Apêndi

e B
Matrizes
Neste apêndi e revisaremos denições bási as e propriedades usuais de matrizes, de-
terminantes e sistemas de equações lineaares, que en ontram muitas apli ações nos vários
ramos da físi a.

B.1 Matrizes

Uma matriz onsiste em um onjunto de es alares (números) dispostos em m linhas e

n olunas, omo exibido abaixo,

 
a11 a12 . . . a1n
 a21 a22 . . . a2n 
A=
 ... ...
.
... ... 
am1 am2 . . . amn

Assim, uma matriz Am×n (lê-se: matriz A m por n) possui m vezes n elementos. Cada
elemento da matriz A referida onsiste normalmente em um número real ou omplexo.
Frequentemente, representamos a matriz A por seu elemento genéri o aij , que orres-
ponderá ao número posi ionado na linha i e oluna j. O índi e i pode variar entre 1 e m,
e j entre 1 e n, neste aso.
É omum designar a matriz omo a ima, um arranjo de números dentro de dois grandes
parênteses ( ), sendo também usada a notação om ol hetes, su ientemente grandes [ ]
para envolver a disposição de números. Já a notação om barras verti ais | | é reservada
para determinantes, e não deve ser usada para matrizes.
Às vezes, nós físi os usamos a mesma simbologia de matrizes ontendo elementos mais
sosti ados que números (por exemplo, versores), ou então empregamos arranjos om in-
nitas linhas ou olunas, que ainda hamamos de matrizes ( omo na me âni a matri ial
de Heisenberg, uma das primeiras formulações da teoria quânti a). Tais pro edimentos
podem ser quali ados omo heurísti os, isto é, embora não sejam rigorosamente válidos,
permitem obter soluções satisfatórias do problema tratado.
Faz-se algumas operações om matrizes, omo soma, subtração, multipli ação por um
es alar (número), multipli ação de matrizes.

399
400 APÊNDICE B. MATRIZES

Na soma de duas matrizes, pressupõe-se que sejam matrizes do mesmo tipo (as duas
matrizes devem ter o mesmo número de linhas, e também têm que ter o mesmo número de
olunas), isto porque somamos elemento a elemento (a11 om b11 ; a12 om b12 ; et ), omo
neste exemplo om duas matrizes2 × 2,
     
1 2 3 −1 4 1
C =A+B = + = .
0 −1 1 1 1 0

Generi amente, indi amos a soma de duas matrizes A = (aij ) e B = (bij ) assim:

cij = aij + bij

(lembre-se que A, B e C =A+B são matrizes do mesmo tipo m × n).

A soma de matrizes é omutativa, A + B = B + A.
Já para a subtração,
cij = aij − bij ,
que forne e os elementos da matriz C = A − B.
Multipli ar uma matriz A por um dado número λ orresponde à multipli ar ada ele-
mento de A por λ. O elemento genéri o da matriz λA será:

(λ A)ij = λ aij .

Outra operação muito simples que se pode fazer om uma matriz A é a transposição.
Se A= (aij ), então a transposta de A, que indi aremos At , é:

(At )ij = aji .

Exemplo B.1. Obtenha a transposta de

 
1 2 4
A =  0 −1 2  .
3 0 5

H
Para tanto, es revemos uma nova matriz, em que ada uma de suas olunas será obtida
de uma linha da matriz original. Em outros termos, tro amos linhas por olunas. No aso
do exemplo,

 
1 0 3
At =  2 −1 0  .
4 2 5

N
B.1. MATRIZES 401

Quando o número de linhas e o número de olunas de uma matriz são iguais (m = n),
dizemos que a matriz é quadrada; tendo em vista as apli ações, nosso maior interesse
on entra-se nesse tipo de matriz.
No aso em que aij = 0, ex eto para i = j, teremos a matriz diagonal, omo esta:
 
−1 0 0
D= 0 1 0 .
0 0 4

Estes elementos não nulos aii onstituem o que hamamos diagonal prin ipal da matriz.
Em parti ular, a matriz unidade (ou identidade) é diagonal,
 
1 0 0
1= 0 1 0 .
0 0 1

Há as matrizes triangulares superior e inferior, do tipo:

   
4 2 1 1 0 0
 0 1 8 ,  −1 1 0 
0 0 −1 0 3 2

e através destes exemplos vemos que na matriz triangular superior há elementos não todos
nulos na parte a ima da diagonal prin ipal, já no exemplo a ima à direita há elementos
não nulos apenas abaixo da diagonal prin ipal, e temos aí uma matriz triangular inferior.
A multipli ação de matrizes segue a seguinte re eita: se C = AB orresponde à multi-
pli ação (também hamada produto) de A e B, seu elemento genéri o é dado por

n
X
cij = aik bkj .
k=1

Portanto, para al ular o elemento ij da matriz produto, efetuamos uma soma dos
produtos de ada elemento da linha i da primeira matriz por ada elemento da oluna j
da segunda matriz. Veja o seguinte exemplo.

Exemplo B.2. Cal ule o produto das matrizes A e B,

 
  1 0 0
2 1 0
A= , B= 0 1 0  .
−1 3 1 2×3 −1 0 1 3×3

H
Para obter o elemento c11 da matriz produto C = AB , multipli amos a primeira linha
de A pela primeira oluna de B, elemento por elemento, e somamos:

2.1 + 1.0 + 0.(−1) = 2 ;

402 APÊNDICE B. MATRIZES

para c12 multipli amos elemento por elemento da primeira linha de A e os da segunda
oluna de B. E assim por diante.
Há um detalhe importante. Para podermos efetuar essa multipli ação das matrizes A
e B , o número de olunas de A deve ser exatamente igual ao número de linhas de B . Neste
exemplo, desta amos o 3 em negrito quando exibimos os dimensionamentos de A e B , ou
seja, o número de linhas e olunas de A e B no enun iado do exemplo, onra.
Obteremos:
 
2 1 0
C = AB = .
−2 3 1 2×3

Note também que o número de linhas e olunas da matriz resultante orresponde ao

número de linhas de A e ao número de olunas de B.
N

Em geral, o produto de matrizes não é omutativo, isto é, muitas vezes o orre que
AB 6= BA (matrizes A e B quadradas). Dene-se o omutador das matrizes A e B,

[A, B] = AB − BA .

Quando [A, B] = 0, dizemos que as matrizes A e B omutam.

O traço de uma matriz quadrada é denido omo a soma dos elementos diagonais da
matriz,
n
X
traço(A)n×n = aii .
i=1

Em determinadas apli ações na área de físi a, o traço de algumas matrizes represen-

tando grandezas físi as é invariante por rotações de oordenadas ou outras transformações.
Leis de onservação ou invariân ia estão entre as hipóteses mais fundamentais nas teorias
físi as.

B.2 Determinantes

Antes de ontinuar om a apresentação de operações, propriedades e lassi ações de

matrizes, pre isaremos do on eito de determinante e das té ni as de seu ál ulo.
Um determinante, asso iado a um arranjo de números omo uma matriz quadrada,
onsiste em um úni o número que pode ser real ou omplexo, número esse obtido a partir
daqueles elementos de matriz, omo expli aremos a seguir.
A té ni a para al ular determinantes de ordem dois é bem simples e onsiste em
subtrair o produto dos números na diagonal prin ipal e os da diagonal se undária:

   
a b  a b 
det =   = ad − bc ;

c d c d

observe as notações para indi ar o determinante. Usa-se mais as barras verti ais.
B.2. DETERMINANTES 403

Para um determinante de ordem três, há a regra de Sarrus,

 
 a b c 
 
 d e f  = aej + bf g + cdh − ceg − bdj − af h .
 
 g h j 

Já para determinantes de ordem quatro ou superior, ostuma-se empregar o desenvol-

vimento por uma linha (ou oluna), o que abaixa a ordem dos determinantes a serem
al ulados. O exemplo seguinte ilustra o ál ulo de um determinante de quarta ordem.

Exemplo B.3. Cal ule o determinante de ordem quatro seguinte:

 
 0 −1 1 3 

 1 0 −1 2 
D =  .
 1 1 0 1 
 4 1 2 1 

H
Podemos efetuar a expansão do determinante de ordem quatro, por exemplo pela pri-
meira linha. Teremos então que somar ada um dos elementos da primeira linha, mul-
tipli ados pelo sinal (−1)i+j (i e j indi ando números de linha e oluna do elemento), e
multipli ados ainda pelo determinante de ordem três que se obtém eliminando a linha i e
a oluna j,
     
 0 −1 2   1 −1 2   1 0 2 

1+1 
    
D = 0.(−1) .  1 0 1  + (−1).(−1)1+2 .  1 0 1  + 1.(−1)1+3 .  1 1 1 +
    
 1 2 1   4 2 1   4 1 1 
 
 1 0 −1 

1+4 
+3.(−1) .  1 1 0  .
 4 1 2 

Observe que a expansão envolve uma soma de quatro termos; ada um dos quatro ele-
mentos da primeira linha é multipli ado por um sinal, e pelo determinante menor de ordem
três. Por exemplo, o determinante menor de ordem três a ompanhando o elemento a11 foi
obtido do de quarta ordem eliminando a primeira linha e a primeira oluna. Efetuando o
ál ulo dos determinantes de ordem três e somando os termos, obtemos D = −22.
N

O desenvolvimento do determinante poderia também ter sido feito por outra linha, ou
por qualquer oluna, seguindo um pro edimento de ál ulo semelhante ao do exemplo, o
que levaria ao mesmo resultado.
Em geral, o determinante tomado sobre uma matriz n×n, vamos hamá-la de A = (aij ),
é dado por:
n
X
det A= ǫijk...z a1i a2j a3k . . . anz .
i,j,k,...,z=1
404 APÊNDICE B. MATRIZES

Note que em ada termo dessa série são multipli ados vários elementos de matriz, mas
apenas um de ada linha.
Os símbolos de Levi-Civita (ou tensor de Levi-Civita) ǫijk...z valem +1 quando os
índi es (ijk . . . z) forem iguais a uma permutação í li a de (123 . . . n); valerão −1 quando
(ijk . . . z) forem iguais a uma permutação í li a de (213 . . . n) e valerão zero quando houver
uma repetição ou mais nos valores dos índi es. A permutação í li a pode ser onseguida
por exemplo enviando o primeiro elemento ao m da la; onra na tabela B.1 os valores
do símbolo de Levi-Civita para o aso n = 3.

i j k ǫijk Observações

1 2 3 +1
2 3 1 +1
3 1 2 +1
2 1 3 −1
1 3 2 −1
3 2 1 −1
1 1 1 0 Casos om
1 1 2 0 repetições de
... ... ... ... um ou mais
3 3 3 0 índi es dão zero

Tabela B.1: Valores do tensor de Levi-Civita om três índi es.

Vamos enun iar em seguida algumas propriedades dos determinantes.

Se tro armos duas linhas quaisquer de um determinante, este tro a de sinal. O mesmo
vale para a tro a de duas olunas. Esta é a hamada propriedade de antissimetria pela
tro a de linhas (ou olunas).
Se o determinante tem duas linhas iguais, é nulo. Há uma prova uriosamente simples
desta propriedade: imagine um determinante om duas linhas iguais, sendo numeri amente
igual a D. Se tro armos (imaginariamente) as duas linhas iguais, ele deve tro ar de sinal,
seu determinante passando a valer (−D). Mas omo as linhas tro adas eram iguais, nada
aparenta ter mudado, e assim D = −D . Mas isto só vale para D = 0. A abamos de
mostrar que o valor de um determinante om duas linhas iguais é zero!
O determinante também será nulo se tiver duas olunas iguais.
Se multipli armos uma linha (ou oluna) do determinante por um número λ, então o
valor do determinante será multipli ado por λ.
No aso do determinante possuir uma linha om todos elementos nulos, ele terá o valor
zero. O mesmo o orre se houver uma oluna de elementos nulos.
Se um determinante tiver duas linhas (ou olunas) propor ionais, será nulo.
O determinante de uma matriz é exatamente igual ao determinante da transposta da
mesma matriz,
det At = det A .
B.3. INVERSO DE MATRIZES 405

O determinante de um produto de duas matrizes é igual ao produto dos determinantes

das duas matrizes:
det (A B) = det A . det B .

Exemplo B.4. O determinante de Slater.

H
A propriedade men ionada a ima de antissimetria pela tro a de linhas ou olunas num
determinante é muito útil na des rição de sistemas de férmions, que possuem uma função de
onda global antissimétri a pela tro a de duas dessas partí ulas. Os elétrons são férmions,
e assim a função de onda des revendo um átomo multieletrni o deve tro ar de sinal se
tro armos dois elétrons (para xar idéias, tro amos de posição os elétrons 1 e 2),
Ψ(1, 2, 3, . . . , N ) = −Ψ(2, 1, 3, . . . , N ) .
Uma forma onveniente de expressar, então, a função global do átomo multieletrni o
é feita através do hamado determinante de Slater,
 
 ψa (1) ψa (2) ψa (3) . . . ψa (N ) 
 
1  ψb (1) ψb (2) ψb (3) . . . ψb (N ) 

Ψ(1, 2, 3, . . . , N ) = √
N !  . . . ... ... ... ... 

 ψz (1) ψz (2) ψz (3) . . . ψz (N ) 

porque ao tro armos por exemplo o elétron 1, representado através das funções de partí ula
independente na oluna 1 do determinante, pelo elétron 2, o que equivale a efetuar a
tro a das olunas 1 e 2, o determinante tro ará de sinal. Com a es olha da forma em
determinante, a propriedade de antissimetria da função global Ψ estará automati amente
garantida.
N

B.3 Inversão de Matrizes

No aso de A ser uma matriz quadrada, om o determinante asso iado não nulo, é
possível en ontrar uma matriz inversa A−1 tal que as relações seguintes sejam válidas:

A A−1 = A−1 A = 1 .
Há alguns algorítmos que permitem o ál ulo da matriz inversa.
O exemplo seguinte mostrará omo empregar a té ni a que al ula os ofatores para
ada elemento de matriz.

Exemplo B.5. Obtenha a inversa da matriz M,

 
1 2 3
M =  2 −1 0  .
3 0 1
406 APÊNDICE B. MATRIZES

H
Cal ulamos, pela regra de Sarrus, o valor do determinante

det M = −1 + 9 − 4 = 4 .
Como o determinante não é nulo, é possível inverter a matriz M.
Pre isaremos da transposta de M, que já aprendemos a al ular, tro ando linhas por
olunas,
 
1 2 3
M t =  2 −1 0  .
3 0 1
Se vo ê observar bem, a transposta oin idiu om a matriz original; quando isto o orre,
dizemos que a matriz M é simétri a, Mt = M.
Para ada um dos elementos de M t , al ulamos o hamado ofator orrespondente, que
é o produto do termo (−1)
i+j pelo determinante menor que se obtém eliminando a linha

i e a oluna j.
Por exemplo, o ofator para o elemento (M t )11 = 1, vale (−1)1+1 vezes o determinante
menor:  
 −1 0 
(−1) 1+1  = −1 .
 0 1 
Para hegar neste determinante de ordem 2 a ima, eliminamos a primeira linha e a
primeira oluna de M t.
Como um segundo exemplo de ofator, mostramos o ofator do elemento (M t )12 = 2,
 
 2 0 
(−1) 1+2   = −2 .
 3 1 

Agora, abandonou-se a primeira linha e a segunda oluna de Mt para hegar ao deter-

minante menor.
Tendo efetuado o ál ulo dos nove ofatores dos elementos de M t , formamos a matriz
inversa om os vários ofatores, dividindo-a pelo determinante de M (que vale 4):
 
−1 −2 3
1
M −1 =  −2 −8 6 
4
3 6 −5
ou seja,
 
−1/4 −1/2 3/4
M −1 =  −1/2 −2 3/2  .
3/4 3/2 −5/4
Caso deseje onferir se essa é realmente a matriz inversa de M, a ompanhe o ál ulo:
   
−1 −2 3 1 2 3
1 
M −1 M = −2 −8 6  .  2 −1 0 
4
3 6 −5 3 0 1
 
4 0 0
1 
= 0 4 0  = 1.
4
0 0 4
B.4. SISTEMAS DE EQUAÇÕES LINEARES 407

Deixamos omo exer í io a veri ação de que M.M −1 também vale 1.

N

Uma propriedade interessante da inversa é:

(A B)−1 = B −1 A−1 .

Também, a inversa da inversa leva à matriz original,

(A−1 )−1 = A .

B.4 Sistemas de Equações Lineares

Uma equação do tipo

a1 x 1 + a2 x 2 + . . . + an x n = b
é hamada equação algébri a linear (ou ombinação linear de x1 , x2 , . . . , xn ). Os oe-
ientes a1 , a2 , ..., an são onstantes onhe idas (números), e os x1 , x2 , . . . , xn são as n
in ógnitas. Note que todas as in ógnitas xi estão elevadas à primeira potên ia, daí o termo
linear.
A equação algébri a a ima será não homogênea se b 6= 0, e no aso de b nulo a equação
será homogênea.
Um sistema de equações lineares envolve erto número m de equações do tipo men io-
nado antes,


 a11 x1 + a12 x2 + . . . + a1n xn = b1

a21 x1 + a22 x2 + . . . + a2n xn = b2
.

 ...

am1 x1 + am2 x2 + . . . + amn xn = bm
Os sistemas de equações podem ser homogêneos, se todos os bi 's forem nulos, ou não
homogêneos quando nem todos os bi 's são nulos.
O sistema de equações pode ser es rito na forma matri ial,

   
a11 a12 . . . a1n x1 b1
 a21 a22 . . . a2n   x2   b2 
  = 
 ... ... ... ...   ...   ... 
am1 am2 . . . amn xn bn

ou de forma sintéti a A x = b. Por terem apenas uma oluna, as matrizes x e b são

hamadas matrizes oluna ou vetores oluna.
Sistemas om mais in ógnitas que equações (m < n) geralmente possuem innitas
soluções.
Dependendo das matrizes A e b, pode haver uma solução úni a, ou mesmo nenhuma
solução. Mais adiante, dis utiremos os on eitos de dependên ia e independên ia linear, o
que nos ajudará a ompreender e dis ernir entre tais asos om muitas soluções ou uma
úni a (ou nenhuma).
408 APÊNDICE B. MATRIZES

Em função das várias apli ações que se pode en ontrar em físi a, nós estamos parti-
ularmente interessados em sistemas de equações om m = n, envolvendo uma matriz A
quadrada.
Para tratar o aso de sistemas não homogêneos de equações existe a regra de Cramer,
bastante direta e e iente para obter a solução do sistema de equações. Para usá-la,
devemos al ular o determinante asso iado à matriz A, e este deve ser não nulo. Neste
aso, ada uma das in ógnitas xi será dada pelo determinante da matriz A substituída a
oluna i pelo vetor oluna b, dividido pelo determinante da matriz A original. Por exemplo,
para determinar x1 ,
 
 b1 a12 . . . a1n 
 
1  b2 a22 . . . a2n 
x1 = 
det A  . . . . . . . . . . . . 
 bn an2 . . . ann 

O seguinte exemplo ilustra o pro edimento de Cramer.

Exemplo B.6. Obtenha a solução do sistema de equações seguinte


 x + 2y + z = 4
2x − y − z = 3 .

x + y + 3z = 3
H

Este sistema pode ser olo ado em forma matri ial, usando as propriedades de produtos
de matrizes, na forma Ax = b,
    
1 2 1 x 4
 2 −1 −1   y  =  3  .
1 1 3 z 3

O determinante da matriz A dos oe ientes do sistema de equações vale:

det A = −3 − 2 + 2 + 1 − 12 + 1 = −13 .

Segundo a regra de Cramer, as in ógnitas são dadas por:

 
 4 2 1 
1  
x=−  3 −1 −1  = +2 ;
13 
3 1 3 

observe que a primeira oluna da matriz A foi substituída pelo vetor oluna b. A mesma
substituição será feita na segunda e ter eira olunas para obter y e z,
 
 1 4 1 
1   
y=− 2 3 −1  = +1 ,
13  
1 3 3 
B.4. SISTEMAS DE EQUAÇÕES LINEARES 409

 
 1 2 4 
1  
 = 0.
z=− 2 −1 3
13  

1 1 3

E se tivermos um sistema de n equações om n in ógnitas, mas om todos os bi nulos?

Nos referimos agora a um sistema homogêneo.
Neste aso, se detA 6= 0 então, por Cramer,

 
 0 a12 . . . a1n 
 
1  0 a22 . . . a2n 
=0
x1 =  
det A  ... ... ... ... 
 0 an2 . . . ann 

e analogamente x2 = x3 = . . . = xn = 0.
Essa é a hamada solução trivial; para o físi o, no entanto, ela não tem muita utilidade.
Porém, se o sistema for n×n om o determinante nulo, então haverá soluções não
triviais para o sistema. Neste aso, as linhas de A não serão todas independentes.
Para ompreender este detalhe, pre isaremos introduzir o on eito de dependên ia e
independên ia linear. Vamos usar matrizes oluna para introduzir a denição, mas pode-
ríamos usar igualmente vetores linha (as linhas da matriz A, por exemplo).

Denição Dizemos que o onjunto de vetores oluna:

     
u1 v1 z1
 u2   v2   z2 
u= 
 ...  , v= 
 ...  , ... , z= 
 ... 
un vn zn

é linearmente dependente (abreviamos l.d.) se existirem números α, β , ..., ζ não todos

nulos, tais que a ombinação linear seguinte se anula:

αu + β v + ... + ζ z = 0.

Isto signi a:

   
α u1 + β v1 + . . . + ζ z1 0
 α u2 + β v2 + . . . + ζ z2   0 
 = .
 ...   ... 
α un + β vn + . . . + ζ zn 0

Um exemplo bem simples é o que segue, u v serão l.d.

e porque são propor ionais:

   
1 2
u= , v= ,
2 4
410 APÊNDICE B. MATRIZES

e então 2u − v = 0.
Já tínhamos dito que um determinante que possui duas linhas iguais é nulo; o mesmo
o orre se tem linhas propor ionais. O fato do determinante do sistema de equações homogê-
neo ser nulo signi a que nem todas as linhas do sistema são independentes, possivelmente
uma delas é repetida, ou propor ional a outra linha (ou uma ombinação linear de ou-
tras linhas). Isto abaixaria o número de linhas (independentes) do sistema de equações,
tornando-o indeterminado ( om innitas soluções). Veja o exemplo a seguir.

Exemplo B.7. Obtenha a solução do sistema homogêneo de equações seguinte.


x + 2y = 0
2x + 4y = 0

H
O determinante dos oe ientes do sistema vale:
 
 1 2 
det A =  =0

2 4

e na verdade temos uma equação, x + 2y = 0, já que a outra é essen ialmente a mesma

(multipli ada por dois): as duas equações são l.d.. Com uma equação e duas in ógnitas,
o sistema é indeterminado, possuindo uma innidade de soluções. Se atribuirmos x = 2,
al ulamos y = −1; pondo x = 6, teremos y = −3 que é outra solução, e assim por diante.
Fi a laro que temos innitas soluções, dependendo do valor atribuído a x.
N

Denição O onjunto de vetores oluna u, v , ... z é linearmente independente (l.i.)

se
αu + β v + ... + ζ z = 0 ⇒ α = β = ... = ζ = 0.

Note bem, a úni a forma de anular aquela ombinação linear a ima é tomando os
oe ientes α, β , ..., ζ todos nulos.
Um exemplo bastante orriqueiro, no espaço dos vetores posição da físi a Newtoniana,
é o onjunto de versores ~
i, ~j e ~k dos eixos x, y e z. Eles são linearmente independentes, de
modo que
a~i + b ~j + c ~k = 0
só vale para a = b = c = 0.

B.5 A Matriz de Rotação

As matrizes também se prestam a des rever transformações levando um sistema de

oordenadas a outro. Vamos analisar aqui uma transformação onsistindo numa rotação
B.5. A MATRIZ DE ROTAÇO 411

Figura B.1: Uma rotação, levando os eixos xyz em x′ y ′ z ′ .

de eixos, tomada sobre o sistema de oordenadas artesianas usual (eixos x, y , z ortogonais

′
entre si), e levando a outro sistema ortogonal de oordenadas, x , y′, z′ .
Suponha que se tome uma rotação de um ângulo θ ao redor do eixo z. Então, o novo
eixoz ′ = z oin ide om o antigo, mas o eixo x é transformado num eixo x′ fazendo um
ângulo θ om x, o mesmo
′
a onte endo om o novo eixo y que faz um ângulo θ om y
(gura B.1).
Para saber a relação entre as oordenadas x, y de um ponto P qualquer no sistema
de oordenadas
′ ′
antigo, e as novas oordenadas x , y do mesmo ponto, fazemos uso dos
versores i, j dos
′ ′ ′ ′
eixos x, y e de i , j , versores dos eixos x , y (gura B.2):

i = cos θ i′ − sen θ j′ ;
j = sen θ i′ + cos θ j′ .

O vetor OP é o mesmo, não importa se medido segundo xyz ou por x′ y ′ z ′ ,

xi + yj = x′ i′ + y ′ j′

e, usando a relação mais a ima entre os versores dos dois sistemas de eixos,

x cos θ i′ − x sen θ j′ + y sen θ i′ + y cos θ~j ′ = x′ i′ + y ′ j′ .

Igualando os oe ientes de i′ do lado esquerdo aos do lado direito, e fazendo o mesmo
′
para os oe ientes de j ,  amos om:

x′ = cos θ x + sen θ y
y ′ = −sen θ x + cos θ y
z′ = z
412 APÊNDICE B. MATRIZES

Figura B.2: Relação entre os versores dos eixos xy e x′ y ′ .

ou, em forma matri ial,

    
x′ cos θ sen θ 0 x
 y ′  =  −sen θ cos θ 0   y  .
z′ 0 0 1 z
| {z }
R

A matriz 3×3 a ima, que denotaremos R, é hamada matriz de rotação. Devido à

operação que exe uta, ela deve ser inversível, de modo que:

   ′ 
x x
 y  = R−1  y ′  .
z z′

O determinante de R vale: det R = cos2 θ + sen 2 θ = 1. A matriz inversa R−1 pode ser
onseguida através do ál ulo dos ofatores a partir da transposta de R,
 
cos θ −sen θ 0
Rt =  sen θ cos θ 0  .
0 0 1

Obtemos:
 
cos θ −sen θ 0
R−1 =  sen θ cos θ 0  = Rt .
0 0 1
B.6. DIAGONALIZAÇO DE MATRIZES: AUTOVALORES E AUTOVETORES 413

Quando a inversa de uma matriz oin ide om a transposta, essa matriz se hama
ortogonal. É o que o orre om a matriz de rotação estudada.
Observe novamente a forma da matriz R, e ompare om R−1 . A apli ação de R−1
sobre o sistema om linha (x
′ y ′ z ′ ) deve voltar ao sistema xyz , mas nesse aso o ângulo
tomado tem que ser (−θ ), ou seja, a rotação tem que ser tomada no sentido inverso. Por
este motivo as expressões de R e R−1 não são iguais. Lembrando que o osseno é uma
função par, cos(−θ) = cos θ , e o seno é ímpar, sen (−θ) = −sen θ , podemos ompreender a
diferença entre os elementos da matriz R e os de sua inversa.

B.6 Diagonalização de Matrizes: Autovalores e Autovetores

Uma equação de autovalores, es rita em termos matri iais, é do tipo

Ax = λx

sendo Ann uma matriz quadrada, xn1 um vetor oluna e λ um número real ou omplexo.
A equação de autovalores terá solução para alguns valores de λ, que serão hamados de
autovalores. Para ada autovalor haverá uma solução para x, que será então hamado
autovetor asso iado àquele autovalor.
A físi a do mundo mi ros ópi o, des rita pela teoria hamada me âni a quânti a, é
regida pela equação de S hrödinger, que é uma equação de autovalores:

bψ =Eψ
H

e o operador Hamiltoniano b
H é usualmente representado por uma matriz; E é a ener-
gia, apenas alguns valores dela serão permitidos (serão exatamente os autovalores). As
autofunções ψ serão as soluções da equação de S hrödinger, para ada um dos autovalores.
As equações de autovalores também surgem em apli ações importantes da me âni a
lássi a, omo nos sistemas om vários os iladores a oplados.
Portanto, pre isamos aprender a al ular autovalores e autovetores, e uma boa forma
de omeçar, neste tema, é al ulá-los para equações matri iais.
A sistemáti a está esboçada no exemplo que segue.

Exemplo B.8. Obtenha os autovalores e autovetores da matriz seguinte,

 
1 1 0
A= 1 0 1 .
0 1 1

H
Ax = λx,
Es revemos expli itamente a equação de autovalores
    
1 1 0 x x
 1 0 1  y =λ y 
0 1 1 z z
414 APÊNDICE B. MATRIZES

que, fazendo uso da matriz identidade, pode ser es rita:

       
1 1 0 x x 1 0 0 x
 1 0 1   y  = λ.1. y  = λ  0 1 0   y  .
0 1 1 z z 0 0 1 z

Passando tudo ao lado esquerdo,

    
1−λ 1 0 x 0
 1 −λ 1  y = 0 .
0 1 1−λ z 0
| {z }
(A−λ1)

Esta relação matri ial orresponde ao sistema de equações homogêneo


 (1 − λ) x + y = 0
x − λy + z = 0 . (B.1)

y + (1 − λ) z = 0

Para haver uma solução não trivial do sistema de equações (B.1), o determinante da
matriz quadrada à esquerda deve ser anular,

det (A − λ 1) = 0 .

Cal ulando o determinante obteremos a equação algébri a, hamada de equação se ular,

−(1 − λ)2 λ − (1 − λ) − (1 − λ) = 0

ou
(1 − λ) [−2 − λ (1 − λ)] = 0 .
Uma das soluções é λ1 = 1; para a har as outras soluções, abrimos a expressão no
ol hete e a igualamos a zero,
λ2 − λ − 2 = 0 .
Resolvendo a equação de segundo grau, a hamos λ2 = −1 e λ3 = 2.
Des obrimos portanto os autovalores 1, −1 e 2.
Para ada um deles, vamos resolver o sistema de equações homogêneo (B.1).
Para o autovalor λ1 = 1, o sistema de equações  a:

y = 0
x−y+z = 0
y = 0

e, es olhendo por exemplo x = 1, a haremosz = −1; já sabemos que y = 0. Com isto, o

autovetor  a:  
1
α 0 .
−1
B.6. DIAGONALIZAÇO DE MATRIZES: AUTOVALORES E AUTOVETORES 415

O valor de α é xado por normalização, de modo que a norma ( omprimento do vetor

oluna) vale um, ut u = 1,



1
α2 1 0 −1  0  = 1
−1
√
e al ulamos α = 1/ 2, om o que o autovetor normalizado vale:

 
1
1 
u1 = √ 0 .
2 −1

Tomando o mesmo pro edimento para o autovalor −1, obtém-se o autovetor normali-
zado:

 
1
1
u2 = √  −2 
6 1

e para o autovalor 2, o autovetor normalizado orrespondente é:

 
1
1
u3 = √  1  .
3 1

É interessante aproveitarmos este exemplo para onferir algumas propriedades impor-

tantes relativas aos autovalores e autovetores.
Podemos observar que os autovetores a ima são dois a dois ortogonais; para tanto,
al ulamos o produto es alar entre ada par deles. Indi aremos o produto es alar entre os
autovetores u1 e u2 om a notação de Dira hu1 |u2 i,
 

1
1 1
hu1 |u2 i = √ 1 0 −1  −2  = √ [1 − 1] = 0 .
2 3 1 2 3

O fato do produto es alar ser nulo signi a que os dois vetores oluna são ortogonais.
Cal ulamos também:

 
1

1 1
hu1 |u3 i = √ 1 0 −1  1  = √ [1 − 1] = 0 ;
6 1 6
 

1
1  1
hu2 |u3 i = √ 1 −2 1 1  = √ [1 − 1] = 0 .
3 2 1 3 2
416 APÊNDICE B. MATRIZES

Com os três autovetores normalizados formamos a matriz dos autovetores,

√  √ √ 
1/ 2 1/ √6 1/√3
M = 0√ −2/√ 6 1/√3  ;
−1/ 2 1/ 6 1/ 3

A:
esta matriz terá a propriedade de diagonalizar a matriz

√ √   √ √ √ 
1/√2 0√ −1/√ 2 1 1 0 1/ 2 1/ √6 1/√3
Mt A M =  1/√6 −2/√ 6 1/√6   1 0 1   0√ −2/√ 6 1/√3 
1/ 3 1/ 3 1/ 3 0 1 1 −1/ 2 1/ 6 1/ 3
 √ √  √ √ √ 
1/ √2 0√ −1/√2 1/ 2 1/ √6 1/√3
=  −1/√ 6 2/√6 −1/√ 6   0√ −2/√ 6 1/√3  .
2/ 3 2/ 3 2/ 3 −1/ 2 1/ 6 1/ 3

Efetuamos primeiro o produto das matrizes Mt e A, resultando na matriz a ima à

esquerda. Fazendo o produto restante, obtemos:
 
1 0 0
M t A M =  0 −1 0 
0 0 2

que é de fato uma matriz diagonal; note que os números na diagonal são exatamente os
autovalores de A.
Assim, aprendemos omo diagonalizar uma matriz; os pro edimentos de diagonalização
de matriz e o de determinar autovetores são intrinse amente rela ionados.
Como veremos adiante, o fato de termos obtido autovalores reais e autovetores dois a
dois ortogonais neste exemplo se deve à simetria da matriz A. Se a matriz real não for
simétri a, estas duas propriedades não estão garantidas.
N

B.7 Matrizes Hermiteanas e Unitárias

No aso da matriz A = (aij ) possuir elementos perten entes ao orpo dos números
omplexos C, dene-se a matriz onjugada omplexa de A:

A∗ = (a∗ij )

sendo a∗ij o onjugado omplexo do número aij .

√
Se aij = x+iy , om x, y reais e i = −1 sendo a unidade imaginária, então a∗ij = x−iy .
Ou seja, para efetuar a onjugação omplexa, basi amente substitui-se o (i) por (−i) no
ponto em que ele apare er.
A matriz adjunta A† de A (também hamada de transposta onjugada) é a transposta
da onjugada omplexa de A:
A† = (A∗ )t .
B.7. MATRIZES HERMITEANAS E UNITÁRIAS 417

Uma propriedade importante rela ionada é:

(AB)† = B † A† ;

observe a tro a da ordem após a tomada da adjunta.

Já havíamos falado na matriz A simétri a, que obede ia:

At = A

e na matriz ortogonal,

At = A−1 .
No aso de matrizes om elementos omplexos, aquelas duas orrespondem respe tiva-
mente às matrizes Hermiteana e unitária, que introduziremos agora.
Quando

A† = A
falamos que A é uma matriz Hermiteana; se a matriz satiszer

A† = A−1

trata-se da matriz unitária.

Comentamos antes que algumas transformações de oordenadas são opera ionalizadas
através de matrizes de rotação. Naquele ontexto, uma matriz de rotação ortogonal ligava
dois sistemas de oordenadas ortogonais (eixos perpendi ulares); observamos que um vetor
antes e depois de transformado era essen ialmente o mesmo (apenas suas oordenadas
mudavam), de modo que por exemplo seu omprimento se mantinha. Já uma matriz
unitária transforma vetores oluna (matrizes oluna) em outros vetores oluna, preservando
sua norma ( omprimento do vetor).
Há apenas um detalhe nesta questão da norma ou omprimento do vetor que pre isa
ser apontado, quando números omplexos estão presentes. No Exemplo B.8, al ulamos a
normalização do autovetor u1 fazendo:

 

1
u1 t u1 = α2 1 0 −1  0  = 1
−1

e a hando α.
Mas, quando se tratar de matrizes envolvendo valores omplexos, o pro edimento de
tomar a transposta, na expressão a ima, é substituído por tomar a adjunta (isto é, trans-
posição mais onjugação omplexa). Veremos um exemplo disto em breve.
Uma transformação de similaridade (operada pela matriz B) transforma a matriz A
em

A′ = B † A B
sendo B uma matriz ortogonal ou unitária. A e B são matrizes quadradas n × n.
418 APÊNDICE B. MATRIZES

Mostramos há pou o no Exemplo B.8 que a matriz M formada pelos autovetores nor-
malizados da matriz A diagonaliza essa matriz; a operação tomada lá é exatamente uma
transformação de similaridade, já que para uma matriz real, M † = M t,

A′ = M t A M .

Uma ara terísti a muitíssimo importante das matrizes Hermiteanas é que sempre pos-
suem autovalores reais, e seus autovetores são dois a dois ortogonais. Já observamos isto no
itado Exemplo B.8, em que a matriz envolvida era simétri a (ela pode ser vista omo uma
matriz Hermiteana possuindo apenas elementos reais). Este ponto é melhor desenvolvido
no apítulo 2, om um tratamento para operadores em espaços de Hilbert.
Vamos explorar o on eito de matriz unitária através do seguinte exemplo.

Exemplo B.9. Dada a matriz de Pauli

 
0 −i
σ2 = ,
i 0

(a) prove que é unitária;

(b) a he seus autovalores e autovetores normalizados;
( ) os autovetores são ortogonais entre si?

H
As matrizes de Pauli têm utilidade na des rição de spins em sistemas quânti os.
(a) Para provar que se trata de matriz unitária, al ulamos as orrespondentes transposta,
adjunta e inversa:

 
t 0 i
σ2 = ;
−i 0
 
† ∗ t 0 −i
t ∗
σ2 = (σ2 ) = (σ2 ) = ;
i 0
   
1 0 i 0 −i
σ2 −1 = = = σ2 † .
(−1) −i 0 i 0

Como a adjunta oin ide om a inversa, σ2 é unitária.

(b) O ál ulo dos autovalores é feito através de:

    
0 −i x x
=λ
i 0 y y

que pode ser es rita

    
−λ −i x 0
= .
i −λ y 0
B.7. MATRIZES HERMITEANAS E UNITÁRIAS 419

Isto orresponde ao sistema homogêneo de equações


−λx − iy = 0
(B.2)
ix − λy = 0

que só terá soluções não triviais se o determinante dos oe ientes for nulo,

 
−λ −i
det = 0.
i −λ

A equação se ular é
λ2 − 1 = 0
om soluções λ1 = 1 e λ2 = −1.
O autovetor orrespondente a λ1 = 1 é a solução do sistema B.2,

−x − iy = 0

logo terá omponentes x = 1, y = i; sua normalização será efetuada através de:

 

1
hu1 |u1 i = α2 1 −i =1
i
√
om o que en ontramos α = 1/ 2. Eis o autovetor normalizado:

 
1 1
u1 = √ .
2 i

Observe que para es rever a matriz hu1 |, tomamos a adjunta de u1 (e não a transposta,
omo no aso real). Ou seja, transpusemos e tomamos a onjugação omplexa de seus
elementos.
Seguindo um pro edimento análogo, o autovetor orrespondente a λ2 = −1 será

 
1 1
u2 = √ .
2 −i

Os dois autovetores en ontrados são ortogonais,

 
1
1 1
hu1 |u2 i = 1 −i = [1 − 1] = 0 .
2 −i 2

Resumindo, a hamos autovalores e autovetores de uma matriz unitária, os autovalo-

res são números omplexos de módulo 1, que é uma ara terísti a de todas as matrizes
unitárias, e neste aso os autovetores são ortogonais.
N
420 APÊNDICE B. MATRIZES

PROBLEMAS
B.1 A he a inversa da matriz:
 
−1/4 −1/2 3/4
 −1/2 −2 3/2  .
3/4 3/2 −5/4

B.2 Cal ule o determinante  

 1 2 4 −1 

 −1 2 0 1 
 .
 1 1 −1 0 

 0 4 0 1 
B.3 Resolva o sistema de equações usando a regra de Cramer,

 6x + 2y − 3z = 1
x−y+z =2 .

2x + 2y − z = 3

B.4 Resolva o sistema de equações por Cramer,



 x+y+z =4

x+y+u=4
.
 x+z+u=5


y+z+u=5

B.5 En ontre uma solução do sistema de equações


 2x − z = 0
6x + 2y − 3z = 0 .

4x − y − 2z = 0

B.6 A he os autovalores e autovetores normalizados da matriz

 
1 1
.
9 1

B.7 A he os autovalores e autovetores normalizados da matriz

 
1 −1
.
1 1
Seus autovetores são ortogonais?

B.8 Dada a matriz  

1 1 i
U=√ ,
2 i 1
(a) Mostre que é uma matriz unitária; (b) Cal ule seus autovalores e autovetores; ( )
Seus autovetores são ortogonais? (d) Mostre que a matriz dos autovetores diagonaliza
a matriz U.
B.7. MATRIZES HERMITEANAS E UNITÁRIAS 421

B.9 Dada a matriz  

0 i 1
A =  −i 0 −i  ,
1 i 0
(a) a he At , a transposta de A; (b) a he A† , a adjunta de A; ( ) a he A−1 , a inversa de
A; (d) lassique A, respondendo as perguntas: (d1) A é simétri a? (d2) é ortogonal?
(d3) Hermiteana? (d4) unitária?

B.10 Suponha que A seja uma matriz quadrada n × n Hermiteana. Mostre que a matriz
A′ = U † A U , obtida por transformação de similaridade, é também Hermiteana, se
U for unitária. Em outras palavras, mostre que a transformação de similaridade por
uma matriz unitária preserva o aráter Hermiteano da matriz original.
422 APÊNDICE B. MATRIZES

RESPOSTAS, SUGESTÕES E COMENTÁRIOS

Siga o pro edimento dos Exemplo B.5 para en ontrar a inversa da matriz do problema [B.1℄.
Aliás, omo a inversa da matriz inversa é a própria matriz original, vale a pena onsultar o
itado exemplo para en ontrar a resposta! A resposta de [B.2℄ é zero; se for expandir por
uma linha, uma sugestão é usar a 4a linha, que possui dois elementos nulos, e om isso será
ne essário al ular apenas dois determinantes de ordem 3.
Respostas dos outros problemas: [B.3℄: 1, 2, 3. [B.4℄: 1, 1, 2, 2. [B.5℄: 1, 0, 2 ou qualquer
múltiplo desses valores. O sistema é indeterminado, pois o determinante dos oe ientes é
nulo, e não se pode usar a regra de Cramer. Mas per ebe-se das duas primeiras equações
que y = 0, e om isto as equações segunda e ter eira são propor ionais à primeira, ou seja,
é omo se tivéssemos apenas uma equação. [B.6℄: autovalores -2 e 4; autovetores:
   
1 1 1 1
√ ; √ .
10 −3 10 3

A matriz não é simétri a; seus autovalores são reais mas os autovetores não são ortogonais.
[B.7℄: autovalores 1 ± i; autovetores:
   
1 1 1 1
√ ; √
2 i 2 −i

(que são ortogonais). Note que, apesar da matriz ser real, ela não é simétri a, possuindo
autovalores omplexos. [B.8℄ Para mostrar que é unitária, mostre que a inversa é igual√
à adjunta (e numeri amente igual à onjugada omplexa de U ); autovalores (1 ± i)/ 2;
autovetores:    
1 1 1 1
√ ; √
2 1 2 −1
(eles são ortogonais); al ule também M † U M que é igual a uma matriz diagonal, om os
autovalores exibidos na diagonal. M é a matriz formada pelos autovetores, não se esqueça
do fator de normalização! [B.9℄ (d1) não; (d2) não; (d3) sim; (d4) não.