Escolar Documentos
Profissional Documentos
Cultura Documentos
Álgebra Linear
ÁLGEBRA LINEAR
● Matrizes
– Definição
– Matrizes Quadradas e Retangulares
– Matriz Nula, Matriz Identidade, Matriz
Diagonal, Matriz Triangular (Superior, Inferior)
– Igualdade de Matrizes
● Operações com Matrizes e Propriedades
– Adição
– Multiplicação de um Escalar por uma Matriz
– Multiplicação de Matrizes
– Potência de uma Matriz Quadrada
– Transposição de Matrizes
António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 2
NOÇÃO DE MATRIZ
1. Tabela 2. Matriz
Café Manhã Tarde
100 80
A = 30 16
Normal 100 80
Cheio 30 16
28 35
Com Leite 28 35
Definição:
Matriz de ordem ou tipo m x n (lê-se “m por n”) é uma tabela
retangular de elementos dispostos em m linhas (filas horizontais)
e n colunas (filas verticais).
Uma matriz representa-se por uma letra maiúscula e os seus
elementos pela mesma letra minúscula indexada por dois
números indicativos da linha e coluna a que o elemento
pertence. a a ⋯ a
11 12 1n
a a22
⋯ a2 n Linha 1, Coluna 2
A = ai j i =1,..., m = 21
j =1,..., n ⋯ ⋯ ⋱ ⋯
am1 am 2 ⋯ amn
António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 4
MATRIZ – EXEMPLOS
−1 0 2
A= matriz do tipo 2 x 3
5 1 3
1
B = 2 matriz do tipo 3 x 1
9
Definição:
Uma matriz diz-se quadrada de ordem n se o número de
linhas for igual ao número de colunas (m = n). Em caso
contrário diz-se retangular.
Exemplos:
1 0 matriz quadrada de ordem 2
0 1
Diagonal principal
Definição:
Vetor é uma matriz constituída por uma única linha – matriz
linha (tipo 1 x n) – ou uma só coluna – matriz coluna
(tipo m x 1).
Exemplos:
0.3 2 6 −1 2 matriz linha
1
2 matriz coluna
9
Definição:
Matriz nula Om×n é uma matriz cujos elementos são todos
nulos.
Exemplos:
0 0 0
0 0 0 0 0 0 0
0 0 0 0
0 0 0
Definição:
Matriz identidade de ordem n – I n – é uma matriz quadrada
em que todos os elementos da diagonal principal são “1” e os
restantes “0”.
Exemplos:
1 0 ⋯ 0
1 0 0 0 1 ⋯ 0
I 3 = 0 1 0 In =
⋯ ⋯ ⋱ ⋯
0 0 1
0 0 ⋯ 1
Definição:
Matriz diagonal é uma matriz quadrada em que os elementos
que não pertencem à diagonal principal são todos nulos.
Exemplos:
1 0 0 0
0 2 0 0
7 0 0 0 2 0
0 0 0 0
0 0 2
0 0 0 2
Definição:
Matriz triangular superior é uma matriz quadrada em que
todos os elementos situados abaixo da diagonal principal são
nulos.
A = ai j : ai j = 0 se i > j
i , j =1,..., n
Exemplo:
2 6 1 2
0
7 0 4
0 0 1 2
0 0 0 2
António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 12
MATRIZ TRIANGULAR INFERIOR
Definição:
Matriz triangular inferior é uma matriz quadrada em que
todos os elementos situados acima da diagonal principal são
nulos.
A = ai j : ai j = 0 se i < j
i , j =1,..., n
Exemplo:
2 0 0 0
4
0 0 0
0 3 1 0
4 2 7 2
Definição:
Duas matrizes do mesmo tipo m x n dizem-se iguais se os
elementos homólogos (que estão na mesma posição) forem
iguais.
A = B ⇔ ai j = bi j , ∀i ∈ {1,2,..., m} , ∀j ∈ {1,2,..., n}
Exemplo:
−1 0 2 x = 2
A=
+
x 2 y z 1 1
A = B ⇔ y =
−1 0 2 2
B=
2 1 0 z = −1
António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 14
ADIÇÃO DE MATRIZES
Definição:
Exemplo:
1 − 2 3 10 1 3 11 − 1 6
2 − 8 5 + 5 10 =
− 1 7 2 4
António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 15
PROPRIEDADES DA ADIÇÃO DE MATRIZES
(1) Comutativa: A + B = B + A
(2) Associativa: (A + B) + C = A + (B + C)
(3) Existência de elemento neutro: A + O = O + A = A
(O – matriz nula é o elemento neutro)
(4) Existência de elemento simétrico:
A + (– A) = (– A) + A = O
(A matriz simétrica da matriz A é a matriz –A cujos
elementos são os simétricos dos elementos de A)
Definição:
Produto de um número real k por uma matriz A é uma matriz
cujos elementos são iguais aos elementos correspondentes
de A multiplicados por k, ou seja, se
Exemplo:
1 −2 3 −2 4 −6
A= e k = −2 ⇒ −2 A =
2 −8 5 −4 16 −10
(2) (α + β) A = α A + β A
(3) (α β) A = α (β A)
Definição:
Sejam duas matrizes Am×n e Bn× p tais que o número n de
colunas de A é igual ao número de linhas de B. Então o
produto Am×n × Bn× p existe e é uma matriz Cm× p = ci j i =1,2,...,m
j =1, 2,..., p
tal que: n
ci j = ∑ ai k bkj = ai1 b1 j + ⋯ + aik bkj + ⋯ ain bnj
k =1
b1 j
⋮ ⋮
⋯ ⋯ ⋯
a ⋯ a ⋯ ain ⋯ bkj ⋯ = ⋯ cij ⋯
i1 ik
⋮ ⋮ ⋯ ⋯ ⋯
bnj
António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 19
MULTIPLICAÇÃO DE MATRIZES – EXEMPLO
4 5 0
1 −2 3 0 −3 1 . Então
Sejam A = e B =
2 −8 5
2 −1 1
1 × 4 − 2 × 0 + 3 × 2 1 × 5 − 2 × (−3) + 3 × (−1) 1 × 0 − 2 × 1 + 3 × 1
=
2 × 4 − 8 × 0 + 5 × 2 2 × 5 − 8 × ( − 3) + 5 × ( −1) 2 × 0 − 8 × 1 + 5 × 1
10 8 1
=
18 29 − 3
( )
(1) Associativa: Am×n Bn× p C p×q = Am×n Bn× pC p×q ( )
(2) Distributiva em relação à adição
( )
– à esquerda: Am×n Bn× p + Cn× p = Am×n Bn× p + Am×nCn× p
Definição:
Potência de ordem n ( n ∈ ℕ ) de uma matriz quadrada A
é a matriz
An =
A ×× ⋯ ×
A A
n vezes
Exemplo:
1 2 1 2 1 2 −3 8
A= ⇒ A = A× A =
2
=
−2 3 −2 3 −2 3 −8 5
T T
(1) (A ) =A
T
(2) Se k ∈ ℝ então ( k A ) = k AT
T
(3) ( A + B ) = AT
+ B T
T
(4) ( )
A B = B T T
A
1 2 3 5
1. Considere a matriz A =
8 13 21 34
1.1 Classifique-a quanto à ordem.
1.2 Complete A = ai j i = …
j= …
1.3 Identifique os elementos a12 , a21 e a24 .
Resolução:
1 x + y 0
D = 0 2 x 6 − 3x
0 0 y
Resolução:
1 0 0
{x+ y =0
6 − 3x = 0
⇔
y = −2
x=2 ⇒ {
D = 0 4 0
0 0 −2
4.1 A =
3x z y + 2x x
1 x − 5y e B = 1
−4
1 2
4.2 A = x + 3 y x e B = y − x x
2
3
2 3
Resolução:
3x = y + 2 x x − y = 0 x = y x = 1
4.1 x − 5 y = −4 ⇔ x − 5 y = −4 ⇔ −4 y = −4 ⇔ y = 1
z = x z = x z = 1
2 1 1 −1 0
5. Considere as matrizes A = , B= ,
−1 0 −1 2 3
1 2
1 −1
C= 3 4 e D= .
3 −2
-1 0
Calcule, se possível:
5.1 AB + C 5.2 B + C T
2
5.3 A – 2D 5.4 A
5.5 B 3 5.6 BC
Resolução:
1 −1 0 1 3 −1 2 2 −1
T
5.2 B + C = + =
−1 2 3 2 4 0 1 6 3
2 1 1 −1 0 3
5.3 A − 2 D = − 2 =
−1 0 3 −2 −7 4
António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 31
EXERCÍCIOS
Resolução (cont.):
2 2 1 2 1 3 2
5.4 A = A × A = =
−1 0 −1 0 −2 −1
3
5.5 Não é possível calcular B porque B não é quadrada.
1 2
1 −1 0 −2 −2
5.6 BC = 3 4 =
−1 2 3 −1 2 6
0
2 1 1 0
6. Averigue se A = e B= são permutáveis.
−1 0 0 −1
Resolução:
2 1 1 0 2 −1
AB = =
−1 0 0
−1 −1 0
1 0 2 1 2 1
BA= =
0 −1 −1
0 1 0
7. Considere
0 se i < j
A = ai j : ai j = i j , B = bi j : bi j =
i , j =1,2,3 i , j =1,2,3
1 se i ≥ j
e C = AB.
Soma dos produtos
Calcule c32 . dos elementos da 3ª
linha de A pela 2ª
Resolução: coluna de B.
3
c32 = ∑ a3 k bk 2 = a31b12 + a32b22 + a3 3b32
k =1
= ( 3 × 1) × 0 + ( 3 × 2 ) × 1 + ( 3 × 3) × 1
= 15
António Carvalho Pedrosa e Lurdes Babo Aula 14 - Álgebra Linear 34
SUMÁRIO
Definição:
Equação linear é uma expressão da forma
a1 x1 + a2 x2 + a3 x3 + ... + an xn = b
x1 , x2 ,… , xn − incógnitas
a1 , a2 ,… , an − coeficientes das incógnitas
b − termo independente
Solução da equação é uma sequência ordenada de n
valores que colocados no lugar das incógnitas transformam
a equação numa proposição verdadeira.
Definição:
Sistema de equações lineares – é um conjunto de equações
lineares que pode ser representado na forma
a11 x1 + a12 x2 + a13 x3 + ... + a1n xn = b1
a x + a x + a x + ... + a x = b
21 1 22 2 23 3 2n n 2
... ... ... ... ...
am1 x1 + am 2 x2 + am3 x3 + ... + amn xn = bm
x1 , x2 ,… , xn − incógnitas
aij − coeficientes das incógnitas
bi − termos independentes
Solução do sistema é uma sequência ordenada de n valores
que colocados no lugar das incógnitas transformam todas as
equações em proposições verdadeiras.
António Carvalho Pedrosa e Lurdes Babo Aula 15 - Álgebra Linear 3
SISTEMAS DE EQUAÇÕES LINEARES – APLICAÇÃO
2001 60 20 52
2002 48 15 64
2003 55 18 64
Tabela 1 – Receitas do Crédito
Capital de
Ano
Risco
2001 46.6
2002 45.24
2003 47.55
Tabela 2 – Capital de Risco disponível
Sejam
x = fração de crédito comercial
y = fração de crédito automóvel
z = fração de crédito imobiliário
Então, o problema a resolver é
60 x + 20 y + 52 z = 46.6
48 x + 15 y + 64 z = 45.24
55 x + 18 y + 64 z = 47.55
A solução é ( x, y, z ) = ( 0.45,0.2,0.3)
Sistemas
Possíveis
Indeterminados
Determinados
(solução não
(solução única)
única)
Impossíveis
(não têm
solução)
António Carvalho Pedrosa e Lurdes Babo Aula 15 - Álgebra Linear 7
SISTEMA POSSÍVEL DETERMINADO – EXEMPLO
x − 4 y = 2
1. Determine o conjunto-solução do sistema
2 x − 6 y = 5
x=4
x − 4 y = 2 x = 2 + 4 y ____
⇔ ⇔ ⇔ 1
2 x − 6 y = 5 2 ( 2 + 4 y ) − 6 y = 5 2 y = 1 y =
2
1
S = 4,
2
x − 4 y = 2
2. Determine o conjunto-solução do sistema
2 x − 8 y = 4
x − 4 y = 2 x = 2 + 4 y x = 2 + 4 y
⇔ ⇔
2 x − 8 y = 4 2 ( 2 + 4 y ) − 8 y = 4 0 y = 0
Condição
S = {( 2 + 4 y, y ) : y ∈ ℝ} Universal
x − 4 y = 2
3. Determine o conjunto-solução do sistema
2 x − 8 y = 5
x − 4 y = 2 x = 2 + 4 y ____
⇔ ⇔
2 x − 8 y = 5 2 ( 2 + 4 y ) − 8 y = 5 0 y = 1
Equação
S =∅ Impossível
60 x + 20 y + 52 z = 46.6
48 x + 15 y + 64 z = 45.24
55 x + 18 y + 64 z = 47.55
Sejam
60 20 52 x 46.6
A = 48 15 64 X = y B = 45.24
55 18 64 z 47.55
60 20 52 x 46.6
48 15 64 y = 45.24
55 18 64 z 47.55
ou seja, AX = B
x − 4 y = 2 1 −4 2
→
2 x − 6 y = 5 2 −6 5
Definição:
Operações elementares sobre linhas de uma matriz são
operações que transformam a matriz dada numa matriz de um
sistema equivalente ao sistema inicial.
Sistemas Matrizes
Trocar a ordem das equações i e j Trocar as linhas i e j: li ↔ l j
x − 4 y = 2 1 −4 2 1 −4 2
→ ~ ~1
2 x − 6 y = 5 2 −6 5 l2′ =l2 −2l1 0 2 1 l2′ = 2 l2
2 4 x = 4
1 −4 1 0
~ 1 l′ =l~+ 4l 1 → 1
0 1 1 1 2 0 1 y =
2 2 2
⋯ 0 b′p +1
a
m1 am 2 ... amn bm 0 0 0 0 0 ⋯ 0 0
⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯
0 0 0 0 0 ⋯ 0 0
1 0 ⋯ 0 * * ⋯ * b1′
0 1 ⋯ 0 * * ⋯ * b′
2
⋯ 0 b′p +1
a
m1 am 2 ... amn bm 0 0 0 0 0 ⋯ 0 0
⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯ ⋯
0 0 0 0 0 ⋯ 0 0
x + y − z = 1 1 1 −1 1 1 1 −1 1
2 x − y + 2 z = 9 ⇒ 2 −1 2 9 ' ~ 0 −3 4 7
l2 =l2 −2l1
2 y = − x + z
1 2 −1 0 l3' =l3 −l1 0 1 0 −1
1 1 −1 1 1 1 −1 1 1 1 −1 1
~ 0 1 0 −1 ' ~ 0 1 0 −1 ~1 0 1 0 −1
l2 ↔l3 l3 =l3 +3l2 l3' = l3
0 −3 4 7 0 0 4 4 4 0 0 1 1
1 1 0 2 1 0 0 3 x = 3
~ 0 1 0 −1 ' ~ 0 1 0 −1 ⇒ y = −1
l1 =l1 +l3
' l1 =l1 −l2
0 0 1 1 0 0 1 1 z = 1
2 x − y = 8 2 −1 8 1 1 −1
2 1 4 ~ 2 1 4 ~
y + 2 x = 4 ⇒
l1 ↔l3
x + y = −1 1 1 −1
2 −1 8
1 1 −1 1 1 −1 ___
~ 0 −1 6 ' ~ 0 1 −6 ⇒ ___
l2 =l2 − 2 l1
' l2 =− l2
l3' =l3 − 2 l1 0 − 3 10 l3' =l3 −3l2 0 0 −8 0 = −8 → Prop.Falsa
S =∅ Sistema Impossível
x + y − z = 0 1 1 −1 0 1 1 −1 0
⇒ ~
2 x − y + 2 z = 0 2 −1 2 0 l2 =l2 −2l1 0 −3 4 0
'
1 1
1 1 −1 0 1 0 0 x = − z
3 3
~1 4 ~ ⇒
l2' =− l2 0 1 − 0 l1 =l1 −l2 4 4
'
3 3 0 1 − 0 y= z
3 3
Definição:
AA−1 = A−1 A = I
−1 −1
(1) (A ) =A
−1 1
(2) ( kA ) = A−1 , k ∈ ℝ \ {0}
k
−1
(3) ( A B ) = B −1 A−1
−1 T T −1
(4) (A ) = (A ) = A− T
−1
Observação: ( ) −1 −1
A + B ≠ A + B
⋯ ⋯ ⋱ ⋯
a′ a′ ′
… ann
n1 n 2
António Carvalho Pedrosa e Lurdes Babo Aula 16 - Álgebra Linear 6
RESUMINDO
−1
Para encontrar A usando o método de Gauss-Jordan
(condensação):
• escreve-se [A I]
• aplicam-se (unicamente) operações elementares às linhas
de A I até se obter I A−1
Observações:
1. Se neste processo não se obtiver I n do lado esquerdo (n = ordem de A)
−1
então não existe A .
2. Também é possível aplicar (unicamente) operações elementares sobre
A
colunas. Neste caso parte-se de .
I
António Carvalho Pedrosa e Lurdes Babo Aula 16 - Álgebra Linear 7
INVERSA POR CONDENSAÇÃO – EXEMPLO
1 2 0
A = 1 0 1 ⇒ A−1 = ?
1 1 0
1 2 0 1 0 0 1 2 0 1 0 0
[ A I ] = 1 0 1 0 1 0 l′ =l~−l 0 −2 1 −1 1 0
2 2 1
1 1 0 0 0 1 l´3 =l3 −l1 0 −1 0 −1 0 1
1 2 0 1 0 0 1 2 0 1 0 0
~ 0 1 0 1 0 −1 ~ 0 1 0 1 0 −1
l2 ↔− l3 l´3 =l3 + 2l2
0 −2 1 −1 1 0 0 0 1 1 1 −2
1 0 0 −1 0 2 1 0 0 −1 0 2
~ 0 1 0 1 0 −1 ~ 0 1 0 1 0 −1
l ´1 =l1 − 2 l2
0 0 1 1 1 −2 0 0 1 1 1 −2
A−1
António Carvalho Pedrosa e Lurdes Babo Aula 16 - Álgebra Linear 8
INVERSA POR CONDENSAÇÃO – EXEMPLO
2 2
B= ⇒ B −1
=?
1 1
2 2 1 0 1 1 0 1
[ B I ] = 1 ~ ~
1 0 1 l1 ↔l2 2 2 1 0 l2′ =l2 −2l1
1 1 0 1 −1
~ Não existe B
0 0 1 −2
1 1 0 1 1 1
Observação: Qualquer dos sistemas associados e
0 0 1 0 0 −2
é impossível.
Exemplo: AX + B = C ⇔ AX = C − B
AX + B = C ⇔ A-1 ( AX ) = A-1 (C − B)
AX + B = C ⇔ ( A-1 A) X = A-1 (C − B)
-1
AX + B = C ⇔ I X = A (C − B)
AX + B = C ⇔ X = A-1 (C − B)
Resolução (cont.):
1 2 1 0 1 2 1 0
[B | I ] = ~ ~
−2 2 0 1 l2 =l2 + 2l10 6
′ 2 1 l1 =3l1 −l2
′
1 1
1 0 −
3 0 1 −1 3 3
0 6 2 1 ′ ~1
l1 = 3l1 0 1 1 1
l2′ = l2
6
1
6
3
1 1
−
−1 3 3
∴ B =
1 1
3 6
António Carvalho Pedrosa e Lurdes Babo Aula 16 - Álgebra Linear 12
EXERCÍCIOS
● Determinantes
– Introdução
– Teorema de Laplace
– Propriedades dos determinantes
matriz A.
e diz-se de ordem n.
Exemplo:
A = [ 2] B = [ −3]
det( A) = 2 det( B) = −3
a b a b
Se A = então | A |= = ad −bc
c d c d
Exemplo:
5 3
= 20 − 6 = 14
2 4
1 2 3
4 5 6 = 45 + 96 + 84 − (105 + 48 + 72 ) = 0
7 8 9
1 2 3
4 5 6
Definição:
Sendo A um determinante de ordem n, chama-se menor
complementar M ij do elemento aij , ao determinante de
ordem n − 1 que se obtém a partir de A suprimindo a linha
i e a coluna j.
Exemplo:
a22 a23
a11 a12 a13 M 11 = = a22 a33 − a32 a23
a32 a33
A = a21 a22 a23
a11 a13
a31 a32 a33 M 22 = = a11a33 − a31a13
a31 a33
António Carvalho Pedrosa e Lurdes Babo Aula 17 - Álgebra Linear 7
DETERMINANTE DE UMA MATRIZ DE ORDEM n
(n > 1) – CONCEITOS PRELIMINARES
Definição:
Chama-se complemento algébrico Aij do elemento aij , ao
i+ j
produto do menor complementar M ij por ( −1) :
i+ j
Aij = ( −1) M ij
Exemplo:
2+3
1 2 3 A23 = ( −1) M 23
A = −1 −4 −2 1 2
= −1
3 1 0 3 1
= −1(1 − 6 ) = 5
A = ai j
i , j =1,..., n
então
n
j =1
−1 0 2 3
1 2 −1 0
Seja A = . Calcule det(A) usando o
2 0 0 0
1
3 −2
1
desenvolvimento de Laplace segundo a:
(a) primeira coluna
(b) terceira linha
i =1 i =1
1+1 2+1 3+1 4 +1
= ( −1)( −1) M 11 + 1( −1) M 21 + 2 ( −1) M 31 + 1( −1) M 41
2 −1 0 0 2 3 0 2 3 0 2 3
= −1 0 0 0 −1 0 0 0 +2 2 −1 0 −1 2 −1 0
1 3 −2 1 3 −2 1 3 −2 0 0 0
= 0 − 0 + 2 × 29 − 0
= 58
Exemplo:
5 1 7 1 5 7
2 0 9 =− 0 2 9
6 0 5 C ↔C 0 6 5
1 2
2 2 2 2 1 1 1 1 1 1 1 1
6 2 2 4 3 1 1 2 3 1 1 2
= 2 = 24
2 8 8 2 1 4 4 1 1 4 4 1
1 2 3 4
2 4 6 8 1 2 3 4
Exemplo:
1 1 1 1 1 1 1 1
1 2 2 −3 0 1 1 −4
=
1 5 8 −1 0 4 7 −2
l2′ =l2 −l1
2 4 6 8 l3′ =l3 −l1
0 2 4 6
l4′ =l4 − 2 l1
Exemplo:
2 1 1 1
0 5 1 −4
= 2 × 5 × 3 × 10 = 300
0 0 3 −2
0 0 0 10
−1 −1 1
(11) Se A ≠ 0 então A = A =
A
Definição:
Matriz regular é uma matriz que tem inversa e matriz singular
é uma matriz que não tem inversa.
Teorema:
Uma matriz A é regular se e só se A ≠ 0.
1 1 1
Exemplo: A matriz 1 2 3 é regular?
2 4 6
1 1 1 1 1 1 1 1 1
1 2 3 =0 1 2 = 0 1 2 = 0. A matriz é singular
2 4 6 l2′ =l2 −l1 0 2 4 l3' =l3 − 2 l2
0 0 0
l3′ =l3 − 2 l1
António Carvalho Pedrosa e Lurdes Babo Aula 17 - Álgebra Linear 20
MATRIZES REGULARES E SINGULARES – EXEMPLO
k 1 1
Determine k ∈ ℝ de modo que A = 1 k 1 seja regular.
1 1 k
Resolução:
k 1 1 0 1− k 1− k2 0 1 1+ k
A=1 k 1 = 0 k − 1 1 − k = (1 − k )(k − 1) 0 1 −1 =
1 1 k l1′ =l1 −kl3 1 1 k 1 1 k
l2′ =l2 −l3
1 4 1+ k
= −(k − 1) ( −1)
2
=
1 −1
= (k − 1) 2 (2 + k )
A regular ⇔ | A | ≠ 0 ⇔ ( k − 1) 2 (2 + k ) ≠ 0 ⇔ k ≠ 1 ∧ k ≠ −2
1. Calcule os determinantes:
1 1 −1
2 −1
1.1 1.2 0 2 3
−2 −3
2 −1 1
Resolução:
2 −1
1.1 = 2 ( −3) − ( −2 )( −1) = −6 − 2 = −8
−2 −3
1 1 −1
1.2 0 2 3 = 1× 2 × 1 + 0 + 2 ×1× 3 −
2 −1 1 − ( 2 × 2 × ( −1) + 1 × ( −1) × 3 + 0 ) = 15
1 1 −1
0 2 3
António Carvalho Pedrosa e Lurdes Babo Aula 17 - Álgebra Linear 22
EXERCÍCIOS
Resolução (cont.):
2 0 2 0
0 2 0
2 4 0 −2
2.2 = −1( −1) 4
5
0 −2
1 −3 2 1
−3 2 1
−1 0 0 0
3 4 −2
= 2 ( −1) = −2 ( 4 − 6 )
−3 1
=4
x 0 0 0
3. Mostre que
0 0 0 x 4
=x
0 x 0 0
0 0 x 0
Resolução:
x 0 0 0
0 0 x
0 0 0 x 2 4 x 0
= x ( −1) x 0 0 = x x ( −1) 2 2
=x x =x 4
0 x 0 0 0 x
0 x 0
0 0 x 0
0 1 4 3 −6 4
4.1 2 1 8 =0 4.2 2 −4 0 = 0
0 0 0 3 −6 5
3 1 4 3 1 4 3 2 7
4.3 2 1 0 = 0 4.4 2 5 6=1 5 0
3 1 4 7 0 0 4 6 0
Resolução:
x y z
5. Sabendo que 2 1 0 = 2, qual o valor de:
3 1 4
x y z 3x 3 y 3z
5.1 3 1 4 5.2 6 3 0
2 1 0 9 3 12
x y z 2 x + 2 2 y + 1 8z
5.3 2 x + 2 2 y + 1 2z 5.4 2 1 0
x−3 y −1 z−4 3 1 16
António Carvalho Pedrosa e Lurdes Babo Aula 17 - Álgebra Linear 28
EXERCÍCIOS
Resolução:
x y z x y z
5.1 3 1 4 = − 2 1 0 = −2
2 1 0 l ↔l 3 1 4
2 3
3x 3 y 3z x y z
5.2 6 3 0 1 = 33 2 1 0 = 33 × 2 = 54
l1′ = l1
9 3 12 l′ =31 l 3 1 4
2 2
3
1
l3′ = l3
3
2 x + 2 2 y + 1 8z 2x 2 y 8z
5.4 2 1 0 = 2 1 0
3 1 16 l ′ =l −l 3 1 16 l ′ = 1 l
1 1 2 1 1
2
x y 4z x y z
=22 1 0 = 2 × 4 2 1 0 = 8 × 2 = 16
3 1 16 c′ = 1 c 3 1 4
3 3
4
António Carvalho Pedrosa e Lurdes Babo Aula 17 - Álgebra Linear 30
EXERCÍCIOS
6. Considere o determinante
1 0 1 1
1 2 0 −1
∆=
1 −3 2 1
−1 0 0 0
6.1 Aplicando as operações elementares, transforme-o
num determinante de uma matriz triangular.
Resolução:
4 2 −1
| − A B B |= ( −1) A B B
2 T −1 2 T −1
= A B B
2 1
= 2 × 3× = 4
3
A proposição é verdadeira.
● Determinantes
– Matriz Adjunta
– Relação entre a matriz adjunta e a inversa
– Aplicação dos determinantes à resolução de
sistemas – Regra de Cramer
Exemplo: a b
A= ⇒ adj( A ) = ?
c d
2 3
A11 = ( −1) d = d A12 = ( −1) c = −c
3 4
A21 = ( −1) b = −b A22 = ( −1) a = a
T
d −c d −b
adj( A ) = =
− b a − c a
António Carvalho Pedrosa e Lurdes Babo Aula 18- Álgebra Linear 2
RELAÇÃO ENTRE A MATRIZ ADJUNTA E A INVERSA DE
UMA MATRIZ
Teorema:
Se A é uma matriz quadrada tal que A ≠ 0 então
1
−1
A = adj( A)
A
Observação:
Como a adjunta de An×n existe sempre, conclui-se que A tem
inversa se e só se A ≠ 0.
Definição:
Matriz regular é uma matriz que tem inversa e matriz singular
é uma matriz que não tem inversa.
Teorema:
Uma matriz A é regular se e só se A ≠ 0.
1 1 1
Exemplo: A matriz 1 2 3 é regular?
2 4 6
1 1 1 1 1 1 1 1 1
1 2 3 =0 1 2 = 0 1 2 = 0. A matriz é singular
2 4 6 l2′ =l2 −l1 0 2 4 l3' =l3 − 2 l2
0 0 0
l3′ =l3 − 2 l1
António Carvalho Pedrosa e Lurdes Babo Aula 18- Álgebra Linear 4
MATRIZES REGULARES E SINGULARES – EXEMPLO
k 1 1
Determine k ∈ ℝ de modo que A = 1 k 1 seja regular.
1 1 k
Resolução:
k 1 1 0 1− k 1− k2 0 1 1+ k
A=1 k 1 = 0 k − 1 1 − k = (1 − k )(k − 1) 0 1 −1 =
1 1 k l1′ =l1 −kl3 1 1 k 1 1 k
l2′ =l2 −l3
1 4 1+ k
= −(k − 1) ( −1)
2
=
1 −1
= (k − 1) 2 (2 + k )
A regular ⇔ | A | ≠ 0 ⇔ ( k − 1) 2 (2 + k ) ≠ 0 ⇔ k ≠ 1 ∧ k ≠ −2
Definição:
Um sistema de n equações e n incógnitas, representado na
forma matricial por AX = B é um sistema de Cramer se A ≠ 0.
Teorema:
Um sistema de Cramer é possível e determinado.
Exemplo:
x1 − x2 = 3 1 −1 x1 3 1 −1
⇔ = | A |= =3≠0
2 x1 + x2 = 9
2 1 x2 9
2 1
A X B
| A1 | | A2 | | A3 | | An |
x1 = , x2 = , x3 = ,… , xn = ,
| A| | A| | A| | A|
em que Ai é a matriz que se obtém de A substituindo a coluna
i da matriz A (i = 1, 2, 3,…, n) por B.
a11 a12 ⋯ b1 ⋯ a1n
a21 a22 ⋯ b2 ⋯ a2 n
Ai =
⋮ ⋮ ⋮ ⋮
an1 an 2 ⋯ bn ⋯ ann
Coluna i
António Carvalho Pedrosa e Lurdes Babo Aula 18- Álgebra Linear 7
REGRA DE CRAMER – EXEMPLO
x1 − x2 = 3 1 −1 x1 3
⇔ =
2 x1 + x2 = 9 2 1 x2 9
A X B
1 −1
A= = 1+ 2 = 3 ≠ 0
2 1
3 −1 1 3
A1 9 1 3+9 A2 2 9 9−6
x1 = = = =4 x2 = = = =1
A 3 3 A 3 3
S = {( 4,1)}
Definição:
Sistema homogéneo é um sistema em que os termos
independentes são todos nulos.
É representado na forma matricial por AX = O sendo O o
vetor nulo.
− x + y − z = 0
1. y + z = 0
2 x + y + z = 0
− x + y + z = 0
2. y + z = 0
2 x + y + z = 0
Resolução:
− x + y − z = 0
1. y + z = 0 ⇔ AX = O
2 x + y + z = 0
−1 1 −1 −1 2 −1
−1 2 5
A= 0 1 1 = 0 0 1 = 1( −1) =4
2 0
2 1 1 c′ = c − c 2 0 1
2 2 3
⇒ ( x, y, z ) = ( 0, 0,0 ) porque A1 = A2 = A3 = 0
Resolução (cont.):
− x + y + z = 0
2. y + z = 0 ⇔ AX = O
2 x + y + z = 0
−1 1 1
A = 0 1 1 = 0 ⇒ Sistema Possível e Indeterminado
2 1 1
Sendo o sistema homogéneo, podemos ignorar uma das
equações. Escolhendo x, y como incógnitas principais, obtém-se
o sistema de Cramer − x + y = − z −1 1
⇒ A2×2 = = −1 ≠ 0
y = −z 0 1
António Carvalho Pedrosa e Lurdes Babo Aula 18- Álgebra Linear 14
SISTEMAS HOMOGÉNEOS – EXEMPLOS
Resolução (cont.):
− x + y = − z −1 1
⇒ A2×2 = = −1 ≠ 0
y = −z 0 1
−z 1 −1 − z
A1 = =0 A2 = =z
−z 1 0 −z
z
x=0 y= = −z
−1
S = {( 0, − z , z ) : z ∈ ℝ}
Sistema Possível e Indeterminado
(grau de indeterminação = 1)
0 −2 2 2 2 4
1. Seja que A = 1 −2 0 e adj( A ) = x 2 2 . Calcule:
−1 2 −1 0 2 2
1.1 A , aplicando o Teorema de Laplace à coluna j = 1 e
usando a matriz adj( A )
−1
1.2 A
Resolução:
3
1.1
A = ∑ ai1 Ai1
i =1
A = 0 × 2 + 1 × 2 − 1 × 4 = −2
Resolução (cont.):
2 x 0
= 2 2 2
T
1.2 adj( A) = Ai j ⇒ Ai j
i , j =1, 2,3 i , j =1, 2,3
4 2 2
3 1 0
x = A12 = ( −1) M 12 = − =1
−1 −1
2 2 4
A = adj( A) ⇒ A = − 1 2 2
−1 1 −1 1
A 2
0 2 2
1 0 4k 0
k 0 1 0
2. Determine k ∈ ℝ de forma que B = seja
regular. 1 1 k 0
k 2k
3 1
Resolução:
1 0 4k 0
1 0 4k
k 0 1 0 8
B regular ⇔ ≠ 0 ⇔ 2k ( −1) k 0 1 ≠0
1 1 k 0
1 1 k
k 3 1 2k
Resolução (cont.):
1 4k
≠ 0 ⇔ −2k (1 − 4k 2 ) ≠ 0
5
⇔ 2k ( −1)
k 1
1 1
⇔ −2k (1 − 2k )(1 + 2k ) ≠ 0 ⇔ k ≠ 0 ∧ k ≠ ∧ k ≠ −
2 2
1 1
k ∈ ℝ \ − ,0,
2 2
x + y + z = 2
3. Verifique se o sistema x + y + z = 1 é de Cramer e resolva-o.
2 x + 2 z = 3
Resolução:
m = 3 equações e n = 3 incógnitas.
1 1 1 1 1 0
1 1 6
A3×3 = 0 1 1 = 0 1 0 = 2 ( −1) =2≠0
0 1
2 0 2 c′ = c − c 2 0 2
3 3 2
1 2 1 1 1 1
5 1 1
A2 = 0 1 1 = 0 0 1 = ( −1) =1
2 1
2 3 2 c′ = c − c 2 1 2
2 2 3
A1 2
x= = =1
A 2
A2 1 1 1
y= = S = 1, ,
A 2 2 2
A3 1
z= =
A 2
António Carvalho Pedrosa e Lurdes Babo Aula 18- Álgebra Linear 22
EXERCÍCIOS
2 x + y 2 + 2 z + t = 2
4. Usando a regra de Cramer, resolva
2 x + y 2 + 2 z − t = 1
2 x + y 2 + 2 z − t = 3
Resolução:
m = 3 equações e n = 4 incógnitas.
x y z
1 1 1 1 1 0
6 1 1
A3×3 = 0 1 1 = 0 1 0 = ( −1) =1≠ 0
0 1
2 1 2 c′ = c − c 2 0 1
3 3 2
Resolução (cont.):
2 x + y 2 + 2 z + t = 2 2 x + y 2 + 2 z = 2 − t
2 x + y 2 + 2 z − t = 1 ⇔ 2 x + y 2 + 2 z = 1
2 x + y 2 + 2 z − t = 3 2 x + y 2 + 2 z = 3 + t
2−t 1 1 2−t 1 0
6 2−t 1
A1 = 1 1 1 = 1 1 0 = ( −1)
1 1
3 + t 1 2 c′ =c −c 3+t 1 1
3 3 2
A1 = 2 − t − 1 = 1 − t
Resolução (cont.):
1 2−t 1 1 2−t 0
5 1 2−t
A2 = 0 1 1 =0 1 1 = ( −1)
2 3+t
2 3+t 2 c′ =c −c 2 3+t 0
2 2 1
A2 = − ( 3 + t − 4 + 2t ) = 1 − 3t
1 1 2−t 1 1 1− t
1 1− t
4
A3 = 0 1 1 =0 1 0 = ( −1)
2 2+t
2 1 3 + t c′ = c − c 2 1 2+t
3 3 2
A2 = 2 + t − 2 + 2t = 3t
Resolução (cont.):
A1 1 − t
x= = = 1− t
A 1
A2
y= = 1 − 3t
A
A3
z= = 3t
A
S = {(1 − t ,1 − 3t ,3t , t ) : t ∈ ℝ}
Sistema Possível e Indeterminado
(grau de indeterminação = 1)
x + y − z = 0
5. Considere sistema 2 x − y + 2 z = 0, a ∈ ℝ
2 y + ax + z = 0
Resolução:
5.1 O sistema é sempre possível, porque é homogéneo
(termos independentes nulos).
Admite, pelo menos, a solução nula.
1 1 −1
5.2 Sistema possível e determinado ⇔ ∆ = 2 −1 2 ≠ 0
1 1 −1 a 2 1
∆ = 2 −1 2 = −1 − 4 + 2a − a − 4 − 2 = a − 11
a 2 1
∆ ≠ 0 ⇔ a − 11 ≠ 0 ⇔ a ≠ 11
Como o sistema é homogéneo e tem uma única solução,
então a solução é a trivial – solução nula: S = ( 0,0,0 ) { }
António Carvalho Pedrosa e Lurdes Babo Aula 18- Álgebra Linear 28