Cálculo I - Sebenta (Marisa Ferreira)

UNIVERSIDADE DOS AÇORES – FACULDADE DE CIÊNCIAS E TECNOLOGIA
INFORMÁTICA – REDES E MULTIMÉDIA

Sebenta de CÁLCULO I – 1º ano | 1º Semestre
CÁLCULO I
Documento de apoio à disciplina de Cálculo I
Marisa Margarida Melo Ferreira

Licenciatura em Informática – Redes e Multimédia
Ano letivo 2017/2018

Marisa Ferreira
Todos os apontamentos aqui apresentados têm, por base, as aulas de

Cálculo I. Os exercícios, a servir de exemplo, estão confirmados como
corretos. Este documento é um mero auxílio ao estudo, pelo que não
substitui as aulas.

Marisa Ferreira
PARTE 1
Capítulo I – Matrizes
Tipos de matrizes
1. Matriz quadrada:
Tem-se uma matriz quadrada quando o seu número de linhas (L) é igual ao seu
número de colunas (C).
1 −1 2
[6 2 4] (Número de L = Número de C = 3)
3 0 5
A forma de uma matriz é representada por LxC. Tem-se uma matriz quadrada de
ordem n quando nºL = nºC. Assim, a matriz acima representada é uma matriz de
forma 3x3, ou seja, uma matriz quadrada de ordem 3.
2. Matriz retangular:
Tem-se uma matriz retangular quando o seu número de linhas difere do seu número
de colunas.
3 6
[−4 1]
1 2
Número de L ≠ Número de C (=) 3L ≠ 2C (Forma: 3x2)
→ Ao se querer referir a determinado elemento da matriz, tem-se em conta a sua

posição, de acordo com as linhas e colunas da matriz, respetivamente (aLC).
Utilizando o exemplo da matriz retangular, sabe-se que o elemento a11 é o 3,
pois encontra-se na 1ª linha e 1ª coluna da matriz. O elemento a32 é o 2.

Marisa Ferreira
3. Matriz coluna e matriz linha:

Tem-se uma matriz coluna quando esta é composta por apenas uma coluna.
Contrariamente, tem-se uma matriz linha quando esta é composta por apenas uma
linha.
2
[−5] [0 7 −1]
3
Matriz coluna Matriz linha
4. Matriz nula:
Tem-se uma matriz nula quando todos os seus elementos são iguais 0.
0 0 0
[0 0 0]
0 0 0
Aos elementos a11, a22, a33, … , ann, dá-se o nome de elementos diagonais. À
sequência ordenada, constituída por estes elementos, dá-se o nome de diagonal
principal.
𝑎11 4 1 1 4 1
[ 2 𝑎22 3 ] → [ 2 6 3]
−2 0 𝑎33 −2 0 5
À sequência ordenada constituída pelos elementos a13, a22, a31, dá-se o nome de
diagonal secundária.
1 4 𝑎13 1 4 1
[ 2 𝑎22 3 ] → [ 2 6 3]
𝑎31 0 5 −2 0 5

Marisa Ferreira
5. Matriz diagonal:
Tem-se uma matriz diagonal quando todos os elementos não pertencentes à
diagonal principal são 0 (o que não implica que a diagonal principal não possa
conter zeros).
4 0 0
[0 1 0]
0 0 0
6. Matriz triangular superior e Matriz triangular inferior:

Tem-se uma matriz triangular superior (ou matriz em escada de linhas) quando
todos os seus elementos, abaixo da diagonal principal, são 0. Pelo contrário, tem-se
uma matriz triangular inferior quando todos os seus elementos, acima da diagonal
principal, são 0.
1 −2 3 9 0 0
[0 5 2] [2 3 0]
0 0 2 −1 1 −1
Matriz triangular superior Matriz triangular inferior
7. Matriz identidade:
Tem-se uma matriz identidade quando todos os elementos da diagonal principal
são iguais a 1, e os restantes elementos da matriz iguais a 0. É uma matriz quadrada
de ordem n, normalmente representada por In.
1 0 0
[0 1 0] = I3
0 0 1
8. Matriz transposta:
Tem-se uma matriz transposta quando se trocam as linhas pelas colunas, e as
colunas pelas linhas, de uma determinada matriz.
1 2
1 3 5
A = [3 4] AT = [ ]
2 4 6
5 6

Marisa Ferreira
Álgebra linear: Álgebra das matrizes

Adição e subtração
Para que a adição e subtração entre matrizes seja possível, a forma das matrizes
envolvidas tem de ser igual. O primeiro elemento da matriz A é adicionado ao
primeiro elemento da matriz B, resultando do primeiro elemento da matriz
resultante da soma entre A e B. O mesmo se dá na subtração.
4 0 5 1 1 0 5 1 5
A+B=[ ] + [ ]=[ ]
−1 2 1 7 2 −3 6 4 −2
2x3 2x3 2x3
Propriedades da adição de matrizes
Sejam A e B duas matrizes de forma LxC:
▪ Comutatividade: A + B = B + A
▪ Associatividade: (A + B) + C = A + (B + C)
▪ Elemento neutro: A + 0 = 0 + A = 0 (matriz nula)
▪ Elemento simétrico: A + (-A) = -A + A = 0
Multiplicação de uma matriz por um escalar

A fim de multiplicar uma matriz por um escalar, todos os seus elementos devem ser
multiplicados por esse mesmo escalar.
1 0 7 3 0 21
A x 3 = [2 3 6 ] x 3 = [6 9 18 ]
4 −2 −1 12 −6 −3

Marisa Ferreira
Multiplicação de matrizes
Sejam A e B duas matrizes. Duas matrizes são multiplicáveis se o número de colunas
da primeira for igual ao número de linhas da segunda. A matriz resultante terá o
número de linhas da primeira e o número de colunas da segunda.
A x B = C
NxM MxP NxP
A multiplicação entre matrizes faz-se multiplicando os elementos de cada uma das

linhas da primeira matriz pelos de cada uma das colunas da segunda matriz,
individualmente. No caso do exemplo A x B, o elemento a11 de C será resultado de
a11 x b11 + a12 + b21 + a13 + b31. O elemento a22 de C será resultado de a11 x b12 +
a12 x b22 + a13 x b32, seguindo os restantes elementos na mesma linha de raciocínio.
0 1
1 2 −1
AxB=[ ] x [2 3 ] =
3 0 4
4 −1
(2 x 3) (3 x 2)
1𝑥0 + 2𝑥2 + (−1)𝑥4 1𝑥1 + 2𝑥3 + (−1)𝑥(−1) 0 8

[ ]=[ ]
3𝑥0 + 0𝑥2 + 4𝑥4 3𝑥1 + 0𝑥3 + 4𝑥(−1) 16 −1
2x2
Nota: o produto de matrizes não é comutativo, isto é, A • B ≠ B • A.
Matriz simétrica e antissimétrica

1. Matriz simétrica:
Se uma matriz quadrada A for igual à sua transposta (A = AT), então ela diz-se
matriz simétrica (os elementos da matriz situados em posições simétricas, em
relação à diagonal principal, são iguais).
1 0 −2
A= [ 0 2 7 ]
−2 7 3

Marisa Ferreira
2. Matriz antissimétrica:
Se a matriz oposta de uma matriz quadrada A for igual à sua matriz transposta, isto
é, se AT = -A, esta diz-se antissimétrica (a diagonal principal da matriz antissimétrica
é composta por zeros, e os elementos da matriz situados em posições simétricas,
relativamente à diagonal principal, são opostos).
0 2 −7
A = [−2 0 5]
7 −5 0
Propriedades da matriz transposta
▪ (AT)T = A
▪ (A + B)T = AT + BT
▪ (𝛼A)T = 𝛼 • AT, 𝛼 ∈ IR
▪ (A • B)T = BT • AT
▪ (AT)-1 = (A-1)T
Matriz inversa
Seja A uma matriz quadrada de ordem n. Se existir uma matriz B tal que AB = BA = In,
B diz-se a inversa de A, representada por A-1 (aconselhável para matrizes 2x2).
A • A-1 = A-1 • A = In

Marisa Ferreira
Sistemas de equações lineares

MEG – Método de Eliminação de Gauss/Método de
Condensação de uma matriz
O Método de Eliminação de Gauss (MEG) é um algoritmo para resolução de

sistemas de equações lineares que resulta sempre numa matriz triangular superior.
Com este método, apenas podem ser aplicadas três regras:
1- Troca de linhas/colunas entre si;

2- Multiplicação de uma linha/coluna da matriz por um nº real, não nulo;
3- Substituição de uma fila pela sua soma com outra previamente multiplicada
por um nº real.
Neste método, recorre-se aos pivôs, ou seja, aos elementos da diagonal principal, a
fim de conseguir transformar a matriz numa matriz triangular superior.
∗ ∗ ∗
[0 ∗ ∗] * são os pivôs
0 0 ∗
Para facilitar as operações, transforme-se, sempre que possível, os pivôs em 1.
O objetivo é, portanto, que os elementos abaixo de cada pivô se transformem em 0.

Para isso, usem-se as regras do MEG. Por exemplo:
1 2 3
[−2 5 1]
3 0 7
Para que possamos transformar o primeiro elemento abaixo do primeiro pivô em 0,

será necessário multiplicar a primeira linha por 2 e somá-la à segunda linha.

Marisa Ferreira
1 2 3 1 2 3 1 2 3
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿2 → 𝐿2 + 2𝐿1 [0 9 7 ] 𝐿3 → 𝐿3 + 𝐿1(−3) [0 9
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 7 ] 𝐿2 → 𝐿2(9) [0 1 7/9 ]1
3 0 −7 0 −6 −16 0 −6 −16
1 2 3
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿3 → 𝐿3 + 6𝐿2 [0 1 7/9 ]
42
0 0 9 − 16
A matriz está condensada.
Discussão/Resolução de um sistema pelo MEG

Classificação de um sistema, em função das suas soluções
Um sistema de equações lineares pode comportar-se de três formas:
Determinado - SPD
(1 solução)
Sistema Possível
Sistemas de
Indeterminado - SPI
equações
Sistema (infinitas soluções)
lineares
Impossível (CS
= {})
Sistema Homogéneo e Matriz ampliada

Tenha-se em conta o sistema:
𝑥 − 𝑦 + 2𝑧 = 0
{ 2𝑥 + 𝑦 − 𝑧 = 0
−𝑥 − 𝑦 + 𝑧 = 0
Um sistema homogéneo caracteriza-se por ter todos os seus termos independentes

iguais a zero. Para além disso, um sistema homogéneo é sempre possível, podendo
ser:

Marisa Ferreira
- Sistema Possível Determinado (SPD) (quando existe uma equação para todas as
incógnitas);
- Sistema Possível Indeterminado (SPI) (quando existem menos equações do que as

incógnitas existentes no sistema).
A matriz ampliada do sistema é aquela que contém, não só os coeficientes das

incógnitas, como também os termos independentes. Tendo em conta o sistema
dado, a sua matriz ampliada é:
x y z
1 −1 2 0
[2 1 −1 | 0 ]
−1 −1 1 0
Discussão de um sistema/Resolução em função a α
Assim que for pedido para discutir um sistema, ou resolvê-lo em função a α, siga-se
os seguintes passos:
1. Converter o sistema em matriz ampliada;

2. Aplicar o MEG (Método de Condensação);
3. Depois de condensada a matriz, estudar os zeros da diagonal principal;
4. Estudar o sistema nos valores obtidos dos zeros da diagonal (a aplicar na
matriz condensada);
5. Definir para que valores o sistema é possível determinado, indeterminado e
impossível.
A título de exemplo:
Discuta-se o sistema:
𝑥+𝑦−𝑧 =1
{2𝑥 + 3𝑦 + 𝑎𝑧 = 3
𝑥 + 𝑎𝑦 + 3𝑧 = 2

Marisa Ferreira
1º/2º passos:
x y z
1 −1 2 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗ 1 1 −1 1
𝐿2 → 𝐿2 + 𝐿1(−2)
[2 1 −1 | 0 ] [0 1 2 + 𝑎 | 1 ] 𝐿3
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
→ 𝐿3 + 𝐿2(1 − 𝑎)
𝐿3 → 𝐿3 + 𝐿1(−1)
−1 −1 1 0 0 𝑎−1 4 1
1 1 −1 1
[0 1 2+𝑎 | 1 ]
2
0 0 −𝑎 − 𝑎 + 6 2−𝑎
3º passo:
−𝑎2 − 𝑎 + 6 = 0
𝑎 = −3 v 𝑎 = 2
4º passo:
▪ Considerando 𝑎 = −3
1 1 −1 1 1 1 −1 1
[0 1 2 + (−3) | 1 ] → [0 1 −1 | 1 ]
0 0 −(−3)2 − (−3) + 6 2 − (−3) 0 0 0 5
Para 𝑎 = −3, o sistema é impossível, dado que 0 = 5 -> PF.
▪ Considerando 𝑎 = 2
1 1 −1 1 1 1 −1 1
[0 1 2+2 | 1 ] → [ 0 1 4 | 1 ]
2
0 0 −(2) − 2 + 6 2−2 0 0 0 0
Para 𝑎 = 2, o sistema é possível indeterminado, dado que existem apenas duas

equações para três incógnitas.
O sistema só será possível determinado se 𝑎 ≠ −3 e 𝑎 ≠ 2, 𝑎 ∈ 𝐼𝑅.

Marisa Ferreira
Inversa de uma matriz quadrada
Seja A uma matriz quadrada e I uma matriz identidade.
[ 𝐴 | 𝐼 ] MEG [ 𝐼 | 𝐴 ]
Com este método, não é permitido trocar colunas. É aconselhável para matrizes de
forma 3x3 ou mais. Este funciona do seguinte modo:
1- Condensação da primeira matriz;

2- Condensação da primeira matriz, de baixo para cima.
1 0 0 1 0 0 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
1 0 0 1 0 0
𝐿2 → 𝐿2 + 𝐿1(−2)
[2 −1 3 | 0 1 0] 𝐿3 → 𝐿3 + 𝐿1(−4)
[0 −1 3 | −2 1 0] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿3 → 𝐿3 + 𝐿2
4 1 8 0 0 1 0 1 8 −4 0 1
1 0 0 1 0 0 1 0 0 1 0 0
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
0] 𝐿3 → 𝐿3(11) [0 −1 3 | −26 1 0 ] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
1
[0 −1 3 | −2 1 𝐿2 → 𝐿2 + 𝐿3(−3)
1 1
0 0 11 −6 1 1 0 0 1 − 11 11 11
1 0 0 1 0 0
1 0 0 4 8 3 1 0 0 4 8 3
[0 −1 0 | − 11 11
− 11] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿2 → 𝐿2(−1) [0 1 0 | 11 − 11 11]
6 1 1 6 1 1
0 0 1 − 0 0 1 −
11 11 11 11 11 11
1 0 0
4 8 3
Assim sendo, A-1 = [ 11 − 11 11]
6 1 1
− 11 11 11

Marisa Ferreira
Forma matricial do sistema
Considere-se o sistema:
3𝑥 + 5𝑦 = 1
{ 2𝑥 + 𝑧 = 3
5𝑥 + 𝑦 − 𝑧 = 0
Este sistema pode ser representado numa matriz, e, a essa representação, dá-se o
nome de forma matricial do sistema. A sua forma matricial é, portanto:
A x b
3 5 0 𝑥 1
𝑦
[2 0 1 ] • [ ] = [3]
5 1 −1 𝑧 0
A equação matricial do sistema é dada pela expressão A𝒙 = b, sendo que:
A = matriz do sistema;
𝑥 = matriz coluna das incógnitas;

b = matriz coluna dos termos independentes.
Para descobrir o valor das incógnitas do sistema, recorra-se à expressão A𝒙 = b.

Porém, como não se pode dividir matrizes, a alternativa é multiplicar cada um dos
membros da equação pela inversa da matriz A (A -1), à esquerda ou à direita. Por
exemplo:
A𝑥 = b
A-1 • A𝑥 = A-1 • b (multiplicação pela inversa à esquerda)
I𝑥 = A-1 • b (A-1 • A = I, sendo I = matriz identidade)
𝑥 = A-1 • b (qualquer matriz multiplicada pela matriz identidade = ela própria).

Marisa Ferreira
Característica de uma matriz
A característica de uma matriz é o maior número de elementos não nulos na sua

diagonal principal, depois de esta estar condensada. Representa-se por R(A) ou
Car(a).
1 0 2 1
A = [0 5 0 3], logo Car(A) = 2.
0 0 0 0
Uma matriz quadrada é invertível (admite inversa) quando a sua característica for
igual à sua ordem.
1 0 7
Seja A = [0 −1 2].
0 0 3
Sendo A uma matriz de ordem 3, com Car(A) = 3, A é invertível.
Nota:
- Matriz regular é uma matriz que admite inversa.
- Matriz singular é uma matriz que não admite inversa.
Propriedades da matriz inversa
▪ (A-1)-1 = A
▪ (A-1)T = (AT)-1
▪ (A • B)-1 = B-1 • A-1 (desde que exista B-1)
▪
(An)-1 = (A-1)n

Marisa Ferreira
Capítulo II – Determinantes
Cálculo de determinantes
Seja A uma matriz de ordem 2. O seu determinante representa-se por | A | ou

det(A) e calcula-se do seguinte modo:
𝑎 𝑏
|A|=| | = a • d – (b • c),
𝑐 𝑑
sendo a, d os termos positivos e b, c os termos negativos. Por exemplo:
1 2
|A|=| | = 1 x 4 – (2 x 3) = 4 – 6 = -2
3 4
Nota: só se podem calcular matrizes quadradas.
Propriedades dos determinantes
▪ |A+B|≠|A|+|B|
▪ |A•B|=|A|•|B|
▪ | AT | = | A |
𝟏
▪ | A-1 | = ,|A|≠0
|𝑨|
▪ | α • A | = αn • | A |, sendo n = ordem da matriz
𝟏
▪ | 2A-1 | = ,|A|≠0
𝟐| 𝑨 |
▪ | A | = 0 quando, no determinante,
❖ houver uma fila totalmente composta por 0;

❖ houver duas filas iguais;
❖ houver filas múltiplas.

Marisa Ferreira
Determinantes de matrizes de 3ª ordem

Regra de SARRUS
A regra de SARRUS é um método utilizado para calcular determinantes de matrizes

3x3. Para aplicar o método, adicionem-se as duas primeiras colunas da matriz à
direita da terceira coluna:
𝑎 𝑏 𝑐 𝑎 𝑏
| A | = |𝑑 𝑒 𝑓| 𝑑 𝑒|
𝑔 ℎ 𝑖 𝑔 ℎ
Em seguida, calcule-se o determinante normalmente, através da soma dos produtos

diagonais dos termos positivos e negativos.
𝑎 𝑏 𝑐 𝑎 𝑏 𝑎 𝑏 𝑐 𝑎 𝑏
|A|=| 𝑑 𝑒 𝑓| 𝑑 𝑒| e | 𝑑 𝑒 𝑓| 𝑑 𝑒 |, ou seja:
𝑔 ℎ 𝑖 𝑔 ℎ 𝑔 ℎ 𝑖 𝑔 ℎ
| A | = aei + bfg + cdh – (ceg + afh + bdi)
termos positivos termos negativos
Complemento algébrico de um elemento
Seja A = [aij]nxn uma matriz quadrada de ordem n. O complemento algébrico de um

elemento aij é determinado por det(Aij) x (-1)i+j (onde Aij representa a submatriz de A
obtida pela supressão da linha i e da coluna j de A) e representa-se por ãij. Por
exemplo, dada a matriz A:
1 1 2
A = [0 3 −4]
1 0 −2

Marisa Ferreira
Queira-se o complemento algébrico do elemento posicionado na 1ª linha da 1ª

coluna (ã11). Eliminando a linha e coluna desse elemento, obtém-se a submatriz A11:
3 −4
A11 = [ ]
0 −2
3 −4
Então, ã11 = det(A11) x (-1)1+1 = [ ] x (-1)² = -6 x (-1)² = -6
0 −2
NOTA: Dada uma matriz A, (ãij)-1 = ãji. Por exemplo, ã12-1 = ã21
Determinantes de ordem superior à 3ª

Teorema de Laplace
Para calcular determinantes de ordem superior à 3ª, recorra-se a um dos seguintes

métodos:
- Método de Condensação;
- Teorema de Laplace.
Ao recorrer ao o método de condensação (MEG), é importante ter em conta o

seguinte:
1- ao trocar linhas/colunas, troca-se o sinal do determinante;

2- ao multiplicar uma linha por um escalar, multiplique-se o determinante por
esse mesmo escalar.
Uma propriedade a enfatizar ao recorrer ao MEG, para calcular determinantes de

matrizes de ordem superior à 3ª, é a de que o determinante de uma matriz
triangular superior é o produto dos elementos da diagonal principal.
- Já o teorema de Laplace estipula que o determinante de uma matriz é igual à

soma dos produtos dos elementos de uma fila da matriz pelos seus complementos
algébricos. Para facilitar os cálculos, normalmente, escolhe-se a linha com mais
zeros.

Marisa Ferreira
Considere-se a matriz:
1 −1 2
A = [0 3 −4]
1 0 −2
Tendo em conta o teorema de Laplace, e para determinar o determinante de A,

tenha-se em conta a linha/coluna da matriz com mais zeros.
1 −1 2
A = 0 3 −4]
[
1 0 −2
Em seguida, elabore-se o produto entre cada elemento da fila e o seu complemento

algébrico:
−1 2
ã21 = 0 x det [ ] x (-1)2+1
0 −2
1 2
ã22 = 3 x det [ ] x (-1)2+2
1 −2
1 −1
ã23 = -4 x det [ ] x (-1)2+3
1 0
Por fim, somem-se todos os produtos:
−1 2 1 2 1 −1
0 x det [ ] x (-1)2+1 + 3 x det [ ] x (-1)2+2 + -4 x det [ ] x (-1)2+3 =
0 −2 1 −2 1 0
=8=|A|
Sistemas de equações lineares – Resolução por

determinantes
Regra de Cramer
Para resolver sistemas de equações lineares a partir desta regra, é preciso:
1. Calcular o determinante do sistema (∆), tendo este de ser ≠ 0;

2. Determinar os valores das variáveis.

Marisa Ferreira
Tenha-se em conta o sistema:

𝑥 + 2𝑦 + 𝑧 = 3
{𝑥+𝑦−𝑧= 2
𝑥 + 𝑦 − 4𝑧 = 1
Determine-se x,y,z tendo em conta a regra de Cramer.
1º - Calcular o determinante do sistema (∆):

1 2 1 1 2
|1 1 −1| 1 1| = -4-2+1-(1-1-8) = -5 + 8 = 3 ≠ 0
1 1 −4 1 1
2º - Determinar os valores de x,y,z:
NOTA: A coluna da incógnita a determinar é ocupada pelos termos independentes.
T.I. y z
3 2 1 3 2 1 3 2
|2 1 1 | |2 1 1 |2 1|
1 1 −4 1 1 −4 1 1 6
x= = =3=2
∆ 3
x T.I. z
1 3 1 1 3 1 1 3
|1 2 1 | |1 2 1 |1 2|
1 1 −4 1 1 −4 1 1 1
y= = =
∆ 3 3
x y T.I.
1 2 3 1 2 31 2
|1 1 2| |1 1 2|1 1|
1 1 1 1 1 11 1 1
z= = =3
∆ 3

Marisa Ferreira
Método Misto
O método misto consiste na utilização do método de condensação e do teorema de

Laplace, a fim de baixar a ordem da matriz, para poder, por fim, poder calcular o
seu determinante com a regra de Sarrus. Sigam-se os seguintes passos:
1. Condensar a primeira coluna, abaixo do primeiro pivô;

2. Aplicar o Teorema de Laplace na linha condensada;
3. Repetir até chegar à matriz de ordem 3;
4. Aplicar a Regra de Sarrus.
Por exemplo:
Considere-se o seguinte determinante:

3 2 4 3
| A | = |2 1 3 2|
3 −2 1 3
1 1 2 2
Calcule-se | A | utilizando o método misto.
1º - Condensar a primeira coluna, abaixo do primeiro pivô:

3 2 4 3 1 1 2 2 ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
1 1 2 2
𝐿2 → 𝐿2 + 𝐿1(−2)
|2 1 3 2| ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿1 ↔ 𝐿3 -|2 1 3 2| 𝐿3 → 𝐿3 + 𝐿1(−3) -|0 −1 −1 −2|
3 −2 1 3 3 −2 1 3 𝐿4 → 𝐿4 + 𝐿1(−3) 0 −5 −5 −3
1 1 2 2 3 2 4 3 0 −1 −2 −3
2º/3º - Aplicar o Teorema de Laplace na linha condensada:

1 1 2 2
−1 −1 −2 1 1 2
-|0 −1 −1 −2| → 1 x (− |
−5 −5 −3|) x (-1)1+1 = |5 5 3|
0 −5 −5 −3
−1 −2 −3 1 2 3
0 −1 −2 −3
4º - Aplicar a Regra de Sarrus.

1 1 2 1 1
|5 5 3| 5 5| = 7
1 2 3 1 2

Marisa Ferreira
TEOREMA: uma matriz quadrada A admite inversa se det(A) ≠ 0. Se det(a) = 0,

então A não admite inversa.
Matriz inversa pelos determinantes
Se uma matriz quadrada A admite inversa, então é possível determinar a sua inversa
através dos determinantes. Para isto, siga-se a fórmula:
-1
(adj A)T
A =
|A|
Sendo que (adj A) é a matriz dos complementos algébricos dos elementos de A.
Por exemplo, seja A uma matriz regular (que admite inversa):
3 2 −1
A = [1 6 3]
2 −4 0
Determine-se a sua inversa através da fórmula da matriz adjunta.
| A | = 64
6 3 1 3 1 6
| | • (−1)1+1 | | • (−1)1+2 | | • (−1)1+3
−4 0 2 0 2 −4
2 −1 3 −1 3 2
(adj A) = | | • (−1)2+1 | | • (−1)2+2 | | • (−1)2+3
−4 0 2 0 2 −4
2 −1 3+1 3 −1 3 2
[ |6 3 | • (−1) | | • (−1)3+2 | | • (−1)3+3 ]
1 3 1 6
12 6 −16
=[4 2 16 ] = adj A
12 −10 16
12 4 12
(adj A) = [ 6
T
2 −10]
−16 16 16

Marisa Ferreira
12 4 12 12 4 12 3 1 3
[ 6 2 −10] 64 64 64 16 16 16
(adj A)T
A-1 = = −16 16 16
= 6 2 10
− 64 =
3 1 5
− 32
|A| 64 64 64 32 32
16 16 16 1 1 1
[− 64 64 64 ] [− 4 4 4 ]
3 1 3
16 16 16
3 1 5
A inversa de A é 32 32
− 32 .
1 1 1
[− 4 4 4 ]
Capítulo III – Valores e Vetores

próprios
Seja A uma matriz quadrada de ordem n. Se existirem um vetor coluna V (não nulo)
e um produto escalar λ tal que:
A•V=λ•V
Então λ designa-se por valor próprio, associado a A, e V, vetor próprio associado a
λ (esta fórmula utiliza-se sempre que houver um valor próprio ou um vetor próprio).
Para descobrir os valores próprios associados a uma matriz, sigam-se os seguintes

passos:
1. Subtrair λ pela diagonal principal da matriz ( | A – λ I | = 0 );

2. Aplicar a Regra de Sarrus à matriz resultante do 1º passo. O resultado será o
polinómio característico;
3. Estudar os zeros do polinómio característico. Esses zeros serão os valores
próprios.
Como exemplo, descubram-se os valores próprios da matriz A:
1 0 −2
A= 0 0 0 ]
[
−2 0 4

Marisa Ferreira
1. Subtrair λ pela diagonal principal da matriz ( | A – λ I | = 0 );

1−λ 0 −2
| 0 −λ 0 |=0
−2 0 4−λ
2. Aplicar a Regra de Sarrus à matriz resultante do 1º passo. O resultado será o
polinómio característico;
1−λ 0 −2 1 − λ 0
| 0 −λ 0 | 0 −λ| = 0
−2 0 4 − λ −2 0
(1 − λ)(−λ)(4 − λ) − (−4λ) = 0
(λ2 − λ)(4 − λ) + 4λ = 0
4λ2 − λ3 − 4λ + λ2 + 4λ = 0
−λ3 + 5λ2 = 0 → POLINÓMIO CARACTERÍSTICO
3. Estudar os zeros do polinómio característico. Esses zeros serão os valores

próprios.
−λ3 + 5λ2 = 0
λ2 (−λ + 5) = 0
λ2 = 0 v −λ + 5 = 0
λ = 0 v λ = 5 → VALORES PRÓPRIOS ASSOCIADOS A A
0 tem multiplicidade algébrica = 2 e 5 tem multiplicidade algébrica = 1.

Multiplicidade algébrica é o número de vezes que o fator ocorre no polinómio
característico de A.
Para descobrir os vetores próprios associados aos valores próprios associados à

matriz, sigam-se os seguintes passos:
1. [𝐴 − λI | 0]
2. Substituir, na matriz determinada em 1, o valor próprio, para o qual se quer
descobrir qual o vetor que lhe está associado. Condensar a matriz, de forma
a que dê um SPI (Sistema Possível Indeterminado);
3. Transformar a matriz em sistema. O segundo membro das equações tem de
ter sempre a mesma incógnita, se possível. Caso alguma incógnita não tenha
equação definida, determine-se apenas que esta pertence a IR;
4. Determinar os vetores próprios associados ao valor próprio em questão.

Marisa Ferreira
Descobrindo, então, os vetores próprios associados a λ = 0 da matriz A:
1. [𝐴 − λI | 0]
1−λ 0 −2 0
[ 0 −λ 0 | 0]
−2 0 4−λ 0
2. Substituir, na matriz determinada em 1, o valor próprio, para o qual se quer
descobrir qual o vetor que lhe está associado. Condensar a matriz, de forma
a que dê um SPI (Sistema Possível Indeterminado);
1 0 −2 0 1 0 −2 0
[ 0 0 0 | 0] ⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝐿3 → 𝐿3 + 𝐿1(2) [0 0 0 | 0] → SPI
−2 0 4 0 0 0 0 0
3. Transformar a matriz em sistema. O segundo membro das equações tem de
ter sempre a mesma incógnita, se possível. Caso alguma incógnita não tenha
equação definida, determine-se apenas que esta pertence a IR;
𝑥 − 2𝑧 = 0 𝑥 = 2𝑧
{ (=) {
− 𝑦 ∈ IR
4. Determinar os vetores próprios associados ao valor próprio em questão.

V(x,y,z) = (2z, 0, z) + (0, y, 0) = z(2, 0, 1) + y(0, 1, 0)
E(0) = {(2,0,1), (0,1,0)} → 2 vetores próprios associados a 𝛌 = 𝟎
Tome-se o mesmo procedimento para λ = 5.
Matriz diagonalizável
Seja A uma matriz quadrada de ordem n. A diz-se diagonalizável se existir uma
matriz diagonal D e uma matriz invertível P, tais que:
D = P-1 • A • P
λ 0 0
D = [0 λ 0], onde D é a matriz diagonal dos valores próprios;
0 0 λ
𝑉1 𝑉2 𝑉3
P= [𝑉1 𝑉2 𝑉3 ], onde P é a matriz dos vetores próprios por coluna.
𝑉1 𝑉2 𝑉3

Marisa Ferreira
TEOREMA: uma matriz quadrada de ordem n é diagonalizável se:
Tiver n valores próprios distintos ou tiver n vetores próprios distintos.

Marisa Ferreira
PARTE 2
Capítulo III – Estruturas Algébricas
Uma estrutura algébrica consiste num conjunto associado a uma ou mais operações
sobre o conjunto que satisfazem certos axiomas. Dependendo das operações e
axiomas, as estruturas algébricas podem ser:
Seja E um conjunto não vazio. Diz-se que uma operação 𝜃, definida em E, é uma lei
de composição interna se 𝜃 é uma aplicação de ExE em E. (𝜃: ExE → E, 𝑥𝜃𝑦 = 𝑧 ∈ E).
1. GRUPÓIDE
Diz-se que (E, 𝜃) é um grupoide se se verificar que:
∀𝑥, 𝑦 ∈ 𝐸 ∃1 𝑧 ∈ 𝐸: 𝑥𝜃𝑦 = 𝑧
ou seja, se se verificar que o resultado da operação entre x e y pertence ao

conjunto E, a estrutura algébrica é um grupóide. Por exemplo:

Marisa Ferreira
Tendo em conta a estrutura (IR, θ), e seja a operação θ definida por

𝑥𝜃𝑦 = 𝑥 + 𝑦 + 1, ∀𝑥, 𝑦 ∈ IR. Verifique-se que (IR, θ) é um grupóide.
Ora, para verificar que a estrutura é um grupóide, o resultado da operação

entre 𝑥 e 𝑦 terá de pertencer a IR. É um facto que, sejam quais forem os
valores atribuídos a 𝑥 e 𝑦, o resultado da operação será sempre pertencente
a IR. Sejam, por exemplo, 𝑥 = −10 e 𝑦 = 2.
−10𝜃2 = −10 + 2 + 1 = −7, ∈ IR
A estrutura é, portanto, um grupóide.
2. SEMIGRUPO
A um grupóide associativo, dá-se o nome de semigrupo.
∀𝑥, 𝑦 ∈ 𝐸 ∃1 𝑧 ∈ 𝐸: 𝑥𝜃𝑦 = 𝑧
∀𝑥, 𝑦, 𝑧 ∈ 𝐸, (𝑥𝜃𝑦)𝜃𝑧 = 𝑥𝜃(𝑦𝜃𝑧)
ou seja, para ser um semigrupo, a estrutura terá de ser um grupóide e terá de
satisfazer a associatividade.
Utilizando o primeiro exemplo 𝑥𝜃𝑦 = 𝑥 + 𝑦 + 1, ∀𝑥, 𝑦 ∈ IR, sabe-se que (IR, θ)
é um grupóide. Resta saber se é associativo:
(𝑥𝜃𝑦)𝜃𝑧 = 𝑥𝜃(𝑦𝜃𝑧)
Começando pelo 1º membro (𝑥𝜃𝑦)𝜃𝑧:
(𝑥𝜃𝑦)𝜃𝑧 = (𝑥 + 𝑦 + 1)𝜃𝑧
𝑥 𝑦
Substitui-se, agora, (𝑥 + 𝑦 + 1) pelo 𝑥 da expressão original, e 𝑧 pelo 𝑦.
(𝑥 + 𝑦 + 1)𝜃𝑧 = (𝑥 + 𝑦 + 1) + 𝑧 + 1 = 𝑥 + 𝑦 + 𝑧 + 2 → para
que a estrutura seja associativa, o resultado do segundo membro tem de ser
igual a esta expressão.
Calculando, então, o 2º membro 𝑥𝜃 (𝑦𝜃𝑧):

𝑥𝜃 (𝑦𝜃𝑧) = 𝑥𝜃(𝑦 + 𝑧 + 1) = 𝑥 + (𝑦 + 𝑧 + 1) + 1 = 𝑥 + 𝑦 + 𝑧 + 2
Como 𝑥 + 𝑦 + 𝑧 + 2 = 𝑥 + 𝑦 + 𝑧 + 2, então (IR, θ) é um semigrupo.

Marisa Ferreira
http://ganuff.weebly.com/uploads/1/9/2/5/19255685/estruturas_algbricas_uma
_introduo_breve.pdf para as restantes estruturas.

Marisa Ferreira

Cálculo I - Sebenta (Marisa Ferreira)

Enviado por

Dados do documento

Descrição:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Descrição:

Direitos autorais:

Formatos disponíveis

Cálculo I - Sebenta (Marisa Ferreira)

Enviado por

Descrição:

Direitos autorais:

Formatos disponíveis

UNIVERSIDADE DOS AÇORES – FACULDADE DE CIÊNCIAS E TECNOLOGIA

INFORMÁTICA – REDES E MULTIMÉDIA

Marisa Margarida Melo Ferreira

Ano letivo 2017/2018

Todos os apontamentos aqui apresentados têm, por base, as aulas de

Ano letivo 2017/2018

Número de L ≠ Número de C (=) 3L ≠ 2C (Forma: 3x2)

→ Ao se querer referir a determinado elemento da matriz, tem-se em conta a sua

Ano letivo 2017/2018

3. Matriz coluna e matriz linha:

Matriz coluna Matriz linha

Ano letivo 2017/2018

6. Matriz triangular superior e Matriz triangular inferior:

Ano letivo 2017/2018

Álgebra linear: Álgebra das matrizes

Propriedades da adição de matrizes

Sejam A e B duas matrizes de forma LxC:

Multiplicação de uma matriz por um escalar

Ano letivo 2017/2018

A multiplicação entre matrizes faz-se multiplicando os elementos de cada uma das

1𝑥0 + 2𝑥2 + (−1)𝑥4 1𝑥1 + 2𝑥3 + (−1)𝑥(−1) 0 8

Nota: o produto de matrizes não é comutativo, isto é, A • B ≠ B • A.

Matriz simétrica e antissimétrica

Ano letivo 2017/2018

Propriedades da matriz transposta

Ano letivo 2017/2018

Sistemas de equações lineares

O Método de Eliminação de Gauss (MEG) é um algoritmo para resolução de

Com este método, apenas podem ser aplicadas três regras:

1- Troca de linhas/colunas entre si;

Para facilitar as operações, transforme-se, sempre que possível, os pivôs em 1.

O objetivo é, portanto, que os elementos abaixo de cada pivô se transformem em 0.

Para que possamos transformar o primeiro elemento abaixo do primeiro pivô em 0,

Ano letivo 2017/2018

A matriz está condensada.

Discussão/Resolução de um sistema pelo MEG

Um sistema de equações lineares pode comportar-se de três formas:

Sistema Homogéneo e Matriz ampliada

Um sistema homogéneo caracteriza-se por ter todos os seus termos independentes

Ano letivo 2017/2018

- Sistema Possível Indeterminado (SPI) (quando existem menos equações do que as

A matriz ampliada do sistema é aquela que contém, não só os coeficientes das

Discussão de um sistema/Resolução em função a α

1. Converter o sistema em matriz ampliada;

Ano letivo 2017/2018

Para 𝑎 = −3, o sistema é impossível, dado que 0 = 5 -> PF.

Para 𝑎 = 2, o sistema é possível indeterminado, dado que existem apenas duas

O sistema só será possível determinado se 𝑎 ≠ −3 e 𝑎 ≠ 2, 𝑎 ∈ 𝐼𝑅.

Ano letivo 2017/2018

Inversa de uma matriz quadrada

Seja A uma matriz quadrada e I uma matriz identidade.

1- Condensação da primeira matriz;

Ano letivo 2017/2018

Forma matricial do sistema

A equação matricial do sistema é dada pela expressão A𝒙 = b, sendo que:

𝑥 = matriz coluna das incógnitas;

Para descobrir o valor das incógnitas do sistema, recorra-se à expressão A𝒙 = b.

Ano letivo 2017/2018

Característica de uma matriz

A característica de uma matriz é o maior número de elementos não nulos na sua

Sendo A uma matriz de ordem 3, com Car(A) = 3, A é invertível.