Matriz (matemática)









Question book-4.svg

Esta página ou secção cita fontes confiáveis e independentes, mas que não cobrem todo o conteúdo, o que compromete a verificabilidade (desde Abril de 2011). Por favor, insira mais referências no texto. Material sem fontes poderá ser removido.
Encontre fontes: Google (notícias, livros e acadêmico)


Sejam dois números m e n, naturais e não nulos, chama-se de matriz n{displaystyle mtimes n}m times n, toda tabela A, formada por números reais distribuídos em m linhas e n colunas.


Os termos individuais da Matriz A{displaystyle A}{displaystyle A} geralmente denotados por Aij{displaystyle A_{ij}}{displaystyle A_{ij}} onde max[i]=m{displaystyle max[i]=m}{displaystyle max[i]=m} e max[j]=n{displaystyle max[j]=n}{displaystyle max[j]=n} são as entradas da matriz. Quando as matrizes têm o mesmo tamanho, ou seja, têm o mesmo número de linhas e colunas que a outra, então essas duas matrizes podem ter seus elementos somados e subtraídos 1 a 1. Para multiplicar, no entanto, deve-se prestar atenção se o número de colunas da primeira matriz é igual ao número de linhas da segunda matriz. Dessa forma, percebe-se que as matrizes não comutam, logo (A∗B≠B∗A{displaystyle A*Bneq B*A}{displaystyle A*Bneq B*A}). Toda matriz pode ser multiplicada por um escalar, novamente elemento por elemento. A mais importante aplicação de matrizes é para representar transformações lineares.




Índice






  • 1 Introdução Histórica


  • 2 Notação


  • 3 Classificação


    • 3.1 Matriz quadrada


    • 3.2 Matriz Diagonal


    • 3.3 Matriz Escalar


    • 3.4 Vetor




  • 4 Classificação de matrizes quanto às suas propriedades


    • 4.1 Matriz identidade


    • 4.2 Matriz inversa


    • 4.3 Matriz transposta


    • 4.4 Matriz simétrica


    • 4.5 Matriz positiva/negativa (semi)definida




  • 5 Operações envolvendo matrizes


    • 5.1 Multiplicação de um número real por uma matriz


    • 5.2 Adição e subtração entre matrizes


    • 5.3 Multiplicação de matrizes




  • 6 Propriedades


    • 6.1 Determinante


    • 6.2 Transposta da multiplicação


    • 6.3 Característica




  • 7 Aplicação


    • 7.1 Exemplos




  • 8 Ver também


  • 9 Referências





Introdução Histórica |


O primeiro nome dado às matrizes foi por Cauchy, tableau (em português, "tabela"), mas o nome Matriz veio com James Joseph Sylvester (1814-1897), 1850. Seu significado coloquial: local onde algo se gera ou cria. Sylvester era um matemático respeitado na álgebra britânica, e foi na Universidade de Cambridge que ele conheceu o matemático inglês Arthur Cayley (1821 -1895). Sylvester via as matrizes como mero ingrediente dos determinantes, mas com Cayley elas passam a gradativamente mostrar sua importância.


O primeiro uso implícito da noção de matriz ocorreu com Lagrange que reduziu a caracterização dos máximos e mínimos, de uma função real de várias variáveis, ao estudo do sinal da forma quadrática associada à matriz das segundas derivadas dessa função.Concluímos que a Teoria das Matrizes teve como base a Teoria das Formas Quadráticas, porque seus métodos e resultados básicos foram lá gerados, mas atualmente o estudo das formas quadráticas é um mero capítulo da Teoria das Matrizes.



No estudo da álgebra linear é possível perceber que as matrizes são mais do que objetos estáticos, que gravam informações e dados, na realidade elas representam funções que agem em vetores transformando-os em outros vetores.



Cada elemento de uma matriz é muitas vezes representado por uma variável com dois subscritos. A variável a2,1, por exemplo, representa o elemento da segunda linha e primeira coluna de uma matriz A.



Notação |


Matrizes são normalmente escritas em colchetes ou parênteses:


A=[a11a12⋯a1na21a22⋯a2n⋮am1am2⋯amn]=(a11a12⋯a1na21a22⋯a2n⋮am1am2⋯amn)=(aij)∈Rm×n{displaystyle mathbf {A} ={begin{bmatrix}a_{11}&a_{12}&cdots &a_{1n}\a_{21}&a_{22}&cdots &a_{2n}\vdots &vdots &ddots &vdots \a_{m1}&a_{m2}&cdots &a_{mn}end{bmatrix}}=left({begin{array}{rrrr}a_{11}&a_{12}&cdots &a_{1n}\a_{21}&a_{22}&cdots &a_{2n}\vdots &vdots &ddots &vdots \a_{m1}&a_{m2}&cdots &a_{mn}end{array}}right)=left(a_{ij}right)in mathbb {R} ^{mtimes n}}{displaystyle mathbf {A} ={begin{bmatrix}a_{11}&a_{12}&cdots &a_{1n}\a_{21}&a_{22}&cdots &a_{2n}\vdots &vdots &ddots &vdots \a_{m1}&a_{m2}&cdots &a_{mn}end{bmatrix}}=left({begin{array}{rrrr}a_{11}&a_{12}&cdots &a_{1n}\a_{21}&a_{22}&cdots &a_{2n}\vdots &vdots &ddots &vdots \a_{m1}&a_{m2}&cdots &a_{mn}end{array}}right)=left(a_{ij}right)in mathbb {R} ^{mtimes n}}


Matrizes normalmente são denotadas com letras maiúsculas enquanto seus elementos são denotados por letras minúsculas. Além disso, podemos simbolizar matrizes com um estilo tipográfico especial, comumente em negrito em posição vertical não itálico, para distinguir ainda mais matrizes de outros objetos matemáticos.


As linhas horizontais da matriz são chamadas de linhas e as linhas verticais são chamadas de colunas. Logo uma matriz com m{displaystyle m}m linhas e n{displaystyle n}n colunas é chamada de uma matriz m{displaystyle m}m por n{displaystyle n}n (escreve-se n{displaystyle mtimes n}m times n) e m{displaystyle m}m e n{displaystyle n}n são chamadas de suas dimensões, tipo ou ordem. Por exemplo, a matriz a seguir é uma matriz de ordem 3{displaystyle 2times 3}2times 3 com elementos naturais.


A=[123456]{displaystyle A={begin{bmatrix}1&2&3\4&5&6end{bmatrix}}}A={begin{bmatrix}1&2&3\4&5&6end{bmatrix}}

Um elemento de uma matriz A{displaystyle A}A que está na i{displaystyle i}i-ésima linha e na j{displaystyle j}j-ésima coluna é chamado de elemento i,j{displaystyle i,j}i,j ou (i,j){displaystyle (i,j)}(i,j)-ésimo elemento de A.{displaystyle A.}A. Ele é escrito como aij{displaystyle a_{ij}}a_{{ij}} ou a[i,j]{displaystyle a[i,j]}a[i,j]. Nesse exemplo, o elemento a12{displaystyle a_{12}}a_{{12}} é 2{displaystyle 2}2, o número na primeira linha e segunda coluna do quadro.


As entradas (símbolos) de uma matriz também podem ser definidas de acordo com seus índices i e j. Por exemplo, aij=i+j,{displaystyle a_{ij}=i+j,}a_{{ij}}=i+j, para i{displaystyle i}i de 1 a 3 e j{displaystyle j}j de 1 a 2, define a matriz A=[233445],{displaystyle A={begin{bmatrix}2&3\3&4\4&5end{bmatrix}},}A={begin{bmatrix}2&3\3&4\4&5end{bmatrix}}, de ordem 2.{displaystyle 3times 2.}3times 2.


Nas linguagens de programação, os elementos da matriz podem estar indexados a partir de 1 (Fortran, MATLAB, R, etc) ou a partir de 0 (C e seus dialetos). Por exemplo, o elemento a(1,1){displaystyle a(1,1)}a(1,1) em Fortran corresponde ao elemento a[0][0]{displaystyle a[0][0]}a[0][0] em C.



Classificação |



Matriz quadrada |


Uma matriz é dita quadrada se tem o mesmo número de linhas e colunas, ou seja, quando podemos dizer que m{displaystyle m}m tem a mesma quantidade de elementos que n.{displaystyle n.}n. Numa matriz quadrada A{displaystyle A}A de ordem n,{displaystyle ntimes n,}ntimes n, a diagonal principal é aquela formada pelos elementos aij{displaystyle a_{ij}}a_{{ij}} tais que i=j{displaystyle i=j}i=j, para i{displaystyle i}i de 1{displaystyle 1}1 a n.{displaystyle n.}n. No exemplo abaixo, a diagonal principal é formada pelos seguintes elementos: 1, 0 e 2. Há também a diagonal secundária, que é formada pelos elementos cuja soma dos índices da linha e da coluna é igual a n + 1. Na matriz abaixo, os elementos 1, 0 e 2 constituem a diagonal secundária.



[132100122]{displaystyle {begin{bmatrix}1&3&2\1&0&0\1&2&2end{bmatrix}}}{begin{bmatrix}1&3&2\1&0&0\1&2&2end{bmatrix}}



Matriz Diagonal |


Uma matriz diagonal é definida como uma matriz onde todos os elementos cujo i≠j{displaystyle ineq j}{displaystyle ineq j} são nulos, lembrando que os elementos i=j{displaystyle i=j}i=j não são necessariamente não nulos.


A=[100000002];B=[4000300012]{displaystyle A={begin{bmatrix}1&0&0\0&0&0\0&0&2end{bmatrix}};B={begin{bmatrix}4&0&0\0&3&0\0&0&12end{bmatrix}}}{displaystyle A={begin{bmatrix}1&0&0\0&0&0\0&0&2end{bmatrix}};B={begin{bmatrix}4&0&0\0&3&0\0&0&12end{bmatrix}}}



Matriz Escalar |


Uma matriz escalar é definida quando todos os elementos da diagonal principal são iguais e diferentes de zero


A=[200020002]{displaystyle A={begin{bmatrix}2&0&0\0&2&0\0&0&2end{bmatrix}}}{displaystyle A={begin{bmatrix}2&0&0\0&2&0\0&0&2end{bmatrix}}}



Vetor |


Uma matriz onde uma de suas dimensões é igual a 1 é geralmente chamada de vetor. Uma matriz n{displaystyle 1times n}1times n (uma linha e n{displaystyle n}n colunas) é chamada de vetor linha ou matriz linha, e uma matriz 1{displaystyle mtimes 1}mtimes 1 (uma coluna e m linhas) é chamada de vetor coluna ou matriz coluna.



Classificação de matrizes quanto às suas propriedades |



























































Tipo de matriz é quadrada? Tem inversa? Qual é sua transposta? Positiva/ negativa definida?

Matriz identidade In{displaystyle I_{n}}I_{n}
Sempre Sim, ela mesma: In{displaystyle I_{n}}I_{n}
Ela mesma, In{displaystyle I_{n}}I_{n} (é uma matriz simétrica) Sempre é positiva definida

Matriz inversa B−1{displaystyle B^{-1}}B^{{-1}}
Sempre Sim, e é igual à matriz original, B{displaystyle B}B
(B−1)⊺{displaystyle left({B}^{-1}right)^{intercal }}left({B}^{{-1}}right)^{intercal } Positiva definida se B{displaystyle B}B for positiva definida

Matriz singular C{displaystyle C}C
Sempre Nunca C⊺{displaystyle C^{intercal }}C^{intercal }

Matriz simétrica D{displaystyle D}D
Sempre Não necessariamente D⊺=D{displaystyle D^{intercal }=D}D^{intercal }=D Negativa definida se e apenas se todos os valores característicos de D{displaystyle D}D forem negativos [1]

Matriz transposta E⊺{displaystyle E^{intercal }}E^{intercal }
Não necessariamente Não necessariamente E{displaystyle E}E

Matriz positiva definida F{displaystyle F}F
Sempre Sim, e F−1{displaystyle F^{-1}}F^{{-1}} também é positiva definida F⊺{displaystyle F^{intercal }}F^{intercal } Sempre é positiva definida
Matriz negativa definida G{displaystyle G}G
Sempre Sim, e G−1{displaystyle G^{-1}}G^{{-1}} também é negativa definida[1]
G⊺{displaystyle G^{intercal }}G^{intercal } Sempre é negativa definida


Matriz identidade |



Ver artigo principal: Matriz identidade

A Matriz identidade In{displaystyle I_{n}}I_{n} é a matriz quadrada n{displaystyle ntimes n}ntimes n em que todas as entradas da diagonal principal são iguais a 1 e as demais são iguais a zero, por exemplo


I2=[1001].{displaystyle I_{2}={begin{bmatrix}1&0\0&1end{bmatrix}}.}I_{{2}}={begin{bmatrix}1&0\0&1end{bmatrix}}.

Ela é chamada de matriz identidade pois multiplicá-la por outra matriz não altera a matriz:


MIn=ImM=M,{displaystyle MI_{n}=I_{m}M=M,}MI_{n}=I_{m}M=M,

para qualquer matriz M{displaystyle M}M de ordem m{displaystyle m}m por n{displaystyle n}n.



Matriz inversa |



Ver artigo principal: Matriz inversa

Uma matriz A−1{displaystyle A^{-1}}A^{{-1}} é dita inversa de uma matriz A,{displaystyle A,}A, se obedece às equações matriciais A⋅A−1=A−1⋅A=I,{displaystyle Acdot A^{-1}=A^{-1}cdot A=I,}Acdot A^{{-1}}=A^{{-1}}cdot A=I, ou seja, se o produto entre as matrizes é a Matriz identidade.[2] A analogia com os números reais é evidente, pois assim como o produto entre dois números inversos é a unidade (elemento neutro da multiplicação), o produto de duas matrizes inversas é a matriz identidade (elemento neutro da multiplicação entre matrizes). Uma matriz que possui inversa é dita inversível.


A condição necessária e suficiente para que uma matriz quadrada seja inversível é possuir um determinante não nulo, sendo que para uma dada matriz A,{displaystyle A,}A, a matriz inversa é única. A necessidade de possuir determinante não nulo é evidente na equação A−1=det(A)−1⋅adj(A),{displaystyle mathbf {A} ^{-1}=det(mathbf {A} )^{-1}cdot {mbox{adj}}(mathbf {A} ),}{mathbf  {A}}^{{-1}}=det({mathbf  {A}})^{{-1}}cdot {mbox{adj}}({mathbf  {A}}), pois nela o determinante da matriz original é denominador de uma fração.



Matriz transposta |



Ver artigo principal: matriz transposta

A matriz transposta de uma matriz Am×n{displaystyle A_{mtimes n}}A_{{mtimes n}} é a matriz An×m⊺{displaystyle A_{ntimes m}^{intercal }}A_{{ntimes m}}^{intercal } em que aij⊺=aji,{displaystyle a_{ij}^{intercal }=a_{ji},}a_{{ij}}^{intercal }=a_{{ji}}, ou seja, todos os elementos da primeira linha, tornar-se-ão elementos da primeira coluna, todos os elementos da segunda linha, tornar-se-ão elementos da segunda coluna, todos os elementos da linha n,{displaystyle n,}n, tornar-se-ão elementos da coluna n.{displaystyle n.}n. Exemplo: A=[123456],A⊺=[142536].{displaystyle A={begin{bmatrix}1&2&3\4&5&6end{bmatrix}},A^{intercal }={begin{bmatrix}1&4\2&5\3&6end{bmatrix}}.}A={begin{bmatrix}1&2&3\4&5&6end{bmatrix}},A^{intercal }={begin{bmatrix}1&4\2&5\3&6end{bmatrix}}.



Matriz simétrica |



Ver artigo principal: Matriz simétrica

Uma matriz A{displaystyle A}A é simétrica se A=A⊺.{displaystyle A=A^{intercal }.}A=A^{intercal }. Isso só ocorre com matrizes quadradas.


Um tipo especial de matriz simétrica é a matriz idempotente.



Matriz positiva/negativa (semi)definida |



Ver artigo principal: Matriz positiva definida

A classificação de uma matriz em positiva ou negativa definida ou semi-definida é similar à classificação dos números reais em positivos ou negativos.


Seja M{displaystyle M}M uma matriz quadrada de dimensão n{displaystyle ntimes n}ntimes n e z{displaystyle z}z um vetor não nulo (ou seja, que tenha pelo menos um elemento diferente de zero) de dimensão 1.{displaystyle ntimes 1.}ntimes 1. Note que se n=1,{displaystyle n=1,}n=1, temos a definição de número real positivo ou negativo.


















Tipo de matriz Semi-definida Definida
Positiva
M{displaystyle M}M positiva semidefinida se z⊺Mz≥0,∀z∈Rn{displaystyle z^{intercal }Mzgeq 0,forall zin mathbb {R} ^{n}}z^{intercal }Mzgeq 0,forall zin {mathbb  {R}}^{n}

M{displaystyle M}M é positiva definida se z⊺Mz>0,∀z∈Rn{displaystyle z^{intercal }Mz>0,forall zin mathbb {R} ^{n}}z^{intercal }Mz>0,forall zin {mathbb  {R}}^{n}
Negativa
M{displaystyle M}M é negativa semidefinida se z⊺Mz≤0,∀z∈Rn{displaystyle z^{intercal }Mzleq 0,forall zin mathbb {R} ^{n}}z^{intercal }Mzleq 0,forall zin {mathbb  {R}}^{n} [1]

M{displaystyle M}M é negativa definida se z⊺Mz<0,∀z∈Rn{displaystyle z^{intercal }Mz<0,forall zin mathbb {R} ^{n}}{displaystyle z^{intercal }Mz<0,forall zin mathbb {R} ^{n}}


Operações envolvendo matrizes |


Não se define adição ou subtração de um número com uma matriz, e nem divisões envolvendo matrizes.



Multiplicação de um número real por uma matriz |


A multiplicação de um número real por uma matriz é uma das operações mais simples que podem ser feitas com matrizes. Para multiplicar um número k{displaystyle k}k real qualquer por uma matriz m{displaystyle ntimes m}ntimes m A,{displaystyle A,}A, basta multiplicar cada elemento aij{displaystyle a_{ij}}a_{{ij}} de A{displaystyle A}A por k.{displaystyle k.}k. Assim, a matriz resultante B{displaystyle B}B será também m{displaystyle ntimes m}ntimes m e bij=k⋅aij.{displaystyle b_{ij}=kcdot a_{ij}.}b_{{ij}}=kcdot a_{{ij}}.[3] Com isso, pode-se pensar também na noção de dividir uma matriz por um número: basta multiplicá-la pelo inverso desse número. Mas essa noção pode ser perigosa: enquanto a multiplicação entre um número e uma matriz pode ser dita "comutativa", o mesmo não vale para a divisão, pois não se pode dividir um número por uma matriz.


Por exemplo:


2[18−34−25]=[2×12×82×32×42×22×5]=[216−68−410]{displaystyle 2{begin{bmatrix}1&8&-3\4&-2&5end{bmatrix}}={begin{bmatrix}2times 1&2times 8&2times -3\2times 4&2times -2&2times 5end{bmatrix}}={begin{bmatrix}2&16&-6\8&-4&10end{bmatrix}}}2{begin{bmatrix}1&8&-3\4&-2&5end{bmatrix}}={begin{bmatrix}2times 1&2times 8&2times -3\2times 4&2times -2&2times 5end{bmatrix}}={begin{bmatrix}2&16&-6\8&-4&10end{bmatrix}}


Adição e subtração entre matrizes |



Ver artigo principal: Adição de matrizes

Dado as matrizes A{displaystyle A}A e B{displaystyle B}B do tipo m{displaystyle m}m por n,{displaystyle n,}n, sua soma A+B{displaystyle A+B}A + B é a matriz m{displaystyle m}m por n{displaystyle n}n computada adicionando os elementos correspondentes:[4]


(A+B)[i,j]=A[i,j]+B[i,j].{displaystyle (A+B)[i,j]=A[i,j]+B[i,j].}(A+B)[i,j]=A[i,j]+B[i,j].

Por exemplo:


[132100122]+[005750211]=[1+03+02+51+70+50+01+22+12+1]=[137850333]{displaystyle {begin{bmatrix}1&3&2\1&0&0\1&2&2end{bmatrix}}+{begin{bmatrix}0&0&5\7&5&0\2&1&1end{bmatrix}}={begin{bmatrix}1+0&3+0&2+5\1+7&0+5&0+0\1+2&2+1&2+1end{bmatrix}}={begin{bmatrix}1&3&7\8&5&0\3&3&3end{bmatrix}}}{begin{bmatrix}1&3&2\1&0&0\1&2&2end{bmatrix}}+{begin{bmatrix}0&0&5\7&5&0\2&1&1end{bmatrix}}={begin{bmatrix}1+0&3+0&2+5\1+7&0+5&0+0\1+2&2+1&2+1end{bmatrix}}={begin{bmatrix}1&3&7\8&5&0\3&3&3end{bmatrix}}

Para melhorar a forma de calcular, você pode reescrever a segunda matriz, revertendo seus elementos, onde o elemento (-1) passará para (1) e o elemento (2) passará para (-2) e assim sucessivamente. Após feito isso, além de fazer A−B,{displaystyle A-B,}A-B, você usará A+B.{displaystyle A+B.}A+B.


Lembre-se: Você só pode fazer isso com uma matriz negativa, onde recebe o sinal negativo, por exemplo: em A+B,{displaystyle -A+B,}-A+B, o A{displaystyle A}A que poderá ser reescrito.



Multiplicação de matrizes |



Ver artigo principal: Produto de matrizes

Multiplicação de duas matrizes é bem definida apenas se o número de colunas da matriz da esquerda é o mesmo número de linhas da matriz da direita. Se A{displaystyle A}A é uma matriz m{displaystyle m}m por n{displaystyle n}n e B{displaystyle B}B é uma matriz n{displaystyle n}n por p,{displaystyle p,}p, então seu produto AB{displaystyle AB}AB é a matriz m{displaystyle m}m por p{displaystyle p}p (m{displaystyle m}m linhas e p{displaystyle p}p colunas) dada por:[5]


(AB)[i,j]=A[i,1]B[1,j]+A[i,2]B[2,j]+...+A[i,n]B[n,j]{displaystyle (AB)[i,j]=A[i,1]B[1,j]+A[i,2]B[2,j]+...+A[i,n]B[n,j]}(AB)[i,j]=A[i,1]B[1,j]+A[i,2]B[2,j]+...+A[i,n]B[n,j]

para cada par i{displaystyle i}i e j.{displaystyle j.}j..


Por exemplo:


[102−131]×[312110]=[(1×3+0×2+2×1)(1×1+0×1+2×0)(−3+3×2+1×1)(−1+3×1+1×0)]=[5142]{displaystyle {begin{bmatrix}1&0&2\-1&3&1\end{bmatrix}}times {begin{bmatrix}3&1\2&1\1&0end{bmatrix}}={begin{bmatrix}(1times 3+0times 2+2times 1)&(1times 1+0times 1+2times 0)\(-1times 3+3times 2+1times 1)&(-1times 1+3times 1+1times 0)\end{bmatrix}}={begin{bmatrix}5&1\4&2\end{bmatrix}}}{begin{bmatrix}1&0&2\-1&3&1\end{bmatrix}}times {begin{bmatrix}3&1\2&1\1&0end{bmatrix}}={begin{bmatrix}(1times 3+0times 2+2times 1)&(1times 1+0times 1+2times 0)\(-1times 3+3times 2+1times 1)&(-1times 1+3times 1+1times 0)\end{bmatrix}}={begin{bmatrix}5&1\4&2\end{bmatrix}}

É importante notar que a multiplicação de matrizes não é comutativa, isto é, existem matrizes A{displaystyle A}A e B{displaystyle B}B tais que AB≠BA.{displaystyle ABnot =BA.}ABnot =BA.





Propriedades |



Determinante |



Ver artigo principal: Determinante

O determinante é uma propriedade matricial útil na resolução de sistema de equações lineares (que sempre podem ser representados através de matrizes), além de outras aplicações matemáticas.



Transposta da multiplicação |


Para respeitar a correspondência entre linhas e colunas de uma multiplicação, a transposta de uma multiplicação de matrizes é dada como a transposta de cada matriz multiplicada na ordem inversa.


Para o caso de duas matrizes:


(A⋅B)⊺=B⊺A⊺{displaystyle (Acdot B)^{intercal }=B^{intercal }cdot A^{intercal }}(Acdot B)^{intercal }=B^{intercal }cdot A^{intercal }

No caso de várias matrizes:


(A⋅B⋅C⋅N)⊺=N⊺B⊺A⊺.{displaystyle (Acdot Bcdot Ccdot ldots cdot N)^{intercal }=N^{intercal }cdot ldots cdot B^{intercal }cdot A^{intercal }.}(Acdot Bcdot Ccdot ldots cdot N)^{intercal }=N^{intercal }cdot ldots cdot B^{intercal }cdot A^{intercal }.


Característica |



Ver artigo principal: Posto matricial

A característica ou posto de uma matriz é um inteiro não negativo que representa o número máximo de linhas (ou colunas) da matriz que são linearmente independentes.[6]



Aplicação |


As aplicações das matrizes são encontradas em todos os campos científicos.


Em física, são usadas em ramos como mecânica clássica, ótica, eletromagnetismo, mecânica quântica e eletrodinâmica quântica, além de serem essenciais na descrição do movimento de corpos rígidos.


Na teoria da probabilidade e estatística, podem ser utilizadas matrizes estocásticas que são usadas para descrever os conjuntos de probabilidades.


Em computação, as matrizes são usadas em algoritmos de rankeamento de páginas e, por exemplo, no método dos elementos finitos, em que se define um elemento e, através de matrizes, os elementos são reescritos e associados.


Além disso, as matrizes podem ser usadas em Cadeias de Markov, crescimento populacional, grafos, códigos coletores de erros, modelo quântico entre outros.



Exemplos |


1) Calculando a matriz inversa:


AA−1=I{displaystyle AA^{-1}=I}{displaystyle AA^{-1}=I}, pode ser feito a partir de um simples método algorítmico utilizando do conceito de Matriz Ampliada, podendo calcular qualquer Matriz inversa n{displaystyle ntimes n}ntimes n.


O método algorítmico consiste primeiramente em expressar as matrizes A e I na forma de matriz ampliada.


A=[2281233313];I=[100010001]{displaystyle A={begin{bmatrix}2&2&8\1&2&3\3&3&13end{bmatrix}};I={begin{bmatrix}1&0&0\0&1&0\0&0&1end{bmatrix}}}{displaystyle A={begin{bmatrix}2&2&8\1&2&3\3&3&13end{bmatrix}};I={begin{bmatrix}1&0&0\0&1&0\0&0&1end{bmatrix}}}


A|I=(2281001230103313001){displaystyle A|I=left({begin{array}{ccc|ccc}2&2&8&1&0&0\1&2&3&0&1&0\3&3&13&0&0&1end{array}}right)}{displaystyle A|I=left({begin{array}{ccc|ccc}2&2&8&1&0&0\1&2&3&0&1&0\3&3&13&0&0&1end{array}}right)}


Após construída a matriz ampliada A|I{displaystyle A|I}{displaystyle A|I} devemos transformar o lado correspondente a matriz A{displaystyle A}{displaystyle A}, na matriz Identidade(I{displaystyle I}{displaystyle I}) através de respectivas somas e subtrações entre linhas e múltiplos das linhas. Consideremos l1 a primeira linha ,l2 segunda linha ,l3 terceira linha.{displaystyle l_{1} a primeira linha ,l_{2} segunda linha ,l_{3} terceira linha.}{displaystyle l_{1} a primeira linha ,l_{2} segunda linha ,l_{3} terceira linha.}


Dividindo a l1{displaystyle l_{1}}{displaystyle l_{1}} por 2{displaystyle 2}{displaystyle 2}


A|I=(2222821202021230103313001){displaystyle A|I=left({begin{array}{ccc|ccc}{frac {2}{2}}&{frac {2}{2}}&{frac {8}{2}}&{frac {1}{2}}&{frac {0}{2}}&{frac {0}{2}}\1&2&3&0&1&0\3&3&13&0&0&1end{array}}right)}{displaystyle A|I=left({begin{array}{ccc|ccc}{frac {2}{2}}&{frac {2}{2}}&{frac {8}{2}}&{frac {1}{2}}&{frac {0}{2}}&{frac {0}{2}}\1&2&3&0&1&0\3&3&13&0&0&1end{array}}right)}


A|I=(11412001230103313001){displaystyle A|I=left({begin{array}{ccc|ccc}1&1&4&{frac {1}{2}}&0&0\1&2&3&0&1&0\3&3&13&0&0&1end{array}}right)}{displaystyle A|I=left({begin{array}{ccc|ccc}1&1&4&{frac {1}{2}}&0&0\1&2&3&0&1&0\3&3&13&0&0&1end{array}}right)}


Agora somando l1{displaystyle -l_{1}}{displaystyle -l_{1}}, l2{displaystyle l_{2}}{displaystyle l_{2}}e 3l1{displaystyle -3l_{1}}{displaystyle -3l_{1}} na l3{displaystyle l_{3}}{displaystyle l_{3}}.


A|I=(11412001−12−13−40−12103−33−313−120−3201){displaystyle A|I=left({begin{array}{ccc|ccc}1&1&4&{frac {1}{2}}&0&0\1-1&2-1&3-4&0-{frac {1}{2}}&1&0\3-3&3-3&13-12&0-{frac {3}{2}}&0&1end{array}}right)}{displaystyle A|I=left({begin{array}{ccc|ccc}1&1&4&{frac {1}{2}}&0&0\1-1&2-1&3-4&0-{frac {1}{2}}&1&0\3-3&3-3&13-12&0-{frac {3}{2}}&0&1end{array}}right)}


A|I=(114120001−1−1210001−3201){displaystyle A|I=left({begin{array}{ccc|ccc}1&1&4&{frac {1}{2}}&0&0\0&1&-1&-{frac {1}{2}}&1&0\0&0&1&-{frac {3}{2}}&0&1end{array}}right)}{displaystyle A|I=left({begin{array}{ccc|ccc}1&1&4&{frac {1}{2}}&0&0\0&1&-1&-{frac {1}{2}}&1&0\0&0&1&-{frac {3}{2}}&0&1end{array}}right)}


Somando l3{displaystyle l_{3}}{displaystyle l_{3}} em l2{displaystyle l_{2}}{displaystyle l_{2}} e 4l3{displaystyle -4l_{3}}{displaystyle -4l_{3}} em l1{displaystyle l_{1}}{displaystyle l_{1}}.


A|I=(1101320−4010−4211001−3201){displaystyle A|I=left({begin{array}{ccc|ccc}1&1&0&{frac {13}{2}}&0&-4\0&1&0&-{frac {4}{2}}&1&1\0&0&1&-{frac {3}{2}}&0&1end{array}}right)}{displaystyle A|I=left({begin{array}{ccc|ccc}1&1&0&{frac {13}{2}}&0&-4\0&1&0&-{frac {4}{2}}&1&1\0&0&1&-{frac {3}{2}}&0&1end{array}}right)}


Somando l2{displaystyle -l_{2}}{displaystyle -l_{2}} em l1{displaystyle l_{1}}{displaystyle l_{1}}.


A|I=(100172−1−5010−211001−3201){displaystyle A|I=left({begin{array}{ccc|ccc}1&0&0&{frac {17}{2}}&-1&-5\0&1&0&-2&1&1\0&0&1&-{frac {3}{2}}&0&1end{array}}right)}{displaystyle A|I=left({begin{array}{ccc|ccc}1&0&0&{frac {17}{2}}&-1&-5\0&1&0&-2&1&1\0&0&1&-{frac {3}{2}}&0&1end{array}}right)}


Neste momento a matriz à direita é a matriz inversa de A{displaystyle A}{displaystyle A}.


A−1=[172−1−5−211−3201]{displaystyle A^{-1}={begin{bmatrix}{frac {17}{2}}&-1&-5\-2&1&1\-{frac {3}{2}}&0&1end{bmatrix}}}{displaystyle A^{-1}={begin{bmatrix}{frac {17}{2}}&-1&-5\-2&1&1\-{frac {3}{2}}&0&1end{bmatrix}}}


2)Resolução do sistema linear pelo método de Cramer:


{x+y+z=6x−y+z=2x−y+2z=5{displaystyle {begin{cases}x+y+z=6\x-y+z=2\x-y+2z=5end{cases}}}{displaystyle {begin{cases}x+y+z=6\x-y+z=2\x-y+2z=5end{cases}}}


Sabendo AX=B{displaystyle AX=B}{displaystyle AX=B}


A=[1111−111−12];X=[xyz];B=[625]{displaystyle A={begin{bmatrix}1&1&1\1&-1&1\1&-1&2end{bmatrix}};X={begin{bmatrix}x\y\zend{bmatrix}};B={begin{bmatrix}6\2\5end{bmatrix}}}{displaystyle A={begin{bmatrix}1&1&1\1&-1&1\1&-1&2end{bmatrix}};X={begin{bmatrix}x\y\zend{bmatrix}};B={begin{bmatrix}6\2\5end{bmatrix}}}


Definimos quatro determinantes D,Dx,Dy,Dz{displaystyle D,D_{x},D_{y},D_{z}}{displaystyle D,D_{x},D_{y},D_{z}} (onde ocorre a substituição da coluna referente as variáveis (x,y,z){displaystyle (x,y,z)}{displaystyle (x,y,z)} por B{displaystyle B}B)


D=[1111−111−12];Dx=[6112−115−12];Dy=[161121152];Dz=[1161−121−15]{displaystyle D={begin{bmatrix}1&1&1\1&-1&1\1&-1&2end{bmatrix}};D_{x}={begin{bmatrix}6&1&1\2&-1&1\5&-1&2end{bmatrix}};D_{y}={begin{bmatrix}1&6&1\1&2&1\1&5&2end{bmatrix}};D_{z}={begin{bmatrix}1&1&6\1&-1&2\1&-1&5end{bmatrix}}}{displaystyle D={begin{bmatrix}1&1&1\1&-1&1\1&-1&2end{bmatrix}};D_{x}={begin{bmatrix}6&1&1\2&-1&1\5&-1&2end{bmatrix}};D_{y}={begin{bmatrix}1&6&1\1&2&1\1&5&2end{bmatrix}};D_{z}={begin{bmatrix}1&1&6\1&-1&2\1&-1&5end{bmatrix}}}


Resolvendo D,Dx,Dy,Dz{displaystyle D,D_{x},D_{y},D_{z}}{displaystyle D,D_{x},D_{y},D_{z}}:


D=−2,Dx=−2,Dy=−4,Dz=−6{displaystyle D=-2,D_{x}=-2,D_{y}=-4,D_{z}=-6}{displaystyle D=-2,D_{x}=-2,D_{y}=-4,D_{z}=-6}


E portanto:


x=DxD,y=DyD,z=DzD{displaystyle x={frac {D_{x}}{D}},y={frac {D_{y}}{D}},z={frac {D_{z}}{D}}}{displaystyle x={frac {D_{x}}{D}},y={frac {D_{y}}{D}},z={frac {D_{z}}{D}}}


x=−2−2,y=−4−2,z=−6−2{displaystyle x={frac {-2}{-2}},y={frac {-4}{-2}},z={frac {-6}{-2}}}{displaystyle x={frac {-2}{-2}},y={frac {-4}{-2}},z={frac {-6}{-2}}}


x=1,y=2,z=3{displaystyle x=1,y=2,z=3}{displaystyle x=1,y=2,z=3}



Ver também |








Outros projetos Wikimedia também contêm material sobre este tema:

Wikilivros

Livros e manuais no Wikilivros


  • Wikilivros



  • O conjunto das matrizes m{displaystyle ntimes m}ntimes m sobre um corpo F{displaystyle F}F com as operações de soma de matrizes e multiplicação de escalar por matriz forma um espaço vetorial de dimensão nm{displaystyle nm}nm sobre F.{displaystyle F.}F.

  • O espaço vetorial das matrizes n{displaystyle ntimes n}ntimes n sobre um corpo F{displaystyle F}F com a operação de multiplicação de matrizes forma uma álgebra associativa com elemento identidade sobre o corpo F.{displaystyle F.}F.

  • O conceito de matriz pode ser generalizado para o de tensor. Assim como uma matriz n{displaystyle mtimes n}m times n representa uma transformação linear de um espaço de dimensão n{displaystyle n}n em um espaço de dimensão m{displaystyle m}m, um tensor representa uma transformação n-linear que leva n1{displaystyle n_{1}}n_{1} vetores em n2.{displaystyle n_{2}.}n_{2}.



Referências




  1. abc MAS-COLELL, Andreu; WHINSTON, Michael e GREEN, Jerry. Microeconomic Theory. Oxford University press, 1995. Section M.D matrices: Negative (Semi)Definiteness and Other properties, página 936.


  2. Callioli, Domingues & Costa, 1990, p. 27


  3. Callioli, Domingues & Costa, 1990, p. 19-20


  4. Callioli, Domingues & Costa, 1990, p. 18


  5. Callioli, Domingues & Costa, 1990, p. 20


  6. Condensação e característica de uma matriz, Universidade dos Açores



  • Callioli, Carlos A.; Hygino H. Domingues; Roberto C. F. Costa (1990). Álgebra Linear e Aplicações 6 ed. São Paulo: Atual. ISBN 9788570562975  A referência emprega parâmetros obsoletos |coautor= (ajuda)






















































































Popular posts from this blog

A CLEAN and SIMPLE way to add appendices to Table of Contents and bookmarks

Calculate evaluation metrics using cross_val_predict sklearn

Insert data from modal to MySQL (multiple modal on website)