Escolar Documentos
Profissional Documentos
Cultura Documentos
Sebenta PDF
Sebenta PDF
ndice
Lgica e Demonstrao
1 Demonstrao Directa
2 Recproco e Contrapositivo
Matrizes e Determinantes
5 Nota Histrica
2 Recproco e Contrapositivo
Lgica e Demonstrao
Resumem-se, neste captulo, os trs mtodos de demonstrao matemtica existentes, e cuja aplicao ser assdua ao longo de todo o texto.
Demonstrao Directa
Recproco e Contrapositivo
B
V
V
F
F
A = B
V
V
F
V
B
V
F
V
F
A
V
V
F
F
B = A
V
V
F
V
(n) = 1 + 2 + + n =
1
n (n + 1)
2
(k) = 1 + 2 + + k =
1
k (k + 1)
2
(k + 1) = 1 + 2 + + (k + 1) =
1
(k + 1) (k + 2)
2
Mas,
(k + 1) = (1 + 2 + + k) + (k + 1) =
{z
}
|
(k)
=
=
=
1
k (k + 1) + (k + 1) =
2
1
k + 1 (k + 1) =
2
k+2
(k + 1) =
2
1
(k + 2) (k + 1)
2
5 Nota Histrica
Matrizes e Determinantes
5
Nota Histrica
x + y = 1800
+ 12 y = 1100
2
3x
(1)
5 Nota Histrica
3x + 2y + z = 39
2x + 3y + z = 34
x + 2y + 3z = 26
(2)
5 Nota Histrica
10 + 11x + 12y = 0
20 + 21x + 22y = 0
30 + 31x + 32y = 0
102132+112230+122031=102231+112032+122130
Esta igualdade precisamente a condio que determina que a solvabilidade
de um sistema de equaes requer que o determinante da matriz dos coeficientes
seja nulo. note-se que Leibniz no utiliza coeficientes numricos mas dois smbolos, em que o primeiro indica a equao em que ocorre e o segundo a que letra
pertence. Assim, 21 denota o que modernamente escreveramos como a21 .
Leibniz estava convencido que a notao matemtica era a chave para o progresso, tendo experimentado com vrias notaes para o sistema de coefcientes.
Os seus manuscritos no publicados contm mais de cinquenta formas de representar sistemas de coeficientes, sobre as quais trabalhou por um perodo de 50
9
5 Nota Histrica
anos, com incio em 1678. Apenas duas publicaes, em 1700 e 1710, contm
resultados sobre sistemas de coeficientes, cuja notao a mesma da utilizada
na carta a de lHpital acima mencionada.
Leibniz utilizou o termo resultante para certas somas combinatrias de
termos de um determinante. Demonstrou vrios resultados sobre resultantes,
incluindo o que actualmente conhecido como a Regra de Cramer. Leibniz tambm sabia que um determinante podia ser desenvolvido utilizando uma qualquer
coluna do sistema de coeficientes, no que conhecido actualmente como o Desenvolvimento de Laplace. Assim como o estudo de sistemas de coeficientes
de equaes lineares levaram Leibniz na rota dos determinantes, o estudo de
sistemas de coeficientes de formas quadrticas resultou naturalmente num desenvolvimento no sentido de uma Teoria das Matrizes.
Na dcada de 1730 McLaurin escreveu o seu Tratado de lgebra, embora
no tenha sido publicado at 1748, dois anos aps a sua morte. A obre contm
os primeiros resultados sobre determinantes, demonstrando a Regra de Cramer
para matrizes de ordem 2 e 3 e indicando como se deveria proceder para matrizes
de ordem 4.
Cramer forneceu a regra geral, que hoje aporta o seu nome, para a resoluo
de sistemas de n equaes a n incgnitas no artigo Introduo Anlise de
Curvas Algbricas, publicado em 1750. O artigo foi motivado pelo desejo de
determinar a equao de uma curva plana que passasse por um certo nmero de
pontos. A regra propriamente dita surge como apndice ao artigo, mas no
fornecida qualquer demonstrao. O seu enunciado, segundo o prprio Cramer,
como se segue:
O valor de cada incgnita determinado por um conjunto de n quocientes, cujo denominador comum composto de tantas parcelas
quantas as permutaes de n coisas.
Cramer prossegue, explicando precisamente como estas parcelas so calculadas, assim como os respectivos sinais (+ ou -). So efectivamente produtos de certos coeficientes das equaes. Refere ainda que os n numradores das
fraces podem ser determinados substituindo certos coeficientes neste clculo
por termos constantes do sistema de equaes.
O trabalho sobre determinantes comeava agora a emergir com certa regularidade. Em 1764, Bzout forneceu mtodos para calcular determinantes,
assim como Vandermonde em 1771. Em 1772, Laplace afirmou que os mtodos introduzidos por Cramer e Bzout eram impraticveis. Num artigo onde
estuda as rbitas dos planetas interiores, Laplace discute a soluo de sistemas
de equaes lineares sem efectivamente os calcular, utilizando determinantes.
Surpreendentemente, Laplace utilizou o termo resultante para referir o que
modernamente se designa por determinante; surpreendente, uma vez que o
mesmo termo utilizado por Leibniz embora no consta que Laplace tivesse estado a par do trabalho de Leibniz. Laplace props ainda o desenvolvimento de
um determinante, mtodo que aporta hoje em dia o seu nome.
10
5 Nota Histrica
Num artigo de 1773, Lagrange estudou identidades para determinantes funcionais de ordem 3. No entanto, este comentrio feito a posteriori, uma vez
que Lagrange no via nenhuma relao entre o seu trabalho e o de Vandermonde
e Laplace. Este artigo de 1773, sobre Mecnica, contm pela primeira vez o que
hoje a interpretao volumtrica de um determinante. Efectivamente, Lagrange demonstrou que o tetraedro formado pelos pontos O (0, 0, 0), M (x, y, z),
M 0 (x0 , y 0 , z 0 ) e M 00 (x00 , y 00 , z 00 ) tem volume dado por
1
[z (x0 y 00 y 0 x00 ) + z 0 (yx00 xy 00 ) + z 00 (xy 0 yx0 )]
6
que precisamente igual a
1
6
do determinante da matriz
x x0
y y0
z z0
x00
y 00
z 00
O termo determinante foi inicialmente introduzido por Gauss em Disquisitiones Arithmeticae de 1801, no decurso da discusso sobre formas quadrticas. Gauss utilizou este termo porque o determinante determina as propiedades
de uma forma quadrtica. No entanto, o conceito no o mesmo que o conceito moderno de determinante. Na mesma obra, Gauss dispe os coeficientes
das suas formas quadrticas em tabelas rectangulares. Gauss descreve a multiplicao de matrizes, mas em termos de uma composio, pelo que ainda no
vislumbrava o conceito de uma gebra Matricial. Descreve ainda a inverso de
matrizes no contexto particular de matrizes de coeficientes relativas a formas
quadrticas.
O Mtodo de Eliminao de Gauss, cuja apario remonta ao texto Nove
Captulos da Arte Matemtica em 200 a. C., foi utilizado por Gauss no seu
trabalho envolvendo o estudo da rbita do asteride Pallas. Utilizando observaes de Pallas feitas entre 1803 e 1809, Gauss obteve um sistema de 6 equaes
lineares a 6 incgnitas. Gauss props um mtodo sistemtico para a resoluo
de tais equaes, precisamente o Mtodo de Eliminao de Gauss sobre a matriz
dos coeficientes.
Foi Cauchy, em 1812, que usou o termo determinante no seu sentido actual. O trabalho de Cauchy o mais completo de entre os primeiros trabalhos
sobre determinantes. Reprovou os primeiros resultados e forneceu novos resultados por si descobertos sobre menores complementares e matrizes adjuntas.
No seu artigo de 1812, apresentado numa conferncia no Institut de France,
o teorema da multiplicao de determinantes demonstrado pela primeira vez
embora na mesma conferncia, Binet tenha apresentado um artigo contendo
uma demonstrao do mesmo teorema mas menos satisfatria que a prova de
Cauchy.
Em 1826 e no contexto das formas quadrticas em n variveis, Cauchy utilizou o termo tableau para a matriz de coeficientes. Descobriu os seus valores
11
5 Nota Histrica
prprios e forneceu resultados sobre a diagonalizao de uma matriz, no processo que envolvia a transformao de uma forma quadrtica numa soma de
quadrados. Cauchy introduz ainda a ideia de matrizes semelhantes, mas no
o termo, e mostrou que se duas matrizes so semelhantes ento tm a mesma
equao caracterstica. Ainda no contexto das formas quadrticas, mostrou que
qualquer matriz real simtrica diagonalizvel.
Jacques Sturm forneceu uma generalizao do problema dos valores prprios
no ocontexto da resoluo de sistemas de equaes diferenciais ordinrias. Com
efeito, o conceito de valor prprio surgiu 80 anos antes, de novo em trabalhos
sobre sistemas de equaes diferenciais realizados por dAlembert. Na altura,
dAlembert estudava o movimento de uma corda com massas associadas em
vrios pontos do seu comprimento.
Deve ser notado que nem Cauchy nem Jacques Sturm se aperceberam do
alcance e generalidade das ideias que introduziram, considerando-as apenas no
contexto especfico das suas reas de investigao. Jacobi, na dcada de 1830
e posteriormente Kronecker e Weierstarss nas dcadas de 1850 e 1860, respectivamente, tambm desenvolveram resultados sobre matrizes mas, de novo, no
contexto especfico das transformaes lineares. Jacobi publicou trs tratados
sobre determinantes em 1841. Estes foram importantes na medida em que a
definio de determinante introduzida de forma algortmica. Para alm disso,
Jacobi no especifica quais os termos dos determinantes, pelo que os resultados
se aplicam to bem a casos onde os termos so nmeros ou funes. Estes trs
artigo de Jacobi tornaram a idieia de determinante largamente conhecida
Cayley, tambm escrevendo em 1841, publicou a primeira contribuio inglesa para a Teoria dos Determinantes. No seu artigo, utilizou duas linhas
verticais limitando uma matriz, para denotar o seu determinante, notao esta
que permaneceu at aos nossos dias.
Eisenstein, em 1844, denotou substituies lineares por uma letra nica e
mostrou como adicon-las e multiplic-las como vulgares nmeros, excepto no
que respeita sua comutatividade. justo referir que Eisenstein foi o primeiro
a pensar que as substituies lineares poderiam formar uma lgebra, como se
pode induzir de um seu artigo publicado em 1844:
Um algoritmo para o seu clculo pode ser baseado na aplicao das
regras normais para as operaes soma, multiplicao, diviso e exponenciao a equaes simblicas entre sistemas lineares. Obtm-se
deste modo equaes simblicas correctas, apenas ressalvando que a
ordem dos factores no pode ser alterada.
O primeiro a uilizar o termo matriz foi Sylvester em 1850. Sylvester
definiu uma matriz como sendo um arranjo rectangular de termos no qual se
podiam definir vrios determinantes sobre arranjos de termos contidos no arranjo global. Aps ter deixado a Amrica de regresso a Inglaterra em 1851,
Sylvester tornou-se advogado e conheceu Cayley, tambm advogada e que partilhava com o primeiro o mesmo interesse pela Matemtica. Cayley reconheceu
12
5 Nota Histrica
5 Nota Histrica
matriz . Embora Cayley tenha apenas demonstrado o Teorema de CayleyHamilton para matrizes de ordem 2 e 3, Frobenius atribui generosamente o resultado a Cayley, mau grado ter sido aquele o primeiro a demonstrar o teorema
no caso geral.
Uma definio axiomtica de determinante foi utilizada por Weierstrass nas
suas lies e, aps a sua morte, foi publicada em 1903 na nota Sobre a Teoria dos Determinantes. No mesmo ano, as lies de Kronecker sobre determinantes tambm foram publicadas, de novo, postumamente. Com estas duas
publicaes, a moderna Teoria dos Determinantes tomou vida prpria mas levou
um pouco mais de tempo a que a Teoria das Matrizes no seu todo se estabelecesse como uma teoria totalmente aceite. Um importante texto, que deu s
matrizes o devido espao dentro da Matemtica foi a Introduo lgebra
Superior de Bcher, publicado em 1907. Turnbull e Aitken escreveram textos
influentes nos anos 30 do sc. XX. O texto Uma Introduo lgebra Linear
de 1955 escrito por Mirsky deu Teoria das Matrizes o impulso necessrio para
se manter at hoje como um dos mais importantes temas das licenciaturas em
Matemtica.
14
6.1
Definies e Generalidades
A=
a11
a21
..
.
a12
a22
..
.
a1,n1
a2,n1
..
.
a1n
a2n
..
.
am1
am2
am,n1
amn
aij K
i = 1, ..., m
= [aij ] ,
j = 1, ..., n
(3)
15
Matrizes Rectangulares (m 6= n)
Designao
Forma Geral
Matriz Linha
ou
a11 a12 a1n
Vector Linha
(m = 1)
a11
a21
Matriz Coluna
..
ou
.
Vector Coluna
am1
(n = 1)
ou
{a11 , a21 , , am1 }
Tabela 1: Principais tipos de Matrizes Rectangulares
Matrizes Quadradas (m = n)
Designao
Forma Geral
..
..
..
(i > j = aij = 0)
.
.
.
0
a11
a21
..
.
0
0
a22
..
.
ann
0
0
..
.
an1
a11
0
..
.
an2
0
a22
..
.
ann
0
0
..
.
Matriz Diagonal
(aij = 0; i 6= j)
ann
ou
diag {a11 , a22 , , ann }
Matriz Escalar
aij = 0, i 6= j; aij = a K, i = j
diag {a, a, , a}
a matriz escalar em que
Matriz Identidade
m=n=1
aij = 0, i 6= j; aij = 1 K, i = j
diag {1, 1, , 1}
Representa-se por In (ou apenas I)
Neste caso identifica-se a matriz
[a] com o prprio escalar a R
16
Uma matriz diagonal pode tanbm ser entendida como uma matriz simultaneamente triangular superior e triangular inferior.
Definio 7 (Elementos homlogos) Dadas as matrizes A = [aij ] e B = [bij ]
do mesmo tipo m n sobre um corpo K, designam-se por elementos homlogos
aos elementos com os mesmos ndices, isto , queles elementos que esto nas
mesmas linha e coluna. Por exemplo, a36 e b36 so elementos homlogos.
Definio 8 (Matrizes iguais) Dadas duas matrizes A = [aij ] e B = [bij ]
do mesmo tipo m n sobre um corpo K, estas dizem-se iguais se os elementos
homlogos forem iguais. Denota-se simbolicamente essa igualdade por A = B.
Definio 9 (Diagonal) Seja a matriz A = [aij ] Mmn (K). Designa-se
por diagonal principal da matriz A aos elementos
3
0
1
3 1
-1 2
0
-1 1 . Diagonal Principal: {3, 2, 3}. Diagonal Se0 -2 -3
1 1
cundria: no tem.
3
0
-1 2 . Diagonal Principal: {3, 2}. Diagonal Secundria: no tem.
0 -2
3
0
1
17
Definio 10 (Matriz nula) Designa-se por matriz nula do tipo Mmn (K)
matriz A = [aij ] tal que aij = 0, (i,j){1,...,m}{1,...,n} . Neste caso, denota-se
A por 0mn ou simplesmente por 0 se a ordem estiver subentendida e no houver risco de confuso com o escalar 0 (o elemento neutro para a adio do corpo
K).
Definio 11 (Matriz identidade) Designa-se por matriz identidade de ordem n matriz escalar A = [aij ] Mn (K), tal que aii = 1 (onde 1
o elemento neutro para a multiplicao no corpo K). Neste caso, denota-se A
por In ou simplesmente por I se a ordem estiver subentendida e no hou- ver
ambiguidade.
6.2
lgebra Matricial
Discutem-se nesta seco as principais operaes com matrizes: adio de matrizes, multiplicao de uma matriz por um escalar e multiplicao de matrizes.
6.2.1
Soma de matrizes.
18
5. AMmn (K) , BMmn (K) : A + B = 0. A matriz B designa-se por simtrico da matriz A para a adio de matrizes e representa-se por A.
Diz-se ainda que todos os elementos A Mmn (K) so regulares.
Demonstrao.
1. Como A, B Mmn (K), A + B Mmn (K). Adicionalmente
= [aij ] + [bij ]
= [aij + bij ]
(A + B)ij
Como aij , bij K ento K fechado para a adio, isto aij + bij K e
portanto [aij + bij ] Mmn (K).
2. Como A, B, C Mmn (K) ento A + (B + C) e (A + B) + C esto
definidas. Adicionalmente
{A + (B + C)}ij
= [aij ] + [bij ]
= [aij + bij ]
(porque a adio comutativa em K)
= [bij + aij ]
= [bij ] + [aij ]
= (B + A)ij
= [aij ] + [bij ]
= [aij + 0]
(porque 0 o elemento neutro da adio em K)
= [aij ]
= (A)ij
19
5. Seja A = [aij ] Mmn (K) e B = [bij ] Mmn (K) tal que bij =
aij , i = 1, ..., m; j = 1, ..., n. Ento:
(A + B)ij
(porque aK , bK
Exemplo
6.2.2
=
=
=
:
=
=
[aij ] + [bij ]
[aij + bij ]
[aij + (aij )]
a + b = 0 e b = a)
[0]
(0)ij
2
5 6
1+5 2+6
6
8
+
=
=
4
7 8
3+7 4+8
10 12
3
1+3
4
+
=
=
4
2+4
6
4 + 1 2 = 3+1 4+2 = 4 6
1.
( (A + B))ij
=
=
=
=
=
=
[(aij + bij )]
[ (aij + bij )]
[aij + bij ]
[aij ] + [bij ]
[aij ] + [bij ]
(A)ij + (B)ij
( + ) (A)ij
=
=
=
=
=
=
( + ) [aij ]
[( + ) aij ]
[aij + aij ]
[aij ] + [aij ]
[aij ] + [aij ]
(A)ij + (A)ij
2.
3.
( (A))ij
=
=
=
=
=
( [aij ])
[aij ]
[() aij ]
() [aij ]
(() A)ij
4.
(1 (A))ij
=
=
=
=
1 [aij ]
[1aij ]
[aij ]
(A)ij
1 2
31 32
3 6
=
=
3
3 4
33 34
9 12
21
2 1 =
2
22
2 2
3 4 = 12 3 12 4 = 32
2
1
2
1
2
Multiplicao de matrizes.
Note-se que a matriz A, que multiplica esquerda, tem tantas colunas quantas as linhas de B. O elemento crs obtm-se multiplicando os elementos da linha
r de A pelos elementos da coluna s de B, pela mesma ordem, e somando os produtos obtidos. Em nenhuma outra circunstncia possvel multiplicar duas
matrizes. De um modo geral, dadas duas matrizes A e B de dimenses, respectivamente m n e p q, os produtos C = AB e D = BA so possveis nas
seguintes circunstncias:
Produto
A B
(mn)
(pq)
(pq)
(mn)
Possvel se ...
n=p
Resultado
C
(mq)
q=m
(pn)
2
A= 3
3
3
C=
5
3
5
5
5
4
3
3
5
5
1
2
0
B = 2 1
1 3
D = 3 5 3
Os produtos possveis so AB, BC, CA, CB, DA e DB. A ttulo exemplificativo, ter-se-:
22
2
0
2 3 3
AB = 3 5 3 2 1
3 5 5
1 3
3 2 + 5 (2) + 3 (1)
3 0 + 5 1 + 3 (3)
=
3 2 + 5 (2) + (1) (1)
3 0 + 5 1 + (5) (3)
7 12
= 7 4
1
20
Exemplo 6 Considerem-se os seguintes casos:
1 2
3 4
5 6
7 8
5 6
7 8
1 2
3 4
1 1
1 1
1
2
3 4
1 1
1 1
15+27 16+28
35+47 36+48
19 22
=
43 50
=
51+63 52+64
=
71+84 72+84
23 34
=
41 46
3 4
1
2
13 14
23 24
3 4
=
6 8
= [3 1 + 4 2]
= [11] = 11
0 0
=
0 0
23
24
Demonstrao.
1. Observemos primeiro que A e B tm dimenso mp e que D tem dimenso
p q pelo que (A + B) D e AD + AB tm dimenso m q.
((A + B) D)ik =
=
p
X
j=1
p
X
(A + B)ij djk
(aij + bij ) djk
j=1
p
X
aij djk +
j=1
p
X
bij djk
j=1
= (AD)ik + (BD)ik
j=1
p
X
(aij ) djk
j=1
p
X
(A)ij djk
j=1
= ((A) D)ik .
Mas tambm,
p
p
X
X
aij djk =
aij (djk )
j=1
j=1
p
X
=
aij (D)jk
j=1
= (A (D))ik .
25
((AD) F )il =
q
X
k=1
q
X
k=1
(AD)ik fkl
p
X
aij djk fkl
j=1
q X
p
X
k=1 j=1
p
X
=
aij
j=1
p
X
q
!
X
djk fkl
k=1
j=1
= (A (DF ))il .
26
(Im A)ik =
(AIn )ik =
m
X
ij ajk = aik = (A)ik
j=1
n
X
j=1
6.2.4
(b) Considerem-se nmeros inteiros p1 , p2 , , ph tais que sejam verificadas as relaes 1 p1 < p2 < < ph < p.
27
p1
X
r=1
(1)
air brj +
{z
(1)
cij
p2
X
r=p1 +1
air brj + +
{z
(2)
cij
p
X
air brj . O
r=ph +1
{z
(h+1)
cij
1
0
A=
0
2
0
1
0
3
0
0
1
5
0
0
0
5
1
3
1
1
e
B
=
2
3
0
3
1
3
3
3
1
5
3
5
3
5
1
5
0
0
3
5
1
5
0
0
5
2
3
4
0
0
B11 B12
A11 A12 A13
e B = B21 B22
A=
A21 A22 A23
B31 B32
Consequentemente, a matriz C ser particionada, em termos de blocos, como
se simboliza de seguida:
C11 C12
C=
C21 C22
Teremos assim:
C11
C12
1 4
0
2 3
1
3 + 0 3 5 + 3 3
= I3 3
3
0
1
5
0
1
6 17
0 0
2 3
3 + 0 0 + 6 6
= 3
0 0
14
22
0
1
8 14
= 3 3
14
23
0
3 3 5
= I3 5 5 2 + 0 5 5
0
1 1 3
0 0
3
3
5
5
2 + 0 0
= 5
0 0
1
1
3
3
3
5
5
2
= 5
1
1
3
C21
1
4 + 3
1
0
0
0 + 0
0
0
3
5
4
0 0 0
3
0 0 0
5
0 0
0 0
0 0
2 3
1 3
2 3 5
3 3 5 3 5 + 1 5
=
3 5
0 1
13 2 + 15 25 + 14 22
=
42 5
=
29
C22
3 3 5
0 0 0
= 2 3 5 5 5 2 5 5 5 4 + 1 5
0 0 0
1 1 3
16 16 11 + 25 25 20 + 0 0 0
=
9 9 31
=
8 14 3 3
5
3 3
5 5 2
C=
14
23
1
1 3
42 5 9 9
31
6.3
Definio 19 (Matriz transposta) Dada uma matriz A Mmn (K), denomina-se matriz transposta de A, e denota-se por AT , a matriz B Mnm (K)
tal que bij = aji , (i,j){1,...,m}{1,...,n} .
Por outras palavras, se uma matriz A do tipo m n, a transposta de A,
AT , do tipo n m; as linhas de A so as colunas de AT , pela mesma ordem,
e, consequntemente, as colunas de A sero as linhas de AT , pela mesma ordem.
Exemplo 8 Considerem-se os seguintes casos:
1 2
3 4
1
2
3 4
T
=
T
1 3
2 4
1 2
3
4
30
3 5 5
5 4 1
3 5
= 5 4
5 1
se A = A
Exemplo 9 A matriz
A=
a b
b c
A=
0 b
b 0
2. (A B)T = AT B T .
3. (AC)T = C T AT .
T Q
Q
M
M
= k=1 DkT .
4.
k=1 Dk
Demonstrao.
1.
T
AT
= AT ji
ij
= (A)ij .
31
2.
T
(A B)
= (A B)ji
ij
= aji bji
= AT ij B T ij .
3.
T
(AC)
ki
= (AC)ik
p
X
aij cjk
j=1
p
X
j=1
p
X
j=1
AT
CT
ji
kj
= C T AT ki .
CT
kj
T
A ji
M
Y
k=1
Dk
!T
M1
Y
k=1
= (DM )
Dk
M1
Y
k=1
= (DM )T
DM
M1
Y
Dk
!T
!T
(pela Propriedade 3)
k=1
M
Y
DkT
k=1
32
Demonstrao.
(=)
T
6.4
3
0
1
3 1
1 2
0
1 1 . tr (A) = 3 + 2 + (3) = 2.
0 2 -3
1 1
3
0
1 2 . tr (A) = 3 + 2 = 5.
0 2
1
3
1
0
-1
1 . tr (A) = 1 + (1) + 1 = 1.
1
3
1
tr (A + B) = tr (A + B)ij
min(m,n)
(all + bll )
l=1
min(m,n)
min(m,n)
all +
l=1
bll
l=1
= tr (A) + tr (B)
tr (A + B) = tr (A + B)ij
min(m,n)
(all + bll )
l=1
min(m,n)
(bll + all )
l=1
= tr (B + A)ij
= tr (B + A)
34
tr (AC) = tr (AC)iq
n
X
= tr aij cjq
j=1
m
X
i=1
n
X
aij cji
j=1
m X
n
X
aij cji
=
i=1 j=1
tr (CA) = tr (CA)pj
m
!
X
cpi aij
= tr
i=1
m
!
n
X
X
=
cji aij
j=1 i=1
m
n X
X
cji aij
j=1 i=1
m X
n
X
aij cji
i=1 j=1
= tr (AC)
6.5
n
P
j Cj = 0 designa-se combinao linear nula das colunas
2. expresso
j=1
de A, onde j j=1, ,n so quaisquer escalares do corpo K.
j=1
i Li = 0 =i = 0, i = 1, , m (linhas)
i=1
n
P
(4)
j Cj = 0 =j = 0, j = 1, , n (colunas)
j=1
L
=
i
i
i=p+1 0Li = 0. Assim,
Pp
Pm i=p+1
teremos i=1 i Li + i=p+1 i Li = 0 com o escalar k no-nulo,
isto , as linhas da matriz A so linearmente dependentes.
(=) Se as linhas da matriz A so linearmente dependentes, ento
k{1, ,m} : k 6= 0
i Li + k Lk = 0
i6=k
37
i Li + k Lk +
i6=k
0Li + k Lk = k Lk = 0
i6=k
i Li + k Lk = 0,
i6=k
i Li +
X
k
k 0
i Li +
( Lk ) =
L = 0.
k
i6=k
k 6= 0 l =
6 0. Em qualquer caso, possvel obter uma combinao
0
linear nula das linhas {Li }i6=k Lk com pelo menos um escalar no
nulo.
0
i Li + k Lk = 0,
i6=k
i Li + (k Lk + k Ll ) k Ll =
|
{z
}
0
k Lk
i6=k,l
i Li + (l k ) Ll + k Lk =0
P
P
P
0
dada por i6=k i Li +k Lk = i6=k i Li +k Lk + i6=k i Li =0.
P
Esta expresso pode ser reescrita como i6=k(i +k i )Li+k Lk =0.
Mas as linhas de A so linearmente dependentes pelo que a respectiva combinao linear nula se obtm com pelo menos um escalar no nulo. Ou bem que esse escalar k ou bem que ser
(i + k i ) , i 6= k. Neste caso, ter-se- obrigatoriamente k i 6= 0
(o que implica k 6= 0)i 6= 0, i 6= k. Em qualquer caso, possvel
0
obter uma combinao linear nula das linhas {Li }i6=k Lk com pelo
menos um escalar no nulo.
0
i Li + k Lk = 0,
i6=k
39
X
X
X
X
0
i Li +k Lk +k
i Li k
i Li = (i k ) Li +k Lk =0
i6=k
i6=k
i6=k
i6=k
Pn
j=1
j=1
n
X
ai0 j LB
j
j=1
40
Pn
j=1
ai0 j bjp
6.6
Definio 25 (Caracterstica) Seja AMmn (K). Designa-se caracterstica de linha da matriz A ao nmero mximo de linhas linearmente independentes; denotase este valor por rl (A). Analogamente a caracterstica de coluna da matriz A, rc (A), o nmero mximo de colunas linearmente independentes. A caracterstica da matriz, denotada por rA (ou simplesmente r quando
estiver claro a matriz a que se refere) define-se como o nmero mximo de linhas
ou colunas linearmente independentes, isto , rA = mn{rl (A) , rc (A)}.
Tem-se claramente rl (A) m e rc (A) n e portanto rA mn {m, n},
onde m e n so respectivamente o nmero de linhas e colunas da matriz em
causa.
Resta desenvolver um processo que permita determinar a caracterstica de
linha (ou coluna) de uma matriz, e portanto da sua caracterstica.
Proposio 12 Sejam A Mmn (K), B Mnp (K) e C = AB. Ento
rl (C) rl (B) e rc (C) rc (A).
Demonstrao. Recordando a proposio 11 verificmos que,
LC
i =
n
X
j=1
aij LB
j , i=1, ,m ,
41
rl (B)+1
0 =
i LC
i
i=1
rl (B)+1
rl (B)
i=1
rl (B)+1
X
i=1
ik LB
k
k=1
rl (B)+1
i i1 LB
1 +
X
i=1
rl (B)+1
i i2 LB
2 + +
X
i=1
i irl (B) LB
rl (B)
Prl (B)+1
i i1 = 0
Pri=1
l (B)+1
i i2 = 0
i=1
Prl (B)+1 i
i rl (B) = 0
i=1
O sistema acima tem rl (B) e rl (B)+1 incgnitas. Trata-se de um sistema indeterminado possuindo outras solues que no a soluo {i = 0}i=1, ,rl (B)+1 .
Mas isto um absurdo pois por hiptese as primeiras rl (B)+1 linhas de C eram
linearmente independentes. O absurdo reside evidentemente no facto de se ter
assumido que o nmero mximo de linhas linearmente idependentes de C era
superior a rl (B), logo dever-se- ter rl (C) rl (B).
A prova relativamente afirmao rc (C) rc (A) em tudo semelhante
anterior.
6.6.1
Operaes Elementares
Os resultados da Proposio (10) permitem concluir que a dependncia ou independncia lineares das linhas (ou colunas) de uma matriz no alterada por
um conjunto de operaes que no seu conjunto se designam por Operaes Elementares Sobre Filas de uma Matriz.
Definio 26 (Operaes Elementares) Seja A Mmn (K). Define-se
como operao elementar sobre as filas da matriz A, a cada uma das seguintes
operaes:
i. Troca entre si de duas linhas (ou colunas) da matriz.
ii. Multiplicao de uma linha (ou coluna) da matriz por um escalar diferente
de 0.
42
iii. Substituio de uma linha (ou coluna) pela que se obtm somando-lhe
outra, multiplicada por um qualquer escalar (Operao de Jacobi).
As operaes elementares acima definidas correspondem multiplicao (
esquerda ou direita) da matriz A por matrizes que resultam da matriz identidade, que dever ter dimenso apropriada, por aplicao das operaes elementares.
Definio 27 (Matriz Elementar) Seja I Mn (K) a matriz identidade de
ordem n. Designa-se por matriz elementar de ordem n a qualquer matriz E que
resulte de I por aplicao de uma das trs operaes elementares.
Consideremos genericamente uma matriz A Mmn (K). Vejamos, caso
a caso, que matriz, resultante da aplicao de operaes elementares sobre a
matriz identidade, deve multiplicar, ou pela qual se deve multiplicar, a matriz
A de forma a que as mesmas operaes elementares tenham o mesmo efeito
sobre A. Naturalmente que, a multiplicao esquerda ou direita da matriz
A implica uma escolha acertada para a ordem das matrizes elementares a multiplicar. Assim, a multiplicao esquerda da matriz A implica a utilizao
de matrizes elementares de ordem m, enquanto que a multiplicao direita
implica a utilizao de matrizes elementares de ordem n.
Regra geral
Operaes elementares sobre as linhas da matriz A fazem-se por multiplicaes esquerda desta enquanto que operaes elementares sobre as
colunas se fazem por multiplicaes direita.
Troca de Linhas
Troca de Colunas
Dado um escalar K, a multiplicao da linha Li da matriz A corresponde a multiplicar A, esquerda, pela matriz E que resulta da matriz
identidade por substituio do i-simo elemento da diagonal, que 1, por
, ou, por outras palavras, consiste na multiplicao da i-sima linha da
matriz diagonal pelo escalar . Representa-se por (Li Li ). Matriz
elementar associada: Ei ().
43
Dado um escalar K, a multiplicao da coluna Cj da matriz A corresponde a multiplicar A, direita, pela matriz F que resulta da matriz
identidade por substituio do i-simo elemento da diagonal, que 1, por
, ou, por outras palavras, consiste na multiplicao da i-sima coluna da
matriz diagonal pelo escalar . Representa-se por (Cj Cj ). Matriz
elementar associada: Fj ().
34 68 85 38
52
43
91
A = 90
30
90 24 52
Vejamos como cada uma das seguintes operaes elementares sobre a matriz A resulta da multiplicao desta matriz pela que resulta da identidade por
aplicao das mesmas operaes elementares:
1. Troca das linhas 1 e 3.
Deveremos considerar uma multiplicao esquerda. Tomamos a matriz
identidade I3 e trocamos as linhas 1 e 3 para obter a matriz E:
0 0 1
1 0 0
0 1 0 L1 L3 0 1 0
1 0 0
0 0 1
= E13 A
0 0
= 0 1
1 0
30
= 90
34
1
34 68 85 38
0 90
52
43
91
0
30
90 24 52
90 24 52
52
43
91
68 85 38
1
0
0
0
0
1
0
0
0
0
1
0
0
C2 C3
0
1
1
0
0
0
0
0
1
0
0
0
0
1
0
1
0
0
= A E23
34 68 85 38
52
43
91
= 90
30
90 24 52
34 85 68 38
43
52
91
= 90
30 24 90 52
1
0
0
0
0
0
1
0
0
1
0
0
0
0
0
1
45
1 0 0
1 0 0
0
0 1 0 L2 2L2 0
2 0
0 0 1
0 0 1
= E2
2 A
1 0
= 0
2
0 0
34
= 90 2
30
0
34 68 85 38
52
43
91
0 90
30
90 24 52
1
68
85
38
52 2 43 2 91 2
90
24
52
2.
1
0
0
0
0
1
0
0
0
0
1
0
0
C30 2 C3
0
5
1
1
0
0
0
0
1
0
0
0
0
0
1
0
0
0
0
1
0
0
2
5
2
= A F3
5
34 68 85 38
52
43
91
= 90
30
90 24 52
34 68 34 38
86
52
91
= 90
5
30
90 48
52
5
0
0
0
1
0
0
2
5
0
0
0
1
1 0 0
1 0 0
0 1 0 L3 L3 + 2L1 0 1 0
0 0 1
2 0 1
= E31
2 A
1 0 0
34 68 85 38
52
43
91
= 0 1 0 90
30
90
24
52
2 0 1
34
68
85
38
=
52
43
91
90
34 2 + 30 68 2 + 90 85 2 24 38 2 52
0
1
0
0
0
0
1
0
0
0
0
1
0
0
C3 C3 + 2 C2
0
5
1
47
1
0
0
0
0
1
0
0
0
2
5
1
0
0
0
0
1
= A F32
2
5
1 0
34 68 85 38
0 1
52
43
91
= 90
0 0
30
90 24 52
0 0
561
34 68 5
38
319
91
52
= 90
5
30
90
12
52
0
2
5
1
0
0
0
0
1
34 68 85 38
52
43
91
A = 90
30
90 24 52
Substituio da linha 3 pela que se obtm somando-lhe a linha 1 multiplicada pelo escalar 2 (L3 L3 + 2L1 ).
48
34 68 85 38
90
52
43
91 L
L
3
30
90 24 52
30
90 24 52
90
52
43
91 C
C
3
34 68 85 38
30 24 90 52
90
43
52
91 L
2L
2
34 85 68 38
30
24
90
52
90 2 43 2 52 2 91 2 L3 L3 + 2L1
34
85
68
38
30
24
90
52
90 2 43 2 52 2 91 2 C3 2 C3
5
26
133 112 142
30
24
36
52
90 2 43 2 104 2 91 2 C3 C3 C4
5
224
26
133
142
5
30
24
88
52
90 2 43 2 351 2 91 2
5
934
26
133
142
5
Vejamos agora que se obter a mesma matriz A se a matriz A for devidamente multiplicada pelas matrizes elementares associadas s operaes
elementares descritas.
O produto desejado , simbolicamente, o seguinte:
2
E31 (2) E2
2 E13 A F23 F3
F34 (1)
5
O resultado ser:
49
(L2 2L2 )
(L1 L3 )
}|
z
}|
z
}|
{z
{
{
1 0 0
1 0 0
0 0 1
0 1 0 0
2 0 0 1 0
2 0 1
1 0 0
0 0 1
34 68 85 38
52
43
91
90
30
90 24 52
1 0 0 0
1 0 0 0
1 0 0 0
0 1 0 0 0 1 0 0
0 0 1 0
0 1 0 0 0 0 25 0 0 0 1 0
0 0 0 1
0 0 1 1
0 0 0 1
{z
}|
{z
{z
}|
(C2 C3 )
(C3 C3 C4 )
(C3 25 C3 )
30
24
88
52
90 2 43 2 351 2 91 2
5
934
26
133
142
5
(L3 L3 +2L1 )
50
6.6.2
0
0
0
1
0
0
51
aiji
ain
aiji
ain
=0
Pp
a1j1 1 + Pi=2 i 0 = 0
p
a1j2 1 + a2j2 2 + Pi=3 i 0 = 0
a1j3 1 + a2j3 2 + a3j3 3 + pi=4 i 0 = 0
P
p
i=1 aijp i 0 = 0
52
0 1 1 1 0
A = 0 0 0 4 9 . O nmero de linhas no nulas 2 pelo que
0 0 0 0 0
a caracterstica de linha da matriz rl (A) = 2. Alternativamente, podemos verificar que as duas primeiras linhas so linearmente independentes
e, sendo a terceira linha nula, o nmero mximo de linhas linearmente
independentes precisamente 2 (sejam 1 e 2 os escalares associados,
respectivamente, primeira e segunda linhas da matriz A):
1.
0 1 + 0 2
1 1 + 0 2
1 1 + 0 2
(1) 1 + 4 2
0 1 + 9 2
0=0
=0
=0
1 = 0
1 = 0
0 = 0
= 0
2 =0
2 = 0
=0
0=0
=0
1 0 0 0 0
A = 0 1 2 1 0 . O nmero de linhas no nulas 3 pelo que a
0 0 0 0 1
caracterstica de linha da matriz rl (A) = 3. Alternativamente, podemos
verificar que as linhas so linearmente independentes, sendo portanto o
nmero mximo de linhas linearmente independentes que precisamente
3 (sejam 1 , 2 e 3 os escalares associados, respectivamente, primeira,
segunda e terceira linhas da matriz A):
1.
1 1 + 0 2 + 0 3
0 1 + 1 2 + 0 3
0 1 + 2 2 + 0 3
0 1 + (1) 2 + 0 3
0 1 + 0 2 + 1 3
1 = 0
=0
=0
2 = 0
1 = 0
0 = 0
2 = 0
= 0
0
=
0
3 = 0
=0
3 = 0
=0
53
A1 =
0
0
..
.
0
(1)
(1)
0 1 a1,j1 +1
(1)
0 0 a2,j1 +1
.. ..
..
. .
.
(1)
0 0 am,j1 +1
a1,j1 +2
(1)
a2,j1 +2
..
.
(1)
a2,j1 +2
(1)
a1n
(1)
a2n
..
.
amn
(1)
A2 =
0
0
..
.
0
(1)
0 1 a1,j1 +1
0 0
0
.. ..
..
. .
.
0 0
0
(1)
(1)
a1,j2
1
..
.
a1,j2 +1
(2)
a2,j2 +1
..
.
am,j2 +1
(2)
(1)
a1n
(2)
a2n
..
.
amn
(2)
54
0 2 4 1 9
Exemplo 15 Considere-se a matriz A = 0 3 5 2 1 . Determi0 1 2 0 0
nemos a sua caracterstica de linha atravs de condensao vertical.
0 2 4 1 9
0 1 2 12 29
0 3 5 2 1 L1 2 L1 0 3 5 2 1 L2 L2 3L1
5
0 1 2 0 0 0 1 2 0 0
9
0 1
2 12
2
0 0 1 1 25 L3 L3 + L1
2
2
0 1 2 0
0
9
9
1
0 1 2
0 1 2 12
2
2
2
0 0 1 1 25 L3 L3 + 4L2 0 0 1 1 25
2
2
2
2
9
5
0 0 4 12
0 0 0
91
2
2
2
Definio 30 (Elemento Redutor) Durante o processo de CondensaoVertical, ao elemento, aij , utilizado para, mediante a aplicao de Operaes de
Jacobi, anular os elementos {akj }k>i da respectiva coluna mas em linhas de
ordem superior, d-se a designao de Elemento Redutor (o termo pivot
tambm frequentemente utilizado). O Elemento Redutor de uma linha no nula
o elemento com ndice de coluna mais baixo que ainda no -nulo.
As colunas de uma matriz em forma de escada que contm um elemento
redutor designam-se por Colunas Redutoras (ou Colunas Pivot).
Nota 9 O elemento redutor no tem necessariamente de ser o escalar 1 K.
No exemplo anterior utilizmos, por exemplo 1. No nos afastemos do objectivo principal do processo de condensao que consiste em transformar uma
matriz numa outra em forma de escada. A utilizao da operao elementar que
consiste em multiplicar uma linha da matriz por um escalar tem como objectivo
facilitar os clculos mediante a transformao do elemento redutor no escalar
1 K, com o qual muito mais simples realizar as Operaes de Jacobi que se
seguem.
Se, numa matriz em forma de escada, todos os elementos redutores forem o
escalar 1 K e os restantes elementos da respectiva coluna redutora forem 0,
diz-se que a matriz se encontra na forma de escada reduzida.
Exemplo 16 As seguintes matrizes em forma de escada tm os seus elementos
redutores devidamente assinalados.
55
0 1 1 1 0
1
0 0 0
0
0
1 2 1 0 . Trata-se de uma matriz em forma de escada
0
0 0 0
1
reduzida.
Nota 10 Naturalmente que, numa matriz em forma de escada, o nmero de
linhas no nulas, o nmero de elementos redutores e o nmero de colunas redutoras so sempre iguais entre si.
6.7
Inverso de Matrizes
Definies e Resultados
56
BA = BAI
= B (AI)
De-
(EE)ik
n
X
eij ejk
j=1
Pn
Pj=1 esj ejk = etk , se i = s
n
=
j=1 etj ejk = esk , se i = t
eik , se i 6= s, t
1, se k = s
, se i = s
0, se k 6= s
1, se k = t
=
= ik
, se i = t
0,
se
k
=
6
t
eik , se i 6= s, t
(EF )ik
n
X
eij fjk =
j=1
1, se k = s
, se i = s
0, se k 6= s
=
= ik
eik , se i 6= s
(EH)ik
n
X
eij hjk =
Pn
eik , se i 6= s
j=1
1 1 + 0 0 = 1, se k = s
, se i = s
1 (b) + b 1 = 0, se k = t
= ik
=
eik , se i 6= s
58
T
3. Basta verificar que AT A1 = A1 A = In .
p
Y
k=1
Ak
Ap A1
=
1
1
= (A1 Ap ) A1
p A1
= A1 Ap A1
A1
p
1
1
(porque Ap regular) = (A1 Ap1 ) Ap1 A1
1
= In (por hiptese)
Nota 11 Simbolicamente, a inversa de uma matriz regular dada pelas seguintes matrizes:
1
= Eik
Eik
Ei1 () = Ei
, 6= 0
59
1
() = Eik ()
Eik
h
X
s Ls
= 0
= 0
s=1
h
X
s=1
h
X
s=1
as1
asj
asi
asn
as1
asi
asj
asn
h
X
= 0
s Ls
= 0 =
s=1
n 0o
Assim, as linhas Ls
s=1, ,n
= 0, s=1, ,h
so linearmente independentes.
so linearmente independentes:
h
X
s=1
s Ls = 0
60
h
X
s=1
h
X
s=1
as1
as1
asi
asj
asj
asn
asn
h
X
= 0
= 0
s Ls
= 0 =
s=1
= 0, s=1, ,h
P
Em particular, relativamente s coordenadas de ndice j, temos hs=1 s
Ph
Ph
asj = s=1 s asj = 0. Mas porque 6= 0 vir s=1 s asj = 0, isto
h
X
s=1
as1
asi
asj
= 0
s Ls
= 0 =
asn
h
X
s=1
n 0o
Assim, as linhas Ls
s=1, ,n
= 0, s=1, ,h
so linearmente independentes.
h
X
s Ls
= 0
= 0
s=1
h
X
s=1
as1
asi + asj
61
asj
asn
h
X
s=1
Ph
s as1 = 0
s=1
..
.
Ph
Ph
s=1 s asj = 0
..
.
Ph
s=1 s asj = 0
..
Ph
s=1 s asn = 0
Ph
s=1 s as1 = 0
..
Ph
Ph
s=1 s asi +
s=1 s asj = 0
..
.
Ph
s=1 s asj = 0
..
Ph
s=1 s asn = 0
as1
s asi +
s=1
asi
asj
asn
h
X
s Ls
0 =
0, s=1, ,h
s=1
n 0o
Assim, as linhas Ls
s=1, ,n
so linearmente independentes.
Nota 12 Em termos prticos, o que o resultado anterior nos indica que operaes elementares sobre as linhas de uma matriz no afectam a sua caracterstica
de coluna e que as operas elementares sobre as colunas de uma matriz no
afectam a sua caracterstica de linha.
62
Podemos portanto concluir que operaes elementares sobre as linhas ou colunas de uma matriz no afectam a sua caracterstica.
Proposio 20 Seja A Mn (K) uma matriz quadrada tal que rl (A) = n. A
reduo da matriz A a uma matriz B em forma de escada por meio de operaes
elementares sobre as linhas (ver Proposio 16) implica que B seja triangular
superior com todos os elementos principais no nulos.
Demonstrao. J verificmos na Proposio (16) que qualquer matriz
redutvel forma de escada por meio de operaes elementares, em particular
qualquer matriz A Mmn (K).
Suponhamos que a matriz A est reduzida forma de escada mas que, por
exemplo, bjj = 0, com 1 j n. Tal significa que o primeiro elemento
significativo da linha j ser pelo menos bj,j+1 . Mas isso significa que o primeiro
elemento significativo da linha n ser pelo menos bn,n+1 . Mas a matriz B
quadrada, logo, a n-sima linha de B nula. Pela Proposio (10) as linhas
de B, e portanto de A, sero linearmente dependentes, implicando que rl (A) =
rl (B) < n, o que absurdo. O absurdo resulta de assumirmos que um dos
elementos da diagonal de B no nulo, logo bjj 6= 0, 1jn .
Assim, dada uma matriz A Mmn (K) a matriz B, em forma de escada,
que daquela resulta por aplicao de operaes elementares ter a forma:
1 b12
0 1
0 0
..
..
.
.
0 0
0 0
0 0
b13
b23
1
..
.
b1,n2
b2,n2
b3,n2
..
.
b1,n1
b2,n1
b3,n1
..
.
b1,n
b2,n
b3,n
..
.
0
0
0
1
0
0
bn2,n1
1
0
bn2,n
bn1,n
1
(5)
L1 L1 b1,n Ln
(6)
L1 L1 b1,n1 Ln1
(7)
Op1
In
E1
Op1
A
A1
Op2
E1
E12
Op2
In
E2
Op3
A2
A3
Op3
E12
E123
Op3
In
E3
Opt
At1
At
Opt
E12t1
E12t
Opt
In
Et
=
=
=
=
Et E12t1
Et Et1 E12t2
( )
Et Et1 E3 E2 E1
e ainda
In
=
=
=
=
=
=
At
Et At1
Et Et1 At2
( )
Et Et1 E3 E2 E1 A
E12t A
rl (AF1 F2 Fi1 Fi )
rl (AF1 F2 Fi1 )
rl (AF1 F2 Fi2 )
( )
rl (A)
65
6.7.2
A1 |E1 In
A2 |E2 E1
Op1
Op2
Op3
A3 |E3 E2 E1
In |Et Et1 E2 E1
Opt
A1 |E1
O que fizemos foi passar de uma matriz A|In para uma matriz In |B
atravs de operaes elementares sobre linhas, em que B = A1 .
A|In
1 1 1
A = 1 1 1
1 1 0
66
A|I
chegar a
a
caracterstica,
e
no
caso
em
que
r
(A)
=
n,
partindo
de
n
l
1 1 1 1 0 0
1 1 1 0 1 0 L2 L2 L1
L3 L3 L1
1 1 0 0 0 1
1 1
1 1 0 0
1
0 2 0 1 1 0 L2 2 L2
L L3
0 0 1 1 0 1 3
0
0
1 1 1 1
0 1 0 1 1 0 L1 L1 L3
2
2
0 0 1 1
0 1
0
1
1 1 0 0
0 1 0 1 1 0 L1 L1 L2
2
2
0 0 1 1
0 1
1
1 0 0 12
1
2
0 1 0 1 1 0
2
2
0 0 1 1
0 1
A1 =
12
1
2
1
2
12
1
0
1
Conclui-se assim que a matriz regular, concluso esta atingida ao fim das
duas primeiras operaes sobre as linhas de A, quando se obteve uma matriz
em escada de elementos principais significativos. Se a matriz A no fosse regular o processo teria terminado aqui. Sendo regular, prosseguiu-se na aplicao
de operaes elementares sobre as linhas de A at se obter I3 enquanto que
simultaneamente determinvamos A1 por aplicao das mesmas operaes elementares sobre I3 .
Note-se que s operaes elementares utilizadas correspondem, utilizando a
notao habitual, as seguintes matrizes elementares
L2 L2 L1
L3 L3 L1
L2 12 L2
L3 L3
L1 L1 L3
L1 L1 L2
67
:
:
:
:
:
:
E21 (1)
E31(1)
E2 12
E3 (1)
E13 (1)
E12 (1)
1
A1 = E12 (1) E13 (1) E3 (1) E2
E31 (1) E21 (1) =
2
1 0 0
10 0
1 1 0 1 0 1
1 00
1 00
0 12 0
0 1 0
0 1 0
= 0 1 0
0 1 0
1 1 0 =
0 0 1 0 0 1
0 0 1 00 1
1 0 1
0 01
1
1
1 1 1
1 0
0
1
1 0 0
2
2
0 0 12 0 1 1 0 = 12 12 0
= 0 1
0 0
1
0 0 1
1 0 1
1
0 1
Como seria inevitvel, a matriz obtida pelo produto das matrizes elementares
precisamente A1 .
Por um processo semelhante, tambm ser possvel recuperar a matriz A.
Com efeito, esta matriz ser a inversa do produto de matrizes elementares descrito anteriormente. Sabendo que a inversa de uma matriz elementar tem uma
forma extremamente simples, relativamente simples determinar A, como se
verifica em seguida:
1
1
A = E12 (1) E13 (1) E3 (1) E2
=
E31 (1) E21 (1)
2
1
1
1
1
1
E21
(1) E31
(1) E21
(1) E12
(1) =
E31 (1) E13
2
E21 (1) E31 (1) E2 (2) E3 (1) E13 (1) E12 (1) =
101 110
1 0 0 10 0
100 100
0 1 0 =
0 1 0
0 1 0
0 2 0
0 1 0
= 1 1 0
001 001
0 0 1 0 0 1
001 101
1 1
1
1 1 1
1 0
0
1 0 0
= 1 1 0 0 2 0 0 1 1 = 1 1 1
1 1
0
0 0 1
0 0 1
1 0 1
68
por aplicao de operaes elementares sobre linhas. Com efeito, s assim possvel afirmar que Et Et1 E2 E1 A = In e que portanto A1 = Et Et1 E2 E1 .
Se forem aplicadas operaes sobre colunas, definidas pelas matrizes elementares
F1 , F2 , Fs , chegar-se- concluso que Et Et1 E2 E1 AF1 F2 Fs = In .
Esta expresso no est, obviamente, na forma BA = In no permitindo inferir
imediatamente a forma de A1 .
1
1
1
A = 1 1 1
1 3 1
1
1
1 1 0 0
1 1 1 0 1 0 L2 L2 L1
L3 L3 + L1
1 3 1 0 0 1
1 1 1 1 0 0
0 2 0 1 1 0 L3 L3 L2
0 2 0 1 0 1
1 1 1 1
0 0
0 2 0 1 1 0
0 0 0 2 1 1
69
6.8
A Caracterstica Revisitada
00
0 0
0 0
..
..
.
.
0 0
0 0
..
..
.
.
1 b1,j1 +1 b1,j1 +2
0
0
0
0
0
0
..
..
..
.
.
.
0
0
0
0
0
0
..
..
..
.
.
.
00 0
0
0
b1,j2 b1,j2 +1
1 b2,j2 +1
0
0
..
..
.
.
0
0
0
0
..
..
.
.
b1,j3 b1,j3 +1
b2,j3 b2,j3 +1
1 b3,j3 +1
..
..
.
.
0
0
0
0
..
..
.
.
b1,jt b1n
b2,jt b2n
b3,jt b3n
..
..
.
.
1 btn
0 0
..
..
.
.
1 b1,j2 b1,j3
0 1 b2,j3
0 0
1
.. ..
..
. .
.
0 0
0
0 0
0
. .
..
.
.
. .
.
0 0
0
b1,j2 +1 b1,j3 +1
b2,j2 +1 b2,j3 +1
0
b3,j3 +1
..
..
.
.
0
..
..
.
.
b1n
b2n
b3n
..
.
btn
0
..
.
00
0 0
0 0
..
..
.
.
0 0
0 0
..
..
.
.
00
(3)
It
0t,nt
0mt,t
0mt,nt
71
1 1 1 1 0
4
9
1. 13 0 13
27 1 25
7 18
1 1 1 1 0
L L2 13 L1
13 0 13
4
9 2
L3 L3 27 L1
27 1 25
7 18
1
1
1 1 0
0 13 26 17 9 L3 L3 2 L2
0 26 52 34 18
C2 C2 C1
1
1
1 1 0
0 13 26 17 9 C3 C3 + C1
0
0
0
0 0
C4 C4 + C1
C3 C3 + 2 C2
1
0
0 0 0
0 13 26 17 9 C4 C4 + 17 C2
13
9
0
0
0 0 0
C5 C5 + 13
C2
1
0
0 0 0
0 13 0 0 0 C2 1 C2
13
0
0
0 0 0
1 0 0 0 0
0 1 0 0 0
0 0 0 0 0
2.
1 2 1
1 5 1
2 2 3
1 1 1
0 0 1
1
1
1
0
2
5
2
1
0
1
1
L
1
L
L
2
2
1
3
L
L
2L
3
1 0
3
2 L4 L4 L1 0
1
0
72
2
7
2
3
0
1
0
1
1
L2 7 L2
3
1
1
0
0
0
1
0
0
0
2
1
2
3
0
2
1
0
0
0
1
1
0
0
L3 L3 +2L2
1
L4 L4 +3L2 0
3 0
0
1
1
0
0
0
2
1
0
0
0
1
0
L4 L4 +3L3
1
L4 L4 L3
3
1
0
0
0
0
2
1
0
0
0
1
0
1
0
0
1
0
0
0
0
0
1
0
0
0
0
0
1
0
0
L1 L1 L3
1
0
0
0
0
2
1
0
0
0
0
0
1
0
0
L1 L1 2 L2
1
0
0
0
0
2
1
0
0
0
1
0
1
0
0
C2 C2 2 C1
3 C3 C1
C
73
1
0
0
0
0
0
1
0
0
0
0
0
1
0
0
6.9
Enquadramento Terico
(8)
(9)
x + y = 1800
2
1
3 x + 2 y = 1100
O sistema pode ser escrito na forma matricial do seguinte modo:
75
2
3
1
2
x
y
1800
1100
3x + 2y + z = 39
2x + 3y + z = 34
3 2 1
2 3 1
10 + 11x + 12y = 0
20 + 21x + 22y = 0
30 + 31x + 32y = 0
x
y = 39
34
z
11x + 12y = 10
21x + 22y = 20
31x + 32y = 30
11 12
10
21 22 x = 20
y
31 32
30
76
Demonstrao.
1. Basta verificar que, dada a regularidade da matriz P , ento P 1 existe e
portanto
(P A) X
(P A) X
IAX
AX
77
=
=
=
=
P B
P 1 P B
IB
B
QQ1 X0
IX0
X0
=
=
=
=
=
f (X1 )
Q1 X1
QQ1 X1
IX1
X1
AX0
= A (QD)
= (AQ) D
= B
78
x1 + 2x2 x3 = 1
2x1 + 4x2 + x3 = 0
x1 + 6x2 = 1
8x2 x3 = 0
2x1 + 4x2 + x3 = 0
x1 + 6x2 = 1
Prosseguia-se agora com a resoluo resolvendo explicitamente para algumas variveis e substituindo o resultado nas equaes com maior nmero de
variveis. A equivalncia dos dois sistemas nunca foi justificada rigorosamente,
embora fosse intuitivamente evidente. No entanto, agora, luz da teoria das
matrizes, simples verificar que a transformao efectuada consistiu em tomar
a matriz elementar,
1 0 1
E= 0 1 0
0 0 1
e multiplic-la esquerda das matrizes dos coeficientes e dos termos independentes do sistema original, respectivamente,
1 2 1
1
A = 2 4 1 e B = 0
1
1 6 0
A0
B0
1 2 1
0 8 1
1 0 1
= 0 1 0 2 4 1 = 2 4 1 e
0 0 1
1 6 0
1 6 0
0
1
1 0 1
= 0 1 0 0 = 0
1
0 0 1
1
1 2 1 1
+
L
[ A| B] = 2 4 1 0
L1
L
1
3
1 6 0 1
0 8 1 0
2 4 1 0 = [ A0 | B 0 ]
1 6 0 1
Do exposto anteriormente, poder-se- concluir que o estudo da matriz ampliada de um sistema, [ A| B], permite determinar a natureza e soluo (se existir)
de qualquer sistema de equaes lineares.
Proposio 27 (Teorema de Rouch) Considere-se um sistema de equaes
lineares dado pela equao matricial AX =B, onde AMmn (K), BMm1 (K)
e X Mn1 (K). O sistema AX = B possvel se e s se r (A) = r ([ A| B]).
Demonstrao. Para benefcio do leitor apresentam-se duas demonstraes
para este importante Teorema. A primeira verso, baseada na aplicao de
Operaes Elementares e a segunda baseada na independncia linear das colunas
de uma matriz.
Verso 1:
Comecemos por transformar o sistema AX = B no sistema equivalente
A0 X = B 0 , em que a matriz ampliada do sistema original, [ A| B], reduzida
a uma matriz [ A0 | B 0 ] em forma de escada reduzida por meio de operaes elementares sobre linhas, e que constitui a matriz ampliada do sistema A0 X = B 0 .
Foi verificado na Proposio 16 que esta reduo sempre possvel. A matriz
[ A0 | B 0 ] ter a seguinte forma:
0 0
0 0
0 0
.
..
.
.
.
0 0
0 0
0 0
.
..
.
.
.
0 0
|
80
a01n b01
a02n b02
a03n b03
.. ..
. .
0 b0
atn t
0 b0t+1
0 0
.. ..
. .
0 0
|{z}
}
0
B
0 0
0 0
0 0
.
..
.
.
.
0 0
0 0
0 0
.
..
.
.
.
0 0
|
a001n b001
a002n b002
a003n b003
.. ..
. .
a00tn b00t
00
0 bt+1
0 0
.. ..
. .
0 0
} |{z}
00
B
81
xj1 = b001n
xj2 = b002n
xj2 = b00tn
xj = 0, j {1, , n} \ {j1 , jt }
simples verificar que a soluo acima exposta constitui uma soluo para
o sistema A00 X = B 00 , logo, para o sistema AX = B. A ttulo ilustrativo,
consideremos a primeira equao do sistema A00 X = B 00 :
(=) Dado que r (A) = n e a matriz A tem n colunas ento as colunas de A so linearmente independentes. Por outro lado, dado que
r ([ A| B]) = n e [ A| B] tem n + 1 colunas, ento as colunas de [ A| B]
so linearmente independentes. Mostremos que B se pode escrever
como combinao linear das colunas de A. Seja ento 1 A1 + +
n An + n+1 B = 0 uma combinao linear nula, no trivial, das colunas da matriz [ A| B]. Se n+1 = 0, resta 1 A1 + + n An = 0,
mas dada a independncia linear das colunas da matriz A decorre
imediatamente que 1 = = n = 0, o que absurdo pois por
hiptese, partimos de uma combinao linear nula no trivial das
colunas de [ A| B]. Assim, deveremos ter n+1 6= 0, e portanto
1
n
A1 n+1
An .
B = n+1
Resta mostrar que esta combinao linear nica. Suponhamos ento
que tambm se pode ter B = 1 A1 + + n An . Subtraindo esta
equao determinada anteriormente obtm-se
1
n
(1 A1 + + n An )
A1
An =
n+1
n+1
1
n
= 1 +
A1 + + n +
An = B B = 0
n+1
n+1
Dada a independncia linear das colunas de A decorre imediatamente
1
n
que 1 = n+1
, , n = n+1
, que mostra a unicidade da combinao linear das colunas de A que resulta na coluna B.
Ento, sabendo que o conjunto de escalares {d1 , , dn } tais que
B = d1 A1 + +dn An nico, se designarmos por D uma coluna com
elementos {d1 , , dn }, resulta que D a nica coluna que satisfaz
AD = B e portanto constitui soluo nica do sistema de equaes
AX = D.
3. A demonstrao deste ponto imediata. Com efeito, a afirmao o sistema determinado se e s se r (A) = n demonstrada no ponto anterior
equivalente afirmao o sistema indeterminado se e s se r (A) 6= n.
Como o nmero de colunas da matriz A n, no poderemos ter r (A) > n
pelo que a afirmao o sistema indeterminado se e s se r (A) < n tem
de ser verdadeira.
1
0
0
..
.
0
0
0
..
.
0
|
0 1 a03,n b03
.. ..
.. ..
. .
. .
0
0 0 1 bn
0 0 0 0
0 0 0 0
.. ..
.. ..
. .
. .
0 0 0 0
{z
} |{z}
0
0
B
Equa
ao AX = B
Sol
uvel
Indeterminado
(r(A)=r([ A|B])<n)
(r(A)=r([ A|B]))
Insol
uvel
Determinado
(r(A)=r([ A|B])=n)
(r(A)6=r([ A|B]))
x+y =0
xy =1
4x + 2y = 1
1 1 0
[ A| B] = 1 1 1
4 2 1
85
1 1 0
1 1 1 L2 L2 L1
L3 L3 4L1
4 2 1
1 1 0
1 1 0
0 2 1 L3 L3 L2 0 2 1 = [ A0 | B 0 ]
0 0 0
0 2 1
5x1 + 5x2 x3 = 5
2 2 2
[ A| B] = 7 7 1
5 5 1
10
2 2 2
7 7 1
5 5 1
2 2 2
0 0 8
0 0 6
2 2
0 0
0 0
5
L L2 72 L1
10 2
L3 L3 5 L1
5
2
5
L3 L3 + 3 L2
15
2
4
15
2
2 5
= [ A0 | B 0 ]
8 15
2
105
0
8
x1 x2 + x3 = 1
x1 + x2 x3 = 2
86
[ A| B] =
1 1 1 1
1 1 1 2
1 1 1
1 1 1
1 1 1
0 2 2
1
L L2
L
1
2 2
1
0
0
1 = [A | B ]
0 0
0 0
0 0
.
..
.
.
.
0 0
0 0
0 0
.
..
.
.
.
0 0
|
00
a1n b001
a002n b002
a003n b003
..
..
.
.
a00tn b00t
0 0
0 0
..
..
.
.
0 0
} |{z}
00
B =P B
It
Ct,nt
0mt,t
0mt,nt
Por outras
It C
. Como foi referido no ponto 2 da Proposio 26, se D for uma
0 0
soluo de (P A) X = P B ento Q1 D uma soluo de (P AQ) Y = P B. Ora,
facilmente se verifica que a equao
It
0
C
0
Y = {b001 , , b00t , 0, , 0}
It
Ct,nt
0mt,t
0mt,nt
"
(1)
Yt,1
(2)
Ynt,1
"
00(1)
Bt,1
0mt,1
(10)
Esta equao matricial pode ser reescrita como um sistema de duas equaes
matriciais atendendo partio em blocos escolhida. Obtm-se ento:
(
(1)
00(1)
(2)
A segunda equao pode ser omitida uma vez que constitui a condio universal 0mt,1 0mt,1 . Resta portanto a equao:
(1)
(2)
00(1)
(1)
(2)
00(1)
(11)
(2)
(2)
"
00(1)
iT
h
(1) (2)
(1)
(2)
00(1)
A soluo dada por Y = Yt,1 Ynt,1 onde Yt,1 = Bt,1 Ct,nt Ynt,1 .
(1)
(1)
As variveis originais Xt,1 = QYt,1 , que se podem exprimir em funo das var(2)
(2)
89
00(1)
Bt,1
0nt,1
Ct,nt
Int
(12)
Dnt,1
("
00(1)
Bt,1
0nt,1
Ct,nt
Int
Dnt,1
1. Pondo (P A) X = (P AQ) Q1 X , observa-se que a incgnita Y da equao (P AQ) Y = P B resulta de efectuar sobre as linhas da coluna incgnita, Y , as mesmas trocas que foram feitas nas colunas de P A por efeito
de Q. Com efeito, ponhamos Q = E1 E2 Eh onde cada Ek resultou de
It por trocas das colunas i e j ou das linhas i e j; vimos na Proposio
18 que uma matriz deste tipo inversa de sim mesmo, isto , Ek2 = It ;
assim, quando se escreve
1 2 1 0 2
2 4 1 1 0
1 6 0 0 1
{z
}
|
A
|
x1
x2
x3
x4
x5
{z
X
|
}
1
0
1
{z }
B
Assume-se que A e B so matrizes de elementos reais. Comea por se condensar a matriz ampliada [ A| B]. Assim, ao mesmo tempo que averiguamos
cerca da solubilidade da equao, vamo-nos encaminhando, em caso afirmativo,
para a sua resoluo (os elementos redutores utilizados encontram-se assinalados
em cada passo):
1
2
1
1
0
0
1
0
0
2
4
6
1
L2 L2 + 2L1
0
L3 L3 + L1
1
1 0 2 1
L
L
1 1 4 2 L
3
3
2
1 0 1 0
1
0
2
1
1
1
4
2 = [ A0 | B 0 ]
0
1 3 2
1
1
0
2
8
8
2
8
0
0
1
0
2
0
1
conclui-se adicionalmente que o sistema indeterminado com grau de indeterminao n r (A) = 5 3 = 2. Em suma, o sistema Possvel e Indeterminado
com grau de indeterminao 2.
Prossegue-se o processo de condensao at a matriz ampliada estar na
forma de escada reduzida (os elementos redutores encontram-se devidamente
assinalados):
0
0
1
0
0
1 0
0 1
0 0
2
8
0
1
1
0
0
1
-1
2
1
0
1
18
0
1
8
1
2
1
4
34
18
0
1
0
0
2
4
3
14
1
8
1
2
1
2
1
4
0
1
0
34
18
0
0
1
1
L2 18 L2
2
L3 L3
2
L1 L1 2L2
1
L2 L2 81 L3
L1 L1 + L3
4
7
1
4
1
0
8
3 2
Neste ponto, sabemos que existe uma matriz regular, P , tal que:
1
PA = 0
0
0
1
0
34
18
0
0
0
1
1
e PB = 0
2
3
7
4
1
8
1
0
0
|
0
1
0
0 34
0 18
1
0
{z
P AQ
1
1
Q X = 0
2
3
| {z }
}
7
4
1
8
PB
92
Q=
1
0
0
0
0
0
1
0
0
0
0
0
0
1
0
0
0
1
0
0
0
0
0
0
1
00(1)
B3,1
02,1
C3,2
I2
D2,1
3 7
1
4 4
0
1 0
00(1)
onde B3,1 = 0 , C3,2 = 18 18 , 02,1 =
, I2 =
0
0 1
2
0
3
1
um vector de escalares pertencentes ao corpo K (neste caso
e D2,1 =
2
K = R). Tem-se assim a soluo geral, Y , de (P AQ) Y = P B dada por
y1
y2
y3
y4
y5
1
0
2
0
0
34
18
0
1
0
7
4
1
8
1
3
2 ; 1 , 2 R
0
1
y1
y2
y3
y4
y5
=Q
1
0
2
0
0
93
34
18
0
1
0
7
4
1
8
1
3
2
0
1
= Q
1
0
=
0
2
0
1
4
1
0
8
2
+ Q 0
1
0
0
0
3
74
4
1 1
8
8
+ 1
0
0 3
0
1
74
18
3
0
1
2 =
x1
x2
x3
x4
x5
1
4
0
1
= 0 + 1 1 + 2
2
0
0
0
74
18
0
3
1
; 1 , 2 R
Alternativa 2
Nesta alternativa, exibir-se- a soluo geral do sistema partindo da equao
(P A) X = P B, evitando assim potenciais erros devido s trocas das colunas de
(P A). O sistema a resolver portanto:
1
0
0
|
0
1
0
34
18
0
{z
0
0
1
1
X = 0
2
3
| {z }
}
7
4
1
8
PB
PA
3
?
4
?
1
V3 = 1 V3 =
1
?
0
0
0
Varivel independente x5 :
74
?
?
1
V5 = 0 V5 =
0
?
3
1
1
x1
x2
x3
x4
x5
Alternativa 3
1
0
= 0 + 1 V3 + 2 V5 =
0
3
7
1
4
4
0
1
1
8
8
=
0 + 1 1 + 2 0
2
0
3
0
0
1
; 1 , 2 R
1
0
0
|
0
1
0
34
18
0
{z
0
0
1
1
X = 0
2
3
| {z }
}
7
4
1
8
PB
PA
95
x1
34 x3
18 x3
x2
x4
+ 74 x5
+ 18 x5
+3x5
=1
=0
=2
x1
x
2
x4
=
=
=
1
0
2
+ 34 x3
+ 18 x3
74 x5
18 x5 ; x3 , x5 R
3x5
x1
x2
x3
x4
x5
poder ser reescrita em funo das variveis independentes {x3 , x5 } substituindo, no vector acima, as variveis dependentes {x1 , x2 , x4 } pelas respectivas
expresses em funo de {x3 , x5 }:
x1
x2
x3
x4
x5
1 + 34 x3 74 x5
0 + 1 x3 1 x5
8
8
x3
2 3x5
x5
; x3 , x5 R
Este vector pode ser reescrito com a soma de trs vectores: um vector de
termos independentes, outro de termos em x3 e outro de termos em x5 obtendose:
1 + 34 x3 74 x5
0 + 1 x3 1 x5
8
8
x3
2 3x5
x5
0 +
2
0
3
4 x3
1
8 x3
1
0
0 +
2
0
3
4 x3
1
8 x3
74 x5
1 x5
8
x3
+ 0
3x5
0
0
x5
74 x5
1 x5
8
x3
+ 0
3x5
0
0
x5
3
7
1
4
4
0
1
1
8
8
= 0 + x3 1 + x5 0
2
0
3
0
0
1
96
x1
x2
x3
x4
x5
3
7
1
4
4
0
1
1
8
8
= 0 + 1 1 + 2 0
2
0
3
0
0
1
; 1 , 2 R
Indeterminado
(r(A)=r([ A|B])<n)
Grau de Indeterminao
(nr(A))
Sol
uvel
(r(A)=r([
A|B]))
Equa
ao AX = B
Determinado
(r(A)=r([ A|B])=n)
Insol
uvel
(r(A)6=r([ A|B]))
Algoritmo de Gauss-Jordan
O algoritmo de Gauss-Jordan um mtodo que permite resolver de forma sistemtica um sistema de equaes lineares dado pela equao matricial AX = B,
onde A Mmn (K),B Mm1 (K) e X Mn1 (K).
Condensar a matriz ampliada do sistema, [ A| B], numa matriz em forma
de escada reduzida [ A0 | B 0 ]. Note-se que [ A| B] Mm(n+1) (K).
Suponha-se que [ A0 | B 0 ] tem r linhas no-nulas e que o elemento redutor
na i esima linha ocorre na coluna ci para 1 i r. Ter-se- ento:
1 c1 < c2 < < cr n + 1
97
b01
b02
b0n
6.10
98
Exemplo 27 A matriz A =
8 28
2 7
8 28
2 7
8 28
2 7
8 28
=
2 7
0 0 0
Exemplo 28 A matriz A = 1 2 1 nilpotente de ordem 3 uma vez
1 4 2
que:
0 0 0
1 2 1 6=
1 4 2
2
0 0 0
1 2 1 6=
1 4 2
3
0 0 0
1 2 1 =
1 4 2
0 0 0
1 0 0 6= 0
2 0 0
11
2
1
Exemplo 29 simples confirmar que a matriz A =
2
involuntria.
39
4
39
4
5
2
3
2
99
100