Docsity
Docsity

Prepare-se para as provas
Prepare-se para as provas

Estude fácil! Tem muito documento disponível na Docsity


Ganhe pontos para baixar
Ganhe pontos para baixar

Ganhe pontos ajudando outros esrudantes ou compre um plano Premium


Guias e Dicas
Guias e Dicas

Introdução a Algebra Linear , Exercícios de Engenharia Civil

Introdução a algebra linear, com todas as bases e alguns exercicios resolvidos.

Tipologia: Exercícios

2010
Em oferta
60 Pontos
Discount

Oferta por tempo limitado


Compartilhado em 14/01/2010

ze-bino-2
ze-bino-2 🇧🇷

5

(1)

1 documento

1 / 194

Toggle sidebar

Esta página não é visível na pré-visualização

Não perca as partes importantes!

bg1
Ana Paula Santana
Jo˜ao Filipe Queir´o
INTRODUC¸ ˜
AO `
A´
ALGEBRA LINEAR
Departamento de Matem´atica - Universidade de Coimbra
2008
pf3
pf4
pf5
pf8
pf9
pfa
pfd
pfe
pff
pf12
pf13
pf14
pf15
pf16
pf17
pf18
pf19
pf1a
pf1b
pf1c
pf1d
pf1e
pf1f
pf20
pf21
pf22
pf23
pf24
pf25
pf26
pf27
pf28
pf29
pf2a
pf2b
pf2c
pf2d
pf2e
pf2f
pf30
pf31
pf32
pf33
pf34
pf35
pf36
pf37
pf38
pf39
pf3a
pf3b
pf3c
pf3d
pf3e
pf3f
pf40
pf41
pf42
pf43
pf44
pf45
pf46
pf47
pf48
pf49
pf4a
pf4b
pf4c
pf4d
pf4e
pf4f
pf50
pf51
pf52
pf53
pf54
pf55
pf56
pf57
pf58
pf59
pf5a
pf5b
pf5c
pf5d
pf5e
pf5f
pf60
pf61
pf62
pf63
pf64
Discount

Em oferta

Pré-visualização parcial do texto

Baixe Introdução a Algebra Linear e outras Exercícios em PDF para Engenharia Civil, somente na Docsity!

Ana Paula Santana Jo˜ao Filipe Queir´o

INTRODUC¸ ˜AO `A ´ALGEBRA LINEAR

Departamento de Matem´atica - Universidade de Coimbra

Nota

Este texto ´e uma vers˜ao provis´oria de um livro que em breve ser´a publicado. Substitui a vers˜ao de 2003 que tem sido disponibilizada online. Trata-se tamb´em de uma vers˜ao parcial, pois n˜ao inclui os cap´ıtulos 8, 9 e 10 que por vezes s˜ao referidos no texto. Esses cap´ıtulos dir˜ao respeito a espa¸cos vec- toriais abstractos, transforma¸c˜oes lineares entre tais espa¸cos, e espa¸cos abstractos com produto interno.

Coimbra, Setembro de 2008

Ana Paula Santana Jo˜ao Filipe Queir´o

  • 0 Os n´umeros complexos
  • 1 Matrizes
    • 1.1 Generalidades
    • 1.2 Opera¸c˜oes com matrizes
    • 1.3 Inversa de uma matriz quadrada
    • 1.4 Transposi¸c˜ao de matrizes
    • 1.5 Matrizes elementares
  • 2 Sistemas de equa¸c˜oes lineares
    • 2.1 Generalidades
    • 2.2 O algoritmo de elimina¸c˜ao de Gauss
    • 2.3 O algoritmo de Gauss-Jordan para invers˜ao de matrizes
  • 3 Determinantes
    • 3.1 Defini¸c˜ao e primeiras propriedades
    • 3.2 Permuta¸c˜oes
    • 3.3 Existˆencia e unicidade do determinante
    • 3.4 Outras propriedades dos determinantes
    • 3.5 O Teorema de Laplace e a Regra de Cramer
  • 4 O espa¸co Rn, subespa¸cos, dimens˜ao
    • 4.1 Subespa¸cos
    • 4.2 Dependˆencia e independˆencia linear
    • 4.3 Base e dimens˜ao
    • 4.4 Mudan¸ca de base
    • 4.5 Caracter´ıstica e nulidade de uma matriz
    • 4.6 Soma e soma directa de subespa¸cos
    • 4.7 Transforma¸c˜oes lineares em Rn
    • 4.8 Nota sobre espa¸cos vectoriais abstractos
  • 5 Angulos e distˆˆ ancias em Rn
    • 5.1 Sistemas imposs´ıveis
    • 5.2 Produto interno em Rn
    • 5.3 Projec¸c˜ao ortogonal sobre um subespa¸co
    • 5.4 M´ınimos quadrados
    • 5.5 Complemento ortogonal de um subespa¸co
    • 5.6 Determinantes e medidas de paralelip´ıpedos
    • 5.7 Produto externo em R
  • 6 Planos em Rn
  • 7 Valores pr´oprios e vectores pr´oprios de matrizes
    • 7.1 Conceitos b´asicos
    • 7.2 Matrizes diagonaliz´aveis
    • 7.3 Um exemplo de aplica¸c˜ao da diagonalizabilidade
    • 7.4 O caso das matrizes sim´etricas reais
    • 7.5 Curvas e superf´ıcies do 2o grau
    • 7.6 Estudo da semelhan¸ca de matrizes
    • 7.7 A decomposi¸c˜ao dos valores singulares
    • 7.8 A norma de uma matriz
    • 7.9 O n´umero de condi¸c˜ao de uma matriz
  • 11 Apˆendices
    • 11.1 Hist´oria dos n´umeros complexos
    • 11.2 Permuta¸c˜oes
    • 11.3 O Teorema de Laplace

0 Os n´umeros complexos

Esta sec¸c˜ao ´e uma breve introdu¸c˜ao aos conjuntos de n´umeros que ser˜ao mais utilizados no texto. Destina-se principalmente ao leitor pouco familiarizado com os n´umeros complexos.

Os conjuntos de n´umeros mais conhecidos e habituais s˜ao os seguintes: o conjunto dos n´umeros naturais N = { 1 , 2 , 3 ,.. .},

o conjunto dos n´umeros inteiros

Z = {... , − 3 , − 2 , − 1 , 0 , 1 , 2 , 3 ,.. .},

o conjunto dos n´umeros racionais

Q =

{m

n

: m, n ∈ Z, n 6 = 0

e o conjunto dos n´umeros reais, para o qual usaremos o s´ımbolo R. Tem-se a seguinte cadeia de inclus˜oes:

N ⊂ Z ⊂ Q ⊂ R.

Exemplos de n´umeros reais que n˜ao s˜ao racionais s˜ao

3 , e e π. A melhor maneira de “visualizar”o conjunto R ´e pensar nos pontos de uma recta, o “eixo real”. Marcando no eixo dois pontos para representar os n´umeros 0 e 1, obt´em-se uma correspondˆencia perfeita entre R e o conjunto dos pontos do eixo.

0 1 α

R

Supor-se-˜ao conhecidas as propriedades b´asicas destes n´umeros.

No s´eculo XVI, a prop´osito da descoberta da f´ormula resolvente das equa¸c˜oes do 3 o^ grau, “descobriu-se”um novo conjunto de n´umeros contendo R. Essa hist´oria ´e recordada em apˆendice. O novo conjunto de n´umeros ´e o conjunto dos n´umeros complexos

C = {a + bi : a, b ∈ R}

onde i satisfaz i^2 = −1. As opera¸c˜oes com n´umeros complexos realizam-se tratando- os como n´umeros como os outros e usando as propriedades habituais das opera¸c˜oes, bem como a igualdade i^2 = −1. Assim, por exemplo,

(a + bi) + (c + di) = (a + c) + (b + d)i

Do Teorema Fundamental da Algebra tira-se uma importante conclus˜´ ao: um polin´omio com coeficientes reais ou complexos pode sempre escrever-se como produto de factores de grau 1:

anxn^ + an− 1 xn−^1 + · · · + a 1 x + a 0 = an(x − α 1 )(x − α 2 )... (x − αn) ,

onde α 1 , α 2 ,... , αn s˜ao as ra´ızes do polin´omio.

O conjunto C ´e portanto muito rico do ponto de vista alg´ebrico.

Encerramos esta sec¸c˜ao introduzindo alguma terminologia sobre n´umeros com- plexos.

Seja z = a + bi ∈ C. Chamamos a a parte real de z e escrevemos a = Re z. Chamamos a b parte imagin´aria de z e escrevemos b = Im z. Se a = 0 dizemos que z ´e imagin´ario puro. O conjugado de z ´e z = a − bi. O m´odulo de z ´e o n´umero real n˜ao negativo |z| =

a^2 + b^2. (A fun¸c˜ao m´odulo em C estende a fun¸c˜ao m´odulo conhecida em R.) Geometricamente, |z| ´e a distˆancia do ponto z do plano complexo `a origem (isto ´e, ao ponto 0). Mais geralmente, |z − w| ´e a distˆancia entre os pontos z e w.

1 Matrizes

Neste cap´ıtulo estudam-se os conceitos e resultados fundamentais sobre matrizes. As matrizes s˜ao objectos b´asicos da Matem´atica: ´e imposs´ıvel estudar Matem´atica a n´ıvel superior sem conhecer a linguagem matricial. Esta linguagem ´e usada naturalmente em todos os contextos “multidimensio- nais”, isto ´e, em que os objectos considerados podem ser descritos por sequˆencias de v´arios n´umeros. A introdu¸c˜ao das matrizes e das opera¸c˜oes entre elas permite em geral uma descri¸c˜ao muito abreviada dos problemas e rela¸c˜oes que surgem nesses contextos. Uma matriz pode ser definida de forma muito simples, como um quadro de n´umeros dispostos segundo umas tantas linhas e colunas. Com este tipo de objectos — uma esp´ecie de “n´umeros generalizados” — podem fazer-se “contas”como com os n´umeros vulgares (embora algumas propriedades falhem), o que ´e ´util nas partes mais computacionais da Algebra Linear. Em cap´´ ıtulos posteriores veremos que as matrizes s˜ao ´uteis tamb´em em contextos mais abstractos. Nos primeiros cap´ıtulos deste texto, trabalharemos, em geral, com matrizes de n´umeros reais. No entanto, praticamente tudo o que veremos ´e tamb´em v´alido para n´umeros complexos.

1.1 Generalidades

Defini¸c˜ao 1.1 Chama-se matriz do tipo m × n sobre R (ou C) a todo o quadro que se obt´em dispondo mn n´umeros segundo m linhas e n colunas. Esses n´umeros dizem-se os elementos da matriz. Uma matriz diz-se real ou complexa consoante os seus elementos forem n´umeros reais ou complexos. O conjunto de todas as matrizes do tipo m × n sobre R representa-se por Mm×n(R). Usamos a nota¸c˜ao Rm^ para Mm× 1 (R).

Exemplo 1.

[ 1 2 7 − 5 3 8

] ,

 

0 − 2 7 1 2 3 12 5 8

  (^) e

 

2 4 9

  (^) s˜ao matrizes reais dos tipos 2 × 3 ,

3 × 3 e 3 × 1 , respectivamente. A primeira pertence M 2 × 3 (R), a segunda a M 3 × 3 (R) e a terceira a R^3.

Usam-se letras mai´usculas para designar matrizes. Exceptua-se o caso das matrizes- coluna, isto ´e, matrizes s´o com uma coluna, para as quais, frequentemente, se utilizam letras min´usculas. Numa matriz abstracta ´e comum designar os elementos por uma letra min´uscula com dois ´ındices, indicando o primeiro a linha da matriz em que o elemento se encontra e o segundo a coluna.

Defini¸c˜ao 1.2 1. Duas matrizes A = [aij ] e B = [bij ] ∈ Mm×n(R) s˜ao iguais se aij = bij , para i = 1,... , m, j = 1,... , n.

  1. A ∈ Mm×n(R) diz-se quadrada de ordem n se m = n, e rectangular se m 6 = n.
  2. Os elementos diagonais de A = [aij ] ∈ Mn×n(R) s˜ao a 11 , a 22 ,... , ann. A sequˆencia ordenada constitu´ıda por estes elementos diz-se diagonal principal de A.
  3. Seja A = [aij ] quadrada. A diz-se triangular superior se aij = 0 quando i > j, triangular inferior se aij = 0 quando i < j, e diagonal se aij = 0 quando i 6 = j.
  4. A matriz identidade de ordem n, In, ´e a matriz diagonal, de ordem n, com os elementos diagonais iguais a 1.

In =

Se a ordem estiver clara do contexto usamos simplesmente I.

  1. A matriz nula m×n ´e a matriz m×n cujos elementos s˜ao todos iguais a zero. Representa-se por (^0) m×n, ou simplesmente por 0 se o tipo estiver claro do contexto.
  2. Sendo A = [aij ]m×n, define-se −A = [− aij ]m×n.
  3. Sendo A uma matriz, uma submatriz de A ´e uma matriz que se obt´em por supress˜ao de linhas e/ou colunas de A.

Exemplo 1.2 As matrizes

[ 1 2 7 − 5 3 8

] e

[ a 2 7 − 5 b 8

] s˜ao iguais se a = 1 e b = 3. Estas duas

matrizes s˜ao rectangulares, enquanto a matriz A =

 

10 5 − 7 8 2 3 15 6 5

  (^) ´e quadrada de ordem 3. Os

elementos diagonais de A s˜ao 10, 2 , 5 e a sua diagonal principal ´e (10, 2 , 5). As matrizes (^)  

1 2 − 7 0 2 1 0 0 − 2

  (^) ,

 

1 0 0 7 3 0 5 0 5

  (^) e

 

2 0 0 0 2 0 0 0 7

 

s˜ao, respectivamente, triangular superior, triangular inferior e diagonal.

As matrizes

[ 10 − 7 15 5

] e

 

5 − 7 2 3 6 5

  (^) s˜ao exemplos de submatrizes de A =

 

10 5 − 7 8 2 3 15 6 5

 .

1.2 Opera¸c˜oes com matrizes

As opera¸c˜oes mais simples com matrizes s˜ao a adi¸c˜ao (ou soma) de matrizes e a multiplica¸c˜ao de um n´umero por uma matriz.

Defini¸c˜ao 1.3 Sendo A = [aij ] ∈ Mm×n(R), B = [bij ] ∈ Mm×n(R) e α ∈ R, define-se:

  1. A+B como sendo a matriz do tipo m×n cujo elemento (i, j) ´e aij +bij. Assim A + B = [aij + bij ]m×n.
  2. αA como sendo a matriz do tipo m × n cujo elemento (i, j) ´e α aij. Tem-se ent˜ao αA = [α aij ]m×n.

Exemplo 1.3 Sendo A =

[ 1 0 − 6 − 2 1 8

] e B =

[ 10 3 8 1 6 4

] , tem-se

A + B =

[ 11 3 2 − 1 7 12

] e 1 2 A =

[ (^1) 2 0 −^3 − 1 12 4

] .

Teorema 1.1 Sejam A, B e C matrizes arbitr´arias em Mm×n(R). Ent˜ao verifica- se:

  1. (A + B) + C = A + (B + C) (associatividade da adi¸c˜ao).
  2. A + B = B + A (comutatividade da adi¸c˜ao).
  3. A + 0m×n = 0m×n + A = A (a matriz nula ´e elemento neutro da adi¸c˜ao).
  4. A + (−A) = (−A) + A = 0m×n (−A ´e o elemento sim´etrico ou oposto de A).

Demonstra¸c˜ao. Apenas demonstramos a primeira destas propriedades, deixando as restantes como exerc´ıcio. Sejam A = [aij ] , B = [bij ] , C = [cij ] ∈ Mm×n(R). Sejam D = (A + B) + C = [dij ] e E = A + (B + C) = [eij ]. Note-se que D e E s˜ao matrizes m × n. Por outro lado, da defini¸c˜ao de adi¸c˜ao de matrizes, tem-se dij = (aij + bij ) + cij e eij = aij + (bij + cij ). Mas a associatividade da adi¸c˜ao em R diz-nos que estas duas somas s˜ao iguais. Logo, dij = eij para i = 1,... , m, j = 1,... , n, e portanto D = E.

Teorema 1.2 Sejam A e B matrizes arbitr´arias em Mm×n(R) e α, β ∈ R. Ent˜ao verifica-se:

  1. α(A + B) = αA + αB.
  2. (α + β)A = αA + βA.
  1. Sejam A =

[ 3 1 5

] e B =

 

2 7 4

  (^). Ent˜ao

AB =

[ 3 × 2 + 1 × 7 + 5 × 4

]

[ 33

] ;

e BA =

 

2 × 3 2 × 1 2 × 5 7 × 3 7 × 1 7 × 5 4 × 3 4 × 1 4 × 5

  (^) =

 

6 2 10 21 7 35 12 4 20

  (^).

  1. Sejam A =

 

3 0 0 0 5 0 0 0 1

  (^) e B =

 

5 0 0 0 7 0 0 0 9

  (^). Ent˜ao

AB = BA =

 

15 0 0 0 35 0 0 0 9

  (^).

  1. Sendo A =

[ 1 2 − 1 − 2

] e B =

[ 4 − 6 − 2 3

] , tem-se

AB =

[ 0 0 0 0

] ; BA =

[ 10 20 − 5 − 10

] .

Como pode ser observado nestes exemplos, a multiplica¸c˜ao de matrizes comporta- se de modo diferente da multiplica¸c˜ao de n´umeros. Dadas matrizes A e B, pode acontecer estar o produto AB definido, mas o produto BA n˜ao estar. Estando AB e BA definidos, nada implica que AB seja igual a BA. Verificamos ainda outra anomalia: o produto de duas matrizes pode ser nulo sem que nenhuma delas o seja. Estas e outras propriedades do produto de matrizes est˜ao contidas no teorema que se segue.

Teorema 1.3 Sejam A,A′^ ∈ Mm×n(R), B,B′^ ∈ Mn×p(R), C ∈ Mp×q(R) matrizes ar- bitr´arias e α∈R. Ent˜ao tem-se:

  1. A (^0) n×p = 0m×p, (^0) r×mA = 0r×n , AIn = ImA = A.
  2. (AB)C = A(BC) (associatividade da multiplica¸c˜ao).
  3. A(B + B′) = AB + AB′^ , (A + A′)B = AB + A′B (distributividades do produto em rela¸c˜ao `a adi¸c˜ao).
  4. α(AB) = (αA)B = A(αB).
  5. AB = 0 6 ⇒ (A = 0 ou B = 0).
  6. (AB = AB′^ e A 6 = 0) 6 ⇒ B = B′, e tamb´em (AB = A′B e B 6 = 0) 6 ⇒ A = A′.
  7. A multiplica¸c˜ao de matrizes n˜ao ´e comutativa.

Demonstra¸c˜ao. As afirma¸c˜oes contidas nas al´ıneas 5, 6 e 7 s˜ao do tipo negativo, em que se diz que certa propriedade geral n˜ao ´e verdadeira. Para provar uma afirma¸c˜ao desse tipo basta apresentar um exemplo, um caso concreto, em que a propriedade geral indicada n˜ao se verifica. (A um exemplo apresentado com tal objectivo chama-se um contra-exemplo.) No caso das propriedades 5 e 7, veja-se o Exemplo 1.4. Para a primeira parte da propriedade 6, considere, por exemplo, as

matrizes A =

[

]

, B =

[

]

e B′^ =

[

]

Passemos agora `a demonstra¸c˜ao da propriedade 2, ficando as restantes como exerc´ıcio. Sejam A = [aij ] ∈ Mm×n(R), B = [bij ] ∈ Mn×p(R) e C = [cij ] ∈ Mp×q(R). Ent˜ao (AB)C e A(BC) s˜ao ambas matrizes do tipo m×q. Da defini¸c˜ao de produto sabemos

que o elemento (i, j) de AB ´e

∑^ n

k=

aikbkj. Assim, o elemento (i, l) de (AB)C ser´a

∑^ p

t=

( (^) n ∑

k=

aikbkt

ctl.

De modo an´alogo, o elemento (i, l) de A(BC) ´e

∑^ n

k=

aik

( (^) p ∑

t=

bktctl

Utilizando as propriedades distributiva da multiplica¸c˜ao em rela¸c˜ao `a adi¸c˜ao, asso- ciativa da multiplica¸c˜ao e da adi¸c˜ao e comutativa da adi¸c˜ao em R, tem-se

∑^ n

k=

aik

( (^) p ∑

t=

bktctl

∑^ n

k=

∑^ p

t=

aik(bktctl) =

∑^ p

t=

∑^ n

k=

(aikbkt)ctl =

∑^ p

t=

( (^) n ∑

k=

aikbkt

ctl.

Da associatividade do produto de matrizes conclu´ımos que n˜ao temos que nos preocupar com parˆenteses quando lidarmos com mais de dois factores. Em particu- lar, fica bem definido o significado da express˜ao Ak, onde A ´e uma matriz quadrada e k ∈ N.

Teorema 1.4 Seja A ∈Mm×n(R) e designe-se por cj a coluna j de A, j = 1,... , n. Dada a matriz-coluna

x =

x 1 x 2 .. . xn

tem-se Ax = x 1 c 1 + x 2 c 2 +... + xncn. Dizemos ent˜ao que Ax ´e uma combina¸c˜ao linear das colunas de A.

  1. Sejam A, B, C matrizes dos tipos m × n, n × p e p × q, respectivamente. Calcule o n´umero de multiplica¸c˜oes necess´arias para obter o produto ABC. (Note que a resposta depende de como considerarmos os parˆenteses no produto ABC.)
  2. (a) Dˆe exemplos que mostrem que as identidades alg´ebricas (A + B)^2 = A^2 + 2AB + B^2 , (A − B)^2 = A^2 − 2 AB + B^2 , (A + B)(A − B) = A^2 − B^2 e (AB)^2 = A^2 B^2 nem sempre s˜ao verdadeiras quando A e B s˜ao matrizes. (b) Transforme os segundos membros daquelas identidades de forma a obter identidades sempre v´alidas para A e B matrizes quadradas quaisquer da mesma ordem.
  3. Mostre atrav´es de exemplos que uma matriz real quadrada A pode satisfazer: (a) A^2 = −I; (b) A^2 = 0, sendo A n˜ao nula.
  4. Prove que multiplicar A a esquerda por uma matriz diagonal de elementos diagonais μ 1 ,... , μm equivale a multiplicar a primeira linha de A por μ 1 , a segunda linha por μ 2 , etc. Multiplicar Aa direita por uma matriz diagonal de elementos diagonais μ 1 ,... , μn equivale a multiplicar a primeira coluna de A por μ 1 , a segunda coluna por μ 2 , etc.
  5. Prove que uma matriz que comuta com uma matriz diagonal de elementos diagonais todos distintos tem de ser ela pr´opria uma matriz diagonal.
  6. Prove que uma matriz quadrada que comuta com todas as matrizes quadradas da mesma ordem tem que ser uma matriz escalar (isto ´e, da forma αI para algum n´umero α).
  7. Se os elementos aij de uma matriz A forem fun¸c˜oes diferenci´aveis de uma vari´avel t, define- se dAdt como sendo a matriz de elementos da dtij. Demonstre que dAB dt = dA dt B + A dB dt .
  8. Sejam A e B matrizes m × n. Prove que, se Av = Bv para todo o vector coluna n × 1 v, ent˜ao A = B. (Sugest˜ao: O que conclui se v for uma das colunas da matriz In?)
  9. (Produto por blocos.) Sejam A m × n e B n × p duas matrizes. Suponhamos que as particionamos em submatrizes (ou “blocos”) assim

A =

   

A 11 A 12... A 1 s A 21 A 22... A 2 s .. .

.. .

... .. . Ar 1 Ar 2... Ars

    , B =

   

B 11 B 12... B 1 t B 21 B 22... B 2 t .. .

.. .

... .. . Bs 1 Bs 2... Bst

    ,

de forma que, para todos os poss´ıveis valores de i, j, e k, o n´umero de colunas de Aik seja igual ao n´umero de linhas de Bkj. Mostre que, ent˜ao, o produto AB se pode calcular do seguinte modo (note-se que o n´umero de colunas de blocos de A ´e igual ao n´umero de linhas de blocos de B):

AB =

  

∑s k=1 A^1 kBk^1

∑s k=1 A^1 kBk^2...^

∑s ∑s k=1^ A^1 kBkt k=1 A^2 kBk^1

∑s k=1 A^2 kBk^2...^

∑s k=1 A^2 kBkt .. .

.. .

... .. ∑. s k=1 ArkBk^1

∑s k=1 ArkBk^2...^

∑s k=1 ArkBkt

  .

( Sugest˜ao: Talvez ajude come¸car por considerar o caso s = 2, r = t = 1.)

  1. Calcule os seguintes produtos matriciais usando a multiplica¸c˜ao por blocos (fazendo a parti¸c˜ao indicada):

(a)

 

2 1 5 3 1 4 2 − 1 3 − 1 2 2

 

  

4 1 1 5 − 2 2 3 6

   ;^ (b)

   

2 0 0 0 0 1 5 2 0 0 2 − 1 3 0 0 1 4 − 1 3 − 1 − 1 5 2 1 6

   

2

  1. Dˆe uma nova demonstra¸c˜ao do Teorema 1.4 usando o produto por blocos.
  2. Seja A ∈Mm×n(R) e designe-se por Li a linha i de A, i = 1,... , m. Dada a matriz-linha x = [x 1 x 2... xn] , prove que se tem xA = x 1 L 1 + x 2 L 2 +... + xnLm.
  3. Sendo A uma matriz m × n e B uma matriz n × p cujas colunas s˜ao v 1 , v 2 ,... , vp, mostre que as colunas de AB s˜ao Av 1 , Av 2 ,... , Avp.

1.3 Inversa de uma matriz quadrada

Dado um n´umero α n˜ao nulo, real ou complexo, podemos falar do seu inverso multiplicativo: α−^1 ´e o n´umero que multiplicado por α d´a 1. O que se passar´a com matrizes?

Defini¸c˜ao 1.5 Seja A uma matriz quadrada de ordem n. Dizemos que A ´e invert´ıvel se existir uma matriz X, quadrada de ordem n, tal que AX = XA = In.

Teorema 1.5 Seja A uma matriz quadrada de ordem n. Ent˜ao existe no m´aximo uma matriz X quadrada de ordem n tal que AX = XA = In.

Demonstra¸c˜ao. Sejam X e Y matrizes quadradas de ordem n tais que AX = XA = In e AY = Y A = In. Ent˜ao Y = Y In = Y (AX) = (Y A)X = InX = X. Logo, existe no m´aximo uma matriz X nas condi¸c˜oes referidas.

Defini¸c˜ao 1.6 Nas condi¸c˜oes do Teorema, X diz-se a inversa de A e representa-se por A−^1.

Exemplo 1.5 A matriz

[ 1 2 1 1

] ´e invert´ıvel, sendo a sua inversa a matriz

[ − 1 2 1 − 1

] . De facto tem-se [ 1 2 1 1

] [ − 1 2 1 − 1

] = I 2 e

[ − 1 2 1 − 1

] [ 1 2 1 1

] = I 2.

  1. Seja A uma matriz particionada da seguinte forma:

  

A 1 0... 0 0 A 2... 0 .. .

.. .

... .. . 0 0... Ar

   ,^ onde os

blocos A 1 , A 2 ,... , Ar s˜ao quadrados e invert´ıveis e os zeros designam matrizes nulas dos tipos adequados. Mostre que A ´e invert´ıvel e determine A−^1.

  1. Seja A uma matriz quadrada cujos elementos s˜ao fun¸c˜oes diferenci´aveis de uma vari´avel t. Suponhamos que A ´e invert´ıvel para todos os valores de t. Demonstre que, ent˜ao, d(A−^1 ) dt = −A−^1 dA dt A−^1.

Que igualdade ´e esta no caso n = 1? Sugest˜ao: Parta da igualdade AA−^1 = I e use o exerc´ıcio 13 da sec¸c˜ao 1.2.

1.4 Transposi¸c˜ao de matrizes

Uma transforma¸c˜ao simples mas importante que se pode fazer a uma matriz ´e a transposi¸c˜ao.

Defini¸c˜ao 1.7 Dada uma matriz do tipo m × n

A =

a 11 a 12... a 1 n a 21 a 22... a 2 n .. .

am 1 am 2... amn

define-se a transposta de A como sendo a matriz do tipo n × m

AT^ =

a 11 a 21... am 1

a 12 a 22... am 2 .. .

a 1 n a 2 n... amn

Ou seja: o elemento (i, j) de AT^ ´e aji, para i = 1,... , n, j = 1,... , m. A matriz A diz-se sim´etrica se A = AT^.

Como se vˆe da defini¸c˜ao, os elementos da coluna j de AT^ s˜ao precisamente os da linha j de A, para j = 1,... , m. Vemos tamb´em que uma matriz ´e sim´etrica se e s´o se for quadrada e forem iguais os elementos situados em posi¸c˜oes sim´etricas relativamente `a diagonal principal.

Exemplo 1.6 A transposta da matriz A =

[ 1 2 0 1 5 3

] ´e a matriz AT^ =

 

1 1 2 5 0 3

  (^).

A matriz (^)  

3 2 5 2 1 7 5 7 9

 

´e sim´etrica, mas a matriz (^) 

3 1 5 2 1 7 5 7 9

 

j´a o n˜ao ´e, uma vez que os elementos nas posi¸c˜oes (1, 2) e (2, 1) n˜ao s˜ao iguais.

Teorema 1.7 A transposi¸c˜ao de matrizes goza das seguintes propriedades:

  1. (AT^ )T^ = A;
  2. (A + B)T^ = AT^ + BT^ ;
  3. (αA)T^ = αAT^ , sendo α um n´umero;
  4. (AB)T^ = BT^ AT^ ;
  5. (Ak)T^ = (AT^ )k, sendo k um n´umero natural;
  6. Se A for invert´ıvel, AT^ tamb´em ´e, tendo-se (AT^ )−^1 = (A−^1 )T^.

Demonstra¸c˜ao. As propriedades 1, 2, 3 e 5 ficam como exerc´ıcio. Provemos 4 e 6.

  1. Sejam A = [aij ] e B = [bij ] , dos tipos m × n e n × p , respectivamente. Ent˜ao BT^ AT^ e (AB)T^ s˜ao ambas do tipo p × m. Sendo bki e ajk os elementos (i, k) e (k, j) de BT^ e AT^ , respectivamente, tem-se que o elemento (i, j) de BT^ AT^ ´e ∑^ n

k=

bkiajk =

∑^ n

k=

ajkbki, que ´e o elemento (i, j) de (AB)T^ , para i = 1,... , p, j =

1 ,... , m. Logo, (AB)T^ = BT^ AT^.

  1. Seja agora A = [aij ] invert´ıvel de ordem n. Ent˜ao, usando a propriedade 4, tem-se

AT^ (A−^1 )T^ = (A−^1 A)T^ = InT = In e (A−^1 )T^ AT^ = (AA−^1 )T^ = InT = In.

Logo (AT^ )−^1 = (A−^1 )T^.

Defini¸c˜ao 1.8 Uma matriz quadrada diz-se ortogonal se for invert´ıvel e a sua inversa coincidir com a sua transposta.

Exemplo 1.7 A matriz AT^ =

[ (^) √ 2 2 −^

√ 2 √ 2 2 2

√ 2 2

] ´e ortogonal.