Escolar Documentos
Profissional Documentos
Cultura Documentos
Matrizes PDF
Matrizes PDF
ndice
Lgica e Demonstrao 3
1 Demonstrao Directa 3
2 Recproco e Contrapositivo 3
Matrizes e Determinantes 7
5 Nota Histrica 7
2
2 Recproco e Contrapositivo
Lgica e Demonstrao
Resumem-se, neste captulo, os trs mtodos de demonstrao matemtica ex-
istentes, e cuja aplicao ser assdua ao longo de todo o texto.
1 Demonstrao Directa
O modo directo de demonstrar a proposio A B consiste em determnar
uma sequncia de teoremas e/ou axiomas aceites na forma Ai Ai+1 , para
i = 1, , n de modo a que A1 A e An B. A dificuladade est, obviamente,
em encontrar a sequncia de axiomas e/ou teoremas que preenchem o vazio entre
A e B. A afirmao A designa-se por hiptese, ou seja, aquilo que dado e a
afirmao B designa-se por tese, isto , a concluso. O mtodo assim descrito
denomina-se raciocnio dedutivo.
Consideremos o seguinte Teorema ilustrativo:
Demonstrao.
1. m um inteiro par (Dado, por hiptese).
2. existe um inteiro q tal que m = 2 q (Definio de um nmero inteiro
par).
3. m p = (2q) p (Utilizando o axioma a = b ac = bc).
4. m p = 2 (qp) (Pela propriedade associativa da multiplicao).
5. m p um inteiro (Pela definio de um nmero inteiro par).
2 Recproco e Contrapositivo
Definio 1 Considere-se a proposio da forma A B : se a hiptese A
se verifica ento a tese, B, tambm se verifica. O recproco da proposio
a proposio B A.
3
3 Demonstrao Indirecta ou por Reduo ao Absurdo
A B A = B B A B = A
V V V V V V
F V V F V V
V F F V F F
F F V F F V
4
4 Demonstrao por Induo Matemtica
Demonstrao. Pretende-se mostrar p2 par (p par), para qual-
quer p N.
Suponhamos ento que existe um natural p tal que p mpar. Ento qN :
2
p = 2q +1. Assim, 2
2 p = (2q + 1) . Desenvolvendo, vir (2q + 1)2 = 4q 2 +4q +1,
2 2
isto , p = 4 q + q + 1. Mas ento p um nmero mpar, o que absurdo,
pois a hiptese original era a de que p2 era par. O absurdo vem de se assumir
que p par, logo p ter de ser mpar.
5
4 Demonstrao por Induo Matemtica
1
(n) = 1 + 2 + + n = n (n + 1)
2
(i) Consideremos n = 1. Neste caso, a soma dos primeiros naturais ser 1,
que precisamente igual a 12 1 (1 + 1).
(ii) Suponhamos que a afirmao vlida para qualquer k N. Mostemos
que ento dever ser vlida para k + 1. Assumindo que (k) verdadeira,
sabemos que:
1
(k) = 1 + 2 + + k = k (k + 1)
2
1
(k + 1) = 1 + 2 + + (k + 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
Logo, (n) vlida para qualquer n N.
6
5 Nota Histrica
Matrizes e Determinantes
5 Nota Histrica
Historicamente, os primeiros esboos de matrizes e determinantes remontam ao
segundo sculo a. C. embora existam traos da sua existncia em pocas to
distantes quanto o sc. IV a. C. No entanto, no foi seno nos finais do sc.
XVII da nossa era que as ideias reapareceram e o seu desenvolvimento floresceu.
No surpreendente que os primrdios das matrizes e determinantes ten-
ham surgido atravs do estudo de sistemas de equaes lineares. Os Babilnios
estudaram problemas que levaram resoluo simultnea de equaes lineares.
Alguns destes problemas sobreviveram at hoje preservados em placas de argila.
Por exemplo, uma placa datada de cerca de 300 a. C. contm o seguinte prob-
lema:
x + y = 1800
2 (1)
3x + 12 y = 1100
7
5 Nota Histrica
3x + 2y + z = 39
2x + 3y + z = 34 (2)
x + 2y + 3z = 26
1 2 3
2 3 2
3 1 1
26 34 39
0 0 3
4 5 2
8 1 1
39 24 39
0 0 3
0 5 2
36 1 1
99 24 39
8
5 Nota Histrica
10 + 11x + 12y = 0
20 + 21x + 22y = 0
30 + 31x + 32y = 0
102132+112230+122031=102231+112032+122130
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 tam-
bm sabia que um determinante podia ser desenvolvido utilizando uma qualquer
coluna do sistema de coeficientes, no que conhecido actualmente como o De-
senvolvimento 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 de-
senvolvimento 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:
10
5 Nota Histrica
1
[z (x0 y 00 y 0 x00 ) + z 0 (yx00 xy 00 ) + z 00 (xy 0 yx0 )]
6
1
que precisamente igual a 6 do determinante da matriz
x x0 x00
y y0 y 00
z z0 z 00
11
5 Nota Histrica
12
5 Nota Histrica
m
ax {n(A), n(B)} n(AB) n(A) + n(B)
Em 1896, Frobenius tomou conhecimento do texto Memorando sobre a Teo-
ria das Matrizes escrito em 1858 por Cayley, adoptando desde ento o termo
13
5 Nota Histrica
14
6 Teoria das Matrizes
a11 a12 a1,n1 a1n
a21 a22 a2,n1 a2n aij K
A= .. .. .. .. = [aij ] , i = 1, ..., m (3)
. . . .
j = 1, ..., n
am1 am2 am,n1 amn
15
6 Teoria das Matrizes
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 }
Matrizes Quadradas (m = n)
Designao Forma Geral
a11 a12 a1n
0 a22 a2n
Matriz Triangular Superior
.. .. ..
(i > j = aij = 0) . . .
0 0 ann
a11 0 0
a21 a22 0
Matriz Triangular Inferior
.. .. ..
(i < j = aij = 0) . . .
an1 an2 ann
a11 0 0
0 a22 0
.. .. ..
Matriz Diagonal . . .
(aij = 0; i 6= j) 0 0 ann
ou
diag {a11 , a22 , , ann }
uma matriz diagonal em que
Matriz Escalar aij = 0, i 6= j; aij = a K, i = j
diag {a, a, , a}
a matriz escalar em que
aij = 0, i 6= j; aij = 1 K, i = j
Matriz Identidade
diag {1, 1, , 1}
Representa-se por In (ou apenas I)
Neste caso identifica-se a matriz
m=n=1
[a] com o prprio escalar a R
16
6 Teoria das Matrizes
Uma matriz diagonal pode tanbm ser entendida como uma matriz simul-
taneamente triangular superior e triangular inferior.
a11 , a22 , , amin(m,n),min(m,n)
17
6 Teoria das Matrizes
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 hou-
ver risco de confuso com o escalar 0 (o elemento neutro para a adio do corpo
K).
18
6 Teoria das Matrizes
Demonstrao.
1. Como A, B Mmn (K), A + B Mmn (K). Adicionalmente
(A + B)ij = [aij ] + [bij ]
= [aij + bij ]
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
19
6 Teoria das Matrizes
5. Seja A = [aij ] Mmn (K) e B = [bij ] Mmn (K) tal que bij =
aij , i = 1, ..., m; j = 1, ..., n. Ento:
1. (A + B) = A + B
2. ( + ) A = A + A
3. (A) = () A
4. 1 A = A. O escalar 1 designa-se por unidade ou elemento neutro do
corpo K.
Demonstrao.
20
6 Teoria das Matrizes
1.
2.
( + ) (A)ij = ( + ) [aij ]
= [( + ) aij ]
= [aij + aij ]
= [aij ] + [aij ]
= [aij ] + [aij ]
= (A)ij + (A)ij
3.
( (A))ij = ( [aij ])
= [aij ]
= [() aij ]
= () [aij ]
= (() A)ij
4.
(1 (A))ij = 1 [aij ]
= [1aij ]
= [aij ]
= (A)ij
21
6 Teoria das Matrizes
1
2 2 1 =
= 2
2 22 2 2
1
2 3 4 = 12 3 12 4 = 32 2
Note-se que a matriz A, que multiplica esquerda, tem tantas colunas quan-
tas 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 pro-
dutos obtidos. Em nenhuma outra circunstncia possvel multiplicar duas
matrizes. De um modo geral, dadas duas matrizes A e B de dimenses, respec-
tivamente m n e p q, os produtos C = AB e D = BA so possveis nas
seguintes circunstncias:
2 3 3 2 0
A= 3 5 3 B = 2 1
3 5 5 1 3
3 5 5
C= D = 3 5 3
5 4 1
22
6 Teoria das Matrizes
2 3 3 2 0
AB = 3 5 3 2 1
3 5 5 1 3
(2) 2 + 3 (2) + (3) (1) (2) 0 + 3 1 + (3) (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
1 1 1 1 1 1 + (1) 1 1 (1) + (1) (1)
=
1 1 1 1 1 1 + (1) 1 1 (1) + (1) (1)
0 0
=
0 0
23
6 Teoria das Matrizes
24
6 Teoria das Matrizes
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.
p
X
((A + B) D)ik = (A + B)ij djk
j=1
Xp
= (aij + bij ) djk
j=1
Xp p
X
= aij djk + bij djk
j=1 j=1
= (AD)ik + (BD)ik
p
X
( (AD))ik = aij djk
j=1
p
X
= (aij ) djk
j=1
Xp
= (A)ij djk
j=1
= ((A) D)ik .
Mas tambm,
p
X p
X
aij djk = aij (djk )
j=1 j=1
p
X
= aij (D)jk
j=1
= (A (D))ik .
25
6 Teoria das Matrizes
q
X
((AD) F )il = (AD)ik fkl
k=1
q
X Xp
= aij djk fkl
k=1 j=1
q X
X p
= aij djk fkl
k=1 j=1
p
q !
X X
= aij djk fkl
j=1 k=1
Xp
= aij (DF )jl
j=1
= (A (DF ))il .
26
6 Teoria das Matrizes
m
X
(Im A)ik = ij ajk = aik = (A)ik
j=1
Xn
(AIn )ik = aij jk = aik = (A)ik
j=1
Por outras palavras, para que uma matriz esteja particionada em blocos
necessrio que as submatrizes que constituem cada bloco sejam formadas por
linhas e colunas consecutivas da matriz A.
A multiplicao por blocos realiza-se da seguinte forma:
27
6 Teoria das Matrizes
p1
X p2
X p
X
(c) Escreva-se cij = air brj + air brj + + air brj . O
r=1 r=p1 +1 r=ph +1
| {z } | {z } | {z }
(1) (2) (h+1)
cij cij cij
(1)
elemento cij resulta de somar os produtos dos primeiros p1 elementos
(2)
da linha i de A pelos primeiros p1 elementos da coluna j de B; cij
a soma dos produtos dos p2 p1 elementos seguintes da linha i de
A pelos p2 p1 elementos seguintes da coluna j de B e assim por
diante.
(a) A Mmp (K) e B Mpn (K). Esta a condio que requer que
o nmero de colunas da matriz que multiplica esquerda seja igual
ao nmero de linhas da matriz que multiplica direita.
(b) O nmero de colunas de blocos de A tem de ser igual ao nmero de
linhas de blocos de B.
(c) O nmero de colunas de cada bloco Aij tem de ser igual ao nmero
de linhas de cada bloco Bjt , a fim de se poder efectuar o produto
Aij Bjt .
2 3 3 3 5
1 0 0 0 1 4 3 3 5 5 2
0 1 0 0 3
3 0 1 1 1 3
A=
0 e B =
0 1 0 1 5 3 5 5 5 4
2 3 5 5 1 5 1 3 0 0 0
3 5 0 0 0
28
6 Teoria das Matrizes
29
6 Teoria das Matrizes
8 14 3 3 5
3 3 5 5 2
C=
14
23 1 1 3
42 5 9 9 31
30
6 Teoria das Matrizes
T 3 5
3 5 5
= 5 4
5 4 1
5 1
Exemplo 9 A matriz
a b
A=
b c
0 b
A=
b 0
2. (A B)T = AT B T .
3. (AC)T = C T AT .
Q T Q
M M
4. k=1 Dk = k=1 DkT .
Demonstrao.
1.
T
AT = AT ji
ij
= (A)ij .
31
6 Teoria das Matrizes
2.
T
(A B) = (A B)ji
ij
= aji bji
= AT ij B T ij .
3.
T
(AC) = (AC)ik
ki
p
X
= aij cjk
j=1
p
X
= AT ji
CT kj
j=1
Xp
T
= CT kj
A ji
j=1
= C T AT ki .
M
!T M1 ! !T
Y Y
Dk = Dk DM
k=1 k=1
M1 !T
T
Y
= (DM ) Dk (pela Propriedade 3)
k=1
M1
Y
= (DM )T DkT (por hiptese)
k=1
M
Y
= DkT
k=1
32
6 Teoria das Matrizes
Demonstrao.
(=)
T
AB = (AB) (porque AB simtrica)
= B T AT (pela Propriedade 3 da transposio de matrizes)
= BA (porque A e B so comutveis)
(=)
T T
(AB) = (BA) (porque A e B comutam)
= AT B T (pela Propriedade 3 da transposio de matrizes.
= AB (porque A e B so simtricas)
33
6 Teoria das Matrizes
1. tr (A + B) = tr (A) + tr (B).
2. tr (A + B) = tr (B + A).
3. tr (AC) = tr (CA).
Demonstrao.
1. Dado que A e B tm as mesmas dimenses a soma A + B encontra-se
definida. Prosseguindo com a argumentao, segue que:
tr (A + B) = tr (A + B)ij
min(m,n)
X
= (all + bll )
l=1
min(m,n) min(m,n)
X X
= all + bll
l=1 l=1
= tr (A) + tr (B)
tr (A + B) = tr (A + B)ij
min(m,n)
X
= (all + bll )
l=1
min(m,n)
X
= (bll + all )
l=1
= tr (B + A)ij
= tr (B + A)
34
6 Teoria das Matrizes
tr (AC) = tr (AC)iq
n
X
= tr aij cjq
j=1
m
X Xn
= aij cji
i=1 j=1
m X
X n
= aij cji
i=1 j=1
tr (CA) = tr (CA)pj
m !
X
= tr cpi aij
i=1
n
m !
X X
= cji aij
j=1 i=1
X m
n X
= cji aij
j=1 i=1
Xm X n
= aij cji
i=1 j=1
= tr (AC)
35
6 Teoria das Matrizes
Pn
2. expresso j Cj designa-se combinao linear das colunas de A, onde
j=1
j j=1, ,n so quaisquer escalares do corpo K.
P
m
i Li = 0 =i = 0, i = 1, , m (linhas)
i=1
P
n (4)
j Cj = 0 =j = 0, j = 1, , n (colunas)
j=1
36
6 Teoria das Matrizes
X
k{1, ,m} : k 6= 0 i Li + k Lk = 0
i6=k
37
6 Teoria das Matrizes
X X
i Li + k Lk + 0Li + k Lk = k Lk = 0
i6=k i6=k
X
i Li + k Lk = 0,
i6=k
X k X k 0
i Li + ( Lk ) = i Li + L = 0.
k
i6=k i6=k
0
Dada a dependncia linear de {Li }i6=k Lk ou bem que teremos
i 6= 0, i 6= k ou teremos k 6= 0. Neste caso, como 6= 0 teremos
k 6= 0. Em qualquer caso, possvel obter uma combinao linear
nula das linhas {Li }i=1, ,m com pelo menos um escalar no nulo.
4.(=) Suponhamos que as linhas de A so linearmente dependentes.
0
Substituamos a linha Lk pela linha Lk = Lk + Ll , k 6= l. A combi-
0
nao linear nula das linhas de A onde a linha Lk substituda por Lk
P 0 P
dada por i6=k i Li +k Lk = Pi6=k i Li +k (Lk + Ll )=0. Esta ex-
presso pode ser reescrita como i6=k,l i Li +k Lk +(k + l ) Ll =0.
Mas as linhas de A so linearmente dependentes pelo que a respec-
tiva combinao linear nula se obtm com pelo menos um escalar
no nulo. Ou bem que esse escalar i , i 6= k, l, ou bem que ser
k , ou ento ser (k + l ). Neste caso, ter-se- obrigatoriamente
38
6 Teoria das Matrizes
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
(=) Suponhamos que as linhas {Li }i6=k Lk so linearmente dependentes.
A combinao linear nula das linhas de A dada por
X
i Li + k Lk = 0,
i6=k
X X 0
i Li + (k Lk + k Ll ) k Ll = i Li + (l k ) Ll + k Lk =0
| {z }
i6=k 0 i6=k,l
k Lk
0
Dada a dependncia linear de {Li }i6=k Lk ou bem que teremos
i 6= 0, i 6= k, l ou teremos k 6= 0 ou ainda (l k ) 6= 0. Neste
caso, ter-se- obrigatoriamente k 6= 0 l 6= 0. Em qualquer caso,
possvel obter uma combinao linear nula das linhas {Li }i=1, ,m
com pelo menos um escalar no nulo.
5.(=) Suponhamos que as linhas de A so linearmente dependentes.
0 P
Substituamos a linha Lk pela linha Lk = Lk + i6=k i Li . A combi-
0
nao linear nula das linhas de A onde a linha Lk substituda por
Lk
P 0 P P
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 re-
spectiva combinao linear nula se obtm com pelo menos um es-
calar 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
(=) Suponhamos que as linhas {Li }i6=k Lk so linearmente dependentes.
A combinao linear nula das linhas de A dada por
X
i Li + k Lk = 0,
i6=k
39
6 Teoria das Matrizes
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
0
Dada a dependncia linear de {Li }i6=k Lk ou bem que teremos
k 6= 0 ou bem que teremos (i k ) 6= 0, i 6= k. Neste caso, ter-se-
obrigatoriamente (k 6= 0 i 6= 0)i6=k . Em qualquer caso, possvel
obter uma combinao linear nula das linhas {Li }i=1, ,m com pelo
menos um escalar no nulo.
6.(=) Suponhamos que as linhas de A so linearmente dependentes. Seja k
um dos escalares no nulos para os quais se obtm umaP combinao
linear nula das linhas de A. A combinao
P linear nula i i Li = 0
pode ser reescrita como Lk = 1k i6=k i Li , uma vez que k 6= 0.
A expresso mostra que a linha Lk pode ser escrita como combinao
linear das restantes linhas da matriz.
(=) Suponhamos que possvel escrever a linha P Lk como combinao
linear P
das restantes linhas, isto , Lk = i6=k i Li . Resulta que
Lk i6=k i Li = 0, isto , obteve-se uma combinao linear nula
das linhas da matriz A, em que pelo menos um escalar no nulo (o
escalar 1 associado linha Lk ). Tal mostra que as linhas de A so
linearmente dependentes.
Demonstrao.
Pn
1. ci0 k = (AB)i0 k = j=1 ai0 j bjk . Logo,
LC
i0 = ci0 1 ci0 2 ci0 p
Pn Pn Pn
= j=1 ai0 j bj1 j=1 ai0 j bj2 j=1 ai0 j bjp
Xn
= ai0 j bj1 bj2 bjp
j=1
Xn
= ai0 j LB
j
j=1
40
6 Teoria das Matrizes
n
X
LC
i = aij LB
j , i=1, ,m ,
j=1
41
6 Teoria das Matrizes
rl (B)+1
X
0 = i LC
i
i=1
rl (B)+1 rl (B)
X X
= i ik LB
k
i=1 k=1
rl (B)+1 rl (B)+1 rl (B)+1
X X X
= i i1 LB
1 +
i i2 LB
2 + +
i irl (B) LB
rl (B)
i=1 i=1 i=1
Prl (B)+1
i i1 = 0
Pri=1
l (B)+1
i=1 i i2 = 0
Prl (B)+1 i
i=1 i rl (B) = 0
42
6 Teoria das Matrizes
iii. Substituio de uma linha (ou coluna) pela que se obtm somando-lhe
outra, multiplicada por um qualquer escalar (Operao de Jacobi).
43
6 Teoria das Matrizes
34 68 85 38
A = 90 52 43 91
30 90 24 52
Vejamos como cada uma das seguintes operaes elementares sobre a ma-
triz A resulta da multiplicao desta matriz pela que resulta da identidade por
aplicao das mesmas operaes elementares:
1 0 0 0 0 1
0 1 0 L1 L3 0 1 0
0 0 1 1 0 0
44
6 Teoria das Matrizes
0
A = E13 A
0 0 1 34 68 85 38
= 0 1 0 90 52 43 91
1 0 0 30 90 24 52
30 90 24 52
= 90 52 43 91
34 68 85 38
0
A matriz A resultou da matriz A por troca das linhas 1 e 3 como se
pretendia.
2. Troca das colunas 2 e 3.
Deveremos considerar uma multiplicao direita. Tomamos a matriz
identidade I4 e trocamos as colunas 2 e 3 para obter a matriz F :
1 0 0 0 1 0 0 0
0 1 0 0 0 0 1 0
C2 C3
0 0 1 0 0 1 0 0
0 0 0 1 0 0 0 1
0
A = A E23
1 0 0 0
34 68 85 38
0 0 1 0
= 90 52 43 91
0 1 0 0
30 90 24 52
0 0 0 1
34 85 68 38
= 90 43 52 91
30 24 90 52
0
A matriz A resultou da matriz A por troca das colunas 2 e 3 como se
pretendia.
3. Multiplicao de uma linha por um escalar.
Suponhamos
que se pretende multiplicar a linha 2 da matriz A pelo escalar
2. Para tal, tomamos a matriz identidade I3 e multiplicamos a segunda
linha pelo escalar pretendido para obter a matriz E. Seguidamente faz-se
o produto EA para obter a matriz pretendida.
45
6 Teoria das Matrizes
1 0 0 1 0 0
0
0 1 0 L2 2L2 0 2 0
0 0 1 0 0 1
0
A = E2 2 A
1 0 0 34 68 85 38
= 0 2 0 90 52 43 91
0 0 1 30 90 24 52
34
68
85
38
= 90 2 52 2 43 2 91 2
30 90 24 52
0
A matriz A resultou da matriz A por multiplicao da 2a linha por 2.
4. Multiplicao de uma coluna por um escalar.
Suponhamos que se pretende multiplicar a coluna 3 da matriz A pelo es-
calar 25 . Para tal, tomamos a matriz identidade I4 e multiplicamos a ter-
ceira coluna pelo escalar pretendido para obter a matriz F . Seguidamente
faz-se o produto AF para obter a matriz pretendida.
1 0 0 0 1 0 0 0
0 0 0
1 0 C30 2 C3 0 1 0
0 0 1
0 5 0 0 2
0
5
0 0 0 1 0 0 0 1
0 2
A = A F3
5
1 0 0 0
34 68 85 38
0 1 0 0
= 90 52 43 91
0 0 2
5 0
30 90 24 52
0 0 0 1
34 68 34 38
= 90 52 86
5 91
30 90 48
5 52
0
A matriz A resultou da matriz A por multiplicao da linha 3a coluna por
2
5.
46
6 Teoria das Matrizes
1 0 0 1 0 0
0 1 0 L3 L3 + 2L1 0 1 0
0 0 1 2 0 1
0
A = E31 2 A
1 0 0 34 68 85 38
= 0 1 0 90 52 43 91
2 0 1 30 90 24 52
34 68 85 38
= 90 52 43 91
34 2 + 30 68 2 + 90 85 2 24 38 2 52
0
A matriz A resultou da matriz A por substituio
da linha 3 pela que se
obteve somando-lhe a linha 1 multiplicada por 2.
6. Operao de Jacobi sobre as colunas da matriz A.
Consideremos as colunas 2 e 3 da matriz A. Suponhamos que se pretende
substituir a coluna C3 pela que se obtm somando-lhe a coluna C2 multi-
plicada pelo escalar 25 . Tomamos a matriz identidade I4 e substitumos a
coluna C3 pela que se obtm somando-lhe 25 C2 . A matriz F assim obtida
multiplicada por A, direita.
1 0 0 0 1 0 0 0
0 0 2
0
1 0 C3 C3 + 2 C2 0 1 5
0 0 1 0 0 0 1 0
5
0 0 0 1 0 0 0 1
47
6 Teoria das Matrizes
0 2
A = A F32
5
1 0 0 0
34 68 85 38
0 1 2
0
= 90 52 43 91 0 0
5
1 0
30 90 24 52
0 0 0 1
561
34 68 5 38
= 90 52 319
5 91
30 90 12 52
0
A matriz A resultou da matriz A por substituio da coluna 3 pela que se
obteve somando-lhe a coluna 2 multiplicada por 25 .
34 68 85 38
A = 90 52 43 91
30 90 24 52
48
6 Teoria das Matrizes
34 68 85 38
90 52 43 91 L
1L3
30 90 24 52
30 90 24 52
90 52 43 91 C
2C3
34 68 85 38
30 24 90 52
90 43 52 91 L
22L
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 5 142
30
24
88 52
90 2 43 2 351 2 91 2
5
934
26 133 5 142
0
Vejamos agora que se obter a mesma matriz A se a matriz A for devi-
damente 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
6 Teoria das Matrizes
(L3 L3 +2L1 ) (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 0 0 1 1 0 0
34 68 85 38
90 52 43 91
30 90 24 52
1 0 0 0 1 0 0 0 1 0 0 0
0 0 1 0 0 1 0 0 0 1 0 0
=
0 1 0 0 0 0 25 0 0 0 1 0
0 0 0 1 0 0 0 1 0 0 1 1
| {z }| {z }| {z }
(C2 C3 ) (C3 25 C3 ) (C3 C3 C4 )
30
24
88 52
90 2 43 2 351 2 91 2
5
934
26 133 5 142
50
6 Teoria das Matrizes
51
6 Teoria das Matrizes
0 aiji ain
p
X
i 0 aiji ain =0
i=1
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
6 Teoria das Matrizes
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, pode-
mos 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 =0
0=0
1 1 + 0 2 =0 1 = 0
1 = 0
1 1 + 0 2 = 0 0 = 0
2 =0
(1) 1 + 4 2 =0
2 = 0
0 1 + 9 2 =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 = 0
0 1 + 1 2 + 0 3 =0 2 = 0 1 = 0
0 1 + 2 2 + 0 3 = 0 0 = 0 2 = 0
0 1 + (1) 2 + 0 3 =0
0 = 0 3 = 0
0 1 + 0 2 + 1 3 =0 3 = 0
Proposio 16 Toda a matriz A Mmn (K) pode ser reduzida a uma matriz
B em forma de escada por meio de operaes elementares sobre as suas linhas,
tendo-se consequentemente rl (A) = rl (B).
53
6 Teoria das Matrizes
54
6 Teoria das Matrizes
0 2 4 1 9
Exemplo 15 Considere-se a matriz A = 0 3 5 2 1 . Determi-
0 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
0 1 2 12 9
2
0 0 1 1 25 L3 L3 + L1
2 2
0 1 2 0 0
0 1 2 12 9
2 0 1 2 1
2
9
2
0 0 1 1 25 L3 L3 + 4L2 0 0 1 1 25
2 2 2 2
0 0 4 12 9
2 0 0 0 5
2 91
2
55
6 Teoria das Matrizes
0 1 1 1 0
0 0 0 4 9 . Trata-se de uma matriz em forma de escada.
0 0 0 0 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.
Demonstrao.
() Suponhamos que AB = I. Pretende-se mostrar que BA = I.
3 Assumindo que o produto A B 1 se encontra bem definido, incorrecto represent-lo por
A
B
. Com efeito, esta notao poder denotar ambiguamente o produto A B 1 ou o produto
B 1 A, que no so necessariamente iguais.
56
6 Teoria das Matrizes
57
6 Teoria das Matrizes
Demonstrao.
1. Seja E uma matriz elementar de ordem n sobre K. Se E resultou de In
por troca de linhas (ou colunas) fcil verificar que EE = In , logo E
regular e inversa de si mesma. Com feito, se E resulta da troca das linhas
s e t; teremos (no caso da troca de linhas):
Pn
n
X Pj=1 esj ejk = etk , se i = s
n
(EE)ik = eij ejk = j=1 etj ejk = esk , se i = t
j=1 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
n
X
ess fsk = fsk , se i = s
(EF )ik = eij fjk =
eik , se i 6= s
j=1
1, se k = s
, se i = s
= 0, se k 6= s = ik
eik , se i 6= s
n
X Pn
(EH)ik = eij hjk = j=1 esj hjk = ess hsk + est htk , se i = s
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
6 Teoria das Matrizes
p
!
Y 1
Ak Ap A1
1 =
k=1
1
= (A1 Ap ) A1
p A1
= A1 Ap A1p A1
1
1
(porque Ap regular) = (A1 Ap1 ) Ap1 A1 1
= In (por hiptese)
59
6 Teoria das Matrizes
1
Eik () = Eik ()
0
Demonstrao. Faamos a prova para as linhas. Considere-se A = AF ,
e recordemos que a multiplicao direita por uma matriz elementar cor- re-
sponde a operar sobre as colunas (Proposio
n 0o 13). Designem-se as linhas de
0
A por {Ls }s=1, ,n e as de A por Ls . Suponhamos, sem perda de
s=1, ,n
generalidade, que {Ls }s=1, ,h so linearmente idependentes. Vejamos qual o
resultado da aplicao das trs operaes elementares sobre as linhas de A.
0
Suponhamos ento que A resulta
n 0 ode A por troca das colunas i e j, com i<
j. Mostremos que as linhas Ls so linearmente independentes:
s=1, ,h
h
X 0
s Ls = 0
s=1
h
X
s as1 asj asi asn = 0
s=1
h
X
s as1 asi asj asn = 0
s=1
h
X
s Ls = 0 =
s=1
s = 0, s=1, ,h
n 0o
Assim, as linhas Ls so linearmente independentes.
s=1, ,n
0
Suponhamos agora que A resulta de A por multiplicao da coluna
n 0 o j desta
ltima por um escalar K\ {0}. Mostremos que as linhas Ls
s=1, ,h
so linearmente independentes:
h
X 0
s Ls = 0
s=1
60
6 Teoria das Matrizes
h
X
s as1 asj asn = 0
s=1
h
X
s as1 asi asj asn = 0
s=1
h
X
s Ls = 0 =
s=1
s = 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 as1 asi asj asn = 0
s=1
h
X
s Ls = 0 =
s=1
s = 0, s=1, ,h
n 0o
Assim, as linhas Ls so linearmente independentes.
s=1, ,n
0
Admitamos agora que A resulta de somar coluna i de A a coluna j, com
in< j,
o multiplicada por um escalar K\ {0}. Mostremos que as linhas
0
Ls so linearmente independentes:
s=1, ,h
h
X 0
s Ls = 0
s=1
h
X
s as1 asi + asj asj asn = 0
s=1
61
6 Teoria das Matrizes
Ph
s=1 s as1 = 0
..
.
Ph Ph
s asi +
s=1 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
h
X
s as1 asi asj asn = 0
s=1
h
X
s Ls = 0 =
s=1
s = 0, s=1, ,h
n 0o
Assim, as linhas Ls so linearmente independentes.
s=1, ,n
Conclumos assim, que rl (A) rl (AF ). Como F uma matriz elemen-
0
tar, logo regular e podemos escrever A = A F 1 , sendo tambm F 1
uma matriz elementar (como verificmos na demonstrao
0 do
ponto 1. da
0
1
Proposio 18). Do mesmo modo, teremos rl A rl A F pela
Proposio 12, ou seja rl (AF ) rl (A), donde a igualdade.
Analogamente se prova a afirmao relativamente caracterstica de col-
una.
Nota 12 Em termos prticos, o que o resultado anterior nos indica que oper-
aes 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
6 Teoria das Matrizes
1 b12 b13 b1,n2 b1,n1 b1,n
0 1 b23 b2,n2 b2,n1 b2,n
0 0 1 b3,n2 b3,n1 b3,n
.. .. .. .. .. ..
. . . . . . (5)
0 0 0 1 bn2,n1 bn2,n
0 0 0 0 1 bn1,n
0 0 0 0 0 1
63
6 Teoria das Matrizes
Op1 Op1 ,
A A1 In E1
64
6 Teoria das Matrizes
E12t = 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
65
6 Teoria das Matrizes
Demonstrao.
1. Pelo ponto 2. da Proposio (18) se A regular ento rl (A) = n. Pela
Proposio (22), se rl (A) = n ento A regular. Analogamente para
rc (A) = n.
2. Se A regular, por definio existe uma matriz B Mn (K) tal que AB =
In = BA. Se AB = In , pela Proposio (12) tem-se n = rc (In ) rc (B),
logo rc (A) = n, e portanto A regular pelo ponto anterior.
A|In Op1 A1 |E1 In Op2 A2 |E2 E1 Op3
A3 |E3 E2 E1
A1 |E1 Opt In |Et Et1 E2 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 .
1 1 1
A = 1 1 1
1 1 0
66
6 Teoria das Matrizes
12 1
2 1
A1 = 1
2 12 0
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 reg-
ular 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 el-
ementares sobre I3 .
Note-se que s operaes elementares utilizadas correspondem, utilizando a
notao habitual, as seguintes matrizes elementares
L2 L2 L1 : E21 (1)
L3 L3 L1 : E31(1)
L2 12 L2 : E2 12
L3 L3 : E3 (1)
L1 L1 L3 : E13 (1)
L1 L1 L2 : E12 (1)
67
6 Teoria das Matrizes
1
A1 = E12 (1) E13 (1) E3 (1) E2 E31 (1) E21 (1) =
2
1 1 0 1 0 1 10 0 1 0 0 1 00 1 00
0 1 0
= 0 1 0 0 1 0 0 12 0 0 1 0 1 1 0 =
0 0 1 00 1 0 0 1 0 0 1 1 0 1 0 01
1 1
1 1 1 1 0 0 1 0 0 2 2 1
= 0 1 0 0 12 0 1 1 0 = 12 12 0
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 de-
scrito 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
E21 (1) E31 (1) E21 E31 (1) E13
1 1
(1) E12 (1) =
2
E21 (1) E31 (1) E2 (2) E3 (1) E13 (1) E12 (1) =
100 100 1 0 0 10 0 101 110
= 1 1 0 0 1 0 0 2 0 0 1 0 0 1 0 =
0 1 0
001 101 0 0 1 0 0 1 001 001
1 0 0 1 0 0 1 1 1 1 1 1
= 1 1 0 0 2 0 0 1 1 = 1 1 1
1 0 1 0 0 1 0 0 1 1 1 0
68
6 Teoria das Matrizes
por aplicao de operaes elementares sobre linhas. Com efeito, s assim pos-
svel 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
Obteve-se uma matriz na forma A3 |E3 . Note-se que, neste ponto no h
forma de colocar na posio (3, 3) um elemento no nulo sem com essa operao
anular a configurao em forma de escada da matriz A3 . Conclui-se assim que
a matriz A no regular. Mais se conclui que, como a matriz A3 est na forma
de escada, que a caratcterstica da matriz A 2.
69
6 Teoria das Matrizes
00 1 b1,j1 +1 b1,j1 +2 b1,j2 b1,j2 +1 b1,j3 b1,j3 +1 b1,jt b1n
0 0
0 0 0 1 b2,j2 +1 b2,j3 b2,j3 +1 b2,jt b2n
0 0
0 0 0 0 0 1 b3,j3 +1 b3,jt b3n
.. ..
.. .. .. .. .. .. .. .. ..
. .. . . . . . . . .
0 0
0 0 0 0 0 0 0 1 btn
0 0
0 0 0 0 0 0 0 0 0
.. ..
.. .. .. .. .. .. .. .. ..
. .. . . . . . . . .
00 0 0 0 0 0 0 0 0 0
1 b1,j2 b1,j3 b1,jt b1,j1 +1 b1,j1 +2 b1,j2 +1 b1,j3 +1 b1n 00
0 1 b2,j3 b2,jt 0 0 b2,j2 +1 b2,j3 +1 b2n 0 0
0 0 1 b3,jt 0 0 0 b3,j3 +1 b3n 0 0
.. .. .. .. .. .. .. .. .. .. ..
. . . . . . . . . . .
0 0 0 1 0 0 0 0 btn 0 0
0 0 0 0 0 0 0 0 0 0 0
. . .. .. .. .. .. .. .. .. ..
.
. . . . . . . . . . . .
0 0 0 0 0 0 0 0 0 00
70
6 Teoria das Matrizes
(3) It 0t,nt
A =
0mt,t 0mt,nt
t = rl A(3) = rl (EAF ) = rl (AF ) = rl (A)
t = rc A(3) = rc (EAF ) = rc (AF ) = rc (A)
71
6 Teoria das Matrizes
72
6 Teoria das Matrizes
1 2 1 1 2 1
0 1 0 0 1 0
L3 L3 +2L2 L4 L4 +3L3
0 2 1 1
L4 L4 +3L2 0 0 L4 L4 L3
0 3
3 0 0 3
0 0 1 0 0 1
1 2 1
0 1 0
0 0 1
0 0 0
0 0 0
1 2 1 1 2 0
0 1 0 0 1 0
0 0 1 L1 L1 L3 0 0 1 L1 L1 2 L2
0 0 0 0 0 0
0 0 0 0 0 0
1 0 0
0 1 0
0 0 1
0 0 0
0 0 0
1 2 1 1 0 0
0 1 0 0 1 0
C2 C2 2 C1
0 0 1 0 0 1
0 0 0 C3 C3 C1
0 0 0
0 0 0 0 0 0
73
6 Teoria das Matrizes
a1 x1 + a2 x2 + + an1 xn1 + an xn = b
74
6 Teoria das Matrizes
a11 x1 + a12 x2 + + a1,n1 xn1 + a1n xn = b1
a21 x1 + a22 x2 + + a2,n1 xn1 + a2n xn = b1
(8)
am1 x1 + am2 x2 + + am,n1 xn1 + amn xn = b1
AX = B (9)
75
6 Teoria das Matrizes
1 1 x 1800
2 1 =
3 2 y 1100
3x + 2y + z = 39
2x + 3y + z = 34
Este sistema pode ser escrito matricialmente na forma:
x
3 2 1 y = 39
2 3 1 34
z
10 + 11x + 12y = 0
20 + 21x + 22y = 0
30 + 31x + 32y = 0
O sistema acima, reescrito na forma cannica, apresenta-se do seguinte
modo:
11x + 12y = 10
21x + 22y = 20
31x + 32y = 30
11 12 10
21 22 x = 20
y
31 32 30
76
6 Teoria das Matrizes
Demonstrao.
1. Basta verificar que, dada a regularidade da matriz P , ento P 1 existe e
portanto
(P A) X = P B
1
P (P A) X = P 1 P B
IAX = IB
AX = B
77
6 Teoria das Matrizes
Obviamente que
f (X0 ) = f (X1 )
Q1 X0 = Q1 X1
QQ1 X0 = QQ1 X1
IX0 = IX1
X0 = X1
AX0 = A (QD)
= (AQ) D
= B
78
6 Teoria das Matrizes
x1 + 2x2 x3 = 1
2x1 + 4x2 + x3 = 0
x1 + 6x2 = 1
A simplificao deste sistema de equaes consistia, por exemplo, em
eliminar a varivel x1 da primeira equao; para tal, somava-se a primeira
com a terceira equao, para se obter 8x2 x3 = 0; esta equao, com duas var-
iveis, vinha agora substituir a primeira equao do sistema, com trs variveis,
para se obter um sistema equivalente:
8x2 x3 = 0
2x1 + 4x2 + x3 = 0
x1 + 6x2 = 1
Prosseguia-se agora com a resoluo resolvendo explicitamente para algu-
mas 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 inde-
pendentes do sistema original, respectivamente,
1 2 1 1
A = 2 4 1 e B = 0
1 6 0 1
O resultado obtido, , como no podia deixar de ser,
1 0 1 1 2 1 0 8 1
A0 = 0 1 0 2 4 1 = 2 4 1 e
0 0 1 1 6 0 1 6 0
1 0 1 1 0
B0 = 0 1 0 0 = 0
0 0 1 1 1
Note-se que as matrizes A0 e B 0 so precisamente as matrizes de coeficientes
e de termos independentes do sistema aps a transformao. Portanto, os sis-
temas AX = B e A0 X = B 0 so equivalentes porque A0 = EA e B 0 = EB e E
uma matriz elementar, logo regular.
79
6 Teoria das Matrizes
0 0 1 a01,j1 +1 a01,j1 +2 a01,j2 a01,j2 +1 a01,j3 a01,j3 +1 a01,jt a01n b01
0 0 0 0 0 1 a02,j2 +1 a02,j3 a02,j3 +1 a02,jt a02n b02
0 0 0 0 0 0 0 1 a03,j3 +1 a03,jt a03n b03
. .. .. .. .. .. .. .. .. .. .. ..
.
. . . . . . . . . . . .
0 b0
0 0 0 0 0 0 0 0 0 1 atn t
0 0 0 0 0 0 0 0 0 0 0 b0t+1
0 0 0 0 0 0 0 0 0 0 0 0
. .. .. .. .. .. .. .. .. ..
.. ..
.
. . . . . . . . . . . .
0 0 0 0 0 0 0 0 0 0 0 0
| {z
} |{z}
A0 B 0
80
6 Teoria das Matrizes
0 0 1 a001,j1 +1 a001,j1 +2 0 a001,j2 +1 0 a001,j3 +1 0 a001n b001
0 0 0 0 0 1 a002,j2 +1 0 a002,j3 +1 0 a002n b002
0 0 0 0 0 0 0 1 a003,j3 +1 0 a003n b003
. .. .. .. .. .. .. .. .. .. .. ..
.
. . . . . . . . . . . .
0 0 0 0 0 0 0 0 0 1 a00tn b00t
00
0 0 0 0 0 0 0 0 0 0 0 bt+1
0 0 0 0 0 0 0 0 0 0 0 0
. .. .. .. .. .. .. .. .. ..
.. ..
.
. . . . . . . . . . . .
0 0 0 0 0 0 0 0 0 0 0 0
| {z } |{z}
A00 B 00
81
6 Teoria das Matrizes
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 :
Verso 2:
82
6 Teoria das Matrizes
Demonstrao.
1.
2.(=) Suponhamos que o sistema possvel e determinado. Ento, existir
apena uma coluna D Mn1 (K) tal que AD = B. Se designarmos
por A1 , , An as colunas da matriz A e se {d1 , , dn } forem os
elementos da matriz D, teremos d1 A1 + + dn An = B.
A natureza da independncia linear das colunas da matriz A pode ser
estudada compondo a combinao nula destas colunas e resolvendo
para os escalares. A combinao linear nula das colunas de A dada
por 1 A1 + + n An = 0. Adicionando as duas equaes termo a
termo, obtm-se
(d1 A1 + + dn An ) + (1 A1 + + n An ) =
= (d1 + 1 ) A1 + + (dn + n ) An = B + 0 = B
A igualdade mostra que a coluna de elementos {d1 + 1 , dn + n }
soluo da equao AX = B. Como, por hiptese, a soluo nica,
conclui-se que as colunas {d1 , , dn } e {d1 + 1 , , dn + n } de-
vero ser iguais, isto , d1 = d1 + 1 , , dn = dn + n , donde
1 = = n = 0, o que mostra que as colunas da matriz A
so linearmente independentes e, sendo em nmero de n, ter-se-
r (A) = r ([ A| B]) = n.
83
6 Teoria das Matrizes
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
84
6 Teoria das Matrizes
1 a012 a013 a01,n b01
0 1 a023 a02,n b02
0 0 1 a03,n b03
.. .. .. .. ..
. . . . .
0
0 0 0 1 bn
0 0 0 0 0
0 0 0 0 0
.. .. ..
.. ..
. . . . .
0 0 0 0 0
| {z
} |{z}
A 0 B 0
Indeterminado
(r(A)=r([ A|B])<n)
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]))
x+y =0
xy =1
4x + 2y = 1
1 1 0
[ A| B] = 1 1 1
4 2 1
85
6 Teoria das Matrizes
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 2 1 0 0 0
2x1 + 2x2 2x3 = 5
7x1 + 7x2 + x3 = 10
5x1 + 5x2 x3 = 5
2 2 2 5
[ A| B] = 7 7 1 10
5 5 1 5
2 2 2 5
L L2 72 L1
7 7 1 10 2
L3 L3 5 L1
5 5 1 5 2
2 2 2 5
0 0 8 15 L3 L3 + 3 L2
2
0 0 6 15 4
2
2 2 2 5
0 0 8 152
= [ A0 | B 0 ]
0 0 0 105
8
x1 x2 + x3 = 1
x1 + x2 x3 = 2
86
6 Teoria das Matrizes
1 1 1 1
[ A| B] =
1 1 1 2
1 1 1 1
L L2 L
1 1 1 2 2 1
1 1 1 1
0 0
0 2 2 1 = [A | B ]
0 0 1 a001,j1 +1 0 a001,j2 +1 0 a001,j3 +1 0 00
a1n b001
0 0 0 0 1 a002,j2 +1 0 a002,j3 +1 0 a002n b002
0 0 0 0 0 0 1 a003,j3 +1 0 a003n b003
. .. .. .. .. .. .. .. .. .. ..
.
. . . . . . . . . . .
0 0 0 0 0 0 0 0 1 a00tn b00t
0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0
. .. .. .. .. .. .. .. .. .. ..
.
. . . . . . . . . . .
0 0 0 0 0 0 0 0 0 0 0
| {z } |{z}
A00 =P A 00
B =P B
87
6 Teoria das Matrizes
It Ct,nt
0mt,t 0mt,nt
Por outras
palavras, existe uma matriz regular Q Mn (K) tal que P AQ =
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 C
Y = {b001 , , b00t , 0, , 0}
0 0
" (1)
# "
00(1)
#
It Ct,nt Yt,1 Bt,1
(2) = (10)
0mt,t 0mt,nt Ynt,1 0mt,1
Esta equao matricial pode ser reescrita como um sistema de duas equaes
matriciais atendendo partio em blocos escolhida. Obtm-se ento:
(
(1) (2) 00(1)
It Yt,1 + Ct,nt Ynt,1 = Bt,1
(1) (2)
0mt,t Yt,1 + 0mt,nt Ynt,1 = 0mt,1
A segunda equao pode ser omitida uma vez que constitui a condio uni-
versal 0mt,1 0mt,1 . Resta portanto a equao:
88
6 Teoria das Matrizes
" #
00(1)
Bt,1 Ct,nt Dnt,1
(11)
Dnt,1
(2)
onde Dnt,1 K nt uma concretizao arbitrria qualquer das incgnitas
(2) (2)
representadas em Ynt,1 , a saber {yt+1 , , yn }. Em particular, se Ynt,1 = 0,
recupera-se a soluo particular D0 = {b001 , , b00t , 0, , 0} j mencionada.
Nota 18 A soluo geral do sistema, dada pela expresso (11), foi obtida atrvs
de uma sucesso de equivalncias que se iniciou na equao A00 Y = B 00 , o que
significa que no s a expresso (11) uma soluo do sistema como tambm
qualquer soluo do sistema A00 Y = B 00 poder ser escrita na forma dada pela
expresso (11), isto , se Gn1 for uma soluo de A00 Y = B 00 ento existe
(2)
Dnt,1 K nt tal que:
" #
00(1)
Bt,1 Ct,nt Dnt,1
Gn1 =
Dnt,1
89
6 Teoria das Matrizes
Grau de Indetermina
ao = n r (A)
" #
00(1)
Bt,1 Ct,nt
Dnt,1 (12)
0nt,1 Int
(" # )
00(1)
Bt,1 Ct,nt
Q Dnt,1
0nt,1 Int
(P AQ) Q1 X = (P A) E1 E2 Eh Eh1 E21 E11 X
= (P A) E1 E2 Eh Eh E2 E1 X
90
6 Teoria das Matrizes
x1
1 2 1 0 2 x2 1
2 4 1 1 0 x3 = 0
1 6 0 0 1 x4 1
| {z } x5 | {z }
A | {z } B
X
1 2 1 0 2 1
2 L2 L2 + 2L1
4 1 1 0 0
L3 L3 + L1
1 6 0 0 1
1
1 2 1 0 2 1
0 1 1 4 2 L
8 3 L
3L2
0 8 1 0 1 0
1 2 1 0 2 1
0 8 1 1 4 2 = [ A0 | B 0 ]
0 0 0 1 3 2
91
6 Teoria das Matrizes
1 2 1 0 2 1
L2 18 L2
0 8 1 1 4 2
L3 L3
0 0 0 -1 3 2
1 2 1 0 2 1
0 1 18 1 1 1 L1 L1 2L2
8 2 4
0 0 0 1 3 2
1 0 34 14 1 1
2 1
0 1 18 1
8
1
2
1
4
L2 L2 81 L3
L1 L1 + L3
0 0 0 1 3 2 4
1 0 34 0 7
4 1
0 1 18 0 1
0
8
0 0 0 1 3 2
Neste ponto, sabemos que existe uma matriz regular, P , tal que:
1 0 34 0 7
4 1
PA = 0 1 18 0 1
8
e PB = 0
0 0 0 1 3 2
Alternativa 1
Esta alternativa baseada na descrio terica acima realizada. A partir da
equao (P A) X = P B poderemos escrever, trocando as colunas 3 e 4 da matriz
P A o sistema:
1 0 0 34 7
4 1 1
0 1 0 18 1 Q X = 0
8
0 0 1 0 3 2
| {z } | {z }
P AQ PB
92
6 Teoria das Matrizes
1 0 0 0 0
0 1 0 0 0
Q=
0 0 0 1 0
0 0 1 0 0
0 0 0 0 1
" #
00(1)
B3,1 C3,2
D2,1
02,1 I2
3 7
1 4 4
00(1) 0 1 0
onde B3,1 = 0 , C3,2 = 18 18 , 02,1 = , I2 =
0 0 1
2 0 3
1
e D2,1 = um vector de escalares pertencentes ao corpo K (neste caso
2
K = R). Tem-se assim a soluo geral, Y , de (P AQ) Y = P B dada por
y1 1 34 7
4
y2 0 18 1
8 1
y3 = 2 0 3
2 ; 1 , 2 R
y4 0 1 0
y5 0 0 1
y1
1 34 7
4
y2
0
18
1
1
8
Q
y3 =Q
2
0 3
2 =
y4
0 1 0
y5 0 0 1
93
6 Teoria das Matrizes
3
1 4 74
0 1 18
8 1
= Q
2
+ Q 0 3
2 =
0 1 0
0 0 1
3
1 4 74
0 1 1
8 8 1
=
0
+ 1
0
2
2 0 3
0 0 1
3
x1 1 4 74
x2 0 1 18
8
x3 = 0 + 1 1 + 2 0 ; 1 , 2 R
x4 2 0 3
x5 0 0 1
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 34 0 7
4 1
0 1 18 0 1 X = 0
8
0 0 0 1 3 2
| {z } | {z }
PA PB
94
6 Teoria das Matrizes
x1 1
x2 0
x3 = 0 + 1 V3 + 2 V5 =
x4 2
x5 0
3 7
1 4 4
0 1 1
8 8
=
0 + 1 1 + 2 0
; 1 , 2 R
2 0 3
0 0 1
Alternativa 3
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). Reescrevendo o sistema na forma algbrica, possvel deduzir a soluo
geral de forma intuitiva. O sistema a resolver , como na alternativa 2:
1 0 34 0 7
4 1
0 1 18 0 1 X = 0
8
0 0 0 1 3 2
| {z } | {z }
PA PB
95
6 Teoria das Matrizes
96
6 Teoria das Matrizes
3 7
x1 1 4 4
x2 0 1 1
8 8
x3 = 0 + 1 1 + 2 0 ; 1 , 2 R
x4 2 0 3
x5 0 0 1
97
6 Teoria das Matrizes
obviamente insolvel
Caso 2 cr n. O sistema possvel. Note-se que r n.
T
b01 b02 b0n
xc1 = b01 a01cr+1 xcr+1 a01cn xcn
xcr = b0r a0rcr+1 xcr+1 a0rcn xcn
98
6 Teoria das Matrizes
8 28
Exemplo 27 A matriz A = idempotente uma vez que:
2 7
8 28 8 28 8 8 + (28) 2 8 (28) + (28) (7)
=
2 7 2 7 2 8 + (7) 2 2 (28) + (28) (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= 0
1 4 2
2
0 0 0 0 0 0
1 2 1 6= 1 0 0 6= 0
1 4 2 2 0 0
3
0 0 0
1 2 1 = 0
1 4 2
11
2 39
4 39
4
Exemplo 29 simples confirmar que a matriz A = 1 5 3
2 2
2 3 4
involuntria.
99
6 Teoria das Matrizes
100