Reginaldo J. Santos
Departamento de Matem ´atica-ICEx
Universidade Federal de Minas Gerais
http://www.mat.ufmg.br/~regi
´
E proibida a reproduc¸ ˜ao desta publicac¸ ˜ao, ou parte dela, por qualquer meio, sem a pr ´evia autorizac¸ ˜ao, por escrito, do autor.
Editor, Coordenador de Revis ˜ao, Supervisor de Produc¸ ˜ao, Capa e Ilustrac¸ ˜oes: Reginaldo J. Santos
ISBN 85-7470-018-5
Ficha Catalogr ´afica
Santos, Reginaldo J.
S237i Introduc¸ ˜ao `a ´Algebra Linear / Reginaldo J. Santos - Belo Horizonte: Imprensa Universit ´aria da UFMG, 2008.
1. ´Algebra Linear I. T´ıtulo
Pref ´acio viii
1 Matrizes e Sistemas Lineares 1
1.1 Matrizes . . . 1
1.1.1 Operac¸ ˜oes com Matrizes . . . 3
1.1.2 Propriedades da ´Algebra Matricial . . . 10
1.1.3 Aplicac¸ ˜ao: Cadeias de Markov . . . 16
Ap ˆendice I: Notac¸ ˜ao de Somat ´orio . . . 33
1.2 Sistemas de Equac¸ ˜oes Lineares . . . 35
1.2.1 M ´etodo de Gauss-Jordan. . . 39
1.2.2 Matrizes Equivalentes por Linhas . . . 50
1.2.3 Sistemas Lineares Homog ˆeneos . . . 52
2 Invers ˜ao de Matrizes e Determinantes 77
2.1 Matriz Inversa . . . 77
2.1.1 Propriedades da Inversa . . . 79
2.1.2 Matrizes Elementares e Invers ˜ao (opcional) . . . 82
2.1.3 M ´etodo para Invers ˜ao de Matrizes . . . 86
2.1.4 Aplicac¸ ˜ao: Interpolac¸ ˜ao Polinomial . . . 96
2.1.5 Aplicac¸ ˜ao: Criptografia . . . 98
2.2 Determinantes . . . 107
2.2.1 Propriedades do Determinante . . . 113
2.2.2 Matrizes Elementares e o Determinante (opcional) . . . 127
2.2.3 Matriz Adjunta e Invers ˜ao (opcional) . . . 129
Ap ˆendice II: Demonstrac¸ ˜ao do Teorema 2.11 . . . 144
2.3 Matrizes Particionadas em Blocos (opcional) . . . 148
2.3.1 Operac¸ ˜oes Matriciais em Blocos . . . 148
2.3.2 Inversa de Matrizes em Blocos . . . 151
2.3.3 Determinante de Matrizes em Blocos . . . 152
3 Espac¸osRn 159 3.1 Vetores no Plano e no Espac¸o . . . 159
3.1.1 Soma de Vetores e Multiplicac¸ ˜ao por Escalar . . . 160
3.1.2 Norma e Produto Escalar . . . 179
3.2 Equac¸ ˜oes de Retas e Planos . . . 202
3.2.1 Equac¸ ˜ao do Plano . . . 202
3.2.2 Equac¸ ˜oes da Reta . . . 208
3.3.1 Combinac¸ ˜ao Linear . . . 226
3.3.2 Independ ˆencia Linear. . . 231
4 Subespac¸os 246 4.1 Base e Dimens ˜ao . . . 246
Ap ˆendice III: Outros Resultados . . . 272
4.2 Espac¸o Linha e Espac¸o Coluna . . . 280
4.2.1 Posto e Nulidade . . . 281
4.2.2 Aplicac¸ ˜ao a Sistemas Lineares . . . 284
4.2.3 A Imagem de uma Matriz . . . 289
4.3 Espac¸os Vetoriais Abstratos (opcional) . . . 296
5 Ortogonalidade 314 5.1 Produto Escalar emRn . . . . 314
5.1.1 Produto Interno . . . 314
5.1.2 Bases Ortogonais e Ortonormais . . . 323
5.2 Subespac¸os Ortogonais . . . 333
5.2.1 Subespac¸os Fundamentais. . . 338
5.2.2 Problema de Quadrados M´ınimos . . . 339
5.3 Mudanc¸a de Coordenadas . . . 352
5.3.1 Rotac¸ ˜ao . . . 358
5.3.2 Translac¸ ˜ao . . . 360
5.3.3 Aplicac¸ ˜ao: Computac¸ ˜ao Gr ´afica - Projec¸ ˜ao Ortogr ´afica . . . 363
6 Transformac¸ ˜oes Lineares (opcional) 374 6.1 Definic¸ ˜ao, Exemplos e Propriedades . . . 374
6.1.1 Definic¸ ˜ao e Exemplos. . . 374
6.1.2 Propriedades . . . 379
6.2 A Imagem e o N ´ucleo . . . 392
6.2.1 Injetividade e Sobrejetividade . . . 397
6.3 Composic¸ ˜ao de Transformac¸ ˜oes Lineares . . . 405
6.3.1 Matriz de uma Transformac¸ ˜ao Linear. . . 405
6.3.2 Invertibilidade . . . 411
6.3.3 Semelhanc¸a . . . 417
7 Diagonalizac¸ ˜ao 425 7.1 Diagonalizac¸ ˜ao de Matrizes . . . 425
7.1.1 Motivac¸ ˜ao . . . 425
7.1.2 Autovalores e Autovetores . . . 428
7.1.3 Diagonalizac¸ ˜ao . . . 437
7.1.4 Diagonalizac¸ ˜ao de Operadores (opcional) . . . 448
7.1.5 Forma Can ˆonica de Jordan (opcional) . . . 450
7.2 Diagonalizac¸ ˜ao de Matrizes Sim ´etricas . . . 465
7.2.1 Motivac¸ ˜ao . . . 465
7.2.2 Matrizes Ortogonais . . . 467
Ap ˆendice IV: Autovalores Complexos . . . 477
7.3 Aplicac¸ ˜ao na Identificac¸ ˜ao de C ˆonicas . . . 483
Respostas dos Exerc´ıcios 499
Este texto cobre o material para um curso de um semestre de Introduc¸ ˜ao `a ´Algebra Linear ou de ´
Algebra Linear Matricial. O texto pode, mas n ˜ao ´e necess ´ario, ser acompanhado um programa como o MATLABr∗, SciLab ou o Maxima.
O conte ´udo ´e dividido em sete cap´ıtulos. O Cap´ıtulo 1 trata das matrizes e sistemas lineares. Aqui todas as propriedades da ´algebra matricial s ˜ao demonstradas. A resoluc¸ ˜ao de sistemas lineares ´e feita usando somente o m ´etodo de Gauss-Jordan (transformando a matriz at ´e que ela esteja na forma escalonada reduzida). Este m ´etodo requer mais trabalho do que o m ´etodo de Gauss (transformando a matriz, apenas, at ´e que ela esteja na forma escalonada). Ele foi o escolhido, por que tamb ´em ´e usado no estudo da invers ˜ao de matrizes no Cap´ıtulo 2. Neste Cap´ıtulo ´e tamb ´em estudado o determinante, que ´e definido usando cofatores. As demonstrac¸ ˜oes dos resultados deste cap´ıtulo podem ser, a crit ´erio do leitor, feitas somente para matrizes3 × 3.
O Cap´ıtulo 3 trata de vetores no plano, no espac¸o e noRn. Os vetores s ˜ao definidos inicialmente
de forma geom ´etrica, assim como a soma e a multiplicac¸ ˜ao por escalar. S ˜ao provadas algumas propriedades geometricamente. Depois s ˜ao introduzidos sistemas de coordenadas de forma natural sem a necessidade da definic¸ ˜ao de base. O produto escalar ´e definido tamb ´em geometricamente. S ˜ao estudados tamb ´em retas e planos no espac¸o. Depois, o conceito de vetor ´e generalizado para oRn.
O conceito de depend ˆencia e independ ˆencia linear ´e introduzido de forma alg ´ebrica, acompanhado da interpretac¸ ˜ao geom ´etrica para os casos deR2 eR3.
No Cap´ıtulo 4 s ˜ao tratados os conceitos de subespac¸os e de base de subespac¸os. S ˜ao estudados os espac¸os linha e coluna de uma matriz e o seu posto. Ao final do cap´ıtulo os Espac¸os Vetoriais Abstratos s ˜ao definidos. No Cap´ıtulo 5 s ˜ao abordados o produto escalar e bases ortonormais. Al ´em de subespac¸os ortogonais e quadrados m´ınimos.
Transformac¸ ˜oes Lineares deRnemRms ˜ao estudadas no Cap´ıtulo 6. O Cap´ıtulo 7 traz um estudo
da diagonalizac¸ ˜ao de matrizes em geral e a diagonalizac¸ ˜ao de matrizes sim ´etricas atrav ´es de uma matriz ortogonal. ´E feita uma aplicac¸ ˜ao ao estudo das sec¸ ˜oes c ˆonicas.
Os exerc´ıcios est ˜ao agrupados em tr ˆes classes. Os “Exerc´ıcios Num ´ericos”, que cont ´em exerc´ıcios que s ˜ao resolvidos fazendo c ´alculos, que podem ser realizados sem a ajuda de um com-putador ou de uma m ´aquina de calcular. Os “Exerc´ıcios Te ´oricos”, que cont ´em exerc´ıcios que reque-rem demonstrac¸ ˜oes. Alguns s ˜ao simples, outros s ˜ao mais complexos. Os mais dif´ıceis complemen-tam a teoria e geralmente s ˜ao acompanhados de sugest ˜oes. Os “Exerc´ıcios usando o MATLABr”, que cont ´em exerc´ıcios para serem resolvidos usando o MATLABr ou outro software. Os comandos necess ´arios a resoluc¸ ˜ao destes exerc´ıcios s ˜ao tamb ´em fornecidos juntamente com uma explicac¸ ˜ao r ´apida do uso. Os exerc´ıcios num ´ericos s ˜ao imprescind´ıveis, enquanto a resoluc¸ ˜ao dos outros, de-pende do n´ıvel e dos objetivos pretendidos para o curso.
O MATLABr ´e um software destinado a fazer c ´alculos com matrizes (MATLABr = MATrix LABo-ratory). Os comandos do MATLABr s ˜ao muito pr ´oximos da forma como escrevemos express ˜oes alg ´ebricas, tornando mais simples o seu uso. Podem ser incorporados `as rotinas pr ´e-definidas,
pa-cotes para c ´alculos espec´ıficos. Um pacote chamadogaalcom func¸ ˜oes que s ˜ao direcionadas para o estudo de Geometria Anal´ıtica e ´Algebra Linear pode ser obtido na web na p ´agina do autor, as-sim como um texto com uma introduc¸ ˜ao ao MATLABr e instruc¸ ˜oes de como instalar o pacote gaal. O MATLABr n ˜ao ´e um software gratuito, embora antes a vers ˜ao estudante vinha gr ´atis ao se com-prar o guia do usu ´ario. Atualmente o SciLab ´e uma alternativa gratuita, mas que n ˜ao faz c ´alculo simb ´olico. O Maxima ´e um programa de computac¸ ˜ao alg ´ebrica gratuito. Ambos podem ser usados como ferramenta auxiliar na aprendizagem de ´Algebra Linear. Na p ´agina do autor na web podem ser encontrados pacotes de func¸ ˜oes para estes programas al ´em de links para as p ´aginas do SciLab e do Maxima e v ´arias p ´aginas interativas que podem auxiliar na aprendizagem.
No fim de cada cap´ıtulo temos um “Teste do Cap´ıtulo”, onde o aluno pode avaliar os seus conheci-mentos. Os Exerc´ıcios Num ´ericos e os Exerc´ıcios usando o MATLABrest ˜ao resolvidos ap ´os o ´ultimo cap´ıtulo utilizando o MATLABr. Desta forma o leitor que n ˜ao estiver interessado em usar o software pode obter apenas as respostas dos exerc´ıcios, enquanto aquele que tiver algum interesse, pode ficar sabendo como os exerc´ıcios poderiam ser resolvidos fazendo uso do MATLABre do pacotegaal.
Gostaria de agradecer aos professores que colaboraram apresentando correc¸ ˜oes, cr´ıticas e su-gest ˜oes, entre eles Helder C. Rodrigues e Francisco Satuf, Joana Darc A. S. da Cruz e Lucia Brasil.
Sugest ˜ao de Cronograma para 60 Horas
Cap´ıtulo 1 Sec¸ ˜oes 1.1 e 1.2 8 aulas Cap´ıtulo 2 Sec¸ ˜oes 2.1 e 2.2 8 aulas Cap´ıtulo 3 Sec¸ ˜oes 3.1 a 3.3 12 aulas Cap´ıtulo 4 Sec¸ ˜oes 4.1 e 4.2 8 aulas Cap´ıtulo 5 Sec¸ ˜oes 5.1 a 5.3 12 aulas Cap´ıtulo 7 Sec¸ ˜oes 7.1 a 7.3 12 aulas
Total 60 aulas
Sugest ˜ao de Cronograma para 90 Horas
Cap´ıtulo 1 Sec¸ ˜oes 1.1 e 1.2 10 aulas Cap´ıtulo 2 Sec¸ ˜oes 2.1 e 2.3 12 aulas Cap´ıtulo 3 Sec¸ ˜oes 3.1 a 3.3 12 aulas Cap´ıtulo 4 Sec¸ ˜oes 4.1 a 4.3 12 aulas Cap´ıtulo 5 Sec¸ ˜oes 5.1 a 5.3 12 aulas Cap´ıtulo 6 Sec¸ ˜oes 6.1 a 6.3 15 aulas Cap´ıtulo 7 Sec¸ ˜oes 7.1 a 7.3 12 aulas
Total 85 aulas
Marc¸o 2008 Foi acrescentada a subsec¸ ˜ao opcional ’Forma Can ˆonica de Jordan’. Foram corrigidos
alguns erros.
Julho 2007 Foi acrescentado o Exemplo 2.16 na sec¸ ˜ao de Determinantes. Foram acrescentados um exerc´ıcio na sec¸ ˜ao de Determinantes, um na de Produto Escalar em Rn, quatro na de
Diagonalizac¸ ˜ao e um na de Diagonalizac¸ ˜ao de Matrizes Sim ´etricas. Foram corrigidos alguns erros.
Marc¸o 2007 A Sec¸ ˜ao 1.1 de Matrizes e a Sec¸ ˜ao 2.2 de Determinantes foram reescritas. Na sec¸ ˜ao 1.2
o Teorema 1.4 voltou a ser que toda matriz ´e equivalente por linhas a uma ´unica matriz na forma escalonada reduzida. As sec¸ ˜oes 4.1, 5.1 e 5.3 foram reescritas e acrescentada uma aplicac¸ ˜ao `a computac¸ ˜ao gr ´afica. Foi acrescentada a sub-sec¸ ˜ao opcional ’Diagonalizac¸ ˜ao de Operadores’ `a sec¸ ˜ao 7.1. Foram acrescentados dois exerc´ıcios na sec¸ ˜ao de Matrizes, um na de Invers ˜ao de Matrizes, um na de Base e Dimens ˜ao, tr ˆes na de Mudanc¸a de Coordenadas. Foram corrigidos alguns erros.
Maio 2004 Foram acrescentadas aplicac¸ ˜oes `a criptografia (Exemplo na p ´agina98) e a cadeias de Markov (Exemplos1.9na p ´agina16,1.16na p ´agina55e7.8na p ´agina444). Foi acrescentado um exerc´ıcio na sec¸ ˜ao 1.1. Foi inclu´ıda a demonstrac¸ ˜ao de que toda matriz ´e equivalente por linhas a uma ´unica matriz escalonada reduzida. Este resultado era o Teorema 1.4 na p ´agina 26 que passou para o Ap ˆendice III da sec¸ ˜ao 5.2. O Teorema 1.4 agora cont ´em as propriedades da relac¸ ˜ao “ser equivalente por linhas” com a demonstrac¸ ˜ao. O que antes era Exemplo 1.14 passou para o lugar do Exemplo 1.10. O Exemplo 2.5 foi modificado. A sec¸ ˜ao ’Base e Dimens ˜ao’ foi reescrita. Foi acrescentada a Proposic¸ ˜ao4.9na p ´agina275que ´e ´util na obtenc¸ ˜ao de uma base para um subespac¸o. O Teorema 4.3 do Ap ˆendice III passou para o texto obrigat ´orio da sec¸ ˜ao 4.3 e ´e agora o Teorema4.2na p ´agina258. Foram acrescentados alguns exemplos e alguns
exerc´ıcios `a sec¸ ˜ao 4.3. Os exemplos7.4na p ´agina434e7.5na p ´agina441foram modificados. A sec¸ ˜ao ’Diagonalizac¸ ˜ao de Matrizes’ ganhou mais um exerc´ıcio te ´orico.
Julho 2003 V ´arias correc¸ ˜oes incluindo respostas de exerc´ıcios. A sec¸ ˜ao ’Base e Dimens ˜ao’ foi
re-escrita. Foi acrescentada uma sec¸ ˜ao de Espac¸os Vetoriais Abstratos no Cap´ıtulo 4. A sec¸ ˜ao ’Diagonalizac¸ ˜ao de Matrizes’ ganhou mais dois exerc´ıcios te ´oricos. A sec¸ ˜ao ’Diagonalizac¸ ˜ao de Matrizes Sim ´etricas’ ganhou um ap ˆendice sobre ’Autovalores Complexos’.
Julho 2002 Criado a partir do texto ’Geometria Anal´ıtica e ´Algebra Linear’ para ser usado numa disciplina de Introduc¸ ˜ao `a ´Algebra Linear ou ´Algebra Matricial.
Matrizes e Sistemas Lineares
1.1
Matrizes
Uma matrizA,m ×n(mporn), ´e uma tabela demnn ´umeros dispostos emmlinhas encolunas
A = a11 a12 . . . a1n a21 a22 . . . a2n
..
. . . . ...
am1 am2 . . . amn .
Ai- ´esima linha deA ´e
parai = 1, . . . , me aj- ´esima coluna deA ´e a1j a2j .. . amj ,
paraj = 1, . . . , n. Usamos tamb ´em a notac¸ ˜aoA = (aij)m×n. Dizemos queaijou[A]ij ´e o elemento ou a entrada de posic¸ ˜aoi, jda matrizA.
Sem = n, dizemos queA ´e uma matriz quadrada de ordemne os elementosa11, a22, . . . , ann
formam a diagonal (principal) deA.
Exemplo 1.1. Considere as seguintes matrizes:
A = 1 2 3 4 , B = −2 1 0 3 , C = 1 3 0 2 4 −2 , D = 1 3 −2 , E = 1 4 −3 eF = 3 .
As matrizesA eB s ˜ao 2 × 2. A matrizC ´e 2 × 3, D ´e 1 × 3, E ´e 3 × 1e F ´e1 × 1. De acordo com a notac¸ ˜ao que introduzimos, exemplos de elementos de algumas das matrizes dadas acima s ˜ao
a12= 2,c23 = −2,e21 = 4,[A]22= 4,[D]12= 3.
Uma matriz que s ´o possui uma linha ´e chamada matriz linha, e uma matriz que s ´o possui uma coluna ´e chamada matriz coluna, No Exemplo1.1a matrizD ´e uma matriz linha e a matrizE ´e uma
matriz coluna. Matrizes linha e matrizes coluna s ˜ao chamadas de vetores. O motivo ficar ´a claro na
Sec¸ ˜ao3.3na p ´agina222.
Dizemos que duas matrizes s ˜ao iguais se elas t ˆem o mesmo tamanho e os elementos correspon-dentes s ˜ao iguais, ou seja,A = (aij)m×n eB = (bij)p×q s ˜ao iguais sem = p, n = q eaij = bij
parai = 1, . . . , mej = 1, . . . , n.
Vamos definir operac¸ ˜oes matriciais an ´alogas `as operac¸ ˜oes com n ´umeros e provar propriedades que s ˜ao v ´alidas para essas operac¸ ˜oes. Veremos, mais tarde, que um sistema de equac¸ ˜oes lineares pode ser escrito em termos de uma ´unica equac¸ ˜ao matricial.
Vamos, agora, introduzir as operac¸ ˜oes matriciais.
1.1.1
Operac¸ ˜
oes com Matrizes
Definic¸ ˜ao 1.1. A soma de duas matrizes de mesmo tamanho A = (aij)m×n e B = (bij)m×n ´e
definida como sendo a matrizm × n
C = A + B
obtida somando-se os elementos correspondentes deAeB, ou seja,
cij = aij+ bij,
Exemplo 1.2. Considere as matrizes: A = 1 2 −3 3 4 0 , B = −2 1 5 0 3 −4
Se chamamos deCa soma das duas matrizesAeB, ent ˜ao
C = A + B = 1 + (−2) 2 + 1 −3 + 5 3 + 0 4 + 3 0 + (−4) = −1 3 2 3 7 −4
Definic¸ ˜ao 1.2. A multiplicac¸ ˜ao de uma matrizA = (aij)m×npor um escalar (n ´umero)α ´e definida pela matrizm × n
B = αA
obtida multiplicando-se cada elemento da matrizApelo escalarα, ou seja,
bij = α aij,
parai = 1, . . . , mej = 1, . . . , n. Escrevemos tamb ´em[αA]ij = α aij. Dizemos que a matrizB ´e um m ´ultiplo escalar da matrizA.
Exemplo 1.3. O produto da matrizA = −2 1 0 3 5 −4
pelo escalar−3 ´e dado por
−3 A = (−3)(−2) (−3) 1 (−3) 0 (−3) 3 (−3) 5 (−3)(−4) = 6 −3 0 −9 −15 12 .
Definic¸ ˜ao 1.3. O produto de duas matrizes, tais que o n ´umero de colunas da primeira matriz ´e igual ao n ´umero de linhas da segunda,A = (aij)m×peB = (bij)p×n ´e definido pela matrizm × n
C = AB
obtida da seguinte forma:
cij = ai1b1j+ ai2b2j+ . . . + aipbpj, (1.1)
parai = 1, . . . , mej = 1, . . . , n. Escrevemos tamb ´em[AB]ij = ai1b1j+ ai2b2j+ . . . + aipbpj.
A equac¸ ˜ao (1.1) est ´a dizendo que o elemento i, j do produto ´e igual `a soma dos produtos dos elementos dai- ´esima linha deApelos elementos correspondentes daj- ´esima coluna deB.
c11 . . . c1n .. . cij ... cm1 . . . cmn =
a11 a12 . . . a1p
..
. . . . ...
ai1 ai2 . . . aip
..
. . . . ...
am1 am2 . . . amp b11 b21 .. . bp1 . . . . . . . . . . . . b1j b2j .. . bpj . . . . . . . . . . . . b1n b2n .. . bpn
A equac¸ ˜ao (1.1) pode ser escrita de forma compacta usando a notac¸ ˜ao de somat ´orio.
[AB]ij = ai1b1j+ ai2b2j+ . . . + aipbpj = p X k=1
e dizemos “somat ´orio dekvariando de1apdeaikbkj”. O s´ımbolo
p X
k=1
significa que estamos fazendo
uma soma em que o ´ındicek est ´a variando dek = 1at ´ek = p. Algumas propriedades da notac¸ ˜ao de somat ´orio est ˜ao explicadas noAp ˆendice I na p ´agina33.
Exemplo 1.4. Considere as matrizes:
A = 1 2 −3 3 4 0 , B = −2 1 0 0 3 0 5 −4 0 .
Se chamamos deCo produto das duas matrizesAeB, ent ˜ao
C = AB = 1 (−2) + 2 · 0 + (−3) 5 1 · 1 + 2 · 3 + (−3) (−4) 0 3 (−2) + 4 · 0 + 0 · 5 3 · 1 + 4 · 3 + 0 (−4) 0 = −17 19 0 −6 15 0 .
Observac¸ ˜ao. No exemplo anterior o produtoBA n ˜ao est ´a definido (por que?). Entretanto, mesmo quando ele est ´a definido,BApode n ˜ao ser igual aAB, ou seja, o produto de matrizes n ˜ao ´e
Exemplo 1.5. SejamA = 1 2 3 4 eB = −2 1 0 3 . Ent ˜ao, AB = −2 7 −6 15 e BA = 1 0 9 12 .
Vamos ver no pr ´oximo exemplo como as matrizes podem ser usadas para descrever quantitativa-mente um processo de produc¸ ˜ao.
Exemplo 1.6. Uma ind ´ustria produz tr ˆes produtos, X, Y e Z, utilizando dois tipos de insumo, A e B. Para a manufatura de cada kg de X s ˜ao utilizados 1 grama do insumo A e 2 gramas do insumo B; para cada kg de Y, 1 grama de insumo A e 1 grama de insumo B e, para cada kg de Z, 1 grama de A e 4 gramas de B. Usando matrizes podemos determinar quantos gramas dos insumos A e B s ˜ao necess ´arios na produc¸ ˜ao dexkg do produto X,ykg do produto Y ezkg do produto Z.
X Y Z gramas de A/kg gramas de B/kg 1 1 1 2 1 4 = A X = x y z kg de X produzidos kg de Y produzidos kg de Z produzidos AX = x + y + z 2x + y + 4z gramas de A usados gramas de B usados
Definic¸ ˜ao 1.4. A transposta de uma matrizA = (aij)m×n ´e definida pela matrizn × m
B = At
obtida trocando-se as linhas com as colunas, ou seja,
bij = aji,
parai = 1, . . . , nej = 1, . . . , m. Escrevemos tamb ´em[At]ij = aji.
Exemplo 1.7. As transpostas das matrizes
A = 1 2 3 4 , B = −2 1 0 3 e C = 1 3 0 2 4 −2 s ˜ao At = 1 3 2 4 , Bt = −2 0 1 3 e Ct = 1 2 3 4 0 −2 .
A seguir, mostraremos as propriedades que s ˜ao v ´alidas para a ´algebra matricial. V ´arias proprie-dades s ˜ao semelhantes `aquelas que s ˜ao v ´alidas para os n ´umeros reais, mas deve-se tomar cuidado com as diferenc¸as. Uma propriedade importante que ´e v ´alida para os n ´umeros reais, mas n ˜ao ´e v ´alida para as matrizes ´e a comutatividade do produto, como foi mostrado noExemplo 1.5. Por ser compacta, usaremos a notac¸ ˜ao de somat ´orio na demonstrac¸ ˜ao de v ´arias propriedades. Algumas propriedades desta notac¸ ˜ao est ˜ao explicadas noAp ˆendice I na p ´agina33.
1.1.2
Propriedades da ´
Algebra Matricial
Teorema 1.1. SejamA,B eCmatrizes com tamanhos apropriados,αeβescalares. S ˜ao v ´alidas as seguintes propriedades para as operac¸ ˜oes matriciais:
(a) (comutatividade)A + B = B + A;
(b) (associatividade)A + (B + C) = (A + B) + C;
(c) (elemento neutro) A matriz¯0,m × n, definida por[¯0]ij = 0, parai = 1, . . . , m,j = 1, . . . , n ´e tal que
A + ¯0 = A,
para toda matrizA,m × n. A matriz¯0 ´e chamada matriz nulam × n.
(d) (elemento sim ´etrico) Para cada matrizA, existe uma ´unica matriz −A, definida por[−A]ij = −aijtal que
A + (−A) = ¯0.
(e) (associatividade)α(βA) = (αβ)A;
(f) (distributividade)(α + β)A = αA + βA;
(g) (distributividade)α(A + B) = αA + αB;
(i) (elemento neutro) Para cada inteiro positivopa matriz,p × p, Ip = 1 0 . . . 0 0 1 . . . 0 .. . . . . ... 0 0 . . . 1 ,
chamada matriz identidade ´e tal que
A In= ImA = A, para toda matrizA = (aij)m×n.
(j) (distributividade)A(B + C) = AB + AC e(B + C)A = BA + CA;
(k) α(AB) = (αA)B = A(αB);
(l) (At)t = A;
(m) (A + B)t = At + Bt;
(n) (αA)t = α At;
(o) (AB)t = BtAt;
Demonstrac¸ ˜ao. Para provar as igualdades acima, devemos mostrar que os elementos da matriz do lado esquerdo s ˜ao iguais aos elementos correspondentes da matriz do lado direito. Ser ˜ao usadas v ´arias propriedades dos n ´umeros sem cit ´a-las explicitamente.
(a) [A + B]ij = aij+ bij = bij+ aij = [B + A]ij;
(b) [A + (B + C)]ij = aij+ [B + C]ij = aij+ (bij+ cij) = (aij+ bij) + cij = [A + B]ij+ cij = [(A + B) + C]ij;
(c) SejaX uma matrizm × ntal que
A + X = A (1.2)
para qualquer matriz A,m × n. Comparando os elementos correspondentes, temos que
aij+ xij = aij,
ou seja,xij = 0, parai = 1 . . . , mej = 1 . . . , n. Portanto, a ´unica matriz que satisfaz (1.2) ´e a matriz em que todos os seus elementos s ˜ao iguais a zero. Denotamos a matrizXpor ¯0.
(d) Dada uma matrizA,m × n, sejaXuma matrizm × n, tal que
A + X = ¯0 . (1.3)
Comparando os elementos correspondentes, temos que
aij+ xij = 0 ,
ou seja,xij = −aij, parai = 1 . . . , me j = 1 . . . , n. Portanto, a ´unica matriz que satisfaz
(1.3) ´e a matriz em que todos os seus elementos s ˜ao iguais aos sim ´etricos dos elementos de
A. Denotamos a matrizXpor−A.
(f) [(α + β)A]ij = (α + β)aij = (αaij) + (βaij) = [αA]ij+ [βA]ij = [αA + βA]ij.
(g) [α(A + B)]ij = α[A + B]ij = α(aij+ bij) = αaij+ αbij = [αA]ij+ [αB]ij = [αA + αB]ij.
(h) A demonstrac¸ ˜ao deste item ´e a mais trabalhosa. SejamA,BeCmatrizesm × p,p × qeq × n respectivamente. A notac¸ ˜ao de somat ´orio aqui pode ser muito ´util, pelo fato de ser compacta.
[A(BC)]ij = p X k=1 aik[BC]kj = p X k=1 aik( q X l=1 bklclj) = p X k=1 q X l=1 aik(bklclj) = = p X k=1 q X l=1 (aikbkl)clj = q X l=1 p X k=1 (aikbkl)clj = q X l=1 ( p X k=1 aikbkl)clj = = q X l=1 [AB]ilclj = [(AB)C]ij.
(i) Podemos escrever a matriz identidade em termos do delta de Kronecker que ´e definido por
δij =
1, sei = j 0, sei 6= j como[In]ij= δij. Assim,
[AIn]ij = n X k=1 aik[In]kj = n X k=1 aikδkj = aij.
(j) [A(B + C)]ij = X k=1 aik[B + C]kj =X k=1 aik(bkj+ ckj) =X k=1 (aikbkj + aikckj) = = p X k=1 aikbkj + p X k=1
aikckj = [AB]ij+ [AC]ij = [AB + AC]ij.
A outra igualdade ´e inteiramente an ´aloga a anterior e deixamos como exerc´ıcio.
(k) [α(AB)]ij = α p X k=1 aikbkj = p X k=1 (αaik)bkj = [(αA)B]ij e [α(AB)]ij = α p X k=1 aikbkj = p X k=1 aik(αbkj) = [A(αB)]ij.
(l) [(At)t]ij = [At]ji= aij.
(m) [(A + B)t]ij = [A + B]ji = aji+ bji = [At]ij+ [Bt]ij. (n) [(αA)t]ij = [αA]ji= αaji= α[At]ij= [αAt]ij.
(o) [(AB)t]ij = [AB]ji = p X k=1 ajkbki = p X k=1 [At]kj[Bt]ik = p X k=1 [Bt]ik[At]kj = [BtAt]ij.
A diferenc¸a entre duas matrizes de mesmo tamanhoAeB ´e definida por
ou seja, ´e a soma da matrizAcom a sim ´etrica da matrizB.
SejamAuma matrizn×nepum inteiro positivo. Definimos a pot ˆenciapdeA, porAp = A . . . A | {z } p vezes
.
E parap = 0, definimosA0 = In.
Exemplo 1.8. Vamos verificar se para matrizesAeB, quadradas, vale a igualdade
(A + B)(A − B) = A2− B2. (1.4)
Usando a propriedade (i) do teorema anterior obtemos
(A + B)(A − B) = (A + B)A + (A + B)(−B)
= AA + BA − AB − BB = A2+ BA − AB − B2
Assim,(A + B)(A − B) = A2− B2 se, e somente se,BA − AB = 0, ou seja, se, e somente se,
AB = BA. Como o produto de matrizes n ˜ao ´e comutativo, a conclus ˜ao ´e que a igualdade (1.4), n ˜ao vale para matrizes em geral. Como contra-exemplo basta tomarmos duas matrizes que n ˜ao comutem entre si. Sejam
A = 0 0 1 1 e B = 1 0 1 0 .
Para estas matrizes
A + B = 1 0 2 1 , A − B = −1 0 0 1 , A2 = A = 0 0 1 1 , B2 = B = 1 0 1 0 . Assim, (A + B)(A − B) = −1 0 −2 1 6= −1 0 0 1 = A2− B2.
1.1.3
Aplicac¸ ˜ao: Cadeias de Markov
Exemplo 1.9. Vamos supor que uma populac¸ ˜ao ´e dividida em tr ˆes estados (por exemplo: ricos, classe m ´edia e pobres) e que em cada unidade de tempo a probabilidade de mudanc¸a de um estado para outro seja constante no tempo, s ´o dependa dos estados. Este processo ´e chamado cadeia de
Mar-kov.
Seja tij a probabilidade de mudanc¸a do estado j para o estado i em uma unidade de tempo
(gerac¸ ˜ao). Cuidado com a ordem dos ´ındices. A matriz
T = 1
2
3 t11 t12 t13 t21 t22 t23 t31 t32 t33 1
2
3
´e chamada matriz de transic¸ ˜ao. Como exemplo vamos considerar a matriz de transic¸ ˜ao
T = 1
2
3 1 2 1 4 0 1 2 1 2 1 2 0 1 4 1 2 1
2
3
(1.5)
A distribuic¸ ˜ao da populac¸ ˜ao inicial entre os tr ˆes estados pode ser descrita pela seguinte matriz:
P0 = p1 p2 p3
est ´a no estado 1 est ´a no estado 2 est ´a no estado 3
A matrizP0 caracteriza a distribuic¸ ˜ao inicial da populac¸ ˜ao entre os tr ˆes estados e ´e chamada vetor
de estado. Por exemplo,
P0 = 1 3 1 3 1 3
est ´a no estado 1 est ´a no estado 2 est ´a no estado 3
(1.6)
representa uma populac¸ ˜ao dividida de forma que1/3da populac¸ ˜ao est ´a em cada estado. Ap ´os uma unidade de tempo a populac¸ ˜ao estar ´a dividida entre os tr ˆes estados da seguinte forma
P1 = t11p1+ t12p2+ t13p3 t21p1+ t22p2+ t23p3 t31p1+ t32p2+ t33p3
estar ´a no estado 1 estar ´a no estado 2 estar ´a no estado 3
Lembre-se quetij ´e a probabilidade de mudanc¸a do estadojpara o estadoi. Assim o vetor de estado
ap ´os uma unidade de tempo ´e dada pelo produto de matrizes:
P1 = T P0.
Por exemplo se a matriz de transic¸ ˜ao,T, ´e a matriz dada por (1.5) e a matriz de estado inicial,P0, ´e a matriz dada por (1.6), ent ˜ao ap ´os uma unidade de tempo a matriz de estado ser ´a dada por
P1 = T P0 = 1 2 1 4 0 1 2 1 2 1 2 0 1 4 1 2 1 3 1 3 1 3 = 1 4 1 2 1 4
Como estamos assumindo que em cada unidade de tempo a matriz de transic¸ ˜ao ´e a mesma, ent ˜ao ap ´osk unidades de tempo a populac¸ ˜ao estar ´a dividida entre os tr ˆes estados segundo a matriz de estado
Assim a matrizTkd ´a a transic¸ ˜ao entrekunidades de tempo.
Veremos naSec¸ ˜ao7.1na p ´agina425como calcular rapidamente pot ˆenciaskde matrizes e assim como determinar a distribuic¸ ˜ao da populac¸ ˜ao ap ´osk unidades de tempo parak um inteiro positivo qualquer.
Exerc´ıcios Num ´ericos (respostas na p ´agina
500
)
1.1.1. Considere as seguintes matrizes
A = 2 0 6 7 , B = 0 4 2 −8 , C = −6 9 −7 7 −3 −2 D = −6 4 0 1 1 4 −6 0 6 , E = 6 9 −9 −1 0 −4 −6 0 −1
Se for poss´ıvel calcule:
(a) AB − BA,
(b) 2C − D,
(c) (2Dt− 3Et)t, (d) D2− DE.
1.1.2. Conhecendo-se somente os produtosAB e AC, como podemos calcularA(B + C), BtAt, CtAt e(ABA)C?
1.1.3. Considere as seguintes matrizes
A = −3 2 1 1 2 −1 , B = 2 −1 2 0 0 3 C = −2 1 −1 0 1 1 −1 0 1 , D = d1 0 0 0 d2 0 0 0 d3 E1 = 1 0 0 , E2 = 0 1 0 , E3 = 0 0 1 Verifique que:
(a) AB ´e diferente deBA.
(b) AEj ´e a j- ´esima coluna de A, para j = 1, 2, 3 e EitB ´e a i- ´esima linha de B, para i = 1, 2, 3(o caso geral est ´a noExerc´ıcio1.1.16na p ´agina26).
(c) CD = [ d1C1 d2C2 d3C3 ], em queC1 = −2 0 −1 ,C2 = 1 1 0 eC3 = −1 1 1 , s ˜ao as
(d) DC = d1C1 d2C2 d3C3 , em que C1 = −2 1 −1 , C2 = 0 1 1 e
C3 = −1 0 1 s ˜ao as linhas de C (o caso geral est ´a noExerc´ıcio 1.1.17 (b) na p ´agina27).
(e) Escrevendo B em termos das suas colunas, B = [ B1 B2 ], em que B1 = 2 2 0 e B2 = −1 0 3
, o produtoAB pode ser escrito comoAB = A [ B1 B2 ] = [ AB1 AB2 ]
(o caso geral est ´a noExerc´ıcio1.1.18(a) na p ´agina28).
(f) escrevendoAem termos das suas linhas,A1 =
−3 2 1 eA2 =
1 2 −1 , o produtoAB pode ser escrito como AB =
A1 A2 B = A1B A2B
(o caso geral est ´a no
Exerc´ıcio1.1.18(b) na p ´agina28). 1.1.4. Sejam A = 1 −3 0 0 4 −2 e X = x y z .
Verifique quexA1+ yA2+ zA3 = AX, em queAj ´e aj- ´esima coluna deA, paraj = 1, 2, 3
1.1.5. Encontre um valor dextal queABt = 0, em que
A = x 4 −2 e B = 2 −3 5 . 1.1.6. Mostre que as matrizesA = 1
1 y y 1
, em que y ´e uma n ´umero real n ˜ao nulo, verificam a equac¸ ˜aoX2 = 2X.
1.1.7. Mostre que seAeB s ˜ao matrizes que comutam com a matrizM = 0 1 −1 0 , ent ˜aoAB = BA.
1.1.8. (a) Determine todas as matrizesA,2×2, diagonais (os elementos que est ˜ao fora da diagonal s ˜ao iguais a zero) que comutam com toda matrizB,2 × 2, ou seja, tais queAB = BA, para toda matrizB,2 × 2.
(b) Determine todas as matrizesA, 2 × 2, que comutam com toda matrizB, 2 × 2, ou seja, tais queAB = BA, para toda matrizB,2 × 2.
1.1.9. Verifique queA3 = ¯0, para
A = 0 1 0 0 0 1 0 0 0 .
O caso geral est ´a noExerc´ıcio1.1.29na p ´agina32.
Uma vez inicializado o MATLABr, aparecer ´a na janela de comandos um prompt>> ouEDU>>. O prompt significa que o MATLABr est ´a esperando um comando. Todo comando deve ser finalizado teclando-se Enter. Comandos que foram dados anteriormente podem ser obtidos novamente usando as teclas↑e ↓. Enquanto se estiver escrevendo um comando, este pode ser corrigido usando as teclas←, →, Delete e Backspace. O MATLABr faz diferenc¸a entre letras mai ´usculas e min ´usculas.
No MATLABr, pode-se obter ajuda sobre qualquer comando ou func¸ ˜ao. O comando
>> help
(sem o prompt >>) mostra uma listagem de todos os pacotes dispon´ıveis. Ajuda sobre um pacote espec´ıfico ou sobre um comando ou func¸ ˜ao espec´ıfica pode ser obtida com o comando
>> help nome,
(sem a v´ırgula e sem o prompt>>) em quenomepode ser o nome de um pacote ou o nome de um comando ou func¸ ˜ao.
Al ´em dos comandos e func¸ ˜oes pr ´e-definidas, escrevemos um pacote chamado gaal
com func¸ ˜oes espec´ıficas para a aprendizagem de Geometria Anal´ıtica e Algebra Li-´ near. Este pacote pode ser obtido gratuitamente atrav ´es da internet no enderec¸o
http://www.mat.ufmg.br/~regi, assim como um texto com uma introduc¸ ˜ao ao MATLABre instruc¸ ˜oes de como instalar o pacotegaal. Depois deste pacote ser devidamente instalado, o comandohelp gaalno prompt do MATLABrd ´a informac¸ ˜oes sobre este pacote.
Mais informac¸ ˜oes sobre as capacidades do MATLABrpodem ser obtidas em [3,24].
Vamos descrever aqui alguns comandos que podem ser usados para a manipulac¸ ˜ao de matri-zes. Outros comandos ser ˜ao introduzidos a medida que forem necess ´arios.
>> A=[a11,a12,...,a1n;a21,a22,...; ...,amn] cria uma matriz, m por n, usando os elementosa11, a12, ..., amn e a armazena numa vari ´avel de nome A. Por exemplo, >> A=[1,2,3;4,5,6]cria a matrizA =
1 2 3 4 5 6
;
>> I=eye(n)cria a matriz identidadenporne a armazena numa vari ´avelI;
>> O=zeros(n)ou>> O=zeros(m,n)cria a matriz nulanpornoumporn, respectivamente, e a armazena numa vari ´avelO;
>> A+B ´e a soma deAeB,
>> A*B ´e o produto deAporB,
>> A.’ ´e a transposta deA,
>> A-B ´e a diferenc¸aAmenosB,
>> num*A ´e o produto do escalarnumporA,
>> A^k ´e a pot ˆenciaAelevado ak.
>> A(:,j) ´e a colunaj da matrizA,>> A(i,:) ´e a linhaida matrizA.
>> diag([d1,...,dn])cria uma matriz diagonal, cujos elementos da diagonal s ˜ao iguais aos elementos da matriz[d1,...,dn], ou seja, s ˜aod1,...,dn.
>> A=sym(A) converte a matriz A numa matriz em que os elementos s ˜ao armazenados no formato simb ´olico. A func¸ ˜aonumericfaz o processo inverso.
>> solve(expr) determina a soluc¸ ˜ao da equac¸ ˜ao expr=0. Por exemplo,
>> solve(x^2-4)determina as soluc¸ ˜oes da equac¸ ˜aox2− 4 = 0; Comando do pacote GAAL:
>> A=randi(n) ou >> A=randi(m,n)cria uma matriz npor n oum por n, respectivamente, com elementos inteiros aleat ´orios entre−5e5.
1.1.10. Use o MATLABrpara calcular alguns membros da seq ¨u ˆenciaA, A2, . . . , Ak, . . ., para (a) A = 1 12 0 13 ; (b) A = 1 2 1 3 0 −15 .
A seq ¨u ˆencia parece estar convergindo para alguma matriz? Se estiver, para qual?
1.1.11. Calcule as pot ˆencias das matrizes dadas a seguir e encontre experimentalmente (por tentativa!) o menor inteirok > 1tal que (use o comando>> A=sym(A) depois de armazenar a matriz na vari ´avelA): (a) Ak = I3, em que A = 0 0 1 1 0 0 0 1 0 ; (b) Ak = I4, em que A = 0 1 0 0 −1 0 0 0 0 0 0 1 0 0 1 0 ; (c) Ak = ¯0, em que A = 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 .
1.1.12. Vamos fazer um experimento no MATLABrpara tentar ter uma id ´eia do qu ˜ao comum ´e encontrar matrizes cujo produto comuta. No prompt do MATLABrdigite a seguinte linha:
(n ˜ao esquec¸a das v´ırgulas e pontos e v´ırgulas!). O que esta linha est ´a mandando o MATLABr fazer ´e o seguinte:
• Criar um contadorce atribuir a ele o valor zero.
• Atribuir `as vari ´aveisAeB,1000matrizes3 × 3com entradas inteiras e aleat ´orias entre−5 e5.
• SeAB=BA, ou seja,AeBcomutarem, ent ˜ao o contadorc ´e acrescido de1.
• No final o valor existente na vari ´avelc ´e escrito.
Qual a conclus ˜ao que voc ˆe tira do valor obtido na vari ´avelc?
1.1.13. Fac¸a um experimento semelhante ao anterior, mas para o caso em que cada uma das matrizes ´e diagonal, isto ´e, os elementos que est ˜ao fora da diagonal s ˜ao iguais a zero. Use a seta para cima↑para obter novamente a linha digitada e edite a linha no prompt do MATLABrde forma a obter algo semelhante `a linha:
>> c=0; for n=1:1000,A=diag(randi(1,3));B=diag(randi(1,3));if( ....
Qual a conclus ˜ao que voc ˆe tira do valor obtido na vari ´avelc?
1.1.14. Fac¸a um experimento semelhante ao anterior, mas para o caso em que uma das matrizes ´e diagonal. Use a seta para cima ↑ para obter novamente a linha digitada e edite a linha no prompt do MATLABrde forma a obter a seguinte linha:
>> c=0; for n=1:1000,A=diag(randi(1,3));B=randi(3);if(A*B==B*A),c=c+1;A,B,end,end,c
Aqui s ˜ao impressas as matrizesAeBquando elas comutarem. Qual a conclus ˜ao que voc ˆe tira deste experimento? Qual a probabilidade de um tal par de matrizes comutarem?
1.1.15. Use o MATLABrpara resolver os Exerc´ıcios Num ´ericos.
Exerc´ıcios Te ´
oricos
1.1.16. SejamE1 = 1 0 0 .. . 0 , E2 = 0 1 0 .. . 0 ,. . . ,En = 0 0 .. . 0 1 matrizesn × 1.(a) Mostre que se
A =
a11 a12 . . . a1n a21 a22 . . . a2n
..
. . . . ...
am1 am2 . . . amn
´e uma matrizm × n, ent ˜aoAEj ´e igual `a colunajda matrizA.
(b) Mostre que se B = b11 b12 . . . b1m b21 b22 . . . b2m .. . . . . ... bn1 bn2 . . . bnm ,
´e uma matrizn × ment ˜aoEt
1.1.17. Seja D = λ1 0 . . . 0 0 λ2 . . . 0 .. . . . . ... 0 . . . 0 λn
uma matriz diagonaln × n, isto ´e, os elementos que est ˜ao fora da diagonal s ˜ao iguais a zero. Seja A =
a11 a12 . . . a1n a21 a22 . . . a2n
..
. . . . ...
an1 an2 . . . ann .
(a) Mostre que o produtoAD ´e obtido da matrizAmultiplicando-se cada colunaj porλj, ou seja, seA = [ A1 A2 . . . An ], em queAj = a1j .. . anj
´e a colunaj deA, ent ˜ao
AD = [ λ1A1 λ2A2 . . . λnAn].
seja, seA = A1 A2 .. . An
, em queAi = [ ai1 . . . ain ] ´e a linhaideA, ent ˜ao
DA = λ1A1 λ2A2 .. . λnAn .
1.1.18. SejamAeB matrizesm × pep × n, respectivamente.
(a) Mostre que a j- ´esima coluna do produto AB ´e igual ao produto ABj, em que Bj = b1j .. . bpj
´e aj- ´esima coluna deB, ou seja, seB = [ B1 . . . Bn ], ent ˜ao
AB = A[ B1 . . . Bn] = [ AB1 . . . ABn ];
[ ai1 . . . aip] ´e ai- ´esima linha deA, ou seja, seA = A1 A2 .. . Am , ent ˜ao AB = A1 A2 .. . Am B = A1B A2B .. . AmB .
1.1.19. Seja A uma matriz m × n e X = x1 .. . xn
uma matriz n × 1. Prove que AX =
n X j=1
xjAj, em queAj ´e aj- ´esima coluna deA. (Sugest ˜ao: Desenvolva o lado direito e
chegue ao lado esquerdo.)
1.1.20. (a) Mostre que seA ´e uma matrizm × ntal queAX = ¯0, para toda matrizX,n × 1, ent ˜ao
A = ¯0. (Sugest ˜ao: use oExerc´ıcio16na p ´agina26.)
(b) SejamB eC matrizesm × n, taisBX = CX, para todoX, n × 1. Mostre queB = C. (Sugest ˜ao: use o item anterior.)
1.1.21. Mostre que a matriz identidade In ´e a ´unica matriz tal que A In = InA = Apara qualquer matriz A, n × n. (Sugest ˜ao: Seja Jn uma matriz tal que A Jn = JnA = A. Mostre que Jn = In.)
1.1.22. SeAB = BAep ´e um inteiro positivo, mostre que(AB)p = ApBp.
1.1.23. SejamA, B eCmatrizesn × n.
(a) (A + B)2 = A2+ 2AB + B2? E seAB = BA? Justifique. (b) (AB)C = C(AB)? E seAC = CAeBC = CB? Justifique. (Sugest ˜ao: Veja oExemplo1.8na p ´agina15.)
1.1.24. (a) SeAeB s ˜ao duas matrizes tais queAB = ¯0, ent ˜aoA = ¯0ouB = ¯0? Justifique.
(b) SeAB = ¯0, ent ˜aoBA = ¯0? Justifique.
(c) SeA ´e uma matriz tal queA2 = ¯0, ent ˜aoA = ¯0? Justifique.
1.1.25. Dizemos que uma matrizA,n × n, ´e sim ´etrica seAt = Ae ´e anti-sim ´etrica seAt = −A. (a) Mostre que se A ´e sim ´etrica, ent ˜ao aij = aji, para i, j = 1, . . . n e que se A ´e
anti-sim ´etrica, ent ˜ao aij = −aji, para i, j = 1, . . . n. Portanto, os elementos da diagonal
principal de uma matriz anti-sim ´etrica s ˜ao iguais a zero.
(b) Mostre que seAeBs ˜ao sim ´etricas, ent ˜aoA + BeαAs ˜ao sim ´etricas, para todo escalar
α.
(c) Mostre que seAeB s ˜ao sim ´etricas, ent ˜aoAB ´e sim ´etrica se, e somente se,AB = BA.
(d) Mostre que seAeBs ˜ao anti-sim ´etricas, ent ˜aoA + BeαAs ˜ao anti-sim ´etricas, para todo escalarα.
(f) Mostre que toda matriz quadradaApode ser escrita como a soma de uma matriz sim ´etrica e uma anti-sim ´etrica. (Sugest ˜ao: Observe o resultado da soma deA + At comA − At.) 1.1.26. Para matrizes quadradasA = (aij)n×n definimos o trac¸o de A como sendo a soma dos
ele-mentos da diagonal (principal) deA, ou seja,tr(A) = n X
i=1 aii.
(a) Mostre quetr(A + B) = tr(A) + tr(B).
(b) Mostre quetr(αA) = αtr(A).
(c) Mostre quetr(At) = tr(A).
(d) Mostre quetr(AB) = tr(BA). (Sugest ˜ao: Prove inicialmente para matrizes2 × 2.)
1.1.27. SejaAuma matrizn × n. Mostre que seAAt = ¯0, ent ˜aoA = ¯0. (Sugest ˜ao: use o trac¸o.) E se
a matrizAform × n, comm 6= n?
1.1.28. J ´a vimos que o produto de matrizes n ˜ao ´e comutativo. Entretanto, certos conjuntos de matrizes s ˜ao comutativos. Mostre que:
(a) SeD1 eD2s ˜ao matrizes diagonaisn × n, ent ˜aoD1D2 = D2D1.
(b) SeA ´e uma matrizn × ne
B = a0In+ a1A + a2A2+ . . . + akAk,
1.1.29. Uma matrizA ´e chamada nilpotente seAk = ¯0, para algum inteiro positivok. Verifique que a matriz A = 0 1 0 · · · 0 0 0 1 · · · 0 .. . ... . . . ... ... 0 0 0 · · · 1 0 0 0 · · · 0 n×n , ´e nilpotente.
Ap ˆendice I: Notac¸ ˜ao de Somat ´
orio
S ˜ao v ´alidas algumas propriedades para a notac¸ ˜ao de somat ´orio:
(a) O ´ındice do somat ´orio ´e uma vari ´avel muda que pode ser substitu´ıda por qualquer letra:
n X i=1 fi = n X j=1 fj.
(b) O somat ´orio de uma soma pode ser escrito como uma soma de dois somat ´orios:
n X i=1 (fi+ gi) = n X i=1 fi+ n X i=1 gi. Pois, n X i=1 (fi+ gi) = (f1+ g1) + . . . + (fn+ gn) = (f1+ . . . + fn) + (g1+ . . . + gn) = n X i=1 fi+ n X i=1 gi. Aqui foram aplicadas as propriedades associativa e comutativa da soma de n ´umeros.
(c) Se no termo geral do somat ´orio aparece um produto, em que um fator n ˜ao depende do ´ındice do somat ´orio, ent ˜ao este fator pode “sair” do somat ´orio:
n X i=1 figk = gk n X i=1 fi. Pois, n X i=1 figk = f1gk + . . . + fngk = gk(f1 + . . . + fn) = gk n X i=1
fi. Aqui foram aplicadas as propriedades distributiva e comutativa do produto em relac¸ ˜ao a soma de n ´umeros.
(d) Num somat ´orio duplo, a ordem dos somat ´orios pode ser trocada: n X i=1 m X j=1 fij = m X j=1 n X i=1 fij. Pois, n X i=1 m X j=1 fij = n X i=1 (fi1+ . . . + fim) = (f11+ . . . + f1m) + . . . + (fn1+ . . . + fnm) = (f11+ . . . + fn1) + . . . + (f1m+ . . . + fnm) = m X j=1 (f1j+ . . . + fnj) = m X j=1 n X i=1
fij. Aqui foram aplicadas as
1.2
Sistemas de Equac¸ ˜
oes Lineares
Muitos problemas em v ´arias ´areas da Ci ˆencia recaem na soluc¸ ˜ao de sistemas lineares. Vamos ver como a ´algebra matricial pode simplificar o estudo dos sistemas lineares.
Uma equac¸ ˜ao linear emnvari ´aveisx1, x2, . . . , xn ´e uma equac¸ ˜ao da forma
a1x1+ a2x2+ . . . + anxn = b ,
em quea1, a2, . . . , aneb s ˜ao constantes reais;
Um sistema de equac¸ ˜oes lineares ou simplesmente sistema linear ´e um conjunto de equac¸ ˜oes
lineares, ou seja, ´e um conjunto de equac¸ ˜oes da forma
a11x1 + a12x2 + . . . + a1nxn = b1
a21x1 + a22x2 + . . . + a2nxn = b2
..
. ... = ...
am1x1 + am2x2 + . . . + amnxn = bm
em queaij ebk s ˜ao constantes reais, parai, k = 1, . . . , mej = 1, . . . , n.
Usando o produto de matrizes que definimos na sec¸ ˜ao anterior, o sistema linear acima pode ser escrito como uma equac¸ ˜ao matricial
em que A =
a11 a12 . . . a1n a21 a22 . . . a2n
..
. . . . ...
am1 am2 . . . amn , X = x1 x2 .. . xn e B = b1 b2 .. . bm .
Uma soluc¸ ˜ao de um sistema linear ´e uma matrizS = s1 s2 .. . sn
tal que as equac¸ ˜oes do sistema s ˜ao
satisfeitas quando substitu´ımosx1 = s1, x2 = s2, . . . , xn = sn. O conjunto de todas as soluc¸ ˜oes do sistema ´e chamado conjunto soluc¸ ˜ao ou soluc¸ ˜ao geral do sistema. A matrizA ´e chamada matriz
do sistema linear.
Exemplo 1.10. O sistema linear de duas equac¸ ˜oes e duas inc ´ognitas
x + 2y = 1
2x + y = 0
pode ser escrito como
1 2 2 1 x y = 1 0 .
A soluc¸ ˜ao (geral) do sistema acima ´ex = −1/3ey = 2/3(verifique!) ou
X = −13 2 3 .
Uma forma de resolver um sistema linear ´e substituir o sistema inicial por outro que tenha o mesmo conjunto soluc¸ ˜ao do primeiro, mas que seja mais f ´acil de resolver. O outro sistema ´e obtido depois de aplicar sucessivamente uma s ´erie de operac¸ ˜oes, que n ˜ao alteram a soluc¸ ˜ao do sistema, sobre as equac¸ ˜oes. As operac¸ ˜oes que s ˜ao usadas s ˜ao:
• Trocar a posic¸ ˜ao de duas equac¸ ˜oes do sistema;
• Multiplicar uma equac¸ ˜ao por um escalar diferente de zero;
• Somar a uma equac¸ ˜ao outra equac¸ ˜ao multiplicada por um escalar.
Estas operac¸ ˜oes s ˜ao chamadas de operac¸ ˜oes elementares. Quando aplicamos operac¸ ˜oes
ele-mentares sobre as equac¸ ˜oes de um sistema linear somente os coeficientes do sistema s ˜ao alterados, assim podemos aplicar as operac¸ ˜oes sobre a matriz de coeficientes do sistema, que chamamos de
matriz aumentada, ou seja, a matriz
[A | B] =
a11 a12 . . . a1n b1 a21 a22 . . . a2n b2
.. . . . . ... ... am1 am2 . . . amn bm .
Definic¸ ˜ao 1.5. Uma operac¸ ˜ao elementar sobre as linhas de uma matriz ´e uma das seguintes operac¸ ˜oes:
(a) Trocar a posic¸ ˜ao de duas linhas da matriz;
(b) Multiplicar uma linha da matriz por um escalar diferente de zero;
(c) Somar a uma linha da matriz um m ´ultiplo escalar de outra linha.
O pr ´oximo teorema garante que ao aplicarmos operac¸ ˜oes elementares `as equac¸ ˜oes de um sis-tema o conjunto soluc¸ ˜ao n ˜ao ´e alterado.
Teorema 1.2. Se dois sistemas lineares AX = B e CX = D, s ˜ao tais que a matriz aumentada
[C | D] ´e obtida de[A | B] aplicando-se uma operac¸ ˜ao elementar, ent ˜ao os dois sistemas possuem as mesmas soluc¸ ˜oes.
Demonstrac¸ ˜ao. A demonstrac¸ ˜ao deste teorema segue-se de duas observac¸ ˜oes:
(a) SeX ´e soluc¸ ˜ao de um sistema, ent ˜ao X tamb ´em ´e soluc¸ ˜ao do sistema obtido aplicando-se uma operac¸ ˜ao elementar sobre suas equac¸ ˜oes (verifique!).
(b) Se o sistema CX = D, ´e obtido de AX = B aplicando-se uma operac¸ ˜ao elementar `as suas equac¸ ˜oes (ou equivalentemente `as linhas da sua matriz aumentada), ent ˜ao o sistema
AX = Btamb ´em pode ser obtido deCX = Daplicando-se uma operac¸ ˜ao elementar `as suas equac¸ ˜oes, pois cada operac¸ ˜ao elementar possui uma operac¸ ˜ao elementar inversa do mesmo tipo, que desfaz o que a anterior fez (verifique!).
Pela observac¸ ˜ao (b),AX = BeCX = Dpodem ser obtidos um do outro aplicando-se uma operac¸ ˜ao elementar sobre as suas equac¸ ˜oes. E pela observac¸ ˜ao (a), os dois possuem as mesmas soluc¸ ˜oes.
Dois sistemas que possuem o mesmo conjunto soluc¸ ˜ao s ˜ao chamados sistemas equivalentes. Portanto, segue-se do Teorema 1.2 que aplicando-se operac¸ ˜oes elementares `as equac¸ ˜oes de um sistema linear obtemos sistemas equivalentes.
1.2.1
M ´etodo de Gauss-Jordan
O m ´etodo que vamos usar para resolver sistemas lineares consiste na aplicac¸ ˜ao de operac¸ ˜oes elementares `as linhas da matriz aumentada do sistema at ´e que obtenhamos uma matriz numa forma em que o sistema associado a esta matriz seja de f ´acil resoluc¸ ˜ao.
Vamos procurar obter uma matriz numa forma em que todas as linhas n ˜ao nulas possuam como primeiro elemento n ˜ao nulo (chamado piv ˆo) o n ´umero1. Al ´em disso, se uma coluna cont ´em um piv ˆo, ent ˜ao todos os seus outros elementos ter ˜ao que ser iguais a zero. Vamos ver no exemplo seguinte como conseguimos isso. Neste exemplo veremos como a partir do faturamento e do gasto com insumos podemos determinar quanto foi produzido de cada produto manufaturado em uma ind ´ustria.
Exemplo 1.11. Uma ind ´ustria produz tr ˆes produtos, X, Y e Z, utilizando dois tipos de insumo, A e B. Para a manufatura de cada kg de X s ˜ao utilizados 1 grama do insumo A e 2 gramas do insumo B; para cada kg de Y, 1 grama de insumo A e 1 grama de insumo B e, para cada kg de Z, 1 grama de A e 4 gramas de B. O prec¸o de venda do kg de cada um dos produtos X, Y e Z ´e R$ 2,00, R$ 3,00 e R$ 5,00, respectivamente. Com a venda de toda a produc¸ ˜ao de X, Y e Z manufaturada com 1 kg de A e 2 kg de B, essa ind ´ustria arrecadou R$ 2500,00. Vamos determinar quantos kg de cada um dos produtos X, Y e Z foram vendidos. Como vimos noExemplo1.6na p ´agina 8, usando matrizes o esquema de produc¸ ˜ao pode ser descrito da seguinte forma:
X Y Z gramas de A/kg gramas de B/kg prec¸o/kg 1 1 1 2 1 4 2 3 5 = A X = x y z kg de X produzidos kg de Y produzidos kg de Z produzidos AX = x + y + z 2x + y + 4z 2x + 3y + 5z = 1000 2000 2500 gramas de A usados gramas de B usados arrecadac¸ ˜ao
Assim precisamos resolver o sistema linear
x + y + z = 1000 2x + y + 4z = 2000 2x + 3y + 5z = 2500
cuja matriz aumentada ´e
1
1 1 1000 2 1 4 2000 2 3 5 2500
1a.eliminac¸ ˜ao:
Vamos procurar para piv ˆo da 1a.linha um elemento n ˜ao nulo da primeira coluna n ˜ao nula (se for o caso, podemos usar a troca de linhas para “traz ˆe-lo” para a primeira linha). Como o primeiro elemento da primeira coluna ´e igual a1ele ser ´a o primeiro piv ˆo. Agora, precisamos “zerar” os outros elementos da 1a.coluna, que ´e a coluna do piv ˆo, para isto, adicionamos `a 2a.linha,−2vezes a 1a.linha e adicionamos
`a 3a.linha, tamb ´em,−2vezes a 1a. linha. −2×1a.linha+2a.linha−→2a.linha
−2×1a.linha+3a.linha−→3a.linha
1 1 1 1000 0
−1 2 0 0 1 3 500 2a.eliminac¸ ˜ao:
Olhamos para a sub-matriz obtida eliminando-se a 1a. linha. Escolhemos para piv ˆo um elemento diferente de zero na 1a.coluna n ˜ao nula desta sub-matriz. Vamos escolher o elemento de posic¸ ˜ao 2,2. Como temos que “fazer” o piv ˆo igual a um, vamos multiplicar a 2a. linha por−1.
−1×2a.linha−→2a.linha 1 1 1 1000 0 1 −2 0 0 1 3 500
Agora, precisamos “zerar” os outros elementos da 2a.coluna, que ´e a coluna do piv ˆo, para isto,
soma-mos `a 1a.linha,−1vezes a 2a.e somamos `a 3a.linha, tamb ´em,−1vezes a 2a.. −1×2a.linha+1a.linha−→1a.linha
−1×2a.linha+3a.linha−→3a.linha
1 0 3 1000 0 1 −2 0 0 0
5 500 3a.eliminac¸ ˜ao:
Olhamos para a sub-matriz obtida eliminando-se a 1a.e a 2a.linha. Escolhemos para piv ˆo um elemento diferente de zero na 1a. coluna n ˜ao nula desta sub-matriz. Temos de escolher o elemento de posic¸ ˜ao 3,3 e como temos de “fazer” o piv ˆo igual a1, vamos multiplicar a 3a.linha por1/5.
1 5×3a.linha−→3a.linha 1 0 3 1000 0 1 −2 0 0 0 1 100
Agora, precisamos “zerar” os outros elementos da 3a.coluna, que ´e a coluna do piv ˆo, para isto,
soma-mos `a 1a.linha,−3vezes a 3a.e somamos `a 2a.linha,2vezes a 2a..
−3×3a.linha+1a.linha−→1a.linha 2×3a.linha+2a.linha−→2a.linha
1 0 0 700 0 1 0 200 0 0 1 100
Portanto o sistema dado ´e equivalente ao sistema
x = 700 y = 200 z = 100
que possui soluc¸ ˜ao geral dada por
X = x y z = 700 200 100 .
A ´ultima matriz que obtivemos no exemplo anterior est ´a na forma que chamamos de escalonada
reduzida.
Definic¸ ˜ao 1.6. Uma matriz A = (aij)m×n est ´a na forma escalonada reduzida quando satisfaz as seguintes condic¸ ˜oes:
(a) Todas as linhas nulas (formadas inteiramente por zeros) ocorrem abaixo das linhas n ˜ao nulas;
(b) O piv ˆo (1o.elemento n ˜ao nulo de uma linha) de cada linha n ˜ao nula ´e igual a1;
(c) O piv ˆo de cada linha n ˜ao nula ocorre `a direita do piv ˆo da linha anterior.
(d) Se uma coluna cont ´em um piv ˆo, ent ˜ao todos os seus outros elementos s ˜ao iguais a zero.
Se uma matriz satisfaz as propriedades (a) e (c), mas n ˜ao necessariamente (b) e (d), dizemos que ela est ´a na forma escalonada.
Exemplo 1.12. As matrizes 1 0 0 0 1 0 0 0 1 e 1 3 0 2 0 0 1 −3 0 0 0 0
s ˜ao escalonadas reduzidas, enquanto 1 1 1 0 −1 2 0 0 5 e 1 3 −1 5 0 0 −5 15 0 0 0 0
s ˜ao escalonadas, mas n ˜ao s ˜ao escalonadas reduzidas.
Este m ´etodo de resoluc¸ ˜ao de sistemas, que consiste em aplicar operac¸ ˜oes elementares `as linhas da matriz aumentada at ´e que a matriz do sistema esteja na forma escalonada reduzida, ´e conhecido como m ´etodo de Gauss-Jordan.
Exemplo 1.13. Considere o seguinte sistema
x + 3y + 13z = 9 y + 5z = 2 −2y − 10z = −8
A sua matriz aumentada ´e
1
3 13 9 0 1 5 2 0 −2 −10 −8 1a.eliminac¸ ˜ao:
Como o piv ˆo da 1a.linha ´e igual a1e os outros elementos da 1a.coluna s ˜ao iguais a zero, n ˜ao h ´a nada o que fazer na 1a.eliminac¸ ˜ao.
1 3 13 9 0
1 5 2 0 −2 −10 −8
2a.eliminac¸ ˜ao:
Olhamos para submatriz obtida eliminando-se a 1a. linha. Escolhemos para piv ˆo um elemento n ˜ao nulo da 1a.coluna n ˜ao nula da submatriz. Escolhemos o elemento de posic¸ ˜ao 2,2. Como ele ´e igual a 1, precisamos, agora, “zerar” os outros elementos da coluna do piv ˆo. Para isto somamos `a 1a. linha,
−3vezes a 2a. e somamos `a 3a.linha,2vezes a 2a..
−3×2a. linha+1a. linha−→1a.linha 2×2a.linha+3a.linha−→3a.linha
1 0 −2 3 0 1 5 2 0 0 0 −4
Portanto o sistema dado ´e equivalente ao sistema
x − 2z = 3 y + 5z = 2 0 = −4
que n ˜ao possui soluc¸ ˜ao.
Em geral, um sistema linear n ˜ao tem soluc¸ ˜ao se, e somente se, a ´ultima linha n ˜ao nula da forma escalonada reduzida da sua matriz aumentada for da forma[ 0 . . . 0 | b0m], comb0
m 6= 0. Exemplo 1.14. Considere o seguinte sistema
3z − 9w = 6 5x + 15y − 10z + 40w = −45 x + 3y − z + 5w = −7
A sua matriz aumentada ´e 0 0 3 −9 6 5 15 −10 40 −45 1
3 −1 5 −7 1a.eliminac¸ ˜ao:
Como temos que “fazer” o piv ˆo igual a um, escolhemos para piv ˆo o elemento de posic¸ ˜ao 3,1. Preci-samos “coloc ´a-lo” na primeira linha, para isto, trocamos a 3a.linha com a 1a. .
1a.linha←→4a.linha 1
3 −1 5 −7 5 15 −10 40 −45 0 0 3 −9 6
Agora, precisamos “zerar” os outros elementos da 1a.coluna, que ´e a coluna do piv ˆo, para isto, adici-onamos `a 2a.linha,−5vezes a 1a..
−5×1a. linha+2a. linha−→2a.linha 1 3 −1 5 −7 0 0
−5 15 −10 0 0 3 −9 6 2a.eliminac¸ ˜ao:
Olhamos para a sub-matriz obtida eliminando-se a 1a. linha. Escolhemos para piv ˆo um elemento
diferente de zero na 1a. coluna n ˜ao nula desta sub-matriz. Escolhemos o elemento de posic¸ ˜ao 2,3.
−(1/5)×2a.linha−→2a.linha 1 3 −1 5 −7 0 0
1 −3 2 0 0 3 −9 6
Agora, precisamos “zerar” os outros elementos da 2a.coluna, que ´e a coluna do piv ˆo, para isto,
adici-onamos `a 1a.linha a 2a. e `a 4a. linha,−3vezes a 2a.. 2a.linha+1a.linha−→1a.linha
−3×2a. linha+4a. linha−→4a.linha
1 3 0 2 −5 0 0 1 −3 2 0 0 0 0 0
Esta matriz ´e escalonada reduzida. Portanto o sistema dado ´e equivalente ao sistema seguinte
x + 3y + 2w = −5
z − 3w = 2.
A matriz deste sistema possui duas colunas sem piv ˆos. As vari ´aveis que n ˜ao est ˜ao associadas a piv ˆos podem ser consideradas vari ´aveis livres, isto ´e, podem assumir valores arbitr ´arios. Neste exemplo as vari ´aveisyewn ˜ao est ˜ao associadas a piv ˆos e podem ser consideradas vari ´aveis livres. Sejamw = α ey = β. As vari ´aveis associadas aos piv ˆos ter ˜ao os seus valores dependentes das vari ´aveis livres,z = 2 + 3α,x = −5 − 2α − 3β. Assim, a soluc¸ ˜ao geral do sistema ´e
X = x y z w = −5 − 2α − 3β β 2 + 3α α
Em geral, se o sistema linear tiver soluc¸ ˜ao e a forma escalonada reduzida da matriz aumentada possuir colunas sem piv ˆos, as vari ´aveis que n ˜ao est ˜ao associadas a piv ˆos podem ser consideradas
vari ´aveis livres, isto ´e, podem assumir valores arbitr ´arios. As vari ´aveis associadas aos piv ˆos ter ˜ao
os seus valores dependentes das vari ´aveis livres.
Lembramos que o sistema linear n ˜ao tem soluc¸ ˜ao se a ´ultima linha n ˜ao nula da forma escalonada reduzida da matriz aumentada do sistema for da forma[ 0 . . . 0 | b0m], comb0
m 6= 0, como noExemplo
1.13na p ´agina44.
Observac¸ ˜ao. Para se encontrar a soluc¸ ˜ao de um sistema linear n ˜ao ´e necess ´ario transformar a matriz aumentada do sistema na sua forma escalonada reduzida, mas se a matriz est ´a nesta forma, o sistema associado ´e o mais simples poss´ıvel. Um outro m ´etodo de resolver sistemas lineares consiste em, atrav ´es da aplicac¸ ˜ao de operac¸ ˜oes elementares `a matriz aumentada do sistema, se chegar a uma matriz que ´e somente escalonada (isto ´e, uma matriz que satisfaz as condic¸ ˜oes(a)e (c), mas n ˜ao necessariamente(b)e(d)daDefinic¸ ˜ao1.6). Este m ´etodo ´e conhecido como m ´etodo de Gauss.
O pr ´oximo resultado mostra que um sistema linear que tenha mais de uma soluc¸ ˜ao n ˜ao pode ter um n ´umero finito de soluc¸ ˜oes.
Proposic¸ ˜ao 1.3. SejamAuma matrizm × neB uma matrizm × 1. Se o sistema linearA X = B
Demonstrac¸ ˜ao. Seja
Xλ = (1 − λ)X0 + λX1, paraλ ∈ R.
Vamos mostrar que Xλ ´e soluc¸ ˜ao do sistema A X = B, para qualquer λ ∈ R. Para isto vamos mostrar queA Xλ = B.
Aplicando as propriedades (i), (j) das operac¸ ˜oes matriciais (Teorema1.1na p ´agina10) obtemos
A Xλ = A[(1 − λ)X0+ λX1] = A(1 − λ)X0+ AλX1 = (1 − λ)A X0+ λA X1
ComoX0eX1 s ˜ao soluc¸ ˜oes deA X = B, ent ˜aoA X0 = BeA X1 = B, portanto
A Xλ = (1 − λ)B + λB = [(1 − λ) + λ]B = B,
pela propriedade (f) doTeorema1.1.
Assim o sistemaA X = B tem infinitas soluc¸ ˜oes, pois para todo valor deλ ∈ R,Xλ ´e soluc¸ ˜ao e Xλ−Xλ0 = (λ −λ0)(X1−X0), ou seja,Xλ 6= Xλ0, paraλ 6= λ0. Observe que paraλ = 0,Xλ = X0,
paraλ = 1, Xλ = X1, para λ = 1/2, Xλ = 12X0 + 12X1, para λ = 3, Xλ = −2X0 + 3X1 e para λ = −2,Xλ = 3X0− 2X1.
NoExemplo3.4na p ´agina169temos uma interpretac¸ ˜ao geom ´etrica desta demonstrac¸ ˜ao.
Para resolver sistemas lineares vimos aplicando operac¸ ˜oes elementares `a matriz aumentada do sistema linear. Isto pode ser feito com quaisquer matrizes.
1.2.2
Matrizes Equivalentes por Linhas
Definic¸ ˜ao 1.7. Uma matrizA = (aij)m×n ´e equivalente por linhas a uma matrizB = (bij)m×n, se
Bpode ser obtida deAaplicando-se uma seq ¨u ˆencia de operac¸ ˜oes elementares sobre as suas linhas.
Exemplo 1.15. Observando osExemplos1.11,1.14e1.13, vemos que as matrizes
1 1 1 2 1 4 2 3 5 , 0 0 3 −9 5 15 −10 40 1 3 −1 5 , 1 3 13 0 1 5 0 −2 −10
s ˜ao equivalentes por linhas `as matrizes
1 0 0 0 1 0 0 0 1 , 1 3 0 2 0 0 1 −3 0 0 0 0 , 1 0 −2 0 1 5 0 0 0 ,
respectivamente. Matrizes estas que s ˜ao escalonadas reduzidas.
Cuidado:elas s ˜ao equivalentes por linhas, n ˜ao s ˜ao iguais!
A relac¸ ˜ao “ser equivalente por linhas” satisfaz as seguintes propriedades, cuja verificac¸ ˜ao deixa-mos como exerc´ıcio para o leitor:
• SeA ´e equivalente por linhas aB, ent ˜aoB ´e equivalente por linhas aA(simetria);
• SeA ´e equivalente por linhas aB eB ´e equivalente por linhas aC, ent ˜aoA ´e equivalente por linhas aC(transitividade).
Toda matriz ´e equivalente por linhas a uma matriz na forma escalonada reduzida e a demonstrac¸ ˜ao, que omitiremos, pode ser feita da mesma maneira que fizemos no caso particular das matrizes aumentadas dosExemplos 1.11,1.14 e1.13. NoTeorema4.10na p ´agina278 mostra-mos que essa matriz escalonada reduzida ´e a ´unica matriz na forma escalonada reduzida equivalente aA.
Teorema 1.4. Toda matriz A = (aij)m×n ´e equivalente por linhas a uma ´unica matriz escalonada reduzidaR = (rij)m×n.
O pr ´oximo resultado ser ´a usado para provar alguns resultados no cap´ıtulo de invers ˜ao de matrizes.
Proposic¸ ˜ao 1.5. SejaR uma matrizn × n, na forma escalonada reduzida. SeR 6= In, ent ˜aoRtem
uma linha nula.
Demonstrac¸ ˜ao. Observe que o piv ˆo de uma linhaiest ´a sempre numa colunajcomj ≥ i. Portanto, ou a ´ultima linha de R ´e nula ou o piv ˆo da linhan est ´a na posic¸ ˜ao n, n. Mas, neste caso todas as linhas anteriores s ˜ao n ˜ao nulas e os piv ˆos de cada linhaiest ´a na colunai, ou seja,R = In.
1.2.3
Sistemas Lineares Homog ˆeneos
Um sistema linear da forma
a11x1 + a12x2 + . . . + a1nxn = 0
a21x1 + a22x2 + . . . + a2nxn = 0
..
. ... = ...
am1x1 + am2x2 + . . . + amnxn = 0
´e chamado sistema homog ˆeneo. O sistema (1.7) pode ser escrito comoA X = ¯0. Todo sistema
homog ˆeneo admite pelo menos a soluc¸ ˜ao X = x1 x2 .. . xn = 0 0 .. . 0
chamada de soluc¸ ˜ao trivial.
Portanto, todo sistema homog ˆeneo tem soluc¸ ˜ao. Al ´em disso ou tem somente a soluc¸ ˜ao trivial ou tem infinitas soluc¸ ˜oes
Observac¸ ˜ao.Para resolver um sistema linear homog ˆeneoA X = ¯0, basta escalonarmos a matrizA
do sistema, j ´a que sob a ac¸ ˜ao de uma operac¸ ˜ao elementar a coluna de zeros n ˜ao ´e alterada. Mas, ´e preciso ficar atento quando se escreve o sistema linear associado `a matriz resultante das operac¸ ˜oes elementares, para se levar em considerac¸ ˜ao esta coluna de zeros que n ˜ao vimos escrevendo.
Teorema 1.6. SeA = (aij)m×n, ´e tal quem < n, ent ˜ao o sistema homog ˆeneoAX = ¯0tem soluc¸ ˜ao diferente da soluc¸ ˜ao trivial, ou seja, todo sistema homog ˆeneo com menos equac¸ ˜oes do que inc ´ognitas tem infinitas soluc¸ ˜oes.