Algebra

Linear
(goo.gl/SpQLw7)

Prof. Leandro (Sala 520-2 SA)

(leandro.silva@ufabc.edu.br)

19, 20 e 22 de setembro de 2016

Matrizes: definicoes

Definicao: uma matriz real A de ordem m n e uma lista de

n
umeros reais aij com ndices duplos, onde
1 i m ,e
1jn.

Matrizes: definicoes

Costuma-se representar a matriz A como um quadro numerico

com m linhas e n colunas, no qual o elemento aij situa-se no
cruzamento da i-esima linha com a j-esima coluna:

a11 a12 . . . a1m

a21 a22 . . . a2m

A= .
..
..
.
.
.
.
.
.
.
am1 am2 . . . amn
Quando queremos especificar a ordem de uma matriz A, isto
e, o n
umero de linhas e colunas, usamos a notacao Amn .

Matrizes: definicoes

Definicao: Seja uma matriz Amn .

(i) O vetor (ai1 , ai2 , . . . , ain ) Rn e o i-esimo vetor-linha da
matriz A.
(ii) O vetor (a1j , a2j , . . . , amj ) Rm e o j-esimo vetor-coluna
da matriz A.
Exemplo:

Matrizes: definicoes

Definicao: Duas matrizes, Amn e Brs , sao iguais, isto e,

A = B, se, e somente se:
(i) elas tem o mesmo n
umero de linhas e colunas, ou seja, m = r
en=s
(ii) todos os seus elementos correspondentes sao iguais: aij = bij

Matrizes: alguns tipos especiais

Matriz quadrada: e aquela na qual o n

umero de linhas e igual
ao n
umero de colunas: Ann .
Dizemos que uma matriz quadradada Ann e uma matriz
quadrada de ordem n.
Matriz nula: aij = 0 para todo i e j.
Matriz coluna: e aquela que possui uma u
nica coluna. Logo,
n = 1.
Matriz linha: e aquela que possui uma u
nica linha. Logo,
m = 1.

Matrizes: alguns tipos especiais

Matriz diagonal: e uma matriz quadrada (m = n) tal que
aij 6= 0 para i = j.
Matriz identidade quadrada: aii = 1 e aij = 0 para todo
i 6= 0.
Matriz triangular superior: e uma matriz quadrada (m = n)
onde todos os elementos abaixo da diagonal sao nulos, isto e,
aij = 0 i > j .
Matriz triangular inferior: e uma matriz quadrada (m = n)
onde todos os elementos acima da diagonal sao nulos, isto e,
aij = 0 i < j .

Matrizes: alguns tipos especiais

Matriz simetrica: e uma matriz quadrada (m = n) tal que
aij = aji .
Matriz diagonalmente dominante: e uma matriz quadrada
(m = n) tal que
X
|aii |
|aij | i .
j,j6=i

Obs.: uma aplicacao: uma matriz diagonalmente dominante e

nao-singular (inversvel), segundo o teorema de
Levy-Desplanques.
Matriz nula: Omn tal que oij = 0 para todo i e j.

Matrizes: operacoes
Adicao: a soma de duas matrizes de mesma ordem, Amn e
Bmn , e uma matriz de ordem m n que denotaremos por
A + B, cujos elementos sao somas dos elementos
correspondentes de A e B:
A + B = [aij + bij ]mn
Propriedades:
(i) A + B = B + A (comutatividade)
(ii) A + (B + C) = (A + B) + C (associatividade)
(iii) A + 0 = A (matriz nula)
Exerccio: demonstre as propriedades acima

Matrizes: operacoes

Multiplicacao por escalar: seja a matriz Amn e k um

n
umero. Definimos a matriz
k A = [kaij ]mn
como a matriz A multiplicada pelo escalar k.
Propriedades:
(i)
(ii)
(iii)
(iv)

k(A + B) = kA + kB
(k1 + k2 )A = K1 A + k2 A
0A=O
k1 (k2 A) = (k1 k2 )A

Exerccio: demonstre as propriedades acima

Matrizes: operacoes

Transposicao: dada uma matriz A = [aij ]mn , definimos a

matriz transposta de A, AT como:
AT = [bij ]nm
cujas linhas sao as colunas de A, ou seja, bij = aji .
Propriedades:
(i)
(ii)
(iii)
(iv)

Se A = AT , entao A e simetrica.
(AT )T = A.
(A + B)T = AT + B T
(kA)T = kAT , onde k e um escalar.

Exerccio: demonstre as propriedades acima

Matrizes: operacoes
Multiplicacao: A operacao de multiplicacao entre matrizes
esta definida para duas matrizes Amn e Bnp e tem como
resultado uma matriz Cmp cujos elementos cuv sao dados
por:
n
X
cuv =
auk bkv .
k=1

Propriedades:
(i) Em geral, AB 6= BA, podendo mesmo um dos membros da
desigualdade estar definido e o outro nao.
(ii) AI = IA = A.
(iii) A(B + C) = AB + AC (distributividade `a esquerda da
multiplicacao em relacao `a soma)
(iv) (A + B)C = AC + BC (distributividade `a direita da
multiplicacao em relacao `a soma)
(v) (AB)C = A(BC) (associatividade)
(vi) (AB)T = B T AT
(vii) OA = AO = O

Sistemas lineares

Forma matricial geral de um sistema linear de n incognitas e m

equacoes:

b1
x1
a11 a12 . . . a1n
a21 a22 . . . a2n x2 b2

..
..
.. .. = ..
.
.
.
.
.
. . .
bm
xn
am1 am2 . . . amn
Em notacao compacta:
AX = B

Sistemas lineares
Matriz ampliada do sistema:

a11 a12
a21 a22

..
..
.
.

...
...
..
.

a1n
a2n
..
.

b1
b2
..
.

am1 am2 . . . amn bm

Operacoes elementares sobre as linhas de uma matriz:
(i) permuta da i-esima e j-esima linhas: Li Lj
(ii) multiplicacao da i-esima linha por um escalar nao-nulo k:
Li kLi
(iii) Substituicao da i-esima linha pela i-esima linha mais k vezes
a j-esima linha: Li Li + kLj .

Sistemas lineares
Definicao: Se A e A sao matrizes m n, dizemos que A e linha
equivalente a A se A for obtida de A atraves de um n
umero finito
de operacoes elementares sobre as linhas de A.
Teorema:
Dois sistemas que possuem matrizes ampliadas equivalentes sao
equivalentes.
Isso sugere que podemos aplicar as operac
oes elementares
sucessivamente sobre a matriz ampliada do sistema ate obtermos
uma matriz ampliada equivalente cuja matriz dos coeficientes
forneca de forma explcita a solucao so sistema.

Achar matriz ampliada equivalente na forma escada ou escalonada:

=B

sistema equivalente AX

Sistemas lineares
Definicao: Dizemos que uma matriz Amn esta na forma de
escada (ou escalonada) reduzida se para toda linha i = 1, 2, . . . , m
observarmos que:
(i) se a linha i e nula, todas as linhas abaixo de i sao nulas
(ii) se a linha i nao e nula e aik e o seu primeiro elemento nao
nulo, todos os elementos da coluna k (exceto aik ) sao nulos
assim como os elementos das colunas anteriores da linha i da
coluna k para baixo.
(iii) todo primeiro elemento nao nulo (piv
o) de uma linha nao
nula e 1.
Exemplos:

Sistemas lineares

Teorema:
Toda matriz Amn e linha equivalente a uma u
nica matriz linha
reduzida `a forma escada.
Definicao: Dada uma matriz Amn , seja Amn a matriz reduzida
`a forma escada equivalente a A.
(i) o posto de A, denotado por p, e o n
umero de linhas nao

nulas de A.
(ii) A nulidade de A e o n
umero n p.

Solucoes de um sistema de equacoes lineares

Primeiro caso: sistema linear de uma equacao e uma incognita

ax = b .
Temos 3 possibilidades na analise de sua solucao:
(i) a 6= 0. Entao x = b/a
(ii) a = 0 e b = 0. Entao qualquer n
umero real e solucao da
equacao.
(iii) a = 0 e b 6= 0. Nao existe solucao para a equacao.

Solucoes de um sistema de equacoes lineares

Segundo caso: sistema linear de duas equac
oes e duas incognitas
Exemplo 1:
(
2x1 + x2 = 5
x1 3x2 = 6

Solucoes de um sistema de equacoes lineares

Segundo caso: sistema linear de duas equac
oes e duas incognitas
Exemplo 1:
(
2x1 + x2 = 5
x1 3x2 = 6

Solucoes de um sistema de equacoes lineares

Segundo caso: sistema linear de duas equac
oes e duas incognitas
Exemplo 2:
(
2x1 + x2 = 5
6x1 + 3x2 = 15

Solucoes de um sistema de equacoes lineares

Segundo caso: sistema linear de duas equac
oes e duas incognitas
Exemplo 2:
(
2x1 + x2 = 5
6x1 + 3x2 = 15

Solucoes de um sistema de equacoes lineares

Segundo caso: sistema linear de duas equac
oes e duas incognitas
Exemplo 3:
(
2x1 + x2 = 5
6x1 + 3x2 = 10

Solucoes de um sistema de equacoes lineares

Segundo caso: sistema linear de duas equac
oes e duas incognitas
Exemplo 3:
(
2x1 + x2 = 5
6x1 + 3x2 = 10

Solucoes de um sistema de equacoes lineares

Caso geral: sistema linear de m equac
oes e n inc
ognitas

a11 x1 + a12 x2 + . . . + a1n xn = b1

..
.

a x + a x + . . . + a x = b
m1 1

m2 2

mn n

Temos tres possibilidades. O sistema pode possuir:

(i) uma u
nica solucao (possvel (ou compatvel) e determinado)
(ii) infinitas solucoes (possvel e indeterminado)
(iii) nenhuma solucao (impossvel (ou compatvel))

Solucoes de um sistema de equacoes lineares

Caso geral: sistema linear de m equac
oes e n inc
ognitas
Teorema:
(i) um sistema de m equac
oes e n inc
ognitas admite solucao se,
e somente se, o posto da matriz ampliada e igual ao posto da
matriz dos coeficientes.
(ii) se as duas matrizes tem o mesmo posto p e a nulidade (n p)
da matriz dos coeficientes e zero, entao a solucao sera u
nica.
(iii) se as duas matrizes tem o mesmo posto p e para a matriz dos
coeficientes p < n, podemos entao escolher n p incognitas
(ou seja, n p variaveis livres) e as outras p incognitas serao
dadas em funcao destas.
Prova do teorema: secao 2.7 do Boldrini