b H I

det B = 2 A a A c A y + 2 A b A c A x + 2 A a A b A z @ 2 A a A c A y + 2 A a A b A z + 2 A b A c A x

2.4.5 Propriedade Se B uma matriz tal que uma de suas filas est multiplicada por uma constante k , ento podemos colocar k em evidencia multiplicando o determinante B .

GUIDG.COM

42

Exemplo 45: B=
F kx ` a yG Q det B = kx A w @ kz A y = k x A w @ z A y kz w L ` a yM M= k x A w @ z A y M w M

Lx det B = k A det B = k AL Lz

2.4.5.1 Corolrio Se B uma matriz de ordem n que esta multiplicada por k , ento
det k A B = k det B
n

Exemplo 46:
kAB=
` F kx a ` a a ky G 2 2 2` Q det k A B = kx A kw @ kz A ky = k A xw @ k A zy = k xw @ zy kz kw
2 2

det k A B = k A k A det B = k A det B = k

L Lx AL Lz

` a yM M= k 2 x A w @ z A y wM

2.4.6 Propriedade Se numa das filas dum determinante tivermos uma soma de termos, ento podemos separar esta soma em dois determinantes, tal que a soma destes igual ao primeiro.

Exemplo 47:
det A = det B + det C

L M L M L M La b u + v M L M L M L M La b uM La b v M L M L M L M Lc d x + y M=Lc d xM+Lc d y M L M L M L M L M L M L M Le f z + wM Le f zM Le f wM

Exemplo 48: Verifique a relao entre os seguintes determinantes:

det A

L L 2 L =L L3

1M M M= @ 3 0M
M L

det C
L L L2 L L3

= det A + det B
M L

L L 2 L det B =L L3 M

1M M M= @ 4 @ 3 = @ 7 @ 2M

det C

L L 2 L =L L3

2M M M= @ 4 @ 6 = @ 10 @ 2M

L M L 1 + 1M M L2 1M L2 1M M M=L M+ L M 0 @ 2M L3 0M L3 @ 2M @ 10 = @ 3 @ 7

GUIDG.COM

43

2.4.7 Teorema de Jacobi O determinante no se altera quando adicionamos a uma de suas filas, uma combinao linear das demais filas paralelas.
L L1 L L3 Exemplo 49: det D =L L L2

0 @1 4

Trocando a primeira coluna por menos a metade da terceira coluna somada com a primeira:
L L f g L f f f L2 A @ 1 +1 0 L L 2 L L f g L L f f f L6 A @ 1 + 3 @1 L L 2 L L f g L 1f L f L8 A @ f +2 4 L 2 L a M M M 2M M M M L M L M L@ 1 + 1 0 M L 2M @3 + 3 @1 M=L M L M L@ 4 + 2 4 M M M 8M M M

2M M ` a M 6M M= @ 8 + 0 + 24 @ @ 4 + 24 + 0 = 16 @ 20 = @ 4 8M

1 f f f C1 Q @ C 3 + C1 2

L 2M 0 M L 0 M L L 0 @1 = 2M M L 8M L@ 2 4

M L

2M M M 2M M 8M

det D = 0 + 0 + 0 @ 4 + 0 + 0 = @ 4
L L4 L L7 =L L L2

Exemplo 50: det E

9 @1 6

Trocando a primeira linha por menos duas vezes a terceira linha somada com a primeira. L1 Q @ 2L3 + L1
L ` a ` a L L2 A @ 2 + 4 6A @ 2 + 9 L L L 7 @1 L L 2 6 L M L0 @ 3 0M L M M L7 @ 1 4M= det E = 0 @ 24 =L L M L2 6 1M

2M M ` a M 4M M= @ 4 + 72 + 84 @ @ 4 + 96 + 63 = 152 @ 155 = @ 3 1M
1 A @ 2 + 2M M L @4 + 4 M L M=L L 7 M L 4 M L M 2 1
` a ` a M L

@ 12 + 9 @1 6

+ 0 @ 0 + 0 @ 21 = @ 24 + 21 = @ 3

@ 2 + 2M M M 4 M M 1 M

2.4.7.1 Corolrio Seu uma fila de um determinante igual a uma combinao linear de filas paralelas, o determinante igual a zero.
L L1 L L3 D =L L L4

Exemplo 51:

2 2 @1

Veja que cada elemento da terceira coluna igual primeira coluna multiplicada por 2 somada com a segunda coluna multiplicada por 3 , isto : C 3 = 2C1 + 3C 2 8 = 2(1) + 3(2) = 2 + 6 12 = 2(3) + 3(2) = 6 + 6 5 = 2(4) + 3(1) = 8 3 Neste caso no seria necessrio calcular o determinante, pois por 2.4.7.1 o determinante igual a zero.

8M M ` a M 12M M= 10 + 96 @ 24 @ 64 @ 12 + 30 = 82 @ 82 = 0 5M

GUIDG.COM

44

2.4.8 Teorema de Binet Sendo A e B matrizes de mesma ordem ento o determinante: det A A B = det A A det B 2.4.8.1 Corolrio Sendo A uma matriz quadrada e n 2 N , ento: det
C

e b c ` a { ~ ~ ~ ~ } ~ ~ ~ ~y A A A = det A n = det A n
n fatores

2.4.8.2 Corolrio Sendo A uma matriz inversvel, ento: det A Justificativa de 2.4.8.2:
b
@1

1 f f f f f f f f f f f f f f = f det A

A AA =I
@1

det A A A = det I
@1

det A

@1

1 f f f f f f f f f f f f f f = f det A

det A A det A = det I


@1

I a matriz identidade e det I = 1 .

2.4.9 Resumo das propriedades dos determinantes Nesta seo listamos as principais propriedades dos determinantes com suas respectivas demonstraes indicadas.

I - O determinante de ordem n nulo se tiver: (2.4.2.1) Duas filas paralelas iguais. (2.4.3) Uma fila nula. (2.4.4) Duas filas paralelas proporcionais. (2.4.7.1) Uma fila que for combinao linear de outras filas paralelas.

II - O determinante de ordem n se altera: (2.4.2) Trocando de sinal, quando duas filas paralelas trocam entre si de posio; (2.4.5) Ficando multiplicado por k , quando os elementos de uma fila esto multiplicados por k ; n (2.4.5.1) Ficando multiplicado por k , quando a matriz est multiplicada por k .

III - O determinante de ordem n no se altera quando: (2.4.1) Trocarmos ordenadamente as linhas pelas colunas ( det A = det A ). (2.4.7) Somarmos a uma fila uma combinao linear de outras filas paralelas (Teorema de Jacobi).
T

GUIDG.COM

45

2.5 Menor complementar Sendo A uma matriz quadrada de ordem n com n 2 , chama-se menor complementar do elemento aij , e indicamos por M ij , o determinante da submatriz Aij , isto :
M ij = det sub Aij
d b ce

[1.20 Submatriz]

Exemplo 52: Dada a matriz A , calcular M 11 , M 12 , M 32 , M 33 .

1 L A =J 3 @1

M ce L L M L6 1M M M 11 = det sub A11 =L L2 4M= 24 @ 2 = 22 M d b ce L L M ` a L 3 1M L M= 12 @ @ 1 = 13 M 12 = det sub A12 =L @ 1 4M d b

0 2 M 6 1K 2 4

I
ce L L 1 L M 32 = det sub A32 =L L2 d b ce L L 1 L M 33 = det sub A33 =L L3 d b b c ` ai + j M M

3M M M= 1 @ 6 = @ 5 1M 0M M M= 6 @ 0 = 6 6M

2.6

Co-fator

Chama-se co-fator do elemento aij , e denota-se cof aij = @ 1

A M ij , onde M ij o menor

complementar de aij .

2.7 Matriz co-fatora Sendo A uma matriz quadrada de ordem n com n 2 , chama-se matriz co-fatora de A e indica-se por cofA a matriz cujos elementos so os co-fatores dos elementos da matriz A.

2.8 Matriz adjunta Dada uma matriz A , chama-se matriz adjunta de A , a matriz transposta da matriz co-fatora de A e ` aT indica-se por adj A = cof A .

GUIDG.COM

46

712 M Exemplo 53: Dada a matriz A =L J4 3 0K obter os co-fatores dos elementos de A , cofA e adjA . 614
Soluo: Clculo dos co-fatores.
cof a11 = @ 1 cof a12 = cof a13 =
` ` ` a ` a ` a ` a ` ai + j L a2 L 3 L @ 1 AL L1 M

11 =
M M

L a3 L 4 L @ 1 AL L6 L a4 L 4 L @ 1 AL L6

a` a 0M M ` M= @ 1 16 @ 0 = @ 16 M 4 ` a M 3M M= 1 4 @ 18 = @ 14 M 1 ` a `

` a 0M M M= 1 A 12 @ 0 = 12 M 4

cof a21 = @ 2 , cof a22 = 16 , cof a23 = @ 1 , cof a31 = @ 6 , cof a32 = 8 , cof a33 = 17

12 @ 16 @ 14 ` 12 aT M L cof A =L J@ 2 16 @ 1 KQ cof A = adj A =J @ 16 @6 8 17 @ 14

@2 16 @1

@6 M 8K 17

2.8.1 Teorema da matriz adjunta Seja A uma matriz quadrada de ordem n e I n a matriz identidade de ordem n , ento:
A A adj A = adj A A A = det A A I n
` a

*Demonstrao omitida, consulte a referncia bibliogrfica (5) pg. 110-D .

2.9 Teorema de Laplace Seja A uma matriz quadrada de ordem n com n 2 , o determinante de A dado pela soma dos produtos dos elementos de uma fila (linha ou coluna) qualquer pelos respectivos co-fatores, isto :

a11 La L 21 A =L L J an 1

a12 a22 an 2

a1n a2 n M M M M K ann

det A = X aij A Aij = ai1 A Ai1 + ai2 A Ai2 + ain A Ain


j=1

Sendo i uma linha qualquer da matriz A ou det A = X aij A Aij = a1j A A1j + a2j A A2j + anj A Anj
i =1 n

Sendo j uma coluna qualquer da matriz A

*Demonstrao omitida, consulte a referncia bibliogrfica (5) pg. 105-D .

GUIDG.COM

47

2.9.1

Observaes

I - No clculo do determinante de uma matriz de ordem n , recamos em determinantes de matrizes de ordem n 1 , e no clculo destes, recamos em determinantes de ordem n 2 , e assim sucessivamente, at recairmos em determinantes de matrizes de ordem 3 , que sabemos calcular facilmente, aplicando a regra de Sarrus, Seki Kowa, etc. II - Para facilitar o clculo do determinante aconselhvel escolher uma linha ou coluna com o maior nmero de zeros. III - A aplicao conveniente do teorema de Jacobi pode facilitar o clculo do determinante pelo teorema de Laplace, por exemplo, efetuando-se uma combinao linear conveniente tal que gere uma linha ou coluna com maior nmero de zeros que o determinante inicial.
H I

1 2 L L 0 @1 Exemplo 54: Calcule o determinante da matriz A =L L J@2 3 3 4

3 2 1 6

1M 1M M . 2M K 3

De acordo com as observaes citadas aps o teorema de Laplace, devemos escolher a primeira coluna (ou a segunda linha), mas ainda teramos que calcular trs co-fatores, ento aplicamos o teorema de Jacobi, efetuando as seguintes combinaes lineares. Dica: Neste caso concentre-se na coluna que devemos simplificar para poder visualizar a combinao linear conveniente.

Lx = Linha,

C x = Coluna,

x = indicao da linha ou coluna

Pelo teorema de Jacobi, temos que:


L L 1 L L L 0 =L L L@ 2 L L 3

det A

2 @1 3 4

3 2 1 6

1M M M 1M M M 2M M 3M

L3 Q 2 A L1 + L3

L4 Q @ 3 A L1 + L4

det A

Aplicando o teorema de Laplace na primeira coluna, temos que:

L L1 L L L0 =L L L0 L L0

2 3 @1 2 7 7 @2 @3

1M M M 1M M M 4M M 0M

L L1 L L L0 L L L0 L L3

2 @1 7 4

3 2 7 6

1M M M 1M M M 4M M 3M

det A = A11 A a11 + A21 A a21 + A31 A a31 + A41 A a41 = A11 A 1 + A21 A 0 + A31 A 0 + A41 A 0 = A11

GUIDG.COM

48

Clculo do co-fator:

cof A11 = @ 1

c `

ai + j

A M 11 =

Logo pelo teorema de Laplace detA = -35

L L@ 1 a2L L 7 @1 L L L@ 2

2 1M B M ` aC ` a M = 1 A 0 @ 16 @ 21 @ @ 14 + 12 + 0 = @ 37 @ @ 2 = @ 35 7 4M M @ 3 0M

2.9.2 Corolrio: Determinante de matrizes triangulares ou diagonais Sendo A uma matriz triangular (de qualquer ordem), o determinante de A o produto dos elementos da diagonal principal. A verificao feita aplicando-se o teorema de Laplace na linha ou coluna que tiver maior nmero de zeros. Logo o determinante de uma matriz A triangular ou diagonal de ordem n generalizado como: det A = Y aii = a11 A a22 A a33 A A ann
i=1 n

*Se houver duvidas verifique a notao de produtrio.

2.10 Determinante por triangulao De acordo com 2.9.2 , podemos calcular o determinante de uma matriz quadrada de ordem m , reduzindo esta a uma matriz triangular equivalente, e depois multiplicar os elementos da diagonal principal, assim obtendo o determinante da matriz.

Exemplo 55: Calcule o determinante de A por triangulao:


L 1 5 7M 1 5 7 L M M L M L 9 5 @ 1M A =J 9 5 @ 1KQ det A =L L M L@ 5 4 @ 3M @5 4 @3 H I L M L M L 1 5 7M L M L M L 0 @ 40 @ 64M L M L 0 29 32 M

L2 Q @ 9L1 + L2

L3 Q 5L1 + L3

29 f f f f f f f L3 Q f L + L3 40 2

L M L M L 1 M 5 7 L M f g L 0 @ 40 @ 64 M L M ` a 72 f f f f f f f f L M f gM= 1 @ 40 @ det A =L = 576 72 L f f f f f f f fM 5 L 0 M 0 @ L 5 M L M

GUIDG.COM

49

2.11 Determinante de Vandermonde (determinante das potncias) O determinante de ordem n 2 assim chamado se, e somente se, na primeira linha os elementos forem todos iguais a 1 ; na segunda linha nmeros quaisquer; na terceira linha os quadrados da segunda linha; na quarta linha os cubos da segunda linha, e assim sucessivamente. * Os elementos da segunda linha so denominados elementos caractersticos.

Exemplo 56:
L L1 L L det D =L La L 2 La

I Determinante de Vandermonde de ordem 3.

II Determinante de Vandermonde de ordem 4.

L L1 L L La L 2 det D =L La L L 3 La

1 1M M M b cM M M 2 b c 2M
1 b 2 b 3 b 1 c c2 c3

1M M M dM M 2M dM M 3M dM

2.11.1 Propriedade Um determinante de Vandermonde igual ao produto de todas as diferenas que se obtm subtraindo-se de cada um dos elementos caractersticos os elementos precedentes, independente da ordem do determinante.

Exemplo 57:

det A

Elementos caractersticos:

L L1 L L1 =L L L1

2 4M M T M 4 16M M= det A 7 49M

L L1 L L2 =L L L4

a=2 , b=4 , c=7

1 1M M M 4 7M M 16 49 M

detA = (4-2).(7-4).(7-2) = 2.3.5 = 30

2.12 Regra de Chi Esta regra uma aplicao do teorema de Jacobi que permite reduzir a ordem de um determinante para simplificar o seu clculo. Para aplicar a regra de Chi, precisamos de uma matriz A , quadrada de ordem n 2 , com pelo menos um elemento aij = 1 .

Procedimento:
I Eliminamos da matriz A , a linha i e a coluna j , onde se encontra aij = 1 obtendo a submatriz Aij . II Subtramos dos elementos da submatriz Aij o produto dos elementos eliminados que se encontram na sua linha e coluna respectivamente, obtendo assim uma matriz B de ordem n 1 . III O determinante de A dado por: det A = @ 1
` ai + j

A det B

GUIDG.COM

50

Exemplo 58: Re-calcular o exemplo dado aps o teorema de Laplace, utilizando a Regra de Chi.

1 2 L L 0 @1 A =L L J@2 3 3 4
Soluo:

3 2 1 6

1M 1M M 2M K 3

I Escolhendo a11 = 1 , eliminamos a primeira linha e a primeira coluna.

1 2 L L 0 @1 A =L L J@2 3 3 4

3 2 1 6

1M 1M M 2M K 3

II Subtraindo dos elementos da submatriz A11 o produto dos elementos eliminados na respectiva linha e coluna.
H L

L B =L J

@ 1 @ 0 .2 ` a 3 @ @ 2 .2 ` a 4 @ 3 .2

2 @ 0 .3 ` a 1 @ @ 2 .3 ` a 6 @ 3 .3

H I 1 @ 0 .1 @1 2 1 ` aM L M 2 @ @ 2 .1 M M=J 7 7 4K ` a K @2 @3 0 3 @ 3 .1

III Assim o determinante de A dado por:

det A = @ 1

ai + j

A det B =

L L@ 1 a1 + 1 L L 7 @1 AL L L@ 2

2 1M B M ` aC M = 1 A 0 @ 16 @ 21 @ @ 14 + 12 + 0 = @ 35 7 4M M M @3 0

Logo, pela regra de Chi detA = -35 .

GUIDG.COM

51

Exemplo 59: Calcule o determinante da matriz W , usando a Regra de Chi.

2 L L 4 W =L L J@ 1 @2
Soluo:

3 2 7 0

0 1 2 4

2M 5M M 9M K 7

I Escolhendo a23 = 1 .

2 L L 4 W =L L J@ 1 @2

3 2 7 0

0 1 2 4

2M 5M M 9M K 7

II Subtraindo dos elementos da submatriz W 23 o produto dos elementos eliminados na respectiva linha e coluna.
I 2 @ 4 .0 3 @ 2 .0 2 @ 5 .0 H 2 3 2 L M ` a ` a ` a M L M L @ 1 @ 4.2 7 @ 2.2 9 @ 5.2 M=J @ 9 X =L 3 @1 K J ` a ` a ` aK @ 18 @ 8 @ 13 @ 2 @ 4 .4 0 @ 2 .4 7 @ 5 .4 H ` a ` a ` aI

III Assim o determinante de W dado por:


L L 2 3 a2 + 3 L L@ 9 det W = @ 1 A det X = @ 1 AL 3 L L@ 18 @ 8 @ A @ A ` ai + j `

= @ 1 A 120 @ 259 = @ @ 139 = 139

2 M B M ` aC M = @ 1 A @ 78 + 54 + 144 @ @ 108 + 16 + 351 @1 M M @ 13M

Logo, pela regra de Chi detW = 139 .

GUIDG.COM

52

SISTEMAS DE EQUAES LINEARES

3.1 Equao linear So as equaes onde as incgnitas tem grau de expoente igual 1 , na forma: a1 x1 + a2 x 2 + a3 x 3 + + an @ 1 x n @ 1 + an x n = b x i so as variveis (incgnitas); ai so os respectivos coeficientes; b o termo independente.

3.1.1 Razes (ou identidade) da equao linear So os valores das variveis que tornam a equao linear verdadeira;

3.1.2 Conjunto soluo da equao linear o conjunto formado pelas razes da equao linear.

3.2 Sistema de equaes lineares (sistema linear) um conjunto de equaes lineares, e tem a seguinte representao:
X ^ a11 x1 + a12 x 2 + a13 x 3 + + a1n x n = b1 ^ ^ ^ ^ ^ \

^ ( ( ( ( ( ( ^ ^ ^ ^ ^ Z a x + a x + a x + + a x = b mn n m m1 1 m2 2 m3 3

a21 x1 + a22 x 2 + a23 x 3 + + a2n x n = b2

3.2.1 Conjunto soluo de um sistema linear So os valores das variveis que tornam o sistema linear verdadeiro. Esses valores so as razes do sistema linear. Um sistema linear pode apresentar trs casos de solues, ento se: I Possui uma nica soluo, dizemos que o Sistema Possvel e Determinado (SPD) . II Possui infinitas solues, dizemos que o Sistema Possvel e Indeterminado (SPI) . III No possui soluo, dizemos que o Sistema Impossvel (SI) .

3.2.2 Discusso de sistemas Discutir um sistema linear determinar se ele (ou quando ) SPD , SPI ou SI , estes casos ocorrem conforme for o nmero de solues do sistema. Para discutir um sistema o estudante deve ter conhecimento dos teoremas 3.5.1 , 3.6.1 e 3.6.2 . Veremos alguns exemplos a seguir.

3.2.3 Sistemas equivalentes Dados dois ou mais sistemas lineares, dizemos que estes sistemas so equivalentes se admitirem o mesmo conjunto soluo.

GUIDG.COM

53

3.3 Sistema linear homogneo o sistema linear cujos termos independentes so todos nulos.
X ^ a11 x1 + a12 x 2 + a13 x 3 + + a1n x n = b1 = 0 ^ ^ ^ ^ ^ \

^ ( ( ( ( ( ( ^ ^ ^ ^ ^ Z a x + a x + a x + + a x = b = 0 mn n m m1 1 m2 2 m3 3

a21 x1 + a22 x 2 + a23 x 3 + + a2n x n = b2 = 0

Todo sistema linear homogneo admite pelo menos uma soluo, denominada Soluo trivial, isto , quando fazemos x i = 0 . Alm da Soluo trivial o sistema pode ter outras solues, denominadas Solues prprias.

3.4 Sistemas e matrizes Todo sistema de equaes lineares pode ser representado na forma matricial, isto facilita a visualizao e tambm a resoluo do sistema. Considere as matrizes abaixo:

a11 La L 21 A =L L J am1

a12 a22 am2

a1n a2n M M M M K amn

x1 Lx M L 2M M X =L L(M J K xn

b L 1M Lb M M B =L L 2M L(M J K bm

Note ento que o sistema de equaes lineares pode ser escrito atravs da equao matricial: AX = B
H I H I H I b1 a11 a12 a1n x1 M La a a M Lx M L L L 21 22 L 2 M L b2 M 2n M L M L M=L M L M L(M L ( M J K J K J M K H

am1 am2 amn

xn

bm

b1 a11 x1 a12 x 2 a1n x n M La x a x a x M L L L 21 1 22 2 b2 M M 2n n M L M=L M L M L L ( J K J M K am1 x1 am2 x 2 amn x n b


m

I H

Notaes: de forma geral, temos que: A a matriz dos coeficientes ou matriz incompleta do sistema ( M c ) ; X a matriz das variveis ou incgnitas ( M v ) ; B a matriz dos termos independentes ( M t i ) . E ainda, a partir da ltima equao matricial temos a matriz ampliada do sistema (tambm chamada de matriz aumentada, matriz estendida ou matriz completa do sistema):
a L 11 La L 21 M a =L L L J am 1
H

a12 a22 am 2

a1n a2 n amn

| | | |

b1 M b2 M M M M M K bm

Esta que se obtm omitindo X e colocando A e B juntas numa nica matriz, separadas por esse trao vertical que simboliza a igualdade do sistema, que por sua vez dispensvel, mas facilita a interpretao. Usaremos a notao M e para indicar a matriz linha-reduzida equivalente M a , isto , ( M e ~ M a )

3.4.1 Teorema Dois sistemas que possuem matrizes ampliadas equivalentes so equivalentes.

GUIDG.COM

54

3.5 Posto de um sistema (caracterstica de um sistema) A propriedade posto de uma matriz muito til na resoluo de sistemas e pode ser aplicada matriz que representa este sistema linear. Considere a matriz ampliada do sistema, ento: I - Posto da matriz dos coeficientes ( pc ) : o nmero de linhas no nulas de M c . II - Posto da matriz ampliada ( pa ) : o nmero de linhas no nulas de M a , que inclui M c e M t i . III - Posto do sistema ( p ) : quando pa = pc , costuma-se chamar este nmero de p , isto pa = pc = p .

[1.26 Posto de uma matriz] , [1.27 Nulidade de uma matriz]

3.5.1 Teorema Um sistema possui soluo se, e somente se, pa = pc = p .

3.5.2 Corolrio Decorre de 3.5.1 que se pa pc o sistema no possui soluo (SI) .

3.6 Grau de liberdade do sistema o nmero g = n p onde n o nmero de colunas da matriz dos coeficientes ou o nmero de variveis do sistema.

3.6.1 Teorema Se g = n p = 0 o sistema possui soluo nica (SPD) .

3.6.2 Teorema Se g = n p > 0 (isto se g = 1, g = 2 ... ) o sistema possui grau de liberdade, e assim este ter infinitas solues (SPI) .

GUIDG.COM

55

3.7 Operaes linha sobre um sistema linear Um sistema linear se transforma num sistema linear equivalente quando efetuamos operaes elementares sobre as suas linhas. Note que s podemos realizar operaes sobre as linhas do sistema linear e no sobre as colunas (do contrario estaramos somando quantidades diferentes). Vamos s trs operaes possveis.

3.7.1 Permutao entre linhas (L-se: A troca da linha x pela linha y ). Notao: Lx T L y *A dupla-seta indica a permuta (troca).

3.7.2 Multiplicao de uma linha por um escalar no nulo Notao: (L-se: A troca da linha x por k vezes linha x ) Lx Q k A L x 3.7.3 Substituio de uma linha por combinao linear Notao: Lx Q Lx + k A L y ou Lx Q k A L y + Lx L-se: A troca da linha x pela linha x mais k vezes a linha y . Ou a troca da linha x por k vezes a linha y mais a linha x .

3.8 Soluo de um sistema por matriz inversa Para o caso particular onde o nmero de equaes do sistema linear igual ao nmero de variveis (isto , o nmero de colunas de M c igual ao nmero de equaes do sistema linear), e quando o determinante de M c diferente de zero, podemos resolver o sistema pelo seguinte mtodo: Usando a notao matricial para sistemas lineares temos que:

AX = B @1 @1 A AX = A B @1 IX = A B @1 X=A B
Assim para determinar a soluo ( X ) desse tipo de sistema basta encontrar a inversa da matriz dos @1 @1 coeficientes ( A ), pois X = A B .

GUIDG.COM

56

Exemplo 60: Resolva o sistema.


X ^ ^ ^@ x \

+ 3y + 5z = 2 @ 5x @ 4y + z = 3 ^ ^ ^ Z 3x + 6y + 4z = @ 1 Soluo 1: Vamos colocar o sistema na forma matricial M a e resolve-lo usando as operaes elementares.
.

L1 Q @ L1
.

-1 -5 3

3 -4 6

5 1 4

| 2 | 3 | -1

L2 Q 5L1 + L2 L3 Q @ 3L1 + L3
1 f f f f f f f

1 -5 3

-3 -4 6

-5 | -2 1 | 3 4 | -1

15 f f f f f f L3 Q f L + L3 19 2
.

1 -3 -5 | -2 0 -19 -24 | -7 0 15 19 | 5
1 -3 1 0 0 1 0 -5 | -2
24 7 f f f f f f f f f f f f f | f 19 19

L2 Q @

19 L3 Q 19L3

L2

1 -3 -5 | -2 0 -19 -24 | -7
0 1 0 0 1 0 0 0 -3 1 0 0 1 0
1 f f f f f f f 19

10 f f f f f f @ f 19

24 f f f f f f L2 Q @ f L + L2 19 3
.

0 0

L1 Q 3L2 + L1

| -10

-5 | -2 0 | 13 1 | -10 0 0 1 | -13 | 13 | -10

L1 Q 5L3 + L1

1 0 0

-5 | 37 0 | 13 1 | -10

Com isso vemos que pa = 3 = pc = p assim o sistema possvel e, g = n p = 3 3 = 0 ento o sistema possvel e determinado, isto , possui soluo nica. Podemos dizer tambm que o sistema dado equivalente a esta ltima forma encontrada, e os valores que tornam o sistema verdadeiro so: x = -13 , y = 13 , z = -10

GUIDG.COM

57

Soluo 2: Agora vamos resolver o sistema usando o mtodo da inversa.


X ^ ^ ^@ x \

+ 3y + 5z = 2 @ 5x @ 4y + z = 3 ^ ^ ^ Z 3x + 6y + 4z = @ 1 Colocando o sistema na forma matricial AX = B , temos:


H

@1 3 L J@ 5 @ 4 3 6

2 5 x M L M J K y 1K =J 3 K @1 4 z

I H I H

AX = B @1 @1 A AX = A B @1 IX = A B @1 X=A B Este exemplo foi usado para mostrar o mtodo do algoritmo de inverso, vimos que a matriz A inversvel, isto , det A 0 , e:
@1

A
@1

-22 18 23 23 -19 -24 -18 15 19

Assim basta calcularmos o produto A

B para obter X a matriz das variveis ( M v ).


I H I H ` aI

H I H x @ 22 J yK=L J 23

X=A

@1

I H I H x @ 13 M J yK=L J 13K

@ 22.2 + 18.3 + 23 @ 1 H @ 13I 18 23 2 L ` a M M L M L M M L J 3 K=L 23.2 @ 19.3 @ 24 @ 1 M=J 13K @ 19 @ 24K J ` aK @ 18 15 19 @ 1 @ 10 @ 18.2 + 15.3 + 19 @ 1

@ 10

Este mtodo til quando a inversa dada, do contrrio recomenda-se usar o mtodo anterior.

GUIDG.COM

58

3.9 Regra de Cramer Outra forma de se resolver sistemas lineares onde o nmero de equaes igual ao nmero de variveis, isto , sistemas de ordem n B n (n equaes por n variveis), a resoluo por determinantes. Entretanto por usar determinantes este mtodo no se aplica a sistemas de ordem m B n (onde o nmero de equaes m diferente do nmero de variveis n ), logo tornando-se invivel computacionalmente, mas ainda um mtodo prtico para particulares questes tericas.
x + a x =b Considere inicialmente o sistema Z 11 1 12 2 1 . Em forma matricial temos: a21 x1 + a22 x 2 = b2
F a11 F x1 G b1 a12 G J K a21 a22 x 2 = b
2

X \a

ou seja

AX=B

Supondo que detA 0 e assim existe a inversa de A e podemos fazer a seguinte multiplicao matricial:

@1

AX = A B @1 X=A B
@1
@1

E assim podemos aplicar a relao 1.30.3 onde A

1 f f f f f f f f f f f f f f = f adj A , substituindo temos: det A

1 f f f f f f f f f f f f f f X= f adj A A B det A

onde det A = D

Vamos calcular a matriz adjA :

A= a a 21 22

F a11 a12 G

Q cof aij = @ 1
` a

cof a12 = @ 1 A a21 = @ a21 , cof a21 = @ a12 , cof a22 = a11

c `

ai + j

M ij , cof a11 = @ 1
` a

a `

a1 + 1

det sub A11


` a

ce

= 1 A a22 = a22

ento

F a @ a21 G @ a12 G ` aT F a cof A = @ a22 Q adj A = cof A = @ a22 a a11 12 11 21

Substituindo os resultados:
X= 1 f f f f f f f f f f f f f f f adj A A B [
F x1 G F 1 f f f f f f a22 @ a12 G J b1 K = x2 a11 D @ a21 b2 2 B1 2 B2 H I
2 B1

det A
H

1 f f f f f f b a @ b2 a12 K = J 1 22 D @ b1 a21 + b2 a11

a @ b a bf f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f 1 22 2 12 L f M M F x1 G L D L M = L M x2 L M b a @ b a f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f J f K 2 21 1 21 D

ou seja

bf a @ b a f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f 1 22 2 12 x1 = f e D

bf a @ b a f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f f 2 21 1 21 x2 = f D

GUIDG.COM

59

Note que o resultado b1 a22 @ b2 a12 obtido quando substitumos ordenadamente os elementos da matriz B na primeira coluna da matriz A e aplicamos o determinante nesta nova matriz:

a G A = a a12 21 22

F a11

b B =J 1 K b2

b a C1 =J 1 12 K b2 a22

Dx 1 = det C1 = b1 a22 @ b2 a12

E da mesma forma o resultado a11 b2 @ a21 b1 obtido quando substitumos ordenadamente os elementos da matriz B na segunda coluna da matriz A e aplicamos o determinante nesta nova matriz:

a G A = a a12 21 22

F a11

b B =J 1 K b2

a b C 2 =J 11 1 K a21 b2

Dx 2 = det C 2 = a11 b2 @ a21 b1

Portanto se o determinante da matriz A for diferente de zero o sistema possvel e determinado (isto , possui soluo nica), cuja soluo dada por:
x1 = D x f f f f f f f f f f 1 e D x2 = D x f f f f f f f f f f f 2 D

De forma anloga vamos mostrar que a regra de Cramer vlida para um sistema n B n .

a x + a x + + a2n x n = b2 Considere o sistema ^(21 1 ( 22 2 ( ( ( , em forma matricial temos ^ ^ ^ ^ ^ Za x + a x + + a x = b nn n n n1 1 n2 2


H

X ^ a11 x1 + a12 x 2 + + a1n x n = b1 ^ ^ ^ ^ ^ \ H I

a11 La L 21 L L J an1

a12 a22 an1

a1n H x1 I b1 L M Lx M L M a2n M M L 2 M L b2 M M L M=L M M J K L M K J K ann x n bn

ou seja

AX = B

Supondo que detA 0 e assim existe a inversa de A e podemos fazer a seguinte multiplicao matricial:

@1

AX = A B @1 X=A B
@1
@1

E assim podemos aplicar a relao 1.30.3 onde A

1 f f f f f f f f f f f f f f = f adj A , substituindo temos: det A

1 f f f f f f f f f f f f f f X= f adj A A B det A

onde det A = D
H I

a11 La L 21 Vamos calcular a matriz adjA , seja A = L L J an 1


cof aij = @ 1
b c ` ai + j

a12 a22 an 1

a1n a2 n M M M , ento os co-fatores de A so: M K ann

M ij

GUIDG.COM

60

cof a11 = @ 1
` ` ` a

a `

a1 + 1

M 11 = M 11

, ,

cof a12 = @ M 12 cof a22 = M 22


` a

, , ,

cof a1n = @ 1 cof a2n = @ 1 cof an2 = @ 1


` a ` ` a `

a `

cof a21 = @ M 21 cof an1 = @ 1


a ` a ` an + 1 `

M n1 = @ @ 1 M n1 M nn = @ 1
` a2n

cof ann = @ 1

an + n
H

an

M nn = @ 1

b`

a2cn

an + 2

a2 + n

a1 + n

M 1n = @ @ 1 M 1n M 2 n = @ 1 M 2n M n2 = @ 1 M n2
` an ` an

an

M nn = M nn

A matriz co-fatora de A :
L L L cofA =L L L J ` ` aT H

M 11
`

@ M 12 an @ 1 M n2 @ M 21 M 22 ` an @ 1 M 2n M 22

@ M 21 an @ @ 1 M n1 M 11 @ M 12 an @ @ 1 M 1n

@ @ 1 M 1n M M ` an @ 1 M 2n M M M M K M nn
` an

an

cofA

L L L = adj A =L L L J `

@ @ 1 M n1 M M ` an @ 1 M n2 M M M M K M nn

Voltando em X =
H I H

det A

1 f f f f f f f f f f f f f f f

adj A A B

onde det A = D substituindo os valores encontrados:

x1 L L Lx M L 1 f f f f f f L 2M @ M 12 L M = L J K DL L J ` an xn n B1 @ @ 1 M 1n
H Lx M L 2M L M J K

M 11

@ M 21 M 22 ` an @ 1 M 2n

@ @ 1 M n1 M b1 M M L ` an L M M b2 M @ 1 M n2 M L M M L M M L K J K bn M nn nB1
nBn

an

L L 1 f f f f f @ b1 M 12 L = f DL L J ` an xn n B1 @ @ 1 b1 M 1n

x1

H L

b1 M 11

@ b2 M 21 b2 M 22 ` an @ 1 b2 M 2 n

@ @ 1 bn M n 1 M
`

@ 1 bn M n 2 M M M M K bn M nn

an

an

I M
nB1

Com isso temos a soluo do sistema dada por:


x1 = x2 =
b c ` an 1 f f f f f f b1 M 11 @ b2 M 21 + @ @ 1 bn M n1 D

b c ai + 1 ` ai ` ai` an 1 f f f f f` xi = f @1 b1 M 11 + @ 1 b2 M 2i + + @ 1 @ 1 bn M ni D

b c ` an 1 f f f f f f @ b1 M 12 + b2 M 22 + + @ 1 bn M n2 D

GUIDG.COM

61

Note que
H

elementos da matriz B na primeira coluna da matriz A e aplicamos o determinante nesta nova matriz:

b1 M 11 @ b2 M 21 + @ @ 1 bn M n1 obtido quando substitumos ordenadamente os


I H I H I

an

a11 La L 21 A =L L J an1

a12 a22 an1

a1n a2n M M M M K ann

b L 1M L M M B =L L b2 M L M J K bn

b a L 1 12 L b a C1 =L L 2 22 L J bn an1

a1n M a2n M M M Q D x 1 = det C1 M K ann

Neste caso detC1 obtido pelo desenvolvimento do determinante pela primeira coluna.
b

Da mesma forma o resultado

@ b1 M 12 + b2 M 22 + + @ 1 bn M n2 obtido quando substitumos

ordenadamente os elementos da matriz B na segunda coluna da matriz A e aplicamos o determinante nesta nova matriz:

an

a11 La L 21 A =L L J an1

a12 a22 an1

a1n a2n M M M M K ann

b L 1M L M M L b2 M B =L L M J K bn

a L 11 L a L 21 C 2 =L L J an1

b1 a1n M b2 a2n M M M Q D x 2 = det C 2 M K bn ann

Neste caso detC2 obtido pelo desenvolvimento do determinante pela segunda coluna.
b` ai + 1

E assim o resultado

@1

b1 M 11 + @ 1 b2 M 2i + + @ 1 @ 1 bn M ni

substitumos ordenadamente os elementos da matriz B na i-sima coluna da matriz A e aplicamos o determinante nesta nova matriz:

ai

ai `

an

obtido quando

a11 La L 21 A =L L J an1

a12 a22 an1

a1n a2n M M M M K ann

b L 1M L M M L b2 M B =L L M J K bn

a L 11 L a L 21 C i =L L J an1

b1 a1n M b2 a2n M M M Q D xi = det C i M K bn ann

Neste caso detCi obtido pelo desenvolvimento do determinante pela i-sima coluna, sendo i = 1, 2, 3, ... n . Portanto podemos obter a soluo de um sistema linear n B n usando a regra de cramer que consiste numa resoluo atravs de determinantes.

x1 =

D X f f f f f f f f f f f f 1 D

x2 =

D x f f f f f f f f f f f 2 , D

xi =

D x f f f f f f f f f if D

3.9.1 Classificando sistemas pela regra de Cramer Usando a relao de Cramer a classificao de um sistema linear n B n definida da seguinte forma.
3.9.1.1 Se D 0 ento o sistema possvel e determinado (SPD). 3.9.1.2 Se D = 0 e algum dos Dxi 0 ento o sistema impossvel (SI).
3.9.1.3 Se D = 0 e todos os Dxi = 0 ento o sistema possvel e indeterminado (SPI).

GUIDG.COM

62

3.9.2

Classificando sistemas lineares homogneos pela regra de Cramer

Considere o sistema linear homogneo.


X ^ a11 x1 + a12 x 2 + + a1n x n = b1 = 0 ^ ^ ^ ^ ^ \

a x + a x + + a2n x n = b2 = 0 S ^(21 1 ( 22 2 ( ( (

^ ^ ^ ^ ^ Za x + a x + + a x = b = 0 nn n n n1 1 n2 2

a11 La L 21 ~ L L J an 1

a12 a22 an 1

a1n H x1 I 0 M Lx M L j j j k j j j a2 n M M M 0 L 2M L M L M ~ AX = 0 ~ AX = 0 = L M M L M K J K J K ann x n 0
j j j k j j j

Note que esse sistema sempre possvel, pois admite ao menos a soluo trivial isto quando X = 0 . Ento no existe o caso onde o sistema linear homogneo ser impossvel (SI). 3.9.2.1 Ento de acordo com 3.9.1.1 se detA 0 o sistema possvel e determinado (SPD) cuja j j j k j j j soluo a trivial, isto , quando fazemos X = 0 ou o mesmo que x1 = x 2 = = x n = 0 . 3.9.2.2 Mas se para algum dos aij tivermos o detA = 0 ento o sistema possvel e indeterminado j j j k j j j (SPI), pois a soluo ser nula antes mesmo de fazermos X = 0 e ainda ir admitir soluo trivial. 2x + 3y @ 4z = 1 Exemplo 60: Classifique o sistema S ^ 5x @ y + z = 3 usando a regra de Cramer. ^ ^ Z x + y @ kz = 2 Soluo: Inicialmente passamos o sistema para a forma matricial.
H I H I H I
X ^ ^ ^ \

2 3 @4 x 1 L M J y K=L AX = B ~ J5 @ 1 1M K J3K 1 1 @k z 2
D = detA = 2k + 3 20 (4+215k) = 17k23 = 0

23 f f f f f f Ento para todo k 2 R | k f o sistema possvel e determinado (SPD). 17

23 f f f f f f Se k = f implica que D = 0 , agora se algum Dxi 0 o sistema impossvel (SI) e se todos os 17 Dxi = 0 o sistema ser possvel e indeterminado (SPI).
L M L1 3 @ 4M L M L M L3 @ 1 M 1 f f f f f f f f f f f f L M= @ 485 Dx = det C1 =L 0 M 23 L M 17 f f f f f f f L2 M 1 L 17 M

Como D x 0 temos que para k =

23 f f f f f f f o sistema impossvel (SI), e como visto para todo 17

23 f f f f f f k 2R | k f o sistema possvel e determinado. Portanto o sistema S esta classificado, como 17 queramos demonstrar.

GUIDG.COM

63

Analogamente poderamos calcular os determinantes D y e D z .


L L2 L L L5 D y = det C 2 =L L L L1 L

Veja que este ltimo determinante D z mais simples de calcular, pois no envolve fraes, portanto vivel escolher este na hora de provar que o sistema impossvel, ao invs dos outros dois Dx e D y .
X` a ^ ^ ^ \ 3 + 2k x + ky + 3z = 0 Z

1 @ 4M M M 3 1M f f f f f f f f f f f M= @ 504 0 M 23 17 M f f f f f f f M 2 17 M

Dz

L L2 L L5 = det C 3 =L L L1

3 1M M M @ 1 3M M= @ 25 0 1 2M

Exemplo 61: Classifique o sistema S ^ ^ ^


H I H I H I

x + 2y + z = 0 usando a regra de Cramer. kx + y + z = 0

Soluo: Inicialmente passamos o sistema para a forma matricial. 3 + 2k AX = 0 ~ L J 1 k detA = k 5k + 6 = 0


k 2 1

3 + 2k 3 x 0 L L M L M J y K=J0K ~ L 1 1K J 1 z 0 k ,
k1 = 2 , k2 = 3

k 2 1

3|0 M 1 | 0M M K 1|0

Como detA = 0 para k1 = 2 e k2 = 3 , conclumos por 3.9.2.2 que o sistema possvel e indeterminado (SPI). Veja que no podemos determinar os xi pela regra de Cramer pois substituindo a matriz nula em qualquer coluna de A o determinante Dxi ser sempre nulo. Portanto o nico mtodo para encontrar a soluo desse sistema o escalonamento.

Substituindo k1 = 2 temos:
H

L L1 L J

0 L1 3|0 L M L L 1 | 0M MQ passando para a forma linha-reduzida temos QL K L0 1 L J 2 1|0 0 0 1f 1f f f Isto , x = @ f z e y =@ f z [ x = y , podemos denotar a soluo da seguinte maneira. 3 3 7 2 2 1
R ` a
3

1 f f f | 0M 3 M M M 1 f f f M | 0M 3 M K 0 |0

Se k1 = 2 o sistema possvel e indeterminado cuja soluo S = x,x,z 2 R | x, z 2 R .

GUIDG.COM

64

Da mesma forma obtemos a soluo substituindo k2 = 3 temos:


H L L1 L J

0 L1 3|0 L M L L 1 | 0M MQ passando para a forma linha-reduzida temos QL L0 K 1 L J 3 1|0 0 0 1 1 f f f f f f Isto , x = @ z e y = @ z [ x = y , podemos denotar a soluo da seguinte maneira. 5 5 9 3 2 1
R ` a
3

1 f f f | 0M 5 M M M 1 f f f M | 0M 5 M K 0 |0

Se k1 = 3 o sistema possvel e indeterminado cuja soluo S = x,x,z 2 R | x, z 2 R .

Exemplo 62: Vamos classificar o exemplo 60

2x + 3y @ 4z = 1 S ^ 5x @ y + z = 3 ^ ^ Z x + y @ kz = 2

X ^ ^ ^ \

usando o escalonamento.

Soluo: Passando o sistema para a forma matriz ampliada e escalonando.


2 3 @4 | L L5 @ 1 1| S ~ L J 1 1 @k |
.

1 M 3M M K 2 1 2 5 1 3 -1 -k -4 1 | | | 2 1 3

L1 T L3 L2 T L3
.

L2 Q @ 2L1 + L2 L3 Q @ 5L1 + L3

1 0 0

1 1 -6

-k
2k-4 5k+1

| 2 | -3 | -7

L3 Q 6 L2 + L3

1 0 0

1 1 0

-k
2k-4 17k-23

| 2 | -3 | -25

Pelo teorema 3.5.1 o sistema possvel se, e somente se,

pa = pc , mas se:

23 23 f f f f f f f f f f f f f 17k @ 23 = 0 [ k = f , assim pa = 3 pc = 2 , logo para k = o sistema impossvel (SI). 17 17 23 23 f f f f f f f f f f f f f f E se k , pa = 3 = pc = 3 , ento 8 k 2 R | k o sistema possvel e determinado (SPD). 17 17
Portanto o sistema S esta classificado, como queramos demonstrar.

3.9.2.3 Observaes No desvalorizando o mtodo de Cramer que muito til e tambm muito elegante, entretanto s resolve sistemas n B n , assim o escalonamento o mtodo mais completo pois resolve sistemas, seja de ordem n B n ou m B n .

GUIDG.COM

65

4 NOTAS FINAIS O objetivo desse texto foi a concentrao e a reviso de toda a teoria de matrizes, determinantes e sistemas, visto que alguns livros trazem uma notao complicada demais ou so incompreensveis por suas demonstraes resumidas. Lembrando que num estudo compacto como este no se pode demonstrar tudo, mas ao menos as demonstraes mais simples foram provadas de maneira clara e objetiva. Este texto foi escrito com base na introduo do curso de lgebra Linear da UDESC-CCT e nos seguintes livros, onde possvel encontrar um auxlio complementar terico.

REFERNCIAS BIBLIOGRFICAS E LEITURA COMPLEMENTAR

(1) Anton Howard, Chris Rorres lgebra Linear com aplicaes (8 ed.); (2) Alfredo Steinbruch, Paulo Winterle Introduo lgebra linear; (3) Alfredo Steinbruch, Paulo Winterle lgebra linear; (4) Jos Luiz Boldrini lgebra Linear; (5) Gelson Iezzi, Samuel Hazzan Fundamentos de Matemtica Elementar, Vol. 4, Seqncias, Matrizes, Determinantes e Sistemas (2 ed.); (6) Apostila de lgebra Linear II 2011/1 Departamento de Matemtica (UDESC CCT)

Você também pode gostar