Notas de Aula sobre Teoria de Matrices e Solu cao de

Sistemas de Equa coes Lineares

Prof. Dr. Fernando Enrique Echaiz-Espinoza
Instituto de Matem atica
Universidade Federal de Alagoas, AL, Brazil
echaiz@pos.mat.ufal.br
Version 2.3
11 Agosto de 2014
Resumo
O objetivo de estas notas de aula e apresentar o Teorema de Mirsky que e um teorema de
consistencia para a um sistema de equa c oes lineares simultaneas. Para tal objetivo primeira-
mente lembramos os conceitos basicos da teoria de matrices, depois trabalhamos o conceito
de posto de uma matriz baseado no conceito do determinante.
1 Matrizes
Denicao 1.1. Uma matriz serve para representar uma sequencia de n umeros. Por exemplo uma
matriz A pode ser representada como
A =
_
_
_
_
_
a
11
a
12
. . . a
1n
a
21
a
22
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
. . . a
mn
_
_
_
_
_
.
Denotaremos uma matriz A mediante A = (a
ij
), onde i = 1, 2, . . . , m; j = 1, 2, . . . , n; neste
caso diremos que a matriz A tem dimensao mn ou que a matriz A e de ordem mn, o conceito
de ordem de uma matriz so serve para deixar claro quantas linhas e colunas nossa matriz tem.
As entradas da matriz A vem a ser cada elemento dela, no caso em que A = (a
ij
) introduzimos
a nota cao a
ij
para representar cada elemento de A, neste caso a entrada da matriz A e cada a
ij
;
quando nao precissamos introducir uma notacao para os elementos da matriz A podemos usar a
notacao (A)
ij
para representar as entradas da matriz A.
Devese ter cuidado para nao efetuar a multiplicacao de m com n quando nos vajamos a referir
a ordem de uma matriz, simplemente deve dizer que uma matriz e de ordem m por n (m n),
para indicar que a matriz tem m linhas e n colunas. Por exemplo dada uma matriz de 3 8 nao
deve dizer que a matriz e de ordem 24, porque tambem uma matriz de 6 4 teria ordem 24, mas
uma matriz com 6 linhas e 4 colunas e distinta de nossa matriz que tem 3 linhas e 8 colunas.
Podemos classicar as matrizes segundo sua orden:
quando m = n diremos que temos uma matriz quadrada de ordem n;
quando m ,= n diremos que temos uma matriz retangular de ordem mn.
Tambem podemos classicar as matrizes segundo seus elementos:
se para cada i e j temos que a
ij
R diremos que a matriz A = (a
ij
) e real. Em outras
palavras, se todos os elementos de uma matriz sao n umeros reais esta chama-se de matriz
real;
1
se para algum i e j temos que a
ij
C diremos que a matriz A = (a
ij
) e complexa. Em
outras palavras, se pelo menos um elemento de uma matriz e um n umero complexo esta
chama-se de matriz complexa;
Denicao 1.2. Duas matrizes A = (a
ij
) e B = (b
ij
) dizem-se iguais se elas tem as mesmas
dimensoes e cada uma das entradas destas matrices coincidem, i.e., a
ij
= b
ij
, i, j.
Exemplo 1.3. Denote a matriz A = (a
ij
), escreva a matriz A quando:
a) m = 2, n = 3 e a
ij
= 2i j
b) m = 3, n = 3 e a
ij
= [i j[
Solucao.
a) Neste caso nossa matriz A tem duas linhas e tres colunas, o que signica que a matriz A e de
orden 2 3. Agora vamos mostrar os elementos a
ij
= 2i j desa matriz:
a
11
= 2 1 1 = 1; a
12
= 2 1 2 = 0; a
13
= 2 1 3 = 1;
a
21
= 2 2 1 = 3; a
22
= 2 2 2 = 2; a
23
= 2 2 3 = 1.
Portanto
A =
_
1 0 1
3 2 1
_
.
b) Neste caso nossa matriz A tem tres linhas e tres colunas, o que signica que a matriz A e de
orden 3 3. Agora vamos mostrar os elementos a
ij
= [i j[ desa matriz:
a
11
= [1 1[ = 0; a
12
= [1 2[ = 1; a
13
= [1 3[ = 2;
a
21
= [2 1[ = 1; a
22
= [2 2[ = 0; a
23
= [2 3[ = 1;
a
31
= [3 1[ = 2; a
32
= [3 2[ = 1; a
33
= [3 3[ = 0.
Portanto
A =
_
_
0 1 2
1 0 1
2 1 0
_
_
.
Denicao 1.4. Numa matriz quadrada a diagonal que vai desde a esquina superior esquerda ate
a esquina inferior direita chama-se diagonal principal, i.e.,
a
11
a
12
a
13
. . . a
1n
a
21
a
22
a
23
. . . a
2n
a
31
a
32
a
33
. . . a
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
n3
. . . a
nn
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
,
onde a diagonal principal e formada por a
11
, a
22
, a
33
, , a
nn
.
Denicao 1.5. O traco de uma matriz quadrada A = (a
ij
)
nn
, dene-se como a soma dos
elementos da diagonal principal, isto e,
traco (A) =
n

i=1
a
ii
= a
11
+a
22
+ +a
nn
.
2
2 Soma de Matrizes
Duas matrizes A = (a
ij
) e B = (b
ij
) podem ser somadas se ambas tem a mesma dimensao e
se denotamos a soma destas matrices como C = (c
ij
), isto e, C = A+B, dene-se c
ij
mediante
c
ij
= a
ij
+b
ij
, i, j.
Podemos observar desa deni cao que a soma de matrizes es comutativa, isto e, A+B = B+A.
3 Multiplicacao de uma matriz por um escalar
Se k e uma constante e A = (a
ij
) e uma matriz, kA e uma matriz denida por
kA = (k a
ij
).
Exemplo 3.1. Se A =
_
1 7 5
3 1 2
_
segue-se que 2A =
_
2 14 10
6 2 4
_
.
Observacao 3.2. A multiplicac ao de uma matriz por um escalar pode ser usada para fatorar um
elemento comum a todas as entradas de uma matriz, por exemplo,
_
3 9
6 12
_
= 3
_
1 3
2 4
_
.
4 Diferenca de matrices
Duas matrizes A = (a
ij
) e B = (b
ij
) podem ser substraidas se ambas tem a mesma dimensao e
AB := A+ (1)B;
(AB)
ij
= a
ij
b
ij
.
Exemplo 4.1. Dadas as matrizes A =
_
_
_
_
1 1
0 4
4 2
3 8
_
_
_
_
e B =
_
_
_
_
1 3
7 1
5 4
2 6
_
_
_
_
. Determine A+B , AB,
2B e 2B 4A.
Solucao.
A+B =
_
_
_
_
2 2
7 3
9 6
5 14
_
_
_
_
;
AB =
_
_
_
_
0 2
7 5
1 2
1 2
_
_
_
_
;
2B =
_
_
_
_
2 6
14 2
10 8
4 12
_
_
_
_
;
2B 4A =
_
_
_
_
2 10
14 18
6 0
8 20
_
_
_
_
.
3
5 Matriz nula ou matriz zero
Uma matriz onde todas suas entradas sao zero e chamada de uma matriz nula ou matriz zero,
representaremos esta matriz por O, e a entrada de esta matriz e
O
ij
= 0, i, j.
A matriz nula satisfaz as seguintes propriedades
AA = O;
A+ O = A.
Exemplo 5.1. Se A, B e C sao tres matrizes tendo as mesmas dimensoes e A + C = B + C,
mostre que A = B.
Solucao. A prova sera feita por dois metodos
Metodo 1: Denotemos nossas matrizes por A = (a
ij
), B = (b
ij
) e C = (c
ij
). Por deni cao
(A+C)
ij
= a
ij
+c
ij
(B +C)
ij
= b
ij
+c
ij
.
Assim, a condi cao A+B = B +C e equivalente a ter
a
ij
+c
ij
= b
ij
+c
ij
, i, j
de onde,
a
ij
= b
ij
, i, j
Logo pela igualdade de matrizes A = B.
Metodo 2: Como
A = A+ O;
= A+ [C + (C)];
pela distributibidade da soma de matrizes,
= (A+C) + (C);
por hipotese A+C = B +C, de onde
A = (B +C) + (C);
pela distributibidade da soma de matrizes,
A = B + [C + (C)];
A = B + O = B.
Exemplo 5.2. Dadas as matrizes A e B, resolva a equacao X +A = B.
4
Solucao.
X = X + O;
X = X + [A+ (A)];
pela distributibidade da soma de matrizes,
= (X +A) + (A);
por hipotese X +A = B, de onde
X = B + (A);
portanto,
X = B A.
6 Multiplicacao de duas matrices
Sejam A = (a
ij
) e B = (b
ij
) duas matrizes. Dene-se o produto de AB somente se o n umero
de colunas A e igual ao n umero de linhas de B, e neste caso diremos que as matrizes A e B sao
conformes `a multiplica cao.
Se A = (a
ij
)
mn
e B = (b
ij
)
np
e se denotamos o produto da matriz A com a matriz B como
C = AB, onde C = (c
ij
), dene-se c
ij
mediante
c
ij
=
n

k=1
a
ik
b
kj
, i, j.
O seguinte diagrama mostra como calcula-se a dimensao de um produto de matrices
A B
=
C
m n n
p m
p
iguais
N umero de linhas de C = n umero de linhas de A
N umero de colunas de C = n umero de colunas de B
Exemplo 6.1. Se A =
_
1 2
3 4
_
e B =
_
1 4
2 3
_
, entao
AB =
_
3 2
5 0
_
e
BA =
_
11 14
7 8
_
.
Observacao 6.2. Do exemplo anterior podemos tirar as seguintes conclus oes:
5
em geral AB ,= BA, isto e, a multiplicacao matricial nao e comutativa;
dizer o produto das matrizes A e Be confuso e indenido;
no produto matricial AB, a matriz B diz-se que esta multiplicada pela esquerda ou premul-
tiplicada por A. Em BA, a matriz B diz-se que esta multiplicada pela direita ou posmulti-
plicada por A.
Exemplo 6.3. Se possvel determine, A+B, AB e BA quando:
a) A =
_
0 1
1 1
_
e B =
_
0 1
1 0
_
;
b) A =
_
1 2 3
1 3 6
_
e B =
_
1 1 1
1 2 3
_
;
c) A =
_
_
2 1
1 0
3 4
_
_
e B =
_
1 2 5
3 4 0
_
.
Solucao. a) Neste caso as duas matrizes A e B sao quadradas e da mesma ordem, de modo que
existem A+B, AB e BA. Pode-se vericar que
A+B =
_
0 0
2 1
_
;
AB =
_
1 0
1 1
_
;
BA =
_
1 1
0 1
_
.
b) Neste caso ambas as matrizes A e B tem ordem 2 3, de modo que so existe A+B.
A+B =
_
2 3 4
2 5 9
_
.
c) Neste caso a matriz A e de ordem 3 2 enquanto a matriz B e de ordem 2 3. Como as
matrizes A e B tem orden distintas concluimos que nao existe a matriz A+B, porem existem
as matrizes AB e BA.
AB =
_
_
1 8 10
1 2 5
9 22 15
_
_
;
BA =
_
15 21
10 3
_
.
Exemplo 6.4. Se A tem m linhas e m + 5 colunas, B tem n linhas e 11 n colunas. Se tanto
AB e BA existem, quais sao os valores de m e n?
Solucao. A ordem da matriz A e m (m + 5) enquanto a ordem da matriz B e n (11 n).
De modo que para que exista o produto AB devemos ter que m + 5 = n e para que exista BA
devemos ter 11 n = m. Portanto, para que existam simultaneamente os produtos AB e BA
devemos resolver o sistema
m+ 5 = n;
11 n = m.
6
Ou equivalentemente,
mn = 5;
m+n = 11.
Apos resolver este sistema obtemos m = 3 e n = 8.
Exemplo 6.5. Encontre os elementos que faltam no seguinte produto matricial
_
_
2 0 0
2 0
0 2
_
_

_
_
0
0
0 0 2
_
_
=
_
_
4 2 0
2 5 2
0 2 5
_
_
.
Solucao. Cada asterisco no lado esquerdo representa um valor a ser achado. De onde, rotulemos
cada valor a ser achado. De modo que nosso problema original e equivalente ao seguinte: ache as
incognitas a, b, c, d e f no seguinte produto matricial
_
_
2 0 0
a 2 0
0 b 2
_
_

_
_
c d 0
0 e f
0 0 2
_
_
=
_
_
4 2 0
2 5 2
0 2 5
_
_
.
Pela denicao da multiplica cao de matrizes
_
2 0 0
_

_
_
c
0
0
_
_
= 4, de onde 2c = 4 e portanto
c = 2. Agora,
_
2 0 0
_

_
_
d
e
0
_
_
= 2, de onde 2d = 2 e portanto d = 1. Por outro lado,
_
2 0 0
_

_
_
0
f
2
_
_
= 0, de onde 0 = 0 e portanto qualquer valor de f e valido ou nossa escolha para
achar f nao foi a certa. Com os valores obtidos, re-escrevamos nosso problema: ache as incognitas
a, b, e e f no seguinte produto matricial
_
_
2 0 0
a 2 0
0 b 2
_
_

_
_
2 1 0
0 e f
0 0 2
_
_
=
_
_
4 2 0
2 5 2
0 2 5
_
_
.
Pela denicao da multiplica cao de matrizes
_
a 2 0
_

_
_
2
0
0
_
_
= 2, de onde 2a = 2 e portanto
a = 1. Analogamente,
_
a 2 0
_

_
_
1
e
0
_
_
= 5, de onde a + 2e = 5 e portanto e = 2. De
_
a 2 0
_

_
_
0
f
2
_
_
= 2, de onde 2f = 2 e portanto f = 1. Finalmente de
_
0 b 2
_

_
_
1
e
0
_
_
=
2, de onde b e = 2 e portanto b = 1. Portanto, a = 1, b = 1, c = 2, d = 1 e f = 1.
Exerccio 6.6. Mostre que a multiplicacao de matrices e associativa, isto e,
A(BC) = (AB)C.
De modo que podemos escrever ABC sem parenteses.
O seguinte diagrama mostra como calcula-se a dimensao do produto das matrices ABC
7
A B C
=
D
mn n
p p

q m
q
iguais iguais
N umero de linhas de D = n umero de linhas de A
N umero de colunas de D = n umero de colunas de C
Exemplo 6.7. Se A =
_
_
2 3 5
1 4 5
1 3 4
_
_
, B =
_
_
1 3 5
1 3 5
1 3 5
_
_
, e C =
_
_
2 2 4
1 3 4
1 2 3
_
_
.
Mostre que
a) AB = BA = O;
b) AC = A e CA = C, daqui demonstre que ACB = CBA.
Solucao. a)
AB =
_
_
2 3 5
1 4 5
1 3 4
_
_

_
_
1 3 5
1 3 5
1 3 5
_
_
=
_
_
0 0 0
0 0 0
0 0 0
_
_
,
BA =
_
_
1 3 5
1 3 5
1 3 5
_
_

_
_
2 3 5
1 4 5
1 3 4
_
_
=
_
_
0 0 0
0 0 0
0 0 0
_
_
.
O que este item esta demonstrando e que se temos um produto de matrizes igual `a matriz
nula, isto nao signica que pelo menos uma das matrizes dadas e uma matriz nula. Isto
contrasta com os n umeros reais, onde se o produto de dois n umeros reais e zero entao pelo
menos um destes numeros tem que ser zero.
b)
AC =
_
_
2 3 5
1 4 5
1 3 4
_
_

_
_
2 2 4
1 3 4
1 2 3
_
_
=
_
_
2 3 5
1 4 5
1 3 4
_
_
= A.
CA =
_
_
2 2 4
1 3 4
1 2 3
_
_

_
_
2 3 5
1 4 5
1 3 4
_
_
=
_
_
2 2 4
1 3 4
1 2 3
_
_
= C;
nalmente, segue-se da associatividade que
ACB = (AC)B;
mas ja provamos que AC = A, de onde
ACB = AB;
pelo item (a) deste exerccio mostramos que AB = O, assim
ACB =O = CO;
pelo item (a) de nosso exerccio tambem mostramos que BA = O, logo
ACB =CBA.
8
Observacao 6.8. Quando se tem uma igualdade entre matrizes da forma AC = AD entao nao
necessaiamente vale a igualdade de matrizes C = D, em outras palavras, numa igualdade AC =
AD nao e permitido cancelar A. Pois e possivel que
AC AD = O;
A(C D) = O.
ainda que C D ,= O. Isto e ilustrado no item (b) do Exemplo 6.7, onde AC = A = AI
3
mas
C ,= I
3
.
Exerccio 6.9. Mostre que o produto de matrizes e distributivo em relacao a soma de matrices,
isto e,
A(B +C) = AB +AC.
7 Matriz Identidade
Denicao 7.1. Dene-se a matriz identidade de ordem n, a qual denotaremos por I
n
, mediante
I
n
= (
ij
), onde

ij
=
_
1 se i = j;
0 se i ,= j.

ij
e chamada a delta de Kronecker.
Por exemplo,
I
2
=
_
1 0
0 1
_
;
I
3
=
_
_
1 0 0
0 1 0
0 0 1
_
_
;
I
4
=
_
_
_
_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
_
_
.
Observacao 7.2. Se A e uma matriz de ordem mn, entao
AI
n
= A;
I
m
A = A.
Observacao 7.3. Pode acontecer que existam matrizes A e B satisfazendo a condic ao AB = BA,
quando isto aconteca diremos que as matrices A e B comutam.
Por exemplo, se A =
_
1 2
2 1
_
e B =
_
3 4
4 3
_
, e facil vericar que AB = BA.
Observacao 7.4. Se A e uma matriz quadrada de ordem n, entao
AI
n
= A;
I
n
A = A.
9
8 Potencias de uma matriz
Para uma matriz quadrada A, dene-se
A
2
= A A;
A
3
= A A
2
;
A
4
= A A
3
;
A
5
= A A
4
;
.
.
.
.
.
.
A
k
= A A
k1
.
Podemos observar, por exemplo que,
A
3
= A A A = A
2
A = A A
2
.
Em geral vale a seguinte regra
A
k
A
l
= A
k+l
, k, l Z
+
.
Exemplo 8.1. Se A =
_
_
1 1 1
2 1 0
1 0 0
_
_
, calcule A
2
e verique que A
2
A = A A
2
= I
3
.
Solucao. Certamente A
2
=
_
_
0 0 1
0 1 2
1 1 1
_
_
. De modo que,
A
2
A =
_
_
0 0 1
0 1 2
1 1 1
_
_

_
_
1 1 1
2 1 0
1 0 0
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
;
e
AA
2
=
_
_
1 1 1
2 1 0
1 0 0
_
_

_
_
0 0 1
0 1 2
1 1 1
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
.
Exemplo 8.2. Se A =
_
_
3 1 1
1 1 1
1 1 1
_
_
, calcule A
2
e verique que A
2
3A+ 2I
3
= O.
Solucao.

E facil vericar que A
2
=
_
_
7 3 3
3 1 3
3 3 1
_
_
. De onde,
A
2
3A+ 2I
3
=
_
_
7 3 3
3 1 3
3 3 1
_
_
3
_
_
3 1 1
1 1 1
1 1 1
_
_
+ 2
_
_
1 0 0
0 1 0
0 0 1
_
_
=
_
_
0 0 0
0 0 0
0 0 0
_
_
.
Observacao 8.3. 1. O item (a) do exemplo anterior mostra que o produto AB pode ser igual
a zero sem que nenhuma das matrizes A ou B seja a matriz nula. Isto contrasta com a
algebra onde o produto de dois n ueros e igual a zero implica que um dos fatores e zero.
10
2. Quando tenemos uma equacao como x
2
3x + 2 = 0, apos fatorar o polinomio de segundo
grau, temos (x 1)(x 2) = 0, obviamente suas solucoes sao x = 1 ou x = 2. Porem se
quisermos resolver a correspondente equacao matricial da equacao x
2
3x + 2 = 0 temos
que resolver
(8.1) X
2
3X + 2I = O, onde X e uma matriz quadrada de orden n.
Ainda que possamos fatorar (X I)(X 2I) = O, nos nao podemos assumir que as unicas
solucoes de (8.1) sao X = I ou X = 2I. De fato quando X e uma matriz 3 3, entao uma
solucao de (8.1) e
X =
_
_
3 1 1
1 1 1
1 1 1
_
_
.
Exerccio 8.4. Se A e B sao duas matrices quadradas de ordem n n, expanda o produto
(AB)(A+B). Em que condicoes este produto e igual a A
2
B
2
?
Exerccio 8.5. Expanda (A + B)
2
e (A + B)
3
para duas matrizes arbitrarias A e B de orden
n n. Qual a condicao para obter o Teorema do Binomio usual?
Exerccio 8.6. De um exemplo de uma matriz A
23
e uma matriz B
23
tal que AB = I
2
mas
BA ,= I
3
.
Exerccio 8.7. Uma matriz quadrada D = (d
ij
) chama-se diagonal se todos seus elementos fora
da diagonal principal sao nulos, isto e, d
ij
= 0, i ,= j. Neste caso se representa mediante
D = diag (d
11
, d
22
, , d
nn
).
Mostre que D
2
= diag
_
d
2
11
, d
2
22
, , d
2
nn
_
e obtenha uma expressao para D
k
, k Z
+
. Prove que
quaisquer duas matrices diagonais sempre comutam.
9 Exerccios
1. Encontre a ordem das seguintes matrizes
a) A =
_

2 e

_
;
b) A =
_
_
0 0
0 0
0 0
_
_
;
c) A =
_
_
_
_
_
_
2
3
5
7
11
_
_
_
_
_
_
.
2. Construa a matriz A = (a
ij
)
43
, onde
a
ij
=
_

_
i +j para i > j;
0 para i = j;
i j para i < j.
3. Dada a matriz A =
_
3 5
2 4
_
. Calcule a expresion (AI) (A+ 2I).
4. Encontre a, b, c e d tal que
_
a b 3c +d
a +b c d
_
=
_
2 6
4 2
_
.
11
5. Prove que A =
_
_
1 2 3
3 2 0
1 1 1
_
_
e B =
_
_
2 1 6
3 2 9
1 1 4
_
_
comutam.
6. Seja A uma matriz quadrada de ordem n n e denamos a matriz B = rA + sI, para
quaisquer r, s R. Demonstre que as matrices A e B comutam.
7. Considere a matriz A =
_
_
1 1 0
0 1 2
0 0 1
_
_
, mostre por indu cao que A
n
=
_
_
1 n n(n 1)
0 1 2n
0 0 1
_
_
.
8. Encontre
_
0 1
1 0
_
25
.
9. Calcule D
50
5D
35
+ 4I, onde D =
_
_
0 0 0
0 1 0
0 0 1
_
_
.
10. Encontre uma matriz B tal que B
2
=
_
2 2
1 3
_
.
11. Uma matriz quadrada A diz-se nilpotente se A
k
= O, para algum inteiro positivo k. Se k
e o menor inteiro positivo tal que A
k
= O entao A e nilpotente de indice k. Demonstre que
A =
_
_
1 3 4
1 3 4
1 3 4
_
_
e nilpotente. Qual e seu indice?
10 A transposta de uma matriz
Se A e uma matriz arbitraria de ordem mn, entao a matriz de ordem n m obtida do A ao
mudar as las pelas colunas chama-se a transposta de A e denota-se po A
T
.
Por exemplo, se A =
_
_
_
_
1 1
0 4
4 2
3 8
_
_
_
_
entao A
T
=
_
1 0 4 3
1 4 2 8
_
. Em geral, se
A = (a
ij
)
mn
ent ao A
T
= (a
j i
)
nm
, isto e, (A
T
)
ij
= a
j i
.
A seguir vamos listar as propriedades relativas `a transposta de uma matriz
1. Os elementos da diagonal principal de A
T
sao os mesmos que os elementos da diagonal
principal de A;
2. (A
T
)
T
= A;
3. (A+B)
T
= A
T
+B
T
;
4. (k A)
T
= k A
T
, para qualquer escalar k;
5. (AB)
T
= B
T
A
T
sempre que A e B sejam conformes para com a multiplicacao.
Com efeito,
(AB)
ij
=

k
a
ik
b
kj
pela denicao da transposta de uma matriz
(AB)
T
ij
=

k
a
jk
b
ki
.
12
Por outro lado,
(B
T
A
T
)
ij
=

k
(B
T
)
ik
(A
T
)
kj
=

k
b
ki
a
jk
;
(B
T
A
T
)
ij
=

k
a
jk
b
ki
;
portanto,
(B
T
A
T
)
ij
= (AB)
T
ij
;
em outras palavras,
(AB)
T
= B
T
A
T
.
Denicao 10.1. Sendo X =
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
e Y =
_
_
_
_
_
y
1
y
2
.
.
.
y
n
_
_
_
_
_
. Chamaremos a estas matrizes n 1 de n-
vetores coluna e chamaremos X
T
= (x
1
, x
2
, , x
n
) e Y
T
= (y
1
, y
2
, , y
n
) de n-vetores linha.
Os elementos x
i
e y
i
sao chamados de as componentes dos vetores.
Denicao 10.2. Sendo X =
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
e Y =
_
_
_
_
_
y
1
y
2
.
.
.
y
n
_
_
_
_
_
Dene-se o produto interno ou o produto
escalar de X com Y por
X
T
Y =
n

i=1
x
i
y
i
.
Tambem se usa a notacao X, Y par o produto interno. De modo que
X, Y =
n

i=1
x
i
y
i
.
Exerccio 10.3. Prove que (ABC)
T
= C
T
B
T
A
T
, onde A, B e C sao matrices conforme a
multiplicacao.
Exerccio 10.4. Denotemos po e
i
a i-esima linha de I
n
. Se A
nm
e uma matriz arbitraria diga
o que representa os produtos e
i
A e Ae
T
i
.
11 Matrizes triangulares superior e inferior
Denicao 11.1. Uma matriz quadrada A = (a
ij
) chama-se triangular superior se
a
ij
= 0, i > j.
Em outras palavras, uma matriz quadrada chama-se triangular superior se todos os elementos
da matriz que se encontram por debaixo da diagonal principal sao zeros. Por exemplo a matriz
_
_
1 3 7
0 10 17
0 0 98
_
_
e uma matriz triangular superior.
13
Denicao 11.2. Uma matriz quadrada A = (a
ij
) chama-se triangular inferior se
a
ij
= 0, i < j.
Em outras palavras, uma matriz quadrada chama-se triangular inferior se todas as entradas
de uma matriz que se encontram por cima da diagonal principal sao zeros. Por exemplo a matriz
_
_
1 0 0
3 10 0
7 17 98
_
_
e uma matriz triangular inferior.
Exerccio 11.3. a) Prove que o produto de duas matrizes triangulares superiores e uma matriz
triangular superior;
b) Prove que a transposta de uma matriz triangulares supeiorres e uma matriz triangular inferior;
c) Prove que o produto de duas matrizes triangulares inferiores e uma matriz triangular inferior;
d) Prove que a transposta de uma matriz triangular inferior e uma matriz triangular superior.
Exerccio 11.4. Se A = (a
ij
) e uma matriz triangular superior tal que (a
ij
) = 0, i 1, 2, 3.
Prove que A
3
= 0, onde a ordem de A e 3.
Observacao 11.5. Se A =
_
_
_
_
0 1 1 1
0 0 1 1
0 0 0 1
0 0 0 1
_
_
_
_
entao A
3
=
_
_
_
_
0 0 0 0
0 0 0 0
0 0 0 1
0 0 0 1
_
_
_
_
.
Certamente A
3
nao e a matriz nula.
12 A transposta conjugada de uma matriz
Sendo A=(a
ij
)
mn
uma matriz complexa (isto e i, j : a
ij
C). Dene-se a matriz conjugada
de A, denotada por A, como sendo
A = (a
ij
)
mn
,
onde a
ij
e o conjugado de a
ij
.
Denicao 12.1. Sendo A = (a
ij
)
mn
uma matriz complexa, dene-se a transposta conjugada de
A, denotada por A

, como sendo
A

= (A)
T
.
Nao e difcil ver que A

= (A
T
).
A seguir vamos listar as principais propriedades da transposta conjugada de uma matriz
1. (A

= A;
2. (A+B)

= A

+B

;
3.
Se k R : (k A)

= k A

;
se k C : (k A)

= k A

.
4. (AB)

= B

, sempre que A e B sejam conformes para com a multiplicacao.

14
Exemplo 12.2. Se
A =
_
2 + 3i 1 +i
2 i 4i
_
;
entao,
A =
_
2 3i 1 i
2 +i 4i
_
;
de onde,
A
T
=
_
2 3i 2 +i
1 i 4i
_
;
portanto,
A

=
_
2 3i 2 +i
1 i 4i
_
.
Observacao 12.3. Qualquer matriz complexa A pode-se escrever como A = A
1
+ iA
2
, onde A
1
e A
2
sao matrizes reais. Por exemplo, se
A =
_
2 + 3i 1 +i
2 i 4i
_
;
entao,
A =
_
2 1
2 0
_
+i
_
3 1
1 4
_
.
13 Matrizes simetricas e anti-simetricas
Denicao 13.1. Seja A uma matriz quadrada. Dizemos que a matriz A e simetrica quando
A
T
= A isto e, a
ij
= a
j i
, i, j.
Por exemplo a matriz A =
_
_
1 3 7
3 4 2
7 2 0
_
_
e simetrica.
Denicao 13.2. Seja A uma matriz quadrada. Dizemos que a matriz A e anti-simetrica quando
A
T
= A isto e, a
ij
= a
j i
, i, j. Neste caso n ao e dicil mostrar que a
ii
= 0i.
Por exemplo a matriz B =
_
_
0 3 7
3 0 2
7 2 0
_
_
e anti-simetrica.
Proposicao 13.3. Toda matriz quadrada A se decompoe de forma unica como A = M +S, onde
M e simetrica e S e anti-simetrica.
Demonstracao. Suponhamos que existam matrizes M e S simetrica e anti-simetrica, respectiva-
mente, tal que
A = M +S;
tomando a transposta a cada lado da anterior igualdade
A
T
= M
T
+S
T
;
15
como estamos supondo que M
T
= M e S
T
= S, obtemos
A
T
= M S;
Temos que observar que as matrizes M e S sao desconhecidas e para acharlas devemos resolver o
seguinte sitema
_
M +S = A;
M S = A
T
.
Apos resolver este sistema obtemos M =
1
2
(A+A
T
) e S =
1
2
(AA
T
).
Vejamos que M e simetrica:
M
T
=
1
2
(A+A
T
)
T
=
1
2
(A
T
+ (A
T
)
T
);
M
T
=
1
2
(A
T
+A) = M.
Agora vejamos que S e anti-simetrica:
S
T
=
1
2
(AA
T
)
T
=
1
2
(A
T
(A
T
)
T
);
S
T
=
1
2
(A
T
A) = S.
Agora mostremos a unicidade das matrizes M e S. Para isto suponhamos que existam matrizes

M e

S simetrica e anti-simetrica, respectivamente, tal que A =

M +

S. Disto, segue-se que
M +S =

M +

S
de onde,
M

M =

S S;
como M

M e uma matriz simetrica e

S S e uma matriz anti-simetrica; e como a unica matriz
que e simultaneamente simetrica e anti-simetrica e a matriz nula O. Segue-se que M

M = O e

S S = O. Logo

M = M e

S = S.
Exemplo 13.4. Determine M e S para a matriz A =
_
_
1 1 1
2 1 0
1 0 0
_
_
.
Exemplo 13.5. Se A e qualquer matriz simetrica nn e P e uma matriz mn arbitraria. Prove
que PAP
T
e simetrica.
14 Matrizes Hermitianas e anti-hermitianas
Denicao 14.1. Seja A uma matriz complexa. Dizemos que a matriz A e hermitiana (termo
devido ao matem atico frances Hermite) quando A

= A isto e, a
ij
= a
j i
, i, j.
Por exemplo a matriz A =
_
_
2 1 +i 5 i
1 i 7 i
5 +i i 1
_
_
e hermitiana.
Denicao 14.2. Seja A uma matriz complexa. Dizemos que a matriz A e anti-hermitiana quando
A

= A isto e, a
ij
= a
j i
, i, j.
16
Por exemplo a matriz B =
_
_
2i 1 +i 5 i
1 +i 7i i
5 i i i
_
_
e anti-hermitiana.
Observacao 14.3. Apos observar estes dois ultimos exemplos, pode-se mostrar os seguintes fatos:
1. os elementos da diagonal principal de uma matriz hermitiana A sempre sao n umeros reais,
isto e, a
ii
= a
ii
.
2. os elementos da diagonal principal de uma matriz anti-hermitiana A sempre sao n umeros
imaginarios puros.
Exemplo 14.4. Se A e qualquer matriz retangular, prove que A

A e AA

sao duas matrices

hermitianas.
Exemplo 14.5. Sabemos que qualquer matriz complexa A decomponhe-se como A = A
1
+ iA
2
,
onde as matrizes A
1
e A
2
sao matrizes reais. Supondo que A e uma matriz hermatiana
a) prove que A
1
e simetrica e A
2
e anti-simetrica.
b) que condicoes devem satisfazer A
1
e A
2
para que A

A seja uma matriz real.

Exemplo 14.6. Se A e qualquer matriz anti-hermitiana, prove que iA e iA sao ambas hermi-
tianas.
Exemplo 14.7. Sabemos que qualquer matriz quadrada A decomponhe-se de forma unica como
A = M +S, onde M =
A+A
T
2
e simetrica e S =
AA
T
2
e anti-simetrica. Generalise esse fato
no caso de A ser uma matriz complexa.
15 Submatrizes
Se algumas linhas e colunas de qualquer matriz A sao apagadas, a matriz resultante chamamos
de uma submatriz de A. Por exemplo, se A =
_
_
1 0 2 3 5
2 1 4 3 0
5 7 1 1 4
_
_
entao

_
1 0 2
2 1 4
_
e uma submatriz de A a qual resultou de apagar a linha 3 e as colunas 4 e 5 da
matriz A.

_
1 2
5 1
_
e uma submatriz de A a qual resultou de apagar a linha 2 e as colunas 2, 4 e 5 da
matriz A.
Observacao 15.1. Admite-se que qualquer matriz A e uma submatriz de se mesmo.
Denicao 15.2. Quando A e uma matriz quadrada, denimos as submatrizes principais domi-
nantes como sendo as submatrizes de A quadradas obtidas a partir da esquina superior esquerda
e nalizando com A mesmo. Assim, se A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
entao as submatrizes principais
dominantes de A sao
(a
11
),
_
a
11
a
12
a
21
a
22
_
e A.
Denicao 15.3. Quando A e uma matriz quadrada, denimos uma submatriz principal de A
como sendo qualquer submatriz quadrada de A tal que sua diagonal principal e parte (ou e toda)
da diagonal principal de A.
17
Exemplo 15.4. Dada a matriz A =
_
_
1 3 7
3 4 2
7 2 0
_
_
a) calcule todas as submatrizes principais dominantes;
b) calcule todas as submatrizes principais de A de ordem 1, 2, e 3.
Solucao.
a) (1),
_
1 3
3 4
_
e A;
b) submatrizes principais de ordem 1: (1), (4) e (0);
submatrizes principais de ordem 2:
_
1 3
3 4
_
,
_
1 7
7 0
_
e
_
4 2
2 0
_
;
submatrizes principais de ordem 3:
_
_
1 3 7
3 4 2
7 2 0
_
_
.
15.1 Particionamento ou Subdivisao de uma matriz
Particionar uma matriz e subdividila em pequenos blocos de alementos. Por exemplo, a matriz
A =
_
_
1 0 2 3 5
2 1 4 3 0
5 7 1 1 4
_
_
que e de ordem 3 5 pode ser particionada em 4 blocos
A =
_
_
1 0 2 3 5
2 1 4 3 0
5 7 1 1 4
_
_
=
_
B C
D E
_
,
onde B, C, D e E sao as submatrizes de A indicadas pelas linhas pontilhadas. Suas dimensoes
estao indicadas a.
A utilidade de particionar matrizes e quando temos matrizes de ordem grande, ja que as
opera coes poderiam ser aplicadas `a pequenos blocos. Quando temos matrizes particionadas em
blocos, podemos aplicar todas as regras aos blocos como se foram elementos de uma matriz.
Exemplo 15.5. Se A =
_
B C
D E
_
e A
1
=
_
B
1
C
1
D
1
E
1
_
entao A+A
1
=
_
B +B
1
C +C
1
D +D
1
E +E
1
_
.
Exemplo 15.6. Se A =
_
B C
D E
_
entao A
T
=
_
B
T
D
T
C
T
E
T
_
Exemplo 15.7. Dada a matriz A =
_
_
1 2 0
3 4 0
0 0 2
_
_
podemos considerarla como sendo uma matriz
diagonal em blocos, e uma notac ao conveniente seria
A = diag (A
1
, A
2
), onde A
1
=
_
1 2
3 4
_
; A
2
= (2).
Tambem podemos escrever a matriz A = diag (A
1
, A
2
) como A = A
1
A
2
, onde denota soma
direta.
18
Exemplo 15.8. Se A =
_
B C
D E
_
e X =
_
X
1
X
2
_
, entao
AX =
_
B C
D E
__
X
1
X
1
_
=
_
BX
1
+CX
2
DX
1
+EX
2
_
.
Neste caso precisamos que para que o produto AX exista, o n umero de colunas em cada bloco de
A deve ser igual ao n umero de linhas no correspondente bloco de X.
16 Solucao de sistemas lineares de equacoes simultaneas
16.1 Unicidade de solucoes em sistemas lineares
Estudemos n equacoes lineares simultaneas com n incognitas x
1
, x
2
, , x
n
da seguinte forma:
(16.1)
_

_
a
11
x
1
+a
12
x
2
+a
13
x
3
+ +a
1n
x
n
= b
1
;
a
21
x
1
+a
22
x
2
+a
23
x
3
+ +a
2n
x
n
= b
2
;
a
31
x
1
+a
32
x
2
+a
33
x
3
+ +a
3n
x
n
= b
3
;
.
.
. =
.
.
.
a
n1
x
1
+a
n2
x
2
+a
n3
x
3
+ +a
nn
x
n
= b
n
,
onde a
i j
R, b
j
R, i, j. O sistema de equa coes (*) pode ser escrito como :
_
_
_
_
_
_
_
a
11
a
12
a
13
a
1n
a
21
a
22
a
23
a
2n
a
31
a
32
a
33
... a
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
a
n3
... a
nn
_
_
_
_
_
_
_
_
_
_
_
_
_
_
x
1
x
2
x
3
.
.
.
x
n
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
b
1
b
2
b
3
.
.
.
b
n
_
_
_
_
_
_
_
.
ou usando nota cao matricial, o sistema de equacoes (*) pode ser escrito como:
Ax = B,
onde A = (a
ij
)
nn
e a matriz de coecientes, x =
_
_
_
_
_
_
_
x
1
x
2
x
3
.
.
.
x
n
_
_
_
_
_
_
_
e b =
_
_
_
_
_
_
_
b
1
b
2
b
3
.
.
.
b
n
_
_
_
_
_
_
_
sao vetores coluna. A seguir
vamos descrever um metodo sistematico para encontrar as solu coes das equa coes (*) supondo que
existem e sao unicas.
Observacao 16.1. Tomando transposta a ambos lados de (**) , o sistema (*) sera equivalente a
x
T
A
T
= b
T
, onde x
T
e b
T
sao vetores linha.
Exemplo 16.2. Resolva o seguinte sistema de equacoes
_
x
1
+x
2
= 3
2x
1
3x
2
= 4
se multiplicamos a primeira equacao por 3, nosso sistema toma a forma
3x
1
+ 3x
2
= 9;
2x
1
3x
2
= 4
19
de onde apos somar estas duas equacoes obtemos 5x
1
= 5 e portanto x
1
= 1; substituindo x
1
= 1
em qualquer das equacoes temos x
2
= 2. Logo, este sistema de equacoes tem solucao unica
x
1
= 1, x
2
= 2. Agora demos uma interpretacao geometrica a este sistema e sua solucao
Exemplo 16.3. Resolva o seguinte sistema de equacoes
_
x
1
+x
2
= 3
2x
1
+ 2x
2
= 4
se multiplicamos a primeira equacao por 2, nosso sistema toma a forma
2x
1
2x
2
= 6;
2x
1
+ 2x
2
= 4
de onde apos somar estas duas equacoes obtemos 0 = 10, isto signica que nao existem x
1
e x
2
que resolvam este sistema. Neste caso diz-se que as duas equacoes sao inconsistentes.
Geometricamente,
Exemplo 16.4. Resolva o sistema
_
x
1
+x
2
= 3
2x
1
+ 2x
2
= 6
se multiplicamos a primeira equacao por 2, nosso sistema toma a forma
2x
1
2x
2
= 6;
2x
1
+ 2x
2
= 6
de onde apos somar estas duas equac oes obtemos 0 = 0, isto signica que este sistema de equacoes
nao tem solucao unica, mas e consistente. A equacao 2x
1
+2x
2
= 6 e a mesma que x
1
+x
2
= 3.
A solucao deste sistema e x
1
= 3 x
2
, onde x
2
e arbitrario. Logo, x
1
= 3 x
2
respresenta um
n umero innito de solucoes de nosso sistema dado.
Geometricamente,
Observacao 16.5. Os tres ultimos exemplos mostram que em geral o sistema de equacoes (*)
i) ou tem uma unica solucao;
ii) ou tem um n umero innito de solucoes;
iii) ou nao tem solucao, o sistema (*) e inconsistente.

E vital poder dizer se um sistema de equacoes lineares dado esta em um dos casos (i), (ii)
ou (iii). Nosso objetivo vai ser descrever um metodo sistematico para encontrar solucoes de (*)
supondo que existem e sao unicas.
16.2 Eliminacao Gaussiana
Resolva o sistema
_

_
x
1
3x
2
+ 7x
3
= 2
2x
1
+ 4x
2
3x
3
= 1
3x
1
+ 7x
2
+ 2x
3
= 3
20
fazendo as operacao (1.b)-2(1.a) obtemos 10x
2
17x
3
= 5
fazendo as operacao (1.c)+3(1.a) obtemos 2x
2
+ 23x
3
= 9. E nosso sistema toma a forma
x
1
3x
2
+7x
3
= 2
10x
2
17x
3
= 5
2x
2
+23x
3
= 9
fazendo as operacao 5(2.c)+(2.b) obtemos 98x
3
= 40. E nosso sistema toma a forma
x
1
3x
2
+7x
3
= 2
10x
2
17x
3
= 5
98x
3
= 40
Substituindo regressivamente, isto e, da ultima equa cao obtemos x
3
=
40
98
=
20
49
,
substituindo este valor de x
3
na segunda equacao obtemos 10x
2
17
_
20
49
_
= 5 de onde x
2
=
19
98
.
Finalmente substituimos os valores achados para x
2
e x
3
na primeira equacao obtemos x
1
3
_
19
98
_
+
7
_
20
49
_
= 2 e obtemos x
1
=
27
98
.
17 Matriz Aumentada
Para nao ter que escrever as variaveis no sistema de equacoes lineares em cada passo da
eliminac ao Gaussiana, introduzimos a matriz aumentada:
B = (A[b).
Exerccio 17.1. Resolva o seguinte sistema de equacoes usando eliminacao Gaussiana
x
1
x
2
+ 3x
3
= 5;
2x
1
4x
2
+ 7x
3
= 7;
4x
1
9x
2
+ 2x
3
= 15
Suponhamos que aplicando eliminacao Gaussiana, as 1, 2, , (j 1) colunas de B = (A[b)
foram reduzidas e denote por b
ij
, j = 1, 2, , n a j-esima coluna de B neste paso.
Se b
jj
= 0 entao b
jj
nao pode ser usado como pivote, neste caso devemos permutar esta
j-esima linha com uma k-esima linha, k > j de modo que b
kj
,= 0 e depois continuamos com o
procedimento de elimina cao Gaussiana. Permutar duas linhas no sistema de equa coes nao afeta a
solucao pois simplesmente permutamos equacoes.
Se b
jj
,= 0 mas [b
jj
[ = min [b
ij
[ entao usar b
jj
como pivotenos levaria a enormes erros de
arredondamentos.
Para evitar isto, escolhemos como pivoteo elemento b
kj
tal que
[b
kj
[ = max [b
ij
[, j i n.
de modo que as linhas j e k sao permutadas e depois continuamos com a elimina cao Gaussiana.
Este procedimento e conhecido como pivoteo Parciale e feito em cada passo da elimina cao
Gaussiana.
Observacao 17.2. Se no passo j-esimo da eliminacao Gaussiana todos os pivotes Potenciais b
ij
,
j i n, na coluna j sao zero entao o procedimento de eliminacao Gaussiana para. Isto signica
que o sistema de equacoes nao tem solucao unica.
Exerccio 17.3. Resolva o seguinte sistema de equaccoes usando pivoteo parcial atraves da eli-
minacao Gaussiana e use aritmetica exata
5x
1
+x
2
+ 2x
3
= 29;
3x
1
x
2
+x
3
= 10;
x
1
+ 2x
2
+ 4x
3
= 31
21
Exerccio 17.4. Use eliminacao Gaussiana e deduza que o sistema e inconsistente
x
1
2x
2
+x
3
x
4
= 5;
x
1
+ 5x
2
7x
3
+ 2x
4
= 2;
3x
1
+x
2
5x
3
+ 3x
4
= 1;
2x
1
+ 3x
2
6x
3
= 21.
Exerccio 17.5. esolva usando eliminacao Gaussiana
x
1
+x
2
+x
3
+x
4
= 1;
2x
1
x
2
+ 3x
3
= 1;
2x
2
+ 3x
4
= 1;
x
1
+ 2x
3
+x
4
= 2
18 Decomposicao Triangular
Dada a matriz A = (a
ij
) de ordem n n, vamos decompor A como
A = L U,
onde L = (l
ij
) e uma matriz triangular inferior de ordem n n e l
ii
= 1, i. U = (u
ij
) e uma
matriz triangular superior de ordem n n.
Exemplo 18.1. Para a matriz A =
_
_
1 3 7
2 4 3
3 7 2
_
_
. Suponhamos a existencia das matrizes L
e U, onde L e triangular inferior com l
ii
= 1 e U e triangular superior. Entao
LU =
_
_
1 0 0
l
21
1 0
l
31
l
32
1
_
_
_
_
u
11
u
12
u
13
0 u
22
u
23
0 0 u
33
_
_
=
_
_
u
11
u
12
u
13
l
21
u
11
l
21
u
12
+u
22
l
21
u
13
+u
23
l
31
u
11
l
31
u
12
+l
32
u
22
l
31
u
13
+l
32
u
23
+u
33
_
_
Os nove elementos desconhecidos de L e U sao obtidos ao igualar:
_
_
u
11
u
12
u
13
l
21
u
11
l
21
u
12
+u
22
l
21
u
13
+u
23
l
31
u
11
l
31
u
12
+l
32
u
22
l
31
u
13
+l
32
u
23
+u
33
_
_
=
_
_
1 3 7
2 4 3
3 7 2
_
_
.
isto e feito da seguinte maneira:
1
a
linha de A: u
11
= 1, u
12
= 3 e u
13
= 7;
1
a
coluna de A: de l
21
u
11
= 2 obtemos l
21
= 2. Agora de l
31
u
11
= 3 obtemos l
31
= 3
2
a
linha de A: de l
21
u12 + u
22
= 4 obtemos u
22
= 10. Agora de l
21
u
13
+ u
23
= 3 obtemos
u
23
= 17;
2
a
coluna de A: de l
31
u
12
+l
32
u
22
= 7 obtemos l
32
=
1
5
3
a
linha de A: de l
31
u
13
+l
32
u
23
+u
33
= 2 obtemos u
33
=
98
5
.
22
Observe a ordem na qual obtemos os elementos de U e L:
1
a
linha de U, 1
a
coluna de L;
2
a
linha de U, 2
a
coluna de L;
3
a
linha de U.
Logo,
A =
_
_
1 0 0
2 1 0
3
1
5
1
_
_
_
_
1 3 7
0 10 17
0 0
98
5
_
_
Agora vejamos como podemos usar esta tecnica de fatorar A (na forma L vezes U, isto e,
A = LU) para resolver sistemas lineares da forma
Ax = b.
Uma vez que tenhamos a decomposi cao A = LU nosso sistema linear toma a forma
LUx = b
e este ultimo sistema de equacoes escreve-se como dois conjuntos de equacoes
Ly = b
e
Ux = y
onde y =
_
_
_
_
_
y
1
y
2
.
.
.
y
n
_
_
_
_
_
. O sistema Ly = b resolve y; enquanto o sistema Ux = y resolve x, a qual e a
solucao desejada de Ax = b.
Exemplo 18.2. Resolva o sistema
x
1
3x
2
+ 7x
3
= 2;
2x
1
+ 4x
2
3x
3
= 1;
3x
1
+ 7x
2
+ 2x
3
= 3
mediante a decomposicao de A = LU
Solucao. No nosso caso temos A =
_
_
1 3 7
2 4 3
3 7 2
_
_
; x =
_
_
x
1
x
2
x
3
_
_
e b =
_
_
2
1
3
_
_
.
No exemplo anterior obtivemos a decomposicao de A, isto e,
A =
_
_
1 0 0
2 1 0
3
1
5
1
_
_
_
_
1 3 7
0 10 17
0 0
98
5
_
_
de modo que para resolver Ax = b primeiro vamos resolver Ly = b, isto e,
_
_
1 0 0
2 1 0
3
1
5
1
_
_
_
_
y
1
y
2
y
3
_
_
=
_
_
2
1
3
_
_
.
23
Assim obtemos y
1
= 2. Apos substituir este valor de y
1
na equa cao 2y
1
+ y
2
= 1 conseguimos
y
2
= 5. Por ultimo, conhecidos y
1
e y
2
os substituimos na equacao 3y
1

1
5
y
2
+ y
3
= 3 e
conseguimos y
3
= 8.
Finalmente para encontrar a solucao de Ax = b devemos resolver:
_
_
1 3 7
0 10 17
0 0
98
5
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
2
5
8
_
_
.
Da equacao
98
5
x
3
= 8 conseguimos x
3
=
20
49
. Apos substituir este valor de x
3
na equacao 10x
2

17x
3
= 5 obtemos x
2
=
19
98
. Por ultimo, conhecidos x
2
e x
3
os substituimos na equacao x
1

3x
2
+ 7x
3
= 2 e conseguimos x
1
=
27
98
.
19 Determinantes
19.1 Determinantes de 2 2
A solucao do seguiente sistema de equacoes lineares com duas incognitas
(19.1)
_
a
11
x
1
+a
12
x
2
= b
1
;
a
21
x
1
+a
22
x
2
= b
2
,
bem dada por
x
1
=
a
22
b
1
a
12
b
2
d
;
e
x
2
=
a
21
b
1
+a
11
b
2
d
,
onde d = a
11
a
22
a
12
a
21
.
Podemos dizer que o sistema (19.1) tem solucao somente quando d ,= 0, de modo que d decide ou
determina se o sitema (19.1) tem solu cao unica .

E por este motivo que d chama-se o determinante
da matriz de coecientes A =
_
a
11
a
12
a
21
a
22
_
, e denota-se por det(A), [A[ , det
_
a
11
a
12
a
21
a
22
_
ou

a
11
a
12
a
21
a
22

.
Denicao 19.1. Se A =
_
a
11
a
12
a
21
a
22
_
e uma matriz de ordem 2 2
det(A) := a
11
a
22
a
12
a
21
.
Observacao 19.2. Os determinates foram estudados muito antes do conceito de matrizes, porem
atualmente eles sao pouco importantes.
A solucao de (19.1) pode ser escrita como
_
x
1
x
2
_
=
_
_
_
a
22
b
1
a
12
b
2
d
a
21
b
1
+a
11
b
2
d
_
_
_,
_
x
1
x
2
_
=
1
d
_
a
22
b
1
a
12
b
2
a
21
b
1
+a
11
b
2
_
,
_
x
1
x
2
_
=
1
d
_
a
22
a
12
a
21
a
11
__
b
1
b
2
_
.
24
Portanto o sistema
_
a
11
a
12
a
21
a
22
_
. .
A
_
x
1
x
2
_
. .
x
=
_
b
1
b
2
_
. .
b
;
tem solucao
_
x
1
x
2
_
=
1
d
_
a
22
a
12
a
21
a
11
_ _
b
1
b
2
_
.
Por outro lado, dado o sistema Ax = b segue-se que x = A
1
b, de modo que podemos identicar
a inversa de A, como sendo
A
1
=
1
d
_
a
22
a
12
a
21
a
11
_
.
e facil ver que
_
a
11
a
12
a
21
a
22
_
. .
A
1
d
_
a
22
a
12
a
21
a
11
_
. .
A
1
= I
2
;
1
d
_
a
22
a
12
a
21
a
11
_
. .
A
1
_
a
11
a
12
a
21
a
22
_
. .
A
= I
2
.
19.2 Determinantes de 3 3
Dado o sistema de equacoes lineares de 3 3
(19.2)
_
_
_
a
11
x
1
+a
12
x
2
+a
13
x
3
= b
1
;
a
21
x
1
+a
22
x
2
+a
23
x
3
= b
2
;
a
31
x
1
+a
32
x
2
+a
33
x
3
= b
3
,
que pode ser escrito na forma matricial como
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
. .
A
_
_
x
1
x
2
x
3
_
_
. .
x
=
_
_
b
1
b
2
b
3
_
_
. .
b
.
Podemos ver que depois de resolver este sistema , cada solucao x
1
, x
2
e x
3
tem um denominador
comum
d = a
11
a
22
a
33
a
11
a
23
a
32
+a
12
a
23
a
31
a
12
a
21
a
33
+a
13
a
21
a
32
a
13
a
22
a
31
.
De onde o sistema (19.2) tem solucao unica, se e somente se d ,= 0. Podemos fatorar d da seguinte
forma
d = a
11
(a
22
a
33
a
23
a
32
) a
12
(a
21
a
33
a
23
a
31
) +a
13
(a
21
a
32
a
22
a
31
).
Usando a nota cao dos determinantes de 2 2, temos que
d = a
11
det
_
a
22
a
23
a
32
a
33
_
a
12
det
_
a
21
a
23
a
31
a
33
_
+a
13
det
_
a
21
a
22
a
31
a
32
_
.
25
Denicao 19.3. Para uma matriz 3 3, A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
, dene-se seu determinante
det(A) := a
11
det
_
a
22
a
23
a
32
a
33
_
a
12
det
_
a
21
a
23
a
31
a
33
_
+a
13
det
_
a
21
a
22
a
31
a
32
_
.
Observacao 19.4. Podemos ver que um determinante 3 3 pode-se escrever como a soma de 3
determinantes de 2 2. Mais ainda,
a) o primeiro determinante, da denicao (19.2), det
_
a
22
a
23
a
32
a
33
_
obtem-se depois de apagar a
primeira linha e a primeira coluna da matriz A. O seguinte diagrama ilustra este fato
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
;
b) o segundo determinante, da denicao (19.2), det
_
a
21
a
23
a
31
a
33
_
obtem-se depois de apagar a
primeira linha e a segunda coluna da matriz A. O seguinte diagrama ilustra este fato
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
;
c) o terceiro determinante, da denicao (19.2), det
_
a
21
a
22
a
31
a
32
_
obtem-se depois de apagar a
primeira linha e a terceira coluna da matriz A. O seguinte diagrama ilustra este fato
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
;
Denicao 19.5. Seja A = (a
ij
) uma matriz quadrada nn. Deni-se o menor M
ij
de a
ij
como
o determinante da submatriz de A obtida depois de apagar a i-esima linha e a j-esima coluna da
matriz A.
Exemplo 19.6. Se A =
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
, entao
M
11
= det
_
a
22
a
23
a
32
a
33
_
;
26
M
12
= det
_
a
21
a
23
a
31
a
33
_
;
M
13
= det
_
a
21
a
22
a
31
a
32
_
;
M
21
= det
_
a
12
a
13
a
32
a
33
_
;
M
22
= det
_
a
11
a
13
a
31
a
33
_
;
M
23
= det
_
a
11
a
12
a
31
a
32
_
;
M
31
= det
_
a
12
a
13
a
22
a
23
_
;
M
32
= det
_
a
11
a
13
a
21
a
23
_
;
M
33
= det
_
a
11
a
12
a
21
a
22
_
.
Portanto, combinando a Denicao (19.3) com a Denicao (19.5), podemos re-escrever o deter-
minante de uma matriz 3 3 por
det(A) = a
11
M
11
a
12
M
12
+a
13
M
13
.
As mudan cas alternantes dos sinais nesta ultima igualdade evita-se denindo o cofator
Denicao 19.7. Seja A = (a
ij
) uma matriz quadrada nn. Deni-se o cofator de a
ij
, denotado
por A
ij
como
A
ij
= (1)
i+j
M
ij
.
Logo,
det(A) = a
11
A
11
+a
12
A
12
+a
13
A
13
,
esta formula chama-se a expansao do det(A) pela primeira linha, pois expressa o det(A) como
uma soma de elementos da primeira linha de A multiplicada por seus cofatores.
A seguir vamos dar a denicao do determinante para matrizes quadradas de qualquer ordem.
Denicao 19.8. Seja A = (a
ij
)
mn
uma matriz quadrada, a denicao do determinante expandido
pela i-esima linha e
det(A) := a
i1
A
i1
+a
i2
A
i2
+ +a
in
A
in
,
e a denic ao do determinante expandido pela j-esima coluna e
det(A) := a
1j
A
1j
+a
2j
A
2j
+ +a
nj
A
nj
,
onde
A
ij
= (1)
i+j
M
ij
,
e o cofactor de a
ij
e M
ij
e o menor de a
ij
denido como sendo o determinante da submatriz de A
de ordem (n 1) (n 1) obtida apos apagar simultaneamente a i-esima linha e j-esima coluna.
Proposicao 19.9.
a
i1
A
k1
+a
i2
A
k2
+ +a
in
A
kn
= 0, k ,= i.
Em outras palavras, a soma dos produtos de qualquer linha com um cofactor linha distinto `a linha
dada sempre e zero.
27
Proposicao 19.10.
a
1j
A
1k
+a
2j
A
2k
+ +a
nj
A
nk
= 0, k ,= j.
Em outras palavras, a soma dos produtos de qualquer coluna com um cofactor coluna distinto `a
coluna dada sempre e zero.
Denicao 19.11. Seja A = (a
ij
)
nn
uma matriz quadrada arbitraria. Se det(A) = 0, diremos
que a matriz A e singular e caso det(A) ,= 0 diremos que a matriz A e nao singular.
20 Propriedades dos Determinantes
Para qualquer matriz quadrada A = (a
ij
)
nn
, temos que
PD1
det(A) = det(A
T
);
det(A

) = det(A).
PD2
det( A) =
n
det(A).
PD3 se a matriz A tem duas linhas ou colunas identicas entao det(A) = 0.
PD4 Se A = diag (a
11
a
22
a
33
a
nn
), entao
det(A) = a
11
a
22
a
33
a
nn
.
PD5 Se A e uma matriz triangular superior ou inferior, entao
det(A) = a
11
a
22
a
33
a
nn
.
PD6
a1) Se quaisquer duas linhas de A sao permutadas o valor do det(A) e multiplicado por -1;
a2) Se quaisquer duas colunas de A sao permutadas o valor do det(A) e multiplicado por
-1;
b1) Se qualquer linha de A e multiplicada por um escalar nao nulo, entao o valor do
det(A) tambem e multiplicado por ;
b2) Se qualquer coluna de A e multiplicada por um escalar nao nulo, entao o valor do
det(A) tambem e multiplicado por ;
c1) o valor do det(A) nao muda se um multiplo arbitrario de qualquer linha de A e somada
a qualquer otra linha;
c2) o valor do det(A) nao muda se um multiplo arbitrario de qualquer coluna de A e somada
a qualquer otra coluna.
PD7 Se A e B sao duas matrizes n n, entao
det(AB) = det(A) det(B).
21 Exerccios
1. Se para algun n N, temos que det(A
n
) = 1, entao encontre det(A).
2. Prove que se A e uma matriz anti-simetrica de ordem impar entao det(A) = 0. O mesmo
resultado vale se a matriz A e de ordem par?
3.
28
22 Escalonamento de uma matriz
23 Posto de uma matriz
Para uma matriz arbitraria A = (a
ij
)
mn
dene-se o posto de A, denotado por R(A), como
sendo a ordem da maior submatriz quadrada nao singular que pode ser formada selecionando
linhas e colunas de A.
Exemplo 23.1. Seja A =
_
1 1
2 2
_
, e claro que podemos encontrar uma sub-matriz de A de ordem
2 2, a qual e a propria A. Como det(A) = 0, segue-se da denicao de posto que R(A) ,= 2.
Como podemos achar pelo menos uma submatriz de A de ordem 1 1 a qual e n ao singular, por
exemplo, (1). Portanto, concluimos que R(A) = 1.
Exemplo 23.2. Seja A =
_
2 4 8
1 2 1
_
, e claro que nao podemos encontrar uma sub-matriz de A
de ordem 3 3, de onde R(A) ,= 3 e assim R(A) 2. Certamente existem sub-matrizes de A de
ordem 2 2. Agora se dentre todas as submatrizes de A de ordem 2 2 existe pelo menos uma
nao singular entao R(A) seria dois. Observemos que a submatriz
_
2 8
1 1
_
e nao singular, pois
det
_
2 8
1 1
_
= 2 8 ,= 0. Portanto, concluimos que R(A) = 2, e nao devemos nos importar com
o fato de que det
_
2 4
1 2
_
= 0.
Exemplo 23.3. Seja A =
_
_
1 2 4 1
2 4 8 2
3 6 2 0
_
_
, e claro que n ao podemos encontrar uma sub-matriz de
A de ordem 4 4, de onde R(A) ,= 4 e assim R(A) 3. Certamente existem sub-matrizes de A
de ordem 3 3. Agora se dentre todas as submatrizes de A de ordem 3 3 existe pelo menos uma
nao singular entao R(A) seria tres. Observemos que todas as submatrizes de A de ordem 3 3
sao singulares, isto e,
det
_
_
1 2 4
2 4 8
3 6 2
_
_
= det
_
_
1 2 1
2 4 2
3 6 0
_
_
= det
_
_
1 4 1
2 8 2
3 2 0
_
_
= det
_
_
2 4 1
4 8 2
6 2 0
_
_
= 0,
de onde R(A) ,= 3 e assim R(A) 2. Agora se dentre todas as submatrizes de A de ordem
2 2 existe pelo menos uma nao singular entao R(A) seria dois, caso contrario seria um. Como
a submatriz
_
1 4
3 2
_
e nao singular, pois det
_
1 4
3 2
_
= 2 12 ,= 0. Portanto, concluimos que
R(A) = 2, e nao devemos nos importar com o fato de existirem outras submatrizes 22 singulares.
23.1 Propriedades do posto de uma matriz
1. As unicas matrizes que tem posto zero sao as matrizes que tem todas suas entradas nulas;
2. quando formamos sub-matrizes, as linhas e colunas nao precissam ser contiguas ou proximas;
3. se pelo menos existe uma submatriz nao singular de ordem r r e todas as possiveis sub-
matrizes quadradas de maior ordem sao singulares, entao R(A) = r, sem importar quantas
de tais submatrices r r nao singulares existam;
4. Caso A seja uma matriz quadrada de ordem n n, temos
R(A) = n A e nao singular.
29
5. Caso A seja uma matriz retangular de ordem mn, entao R(A) minm, n.
6. Para matrizes da forma A
mn
e B
pm
temos
R(A) +R(B) m R(BA) minR(A), R(B).
Theorem 23.4. As operacoes elementares nao mudam o posto de uma matriz
24 Exerccios
1. Calcule o posto das seguintes matrizes
a) A =
_
_
1 0 1
0 1 0
1 1 1
_
_
;
b) A =
_
_
_
_
1 0 0
2 4 6
5 8 12
0 8 12
_
_
_
_
;
c) A =
_
_
1 3 2 1
2 1 3 4
3 5 8 7
_
_
;
d) A =
_
_
1 1 1 1
3 3 3 3
4 4 4 2
_
_
;
e) A =
_
_
_
_
1 0 1 2
1 1 0 1
0 1 1 3
1 2 1 4
_
_
_
_
;
f) A =
_
_
_
_
0 1 2 1 1 3 2
1 1 1 2 1 1 0
1 2 1 3 2 1 1
1 2 7 1 2 5 5
_
_
_
_
;
2. Para que valores de k R, a matriz A =
_
_
1 2 3 2
3 6 9 6
4 8 12 k
_
_
, tem
a) R(A) = 3;
b) R(A) = 2;
c) R(A) = 1.
3. Dadas as matrices A =
_
_
2 0 1
1 3 1
5 3 2
_
_
e B =
_
_
1 a b
a 1 c
b c a
_
_
. Para que valores de a, b e c
tem-se R(A) = R(B)?
25 O Teorema de Mirsky
Dado um sistema de equacoes lineares, com coecientes reais,
Ax = b,
com n incognitas. Entao o sistema dado tem
30
a) solucao unica se e somente se R(A) = R(A[b) = n;
b) innitas solu coes se e somente se R(A) = R(A[b) < n;
c) nao tem solucao se e somente se R(A) < R(A[b);
31