You are on page 1of 14

UTFPR Álgebra Linear Danielle Durski

Figueiredo

ÁLGEBRA LINEAR

MATRIZES E OPERAÇÕES COM MATRIZES

MATRIZ TRIANGULAR SUPERIOR

É uma matriz quadrada onde aij = 0 para i > j.

1 3 0 3
1 9 0   
1 − 9 0 0 6 0
Exemplos A =
0 7 − 2
 , B = 0  , C =
 1  0 0 1 2

0 0 1 
  
0
 0 0 
1

MATRIZ TRIANGULAR INFERIOR

É uma matriz quadrada onde aij = 0 para i < j.

1 0 0 0
4 0 0 6
1 0 5 0 0
Exemplos A =
9 2 0 , B = 3 e C = 

 1
 4 −3 9 0

π 7 1
  
2 0 0 1

MULTIPLICAÇÃO DE MATRIZES

Dadas duas matrizes Am ×n =[aij ] m ×n e Bn ×p =[b jk ] n × p , então:

n
A ⋅ B = C = [cik ] m × p , onde cik = ai1 ⋅ b1k + ai 2 ⋅ b2 k + ai 3 ⋅ b3k + ..... + ain ⋅ bnk = ∑ aij ⋅ b jk
j =1
UTFPR Álgebra Linear Danielle Durski
Figueiredo
EXERCÍCIOS RESOLVIDOS:

 a11 a12  b11 b12 b13   c11 c12 c13 


1. Se A =  e B=  , então C =  , onde:
a21

a22  b21 b22 b23  c21 c22 c23 

2
cik = ai1 ⋅ b1k + ai 2 ⋅ b2 k = ∑ aij ⋅ b jk , isto é:
j =1

c11 = a11 ⋅ b11 + a12 ⋅ b21


c12 = a11 ⋅ b12 + a12 ⋅ b22
c13 = a11 ⋅ b13 + a12 ⋅ b23
c21 = a21 ⋅ b11 + a 22 ⋅ b21
c22 = a 21 ⋅ b12 + a22 ⋅ b22
c23 = a 21 ⋅ b13 + a22 ⋅ b23

−4 0 3 −1
1 3 −1
ii. Se A = e B =
5 −2 −1 1, então
− 2 −1 1 
−1 2 0 6
c c12 c13 c14 
C =  11 , onde:
c21 c22 c23 c24 

c11 = 1⋅ ( − 4) + 3 ⋅ ( 5) + ( − 1) ⋅ ( − 1) = 12
c12 = 1⋅ ( 0) + 3 ⋅ ( − 2) + ( − 1) ⋅ ( 2) = 8
c13 = 1 ⋅ ( 3) + 3 ⋅ ( −1) + ( −1) ⋅ ( 0 ) = 0
c14 = 1⋅ ( − 1) + 3 ⋅ (1) + ( − 1) ⋅ ( 6) = −4
c21 = ( − 2 ) ⋅ ( − 4 ) + ( − 1) ⋅ ( 5) + (1) ⋅ ( − 1) = 2
c22 = ( − 2 ) ⋅ ( 0 ) + ( − 1) ⋅ ( − 2 ) + (1) ⋅ ( 2 ) = 4
c23 = ( − 2 ) ⋅ ( 3) + ( −1) ⋅ ( −1) + (1) ⋅ ( 0 ) = −5
c24 = ( − 2) ⋅ ( − 1) + ( − 1) ⋅ (1) + (1) ⋅ ( 6) = 7

12 −8 0 − 4
Logo C =  2 4 −5 7 
 

c11 = 50 ⋅ 500 + 30 ⋅ 400 + 25 ⋅ 450 = 48250


c12 = 50 ⋅ 200 + 30 ⋅100 + 25 ⋅150 = 16750
c13 = 50 ⋅ 500 + 30 ⋅ 300 + 25 ⋅ 600 = 49000
c14 = 50 ⋅150 + 30 ⋅ 250 + 25 ⋅ 0 = 15000
c15 = 50 ⋅ 4 + 30 ⋅ 5 + 25 ⋅ 6 = 500
UTFPR Álgebra Linear Danielle Durski
Figueiredo

Propriedades da Multiplicação de Matrizes


(Desde que sejam possíveis as operações)

i) A ⋅ I = I ⋅ A = A, sendo I a matriz identidade

ii) A ⋅ ( B + C ) = A ⋅ B + A ⋅C e ( A + B) ⋅C = A ⋅C + B ⋅C

iii) A ⋅ ( B ⋅ C ) = ( A ⋅ B ) ⋅ C

iv) 0 ⋅ A = 0 e A ⋅ 0 = 0

Observe que em geral A ⋅ B ≠ B ⋅ A , podendo inclusive um dos membros estar


definido e o outro não.

Definições

Seja A uma matriz quadrada, então:

a) A é dita SIMÉTRICA, se e somente se, AT = A .

b)

3 0 −1  3 0 −1 
Exemplo A =
0 2 − 7 ⇒ A = 
 T
0 2 − 7
=A

−1 −7 5 
 
−1 −7 5 

b) A é dita ANTI-SIMÉTRICA, se e somente se, AT = − A .

0 1 − 3 0 −1 3 
Exemplo A =
−1 0 5  ⇒ A T
=
1 0 − 5
 = −A

3 −5 0  
− 3 5 0 

MATRIZES ELEMENTARES
UTFPR Álgebra Linear Danielle Durski
Figueiredo

Definição

Chamamos de operações elementares nas linhas de uma matriz, às


seguintes operações:

i) a troca da ordem de duas linhas da matriz;

ii) a multiplicação uma linha da matriz por uma constante diferente de zero;

iii) a substituição uma linha da matriz por sua soma com outra linha multiplicada
por uma constante diferente de zero.

Definição

Uma matriz elementar é uma matriz obtida por meio de operações


elementares nas linhas de uma matriz identidade.

Exemplos

1 0 0 0
0 1 0 0
1. Considere a matriz identidade I =   . Então as matrizes
0 0 1 0
 
0 0 0 1

1 0 0 0 0 0 1 0 1 0 0 0
0 5 0 
0 0 1 0 
0 0 1 0 0
E1 =  , 2 1
E = , 3 0
E =  , são matrizes
0 0 1 0 0 0 0 0 1 0
     
0 0 0 1 0 0 0 1 0 −2 0 1

elementares obtidas de I, pela aplicação de uma única operação elementar em


suas linhas. Se Li representa a i-ésima linha de I, então, estas matrizes foram
obtidas da seguinte maneira:

1 0 0 0 L = 5 ⋅ L 1 0 0 0
0 2 2
 1 0 0

0
 5 0 0
 = E1
0 0 1 0
⇒ 0 0 1 0
   
0 0 0 1 0 0 0 1
1 0 0 0 L ↔ L 0 0 1 0
0 1 3
 1 0 0

0
 1 0 0
 = E2
0

0 1 0 1 0 0 0
   
0 0 0 1 0 0 0 1
UTFPR Álgebra Linear Danielle Durski
Figueiredo

1 0 0 0 L = L4 − 2L2 1 0 0 0
0 4
 1 0 0

0
 1 0 0
 = E3
0 0 1 0
⇒ 0 0 1 0
   
0 0 0 1 0 −2 0 1

TEOREMA
Seja E a matriz elementar obtida fazendo-se uma operação elementar nas
linhas de I n . Se a mesma operação elementar for feita em uma linha de uma
matriz A de ordem n×r , então o resultado será igual a E ⋅ A .

Exemplo

ii. Considere as matrizes elementares E1 , E 2 e E3 , obtidas


conforme segue:

1 0 0 L1 → 3 ⋅ L1 3 0 0
0 0 0 0
 1  ⇒  1  = E1

0 0 1
 
0 0 1

1 0 0 L2 ↔ L3 1 0 0
0 0 0 1
 1  ⇒  0  = E2
0
 0 
1 0
 1 
0

1 0 0 L3 → L3 − 4L2 1 0 0
0 0 0 0
 1  ⇒  1  = E3

0 0 1
 
0 −4 1

1 2 0 3
−1 0
Considere agora a matriz A =  4 2  . Verifique que:

2 3 5 1

1 2 0 3 L1 → 3 ⋅ L1 3 6 0 9 3 0 0  1 2 0 3
−1 0 −1 0
 1 0 ⋅  0
 4 2  ⇒  4 2  = 0 −1 4 2 
 1  1
2 3 5  2 3 5  0
 0 1  2 3 5 1

UTFPR Álgebra Linear Danielle Durski
Figueiredo
1 2 0 3 L2 ↔ L3 1 2 0 3 1 0 0  1 2 0 3
−1 0 2 1
 0 1  ⋅  0
 4 2  ⇒  3 5  = 0 −1 4 2 
 1  0
2 3 5  −1 4 2  0
 1 0  2 3 5 1

1 2 0 3 L3 → L3 − 4L2 1 2 0 3 1 0 0
−1 0 −1 0
 1 0 ⋅
 4 2  ⇒  4 2  = 0

2 3 5 1 
−2 −13 −3 1
 0

 − 4 1
1 2 0 3
−1 4 2 0
 

2 3 5 1

Determinantes e Matriz Inversa

Determinantes

Definições
 a11 a12 
Se A =   ⇒ det A = a11 ⋅ a 22 − a12 ⋅ a 21
a 21 a 22 

 a11 a12 a13 


 det A = a11 ⋅ a 22 ⋅ a33 − a11 ⋅ a 23 ⋅ a32 − a12 ⋅ a 21 ⋅ a33 +
Se A =  a 21 a 22 a 23  ⇒
+ a12 ⋅ a 23 ⋅ a31 + a13 ⋅ a 21 ⋅ a32 − a13 ⋅ a 22 ⋅ a31
 a31 a32 a33 

Propriedades dos determinantes

i) det A = det AT

ii) Se multiplicarmos uma linha de uma matriz por k ∈ℜ, o determinante fica
multiplicado por k.

iii) Uma vez permutadas duas linhas de uma matriz, o determinante da mesma
troca de sinal.
UTFPR Álgebra Linear Danielle Durski
Figueiredo
iv) O determinante de uma matriz que tem duas linhas (ou colunas) iguais é igual
a zero.

v) O determinante não se altera se somarmos aos elementos de uma linha, os


elementos correspondentes de outra linha multiplicados por uma constante.

a1 b1 c1 a1 b1 c1
a2 b2 c 2 = a 2 + ka 1 b2 + kb1 c 2 + kc1
a3 b3 c3 a3 b3 c3

vi) Se na matriz A cada elemento de uma linha é uma soma de duas parcelas, o
determinante de A pode ser expresso sob a forma de uma soma dos
determinantes de duas matrizes, a saber:

a1 b1 a b1 a b1
= 1 + 1
a 2 + c1 b2 + c 2 a2 b2 c1 c2

As propriedades acima são verdadeiras se forem igualmente aplicadas às colunas


das matrizes.

vii) det ( A ⋅ B ) = det A ⋅ det B

COMO CALCULAR UM DETERMINANTE

• LAPLACE
• TRIANGULAÇÃO
UTFPR Álgebra Linear Danielle Durski
Figueiredo
Exemplo:

2 1 7
Calcular o det A = 1 3 2 , pelo processo de triangulação.
5 3 4

1
2 1 7 → L1 = L1  
2
det A = 1 3 2
5 3 4

1 1 7
2 2
det A = 1 3 2 → L2 = L2 + L1 ( −1)
5 3 4

1 1 7
2 2
det A = 2 . 0 5 − 3
2 2
5 3 4 → L3 = L3 2 + L1 (− 5)

1 1 7
2 2
 2
det A = 2. 0 5 − 3 → L2 = L2  
2 2  5
0 1 − 2 7
2 2

1 1 7
2 2
5 −6
det A = 2 . 2 . 0 1 10
0 1 − 27  1
2 2 → L3 = L3 + L2  − 
 2
UTFPR Álgebra Linear Danielle Durski
Figueiredo
1 1 7
2 2
5 −6
det A = 2. . 0 1
2 10
0 0 − 132
10

5   132 
det A = 2 × × 1 ×1 ×  −  = −66
2   10 

MATRIZ INVERSA

Seja A é uma matriz quadrada n × n. Chamamos de matriz inversa de A à


uma matriz B, também n × n, que satisfaz a seguinte propriedade: A ⋅ B = B ⋅ A = I ,
em que I = I n é a matriz identidade n × n. Se esta matriz B existir, A será
chamada de matriz invertível.
Normalmente a matriz inversa de A é indicada por A −1 , logo:
A ⋅ A−1 = A −1 ⋅ A = I

Exemplo
2 3
iii. Ache a inversa da matriz A = 1 4
 

2 3 a b  1 0 2a + 3c 2b + 3d  1 0
1 ⋅ = ⇒ = ⇒
 4 c d  0 
1  a + 4c b + 4d  0 1

 2a + 3c = 1  2b + 3d = 0
 
4 1 3 2
⇒a= e c =− e ⇒ b =− e d=
a + 4c = 0 b + 4d = 1
5 5 5 5

 4 3
 5 − 
−1
Logo A =  1
5
2 
− 
 5 5 
a b  2 3 1 0
Obs: O mesmo resultado seria obtido fazendo: c d
⋅
4
=
1
  1  0 
UTFPR Álgebra Linear Danielle Durski
Figueiredo

Teorema

Se A é uma matriz invertível, então a sua inversa é única.

Observações

i) Se A e B são matrizes quadradas invertíveis, então A⋅ B é também invertível e


( A ⋅ B ) −1 = B −1 ⋅ A −1 .

ii) Uma matriz quadrada A admite inversa se e somente se det A ≠ 0 .

−1 1
iii) Se A é uma matriz quadrada e det A ≠ 0 , então det A = .
det A

Teorema

Seja A uma matriz quadrada. Se uma seqüência de operações elementares


nas suas linhas reduz A a I, então a mesma seqüência de operações elementares
transforma I em A −1 .

Exemplo

−1 2 1
1 1
iv. Ache a inversa da matriz A =  2 

−1 2 3

−1 2 1  1 0 0 L1 ↔ L2 1 2 1  0 1 0 L2 = L2 + L1
1 0 −1 0
 2 1  0 1  ⇒  2 1  1 0  ⇒

−1 2 3  0 0 1
 
−1 2 3  0 0 1
 L3 = L3 + L1

1 1 2 1  0 1 0 L1 = L1 − 2 L2
1 2 1  0 1 0 L2 = L2
0 4  1 1 1 
4 2  1 1 0 0 1  0 ⇒
  ⇒ 2 4 4
0
 4 4  0 1 
1 0 4 4  0 1 1 L3 = L3 − 4 L2

UTFPR Álgebra Linear Danielle Durski
Figueiredo

 1 1 

 −
1 1 
1 1 0 0  − 0 1
1 0 0
2 2
0
L = L3 2 2 L = L − L3
 1 1 1  3 2  1 1 1  2 2
2
0 1  0 0 1  0
 2 4 4  ⇒  2 4 4  ⇒
0 0 2  −1 0 1 1 1
 
0 0 1  − 0
   2 2 

 1 1   1 1 
1 0 0  − 2 2
0  − 2 2
0 
 1 1 1  1 1 1
0 1 0  −  . Assim, A −1 =  − .
 2 4 4  2 4 4
0 0 1  − 1 0
1  − 1 0
1 
 2 2   2 2 

EXERCÍCIOS PROPOSTOS (AULA 02)

cos α − sen α
1. Para cada α ∈ℜ , considere a matriz Tα = sen α cos α 
 
a) Mostre que Tα ⋅Tβ =Tα+β

ii. Mostre que a soma de duas matrizes simétricas é uma matriz


simétrica.

iii. Mostre que a soma de duas matrizes anti-simétricas é uma


matriz anti-simétrica.

iv. Mostre que se A é uma matriz quadrada, então A + AT é uma


matriz simétrica.

v. Verifique que o produto de duas matrizes simétricas nem


sempre é uma matriz simétrica.
UTFPR Álgebra Linear Danielle Durski
Figueiredo
vi. Se A ⋅ B = 0 , então podemos afirmar que A = 0 ou B = 0 ?

vii. Suponha que A ≠ 0 e A ⋅ B = A ⋅ C , então podemos afirmar que


B=C ?

viii. Considerando o exercício anterior, se existir uma matriz Y tal


que Y ⋅ A = I , podemos afirmar que B=C ?

ix. Podemos dizer que a seguinte igualdade


( A + B ) = A + 2 ⋅ A ⋅ B + B é verdadeira?
2 2 2

x. Podemos dizer que a seguinte igualdade


( A − B ) = A − 2 ⋅ A ⋅ B + B é verdadeira?
2 2 2

xi. Uma maneira de codificar uma mensagem é através da


multiplicação matricial.
Vamos associar as letras do alfabeto aos números, segundo a
correspondência abaixo:

A B C D E F G H I J K L M
1 2 3 4 5 6 7 8 9 10 11 12 13

N O P Q R S T U V W X Y Z
14 15 16 17 18 19 20 21 22 23 24 25 26

Suponhamos que a nossa mensagem seja “PUXA VIDA”. Podemos formar


P U X
 V
uma matriz 3× 3 assim: A −  , que usando a correspondência numérica

I D A

16 21 24 
 22 
fica: M = 1 0 

9 4 1
−1 1 0 
 − 2
Agora seja C uma matriz qualquer 3× 3 inversível, por exemplo: C = 2 1 
− 2
 0 1 

UTFPR Álgebra Linear Danielle Durski
Figueiredo
Multiplicando nossa matriz da mensagem M por C, obtemos
− 22 37 −18 
M ⋅C = 
− 45 1 22 

 −3 13 −7 
Transmitimos esta nova matriz M ⋅ C . Quem recebe a mensagem,
decodifica-a através da multiplicação pela inversa de C, isto é, fazendo
( )
( M ⋅ C ) ⋅ C −1 e posterior transcrição dos números para letras. C é chamada de
matriz chave para o código.

Questão
Com base nessas informações, supondo que você tenha recebido a matriz
11 34 − 33 
M ⋅C = 
10 35 − 30 
 , traduza a mensagem.

2 17 −17 

REPOSTAS DOS EXERCÍCIOS PROPOSTOS (AULA 02)

cos α − sen α cos β − sen β


1. Tα ⋅Tβ =  ⋅ =
sen α cos α  sen β cos β 
cos α ⋅ cos β − sen α ⋅ sen β − sen β⋅ cos α − sen α ⋅ cos β
= sen α ⋅ cos β + sen β⋅ cos α − sen α ⋅ sen β + cos α ⋅ cos β
=
 
cos ( α + β) − sen ( α + β) 
= = Tα+β
sen ( α + β) cos ( α + β) 

2. Sejam duas matrizes simétricas A e B. Logo AT = A e B T = B .


( A + B ) T = AT + B T = A + B .
3. Sejam duas matrizes anti-simétricas A e B. Logo AT = − A e B T = −B .
( A + B )T = AT + B T = −A + ( − B ) = −( A + B ).

4. ( A + AT ) = AT + ( AT ) = AT + A = A + AT
T T

5. Sejam duas matrizes simétricas A e B. Logo AT = A e B T = B .


( A ⋅ B ) T = B T ⋅ AT = B ⋅ A .
6. Não! Encontre alguns contra-exemplos.

7. Não! A ⋅ B = A ⋅ C ⇒A ⋅ B − A ⋅ C = 0 ⇒ A ⋅ ( B − C ) = 0 . Sabemos que A ≠ 0 , e que


podemos ter A ⋅ ( B − C ) = 0 sem que B − C ≠ 0 , Logo B não é necessariamente igual
a C.

8. Sim ! A ⋅ B = A ⋅ C ⇒Y ⋅ ( A ⋅ B ) = Y ⋅ ( A ⋅ C ) ⇒(Y ⋅ A) ⋅ B = (Y ⋅ A) ⋅ C ⇒( I ) ⋅ B = ( I ) ⋅ C ⇒B=C

9. Não! ( A + B ) ⋅ ( A + B ) = A ⋅ A + A ⋅ B + B ⋅ A + B ⋅ B = A2 + A ⋅ B + B ⋅ A + B 2
10. Não! ( A − B ) ⋅ ( A − B ) = A ⋅ A − A ⋅ B − B ⋅ A + B ⋅ B = A 2 − A ⋅ B − B ⋅ A + B 2
UTFPR Álgebra Linear Danielle Durski
Figueiredo