Você está na página 1de 460

RON LARSON

ELEMENTOS ELEMENTOS
DE ÁLGEBRA DE ÁLGEBRA
LINEAR LINEAR

ELEMENTOS DE ÁLGEBRA LINEAR


Tradução da 8a edição norte-americana
Tradução da 8 a edição norte-americana

RON LARSON
Elementos de álgebra linear é um livro-texto pedagogicamente sólido,
matematicamente preciso e abrangente. Seu objetivo é fornecer aos
alunos as ferramentas necessárias para o domínio da álgebra linear. OUTRAS
Este livro aborda assuntos relacionados a sistemas de equações lineares, OBRAS
matrizes, determinantes, espaços vetoriais, espaços com produto
interno, transformações lineares e autovalores e autovetores.
Na página do livro, no site da Cengage, o leitor terá acesso a três Álgebra Linear
capítulos extras, cujos assuntos estão relacionados a espaços vetoriais Tradução da 4a edição norte-americana
complexos, programação linear e métodos numéricos. David Poole

Aplicações: livro voltado às necessidades de estudantes de todas as Álgebra Linear


áreas que usam o cálculo como ferramenta, como ciências biológicas, e suas Aplicações
economia e ciências humanas. Pode, ainda, ser usado em cursos de Tradução da 4a edição norte-americana

cálculo da área de ciências exatas e engenharia. Gilbert Strang

Cálculo Aplicado –
Material de apoio para professores e alunos
Curso rápido
Tradução da 9a edição norte-americana
Ron Larson

Cálculo – Volumes 1 e 2
RON LARSON MATERIAL DE APOIO ON-LINE
Tradução da 8a edição norte americana
James Stewart

Elementos de álgebra linear 2_va.indd 1 11/1/17 3:10 PM


Elementos de álgebra linear
Dados Internacionais de Catalogação na Publicação (CIP)

L334e Larson, Ron.


Elementos de álgebra linear / Ron Larson ; re-
visão técnica: Eduardo Garibaldi ; assistente de
revisão técnica: Cleber Fernando Colle ; tradução:
Helena Maria Ávila de Castro. – São Paulo, SP :
Cengage, 2017.

464 p. : il. ; 28 cm.


Inclui índice e apêndice.
Tradução de: Elementary linear algebra (8. ed).
ISBN 9788522127238

1. Álgebra linear. I. Garibaldi, Eduardo. II. Colle,


Cleber Fernando. III. Castro, Helena Maria Ávila de.
IV. Título.

CDU 512.64
CDD 512.5

Índice para catálogo sistemático:


1. Álgebra linear 512.64
(Bibliotecária responsável: Sabrina Leal Araujo – CRB 10/1507)
Elementos de álgebra linear
Tradução da 8ª edição norte-americana

Ron Larson
The Pennsylvania State University
The Behrend College

Tradução: Helena Maria Ávila de Castro

Revisão técnica: Eduardo Garibaldi

Assistente de revisão técnica: Cleber Fernando Colle

Austrália • Brasil • México • Cingapura • Reino Unido • Estados Unidos


Elementos de Álgebra Linear © 2017, 2013, 2009, Cengage Learning
8ª edição norte-americana
© 2018 Cengage Learning Edições Ltda.
1ª edição brasileira
Ron Larson Todos os direitos reservados. Nenhuma parte
deste livro poderá ser reproduzida, sejam quais
Gerente editorial: Noelma Brocanelli forem os meios empregados, sem a permissão,
Editora de desenvolvimento: Gisela Carcinelli por escrito, da Editora. Aos infratores aplicam-se
as sanções previstas nos artigos 102, 104, 106 e
Supervisora de produção gráfica: Fabiana Alencar 107 da Lei no 9.610, de 19 de fevereiro de 1998.
Albuquerque
Editora de aquisições: Guacira Simonelli Esta editora empenhou-se em contatar os respon-
Especialista em direitos autorais: Jenis Oh sáveis pelos direitos autorais de todas as imagens
e de outros materiais utilizados neste livro. Se
Título original: Elementary Linear Algebra – 8e porventura for constatada a omissão involuntária
ISBN-13: 978-1-305-65800-4 na identificação de algum deles, dispomo-nos a
efetuar, futuramente, os possíveis acertos.
Tradução: Helena Maria Ávila de Castro
A Editora não se responsabiliza pelo funcionamen-
Revisão técnica: Eduardo Garibaldi to dos links contidos neste livro que possam estar
Assistente de revisão técnica: Cleber Fernando suspensos.
Colle
Copidesque: Mônica Aguiar Para informações sobre nossos produtos, entre
Revisão: Fábio Gonçalves em contato pelo telefone 0800 11 19 39

Diagramação: Cia. Editorial Para permissão de uso de material


desta obra, envie seu pedido para
Indexação: Casa Editorial Maluhy direitosautorais@cengage.com
Capa: BuonoDisegno
© 2018 Cengage Learning. Todos os direitos reservados.
Imagem da capa: Keo/Shutterstock ISBN 13: 9788522127238
ISBN 10: 8522127239

Cengage Learning
Condomínio E-Business Park
Rua Werner Siemens, 111 – Prédio 11 – Torre A – Conjunto 12
Lapa de Baixo – CEP 05069-900 – São Paulo – SP
Tel.: (11) 3665-9900 – Fax: (11) 3665-9901
SAC: 0800 11 19 39
Para suas soluções de curso e aprendizado, visite
www.cengage.com.br

Impresso no Brasil
Printed in Brazil
1a impressão – 2017
Sumário

1 Sistemas de equações lineares 1


1.1 Introdução a sistemas de equações lineares 2
1.2 Eliminação de Gauss e eliminação Gauss-Jordan 13
1.3 Aplicações de sistemas de equações lineares 25

2 Matrizes 39
2.1 Operações com matrizes 40
2.2 Propriedades das operações com matrizes 52
2.3 A inversa de uma matriz 62
2.4 Matrizes elementares 74
2.5 Cadeias de Markov 84
2.6 Mais aplicações de operações com matrizes 94

3 Determinantes 109
3.1 O determinante de uma matriz 110
3.2 Determinantes e operações elementares 118
3.3 Propriedades dos determinantes 126
3.4 Aplicações de determinantes 134

4 Espaços vetoriais 151


4.1 Vetores em R n 152
4.2 Espaços vetoriais 161
4.3 Subespaços de espaços vetoriais 168
4.4 Conjuntos geradores e independência linear 175
4.5 Base e dimensão 186
4.6 Posto de uma matriz e sistemas de equações lineares 195
4.7 Coordenadas e mudança de base 208
4.8 Aplicações de espaços vetoriais 218

5 Espaços com produto interno 231


5.1 Comprimento e produto escalar em Rn 232
5.2 Espaços com produto interno 243
5.3 Bases ortonormais: processo de Gram-Schmidt 254
5.4 Modelos matemáticos e análise por mínimos quadrados 265
5.5 Aplicações de espaços com produto interno 277

6 Transformações lineares 297


6.1 Introdução às transformações lineares 298
6.2 O núcleo e a imagem de uma transformação linear 309
6.3 Matrizes de transformações lineares 320
6.4 Matrizes de transição e semelhança 330
6.5 Aplicações de transformações lineares 336
VI Elementos de álgebra linear

7 Autovalores e autovetores 347


7.1 Autovalores e autovetores 348
7.2 Diagonalização 359
7.3 Matrizes simétricas e diagonalização ortogonal 368
7.4 Aplicações de autovalores e autovetores 377

8 Espaços vetoriais complexos*

9 Programação linear*

10 Métodos numéricos*

Apêndice A1
Indução matemática e outras formas de demonstração A1

Respostas dos exercícios ímpares e das provas A7

Índice remissivo A41

* Disponível na página deste livro no site da Cengage


Prefácio

Bem-vindo ao livro Elementos de álgebra linear, oitava edição. Tenho orgulho de apresentar-lhe esta edição. Como em
todas as edições, consegui incorporar muitos comentários úteis de vocês, nossos usuários. E embora muito tenha sido
mudado nesta revisão, ainda encontrarão o que esperam – um livro-texto pedagogicamente sólido, matematicamente
preciso e abrangente. Além disso, estou satisfeito e ansioso por lhes oferecer algo novo – um site complementar em
LarsonLinearAlgebra.com. Meu objetivo para cada edição deste livro-texto é fornecer aos alunos as ferramentas de que
precisam para dominar a álgebra linear. Espero que vocês achem que os destaque desta edição, juntamente com o site
LarsonLinearAlgebra.com, ajudem a realizar exatamente isso.

Destaques desta edição


Novo LarsonLinearAlgebra.com
Este site complementar oferece várias ferramentas e
recursos para complementar sua aprendizagem. O aces-
so a esses recursos são gratuitos. Assista a vídeos que
explicam conceitos do livro, explore exemplos, baixe
conjuntos de dados e muito mais. A Cengage não se res-
ponsabiliza por este site, instalações necessárias de plug-
-ins, navegação no site e nos recursos, e não disponibiliza
suporte aos usuários. No caso de dúvidas, sugestões,
reclamações e suporte, contate: larson@larsontexts.com.
Todo o conteúdo do site está em inglês.
Espaços com produto interno 253

ção não é verdadeira em todos os casos ou cite uma 94. Use o resultado do Exercício 93 para encontrar W⊥
afirmação apropriada do texto. quando W for o conjunto gerado por (1, 2, 3) em
85. (a) O produto escalar é o único produto interno que V = R3.
pode ser definido em Rn. 95. Demonstração guiada Seja 〈u, v〉 o produ-
(b) Um vetor não nulo em um espaço com produto to interno euclidiano em Rn. Use o fato de que
interno pode ter uma norma nula.
86. (a) A norma do vetor u é o ângulo entre u e o eixo
〈u, v〉 = uTv para demonstrar que, para qualquer
matriz A de ordem n,
Conjuntos de exercícios revistos
positivo x. (a) kATu, vl 5 ku, Avl
e
Os conjuntos de exercícios foram cuidadosa e ampla-
(b) O ângulo θ entre um vetor v e a projeção de u
em v é obtuso quando o escalar a < 0 e agudo
quando a > 0, onde av = projvu.
(b) 〈ATAu, u〉 = ∙Au∙2. mente examinados para garantir que sejam rigorosos,
Começando: para demonstrar (a) e (b), use as
87. Sejam u = (4, 2) e v = (2, −2) vetores em R2 com o
produto interno 〈u, v〉 = u1v1 + 2u2v2.
propriedades das transpostas (Teorema 2.6) e as relevantes e cubram todos os tópicos necessários
propriedades do produto escalar (Teorema 5.3).
(a) Mostre que u e v são ortogonais. (i) Para demonstrar a parte (a), faça uso repetido para entender os fundamentos da álgebra linear. Os
(b) Represente graficamente u e v. Eles são ortogo- da propriedade 〈u, v〉 = uTv e da Propriedade 4
nais no sentido euclidiano? do Teorema 2.6. exercícios são numerados e com títulos para que você
88. Demonstração Demonstre que (ii) Para demonstrar a parte (b), use a propriedade
∙u + v∙2 + ∙u − v∙2 = 2∙u∙2 + 2∙v∙2 〈u, v〉 = uTv, a Propriedade 4 do Teorema 2.6 possa ver as conexões entre exemplos e exercícios.
e a Propriedade 4 do Teorema 5.3.
para quaisquer vetores u e v num espaço com produ-
to interno V. Muitos exercícios novos, para desenvolver habilida-
96. Ponto crucial
89. Demonstração Demonstre que a função é um
produto interno em Rn (a) Explique como determinar se uma função define des, desafiadores e de aplicação foram adicionados.
〈u, v〉 = c1u1v1 + c2u2v2 + . . . + cnunvn, ci > 0
90. Demonstração Sejam u e v vetores não nulos em
um produto interno.
(b) Sejam u e v vetores em um espaço com produto
Os seguintes tipos de exercícios pedagogicamente
um espaço com produto interno V. Demonstre que
u 2 projvu é ortogonal a v.
interno V, com v ≠ 0. Explique como encontrar
a projeção ortogonal de u em v. comprovados foram incluídos.
91. Demonstração Demonstre a Propriedade 2 do
Teorema 5.7: se u, v e w são vetores em um
〈u + v, w〉 = 〈u, w〉 + 〈v, w〉.
Determinação de pesos em produtos internos Nos • Exercícios “Verdadeiro ou falso”
Exercícios 97-100, encontre c1 e c2 para o produto
92. Demonstração Demonstre a Propriedade 3 do
Teorema 5.7: se u e v são vetores em um espaço com
interno em R2, 〈u, v〉 ∙ c1u1v1 ∙ c2u2v2, de modo que
a curva represente um círculo unitário como mostrado. • Demonstrações
produto interno V e c é número real qualquer, então 97. y 98. y
〈u, cv〉 = c〈u, v〉.
93. Demonstração guiada Seja W um subespaço
3
2
4 • Demonstrações guiadas
||u|| = 1 ||u|| = 1
do espaço com produto interno V. Demonstre que o
conjunto
−3 −2 2 3
x
−3
1

−1 1 3
x • Exercícios dissertativos
W⊥ = { v ∈ V: 〈v, w〉 = 0 para todo w ∈ W }
é um subespaço de V.
−2
−3 −4 • Exercícios “Tecnologia” (indicados em todo o
Começando: para demonstrar que W⊥ é um su-
bespaço de V, você deve mostrar que W⊥ é não vazio
e que as condições de fechamento para um subespaço
99.
5
y 100.
6
y
texto com )
são satisfeitas (Teorema 4.5). 4
||u|| = 1 ||u|| = 1
(i) Encontre um vetor em W⊥ para concluir que ele
não é vazio. −5 −3
1
1 3 5
x x
Os exercícios que utilizam conjuntos de dados ele-
−6 6
(ii) Para mostrar o fechamento de W⊥ para adição,
você deve mostrar que 〈v1 + v2, w〉 = 0 para
−5
−4 trônicos são indicados por . Os dados podem ser
todo w ∈ W e para quaisquer v1, v2 ∈ W⊥. Use −6
as propriedades dos produtos internos e o fato
de que 〈v1, w〉 e 〈v2, w〉 são ambos zero para
101. Considere os vetores u = (6, 2, 4) e v = (1, 2, 0) encontrados na página deste livro no site da Cengage.
do Exemplo 10. Sem usar o Teorema 5.9, mostre
mostrar isso. que, entre todos os múltiplos escalares cv do vetor
(iii) Para mostrar o fechamento para multiplicação v, a projeção de u em v é o vetor mais próximo de
por escalar, proceda como no item (ii). Use as u, isto é, mostre que d(u, projvu) é um mínimo.
propriedades de produtos internos e a condição
de pertencer a W⊥.
VIII Elementos de álgebra linear

Destaque
O Capítulo 2 possui duas seções de aplicação:
Seção 2.5 (Cadeias de Markov) e Seção 2.6 (Mais
aplicações de operações com matrizes). Além disso,
2 Matrizes
a Seção 7.4 (Aplicações de autovalores e autoveto- 2.1 Operações com matrizes
2.2 Propriedades das operações com matrizes
res) inclui conteúdo em otimização restrita. 2.3 A inversa de uma matriz
2.4 Matrizes elementares
2.5 Cadeias de Markov
2.6 Mais aplicações de operações com matrizes

Criptografia de dados

Dinâmica de fluidos computacional

Deflexão da barra

Recuperação de informações
Agendamento de tripulação de voo
Em sentido horário, de cima para a esquerda: Cousin_Avi / Shutterstock.com; Goncharuk / Shutterstock.com;
Gunnar Pippel / Shutterstock.com; Andresr / Shutterstock.com; nostal6ie / Shutterstock.com

62 Elementos de álgebra linear

2.3 A inversa de uma matriz


Introduções dos capítulos
Encontrar a inversa de uma matriz (se existir).
Usar as propriedades das matrizes inversas.
Cada introdução de capítulo destaca cinco aplica-
Usar uma matriz inversa para resolver um sistema de equações lineares. ções reais de álgebra linear encontradas ao longo
MATRIZES E SUAS INVERSAS do capítulo. Muitas das aplicações se referem ao
Na Seção 2.2 foram discutidas algumas das semelhanças entre a álgebra de números reais e a álgebra das
matrizes. Esta seção desenvolve mais a álgebra de matrizes para incluir as soluções das equações matriciais
recurso Álgebra linear aplicada (discutida na página
envolvendo multiplicação de matrizes. Para começar, considere a equação nos números reais ax = b. Para
resolver esta equação e determinar x, multiplique ambos os lados da equação por a−1 (desde que a ≠ 0). seguinte).
ax = b
(a−1a)x = a−1b
(1)x = a−1b Objetivos da seção
x = a−1b
O número a−1 é o inverso multiplicativo de a porque a21a5 1 (o elemento neutro da multiplicação). Uma lista de objetivos de aprendizagem, localizada
A definição do inverso multiplicativo de uma matriz é parecida.
no início de cada seção, fornece a oportunidade de
Definição da inversa de uma matriz
Uma matriz quadrada A de ordem n é inversível (ou não singular) quando existe uma matriz B de visualizar o que será apresentado na próxima seção a
tamanho n × n tal que
AB = BA = In,
ser abordada.
onde In é a matriz identidade de ordem n. A matriz B é a inversa (multiplicativa) de A. Uma matriz
que não possui uma inversa é não inversível (ou singular).
As matrizes não quadradas não têm inversas. Para ver isso, observe que se A é de tamanho m × n e B Teoremas, definições e propriedades
é de tamanho n × m (em que m ≠ n), então os produtos AB e BA são de tamanhos diferentes e não podem
ser iguais entre si. Nem todas as matrizes quadradas têm inversas. (Veja o Exemplo 4.) O próximo teorema, Apresentados em uma linguagem clara e matemati-
no entanto, afirma que, se uma matriz tiver uma inversa, então essa inversa é única.
camente precisa, todos os teoremas, definições e pro-
TEOREMA 2.7 Unicidade da matriz inversa
Se A é uma matriz inversível, então a inversa é única. A inversa de A é denotada por A−1.
priedade são destacados para ênfase e referência fácil.
DEMONSTRAÇÃO
Se A é inversível, então há pelo menos uma inversa B tal que Demonstrações em forma de esboço de
AB = I = BA.
Suponha que A tenha outra inversa C tal que
estrutura
AC = I = CA. Além das demonstrações nos exercícios, algumas
Demonstra-se que B e C são iguais, como mostrado a seguir.
AB = I
delas são apresentadas em forma de esboço de estru-
C(AB) = CI tura. Isso omite a necessidade de cálculos pesados.
(CA)B = C
IB = C
B=C
Consequentemente B = C, e segue que a inversa de uma matriz é única.
Prefácio IX
Determinantes 113

Descoberta TEOREMA 3.1 Expansão por cofatores


EXEMPLO 4 Determinação de uma matriz de transição
Usar o recurso DescobertaSeja
ajuda a desenvol-
A uma matriz quadrada de ordem n. Então o determinante de A é
expansão n
det(A) = ∣A∣ = ∑ a C = a C + a C + . . . + a C da i-ésima Veja LarsonLinearAlgebra.com para uma versão interativa deste tipo de exemplo.
ver uma compreensão intuitiva de conceitos linha j=1
ij ij i1 i1 i2 i2 in in

Encontre a matriz de transição de B para B para as bases de R3 abaixo.


e relações matemáticos. ou expansão n B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} e B′ = {(1, 0, 1), (0, −1, 2), (2, 3, −5)}
det(A) = ∣A∣ = ∑ aijCij = a1jC1j + a2jC2j + . . . + anjCnj. da j-ésima
i=1
coluna SOLUÇÃO
Observações TecnologiaAo expandir por cofatores, você não precisa encontrar cofatores de elementos Primeiro use os vetores nas duas bases para formar as matrizes B e B .

As observações Tecnologia mostram como


nulos, pois zero vezes seu cofator é zero. Des cob erta 1 0 0 1 0 2
B= 0 e B′ = 0 −1
a C = (0)C 1. Seja B = {(1, 0), (1, 2)} 1 0 3
você pode usar as ferramentas =0 computa- ij ij ij
e B′ = {(1, 0), (0, 1)}. Forme
0 0 1 1 2 −5
a matriz [B′ B]. Em seguida, forme a matriz [B′ B] e use a eliminação de Gauss-Jordan para
cionais e softwares adequadamente
A linha (ou coluna) que no
contémpro-
o maior número de zeros é geralmente a melhor
2. Faisso.
opção para expansão por cofatores. O exemplo a seguir ilustra ça uma conjectura reescrever [B′ B] como [I3 P−1].

cesso de resolução de problemas. Muitas sobre a necessidade


de usar a eliminação
1 0 2 1 0 0 1 0 0 −1 4 2
EXEMPLO 4 O determinante de uma matriz de ordem 4 0 −1 3 0 1 0 0 1 0 3 −7 −3
das observações Tecnologia reportam ao de Gauss-Jordan
para obter a matriz de
1 2 −5 0 0 1 Espaços com produto interno
0 0 1 1 255
−2 −1
Encontre o determinante de
Technology Guide, disponível1 (em inglês) transição P quando −1
A partir disso, você pode 1, v2, v3 } = ∙
S = { vconcluir , 0∙, ∙de
que1a, matriz
1
− transição
, , ∙, ∙2, −para
√2 √2 2√2de B
, ∙
2 1B é
∙ ∙

∙ ∙
√2 √2 6 6 3 3 3 3
−2 3 0 a mudança de base
−1 4 2
na página do livro no site da A = Cengage.
−1
0
1
2
0
0
2
3
.
for de uma base não
canônica para uma P−1 = 3
SOLUÇÃO
−7 −3
Primeiro, mostre. que os três vetores são mutuamente ortogonais.

3 4 0 −2 base canônica. 1 −2 −1 1 1
v1 ∙ v2 = − + + 0 = 0
6 6
SOLUÇÃO Multiplique P−1 pela matriz de2 coordenadas
2
de x = [1 2 −1]T para ver que o
1 ∙ v3o=obtido
resultado é o mesmo vque − + 0 = 0 3.
Observe que três dos elementos na terceira coluna são nulos. Então, para eliminar 3√2 no3√Exemplo
2
parte do trabalho na expansão, use a terceira coluna. √2 √2 2√2
v2 ∙ v3 = − − + =0
9 9 9
∣A∣ = 3(C13) + 0(C23) + 0(C33) + 0(C4433) Agora, cada vetor tem comprimento 1 pois
Os cofatores C23, C33 e C43 têm coeficientes nulos, de modo que você precisa ape- ∙v1∙ = √v1 ∙ v1 = √12 + 12 + 0 = 1
TECNOLOGIA nas encontrar o cofator C13. Para fazer isso, elimine a primeira linha e a terceira ∙v2∙ = √v2 ∙ v2 = √181 + 181 + 89 = 1

∣ ∣
coluna de A e calcule o determinante da matriz resultante. ∙v3∙ = √v3 ∙ v3 = √9 + 9 + 9 = 1.
4 4 1
Muitas ferramentas computa-
cionais e softwares podem −1 1 2 z Assim, S é um conjunto ortonormal. Os três vetores não se encontram no mesmo
encontrar o determinante de C13 = (−1)1+3 0 2 3 Elimine a 1a linha e 3a coluna. plano (ver a Figura 5.11), então decorre que eles geram R3. Pelo Teorema 4.12,
eles formam uma base ortonormal (não canônica) de R3.
) k (− 62 , )
uma matriz quadrada. Se você −2

∣ ∣
3 4
usar uma ferramenta computa- ( 2, −2, 1
3 3 3 6
2, 2 2
3
−1 1 2 v2 EXEMPLO 2 Uma base ortonormal para P3
cional, então poderá ver algo v3
semelhante na tela abaixo para = 0 2 3 Simplifique. i Em P3, com o produto interno
3 4 −2 v1 j
o Exemplo 4. O Technology 〈 p, q〉 = a0b0 + a1b1 + a2b2 + a3b3
Guide, disponível na página
( 12 , )
x
1 ,0 y
A expansão por cofatores ao longo da segunda linha fornece a base canônica B = { 1, x, x2, x3 } é ortonormal. A verificação disso é deixada
deste livro no site da Cengage, 2

∣ ∣ ∣ ∣ ∣ ∣
como exercício. (Veja o Exercício 17.)
pode ajudá-lo a usar a tecnolo- 1 2 −1 2 −1 1 Figura 5.11
gia para encontrar um C13 = (0)(−1)2+1 + (2)(−1)2+2 + (3)(−1)2+3
4 −2 3 −2 3 4
determinante. A análise da frequência temporal de sinais fisiológicos
= 0 + 2(1)(−4) + 3(−1)(−7) ÁLGEBRA
irregulares, como variações do ritmo cardíaco de batimen-
A LINEAR
[[1 -2 3 0 ] = 13. APLICADA
to a batimento (também conhecido como variabilidade da
[-1 1 0 2 ] frequência cardíaca ou HRV, na sigla em inglês), pode ser
[0 2 0 3 ] Você obtém difícil. Isso ocorre porque a estrutura de um sinal pode
[3 4 0 -2]] incluir múltiplos componentes periódicos, não periódi-
det A 1 A 1 5 3(13) cos e pseudoperiódicos. Pesquisadores propuseram e
39 validaram um método simplificado de análise de HRV
Sebastian Kaulitzki/Shutterstock.com

= 39. chamado partição de base ortonormal e representação


de frequência temporal (OPTR, na sigla em inglês). Este
método exibe mudanças abruptas e lentas na estrutura
do sinal de HRV, divide um sinal de HRV não estacionário
em segmentos que são “menos não estacionários” e
determinam padrões na HRV. Pesquisadores descobriram
que, apesar de ter uma resolução de tempo fraca em sinais
que mudaram gradualmente, o método OPTR representou
com precisão multicomponentes e mudanças abruptas em
sinais de HRV reais e simulados.
Fonte: Orthonormal-Basis Partitioning and Time-Frequency
Representation of Cardiac Rhythm Dynamics, Aysina, Benhur, et
al., IEEE Transactions on Biomedical Engineering, 52, n. 5)

O conjunto ortogonal no próximo exemplo é usado para construir aproxima-


ções de Fourier de funções contínuas. (Veja a Seção 5.5.)
108 Elementos de álgebra linear

2 Projetos
1 Exploring Matrix Multiplication Álgebra linear aplicada
1 Explorando a multiplicação de matrizes
Teste 1 Teste 2
A tabela mostra os dois primeiros resultados de provas para Anna, Bruce, Chris e O recurso Álgebra linear aplicada descreve uma apli-
David. Use a tabela para criar uma matriz M para representar os dados. Insira M em
Anna 84 96 um software ou uma ferramenta computacional e use-o para responder as seguintes
perguntas.
cação real de conceitos discutidos em uma seção. Estas
Bruce 56 72
Chris 78 83
1. Qual prova foi mais difícil? Qual foi mais fácil? Explique.
2. Como você classificaria os desempenhos dos quatro alunos?
aplicações incluem biologia e ciências da vida, negócios
David 82 91
3. Descreva os significados dos produtos de matrizes M
1
0
eM
0
1
. [] [] e economia, engenharia e tecnologia, ciências físicas e
4. Descreva os significados dos produtos de matrizes [1 0 0 0]M e [0 0 1 0]M.
estatística e probabilidade.
5. Descreva os significados dos produtos de matrizes M
1 1 1
e M
1 2 1
. [] []
6. Descreva os significados dos produtos de matrizes [1 1 1 1]M e
1
4 [1 1 1 1]M.
Exercícios Ponto crucial
7. Descreva o significado do produto de matrizes [1 1 1 1]M
1
1
. []
8. Use a multiplicação de matrizes para encontrar a pontuação média geral com- Ponto crucial é um problema conceitual que sintetiza
binada de ambas as provas.
9. Como você pode usar a multiplicação de matrizes para mudar a escala das pon-
tuações na prova 1 por um fator de 1,1?
tópicos-chave para verificar a compreensão dos alunos
2 Matrizes nilpotentes
Seja A uma matriz quadrada não nula. É possível que exista um inteiro positivo k
sobre os conceitos da seção. Eu os recomendo.
tal que Ak = O? Por exemplo, encontre A3 para o matriz

[ ]
0 1 2
A= 0
0
0
0
1 .
0
Projetos do capítulo
A matriz quadrada A é nilpotente de índice k quando A ≠ O, Oferecem a oportunidade para atividades em grupo ou
A2 ≠ O, . . . , Ak−1 ≠ O, mas Ak = O. Neste projeto, você explorará matrizes
nilpotentes.
1. A matriz no exemplo acima é nilpotente. Qual é o índice?
trabalhos de casa mais extensos, estando focados em
2. Use um software ou uma ferramenta computacional para determinar quais ma-
trizes abaixo são nilpotentes e encontre seus índices.
conceitos teóricos ou aplicações. Muitos incentivam o
(a) [
0
0
1
0 ] (b)
0
1
1
0 [ (c)
0
1
0
0 ] [ ] uso da tecnologia.
[ ] [ ]
0 0 1 0 0 0
(d) [11 0
0] (e) 0 0 0 (f) 1 0 0
0 0 0 1 1 0
3. Encontre matrizes nilpotentes 3 × 3 de índices 2 e 3.
4. Encontre matrizes nilpotentes 4 × 4 de índices 2, 3 e 4.
5. Encontre uma matriz nilpotente de índice 5.
6. As matrizes nilpotentes são inversíveis? Demonstre sua resposta.
7. Quando A é nilpotente, o que você pode dizer sobre AT? Demonstre sua resposta.
8. Mostre que, se A é nilpotente, então I − A é inversível.
Agradecimentos
Gostaria de agradecer muitas pessoas que me ajudaram durante várias etapas da redação desta nova edi-
ção. Em particular, valorizo os comentários das dezenas de instrutores que participaram de uma pesquisa
detalhada sobre como eles ensinam álgebra linear. Também valorizo os esforços dos seguintes colegas que
forneceram valiosas sugestões desde a primeira edição deste texto:
Michael Brown, San Diego Mesa College
Nasser Dastrange, Buena Vista University
Mike Daven, Mount Saint Mary College
David Hemmer, University of Buffalo, SUNY
Wai Lau, Seattle Pacific University
Jorge Sarmiento, County College of Morris.
Gostaria de agradecer Bruce H. Edwards, da University of Florida e David C. Falvo, da Pennsylvania
State University, do Behrend College, por suas contribuições para edições anteriores de Elementos de
álgebra linear.
Em um nível pessoal, agradeço minha esposa, Deanna Gilbert Larson, por seu amor, paciência e apoio.
Além disso, agradeço especialmente a R. Scott O’Neil.

Ron Larson, Ph.D.


Professor de Matemática
Penn State University
www.RonLarson.com

MATERIAL DE APOIO PARA ESTUDANTES


• Data Sets
• Exercícios de Matlab
• Technology Guide
Materiais disponíveis em inglês.

MATERIAL DE APOIO PARA PROFESSORES


• Material de soluções
Material em inglês.
1 Sistemas de equações
lineares
1.1 Introdução a sistemas de equações lineares
1.2 Eliminação de Gauss e eliminação de Gauss-Jordan
1.3 Aplicações de sistemas de equações lineares

Fluxo de tráfico

Análise de rede elétrica

Sistema de posicionamento global

Velocidade de um avião

Em sentido horário, de cima para a esquerda: Rafal Olkis/Shutterstock.com;


michaeljung/Shutterstock.com; Fernando Jose V. Soares/Shutterstock.com;
Alexander Raths/Shutterstock.com; edobric/Shutterstock.com
Balanceamento de equações químicas
2 Elementos de álgebra linear

1.1 Introdução a sistemas de equações lineares


Reconhecer uma equação linear em n variáveis.
Encontrar uma representação paramétrica de um conjunto solução.
 Determinar se um sistema de equações lineares é consistente ou inconsistente.
 Usar a substituição regressiva e a eliminação de Gauss para resolver um sistema de
equações lineares.

EQUAÇÕES LINEARES EM n VARIÁVEIS


O estudo da álgebra linear exige familiaridade com álgebra, geometria analítica e trigonometria.
Ocasionalmente, você encontrará exemplos e exercícios que exigem o conhecimento de cálculo e estes
estão destacados no texto.
No começo de seu estudo de álgebra linear, você descobrirá que muitos dos métodos de solução
envolvem diversos passos aritméticos, assim é essencial que verifique seus cálculos. Use um software ou
uma calculadora para verificar seus cálculos e executar rotinas computacionais.
Embora você tenha familiaridade com parte do material deste capítulo, deveria estudar cuidadosa-
mente os métodos apresentados. Isso irá cultivar e clarear sua intuição para o material mais abstrato que
vem a seguir.
Lembre-se da geometria analítica que a equação de uma reta no espaço tridimensional tem a forma
a1x + a2y = b,   a1, a2 e b são constantes.
Isso é uma equação linear em duas variáveis x e y. Analogamente, a equação de um plano no espaço
tridimensional tem a forma
a1x + a2 y + a3z = b,   a1, a2, a3 e b são constantes.
Essa é uma equação linear em três variáveis x, y e z. Uma equação linear em n variáveis é definida
abaixo.

Definição de uma equação linear em n variáveis


Uma equação linear em n variáveis x1, x2, x3, . . . , xn tem a forma
a1x1 + a2 x2 + a3 x3 + . . . + an xn = b.
Os coeficientes a1, a2, a3, . . . , an são números reais e o termo constante b é um número real. O
número a1 é o coeficiente principal e x1 é a variável principal.

As equações lineares não têm produtos ou raízes de variáveis e nenhuma variável envolvida em
funções trigonométricas, exponencial ou logarítmica. As variáveis aparecem apenas na primeira potência.

EXEMPLO 1 Equações lineares e não lineares

Cada equação é linear.


a.  3x + 2y = 7 b.  12x + y − πz = √2 c.  (sen π)x1 2 4x2 5 e2
Cada equação é não linear.
a.  xy + z = 2 b.  e x − 2y = 4 c.  sen x1 1 2x2 2 3x3 5 0

SOLUÇÕES E CONJUNTOS SOLUÇÃO


Uma solução de uma equação linear em n variáveis é uma sequência de n números reais s1, s2, s3, . . . , sn que
satisfazem a equação linear quando você substitui os valores
Sistemas de equações lineares 3

x1 = s1,  x 2 = s2,  x 3 = s3,   . . . ,   xn = sn


na equação. Por exemplo, x1 = 2 e x 2 = 1 satisfazem a equação x1 + 2x2 = 4. Algumas outras soluções
são x1 = −4 e x 2 = 4, x1 = 0 e x2 5 2 ou ainda x1 = −2 e x 2 = 3.
O conjunto de todas as soluções de uma equação linear é seu conjunto solução e quando tiver encon-
trado esse conjunto, terá resolvido a equação. Para descrever completamente o conjunto solução de uma
equação linear, use uma representação paramétrica, como ilustrado nos Exemplos 2 e 3.

EXEMPLO 2 Representação paramétrica de um conjunto solução

Resolva a equação linear x1 + 2x2 = 4.


SOLUÇÃO
Para encontrar o conjunto solução de uma equação envolvendo duas variáveis, isole uma das variáveis em termos
da outra variável. Isolando x1 em termos de x2, você obtém
x1 = 4 − 2x2.
Nessa forma, a variável x2 é livre, o que significa que ela pode assumir qualquer valor real. A variável x1
não é livre, pois seu valor depende do valor designado para x2. Para representar as infinitas soluções dessa
equação, é conveniente introduzir uma terceira variável t chamada de parâmetro. Tomando x2 = t, pode-
-se representar o conjunto solução por
x1 = 4 − 2t,  x2 = t,  t é qualquer número real.
Para obter soluções particulares, dê valores ao parâmetro t. Por exemplo, t = 1 fornece a solução x1 = 2
e x2 = 1, enquanto t = 4 fornece a solução x1 = −4 e x2 = 4.

Para representar parametricamente o conjunto solução da equação linear no Exemplo 2 de outra


maneira, você poderia escolher x1 como a variável livre. A representação paramétrica do conjunto solução
teria então a forma
x1 = s,  x2 = 2 − 12s,  s é qualquer número real.
Por conveniência, quando uma equação tem mais de uma variável livre, escolha as variáveis que ocorrem
por último na equação como variáveis livres.

EXEMPLO 3 Representação paramétrica de um conjunto solução

Resolva a equação linear 3x + 2y − z = 3.


SOLUÇÃO
Ao escolher y e z como variáveis livres, isole x para obter
3x = 3 − 2y + z
x = 1 − 23y + 13z.
Tomando y = s e z = t, você obtém a representação paramétrica
x = 1 − 23s + 13t,  y = s,  z = t
onde s e t são números reais quaisquer. Duas soluções particulares são
x = 1, y = 0, z = 0  e  x = 1, y = 1, z = 2.

SISTEMAS DE EQUAÇÕES LINEARES


Um sistema de m equações lineares a n incógnitas é um conjunto de m equações, cada uma das quais é
linear nas mesmas n variáveis:
4 Elementos de álgebra linear

a11x1 + a12x2 + a13x3 + . . . + a1n xn = b1


a21x1 + a22x2 + a23x3 + . . . + a2n xn = b2
a31x1 + a32x2 + a33x3 + . . . + a3n xn = b3
OBSERVAÇÃO ⋮
A notação com dois índices
am1x1 + am2x2 + am3x3 + . . . + amn xn = bm.
subscritos indica que aij é o Um sistema de equações lineares também é chamado de sistema linear. Uma
coeficiente de xj na i-ésima solução de um sistema linear é uma sequência de números s1, s2, s3, . . . , sn que
equação. é solução de cada equação do sistema. Por exemplo, o sistema
3x1 + 2x2 = 3
−x1 + x2 = 4
tem x1 = −1 e x2 = 3 como uma solução, pois o par x1 = −1 e x2 = 3 satisfaz
ambas as equações. Por outro lado, x1 = 1 e x2 = 0 não é solução do sistema
linear, pois esses valores satisfazem apenas a primeira equação do sistema.

DESCO B ERTA
1. Trace as duas retas

3x − y = 1
2x − y = 0

no plano xy. Onde elas se interceptam? Quantas soluções esse


sistema de equações lineares tem?
2. Repita essa análise para os pares de retas

3x − y = 1 3x − y = 1
e
3x − y = 0 6x − 2y = 2.

3. Quais tipos básicos de conjuntos solução são possíveis para


um sistema de duas equações lineares em duas incógnitas?
Veja LarsonLinearAlgebra.com para uma versão interativa desse
tipo de exercício.

Em uma reação química, os átomos se reorganizam em uma


ÁLGEBRA ou mais substâncias. Por exemplo, quando o gás metano
LINEAR (CH4 ) se combina com o oxigênio (O2) e queima, são for-
mados dióxido de carbono (CO2 ) e água (H2O). Os químicos
APLICADA
representam esse processo por uma equação química da
forma

(x1)CH4 + (x2)O2 → (x3)CO2 + (x4)H2O.

Uma reação química não pode nem criar nem destruir


átomos. Assim, todos os átomos representados no lado
esquerdo da flecha também devem estar no lado direito
Elnur/Shutterstock.com

dela. Isso é chamado de balanceamento da equação


química. No exemplo acima, os químicos podem usar um
sistema de equações lineares para achar os valores de x1,
x2, x3 e x4 que irão balancear a equação química.
Sistemas de equações lineares 5

É possível que um sistema linear tenha exatamente uma solução, infinitas soluções ou nenhuma
solução. Um sistema linear é consistente quando tem pelo menos uma solução e inconsistente quando
não tem nenhuma solução.

EXEMPLO 4 Sistemas de duas equações em duas variáveis


Resolva e represente graficamente cada sistema de equações lineares.
a.  x + y = 3 b.  x + y = 3 c.  x + y = 3

x − y = −1 2x + 2y = 6 x+y=1

SOLUÇÃO
a. Esse sistema tem exatamente uma solução, x = 1 e y = 2. Uma forma de obter a solução é somar as duas
equações para obter 2x = 2, o que implica que x = 1 e, assim, y = 2. A representação gráfica deste siste-
ma consiste em duas retas que se interceptam, como mostrado na Figura 1.1(a).
b.  Esse sistema tem infinitas soluções porque a segunda equação é o resultado da multiplicação de ambos
os lados da primeira equação por 2. Uma representação paramétrica do conjunto solução é
x = 3 − t,  y = t,  t é qualquer número real.
A representação gráfica deste sistema consiste em duas retas coincidentes, como mostrado na Figura 1.1(b).
c.  Esse sistema não tem nenhuma solução porque a soma de dois números não pode ser 3 e 1 simultanea-
mente. A representação gráfica deste sistema consiste em duas retas paralelas, como mostra a Figura 1.1(c).

y y y

4 3 3

3 2
2
2 1
1
1 x
−1 1 2 3
x x −1
−1 1 2 3 1 2 3

a. Duas retas que se b.  Duas retas coincidentes: c.  Duas retas paralelas:
interceptam:
x+y= 3 x+ y=3 x+y=3

x − y = −1 2x + 2y = 6 x+y=1
Figura 1.1

O Exemplo 4 ilustra os três tipos básicos de conjuntos solução que são possíveis para um sistema
de duas equações lineares. Esse resultado será enunciado aqui sem demonstração. (A demonstração será
fornecida mais tarde no Teorema 2.5.)

Número de soluções de um sistema de equações lineares


Para um sistema de equações lineares, precisamente uma das afirmações abaixo é verdadeira.
1.  O sistema tem exatamente uma solução (sistema consistente).
2.  O sistema tem infinitas soluções (sistema consistente).
3.  O sistema não tem nenhuma solução (sistema inconsistente).
6 Elementos de álgebra linear

RESOLVENDO UM SISTEMA DE EQUAÇÕES LINEARES


Qual sistema é mais fácil de resolver algebricamente?
x − 2y + 3z = 9 x − 2y + 3z = 9
−x + 3y = −4 y + 3z = 5
2x − 5y + 5z = 17 z=2
O sistema à direita é claramente mais fácil de resolver. Esse sistema está na forma escalonada por linhas,
o que significa que ele está em um padrão “degraus de escada” com coeficientes principais iguais a 1. Para
resolver um desses sistemas, usamos a substituição regressiva.

EXEMPLO 5 U so da substituição regressiva na forma escalonada por


linhas

Use substituição regressiva para resolver o sistema.


x − 2y = 5 Equação 1
y = −2 Equação 2

SOLUÇÃO
Da equação 2, você sabe que y = −2. Ao substituir y por esse valor na Equação 1, você obtém
x 2 (22) 5 5 Substitua y por 22.
x = 1. Isole x.

Esse sistema tem exatamente uma solução: x = 1 e y = −2.

O termo substituição regressiva significa que você trabalha de trás para frente. Por exemplo, no
Exemplo 5, a segunda equação lhe dá o valor de y. Então você substitui esse valor na primeira equação
para determinar x. O Exemplo 6 demonstra mais esse procedimento.

Uso da substituição regressiva na forma escalonada por


EXEMPLO 6 linhas
Resolva o sistema.
x − 2y + 3z = 9 Equação 1
y + 3z = 5 Equação 2
z = 2 Equação 3

SOLUÇÃO
Da Equação 3, você sabe o valor de z. Para determinar y, substitua z = 2 na Equação 2 para obter
y 1 3(2) 5 5 Substitua z por 2.
y = −1. Determine y.
A seguir, substitua y = −1 e z = 2 na Equação 1 para obter
x 2 2(21) 1 3(2) 5 9 Substitua y por 21 e z por 2.
x = 1. Determine x.

A solução é x = 1, y 5 21 e z = 2.

Dois sistemas de equações lineares são equivalentes quando eles têm o mesmo conjunto solução. Para
resolver um sistema que não esteja na forma escalonada por linha, primeiro o reescreva como um sistema
equivalente que esteja na forma escalonada por linhas usando as operações a seguir.

Operações que produzem sistemas equivalentes


Cada uma destas operações aplicadas a um sistema de equações lineares produz um sistema equivalente.
1.  Permutar duas equações.
2.  Multiplicar uma equação por uma constante não nula.
3.  Adicionar um múltiplo de uma equação a outra equação.
Sistemas de equações lineares 7

Reescrever um sistema de equações na forma escalonada por linhas em geral


envolve uma série de sistemas equivalentes, usando uma das três operações bási-
cas para obter cada sistema. Esse processo é chamado de eliminação de Gauss,
em homenagem ao matemático alemão Carl Friedrich Gauss (1977-1855).

Uso da eliminação para reescrever um


EXEMPLO 7 sistema na forma escalonada por linhas
Veja LarsonLinearAlgebra.com para uma versão interativa desse tipo de exemplo.
Nicku/Shutterstock.com

Resolva o sistema.
x − 2y + 3z = 9
−x + 3y = −4
2x − 5y + 5z = 17
Carl Friedrich Gauss
(1777-1855) SOLUÇÃO
O matemático alemão
Carl Friedrich Gauss é Embora existam diversas maneiras de começar, você gostaria de usar um proce-
reconhecido, com Newton dimento sistemático que possa ser aplicado a sistemas maiores. Trabalhe a partir
e Arquimedes, como do canto esquerdo de cima do sistema, mantendo o x no canto esquerdo de cima e
um dos três maiores eliminando os outros termos em x da primeira coluna.
matemáticos da história.
Gauss usou uma forma
x − 2y + 3z = 9 Somar a primeira equação à
y + 3z = 5 segunda equação produz uma
do que agora é conhecido
nova segunda equação.
como eliminação de Gauss 2x − 5y + 5z = 17
em sua pesquisa. Embora
o nome desse método lhe
x − 2y + 3z = 9 Somar por 22 a primeira equação mul-
renda uma homenagem, y + 3z = 5 tiplicada por 22 à terceira equação pro-
os chineses usaram um −y − z = −1 duz uma nova terceira equação.
método quase idêntico
cerca de 2.000 anos antes
Agora que você eliminou todos exceto o primeiro x da primeira coluna, trabalhe
de Gauss. na segunda coluna.
x − 2y + 3z = 9 Somar a segunda equação à ter-
y + 3z = 5 ceira equação produz uma nova
2z = 4 terceira equação.

x − 2y + 3z = 9 Multiplicar a terceira equação


y + 3z = 5 por 12 produz uma nova terceira
x − 2y +3z = 9 z=2 equação.

Esse é o mesmo sistema que você resolveu no Exemplo 6 e, como naquele exem-
2x − 5y + 5z = 17
plo, a solução é
−x + 3y = − 4 x = 1, y = −1, z = 2.
z

Cada uma das três equações no Exemplo 7 representa um plano em um


(1, − 1, 2) sistema de coordenadas tridimensional. A solução única do sistema é o ponto
(x, y, z) = (1, −1, 2), de modo que os planos se interceptam nesse ponto, como
mostrado na Figura 1.2.
y Em geral são necessários muitos passos para resolver um sistema de equações
x lineares, de modo que é muito fácil cometer erros aritméticos. Você deveria desen-
volver o hábito de verificar sua solução ao substituí-la em cada uma das equa-
ções do sistema original. Por exemplo, no Exemplo 7, verifique a solução x 5 1,
y 5 21 e z 5 2, como mostrado abaixo.

Figura 1.2 Equação 1: (1) 2 2(21) 1 3(2) 5 9 Substitua a solução em


Equação 2: 2(1) 1 3(21) 5 24 cada equação do sistema
Equação 3: 2(1) 2 5(21) 1 5(2) 5 17 original.
8 Elementos de álgebra linear

O próximo exemplo envolve um sistema inconsistente – um que não tem nenhuma solução. A chave
para reconhecer um sistema inconsistente é que, em algum estágio do processo de eliminação de Gauss,
você obtém uma afirmação falsa, tal como 0 5 22.

EXEMPLO 8 Um sistema inconsistente


Resolva o sistema.
x1 − 3x2 + x3 = 1
2x1 − x2 − 2x3 = 2
x1 + 2x2 − 3x3 = −1

SOLUÇÃO
x1 − 3x2 + x3 = 1 Somar a primeira equação multi-
5x2 − 4x3 = 0   plicada por 22 à segunda equação
produz uma nova segunda equação.
x1 + 2x2 − 3x3 = −1
x1 − 3x2 + x3 = 1 Somar a primeira equação multipli-
5x2 − 4x3 = 0   cada por 21 à terceira equação pro-
5x2 − 4x3 = −2 duz uma nova terceira equação.

(Outra maneira de descrever essa operação é dizer que você subtraiu a primeira equação da terceira
equação para produzir uma nova terceira equação.)
x1 − 3x2 + x3 = 1 Subtrair a segunda equação da
5x2 − 4x3 = 0   terceira equação produz uma
0 = −2 nova terceira equação.

A afirmação 0 5 22 é falsa, assim o sistema não tem nenhuma solução. Além disso, esse sistema é
equivalente ao sistema original, de modo que o sistema original também não tem solução.

x1 + 2x2 − 3x3 = − 1 Como no Exemplo 7, as três equações do Exemplo 8 representam


planos em um sistema de coordenadas tridimensional. Nesse exemplo,
x1 − 3x2 + x3 = 1 entretanto, o sistema é inconsistente. Assim, os planos não têm um
x3 ponto em comum, como mostrado à esquerda.
Essa seção termina com um exemplo de um sistema de equações
lineares que tem infinitas soluções. Você pode representar o conjunto
solução de um desses sistemas em uma forma paramétrica, como fez
nos Exemplos 2 e 3.

x1 x2

2x1 − x2 − 2x3 = 2

EXEMPLO 9 Um sistema com infinitas soluções

Resolva o sistema.
x2 − x3 = 0
x1 − 3x3 = −1
−x1 + 3x2 = 1
Sistemas de equações lineares 9

SOLUÇÃO
Comece reescrevendo o sistema na forma escalonada por linhas, como mostrado
abaixo.
x1 − 3x3 = −1 Permute as duas pri-
x2 − x3 = 0 meiras equações
−x1 + 3x2 = 1
x1 − 3x3 = −1 Somar a primeira equação à ter-
x2 − x3 = 0 ceira equação produz uma nova
3x2 − 3x3 = 0 terceira equação.
x1 − 3x3 = −1 Somar a segunda equação mul-
x2 − x3 = 0 tiplicada por 23 à terceira equa-
0= 0 ção elimina a terceira equação.
A terceira equação é desnecessária, assim omita-a para obter o sistema mostrado
abaixo.
x1 − 3x3 = −1
x2 − x3 = 0
Para representar as soluções, escolha x3 como variável independente e repre-
sente-a pelo parâmetro t. Como x2 5 x3 e x1 5 3x3 2 1, você pode descrever o
conjunto solução por
x1 = 3t − 1, x2 = t, x3 = t, t é qualquer número real.

DESCO B ERTA
1. Faça o gráfico das duas retas que compõem o sistema de
equações.
x − 2y = 1
−2x + 3y = −3
2. Use eliminação de Gauss para resolver esse sistema como
mostrado abaixo.
x − 2y = 1
−1y = −1
OBSERVAÇÃO x − 2y = 1
Será pedido que você repi- y=1
ta essa análise gráfica para
x=3
outros sistemas nos Exercícios
y=1
91 e 92.
Represente graficamente o sistema de equações que você
obtém em cada passo nesse processo. O que observa sobre as
retas?

Veja LarsonLinearAlgebra.com para uma versão interativa desse tipo de


exercício.
10 Elementos de álgebra linear

1.1  Exercícios
Equações lineares  Nos Exercícios 1-6, determine se Análise gráfica  Nos Exercícios 31-36, complete as
a equação é linear nas variáveis x e y. partes (a)-(e) para o sistema de equações.
 1. 2x − 3y = 4  2. 3x − 4xy = 0 (a) Use uma ferramenta computacional para
representar graficamente o sistema.
3 2
 3. + − 1 = 0  4. x 2 + y2 = 4 (b) Use o gráfico para determinar se o sistema é
y x consistente ou inconsistente.
 5. 2 sen x 2 y 5 14  6. (cos 3)x + y = −16 (c) Se o sistema for consistente, aproxime a solu-
ção.
Representação paramétrica  Nos Exercícios 7-10, (d) Resolva o sistema algebricamente.
encontre uma representação paramétrica do conjunto (e) Compare a solução na parte (d) com a aproxi-
solução da equação linear. mação na parte (c). O que você pode concluir?
 7. 2x − 4y = 0  8. 3x − 12 y = 9 31. −3x − y = 3 32. 4x − 5y = 3

 9. x + y + z = 1 6x + 2y = 1 −8x + 10y = 14
10. 12x1 + 24x2 − 36x3 = 12 33. 2x − 8y = 3 34. 9x − 4y = 5
1 1 1
2x + y = 0 2x + 3 y = 0
Análise gráfica  Nos Exercícios 11-24, represente
graficamente o sistema de equações lineares. Resolva 35. − = 8y 9= 9 36. −14,7x
4x − 4x 8y −14,7x +=
+ 2,1y = 1,05
2,1y 1,05

o sistema e interprete sua resposta. 0,8x −0,8x −=
1,6y 1,8= 1,8
1,6y 44,1x44,1x −=
− 6,3y −3,15
6,3y = −3,15
11. 2x + y = 4 12. x + 3y = 2 Sistema de equações lineares  Nos Exercícios

x−y=2 −x + 2y = 3 37-56, resolva o sistema de equações lineares.
1 1
13. −x + y = 1 14. − = 1
2x 3y
37. x1 − x2 = 0 38. 3x + 2y = 2

3x − 3y = 4 −2x + = −4 4 3x1 − 2x2 = −1 6x + 4y = 14
3y
15. 3x − 5y = 7 16. −x + 3y = 17 39. 3u + v = 240 40. x1 − 2x2 = 0

2x + y = 9 4x + 3y = 7 u + 3v = 240 6x1 + 2x2 = 0
17. 2x − y = 5 18. x − 5y = 21 41. 9x − 3y = −1 42. 23x1 + 16x2 = 0
1 2 1
5x − y = 11 6x + 5y = 21 5x + 5y = − 3 4x1 + x2 = 0
x+3 y−1 x−1 y+2 x−2 y−1
19. + = 1 20. + =4 43. + = 2
4 3 2 3 4 3

2x − y = 12 x − 2y = 5 x − 3y = 20
21. 0,05x 2 0,03y 5 0,07 22. 0,2x 2 0,5y 5 227,8 x1 + 4 x2 + 1
 44. + = 1
0,07x 1 0,02y 5 0,16 0,3x 2 0,4y 5 268,7 3 2

3x1 − x2 = −2
x y 2x y 2
23. + = 1 24. + = 45. 0,02x1 2 0,05x2 5 20,19
4 6 3 6 3
0,03x1 1 0,04x2 5 20,52
x−y=3 4x + y = 4
46. 0,05x1 2 0,03x2 5 0,21
Substituição regressiva  Nos Exercícios 25-30, use 
0,07x1 1 0,02x2 5 0,17
substituição regressiva para resolver o sistema.
25. x1 − x2 = 2 26. 2x1 − 4x2 = 6 47. x − y − z = 0

x2 = 3 3x2 = 9 x + 2y − z = 6
27. −x + y − z = 0 28. x − y = 5 2x −z=5
2y + z = 3 3y + z = 11 48. x + y + z = 2
1
2z = 0 4z = 8 −x + 3y + 2z = 8
29. 5x1 + 2x2 + x3 = 0 30. x1 + x2 + x3 = 0 4x + y =4

2x1 + x2 =0 x2 =0 49. 3x1 − 2x2 + 4x3 = 1
x1 + x2 − 2x3 = 3
2x1 − 3x2 + 6x3 = 8
O símbolo    indica um exercício no qual você é instruído a usar uma
ferramenta computacional ou um software.
Sistemas de equações lineares 11

50. 5x1 − 3x2 + 2x3 = 3 Número de soluções  Nos Exercícios 63-66, diga por
2x1 + 4x2 − x3 = 7 que o sistema de equações deve ter pelo menos uma
x1 − 11x2 + 4x3 = 3 solução. A seguir, resolva o sistema e determine se ele
tem exatamente uma solução ou infinitas soluções.
51. 2x1 + x2 − 3x3 = 4
4x1 + 2x3 = 10 63. 4x + 3y + 17z = 0 64. 2x + 3y =0
−2x1 + 3x2 − 13x3 = −8 5x + 4y + 22z = 0 4x + 3y − z = 0
4x + 2y + 19z = 0 8x + 3y + 3z = 0
52. x1 + 4x3 = 13
4x1 − 2x2 + x3 = 7 65. 5x + 5y − z = 0 66. 16x + 3y + z = 0
2x1 − 2x2 − 7x3 = −19 10x + 5y + 2z = 0 16x + 2y − z = 0
5x + 15y − 9z = 0
53. x − 3y + 2z = 18

5x − 15y + 10z = 18 67. Nutrição  Um copo de oito onças de suco de maçã
54. x1 − 2x2 + 5x3 = 2 e um copo de oito onças de suco de laranja contém
um total de 227 miligramas de vitamina C. Dois
3x1 + 2x2 − x3 = −2
copos de oito onças de suco de maçã e três copos de
55. x+ y+z+ w=6 oito onças de suco de laranja contém um total de 578
2x + 3y − w=0 miligramas de vitamina C. Quanta vitamina C há em

−3x + 4y + z + 2w = 4 um copo de oito onças de cada tipo de suco?
x + 2y − z + w = 0 68. V elocidade do avião  Dois aviões saem do aeroporto
56. −x1 + 2x4 = 1 internacional de Los Angeles e voam em direções opos-
4x2 − x3 − x4 = 2 tas. O segundo avião começa 12 hora depois do primeiro

x2 − x4 = 0 avião, mas sua velocidade escalar é 80 quilômetros
3x1 − 2x2 + 3x3 =4 por hora maior. Duas horas depois de o primeiro avião
partir, os aviões estão a 3.200 quilômetros de distância.
Sistema de equações lineares  Nos Exercícios 57-62, Encontre a velocidade de voo de cada avião.
use um software ou uma ferramenta gráfica para resol-
ver o sistema de equações lineares. Verdadeiro ou falso?  Nos Exercícios 69 e 70, deter-
mine se cada afirmação é verdadeira ou falsa. Se a
123,5x + 61.3y
57. 123.5x 61,3y − 32.4z
32,4z = −262.74
−262,74
afirmação for verdadeira, dê uma justificativa ou cite
54,7x − 45.6y
54.7x 45,6y + 98.2z
98,2z = 197.4
197,4 uma afirmação adequada do texto. Se a afirmação for
42,4x − 89.3y
42.4x 89,3y + 12.9z
12,9z = 33.66
33,66 falsa, forneça um exemplo que mostre que a afirma-
120,2x + 62.4y
58. 120.2x 62,4y − 36.5z
36,5z = 258.64
258,64 ção não é verdadeira em todos os casos ou cite uma
56,8x − 42.8y
56.8x 42,8y + 27.3z
27,3z = −71.44
−71,44 afirmação adequada do texto.
88,1x + 72.5y
88.1x 72,5y − 28.5z
28,5z = 225.88
225,88 69. (a) Um sistema de uma equação linear em duas
59. x1 + 0.5x + +
0,5x2 0,33x3 0.25x
0.33x 0,25x4 = 1.1
1,1 variáveis é sempre consistente.
0,5x1 + 0.33x
0.5x 0,33x2 + 0.25x
0,25x3 + 0.21x
0,21x4 = 1.2
1,2 (b) Um sistema de duas equações lineares em três

0,33x1 + 0.25x
0.33x 0,25x2 + 0.2x
0,2x3 + 0.17x
0,17x4 = 1.3
1,3 variáveis é sempre consistente.
0,25x1 + 0.2x
0.25x 0,2x2 + 0.17x
0,17x3 + 0.14x
0,14x4 = 1.4
1,4 (c) Se um sistema linear é consistente, então tem
0,1x − 2.5y
60. 0.1x 2,5y + 1.2z
1,2z − 0.75w
0,75w = 108 infinitas soluções.
2,4x 1,5y 1,8z 0,25w = −81
2.4x + 1.5y − 1.8z + 0.25w 70. (a) Um sistema linear pode ter exatamente duas

0,4x − 3.2y
0.4x 3,2y + 1.6z
1,6z − 1.4w
1,4w = 148.8 ,8 soluções.
1,6x + 1.2y
1.6x 1,2y − 3.2z
3,2z + 0.6w
0,6w = −143.2,2 (b) Dois sistemas de equações lineares são equiva-
61. 12x1 − 37x2 + 29x3 = 349 lentes quando têm o mesmo conjunto solução.
630
23x1 + 49x2 − 25x3 = − 19 (c) Um sistema de três equações lineares em duas
45
4 1 4 139 variáveis é sempre inconsistente.
5 x1 − 8 x2 + 3 x3 = 150

62. 18 x − 17 y + 16 z − 15 w = 1 71. Encontre um sistema de duas equações em duas


variáveis, x1 e x2, que tenha o conjunto solução dado
17 x + 16 y − 15 z + 14 w = 1
pela representação paramétrica x1 5 t e x2 5 3t 2 4,
16 x − 15 y + 14 z − 13 w = 1 onde t é um número real arbitrário. A seguir, mostre
15 x + 14 y − 13 z + 12 w = 1 que as soluções do sistema também podem ser escri-
tas como
O símbolo indica que estão disponíveis para download os dados
4 t
eletrônicos para esse exercício. Acesse a página deste livro no site da x1 = +   e  x2 = t.
Cengage. Os conjuntos de dados são compatíveis com MATLAB, Ma- 3 3
thematica, Maple, TI-83 Plus, TI-89 Family, TI-84 Plus e Voyage 200.
12 Elementos de álgebra linear

72. Encontre um sistema de duas equações em três


variáveis, x1, x2 e x3, que tenha o conjunto solução 86. P
 onto crucial  Encontre valores de a, b
dado pela representação paramétrica e c de modo que o sistema de equações lineares
tenha (a) exatamente uma solução, (b) infinitas
x1 = t,  x2 5 s  e  x3 = 3 + s − t, soluções e (c) nenhuma solução. Explique.

onde s e t são números reais. A seguir, mostre que as x + 5y + z = 0
soluções do sistema também podem ser escritas como x + 6y − z = 0
x1 = 3 + s − t,  x2 5 s  e  x3 = t. 2x + ay + bz = c

Substituição  Nos Exercícios 73-76, resolva o siste-


ma de equações tomando primeiro A = 1x, B 5 1/y 87. Dissertação  Considere o sistema de equações
e C = 1z. lineares em x e y.
12 12 3 2 a1 x + b1 y = c1
73. − =7 74. + = −1
x y x y a2 x + b2 y = c2

3 4 2 3 17 a3 x + b3 y = c3
+ =0 − =−
x y x y 6  Descreva o gráfico dessas três equações no plano xy
2 1 3 2 1 2 quando o sistema tiver (a) exatamente uma solução,
75. + − = 4 76. + − = 5
x y z x y z (b) infinitas soluções e (c) nenhuma solução.
4 2 3 4 88. D issertação  Explique porque o sistema de equações
+ = 10 − = −1
x z x y lineares no Exercício 87 deve ser consistente quando os
2 3 13 2 1 3 termos constantes c1, c2 e c3 forem todos zero.
− + − = −8 + + = 0
x y z x y z 89. Mostre que se ax 2 + bx + c = 0 para todo x, então
a = b = c = 0.
Coeficientes trigonométricos  Nos Exercícios 77 e
78, resolva o sistema de equações em x e y. 90. Considere o sistema de equações lineares em x e y.
77. (cos u)x 1 (sen u)y 5 2 ax + by = e

(2sen u)x 1 (cos u)y 5 0 cx + dy = f
78. (cos u)x 1 (sen u)y 5 1 
Sob quais condições esse sistema terá exatamente
(2sen u)x 1 (cos u)y 5 1 uma solução?
Escolha do coeficiente  Nos Exercícios 79-84, deter- Descoberta  Nos Exercícios 91 e 92, esboce as retas
mine o(s) valor(es) de k de modo que o sistema de representadas pelo sistema de equações. A seguir,
equações lineares tenha o número indicado de soluções. use eliminação e Gauss para resolver o sistema. Em
79. Nenhuma solução 80. Exatamente uma solução cada passo do processo de eliminação, esboce as retas
x + ky = 2 x + ky = 0 correspondentes. O que você observa sobre as retas?

kx + y = 4 kx + y = 0 91. x − 4y = −3 92. 2x − 3y = 7

81. Exatamente uma solução 82. Nenhuma solução 5x − 6y = 13 −4x + 6y = −14
kx + 2ky + 3kz = 4k x + 2y + kz = 6
Dissertação  Nos Exercícios 93 e 94, os gráficos das
x + y + z = 0 3x + 6y + 8z = 4
duas equações parecem ser paralelos. Resolva o siste-
2x − y + z = 1 ma de equações algebricamente. Explique porque os
83. Infinitas soluções gráficos são enganosos.
4x + ky = 6 93. 100y − x = 200 94. 21x − 20y = 0

kx + y = −3 99y − x = −198 13x − 12y = 120
84. Infinitas soluções y y

kx + y = 16
4 20
3x − 4y = −64 3
10
85. Determine os valores de k de modo que o sistema de 1
x x
equações lineares não tenha uma solução única. −3 −1 1 2 3 4 −10 10 20
x + y + kz = 3
−3
x + ky + z = 2 −4
kx + y + z = 1
Sistemas de equações lineares 13

1.2 Eliminação de Gauss e eliminação de Gauss-Jordan


Determinar
 o tamanho de uma matriz e escrever uma matriz
aumentada ou dos coeficientes de um sistema de equações
lineares.
Usar
 matrizes e eliminação de Gauss com substituição regres-
siva para resolver um sistema de equações lineares.
Usar matrizes e eliminação de Gauss-Jordan para resolver um
sistema de equações lineares.
Resolver um sistema homogêneo de equações lineares.

MATRIZES
A Seção 1.1 introduziu a eliminação de Gauss como um procedimento para resolver
um sistema de equações lineares. Nesta seção, você estudará este procedimento mais
detalhadamente, começando com algumas definições. A primeira é a definição de
OBSERVAÇÃO uma matriz.
Quando cada elemento de
uma matriz é um número real,
a matriz é uma matriz real. A Definição de matriz
menos que se observe o con-
trário, suponha que todas as Se m e n são inteiros positivos, então a matriz m × n (leia “m por n”) é a
matrizes nesse texto são reais. tabela retangular
Coluna 1 Coluna 2 Coluna 3 . . . Coluna n

[ ]
Linha 1 a11 a12 a13 ... a1n
Linha 2 a21 a22 a23 ... a2n
Linha 3   a31 a32 a33 . . . a3n
A ⋮ ⋮ ⋮ ⋮
Linha m am1 am2 am3 ... amn

na qual cada elemento, aij, da matriz é um número. Uma matriz m × n tem m


linhas e n colunas. As matrizes são usualmente denotadas por letras maiúsculas.

O elemento aij está localizado na i-ésima linha e j-ésima coluna. O índice i é


chamado subscrito linha porque identifica a linha na qual está o elemento e o índice
j é chamado subscrito coluna porque identifica a coluna na qual está o elemento.
Uma matriz com m linhas e n colunas é do tamanho m × n. Quando m = n,
a matriz é quadrada de ordem n e os elementos a11, a22, a33, …, ann são os ele-
mentos da diagonal principal.

EXEMPLO 1 Tamanhos de matrizes


Cada matriz tem o tamanho indicado.

a.  [2]  tamanho: 1 × 1 b.  [00 00]  tamanho: 2 × 2


−7
[πe ]
2
c.    tamanho: 2 × 3
√2 4
Matrizes são comumente usadas para representar sistemas de equações li-
neares. A matriz obtida dos coeficientes e termos constantes de um sistema de
equações lineares é a matriz aumentada do sistema. A matriz contendo apenas os
coeficientes do sistema é a matriz dos coeficientes do sistema. Eis um exemplo.
14 Elementos de álgebra linear

OBSERVAÇÃO Sistema Matriz aumentada Matriz dos coeficientes

[ ] [ ]
Comece alinhando as variáveis x − 4y + 3z = 5 1 −4 3 5 1 −4 3
nas equações verticalmente. −x + 3y − z = −3 −1 3 −1 −3 −1 3 −1
Use 0 para mostrar coeficien- 2x − 4z = 6 2 0 −4 6 2 0 −4
tes nulos na matriz. Observe a
quarta coluna dos termos cons- OPERAÇÕES ELEMENTARES DE LINHAS
tantes na matriz aumentada.
Na seção anterior, você estudou três operações que produzem sistemas equiva-
lentes de equações lineares.
1.  Permutar de duas equações.
2.  Multiplicar de uma equação por uma constante não nula.
3. Adicionar um múltiplo de uma equação a outra equação.
Na terminologia de matriz, estas três operações correspondem a operações
elementares de linhas. Uma operação elementar de linhas em uma matriz
aumentada produz uma nova matriz aumentada correspondendo a um novo (mas
equivalente) sistema de equações lineares. Duas matrizes são equivalentes por
linhas quando uma pode ser obtida da outra por uma sequência finita de operações
elementares de linhas.

Operações elementares de linhas


1.  Permutar de duas linhas.
2.  Multiplicar de uma linha por uma constante não nula.
3.  Adicionar um múltiplo de uma linha a outra linha.

Embora as operações elementares de linhas sejam relativamente fáceis de


fazer, elas podem envolver uma grande quantidade de aritmética, de modo que
é fácil cometer erros. Anotar a operação elementar de linhas feita em cada passo
TECNOLOGIA pode ajudar a verificar seus cálculos mais facilmente.
Muitas ferramentas gráficas e A resolução de alguns sistemas envolve muitos passos, de modo que ajuda
softwares podem executar usar um método compacto de notação para acompanhar cada operação elementar
operações elementares de de linhas que você fizer. O próximo exemplo ilustra essa notação.
linhas em matrizes. Se você
usar uma ferramenta com-
putacional, poderá ver algo
EXEMPLO 2 Operações elementares de linhas
semelhante na tela abaixo para
o Exemplo 2 (c). O Technology
a.  Permute a primeira e a segunda linhas.
Guide, disponível na página Matriz original Nova matriz equivalente por linhas Notação

[ ] [ ]
deste livro no site da Cengage, 0 1 3 4 −1 2 0 3
pode ajudá-lo a usar a tecno- −1 2 0 3 0 1 3 4 R1 i R2
logia para executar operações 2 −3 4 1 2 −3 4 1
elementares de linhas.
b.  Multiplique a primeira linha por 12 para produzir uma nova primeira linha.
A Matriz original Nova matriz equivalente por linhas Notação
[[1 2 -4 3 ]

[ ] [ ]
[0 3 -2 -1 ] 2 −4 6 −2 1 −2 3 −1 (12 )R1 → R1
[2 1 5 -2 ]] 1 3 −3 0 1 3 −3 0
mRAdd(-2, A, 1, 3) 5 −2 1 2 5 −2 1 2
[[1 2 -4 3 ]
[0 3 -2 -1 ] c. Some a primeira linha multiplicada por 22 à terceira linha para produzir uma
[0 -3 13 -8]] nova terceira linha.
Matriz original Nova matriz equivalente por linhas Notação

[ ] [ ]
1 2 −4 3 1 2 −4 3
0 3 −2 −1 0 3 −2 −1
2 1 5 −2 0 −3 13 −8 R3 1 (22)R1 l R3


Observe que somar a linha 1 multiplicada por 22 à linha 3 não muda a primeira
linha.
Sistemas de equações lineares 15

No Exemplo 7 na Seção 1.1, você utilizou a eliminação de Gauss com substitui-


ção regressiva para resolver um sistema de equações lineares. O próximo exemplo
ilustra a versão para matriz da eliminação de Gauss. Os dois métodos são essencial-
mente os mesmos. A diferença básica é que com matrizes você não precisa continuar
escrevendo as variáveis.

EXEMPLO 3 Usando operações elementares de linhas


para resolver um sistema
Sistema linear Matriz aumentada associada

[ ]
x − 2y + 3z = 9 1 −2 3 9
−x + 3y = −4 −1 3 0 −4
2x − 5y + 5z = 17 2 −5 5 17
Some a primeira equação Some a primeira linha à segunda linha
à segunda equação. para produzir uma nova segunda linha.

[ ]
x − 2y + 3z = 9 1 −2 3 9
y + 3z = 5 0 1 3 5   R2 1 R1 l R2
2x − 5y + 5z = 17 2 −5 5 17
Some a primeira equação multiplicada Some a primeira linha multiplicada por 22
por 22 à terceira equação à terceira linha para produzir uma nova
terceira linha.

[ ]
x − 2y + 3z = 9 1 −2 3 9
y + 3z = 5 0 1 3 5   
−y − z = −1 0 −1 −1 −1 R3 1 (22)R1 l R3
Some a segunda equação à terceira Some a segunda linha à terceira linha
equação para produzir uma nova terceira linha.

[ ]
x − 2y + 3z = 9 1 −2 3 9
y + 3z = 5 0 1 3 5   
2z = 4 0 0 2 4 R3 1 R2 l R3
Multiplique a terceira equação por 12. 
Multiplique a terceira linha por 12 para
produzir uma terceira nova linha.

[ ]
x − 2y + 3z = 9 1 −2 3 9
y + 3z = 5 0 1 3 (12 )R3 → R3
5   
OBSERVAÇÃO z=2 0 0 1 2
O termo escalonada refere-se Use substituição regressiva para encontrar a solução, como no Exemplo 6 na
ao padrão de degraus de esca- Seção 1.1. A solução é x = 1, y 5 21 e z = 2.
da formado pelos elementos
não nulos da matriz. A última matriz no Exemplo 3 está na forma escalonada por linha. Para estar
nesta forma, uma matriz deve ter as propriedades listadas abaixo.

Forma escalonada por linhas e forma escalonada reduzida


Uma matriz na forma escalonada por linhas tem as propriedades abaixo.
1. 
Qualquer linha constituída inteiramente de zeros ocorre na parte de baixo
da matriz.
2. 
Para cada linha que não consiste inteiramente de zeros, o primeiro ele-
mento diferente de zero é 1 (chamado de 1 principal).
3. 
Para duas linhas sucessivas (diferentes de zero), o 1 principal na linha
mais acima está mais para a esquerda do que o 1 principal na linha
inferior.
Uma matriz na forma escalonada por linhas está na forma escalonada re-
duzida quando cada coluna que tem um 1 principal tem zeros em todas as
posições acima e abaixo de seu 1 principal.
16 Elementos de álgebra linear

EXEMPLO 4 Forma escalonada por linhas

Determine se cada matriz está na forma escalonada por linhas. Se for o caso,
determine se a matriz também está na forma escalonada reduzida.
TECNOLOGIA

[ ] [ ]
1 2 −1 4 1 2 −1 2
Utilize uma ferramenta compu- a. 0 1 0 3 b. 0 0 0 0
tacional ou um software para 0 0 1 −2 0 1 2 −4
encontrar as formas escalona-

[ ] [ ]
das por linhas das matrizes nos 1 −5 2 −1 3 1 0 0 −1
Exemplos 4(b) e 4(e) e as for- 0 0 1 3 −2 0 1 0 2
c. d.
mas escalonadas reduzidas das 0 0 0 1 4 0 0 1 3
matrizes nos Exemplos 4(a), 0 0 0 0 1 0 0 0 0
4(b), 4(c) e 4(e). O Technology

[ ] [ ]
1 2 −3 4 0 1 0 5
Guide, disponível na página
e. 0 2 1 −1 f. 0 0 1 3
deste livro no site da Cengage,
pode ajudá-lo a usar a tecno- 0 0 1 −3 0 0 0 0
logia para encontrar as formas SOLUÇÃO
escalonadas por linhas e esca-
As matrizes em (a), (c), (d) e (f) estão na forma escalonada por linhas. As matrizes
lonada reduzida de uma matriz.
em (d) e (f) estão na forma escalonada reduzida, porque cada coluna que tem um
1 principal tem zeros em cada posição acima e abaixo de seu 1 principal. A matriz
em (b) não está na forma escalonada por linhas porque a linha de zeros não ocor-
re na parte inferior da matriz. A matriz em (e) não está na forma escalonada por
linhas porque o primeiro elemento diferente de zero na linha 2 não é 1.
Cada matriz é equivalente por linhas a uma matriz na forma escalonada por
linhas. Por exemplo, no Exemplo 4(e), multiplicar a segunda linha da matriz por
1
2 muda a matriz para a forma escalonada por linhas.
O procedimento para o uso de eliminação de Gauss com substituição regres-
siva é resumido a seguir.

Eliminação de Gauss com substituição regressiva


1. Escreva a matriz aumentada do sistema de equações lineares.
2. Utilize operações elementares de linhas para reescrever a matriz na
forma escalonada por linhas.
3. Escreva o sistema de equações lineares correspondente à matriz na forma
escalonada por linhas e use substituição regressiva para encontrar a solução.

A eliminação de Gauss com substituição regressiva funciona bem para resolver


sistemas de equações à mão ou com um computador. Para este algoritmo, a ordem
na qual você executa as operações elementares de linhas é importante. Opere da
esquerda para a direita por colunas, usando as operações elementares de linhas
para obter zeros em todos os elementos diretamente abaixo dos 1 principais.

ÁLGEBRA O Sistema de Posicionamento Global (GPS) é uma rede


LINEAR de 24 satélites originalmente desenvolvida pelos militares
dos Estados Unidos como uma ferramenta de navegação.
APLICADA
Atualmente, a tecnologia GPS é usada em uma ampla
variedade de aplicações civis, tais como entrega de pacotes,
agricultura, mineração, agrimensura, construção, serviços
edobric/Shutterstock.com

bancários, previsão do tempo e assistência em desastres. Um


receptor GPS funciona por leituras do satélite para calcular sua
localização. Em três dimensões, o receptor usa sinais de pelo
menos quatro satélites para “trilaterar” sua posição. Em um
modelo matemático simplificado, um sistema de três equa-
ções lineares em quatro incógnitas (três dimensões e tempo)
é usado para determinar as coordenadas do receptor como
funções do tempo.
Sistemas de equações lineares 17

EXEMPLO 5 Eliminação de Gauss com substituição regressiva



Resolva o sistema.
x2 + x3 − 2x4 = −3
x1 + 2x2 − x3 = 2
2x1 + 4x2 + x3 − 3x4 = −2
x1 − 4x2 − 7x3 − x4 = −19
SOLUÇÃO
A matriz aumentada deste sistema é

[ ]
0 1 1 −2 −3
1 2 −1 0 2
.
2 4 1 −3 −2
1 −4 −7 −1 −19
Obtenha um 1 principal no canto superior esquerdo e zeros em todas as outras posições da primeira coluna.

[ ]
1 2 −1 0 2 Permute as primeiras
0 1 1 −2 −3 duas linhas. R1 i R2

2 4 1 −3 −2
1 −4 −7 −1 −19
Somar a primeira linha

[ ]
1 2 −1 0 2
multiplicada por 22 à
0 1 1 −2 −3 terceira linha produz

0 0 3 −3 −6 uma nova terceira linha. R3 1 (22)R1 l R3
1 −4 −7 −1 −19

[ ]
1 2 −1 0 2
0 1 1 −2 −3 Somar a primeira linha
  multiplicada por 21
0 0 3 −3 −6 à quarta linha produz
0 −6 −6 −1 −21 uma nova quarta linha. R4 1 (21)R1 l R4

Agora que a primeira coluna está na forma desejada, mude a segunda coluna como mostrado abaixo.

[ ]
1 2 −1 0 2
0 1 1 −2 −3 Somar a segunda linha
  multiplicada por 6 à
0 0 3 −3 −6 quarta linha produz uma
0 0 0 −13 −39 nova quarta linha. R4 1 (6)R2 l R4

Para escrever a terceira e quarta colunas na forma adequada, multiplique a terceira linha por 13 e a quarta
1
linha por − 13 .

[ ]
1 2 −1 0 2 Multiplicar a terceira
0 1 1 −2 −3 linha por 13 e a quarta

0 0 1 −1 −2 1
linha por − 13 produz (13 )R3 → R3
0 0 0 1 3 novas terceira e quarta.
(− 131 )R4 → R4
A matriz está agora na forma escalonada por linhas, e o sistema correspondente é mostrado abaixo.
x1 + 2x2 − x3 = 2
x2 + x3 − 2x4 = −3
x3 − x4 = −2
x4 = 3
Use substituição regressiva para descobrir que a solução é x1 = −1, x2 = 2, x3 5 1 e x4 = 3.
18 Elementos de álgebra linear

Ao resolver um sistema de equações lineares, lembre-se de que é possível que o sistema não tenha
solução. Se, no processo de eliminação, você obtiver uma linha só de zeros exceto pelo último elemento,
então é desnecessário continuar o processo. Basta concluir que o sistema não tem nenhuma solução ou é
inconsistente.

EXEMPLO 6 Um sistema sem nenhuma solução


Resolva o sistema.
x1 − x2 + 2x3 =4
x1 + x3 =6
2x1 − 3x2 + 5x3 =4
3x1 + 2x2 − x3 =1

SOLUÇÃO
A matriz aumentada para este sistema é

[ ]
1 −1 2 4
1 0 1 6
.
2 −3 5 4
3 2 −1 1
Aplique a eliminação de Gauss na matriz aumentada.

[ ]
1 −1 2 4
0 1 −1 2 R2 1 (21)R1 l R2

2 −3 5 4
3 2 −1 1

[ ]
1 −1 2 4
0 1 −1 2

0 −1 1 −4 R3 1 (22)R1 l R3
3 2 −1 1

[ ]
1 −1 2 4
0 1 −1 2

0 −1 1 −4
0 5 −7 −11 R4 1 (23)R1 l R4

[ ]
1 −1 2 4
0 1 −1 2

0 0 0 −2 R3 1R2 l R3
0 5 −7 −11
Observe que a terceira linha desta matriz consiste inteiramente de zeros, exceto no último elemento. Isso
significa que o sistema original de equações lineares é inconsistente. Para ver por que isso é verdade, con-
verta de volta para um sistema de equações lineares.
x1 − x2 + 2x3 = 4
x2 − x3 = 2
0 = −2
5x2 − 7x3 = −11
A terceira equação não é possível, portanto o sistema não tem nenhuma solução.
Sistemas de equações lineares 19

ELIMINAÇÃO DE GAUSS
Com a eliminação de Gauss, você aplica operações de linhas elementares a uma
matriz para obter uma forma escalonada (equivalente por linhas). Um segundo
método de eliminação, denominado eliminação de Gauss-Jordan em homena-
gem a Carl Friedrich Gauss e Wilhelm Jordan (1842-1899), continua o processo
de redução até obter uma forma escalonada reduzida. O exemplo 7 ilustra este
procedimento.

EXEMPLO 7 Eliminação de Gauss-Jordan

Veja LarsonLinearAlgebra.com para uma versão interativa deste tipo de exemplo.

Use a eliminação de Gauss-Jordan para resolver o sistema.


x − 2y + 3z = 9
−x + 3y = −4
2x − 5y + 5z = 17

SOLUÇÃO
No Exemplo 3, você usou a eliminação de Gauss para obter a forma escalonada
por linhas

[ ]
1 −2 3 9
0 1 3 5 .
0 0 1 2
Agora, aplique operações elementares de linhas até obter zeros acima de cada um
dos 1 principais, como mostrado abaixo.

[ ]
1 0 9 19 R1 1 (2)R2 l R1
0 1 3 5
0 0 1 2

[ ]
1 0 9 19
0 1 0 −1 R2 1 (23)R3 l R2
0 0 1 2

[ ]
1 0 0 1 R1 1 (29)R3 l R1
0 1 0 −1
0 0 1 2
A matriz está agora na forma escalonada reduzida. Convertendo de volta para um
sistema de equações lineares, você tem
x= 1
y = −1
z = 2.

Os procedimentos de eliminação descritos nesta seção podem às vezes resul-


tar em coeficientes fracionários. Por exemplo, no procedimento de eliminação
para o sistema
OBSERVAÇÃO 2x − 5y + 5z = 14
Não importa quais operações 3x − 2y + 3z = 9
elementares de linhas ou em −3x + 4y = −18
qual ordem sejam usadas, a
forma escalonada reduzida de você pode estar inclinado a primeiro multiplicar a linha 1 por 12 para produzir um
uma matriz é a mesma. 1 principal, o que resultará em trabalhar com coeficientes fracionários. Às vezes,
escolher cuidadosamente as operações elementares de linhas que aplica e a ordem
em que as aplica, permite evitar frações.
20 Elementos de álgebra linear

DES COBE RTA


1. Sem realizar nenhuma operação de linhas, explique por que o sistema de equações
lineares abaixo é consistente.
2x1 + 3x2 + 5x3 = 0
−5x1 + 6x2 − 17x3 = 0
7x1 − 4x2 + 3x3 = 0
2. O sistema abaixo tem mais variáveis que equações. Por que ele tem um número
infinito de soluções?
2x1 + 3x2 + 5x3 + 2x4 = 0
−5x1 + 6x2 − 17x3 − 3x4 = 0
7x1 − 4x2 + 3x3 + 13x4 = 0

O próximo exemplo ilustra como a eliminação de Gauss-Jordan pode ser usada para resolver um
sistema com infinitas soluções.

EXEMPLO 8 Um sistema com infinitas soluções

Resolva o sistema de equações lineares.


2x1 + 4x2 − 2x3 = 0
3x1 + 5x2 =1

SOLUÇÃO
A matriz aumentada para esse sistema é
−2
[23 ]
4 0
.
5 0 1
Usando uma ferramenta computacional, um software ou eliminação de Gauss-Jordan, verifique que a
forma escalonada reduzida da matriz é

[10 ]
0 5 2
.
1 −3 −1
O sistema correspondente de equações é
x1 + 5x3 = 2
x2 − 3x3 = −1.
Agora, usando o parâmetro t para representar x3, resulta
x1 = 2 − 5t, x2 = −1 + 3t, x3 = t, t é qualquer número real.

Observe que no Exemplo 8 o parâmetro arbitrário t representa a variável não principal x3. As variáveis
x1 e x2 são escritas como funções de t.
Você examinou dois métodos de eliminação para resolver um sistema de equações lineares. Qual
é melhor? Em certa medida, a resposta depende da preferência pessoal. Em aplicações reais da álgebra
linear, os sistemas de equações lineares são usualmente resolvidos pelo computador. A maioria dos soft-
wares usa uma forma de eliminação de Gauss, com especial ênfase nas formas de reduzir os erros de
arredondamento e minimizar o armazenamento de dados. Os exemplos e exercícios neste texto focalizam
os conceitos subjacentes, de modo que você deve conhecer ambos os métodos de eliminação.

SISTEMAS HOMOGÊNEOS DE EQUAÇÕES LINEARES


Sistemas de equações lineares em que cada um dos termos constantes é zero são chamados homogêneos.
Um sistema homogêneo de m equações com n variáveis tem a forma
Sistemas de equações lineares 21

a11x1 + a12x2 + a13x3 + . . . + a1nxn = 0


a21x1 + a22x2 + a23x3 + . . . + a2nxn = 0

am1x1 + am2x2 + am3x3 + . . . + amnxn = 0.

OBSERVAÇÃO Um sistema homogêneo deve ter pelo menos uma solução. Especificamente, se
Um sistema homogêneo
todas as variáveis ​​em um sistema homogêneo tiverem o valor zero, então cada
de três equações nas três
uma das equações é satisfeita. Essa solução é trivial (ou óbvia).
variáveis ​​x1, x2 e x3 tem a
solução trivial x1 = 0, x2 5 0 e EXEMPLO 9 Resolução de um sistema homogêneo de
x3 = 0. equações lineares
Resolva o sistema de equações lineares.
x1 − x2 + 3x3 = 0
2x1 + x2 + 3x3 = 0

SOLUÇÃO
A aplicação da eliminação de Gauss-Jordan à matriz aumentada
−1
[12 ]
3 0
1 3 0
fornece as matrizes seguintes
−1
[10 ]
3 0

3 −3 0 R2 1 (22)R1 l R2
−1
[10 ]
3 0

1 −1 0 (13 )R2 → R2

[10 ]
0 2 0 R1 1R2 l R1

1 −1 0
O sistema de equações que corresponde a esta matriz é
x1 + 2x3 = 0
x2 − x3 = 0.
Usando o parâmetro t = x3, o conjunto solução é x1 5 22t, x2 5 t e x3 5 t, onde t
é qualquer número real. Este sistema tem infinitas soluções, uma das quais é a
solução trivial (t 5 0).

Como ilustrado no Exemplo 9, um sistema homogêneo com menos equações


do que variáveis ​​tem infinitas soluções.

TEOREMA 1.1 N
 úmero de soluções de um sistema
homogêneo
Todo sistema homogêneo de equações lineares é consistente. Além disso,
se o sistema tem menos equações que variáveis, então ele deve ter infinitas
soluções.

Para demonstrar o Teorema 1.1, use o procedimento do Exemplo 9, mas para


uma matriz geral.
22 Elementos de álgebra linear

1.2  Exercícios

[ ]
Tamanho da matriz  Nos Exercícios 1-6, determine 1 2 0 1 4
o tamanho da matriz. 0 1 2 1 3
17.

[]
−2 0 0 1 2 1

[ ]
1 2 −4
−1 0 0 0 1 4
 1. 3 −4 6  2.
1

[ ]
0 1 2 1 2 0 1 3
2 0 1 3 0 1
18.
−1 −1
[−62 ]
1 0 0 1 2 0
 3.
2 0 1 0 0 0 0 2
 4. [−1]
Forma escalonada por linha  Nos Exercícios 19-24,

[ ]
8 6 4 1 3 determine se a matriz está na forma escalonada por
2 1 −7 4 1 linhas. Caso esta esteja, determine se ela também está
 5.
1 1 −1 2 1 na forma escalonada reduzida.
1 −1 2 0 0

[ ]
1 0 0 0
 6. [1 2 3 4 −10] 19. 0 1 1 2
0 0 0 0
Operações elementares de linhas  Nos Exercícios
[ ]
7-10, identifique a(s) operação(ões) elementar(es) de 0 1 0 0
20.
linhas executada(s) para obter a nova matriz equiva- 1 0 2 1

[ ]
lente por linhas. −2 0 1 5
Matriz original Nova matriz equivalente por linhas 21. 0 −1 2 1
−2 0 −39 0 0 0 2
[ ] [ ]
5 1 13
 7.

[ ]
3 −1 −8 3 −1 −8 1 0 2 1
Matriz original Nova matriz equivalente por linhas 22. 0 1 3 4
−1 −4 −1 −4 0 0 1 0
[ ] [ ]
3 3
 8.

[ ]
−4 3 7 5 0 −5 0 0 1 0 0
Matriz original Nova matriz equivalente por linhas 23. 0 0 0 1 0
0 0 0 2 0

[ ] [ ]
0 −1 −7 7 −1 5 −8 7

[ ]
 9. −1 5 −8 7 0 −1 −7 7 1 0 0 0
3 −2 1 2 0 13 −23 23 24. 0 0 0 1
0 0 0 0
Matriz original Nova matriz equivalente por linhas

[ ] [ ]
−1 −2 3 −2 −1 −2 3 −2 Sistema de equações lineares  Nos Exercícios 25-38,
10. 2 −5 1 −7 0 −9 7 −11 resolva o sistema usando a eliminação Gauss com subs-
5 4 −7 6 0 −6 8 −4 tituição regressiva ou eliminação de Gauss-Jordan
25. x + 3y = 11 26. 2x + 6y = 16
Matriz aumentada  Nos Exercícios 11-18, encontre
3x + y = 9 −2x − 6y = −16
o conjunto solução do sistema de equações lineares
27. −x + 2y = 1,.5
representado pela matriz aumentada.
2x − 4y = 3
[ ] [ ]
1 0 0 1 0 2
11. 12. 28. 2x − y = −0.1 ,
0 1 2 0 1 3
3x + 2y = 1.6 ,

[ ] [ ]
1 −1 0 3 1 2 1 0
29. −3x + 5y = −22
13. 0 1 −2 1 14. 0 0 1 −1
3x + 4y = 4
0 0 1 −1 0 0 0 0
4x − 8y = 32

[ ] [ ]
2 1 −1 3 3 −1 1 5
30. x + 2y = 0
15. 1 −1 1 0 16. 1 2 1 0
x+ y=6
0 1 2 1 1 0 1 2
3x − 2y = 8
Sistemas de equações lineares 23

31. x1 − 3x3 = −2 Sistema homogêneo  Nos Exercícios 43-46, resolva


3x1 + x2 − 2x3 = 5 o sistema linear homogêneo correspondente à matriz
2x1 + 2x2 + x3 = 4 de coeficientes dada.

[ ]
32. 3x1 − 2x2 + 3x3 = 22 1 0 0
[ ]
1 0 0 0
3x2 − x3 = 24 43. 0 1 1 44.
0 1 1 0
6x1 − 7x2 = −22 0 0 0

[ ] [ ]
33. 2x1 + 3x3 = 3 1 0 0 1 0 0 0
4x1 − 3x2 + 7x3 = 5 45. 0 0 1 0 46. 0 0 0
8x1 − 9x2 + 15x3 = 10 0 0 0 0 0 0 0
34. x1 + x2 − 5x3 = 3
47. Finanças  Uma pequena corporação de software
x1 − 2x3 = 1 tomou emprestado $ 500.000 para expandir sua linha
2x1 − x2 − x3 = 0 de software. A corporação financiou parte do dinheiro
35. 4x + 12y − 7z − 20w = 22 a 3%, parte a 4% e parte a 5%. Utilize um sistema de

3x + 9y − 5z − 28w = 30 equações para determinar o quanto foi financiado a
36. x + 2y + z = 8 cada taxa sabendo que o juro anual foi de $ 20.500 e
o montante emprestado a 4% foi 2,5 vezes o montante
−3x − 6y − 3z = −21
emprestado a 3%. Resolva o sistema usando matrizes.
37. 3x + 3y + 12z = 6
48. Gorjetas  Um garçom examina a quantidade de
x + y + 4z = 2
dinheiro ganho em gorjetas depois de trabalhar um
2x + 5y + 20z = 10
turno de 8 horas. O garçom tem um total de $ 95 em
−x + 2y + 8z = 4 notas de $ 1, $ 5, $ 10 e $ 20. O número total de notas
38. 2x + y − z + 2w = −6 é 26. O número de notas de $ 5 é 4 vezes o número de
3x + 4y + w= 1 notas de $ 10, e o número de notas de $ 1 é 1 a menos

x + 5y + 2z + 6w = −3 do que o dobro do número de notas de $ 5. Escreva um
5x + 2y − z − w = 3 sistema de equações lineares para representar a situa-
ção. Em seguida, use matrizes para encontrar número
Sistema de equações lineares  Nos Exercícios de notas de cada valor.
39-42, use um software ou uma ferramenta gráfica
para resolver o sistema de equações lineares. Representação de matriz  Nos exercícios 49 e 50,
supondo que a matriz é a matriz aumentada de um sis-
39. x1 − 2x2 + 5x3 − 3x4 = 23,6
tema de equações lineares, (a) determine o número de
x1 + 4x2 − 7x3 − 2x4 = 45,7
equações e o número de variáveis ​​e (b) encontre o(s)
3x1 − 5x2 + 7x3 + 4x4 = 29,9
valor(es) de k tal(is) que o sistema seja consistente. A
40. x1 + x2 − 2x3 + 3x4 + 2x5 = 9 seguir, suponha que a matriz é a matriz de coeficien-
3x1 + 3x2 − x3 + x4 + x5 = 5 tes de um sistema homogêneo de equações lineares e
2x1 + 2x2 − x3 + x4 − 2x5 = 1 repita as partes (a) e (b).
4x1 + 4x2 + x3 − 3x5 = 4
[ ]
1 k 2
8x1 + 5x2 − 2x3 − x4 + 2x5 = 3 49. A =
−3 4 1
41. x1 − x2 + 2x3 + 2x4 + 6x5 = 6

[ ]
2 −1 3
3x1 − 2x2 + 4x3 + 4x4 + 12x5 = 14 50. A = −4 2 k
x2 − x3 − x4 − 3x5 = −3 4 −2 6
2x1 − 2x2 + 4x3 + 5x4 + 15x5 = 10
2x1 − 2x2 + 4x3 + 4x4 + 13x5 = 13 Escolha do coeficiente  Nos Exercícios 51 e 52,
encontre valores de a, b e c (se possível) de tal forma
42. x1 + 2x2 − 2x3 + 2x4 − x5 + 3x6 = 0
que o sistema de equações lineares tenha (a) uma solu-
2x1 − x2 + 3x3 + x4 − 3x5 + 2x6 = 17
ção única, (b) nenhuma solução e (c) infinitas soluções.
x1 + 3x2 − 2x3 + x4 − 2x5 − 3x6 = −5
51. x + y =2 52. x + y =0
3x1 − 2x2 + x3 − x4 + 3x5 − 2x6 = −1
y+ z=2 y+ z=0
−x1 − 2x2 + x3 + 2x4 − 2x5 + 3x6 = 10
x + z=2 x + z=0
x1 − 3x2 + x3 + 3x4 − 2x5 + x6 = 11
ax + by + cz = 0 ax + by + cz = 0
24 Elementos de álgebra linear

53. O sistema abaixo tem uma solução: x = 1, y 5 21 e 61. Dissertação  É possível que um sistema de equações
z = 2. lineares com menos equações que variáveis não​​ tenha
nenhuma solução? Se assim for, dê um exemplo.
4x − 2y + 5z = 16 Equação 1
x+ y = 0  Equação 2 62. D
 issertação  Uma matriz tem uma única forma esca-
−x − 3y + 2z = 6 Equação 3 lonada por linhas? Ilustre sua resposta com exemplos.

 Resolva os sistemas fornecidos por (a) Equações Equivalência por linhas  Nos Exercícios 63 e 64,
1 e 2, (b) Equações 1 e 3 e (c) Equações 2 e 3. (d) determine condições sobre a, b, c e d tais que a matriz
Quantas soluções tem cada um desses sistemas?
54. Suponha que o sistema abaixo tenha uma solução [a
c
b
d ]
única. seja equivalente por linhas à matriz dada.
a11x1 + a12x2 + a13x3 = b1
[ ] [ ]
Equação 1 1 0 1 0
63. 64.
a21x1 + a22x2 + a23x3 = b2  Equação 2 0 1 0 0
a31x1 + a32x2 + a33x3 = b3 Equação 3
Sistema homogêneo  Nos Exercícios 65 e 66, encontre

O sistema composto pelas Equações 1 e 2 tem uma todos os valores de λ (a letra grega lambda) para o qual
solução única, nenhuma solução ou infinitas soluções? o sistema linear homogêneo tem soluções não triviais.
65. (λ − 2)x + y=0
Equivalência por linhas  Nos Exercícios 55 e 56,
x + (λ − 2)y = 0
encontre a matriz escalonada reduzida que é equiva-
lente por linhas à matriz dada. 66. (2λ + 9)x − 5y = 0

x − λy = 0

[ ]
1 2 3
[ ]
1 2 67. A matriz aumentada representa um sistema de equa-
55. 56.
4 5 6
−1 2 ções lineares que foi reduzido usando eliminação de
7 8 9
Gauss-Jordan. Escreva um sistema de equações com
57. Dissertação  Descreva todas as possíveis matrizes coeficientes não nulos que a matriz reduzida poderia
2 × 2 escalonadas reduzidas. Ilustre sua resposta representar.
com exemplos.

[ ]
1 0 3 −2
58. D issertação  Descreva todas as possíveis matrizes 0 1 4 1
3 × 3 escalonadas reduzidas. Ilustre a sua resposta 0 0 0 0
com exemplos.
Há várias respostas corretas.
Verdadeiro ou falso?  Nos Exercícios 59 e 60, deter-
mine se cada afirmação é verdadeira ou falsa. Se uma 68. P
 onto crucial Em suas próprias palavras,
afirmação for verdadeira, dê uma justificativa ou cite descreva a diferença entre uma matriz na forma
uma afirmação apropriada do texto. Se uma afirma- escalonada por linhas e uma matriz na for-
ção for falsa, forneça um exemplo que mostre que a ma escalonada reduzida. Inclua um exemplo de
afirmação não é verdadeira em todos os casos ou cite cada caso para ilustrar sua explicação.
uma afirmação apropriada do texto.
[ac ]
b
59. (a) Uma matriz 6 × 3 tem seis linhas. 69. Dissertação  Considere a matriz 2 × 2 .
d
(b) Toda matriz é equivalente por linhas a uma Execute a sequência de operações de linhas
matriz na forma escalonada por linhas.
(a) Some a segunda linha multiplicada por 21 à pri-
(c) Se a forma escalonada por linhas da matriz meira linha.
aumentada de um sistema de equações lineares
(b) Some a primeira linha à segunda linha.
contém a linha [1 0 0 0 0], então o sistema ori-
ginal é inconsistente. (c) Some a segunda linha multiplicada por 21 à pri-
meira linha.
(d) Um sistema homogêneo de quatro equações linea-
res em seis variáveis tem infinitas soluções. (d) Multiplique a primeira linha por (21).
60. (a) Uma matriz 4 × 7 tem quatro colunas.  O que aconteceu com a matriz original? Descreva, em
geral, como trocar duas linhas de uma matriz usando
(b) Cada matriz tem uma única forma escalonada
apenas a segunda e a terceira operações elementares
reduzida.
de linhas.
(c)  Um sistema homogêneo de quatro equações linea-
70. Dissertação  Descreva a forma escalonada por
res em quatro variáveis ​​é sempre consistente.
linhas de uma matriz aumentada que corresponde a
(d) 
Multiplicar uma linha de uma matriz por uma cons- um sistema linear que (a) é inconsistente e (b) tem
tante é uma das operações elementares de linhas. infinitas soluções.
Sistemas de equações lineares 25

1.3 Aplicações de sistemas de equações lineares


Configurar e resolver um sistema de equações para ajustar
uma função polinomial a um conjunto de pontos.
Configurar e resolver um sistema de equações para representar
uma rede.
y
Sistemas de equações lineares surgem em uma ampla variedade de aplicações.
(xn, yn) Nesta seção você examinará duas aplicações e verá outras nos capítulos subse-
quentes. A primeira aplicação mostra como ajustar uma função polinomial a um
(x3, y3)
conjunto de pontos de dados no plano. A segunda aplicação está centrada em
redes e nas leis de Kirchhoff para a eletricidade.

AJUSTE DE CURVA POLINOMIAL


(x2, y2) Considere n pontos no plano xy
x
(x1, y1), (x2, y2), . . . , (xn, yn)
(x1, y1)
Ajuste de curva polinomial que representam uma coleção de dados, para os quais você deseja encontrar uma
função polinomial de grau n − 1
Figura 1.3
p(x) = a + a x + a x2 + . . . + a xn−1
0 1 2 n−1

cujo gráfico os contenha. Esse procedimento é chamado de ajuste de curva poli-


nomial. Quando todas as coordenadas x dos pontos são distintas, há precisamente
uma função polinomial de grau n − 1 (ou menos) que ajusta os n pontos, como
mostrado na Figura 1.3.
Para determinar os n coeficientes de p(x), substitua cada um dos n pontos na
função polinomial e obtenha n equações lineares nas n variáveis a0, a1, a2, . . . , an−1.
a0 + a1x1 + a2x12 + . . . + an−1x1n−1 = y1
y a0 + a1x2 + a2x22 + . . . + an−1x2n−1 = y2
12

(3, 12)
a0 + a1xn + a2xn2 + . . . + an−1xnn−1 = yn
10
O Exemplo 1 ilustra este procedimento com um polinômio de segundo grau.
8
p
6
(1, 4) EXEMPLO 1 Ajuste de curva polinomial
4

2
Determine o polinômio p(x) = a0 + a1x + a2x2 cujo gráfico passa pelos pontos
(2, 0) (1, 4), (2, 0) e (3, 12).
x
1 2 3 4 SOLUÇÃO
Figura 1.4 Substituindo x = 1, 2 e 3 em p(x) e igualando os resultados aos respectivos
valores y, produzimos o sistema de equações lineares nas variáveis ​​a0, a1 e a2
mostrado a seguir.
p(1) = a0 + a1(1) + a2(1)2 = a0 + a1 + a2 = 4
p(2) = a0 + a1(2) + a2(2)2 = a0 + 2a1 + 4a2 = 0
p(3) = a0 + a1(3) + a2(3)2 = a0 + 3a1 + 9a2 = 12
A solução deste sistema é
a0 = 24, a1 5 228 e a2 = 8,
de modo que a função polinomial é
p(x) = 24 − 28x + 8x2.
A Figura 1.4 mostra o gráfico de p.
26 Elementos de álgebra linear

EXEMPLO 2 Ajuste de curva polinomial

Veja LarsonLinearAlgebra.com para uma versão interativa deste tipo de exemplo.

Encontre um polinômio que ajuste os pontos


(−2, 3), (−1, 5), (0, 1), (1, 4) e (2, 10).
SOLUÇÃO
Foram dados cinco pontos, então escolha uma função polinomial de quarto grau
p(x) = a0 + a1x + a2x2 + a3x3 + a4x4.
A substituição dos pontos em p(x) produz o sistema de equações lineares mostrado
abaixo.
y
(2, 10) a0 − 2a1 + 4a2 − 8a3 + 16a4 = 3
10 a0 − a1 + a2 − a3 + a4 = 5
8 a0 = 1
(− 1, 5) a0 + a1 + a2 + a3 + a4 = 4
p
a0 + 2a1 + 4a2 + 8a3 + 16a4 = 10
4 (1, 4) A solução destas equações é
(− 2, 3)
a0 = 1, a1 = − 54, a2 = 101 3 17
24 , a3 = 4 , a4 = − 24
(0, 1)
x o que significa que a função polinomial é
−3 −1 1 2
p(x) = 1 − 54x + 101 3 3 17 4
24 x + 4 x − 24 x .
2
Figura 1.5
A Figura 1.5 mostra o gráfico de p.

O sistema de equações lineares no Exemplo 2 é relativamente fácil de resolver


porque os valores x são pequenos. Para um conjunto de pontos cujos valores de x
são grandes, geralmente é melhor traduzir esses valores antes de tentar o procedi-
mento de ajuste de curva. O próximo exemplo ilustra essa abordagem.

Traduzindo grandes valores de x antes do


EXEMPLO 3 ajuste de curva

Encontre um polinômio que ajuste os pontos


(x1, y1) (x2, y2) (x3, y3) (x4, y4) (x5, y5)

(2011, 3), (2012, 5), (2013, 1), (2014, 4), (2015, 10).
SOLUÇÃO
Os valores de x dados são grandes, então use a tradução
z = x − 2013
para obter
(z1, y1) (z2, y2) (z3, y3) (z4, y4) (z5, y5)

(−2, 3), (−1, 5), (0, 1), (1, 4), (2, 10).
Este é o mesmo conjunto de pontos que no Exemplo 2. Assim, o polinômio que
ajusta esses pontos é
p(z) = 1 − 54z + 101 3 3 17 4
24 z + 4 z − 24 z .
2

Tomando z = x − 2013, você tem


p(x) = 1 − 54(x − 2013) + 101 3 17
24 (x − 2013) + 4 (x − 2013) − 24 (x − 2013) .
2 3 4
Sistemas de equações lineares 27


EXEMPLO 4 Uma aplicação de ajuste de curva

Encontre um polinômio que relacione os períodos dos três planetas mais próximos do Sol com suas distân-
cias médias ao Sol, como mostrado na tabela. Em seguida, use o polinômio para calcular o período de
Marte e compará-lo com o valor mostrado na tabela. (As distâncias médias estão em unidades astronômicas
e os períodos estão em anos.)

Planeta Mercúrio Vênus Terra Marte


Distância média 0,387 0,723 1,000 1,524
Período 0,241 0,615 1,000 1,881

SOLUÇÃO
Comece por ajustar uma função polinomial quadrática
p(x) = a0 + a1x + a2x2
aos pontos
(0,387; 0,241), (0,723; 0,615) e (1, 1).
O sistema de equações lineares obtido pela substituição desses pontos em p(x) é
a0 + 0,387a1 + (0,387)2a2 = 0,241
a0 + 0,723a1 + (0,723)2a2 = 0,615
a0 + a1 + a2 = 1.
A solução aproximada do sistema é
a0 ≈ −0,0634, a1 ≈ 0,6119, a2 ≈ 0,4515
o que significa que uma aproximação da função polinomial é
p(x) = −0,0634 + 0,6119x + 0,4515x2.
Usando p(x) para calcular o período de Marte obtemos
p(1,524) ≈ 1,918 anos.
Observe que o período de Marte é mostrado na tabela como 1,881 anos. A figura seguinte fornece uma
comparação gráfica da função polinomial com os valores mostrados na tabela.

2,0 (1,524; 1,881)


Marte
y = p(x)
Período (em anos)

1,5

1,0
Terra
(1,000; 1,000)
Vênus
0,5 (0,723; 0,615)
Mercúrio (0,387; 0,241)
x
0,5 1,0 1,5 2,0
Distância média ao Sol
(em unidades astronômicas)

Como ilustrado no Exemplo 4, um polinômio que ajusta alguns pontos de um conjunto de dados não é
necessariamente um modelo preciso para outros pontos do mesmo conjunto de dados. Geralmente, quanto
mais longe os outros pontos estão daqueles usados ​​para ajustar o polinômio, pior o ajuste. Por exemplo, a
distância média entre Júpiter e o Sol é de 5,203 unidades astronômicas. A utilização de p(x) do Exemplo
4 para aproximar o período dá 15,343 anos – uma estimativa grosseira do período real de Júpiter que é de
11,862 anos.
28 Elementos de álgebra linear

O problema de ajuste de curva pode ser difícil. Tipos de funções que não sejam
funções polinomiais podem proporcionar ajustes melhores. Por exemplo, observe
novamente o problema de ajuste de curva no Exemplo 4. Tomar os logaritmos natu-
rais das distâncias e dos períodos produz os resultados mostrados na tabela.

Planeta Mercúrio Vênus Terra Marte


Distância média, x 0,387 0,723 1,000 1,524
ln x 20,949 20,324 0,0 0,421
Período, y 0,241 0,615 1,000 1,881
ln y 21,423 20,486 0,0 0,632

Agora, o ajuste de um polinômio aos logaritmos das distâncias e dos períodos


produz a relação linear
ln y = 32 ln x
que é mostrada graficamente abaixo.

ln y

ln y = 3 ln x
1 2
Marte
Terra
ln x
−2 Vênus 1 2

−1
Mercúrio

−2

De ln y = 32 ln x, segue que y = x3/2, ou seja, y2 = x3. Em outras palavras, o


quadrado do período (em anos) de cada planeta é igual ao cubo de sua distância
média (em unidades astronômicas) ao Sol. Johannes Kepler descobriu pela primei-
ra vez esta relação em 1619.

ÁLGEBRA Pesquisadores na Itália estudando os níveis de ruído


LINEAR acústico do tráfego veicular em um cruzamento movi-
mentado de três vias usaram um sistema de equações
APLICADA
lineares para modelar o fluxo de tráfego no cruzamento.
Para ajudar a formular o sistema de equações, os “ope-
radores” se posicionaram em vários locais do cruzamen-
to e contaram o número de veículos que passaram por
eles. (Fonte: Acoustical Noise Analysis in Road Intersections: A
Case Study (Análise de ruído acústico em intersecções de estra-
das: um estudo de caso), Guarnaccia, Claudio, Recent Advances
iStockphoto.com/Nikada

in Acoustics & Music, Actas da 11ª Conferência Internacional


WSEAS sobre Acústica & Música: Teoria e Aplicações)
Sistemas de equações lineares 29

ANÁLISE DE REDES
Redes compostas de ramos e junções são usadas como ​​ modelos em campos
como economia, análise de tráfego e engenharia elétrica. Em um modelo de rede,
supõe-se que o fluxo total entrando em uma junção é igual ao fluxo total saindo
da junção. Por exemplo, a junção mostrada a seguir tem 25 unidades fluindo para
ela, então deve haver 25 unidades fluindo para fora dela. Você pode representar
isso com a equação linear
x1 + x2 = 25.

x1
25

x2

Cada junção em uma rede dá origem a uma equação linear, então você pode
analisar o fluxo em uma rede composta de várias junções, ao resolver um sistema
de equações lineares. O Exemplo 5 ilustra este procedimento.

EXEMPLO 5 Análise de uma rede


20
1 2
Configure um sistema de equações lineares para representar a rede mostrada na
x2 x3 Figura 1.6. A seguir, resolva o sistema.
x1 3 x4
SOLUÇÃO
10 10 Cada uma das cinco junções da rede dá origem a uma equação linear, como
4 5 mostrado abaixo.
x5
x1 + x2 = 20 Junção 1
Figura 1.6
x3 − x4 = −20 Junção 2
x2 + x3 = 20 Junção 3
x1 − x5 = −10 Junção 4
− x4 + x5 = −10 Junção 5

A matriz aumentada para este sistema é

[ ]
1 1 0 0 0 20
0 0 1 −1 0 −20
0 1 1 0 0 20 .
1 0 0 0 −1 −10
0 0 0 −1 1 −10
A eliminação de Gauss-Jordan produz a matriz

[ ]
1 0 0 0 −1 −10
0 1 0 0 1 30
0 0 1 0 −1 −10 .
0 0 0 1 −1 10
0 0 0 0 0 0
A partir da matriz acima,
x1 − x5 = −10,  x2 + x5 = 30,  x3 2 x5 5 210  e  x4 − x5 = 10.
Tomando t = x5, você tem
x1 = t − 10,  x2 = −t + 30,  x3 = t − 10,  x4 = t + 10,  x5 = t
onde t é um número real arbitrário, de modo que este sistema tem infinitas
soluções.
30 Elementos de álgebra linear

No Exemplo 5, se você puder contro- 20


1 2
lar a quantidade de fluxo ao longo do ramo
x5, então poderia também controlar o fluxo
20 0
representado por cada uma das outras variá- 0 3 20
veis. Por exemplo, tomar t = 10 resulta 10 10
nos fluxos mostrados na figura à direita.
(Verifique isso.) 4 5
10

Talvez você possa perceber como o tipo de análise de rede ilustrada no


OBSERVAÇÃO Exemplo 5 poderia ser usado em problemas que lidam com o fluxo de tráfego nas
ruas de uma cidade ou o fluxo de água em um sistema de irrigação.
Um caminho fechado é uma
Uma rede elétrica é outro tipo de rede onde a análise é comumente aplica-
sequência de ramos de tal
da. Uma análise de um desses sistemas usa duas propriedades de redes elétricas
forma que o ponto inicial do
conhecidas como as Leis de Kirchhoff.
primeiro ramo coincide com o
ponto final do último ramo. 1.  Toda a corrente que flui para uma junção deve fluir para fora dela.
2. A soma dos produtos IR (I é a corrente e R é a resistência) ao redor de um
caminho fechado é igual à voltagem total no caminho.
Em uma rede elétrica, a corrente é medida em amperes, ou amps (A), a
resistência é medida em ohms (Ω, a letra grega ômega) e o produto de corrente e
resistência é medido em volts (V). O símbolo representa uma bateria. A
barra vertical maior indica para onde a corrente flui ao sair do terminal. O símbo-
lo denota uma resistência. Uma seta no ramo mostra a direção da corrente.

EXEMPLO 6 Análise de uma rede elétrica


I1 7V
Determinar as correntes I1, I2 e I3 para a rede elétrica mostrada na Figura 1.7.
R1 = 3 Ω
I2
Caminho1 SOLUÇÃO
1 2 Aplicar a primeira lei de Kirchhoff para ambas as junções produz
R2 = 2 Ω
Caminho 2 I1 + I3 = I2 Junção 1 ou Junção 2
I3
e aplicando a segunda lei de Kirchhoff aos dois caminhos produz
R3 = 4 Ω 8V
R1I1 + R2I2 = 3I1 + 2I2 = 7 Caminho 1
Figura 1.7 R2I2 + R3I3 = 2I2 + 4I3 = 8. Caminho 2

Assim, você tem o sistema de três equações lineares nas variáveis ​​I1, I2 e I3
mostrado a seguir.
I1 − I2 + I3 = 0
3I1 + 2I2 =7
2I2 + 4I3 = 8
Aplicar a eliminação de Gauss-Jordan na matriz aumentada

[ ]
1 −1 1 0
3 2 0 7
0 2 4 8
produz a forma escalonada reduzida

[ ]
1 0 0 1
0 1 0 2
0 0 1 1
o que significa I1 5 1 amp, I2 5 2 amps e I3 5 1 amp.
Sistemas de equações lineares 31


EXEMPLO 7 Análise de uma rede elétrica

Determinar as correntes I1, I2, I3, I4, I5 e I6 para a rede elétrica mostrada a seguir.

17 V R4 = 2 
2 4
I4
10 V 14 V

Caminho 1 Caminho 2 Caminho 3


I1 R1 = 2 I2 R2 = 4 I5 R 5 = 2 I6 R 6 = 4

R3 = 1
1 3
I3
SOLUÇÃO
A aplicação da primeira lei de Kirchhoff às quatro junções produz
I1 + I3 = I2 Junção 1
I1 + I4 = I2 Junção 2
I3 + I6 = I5 Junção 3
I4 + I6 = I5 Junção 4

e a aplicação da segunda lei de Kirchhoff aos três caminhos produz


2I1 + 4I2 = 10 Caminho 1
4I2 + I3 + 2I4 + 2I5 = 17 Caminho 2
2I5 + 4I6 = 14. Caminho 3

Você tem agora o sistema de sete equações lineares nas variáveis ​​I1, I2, I3, I4, I5 e I6 mostrado a seguir.
I1 − I2 + I3 = 0
I1 − I2 + I4 = 0
I3 − I5 + I6 = 0
I4 − I5 + I6 = 0
2I1 + 4I2 = 10
4I2 + I3 + 2I4 + 2I5 = 17
2I5 + 4I6 = 14
A matriz aumentada para este sistema é

[ ]
1 −1 1 0 0 0 0
1 −1 0 1 0 0 0
0 0 1 0 −1 1 0
0 0 0 1 −1 1 0 .
2 4 0 0 0 0 10
0 4 1 2 2 0 17
0 0 0 0 2 4 14
Usando uma ferramenta gráfica, um software ou eliminação de Gauss-Jordan, resolva este sistema para
obter
I1 = 1,  I2 = 2,  I3 = 1,  I4 = 1,  I5 5 3  e  I6 = 2.
Assim, I1 = 1 amp, I2 = 2 amps, I3 = 1 amp, I4 = 1 amp, I5 = 3 amps e I6 = 2 amps.

32 Elementos de álgebra linear

1.3  Exercícios
Ajuste de curva polinomial  Nos Exercícios 1-12, (a)
determine a função polinomial cujo gráfico passa Ano 2007 2008 2009 2010
pelos pontos e (b) esboce o gráfico da função polino- Lucro líquido 14.065 17.681 14.569 18.760
mial, mostrando os pontos.
 1. (2, 5), (3, 2), (4, 5) Ano 2011 2012 2013 2014
 2. (0, 0), (2, −2), (4, 0)
Lucro líquido 23.150 23.171 22.453 22.074
 3. (2, 4), (3, 6), (5, 10)
 4. (2, 4), (3, 4), (4, 4) (a) Configure um sistema de equações para ajustar
 5. (−1, 3), (0, 0), (1, 1), (4, 58) os dados de 2007, 2008, 2009 e 2010 com um
 6. (0, 42), (1, 0), (2, −40), (3, −72) modelo cúbico.
 7. (−2, 28), (−1, 0), (0, −6), (1, −8), (2, 0) (b) Resolva o sistema. A solução produz um modelo
razoável para determinar os lucros líquidos após
 8. (−4, 18), (0, 1), (4, 0), (6, 28), (8, 135) 2010? Explique.
 9. (2013, 5), (2014, 7), (2015, 12) 20. Vendas  A tabela mostra as vendas (em bilhões de
10. (2012, 150), (2013, 180), (2014, 240), (2015, 360) dólares) das lojas Wal-Mart de 2006 a 2013. (Fonte:
11. (0,072; 0,203), (0,120; 0,238), (0,148; 0,284) Wal-Mart Stores, Inc.)
12. (1, 1), (1,189; 1,587), (1,316; 2,080), (1,414; 2,520)
π Ano 2006 2007 2008 2009
13. Use sen 0 5 0, sen 5 1 e sen π 5 0 para obter
2 Vendas 348,7 378,8 405,6 408,2
π
uma estimativa de sen .
3
Ano 2010 2011 2012 2013
14. Utilize log2 1 5 0, log2 2 5 1 e log2 4 5 2 para esti-
mar log2 3. Vendas 421,8 447,0 469,2 476,2
Equação de um círculo  Nos Exercícios 15 e 16, encon-
tre uma equação do círculo que passa pelos pontos. (a) Configure um sistema de equações para ajustar
15. (1, 3), (−2, 6), (4, 2) os dados de 2006, 2007, 2008, 2009 e 2010 com
um modelo de quarto grau.
16. (−5, 1), (−3, 2), (−1, 1)
(b) Resolva o sistema. A solução produz um modelo
17. População  O censo dos Estados Unidos lista sua razoável para determinar as vendas após 2010?
população como 249 milhões em 1990, 282 milhões Explique.
em 2000 e 309 milhões em 2010. Ajuste um polinô-
21. Análise de rede  A figura mostra o fluxo de
mio de segundo grau passando por estes três pontos
tráfego (em veículos por hora) em uma rede de ruas.
e use-o para prever as populações em 2020 e 2030.
(Fonte: US Census Bureau) x1
400 600
18. População  A tabela mostra a população dos
Estados Unidos nos anos 1970, 1980, 1990 e 2000.
(Fonte: USCensus Bureau)
x2 x4
x3
Ano 1970 1980 1990 2000
População
205 227 249 282 300 100
(em milhões) x5

(a) Encontre um polinômio cúbico que ajuste os (a) Resolva este sistema para xi, i = 1, 2, . . . , 5.
dados e use-o para estimar a população em 2010.
(b) Encontre o fluxo de tráfego quando x3 = 0 e
(b) A população real em 2010 foi de 309 milhões. x5 = 100.
Compare com sua estimativa.
(c) 
Encontre o fluxo de tráfego quando
19. L
 ucro líquido  A tabela mostra os lucros líquidos x3 = x5 = 100.
(milhões de dólares) da Microsoft de 2007 até 2014.
(Fonte: Microsoft Corp.)
Sistemas de equações lineares 33

22. Análise de rede  A figura mostra o fluxo de 25. Análise de rede  Determine as correntes I1, I2 e I3
tráfego (em veículos por hora) em uma rede de ruas. para a rede elétrica mostrada na figura.
x1 I1 3V
300 150
R1 = 4 

x2 x4
x3
I2

R2 = 3 
200 350
x5

(a) Resolva este sistema para xi, i = 1, 2, . . . , 5. I3


(b) Encontre o fluxo de tráfego quando x2 = 200 e
x3 = 50. R3 = 1  4V
(c) Encontre o fluxo de trânsito quando x2 = 150 e
26. Análise de rede  Determine as correntes I1, I2, I3,
x3 = 0.
I4, I5 e I6 para a rede elétrica mostrada na figura.
23. Análise de rede  A figura mostra o fluxo de tráfego
(em veículos por hora) em uma rede de ruas. I1 14 V
200 R1 = 3
I2
x1 x2
R2 = 2 
25 V
100 100 I3 R3 = 4 
I4 R4 = 2 
x3 x4
I5

200 R 5 = 1

(a) Resolva este sistema para xi, i = 1, 2, 3, 4. I6

(b) Encontre o fluxo de tráfego quando x4 = 0. R 6 = 1 8V


(c) Encontre o fluxo de tráfego quando x4 = 100. 27. Análise de rede 
(d) Encontre o fluxo de tráfego quando x1 = 2x2. (a) Determine as correntes I1, I2 e I3 na rede elétrica
24. A
 nálise de rede  A água flui através de uma rede mostrada na figura.
de tubos (em milhares de metros cúbicos por hora), (b) Como o resultado é afetado quando A é alterado
como mostrado na figura. para 2 volts e B é alterado para 6 volts?
x1 x2 I1 A: 5 V
600 500
R1 = 1 

x3 x4 x5

I2

600 500 R2 = 2 
x6 x7

(a) Resolva este sistema para o fluxo de água repre-


sentado por xi, i = 1, 2, . . . , 7. I3
(b) Encontre o fluxo de água quando x1 = x2 = 100.
R3 = 4  B: 8 V
(c) Encontre o fluxo de água quando x6 = x7 = 0.
(d) Encontre o fluxo de água quando x5 5 1.000 e
x6 = 0.
34 Elementos de álgebra linear

Cálculo  Nos Exercícios 35 e 36, encontre os valores


28. Ponto crucial de x, y e λ que satisfazem o sistema de equações. Tais
(a) Explique como usar sistemas de equações lineares sistemas podem surgir em certos problemas de cálculo
para ajuste de curva polinomial. e λ é chamado de multiplicador de Lagrange.
(b) Explique como usar sistemas de equações lineares 35. 2x +λ =0
para fazer análise de rede. 2y + λ =0
x+ y −4=0
Temperatura  Nos Exercícios 29 e 30, a figura mos- 36. 2y + 2λ + 2 = 0
tra as temperaturas limite (em graus Celsius) de uma 2x + λ+ 1=0
placa de metal fino isolada. A temperatura de estado 2x + y − 100 = 0
estacionário em cada junção interior é aproximada-
mente igual à média das temperaturas nas quatro jun- 37. Cálculo  O gráfico de uma parábola passa pelos
ções circunvizinhas. Utilizar um sistema de equações pontos (0, 1) e (12, 12 ) e tem uma tangente horizontal
lineares para aproximar as temperaturas interiores em (12, 12 ). Encontre uma equação para a parábola e
T1, T2, T3 e T4. esboce seu gráfico.
38. Cálculo  O gráfico de uma função polinomial cúbi-
29. 60° 60° ca possui retas tangentes horizontais em (1, 22)
e (21, 2). Encontre uma equação para a função e
esboce seu gráfico.
20° T1 T2 50° 39. Demonstração guiada  Demonstre que se uma
função polinomial p(x) = a0 + a1x + a2x2 se anula
em x = −1, x 5 0 e x = 1, então a0 = a1 = a2 = 0.
20° T3 T4 50°  Como começar: escreva um sistema linear de
equações e resolva-o para determinar a0, a1 e a2.
(i) Substitua x = −1, 0 e 1 em p(x).
10° 10° (ii) Iguale cada resultado a 0
(iii)  Resolver o sistema resultante de equações linea-
30. 50° 50° res nas variáveis ​​a0, a1 e a2.
40. Demonstração  Generalizando a afirmação no
Exercício 39, se uma função polinomial
25° T1 T2 25°
p(x) = a0 + a1x + . . . + an−1xn−1
se anula em mais de n − 1 valores de x, então
25° T3 T4 25° a0 = a1 = . . . = an−1 = 0.
 Use esse resultado para demonstrar que existe no
máximo uma função polinomial de grau n 2 1 (ou
0° 0° menor) cujo gráfico passa por n pontos no plano com
coordenadas x distintas.
Decomposição em frações parciais  Nos Exercícios 41. (a) O gráfico de uma função f passa pelos pontos
31-34, use um sistema de equações para encontrar a
 (0, 1), (2, 13 ), e (4, 15 ). Encontre uma função
decomposição em frações parciais da expressão racio-
quadrática cujo gráfico passe por esses três pontos.
nal. Resolva o sistema usando matrizes.
(b) Encontre uma função polinomial p de grau 2
4x2 A B C ou menos que passe pelos pontos (0, 1), (2, 3) e
31. = + +
(x + 1)2(x − 1) x − 1 x + 1 (x + 1)2 (4, 5). Em seguida, esboce o gráfico de y = 1p(x)
e compare este gráfico com o gráfico da função
3x2 − 7x − 12 A B C polinomial encontrada na parte (a).
32. = + +
(x + 4)(x − 4)2 x + 4 x − 4 (x − 4)2
42. D
 issertação  Tente encontrar um polinômio para
3x2 − 3x − 2 A B C ajustar os dados mostrados na tabela. O que acontece
33. = + + e por quê?
(x + 2)(x − 2)2 x + 2 x − 2 (x − 2)2

20 − x2 A B C x 1 2 3 3 4
34. = + +
(x + 2)(x − 2)2 x + 2 x − 2 (x − 2)2 y 1 1 2 3 4
Sistemas de equações lineares 35

Capítulo 1  Exercícios de revisão

Equações lineares  Nos Exercícios 1-6, determine se Forma escalonada por linhas  Nos Exercícios 27-30,
a equação é linear nas variáveis ​​x e y. determine se a matriz está na forma escalonada por
  1. 2x − y2 = 4  2. 2xy − 6y = 0 linhas. Se estiver, determine se ela também está na
forma escalonada reduzida.
 3. (cotg 5)x 2 y 5 3  4. e−2x + 5y = 8

[ ] [ ]
1 2 −3 0 1 0 1 1
2 x y
 5. + 4y = 3  6. − = 0 27. 0 0 0 1 28. 0 1 2 1
x 2 4
0 0 0 0 0 0 0 1
Representação paramétrica  Nos Exercícios 7 e 8,

[ ] [ ]
−1 2 1 0 1 0 0
encontre uma representação paramétrica do conjunto
29. 0 1 0 30. 0 0 1 2
solução da equação linear.
0 0 1 0 0 0 0
 7. −3x + 4y − 2z = 1  8. 3x1 + 2x2 − 4x3 = 0
Sistema de equações lineares  Nos Exercícios
Sistema de equações lineares  Nos Exercícios 9-20,
31-40, resolva o sistema usando eliminação de Gauss
resolva o sistema de equações lineares.
com substituição regressiva ou eliminação de Gauss-
 9. x + y = 2 10. x + y = −1 -Jordan.
3x − y = 0 3x + 2y = 0
31. −x + y + 2z = 1
11. 3y = 2x 12. x=y+ 3 2x + 3y + z = −2
y = x + 4 4x = y + 10 5x + 4y + 2z = 4
13. y + x = 0 14. y = 5x 32. 4x + 2y + z = 18
2x + y = 0 y = −x 4x − 2y − 2z = 28
15. x − y = 9 16. 40x1 + 30x2 = 24 2x − 3y + 2z = −8
−x + y = 1 20x1 + 15x2 = −14 33. 2x + 3y + 3z = 3
1 1 1 4
17. 2x − 3y = 0 18. 3x + 7y = 3 6x + 6y + 12z = 13
3x + 2( y + 5) = 10 2x + 3y = 15 12x + 9y − z = 2
19. 0,2x1 1 0,3x2 5 0,14 34. 2x + y + 2z = 4
0,4x1 1 0,5x2 5 0,20 2x + 2y =5
20. 0,2x 2 0,3y 5 20,07 2x − y + 6z = 2
0,4x 2 0,5y 5 20,01 35. x − 2y + z = −6
2x − 3y = −7
Tamanho da matriz Nos Exercícios 21 e 22, determi-
−x + 3y − 3z = 11
ne o tamanho da matriz.
36. 2x + 6z = −9

[ ]
2 1
−1
[ ]
2 3 3x − 2y + 11z = −16
21. 22. −4 −1
0 5 1 3x − y + 7z = −11
0 5
37. x + 2y + 6z = 1
Matriz aumentada  Nos Exercícios 23-26, encontre
2x + 5y + 15z = 4
o conjunto solução do sistema de equações lineares
3x + y + 3z = −6
representado pela matriz aumentada.
38. 2x1 + 5x2 − 19x3 = 34
2 −5
[ ] −2
1
23.
2 1 5
24.
0
3
0 [ 0
0 ] 3x1 + 8x2 − 31x3 = 54
39. 2x1 + x2 + x3 + 2x4 = −1

[ ]
1 2 0 0
5x1 − 2x2 + x3 − 3x4 = 0
25. 0 0 1 0
−x1 + 3x2 + 2x3 + 2x4 = 1
0 0 0 0
3x1 + 2x2 + 3x3 − 5x4 = 12

[ ]
1 2 3 0 40. x1 + 5x2 + 3x3 = 14
26. 0 0 0 1 4x2 + 2x3 + 5x4 = 3
0 0 0 0 3x3 + 8x4 + 6x5 = 16
2x1 + 4x2 − 2x5 = 0
2x1 − x3 = 0
36 Elementos de álgebra linear

Sistema de equações lineares  Nos Exercícios solução, (b) exatamente uma solução e (c) infinitas
41-46, use um software ou uma ferramenta gráfica soluções.
para resolver o sistema de equações lineares. 2x − y + z = a
41. x1 + x2 + x3 = 15,4 x + y + 2z = b
x1 − x2 − 2x3 = 27,9 3y + 3z = c
3x1 − 2x2 + x3 = 76,9 55. Dissertação  Descreva um método para mostrar
42. 1,1x1 + 2,3x2 + 3,4x3 = 0 que duas matrizes são equivalentes por linhas. As
1,1x1 − 2,2x2 − 4,4x3 = 0 duas matrizes seguintes são equivalentes por linhas.
−1,7x1 + 3,4x2 + 6,8x3 = 1

[ ] [ ]
1 1 2 1 2 3
43. 3x + 3y + 12z = 6 0 −1 2   e   4 3 6
x + y + 4z = 2 3 1 2 5 5 10
2x + 5y + 20z = 10
−x + 2y + 8z = 4 56. Dissertação  Descreva todas as possíveis matrizes
2 × 3 escalonadas reduzidas. Ilustre sua resposta
44. x + 2y + z + 3w = 0
com exemplos.
x− y + w=0
5y − z + 2w = 0 57. Tome n ≥ 3. Encontre a forma escalonada reduzida
da matriz n × n.
45. 2x + 10y + 2z = 6

[ ]
x + 5y + 2z = 6 1 2 3 . . . n
x + 5y + z = 3 n+1 n+2 n+3 . . . 2n
−3x − 15y + 3z = −9 2n + 1 2n + 2 2n + 3 . . . 3n
46. 2x + y − z + 2w = −6 ⋮ ⋮ ⋮ ⋮
3x + 4y + w= 1 n2 − n + 1 n2 − n + 2 n2 − n + 3 . . . n2
x + 5y + 2z + 6w = −3 Encontrar todos os valores de λ para o qual o sistema de
58. 
5x + 2y − z − w = 3 equações lineares homogêneo tem soluções não triviais.
Sistema homogêneo  Nos Exercícios 47-50, resolva (λ + 2)x1 − 2x2 + 3x3 = 0
o sistema homogêneo de equações lineares. −2x1 + (λ − 1)x2 + 6x3 = 0
47. x1 − 2x2 − 8x3 = 0 x1 + 2x2 + λx3 = 0
3x1 + 2x2 =0
Verdadeiro ou falso?  Nos Exercícios 59 e 60, deter-
48. 2x1 + 4x2 − 7x3 = 0 mine se cada afirmação é verdadeira ou falsa. Se uma
x1 − 3x2 + 9x3 = 0 afirmação for verdadeira, dê uma justificativa ou cite
49. −2x1 + 7x2 − 3x3 = 0 uma afirmação apropriada do texto. Se uma afirma-
4x1 − 12x2 + 5x3 = 0 ção for falsa, forneça um exemplo que mostra que a
12x2 + 7x3 = 0 afirmação não é verdadeira em todos os casos ou cite
50. x1 + 3x2 + 5x3 = 0 uma afirmação apropriada do texto.
x1 + 4x2 + 12x3 = 0 59. (a) Existe apenas uma maneira de representar parametri-
camente o conjunto solução de uma equação linear.
51. Determine os valores de k tais que o sistema de (b) Um sistema consistente de equações lineares
equações lineares seja inconsistente. pode ter infinitas soluções.
kx + y = 0 60. (a) Um sistema homogêneo de equações lineares
x + ky = 1 deve ter pelo menos uma solução.
52. Determine os valores de k tais que o sistema de (b) Um sistema de equações lineares com menos
equações lineares tenha exatamente uma solução. equações do que variáveis ​​ tem sempre pelo
x − y + 2z = 0 menos uma solução.
−x + y − z = 0 61. 
Esportes  No Super Bowl I, em 15 de janeiro de
x + ky + z = 0 1967, o Green Bay Packers derrotou o Kansas City
53. Encontre valores de a e b tais que o sistema de Chiefs pela pontuação de 35 a 10. O total de pontos
equações lineares tenha (a) nenhuma solução, (b) obtidos veio de uma combinação de touchdowns,
exatamente uma solução e (c) infinitas soluções. extra-point kicks e field goals, que valem 6, 1 e 3
x + 2y = 3 pontos, respectivamente. Os números de touchdowns
ax + by = −9 e de extra-point kicks foram iguais. Houve seis vezes
mais touchdowns do que field goals. Encontrar os
54. Encontre (se possível) os valores de a, b e c de modo números de touchdowns, extra-point kicks e field goals
que o sistema de equações lineares tenha (a) nenhuma marcados. (Fonte: National Football League.)
Sistemas de equações lineares 37

62. Agricultura  Uma mistura de 6 galões do pro- 70. Movimento vertical  Um objeto movendo-se ver-
duto químico A, 8 galões do produto químico B e ticalmente tem sua altura s registrada no instante
13 galões de produto químico C é necessária para específico t, como indicado na lista dada. Encontre a
matar um inseto destrutivo para a colheita. Um spray função posição
comercial X contém 1, 2 e 2 partes, respectivamente,
s = 12at2 + v0t + s0
desses produtos químicos. O spray comercial Y
contém apenas o produto químico C. O spray comer- do objeto.
cial Z contém os produtos químicos A, B e C em (a) Em t = 0 segundo, s = 160 pés
quantidades iguais. Quanto de cada tipo de spray é
Em t = 1 segundo, s = 96 pés
necessário para obter a mistura desejada?
Em t = 2 segundos, s = 0 pé
Decomposição em frações parciais  Nos Exercícios
(b) Em t = 1 segundo, s = 134 pés
63 e 64, use um sistema de equações para encontrar a
decomposição em frações parciais da expressão racio- Em t = 2 segundos, s = 86 pés
nal. Resolva o sistema usando matrizes. Em t = 3 segundos, s = 6 pés
8x2 A B C (c) Em t = 1 segundo, s = 184 pés
63. = + +
(x − 1)2(x + 1) x + 1 x − 1 (x − 1)2 Em t = 2 segundos, s = 116 pés
Em t = 3 segundos, s = 16 pés
3x2 + 3x − 2 A B C
64. = + + 71. Análise de rede  A figura mostra o fluxo através
(x + 1)2(x − 1) x + 1 x − 1 (x + 1)2
de uma rede.
Ajuste de curva polinomial  Nos Exercícios 65 e (a) Resolva o sistema para determinar
66, (a) determine a função polinomial cujo gráfico xi, i = 1, 2, . . . , 6.
passa pelos pontos e (b) esboce o gráfico da função (b) Encontre o fluxo quando x3 = 100, x5 5 50 e
polinomial, mostrando os pontos. x6 = 50.
65. (2, 5), (3, 0), (4, 20)
66. (−1, −1), (0, 0), (1, 1), (2, 4) 300

67. Vendas  Uma empresa tem vendas (medidas em


milhões) de $ 50, $ 60 e $ 75 durante três anos
consecutivos. Encontre uma função quadrática que x2
ajuste os dados e use-a para prever as vendas durante x5
o quarto ano.
200 x4 x3
68. A função polinomial
x6
p(x) = a0 + a1x + a2x2 + a3x3
x1
 se anula quando x = 1, 2, 3 e 4. Quais são os valores
de a0, a1, a2 e a3?
69. População de cervos  Uma equipe de gerencia-
mento de animais selvagens estudou a população de 100
cervos em uma pequena área de reserva natural. A
tabela mostra a população e o número de anos desde 72. Análise de rede  Determine as correntes I1, I2 e I3
o início do estudo. para a rede elétrica mostrada na figura.
I1 3V
Ano 0 4 80
População 80 68 30 R1 = 3 

(a) Configure um sistema de equações para ajustar


os dados com uma função quadrática. I2
(b) Resolva o sistema.
(c) Use uma ferramenta gráfica para ajustar os dados R2 = 4 
com um modelo quadrático.
(d) Compare a função quadrática na parte (b) com o
modelo na parte (c). I3

(e) Cite a afirmação do texto que verifica seus resul- R3 = 2  2V


tados.
38 Elementos de álgebra linear

1 Projetos
y
x− y=0
1  Representando graficamente equações lineares
3 Você viu na Seção 1.1 que pode representar um sistema de duas equações lineares em
duas variáveis x​​ e y, geometricamente como duas retas no plano. Essas retas podem
2
se interceptar em um ponto, coincidir ou ser paralelas, como mostrado na Figura 1.8.
x+y=2
1 1.  Considere o sistema abaixo, onde a e b são constantes.
x
2x − y = 3
−1 1 2 3 ax + by = 6
−1 (a) Encontre valores de a e b para os quais o sistema resultante tem uma
solução única.
(b) Encontre valores de a e b para os quais o sistema resultante tem infinitas
y x− y=0 soluções.
(c) Encontre valores de a e b para os quais o sistema resultante não tem solução.
2
(d) Trace as retas correspondentes para cada um dos sistemas nos itens (a), (b)
1 e (c).
2.  Agora considere um sistema de três equações lineares em x, y, z. Cada
x
−2 −1 1 2 equação representa um plano no sistema de coordenadas tridimensional.
−1 2x − 2y = 0 (a) Encontre um exemplo de um sistema representado por três planos que se
interceptam em uma reta, como mostrado na Figura 1.9(a).
−2
(b) Encontre um exemplo de um sistema representado por três planos que se
interceptam em um ponto, como mostrado na Figura 1.9(b).
y (c) Encontre um exemplo de um sistema representado por três planos sem
nenhuma intersecção comum, como mostrado na Figura 1.9(c).
3
(d) Existem outras configurações de três planos além daquelas dadas na
x − y = −2 2 Figura 1.9? Explique.
1 2 Sistemas subdeterminados e sobredeterminados
x O sistema de equações lineares abaixo está subdeterminado porque existem mais
−3 −2 −1
variáveis ​​do que equações.
−1 x− y=0
x1 + 2x2 − 3x3 = 4
Figura 1.8
2x1 − x2 + 4x3 = −3
Do mesmo modo, o sistema abaixo é sobredeterminado porque existem mais
equações do que variáveis.
x1 + 3x2 = 5
2x1 − 2x2 = −3
−x1 + 7x2 = 0
Explore se o número de variáveis ​​e o número de equações têm alguma influência
(a) (b) sobre a consistência de um sistema de equações lineares. Para os Exercícios 1-4,
se a resposta for sim, dê um exemplo. Caso contrário, explique por que a resposta
é não.
1.  Você pode encontrar um sistema linear consistente e subdeterminado
2.  Você pode encontrar um sistema linear sobredeterminado consistente?
3.  Você pode encontrar um sistema linear subdeterminado inconsistente?
(c) 4.  Você pode encontrar um sistema linear sobredeterminado inconsistente?
Figura 1.9 5.  Explique por que você esperaria que um sistema linear sobredeterminado
fosse inconsistente. Deve ser sempre assim?
6.  Explique por que você esperaria que um sistema linear subdeterminado
tivesse infinitas soluções. Deve ser sempre assim?
2 Matrizes
2.1 Operações com matrizes
2.2 Propriedades das operações com matrizes
2.3 A inversa de uma matriz
2.4 Matrizes elementares
2.5 Cadeias de Markov
2.6 Mais aplicações de operações com matrizes

Criptografia de dados

Dinâmica de fluidos computacional

Deflexão da barra

Recuperação de informações
Agendamento de tripulação de voo
Em sentido horário, de cima para a esquerda: Cousin_Avi / Shutterstock.com; Goncharuk / Shutterstock.com;
Gunnar Pippel / Shutterstock.com; Andresr / Shutterstock.com; nostal6ie / Shutterstock.com
40 Elementos de álgebra linear

2.1 Operações com matrizes


Determinar se duas matrizes são iguais.
Somar e subtrair matrizes e multiplicar uma matriz por um escalar.
Multiplicar duas matrizes.
Usar matrizes para resolver um sistema de equações lineares.
Particionar uma matriz e escrever uma combinação linear de
vetores coluna.

IGUALDADE DE MATRIZES
Na Seção 1.2, você usou matrizes para resolver sistemas de equações lineares.
Este capítulo introduz alguns fundamentos da teoria matricial e outras aplicações
de matrizes.
É convenção matemática padrão representar matrizes em qualquer uma das
três formas listadas abaixo.
1. Uma letra maiúscula, como A, B ou C
2. Um elemento representativo entre colchetes, como [aij], [bij] ou [cij]
3. Uma tabela retangular de números

[ ]
a11 a12 . . . a1n
a21 a22 . . . a2n
⋮ ⋮ ⋮
am1 am2 . . . amn

Como mencionado no Capítulo 1, as matrizes neste texto são principalmente


matrizes reais. Mais precisamente, seus elementos são números reais.
Duas matrizes são iguais quando seus elementos correspondentes são iguais.

Definição de igualdade de matrizes


Duas matrizes A = [aij] e B = [bij] são iguais quando têm o mesmo tama-
nho (m × n) e aij = bij para 1 ≤ i ≤ m e 1 ≤ j ≤ n.

EXEMPLO 1 Igualdade de matrizes


Considere as quatro matrizes
1 2 1 1 2
OBSERVAÇÃO A= , B= , C = [1 3] e D= .
3 4 3 x 4
A frase “se e somente se”
significa que a afirmação é ver- As matrizes A e B não são iguais porque são de tamanhos diferentes. Do mesmo
dadeira em ambas as direções. modo, B e C não são iguais. As matrizes A e D são iguais se e somente se x = 3.
Por exemplo, “p se e somente Uma matriz que tem apenas uma coluna, como a matriz B no Exemplo 1,
se q” significa que p implica q é uma matriz coluna ou um vetor coluna. Da mesma forma, uma matriz que
e q implica p. tenha apenas uma linha, como a matriz C no Exemplo 1, é uma matriz linha ou
um vetor linha. Letras minúsculas em negrito são em geral usadas para designar
matrizes coluna e matrizes linha. Por exemplo, a matriz A no Exemplo 1 pode ser

[] []
1 2
particionada (ou dividida) nas duas matrizes coluna a1 = e a2 = , como
3 4
mostrado abaixo.

A=
1
3 [ 2
4
=
1
3 ] [2
4
= [a1 ]
a2]
Matrizes 41

SOMA DE MATRIZES E MULTIPLICAÇÃO DE UMA


MATRIZ POR UM ESCALAR
Para somar duas matrizes (do mesmo tamanho), some seus elementos correspondentes.

Definição de soma de matrizes


Se A = [aij] e B = [bij] são matrizes de tamanho m × n, então sua soma é
a matriz m × n dada por A + B = [aij + bij].
A soma de duas matrizes de tamanhos diferentes não é definida.

EXEMPLO 2 Soma de matrizes

[−10 −1 + 1 2+3
] [ ] [ ] [ ]
2 1 3 0 5
a.  + = =
1 −1 2 0 + (−1) 1+2 −1 3

−2 −2
[01 ] [ ] [ ]
1 0 0 0 0 1
b.  + =
2 3 0 0 0 1 2 3

[ ] [ ] []
1 −1 0
[ ] [ ]
2 1 0 0 1
c.  −3 + 3 = 0   d.  + não é definida.
4 0 −1 −1 3
−2 2 0

OBSERVAÇÃO
Muitas vezes é conveniente Quando se trabalha com matrizes, os números reais são chamados de escalares.
reescrever o múltiplo escalar Para multiplicar uma matriz A por um escalar c, multiplique cada elemento de A por c.
cA fatorando c em cada ele-
mento da matriz. Por exemplo, Definição de multiplicação escalar
fatorar o escalar 12 na seguinte Se A = [aij] é uma matriz m × n e c é um escalar, então o múltiplo escalar
matriz fornece de A por c é a matriz m × n dada por cA = [caij].

[ ]
1
− 32 −3
2
5
2
1
2
= 12 [15 1].
Você pode usar 2A para representar o produto escalar (21)A. Se A e B
são do mesmo tamanho, então A 2 B representa a soma de A e (21)B. Isto é,
A 2 B 5 A 1 (21)B.

Multiplicação por escalar e subtração de


EXEMPLO 3 
matrizes
Para as matrizes A e B, encontre (a) 3A, (b) 2B e (c) 3A 2 B.

[ ] [ ]
1 2 4 2 0 0
A = −3 0 −1  e B = 1 −4 3
2 1 2 −1 3 2

SOLUÇÃO
1 2 4 3(1) 3(2) 3(4) 3 6 12
a.  3A = 3 −3 0 −1 = 3(−3) 3(0) 3(−1) = −9 0 −3
2 1 2 3(2) 3(1) 3(2) 6 3 6

[ ] [ ]
2 0 0 −2 0 0
b.  −B = (−1) 1 −4 3 = −1 4 −3
−1 3 2 1 −3 −2

[ ] [ ] [ ]
3 6 12 2 0 0 1 6 12
c.  3A − B = −9 0 −3 − 1 −4 3 = −10 4 −6
6 3 6 −1 3 2 7 0 4
42 Elementos de álgebra linear

MULTIPLICAÇÃO DE MATRIZES
Outra operação básica de matrizes é a multiplicação de matrizes. Para ver a utilidade desta operação,
considere a aplicação abaixo, em que as matrizes são úteis para organizar informações.
Um estádio de futebol tem três áreas de concessão, localizadas nas barracas sul, norte e oeste. Os
itens mais vendidos são amendoim, cachorros quentes e refrigerantes. As vendas de um dia são dadas na
primeira matriz abaixo, e os preços (em dólares) dos três itens são dados na segunda matriz.
Número de itens vendidos
Amendoins Cachorros quentes Refrigerantes Preço de Venda
Posição sul 120 250 305 2,00 Amendoins
Posição norte 207
≥ 140 419 ¥ ≥ 3,00 ¥ Refrigerantes
Posição oeste 29 120 190 2,75 Cachorros quentes

Para calcular as vendas totais dos três itens mais vendidos na barraca sul, multiplique cada elemento na
primeira linha da matriz à esquerda pelo elemento correspondente na matriz coluna de preços à direita e
some os resultados. As vendas da barraca sul são
(120)(2,00) 1 (250)(3,00) 1 (305)(2,75) 5 $ 1.828,75 Vendas da barraca sul
Do mesmo modo, as vendas para as outras duas barracas são mostradas abaixo.
(207)(2,00) 1 (140)(3,00) 1 (419)(2,75) 5 $ 1.986,25 Vendas da barraca norte
(29)(2,00) 1 (120)(3,00) 1 (190)(2,75) 5 $ 940,50 Vendas da barraca oeste

Os cálculos anteriores são exemplos de multiplicação de matrizes. Você pode escrever o produto da
matriz 3 × 3 e que indica o número de itens vendidos pela matriz 3 × 1 que indica os preços de venda
como mostrado abaixo.
120 250 305 2,00 1.828,75
207 140 419 3,00 = 1.986,25
29 120 190 2,75 940,50

O produto dessas matrizes é a matriz 3 × 1 que fornece as vendas totais para cada uma das três barracas.
A definição do produto de duas matrizes apresentada a seguir se baseia nas ideias que acabamos de
desenvolver. Embora à primeira vista essa definição possa parecer estranha, você verá que ela tem muitas
aplicações práticas.

Definição de multiplicação de matrizes


Se A = [aij] é uma matriz m × n e B = [bij] é uma matriz n × p, então o produto AB é uma matriz
m×p
AB = [cij]
onde
n
cij = ∑a b
k=1
ik kj

= ai1b1j + ai2b2j + ai3b3j + . . . + ainbnj.

Esta definição significa que, para encontrar o elemento na i-ésima linha e na j-ésima coluna do pro-
duto AB, basta multiplicar os elementos na i-ésima linha de A pelos elementos correspondentes na j-ésima
coluna de B e em seguida somar os resultados. O próximo exemplo ilustra este processo.

EXEMPLO 4 Encontrando o produto de duas matrizes



Encontre o produto AB, onde
Matrizes 43

[ ]
−1 3
[−3 ]
2
A= 4 −2 e B= .
−4 1
5 0

SOLUÇÃO
Primeiro, observe que o produto AB é definido porque A tem tamanho 3 × 2 e
B tem tamanho 2 × 2. Além disso, o produto AB tem tamanho 3 × 2 e tomará a
forma

[ ][ [ ]
−1 3 c11 c12
−3
]
2
4 −2 = c21 c22 .
−4 1
5 0 c31 c32
Para encontrar c11 (o elemento na primeira linha e na primeira coluna do produto),
Photo Researchers/Getty Images

multiplique os elementos na primeira linha de A pelos correspondentes na primeira


coluna de B. Isso é
c11 5 (21)(23) 1 (3)(24) 5 29

[ ][ [ ]
−1 3 −9 c12
−3
]
2
4 −2 = c21 c22 .
−4 1
5 0 c31 c32
Arthur Cayley De modo semelhante, para encontrar c12, multiplique os elementos na primeira
(1821-1895) linha de A pelos correspondentes na segunda coluna de B para obter
O matemático britânico c12 5 (21)(2) 1 (3)(1) 5 1
Arthur Cayley é creditado

[ ][ [ ]
por ter dado uma definição −1 3 −9 1
−3
]
2
abstrata de matriz. Cayley 4 −2 = c21 c22 .
se formou na Universidade −4 1
5 0 c31 c32
de Cambridge e era
advogado por profissão. Continuar este procedimento produz os resultados mostrados abaixo.
Ele começo seu trabalho
c21 = (4)(−3) + (−2)(−4) = −4
inovador em matrizes
quando estudava a teoria c22 = (4)(2) + (−2)(1) = 6
das transformações. c31 = (5)(−3) + (0)(−4) = −15
Cayley também contribuiu c32 = (5)(2) + (0)(1) = 10
no desenvolvimento de
determinantes (discutidos O produto é
no Capítulo 3). Cayley e

[ ][ [ ]
−1 3 −9 1
−3
]
dois matemáticos norte- 2
AB = 4 −2 = −4 6 .
-americanos, Benjamin −4 1
Peirce (1809-1880) e 5 0 −15 10
seu filho, Charles S.
Peirce (1839-1914), Tenha a certeza de que você entendeu que, para o produto de duas matrizes
levam o crédito pelo estar definido, o número de colunas da primeira matriz deve ser igual ao número
desenvolvimento da de linhas da segunda matriz. Mais precisamente,
“álgebra matricial”.
A B = AB.
m3n n3p m3p

Igual
Tamanho
de AB
Assim, o produto BA não é definido para matrizes como A e B no Exemplo 4.
O padrão geral para a multiplicação de matrizes é mostrado a seguir. Para
obter o elemento na i-ésima linha e na j-ésima coluna do produto AB, utilize a
i-ésima linha de A e a j-ésima coluna de B.
44 Elementos de álgebra linear

[ ][ ]
a11 a12 a13 . . . a1n c11 c12 . . . c1j . . . c1p

][
b11 b12 . . . b1j . . . b1p
a21 a22 a23 . . . a2n c21 c22 . . . c2j . . . c2p
b21 b22 . . . b2j . . . b2p
⋮ ⋮ ⋮ ⋮ b31 b32 . . . b3j . . . b3p = ⋮ ⋮ ⋮ ⋮
ai1 ai2 ai3 . . . ain ci1 ci2 . . . cij . . . cip
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
bn1 bn2 . . . bnj . . . bnp
am1 am2 am3 . . . amn cm1 cm2 . . . cmj . . . cmp

ai1b1j 1 ai2b2j 1 ai3b3j 1 . . . 1 ainbnj 5 cij

De s coberta
Sejam

1 2 0 1
A= [3 4] e B= [1 2
. ]
1. Encontre A + B e B + A. A soma de matrizes é comutativa?

2. Encontre AB e BA. A multiplicação de matrizes é comutativa?

EXEMPLO 5 Multiplicação de matrizes

Veja LarsonLinearAlgebra.com para uma versão interativa deste tipo de exemplo.

[ ]
−2 4 2
−5 −1
[ ] [ ]
1 0 3 7
a. 1 0 0 =
2 −1 −2 −3 6 6
−1 1 −1
233 333 233

[−23 ][10 ] [ ]
4 0 3 4
b. =
5 1 −2 5
232 232 232

[11 ][−11 ] [ ]
2 2 1 0
c. =
1 −1 0 1
232 232 232

[ ]
2
d. [1 −2 −3] −1 = [1]
1
133 331 131

[ ] [ ]
2 2 −4 −6
e. −1 [1 −2 −3] = −1 2 3
1 1 −2 −3
331 133 333

Observe a diferença entre os dois produtos nos itens (d) e (e) do Exemplo 5. Em geral, a multiplicação
de matrizes não é comutativa. Normalmente não é verdade que o produto AB seja igual ao produto BA.
(Veja a Seção 2.2 para mais discussões sobre a não comutatividade da multiplicação de matrizes.)

SISTEMAS DE EQUAÇÕES LINEARES


Uma aplicação prática da multiplicação de matrizes é a representação de um sistema de equações lineares.
Observe como o sistema
Matrizes 45

a11x1 + a12x2 + a13x3 = b1


a21x1 + a22x2 + a23x3 = b2
a31x1 + a32x2 + a33x3 = b3
pode ser escrito como a equação matricial Ax = b, onde A é a matriz de coeficien-
tes do sistema e x e b são matrizes coluna.

[ ][ ] [ ]
a11 a12 a13 x1 b1
a21 a22 a23 x2 = b2
a31 a32 a33 x3 b3
A x 5 b

Resolução de um sistema de equações


EXEMPLO 6 
lineares

Resolva a equação matricial Ax = 0, em que

[]
x1
−2
A=
1
2 [ 3
1
−2],  x = x2 , e 0 =
0
0
. []
x3
SOLUÇÃO
Como um sistema de equações lineares, Ax = 0 é
x1 − 2x2 + x3 = 0
2x1 + 3x2 − 2x3 = 0.
Usando a eliminação de Gauss-Jordan na matriz aumentada deste sistema, você obtém
TECNOLOGIA
Muitas ferramentas compu- [ 1
0
0
1
− 17
− 47
0
0].
tacionais e softwares podem
Assim, o sistema tem infinitas soluções. Aqui, uma escolha conveniente de parâ-
executar soma de matrizes,
metro é x3 = 7t, e você pode escrever o conjunto solução como
multiplicação de matriz por
escalar e multiplicação de x1 = t,  x2 = 4t,  x3 = 7t,  t é qualquer número real.
matrizes. Quando você usa
Na terminologia de matrizes, você descobriu que a equação matricial
uma ferramenta computacional

[]
para verificar uma das solu- x
−2 1 1
[ ] []
1 0
ções do Exemplo 6, pode ver x =
2 3 −2 2 0
algo semelhante à tela abaixo. x3
tem infinitas soluções representadas por
[A]

[ ] [ ] []
[[1 -2 1 ] x1 t 1
[2 3 -2]]
[B] x = x2 = 4t = t 4 ,  t é qualquer escalar.
[[1]
[4] x3 7t 7
[7]]
[A]*[B] Em outros termos, qualquer múltiplo escalar da matriz coluna à direita é uma
[[0]
[0]] solução. Eis alguns exemplos de soluções:

[] [ ] [] [ ]
1 2 0 −1
O Technology Guide, disponível
4 ,  8 ,  0 , e  −4 .
na página deste livro no site da
7 14 0 −7
Cengage, pode ajudá-lo a usar
a tecnologia para executar ope-
rações de matrizes.
MATRIZES PARTICIONADAS
O sistema Ax = b pode ser representado de uma maneira mais conveniente parti-
cionando as matrizes A e x como mostrado a seguir. Se

[ ] [] []
a11 a12 . . . a1n x1 b1
a21 a22 . . . a2n x2 b2
A= ,  x = , e b =
⋮ ⋮ ⋮ ⋮ ⋮
am1 am2 . . . amn xn bm
46 Elementos de álgebra linear

são a matriz de coeficientes, a matriz coluna de incógnitas e o lado direito, respectivamente, do sistema
linear m × n Ax = b, então

[ ][ ]
a11 a12 . . . a1n x1
a21 a22 . . . a2n x2
=b
⋮ ⋮ ⋮ ⋮
am1 am2 . . . amn xn

[ ]
a11x1 + a12 x2 + . . . + a1n xn
a21x1 + a22 x2 + . . . + a2n xn
=b

am1x1 + am2 x2 + . . . + amn xn

[] [] []
a11 a12 a1n
a21 a22 a2n
x1 + x2 + . . . + xn = b.
⋮ ⋮ ⋮
am1 am2 amn
Em outras palavras,
Ax = x1a1 + x2a2 + . . . + xnan = b
onde a1, a2, . . . , an são as colunas da matriz A. A expressão

[] [] []
a11 a12 a1n
a21 a22 a2n
x1 + x2 + . . . + xn
⋮ ⋮ ⋮
am1 am2 amn
é chamada de combinação linear das matrizes coluna a1, a2, . . . , an com coeficientes x1, x2, . . . , xn.

Combinações lineares de vetores coluna


A matriz produto Ax é uma combinação linear dos vetores coluna a1, a2, . . . , an que formam a
matriz de coeficientes A.

[] [] []
a11 a12 a1n
a21 a22 a2n
x1 + x2 + . . . + xn
⋮ ⋮ ⋮
am1 am2 amn
Além disso, o sistema
Ax = b
é consistente se e somente se b pode ser expresso como uma combinação linear, onde os coeficientes
da combinação linear são uma solução do sistema.

EXEMPLO 7 Resolução de um sistema de equações lineares



O sistema linear
x1 + 2x2 + 3x3 = 0
4x1 + 5x2 + 6x3 = 3
7x1 + 8x2 + 9x3 = 6
pode ser reescrito como uma equação matricial Ax = b, como mostrado a seguir.

[] [] [] []
1 2 3 0
x1 4 + x2 5 + x3 6 = 3
7 8 9 6
Utilizando a eliminação de Gauss, você pode mostrar que este sistema tem infinitas soluções, uma das
quais é x1 = 1, x2 = 1, x3 = −1.
Matrizes 47

1 2 3 0
1 4 + 1 5 + (−1) 6 = 3
7 8 9 6
Assim, b pode ser expresso como uma combinação linear das colunas de A. Esta
representação de um vetor coluna em termos de outros é um tema fundamental da
álgebra linear.

Do mesmo modo que você particiona A em colunas e x em linhas, é frequen-


temente útil considerar uma matriz m × n particionada em matrizes menores. Por
exemplo, você pode particionar a matriz seguinte como indicado.

[ ] [ ]
1 2 0 0 1 2 0 0
3 4 0 0    3 4 0 0
−1 −2 2 1 −1 −2 2 1
Você também pode particionar a matriz em matrizes coluna

[ ]
1 2 0 0
3 4 0 0 = [c1 c2 c3 c4]
−1 −2 2 1
ou matrizes linha

[ ] []
1 2 0 0 r1
3 4 0 0 = r2 .
−1 −2 2 1 r3

Muitas aplicações de sistemas lineares na vida real


ÁLGEBRA
envolvem um número enorme de equações e variáveis.
LINEAR Por exemplo, um problema de agendamento de tripu-
APLICADA lação de voo para a American Airlines exigia a mani-
pulação de uma matriz com 837 linhas e mais de
12.750.000 colunas. Para resolver essa aplicação de
programação linear, pesquisadores particionaram o
problema em pedaços menores e resolveram em um
computador. (Fonte: Very Large-Scale Linear Programming.
A Case Study in Combining Interior Point and Simplex Methods
(Programação linear em grande escala. Um estudo de caso na
combinação de métodos de ponto interno e métodos simplex),
Bixby, Robert E., et al., Operations Research, 40, n. 5).

2.1  Exercícios
Igualdade de matrizes  Nos Exercícios 1-4, encontre

[ ] [ ]
16 4 5 4 16 4 2x + 1 4
x e y.  3. −3 13 15 6 = −3 13 15 3x
x −2 −4 −2 0 2 4 0 0 2 3y − 5 0
 1. [7 y ] [
=
7 22 ]
[ ] [ ]
x+2 8 −3 2x + 6 8 −3
 4. 1 2y 2x = 1 18 −8
 2. [−5y 8x] = [−5
12
13
8] 7 −2 y + 2 7 −2 11
48 Elementos de álgebra linear

Operações com matrizes  Nos Exercícios 5-10,

[ ] [ ]
3 2 1 1 2
encontre, se possível, (a) A + B, (b) A − B, (c) 2A, 20. A = −3 0 4 ,  B = 2 −1
(d) 2A − B, (e) B + 12A. 4 −2 −4 1 −2
−3 −2
[12 ] [ ]
2

[]
 5. A = ,  B = 2
1 4 2 21. A = [3 2 1],  B = 3

[ ] [ ]
6 −1 1 4 0
 6. A = 2 4 ,  B = −1 5

[]
−1
−3 5 1 10
2
−3 22. A = ,  B = [2 1 3 2]
[ ] [ ]
2 1 1 2 4 −2
 7. A = ,  B =
−1 −1 4 −3 1 −2 1

[ ] [ ]
3 2 −1 0 2 1

[ ]
−1 3
[ ]
 8. A = 2 4 5 ,  B = 5 4 2 1 2
23. A = 4 −5 ,  B =
0 1 2 2 1 0 0 7
0 2
−1
  9. A = [ ] [ ]
6 0 3 8

[ ]
,  B = 2 1
−3
[ ]
−1 −4 0 4 −3 2
24. A = ,  B = 1 3
5 2

[ ]
3 2 −1
10. A = 2 ,  B = [−4 6 2]

[ ] [ ]
−1 0 −1 0 2
25. A = 4 0 2 ,  B = −3
11. Determine (a) c21 e (b) c13, onde C = 2A − 3B, 8 −1 7 1
2 −7
[ ] [ ]
5 4 4 1
A= ,  e  B =

[ ]
. 2 1 2
−3 1 2 0 −5 1
26. A = 3 −1 −2 ,
12. Determinar (a) c23 e (b) c32, onde C = 5A + 2B,
−2 1 −2

[ ] [ ]
4 11 −9 1 0 5

[ ]
4 0 1 3
A= 0 3 2 , e B = −4 6 11 .
B = −1 2 −3 −1
−3 1 1 −6 4 9
−2 1 4 3
13. Determine x, y e z na equação matricial

[]
6
[xz ] [ ] [ ]
y y z 4 x
4 =2 +2 . −2
−1 −x 1 5 −x 27. A = ,  B = [10 12]
1
14. 
Determine x, y, z e w na equação matricial
6
−4
[wy ] [
x
x
=
2
3
−1
+2
y
z ] [ w
x].
28. A = [16 0 3 −2 4
,  B =
1 6
] [ ]
13 8 −17 20 4 2
Encontrando produtos de duas matrizes  Nos
Exercícios 15-28, encontre, se possível, (a) AB e (b) BA. Tamanho da matriz  Nos Exercícios 29-36, sejam
A, B, C, D e E matrizes com os tamanhos indicados
−1
15. A = [14 22],  B = [−12 8] abaixo.
A: 3 × 4  B: 3 × 4  C: 4 × 2  D: 4 × 2  E: 4 × 3
2 −2
16. A = [
4]
,  B = [
−2]
4 1
Se definida, determine o tamanho da matriz. Se não
−1 2 estiver definida, explique o motivo.

[ ] [ ]
2 −1 3 0 1 2 29. A + B 30. C+E
17. A = 5 1 −2 ,  B = −4 1 3 1
31. 2D 32. −4A
2 2 3 −4 −1 −2
33. AC 34. BE

[ ] [ ]
1 −1 7 1 1 2 35. E − 2A 36. 2D + C
18. A = 2 −1 8 ,  B = 2 1 1
3 1 −1 1 −3 2 Resolução de uma equação matricial Nos
Exercícios 37 e 38, resolva a equação matricial Ax = 0.

[ ] [ ]
2 1 0 −1 0

[]
x1
19. A = −3 4 ,  B = 4 −1 −1
[ ] []
0 2 2 0
37. A = ,  x = x2 ,  0 =
1 6 8 −1 7 1 −2 2 0
x3
Matrizes 49

[]
x1 Resolução de uma equação matricial  Nos Exer-

[ ] []
1 2 1 3 0 cícios 53 e 54, determine A.
x
38. A = 1 −1 0 1 ,  x = 2 ,  0 = 0
[ ] [ ]
x3 1 2 1 0
0 1 −1 2 0 53. A=
x4 3 5 0 1
−1
54. [ ] A=[
1]
2 1 0
Resolução de um sistema de equações linea-
res  Nos Exercícios 39-48, escreva o sistema de equa- 3 −2 0
ções lineares na forma Ax = b e resolva esta equação
Resolução de uma equação matricial  Nos Exer-
matricial para determinar x.
cícios 55 e 56, resolva a equação matricial para deter-
39. −x1 + x2 = 4 40. 2x1 + 3x2 = 5 minar a, b, c e d.
−2x1 + x2 = 0 x1 + 4x2 = 10
[ ][ ] [ ]
1 2 a b 6 3
55. =
41. −2x1 − 3x2 = −4 42. −4x1 + 9x2 = −13 3 4 c d 19 2
6x1 + x2 = −36 x1 − 3x2 = 12
56. [ ] [ ] =[ ]
a b 2 1 3 17
43. x1 − 2x2 + 3x3 = 9 c d 3 1 4 −1
−x1 + 3x2 − x3 = −6
Matriz diagonal  Nos Exercícios 57 e 58, encontre
2x1 − 5x2 + 5x3 = 17 o produto AA para a matriz diagonal. Uma matriz
44. x1 + x2 − 3x3 = −1 quadrada

[ ]
−x1 + 2x2 = 1 a11 0 0 . . . 0
x1 − x2 + x3 = 2 0 a22 0 . . . 0
45. x1 − 5x2 + 2x3 = −20 A= 0 0 a33 . . . 0
−3x1 + x2 − x3 = 8 ⋮ ⋮ ⋮ ⋮
0 0 0 . . . ann
−2x2 + 5x3 = −16
46. x1 − x2 + 4x3 = 17 é uma matriz diagonal quando todos os elementos que
não estão na diagonal principal são nulos.
x1 + 3x2 = −11

[ ] [ ]
−1 0 0 2 0 0
−6x2 + 5x3 = 40
57. A = 0 2 0 58. A = 0 −3 0
47. 2x1 − x2 + x4 = 3
0 0 3 0 0 0
3x2 − x3 − x4 = −3
Encontrando produtos de matrizes diagonais  
x1 + x3 − 3x4 = −4 Nos Exercícios 59 e 60, encontre os produtos AB e BA
x1 + x2 + 2x3 = 0 para as matrizes diagonais.
48. x1 + x2 =0 −5
[ ] [ ]
2 0 0
59. A = ,  B =
x2 + x3 =0 0 −3 0 4

[ ] [ ]
x3 + x4 =0 3 0 0 −7 0 0
x4 + x5 = 0 60. A = 0 −5 0 ,  B = 0 4 0
−x1 + x2 − x3 + x4 − x5 = 5 0 0 0 0 0 12
61. Demonstração guiada  Demonstre que se A e B
Escrevendo uma combinação linear  Nos Exercí-
são matrizes diagonais (do mesmo tamanho), então
cios 49-52, escreva a matriz coluna b como uma com-
AB = BA.
binação linear das colunas de A.
 Começando: para demonstrar que as matrizes AB e
1 −1 −1
[ ] [ ]
2
49. A = ,  b = BA são iguais, é preciso mostrar que seus elementos
3 −3 1 7
correspondentes são iguais.

[ [] ]
1 2 4 1 (i) 
Comece sua demonstração considerando
50. A = −1 0 2 ,  b = 3 A = [aij] e B = [bij] como sendo duas matrizes
0 1 3 2 diagonais n × n.

[ ] []
1 1 −5 3 (ii) O elemento ij do produto AB é
51. A = 1 0 −1 ,  b = 1 n

2 −1 −1 0
cij = ∑a b .
k=1
ik kj

(iii) Calcule os elementos cij para os dois casos i ≠ j

[ ] [ ]
−3 5 −22
52. A = 3 4 ,  b = 4 e i = j.
4 −8 32 (iv) Repita esta análise para o produto BA.
50 Elementos de álgebra linear

62. Dissertação  Sejam A e B matrizes 3 × 3, onde A é 74. Demonstração guiada  Demonstre que se o pro-
diagonal. duto AB é uma matriz quadrada, então o produto BA
(a) Descreva o produto AB. Ilustre sua resposta com está definido.
exemplos. Começando: Para demonstrar que o produto BA está
(b) Descreva o produto BA. Ilustre sua resposta com definido, é preciso mostrar que o número de colunas
exemplos. de B é igual ao número de linhas de A.
(c) Como os resultados nos itens (a) e (b) mudam (i) Comece sua demonstração observando que o
quando os elementos diagonais de A são todos número de colunas de A é igual ao número de
iguais? linhas de B.
Traço de uma matriz  Nos Exercícios 63-66, encon- (ii) Então, suponha que A tem tamanho m × n e B
tre o traço da matriz. O traço de uma matriz A do tem tamanho n × p.
tamanho n × n é a soma dos elementos da diagonal (iii) Use a hipótese de que o produto AB é uma
principal. Isto é, Tr(A) = a11 + a22 + . . . + ann. matriz quadrada.
75. Demonstração  Demonstre que, se ambos os pro-

[ ] [ ]
1 2 3 1 0 0
dutos AB e BA estiverem definidos, então AB e BA
63. 0 −2 4 64. 0 1 0
são matrizes quadradas.
3 1 3 0 0 1
76. Sejam A e B matrizes tais que o produto AB esteja

[ ] [ ]
1 0 2 1 1 4 3 2
definido. Mostre que se A tem duas linhas idênticas,
0 1 −1 2 4 0 6 1 então as duas linhas correspondentes de AB também
65. 66.
4 2 1 0 3 6 2 1 são idênticas.
0 0 5 1 2 1 1 −3
77. Sejam A e B matrizes n × n. Mostre que se a i-ésima
67. Demonstração  Demonstre que cada afirmação é linha de A tiver todos os elementos nulos, então a
verdadeira quando A e B são matrizes quadradas de i-ésima linha de AB também terá todos os elementos
ordem n e c é um escalar. nulos. Dê um exemplo usando matrizes 2 × 2 para
mostrar que a recíproca não é verdadeira.
(a) Tr(A + B) = Tr(A) + Tr(B)
(b) Tr(cA) = cTr(A)
78. P
 onto crucial  Considere matrizes A e B
68. Demonstração  Demonstre que se A e B são matri- de tamanhos 3 × 2 e 2 × 2, respectivamente.
zes quadradas de ordem n, então Tr(AB) = Tr(BA). Responda a cada pergunta e justifique suas
69. Encontre condições em w, x, y e z tais que AB = BA respostas.
para as matrizes abaixo. (a) É possível que A = B?
[ ] [ ]
w x 1 1
A=   e  B = (b) A + B está definida?
y z −1 1
(c) AB está definida? Se estiver, é possível que
70. Verifique AB = BA para as seguintes matrizes. AB = BA?
cos αα −sen
cos −senαα cos ββ −sen
cos −sen ββ
AA =
=   eee  BB =
=
sen αα cos
sen cos αα sen ββ cos
sen cos ββ 79. Agricultura  Um produtor de frutas planta duas
71. Mostre que a equação matricial não tem nenhuma culturas, maçãs e pêssegos. O produtor envia cada
solução. uma dessas culturas para três pontos de venda dife-
rentes. Na matriz
[11 ] [ ]
1 1 0
A=
[ ]
125 100 75
1 0 1 A= ,
100 175 125
72. Mostre que não existem matrizes A e B de tamanho
 aij representa o número de unidades da cultura i que
2 × 2 que satisfaçam a equação matricial
o produtor envia para o ponto de venda j. A matriz
[ ]
1 0
AB − BA = . B 5 [$ 3,50 $ 6,00]
0 1
 representa o lucro por unidade. Encontre o produto
73. Exploração  Seja i = √−1 e sejam BA e indique o que cada elemento da matriz repre-
0 −i
[ ] [ ]
i 0 senta.
A=   e  B = .
0 i i 0 80. Manufatura  Uma corporação tem três fábricas,
(a) Encontre A2, A3 e A4. (Observação: A2 = AA, cada uma das quais fabrica guitarras acústicas e gui-
A3 = AAA = A2A, e assim por diante.) Identifique tarras elétricas. Na matriz
quaisquer semelhanças com i2, i3 e i4.
(b) Encontre e identifique B2.
Matrizes 51

A= [70
35
50 25
100 70 ] A= [AA 11

21
A12
A22
]
 e B =
B11 B12
B21 B22
, [ ]
 aij representa o número de guitarras do tipo i produ- então você pode multiplicar A e B em blocos, desde
zidas na fábrica j em um dia. Encontre os níveis de que os tamanhos das submatrizes sejam tais que suas
produção quando a produção aumenta em 20%. multiplicações e adições estejam definidas.
81. Política  Na matriz
De
AB = [AA AA ] [BB
11

21
12

22
11

21
B12
B22 ]
=[ ]
A B +A B A11B12 + A12B22
11 11 12 21
R D I
A B +A B
21 11 22 21 A21B12 + A22B22
0,6 0,1 0,1 R

[ ]
P = 0,2 0,7 0,1 D Para 1 2 0

[ ]
1 2 0 0
0,2 0,2 0,8 I −1 1 0
83. A = 0 1 0 0 ,  B =
0 0 1
0 0 2 1
 cada elemento pij (i ≠ j) representa a proporção da 0 0 3
população votante que muda do partido j para o par-

[ ] [ ]
tido i e pii representa a proporção que permanece leal 0 0 1 0 1 2 3 4
ao partido i de uma eleição para a outra. Encontre e 0 0 0 1 5 6 7 8
84. A = ,  B =
interprete o produto de P por ela mesma. −1 0 0 0 1 2 3 4
82. População  As matrizes mostram o número de 0 −1 0 0 5 6 7 8
pessoas (em milhares) que viveram em cada região Verdadeiro ou falso?  Nos Exercícios 85 e 86, deter-
dos Estados Unidos em 2010 e 2013. As populações mine se cada afirmação é verdadeira ou falsa. Se uma
regionais são separadas em três categorias etárias. afirmação for verdadeira, dê uma justificativa ou cite
(Fonte: US Census Bureau) uma afirmação apropriada do texto. Se uma afirma-
ção for falsa, forneça um exemplo que mostre que a
2010
afirmação não é verdadeira em todos os casos ou cite
0–17 18–64 65+ uma afirmação apropriada do texto.
Noroeste 12.306 35.240 7.830
Centro-Oeste 16.095 41.830 9.051 85. (a) Para o produto de duas matrizes estar definido,
Sul   o número de colunas da primeira matriz deve ser
27.799 72.075 14.985
Montanha igual ao número de linhas da segunda matriz.
5.698 13.717 2.710
Pacífico 12.222 31.867 5.901 (b) O sistema Ax = b é consistente se e somente
se b pode ser expresso como uma combinação
2013 linear das colunas de A, onde os coeficientes da
0–17 18–64 65+ combinação linear são uma solução do sistema.
Noroeste 12.026 35.471 8.446 86. (a) (a) Se A é uma matriz m × n e B é uma matriz
Centro-Oeste 15.772 41.985 9.791 n × r, então o produto AB é uma matriz m × r.
Sul   27.954 73.703 16.727 (b) A equação matricial Ax = b, onde A é a matriz
Montanha 5.710 14.067 3.104 de coeficientes e x e b são matrizes coluna, pode
Pacífico 12.124 32.614 6.636 ser usada para representar um sistema de equa-
ções lineares.
(a) A população total em 2010 foi aproximadamente 87. As colunas da matriz T mostram as coordenadas dos
309 milhões e a população total em 2013 foi cerca vértices de um triângulo. A matriz A é uma matriz de
316 milhões. Reescreva as matrizes para dar a transformação.
informação como porcentagens da população
0 −1
[ ] [ ]
1 2 3
total. A= ,  T =
1 0 1 4 2
(b)  Escreva uma matriz que dê as mudanças nos
(a) Encontre AT e AAT. Em seguida, esboce o triân-
percentuais da população em cada região e faixa
gulo original e os dois triângulos transformados.
etária de 2010 a 2013.
Qual transformação A representa?
(c) Com base no resultado da parte (b), que grupo(s)
(b) Um triângulo é determinado por AAT. Descreva
etário(s) mostrou(aram) crescimento relativo
o processo de transformação que produz os tri-
entre 2010 e 2013?
ângulos determinados por AT e, em seguida, o
Multiplicação em blocos  Nos Exercícios 83 e 84, faça triângulo determinado por T.
a multiplicação em blocos das matrizes A e B. Se as
matrizes A e B são particionadas em quatro submatrizes
52 Elementos de álgebra linear

2.2 Propriedades das operações com matrizes


Usar as propriedades de soma de matrizes, de multiplicação por escalar e de matri-
zes nulas.

Usar as propriedades da multiplicação de matrizes e da matriz identidade.

Encontrar a transposta de uma matriz.

ÁLGEBRA DE MATRIZES
Na Seção 2.1, você se concentrou na mecânica das três operações matriciais básicas: soma de matrizes,
multiplicação por escalar e multiplicação de matrizes. Esta seção começa a desenvolver a álgebra das
matrizes. Você verá que esta álgebra compartilha muitas (mas não todas) das propriedades da álgebra dos
números reais. O Teorema 2.1 lista várias propriedades da soma de matrizes e da multiplicação por escalar.

TEOREMA 2.1  Propriedades da soma de matrizes e da


multiplicação por escalar
Se A, B e C são matrizes m × n e c e d são escalares, então as propriedades a seguir são verdadeiras.
1.  A + B = B + A Propriedade comutativa da soma
2.  A + (B + C) = (A + B) + C Propriedade associativa da soma
3.  (cd)A = c(dA) Propriedade associativa da multiplicação
4.  1A = A Elemento neutro multiplicativo
5.  c(A + B) = cA + cB Propriedade distributiva
6.  (c + d)A = cA + dA Propriedade distributiva

DEMONSTRAÇÃO
As demonstrações dessas seis propriedades seguem diretamente das definições de soma de matrizes, multi-
plicação por escalar e das propriedades correspondentes dos números reais. Por exemplo, para demonstrar
a propriedade comutativa da adição matricial, sejam A = [aij ] e B = [bij ]. Então, usando a propriedade
comutativa da adição de números reais, escreva
A + B = [aij + bij ] = [bij + aij ] = B + A.
De modo parecido, para demonstrar a Propriedade 5, use a propriedade distributiva (para números reais)
da multiplicação sobre a soma para escrever
c(A + B) = [c(aij + bij )] = [caij + cbij ] = cA + cB.
As demonstrações das quatro propriedades restantes são deixadas como exercícios. (Veja os Exercícios
61-64.)

A seção anterior definiu soma de matrizes como a soma de duas matrizes, tornando-a uma operação
binária. A propriedade associativa da soma de matrizes agora permite que você escreva expressões do tipo
A 1 B 1 C como (A 1 B) 1 C ou como A 1 (B 1 C). Este mesmo raciocínio aplica-se a somas de quatro
ou mais matrizes.

EXEMPLO 1 Soma de mais de duas matrizes


Para obter a soma de quatro matrizes, some os elementos correspondentes como mostrado a seguir.

[12] + [−1
−1] [ 1] [ −3] [ −1]
+
0
+
2
=
2

Matrizes 53

Uma propriedade importante da soma de números reais é que o número 0 é


o elemento neutro aditivo. Ou seja, c 1 0 5 c para qualquer número real c. Para
matrizes, vale uma propriedade parecida. Especificamente, se A é uma matriz
m × n e Omn é a matriz m × n constituída inteiramente de zeros, então A 1 Omn
5 A. A matriz Omn é uma matriz nula e ela é o elemento neutro aditivo para o
conjunto de todas as matrizes m × n. Por exemplo, a matriz abaixo é o elemento
neutro aditivo para o conjunto de todas as matrizes 2 × 3.

[00 ]
0 0
O23 =
0 0
Quando o tamanho da matriz está claro, você pode denotar uma matriz nula sim-
plesmente por O ou 0.
As propriedades das matrizes nulas listadas a seguir são relativamente fáceis de
demonstrar e suas demonstrações são deixadas como exercício. (Veja o Exercício 65.)

OBSERVAÇÃO TEOREMA 2.2 Propriedades das matrizes nulas


A Propriedade 2 pode ser
Se A é uma matriz m × n e c é um escalar, então as propriedades abaixo são
descrita dizendo que a matriz
válidas.
2A é a inversa aditiva de A.
1. A + Omn = A
2. A + (−A) = Omn
3. If cA = Omn, então c = 0 ou A = Omn.

A álgebra dos números reais e a álgebra das matrizes têm muitas semelhan-
ças. Por exemplo, compare as duas seguintes soluções.
Números reais Matrizes m 3 n
(Determine x.) (Determine X.)
x+a=b X+A=B
x + a + (−a) = b + (−a) X + A + (−A) = B + (−A)
x+0=b−a X+O=B−A
x=b−a X=B−A
O Exemplo 2 ilustra o processo de resolução de uma equação matricial.

EXEMPLO 2 Resolução de uma equação matricial

Determine X na equação 3X 1 A 5 B, onde


−2
[10 ] [−32 ]
4
A= e B= .
3 1

SOLUÇÃO
Comece resolvendo a equação em X para obter
3X = B − A
X = 13(B − A).
Agora, usando as matrizes A e B, você tem

1 −3 4 1 −2
X=3 −
2 1 0 3
−4
[ ]
6
= 13
2 −2

[ ]
− 43 2
= 2 .
3 − 23
54 Elementos de álgebra linear

PROPRIEDADES DA MULTIPLICAÇÃO DE MATRIZES


O próximo teorema estende a álgebra de matrizes para incluir algumas proprieda-
des úteis da multiplicação de matrizes. A demonstração da Propriedade 2 encon-
tra-se a seguir. As demonstrações das propriedades restantes são deixadas como
exercício. (Veja o Exercício 66.)
OBSERVAÇÃO
Observe que nenhuma pro- TEOREMA 2.3   Propriedades da multiplicação de matrizes
priedade comutativa da multi-
plicação de matrizes é listada Se A, B e C são matrizes (com tamanhos tais que os produtos de matrizes estão
no Teorema 2.3. O produto AB definidos), e se c é um escalar, então as propriedades abaixo são verdadeiras.
pode não ser igual ao 1.  A(BC) = (AB)C Propriedade associativa da multiplicação
produto BA, como ilustrado no 2.  A(B + C) = AB + AC Propriedade distributiva
Exemplo 4 na próxima página. 3.  (A + B)C = AC + BC Propriedade distributiva
4.  c(AB) = (cA)B = A(cB)

DEMONSTRAÇÃO
Para demonstrar a Propriedade 2, mostre que os elementos correspondentes das
matrizes A(B 1 C) e AB 1 AC são iguais. Suponha que A tem tamanho m 3 n,
B tem tamanho n 3 p e C tem tamanho n 3 p. Usando a definição de multipli-
cação de matrizes, o elemento na i-ésima linha e j-ésima coluna de A(B 1 C) é
ai1(b1j 1 c1j) 1 ai2(b2j 1 c2j) 1. . . 1 ain(bnj 1 cnj). Além disso, o elemento na
i-ésima linha e na j-ésima coluna de AB 1 AC é
(ai1b1j + ai2b2j + . . . + ainbnj ) + (ai1c1j + ai2c2j + . . . + aincnj ).
Ao distribuir e reagrupar, você pode ver que estes dois elementos ij são iguais.
Assim,
A(B + C) = AB + AC.

A propriedade associativa da multiplicação de matrizes permite escrever pro-


dutos matriciais da forma ABC sem ambiguidade, como ilustrado no Exemplo 3.

EXEMPLO 3 Multiplicação de matrizes é associativa


Encontre a matriz produto ABC agrupando os fatores primeiro como (AB)C e a seguir
como A(BC). Mostre que você obtém o mesmo resultado em ambos os processos.

[ ]
−1 0
−2
[ ] [ ]
1 1 0 2
A= ,  B = ,  C = 3 1
2 −1 3 −2 1
2 4
SOLUÇÃO
Agrupando os fatores como (AB)C, você tem

[ ]
−1 0
−2
(AB)C = ([ 1
2 −1 ][ 1
3
0
−2
2
1]) 3 1
2 4

[ ]
−1 0
−5
=
−1[ 4
2 ]
0
3
3 1 =
17
13 [ 4
14
.]
2 4
Agrupando os fatores como A(BC), você obtém o mesmo resultado.

( [ ])
−1 0
−2
A(BC) = [ 1
2 ][
−1
1
3
0
−2
2
1 ] 3 1
2 4
−2
= [12 ][−73
−1
8
2
= ] [
17
13
4
14 ]
Matrizes 55

O próximo exemplo mostra que, mesmo quando ambos os produtos AB e BA estão definidos, eles
podem não ser iguais.

EXEMPLO 4 Não comutatividade da multiplicação de matrizes


Mostre que AB e BA não são iguais para as matrizes
−1
[12 ] [ ]
3 2
A=   e  B = .
−1 0 2
SOLUÇÃO
−1 −1
[12 ][20 ] [ ] [ ][12 ] [ ]
3 2 5 2 3 0 7
AB = = ,  BA = =
−1 2 4 −4 0 2 −1 4 −2
AB ≠ BA

Não conclua do Exemplo 4 que os produtos de matrizes AB e BA nunca são iguais. Às vezes eles são
iguais. Por exemplo, encontre AB e BA para as matrizes abaixo.
−2
[11 ] [ ]
2 4
A=   e  B =
1 2 −2
Você verá que os dois produtos são iguais. O ponto é que, embora AB e BA sejam iguais às vezes, AB
e BA em geral não são iguais.
Outra qualidade importante da álgebra matricial é que ela não tem uma propriedade de cancelamen-
to geral para a multiplicação de matrizes. Isto é, quando AC 5 BC, não é necessariamente verdade que
A 5 B. O Exemplo 5 ilustra isso. (Na próxima seção, você verá que, para alguns tipos especiais de matri-
zes, o cancelamento é válido.)

EXEMPLO 5 Um exemplo no qual o cancelamento não é válido


Mostre que AC 5 BC.
−2
[10 ] [ ] [ ]
3 2 4 1
A= ,  B = ,  C =
1 2 3 −1 2
SOLUÇÃO
−2 −2 −2 −2
[10 ][−11 ] [ ] [ ][−11 ] [ ]
3 4 2 4 4
AC = = , BC = =
1 2 −1 2 2 3 2 −1 2
AC = BC, apesar de A ≠ B.

Você vai agora olhar para um tipo especial de matriz quadrada que tem 1 na diagonal principal e 0 em
qualquer outra posição.

[ ]
1 0 . . . 0
0 1 . . . 0
In =
⋮ ⋮ ⋮
0 0 . . . 1
n3n

Por exemplo, para n 5 1, 2 e 3,

[ ]
1 0 0
[ ]
1 0
I1 = [1],  I2 = ,  I3 = 0 1 0 .
0 1
0 0 1
Quando está claro que a ordem da matriz é n, você pode denotar In simplesmente como I.
Como indicado no Teorema 2.4, na próxima página, a matriz In é o elemento neutro para a multi-
plicação de matrizes; ela é chamada de matriz identidade de ordem n. A demonstração deste teorema é
deixada como exercício. (Veja o Exercício 67.)
56 Elementos de álgebra linear

OBSERVAÇÃO
TEOREMA 2.4   Propriedades da matriz identidade
Observe que se A é uma matriz
quadrada de ordem n, então Se A é uma matriz de tamanho m × n, então as propriedades abaixo são
AIn = In A = A. verdadeiras.
1.  AIn = A 2.  Im A = A

EXEMPLO 6 Multiplicação por uma matriz identidade

[ ][ [ ] [ ][ ] [ ]
3 −2 3 −2 1 0 0 −2 −2
]
1 0
a.  4 0 = 4 0 b.  0 1 0 1 = 1
0 1
−1 1 −1 1 0 0 1 4 4

Para a multiplicação repetida de matrizes quadradas, utilize a mesma notação exponencial utilizada
com números reais. Isto é, A1 5 A, A2 5 AA e para um inteiro positivo k, Ak é
Ak = AA . . . A.

k fatores

É conveniente também definir A0 = In (onde A é uma matriz quadrada de ordem n). Essas definições per-
mitem que você estabeleça as propriedades (1) AjAk = Aj + k e (2) (Aj)k = Ajk, onde j e k são inteiros não
negativos.

EXEMPLO 7 Multiplicação repetida de uma matriz quadrada

−1
Para a matriz A = [23 0
, ]
−1 −1 −1 1 −2 −1 −4 −1
A3 = ([23 0 ][23 0 ])[23 0 ] [
=
6 −3 ][23 0] [
=
3 −6 ]
.

Na Seção 1.1, você viu que um sistema de equações lineares tem exatamente uma solução, infinitas
soluções ou nenhuma solução. Pode-se usar a álgebra matricial para demonstrar isso.

TEOREMA 2.5   Número de soluções de um sistema linear


Para um sistema de equações lineares, precisamente uma das afirmações abaixo é verdadeira.
1.  O sistema tem exatamente uma solução.
2.  O sistema tem infinitas soluções.
3.  O sistema não tem solução.

DEMONSTRAÇÃO
Represente o sistema pela equação matricial Ax 5 b. Se o sistema tem exatamente uma solução ou nenhu-
ma solução, então não há nada a demonstrar. Então, suponha que o sistema tem pelo menos duas soluções
distintas x1 e x2. Se você mostrar que esta suposição implica que o sistema tem infinitas soluções, então a
demonstração estará completa. Quando x1 e x2 são soluções, tem-se Ax1 5 Ax2 5 b e A(x1 2 x2) 5 O. Isso
implica que a matriz coluna (não nula) xh 5 x1 2 x2 é uma solução do sistema homogêneo de equações
lineares Ax 5 O. Portanto, para qualquer escalar c,
A(x1 + cxh ) = Ax1 + A(cxh ) = b + c(Axh ) = b + cO = b.
Então x1 1 cxh é uma solução de Ax 5 b para qualquer escalar c. Existem infinitos valores possíveis de c
e cada valor produz uma solução diferente, de modo que o sistema tem infinitas soluções.
Matrizes 57

A TRANSPOSTA DE UMA MATRIZ


D e s coberta A transposta de uma matriz é formada escrevendo suas linhas como colunas. Por
1 2 exemplo, se A é a matriz m × n
Sejam A = [
4]
e
3

[ ]
a11 a12 a13 . . . a1n
3 5
B=[
1 −1]
. a21 a22 a23 . . . a2n
A= a31 a32 a33 . . . a3n
1. Encontre (AB)T, ATBT ⋮ ⋮ ⋮ ⋮
e BTAT.
am1 am2 am3 . . . amn
2. Faça uma conjectura Tamanho: m × n
sobre a transposição então a transposta, denotada por AT, é a matriz n 3 m
de um produto de duas

[ ]
matrizes quadradas. a11 a21 a31 . . . am1
3. Escolha duas outras AT =
a12 a22 a32 . . . am2
a13 a23 a33 . . . am3 .
matrizes quadradas
para verificar sua
⋮ ⋮ ⋮ ⋮
a1n a2n a3n . . . amn
conjectura.
Tamanho: n × m

EXEMPLO 8 Transpostas de matrizes

Encontre a transposta de cada matriz.


OBSERVAÇÃO

[ ] [ ] [ ]
1 2 3 1 2 0 0 1
[]
Note que a matriz quadrada 2
a. A = b. B = 4 5 6 c. C = 2 1 0 d. D = 2 4
no item (c) é igual a sua trans- 8
7 8 9 0 0 1 1 −1
posta. Tal matriz é simétrica.
Uma matriz A é simétrica SOLUÇÃO
quando A = AT. A partir desta

[ ]
definição, deve ficar claro que 1 4 7
uma matriz simétrica deve a. AT = [2 8] b. BT = 2 5 8
ser quadrada. Além disso, se 3 6 9
A = [aij ] é uma matriz simétri-

[ ]
1 2 0
[01 ]
ca, então aij = aji para todo 2 1
c. C T = 2 1 0 d. DT =
i ≠ j. 4 −1
0 0 1

TEOREMA 2.6 Propriedades das transpostas


Se A e B são matrizes (com tamanhos tais que as operações matriciais estão
definidas) e c é um escalar, então as propriedades abaixo são verdadeiras.
1. (AT )T = A Transposta de uma transposta
2. (A + B)T = AT + BT Transposta de uma soma
3. (cA)T = c(AT ) Transposta de um múltiplo por escalar
4. (AB)T = BTAT Transposta de um produto

DEMONSTRAÇÃO
A operação de transposição troca linhas e colunas, de modo que a Propriedade 1
parece fazer sentido. Para demonstrar a Propriedade 1, seja A uma matriz m × n.
Observe que AT tem tamanho n × m e (AT)T tem tamanho m × n, o mesmo que A.
Para mostrar que (AT)T 5 A, você deve mostrar que os respectivos elementos ij são
os mesmos. Seja aij o elemento ij de A. Então aij é o elemento ji de AT, sendo por-
tanto o elemento ij de (AT)T. Isso demonstra a Propriedade 1. As demonstrações
das propriedades restantes são deixadas como exercício. (Veja o Exercício 68.)
58 Elementos de álgebra linear

As Propriedades 2 e 4 podem ser generalizadas de modo a abranger somas


OBSERVAÇÃO ou produtos de qualquer número finito de matrizes. Por exemplo, a transposta da
Lembre-se de que você inverte soma de três matrizes é (A 1 B 1 C)T 5 AT 1 BT 1 CT e a transposta do produto
a ordem de multiplicação de três matrizes é (ABC)T 5 CTBTAT.
ao tomar a transposta de
Determinação da transposta
um produto. Mais precisa- EXEMPLO 9 de um produto
mente, a transposta de AB é
(AB )T = BTAT e em geral não é Veja LarsonLinearAlgebra.com para uma versão interativa deste tipo de exemplo.
igual a ATBT.
Mostre que (AB)T e BTAT são iguais.

[ ] [ ]
2 1 −2 3 1
A = −1 0 3 e B = 2 −1
0 −2 1 3 0

SOLUÇÃO

[ ][ ] [ ]
2 1 −2 3 1 2 1
AB = −1 0 3 2 −1 = 6 −1
0 −2 1 3 0 −1 2
6 −1
(AB)T = [21 −1 2 ]

[ ]
2 −1 0
6 −1
[ ] [ ]
3 2 3 2
BTAT = 1 0 −2 =
1 −1 0 1 −1 2
−2 3 1
(AB)T = BTAT

Produto entre uma matriz


EXEMPLO 10 e a sua transposta

[ ]
OBSERVAÇÃO 1 3
Para a matriz A = 0 −2 , encontre o produto AAT e mostre que ele é simé-
A propriedade ilustrada no
trico. −2 −1
Exemplo 10 é verdadeira em
geral. Isto é, para qualquer
SOLUÇÃO
matriz A, a matriz AAT é

[ ][ [ ]
simétrica. A matriz ATA tam- 1 3 10 −6 −5
0 −2
]
1
bém é simétrica. Será pedido AAT = 0 −2 = −6 4 2
que você demonstre essas pro- 3 −2 −1
−2 −1 −5 2 5
priedades no Exercício 69.
Segue que AAT = (AAT )T, de modo que AAT é simétrico.

Sistemas de recuperação de informações, como mecanismos de


ÁLGEBRA
busca na Internet, usam a teoria de matrizes e a álgebra linear
LINEAR para manter o controle da informação. Para ilustrar, considere um
APLICADA exemplo simplificado. Você pode representar as ocorrências de m
palavras-chave disponíveis em um banco de dados com n docu-
mentos por A, uma matriz m × n em que um elemento é 1 quando
Gunnar Pippel/Shutterstock.com

a palavra-chave ocorre no documento e 0 quando não ocorre no


documento. Você poderia representar uma pesquisa pela matriz
coluna x, com m entradas, em que um elemento 1 representa uma
palavra-chave que está pesquisando e um 0 representa uma pala-
vra-chave que não está pesquisando. Então, a matriz produto ATx
(de tamanho n × 1) representaria o número de palavras-chave em
sua pesquisa que ocorrem em cada um dos n documentos. Para
discussão do algoritmo PageRank que é usado no mecanismo de
busca do Google, veja a Seção 2.5 (página 84).
Matrizes 59

2.2  Exercícios
Cálculo do valor de uma expressão  Nos Exercícios Associatividade da multiplicação de matrizes  Nos
1-6, calcule o valor da expressão Exercícios 23 e 24, encontre o produto de matrizes
−5 −10 −8 ABC (a) agrupando os fatores como (AB)C e (b) agru-
[ ] [ ] [ ]
0 7 1
 1. + +
3 −6 −2 −1 14 6 pando os fatores como A(BC). Mostre que você obtém
−11 −7 o mesmo resultado em ambos os processos.
 2. [
0] [ −3 −1] [ 2 −1]
6 8 0 5
+ +
[ ] [ ] [ ]
−1 1 2 0 1 3 0
23. A = ,  B = ,  C =
3 4 2 3 0 1
−4 −2
 3. 4 ([ 0
0
2 ] [
1
3

2
3
1
−6 0 ]) 24. A =
−4
[ 2
,  B =
1 −5
] 0
, [ ]
1 −3 −2 3 3
 4. 12([5 −2 4 0] + [14 6 −18 9])

[ ]
−3 4
−3 −6 −4
 5. −3 ([ 0
7 2 ] [
+
8
3
1 ]) −2
4
7 [ −9 ] C= 0
−1
1
1

[ ] ([ ] [ ])
4 11 −5 −1 7 5
1 Não comutatividade da multiplicação de matri-
 6. − −2 −1 + 3 4 + −9 −1
6 zes  Nos Exercícios 25 e 26, mostre que AB e BA não
9 3 0 13 6 −1 são iguais para as matrizes dadas.
−2
[ ] [ ]
Operações com matrizes  Nos Exercícios 7-12, faça 1 4 0
25. A = ,  B =
as operações, dado que a = 3, b 5 24 e 0 3 −1 2

[1 2
] 0 1
[ 0 0
] [ ]
1 1 1 1
A=
3 4
,  B =
−1 2
,  O =
0 0
. 26. A = [4
1
2
2
1
2
]
,  B = [
2
1
2
2
1
4
]
 7. aA + bB  8. A + B
 9. ab(B) 10. (a + b)B Produtos iguais de matrizes  Nos Exercícios 27 e
28, mostre que AC = BC, apesar de A ≠ B.
11. (a − b)(A − B) 12. (ab)O

[00 ] [ ] [ ]
1 1 0 2 3
13. Determine X na equação, dado que 27. A = ,  B = ,  C =
1 1 0 2 3

[ ] [ ]
−4

[ ] [ ]
0 1 2 1 2 3 4 −6 3
A= 1 −5  e B = −2 1 . 28. A = 0 5 4 ,  B = 5 4 4 ,
−3 2 4 4 3 −2 1 −1 0 1

[ ]
(a) 3X + 2A = B (b) 2A − 5B = 3X 0 0 0
(c) X − 3A + 2B = O (d) 6X − 4A − 3B = O C= 0 0 0
14. Determine X na equação, dado que 4 −2 3

[ ] [ ]
−2 −1 0 3 Produto nulo de matrizes  Nos Exercícios 29 e 30,
A= 1 0  e B = 2 0 . mostre que AB = O, mesmo que A ≠ O e B ≠ O.
−4 −4 −1 1 −1
[ ] [ ]
3 3 3
29. A =  e B =
X = 3A − 2B (b)
(a) 2X = 2A − B 4 4 −1 1
1 −2
[ ] [ ]
2 4
2X + 3A = B (d)
(c) 2A + 4B = −2X 30. A =  e B =
2 4 −12 1
Operações com matrizes  Nos Exercícios 15-22,
Operações com matrizes  Nos Exercícios 31-36,
faça as operações, dado que c = −2 e
faça as operações considerando
A= [ 1
0
2
1 −1
3
,B=
1
−1 ]3
2
,C=
0
−1 [ ] [ 1
0]. A= [1
0 −1
2
. ]
15. c(BA) 16. c(CB)
31. IA 32. AI
17. B(CA) 18. C(BC)
33. A(I + A) 34. A + IA
19. (B + C)A 20. B(C + O)
35. A2 36. A4
21. cB(C + C) 22. B(cA)
60 Elementos de álgebra linear

Dissertação  Nos Exercícios 37 e 38, explique por Determinação de uma raiz enésima de uma
que a fórmula não é válida para matrizes. Ilustre seu matriz  Nos Exercícios 53 e 54, encontre a raiz enési-
argumento com exemplos. ma da matriz B. Uma raiz enésima de uma matriz B é
37. (A + B)(A − B) = A2 − B2 uma matriz A tal que An = B.

[ ]
38. (A + B)(A + B) = A2 + 2AB + B2 9 0
53. B = ,  n = 2
0 4
Determinação da transposta de uma matriz  Nos

[ ]
8 0 0
Exercícios 39 e 40, encontre a transposta da matriz.
54. B = 0 −1 0 ,  n = 3

[ ] [ ]
1 −2 6 −7 19 0 0 27
39. D = −3 4 40. D = −7 0 23
5 −1 19 23 −32 Verdadeiro ou falso?  Nos Exercícios 55 e 56, deter-
mine se cada afirmação é verdadeira ou falsa. Se uma
Determinação da transposta de um produto de afirmação for verdadeira, dê uma justificativa ou cite
duas matrizes  Nos Exercícios 41-44, verifique que uma afirmação apropriada do texto. Se uma afir-
(AB)T = BTAT. mação for falsa, forneça um exemplo que mostre que

[ ]
−3 0 a afirmação não é verdadeira em todos os casos ou cite
−1 −2
[ ]
1
41. A =   e  B = 1 2 uma afirmação apropriada do texto.
2 0 1
1 −1 55. (a) A soma de matrizes é comutativa.
−3 −1
[10 ] [ ]
2 (b)  A transposta do produto de duas matrizes é
42. A =   e  B =
−2 2 1 igual ao produto de suas transpostas; isto é,
(AB)T = ATBT.

[ ]
2 1
[ ]
2 3 1 (c) Para qualquer matriz C a matriz CCT é simétrica.
43. A = 0 1   e  B =
0 4 −1 56. (a) A multiplicação de matrizes é comutativa.
−2 1
(b) Se as matrizes A, B e C satisfazem AB = AC,

[ ] [ ]
2 1 −1 1 0 −1
então B = C.
44. A = 0 1 3   e  B = 2 1 −2
(c) A transposta da soma de duas matrizes é igual à
4 0 2 0 1 3
soma de suas transpostas.
Multiplicação pela transposta de uma matriz  Nos
Exercícios 45-48, encontre (a) ATA e (b) AAT. Mostre 57. Considere as matrizes abaixo.

[] [] [ ] []
que cada um desses produtos é simétrico. 1 1 2 1

[ ]
1 −1 X = 0 ,  Y = 1 ,  Z = −1 ,  W = 1
[ ]
4 2 1
45. A = 46. A = 3 4 1 0 3 1
0 2 −1
0 −2 (a) Encontre escalares a e b tais que Z = aX + bY.

[ ]
0 −4 3 2 (b) Mostre que não existem escalares a e b tais que
8 4 0 1 W = aX + bY.
47. A =
−2 3 5 1 (c) Mostre que se aX + bY + cW = O, então a 5 0,
0 0 −3 2 b 5 0 e c = 0.

[ ]
4 −3 2 0 (d) Encontre escalares a, b e c, nem todos iguais a
2 0 11 −1 zero, tais que aX + bY + cZ = O.
48. A = −1 −2 0 3
58. Ponto crucial Na equação matricial
14 −2 12 −9
aX + A(bB) = b(AB + IB)
6 8 −5 4
 X, A, B e I são matrizes quadradas e a e b são
Determinação de uma potência de uma matriz  Nos escalares não nulos. Justifique cada passo na
Exercícios 49-52, encontre a potência de A para a matriz solução abaixo.

[ ]
1 0 0 0 0 aX + (Ab)B = b(AB + B)
0 −1 0 0 0 aX + bAB = bAB + bB
A= 0 0 1 0 0 . aX + bAB + (−bAB) = bAB + bB + (−bAB)
0 0 0 −1 0 aX = bAB + bB + (−bAB)
0 0 0 0 1 aX = bAB + (−bAB) + bB
49. A16 50. A17 aX = bB
51. A19 52. A20 b
X= B
a
Matrizes 61

Função polinomial  Nos Exercícios 59 e 60, encontre 70. Demonstração  Sejam A e B duas matrizes simétri-
f(A) usando a definição abaixo. cas n × n.
Se f (x) = a0 + a1x + a2 x2 + . . . + an xn é uma fun- (a) Dê um exemplo para mostrar que o produto AB
ção polinomial, então para uma matriz quadrada A, não é necessariamente simétrico.
f (A) = a0 I + a1A + a2A2 + . . . + anAn. (b) Demonstre que o produto AB é simétrico se e
somente se AB = BA.
[24 ]
0
59. f (x) = 2 − 5x + x2,  A = Matrizes simétricas e antissimétricas  Nos Exercícios
5
71-74, determine se a matriz é simétrica, antissimétri-
60. f (x) = −10 + 5x − 2x2 + x3, ca ou nenhuma delas. Uma matriz quadrada é antissi-

[ ]
2 1 −1 métrica quando AT = −A.
A=
[ ] [ ]
1 0 2 0 2 2 1
71. A = 72. A =
−1 1 3 −2 0 1 3
61. Demonstração guiada  Demonstre a proprie-

[ ] [ ]
0 2 1 0 2 −1
dade associativa da soma de matrizes: 73. A = 2 0 3 74. A = −2 0 −3
A + (B + C) = (A + B) + C. 1 3 0 1 3 0
 Começando: para demonstrar que A + (B + C) e 75. Demonstração  Demonstre que a diagonal princi-
(A + B) + C são iguais, mostre que seus elementos pal de uma matriz antissimétrica consiste inteiramen-
correspondentes são iguais. te de zeros.
(i) Comece sua demonstração tomando A, B e C 76.  Demonstração  Demonstre que se A e B são matrizes
como matrizes m × n. antissimétricas n × n, então A 1 B é antissimétrica.
(ii) Observe que o elemento ij de B + C é bij + cij. 77. Demonstração  Seja A uma matriz quadrada de
(iii) Além disso, o elemento ij de A + (B + C) é ordem n.
aij + (bij + cij). (a) Mostre que 12(A + AT ) é simétrica.
(iv) Determine o elemento ij de (A + B) + C. (b) Mostre que 12(A − AT ) é antissimétrica.
62. Demonstração  Demonstre a propriedade asso- (c) Demonstre que A pode ser escrita como a soma
ciativa da multiplicação:  (cd)A + c(dA). de uma matriz simétrica B e de uma matriz
63. Demonstração  Demonstre que o escalar 1 é o ele- antissimétrica C, A = B + C.
mento neutro para a multiplicação por escalar: 1A = A. (d) Escreva a matriz abaixo como a soma de uma
64. Demonstração  Demonstre a propriedade distribu- matriz simétrica e uma matriz antissimétrica.

[ ]
tiva: (c + d)A = cA + dA. 2 5 3
65. Demonstração  Demonstre o Teorema 2.2. A = −3 6 0
4 1 1
66. Demonstração  Complete a demonstração do
Teorema 2.3. 78. Demonstração  Demonstre que se A é uma matriz
(a) Demonstre a propriedade associativa da multipli- n × n, então A 2 AT é antissimétrica.
cação: A(BC) = (AB)C. 79. Considere as matrizes da forma

[ ]
(b) Demonstre a propriedade distributiva: 0 a12 a13 . . . a1n
(A + B)C = AC + BC. 0 0 a23 . . . a2n
(c) Demonstre a propriedade: A= ⋮ ⋮ ⋮ ⋮ .
c(AB) = (cA)B = A(cB). 0 0 0 . . . an−1, n
67. Demonstração  Demonstre Teorema 2.4. 0 0 0 . . . 0
68. Demonstração  Demonstre as Propriedades 2, 3 e (a) Escreva uma matriz 2 × 2 e uma matriz 3 × 3
4 do Teorema 2.6. com a forma de A.
69. Demonstração guiada  Demonstre que se A é uma (b) Use uma ferramenta computacional para elevar
matriz m × n, então AAT e ATA são matrizes simétricas. cada uma das matrizes a potências mais altas.
Começando: para demonstrar que AAT é simétrica, Descreva o resultado.
você precisa mostrar que ela é igual a sua transposta, (c) Use o resultado da parte (b) para fazer uma con-
(AAT )T = AAT. jectura sobre as potências de A quando A é uma
(i) Comece sua demonstração pela expressão matriz 4 × 4. Use uma ferramenta computacio-
matricial à esquerda, (AAT )T. nal para testar sua conjectura.
(ii) Use as propriedades da operação transposta para (d) Use os resultados das partes (b) e (c) para fazer
mostrar que (AAT)T pode ser simplificada para a uma conjectura sobre potências de A quando A é
expressão à direita, AAT. uma matriz n × n.
(iii) Repita essa análise para o produto ATA.
62 Elementos de álgebra linear

2.3 A inversa de uma matriz


Encontrar a inversa de uma matriz (se existir).
Usar as propriedades das matrizes inversas.
Usar uma matriz inversa para resolver um sistema de equações lineares.

MATRIZES E SUAS INVERSAS


Na Seção 2.2 foram discutidas algumas das semelhanças entre a álgebra de números reais e a álgebra das
matrizes. Esta seção desenvolve mais a álgebra de matrizes para incluir as soluções das equações matriciais
envolvendo multiplicação de matrizes. Para começar, considere a equação nos números reais ax = b. Para
resolver esta equação e determinar x, multiplique ambos os lados da equação por a−1 (desde que a ≠ 0).
ax = b
(
a−1a )x = a−1b
(1)x = a−1b
x = a−1b
O número a−1 é o inverso multiplicativo de a porque a21a 5 1 (o elemento neutro da multiplicação).
A definição do inverso multiplicativo de uma matriz é parecida.

Definição da inversa de uma matriz


Uma matriz quadrada A de ordem n é inversível (ou não singular) quando existe uma matriz B de
tamanho n × n tal que
AB = BA = In,
onde In é a matriz identidade de ordem n. A matriz B é a inversa (multiplicativa) de A. Uma matriz
que não possui uma inversa é não inversível (ou singular).
As matrizes não quadradas não têm inversas. Para ver isso, observe que se A é de tamanho m × n e B
é de tamanho n × m (em que m ≠ n), então os produtos AB e BA são de tamanhos diferentes e não podem
ser iguais entre si. Nem todas as matrizes quadradas têm inversas. (Veja o Exemplo 4.) O próximo teorema,
no entanto, afirma que, se uma matriz tiver uma inversa, então essa inversa é única.

TEOREMA 2.7  Unicidade da matriz inversa


Se A é uma matriz inversível, então a inversa é única. A inversa de A é denotada por A−1.

DEMONSTRAÇÃO
Se A é inversível, então há pelo menos uma inversa B tal que
AB = I = BA.
Suponha que A tenha outra inversa C tal que
AC = I = CA.
Demonstra-se que B e C são iguais, como mostrado a seguir.
AB = I
C(AB) = CI
(CA)B = C
IB = C
B=C
Consequentemente B = C, e segue que a inversa de uma matriz é única.
Matrizes 63

Como a inversa A−1 de uma matriz inversível A é única, você pode chamá-la
de a inversa de A e escrever AA−1 = A−1A = I.

EXEMPLO 1 A inversa de uma matriz


Mostre que B é a inversa de A, onde
−1 1 −2
[ ] [ ]
2
A=  e B = .
−1 1 1 −1

SOLUÇÃO
OBSERVAÇÃO Usando a definição de uma matriz inversa, mostra-se que B é a inversa de A veri-
Lembre-se de que nem sem- ficando que AB = I = BA.
pre é verdade que AB = BA, −1 2 1 −2 −1 + 2 2 − 2
[ ][ ] [ ] [ ]
1 0
mesmo quando ambos os pro- AB = = =
−1 1 1 −1 −1 + 1 2 − 1 0 1
dutos estão definidos. Se A e B
−2
][−1 −1 + 2 2−2
[11 ] [ ] [ ]
são ambas matrizes quadradas 2 1 0
BA = = =
e AB = In , no entanto, pode −1 −1 1 −1 + 1 2−1 0 1
ser mostrado que BA = In . (A
demonstração disso é omitida.) O próximo exemplo mostra como usar um sistema de equações para encontrar
Assim, no Exemplo 1, você a inversa de uma matriz.
precisa apenas verificar que
AB = I2. EXEMPLO 2 Determinação da inversa de uma matriz
Encontre a inversa da matriz

[ ]
1 4
A= .
−1 −3

SOLUÇÃO
Para encontrar a inversa de A, resolva a equação matricial AX = I para determinar X.

[ ][ ] [ ]
1 4 x11 x12 1 0
=
−1 −3 x21 x22 0 1

+ 4x21 x12 + 4x22


[−xx ] [ ]
11 1 0
=
11 − 3x21 −x12 − 3x22 0 1
Igualando os elementos correspondentes, você obtém dois sistemas de equações
lineares.
x11 + 4x21 = 1 x12 + 4x22 = 0

−x11 − 3x21 = 0 −x12 − 3x22 = 1
Resolvendo o primeiro sistema, você encontra que x11 = −3 e x21 = 1. De forma
semelhante, resolvendo o segundo sistema, encontra que x12 = −4 e x22 = 1.
Então, a inversa de A é

[−31 −4
X = A−1 =
1
. ]
Use a multiplicação de matrizes para verificar esse resultado.

A generalização do método utilizado para resolver o Exemplo 2 fornece um


método conveniente para encontrar uma inversa. Observe que os dois sistemas de
equações lineares
x11 + 4x21 = 1 x12 + 4x22 = 0

−x11 − 3x21 = 0 −x12 − 3x22 = 1
têm a mesma matriz de coeficientes. Em vez de resolver os dois sistemas repre-
sentados por
64 Elementos de álgebra linear

[−11 ] [−11 ]
4 1 4 0
e
−3 0 −3 1
separadamente, resolva-os simultaneamente juntando a matriz identidade à matriz dos coeficientes para
obter

[−11 ]
4 1 0
.
−3 0 1
Ao aplicar a eliminação de Gauss-Jordan a esta matriz, resolva ambos os sistemas com um único processo
de eliminação, conforme mostrado a seguir.

[10 ]
4 1 0
1 1 1 R2 1 R1 l R2

−3 −4
[10 ]
0 R1 1 (24)R2 l R1
1 1 1
Aplicando a eliminação de Gauss-Jordan à matriz “duplamente aumentada” [A I ], você obtém a
matriz [I A−1].
−3 −4
[−11 ] [10 ]
4 1 0 0
−3 0 1 1 1 1
A I I A21

Este procedimento (ou algoritmo) funciona para uma matriz arbitrária n × n. Se A não puder ser reduzida
por linhas a In, então A é não inversível (ou singular). Este procedimento será formalmente justificado na
próxima seção, depois de introduzir o conceito de uma matriz elementar. Por ora, um resumo do algoritmo
é dado a seguir.

Encontrando a inversa de uma matriz pela eliminação de Gauss-Jordan


Seja A uma matriz quadrada de ordem n.
1. Escreva a matriz n × 2n que consiste em A à esquerda e na matriz identidade n × n à direita
para obter [A I ]. Esse processo é chamado de juntar a matriz I à matriz A.
2. Se possível, reduza A por linhas a I usando operações elementares de linhas em toda a matriz
[A I ]. O resultado será a matriz [I A−1]. Se isso não for possível, então A é não inversível
(ou singular).
3. Verifique as suas contas multiplicando para confirmar que AA−1 = I = A−1A.

Recorde da lei de Hooke, a qual afirma que para defor-


ÁLGEBRA
mações relativamente pequenas de um objeto elástico a
LINEAR quantidade de deflexão é diretamente proporcional à
APLICADA força que causa a deformação. Em uma viga elástica sim-
plesmente apoiada e submetida a várias forças, a defle-
xão d está relacionada à força w pela equação matricial
d = Fw

onde F é uma matriz de flexibilidade cujos elementos


dependem do material da viga. A inversa da matriz de
flexibilidade, F −1, é a matriz de rigidez. Nos Exercícios
nostal6ie/Shutterstock.com

61 e 62, será pedido que você encontre a matriz de


rigidez F −1 e a matriz de força w para um determinado
conjunto de matrizes de flexibilidade e de deflexão.
Matrizes 65

EXEMPLO 3 Determinação da inversa de uma matriz

Veja LarsonLinearAlgebra.com para uma versão interativa deste tipo de exemplo.

Encontre a inversa da matriz.

[ ]
1 −1 0
A= 1 0 −1
−6 2 3

SOLUÇÃO
Comece por juntar a matriz identidade a A para formar a matriz

[ ]
1 −1 0 1 0 0
[A I] = 1 0 −1 0 1 0 .
−6 2 3 0 0 1

Utilize operações elementares de linhas para obter a forma


[I A−1]
como mostrado abaixo.

[ ]
1 −1 0 1 0 0
0 1 −1 −1 1 0 R2 1 (21)R1 l R2
−6 2 3 0 0 1

[ ]
1 −1 0 1 0 0
0 1 −1 −1 1 0
0 −4 3 6 0 1 R3 1 (6)R1 l R3

[ ]
1 −1 0 1 0 0
0 1 −1 −1 1 0
0 0 −1 2 4 1 R3 1 (4)R2 l R3
TECNOLOGIA

[ ]
1 −1 0 1 0 0
Muitas ferramentas computacio- 0 1 −1 −1 1 0 (21)R3 l R3
nais e softwares podem encon- 0 0 1 −2 −4 −1
trar a inversa de uma matriz

[ ]
quadrada. Quando você usa 1 −1 0 1 0 0
uma ferramenta computacional, 0 1 0 −3 −3 −1 R2 1R3 l R2
pode ver algo semelhante à tela 0 0 1 −2 −4 −1
abaixo para o Exemplo 3.

[ ]
1 0 0 −2 −3 −1 R1 1R2 l R1
O Technology Guide, disponível
0 1 0 −3 −3 −1
na página deste livro no site da
Cengage, pode ajudá-lo a usar 0 0 1 −2 −4 −1
a tecnologia para encontrar a A matriz A é inversível e sua inversa é
inversa de uma matriz.

[ ]
−2 −3 −1
A A−1 = −3 −3 −1 .
[[1 -1 0 ]
[1 0 -1] −2 −4 −1
[-6 2 3 ]]
A-1 Confirme isso mostrando que
[[-2 -3 -1]
[-3 -3 -1] AA−1 = I = A−1A.
[-2 -4 -1]]

O processo mostrado no Exemplo 3 aplica-se a qualquer matriz A n × n e


permitirá encontrar a inversa de A, se ela existir. Quando A não tem inversa, o
processo também irá lhe dizer isso. O próximo exemplo aplica o processo a uma
matriz singular (uma que não tem inversa).
66 Elementos de álgebra linear

EXEMPLO 4 Uma matriz singular



Mostre que a matriz não tem inversa.

[ ]
1 2 0
A= 3 −1 2
−2 3 −2

SOLUÇÃO
Junte a matriz identidade a A para formar

[ ]
1 2 0 1 0 0
[A I] = 3 −1 2 0 1 0
−2 3 −2 0 0 1
e aplique a eliminação de Gauss-Jordan para obter

[ ]
1 2 0 1 0 0
0 −7 2 −3 1 0 .
0 0 0 −1 1 1
Observe que uma “porção” da matriz A possui linha de zeros. Portanto, não é
possível reescrever a matriz [A I ] na forma [I A−1]. Isso significa que A não
tem inversa, isto é, A é não inversível (ou singular).

Usar a eliminação de Gauss-Jordan para encontrar a inversa de uma matriz


funciona bem (mesmo como uma técnica computacional) para matrizes de tama-
nho 3 × 3 ou maior. Para matrizes 2 × 2, no entanto, você pode usar uma fórmula
para a inversa, em vez de eliminação de Gauss-Jordan.
Se A é uma matriz 2 × 2

[ac ]
b
A=
d
OBSERVAÇÃO
então A é inversível se e somente se ad − bc ≠ 0. Além disso, se ad − bc ≠ 0,
O denominador ad − bc é
então o inversa é
o determinante de A. Você
d −b
[ ]
1
estudará determinantes em A−1 = .
detalhe no Capítulo 3.
ad − bc −c a

EXEMPLO 5 Determinação de inversas de matrizes 2 × 2


Se possível, encontre a inversa de cada matriz.
3 −1 3 −1
a.  A =
−2 [ 2
b.  B= ]
−6 2 [ ]
SOLUÇÃO
a. Para a matriz A, a fim de aplicar a fórmula para a inversa de uma matriz
2 × 2, note que ad 2 bc 5 (3) (2) 2 (21) (22) 5 4. Este número não é zero,
assim A é inversível. Forme a inversa trocando os elementos na diagonal
principal, mudando os sinais dos outros dois elementos e multiplicando pelo
escalar 14, como mostrado abaixo.
1 1
1 2 1 2 4
A−1 = 4 = 1 3
2 3 2 4

b. Para a matriz B, tem-se ad 2 bc 5 (3) (2) 2 (21) (26) 5 0, o que significa


que B não é inversível.
Matrizes 67

PROPRIEDADES DAS INVERSAS


O Teorema 2.8 a seguir lista propriedades importantes de matrizes inversas.

TEOREMA 2.8 Propriedades de matrizes inversas


Se A é uma matriz inversível, k é um número inteiro positivo e c é um escalar diferente de zero,
então A−1, Ak, cA e AT são inversíveis e as afirmações abaixo são verdadeiras.
1. (A−1)−1 = A 2. (Ak)−1 = A−1A−1 . . . A−1 = (A−1)k

k fatores
1
3. (cA)−1 = A−1 4. (AT )−1 = (A−1)T
c

DEMONSTRAÇÃO
A chave para as demonstrações das Propriedades 1, 3 e 4 é o fato de que a inversa de uma matriz é única
(Teorema 2.7). Em termos mais claros, se BC 5 CB 5 I, então C é a inversa de B.
A Propriedade 1 afirma que a inversa de A−1 é a própria matriz A. Para demonstrar isso, observe que
A A = AA−1 = I, o que significa que A é a inversa de A−1. Assim, A = (A−1)−1.
−1
1
De forma parecida, a Propriedade 3 afirma que A−1 é a inversa de (cA), c ≠ 0. Para demonstrar isso,
c
use as propriedades da multiplicação por escalar dadas nos Teoremas 2.1 e 2.3.

(1
c ) ( )1
(cA) A−1 = c AA−1 = (1)I = I
c

(1cA )(cA) = (1cc)A


−1 −1A = (1)I = I

1 1
Assim, A−1 é a inversa de (cA), o que implica que (cA)−1 = A−1. As Propriedades 2 e 4 foram deixadas
c c
para você demonstrar. (Veja os Exercícios 63 e 64.)

Para as matrizes não singulares, a notação exponencial usada para a multiplicação repetida de matrizes
quadradas pode ser estendida para incluir expoentes que são números inteiros negativos. Isso pode ser
feito definindo A−k por
A−k = A−1A−1 . . . A−1 = (A−1)k.

k fatores

Usando esta convenção, você pode mostrar que as propriedades AjAk = Aj+k e (Aj )k = Ajk são válidas
para quaisquer inteiros j e k.

De s coberta
−1
Sejam A = [11 2
3 ] e B= [21 −1 ]
.

1. Determine (AB)21, A21B21 e B −1A−1.

2. Faça uma conjectura sobre a inversa de um produto de duas matrizes não singulares.
Em seguida, escolha duas outras matrizes não singulares de mesma ordem e veja se
a sua conjectura é válida.

Veja LarsonLinearAlgebra.com para uma versão interativa deste tipo de exercício.


68 Elementos de álgebra linear

EXEMPLO 6 A inversa do quadrado de uma matriz



Calcule A−2 de duas maneiras diferentes e mostre que os resultados são iguais.

[ ]
1 1
A=
2 4

SOLUÇÃO
Uma maneira de encontrar A−2 é determinar (A2)−1, elevando a matriz A ao quadrado para obter

[ ]
3 5
A2 =
10 18
e usando a fórmula para a inversa de uma matriz 2 × 2 para obter

[ ]
9
18 −5 − 54
(A2)−1 = 14 [
−10 3
=
2

− 52
]
3 .
4

Outra maneira de encontrar A−2 é calcular (A−1)2, determinando A−1

[ ]
4 −1 2 − 12
A−1 = 12 [
−2 1
=
−1
] 1
2

e em seguida elevando esta matriz ao quadrado para obter

[ ]
9
2 − 54
(A−1)2 = .
− 52
3
4

Observe que ambos os métodos produzem o mesmo resultado.

O próximo teorema dá uma fórmula para calcular a inversa de um produto de duas matrizes.

TEOREMA 2.9  A inversa de um produto


Se A e B são matrizes inversíveis de ordem n, então AB é inversível e
(AB)−1 = B−1A−1.

DEMONSTRAÇÃO
Para mostrar que B−1A−1 é a inversa de AB, você só precisa mostrar que está em conformidade com a
definição de matriz inversa. Isto é,
(AB)(B−1A−1) = A(BB−1)A−1 = A(I)A−1 = (AI)A−1 = AA−1 = I.
De maneira parecida, (B−1A−1)(AB) = I. Assim, AB é inversível e sua inversa é B−1A−1.

O Teorema 2.9 afirma que a inversa de um produto de duas matrizes inversíveis é o produto de suas
inversas tomado na ordem contrária. Isso pode ser generalizado para incluir o produto de mais de duas
matrizes inversíveis:
(A1A2A3 . . . An)−1 = An−1 . . . A3−1A2−1A1−1.
(Veja o Exemplo 4 no Apêndice.)

EXEMPLO 7 Determinação da inversa de um produto de matrizes



Encontre (AB)−1 para as matrizes

[ ] [ ]
1 3 3 1 2 3
A= 1 4 3  e B = 1 3 3
1 3 4 2 4 3

sabendo que A21 e B21 são


Matrizes 69

[ ] [ ]
7 −3 −3 1 −2 1
A−1 = −1 1 0  e B−1 = −1 1 0 .
2
−1 0 1 3 0 − 13

SOLUÇÃO
A aplicação do Teorema 2.9 fornece
OBSERVAÇÃO
Note que você inverte a (AB)−1 = B−1A−1

[ ][ ]
ordem da multiplicação para 1 −2 1 7 −3 −3
encontrar a inversa de AB, = −1 1 0 −1 1 0
2
ou melhor, (AB)21 5 B21A21.
3 0 − 13 −1 0 1
Atente que a inversa de AB

[ ]
8 −5 −2
geralmente não é igual a
A−1B −1. = −8 4 3 .
5 −2 − 73

Uma propriedade importante na álgebra de números reais é a propriedade de


cancelamento. Mais precisamente, se ac = bc (c ≠ 0), então a = b. As matrizes
inversíveis possuem propriedades de cancelamento parecidas.

TEOREMA 2.10  Propriedades de cancelamento


Se C é uma matriz inversível, então as propriedades abaixo são verdadeiras.
1.  Se AC = BC, então A = B. Propriedade de cancelamento à direita
2.  Se CA = CB, então A = B. Propriedade de cancelamento à esquerda

DEMONSTRAÇÃO
Para demonstrar a Propriedade 1, use o fato de que C é inversível e escreva
AC = BC
(AC)C−1 = (BC)C−1
A(CC−1) = B(CC−1)
AI = BI
A = B.
A segunda propriedade pode ser demonstrada de forma semelhante. (Veja o
Exercício 65.)

Tenha a certeza de lembrar que o Teorema 2.10 pode ser aplicado somente
quando C é uma matriz inversível. Se C não for inversível, o cancelamento em
geral não é válido. Por exemplo, o Exemplo 5 na Seção 2.2 fornece um exemplo
de uma equação matricial AC = BC em que A ≠ B, porque C não é inversível no
exemplo.

SISTEMAS DE EQUAÇÕES
Para sistemas quadrados de equações (aqueles com o mesmo número de equações
e de variáveis), você pode usar o teorema abaixo para determinar se o sistema
possui uma única solução.

TEOREMA 2.11  Sistemas de equações com soluções


únicas
Se A é uma matriz inversível, então o sistema de equações lineares Ax = b
possui uma solução única x = A−1b.
70 Elementos de álgebra linear

DEMONSTRAÇÃO
A matriz A é não singular, então as etapas mostradas a seguir são válidas.
Ax = b
A−1Ax = A−1b
Ix = A−1b
x = A−1b
Esta solução é única porque se x1 e x2 fossem duas soluções, então você poderia aplicar a propriedade de
cancelamento à equação Ax1 = b = Ax2 para concluir que x1 = x2.

O Teorema 2.11 pode ser usado na resolução de vários sistemas que têm a mesma matriz de coeficien-
tes A. Você poderia encontrar a matriz inversa uma vez e, em seguida, resolver cada sistema pelo cálculo
do produto A−1b.

EXEMPLO 8 Resolução de sistemas de equações usando uma matriz


inversa

Use uma matriz inversa para resolver cada sistema.


a. 2x + 3y + z = −1 b. 2x + 3y + z = 4 c. 2x + 3y + z = 0
  3x + 3y + z = 1       3x + 3y + z = 8       3x + 3y + z = 0
2x + 4y + z = −2 2x + 4y + z = 5 2x + 4y + z = 0
SOLUÇÃO

[ ]
2 3 1
Observe primeiro que a matriz de coeficientes para cada sistema é A = 3 3 1 .
2 4 1

[ ]
−1 1 0
Usando a eliminação de Gauss-Jordan, A−1 = −1 0 1 .
6 −2 −3

[ ][ ] [ ]
−1 1 0 −1 2
A solução é x = 2, y 5 21 e z = −2.
a.  x = A−1b = −1 0 1 1 = −1 
6 −2 −3 −2 −2

[ ][ ] [ ]
−1 1 0 4 4
b.  x = A−1b = −1 0 1 8 = 1  A solução é x = 4, y 5 1 e z = −7.
6 −2 −3 5 −7

[ ][ ] [ ]
−1 1 0 0 0
A solução é trivial:  x = 0, y 5 0 e z = 0.
c.  x = A−1b = −1 0 1 0 = 0 
6 −2 −3 0 0

2.3  Exercícios
A inversa de uma matriz  Nos Exercícios 1-6, mostre
[−2
]
1
[13 ]
2
que B é a inversa de A.  3. A = ,  B = 3
3 −1
4 − 12
[ ] [ ]
2 1 2
 1. A = ,  B =
−5
[ ]
5 3 2 −1
3 1

 2. A = [
1 −1  4. A = [ 1
]
,  B =
5 5

2] [21 1]
1 2 3 − 25
1
,  B= 5
−1
Matrizes 71

Determinação da inversa de uma matriz 2 × 2  Nos

[ ] [ ]
−2 2 3 −4 −5 3
 5. A = 1 −1 0 ,  B = 13 −4 −8 3 Exercícios 31-36, use a fórmula na página 66 para
0 1 4 1 2 0 encontrar o inversa da matriz 2 × 2 (se existir).
1 −2
[−12 ] [ ]
3

[ ] [ ]
2 −17 11 1 1 2 31. 32. 
5 −3 2
 6. A = −1 11 −7 ,  B = 2 4 −3
−4 −6
0 3 −2 3 6 −5 33. [
2 3] [−125 −23]
34. 
Determinação da inversa de uma matriz  Nos

[ ] [ ]
7
− 34 − 14 9
2 4
Exercícios 7-30, encontre a inversa da matriz (se existir). 35. 36. 
1 4 5 8
−2
[ ] [ ]
2 0 2 5 5 3 9
 7.  8.
0 3 2 2 Determinação da inversa do quadrado de uma
matriz  Nos Exercícios 37-40, calcule A−2 de duas
 9. [
7] [12 −2
−3]
1 2
10.
3 maneiras diferentes e mostre que os resultados são
−7 33 −1 iguais.
11. [
4 −19]
12. [
3 −3]
1
−2
[−10 ] [ ]
2 7
37. A = A=
38. 
3 −5 6

[ ] [ ]
1 1 1 1 2 2

[ ] [ ]
13. 3 5 4 14. 3 7 9 −2 0 0 6 0 4
3 6 5 −1 −4 −7 39. A = 0 1 0  40. A = −2 7 −1
0 0 3 3 1 2

[ ] [ ]
1 2 −1 10 5 −7
15. 3 7 −10 16. −5 1 4 Determinação das inversas de produtos e trans-
7 16 −21 3 2 −2 postas  Nos Exercícios 41-44, use as matrizes inver-
sas para encontrar (a) (AB)−1, (b) (AT)21 e (c) (2A)−1.

[ ] [ ]
1 1 2 3 2 5
−3
[−72 ] [ ]
5 7
17. 3 1 0 18. 2 2 4 41. A−1 = ,  B−1 =
6 2 0
−2 0 3 −4 4 0

[ ] [ ]
− 27 1 5 2

[ ]
7 11 11
− 56
1 11
42. A−1 = ,  B−1 =

[ ]
2 0 0 3 6 3 2 3 1
− 11
2 7 7 11
19. 0 3 0 20.
0 3 2

[ ] [ ]
− 12 3 5
0 0 5 1 2 4
1 − 12 − 52 3 1
4 2

−2 ,  B−1 = − 34
1
43. A−1 = 2 2 2 4
0,6
21. 0 −0,3 22. 0,1 0,2 0,3 1 1 1 1
0,7 −1 0,2 22, −0,3 0,2 0,2 4 1 2 4 2 2

[ ] [ ]
1 0 −0,9 0,5 0,5 0,5 1 −4 2 6 5 −3
44. A−1 = 0 1 3 ,  B−1 = −2 4 −1

[ ] [ ]
1 0 0 1 0 0
23. 3 4 0 24.
3 0 0 4 2 1 1 3 4
2 5 5 2 5 5
Resolução de um sistema de equações usando uma

[ ] [ ]
−8 0 0 0 1 0 0 0 inversa  Nos Exercícios 45-48, use uma matriz inversa
0 1 0 0 0 2 0 0 para resolver cada sistema de equações lineares.
25. 26. 
0 0 0 0 0 0 −2 0 45. (a) x + 2y = −1 46. (a) 2x − y = −3
0 0 0 −5 0 0 0 3 x − 2y = 3 2x + y = 7
(b) x + 2y = 10 (b)  2x − y = −1

[ ] [ ]
1 −2 −1 −2 4 8 −7 14
3 −5 −2 −3 2 5 −4 6 x − 2y = −6 2x + y = −3
27. 28. 
2 −5 −2 −5 0 2 1 −7 47. (a) x1 + 2x2 + x3 = 2
−1 4 4 11 3 6 −5 10 x1 + 2x2 − x3 = 4

[ ] [ ]
1 0 3 0 1 3 −2 0 x1 − 2x2 + x3 = −2
0 2 0 4 0 2 4 6 (b) x1 + 2x2 + x3 = 1
29. 30. 
1 0 3 0 0 0 −2 1 x1 + 2x2 − x3 = 3
0 2 0 4 0 0 0 5 x1 − 2x2 + x3 = −3
72 Elementos de álgebra linear

48. (a) x1 + x2 − 2x3 = 0 Deflexão da viga Nos exercícios 61 e 62, as forças


x1 − 2x2 + x3 = 0 w1, w2 e w3 (em libras) agem sobre uma viga elástica
x1 − x2 − x3 = −1 simplesmente apoiada, resultando em deflexões d1, d2
(b) x1 + x2 − 2x3 = −1 e d3 (em polegadas) na viga (veja a figura).
x1 − 2x2 + x3 = 2
d1 d3
x1 − x2 − x3 = 0 d2

Resolução de um sistema de equações usando w1 w2 w3


uma inversa Nos Exercícios 49-52, use um software
ou ferramenta computacional para resolver o sistema
de equações lineares usando uma matriz inversa.
Use a equação matricial d = Fw, onde
49. x1 + 2x2 − x3 + 3x4 − x5 = −3

[] []
x1 − 3x2 + x3 + 2x4 − x5 = −3 d1 w1
2x1 + x2 + x3 − 3x4 + x5 = 6 d= d2 , w = w2
x1 − x2 + 2x3 + x4 − x5 = 2 d3 w3
2x1 + x2 − x3 + 2x4 + x5 = −3 e F é a matriz de flexibilidade 3 × 3 para a viga, de
50. x1 + x2 − x3 + 3x4 − x5 = 3 modo a encontrar a matriz de rigidez F −1 e a matriz
2x1 + x2 + x3 + x4 + x5 = 4 de força w. Os elementos de F são medidas em pole-
x1 + x2 − x3 + 2x4 − x5 = 3 gadas por libra.
2x1 + x2 + 4x3 + x4 − x5 = −1 0,008 0,004 0,003 0,585
3x1 + x2 + x3 − 2x4 + x5 = 5 61. F = 0,004 0,006 0,004 , d = 0,640
51. 2x1 − 3x2 + x3 − 2x4 + x5 − 4x6 = 20 0,003 0,004 0,008 0,835
3x1 + x2 − 4x3 + x4 − x5 + 2x6 = −16 0,017 0,010 0,008 0
4x1 + x2 − 3x3 + 4x4 − x5 + 2x6 = −12 62. F = 0,010 0,012 0,010 , d = 0,15
−5x1 − x2 + 4x3 + 2x4 − 5x5 + 3x6 = −2 0,008 0,010 0,017 0
x1 + x2 − 3x3 + 4x4 − 3x5 + x6 = −15
63. Demonstração Demonstre a Propriedade 2 do
3x1 − x2 + 2x3 − 3x4 + 2x5 − 6x6 = 25
Teorema 2.8: se A é uma matriz inversível e k é um
52. 4x1 − 2x2 + 4x3 + 2x4 − 5x5 − x6 = 1 inteiro positivo, então
3x1 + 6x2 − 5x3 − 6x4 + 3x5 + 3x6 = −11 (Ak)−1 = A−1A−1 . . . A−1 = (A−1)k
2x1 − 3x2 + x3 + 3x4 − x5 − 2x6 = 0
−x1 + 4x2 − 4x3 − 6x4 + 2x5 + 4x6 = −9 k fatores
3x1 − x2 + 5x3 + 2x4 − 3x5 − 5x6 = 1 64. Demonstração Demonstre a Propriedade 4 do
Teorema 2.8: se A é uma matriz inversível, então
−2x1 + 3x2 − 4x3 − 6x4 + x5 + 2x6 = −12
(AT)−1 = (A−1)T.
Matriz igual a sua própria inversa Nos Exercícios 65. Demonstração Demonstre a Propriedade 2 do
53 e 54, encontre x de tal forma que a matriz seja igual Teorema 2.10: se C é uma matriz inversível tal que
a sua própria inversa. CA = CB, então A = B.

[ ]
3 x
[ ]
2 x 66. Demonstração Demonstre que se A2 = A, então
53. A = 54. A =
−2 −3 −1 −2 I − 2A = (I − 2A)−1.
Matrix singular Nos Exercícios 55 e 56, encontre x 67. Demonstração guiada Demonstre que a inversa
de modo que a matriz seja singular. de uma matriz não singular simétrica é simétrica.
[ ] [ ]
4 x x 2
55. A = 56. A = Começando: para demonstrar que a inversa de A é
−2 −3 −3 4
simétrica, você precisa mostrar que (A−1)T = A−1.
Resolução de uma equação matricial Nos Exer- (i) Seja A uma matriz simétrica e não singular.
cícios 57 e 58, encontre A. (ii) Isso significa que AT = A e A−1 existe.
[ ] [ ]
1 2 2 4
57. (2A)−1 = 58. (4A)−1 = (iii) Use as propriedades da transposta para mostrar
3 4 −3 2 que (A−1)T é igual a A−1.
Determinação da inversa de uma matriz Nos 68. Demonstração Demonstre que, se A, B e C são
Exercícios 59 e 60, mostre que a matriz é inversível e matrizes quadradas e ABC = I, então B é inversível
encontre sua inversa. e B−1 = CA.
sen θ cos θ sec θ tg θ 69. Demonstração Demonstre que se A é inversível e
59. A = 60. A =
−cos θ sen θ tg θ sec θ AB = O, então B = O.
Matrizes 73

70. Demonstração guiada  Demonstre que, se A2 = A,


[−21 ]
2
76. Seja A = .
então ou A é singular ou A = I. 1
Começando: você deve mostrar que ou A é singular (a) Mostre que A2 − 2A + 5I = O, onde I é a
ou A é igual à matriz identidade. matriz identidade da ordem 2.
(i) Comece sua demonstração observando que A é (b) Mostre que A−1 = 15(2I − A).
ou singular ou não singular.
(c) Mostre que para qualquer matriz quadrada que
(ii) Se A é singular, então você já acabou. satisfaz A2 − 2A + 5I = O, a inversa de A é
(iii) Se A não é singular, use a matriz inversa A−1 e A−1 = 15(2I − A).
a hipótese A2 = A para mostrar que A = I.
77. Demonstração Seja u uma matriz coluna n × 1
Verdadeiro ou falso? Nos Exercícios 71 e 72, determine satisfazendo uTu = I1. A matriz H = In − 2uuT
se cada afirmação é verdadeira ou falsa. Se uma afirma- de tamanho n × n é chamada de matriz de
ção é verdadeira, dê uma justificativa ou cite uma afir- Householder.
mação apropriada do texto. Se uma afirmação for falsa,
(a) Demonstre que H é simétrica e não singular.
forneça um exemplo que mostre que a afirmação não

[ ]
é verdadeira em todos os casos ou cite uma afirmação √22
apropriada do texto. (b) Seja u = √22 . Mostre que uTu = I1 e
71. (a) Se as matrizes A, B e C satisfazem BA = CA e A 0
é inversível, então B = C. encontre a matriz do Householder H.
(b) A inversa do produto de duas matrizes é o produ- 78. Demonstração Sejam A e B matrizes n × n.
to de suas inversas; isto é, (AB)−1 = A−1B−1. Demonstre que se a matriz I − AB é não singular,
então I 2 BA também o é.
(c) Se A pode ser reduzida por linhas à matriz iden-
tidade, então A é não singular. 79. Sejam A, D e P matrizes n × n que satisfazem
AP = PD. Suponha que P seja não singular e resolva
72. (a) A inversa da inversa de uma matriz não singular
esta equação para determinar A. É sempre verdade
A, (A−1)−1, é igual a própria A.
que A = D?
[ ]
a b
(b) A matriz é inversível quando 80. Encontre um exemplo de uma matriz 2 × 2 singular
c d
que cumpre A2 = A.
ab − dc ≠ 0.
81. Dissertação  Explique como determinar se a inver-
(c)  Se A é uma matriz quadrada, então o sistema de
sa de uma matriz existe. Em caso afirmativo, expli-
equações lineare Ax = b tem uma única solução.
que como encontrar a inversa.
73. Dissertação  A soma de duas matrizes inversíveis
é inversível? Sim ou não? Explique por quê? Ilustre
sua conclusão com exemplos apropriados. 82. P
 onto crucial  Como mencionado na
74. Dissertação  Em que condições a matriz diagonal página 66, se A é uma matriz 2 × 2,

[ac ]
b

[ ]
a11 0 0 . . . 0 A= ,
d
0 a22 0 . . . 0
A=
⋮ ⋮ ⋮ ⋮ então A é inversível se e somente se
0 0 0 . . . ann ad − bc ≠ 0. Verifique que a inversa de A é
−b
[ ]
é inversível? Suponha que A seja inversível e encon- 1 d
A−1 = .
tre sua inversa. ad − bc −c a
75. Use o resultado do Exercício 74 para encontrar A−1
para cada matriz.
83. Dissertação  Explique em suas próprias palavras

[ ]
−1 0 0
como escrever um sistema de três equações linea-
(a) A= 0 3 0
res em três variáveis como
​​ uma equação matricial,
0 0 2
Ax = b, e também como resolver o sistema usando
1

[ ]
2 0 0 uma matriz inversa.
1
A= 0
(b) 3 0
1
0 0 4
74 Elementos de álgebra linear

2.4 Matrizes elementares


Fatorar uma matriz em um produto de matrizes elementares.
Encontrar e usar uma fatoração LU de uma matriz para resolver
um sistema de equações lineares.

MATRIZES ELEMENTARES E OPERAÇÕES


ELEMENTARES DE LINHAS
A Seção 1.2 introduziu as três operações elementares de linhas para matrizes
listadas a seguir.
1.  Permutar duas linhas.
2.  Multiplicar uma linha por uma constante não nula.
3.  Adicionar um múltiplo de uma linha a outra linha.
OBSERVAÇÃO
A matriz identidade In é Nesta seção, você verá como usar a multiplicação de matrizes para executar essas
elementar por essa definição, operações.
pois pode ser obtida por meio
de multiplicação de qualquer
Definição de uma matriz elementar
uma das suas linhas por 1. Uma matriz n × n é uma matriz elementar quando pode ser obtida a partir
da matriz identidade In por uma única operação elementar de linhas.

Matrizes elementares e
EXEMPLO 1 matrizes não elementares
Quais das seguintes matrizes são elementares? Para aquelas que forem, descreva
a operação elementar de linhas correspondente.

[ ]
1 0 0
[ ]
1 0 0
a.  0 3 0 b. 
0 1 0
0 0 1

[ ] [ ]
1 0 0 1 0 0
c.  0 1 0 d. 
0 0 1
0 0 0 0 1 0

[ ]
1 0 0
[ ]
1 0
e.  f.  0 2 0
2 1
0 0 −1

SOLUÇÃO
a. Esta matriz é elementar. Para obtê-la a partir de I3, multiplique a segunda linha
de I3 por 3.
b. Esta matriz não é elementar porque não é quadrada.
c. Esta matriz não é elementar porque para obtê-la a partir de I3, você deve mul-
tiplicar a terceira linha de I3 por 0 (a multiplicação de linha deve ser por uma
constante não nula).
d. Esta matriz é elementar. Para obtê-la a partir de I3, permute a segunda e a
terceira linhas de I3.
e. Esta matriz é elementar. Para obtê-la a partir de I2, multiplique a primeira linha
de I2 por 2 e adicione o resultado à segunda linha.
f. Esta matriz não é elementar, porque são necessárias duas operações elementa-
res de linhas para obtê-la a partir de I3.
Matrizes 75

As matrizes elementares são úteis porque permitem que você use a multipli-
cação de matrizes para executar operações elementares de linhas, como ilustrado
no Exemplo 2.

Matrizes elementares e operações


EXEMPLO 2 elementares de linhas
a.  No produto das matrizes abaixo, E é a matriz elementar na qual as duas primei-
ras linhas de I3 são permutadas.
E A

[ ][ ] [ ]
0 1 0 0 2 1 1 −3 6
1 0 0 1 −3 6 = 0 2 1
0 0 1 3 2 −1 3 2 −1
Observe que as duas primeiras linhas de A são permutadas quando A é multi-
plicada à esquerda por E.
b.  No produto das seguintes matrizes, E é a matriz elementar em que a segunda
linha de I3 é multiplicada por 12.
E A

[ ][ ] [ ]
1 0 0 1 0 −4 1 1 0 −4 1
1
0 2 0 0 2 6 −4 = 0 1 3 −2
0 0 1 0 1 3 1 0 1 3 1
Observe que a segunda linha de A é multiplicada por 12 quando A é multiplicada
à esquerda por E.
c.  No produto das matrizes abaixo, E é a matriz elementar na qual a primeira linha
de I3 multiplicadas por 2 é somada à sua segunda linha.
E A

[ ][ ] [ ]
1 0 0 1 0 −1 1 0 −1
2 1 0 −2 −2 3 = 0 −2 1
0 0 1 0 4 5 0 4 5
Observe que a primeira linha de A multiplicada por 2 é somada à sua segunda
linha quando A é multiplicada à esquerda por E.

Observe a partir do Exemplo 2(b) que você pode usar a multiplicação de


matrizes para fazer operações elementares de linhas em matrizes não quadradas.
OBSERVAÇÃO Se o tamanho de A for n × p, então E deve ter ordem n.
Em cada um dos três produtos no Exemplo 2, você pode fazer operações
Lembre-se de que no
elementares de linhas ao multiplicar à esquerda por uma matriz elementar. O
Teorema 2.12 é preciso multi-
próximo teorema, enunciado sem demonstração, generaliza esta propriedade das
plicar A à esquerda pela matriz
matrizes elementares.
elementar E. Este texto não
considera a multiplicação à
direita por matrizes elementa- TEOREMA 2.12 Representação de operações
res, que envolve operações de elementares de linhas
colunas. Seja E a matriz elementar obtida executando uma operação elementar de
linhas em Im. Se essa mesma operação elementar de linhas for executada em
uma matriz A de tamanho m × n, então a matriz resultante é o produto EA.

A maioria das aplicações de operações elementares de linhas requer uma


sequência de operações. Por exemplo, a eliminação de Gauss geralmente requer
várias operações elementares de linhas para reduzir uma matriz por linhas. Isso se
traduz em multiplicação à esquerda por diversas matrizes elementares. A ordem
da multiplicação é importante; a matriz elementar imediatamente à esquerda de
A corresponde à operação de linhas realizada primeiro. O exemplo 3 ilustra este
processo.
76 Elementos de álgebra linear

EXEMPLO 3 Utilização de matrizes elementares



Encontre uma sequência de matrizes elementares que possa ser usada para escre-
ver a matriz A na forma escalonada por linhas.

[ ]
0 1 3 5
A= 1 −3 0 2
2 −6 2 0

SOLUÇÃO
Operação elementar Matriz
Matriz de linhas elementar

[ ] [ ]
1 −3 0 2 R1 i R2 0 1 0
0 1 3 5 E1 = 1 0 0
2 −6 2 0 0 0 1

[ ] [ ]
1 −3 0 2 1 0 0
0 1 3 5 R3 1 (22)R1 l R3 E2 = 0 1 0
0 0 2 −4 −2 0 1

[ ] [ ]
1 −3 0 2 1 0 0
0 1 3 5 E3 = 0 1 0
0 0 1 −2 (12 )R3 l R3 0 0 1
2

As três matrizes elementares E1, E2 e E3 podem ser utilizadas para realizar a


mesma eliminação.

[ ][ ][ ][ ]
1 0 0 1 0 0 0 1 0 0 1 3 5
OBSERVAÇÃO
B = E3E2E1A = 0 1 0 0 1 0 1 0 0 1 −3 0 2
O procedimento ilustrado no 0 0 1
−2 0 1 0 0 1 2 −6 2 0
2
Exemplo 3 é principalmente

[ ][ ][ ]
de interesse teórico. Em outras 1 0 0 1 0 0 1 −3 0 2
palavras, este procedimento = 0 1 0 0 1 0 0 1 3 5
1
não é um método prático para 0 0 2 −2 0 1 2 −6 2 0
executar eliminação de Gauss.

[ ][ ] [ ]
1 0 0 1 −3 0 2 1 −3 0 2
= 0 1 0 0 1 3 5 = 0 1 3 5
1
0 0 2 0 0 2 −4 0 0 1 −2
As duas matrizes no Exemplo 3

[ ] [ ]
0 1 3 5 1 −3 0 2
A= 1 −3 0 2  e B = 0 1 3 5
2 −6 2 0 0 0 1 −2
são equivalentes por linhas, porque você pode obter B executando uma sequência
de operações de linhas em A. Precisamente, B = E3E2E1A.
A definição de matrizes equivalentes por linhas é apresentada novamente
abaixo usando matrizes elementares.

Definição de equivalência por linha


Sejam A e B matrizes m × n. A matriz B é equivalente por linhas a A quando
existe um número finito de matrizes elementares E1, E2, . . . , Ek tais que
B = EkEk−1 . . . E2E1A.
Matrizes 77

Você sabe pela Seção 2.3 que nem todas as matrizes quadradas são inversí-
veis. Toda matriz elementar, no entanto, é inversível. Além disso, a inversa de
uma matriz elementar é também uma matriz elementar.

TEOREMA 2.13  Matrizes elementares são inversíveis


Se E é uma matriz elementar, então E−1 existe e é uma matriz elementar.

A inversa de uma matriz elementar E é a matriz elementar que converte E de


volta para In. Por exemplo, as inversas das três matrizes elementares do Exem-
plo 3 são exibidas abaixo.
Matriz elementar Matriz Inversa

[ ] [ ]
0 1 0 R1 i R2 0 1 0 R1 i R2
E1 = 1 0 0 E1−1 = 1 0 0
OBSERVAÇÃO 0 0 1 0 0 1
E2−1 é como mostrado porque

[ ] [ ]
para converter E2 de volta para 1 0 0 1 0 0
I3, em E2 você somaria a linha E2 = 0 1 0 E2 = 0
−1
1 0
1 multiplicada por 2 à linha 3. −2 0 1 R3 1 (22)R1 l R3 2 0 1 R3 1 (2)R1 l R3

[ ] [ ]
1 0 0 1 0 0
E3 = 0 1 0 E3−1 = 0 1 0 3
0 0 1
2 (12 )R3 l R3 0 0 2 (2)R1 l R

Use multiplicação de matrizes para verificar esses resultados.


O próximo teorema afirma que toda matriz inversível pode ser escrita como
o produto de matrizes elementares.

TEOREMA 2.14  Uma propriedade de matrizes inversíveis


A matriz quadrada A é inversível se e somente se pode ser escrita como o
produto de matrizes elementares.

DEMONSTRAÇÃO
A frase “se e somente se” significa que existem realmente duas partes no teorema.
Por um lado, você deve mostrar que se A é inversível, então pode ser escrita como
o produto de matrizes elementares. A seguir, você deve mostrar que, se A pode ser
escrita como produto de matrizes elementares, então A é inversível.
Para demonstrar o teorema em uma direção, suponha que A é inversível. Do
Teorema 2.11 você sabe que o sistema de equações lineares representado por
Ax = O tem apenas a solução trivial. Mas isso implica que a matriz aumentada
[A O] pode ser reescrita na forma [I O] (usando operações elementares de
linhas correspondentes a E1, E2, . . . , e Ek). Então, Ek . . . E2E1A = I e segue
que A = E1−1E2−1 . . . Ek−1. Logo, A pode ser escrita como o produto de matrizes
elementares.
Para demonstrar o teorema na outra direção, suponha que A é o produto de matri-
zes elementares. Toda matriz elementar é inversível e o produto de matrizes inversí-
veis é inversível, então segue que A é inversível. Isso completa a demonstração.

O exemplo 4 ilustra a primeira parte desta demonstração.

Escrevendo uma matriz como


EXEMPLO 4 produto de matrizes elementares
Encontre uma sequência de matrizes elementares cujo produto seja a matriz não
singular
78 Elementos de álgebra linear

[−13 −2
A=
8].

SOLUÇÃO
Comece por encontrar uma sequência de operações elementares de linhas que pode ser usada para reescre-
ver A na forma escalonada por linhas.
Matriz Operação elementar de linhas Matriz elementar
−1
[ ]
(21)R1 l R1
[ ]
1 2 0
E1 =
3 8 0 1

[ ] [ ]
1 2 1 0
E2 =
0 2 R2 1 (23)R1 l R2 −3 1

[ ] [ ]
1 2 1 0
E3 =
0 1 ( 12 )R2 l R2 0 1
2

−2
[10 ] [10 ]
0 R1 1 (22)R2 l R1
E4 =
1 1
Agora, a partir da matriz produto E4E3E2E1A = I, determine A pelo cálculo de A = E1−1E2−1E3−1E4−1. Isso
implica que A é um produto de matrizes elementares.
E121 E221 E321 E421

[−10 −1 −2
][13 ][10 ][10 ] [ ]
0 0 0 2
A= =
1 1 2 1 3 8

Na Seção 2.3, você aprendeu um processo para encontrar a inversa de uma matriz não singular A. Lá,
você usou a eliminação de Gauss-Jordan para reduzir a matriz aumentada [A I] para [I A−1]. Agora
pode usar o Teorema 2.14 para justificar este procedimento. Especificamente, a demonstração do Teore-
ma 2.14 permite que escreva o produto
I = Ek . . . E2E1A.
Multiplicando ambos os lados desta equação (à direita) por A−1, resulta A−1 = Ek . . . E2E1I. Em outras
palavras, uma sequência de matrizes elementares que reduz a A para a identidade I também reduz a iden-
tidade I para A−1. Aplicando a sequência correspondente de operações elementares de linhas às matrizes
A e I simultaneamente, você obtém
Ek . . . E2E1[A I] = [I A−1].
Claro, se A é singular, então nenhuma sequência dessas é possível.
O próximo teorema une algumas relações importantes entre matrizes n × n e sistemas de equações
lineares. As partes essenciais deste teorema já foram demonstradas (ver Teoremas 2.11 e 2.14); é deixado
para você preencher as outras partes da demonstração.

TEOREMA 2.15  Condições equivalentes


Se A é uma matriz n × n, então as afirmações abaixo são equivalentes.
1.  A é inversível.
2.  Ax = b tem uma solução única para cada matriz coluna b.
3.  Ax = O tem apenas a solução trivial.
4.  A é equivalente por linhas a In.
5.  A pode ser escrita como o produto de matrizes elementares.

A FATORAÇÃO LU
No coração dos algoritmos mais eficientes e modernos para resolver sistemas lineares Ax = b está a fato-
ração LU, na qual a matriz quadrada A é expressa como um produto, A = LU. Neste produto, a matriz
Matrizes 79

quadrada L é triangular inferior, o que significa que todos os elementos acima da diagonal principal
são nulos. A matriz quadrada U é triangular superior, o que significa que todos os elementos abaixo da
diagonal principal são nulos.

[ ] [ ]
a11 0 0 a11 a12 a13
a21 a22 0 0 a22 a23
a31 a32 a33 0 0 a33

Matriz triangular inferior 3 × 3 Matriz triangular superior 3 × 3

Definição da fatoração LU
Se a matriz n × n A pode ser escrita como o produto de uma matriz triangular inferior L e uma matriz
triangular superior U, então A = LU é uma fatoração LU de A.

EXEMPLO 5 Fatoração LU

[1 ] [ ][0 ]
1 2 1 0 1 2
a. = = LU
0 1 1 −2
é uma fatoração LU da matriz

[11 ]
2
A=
0
como o produto da matriz triangular inferior

[ ]
1 0
L=
1 1
pela matriz triangular superior

[10 ]
2
U= .
−2

[ ] [ ][ ]
1 −3 0 1 0 0 1 −3 0
b. A = 0 1 3 = 0 1 0 0 1 3 = LU
2 −10 2 2 −4 1 0 0 14

é uma fatoração LU da matriz A.

Dinâmica dos fluidos computacional (DFC) é a simu-


ÁLGEBRA
lação computacional de fenômenos reais como o
LINEAR escoamento de fluido, transferência de calor e reações
APLICADA químicas. Resolver as equações de conservação de
energia, de massa e de momento envolvidas na análi-
se DFC pode envolver grandes sistemas de equações
lineares. Assim, para eficiência na computação, a análise
DFC usa em geral a partição e a fatoração LU de matrizes
em seus algoritmos. Empresas espaciais como Boeing e
Goncharuk/Shutterstock.com

Airbus usaram análise DFC em design de aeronaves. Por


exemplo, os engenheiros da Boeing usaram a análise
DFC para simular o escoamento do ar em torno de um
modelo virtual de suas 787 aeronaves para ajudar a pro-
duzir um design mais rápido e eficiente do que aqueles
das aeronaves Boeing anteriores.
80 Elementos de álgebra linear

Se uma matriz quadrada A se reduz por linhas a uma matriz triangular superior U usando apenas a
operação de linhas de adicionar um múltiplo de uma linha a outra abaixo, então é relativamente fácil encon-
trar uma fatoração LU da matriz A. Tudo o que você precisa fazer é acompanhar as operações de linhas
individuais, como mostrado no próximo exemplo.

EXEMPLO 6 Determinação de uma fatoração LU de uma matriz

[ ]
1 −3 0
Encontre uma fatoração LU da matriz A = 0 1 3 .
2 −10 2
SOLUÇÃO
Comece reduzindo A por linhas para a forma triangular superior enquanto acompanha as matrizes elemen-
tares usadas em cada operação de linhas.
Matriz Operação elementar de linhas Matriz elementar

[ ] [ ]
1 −3 0 1 0 0
0 1 3 E1 = 0 1 0
0 −4 2 R3 1 (22)R1 l R3 −2 0 1

[ ] [ ]
1 −3 0 1 0 0
0 1 3 E2 = 0 1 0
0 0 14 R3 1 (4)R2 l R3 0 4 1

A matriz reduzida acima é uma matriz triangular superior U, donde segue que E2E1A = U, ou seja,
A = E1−1E2−1U. O produto das matrizes triangulares inferiores

[ ][ ] [ ]
1 0 0 1 0 0 1 0 0
E1−1E2−1 = 0 1 0 0 1 0 = 0 1 0
2 0 1 0 −4 1 2 −4 1
é uma matriz triangular inferior L, de modo que a fatoração A 5 LU está completa. Observe que esta é a
mesma fatoração de LU do Exemplo 5(b).

Se A se reduz por linhas a uma matriz triangular superior U usando apenas a operação de linhas de
somar uma linha a outra abaixo, então A tem uma fatoração LU.
Ek . . . E2E1A = U
A = E1−1E2−1 . . . Ek−1U = LU
Aqui, L é o produto das inversas das matrizes elementares usadas na redução por linhas.
Observe que os multiplicadores no Exemplo 6 são 22 e 4, que são os opostos dos elementos corres-
pondentes em L. Isso é verdade em geral. Se U pode ser obtido a partir de A usando apenas a operação
elementar de linhas de adicionar um múltiplo de uma linha a outra abaixo, então a matriz L é triangular
inferior (com 1 ao longo da diagonal) e o oposto de cada multiplicador está na mesma posição que o zero
correspondente em U abaixo da diagonal principal.
Uma vez que você tenha obtido uma fatoração LU de uma matriz A, pode então resolver o sistema de
n equações lineares em n variáveis Ax = b de forma muito eficiente em duas etapas.
1. Escreva y = Ux e resolva Ly = b para determinar y.
2. Resolva Ux = y para determinar x.
A matriz coluna x é a solução do sistema original porque Ax = LUx = Ly = b.
O segundo passo é apenas a substituição regressiva, uma vez que a matriz U é triangular superior. O
primeiro passo é semelhante, exceto que ele começa no topo da matriz, porque L é triangular inferior. Por
esse motivo, o primeiro passo é em geral chamado de substituição progressiva.
Matrizes 81

EXEMPLO 7 Resolução de um sistema linear usando a fatoração LU

Veja LarsonLinearAlgebra.com para uma versão interativa deste tipo de exemplo.

Resolva o sistema linear


x1 − 3x2 = −5
x2 + 3x3 = −1
2x1 − 10x2 + 2x3 = −20

SOLUÇÃO
Você obteve uma fatoração LU da matriz de coeficientes A no Exemplo 6.

[ ]
1 −3 0
A= 0 1 3
2 −10 2

[ ][ ]
1 0 0 1 −3 0
= 0 1 0 0 1 3
2 −4 1 0 0 14
Primeiro, faça y = Ux e resolva o sistema Ly = b para determinar y.

[ ][ ] [ ]
1 0 0 y1 −5
0 1 0 y2 = −1
2 −4 1 y3 −20
Resolva este sistema usando a substituição progressiva. Começando com a primeira equação, você tem
y1 = −5. A segunda equação dá y2 = −1. Finalmente, a partir da terceira equação,
2y1 − 4y2 + y3 = −20
y3 = −20 − 2y1 + 4y2
y3 5 220 2 2(25) 1 4(21)
y3 = −14.
A solução de Ly = b é

[ ]
−5
y= −1 .
−14
Agora, resolva o sistema Ux = y para determinar x usando substituição regressiva.

[ ][ ] [ ]
1 −3 0 x1 −5
0 1 3 x2 = −1
0 0 14 x3 −14
Da equação inferior, x3 = −1. Então, da segunda equação resulta
x2 1 3(21) 5 21
ou x2 = 2. Finalmente, a primeira equação fornece
x1 2 3(2) 5 25
ou x1 = 1. Assim, a solução do sistema original de equações é

[ ]
1
x= 2 .
−1
82 Elementos de álgebra linear

2.4  Exercícios

Matrizes elementares  Nos Exercícios 1-8, determi- Determinação da inversa de uma matriz elemen-
ne se a matriz é elementar. Se for, indique a operação tar  Nos exercícios 19-24, encontre a inversa da
elementar de linhas usada para produzi-la. matriz elementar.

[ ] [ ] [ ] [ ]
1 0 1 0 0 0 1 5 0
 1.  2. 19. 20.
0 2 0 0 1 1 0 0 1

[ ] [ ]
1 0 0 1

[ ] [ ]
 3.  4. 0 0 1 1 0 0
2 1 1 0 21. 0 1 0 22.
0 1 0

[ ] [ ]
2 0 0 1 0 0 1 0 0 0 −3 1
 5. 0 0 1  6. 0 1 0

[ ]
0 1 0 2 0 1 1 0 0 0

[ ]
k 0 0
0 1 k 0

[ ]
1 0 0 0 23. 0 1 0 24.
0 0 1 0
0 1 0 0 0 0 1
 7. 0 0 0 1
0 −5 1 0 k≠0
0 0 0 1
Determinação da inversa de uma matriz Nos

[ ]
1 0 0 0 exercícios 25-28, encontre a inversa da matriz usando
2 1 0 0 matrizes elementares.
 8.
0 0 1 0 3 −2
[ ] [ ]
2 0
25. 26.
0 0 −3 1 1 0 1 1

[ ] [ ]
Determinação de uma matriz elementar  Nos exer- 1 0 −1 1 0 −2
cícios 9-12, considere A, B e C dadas por 27. 0 6 −1 28.
0 2 1

[ ] [ ]
0 0 4 0 0 1
1 2 −3 −1 2 0
A= 0 1 2 ,  B = 0 1 2 , e Determinação de uma sequência de matrizes
−1 2 0 1 2 −3 elementares  Nos Exercícios 29-36, encontre uma

[ ]
0 4 −3 sequência de matrizes elementares cujo produto é a
C= 0 1 2 . matriz não singular dada.

[ ] [ ]
−1 2 0 1 2 0 1
29. 30.
1 0 1 0
 9. Encontre uma matriz elementar E tal que EA = B.
−1
31. [
−1] [12 11]
4
10. Encontre uma matriz elementar E tal que EA = C. 32.
3
11. Encontre uma matriz elementar E tal que EB = A.

[ ] [ ]
1 −2 0 1 2 3
12. Encontre uma matriz elementar E tal que EC = A. 33. −1 3 0 34.
2 5 6
Determinação de uma sequência de matrizes ele- 0 0 1 1 3 4
mentares  Nos Exercícios 13-18, encontre uma se-

[ ] [ ]
1 0 0 1 4 0 0 2
quência de matrizes elementares que possa ser usada 0 −1 3 0 0 1 0 1
para escrever a matriz na forma escalonada por linhas. 35. 36.
0 0 2 0 0 0 −1 2

[ ]
0 3 −3 6 0 0 1 −1 1 0 0 −2
[ ]
0 1 7
13. 14. 1 −1 2 −2
5 10 −5
0 0 2 2 37. Dissertação  O produto de duas matrizes elemen-
tares é sempre elementar? Explique.

[ ] [ ]
1 −2 −1 0 1 3 0
15. 0 4 8 −4 16. 2 5 −1 38. Dissertação  E é a matriz elementar obtida pela per-
−6 12 8 1 3 −2 −4 mutação de duas linhas em In. A é uma matriz n × n.
(a) Qual é a relação entre EA e A? (b) Encontre E2.

[ ] [ ]
−2 1 0 1 −6 0 2
3 −4 0 0 −3 3 9 39. Use matrizes elementares para encontrar a inversa de
17. 18.

[ ]
1 −2 2 2 5 −1 1 1 0 0
−1 2 −2 4 8 −5 1 A= 0 1 0 ,  c ≠ 0.
a b c
Matrizes 83

40. Use matrizes elementares para encontrar a inversa de 53. Determine a e b de modo que A seja idempotente.

[ ][ ][ ]
1 a 0 1 0 0 1 0 0
[1a ]
0
A= 0 1 0 b 1 0 0 1 0 , A=
b
0 0 1 0 0 1 0 0 c
54. Demonstração guiada  Demonstre que A é idem-
c ≠ 0. potente se e somente se AT for idempotente.
Verdadeiro ou falso?  Nos Exercícios 41 e 42, deter-  Começando: a frase “se e somente se” significa que
mine se cada afirmação é verdadeira ou falsa. Se uma você deve demonstrar duas afirmações:
afirmação for verdadeira, dê uma justificativa ou cite 1. Se A é idempotente, então AT é idempotente.
uma afirmação apropriada do texto. Se uma afirma- 2. Se AT é idempotente, então A é idempotente.
ção for falsa, forneça um exemplo que mostra que a
(i) Comece a sua demonstração da primeira afirma-
afirmação não é verdadeira em todos os casos ou cite
ção supondo que A é idempotente.
uma afirmação apropriada do texto.
(ii) Isso significa que A2 = A.
41. (a) A matriz identidade é uma matriz elementar.
(iii) Use as propriedades da transposta para mostrar
(b) Se E é uma matriz elementar, então 2E é uma
que AT é idempotente.
matriz elementar.
(iv) Comece sua demonstração da segunda afirma-
(c) A inversa de uma matriz elementar é uma matriz
ção supondo que AT é idempotente.
elementar.
55. Demonstração  Demonstre que se A é uma matriz
42. (a) A matriz nula é uma matriz elementar.
n × n que é idempotente e inversível, então A = In.
(b) Uma matriz quadrada é não singular quando pode
56. Demonstração  Demonstre que se A e B são idem-
ser escrita como produto de matrizes elementares.
potentes e AB = BA, então AB é idempotente.
(c) Ax = O tem apenas a solução trivial se e somen-
57. Demonstração guiada  Demonstre que, se A é
te se Ax = b tem uma única solução para cada
equivalente por linhas a B e se B é equivalente por
matriz coluna b.
linhas a C, então A é equivalente por linhas a C.
Determinação de uma fatoração LU de uma  Começando: para demonstrar que A é equivalente
matriz  Nos exercícios 43-46, encontre uma fatoração por linhas a C, você deve encontrar matrizes elemen-
LU da matriz. tares E1, E2, . . . , Ek tais que A = Ek . . . E2 E1C.
−2
[ ] [ ]
1 0 1 (i) Comece observando que A é equivalente por
43. 44.
−2 1 −6 4 linhas a B e B é equivalente por linhas a C.

[ ] [ ]
3 0 1 2 0 0 (ii) Isso significa que existem matrizes elementares
45. 6 1 1 46. 0 −3 1 F1, F2, . . . , Fn e G1, G2, . . . , Gm tais que
−3 1 0 10 12 3 A = Fn . . . F2F1B e B = Gm . . . G2G1C.
(iii) Combine as equações matriciais do passo (ii).
Resolução de um sistema linear usando fatoração
58. Demonstração  Demonstre que se A é equivalente
LU  Nos Exercícios 47 e 48, use uma fatoração LU da
por linhas a B, então B é equivalente por linhas a A.
matriz de coeficientes para resolver o sistema linear.
59. Demonstração  Seja A uma matriz não singular.
47. 2x + y = 1
Demonstre que se B é equivalente por linhas a A,
y−z= 2
então B também é não singular.
−2x + y + z = −2
48. 2x1 = 4 60. Ponto crucial
−2x1 + x2 − x3 = −4 (a) Explique como encontrar uma matriz elementar.
6x1 + 2x2 + x3 = 15 (b) Explique como usar matrizes elementares para
−x4 = −1 encontrar a fatoração LU de uma matriz
(c) Explique como usar a fatoração LU para resol-
Matrizes idempotentes  Nos Exercícios 49-52,
ver um sistema linear.
determine se a matriz é idempotente. Uma matriz
quadrada A é idempotente quando A2 = A.
61. Mostre que a seguinte matriz não possui uma fatora-
[ ] [ ]
1 0 0 1 ção LU.
49. 50.
0 0 1 0
[01 ]
1
A=

[ ] [ ]
0 0 1 0 1 0 0
51. 0 1 0 52. 1 0 0
1 0 0 0 0 1
84 Elementos de álgebra linear

2.5 Cadeias de Markov


Usar uma matriz estocástica para encontrar a matriz do n-ésimo estado de uma
cadeia de Markov.
Encontrar a matriz de estado estacionária de uma cadeia de Markov.
Encontrar a matriz de estado estacionária de uma cadeia de Markov absorvente.

MATRIZES ESTOCÁSTICAS E CADEIAS DE MARKOV


Muitos tipos de aplicações envolvem um conjunto finito de estados {S1, S2, . . . , Sn} de uma população.
Por exemplo, residentes de uma cidade podem viver no centro ou nos subúrbios. Os eleitores podem votar em
democratas, republicanos ou independentes. Os consumidores de refrigerantes podem comprar Coca-Cola,
Pepsi ou outra marca.
A probabilidade de que um membro de uma população mude do j-ésimo estado para o i-ésimo estado
é representada por um número pij, onde 0 ≤ pij ≤ 1. Uma probabilidade pij = 0 significa que o membro
está certo de não mudar do j-ésimo estado para o i-ésimo estado, enquanto que uma probabilidade pij = 1
significa que o membro certamente mudará do j-ésimo estado para o i-ésimo estado.
De

S1 S2 . . . Sn
p11 p12 . . . p1n S1
p p . . . p2n S2
P = 21 22 Para
pn1 pn2 . . . pnn Sn
P é chamada de matriz de probabilidades de transição porque dá as probabilidades de cada tipo possível
de transição (ou mudança) dentro da população.
Em cada transição, cada membro em um determinado estado deve permanecer neste ou mudar para
outro estado. Em probabilidade, isso significa que a soma dos elementos em qualquer coluna de P é 1. Por
exemplo, na primeira coluna,
p11 + p21 + . . . + pn1 = 1.
Uma matriz assim é chamada estocástica (o termo “estocástico” significa “em relação à conjectura”). Mais
precisamente, uma matriz quadrada P de ordem n é uma matriz estocástica quando cada elemento é um
número pertencente ao intervalo [0, 1] e a soma dos elementos em cada coluna de P é igual a 1.

Exemplos de matrizes estocásticas e


EXEMPLO 1 matrizes não estocásticas
As matrizes nas partes (a), (b) e (c) são estocásticas, mas as matrizes nas partes (d), (e) e (f) não o são.

[ ]
1 1 1 1
4 5 3 2

[ ]
1 0 0 1 13
0
1
4 60 6 0,9 0,8
a.  0 1 0 b.  1 1 1 1 c. 
0,1 0,2
0 0 1 4 3 3 6
1 1 1 1
4 4 3 6

[ ]
1 1 1 0,1 0,2 0,3 0,4
2 4 4

[ ]
1 1
2 4 1 2 0,2 0,3 0,4 0,5
d.  3 e.  3 0 3 f. 
0 4
0,3 0,4 0,5 0,6
1 3
4 4 0 0,4 0,5 0,6 0,7
O exemplo 2 descreve o uso de uma matriz estocástica para medir as preferências dos consumidores.
Matrizes 85

EXEMPLO 2 Modelo de preferência do consumidor


Duas empresas concorrentes oferecem serviço de televisão por satélite a uma
cidade com 100.000 famílias. A Figura 2.1 mostra as mudanças nas assinaturas
de satélites a cada ano. A Empresa A agora possui 15 mil assinantes e a Empresa
B possui 20 mil assinantes. Quantos assinantes cada empresa terá em um ano?
SOLUÇÃO
20%
Empresa Empresa A matriz das probabilidades de transição é
A B De

15% A B Sem
70% 80%
15% 15% 0,70 0,15 0,15 A
10% P = 0,20 0,80 0,15 B Para
5%
0,10 0,05 0,70 Sem
Sem
televisão e a matriz de estado inicial que representa as porções da população total nos três
por satélite
estados é

70% 0,1500 A
X0 = 0,2000 . B
Figura 2.1
0,6500 Sem

Para encontrar a matriz de estado que representa as porções da população nos três
estados em um ano, multiplique P por X0 para obter
0,70 0,15 0,15 0,1500 0,2325
X1 = PX0 = 0,20 0,80 0,15 0,2000 = 0,2875 .
0,10 0,05 0,70 0,6500 0,4800

Em um ano, a Empresa A terá 0,2325 (100.000) 5 23.250 assinantes e a empresa


B terá 0,2875 (100.000) 5 28.750 assinantes.
OBSERVAÇÃO
Uma cadeia de Markov, cujo nome é uma homenagem ao matemático russo
Suponha sempre que a matriz
Andrey Andreyevich Markov (1856-1922), é uma sequência {Xn} de matrizes de
de probabilidades de transição
estado que estão relacionadas pela equação Xk+1 = PXk, onde P é uma matriz
P em uma cadeia de Markov
estocástica. Por exemplo, considere modelo de preferência do consumidor discu-
permanece constante entre
tido no Exemplo 2. Para encontrar a matriz de estado que representa as porções da
estados.
população em cada estado em três anos, multiplique repetidamente a matriz inicial
X0 pela matriz de probabilidades de transição P.
X1 = PX0
X2 = PX1 = P ∙ PX0 = P2X0
X3 = PX2 = P ∙ P2X0 = P3X0
Em geral, a matriz do n-ésimo estado de uma cadeia de Markov é PnX0, conforme
resumido a seguir.

Enésima matriz de estado de uma cadeia de Markov


A matriz do n-ésimo estado de uma cadeia de Markov para a qual P é a ma-
triz de probabilidades de transição e X0 é a matriz de estado inicial é
Xn = PnX0.

O Exemplo 3 usa o modelo discutido no exemplo 2 para ilustrar esse processo.


86 Elementos de álgebra linear

EXEMPLO 3 Um modelo de preferência do consumidor

Supondo que a matriz de probabilidades de transição do Exemplo 2 permaneça a mesma ano após ano,
encontre o número de assinantes que cada empresa de televisão por satélite terá após (a) 3 anos, (b) 5 anos,
(c) 10 anos e (d) 15 anos.
SOLUÇÃO
a. Para encontrar o número de assinantes após 3 anos, primeiro encontre X3.
0,3028
0,3028 A
X3 = P33X0 ≈ 0,3904
X33 = P3X00 ≈ 0,3904 B Depois de 3 anos
0,3068
0,3068 Nenhuma
Após 3 anos, a Empresa A terá cerca de 0,3028 (100.000) 5 30.280 assinantes e a Empresa B terá
aproximadamente 0,3904 (100.000) 5 39.040 assinantes.
b. Para encontrar o número de assinantes após 5 anos, primeiro encontre X5.
0,3241
0,3241 A
X5 = P55X0 ≈ 0,4381
X55 = P5X00 ≈ 0,4381 B Depois de 5 anos
0,2378
0,2378 Nenhuma
Após 5 anos, a Empresa A terá aproximadamente 0,3241 (100.000) 5 32.410 assinantes e a Empresa
B terá aproximadamente 0,4381 (100.000) 5 43.810 assinantes.
c. Para encontrar o número de assinantes após 10 anos, primeiro encontre X10.
0,3329
0,3329 A
X10 = P1010
X0 ≈ 0,4715
X10 = P 10X ≈ 0,4715 B Depois de 10 anos
10 00 0,1957
0,1957 Nenhuma
Após 10 anos, a Empresa A terá aproximadamente 0,3329 (100.000) 5 33.290 assinantes e a Empresa
B terá cerca de 0,4715 (100.000) 5 47.150 assinantes.
d. Para encontrar o número de assinantes após 15 anos, primeiro encontre X15.
0,3333 A
0,3333
X15 = P15X0 ≈ 0,4756
15
B Depois de 15 anos
X15 = P X00 ≈ 0,4756
15 0,1911 Nenhuma
0,1911
Após 15 anos, a Empresa A terá cerca de 0,3333 (100.000) 5 33.330 assinantes e a Empresa B terá
cerca de 0,4756 (100.000) 5 47.560 assinantes.

O algoritmo PageRank do Google faz uso de cadeias de


ÁLGEBRA
Markov. Para um conjunto de pesquisa que contém n
LINEAR páginas da web, defina uma matriz A de ordem n tal que
APLICADA aij = 1 quando a página j faz referência à página i e aij = 0
caso contrário. Ajuste A para contabilizar páginas da web
sem referências externas, mude a escala de cada coluna
de A de modo que A seja estocástica e chame essa matriz
de B. Então, defina
1−p
M = pB + E,
n
onde p é a probabilidade de um usuário seguir um link
em uma página, 1 − p é a probabilidade de o usuário ir
a qualquer página ao acaso e E é uma matriz n × n cujos
elementos são todos 1. A cadeia de Markov cuja matriz de
d8nn/Shutterstock.com

transição de probabilidades é M converge para uma única


matriz de estado estacionária, o que dá uma estimativa de
classificação das páginas. A Seção 10.3 discute um méto-
do que pode ser usado para estimar a matriz de estado
estacionária.
Matrizes 87

MATRIZ DE ESTADO ESTACIONÁRIA DE UMA CADEIA


DE MARKOV
No Exemplo 3, observe que há pouca diferença entre o número de assinantes após
10 e após 15 anos. Se você continuar o processo mostrado neste exemplo, a matriz
de estado Xn eventualmente atingirá um estado estacionário. Mais precisamente,
enquanto a 1matriz P não mudar, o produto de matrizes PnX se aproxima de um
limite X. No13 exemplo 3, o limite é a matriz de estado estacionária
0,3333
1031 0,3333
X = 2110 1 ≈ 0,4762
0,3333 ..
X = 2133 ≈ 0,4762
0,3333 A
X = 21
4
10 0,1905
4 ≈ 0,1905
10 0,4762 .
X = 21
21 ≈ 0,4762 . B Matriz de estado estacionária
4 0,1905
0,1905
4
21 Sem
21
1 1
Verifique para confirmar
0,70 que PX31 = X, como
0,15 0,15 31 mostrado abaixo.
0,70 0,15 0,15 1031 1031
PX = 0,20
0,70 0,80
0,15 0,15
0,15 102113 = 10
2113 = X
PX = 0,20
0,70 0,80
0,15 0,15
0,15 21 3 = 213 = X
0,10
PX = 0,20 0,050,05 0,70 4
10 4
10
0,80 0,15 21 4 = 21
10 4 = X
10
PX = 0,10
0,20 0,80 0,70
0,15 2121 = 21 21 = X
0,10 0,05 0,70 4 4 4
0,10 0,05 0,70 21 4
21
21 21

No Exemplo 5, você verificará o resultado acima, encontrando a matriz de estado


estacionária X.
A matriz das probabilidades de transição P utilizada acima é um exemplo
de uma matriz estocástica regular. Uma matriz estocástica P é regular quando
alguma potência de P tem apenas elementos positivos.

EXEMPLO 4 Matrizes estocásticas regulares



0,70 0,15 0,15
a.  A matriz estocástica
0,70 0,15 0,15
P = 0,20
0,70 0,80
0,15 0,15
0,15
P = 0,20
0,70 0,80
0,15 0,15
0,15
P = 0,10
0,20 0,05
0,80 0,70
0,15
P = 0,10
0,20 0,05
0,80 0,70
0,15
0,10 0,05
0,10 0,05 0,700,70
é regular porque P1 tem apenas elementos positivos.
b.  A matriz estocástica
0,50 1,00
P = 0,50 1,00
P = 0,500,50 1,00 0
1,00
P = 0,50
0,50 0
P = 0,50
é regular por0,50
que 00
0,75 0,50
P22 = 0,75 0,50
P = 0,25 0,75 0,50
0,50
P 2 = 0,25
0,75 0,50
0,50
P = 0,25
2
tem apenas elementos
0,50 positivos.
0,25 0,50
c.  A matriz estocástica

[ ]
OBSERVAÇÃO 1
3 0 1
Para uma matriz estocástica P=
1
1 0
3
regular P, a sequência de 1
potências sucessivas 3 0 0

P, P 2, P 3, . . . não é regular porque cada potência de P tem dois zeros em sua segunda coluna.
(Verifique isso.)
aproxima-se de uma matriz
estável P. Quando P é uma matriz estocástica regular, a correspondente cadeia de
Os elementos em cada coluna Markov regular
de P são iguais aos elementos
correspondentes na matriz de PX0, P2X0, P3X0, . . .
estado estacionária X . Será aproxima-se de uma única matriz de estado estacionária X. Será pedido que
pedido que você você demonstre isso no Exercício 56.
demonstre isso no Exercício 55.
88 Elementos de álgebra linear

Determinação de uma matriz de


EXEMPLO 5 estado estacionária

Veja LarsonLinearAlgebra.com para uma versão interativa deste tipo de Exemplo.

Encontre a matriz de estado estacionária X da cadeia de Markov cuja matriz de


probabilidades de transição é a matriz regular
0,70 0,15
0,70 0,15 0,15
0,15
P== 0,70
0,20 0,15
0,80 0,15 .
P 0,70 0,15
0,20 0,80 0,15 .
P= 0,20
0,10 0,80
0,05 0,15
0,70 ..
P= 0,20
0,10 0,80
0,05 0,15
0,70
0,10 0,05 0,70
0,10 0,05 0,70
SOLUÇÃO
Observe que P é a matriz de probabilidades de transição que você encontrou no
Exemplo 2 e cuja matriz de estado estacionária X foi verificada no topo da página
87. Para encontrar X, comece

[]
x1
tomando X = x2 . Em seguida, use a equação matricial PX = X para obter
0,70 0,15x30,15
0,70 0,15 0,15 xx11 xx1
0,70
0,20 0,15
0,80 0,15
0,15 xx1 = xx11
0,70 0,80
0,20 0,15 0,15 x122 = x122
0,20
0,10 0,80
0,20
0,10 0,80
0,05 0,70 xxx223 =
0,05 0,15
0,15
0,70
x
= xx2323
0,10 0,05 0,70 x33 x3
0,10 0,05 0,70 x3 x3
OBSERVAÇÃO
ou 0,70x + 0,15x + 0,15x = x
Lembre-se do Exemplo 2 que 0,70x11 + 0,15x22 + 0,15x33 = x11
a matriz de estado consiste em 0,20x111 +
0,70x
0,70x
0,20x + 0,80x222 +
+ 0,15x
0,15x
0,80x + 0,15x333 =
+ 0,15x
0,15x = xxx1212
=
elementos que são porções do 0,20x
0,10x11 ++ 0,80x
+ 0,05x
0,05x22 ++ 0,15x
+ 0,70x
0,70x33 ==
= xxx223..
0,20x
0,10x 0,80x 0,15x
todo. Então, faz sentido que 0,10x11 + 0,05x22 + 0,70x33 = x33.
0,10x1 + 0,05x2 + 0,70x3 = x3.
x1 + x2 + x3 = 1. Use estas equações e o fato de que x1 + x2 + x3 = 1 para escrever o sistema de
equações lineares
−0,30x abaixo.
+ 0,15x + 0,15x = 0
−0,30x 11 + 0,15x22 + 0,15x33 = 0
−0,30x
0,20x +
− 0,15x
0,20x 2 + 0,15x = 0
−0,30x
0,20x11 − 0,20x22 0,15x333 = 0
1 + 0,15x +
0,20x − 0,20x
+ 0,05x
0,10x111 + 0,05x222 − + 0,30x333 =
− 0,15x = 000
0,20x
0,10x − 0,20x + 0,15x
0,30x =
0,10xx1 ++ 0,05x −
+ 0,30x =
= 01.
0,10xx11 + 0,05xxx222 +
− 0,30xxx333 = 01.
x1 + x2 + x3 = 1.
x1 + x2 + x3 = 1.
Use qualquer método apropriado para verificar que a solução deste sistema é
x1 = 13, x2 = 10 4
21 , e x3 = 21 .
Assim, a matriz de estado estacionária é
11
313 0,3333
0,3333
13
= 10
10 ≈ 0,3333
0,4762
X=
X 21
10
21
3 ≈ 0,3333
0,4762 ..
X= 4 ≈
10 0,4762
0,1905 .
X= 21
4
21 ≈ 0,4762
0,1905 .
21
4
21 0,1905
4
21 0,1905
21
Verifique que PX = X.

Um resumo para encontrar a matriz de estado estacionária X de uma cadeia


OBSERVAÇÃO de Markov é dado abaixo.
Se P não é regular, então a
cadeia de Markov correspon- Determinação da matriz de estado estacionária de uma
dente pode ou não ter uma
cadeia de Markov
única matriz de estado esta-
cionária. 1. Verifique que a matriz de probabilidades de transição P é uma matriz
regular.
2. Resolva o sistema de equações lineares obtidas a partir equação matricial
PX = X juntamente com a equação x1 + x2 + . . . + xn = 1.
3. Verifique a solução encontrada no Passo 2 na equação matricial PX = X.
Matrizes 89

CADEIAS DE MARKOV ABSORVENTES


OBSERVAÇÃO A cadeia de Markov discutida nos Exemplos 3 e 5 é regular. Outros tipos de
cadeias Markov podem ser usados para
​​ modelar situações reais. Um deles inclui
No Exercício 50, você irá inves-
as cadeias de Markov absorventes.
tigar outro tipo de cadeia de
Considere uma cadeia de Markov com n estados diferentes { S1, S2, . . . , Sn }.
Markov, aquela com limites
O i-ésimo estado Si é um estado absorvente quando, na matriz de probabilidades
refletores.
de transição P, pii = 1. Assim, este elemento na diagonal principal de P é 1 e
todos os outros elementos na i-ésima coluna de P são 0. Uma cadeia de Markov
absorvente tem as duas propriedades listadas a seguir.
1.  A cadeia de Markov possui pelo menos um estado absorvente.
2. É possível que um membro da população se mova de qualquer estado não
absorvente para um estado absorvente em um número finito de transições.

40% S1 Cadeias de Markov absorventes e


60%
EXEMPLO 6 
não absorventes
a.  Para a matriz
De
S2 S3 De
De
S1 S2 S3
50%
SS11 SS22 SS33
100% 50% 0,4
0,4 000
0,4
0
00
S1
SSS11 Para
Figura 2.2 P
P==
= 000 111 0,5
0,5 SSS22 Para
2 Para
P 0,6 0,5
0,6 000
0,6
0,5
0,5
0,5 S
S33
3

o segundo estado, representado pela segunda coluna, é absorvente. Além disso,


S1 S2 a cadeia de Markov correspondente também é absorvente porque é possível
50% passar de S1 a S2 em duas transições e é possível passar de S3 para S2 em uma
transição. (Veja a Figura 2.2.)
50% 100% b.  Para a matriz
60%
De
De
De
S3 S4
S1 S2 S3 S4
SS11 SS22 SS33 SS44
50% 0,5
0,5 0 0 S1 0
40% 50% 0,5
0,5 010 000 SSS11 000
P = 0,5 101 00 00
SSS22 Para
2
Figura 2.3 P=
P = 0,50 0,4 0,5Para
3 Para
000 000 0,4
0,4
0,6
0,5
SSS33
0,5
0,5
00 00 0,6 0,5
SS44
4
0,6 0,5
o segundo estado é absorvente. No entanto, a cadeia de Markov correspondente
S4 S2 não é absorvente porque não há como passar do estado S3 ou do estado S4 para
o estado S2. (Veja a Figura 2.3.)
20% 20%
100% 100 % c.  A matriz
S1 De
De
De
10% 30%
50% 20% S1 S2 S3 S4
10% SS11 SS22 SS33 SS44
0,5
0,5 000 0,2
0,2
0,2 000 SSS11
S3 0,5
0,2 1 0,3
0,3 000 SSS22 Para
1
P = 0,2 11 0,3
0,2
P = 0,1
P = 0,1 0 0 0,4 0 S2 Para
0,1 0 0,4 00 SS33 Para
0,4
0,2
0,2 000 0,1
0,1
0,1 111 SSS44
3
40% 0,2 4
tem dois estados absorventes: S2 e S4. Além disso, a cadeia de Markov corres-
Figura 2.4
pondente também é absorvente porque é possível passar de qualquer um dos
estados não absorventes, S1 ou S3, para qualquer um dos estados absorventes em
um único passo. (Veja a Figura 2.4.)
90 Elementos de álgebra linear

É possível que algumas cadeias de Markov absorventes tenham uma única


matriz de estado estacionária. Outras cadeias de Markov absorventes têm um
número infinito de matrizes de estado estacionário. O Exemplo 7 ilustra isso.

Determinação de matrizes de estado


EXEMPLO 7 estacionárias de cadeias de Markov
absorventes
Determine as matrizes de estado estacionárias de cada cadeia de Markov absor-
vente com matriz de probabilidade de transição P.
0,5 0 0,2 0
0,4 0 0 0,5
0,5 010 0,2
0,2 00
0,4 0 0 0,2 0,3 0
P = 0,40 01 0,5 0 P = 0,2 1
0,2 01 0,3
0,3 00
a. 
P = 0
P = 0,60 1
1 0,5
0,5 b.  P
P =
= 0,1 0,4 0
0 0,5 0,1
0,1 000 0,4
0,4 00
0,6
0,6 0
0 0,50,5 0,2 0,1 1
0,2
0,2 00 0,1
0,1 11
SOLUÇÃO
a.  Use a equação matricial PX = X, ou
0,4 0 0 x1 x1
0,4
0,4 00 0 x x
0 1 0,50 xx112 = xx112
00 11 0,5 =
0,5 xx22 = xxx22
x
0,6 0 0,5
0,6
0,6 00 0,5 3
0,5 xx33 xx33
juntamente com a equação x1 +3 x2 + x3 = 1 para escrever o sistema de equa-
ções lineares
−0,6x 1 =0
−0,6x
−0,6x11 =
= 000
0,5x3 =
0,5x33 =
0,5x
− 0,5x = 000
0,6x1
0,6x − 0,5x 3 =
=
0,6xx1 + x +
1 − 0,5xx3 =
3 = 01.
0
xx11 +
+ x
x
2 +
2 + x
x
3 = 1.
3 = 1.
1 2 3
A solução deste sistema é x1 5 0, x2 5 1 e x3 5 0, de modo que a matriz de
estado estacionária é X = [0 1 0]T. Observe que X coincide com a segun-
da coluna da matriz de probabilidades de transição P.
b.  Use a equação matricial PX = X, ou
0,5 0 0,2 0 x1 x
0,5
0,5 00 0,20,2 00 xx1 xx11
0,2 1 0,3 0 x2 1 x1
0,2
0,2 11 0,30,3 00 xx2 = xx22
0,1 0 0,4 0 x23 = = xx23
0,1
0,1 00 0,40,4 010 xxx33
OBSERVAÇÃO 0,2 0 0,1 xx343
0,2
0,2 00 0,10,1 11 xx44
4 xx4
4
Observe que uma matriz de juntamente com a equação x1 1 x2 1 x3 1 x4 5 1 para escrever o sistema de
estado estacionária para uma equações lineares
−0,5x1 + 0,2x3 =0
cadeia de Markov absorvente −0,5x
−0,5x + 0,2x
+ 0,3x
0,2x33 =
= 000
0,2x111 + =
tem valores não nulos apenas 0,2x
0,2x11 + 0,3x
+ 0,6x
0,3x3
3
3 =
= 000
para o(s) estado(s) 0,1x − =
0,1x 1
0,1x11 − 0,6x
− 0,1x
0,6x33
3 =
= 000
absorvente(s). Estes estados 0,2x + =
0,2x 1
0,2xx11 + x + + 0,1x 3
+ 0,1xx33 + x = =
= 01.
0
absorvem a população. xx1 +
1 xx2 +
2 xx3 +
3 xx4 =
4 1.
1 + 2 + 3 + 4 = 1.
A solução deste sistema é x1 5 0, x2 5 1 2 t, x3 5 0 e x4 5 t, onde t é qualquer
número real tal que 0 ≤ t ≤ 1. Assim, cada matriz de estado estacionária é
descrita por X = [0 1 − t 0 t]T. A cadeia de Markov possui um número
infinito de matrizes de estado estacionárias.

Em geral, uma cadeia de Markov regular ou uma cadeia de Markov absorven-


te com um estado absorvente tem uma única matriz de estado estacionária, inde-
pendentemente da matriz de estado inicial. Além disso, uma cadeia de Markov
absorvente com dois ou mais estados absorventes possui um número infinito de
matrizes de estado estacionárias, que dependem da matriz de estado inicial. No
Exercício 49, será pedido que você mostre essa dependência para a cadeia de
Markov cuja matriz de probabilidades de transição é dada no Exemplo 7 (b).
Matrizes 91

2.5  Exercícios
Matrizes estocásticas  Nos Exercícios 1-6, deter- 11. C
 ompra de um produto  O departamento de
mine se a matriz é estocástica. pesquisa de mercado de uma fábrica determina que
20% das pessoas que compram o produto da fábrica
[ ]
2
− 25
[1 +− √ 1 − √2
]
5 2
 1. 3 7  2. durante algum mês não o comprarão no próximo mês.
√2 √2
5 5 Por outro lado, 30% das pessoas que não compram o
produto durante qualquer mês comprarão no próximo
0,3 0,16
0,3 0,16 0,25
0,25 0,3
0,3 0,5
0,5 0,2
0,2 mês. Em uma população de 1.000 pessoas, 100 pessoas
 3.
0,3 0,6
0,3 0,6 0,25
0,25  4. 0,1
0,1 0,2
0,2 0,7
0,7 compraram o produto este mês. Quantas pessoas com-
0,3 0,16
0,3 0,16 0,5
0,5 0,8
0,8 0,1
0,1 0,1
0,1 prarão o produto (a) no próximo mês e (b) em 2 meses?
12. Propagação de um vírus  Um pesquisador médico

[ ]
1 0 0 0
0 1 0 0 está estudando a disseminação de um vírus em uma
  5. população de 1.000 ratos de laboratório. Ao longo de
0 0 1 0
uma semana, há uma probabilidade de 80% de que um
0 0 0 1 rato infectado vença o vírus. Ademais, durante a mesma
semana, há uma probabilidade de 10% de que um rato

[ ]
1 2 1 4
2 9 4 15 não infectado fique infectado. Atualmente, trezentos
1 1 1 4
6 3 4 15 ratos estão infectados com o vírus. Quantos estarão
 6. 1 2 1 4 infectados (a) na próxima semana e (b) em 3 semanas?
6 9 4 15
1 2 1 1 13. Assistindo televisão  Um dormitório universitário
6 9 4 5 hospeda 200 estudantes. Aqueles que assistem uma hora
ou mais de televisão em qualquer dia sempre assistem
 7. Alocação de avião  Uma companhia aérea possui menos de uma hora no dia seguinte. Um quarto daqueles
30 aviões em Los Angeles, 12 aviões em St. Louis que assistem televisão por menos de uma hora um dia
e 8 aviões em Dallas. Durante um período de oito assistirá uma hora ou mais no dia seguinte. Metade dos
horas, 20% dos aviões em Los Angeles voam para alunos assistiu televisão por uma hora ou mais hoje.
St. Louis e 10% voam para Dallas. Dos aviões em Quantos assistirão televisão durante uma hora ou mais
St. Louis, 25% voam para Los Angeles e 50% voam (a) amanhã, (b) em 2 dias e (c) em 30 dias?
para Dallas. Dos aviões em Dallas, 12,5% voam para 14. Atividades esportivas  Estudantes em uma
Los Angeles e 50% voam para St. Louis. Quantos turma de educação física podem escolher natação ou
aviões estão em cada cidade após 8 horas? basquete a cada aula. Trinta por cento dos alunos que
  8. Química  Em uma experiência de química, um nadam um dia irão nadar no dia seguinte. Sessenta
tubo de ensaio contém 10.000 moléculas de um por cento dos alunos que jogam basquete um dia vão
composto. Inicialmente, 20% das moléculas estão jogar basquete no dia seguinte. Hoje, 100 estudantes
em estado gasoso, 60% estão em estado liquido e nadaram e 150 estudantes jogaram basquete. Quantos
20% estão em estado sólido. Após a introdução de estudantes irão nadar (a) amanhã, (b) em dois dias e
um catalisador, 40% das moléculas gasosas mudam (c) em quatro dias?
para líquido, 30% das moléculas líquidas mu- 15. Fumantes e não fumantes  Em uma população de
dam para sólido e 50% das moléculas sólidas mudam 10.000, existem 5.000 não fumantes, 2.500 fumantes
para líquido. Quantas moléculas estão em cada esta- de um maço ou menos por dia e 2.500 fumantes de
do após a introdução do catalisador? mais de um maço por dia. Durante um mês, existe
Determinação de matrizes de estado  Nos Exercí- uma probabilidade de 5% de que um não fumante
cios 9 e 10, use a matriz de probabilidades de transição comece a fumar um maço ou menos por dia e uma
P e a matriz de inicial X0 para encontrar as matrizes de probabilidade de 2% de que um não fumante comece
estado X1, X2 e X3. a fumar mais do que um maço por dia. Para os fu-
mantes que fumam um maço ou menos por dia, há
0,6 0,1 0,1 0,1 uma probabilidade de 10% de parar e uma probabi-
 9. P = 0,2 0,7 0,1 , X0 = 0,1 lidade de 10% de aumentar para mais de um maço
0,2 0,2 0,8 0,8 por dia. Para os fumantes que fumam mais do que um
1 maço por dia, há uma probabilidade de 5% de parar e
0,6 0,2 0 3 uma probabilidade de 10% de diminuir para um maço
1
10. P = 0,2 0,7 0,1 , X0 = 3
ou menos por dia. Quantas pessoas estarão em cada
0,2 0,1 0,9 1 grupo (a) em 1 mês, (b) em 2 meses e (c) em 1 ano?
3
92 Elementos de álgebra linear

16. Preferência do consumidor  Em uma população (b) Encontre a matriz de estado estacionária X usan-
de 100.000 consumidores, há 20.000 usuários da do a matriz de probabilidades de transição P do
Marca A, 30.000 usuários da Marca B e 50.000 que Exercício 10.
não usam nenhuma das duas marcas. Durante um 32. Encontre a matriz de estado estacionária para cada
determinado mês, um usuário da Marca A tem pro- matriz estocástica nos Exercícios 1-6.
babilidade de 20% de mudar para a Marca B e uma
probabilidade de 5% de não usar nenhuma das duas 33. Levantamento de fundos  Uma organização sem
marcas. Um usuário da Marca B tem probabilidade fins lucrativos coleta contribuições de membros de
de 15% de mudar para Marca A e probabilidade de uma comunidade. Durante um ano qualquer, 40%
10% de não usar nenhuma das duas marcas. Um con- dos que contribuem não contribuirão no próximo
sumidor que não usou nenhuma das duas marcas tem ano. Por outro lado, 10% dos que não contribuem
probabilidade de 10% de comprar a Marca A e pro- contribuirão no ano seguinte. Encontre e interprete a
babilidade de 15% de comprar a Marca B. Quantas matriz de estado estacionária para essa situação.
pessoas estarão em cada grupo (a) em 1 mês, (b) em 34. Distribuição de notas  Em um curso universitá-
2 meses e (c) em 18 meses? rio, 70% dos estudantes que receberam um “A” em
Matrizes de estado estacionárias e regulares  Nos
uma tarefa receberão um “A” na próxima tarefa. Por
Exercícios 17-30, determine se a matriz estocástica P outro lado, 10% dos alunos que não recebem um “A”
é regular. Em seguida, encontre a matriz de estado em uma tarefa receberão um “A” na próxima tarefa.
estacionária X da cadeia de Markov com matriz de Encontre e interprete a matriz de estado estacionária
probabilidades de transição P. para esta situação.
0,5 0,1 0 0,3 35. Vendas e compras de ações  Oitocentos e
P=
17. 18. P = cinquenta acionistas investem em uma das três ações.
0,5 0,9 1 0,7
Em mês qualquer, 25% dos detentores de Ações A
1 0,75 0,2 0 movem seu investimento para as Ações B e 10% para
P=
19. 20. P =
0 0,25 0,8 1 as Ações C. Dos detentores de Ações B, 10% movem
seu investimento para as Ações A. Dos detentores
[ ] [ ]
1 1 2 7
2 3 5 10
21. P = 1 2 22. P = 3 3
de Ações C, 15% movem seu investimento para as
2 3 5 10 ações A e 5% para as Ações B. Encontre e interprete
a matriz de estado estacionária para essa situação.

[ ] [ ]
2 3 1 2 1 1
51 0
10 0,15
2 9 4 3
1 1 1 1 1 1 36. Preferência do cliente  Dois cinemas que mostram
23. P = 50 15 10
0,10 24. P = 3 2 3 vários filmes diferentes cada noite competem pela
20 01 0,75
2 4 1 1
5 2 5 9 4 3 mesma audiência. Das pessoas que foram ao Cinema A

[ ]
1 1
1 em uma noite, 10% irão novamente na próxima noite
1 0 0,15 2 5
1 1 e 5% irão ao Cinema B na noite seguinte. Das pessoas
P= 0
25. 1 0,10 26. P = 3 5 0 que foram ao Cinema B uma noite, 8% irão novamente
0 0 0,75 1 3
0 na noite seguinte e 6% irão ao Cinema A na noite
6 5
seguinte. Das pessoas que não foram ao cinema uma
0,22 0,20 0,65 noite, 3% irão ao Cinema A na noite seguinte e 4% irão
27. P = 0,62 0,60 0,15 ao cinema B na noite seguinte. Encontre e interprete a
0,16 0,20 0,20 matriz de estado estacionária para esta situação.
0,1
0,22 00,200,3 0,65 Cadeias de Markov absorventes  Nos Exercícios
28. P = 37-40, determine se a cadeia de Markov com matriz de
P = 0,62 10,600,3 0,15
0,7
0,2 probabilidades de transição P é absorvente. Justifique.
0,16 00,200,4 0,20
0,80,8 0,30,3 00 11 00 00

[ ]
1 1 1
40,1 30 0,3 1 37. 38. P P== 0 0 0,30,3 0,90,9
2 P P== 0,20,2 0,10,1 00
P= 10,7 11 0,3
1
0
4 3 2 0 0 0,60,6 11 0 0 0,70,7 0,10,1
29. P = 10,2 10 0,4

[ ]
4 3 0 0 2 1
0 0
5 5
1
0 0 0 1 3
0,30,3 0,70,7 0,20,2 0 0
4 0,8 0,3 0 15 50 0 0 12 0,20,2 0,10,1 0,10,1 0 0
P = 0,2 39. P
P== P P==

[ ]
1 0 0 0 0,1 0 02 0,3
1
10,9 0 0,10,1 0,10,1 0,10,1 0 0
5 5
0 0 1 0 0 0,6 1 0 0,7 0,1 1 0,40,4 0,10,1 0,60,6 1 1
30. P = 0 0 0 2
0 1 0 0
0 0 0 1 0,3 0,7 0,2 0
31. (a) Encontre a matriz de estado estacionária X usan- 0,2 0,1 0,1 0
40. P =
do a matriz de probabilidades de transição P do 0,1 0,1 0,1 0
Exercício 9. 0,4 0,1 0,6 1
Matrizes 93

Determinação de uma matriz de estado esta- 50. Cadeia de Markov com limites refletores  A
cionária  Nos exercícios 41-44, encontre a matriz de figura a seguir ilustra um exemplo de uma cadeia de
estado estacionária X da cadeia de Markov absorven- Markov com limites refletores.
te com matriz de probabilidades de transição P.
100% 60% 70%
0,6
0,6 00 0,3
0,3 0,1
0,1 00 00
S1 S2 S3 S4
41. = 0,2
PP = 0,2 11 0,6
0,6 = 0,2
42. PP = 0,2 11 00
0,2
0,2 00 0,1
0,1 0,7
0,7 00 11 40% 30% 100%
11 0,2
0,2 0,1
0,1 0,3
0,3 (a) Explique por que é apropriado dizer que este tipo
de corrente de Markov tem limites refletores.
00 0,3
0,3 0,6
0,6 0,3
0,3
P=
43. P = (b) Use a figura para escrever a matriz de probabili-
00 0,1
0,1 0,2
0,2 0,2
0,2 dades de transição P para a cadeia de Markov.
00 0,4
0,4 0,1
0,1 0,2
0,2 (c) Encontre P30 e P31. Encontre várias outras potên-
0,7 00 0,2
0,7 0,2 0,10,1 cias altas pares 2n e ímpares 2n + 1 de P. O que
0,1 11 0,5
0,1 0,5 0,60,6 você observa?
=
44. PP = (d)  Encontre a matriz de estado estacionária X da
00 00 0,2 0,2 0,20,2
0,2 0 0,1 0,1 cadeia de Markov. Como os elementos nas colu-
nas de P2n e P2n+1 estão relacionadas aos elemen-
45. Modelo de epidemia  Em uma população de tos em X?
200.000 pessoas, 40.000 estão infectadas com um vírus. Cadeia de Markov não absorvente  Nos Exercícios
Depois que uma pessoa fica infectada e então sara, ela 51 e 52, considere a matriz P no Exemplo 6 (b).
se torna imune (não pode se infectar novamente). Das
pessoas que estão infectadas, 5% morrerão a cada ano 51. É possível encontrar uma matriz de estado estacio-
e as demais irão sarar. Das pessoas que nunca foram nária X para a cadeia de Markov correspondente?
infectadas, 25% serão infectadas a cada ano. Quantas Em caso afirmativo, encontre uma matriz de estado
pessoas estarão infectadas em 4 anos? estacionária. Caso contrário, explique por quê.
46. Torneio de xadrez  Duas pessoas estão envolvi- 52. Crie uma nova matriz P′ mudando a segunda colu-
das em um torneio de xadrez. Cada uma começa na de P para [0,6  0,4  0  0]T, resultando em
com duas fichas. Depois de cada jogo, o perdedor um segundo estado que não é mais absorvente.
deve dar ao vencedor uma ficha. O Jogador 2 é mais Determine se cada matriz X abaixo pode ser uma
experiente que o Jogador 1 e tem 70% de chance de matriz de estado estacionária para a cadeia de
vencer cada jogo. O torneio acaba quando um joga- Markov correspondente a P′. Justifique.

[] []
6
dor obtiver as quatro fichas. Qual é a probabilidade 11 0
de o Jogador 1 ganhar o torneio? 5
11 0
47. Explique como você pode determinar a matriz de (a)  X = (b)  X = 5
0 11
estado estacionária X de uma cadeia de Markov 6
absorvente por meio de inspeção. 0 11
53. Demonstração  Demonstre que o produto de duas
48. Ponto crucial matrizes estocásticas 2 × 2 é estocástica.
(a) Explique como encontrar a enésima matriz de 54. Demonstração  Seja P uma matriz estocástica
estado de uma cadeia de Markov. 2 × 2. Demonstre que existe uma matriz de estado X,
(b) Explique como encontrar a matriz de estado de tamanho 2 × 1, com elementos não negativos, tal
estacionária de uma cadeia de Markov. que PX = X.
(c) O que é uma cadeia de Markov regular? 55. No Exemplo 5, mostre que, para a matriz estocás-
(d) O que é uma cadeia de Markov absorvente ? tica regular P, a sequência de potências sucessivas
(e) Qual é a diferença entre uma cadeia de Markov P, P2, P3, . . . aproxima-se de uma matriz estável P,
absorvente e uma cadeia de Markov regular? na qual os elementos em cada coluna de P são iguais
aos elementos correspondentes na matriz de estado
49. 
Considere a cadeia de Markov cuja matriz de probabi- estacionária X. Repita isso para várias outras matrizes
lidades de transição P é dada no Exemplo 7 (b). Mostre estocásticas regulares P e matrizes de estado estacioná-
que a matriz de estado estacionária X depende da matriz
rias correspondentes X.
de estado inicial X0 encontrando X para cada X0.
56. Demonstração  Demonstre que, quando P é uma
0,25 0,25 matriz estocástica regular, a correspondente cadeia
0,25 0,25 de Markov regular
(a) X0 = (b) X0 =
0,25 0,40 PX0, P2X0, P3X0, . . .
0,25 0,10 
aproxima-se de uma única matriz de estado estacio-
nária X.
94 Elementos de álgebra linear

2.6 Mais aplicações de operações com matrizes


Utilizar a multiplicação de matrizes para codificar e decodificar mensagens.

Utilizar a álgebra de matrizes para analisar um sistema econômico (modelo de entra-


da e saída de Leontie).

Encontrar a reta de regressão por mínimos quadrados para um conjunto de dados.

CRIPTOGRAFIA
Um criptograma é uma mensagem escrita de acordo com um código secreto (a palavra grega kryptos
significa “escondido”). Um método de usar a multiplicação de matrizes para codificar e decodificar men-
sagens é introduzido abaixo.
Para começar, atribua um número a cada letra no alfabeto (com 0 atribuído a um espaço em branco),
como mostrado.
0 = −− 9=I 18 = R
1=A 10 = J 19 = S
2=B 11 = K 20 = T
3=C 12 = L 21 = U
4=D 13 = M 22 = V
5=E 14 = N 23 = W
6=F 15 = O 24 = X
7=G 16 = P 25 = Y
8=H 17 = Q 26 = Z
A seguir, converta a mensagem em números e divida-a em matrizes linhas não codificadas, cada uma
tendo n elementos, conforme ilustrado no Exemplo 1.

EXEMPLO 1 Formando matrizes linha não codificadas

Escreva as matrizes linha não codificadas de tamanho 1 × 3 para a mensagem MEET ME MONDAY.
SOLUÇÃO
Particionar a mensagem (incluindo espaços em branco, mas ignorando a pontuação) em grupos de três
produz as matrizes linha não codificadas mostradas a seguir.
[13 5 5] [20 0 13] [5 0 13] [15 14 4] [1 25 0]
M E E T M E M O N D A Y
Observe o uso de um espaço em branco para terminar de preencher a última matriz linha não codificada.

A segurança da informação é de extrema importância quan-


ÁLGEBRA
do se realiza negócios on-line. Se uma parte mal intenciona-
LINEAR da receber informações confidenciais, como senhas, núme-
APLICADA ros de identificação pessoal, números de cartão de crédito,
números da Seguridade Social, detalhes da conta bancária
ou informações delicadas de empresas, os efeitos podem ser
prejudiciais. Para proteger a confidencialidade e a integrida-
de de tais informações, a segurança da Internet pode incluir
Andrea Danti/Shutterstock.com

o uso da criptografia de dados, o processo de codificar


informações, de modo que a única maneira de decodificá-la,
a não ser que ocorra um “ataque por exaustão”, seja usar
uma chave. A tecnologia de criptografia usa algoritmos com
base no material apresentado aqui, mas em um nível muito
mais sofisticado, para impedir que partes mal intencionadas
descubram a chave.
Matrizes 95

Para codificar uma mensagem, escolha uma matriz inversível A de ordem n e multiplique as matrizes
linha não codificadas (à direita) por A para obter matrizes linha codificadas. O Exemplo 2 ilustra esse
processo.

EXEMPLO 2 Codificação de uma mensagem


Use a matriz inversível

[ ]
1 −2 2
A = −1 1 3
1 −1 −4
para codificar a mensagem MEET ME MONDAY.
SOLUÇÃO
Obtenha as matrizes linha codificadas, multiplicando cada uma das matrizes linha não codificadas encon-
tradas no Exemplo 1 pela matriz A, como mostrado a seguir.
Matriz linha Matriz de Matriz linha
não codificada codificação A codificada

[ ]
1 −2 2
[13 5 5] −1 1 3 = [13 −26 21]
1 −1 −4

[ ]
1 −2 2
[20 0 13] −1 1 3 = [33 −53 −12]
1 −1 −4

[ ]
1 −2 2
[5 0 13] −1 1 3 = [18 −23 −42]
1 −1 −4

[ ]
1 −2 2
[15 14 4] −1 1 3 = [5 −20 56]
1 −1 −4

[ ]
1 −2 2
[1 25 0] −1 1 3 = [−24 23 77]
1 −1 −4
A sequência de matrizes linha codificadas é
[13 −26 21][33 −53 −12][18 −23 −42][5 −20 56][−24 23 77].
Finalmente, a remoção da notação da matriz produz o criptograma
13  −26 21 33 −53  −12 18 −23  −42 5 −20 56 −24 23 77.

Para aqueles que não conhecem a matriz de codificação A, a decodificação do criptograma estabele-
cido no Exemplo 2 é difícil. Mas para um receptor autorizado que conhece a matriz de codificação A, a
decodificação é relativamente simples. O receptor só precisa multiplicar as matrizes linha codificadas por
A−1 para recuperar as matrizes linha não codificadas. Em outras palavras, se
X = [x1 x2 . . . xn ]
é uma matriz 1 × n não codificada, então Y = XA é a matriz codificada correspondente. O receptor da
matriz codificada pode decodificar Y multiplicando à direita por A−1 para obter
YA−1 = (XA)A−1 = X.
O Exemplo 3 ilustra este procedimento.
96 Elementos de álgebra linear

EXEMPLO 3 Decodificação de uma mensagem



Use a inversa da matriz

[ ]
1 −2 2
A = −1 1 3
1 −1 −4
para decodificar o criptograma
13  −26 21 33 −53  −12 18 −23  −42 5 −20 56 −24 23 77.

SOLUÇÃO
Comece usando a eliminação Gauss-Jordan para encontrar A−1.
[A   I] [I   A21]

[ ] [ ]
1 −2 2 1 0 0 1 0 0 −1 −10 −8
−1 1 3 0 1 0       0 1 0 −1 −6 −5
1 −1 −4 0 0 1 0 0 1 0 −1 −1
Agora, para decodificar a mensagem, particione a mensagem em grupos de três para formar as matrizes
linha codificadas
[13 −26 21][33 −53 −12][18 −23 −42][5 −20 56][−24 23 77].
Para obter as matrizes linha decodificadas, multiplique cada matriz linha codificada por A−1 (à direita).
Matriz linha Matriz de Matriz linha
codificada decodificação A21 decodificada

[ ]
−1 −10 −8
[13 −26 21] −1 −6 −5 = [13 5 5]
0 −1 −1

[ ]
−1 −10 −8
[33 −53 −12] −1 −6 −5 = [20 0 13]
0 −1 −1

[ ]
−1 −10 −8
[18 −23 −42] −1 −6 −5 = [5 0 13]
0 −1 −1

[ ]
−1 −10 −8
[5 −20 56] −1 −6 −5 = [15 14 4]
0 −1 −1

[ ]
−1 −10 −8
[−24 23 77] −1 −6 −5 = [1 25 0]
0 −1 −1
A sequência de matrizes linha decodificadas é
[13 5 5][20 0 13][5 0 13][15 14 4][1 25 0]
e a mensagem é
13 5 5 20 0 13 5 0 13 15 14 4 1 25 0.

M E E T M E M O N D A Y
Matrizes 97

MODELOS DE ENTRADA E SAÍDA DE LEONTIEF


Em 1936, o economista americano Wassily W. Leontief (1906-1999) publicou um modelo relativo à
entrada e saída de um sistema econômico. Em 1973, Leontief recebeu o prêmio Nobel por seu trabalho em
economia. A seguir está uma breve discussão do modelo de Leontief.
Considere um sistema econômico que tenha n diferentes indústrias I1, I2, . . . In, cada uma tendo neces-
sidades de entrada (matérias-primas, serviços etc.) e uma saída (produto final). Ao produzir cada unidade
de saída, uma indústria pode usar as saídas de outras indústrias, incluindo ela própria. Por exemplo, uma
companhia elétrica usa saídas de outras indústrias, como o carvão e a água, e também usa sua própria
eletricidade.
Seja dij a quantidade de saída que a j-ésima indústria precisa da i-ésima indústria para produzir uma
unidade de saída por ano. A matriz desses coeficientes é a matriz de entrada e saída.
Usuário (Saída)

I1 I2 . . . In

[ ]
d11 d12 . . . d1n I1
d21 d22 . . . d2n I
D=   2 Fornecedor (Entrada)
⋮ ⋮ ⋮ A⋮
dn1 dn2 . . . dnn In
Para entender como usar esta matriz, considere d12 = 0,4. Isso significa que, para que a Indústria 2
produza uma unidade de seu produto, deve usar 0,4 unidades do produto da Indústria 1. Se d33 = 0,2, a
Indústria 3 precisa de 0,2 unidade de seu próprio produto para produzir uma unidade. Para que este modelo
funcione, os valores de dij devem satisfazer 0 ≤ dij ≤ 1 e a soma dos elementos em qualquer coluna deve
ser menor ou igual a 1.

EXEMPLO 4 Determinação de uma matriz de entrada e saída


Considere um sistema econômico simples composto por três indústrias: eletricidade, água e carvão. A produ-
ção, ou saída, de uma unidade de eletricidade requer 0,5 unidade de si mesma, 0,25 unidades de água e 0,25
unidades de carvão. A produção de uma unidade de água requer 0,1 unidade de eletricidade, 0,6 unidade de
si mesma e 0 unidades de carvão. A produção de uma unidade de carvão requer 0,2 unidade de eletricidade,
0,15 unidade de água e 0,5 unidade de si mesma. Encontre a matriz entrada e saída deste sistema.
SOLUÇÃO
Os elementos de cada coluna mostram as quantidades que cada indústria exige das outras e de si mesma,
para produzir uma unidade de saída.
Usuário (Saída)

E W C

[ ]
0.5
0,5 0,1 0,2
0.1 0.2 E
0,25 0,6 0,15
0.25 0.6 0.15   W Fornecedor (Entrada)
0,25 0
0.25 0 0,5 C
0.5
Os elementos de cada linha mostram as quantidades que cada indústria fornece às outras e a si mesma,
a fim de que aquela indústria produza uma unidade de saída. Por exemplo, o setor de eletricidade fornece
0,5 unidade para si mesma, 0,1 unidade para água e 0,2 unidade para carvão.

Para desenvolver mais o modelo de entrada e saída de Leontief, denote por xi a produção total da
i-ésima indústria. Se o sistema econômico for fechado (ou seja, o sistema econômico vende seus produ-
tos somente às indústrias dentro do sistema, como no exemplo acima), então a produção total da i-ésima
indústria é
xi = di1x1 + di2 x2 + . . . + din xn. Sistema fechado

Por outro lado, se as indústrias dentro do sistema vendem produtos para grupos não produtivos (como
governos ou organizações de caridade) fora do sistema, então o sistema está aberto e a produção total da
i-ésima indústria é
98 Elementos de álgebra linear

xi = di1x1 + di2 x2 + . . . + din xn + ei Sistema aberto

onde ei representa a demanda externa pelo produto da i-ésima indústria. O siste-


ma de n equações lineares a seguir representa a coleção de saídas totais para um
sistema aberto.
x1 = d11x1 + d12 x2 + . . . + d1n xn + e1
x2 = d21x1 + d22 x2 + . . . + d2n xn + e2

xn = dn1x1 + dn2 x2 + . . . + dnn xn + en
A forma da matriz deste sistema é X = DX + E, onde X é a matriz de saída e E
é a matriz de demanda externa.

Determinação da matriz de saída de um


EXEMPLO 5 sistema aberto
Veja LarsonLinearAlgebra.com para uma versão interativa deste tipo de exemplo.

Um sistema econômico composto por três indústrias possui a matriz de entrada e


saída mostrada abaixo.
Usuário (Saída)
Usuário (Saída)
UsuárioB
A
A B(Saída)
CC
A
0,1
0,1 B
0,43
0,43 00C AA
D = 0,15
0,1
D = 0,15 0 0
0,43 0,37
0,37 A
0 B Fornecedor
B Fornecedor (Entrada)
(Entrada)
0,23
D = 0,23 0,03
0,15 0,03
0 0,02
0,37 C
0,02 C
B Fornecedor (Entrada)
0,23 0,03 0,02 C
Encontre a matriz de saída X quando as demandas externas são
20.000
20.000 A
A
EE== 30.000
30.000 ..
20.000 B
A
B
25.000 .
E = 25.000
30.000 C
B
C
25.000 C
SOLUÇÃO
Tomando I como a matriz identidade, escreva a equação X = DX + E como
IX − DX = E, o que significa que (I − D)X = E. Usando a matriz D acima
obtém-se 0,9 −0,43
0,43
0,9 − 00
OBSERVAÇÃO −D
II − D== −−0,15
0,15 −10,43
0,9 1 −0,37
− 00,37 ..
Os sistemas econômicos I − D = −0,23
0,15 −0,03
0,23 − 10,03 −0,98
0,98 .
0,37
descritos nos Exemplos 4 − 0,23 − 0,03 0,98
e 5 são, é claro, simples.
Usando a eliminação de Gauss-Jordan,
1,25 0,55 0,21
0,21
No mundo real, um siste- 1,25 0,55
ma econômico inclui muitas ((II −
−DD))−1 ≈
−1 ≈ 0,30
0,30 1,14
1,25 1,14 0,43
0,55 0,43 ..
0,21
indústrias ou grupos indus- −1 0,30
(I − D) ≈ 0,30 0,16 0,16 1,08 .
1,14 1,08
0,43
triais. Uma análise detalhada 0,30 0,16 1,08
usando o modelo de entrada
Assim, a matriz de saída é1,25 0,55 0,21 20.000 46.750 A
e saída de Leontief pode- 1,25 0,55 0,21 20.000 46.750 A
ria facilmente exigir uma X=
X = ((II −
−DD))−1
−1E ≈ 0,30
1,25
E ≈ 0,30 1,14
0,55
1,14 0,43
0,21
0,43 20.000
30.000 = 50.950
30.000 = 50.950
46.750 B
A
B
matriz de entrada e saída com X = (I − D)−1E ≈ 0,30 0,16
1,14
0,16 1,08
0,43
1,08 25.000
30.000
25.000 = 37.800
50.950
37.800 C
B
C
tamanho maior que 100 3 100. 0,30 0,16 1,08 25.000 37.800 C
Certamente, esse tipo de
análise exigiria o auxílio Para produzir as demandas externas fornecidas, as saídas das três indústrias devem
de um computador. ser aproximadamente 46.750 unidades para a indústria A, 50.950 unidades para a
indústria B e 37.800 unidades para a indústria C.
Matrizes 99

ANÁLISE DE REGRESSÃO POR MÍNIMOS QUADRADOS


Você irá agora se confrontar com um procedimento usado em estatística para
desenvolver modelos lineares. O próximo exemplo ilustra um método visual para
aproximar uma reta de melhor ajuste para um conjunto de pontos de dados.

EXEMPLO 6 Uma aproximação visual por uma reta


Determine uma reta que pareça ajustar melhor os pontos (1, 1), (2, 2), (3, 4),
(4, 4) e (5, 6).
SOLUÇÃO
Marque os pontos, como mostrado na Figura 2.5. Parece que uma boa escolha
seria a reta em que a inclinação é 1 e cuja intersecção com o eixo y é 0,5. A equa-
ção desta reta é
y 5 0,5 1 x.

Um exame da reta na Figura 2.5 revela que você pode melhorar o ajuste
rodando a reta no sentido anti-horário, como mostrado na Figura 2.6. Parece
claro que esta reta, cuja equação é y = 1,2x, ajusta melhor os pontos do que a reta
original.

y y

6 (5, 6) 6 y = 1,2x (5, 6)


5 5

4 (3, 4) (4, 4) 4 (3, 4) (4, 4)

3 3
y = 0,5 + x y = 0,5 + x
2 (2, 2) 2 (2, 2)
y
1 (1, 1) 1 (1, 1)
6 Modelo 1 (5, 6)
x x
5 1 2 3 4 5 6 1 2 3 4 5 6

4 (3, 4) (4, 4) Figura 2.5 Figura 2.6

3 Um modo de medir o quão bem uma função y = f (x) ajusta um conjunto de


y = 0,5 + x pontos
2 (2, 2)
(x1, y1), (x2, y2 ), . . . , (xn, yn )
1 (1, 1)
é calcular as diferenças entre os valores da função f(xi) e os valores reais yi. Esses
x
1 2 3 4 5 6 valores são mostrados na Figura 2.7. Ao elevar ao quadrado as diferenças e somar
os resultados, você obtém uma medida de erro chamada soma de erro quadráti-
y
co. A tabela mostra as somas dos erros quadráticos para os dois modelos lineares.
6 Modelo 2 (5, 6)

5 Modelo 1: f(x) 5 0,5 1 x Modelo 2: f(x) 5 1,2x


4 (3, 4) (4, 4) xi yi f (xi ) [ yi − f (xi )]2 xi yi f (xi ) [ yi − f (xi )]2
3 1 1 1,5 (20,5)2 1 1 1,2 (20,2)2
y = 1,2x
2 (2, 2) 2 2 2,5 (20,5)2 2 2 2,4 (20,4)2
1 (1, 1) 3 4 3,5 (10,5)2 3 4 3,6 (10,4)2
x 4 4 4,5 (20,5)2 4 4 4,8 (20,8)2
1 2 3 4 5 6
Figura 2.7 5 6 5,5 (10,5)2 5 6 6,0 (0,0)2
Soma 1,25 Soma 1,00
100 Elementos de álgebra linear

As somas dos erros quadráticos confirmam que o segundo modelo ajusta os pontos melhor do que o
primeiro modelo.
De todos os modelos lineares possíveis para um determinado conjunto de pontos, o modelo que dá o
melhor ajuste é aquele que minimiza a soma de erro quadrático. Este modelo é a reta de regressão por
mínimos quadrados e o procedimento para encontrá-lo é o método dos mínimos quadrados.

Definição da reta de regressão por mínimos quadrados


Para um conjunto de pontos
(x1, y1), (x2, y2), . . . , (xn yn )
a reta de regressão por mínimos quadrados é a função linear
f (x) = a0 + a1x
que minimiza a soma de erros quadráticos
[ y1 − f (x1)]2 + [ y2 − f (x2 )]2 + . . . + [ yn − f (xn )]2.

Para encontrar a reta de regressão por mínimos quadrados para um conjunto de pontos, comece por
formar o sistema de equações lineares
y1 = f (x1) + [ y1 − f (x1)]
y2 = f (x2 ) + [ y2 − f (x2 )]
   ⋮
yn = f (xn ) + [ yn − f (xn )]
onde o termo à direita
[ yi − f (xi )]
de cada equação é o erro na aproximação de yi por f (xi ). Em seguida, escreva esse erro como
ei = yi − f (xi )
e escreva o sistema de equações na forma
y1 = (a0 + a1x1) + e1
y2 = (a0 + a1x2 ) + e2
   ⋮
yn = (a0 + a1xn ) + en.
Agora, se você definir Y, X, A e E como

[] [ ] []
y1 1 x1 e1

[ ]
y2 1 x2 a0 e
Y= ,  X = ,  A = ,  E = 2
⋮ ⋮ ⋮ a1 ⋮
yn 1 xn en
então as n equações lineares podem ser substituídas pela equação matricial
Y = XA + E.
Observe que a matriz X tem uma coluna na qual figura apenas o número 1 (correspondendo a a0) e uma
coluna contendo os xi’s. Esta equação matricial pode ser usada para determinar os coeficientes da reta de
regressão por mínimos quadrados, conforme mostrado na próxima página.
Matrizes 101

Forma matricial da regressão linear


Para o modelo de regressão Y = XA + E, os coeficientes da reta de regres-
OBSERVAÇÃO são por mínimos quadrados é dada pela equação matricial
Você aprenderá mais sobre esse A = (X T X)−1X TY
procedimento na Seção 5.4.
e a soma dos erros quadráticos é E TE.

O Exemplo 7 ilustra o uso deste procedimento para encontrar a reta de regres-


são por mínimos quadrados para o conjunto de pontos do Exemplo 6.

Determinação da reta de regressão por


EXEMPLO 7 
mínimos quadrados

Encontre a reta de regressão por mínimos quadrados para os pontos (1, 1), (2, 2),
(3, 4), (4, 4) e (5, 6).
SOLUÇÃO
As matrizes X e Y são

[ ] []
1 1 1
1 2 2
X= 1 3   e  Y = 4 .
1 4 4
1 5 6
Isto significa que

[ ]
1 1
1 2
[11 ] [ ]
1 1 1 1 5 15
X TX = 1 3 =
2 3 4 5 15 55
1 4
1 5
e

[]
1
2
[11 ] [ ]
1 1 1 1 17
X TY = 4 = .
2 3 4 5 63
4
6
y
Agora, usando (X TX )−1 para encontrar a matriz dos coeficientes A, você tem
6 (5, 6)
A = (X TX)−1X TY
5
55 −15
4 (3, 4) (4, 4)
1
= 50 [−15 5 ][17
63]
3 y = − 0,2 + 1,2x −0,2
= .
1,2
2 (2, 2)
(1, 1)
Assim, a reta de regressão por mínimos quadrados é
1

x
y 5 20,2 1 1,2x
1 2 3 4 5 6
Reta de regressão por mínimos
como mostrado na Figura 2.8. A soma dos erros quadráticos para esta reta é 0,8
quadrados (verifique isso), o que significa que esta reta ajusta os dados melhor do que qual-
quer um dos dois modelos lineares experimentais determinados anteriormente.
Figura 2.8
102 Elementos de álgebra linear

2.6  Exercícios
Codificando uma mensagem  Nos Exercícios 1 e 2,  9. Decodificação de uma mensagem  Use um
escreva as matrizes linha não codificadas para a men- software ou uma ferramenta computacional para
sagem. Em seguida, codifique a mensagem usando a decodificar o criptograma.
matriz A.

[ ]
1 0 2
 1. Mensagem: SELL CONSOLIDATED A = 2 −1 1
Tamanho da matriz linha: 1 × 3 0 1 2

[ ]
1 −1 0 3 8 −14 29 56 −15 62 17 3 38 18 20 76 18 −5
Matriz codificadora: A= 1 0 −1 21 29 −7 32 32 9 77 36 −8 48 33 −5 51 41
−6 2 3 3 79 12 1 26 58 −22 49 63 −19 69 28 8 67 31
−11 27 41 −18 28
 2. Mensagem: HELP IS COMING
10. 
Decodificação de uma mensagem  Um decifrador
Tamanho da matriz linha: 1 × 4
de códigos interceptou a mensagem codificada abaixo.

[ ]
−2 3 −1 −1 45  −35 38 −30 18 −18 35 −30 81 −60 42 
−1 1 1 1 −28 75 −55 2 −2 22 −21 15 −10
Matriz codificadora: A =
−1 −1 1 2
Denote a inversa da matriz de codificação por
3 1 −2 −4
[ ]
w x
A−1 = .
Decodificando uma mensagem  Nos Exercícios y z
3-6, use A−1 para decodificar o criptograma. (a)  Você sabe que [45 −35] A−1 = [10 15] e
[38 −30] A−1 = [8 14]. Escreva e resolva
[ ]
1 2
  3. A = ,
3 5 dois sistemas de equações para encontrar w, x, y e z.
11 21 64 112 25 50 29 53 23 46 40 75 55 92 (b) Decodifique a mensagem.
11. Sistema industrial  Um sistema composto por
[23 ]
3
 4. A = , duas indústrias, carvão e aço, tem os seguintes requi-
4
sitos de entrada:
85 120 6 8 10 15 84 117 42 56 90 125 60 80 
30 45 19 26 (a) Para produzir $ 1,00 de saída, o setor de carvão pre-
cisa de $ 0,10 de seu único produto e $ 0,80 de aço.

[ ]
1 2 2
(b) Para produzir $ 1,00 de saída, o setor siderúrgico
 5. A = 3 7 9 ,
precisa de $ 0,10 de seu próprio produto e $ 0,20 de
−1 −4 −7
carvão.
13 19 10 −1  −33  −77 3 −2  −14 4 1 −9  Encontre D, a matriz de entrada e saída para este
−5  −25  −47 4 1 −9 sistema. Em seguida, determine a matriz de saída

[ ]
3 −4 2 X na equação X = DX + E, onde E é a matriz de
 6. A = 0 2 1 , demanda externa
4 −5 3 10.000
E= .
112  −140 83 19 −25 13 72 −76 61 95 −118  20.000
71 20 21 38 35 −23 36 42 −48 32 12. 
Sistema industrial  Um sistema industrial tem duas
indústrias com os seguintes requisitos de entradas:
 7. Decodificação de uma mensagem  O cripto- (a) Para produzir $ 1,00 de saída, a Indústria A pre-
grama abaixo foi codificado com uma matriz 2 × 2. cisa de $ 0,30 de seu próprio produto e $ 0,40 do
A última palavra da mensagem é __RON. Qual é a produto da Indústria B.
mensagem?
(b) Para produzir $ 1,00 de saída, a Indústria B pre-
8  21  −15  −10  −13  −13 5 10 5 25 5 19  cisa de $ 0,20 de seu próprio produto e $ 0,40 do
−1 6 20 40 −18  −18 1 16 produto da Indústria A.
 8. Decodificação de uma mensagem  O cripto- Encontre D, a matriz de entrada e saída para este
grama abaixo foi codificado com uma matriz 2 × 2. sistema. Então, determine a matriz de saída X na
A última palavra da mensagem é __SUE. Qual é a equação X = DX + E, onde E é a matriz de deman-
mensagem? da externa
5   2   2 5   1 1   −2   −7   −15   −15   3 2   1 4   −8  10.000
−13 38 19 −19  −19 37 16 E= .
20.000
Matrizes 103

13. Determinação da matriz de saída  Uma peque- 27. Demanda  Um varejista de hardware quer conhecer
na comunidade inclui um agricultor, um padeiro e a demanda para uma furadeira recarregável como fun-
um merceeiro e tem a matriz de entrada e saída D e a ção de preço. Os pares ordenados (25, 82), (30, 75),
matriz de demanda externa E dadas abaixo. (35, 67) e (40, 55) representam o preço x (em dóla-
Agricultor Padeiro Merceeiro res) e as vendas mensais correspondentes y.
Agricultor Padeiro Merceeiro
0,4 0,5 0,5 Agricultor 1.000 (a) Encontre a reta de regressão por mínimos qua-
0,4 0,5 0,5 Agricultor 1.000
D = 0,3 0,0 0,3 Padeiro e E = 1.000 drados para os dados.
D = 0,3 0,0 0,3 Padeiro e E = 1.000
0,2 0,2 0,0 Merceeiro 1.000 (b) Estime a demanda quando o preço for $ 32,95
0,2 0,2 0,0 Merceeiro 1.000
 Determine a matriz de saída X na equação 28. Consumo de energia eólica  A tabela mostra os
X = DX + E. consumos de energia eólica y (em quadrilhões de
14. Determinação da matriz de saída  Um sistema Btus ou unidades térmicas britânicas) nos Estados
industrial com três indústrias possui a matriz de Unidos entre 2009 e 2013. Encontre a reta de
entrada e saída D e a matriz de demanda externa E regressão por mínimos quadrados para os dados.
dadas abaixo. Represente o ano por t, com t 5 9 correspondendo a
0,2 0,4 0,4 5.000 2009. Use os recursos de regressão linear de uma fer-
0,2 0,4 0,4 5.000
D = 0,4 0,2 0,2 e E = 2.000 ramenta computacional para verificar seus cálculos.
D = 0,4 0,2 0,2 e E = 2.000
0,0 0,2 0,2 8.000 (Fonte: U.S. Energy Information Administration)
0,0 0,2 0,2 8.000

Determine a matriz de saída X na equação Ano 2009 2010 2011 2012 2013
X = DX + E.
Consumo, y 0,72 0,92 1,17 1,34 1,60
Análise de regressão por mínimos quadrados Nos
Exercícios 15-18, (a) esboce a reta que parece ser o Vida selvagem  Uma equipe de gerenciamento de
29. 
melhor ajuste para os pontos dados, (b) encontre a reta vida selvagem estudou as taxas de reprodução de vea-
de regressão por mínimos quadrados e (c) determine a dos em três áreas de uma reserva de vida selvagem. Em
soma dos erros quadráticos. cada área, a equipe registrou o número total x de fêmeas
y y e a porcentagem y de fêmeas que tiveram ao menos um
15. 16.
4 filhote no ano seguinte. A tabela mostra os resultados.
4
(2, 3) 3
(3, 2)
3
2 Número, x 100 120 140
(−1, 1)
2 (1, 1) Porcentagem, y 75 68 55
x
1
(− 2, 0) (0, 1) (−3, 0) − 1 1 2 3
(a) Encontre a reta de regressão por mínimos qua-
x
−2 drados para os dados.
−2 −1 1 2
(b) Use uma ferramenta computacional para traçar o
y y
17. 18. modelo e os dados na mesma janela de visualização.
(0, 4) 4 (5, 2) (c) Use o modelo para criar uma tabela de valores
4
3 (4, 2) (6, 2) estimados para y. Compare os valores estimados
3 (3, 1)
(1, 3) 2
(1, 0)
com os dados reais.
2 1 (4, 1) (d) Use o modelo para estimar a porcentagem de fê-
x meas que tiveram filhotes quando havia 170 fêmeas.
1 5 6
(1, 1) (2, 0) −1 (e) Use o modelo para estimar o número de fêmeas
x (2, 0) (3, 0)
−2 quando 40% das fêmeas tiveram filhotes.
−1 1 2 3

Determinação da reta de regressão por mínimos 30. Ponto crucial


quadrados  Nos Exercícios 19-26, encontre a reta de (a) Explique como usar a multiplicação de matrizes
regressão por mínimos quadrados. para codificar e decodificar mensagens.
19. (0, 0), (1, 1), (2, 4) (b) Explique como usar um modelo de entrada e saída
20. (1, 0), (3, 3), (5, 6) de Leontief para analisar um sistema econômico.
21. (−2, 0), (−1, 1), (0, 1), (1, 2) (c) Explique como usar matrizes para encontrar a
22. (−4, −1), (−2, 0), (2, 4), (4, 5) reta de regressão por mínimos quadrados para
um conjunto de dados.
23. (−5, 1), (1, 3), (2, 3), (2, 5)
24. (−3, 4), (−1, 2), (1, 1), (3, 0) 31. Use a biblioteca da sua escola, a Internet ou alguma
25. (−5, 10), (−1, 8), (3, 6), (7, 4), (5, 5) outra fonte de referência para deduzir a forma matri-
cial para a reta de regressão por mínimos quadrados
26. (0, 6), (4, 3), (5, 0), (8, −4), (10, −5)
fornecida no alto da página 101.
104 Elementos de álgebra linear

Capítulo 2  Exercícios de revisão



Operações com matrizes  Nos Exercícios 1-6, exe- Utilização da inversa de uma matriz  Nos Exercícios
cute as operações de matrizes. 19-26, use uma matriz inversa para resolver cada sis-
−6 tema de equações lineares ou equação matricial.
[ ] [ ]
2 1 0 5 3
 1. −3
0 5 −4 0 −2 5 19. 5x1 + 4x2 = 2 20. 3x1 + 2x2 = 1
−x1 + x2 = −22 x1 + 4x2 = −3

[ ] [ ]
1 2 7 1
 2. −2 5 −4 + 8 1 2 21. −x1 + x2 + 2x3 = 1
6 0 1 4 2x1 + 3x2 + x3 = −2
5x1 + 4x2 + 2x3 = 4

[ ][
1 2
−2
] 6 8
 3. 5 −4 22. x1 + x2 + 2x3 = 0
4 0 0
6 0 x1 − x2 + x3 = −1
2x1 + x2 + x3 = 2
−2
[12 ] [64 ]
5 8
 4.
[−15 ] [xy] = [−15
−6]
−4 0 0 4
23.
1

[ ][ ]
1 3 2 4 −3 2
−1
 5. 0
0
2
0
−4
3
0
0
3
0
−1
2
24. [23 4 ] [xy] = [−25]

[ ][ ] [ ]
−2 0 1 −2 x1 −1
[26 ] [−34 ] [ ]
1 2 4
 6. + 25. −1 3 1 x2 = 0
0 1 0 4
2 −2 4 x3 2
Resolução um sistema de equações lineares Nos

[ ][ ] [ ]
0 1 2 x 0
Exercícios 7-10, escreva o sistema de equações lin-
eares na forma Ax = b. Em seguida, use a eliminação 26. 3 2 1 y = −1
de Gauss para resolver esta equação matricial e deter- 4 −3 −4 z −7
minar x.
Resolução de uma equação matricial  Nos Exer-
 7. 2x1 + x2 = −8  8. 2x1 − x2 = 5 cícios 27 e 28, encontre A.
x1 + 4x2 = −4 3x1 + 2x2 = −4 4 −1
[ ] [ ]
2 4
27. (3A)−1 = 28. (2A)−1 =
 9. −3x1 − x2 + x3 = 0 2 3 0 1
2x1 + 4x2 − 5x3 = −3
Matriz não singular  Nos Exercícios 29 e 30, encon-
x1 − 2x2 + 3x3 = 1
tre x tal que a matriz A seja não singular.
10. 2x1 + 3x2 + x3 = 10
[ ] [ ]
3 1 2 x
2x1 − 3x2 − 3x3 = 22 29. A = 30. A =
x −1 1 4
4x1 − 2x2 + 3x3 = −2
Determinação da inversa de uma matriz elemen-
Determinação e multiplicação por uma transpos- tar  Nos Exercícios 31 e 32, encontre a inversa da
ta  Nos Exercícios 11-14, encontre AT, ATA e AAT. matriz elementar.

[ ] [ ]
−3 −1
[10 ] [ ]
2 3 1 0 4 1 0 0
11. A = A=
12.
1 2 2 0 31. 0 1 0 32. 0 6 0
0 0 1 0 0 1

[ ]
1
13. A = 3 14. A = [1 −2 −3] Determinação de uma sequência de matrizes ele-
−1 mentares  Nos Exercícios 33-36, encontre uma se-
quência de matrizes elementares cujo produto é a
Determinação da inversa de uma matriz Nos
matriz não singular dada.
Exercícios 15-18, encontre a inversa da matriz (se existir).
−3 13
[ ] [ ]
2 3
3 −1 4 −1
15. [
2 −1
16. ] −8 2 [ ] 33.
0 1
34.
1 −4

[ ] [ ]
1 0 1 3 0 6

[ ] [ ]
2 3 1 1 1 1
35. 0 1 −2 36. 0 2 0
17. 2 −3 −3 18.
0 1 1
0 0 4 1 0 3
4 0 3 0 0 1
Matrizes 105

37. Encontre duas matrizes A, de tamanho 2 × 2, tais que 50. Fabricação  Uma corporação tem quatro fábri-
A2 = I. cas, cada uma das quais fabrica veículos utilitários
38. Encontre duas matrizes A, de tamanho 2 × 2, tais que esportivos e caminhões. Na matriz
A2 = O.
[ ]
100 90 70 30
39. Encontre três matrizes idempotentes 2 × 2. (Lembre- A=
40 20 60 60
-se de que uma matriz quadrada A é idempotente  aij representa o número de veículos do tipo i produ-
quando A2 = A.) zidos na fábrica j em um dia. Encontre os níveis de
40. Encontre matrizes A e B, de tamanho 2 × 2, tais que produção quando a produção aumenta em 10%.
AB = O, mas BA ≠ O.
51. Venda de gasolina  A Matriz A mostra os núme-
41. Considere as matrizes abaixo.
ros de galões de gasolina de 87-octano, 89-octano

[] [ ] [ ] [ ]
1 −1 3 3 e 93-octano vendidos em uma loja de conveniência
2 0 4 2 durante umOctano
fim de semana.
X= ,  Y = ,  Z = ,  W = Octano
0 3 −1 −4 Octano
1 2 2 −1 87 89 93
87
87 89 89 9393
(a) Encontre escalares a, b e c tais que 580 840 320 Sexta-feira
580 840 320 Sexta-feira
W = aX + bY + cZ. A = 560 420 160 Sábado
(b) Mostre que não existem escalares a e b tais que A = 560 420 160 Sábado
860 1.020 540 Domingo
Z = aX + bY. 860 1.020 540 Domingo
(c)  Mostre que se aX + bY + cZ = O, então  A matriz B dá os preços de venda (em dólares por
a = b = c = 0. galão) e os lucros (em dólares por galão) para os três
42. Demonstração  Sejam A, B e A + B matrizes não tipos de gasolina.
singulares. Demonstre que A−1 + B−1 é não singu- Preço de venda
    Preço de venda
Lucro
Lucro
lar mostrando que b 0,05 87
b11
11 0,05 87
(A−1 + B−1)−1 = A(A + B)−1B. B = b21
B = b21
0,08 89 Octano
0,08 89 Octano
Determinação de uma fatoração LU de uma b31 0,10 93
b31 0,10 93
matriz  Nos Exercícios 43-46, encontre uma fatora- (a) Encontre AB e interprete o resultado.
ção LU da matriz. (b) Encontre o lucro da loja de conveniência prove-
−3 niente da venda de gasolina no fim de semana.
[ ] [ ]
2 5 1
43. 44.
6 14 12 0 52. Notas finais  Duas provas intermediárias e um
exame final determinam a nota final em uma faculda-

[ ] [ ]
4 1 0 1 1 1
de de ciências naturais. As matrizes abaixo mostram
45. 0 3 −7 46. 1 2 2
as notas de seis estudantes e dois sistemas possíveis
−16 11 1 1 2 3 de atribuição de notas.
Resolução de um sistema linear usando fatoração
Prova Prova Exame
LU  Nos Exercícios 47 e 48, use uma fatoração LU da
intermediária intermediária final
matriz de coeficientes para resolver o sistema linear.
1 2

[ ]
47. x + z=3 78 82 80 Estudante
Student 1 1
2x + y + 2z = 7 84 88 85 Estudante
Student 2 2
3x + 2y + 6z = 8 92 93 90 Estudante
Student 3 3
48. 2x1 + x2 + x3 − x4 = 7 A=
88 86 90 Student 4 4
Estudante
3x2 + x3 − x4 = −3 74 78 80 Estudante
Student 5 5
−2x3 = 2 96 95 98 Estudante
Student 6 6
2x1 + x2 + x3 − 2x4 = 8
Sistema Sistema
49. Fabricação  Uma empresa fabrica mesas e cadeiras de notas 1 de notas 2
em dois locais. A matriz C fornece os custos de fabri-
0,25 0,20 Prova intermediária 1
cação em cada local.
B = 0,25 0,20 Prova intermediária 2
Local 1 Local 2
0,50 0,60 Exame final
[ ]
627 681 Mesas
C=   (a) Descreva os sistemas de notas na matriz B.
135 150 Cadeiras
2 (b) Calcule as notas numéricas para os seis alunos
(a) O trabalho contabiliza 3 do custo. Determine a
(aproxime para o inteiro mais próximo) usando
matriz L que fornece os custos com o trabalho em
os dois sistemas de classificação.
cada local.
(c) Quantos alunos receberam um “A” em cada siste-
(b) Encontre a matriz M que fornece os custos com
ma de classificação? (Suponha que 90 ou mais
material em cada local. (Suponha que há apenas
corresponde a um “A”.)
custos com trabalho e material.)
106 Elementos de álgebra linear

Função polinomial  Nos Exercícios 53 e 54, encontre Matriz de estado estacionário e regular  Nos Exer-
f(A) usando a definição abaixo. cícios 65-68, determine se a matriz estocástica P é
Se f (x) = a0 + a1x + a2 x2 + . . . + an xn é uma fun- regular. Então, encontre a matriz de estado estacio-
ção polinomial, então para uma matriz quadrada A nária X da cadeia de Markov com matriz de probabi-
lidades de transição P.
f (A) = a0 I + a1 A + a2 A2 + . . . + an An.
[ ]
4
1
65.
P = 0,80,8
0,8 0,50,5
0,5 66. P =
7
PP== 0,2 0,5
[51 ]
4 0
3
53. f (x) = 6 − 7x + x2,  A = 0,20,2 0,50,5 7
2

[ ]
1 1
0
0 00 0 00 0,20,2
3 6
0,2
[ ]
2 1 1
54. f (x) = 2 − 3x + x3,  A = 67. P = 6 0 0 68.
PP P =
==0,50,5 0,90,9 0 00
0,5 0,9
−1 0
0,50,5
0,5 0,10,1
0,1 0,80,8
1 5
2 6 1 0,8
Matrizes estocásticas  Nos exercícios 55-58, deter-
mine se a matriz é estocástica. 69. Promoção de vendas  Como um recurso promo-

[ ]
12 2
25 25 0,3 0,7 cional, uma loja faz um sorteio semanal. Durante
55. 13 23 56. qualquer semana, 40% dos clientes que entregam um
25 25
0 1
ou mais cupons não entregam na próxima semana.
1 0 0 0,3 0,4 0,1 Por outro lado, 30% dos clientes que não entregam
57.
0 0,5 0,1 58. 0,2 0,4 0,5 cupons entregarão um ou mais cupons na semana
0 0,1 0,5 0,5 0,2 0,4 seguinte. Encontre e interprete a matriz estacionária
para esta situação.
Determinação de matrizes de estado  Nos Exercí-
cios 59-62, use a matriz de probabilidades de transi- 70. Documentos confidenciais  Um tribunal possui
ção P e a matriz de estado inicial X0 para encontrar as 2.000 documentos, dos quais 1.250 são confidenciais.
matrizes de estado X1, X2 e X3. A cada semana, 10% dos documentos confidenciais
tornam-se não confidenciais e 20% são destruídos.

[ ] []
1 1 2
2 4 3 Além disso, 20% dos documentos não confidenciais
59. P = 1 3 ,  X0 = 1
2 4 3
se tornam confidenciais e 5% são destruídos. Encontre
e interprete a matriz estacionária para esta situação.
0,23 0,45 0,65
60. P = , X0 = Cadeias de Markov absorventes  Nos Exercícios 71
0,77 0,55 0,35
e 72 determine se a cadeia de Markov com matriz de
0,50 0,25 0 0,5 probabilidades de transição P é absorvente. Justifique.
61. P = 0,25 0,70 0,15 , X0 = 0,5 0 00 0,40,4
0,4 0,10,1
0,1 1 11 0 00 0,38
0,38
0,38
0,25 0,05 0,85 0 P = 0,7 0,3 0,4 P
==0,70,7 0,30,3 0,40,4 72. P P
71.
PP = 0
==0 0 0,300,30
0,30 0 00
0,3 0,3 0,5 0 0,70 0,62

[ ] []
1 1 2 2
3 3 3 9 0,30,3 0,30,3 0,50,5 0 0 0,70
0,70 0,62
0,62
1 1 4
62. P = 3 0 3 ,  X0 = 9 Verdadeiro ou falso?  Nos Exercícios 73-76, determine
1 2
0
1 se a afirmação é verdadeira ou falsa. Se uma afirmação
3 3 3
for verdadeira, dê um motivo ou cite uma afirma-
63. Cruzeiro no Caribe  Trezentas pessoas vão a um ção apropriada do texto. Se uma afirmação for falsa,
cruzeiro no Caribe. Quando o navio para em um forneça um exemplo que mostre que a afirmação não
porto, cada pessoa tem a opção de ir à costa ou não. é verdadeira em todos os casos ou cite uma afirmação
Setenta por cento das pessoas que vão à costa um dia apropriada do texto.
não irão à costa no dia seguinte. Sessenta por cento 73. (a) A soma de matrizes não é comutativa.
das pessoas que não vão à costa um dia irão à costa (b) A transposta da soma de matrizes é igual à soma
no dia seguinte. Hoje, 200 pessoas foram à costa. das transpostas das matrizes.
Quantas pessoas irão à costa (a) amanhã e (b) depois 74. (a) Se uma matriz A de ordem n não é simétrica,
de amanhã? então ATA não é simétrica.
64. Migração da população  Um país tem três regiões. (b) Se A e B são matrizes não singulares n × n, então
Todo ano, 10% dos residentes da Região 1 se mudam A 1 B é uma matriz não singular.
para a Região 2 e 5% se mudam para a Região 3, 75. (a) Uma matriz estocástica pode ter elementos nega-
15% dos residentes da Região 2 se mudam para a tivos.
Região 1 e 5% para a Região 3 e 10 % dos residentes (b) Uma cadeia de Markov que não é regular pode
da Região 3 se mudam para a Região 1 e 10% se ter uma única matriz de estado estacionária.
mudam para a Região 2. Este ano, cada região tem 76. (a) Uma matriz estocástica regular pode ter elementos 0.
uma população de 100.000. Encontre as populações (b) A matriz de estado estacionária de uma cadeia de
de cada região (a) em 1 ano e (b) em 3 anos. Markov absorvente sempre depende da matriz de
estado inicial.
Matrizes 107

Codificação de uma mensagem  Nos Exercícios 77 84. Determinação da matriz de saída  Um sistema
e 78, escreva as matrizes linha não codificadas para a industrial com três indústrias possui a matriz de
mensagem. Em seguida, codifique a mensagem usan- entrada e saída D e a matriz de demanda externa E
do a matriz A. dadas abaixo.
77. Mensagem: ONE IF BY LAND 0,1 0,3 0,2 3.000
Tamanho da matriz linha: 1 × 2 D = 0,0 0,2 0,3 e E = 3.500
0,4 0,1 0,1 8.500
[ ]
5 2
Matriz de codificação: A =
2 1 
Determine a matriz de saída X na equação
X = DX + E.
78. Mensagem: BEAM ME UP SCOTTY
Tamanho da matriz linha: 1 × 3 Determinação da reta de regressão por mínimos
quadrados  Nos Exercícios 85-88, encontre a reta de

[ ]
2 1 4 regressão por mínimos quadrados.
Matriz de codificação: A = 3 1 3
85. (1, 5), (2, 4), (3, 2)
−2 −1 −3
86. (2, 1), (3, 3), (4, 2), (5, 4), (6, 4)
Decodificação de uma mensagem  Nos Exercícios
87. (1, 1), (1, 3), (1, 2), (1, 4), (2, 5)
79-82, use A−1 para decodificar o criptograma.
3 −2 88. (−2, 4), (−1, 2), (0, 1), (1, −2), (2,−3)
79. A = [
−4 3
, ] 89. Assinantes de telefones celulares  A tabela mos-
 245 34 36 224  243 37 223 22 37 29 57  tra os números de assinantes de telefones celulares y
238  239 31 (em milhões) nos Estados Unidos de 2008 a 2013.
(Fonte: CTIA-The Wireless Association)
[−11 ]
4
80. A = ,
−3 Ano 2008 2009 2010 2011 2012 2013
11  52  −8  −9  −13  −39 5 20 12 56 5 20 
Número, y 270 286 296 316 326 336
−2 7 9 41 25 100
(a) Encontre a reta de regressão por mínimos quadra-

[ ]
1 −2 2
81. A = −1 1 3 dos para os dados. Represente o ano por x, com
1 −1 −4 x 5 8 correspondendo a 2008.
(b) Use os recursos de regressão linear de uma ferra-
− 2 2 5 39 −53  −72  −6  −9 93 4 −12 27 31 
 menta computacional para encontrar um modelo
−49  −16 19 −24  −46  −8  −7 99 linear para os dados. Como este modelo se com-
para com o modelo obtido no item (a)?

[ ]
2 0 1
(c) Use o modelo linear para criar uma tabela de
82. A = 2 −1 0
valores estimados para y. Compare os valores
1 2 −4 estimados com os dados reais.
66  27  −31 37 5 −9 61 46 −73 46 −14 9 94  90. Salários da Liga Principal de Beisebol  A tabela
2 1   −49   3 2   −4   1 2   6 6   3 1   −53   4 7   3 3  mostra os salários médios y (em milhões de dólares)
−67 32 19 −56 43 −9  −20 68 23 −34 dos jogadores da Liga Principal de Beisebol no dia
da abertura da temporada de beisebol de 2008 até
83. Sistema industrial  Um sistema industrial tem 2013. (Fonte: Major League Baseball)
duas indústrias com os seguintes requisitos de entrada:
(a) Para produzir $ 1,00 de saída, a Indústria A pre- Ano 2008 2009 2010 2011 2012 2013
cisa de $ 0,20 de seu próprio produto e $ 0,30 do Salário, y 2,93 3,00 3,01 3,10 3,21 3,39
produto da Indústria B.
(b) Para produzir $ 1,00 de saída, a Indústria B pre- (a) Encontre a reta de regressão por mínimos quadra-
cisa de $ 0,10 de seu próprio produto e $ 0,50 do dos para os dados. Represente o ano por x, com
produto da Indústria A. x 5 8 correspondendo a 2008.
Encontre D, a matriz de entrada e saída para este (b) Use os recursos de regressão linear de uma ferra-
sistema. Em seguida, determine a matriz de saída menta computacional para encontrar um modelo
X na equação X = DX + E, onde E é a matriz de linear para os dados. Como este modelo se com-
demanda externa para com o modelo obtido no item (a)?
(c) Use o modelo linear para criar uma tabela de
40.000
E= . valores estimados para y. Compare os valores
80.000 estimados com os dados reais.
108 Elementos de álgebra linear

2 Projetos
1  Exploring Matrix Multiplication
1  Explorando a multiplicação de matrizes
A tabela mostra os dois primeiros resultados de provas para Anna, Bruce, Chris e
Teste 1 Teste 2 David. Use a tabela para criar uma matriz M para representar os dados. Insira M em
Anna 84 96 um software ou uma ferramenta computacional e use-o para responder as seguintes
perguntas.
Bruce 56 72
1. Qual prova foi mais difícil? Qual foi mais fácil? Explique.
Chris 78 83 2. Como você classificaria os desempenhos dos quatro alunos?
David 82 91
[] []
1 0
3. Descreva os significados dos produtos de matrizes M eM .
0 1
4. Descreva os significados dos produtos de matrizes [1 0 0 0]M e [0 0 1 0]M.

[] []
1 1 1
5. Descreva os significados dos produtos de matrizes M e M .
1 2 1
6. Descreva os significados dos produtos de matrizes [1 1 1 1]M e
1
4 [1 1 1 1]M.

[]
1
7. Descreva o significado do produto de matrizes [1 1 1 1]M .
1
8. Use a multiplicação de matrizes para encontrar a pontuação média geral com-
binada de ambas as provas.
9. Como você pode usar a multiplicação de matrizes para mudar a escala das pon-
tuações na prova 1 por um fator de 1,1?
2  Matrizes nilpotentes
Seja A uma matriz quadrada não nula. É possível que exista um inteiro positivo k
tal que Ak = O? Por exemplo, encontre A3 para o matriz

[ ]
0 1 2
A= 0 0 1 .
0 0 0

A matriz quadrada A é nilpotente de índice k quando A ≠ O,


A2 ≠ O, . . . , Ak−1 ≠ O, mas Ak = O. Neste projeto, você explorará matrizes
nilpotentes.
1. A matriz no exemplo acima é nilpotente. Qual é o índice?
2. Use um software ou uma ferramenta computacional para determinar quais ma-
trizes abaixo são nilpotentes e encontre seus índices.

(a)  [0
0 ]
1
0
[
(b) 
0
1
1
0 ]
[
(c) 
0
1
0
0 ]

[ ] [ ]
0 0 1 0 0 0
[ ]
1 0
(d)  (e)  0 0 0 (f) 
1 0 0
1 0
0 0 0 1 1 0
3. Encontre matrizes nilpotentes 3 × 3 de índices 2 e 3.
4. Encontre matrizes nilpotentes 4 × 4 de índices 2, 3 e 4.
5. Encontre uma matriz nilpotente de índice 5.
6. As matrizes nilpotentes são inversíveis? Demonstre sua resposta.
7. Quando A é nilpotente, o que você pode dizer sobre AT? Demonstre sua resposta.
8. Mostre que, se A é nilpotente, então I − A é inversível.
3 Determinantes
3.1 O determinante de uma matriz
3.2 Determinantes e operações elementares
3.3 Propriedades dos determinantes
3.4 Aplicações de determinantes

Aterrisagem em cometa

Publicação de software

Engenharia e controle

Sudoku

Em sentido horário, de cima para a esquerda: Jet Propulsion Laboratory


/ NASA; Minerva Studio / Shutterstock.com; viviamo / Shutterstock.com;
Volume de um tetraedro magnetix / Shutterstock.com; rgerhardt / Shutterstock.com
110 Elementos de álgebra linear

3.1 O determinante de uma matriz


Encontrar o determinante de uma matriz 2 ∙ 2.
Encontrar os menores e os cofatores de uma matriz.
Usar a expansão por cofatores para encontrar o determinante de
uma matriz.
Encontrar o determinante de uma matriz triangular.

O DETERMINANTE DE UMA MATRIZ 2 3 2


Toda matriz quadrada pode ser associada a um número real chamado deter-
minante. Historicamente, o uso de determinantes surgiu do reconhecimento de
padrões especiais que ocorrem nas resoluções de sistemas de equações lineares.
OBSERVAÇÃO Por exemplo, o sistema
Neste texto, det(A) e A são ∣ ∣ a11x1 + a12x2 = b1
usados ​​indistintamente para a21x1 + a22x2 = b2
representar o determinante de
tem a solução
A. Embora as barras verticais
também sejam usadas para b1a22 − b2a12 b2a11 − b1a21
x1 =  e x2 =
denotar o valor absoluto de a11a22 − a21a12 a11a22 − a21a12
um número real, o contexto
quando a11a22 − a21a12 ≠ 0. (Veja o Exercício 53.) Observe que ambas as frações
indicará o uso pretendido.
têm o mesmo denominador, a11a22 − a21a12. Essa quantidade é o determinante da
Além disso, é prática comum
matriz de coeficientes do sistema.
apagar os colchetes da matriz
e escrever

∣ a11
a21
a12
a22 ∣ Definição do determinante de uma matriz 2 ∙ 2
O determinante da matriz
em vez de
∙aa ∙
a12

∣ ∣
11
A=
a11 a12 a22
∙ a21 a22
. ∙ 21

∣∣
é det(A) = A = a11a22 − a21a12.

O diagrama abaixo mostra um método conveniente para lembrar a fórmula do


determinante de uma matriz 2 × 2.

∣A∣ = ∣
a11
a21 ∣
a12
a22
= a11a22 − a21a12

O determinante é a diferença dos produtos das duas diagonais da matriz. Observe


que a ordem dos produtos é importante.

OBSERVAÇÃO
Observe que o determinante de
EXEMPLO 1 Determinantes de matrizes de ordem 2

∣ ∣
uma matriz pode ser positivo,
−3 −3
∙21 ∙∣∣2
zero ou negativo. a.  Para A = , A = = 2(2) − 1(−3) = 4 + 3 = 7.
2 1 2

b.  Para B = ∙24 1


2 ∙∣∣
, B =
2
4 ∣ ∣ 1
2
= 2(2) − 4(1) = 4 − 4 = 0.

∙ ∙∣ ∣ ∣ ∣
3 3
0 0
c.  Para C = 2
, C = 2
= 0(4) − 2(32 ) = 0 − 3 = −3.
2 4 2 4
Determinantes 111

MENORES E COFATORES
Para definir o determinante de uma matriz quadrada de ordem superior a 2, é con-
veniente usar menores e cofatores.

Menores e cofatores de uma matriz quadrada


Se A é uma matriz quadrada, então o menor Mij do elemento aij é o determi-
nante da matriz obtida pela exclusão da i-ésima linha e j-ésima coluna de A.
O cofator Cij da entrada aij é Cij = (−1)i+jMij.

Por exemplo, se A é uma matriz 3 × 3, então os menores e os cofatores de a21


e a22 são como mostrado abaixo.
Menor de a21 Menor de a22

∙ ∙ ∣ ∣∙ ∙ ∣ ∣
a11 a12 a13 a11 a12 a13
a a13 a a13
a21 a22 a23 ,  M21 = 12   a21 a22 a23 ,  M22 = 11
a32 a33 a31 a33
a31 a32 a33 a31 a32 a33

Elimine a linha 2 e a coluna 1. Elimine a linha 2 e a coluna 2.


Cofator de a21 Cofator de a22
C21 = (−1) 2+1M
21 = −M21 C22 = (−1)2+2M22 = M22
Os menores e os cofatores de uma matriz podem diferir apenas no sinal. Para obter
os cofatores de uma matriz, primeiro encontre os menores e, em seguida, aplique
o padrão de tabuleiro de xadrez de 1 e 2 mostrado à esquerda. Observe que as
posições ímpares (nas quais i 1 j é ímpar) possuem sinais negativos e as posições
Padrão de sinal para cofatores pares (nas quais i 1 j é par) têm sinais positivos.

∙ ∙
+ − +
− + − EXEMPLO 2 Menores e cofatores de uma matriz
+ − +
Matriz 3 3 3 Encontre todos os menores e os cofatores de

∙ ∙
0 2 1

∙ ∙
+ − + − A = 3 −1 2 .
− + − + 4 0 1
+ − + −
− + − + SOLUÇÃO
Matriz 4 3 4 Para encontrar o menor M11, elimine a primeira linha e a primeira coluna de A e
calcule o determinante da matriz resultante.

∙ ∙
+ − + − +

∣ ∣
. . .

∙ ∙
0 2 1
− + − + − . . . −1 2
3 −1 2 ,  M11 = = −1(1) − 0(2) = −1
+ − + − + . . . 0 1
4 0 1
− + − + − . . .
+ − + − + . . . Verifique que os menores são
⋮ ⋮ ⋮ ⋮ ⋮ M11 = −1 M12 = −5 M13 = 4
Matriz n 3 n M21 = 2  M22 = −4  M23 = −8
M31 = 5 M32 = −3 M33 = −6.

Agora, para encontrar os cofatores, combine estes menores com o padrão de tabu-
leiro de xadrez de sinais para uma matriz 3 × 3 mostrado acima.
C11 = −1 C12 = 5 C13 = 4
C21 = −2  C22 = −4  C23 = 8
C31 = 5 C32 = 3 C33 = −6
112 Elementos de álgebra linear

O DETERMINANTE DE UMA MATRIZ QUADRADA


OBSERVAÇÃO A definição abaixo é indutiva porque usa o determinante de uma matriz quadrada
O determinante de uma matriz de ordem n − 1 para definir o determinante de uma matriz quadrada de ordem n.
da ordem 1 é simplesmente o
Definição do determinante de uma matriz quadrada
elemento da matriz. Por exem-
plo, se A = [−2], então Se A é uma matriz quadrada de ordem n ≥ 2, então o determinante de A é
a soma dos elementos na primeira linha de A multiplicados por seus respec-
det(A) = −2. tivos cofatores. Isso é,
n
∣ ∣ j=1
det(A) = A =∑ a1jC1j = a11C11 + a12C12 + . . . + a1nC1n.

Confirme que, para matrizes 2 × 2, essa definição produz

∣A∣ = a11a22 − a21a12


conforme definido anteriormente.
Quando você usa essa definição para calcular um determinante, você está
expandindo por cofatores ao longo da primeira linha. O Exemplo 3 ilustra este
procedimento.

EXEMPLO 3 O determinante de uma matriz de ordem 3


Encontre o determinante de

∙ ∙
0 2 1
A= 3 −1 2 .
4 0 1
SOLUÇÃO
Esta é a matriz do Exemplo 2. Lá, você encontrou que os cofatores dos elementos
na primeira linha eram
C11 = −1,  C12 = 5,  C13 = 4.
Assim, pela definição de determinante, você tem

∣A∣ = a11C11 + a12C12 + a13C13 Expansão ao longo da primeira linha


5 0(21) 1 2(5) 1 1(4)
= 14.

Embora o determinante seja definido como uma expansão pelos cofatores na


primeira linha, pode ser mostrado que o determinante pode ser calculado expan-
dindo ao longo de qualquer linha ou coluna. Por exemplo, você poderia expandir
a matriz no Exemplo 3 ao longo da segunda linha para obter

∣A∣ = a21C21 + a22C22 + a23C23 Expansão ao longo da segunda linha


5 3(22) 1 (21)(24) 1 2(8)
= 14
ou ao longo da primeira coluna para obter

∣A∣ = a11C11 + a21C21 + a31C31 Expansão ao longo da primeira coluna


5 0(21) 1 3(22)1 4(5)
= 14.
Tente outras possibilidades para confirmar que o determinante de A pode ser
calculado por expansão ao longo de qualquer linha ou coluna. O teorema na próxima
página estabelece isso, sendo conhecido como expansão de Laplace de um determi-
nante, em homenagem ao matemático francês Pierre Simon de Laplace (1749-1827) .
Determinantes 113

TEOREMA 3.1  Expansão por cofatores


Seja A uma matriz quadrada de ordem n. Então o determinante de A é
n
. . + ainCin expansão
∣ ∣ j=1
det(A) = A = ∑ aijCij = ai1Ci1 + ai2Ci2 + . da i-ésima
linha
ou
n
. . + anjCnj. expansão
∣ ∣ i=1
det(A) = A = ∑ aijCij = a1jC1j + a2jC2j + . da j-ésima
coluna

Ao expandir por cofatores, você não precisa encontrar cofatores de elementos


nulos, pois zero vezes seu cofator é zero.
aijCij = (0)Cij
=0
A linha (ou coluna) que contém o maior número de zeros é geralmente a melhor
opção para expansão por cofatores. O exemplo a seguir ilustra isso.

EXEMPLO 4 O determinante de uma matriz de ordem 4


Encontre o determinante de

∙ ∙
1 −2 3 0
−1 1 0 2
A= .
0 2 0 3
3 4 0 −2
SOLUÇÃO
Observe que três dos elementos na terceira coluna são nulos. Então, para eliminar
parte do trabalho na expansão, use a terceira coluna.

∣A∣ = 3(C13) + 0(C23) + 0(C33) + 0(C43)


Os cofatores C23, C33 e C43 têm coeficientes nulos, de modo que você precisa ape-
TECNOLOGIA nas encontrar o cofator C13. Para fazer isso, elimine a primeira linha e a terceira

∣ ∣
coluna de A e calcule o determinante da matriz resultante.
Muitas ferramentas computa-
cionais e softwares podem −1 1 2
encontrar o determinante de C13 = (−1)1+3 0 2 3 Elimine a 1a linha e 3a coluna.
uma matriz quadrada. Se você −2

∣ ∣
3 4
usar uma ferramenta computa-
cional, então poderá ver algo −1 1 2
semelhante na tela abaixo para = 0 2 3 Simplifique.
o Exemplo 4. O Technology 3 4 −2
Guide, disponível na página
deste livro no site da Cengage, A expansão por cofatores ao longo da segunda linha fornece

∣ ∣ ∣ ∣ ∣ ∣
pode ajudá-lo a usar a tecnolo- 1 2 −1 2 −1 1
gia para encontrar um C13 = (0)(−1)2+1 + (2)(−1)2+2 + (3)(−1)2+3
4 −2 3 −2 3 4
determinante.
= 0 + 2(1)(−4) + 3(−1)(−7)
A
[[1 -2 3 0 ] = 13.
[-1 1 0 2 ]
[0 2 0 3 ] Você obtém
[3 4 0 -2]]
det A 1 A 1 5 3(13)
39
= 39.
114 Elementos de álgebra linear

Um método alternativo é comumente usado para calcular o determinante de


uma matriz A de ordem 3. Para aplicar esse método, copie a primeira e a segun-
da colunas de A para formar a quarta e a quinta colunas. Em seguida, obtenha o
determinante de A somando (ou subtraindo) os produtos das seis diagonais, como
mostrado no diagrama abaixo.
Subtraia estes três produtos.
a11 a12 a13 a11 a12
a21 a22 a23 a21 a22
a31 a32 a33 a31 a32

Some estes três produtos.

Confirme que o determinante de A é

∣A∣ = a11a22a33 + a12a23a31 + a13a21a32 − a31a22a13 − a32a23a11 − a33a21a12.


EXEMPLO 5 O determinante de uma matriz de ordem 3

Veja LarsonLinearAlgebra.com para uma versão interativa deste tipo de exemplo.

Encontre o determinante de

∙ ∙
0 2 1
A= 3 −1 2 .
4 −4 1
SOLUÇÃO
Comece copiando as duas primeiras colunas e, em seguida, calculando os seis
produtos diagonais, como mostrado abaixo.
24 0 6 Subtraia estes produtos.
0 2 1 0 2
3 −1 2 3 −1
4 −4 1 4 −4
0 16 212 Some estes produtos.

Agora, somando os três produtos de baixo e subtraindo os três produtos de cima,


você pode observar que o determinante de A é

∣A∣ = 0 + 16 + (−12) − (−4) − 0 − 6 = 2.


O processo diagonal ilustrado no Exemplo 5 é válido apenas para matrizes de
ordem 3. Para matrizes de ordem superior, você deve usar outro método.

Lembre-se de que um tetraedro é um poliedro constituído


ÁLGEBRA
por quatro faces triangulares. Uma aplicação prática de
LINEAR determinantes consiste em encontrar o volume de um tetrae-
APLICADA dro em um sistema de coordenadas. Se os vértices de um
tetraedro são (x1, y1, z1), (x2, y2, z2), (x3, y3, z3) e (x4, y4, z4),
então o volume é

∙ ∙
x1 y1 z1 1
magnetix/Shutterstock.com

1 x2 y2 z2 1
Volume = ± 6 det .
x3 y3 z3 1
x4 y4 z4 1

Você estudará esta e outras aplicações de determinantes


na Seção 3.4.
Determinantes 115

MATRIZES TRIANGULARES
Lembre-se, da Seção 2.4, que uma matriz quadrada é triangular superior quando
tem todos os elementos abaixo da sua diagonal principal iguais a zero e triangu-
Matriz triangular superior lar inferior quando tem todos os elementos acima da diagonal principal iguais a

∙ ∙
a11 a12 a13 . . . a1n zero, como mostrado no diagrama à esquerda. Uma matriz que é tanto triangular
0 a22 a23 . . . a2n superior quanto triangular inferior é uma matriz diagonal. Em outros termos, uma
0 0 a33 . . . a3n matriz diagonal é aquela em que todos os elementos acima e abaixo da diagonal
principal são nulos.
⋮ ⋮ ⋮ ⋮ Para encontrar o determinante de uma matriz triangular, simplesmente tome
0 0 0 . . . ann
o produto dos elementos da diagonal principal. Deve ser fácil ver que este proce-
Matriz triangular inferior dimento é válido para matrizes triangulares de ordem 2 ou 3. Por exemplo, para
encontrar o determinante de

∙ ∙
a11 0 0 . . . 0

∙ ∙
2 3 −1
a21 a22 0 . . . 0 A = 0 −1 2
a31 a32 a33 . . . 0 0 0 3
⋮ ⋮ ⋮ ⋮ expanda ao longo da terceira linha para obter

∣ ∣ ∣ ∣ ∣ ∣
an1 an2 an3 . . . ann 3 −1 2 −1 2 3
∣∣
A = 0(−1)3+1
−1 2
+ 0(−1)3+2
0 2
+ 3(−1)3+3
0 −1
= 3(1)(−2)
= −6
que é o produto dos elementos da diagonal principal.

TEOREMA 3.2  Determinante de uma matriz triangular


Se A é uma matriz triangular de ordem n, então o seu determinante é o pro-
duto dos elementos na diagonal principal. Mais precisamente,

∣∣
det(A) = A = a11a22a33 . . . ann.

DEMONSTRAÇÃO
Use indução matemática* para demonstrar este teorema no caso em que A é uma
matriz triangular superior. A demonstração do caso em que A é triangular inferior
é semelhante. Se A tem ordem 1, então A = [a11] e o determinante é A = a11. ∣∣
Supondo que o teorema seja verdadeiro para qualquer matriz triangular supe-
rior de ordem k − 1, considere uma matriz triangular superior A de ordem k.
Expandindo ao longo da k-ésima linha, você obtém

∣A∣ = 0Ck1 + 0Ck2 + . . . + 0Ck(k−1) + akkCkk = akkCkk.

Agora, observe que Ckk = (−1)2kMkk = Mkk, onde Mkk é o determinante da matriz
triangular superior formada pela eliminação da k-ésima linha e da k-ésima coluna
de A. Esta matriz é de ordem k 2 1; assim, aplique a hipótese de indução para
escrever

∣A∣ = akkMkk = akk(a11a22a33 . . . ak−1, k−1) = a11a22a33 . . . akk.

EXEMPLO 6 O determinante de uma matriz triangular


O determinante da matriz triangular inferior

∙ ∙
2 0 0 0
4 −2 0 0
A=
−5 6 1 0
1 5 3 3

∣∣
é A = (2)(−2)(1)(3) = −12.

*Veja o Apêndice para uma discussão sobre indução matemática.


116 Elementos de álgebra linear

3.1  Exercícios

∙ ∙ ∙ ∙
O determinante de uma matriz  Nos exercícios 5 3 0 6 3 0 7 0
1-12, encontre o determinante da matriz. 4 6 4 12 2 6 11 12
27. 28.
 1. [1]  2. [−3] 0 2 −3 4 4 1 −1 2
−3 0 1 −2 2 1 5 2 10
∙ ∙ ∙ ∙
2 1 1
 3.  4. 

∙ ∙
3 4 5 2 w x y z
2 −2
∙ ∙ ∙ ∙
5 2 21 −15 24 30
 5.   6. 29.
−6 3 4 3 −10 24 −32 18

∙ ∙ ∙ ∙
−7 6 1
5 −40 22 32 −35
 7. 8. 3

∙ ∙
1
2 3 4 −9 w x y z
−3 10 15 −25 30
∙00 ∙ ∙−62 ∙
8 30.
 9. 10. −30 20 −15 −10
4 9
30 35 −25 −40
∙λ − 34 ∙ ∙λ − 24 ∙
2 0

∙ ∙
11. 12. 5 2 0 0 −2
λ−1 λ−4
0 1 4 3 2
Determinação dos menores e cofatores de uma 31. 0 0 2 6 3
matriz  Nos Exercícios 13-16, encontre todos (a) 0 0 3 4 1
menores e (b) cofatores da matriz. 0 0 0 0 2
−5
∙ ∙ ∙ ∙
1 2 6

∙ ∙
13. 14. −4 3 2 −1 −2
3 4 1 0
1 −2 7 −13 −12

∙ ∙ ∙ ∙
−3 2 1 −3 4 2 32. −6 2 −5 −6 −7
15. 4 5 6 16. 6 3 1 0 0 0 0 0
2 −3 1 4 −7 −8 1 −4 −2 0 −9
17. Encontre o determinante da matriz no Exercício 15 Cálculo de determinante  Nos Exercícios 33 e 34,
usando o método de expansão por cofatores. Use (a) use o método ilustrado no Exemplo 5 para encontrar
a segunda linha e (b) a segunda coluna. o determinante da matriz.

∙ ∙ ∙ ∙
18. Encontre o determinante da matriz no Exercício 16 3 0 4 3 8 −7
utilizando o método de expansão por cofatores. Use 33. −2 4 1 34. 0 −5 4
(a) a terceira linha e (b) a primeira coluna. 1 −3 1 8 1 6
Cálculo de determinante  Nos Exercícios 19-32, use Cálculo de determinante  Nos Exercícios 35-38, use
a expansão por cofatores para encontrar o determi- um software ou uma ferramenta computacional para
nante da matriz. encontrar o determinante da matriz.

∙ ∙ ∙ ∙ ∙ ∙
1 4 −2 3 −1 2 4 3 2 5
0,10,1 0,60,6−0,3
−0,3
19. 3 2 0 20. 4 1 4 1 6 −1 2
35. 0,70,7−0,1
−0,1 0,10,1 36. −3
−1 4 3 −2 0 1 2 4 5
0,10,1 0,30,3−0,8
−0,8 6 1 3 −2

∙ ∙ ∙ ∙
2 4 6 −3 0 0

∙ ∙
21. 0 3 1 22. 7 11 0 1 2 −1 4
0 0 −5 1 2 2 0 1 2 −2
37.
−0,4 0 3 2 −1
−0,4 0,40,4 0,30,3 0,10,1 0,20,2 0,30,3
0,2 −0,3 1 2 0 −2
23. 0,2 0,20,2 0,20,2 24. −0,3 0,20,2 0,20,2

∙ ∙
0,30,3 0,20,2 0,20,2 0,50,5 0,40,4 0,40,4 8 5 1 −2 0
−1 0 7 1 6

∙ ∙ ∙ ∙
x y −1 x y 1 38. 0 8 6 5 −3
25. 3 2 0 26. −2 −2 1 1 2 5 −8 4
1 1 1 1 5 1 2 6 −2 0 6
Determinantes 117

Cálculo do determinante de uma matriz triangu-


lar  Nos Exercícios 39-42, encontre o determinante 54. P
 onto crucial  Para uma matriz A da
da matriz triangular. ordem n, explique como encontrar cada valor.

∙ ∙ ∙ ∙
−2 0 0 4 0 0 (a)  O menor Mij do elemento aij.
39. 4 6 0 40.
0 7 0 (b)  O cofator Cij do elemento aij.
−3 7 2 0 0 −2
(c)  O determinante de A.

∙ ∙ ∙ ∙
5 8 −4 2 4 0 0 0
0 0 6 0 −1 1
2 0 0 Elementos envolvendo expressões  Nos Exercícios
41. 42. 55-62, calcule o determinante, no qual os elementos
0 0 2 2 3 5 3 0
0 0 0 −1 −8 7 0 −2 são funções. Determinantes desse tipo ocorrem em
mudanças de variáveis no cálculo.

∣ ∣ ∣ ∣
Verdadeiro ou falso?  Nos Exercícios 43 e 44, deter-
mine se cada afirmação é verdadeira ou falsa. Se uma 6u −1 3x2 −3y2
55. 56. 
afirmação for verdadeira, dê uma justificativa ou cite −1 3v 1 1
uma afirmação apropriada do texto. Se uma afirma-
ção for falsa, forneça um exemplo que mostra que a ∣ ∣
e2x e3x
57. 2x
2e 3e3x
58. 
e−x xe−x
−e−x (1 − x)e−x ∣ ∣
∣ ∣ ∣ ∣
afirmação não é verdadeira em todos os casos ou cite x ln x x x ln x

∣ ∣
uma afirmação apropriada do texto. 59. 60. 
1 1∙x 1 1 + ln x
43. (a) O determinante de uma matriz A de ordem 2 é cos θ −r sen θ 0
a21a12 − a11a22.
61. sen θ r cos θ 0
(b) O determinante de uma matriz de ordem 1 é o 0 0 1

∣ ∣
elemento da matriz.
(c) O cofator Cij de uma matriz quadrada A é a 1−v −u 0
matriz obtida pela eliminação da i-ésima linha e 62.  v(1 − w) u(1 − w) −uv
da j-ésima coluna de A. vw uw uv
44. (a) Para encontrar o determinante de uma matriz trian-
Verificação de uma equação  Nos Exercícios 63-68,
gular, some os elementos na diagonal principal.
calcule os determinantes para verificar a equação.

∣ ∣ ∣ ∣
(b)  Para encontrar o determinante de uma matriz,
w x y z
expanda por cofatores em qualquer linha ou coluna. 63. =−
y z w x

∣ ∣ ∣ ∣
(c)  Ao expandir por cofatores, você não precisa cal-
cular os cofatores de elementos nulos. w cx w x
64. =c
y cz y z

∣ ∣ ∣ ∣ ∣ ∣
Resolução de uma equação  Nos Exercícios 45-48, w x w x + cw w x
determine x. 65. = 66. =0


∣ ∣ ∣ ∣ ∣
y z y z + cy cw cx
x+3 2 x−6 3
45. = 0 46.  =0 1 x x2
1 x+2 −2 x + 1

∣ ∣ ∣ ∣
67. 1 y y2 = (y − x)(z − x)(z − y)
x−1 2 x+3 1
47. = 0 48.  =0 1 z z2
3 x−2 −4 x − 1

∣ ∣
Resolução de uma equação  Nos Exercícios 49-52, 68.
encontre os valores de λ para os quais o determinante 1 1 1
é zero. a b c = (a − b)(b − c)(c − a)(a + b + c)
49.
∣ ∣
λ+2
∣ ∣ 2
50.
λ−5 3 a 3 b3 c3

∣ ∣ ∣ ∣ ∣ ∣
1 λ 1 λ−5 69. É dada a equação
λ 2 0 λ 0 1 x 0 c
51. 0 λ + 1 2 52. 0 λ 3 −1 x b = ax2 + bx + c.
0 1 λ 2 2 λ−2 0 −1 a
53. Mostre que o sistema de equações lineares
(a)  Verifique a equação.
a11x1 + a12x2 = b1 (b) Use a equação como modelo para encontrar uma
a21x1 + a22x2 = b2 determinante que é igual a ax3 + bx2 + cx + d.
possui a solução 70. 
O determinante de uma matriz 2 × 2 envolve dois pro-
b1a22 − b2a12 b a − b1a21 dutos. O determinante de uma matrícula 3 × 3 envolve
x1 =  e x2 = 2 11 seis produtos triplos. Mostre que o determinante de uma
a11a22 − a21a12 a11a22 − a21a12
matriz 4 × 4 envolve 24 produtos quádruplos.
quando a11a22 − a21a12 ≠ 0.
118 Elementos de álgebra linear

3.2 Determinantes e operações elementares


Usar operações elementares de linhas para calcular um determinante.
Utilizar operações elementares de colunas para calcular um determinante.
Reconhecer condições que produzem determinantes nulos.

DETERMINANTES E OPERAÇÕES ELEMENTARES DE LINHAS

∣ ∣ ∣ ∣
Qual dos determinantes abaixo é mais fácil de calcular?
1 −2 3 1 1 −2 3 1
4 −6 3 2 0 2 −9 −2
∣∣
A =
−2 4 −9 −3
 ou  B = ∣∣ 0 0 −3 −1
3 −6 9 2 0 0 0 −1
Com o que você conhece sobre o determinante de uma matriz triangular, deve ser claro que o segundo
determinante é muito mais fácil de calcular. Seu determinante é simplesmente o produto dos elementos na
∣∣
diagonal principal. Mais precisamente, B = (1)(2)(−3)(−1) = 6. O uso da expansão por cofatores (a
única técnica discutida até agora) para calcular o primeiro determinante é trabalhoso. Por exemplo, quando

∣ ∣∣ ∣∣ ∣∣ ∣
você expande por cofatores ao longo da primeira linha, você obtém
−6 3 2 4 3 2 4 −6 2 4 −6 3
∣∣
A = 1 4 −9 −3 + 2 −2 −9 −3 + 3 −2 4 −3 − 1 −2 4 −9 .
−6 9 2 3 9 2 3 −6 2 3 −6 9
O cálculo dos determinantes destas quatro matrizes 3 × 3 produz

∣A∣ = (1)(−60) + (2)(39) + (3)(−10) − (1)(−18) = 6.


Observe que ∣A∣ e ∣B∣ tem o mesmo valor. Observe também que você pode obter a matriz B da matriz A,
somando múltiplos da primeira linha às segunda, terceira e quarta linhas. (Verifique isso.) Nesta seção,
você verá os efeitos das operações elementares de linhas (e colunas) no valor de um determinante.
Os efeitos das operações elementares
EXEMPLO 1 de linhas em um determinante
a.  A matriz B é obtida de A permutando as linhas de A.

∣ ∣
∣A∣ =
2
1
−3
4 ∣∣
= 11 e  B =
1
2 ∣ ∣ 4
−3
= −11

b.  A matriz B é obtida de A somando sua primeira linha multiplicada por −2 à sua segunda linha.

∣∣ ∣ ∣ ∣ ∣
1 −3 1 −3
A =
2 −4 ∣∣
= 2 e  B =
0 2
=2

c.  A matriz B é obtida de A multiplicando a primeira linha de A por 12.

∣∣ ∣ ∣ ∣ ∣
2 −8 1 −4
A = = 2 e  B = ∣∣ = 1
−2 9 −2 9
No Exemplo 1, observe que permutar as duas linhas de A muda o sinal de seu determinante, somar a
primeira linha de A multiplicada por −2 à segunda linha não altera o seu determinante, e multiplicar a pri-
meira linha de A por 12 multiplica seu determinante por 12. O próximo teorema generaliza essas observações.

TEOREMA 3.3  Operações elementares de linhas e determinantes


Sejam A e B matrizes quadradas.
1.  Quando B é obtida de A pela permuta de duas linhas de A, det(B) = −det(A).
2.  Quando B é obtida a partir de A pela soma de um múltiplo de uma linha de A a outra linha de
A, det(B) = det(A).
3.  Quando B é obtido de A pela multiplicação de uma linha de A por uma constante c não nula,
det(B) = c det(A).
Determinantes 119

OBSERVAÇÃO DEMONSTRAÇÃO
Observe que a terceira proprie- A demonstração da primeira propriedade está abaixo. As demonstrações das
dade lhe permita dividir uma outras duas propriedades são deixadas como exercícios. (Ver Exercícios 47 e 48.)
linha por um fator comum. Por Suponha que A e B são matrizes 2 × 2
exemplo,
∙aa ∙ ∙aa ∙
a12 a22

∣ ∣ ∣ ∣
11 21
Fatore 2 na A= e B= .
2 4 1 2 a22 a12
=2 . primeira 21 11
1 3 1 3 linha.
∣∣ ∣∣
Então, você tem A = a11a22 − a21a12 e B = a21a12 − a11a22. Assim,
∣∣ ∣∣
B = − A . Usando indução matemática, suponha que a propriedade é verdadei-
ra para matrizes de ordem (n − 1). Seja A uma matriz n × n tal que B seja obtida
de A permutando duas linhas de A. Então, para encontrar A e B , expanda ao∣∣ ∣∣
longo de uma linha diferente das duas linhas permutadas. Pela hipótese de indu-
ção, os cofatores de B serão os opostos dos cofatores de A porque as matrizes
correspondentes (n − 1) × (n − 1) têm duas linhas permutadas. Finalmente,
∣∣ ∣∣
B = − A e a demonstração está completa.

O Teorema 3.3 fornece uma maneira prática de calcular determinantes. Para


encontrar o determinante de uma matriz A, você pode usar operações elementares
de linhas para obter uma matriz triangular B que é equivalente por linhas a A. Para
cada etapa no processo de eliminação, use o Teorema 3.3 para determinar o efeito
da operação elementar de linhas no determinante. Finalmente, encontre o determi-
nante de B multiplicando os elementos na sua diagonal principal.
SSPL/Getty Images

Cálculo de determinante usando


EXEMPLO 2 operações elementares de linhas
Encontre o determinante de

∙ ∙
0 −7 14
Augustin-Louis Cauchy A= 1 2 −2 .
(1789 -1857) 0 3 −8
As contribuições de
Cauchy para o estudo SOLUÇÃO
da matemática foram
Usando operações elementares de linhas, reescreva A na forma triangular como

∣ ∣ ∣ ∣
revolucionárias, de tal
modo que muitas vezes mostrado a seguir.
lhe é dado o crédito de 0 −7 14 1 2 −2
Permute as duas primeiras linhas.
trazer rigor à matemática 1 2 −2 = − 0 −7 14

∣ ∣
moderna. Por exemplo, 0 3 −8 0 3 −8
ele foi o primeiro a
1 2 −2
definir rigorosamente os
limites, a continuidade =70 1 −2 Fatore 27 da segunda linha.

∣ ∣
e a convergência de 0 3 −8
uma série infinita. Além 1 2 −2
de ser conhecido por Some a segunda linha multiplicada
=70 1 −2 por 23 à terceira linha para produzir
seu trabalho em análise
0 0 −2 uma nova terceira linha.
complexa, ele contribuiu
para as teorias de
determinantes e equações A matriz acima é triangular, então o determinante é
diferenciais. É interessante
observar que o trabalho
∣A∣ = 7(1)(1)(−2) = −14.
de Cauchy sobre
determinantes precedeu DETERMINANTES E OPERAÇÕES ELEMENTARES DE
o desenvolvimento das COLUNAS
matrizes feito por Cayley.
Embora o Teorema 3.3 seja enunciado em termos de operações elementares de
linhas, o teorema continua válido quando a palavra “coluna” substitui a palavra
“linha”. Operações executadas nas colunas (e não nas linhas) de uma matriz são
operações elementares de colunas e duas matrizes são equivalentes por colunas
120 Elementos de álgebra linear

quando se pode obter uma a partir da outra por operações elementares de colunas. Aqui estão as ilustrações

∣ ∣ ∣ ∣
da versão por colunas das Propriedades 1 e 3 do Teorema 3.3.
2 1 −3 1 2 −3
4 0 1 =− 0 4 1
0 0 2 0 0 2

Permute as duas primeiras colunas

∣ ∣∣ ∣
2
4
−2
3
1
4
−5

−3
1
0 =2 2
−1

Fatore 2 da primeira coluna


3
1
4
−5
0
−3

Ao calcular um determinante, ocasionalmente é conveniente usar operações elementares de colunas, como


mostrado no Exemplo 3.

Cálculo de determinante usando operações


EXEMPLO 3 elementares de colunas

Veja LarsonLinearAlgebra.com para uma versão interativa deste tipo de exemplo.

∙ ∙
−1 2 2
Encontre o determinante de A = 3 −6 4 .
5 −10 −3

SOLUÇÃO
As duas primeiras colunas de A são múltiplas uma da outra, de modo que você pode obter uma coluna de
zeros somando a primeira coluna multiplicada por 2 à segunda coluna, como mostrado abaixo.

∣−1
3 −6
2

5 −10
2
4 =
−3
−1
3
5 ∣∣ 0
0
0
2
4
−3 ∣
Neste ponto, você não precisa reescrever a matriz na forma triangular, porque existe uma coluna inteira
de zeros. Basta concluir que o determinante é zero. A validade desta conclusão resulta do Teorema 3.1.
Especificamente, expandindo por cofatores ao longo da segunda coluna, você tem

∣A∣ = (0)C12 + (0)C22 + (0)C32 = 0.

Em um quebra-cabeça Sudoku, o objetivo é preencher


ÁLGEBRA
uma tabela 9 × 9 parcialmente preenchida, com núme-
LINEAR ros de 1 a 9, de modo que cada coluna, linha e subtabe-
APLICADA la 3 × 3 contenha cada número uma vez. Para que uma
tabela de Sudoku completa seja válida, nenhum par
de linhas (ou de colunas) terá os números na mesma
ordem. Se isso acontecer, então o determinante da
matriz 9 × 9 formada pelos números será zero. Este é
iStockphoto.com/jirkaejc

um resultado direto da condição 2 do Teorema 3.4 na


página seguinte.
Determinantes 121

MATRIZES E DETERMINANTES NULOS


O Exemplo 3 mostra que quando duas colunas de uma matriz são múltiplos escalares uma da outra, o
determinante da matriz é zero. Esta é uma das três condições que produzem um determinante nulo.

TEOREMA 3.4  Condições que produzem um determinante nulo


Se A é uma matriz quadrada e qualquer uma das condições abaixo é verdadeira, então det(A) = 0.
1.  Uma linha inteira (ou uma coluna inteira) consiste em zeros.
2.  Duas linhas (ou colunas) são iguais.
3.  Uma linha (ou coluna) é um múltiplo de outra linha (ou coluna).

DEMONSTRAÇÃO
Verifique cada parte deste teorema usando operações elementares de linhas e expansão por cofatores. Por
exemplo, se uma linha ou coluna inteira é constituída por zeros, então cada cofator na expansão é multi-
plicado por zero. Quando a condição 2 ou 3 é verdadeira, use operações elementares de linhas ou de colu-
nas para criar uma linha inteira ou uma coluna inteira de zeros.

Reconhecer as condições listadas no Teorema 3.4 pode tornar o cálculo do determinante bem mais
fácil. Por exemplo,

∣ ∣ ∣ ∣ ∣
0
2
3
0
4
−5
0
−5 = 0, 
2
1
0
1
−2
1
−2
4
2 = 0, 
4
1
2
−2
2
−1
0
−3


−6 = 0.
6

A primeira linha A primeira e a terceira A terceira coluna é múltipla


só tem zeros. linhas são as mesmas. da primeira coluna.

Não conclua, no entanto, que o Teorema 3.4 dá as únicas condições que produzem um determinante
nulo. Este teorema é em geral usado indiretamente. Mais claramente, você pode começar com uma matriz
que não satisfaça nenhuma das condições do Teorema 3.4 e, através de operações elementares de linhas ou
de colunas, obter uma matriz que satisfaça uma das condições. O exemplo 4 ilustra isso.

EXEMPLO 4 Uma matriz com determinante nulo


Encontre o determinante de

∙ ∙
1 4 1
A = 2 −1 0 .
0 18 4
SOLUÇÃO

∣ ∣
Somando a primeira linha multiplicada por 22 à segunda linha produz
1 4 1
∣∣
A = 2 + (−2)(1) −1 + (−2)(4) 0 + (−2)(1)

∣ ∣
0 18 4
1 4 1
= 0 −9 −2 .
0 18 4
A segunda e terceira linhas são múltiplas uma da outra, de modo que o determinante é zero.

No Exemplo 4, você poderia ter obtido uma matriz com uma linha só de zeros, executando uma ope-
ração elementar de linhas adicional (somando a segunda linha multiplicada por 2 à terceira linha). Isso
é verdade em geral. Mais precisamente, uma matriz quadrada tem determinante zero se e somente se for
122 Elementos de álgebra linear

equivalente por linhas (ou por colunas) a uma matriz que tenha pelo menos uma linha (ou coluna) consis-
tindo inteiramente de zeros.
Você já estudou dois métodos para calcular determinantes. Destes, o método de usar operações ele-
mentares de linhas para reduzir a matriz a forma triangular é geralmente mais rápido do que a expansão
por cofatores ao longo de uma linha ou coluna. Se a matriz for grande, o número de operações aritméticas
necessárias para a expansão por cofatores pode tornar-se extremamente grande. Por esse motivo, a maioria
dos algoritmos de computadores e de calculadoras usa o método que envolve operações elementares de
linhas. A tabela abaixo mostra o número máximo de adições (mais subtrações) e multiplicações (mais
divisões) necessárias para esses dois métodos para matrizes de ordens 3, 5 e 10. (Verifique isso.)

Expansão por cofatores Redução por linhas


Ordem n Adições Multiplicações Adições Multiplicações
3 5 9 8 10
5 119 205 40 44
10 3.628.799 6.235.300 330 339

Na verdade, o número máximo só de adições isoladas para a expansão por cofatores de uma matriz
n × n é n! − 1. O fatorial 30! é aproximadamente igual a 2,65 3 1032, então mesmo uma matriz relativa-
mente pequena 30 3 30 poderia exigir um número extremamente grande de operações. Se um computador
pudesse fazer um trilhão de operações por segundo, ainda poderia demorar mais de 22 trilhões de anos
para calcular o determinante dessa matriz usando expansão por cofatores. No entanto, a redução por linhas
levaria apenas uma fração de segundo.
Ao calcular um determinante à mão, às vezes você economiza etapas usando operações de linhas (ou colu-
nas) para criar uma linha (ou coluna) com zeros em todas as posições, exceto em uma e, em seguida, usar a expan-
são por cofatores para reduzir a ordem da matriz por 1. Os dois próximos exemplos ilustram essa abordagem.

EXEMPLO 5 Cálculo de determinante

Encontre o determinante de

∙ ∙
−3 5 2
A= 2 −4 −1 .
−3 0 6

SOLUÇÃO
Observe que a matriz A já possui um zero na terceira linha. Crie outro zero na terceira linha, somando a

∣ ∣∣ ∣
primeira coluna multiplicada por 2 à terceira coluna, conforme mostrado abaixo.
−3 5 2 −3 5 −4
∣∣
A = 2 −4 −1 = 2 −4 3
−3 0 6 −3 0 0

∣ ∣
A expansão por cofatores ao longo da terceira linha produz

∣ ∣
−3 5 −4
5 −4
∣∣
A = 2 −4 3 = −3(−1)4
−4 3
= −3(1)(−1) = 3.
−3 0 0

EXEMPLO 6 Cálculo de determinante

Encontre o determinante de

∙ ∙
2 0 1 3 −2
−2 1 3 2 −1
A= 1 0 −1 2 3 .
3 −1 2 4 −3
1 1 3 2 0
Determinantes 123

SOLUÇÃO
A segunda coluna desta matriz já possui dois zeros, então escolha-a para a expansão por cofatores. Crie

∣ ∣
dois zeros adicionais na segunda coluna, somando a segunda linha à quarta linha e, em seguida, somando
a segunda linha multiplicada por 21 à quinta linha.
2 0 1 3 −2
−2 1 3 2 −1
∣∣
A = 1 0 −1 2 3
3 −1 2 4 −3

∣ ∣
1 1 3 2 0

2 0 1 3 −2
−2 1 3 2 −1
= 1 0 −1 2 3
1 0 5 6 −4

∣ ∣
3 0 0 0 1

2 1 3 −2
1 −1 2 3
= (1)(−1)4
1 5 6 −4
3 0 0 1
Você agora reduziu o problema de encontrar o determinante de uma matriz 5 3 5 para o problema de
encontrar o determinante de uma matriz 4 3 4. A quarta linha já possui dois zeros e, portanto, escolha-a

∣ ∣∣ ∣
para a próxima expansão por cofator. Some a quarta coluna multiplicada por 23 à primeira coluna.
2 1 3 −2 8 1 3 −2
1 −1 2 3 −8 −1 2 3
∣∣
A =
1 5 6 −4
=
13 5 6 −4

∣ ∣
3 0 0 1 0 0 0 1
8 1 3
= (1)(−1) −8
8 −1 2
13 5 6

∣ ∣∣ ∣∣
Some a segunda linha à primeira linha e, em seguida, expanda por cofatores ao longo da primeira linha.
8 1 3 0 0 5
∣∣
A = −8 −1 2 = −8 −1 2
13 5 6 13 5 6

= 5(−1)4

−8
13
= 5(1)(−27)
−1
5

= −135

3.2 Exercícios

∣ ∣ ∣ ∣
Propriedades dos determinantes  Nos Exercícios 1 4 2 −3 2 1
1-20, determine qual propriedade dos determinantes  3. 0 0 0 = 0  4. 6 0 0 =0
a equação ilustra.

∣ ∣ ∣ ∣
5 6 −7 −3 2 1
 1.
∣ ∣
2
1
−6
−3
= 0  2.
−4 5
12 −15
=0
∣ ∣ 1
 5. −7
6
3
2
1
4 1
−5 = − −7
2 6
4
−5
2
3
2
1
124 Elementos de álgebra linear

∣∣ ∣∣ ∣ ∣
1 3 4 −5 1 6 2 −7 Cálculo de determinante  Nos Exercícios 21-24,
−2 2 0 1 −2 2 0 1 use tanto operações elementares de linhas quanto
 6. = de colunas, ou expansão por cofatores, para encon-
1 6 2 −7 1 3 4 −5
0 5 3 8 0 5 3 8 trar o determinante à mão. Em seguida, use um soft-

∣ ∣
ware ou uma ferramenta computacional para verificar

∣ ∣ ∣ ∣
5 10 1 2 sua resposta.
 7. =5
2 −7 2 −7 1 0 2 −1 3 2
 8.
9
∣ ∣ ∣ ∣1
=3
3 1 21. −1 1 4 22. 0 2 0

∣ ∣ ∣ ∣ ∣ ∣∣ ∣
3 12 1 12 2 0 3 1 1 −1
1 8 −3 1 2 −1 5 1 0 1 3 2 1 1
 9. 3 −12 6 = 12 3 −3 2 1 0 −1 −1 −1 0 2 0
23. 24.

∣ ∣∣ ∣
7 4 9 7 1 3 2 0 1 2 4 1 −1 0
1 2 3 1 1 1 −1 0 3 1 3 1 1 0
10. 4 −8 6 =64 −4 2
Cálculo de determinante  Nos Exercícios 25-36,

∣ ∣ ∣ ∣
5 4 12 5 2 4 use operações elementares de linhas ou colunas para

∣ ∣ ∣ ∣
−10 5 5 −2 1 1 encontrar o determinante.
11. 35 −20 25 = 53 7 −4 5 1 7 −3 1 1 1

∣∣ ∣∣ ∣ ∣
0 15 30 0 3 6 25.  1 3 2 −1 −2
1 26. 

∣ ∣ ∣ ∣
6 0 0 0 1 0 0 0 4 8 1 1 −2 −1
0 6 0 0 0 1 0 0 2 −1 −1 3 0 6
12. = 64
0 0 6 0 0 0 1 0 27.  1 3 2 −3
2 28.  4

∣ ∣ ∣ ∣
0 0 0 6 0 0 0 1 −6 3 3 1 −2 2

13.
2
8∣ ∣ −3
7
=
2
0
−3
19 29. 
3
7
2
5
−3 3 8
0 −5
1 30. 
−7
4

∣ ∣ ∣ ∣
∣ ∣ ∣ ∣
2 1 2 1 −1 2 6 6 1 6
14. = −7 9 −4

∣ ∣∣ ∣
0 −1 4 1 4 9 1 2 5
6 2 7 0 2 7 6 −5
1 −3 2 1 −3 2 31.  32. 
3 6 −3 3 4 1 −2 0
15. 5 2 −1 = 0 17 −11

∣ ∣∣ ∣ ∣ ∣
0 7 4 −1 7 3 4 10
−1 0 6 −1 0 6
3 2 4 11 3 2 −6 11 1 −2 7 9
−2 1 5 6 −2 1 0 6 3 −4 5 5
16. = 33.
5 −7 −20 15 5 −7 15 15 3 6 1 −1

∣ ∣
4 5 3 2

∣ ∣ ∣ ∣
4 −1 13 12 4 −1 8 12
5 4 2 5 4 2 0 −4 9 3
17. 4 −3 4 = − −4 3 −4 9 2 −2 7
34.
−5

∣ ∣ ∣ ∣
∣ ∣
7 6 3 7 6 3 7 0 11
−8 0 0 16
3 2 −2 3 2 −2
18. −1 3 =− 4 −1

∣ ∣
0 2 0 1 8 4 2
4 2 0 −1 0 3 2 6 0 −4 3
35. 2 0 2 6 2
2 1 −1 0 4

∣ ∣
0 2 8 0 0
1 0 1 3 2
0 1 1 2 2
19. 3 6 1 −3 6 =0
−2

∣ ∣
0 4 0 2 0 3 4 3 1
−1 8 5 3 2 −1 0 2 1 0
36. 5 −1 0 3 2
4 3 1 9 9
4 7 −8 0 0
9 −1 2 3 −3
1 2 3 0 2
20. 3 4 6 9 12 = 0
5 2 0 6 6 Verdadeiro ou falso?  Nos Exercícios 37 e 38, deter-
6 0 3 0 0 mine se cada afirmação é verdadeira ou falsa. Se uma
Determinantes 125

afirmação for verdadeira, dê uma justificativa ou cite


uma afirmação apropriada do texto. Se uma afirma- 46. P
 onto crucial  Calcule cada determi-
nante quando a = 1, b 5 4 e c = −3.

∣ ∣ ∣ ∣
ção for falsa, forneça um exemplo que mostre que a
afirmação não é verdadeira em todos os casos ou cite
0 b 0 a 0 1
uma afirmação apropriada do texto.
(a) 
a 0 0 (b) 
0 c 0
37. (a) Permutar duas linhas de uma matriz quadrada 0 0 c b 0 −16
muda o sinal de seu determinante.
(b) Multiplicar uma coluna de uma matriz quadrada
por uma constante não nula resulta no determi- 47. Demonstração guiada  Demonstre a Proprie-
nante multiplicado pela mesma constante. dade 2 do Teorema 3.3: quando B é obtido de A
somando um múltiplo de uma linha de A a outra linha
(c) Se duas linhas de uma matriz quadrada forem
de A, det(B) = det(A).
iguais, então seu determinante é 0.
 Começando: Para demonstrar que o determinante de
38. (a) A adição de um múltiplo de uma coluna de uma B é igual ao determinante de A, você precisa mostrar
matriz quadrada a outra coluna muda apenas o que as suas respectivas expansões por cofatores são
sinal do determinante. iguais.
(b) Duas matrizes são equivalentes por colunas quan- (i) Comece tomando B como a matriz obtida
do uma matriz pode ser obtida realizando ope- somando a j-ésima linha de A multiplicada por
rações elementares de colunas em outra coluna. c à i-ésima linha de A.
(c) Se uma linha de uma matriz quadrada é um múl- (ii) Encontre o determinante de B expandindo nessa
tiplo de outra linha, então o determinante é 0. i-ésima linha.
Cálculo do determinante de uma matriz elemen- (iii) Distribua e depois agrupe os termos que contêm
tar  Nos Exercícios 39-42, encontre o determinante um coeficiente c e aqueles que não contêm um
da matriz elementar. (Suponha que k ≠ 0.∙ coeficiente c.
(iv) Mostre que a soma dos termos que não contêm o

∙ ∙ ∙ ∙
1 0 0 0 0 1 coeficiente c é o determinante de A e que a soma
39. 0 k 0 40.
0 1 0 dos termos contendo um coeficiente c é igual a 0.
0 0 1 1 0 0
48.  D
 emonstração guiada  Demonstre a Proprie-

∙ ∙ ∙ ∙
1 0 0 1 0 0 dade 3 do Teorema 3.3: quando B é obtido de A mul-
41. k 1 0 42. 0 1 0 tiplicando uma linha de A por uma constante c não
0 0 1 0 k 1 nula, det(B) = c det(A).
 Iniciando: Para demonstrar que o determinante de B

∣ ∣∣ ∣∣ ∣
43. Demonstração  Demonstre a propriedade. é igual a c vezes o determinante de A, você precisa
a11 a12 a13 b11 a12 a13 (a11 + b11) a12 a13 mostrar que o determinante de B é igual a c vezes a
expansão por cofator do determinante de A.
a21 a22 a23 + b21 a22 a23 = (a21 + b21) a22 a23
a31 a32 a33 b31 a32 a33 (a31 + b31) a32 a33 (i) Comece tomando B como a matriz obtida mul-
tiplicando por c a i-ésima linha de A.

∣ ∣
44. Demonstração  Demonstre a propriedade. (ii) Encontre o determinante de B expandindo ao
1+a 1 1 longo desta linha.
1 1+b 1 = abc 1 + + + ,
a b ∙
1 1 1
c ∙ (iii) Fatore o termo comum c.
1 1 1+c (iv) Mostre que o resultado é c vezes o determinante
a ≠ 0,  b ≠ 0,  c ≠ 0 de A.
45. Encontre cada determinante.

∣ ∣ ∣ ∣
(a)  (b) 
cos θ sen θ sen θ 1
−sen θ cos θ 1 sen θ
126 Elementos de álgebra linear

3.3 Propriedades dos determinantes


Encontrar o determinante de uma matriz produto e de um múl-

tiplo escalar de uma matriz.
Encontrar
 o determinante de uma matriz inversa e reconheçer
as condições equivalentes para uma matriz não singular.
Encontrar o determinante da transposta de uma matriz.


PRODUTOS DE MATRIZES E MÚLTIPLOS ESCALARES


Nesta seção, você aprenderá várias propriedades importantes dos determinantes.
Você iniciará considerando o determinante do produto de duas matrizes.

EXEMPLO 1 O determinante de uma matriz produto

∣∣∣∣ ∣ ∣
Encontre A , B e AB para as matrizes

∣∣

SOLUÇÃO
1
A = 0
1 ∣ ∣ −2
3
0
2 2
2 = −7  e   B = 0
1 3
∣∣
∣ ∣ 0
−1
1
1
−2 = 11.
−2

∣∣ ∣∣

∣ ∣ ∣ ∣
A e B têm os valores
1 −2 2 2 0 1
∣∣
A = 0 3 2 = −7  e   B = 0 ∣∣ −1 −2 = 11.
1 0 1 3 1 −2
A matriz produto AB é

∙ ∙∙ ∙ ∙ ∙
1 −2 2 2 0 1 8 4 1
AB = 0 3 2 0 −1 −2 = 6 −1 −10 .
1 0 1 3 1 −2 5 1 −1

∣ ∣
Finalmente,
8 4 1
∣ ∣
AB = 6 −1 −10 = −77.
5 1 −1
OBSERVAÇÃO
O Teorema 3.5 pode ser esten-
dido para incluir o produto
No Exemplo 1, observe que ∣AB∣ = ∣A∣∣B∣, ou −77 = (−7)(11). Isso é
verdade em geral.
de qualquer número finito de
matrizes. Assim, TEOREMA 3.5   Determinante de uma matriz produto
∣A 1 A 2 A 3 . . . A k ∣ Se A e B são matrizes quadradas de ordem n, então det(AB) = det(A) det(B).
= ∣A1∣∣A2∣∣A 3∣ . . . ∣Ak∣.

DEMONSTRAÇÃO
Para começar, observe que se E é uma matriz elementar, então, pelo Teorema 3.3,
as próximas três afirmações são verdadeiras. Se você obtiver E de I permutando
∣∣
duas linhas, então E = −1. Se você obtiver E multiplicando uma linha de I por
∣∣
uma constante diferente c não nula, então E = c. Se você obtiver E somando
∣∣
um múltiplo de uma linha de I a outra linha de I, então E = 1. Além disso, pelo
Teorema 2.12, se E resulta da execução de uma operação elementar de linhas em
I e a mesma operação elementar de linhas é realizada em B, então o resultado é a
∣ ∣ ∣ ∣∣ ∣
matriz EB. Segue daí que EB = E B .
Determinantes 127

∣ ∣ ∣ ∣ ∣ ∣∣ ∣∣ ∣
Isso pode ser generalizado para concluir que Ek . . . E2E1B = Ek . . . E2 E1 B , onde Ei é uma
matriz elementar. Agora considere a matriz AB. Se A não é singular, então, pelo Teorema 2.14, ela pode
ser escrita como o produto A = Ek . . . E2 E1, de modo que
∣ ∣ ∣ ∣
AB = Ek . . . E2E1B
∣ ∣ ∣ ∣∣ ∣∣ ∣
= Ek . . . E2 E1 B
∣ ∣∣ ∣
= Ek . . . E2 E1 B
∣ ∣∣ ∣
= A B.
Se A é singular, então A é equivalente por linhas a uma matriz com uma linha inteira de zeros. Do Teorema
∣∣
3.4, A = 0. Além disso, segue que AB também é singular. (Se AB não fosse singular, então A[B(AB)−1] = I
∣ ∣
implicaria que A não é singular.) Então, AB 5 0 e você pode concluir que AB = A B . ∣ ∣ ∣ ∣∣ ∣
O próximo teorema mostra a relação entre A e cA . ∣∣ ∣ ∣
TEOREMA 3.6   Determinante de um múltiplo escalar de uma matriz
Se A é uma matriz quadrada de ordem n e c é um escalar, então o determinante de cA é
det(cA) = c n det(A).

DEMONSTRAÇÃO
Esta fórmula pode ser demonstrada por aplicações repetidas da Propriedade 3 do Teorema 3.3. Fatore o
∣ ∣
escalar c de cada uma das n linhas de cA para obter cA = c n A . ∣ ∣ ∣∣

EXEMPLO 2 O determinante de um múltiplo escalar de uma matriz

Encontre o determinante da matriz.

∙ ∙
10 −20 40
A= 30 0 50
−20 −30 10

∣ ∣
SOLUÇÃO

∙ ∙
1 −2 4 1 −2 4
A = 10 3 0 5   e   3 0 5 =5
−2 −3 1 −2 −3 1

∣ ∣
portanto, aplique o Teorema 3.6 para concluir que
1 −2 4

∣∣
A = 103 3 0 5 = 1.000 (5) = 5.000.
−2 −3 1
Os Teoremas 3.5 e 3.6 fornecem fórmulas para os determinantes do produto de duas matrizes e um
múltiplo escalar de uma matriz. Esses teoremas, no entanto, não dão uma fórmula para o determinante da
soma de duas matrizes. A soma dos determinantes de duas matrizes geralmente não é igual ao determinante
∣∣ ∣∣ ∣
de sua soma. Em outros termos, em geral, A + B ≠ A + B . Por exemplo, se ∣
∙62 ∙  e  B = ∙30 ∙
2 7
A=
1 −1
∙92 ∙ ∣
9
∣∣ ∣∣
então A = 2 e B = −3, mas A + B =
0 ∣
e A + B = −18.

DETERMINANTES E A INVERSA DE UMA MATRIZ


Pode ser difícil dizer simplesmente por inspeção se uma matriz tem uma inversa. Você saberia dizer qual
das matrizes a seguir é inversível?
128 Elementos de álgebra linear

∙ ∙ ∙ ∙
0 2 −1 0 2 −1
A= 3 −2 1 ou B= 3 −2 1
3 2 −1 3 2 1
O próximo teorema sugere que determinantes são úteis para classificar as matrizes
quadradas como inversíveis ou não inversíveis.

TEOREMA 3.7 Determinante de uma matriz quadrada


inversível
D e s coberta A matriz quadrada A é inversível (não singular) se e somente se det(A) ≠ 0.
Seja
DEMONSTRAÇÃO

∙ ∙
6 4 1
A= 0 2 3 . Para demonstrar o teorema em uma direção, suponha que A é inversível. Então
1 1 2 ∣ ∣∣ ∣ ∣ ∣
AA21 5 I e, pelo Teorema 3.5, você pode escrever A A−1 = I . Agora I = 1, ∣∣
de modo que você sabe que nenhum dos determinantes à esquerda é zero.
1. Use um software ou ∣∣
Especificamente, A ≠ 0.
uma ferramenta com- Para demonstrar o teorema na outra direção, suponha que o determinante de A
putacional para encon- seja diferente de zero. Então, usando a eliminação de Gauss-Jordan, encontre uma
trar A−1. matriz B, em forma escalonada reduzida que seja equivalente por linhas a A. A
2. Compare det(A −1 ) com
matriz B deve ser a matriz identidade I ou deve ter pelo menos uma linha que con-
siste inteiramente em zeros, porque B está em forma escalonada reduzida. Mas se B
det(A).
∣∣
tiver uma linha só de zeros, então, pelo Teorema 3.4, você sabe que B = 0, o que
3. Faça uma conjectura ∣∣
implicaria que A = 0. Você supôs que |A| é diferente de zero, de modo que pode
sobre o determinante concluir que B = I. A matriz A é, portanto, equivalente por linhas à matriz identida-
da inversa de uma de e, pelo Teorema 2.15, você sabe que A é inversível.
matriz.
Classificação de matrizes quadradas como
EXEMPLO 3 singulares ou não singulares
Determine se cada matriz tem uma inversa.

∙ ∙ ∙ ∙
0 2 −1 0 2 −1
a. 3 −2 1 b. 3 −2 1
3 2 −1 3 2 1

∣ ∣
SOLUÇÃO
0 2 −1
a. 3 −2 1 =0
3 2 −1

∣ ∣
de modo que esta matriz não tem inversa (é singular).
0 2 −1
b. 3 −2 1 = −12 ≠ 0
3 2 1
de modo que esta matriz tem uma inversa (é não singular).

O próximo teorema fornece uma maneira de encontrar o determinante de uma


matriz inversa.

TEOREMA 3.8 Determinante de uma matriz inversa


1
Se A é uma matriz inversível n × n, então det(A−1) = .
det(A)

DEMONSTRAÇÃO
A matriz A é inversível, então AA21 5 I e, usando Teorema 3.5,
∣ ∣∣ ∣ ∣ ∣
A A−1 = I = 1. Pelo Teorema 3.7, você sabe que A ≠ 0, de modo que∣∣
∣∣
você pode dividir cada lado por A para obter
Determinantes 129

1
∣A−1∣ = ∣A∣.

EXEMPLO 4 O determinante da inversa de uma matriz


OBSERVAÇÃO
A inversa de A é ∣ ∣
Encontre A−1 para a matriz

∙ ∙ ∙ ∙
− 12
3 3
4 4 1 0 3
A −1
= 1 − 32 − 12 . A= 0 −1 2 .
1
− 14 − 14 2 1 0
2

Calcule o determinante dessa SOLUÇÃO


matriz diretamente. Em segui- Uma maneira de resolver este problema é encontrar A−1 e depois calcular seu
da, compare sua resposta com determinante. No entanto, é mais fácil aplicar o Teorema 3.8, conforme mostrado

∣ ∣
a que obteve no Exemplo 4. abaixo. Encontre o determinante de A,
1 0 3
∣∣A = 0 −1 2 =4
OBSERVAÇÃO 2 1 0
Na Seção 3.2, você viu que ∣ ∣ ∣∣ ∣ ∣
e depois use a fórmula A−1 = 1∙ A para concluir que A−1 = 14.
uma matriz quadrada A tem
um determinante zero quando Observe que o Teorema 3.7 fornece outra condição equivalente que pode ser
A é equivalente por linhas a adicionada à lista no Teorema 2.15, conforme mostrado abaixo.
uma matriz que tenha pelo
menos uma linha consistin- Condições equivalentes para uma matriz não singular
do inteiramente de zeros.
Se A é uma matriz n × n, as afirmações abaixo são equivalentes.
A validade desta afirmação
decorre da equivalência das 1.  A é inversível.
Afirmações 4 e 6. 2.  Ax = b tem uma solução única para cada matriz coluna b.
3.  Ax = O tem apenas a solução trivial.
4.  A é equivalente por linhas a In.
5.  A pode ser escrita como o produto de matrizes elementares.
6.  det(A) ≠ 0

EXEMPLO 5 Sistemas de equações lineares


Qual dos sistemas possui uma única solução?
a. 2x2 − x3 = −1 b. 2x2 − x3 = −1
  3x1 − 2x2 + x3 = 4   3x1 − 2x2 + x3 = 4
3x1 + 2x2 − x3 = −4 3x1 + 2x2 + x3 = −4
SOLUÇÃO
Do Exemplo 3, você sabe que as matrizes de coeficientes para esses dois sistemas

∣ ∣ ∣ ∣
têm os determinantes mostrados a seguir.
0 2 −1 0 2 −1
a.  3 −2 1 = 0 b.  3 −2 1 = −12
3 2 −1 3 2 1
Usando a lista anterior de condições equivalentes, você pode concluir que apenas
o segundo sistema possui solução única.

DETERMINANTES E A TRANSPOSTA DE UMA MATRIZ


O próximo teorema diz que o determinante da transposta de uma matriz quadrada é
igual ao determinante da matriz original. Este teorema pode ser demonstrado com
indução matemática e o Teorema 3.1, o qual afirma que um determinante pode ser
130 Elementos de álgebra linear

calculado usando a expansão por cofatores ao longo de em uma linha ou coluna. Os


detalhes da demonstração são deixados para você. (Veja o Exercício 66.)

TEOREMA 3.9 Determinante de uma transposta


Se A é uma matriz quadrada, então
det(A) = det(AT ).

EXEMPLO 6 O determinante de uma transposta

Veja LarsonLinearAlgebra.com para uma versão interativa deste tipo de exemplo.

∣∣ ∣ ∣
Mostre que A = AT para a matriz abaixo.

∙ ∙
3 1 −2
A= 2 0 0
−4 −1 5
SOLUÇÃO
Para encontrar o determinante de A, expanda por cofatores ao longo da segunda
linha para obter

∣A∣ = 2(−1)3 −1
= (2)(−1)(3)
∣ 1 −2
5 ∣
= −6.
Para encontrar o determinante de

∙ ∙
3 2 −4
AT = 1 0 −1
−2 0 5
expanda por cofatores ao longo da segunda coluna para obter

∣AT∣ = 2(−1)3 −2
= (2)(−1)(3)
∣ 1 −1
5 ∣
= −6.

Sistemas de equações diferenciais lineares muitas


ÁLGEBRA
vezes surgem na engenharia e na teoria de controle.
LINEAR Para uma função f (t ) que está definida para todos os
APLICADA valores positivos de t, sua transformada de Laplace é

F (s) = ∙

0
e−stf (t )dt

desde que a integral imprópria exista. As transforma-


das de Laplace e a regra de Cramer, que usa determi-
William Perugini/Shutterstock.com

nantes para resolver um sistema de equações lineares,


às vezes podem ser empregadas para resolver um
sistema de equações diferenciais. Você estudará a
regra de Cramer na próxima seção.
Determinantes 131

3.3  Exercícios
Determinante de uma matriz produto  Nos O determinante de uma soma de matrizes  Nos
∣ ∣ ∣ ∣
Exercícios 1-6, encontre (a) A , (b) B , (c) AB e (d) ∣ ∣ ∣ ∣
Exercícios 15-18, encontrar (a) A , (b) B , (c) A 1 B e (d)
∣ ∣
AB . A seguir, verifique que A B ∙ AB . ∣ ∣∣ ∣ ∣ ∣ ∣ ∣
A ∙ B . A seguir, verifique que A ∙ B ≠ A ∙ B . ∣ ∣ ∣ ∣ ∣ ∣
−1 1 −1
∙ ∙ ∙ ∙
−2 1
∙ ∙ ∙ ∙
1 1 1
 1. A = ,  B = 15. A = ,  B =
4 −2 0 −