Escolar Documentos
Profissional Documentos
Cultura Documentos
Unidade 1 – Aula 2
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 1 / 23
Sistemas Lineares e Matrizes
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 2 / 23
Sistemas Lineares e Matrizes
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 2 / 23
Sistemas Lineares e Matrizes
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 2 / 23
Sistemas Lineares e Matrizes
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 2 / 23
Sistemas Lineares e Matrizes
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 2 / 23
Sistemas Lineares e Matrizes
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 2 / 23
Sistemas Lineares e Matrizes
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 2 / 23
Sistemas Lineares e Matrizes
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 2 / 23
Sistemas Lineares e Matrizes
−3 1 2 1 0 0
1 0 0 3 0
A = 0 0 −1 ; B= ; C = 0 1 2
0 0 0 0 1
0 0 0 0 0 1
2 0 0 6 −2 −4
D= 1 0 0 2 ; E = 0 0 1 ; F = 0 0 13
0 0 0 0 0 0
2 1 −3 2 1 7 8 12 −31
0 0 0 2 0 1
√ 0 12 −76
G =0 , H = 0 0 0 0
2 0 0 0
0 0 0 0 0 0 0 4 −1
Notamos que A é linha-equivalente à F
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 3 / 23
Sistemas Lineares e Matrizes
−3 1 2 1 0 0
1 0 0 3 0
A = 0 0 −1 ; B= ; C = 0 1 2
0 0 0 0 1
0 0 0 0 0 1
2 0 0 6 −2 −4
D= 1 0 0 2 ; E = 0 0 1 ; F = 0 0 13
0 0 0 0 0 0
2 1 −3 2 1 7 8 12 −31
0 0 0 2 0 1
√ 0 12 −76
G =0 , H = 0 0 0 0
2 0 0 0
0 0 0 0 0 0 0 4 −1
Notamos que A é linha-equivalente à F
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 3 / 23
Sistemas Lineares e Matrizes
−3 1 2 1 0 0
1 0 0 3 0
A = 0 0 −1 ; B= ; C = 0 1 2
0 0 0 0 1
0 0 0 0 0 1
2 0 0 6 −2 −4
D= 1 0 0 2 ; E = 0 0 1 ; F = 0 0 13
0 0 0 0 0 0
2 1 −3 2 1 7 8 12 −31
0 0 0 2 0 1
√ 0 12 −76
G =0 , H = 0 0 0 0
2 0 0 0
0 0 0 0 0 0 0 4 −1
Notamos que A é linha-equivalente à F
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 3 / 23
Sistemas Lineares e Matrizes
−3 1 2 1 0 0
1 0 0 3 0
A = 0 0 −1 ; B= ; C = 0 1 2
0 0 0 0 1
0 0 0 0 0 1
2 0 0 6 −2 −4
D= 1 0 0 2 ; E = 0 0 1 ; F = 0 0 13
0 0 0 0 0 0
2 1 −3 2 1 7 8 12 −31
0 0 0 2 0 1
√ 0 12 −76
G =0 , H = 0 0 0 0
2 0 0 0
0 0 0 0 0 0 0 4 −1
Notamos que A é linha-equivalente à F
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 3 / 23
Sistemas Lineares e Matrizes
−3 1 2 1 0 0
1 0 0 3 0
A = 0 0 −1 ; B= ; C = 0 1 2
0 0 0 0 1
0 0 0 0 0 1
2 0 0 6 −2 −4
D= 1 0 0 2 ; E = 0 0 1 ; F = 0 0 13
0 0 0 0 0 0
2 1 −3 2 1 7 8 12 −31
0 0 0 2 0 1
√ 0 12 −76
G =0 , H = 0 0 0 0
2 0 0 0
0 0 0 0 0 0 0 4 −1
Notamos que A é linha-equivalente à F
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 3 / 23
Sistemas Lineares e Matrizes
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 5 / 23
Sistemas Lineares e Matrizes
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 5 / 23
Sistemas Lineares e Matrizes
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 5 / 23
Sistemas Lineares e Matrizes
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 5 / 23
Sistemas Lineares e Matrizes
0 0 0 0 0 0
Uma matriz
escalonada L-equivalente
à matriz M é dada por,
1 2 3 0 0 0
0 −7 −2 0 0 0
ME = 0 0
0 0 0 0
0 0 0 0 0 0
Logo, Posto(M) = 2.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 6 / 23
Sistemas Lineares e Matrizes
0 0 0 0 0 0
Uma matriz
escalonada L-equivalente
à matriz M é dada por,
1 2 3 0 0 0
0 −7 −2 0 0 0
ME = 0 0
0 0 0 0
0 0 0 0 0 0
Logo, Posto(M) = 2.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 6 / 23
Sistemas Lineares e Matrizes
0 0 0 0 0 0
Uma matriz
escalonada L-equivalente
à matriz M é dada por,
1 2 3 0 0 0
0 −7 −2 0 0 0
ME = 0 0
0 0 0 0
0 0 0 0 0 0
Logo, Posto(M) = 2.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 6 / 23
Sistemas Lineares e Matrizes
0 0 0 0 0 0
Uma matriz
escalonada L-equivalente
à matriz M é dada por,
1 2 3 0 0 0
0 −7 −2 0 0 0
ME = 0 0
0 0 0 0
0 0 0 0 0 0
Logo, Posto(M) = 2.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 6 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
Teorema de Rouché-Capelli: Consideremos um sistema linear de m
equações a n variáveis (incógnitas) A · X = B, cuja matriz dos
coeficientes A tem posto p e cuja matriz ampliada à tem posto q.
Então:
1. Se p 6= q, o sistema é impossı́vel;
ou seja, o sistema NÃO possui solução
2. Se p = q = n, o sistema é possı́vel e determinado;
ou seja, o sistema possui uma ÚNICA solução
3. Se p = q < n, o sistema é possı́vel e indeterminado, com
grau de liberdade n − p.
ou seja, o sistema possui INFINITAS soluções que dependem
de n − p parâmetros, determinados pelas variáveis livres.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 7 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
2x + y + 3z = 9
−x + 3y + 4z = 19
No sistema S1 =: temos:
x + y + 2z = 7
3x + 2y + 5z = 16
3 2 5 3 2 5 16
Determinar Postos e escalonadas reduzidas de A1 e Ã1 . Obteremos:
1 0 0 1 0 0 −1
0 1 0 0 1 0 2
R(A1 ) =
0 e R(Ã1 ) =
0 1 0 0 1 3
0 0 0 0 0 0 0
Posto(A1 ) = Posto(Ã1 ) = 3 = no de variáveis ⇒ S1 possı́vel e determ.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 8 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
2x + y + 3z = 9
−x + 3y + 4z = 19
No sistema S1 =: temos:
x + y + 2z = 7
3x + 2y + 5z = 16
3 2 5 3 2 5 16
Determinar Postos e escalonadas reduzidas de A1 e Ã1 . Obteremos:
1 0 0 1 0 0 −1
0 1 0 0 1 0 2
R(A1 ) =
0 e R(Ã1 ) =
0 1 0 0 1 3
0 0 0 0 0 0 0
Posto(A1 ) = Posto(Ã1 ) = 3 = no de variáveis ⇒ S1 possı́vel e determ.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 8 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
2x + y + 3z = 9
−x + 3y + 4z = 19
No sistema S1 =: temos:
x + y + 2z = 7
3x + 2y + 5z = 16
3 2 5 3 2 5 16
Determinar Postos e escalonadas reduzidas de A1 e Ã1 . Obteremos:
1 0 0 1 0 0 −1
0 1 0 0 1 0 2
R(A1 ) =
0 e R(Ã1 ) =
0 1 0 0 1 3
0 0 0 0 0 0 0
Posto(A1 ) = Posto(Ã1 ) = 3 = no de variáveis ⇒ S1 possı́vel e determ.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 8 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
2x + y + 3z = 9
−x + 3y + 4z = 19
No sistema S1 =: temos:
x + y + 2z = 7
3x + 2y + 5z = 16
3 2 5 3 2 5 16
Determinar Postos e escalonadas reduzidas de A1 e Ã1 . Obteremos:
1 0 0 1 0 0 −1
0 1 0 0 1 0 2
R(A1 ) =
0 e R(Ã1 ) =
0 1 0 0 1 3
0 0 0 0 0 0 0
Posto(A1 ) = Posto(Ã1 ) = 3 = no de variáveis ⇒ S1 possı́vel e determ.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 8 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
2x + y + 3z = 9
−x + 3y + 4z = 19
No sistema S1 =: temos:
x + y + 2z = 7
3x + 2y + 5z = 16
3 2 5 3 2 5 16
Determinar Postos e escalonadas reduzidas de A1 e Ã1 . Obteremos:
1 0 0 1 0 0 −1
0 1 0 0 1 0 2
R(A1 ) =
0 e R(Ã1 ) =
0 1 0 0 1 3
0 0 0 0 0 0 0
Posto(A1 ) = Posto(Ã1 ) = 3 = no de variáveis ⇒ S1 possı́vel e determ.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 8 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
2x + y + 3z = 9
−x + 3y + 4z = 19
No sistema S1 =: temos:
x + y + 2z = 7
3x + 2y + 5z = 16
3 2 5 3 2 5 16
Determinar Postos e escalonadas reduzidas de A1 e Ã1 . Obteremos:
1 0 0 1 0 0 −1
0 1 0 0 1 0 2
R(A1 ) =
0 e R(Ã1 ) =
0 1 0 0 1 3
0 0 0 0 0 0 0
Posto(A1 ) = Posto(Ã1 ) = 3 = no de variáveis ⇒ S1 possı́vel e determ.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 8 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
2x + y + 3z = 9
−x + 3y + 4z = 19
No sistema S2 : temos:
x + y + 2z = 7
3x + 2y + 5z = 17
3 2 5 3 2 5 17
Escalonando A2 e Ã2 obtemos:
1 0 0 1 0 0 −1
0 1 0 0 1 0 2
R(A2 ) =
0 e R(Ã2 ) =
0 1 0 0 1 3
0 0 0 0 0 0 1
Posto(A2 ) = 3 6= 4 = Posto(Ã2 ) ⇒ S2 é impossı́vel.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 9 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
2x + y + 3z = 9
−x + 3y + 4z = 19
No sistema S2 : temos:
x + y + 2z = 7
3x + 2y + 5z = 17
3 2 5 3 2 5 17
Escalonando A2 e Ã2 obtemos:
1 0 0 1 0 0 −1
0 1 0 0 1 0 2
R(A2 ) =
0 e R(Ã2 ) =
0 1 0 0 1 3
0 0 0 0 0 0 1
Posto(A2 ) = 3 6= 4 = Posto(Ã2 ) ⇒ S2 é impossı́vel.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 9 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
2x + y + 3z = 9
−x + 3y + 4z = 19
No sistema S2 : temos:
x + y + 2z = 7
3x + 2y + 5z = 17
3 2 5 3 2 5 17
Escalonando A2 e Ã2 obtemos:
1 0 0 1 0 0 −1
0 1 0 0 1 0 2
R(A2 ) =
0 e R(Ã2 ) =
0 1 0 0 1 3
0 0 0 0 0 0 1
Posto(A2 ) = 3 6= 4 = Posto(Ã2 ) ⇒ S2 é impossı́vel.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 9 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
2x + y + 3z = 9
−x + 3y + 4z = 19
No sistema S2 : temos:
x + y + 2z = 7
3x + 2y + 5z = 17
3 2 5 3 2 5 17
Escalonando A2 e Ã2 obtemos:
1 0 0 1 0 0 −1
0 1 0 0 1 0 2
R(A2 ) =
0 e R(Ã2 ) =
0 1 0 0 1 3
0 0 0 0 0 0 1
Posto(A2 ) = 3 6= 4 = Posto(Ã2 ) ⇒ S2 é impossı́vel.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 9 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
2x + y + 3z = 9
−x + 3y + 4z = 19
No sistema S2 : temos:
x + y + 2z = 7
3x + 2y + 5z = 17
3 2 5 3 2 5 17
Escalonando A2 e Ã2 obtemos:
1 0 0 1 0 0 −1
0 1 0 0 1 0 2
R(A2 ) =
0 e R(Ã2 ) =
0 1 0 0 1 3
0 0 0 0 0 0 1
Posto(A2 ) = 3 6= 4 = Posto(Ã2 ) ⇒ S2 é impossı́vel.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 9 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
2x + y + 3z = 9
−x + 3y + 4z = 19
No sistema S2 : temos:
x + y + 2z = 7
3x + 2y + 5z = 17
3 2 5 3 2 5 17
Escalonando A2 e Ã2 obtemos:
1 0 0 1 0 0 −1
0 1 0 0 1 0 2
R(A2 ) =
0 e R(Ã2 ) =
0 1 0 0 1 3
0 0 0 0 0 0 1
Posto(A2 ) = 3 6= 4 = Posto(Ã2 ) ⇒ S2 é impossı́vel.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 9 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
x + 5y + 8z = 33
−x + 3y + 4z = 19
No sistema S3 : temos:
x + y + 2z = 7
2x + 6y + 10z = 40
2 6 10 2 6 10 40
Escalonando A3 e Ã3 obtemos:
1 0 1/2 1 0 1/2 1/2
0 1 3/2 0 1 3/2 13/2
R(A3 ) =
0
e R(Ã3 ) =
0 0 0 0 0 0
0 0 0 0 0 0 0
Posto(A3 ) = Posto(Ã3 ) = 2 < 3 = no de variáveis ⇒ S poss. e indet.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 10 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
x + 5y + 8z = 33
−x + 3y + 4z = 19
No sistema S3 : temos:
x + y + 2z = 7
2x + 6y + 10z = 40
2 6 10 2 6 10 40
Escalonando A3 e Ã3 obtemos:
1 0 1/2 1 0 1/2 1/2
0 1 3/2 0 1 3/2 13/2
R(A3 ) =
0
e R(Ã3 ) =
0 0 0 0 0 0
0 0 0 0 0 0 0
Posto(A3 ) = Posto(Ã3 ) = 2 < 3 = no de variáveis ⇒ S poss. e indet.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 10 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
x + 5y + 8z = 33
−x + 3y + 4z = 19
No sistema S3 : temos:
x + y + 2z = 7
2x + 6y + 10z = 40
2 6 10 2 6 10 40
Escalonando A3 e Ã3 obtemos:
1 0 1/2 1 0 1/2 1/2
0 1 3/2 0 1 3/2 13/2
R(A3 ) =
0
e R(Ã3 ) =
0 0 0 0 0 0
0 0 0 0 0 0 0
Posto(A3 ) = Posto(Ã3 ) = 2 < 3 = no de variáveis ⇒ S poss. e indet.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 10 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
x + 5y + 8z = 33
−x + 3y + 4z = 19
No sistema S3 : temos:
x + y + 2z = 7
2x + 6y + 10z = 40
2 6 10 2 6 10 40
Escalonando A3 e Ã3 obtemos:
1 0 1/2 1 0 1/2 1/2
0 1 3/2 0 1 3/2 13/2
R(A3 ) =
0
e R(Ã3 ) =
0 0 0 0 0 0
0 0 0 0 0 0 0
Posto(A3 ) = Posto(Ã3 ) = 2 < 3 = no de variáveis ⇒ S poss. e indet.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 10 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
x + 5y + 8z = 33
−x + 3y + 4z = 19
No sistema S3 : temos:
x + y + 2z = 7
2x + 6y + 10z = 40
2 6 10 2 6 10 40
Escalonando A3 e Ã3 obtemos:
1 0 1/2 1 0 1/2 1/2
0 1 3/2 0 1 3/2 13/2
R(A3 ) =
0
e R(Ã3 ) =
0 0 0 0 0 0
0 0 0 0 0 0 0
Posto(A3 ) = Posto(Ã3 ) = 2 < 3 = no de variáveis ⇒ S poss. e indet.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 10 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
x + 5y + 8z = 33
−x + 3y + 4z = 19
No sistema S3 : temos:
x + y + 2z = 7
2x + 6y + 10z = 40
2 6 10 2 6 10 40
Escalonando A3 e Ã3 obtemos:
1 0 1/2 1 0 1/2 1/2
0 1 3/2 0 1 3/2 13/2
R(A3 ) =
0
e R(Ã3 ) =
0 0 0 0 0 0
0 0 0 0 0 0 0
Posto(A3 ) = Posto(Ã3 ) = 2 < 3 = no de variáveis ⇒ S poss. e indet.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 10 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
Resumindo:
Posto(A1 ) = Posto(Ã1 ) = 3 = no de variáveis de S1 .
Logo, S1 é um sistema possı́vel e determinado. Possui uma única
solução.
Posto(A2 ) = 3 6= 4 = Posto(Ã2 ).
Logo, S2 é um sistema impossı́vel. Não possui nenhuma solução.
Posto(A3 ) = Posto(Ã3 ) = 2 < 3 = no de variáveis de S3 .
Logo, S3 é um sistema possı́vel e indeterminado. Possui infinitas
soluções.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 11 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
Resumindo:
Posto(A1 ) = Posto(Ã1 ) = 3 = no de variáveis de S1 .
Logo, S1 é um sistema possı́vel e determinado. Possui uma única
solução.
Posto(A2 ) = 3 6= 4 = Posto(Ã2 ).
Logo, S2 é um sistema impossı́vel. Não possui nenhuma solução.
Posto(A3 ) = Posto(Ã3 ) = 2 < 3 = no de variáveis de S3 .
Logo, S3 é um sistema possı́vel e indeterminado. Possui infinitas
soluções.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 11 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
Resumindo:
Posto(A1 ) = Posto(Ã1 ) = 3 = no de variáveis de S1 .
Logo, S1 é um sistema possı́vel e determinado. Possui uma única
solução.
Posto(A2 ) = 3 6= 4 = Posto(Ã2 ).
Logo, S2 é um sistema impossı́vel. Não possui nenhuma solução.
Posto(A3 ) = Posto(Ã3 ) = 2 < 3 = no de variáveis de S3 .
Logo, S3 é um sistema possı́vel e indeterminado. Possui infinitas
soluções.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 11 / 23
Sistemas Lineares e Matrizes
Teorema de Rouché-Capelli
Resumindo:
Posto(A1 ) = Posto(Ã1 ) = 3 = no de variáveis de S1 .
Logo, S1 é um sistema possı́vel e determinado. Possui uma única
solução.
Posto(A2 ) = 3 6= 4 = Posto(Ã2 ).
Logo, S2 é um sistema impossı́vel. Não possui nenhuma solução.
Posto(A3 ) = Posto(Ã3 ) = 2 < 3 = no de variáveis de S3 .
Logo, S3 é um sistema possı́vel e indeterminado. Possui infinitas
soluções.
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 11 / 23
Sistemas Lineares e Matrizes
Variáveis livres
1 −3 0 1 0 8 0 −31
0 0 1 0 0 √12 0 −76
Seja A =
0 0
a matriz ampliada de
0 0 1 2 0 0
0 0 0 0 0 0 1 4
um sistema linear S (ou a matriz L-reduzida do sistema).
O sistema S possui 4 equações e 7 incógnitas (variáveis) as quais
chamaremos de x1 , x2 , x3 , x4 , x5 , x6 e x7 :
x 1 − 3x2 + + x4 + 8x6 = −31
x3 + 12x = −76
√ 6
x5 + 2x6 = 0
x7 = 4
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 12 / 23
Sistemas Lineares e Matrizes
Variáveis livres
1 −3 0 1 0 8 0 −31
0 0 1 0 0 √12 0 −76
Seja A =
0 0
a matriz ampliada de
0 0 1 2 0 0
0 0 0 0 0 0 1 4
um sistema linear S (ou a matriz L-reduzida do sistema).
O sistema S possui 4 equações e 7 incógnitas (variáveis) as quais
chamaremos de x1 , x2 , x3 , x4 , x5 , x6 e x7 :
x 1 − 3x2 + + x4 + 8x6 = −31
x3 + 12x = −76
√ 6
x5 + 2x6 = 0
x7 = 4
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 12 / 23
Sistemas Lineares e Matrizes
Variáveis livres
1 −3 0 1 0 8 0 −31
0 0 1 0 0 √12 0 −76
Seja A =
0 0
a matriz ampliada de
0 0 1 2 0 0
0 0 0 0 0 0 1 4
um sistema linear S (ou a matriz L-reduzida do sistema).
O sistema S possui 4 equações e 7 incógnitas (variáveis) as quais
chamaremos de x1 , x2 , x3 , x4 , x5 , x6 e x7 :
x 1 − 3x2 + + x4 + 8x6 = −31
x3 + 12x = −76
√ 6
x5 + 2x6 = 0
x7 = 4
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 12 / 23
Sistemas Lineares e Matrizes
Variáveis livres
1 −3 0 1 0 8 0 −31
0 0 1 0 0 √12 0 −76
Seja A =
0 0
a matriz ampliada de
0 0 1 2 0 0
0 0 0 0 0 0 1 4
um sistema linear S (ou a matriz L-reduzida do sistema).
O sistema S possui 4 equações e 7 incógnitas (variáveis) as quais
chamaremos de x1 , x2 , x3 , x4 , x5 , x6 e x7 :
x 1 − 3x2 + + x4 + 8x6 = −31
x3 + 12x = −76
√ 6
x5 + 2x6 = 0
x7 = 4
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 12 / 23
Sistemas Lineares e Matrizes
Variáveis livres
1 −3 0 1 0 8 0 −31
0 0 1 0 0 √12 0 −76
Seja A =
0 0
a matriz ampliada de
0 0 1 2 0 0
0 0 0 0 0 0 1 4
um sistema linear S (ou a matriz L-reduzida do sistema).
O sistema S possui 4 equações e 7 incógnitas (variáveis) as quais
chamaremos de x1 , x2 , x3 , x4 , x5 , x6 e x7 :
x 1 − 3x2 + + x4 + 8x6 = −31
x3 + 12x = −76
√ 6
x5 + 2x6 = 0
x7 = 4
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 12 / 23
Sistemas Lineares e Matrizes
2 0 1 −1
2 1 −1 2 1 −1
3 2 0 1
= 2 1 1 3 +3 3 0 1 =
1 0 1 3
3 3 −4 1 1 3
3 3 3 −4
1 3 1 −1 1 −1
= 2 2 − +3 +
3 −4 3 −4 1 3
3 1 2 −1
+ 3 − − =
1 3 3 1
= 2(2 · (−13) − (−1) + 3 · 4) + 3(−8 − 5) =
= −65
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 14 / 23
Sistemas Lineares e Matrizes
2 0 1 −1
2 1 −1 2 1 −1
3 2 0 1
= 2 1 1 3 +3 3 0 1 =
1 0 1 3
3 3 −4 1 1 3
3 3 3 −4
1 3 1 −1 1 −1
= 2 2 − +3 +
3 −4 3 −4 1 3
3 1 2 −1
+ 3 − − =
1 3 3 1
= 2(2 · (−13) − (−1) + 3 · 4) + 3(−8 − 5) =
= −65
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 14 / 23
Sistemas Lineares e Matrizes
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 15 / 23
Sistemas Lineares e Matrizes
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 15 / 23
Sistemas Lineares e Matrizes
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 15 / 23
Sistemas Lineares e Matrizes
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 15 / 23
Sistemas Lineares e Matrizes
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 15 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
Uma matriz quadrada M, de ordem n × n, é dita inversı́vel ou
invertı́vel se existe uma matriz quadrada, M −1 , também n × n, tal
que:
1 0 0 ··· 0
0 1 0 · · · 0
M · M −1 = M −1 · M = In = . . .
. . . ..
. . . · · · .
0 0 0 ··· 1
Podemos constatar que uma matriz quadrada M é inversı́vel por um
dos dois critérios abaixo:
1) M é inversı́vel ⇔ det(M) 6= 0
2) M é inversı́vel ⇔ R(M) = In
2 −1 3 1 2 1
Exemplos: Sejam, A = 3 0 1 e B = 3 7 4
4 2 −2 4 −4 −8
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 16 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
Uma matriz quadrada M, de ordem n × n, é dita inversı́vel ou
invertı́vel se existe uma matriz quadrada, M −1 , também n × n, tal
que:
1 0 0 ··· 0
0 1 0 · · · 0
M · M −1 = M −1 · M = In = . . .
. . . ..
. . . · · · .
0 0 0 ··· 1
Podemos constatar que uma matriz quadrada M é inversı́vel por um
dos dois critérios abaixo:
1) M é inversı́vel ⇔ det(M) 6= 0
2) M é inversı́vel ⇔ R(M) = In
2 −1 3 1 2 1
Exemplos: Sejam, A = 3 0 1 e B = 3 7 4
4 2 −2 4 −4 −8
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 16 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
Uma matriz quadrada M, de ordem n × n, é dita inversı́vel ou
invertı́vel se existe uma matriz quadrada, M −1 , também n × n, tal
que:
1 0 0 ··· 0
0 1 0 · · · 0
M · M −1 = M −1 · M = In = . . .
. . . ..
. . . · · · .
0 0 0 ··· 1
Podemos constatar que uma matriz quadrada M é inversı́vel por um
dos dois critérios abaixo:
1) M é inversı́vel ⇔ det(M) 6= 0
2) M é inversı́vel ⇔ R(M) = In
2 −1 3 1 2 1
Exemplos: Sejam, A = 3 0 1 e B = 3 7 4
4 2 −2 4 −4 −8
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 16 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
Uma matriz quadrada M, de ordem n × n, é dita inversı́vel ou
invertı́vel se existe uma matriz quadrada, M −1 , também n × n, tal
que:
1 0 0 ··· 0
0 1 0 · · · 0
M · M −1 = M −1 · M = In = . . .
. . . ..
. . . · · · .
0 0 0 ··· 1
Podemos constatar que uma matriz quadrada M é inversı́vel por um
dos dois critérios abaixo:
1) M é inversı́vel ⇔ det(M) 6= 0
2) M é inversı́vel ⇔ R(M) = In
2 −1 3 1 2 1
Exemplos: Sejam, A = 3 0 1 e B = 3 7 4
4 2 −2 4 −4 −8
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 16 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
1 2 1
|B| = 3 7 4 = (−56+32−12)−(28−48−16) = −36+36 = 0
4 −4 −8
Logo, B não é inversı́vel. (exercı́cio: determine R(B)).
Podemos calcular |A| aplicando transformações elementares de linhas
e de colunas.
2 −1 3 −1 2 3 1 −2 −3
C ↔C (−1)L1 →L1
|A| = 3 0 1 1== 2 − 0 3 1 == 0 3 1
4 2 −2 2 4 −2 2 4 −2
1 −2 −3
(−2)L1 +L3 →L3 3 1
== 0 3 1 =1· = 12 − 8 = 4.
8 4
0 8 4
|A| =
6 0 =⇒ A é inversı́vel.
Problema: Determinar a matriz inversa de A, ou seja, determinar A−1 .
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 17 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
1 2 1
|B| = 3 7 4 = (−56+32−12)−(28−48−16) = −36+36 = 0
4 −4 −8
Logo, B não é inversı́vel. (exercı́cio: determine R(B)).
Podemos calcular |A| aplicando transformações elementares de linhas
e de colunas.
2 −1 3 −1 2 3 1 −2 −3
C ↔C (−1)L1 →L1
|A| = 3 0 1 1== 2 − 0 3 1 == 0 3 1
4 2 −2 2 4 −2 2 4 −2
1 −2 −3
(−2)L1 +L3 →L3 3 1
== 0 3 1 =1· = 12 − 8 = 4.
8 4
0 8 4
|A| =
6 0 =⇒ A é inversı́vel.
Problema: Determinar a matriz inversa de A, ou seja, determinar A−1 .
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 17 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
1 2 1
|B| = 3 7 4 = (−56+32−12)−(28−48−16) = −36+36 = 0
4 −4 −8
Logo, B não é inversı́vel. (exercı́cio: determine R(B)).
Podemos calcular |A| aplicando transformações elementares de linhas
e de colunas.
2 −1 3 −1 2 3 1 −2 −3
C ↔C (−1)L1 →L1
|A| = 3 0 1 1== 2 − 0 3 1 == 0 3 1
4 2 −2 2 4 −2 2 4 −2
1 −2 −3
(−2)L1 +L3 →L3 3 1
== 0 3 1 =1· = 12 − 8 = 4.
8 4
0 8 4
|A| =
6 0 =⇒ A é inversı́vel.
Problema: Determinar a matriz inversa de A, ou seja, determinar A−1 .
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 17 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
2 −1 3
Problema: Determinar a matriz inversa de A = 3 0 1 .
4 2 −2
x1 x2 x3
Procuramos uma matriz X = y1 y2 y3 tal que AX = I , ou seja
z z z
1 2 3
2 −1 3 x1 x2 x3 1 0 0 Observação. Pode ser
3 0 1 y1 y2 y3 = 0 1 0 demonstrado que se
4 2 −2 z1 z2 z3 0 0 1 AX = I então XA = I .
Mas isto é equivalente a resolver três sistemas lineares com mesma
matriz dos coeficientes. Uma matriz estendida abarcando os três
sistemas
lineares simultaneamente
é a matriz
2 −1 3 1 0 0 Vamos escalonar esta matriz levando a matriz
3 0 1 0 1 0 A (à esquerda) à forma reduzida (R(A) = I ).
4 2 −2 0 0 1 Do lado direito teremos a solução X = A−1 .
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 18 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
2 −1 3
Problema: Determinar a matriz inversa de A = 3 0 1 .
4 2 −2
x1 x2 x3
Procuramos uma matriz X = y1 y2 y3 tal que AX = I , ou seja
z z z
1 2 3
2 −1 3 x1 x2 x3 1 0 0 Observação. Pode ser
3 0 1 y1 y2 y3 = 0 1 0 demonstrado que se
4 2 −2 z1 z2 z3 0 0 1 AX = I então XA = I .
Mas isto é equivalente a resolver três sistemas lineares com mesma
matriz dos coeficientes. Uma matriz estendida abarcando os três
sistemas
lineares simultaneamente
é a matriz
2 −1 3 1 0 0 Vamos escalonar esta matriz levando a matriz
3 0 1 0 1 0 A (à esquerda) à forma reduzida (R(A) = I ).
4 2 −2 0 0 1 Do lado direito teremos a solução X = A−1 .
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 18 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
2 −1 3
Problema: Determinar a matriz inversa de A = 3 0 1 .
4 2 −2
x1 x2 x3
Procuramos uma matriz X = y1 y2 y3 tal que AX = I , ou seja
z z z
1 2 3
2 −1 3 x1 x2 x3 1 0 0 Observação. Pode ser
3 0 1 y1 y2 y3 = 0 1 0 demonstrado que se
4 2 −2 z1 z2 z3 0 0 1 AX = I então XA = I .
Mas isto é equivalente a resolver três sistemas lineares com mesma
matriz dos coeficientes. Uma matriz estendida abarcando os três
sistemas
lineares simultaneamente
é a matriz
2 −1 3 1 0 0 Vamos escalonar esta matriz levando a matriz
3 0 1 0 1 0 A (à esquerda) à forma reduzida (R(A) = I ).
4 2 −2 0 0 1 Do lado direito teremos a solução X = A−1 .
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 18 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
2 −1 3 1 0 0
3 0 1 0 1 0
4 2 −2 0 0 1
1 −1/2 3/2 1/2 0 0
(1/2)L1 →L1
−→ 3 0 1 0 1 0
4 2 −2 0 0 1
(−3)L1 +L2 →L2 1 −1/2 3/2 1/2 0 0
(−4)L1 +L3 →L3
−→ 0 3/2 −7/2 −3/2 1 0
0 4 −8 −2 0 1
(2/3)L2 →L2 1 −1/2 3/2 1/2 0 0
(1/4)L3 →L3
−→ 0 1 −7/3 −1 2/3 0
0 1 −2 −1/2 0 1/4
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 19 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
2 −1 3 1 0 0
3 0 1 0 1 0
4 2 −2 0 0 1
1 −1/2 3/2 1/2 0 0
(1/2)L1 →L1
−→ 3 0 1 0 1 0
4 2 −2 0 0 1
(−3)L1 +L2 →L2 1 −1/2 3/2 1/2 0 0
(−4)L1 +L3 →L3
−→ 0 3/2 −7/2 −3/2 1 0
0 4 −8 −2 0 1
(2/3)L2 →L2 1 −1/2 3/2 1/2 0 0
(1/4)L3 →L3
−→ 0 1 −7/3 −1 2/3 0
0 1 −2 −1/2 0 1/4
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 19 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
2 −1 3 1 0 0
3 0 1 0 1 0
4 2 −2 0 0 1
1 −1/2 3/2 1/2 0 0
(1/2)L1 →L1
−→ 3 0 1 0 1 0
4 2 −2 0 0 1
(−3)L1 +L2 →L2 1 −1/2 3/2 1/2 0 0
(−4)L1 +L3 →L3
−→ 0 3/2 −7/2 −3/2 1 0
0 4 −8 −2 0 1
(2/3)L2 →L2 1 −1/2 3/2 1/2 0 0
(1/4)L3 →L3
−→ 0 1 −7/3 −1 2/3 0
0 1 −2 −1/2 0 1/4
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 19 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
1 −1/2 3/2 1/2 0 0
0 1 −7/3 −1 2/3 0
0 1 −2 −1/2 0 1/4
1 −1/2 3/2 1/2 0 0
(−1)L2 +L3 →L3
−→ 0 1 −7/3 −1 2/3 0
0 0 1/3 1/2 −2/3 1/4
1 −1/2 3/2 1/2 0 0
3·L3 →L3
−→ 0 1 −7/3 −1 2/3 0
0 0 1 3/2 −2 3/4
(7/3)L3 +L2 →L2 1 −1/2 0 −7/4 3 −9/8
(−3/2)L3 +L1 →L1
−→ 0 1 0 5/2 −4 7/4
0 0 1 3/2 −2 3/4
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 20 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
1 −1/2 3/2 1/2 0 0
0 1 −7/3 −1 2/3 0
0 1 −2 −1/2 0 1/4
1 −1/2 3/2 1/2 0 0
(−1)L2 +L3 →L3
−→ 0 1 −7/3 −1 2/3 0
0 0 1/3 1/2 −2/3 1/4
1 −1/2 3/2 1/2 0 0
3·L3 →L3
−→ 0 1 −7/3 −1 2/3 0
0 0 1 3/2 −2 3/4
(7/3)L3 +L2 →L2 1 −1/2 0 −7/4 3 −9/8
(−3/2)L3 +L1 →L1
−→ 0 1 0 5/2 −4 7/4
0 0 1 3/2 −2 3/4
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 20 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
1 −1/2 3/2 1/2 0 0
0 1 −7/3 −1 2/3 0
0 1 −2 −1/2 0 1/4
1 −1/2 3/2 1/2 0 0
(−1)L2 +L3 →L3
−→ 0 1 −7/3 −1 2/3 0
0 0 1/3 1/2 −2/3 1/4
1 −1/2 3/2 1/2 0 0
3·L3 →L3
−→ 0 1 −7/3 −1 2/3 0
0 0 1 3/2 −2 3/4
(7/3)L3 +L2 →L2 1 −1/2 0 −7/4 3 −9/8
(−3/2)L3 +L1 →L1
−→ 0 1 0 5/2 −4 7/4
0 0 1 3/2 −2 3/4
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 20 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
1 −1/2 3/2 1/2 0 0
0 1 −7/3 −1 2/3 0
0 1 −2 −1/2 0 1/4
1 −1/2 3/2 1/2 0 0
(−1)L2 +L3 →L3
−→ 0 1 −7/3 −1 2/3 0
0 0 1/3 1/2 −2/3 1/4
1 −1/2 3/2 1/2 0 0
3·L3 →L3
−→ 0 1 −7/3 −1 2/3 0
0 0 1 3/2 −2 3/4
(7/3)L3 +L2 →L2 1 −1/2 0 −7/4 3 −9/8
(−3/2)L3 +L1 →L1
−→ 0 1 0 5/2 −4 7/4
0 0 1 3/2 −2 3/4
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 20 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
−1/2 0 −7/4 3 −9/8
1
0
1 0 5/2 −4 7/4
0 01 3/2 −2 3/4
0 0 −1/2 1 −1/4
1
(1/2)L2 +L1 →L1
−→ 1 0 5/2 −4 7/4
0
0 1 3/2 −2 3/4
0
−1/2 1 −1/4
Logo, X = 5/2 −4 7/4
3/2 −2 3/4
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 21 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
−1/2 0 −7/4 3 −9/8
1
0
1 0 5/2 −4 7/4
0 01 3/2 −2 3/4
0 0 −1/2 1 −1/4
1
(1/2)L2 +L1 →L1
−→ 1 0 5/2 −4 7/4
0
0 1 3/2 −2 3/4
0
−1/2 1 −1/4
Logo, X = 5/2 −4 7/4
3/2 −2 3/4
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 21 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
−1/2 0 −7/4 3 −9/8
1
0
1 0 5/2 −4 7/4
0 01 3/2 −2 3/4
0 0 −1/2 1 −1/4
1
(1/2)L2 +L1 →L1
−→ 1 0 5/2 −4 7/4
0
0 1 3/2 −2 3/4
0
−1/2 1 −1/4
Logo, X = 5/2 −4 7/4
3/2 −2 3/4
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 21 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
−1/2 1 −1/4
X = 5/2 −4 7/4
3/2 −2 3/4
Observamos que
2 −1 3 −1/2 1 −1/4 1 0 0
A·X = 3 0 1 · 5/2 −4 7/4
= 0
1 0
4 2 −2 3/2 −2 3/4 0 0 1
e
−1/2 1 −1/4 2 −1 3 1 0 0
X · A = 5/2 −4 7/4 · 3 0 1 = 0 1 0
3/2 −2 3/4 4 2 −2 0 0 1
ou seja, X = A−1
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 22 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
−1/2 1 −1/4
X = 5/2 −4 7/4
3/2 −2 3/4
Observamos que
2 −1 3 −1/2 1 −1/4 1 0 0
A·X = 3 0 1 · 5/2 −4 7/4
= 0
1 0
4 2 −2 3/2 −2 3/4 0 0 1
e
−1/2 1 −1/4 2 −1 3 1 0 0
X · A = 5/2 −4 7/4 · 3 0 1 = 0 1 0
3/2 −2 3/4 4 2 −2 0 0 1
ou seja, X = A−1
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 22 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
−1/2 1 −1/4
X = 5/2 −4 7/4
3/2 −2 3/4
Observamos que
2 −1 3 −1/2 1 −1/4 1 0 0
A·X = 3 0 1 · 5/2 −4 7/4
= 0
1 0
4 2 −2 3/2 −2 3/4 0 0 1
e
−1/2 1 −1/4 2 −1 3 1 0 0
X · A = 5/2 −4 7/4 · 3 0 1 = 0 1 0
3/2 −2 3/4 4 2 −2 0 0 1
ou seja, X = A−1
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 22 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
−1/2 1 −1/4
X = 5/2 −4 7/4
3/2 −2 3/4
Observamos que
2 −1 3 −1/2 1 −1/4 1 0 0
A·X = 3 0 1 · 5/2 −4 7/4
= 0
1 0
4 2 −2 3/2 −2 3/4 0 0 1
e
−1/2 1 −1/4 2 −1 3 1 0 0
X · A = 5/2 −4 7/4 · 3 0 1 = 0 1 0
3/2 −2 3/4 4 2 −2 0 0 1
ou seja, X = A−1
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 22 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
−1/2 1 −1/4
X = 5/2 −4 7/4
3/2 −2 3/4
Observamos que
2 −1 3 −1/2 1 −1/4 1 0 0
A·X = 3 0 1 · 5/2 −4 7/4
= 0
1 0
4 2 −2 3/2 −2 3/4 0 0 1
e
−1/2 1 −1/4 2 −1 3 1 0 0
X · A = 5/2 −4 7/4 · 3 0 1 = 0 1 0
3/2 −2 3/4 4 2 −2 0 0 1
ou seja, X = A−1
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 22 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
−1/2 1 −1/4
X = 5/2 −4 7/4
3/2 −2 3/4
Observamos que
2 −1 3 −1/2 1 −1/4 1 0 0
A·X = 3 0 1 · 5/2 −4 7/4
= 0
1 0
4 2 −2 3/2 −2 3/4 0 0 1
e
−1/2 1 −1/4 2 −1 3 1 0 0
X · A = 5/2 −4 7/4 · 3 0 1 = 0 1 0
3/2 −2 3/4 4 2 −2 0 0 1
ou seja, X = A−1
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 22 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
Isso vale em geral, ou seja,
Para determinarmos a matriz inversa de uma matriz quadrada M de
ordem n × n:
1 Montamos a matriz M1 , de ordem n × 2n, na qual as primeiras n
colunas são as colunas de M e as restantes n colunas são as colunas da
matriz identidade In ;
2 Escalonamos a matriz M1 até obtermos R(M1 );
3 Se a matriz formada pelas primeiras n colunas de R(M1 ) não for igual
a In então M não é inversı́vel;
4 Se a matriz formada pelas primeiras n colunas de R(M1 ) for igual a In
então M é inversı́vel e M −1 é a matriz formada pela últimas n colunas
de R(M1 ).
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 23 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
Isso vale em geral, ou seja,
Para determinarmos a matriz inversa de uma matriz quadrada M de
ordem n × n:
1 Montamos a matriz M1 , de ordem n × 2n, na qual as primeiras n
colunas são as colunas de M e as restantes n colunas são as colunas da
matriz identidade In ;
2 Escalonamos a matriz M1 até obtermos R(M1 );
3 Se a matriz formada pelas primeiras n colunas de R(M1 ) não for igual
a In então M não é inversı́vel;
4 Se a matriz formada pelas primeiras n colunas de R(M1 ) for igual a In
então M é inversı́vel e M −1 é a matriz formada pela últimas n colunas
de R(M1 ).
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 23 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
Isso vale em geral, ou seja,
Para determinarmos a matriz inversa de uma matriz quadrada M de
ordem n × n:
1 Montamos a matriz M1 , de ordem n × 2n, na qual as primeiras n
colunas são as colunas de M e as restantes n colunas são as colunas da
matriz identidade In ;
2 Escalonamos a matriz M1 até obtermos R(M1 );
3 Se a matriz formada pelas primeiras n colunas de R(M1 ) não for igual
a In então M não é inversı́vel;
4 Se a matriz formada pelas primeiras n colunas de R(M1 ) for igual a In
então M é inversı́vel e M −1 é a matriz formada pela últimas n colunas
de R(M1 ).
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 23 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
Isso vale em geral, ou seja,
Para determinarmos a matriz inversa de uma matriz quadrada M de
ordem n × n:
1 Montamos a matriz M1 , de ordem n × 2n, na qual as primeiras n
colunas são as colunas de M e as restantes n colunas são as colunas da
matriz identidade In ;
2 Escalonamos a matriz M1 até obtermos R(M1 );
3 Se a matriz formada pelas primeiras n colunas de R(M1 ) não for igual
a In então M não é inversı́vel;
4 Se a matriz formada pelas primeiras n colunas de R(M1 ) for igual a In
então M é inversı́vel e M −1 é a matriz formada pela últimas n colunas
de R(M1 ).
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 23 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
Isso vale em geral, ou seja,
Para determinarmos a matriz inversa de uma matriz quadrada M de
ordem n × n:
1 Montamos a matriz M1 , de ordem n × 2n, na qual as primeiras n
colunas são as colunas de M e as restantes n colunas são as colunas da
matriz identidade In ;
2 Escalonamos a matriz M1 até obtermos R(M1 );
3 Se a matriz formada pelas primeiras n colunas de R(M1 ) não for igual
a In então M não é inversı́vel;
4 Se a matriz formada pelas primeiras n colunas de R(M1 ) for igual a In
então M é inversı́vel e M −1 é a matriz formada pela últimas n colunas
de R(M1 ).
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 23 / 23
Sistemas Lineares e Matrizes
Inversão de Matrizes
Isso vale em geral, ou seja,
Para determinarmos a matriz inversa de uma matriz quadrada M de
ordem n × n:
1 Montamos a matriz M1 , de ordem n × 2n, na qual as primeiras n
colunas são as colunas de M e as restantes n colunas são as colunas da
matriz identidade In ;
2 Escalonamos a matriz M1 até obtermos R(M1 );
3 Se a matriz formada pelas primeiras n colunas de R(M1 ) não for igual
a In então M não é inversı́vel;
4 Se a matriz formada pelas primeiras n colunas de R(M1 ) for igual a In
então M é inversı́vel e M −1 é a matriz formada pela últimas n colunas
de R(M1 ).
Slides cedidos p/ Prof. Tomas E. Barros Geometria Analı́tica – 08111-6 – Unidade 1 – Aula 2 23 / 23