Escolar Documentos
Profissional Documentos
Cultura Documentos
Definição:
a x + b1 y = M a b1
Seja o sistema 1 e a matriz A = 1 dos coeficientes,
a 2 x + b2 y = N a2 b2
a11 a12
det(A) = = a11.a22 – a12.a21
a 21 a 22
(–) (+)
Assim:
1 3 − 2 5 0 − 2 3 − 4
Se: A= ; B = ; C = e D =
4 6 2 − 9 1 3 − 6 8
det(A) = – 3 ; det(B) = 8 ; det (C) = 2 e det(D) = 0
A igualdade acima pode ser memorizada com auxílio de uma regra bastante
prática, denominada Regra de Sarrus, repetindo as duas primeiras linhas ou
colunas de A como ilustrado a seguir; adicione os produtos dos elementos indicados
pelas setas da esquerda para a direita e subtraia deste número os produtos dos
elementos indicados pelas setas da direita para a esquerda.
1
a11 a12 a13 a11 a12
a 21 a 22 a 23 a 21 a 22
a 31 a 32 a 33 a 31 a 32
(–) (+)
Exemplos:
1 0 3
01. Aplicando a regra de Sarrus em A = 4 2 3 , obtemos det(A) = 19.
− 1 1 2
x 3 x +1 −1
02. Sendo = 8, calcule o valor de N = .
4 2 5 6
Calculando o primeiro determinante, obtemos 2x - 12 = 8, donde resulta que
x 1 −1
03. Resolva a equação: 2 x − 2 = 0.
0 1 1
Calculando o determinante, obtemos: x2 + 2.x – 4 = 0, donde resulta que
x = –1 ± 5 .
2
Exemplo:
Calcule o menor complementar e o cofator de cada um dos elementos da
1 2 0
matriz A = 3 − 1 2 .
1 2 3
−1 2
M11 = =–7 e A11 = (–1)1 + 1.(– 7) = – 7;
2 3
3 2
M12 = = 7 e A12 = (–1)1 + 2.( 7) = – 7;
1 3
3 −1
M13 = = 7 e A13 = (–1)1 + 3.( 7) = 7;
1 2
2 0
M21 = = 6 e A21 = (–1)2 + 1.( 6) = – 6;
2 3
1 0
M22 = = 3 e A22 = (–1)2 + 2.( 3) = 3;
1 3
1 2
M23 = = 0 e A23 = (–1)2 + 3.( 0) = 0;
1 2
2 0
M31 = = 4 e A31 = (–1)3 + 1.( 4) = 4;
−1 2
1 0
M32 = = 2 e A32 = (–1)3 + 2.( 2) = – 2;
3 2
1 2
M33 = =–7 e A33 = (–1)3 + 3.(– 7) = – 7;
3 −1
3
Comatriz ou Matriz Adjunta
Definição:
Sejam a matriz A = (aij)n e sua matriz cofatora A'. A comatriz ou a matriz
adjunta da matriz A, denotada por A , é obtida pela transposição da matriz cofatora
de A, isto é, A = ( A')t.
Deixamos ao leitor calcular a matriz dos cofatores e a comatriz do exemplo
anterior.
Teorema de Laplace
Seja A = (aij)n e n ≥ 2. O determinante da matriz A é a soma dos produtos dos
elementos de uma fila (linha ou coluna) qualquer pelos respectivos cofatores, isto é,
n
I) escolhendo a linha i: det(A) = ai1.Ai1 + ai2.Ai2 + ... + ain.Ain = ∑ a ik A ik .
k =1
n
II) escolhendo a coluna j: det(A) = a1j.A1j + a2j.A2j + ... + anj.Anj = ∑ a kj A kj .
k =1
Exemplo:
1 3 −1 2
0 2 0 − 1
Para calcularmos o determinante da matriz A = , devemos
2 0 1 0
2 3 1 0
4
b) 4ª coluna temos:
0 2 0 1 3 −1
det(A) = a14.A14 + a24.A24 = (2).(–1)1+4. 2 0 1 + (–1).(–1)2+4. 2 0 1 =–9
2 3 1 2 3 1
É fácil ver que se a matriz A = (aij)n for triangular superior, triangular inferior ou
diagonal, o determinante de A é o produto dos elementos da diagonal principal.
5
P12. Teorema de Binet
Sejam A e B matrizes quadradas de mesma ordem, então
det(A.B) = det(A).det(B) .
P13. Seja A = (aij)n . Então, A. A = A .A = det(A).In .
1
P14. Seja A = (aij)n . Então, det(A).det(A–1) = 1 ou det(A–1) = .
det( A )
Observe que as colunas são formadas pelas potências de uma mesma base
xj, com os expoentes i variando de o a n – 1, isto é, os elementos de cada coluna
forma uma progressão geométrica de n termos e razão xj, cujo primeiro termo é 1.
Os elementos da segunda linha são chamados de elementos de base da
matriz ou elementos característicos da matriz.
O determinante da matriz de Vandermonde é indicado por:
V(x1 , x2 , x3 , ... , xj , ... , xn ) = C (xi − x j )
1≤ j<i≤n
V(x1 , x2 , x3 , ... , xj , ... , xn ) = (x2 – x1)(x3 – x2)(x3 – x1)...(xn – x1)(xn – x2)...(xn – xn-1)
6
Exemplo:
1 a a 2
O determinante da matriz A = 1 b b 2 pode ser obtido por meio da matriz
1 c c 2
de Vandermonde. Para tanto, é necessário lembrar-mos que det(A) = det(At).
1 1 1
Assim, det(A) = a b c = V(a, b, c) = (b – a)(c – a)(c – b) .
a2 b2 c 2
Teorema
Seja A = (aij)n. A matriz A é inversível se, e somente se det(A) ≠ 0 e A–
1 1
= A , onde A é matriz adjunta de A .
det( A )
Exemplo:
7
SISTEMAS LINEARES
Matriz Escalonada
Definição:
Diz-se que a matriz A = (aij)mxn está escalonada ou que se encontra na forma
escada, quando o número de zeros que antecedem o primeiro elemento não nulo de
cada linha (pivô), aumenta linha após linha, até que as linhas se tornem todas nulas,
se for o caso.
Exemplos e contra-exemplos:
As matrizes abaixo estão escalonadas:
− 1 0 2
1 2 3 − 1 0 0 0 0 4
1 0 − 2 3
A= ; B= ; C= 0 4 5 ; D= 0 3 4 ; E= 0 0 0
0 1 0 0
0 0 6 0 0 − 5 0 0 0
0 0 0
Exemplos e contra-exemplos:
As matrizes a seguir estão reduzidas por linhas:
1 0 2 0
1 0 0 0 0
0 1 2 0 1 −1 0 0 1 2 0 0
1 0 0 0 0 1
0 0 0 1 0
I= ; J= ; K = 0 0 0 1 ; L =
0 0 1 0
0 0 0 0 0 0 0 0 0 0 0 1
0 0 0 1
0 0 0 0
8
As matrizes a seguir não estão reduzidas por linhas:
0 1 0 2 1 0 0 1 0
1 2 3 0 1 0
M=
; N=
; O= 0 0 3 0
; P= 0 0 1 0 1
0 1 0 0 0 2 0 0 0 1 0 0 0 1 0
0 0 1 0 0 0
0 0 0 0 0 0 0 0 1
Exemplo:
0 0 1 2
a) Para escalonar a matriz A = 2 0 3 − 2 é necessário apenas aplicar a
0 − 1 0 4
9
2 0 − 1
b) Para deixar a matriz A = 1 − 1 2 na forma escada devemos proceder do
0 − 2 0
seguinte modo:
1) Observe que o elemento pivô da primeira linha é a11 = 2 e que será utilizado para
zerar o elemento a21 = 1.
2 0 − 1 2 0 − 1
1 − 1 2 L2 → 2.L2 – L1 ∼ 0 − 2 5
0 − 2 0 0 − 2 0
Note que a linha L1 e L3 não foram alteradas e que todos os elementos abaixo
do pivô a11 = 2 são nulos;
2) Note que o próximo pivô se encontra na L2 e é a22 = – 2, que deve nos auxiliar no
cálculo para zerar o elemento a23 = – 2.
2 0 − 1 2 0 − 1
0 − 2 5 L3 → L3 – L2 ∼ 0 − 2 5
0 − 2 0 0 0 − 5
− 1 0 2
0 0 4
n – p = 4 – 3 = 1. Por outro lado, o posto e a nulidade da matriz E = 0 0 0 são,
0 0 0
0 0 0
respectivamente, p = 2 e n – p = 3 – 2 = 1 .
10
Cálculo da Matriz Inversa através das operações elementares entre linhas
O método que será apresentado abaixo, para determinar a inversa de uma
matriz A = (aij)nxn , caso admita, está baseado no seguinte teorema:
Teorema
Uma matriz A = (aij)nxn é invertível se, e somente se, In ∼ A . Neste caso, a
mesma sucessão de operações elementares que transformam A em In, transformam
In em A–1.
Exemplo:
1 1 0 2 −2 1
1
–1
Mostre que a inversa da matriz A = 0 1 1 é a matriz A = 1 2 − 1 e que,
3
1 0 2 − 1 1 1
1 2 2
a matriz B = 0 1 2 não possui inversa.
1 3 4
Equação Linear
É toda equação da forma: α1x1 + α2x2 + α3x3 + ... + αnxn = β, onde
x1, x2, x3, ... , xn são as variáveis, α1, α2, α3, ... , αn os coeficientes das variáveis e β o
termo independente de variável.
Assim, podemos afirmar que as equações: (a) x1 − x2 = 0; (b) 2x1 + 3x2 − 4x3
2
= −2 e (c) x1 − πx2 + 2 x3 − 4x4 − 10 = 0 são equações lineares.
3
11
Sistemas de Equações Lineares
Um sistema de m equações lineares a n variáveis
a11x1 + a12x2 + a13x3 + ... + a1nxn = b1
a21x1 + a22x2 + a23x3 + ... + a2nxn = b2
a31x1 + a32x2 + a33x3 + ... + a3nxn = b3
--- --- --- --- --- ---
am1x1 + am2x2 + am3x3 + ... + amnxn = bm
onde x1, x2, x3, ... , xn são as variáveis.
onde:
A - matriz dos coeficientes
X - matriz das variáveis
B - matriz dos termos independentes.
[ A M B ] - matriz ampliada do sistema.
Determinado
Homogêneo Possível
Indeterminado
(SL) =
Impossível
Não - Homogêneo Determinado
Possível
Indeterminado
12
O sistema linear (SL) é homogêneo quando B = 0 (matriz nula) e,
não - homogêneo quando B ≠ 0 (matriz nula).
Utilizaremos a seguinte nomenclatura:
pc → posto da matriz A (matriz dos coeficientes).
pa → posto da matriz [ A M B ] (matriz ampliada do sistema).
n → número de colunas da matriz A.
n − pc → número que determina a quantidade de variáveis livres no sistema.
Sistema Homogêneo
Um sistema homogêneo é sempre possível e não há necessidade de
trabalharmos com a matriz ampliada do sistema.
Assim, quando:
• n − pc = 0 temos sistema linear homogêneo possível e determinado, isto é, o
sistema admite apenas solução trivial x1 = x2 = x3 = ... = xn = 0;
• n − pc > 0 temos sistema linear homogêneo possível e indeterminado, isto é,
o sistema admite outras soluções além da solução trivial.
13
Resumindo:
Determinado (n − pc = 0)
Homogêneo (B = 0) Possível
Indeterminado (n − pc > 0)
(SL) =
Impossível (pc ≠ pa)
Não - Homogêneo (B ≠ 0)
Determinado (n − pc = 0)
Possível (pc = pa)
Indeterminado (n − pc > 0)
Exemplos:
3 x + 2 y − z = 0
a) 4 x − y + 3 z = 0
x − y − z = 0
2 2 − 1 2 2 1 2 2 1
L 2 → L 2 − 2L 1
4 − 1 3 L → 2L − L ∼ 0 − 5 5 L 3 → 5L 3 − 4L 2 ∼ 0 − 5 5
1 − 1 − 1 3 3 1
0 − 4 − 1 0 0 − 25
14
2 x + y − 2 z + 3w = 1
c) 3x + 2 y − z + 2 w = 4
3 x + 3 y + 3 z − 3w = 5
2 1 − 2 3 M 1 2 1 − 2 3 M 1
3 2 − 1 2 M 4 L 2 → 2L 2 − 3L 1 ∼ 0 1 4 − 5 M 5 L 3 → L 3 − 3L 2
L 3 → 2L 3 − 3L 1
3 3 3 − 3 M 5 0 3 12 − 15 M 7
2 1 − 2 3 M 1
0 1 4 − 5 M 5
0 0 0 0 M − 8
2 x − 3 y M 1
d)
x + ky = 2
2 − 3 M 1 2 3 M 1
1 k M 2 L 2 → 2L 2 − L 1
0 2k + 3
M 3
sua solução é S = φ.
Sistema de Cramer
Definição:
Seja (SL) um sistema de n equações e n variáveis:
a11x1 + a12x2 + ... + a1nxn = b1
a21x1 + a22x2 + ... + a2nxn = b2
(SL) = --- --- --- --- ---
an1x1 + an2x2 + ... + annxn = bn
15
a11 a12 L a1n x1 b1
a L a2 n b
21 a22 x 2 = 2
L L L L L L
an1 an 2 L ann x n bn
Anxn. Xnx1 = Bnx1
Regra de Cramer
det( Ai )
Para o sistema (SL) de Cramer tem-se xi = , onde Ai é a matriz obtida
det( A)
de A substituindo-se a coluna i pela coluna dos termos independentes.
Exemplos:
− 2 x1 + 3 x2 − x3 = 1
O sistema x1 + 2 x2 − x3 = 4 é de Cramer.
− 2 x − x + x3 = −3
1 2
− 2 3 − 1
De fato, o determinante da matriz A = 1 2 − 1 é − 2, isto é, det(A) = − 2.
− 2 − 1 1
Assim,
1 3 −1
4 2 −1
det( Ai ) − 3 −1 1
x1 = = =2
det( A) −2 3 −1
1 2 −1
− 2 −1 1
16
− 2 1 −1
1 4 −1
det( A 2 ) −2 3 1
x2 = = =3
det( A ) −2 3 −1
1 2 −1
− 2 −1 1
−2 3 1
1 2 4
det( A 3 ) − 2 −1 3
x3 = = =4
det( A ) −2 3 −1
1 2 −1
− 2 −1 1
17