Escolar Documentos
Profissional Documentos
Cultura Documentos
Textos de Apoio de
Cálculo I
Módulo 04
Determinantes
Resolução e Discussão de
Sistemas por Determinantes
Textos elaborados por: Aldina Correia, Isabel Cristina Lopes, Maria Paula Nunes.
Engenharia Mecânica
Engenharia e Gestão Industrial
Engenharia Biomédica
Sumário
1. DETERMINANTES ......................................................................................................... 3
1.2. Permutações............................................................................................................................... 3
1.7. Relação entre a Matriz Adjunta e a Matriz Inversa de uma matriz quadrada ................ 19
1. Determinantes
1.1. Introdução
podemos escrever:
a11 a12 ⋯ a1n
a21 a22 ⋯ a2 n
det( A) = | A | =
⋯ ⋯ ⋯ ⋯
an1 an 2 ⋯ ann
Salientamos que um quadro com n × n escalares entre duas barras verticais, tal como
o acima apresentado, não é uma matriz; denota o determinante associado à matriz
representada entre as duas barras. Apesar de representar um escalar, este
determinante diz-se um determinante de ordem n ou, de outro modo, chama-se
ordem de um determinante à ordem da matriz a que o mesmo corresponde.
Para definir determinante de ordem n , e a maioria das suas propriedades, teremos
de as preceder de uma breve discussão sobre permutações, necessária ao nosso
estudo.
1.2. Permutações
Definição 1: Permutação
Uma permutação do conjunto { 1, 2, ..., n } é uma aplicação bijectiva do
Exemplo 1:
Definição 2:
♦ Permutação Principal: É a permutação onde os elementos estão dispostos
segundo a sua ordem natural.
♦ Inversão: Diz-se que dois elementos de uma permutação formam uma
inversão se estão em ordem inversa à da permutação principal,
isto é, se não se encontram segundo a sua ordem natural.
♦ Classe de uma Permutação: Uma permutação é de classe par (ou positiva) ou
de classe ímpar (ou negativa) conforme apresente
um número par ou ímpar de inversões.
Exemplo 2:
Definição 3:
♦ Termo Principal: É o produto dos elementos principais de uma matriz. Assim,
sendo A uma matriz quadrada de ordem n , o termo
principal do determinante associado a A é:
a11 .a22 . ... .ann .
♦ Termo Secundário: É o produto dos elementos da diagonal secundária de
uma matriz. Sendo A uma matriz quadrada de ordem n, o
termo secundário do determinante associado a A é
a1n .a2( n −1) . ... .an1
Definição 4: Determinante
Chama-se determinante associado a uma matriz quadrada à soma algébrica dos
produtos que se obtêm efectuando todas as permutações possíveis dos segundos
índices do termo principal, fixados os primeiros índices (ou vice versa), e fazendo-se
preceder os produtos do sinal + ou –, conforme a permutação dos segundos índices
seja de classe par ou de classe ímpar. Assim, sendo A uma matriz quadrada de
ordem n , representando uma qualquer permutação dos segundos índices do termo
principal: 1, 2,..., n por α1.α 2 . ... α n temos:
n
|A|= A =
α1 ≠
α
∑α (−1) I .a1α1 a2α 2 .⋯.anα n
2 ≠⋯≠ n =1
ímpar de inversões, isto é, afectar cada um dos termos do factor ( −1) onde I
I
( −1) a12 .a21. … .ann n ! termos
1
( ) 12 23
2
− 1 a .a . … .ann
⋯⋯⋯⋯⋯⋯
4º Somando todos estes termos, obtemos o determinante associado à matriz A.
Assim, o determinante é a soma de n ! parcelas:
| A | = (-1)0.a11.a22.a33. ... .a n n + (-1)1.a12 .a2 1.a 3 3. ... .a n n + (-1)2.a12.a2 3.a3 1. ... .a n n + ......
ou seja
n
A=
α1 ≠
α
∑α (−1) I .a1α1 a2α 2 .⋯.anα n
2 ≠⋯≠ n =1
onde α1.α 2 . ... α n é uma qualquer permutação dos segundos índices 1, 2,..., n e I o
número de inversões dessa permutação.
a11 a12
Dada a matriz A = vamos calcular o determinante associado a A :
a21 a22
a11 a12
det( A) = | A | = , seguindo o algoritmo apresentado:
a21 a22
+ a 11 .a 2 2
- a 12 .a 2 1
Regra Prática
Como se pode constatar, o determinante associado a uma matriz de 2ª ordem não é
mais do que a diferença entre o produto dos elementos da diagonal principal e o
produto dos elementos da diagonal secundária:
+
a11 a12
| A |= = a11.a22 − a21.a12
a21 a22
-
a1... .a2 ... a3 ... a1... .a2 ... a3 ... a1... .a2 ... a3 ...
a1... .a2 ... a3 ... a1... .a2 ... a3 ... a1... .a2 ... a3 ...
| A | = a11.a22.a33 + a12 .a2 3.a31 + a13 .a2 1.a32 - a11.a2 3.a3 2 - a12 .a2 1.a3 3 - a13.a2 2.a3 1
Regra de Sarrus
isto é,
a11.a22.a33 , a2 1.a32 .a13 e a31.a12 .a2 3
(o que coincide com os termos positivos obtidos pela definição)
isto é,
a13.a2 2.a3 1 , a2 3.a3 2.a11 e a3 3.a12 .a2 1
(o que coincide com os termos negativos obtidos pela definição)
Temos então:
Exemplo 3:
Veja-se o cálculo dos determinantes de 2ª e 3ª ordem, efectuados por definição. Em
nenhum dos seus termos se verifica a repetição quer dos índices linha quer dos
índices coluna.
Exemplo 4:
1 −1 0
| A | = 2 3 0 = 1*3*0 + 2*5*0 + 4*(-1)*0 – ( 0*3*4 + 0*5*1 + 0*(-1)*2) = 0
4 5 0
Exemplo 5:
1 2 −2
Seja | A | = 2 1 0 = 1 + 0 + 0 – (- 6 + 0 + 4) = 3
3 0 1
2 4 −4
|B|= 2 1 0 = 2 + 0 + 0 – (- 12 + 0 + 8) = 6 = 2. | A |
3 0 1
λ1.λ2. ... .λ n A .
Exemplo 6:
Utilizando o exemplo anterior, multiplicando todas as linhas por k = 2 tem-se:
2 4 −4
|C|= 4 2 0 = 8 + 0 + 0 – (- 48 + 0 + 32) = 24 = 23. | A |
6 0 2
Exemplo 7:
1 2 −2 1 2 3
Sendo | A | = 2 1 0 = 3 então | At | = 2 1 0 = 1 + 0 + 0 – (- 6 + 0 + 4) = 3
3 0 1 −2 0 1
Então | A | = | At |.
Exemplo 8:
1 2 −2
Sendo | A | = 2 1 0 = 3 então trocando a 1ª com a 2ª coluna temos
3 0 1
2 1 −2
|D|= 1 2 0 = 4 - 6 + 0 – ( 0 + 0 + 1) = - 3
0 3 1
Então | D | = - | A |.
Exemplo 9:
1 1 −2
2 2 0 = 2 - 12 + 0 – ( - 12 + 0 + 2 ) = 0 ( C1 = C2 )
3 3 1
Exemplo 10:
1 −2 −2
2 − 4 0 = - 4 + 24 + 0 – ( 24 + 0 - 4 ) = 0 ( C2 = -2.C1 )
3 −6 1
A= =
⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯
an1 ⋯ anp ⋯ ann an1 ⋯ bnp(1) + bnp(2) + ⋯ + bnp( m ) ⋯ ann
45 1 4 4 1 4 1 1
3 5 4 = 3 3 4 + 3 2 4 Desdobrando a 2ª coluna em duas:
2 3 6 2 2 6 2 1 6 5=4+1;5=3+2;3=2+1
4 51
Com efeito: 3 5 4 = 120 + 9 + 40 – ( 10 + 48 + 90) = 169 – 148 = 21
2 36
4 4 1 4 1 1
3 3 4 + 3 2 4 = ( 0 ) + ( 48 + 3 + 8 – ( 4 +16 + 18 ) ) = 59 – 38 = 21
2 2 6 2 1 6
P 10. Num determinante, se somarmos a uma fila uma combinação linear de filas
paralelas, o determinante não se altera.
Exemplo 12:
1 −1 0
Seja | A | = 0 2 1 =-2+0–3–(0+1+0)=-6
3 1 −1
Somemos à 1ª coluna a 2ª coluna multiplicada por 2 e a 3ª multiplicada por 3, isto é
C1 = C1 + 2.C2 + 3.C3
1 + 2.(−1) + 3.0 − 1 0 −1 −1 0
|B|= 0 + 2.2 + 3.1 2 1 = 7 2 1 =2+0–2–(0–1+7)=-6
3 + 2.1 + 3.(−1) 1 −1 2 1 −1
1 −1 0
0 2 1 =6+0+0–(0+0+0)=6
0 0 3
Observação: Como qualquer matriz quadrada pode ser transformada numa matriz
triangular por meio da condensação, pode-se calcular o determinante
associado a A a partir do determinante da matriz triangular, equivalente
a A, bastando para isso não esquecer a correspondência entre as
operações de Jacobi e as alterações do valor do determinante:
Exemplo
1 0 2 1 1 0 2 1 1 0 2 1 1 0 2 1
2 0 −1 3 0 0 −5 1 0 5 5 10 0 1 1 2
= =− = −5 =
0 2 −4 0 0 2 −4 0 0 2 −4 0 0 2 −4 0
−3 5 −1 7 L2′ = L2 − 2 L1 0 5 5 10 L ↔ L 0 0 −5 1 L′ = 1 L 0 0 −5 1 L′ = L − 2 L
L4′ = L4 + 3 L1 2 4 2
5
2 3 3 2
1 0 2 1 1 0 2 1 1 0 2 1
0 1 1 2 0 1 1 2 0 1 1 2
= −5
0 0 −6 −4
= −5 × (−6)
0 0 1 23
= 30
0 0 1 2 ( )
= 30 × 1× 1×1× 13 3 = 130
3
0 0 −5 1 L ′ =− 1 L 0 0 −5 1 L′ = L + 5 L 0 0 0 13 3
3 3 4 4 3
6
• A é regular se e só se A ≠0
• A é singular se e só se A =0
Exemplo 14:
1 2 3
A= 1 0 1
2 2 4
L1, L2 e L3 são linearmente dependentes uma vez que L3 é combinação linear das restantes
linhas: L3 = L1 + L2
def
Assim, L1 + L2 - L3 = O ⇔ L1, L2 , L3 linearmente dependentes.
Por outro lado, neste caso temos
1 2 3
|A| = 1 0 1 = 0 + 6 + 4 – ( 0 + 2 + 8 ) = 10 – 10 = 0
2 2 4
Definição 5:
Chama-se Menor Complementar do Elemento aij , da matriz A de ordem n , e
( −1)
i+ j
representa-se por Aij , ao produto de pelo menor complementar
P 13. Um determinante é igual à soma dos produtos que se obtêm multiplicando cada
elemento de uma dada fila pelos respectivos complementos algébricos:
n
A = ∑ a pj . Apj ← Desenvolvimento Laplaceano segundo a linha p
j =1
n
A = ∑ aip . Aip ← Desenvolvimento Laplaceano segundo a coluna p
i =1
Exemplo 15:
Para calcular o valor de
1 1 −1
|A| = 2 1 0
1 3 2
1 1 −1
|A| = 2 1 0 = 2.A21 + 1. A22 + 0.A23 =
1 3 2
1 1 −1
|A| = 2 1 0 = 1.A11 + 2. A21 + 1.A31 =
1 3 2
1 3 2 4 1 3 2 4
5 −1 1
5 0 −1 1 5 0 −1 1
= = =
1+ 2
(−1) × 3 × −1 1 −2 − 3 × (−62) = 186
−1 0 1 −2 L4 '= L4 − 2 L1 −1 0 1 −2 T . Laplace C2 Sarrus
1 −3 −9
3 6 1 −1 1 0 −3 −9
P 14. É nula a soma dos produtos que se obtêm multiplicando os elementos de uma
fila pelos complementos algébricos de outra fila paralela.
Exemplo 16:
1 1 −1
A = 2 1 0
1 3 2
Considerando, por exemplo, a soma dos produtos que se obtêm multiplicando os
elementos da 1ª linha pelos complementos algébricos da 2ª linha:
a11.A21 + a12. A22 + a13.A23 = 1.(-1)2+1.M21 + 1.(-1) 2+2.M22 + (-1).(-1) 2+3.M23 =
1 −1 1 −1 1 1
=- + + =
3 2 1 2 1 3
= - ( 2 – (-3) ) + ( 2 – ( -1)) + ( 3 – 1) = -5 + 3 + 2 = 0
A.B = A . B .
Exemplo 17:
1 1 −1 1 2 −2
|A| = 2 1 0 =-7 |B| = 2 1 0 =3
1 3 2 3 0 1
Então: | A | . | B | = -7 * 3 = -21
1 1 −1 1 2 − 2 0 3 −3
A . B = 2 1 0 . 2 1 0 = 4 5 −4 ⇒ A.B = - 60 – 156 – (-195 ) =
1 3 2 3 0 1 13 5 0
= -216 + 195 = -21
Exemplo 18:
1 2 −2
Seja B = 2 1 0
3 0 1
2 −2 1 −2 1 2
A21 = − = −2 A22 = + =7 A23 = − =6
0 1 3 1 3 0
2 −2 1 −2 1 2
A31 = + =2 A32 = − = −4 A33 = + = −3
1 0 2 0 2 1
1 −2 −3
−2 7 6
2 −4 −3
1 −2 2
adj ( B ) = −2 7 −4
−3 6 −3
Teorema 2:
( ) ( )
Para qualquer matriz quadrada A , tem-se: A . adj ( A ) = adj ( A ) . A =| A | . I onde
1
A−1 = . ( adj ( A) )
A
Exemplo 19:
1 2 −2 1 −2 2
Tomando a matriz B = 2 1 0
cuja matriz adjunta é adj ( B ) = −2 7 −4 e
3 0 1 −3 6 −3
1 2 −2
uma vez que | B | = 2 1 0 = 1 + 0 + 0 – (- 6 + 0 + 4) = 3 temos:
3 0 1
1 −2 2 13 − 2 3 2 3
1 = −2
B -1 = −2 7 −4 7 − 43
3 3
3
− 3 6 − 3 − 1 2 −1
1
• Proposição 1: A−1 =
| A|
Demonstração: Aplicando determinantes à definição de inversa vem:
| A . A-1 | = | I |
Pela propriedade 15 , e uma vez que | I | = 1 vem
1
| A | . | A-1 | = 1 então | A-1 | =
|A|
c.q.d
n −1
• Proposição 2: adj ( A ) = A
| adj (A) | = | A | n | A | -1 = | A | n - 1
c.q.d.
| adj (A) | = | A | n -1
c.q.d.
zero (a característica da matriz é igual à sua ordem, isto é, a matriz é regular). Tal
determinante é designado por determinante do sistema e denota-se usualmente por
∆.
Assim, o sistema:
matriz A do sistema:
X = A-1 .B
Exemplo 20:
x − y + z =1
1) O sistema não é um sistema de Cramer porque tem mais
x + 3 y − 2z = 2
incógnitas do que equações.
x− y = 2
2) O sistema 2 x + 3 y = 0 não é um sistema de Cramer porque tem mais
x + 5y =1
equações do que incógnitas.
x + 2y =1
3) O sistema poderá ser um sistema de Cramer (uma vez que tem
−2 x − 4 y = 2
tantas incógnitas como equações) se ∆ for diferente de zero. Como
1 2
= −4 + 4 = 0 este também não é um sistema de Cramer.
−2 −4
2 x − y = −3
4) O sistema é um sistema de Cramer porque tem tantas incógnitas
x+ y =6
2 −1
como equações e ∆ = = 2 +1 = 3 ≠ 0 .
1 1
− 3 −1
x = ∆x = 6 1
=
−3+ 6
=1
∆ 3 3
Então
2 −3
∆y 1 6 12 + 3
y= = = =5
∆ 3 3
Assim, a solução do sistema é ( x , y ) = ( 1,5 ).
x + 2y + z =1
5) Analogamente, o sistema 2 x − y − 2 z = −3 é um sistema de Cramer porque
−x + y = 2
tem tantas incógnitas como equações e
∆x
x= ∆
1 2 1
∆
∆ = 2 −1 −2 = 2 + 4 − (1 − 2) = 7 ≠ 0 . Então y = y onde
∆
−1 1 0
∆z
z=
∆
1 2 1 1 1 1 1 2 1
∆ x = − 3 − 1 − 2 = −7 , ∆ y = 2 − 3 − 2 = 7 e ∆ z = 2 − 1 − 3 = 0
2 1 0 −1 2 0 −1 1 2
Então, a matriz do sistema não tem determinante associado uma vez que é uma
matriz rectangular do tipo m × n e assim este não é um sistema de Cramer.
Este sistema continua a ser equivalente à equação A. X = B onde A é a matriz do
sistema, X a matriz coluna das incógnitas x1 , x2 ,..., xn e B a coluna dos termos
independentes, b1 , b2 ,..., bm mas não é equivalente a X = A−1.B uma vez que não
existe inversa de A .
De notar que, a sub-matriz principal nem sempre é única, mas qualquer sub-
matriz tomada para principal terá por ordem a característica da matriz do
sistema, isto é, a ordem da sub-matriz principal é única.
Exemplo 21:
x − y + z =1
Consideremos o seguinte sistema:
− x + y − 2z = 2
1 −1 1
Como a matriz do sistema, A = , não é quadrada, para o resolvermos
−1 1 −2
temos que formar uma sub-matriz principal, de maior ordem possível, cujo
determinante associado seja diferente de zero. No máximo, ∆ p será de 2ª ordem.
Como
1 −1 1 1
=0 e = −2 + 1 = −1 ≠ 0
−1 1 −1 − 2
1 1
∆p = = −1 ≠ 0
−1 − 2
Temos então:
• Equações Principais - 1ª e 2ª (todas)
• Equações Secundárias - não há
• Incógnitas Principais - x e z
• Incógnitas Secundárias - y
Como não existem equações secundárias o sistema é possível e simplesmente
indeterminado uma vez que existe uma incógnita secundária. O sistema principal
será dado por:
x + z = 1+ y
− x − 2z = 2 − y
Podemos então aplicar a regra de Cramer, considerando ∆ p como ∆ e a coluna
1 + y
2 − y como a coluna dos termos independentes. Temos assim:
1+ y 1
x = ∆ x = 2 − y −2 = −2 − 2 y − 2 + y = y + 4
∆p −1 −1
, y∈R
1 1+ y
∆ −1 2 − y 2 − y + 1 + y
z= z = = = −3
∆p −1 −1
x1 + x2 − x3 − x4 = 2
x1 − 2 x2 + x3 + x4 = −1
3 x − 3x + x + x = 0
1 2 3 4
1 1 −1 −1
A = 1 −2 1 1
3 −3 1 1
1 −1 −1
1 1 1 = 0 porque C2 = C3
3 1 1
1 −1 −1
−2 1 1 = 0 porque C2 = C3
−3 1 1
Definição 8:
Chama-se Determinante Característico Relativo a uma Equação Secundária ao
determinante que se obtém a partir do determinante principal ∆ p , acrescentando
b1
b2
∆p
∆ CS = ⋮ = 0, ∀s = p + 1, ... , m
bp
a a ⋯ a bs
s1 s 2 sp
Exemplo 22:
Voltando ao nosso exemplo, temos uma equação secundária, (3ª equação), cujo
determinante característico é:
1 1 2
∆c 3ª = 1 − 2 −1 = 0 ( porque: C1 + C2 = C3 )
3 −3 0
Assim, pelo teorema de Rouché, podemos concluir que o sistema é possível uma vez
que esta equação secundária é compatível com as principais e, não existem mais
equações secundárias. Ficamos, então, com o sistema principal:
x1 + x2 = 2 + x3 + x4
x1 − 2 x2 = −1 − x3 − x4
que se pode resolver pela regra de Cramer:
2 + x3 + x4 1
x = ∆ x1 = −1 − x3 − x4 −2 = −4 − 2 x3 − 2 x4 + 1 + x3 + x4 = x3 + x4 + 1
1 ∆ p −3 −3 3
, x3 , x4 ∈ R
1 2 + x 3 + x4
∆ x2 1 −1 − x3 − x4 −1 − x3 − x4 − 2 − x3 − x4 2 x3 + 2 x4
x2 = = = = +1
∆p −3 −3 3
Exemplo 23:
Consideremos então o seguinte sistema:
x + 2y − z + t =1
2x + y + 2z − t = 3
3x + 3 y + z = 4
3 x + 5 z − 3t = 5
1 2 −1 1
2 1 2 −1
∆= = 0 porque L1 + L2 = L3
3 3 1 0
3 0 5 −3
Então não se trata de um sistema de Cramer. Temos que procurar um determinante
de maior ordem possível, que seja diferente de zero. À partida, o determinante
principal será de 3ª ordem:
1 2 −1
2 1 2 = 0 porque L1 + L2 = L3
3 3 1
2 1 2 2 1 2
3 3 1 = − 3 0 − 5 = 0 porque L2 = - L3
3 0 5 3 0 5
1 2 −1
2 1 1 = 0 porque L1 + L2 = L3
3 3 0
mais resumida:
Pesquisa de ∆ p :
1 2 −1 1
2 1 2 − 1
3 3 1 0
3 0 5 −3
|1|≠0
1 2
= −3 ≠ 0
2 1
A partir deste determinante podemos formar 4 determinantes de 3ª ordem distintos
(acrescentando as 3ª e 4ª linhas e as 3ª ou 4ª colunas), temos então:
1 2 −1
2 1 2 = 0 porque L1 + L2 = L3 (3ª linha e 3ª coluna)
3 3 1
1 2 1
2 1 − 1 = 0 porque L1 + L2 = L3 (3ª linha e 4ª coluna)
3 3 0
1 2 −1
2 1 2 = 0 porque -L1 +2 L2 = L3 (4ª linha e 3ª coluna)
3 0 5
1 2 1
2 1 − 1 = 0 porque C1 - C2 = - C3 (4ª linha e 4ª coluna)
3 0 −3
1 2
∆p = = −3 ≠ 0
2 1
Temos então:
• Equações Principais - 1ª e 2ª
• Equações Secundárias - 3ª e 4ª
• Incógnitas Principais - x e y
• Incógnitas Secundárias - z e t
(o sistema, caso seja possível, será duplamente indeterminando pois tem duas
incógnitas secundárias)
Como existem equações secundárias há que estudar a sua compatibilidade
com as principais calculando os seus determinantes característicos:
1 2 1
∆c 3ª = 2 1 3 =0 ( porque: L1 + L2 = L3 )
3 3 4
1 2 1
∆c 4ª = 2 1 3 =0 ( porque: 2L2 – L1 = L3 )
3 0 5
x + 2 y = 1+ z − t
2x + y = 3 − 2z + t
e resolve-se pelo método de Cramer:
1+ z − t 2
x = ∆ x = 3 − 2 z + t 1 = 1 + z − t − 6 + 4 z − 2t = 5 − 5 z + t
∆p −3 −3 3
, z, t ∈ R
1 1+ z − t
∆ y 2 3 − 2 z + t 3 − 2 z + t − 2 − 2 z + 2t 4 z − 1
y= = = = −t
∆p −3 −3 3
2 x + a. y − z = b
a.x + y = 2b
x + 2 y + (a − 2).z = 0
Se o determinante associado ao sistema for diferente de zero o sistema é de Cramer,
logo possível determinado, assim:
2 a −1 a +1 a −1 1 a −1
∆= a 1 0 = a +1 1 0 = (a + 1) 0 1 − a 1 = (a + 1)( −a 2 + 3a − 3)
1 2 a−2 a +1 2 a − 2 0 2 − a a −1
− 3 ± 9 − 12
logo ∆ = 0 ⇔ (a + 1)(−a 2 + 3a − 3) = 0 ⇔ a = −1 ∨ a = ⇔ a = −1
−2
Assim, para a ≠ -1 tem-se ∆ ≠ 0 , logo o sistema é de Cramer , possível determinado
∀ b ∈ IR
Para a = -1 a matriz do sistema, cujo determinante associado é nulo, será:
2 −1 −1
−1 1 0
1 2 − 3
Pelo teorema de Rouché, para que a equação secundária seja compatível com as
principais. O determinante característico tem que ser nulo, logo:
∆c 3ª = 0 se e só se b=0
Resumindo, o sistema é:
• Possível Determinado para a ≠ -1, ∀ b ∈ IR
• Possível Simplesmente Indeterminado para a = -1 e b = 0 (temos
uma incógnita secundária)
• Impossível para a = -1 e b ≠ 0
Assim, a discussão de sistemas por determinantes reduz-se à discussão dos valores dos
determinantes: do sistema, principal e característicos, consoante os valores dos
parâmetros em causa.
Característica.
A.
Exemplo 24:
1 2
Seja A =
0 −1
1 2 1 0 1 − λ 2
A matriz característica é: A − λ I = −λ =
0 −1 0 1 0 −1 − λ
O polinómio característico de A é:
1− λ 2
A − λI = = (1 − λ ) . ( −1 − λ ) = λ 2 − 1
0 −1 − λ
Os valores próprios da matriz A são:
A − λ I = 0 ⇔ (1 − λ ) . ( −1 − λ ) = 0 ⇔ λ = 1 ∨ λ = −1
2v2 = 0 v2 = 0 v
⇔ ⇒ V = 1 , v1 ∈ R \ {0}
( −1 − 1) v2 = 0 v2 = 0 0
• Vector associado ao valor próprio λ = −1
Nota 1:
Um vector próprio está associado apenas a um valor próprio, mas a um valor próprio
está associada uma infinidade de vectores próprios, pois se V é um vector próprio
Definição 14:
Chama-se espectro da matriz A ao conjunto de todos os valores próprios da matriz,
que é representado por λ ( A ) .
Exemplo 25:
Teorema 6:
Exemplo 26:
A matriz A , do exemplo anterior, pelo teorema anterior é invertível.
1 2 1 0 1 2 1 0 1 0 1 −2
Efectivamente, ∼ ∼ , ou seja,
0 −1 0 1 L2 →− L2 0 1 0 −1 L → L − 2 L 0 1
1 1 2
0 −1
1 −2
∃A−1 e A−1 = .
0 −1
Teorema 7:
Exemplo 27:
No exemplo anterior existem 2 valores próprios distintos λ = 1 e λ = −1 a que
v1 −v2
correspondem os vectores próprios V1 = e V2 = , que são linearmente
0 v2
independentes, já que:
α1V1 + α 2V2 = (0, 0) ⇔ α1 (v1 , 0) + α 2 (−v2 , v2 ) = (0, 0) ⇔ (α1v1 − α 2 v2 , α 2v2 ) = (0, 0)
α v − α 2 v2 = 0 α = 0 ∨ v1 = 0
⇔ 1 1 ⇔ 1
α 2 v2 = 0 α 2 = 0 ∨ v2 = 0
Logo α1 = α 2 = 0 , pelo que os vectores V1 e V2 são linearmente independentes.
Definição 15:
Chama-se traço de uma matriz quadrada A , de ordem n , à soma de todos os
n
elementos principais, ou seja, tr ( A ) = ∑a
i =1
ii .
Exemplo 28:
1 2 3
O traço da matriz T = 0 −1 4 é tr (T ) = 1 − 1 + 5 = 5.
−2 0 5
Propriedades:
1. tr ( A + B ) = tr ( A) + tr ( B )
2. tr ( k . A ) = k .tr ( A ) , k ∈ R
3. tr ( A × B ) = tr ( B × A )
4. tr ( A × B × C ) = tr ( B × C × A ) = tr ( C × A × B )
5. tr ( A ) = tr ( At )
Teorema 8:
n n
Sendo λi os valores próprios de A , tr ( A ) = ∑ λi e A = ∏ λi .
i =1 i =1
Exemplo 29:
1 2
Seja A = , então tr ( A ) = 1 − 1 = 0.
0 −1
Como vimos anteriormente A tem 2 valores próprios: λ = 1 e λ = −1 , então
tr ( A) = λ1 + λ2 = 1 − 1 = 0 e A = λ1 × λ2 = 1× ( −1) = −1
Exemplo 30:
−1 4
Seja A = . O polinómio característico é:
1 0
−1 − λ 4
A − λI = = ( −1 − λ ) . ( − λ ) − 4 = λ 2 + λ − 4
1 −λ
A matriz A satisfaz o Teorema de Cayley-Hamilton, ou seja, satisfaz a equação:
2
−1 4 −1 4 1 0 0 0
A + A − 4 I = O . Com efeito,
2
+ −4 = ..
1 0 1 0 0 1 0 0