teoria alebra linear e geometria analítica
TRANSCRIPT
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
1/374
Álgebra Linear e Geometria Analítica I (M143)
Departamento de MatemáticaFaculdade de CiênciasUniversidade do Porto
Ano lectivo 2014/15
ALGA I(M143) - 2014/2015 0.0 - 1
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
2/374
Programa
1. Sistemas de equações lineares e matrizes
2. Determinantes
3. Espaços vectoriais e aplicações lineares
4. Vectores e valores próprios
5. Produto interno (produto escalar)
LGA I(M143) - 2014/2015 0.0 - 2
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
3/374
Bibliografia
slides das aulas e folhas de exercícios disponíveis na internet
Anton, H., Rorres, C. Elementary Linear Algebra
Monteiro, A. Álgebra Linear e Geometria Analítica Mansfield, L. Linear Algebra with Geometric Applications
Edwards jr. C. H. Elementary linear algebra
http://joshua.smcvt.edu/linearalgebra/
LGA I(M143) - 2014/2015 0.0 - 3
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
4/374
Avaliação
Frequência: os alunos com mais de 4 faltas às aulas TP
ficarão excluídos Pedidos de dispensa: até 15 de Outubro (email para
[email protected], com indicação do nome e do curso) 2 testes obrigatórios, cotados para 4 valores cada um:
primeiro: 27/10, nota mínima 1 valor segundo: 17/12, nota mínima 1 valor mínimo na soma das notas dos testes: 4 valores
Exame final época normal cotado para 12 valores, notamínima 3 valores
Exame da época de recurso, acessível a todos os alunos nãoexcluídos por faltas
Classificações superiores a 16 valores só serão atribuídas apósrealização de uma prova escrita complementar
LGA I(M143) - 2014/2015 0.0 - 4
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
5/374
Sistemas de equações lineares
Sistema de m equações lineares a n incógnitas:
a 11x 1 + a 12x 2 + · · · + a 1nx n = b 1a 21x 1 + a 22x 2 + · · · + a 2nx n = b 2· · ·a m1x 1 + a m2x 2 + · · · + a mnx n = b m
Diz-se que o sistema é homogéneo sse todos os b j são nulos.
(c 1, . . . , c n) é solução do sistema se substituindo cada x j porc j se obtêm igualdades verdadeiras.
Dois sistemas dizem-se equivalentes sse tiverem o mesmoconjunto de soluções.
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 5
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
6/374
Exemplos: sistemas
3x 1 + x 2 − x 3 = 12x 2 + 5x 3 = 7
é um sistema não homógeneo
x 1 − x 2 + 7x 3 = 0x 2 + 5x 4 = 0
é um sistema homogéneo
4x 1 − 3x 2 + x 3 − 1 = 0x 1 − 3x 2 = 0 não é um sistema homogéneo
−2x 1 + x 3 = 5x 42x 2 = 3x 1
é equivalente a −2x 1 + x 3 − 5x 4 = 03x 1 − 2x 2 = 0 , que é um sistema homogéneo.
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 6
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
7/374
Exemplos: soluções de sistemas
(2, 1) é uma solução do sistema
2x 1 + x 2 = 53x 2 = 3x 1 − x 2 = 1
(0, 0) não é uma solução do sistema 2x 1 + x 2 = 53x 2 = 3x 1 − x 2 = 1
Todos os pares (a+1,2a), com a ∈ R são soluções do sistema
2x 1 − x 2 = 2−2x 1 + x 2 = −2
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 7
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
8/374
Exemplos: sistemas equivalentes
Os sistemas
x 1 + x 2 = 32x 1 − x 2 = 3 e
2x 1 + 3x 2 = 5x 1 − x 2 = 2 não são
equivalentes: (2, 1) é solução do primeiro mas não do segundo.
Os sistemas
x 1 = 32x 1 + x 2 = 5
e
x 1 + 3x 2 = 0x 2 = −1 são
equivalentes: (3, −1) é a única solução do primeiro e é a únicasolução do segundo.
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 8
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
9/374
Sistemas (im)possíveis, (in)determinados, homogéneos
Diz-se que um sistema é possível se tiver pelo menos umasolução; caso contrário diz-se que é impossível.
Diz-se que um sistema é possível e determinado se tiver
exactamente uma solução. Diz-se que um sistema é possível e indeterminado se tiver
mais do que uma solução.
Um sistema homogéneo é sempre possível (porquê?); pode ser
determinado ou indeterminado.
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 9
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
10/374
Exemplos: sistemas (im)possíveis, (in)determinados
x 1 + x 2 = 3x 1 + x 2 = 5
é um sistema impossível.
x 1 + x 2 = 5x 2 = 1 é um sistema possível e determinado: a únicasolução é (4, 1).
x 1 − x 2 = 3−2x 1 + 2x 2 = −6 é um sistema possível e indeterminado:
qualquer par da forma (a ,a − 3) é solução do sistema; osistema tem uma infinidade de soluções.
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 10
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
11/374
Matriz de um sistema
Matriz do sistema:
a 11 a 12 · · · a 1n b 1a 21 a 22 · · · a 2n b 2
... ...
... ...
a m1 a m2 · · · a mn b m
Matriz dos coeficientes:
a 11 a 12 · · · a 1na 21 a 22
· · · a 2n
... ... ...a m1 a m2 · · · a mn
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 11
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
12/374
Exemplo: matriz dos coeficientes/ sistema
Para o sistema
x 1 + 3x 2 − 53 x 3 = 72x 1 −
√ 2x 2 + 47 x 3 = 8
x 2 + 5x 3 = 0,
a matriz do sistema é 1 3 −
5
3 72 −√ 2 47 80 1 5 0
e a matriz dos coeficientes é 1 3 −532
−√
2 470 1 5 .
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 12
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
13/374
Exemplo: matriz dos coeficientes/ sistema
Para o sistema
(3 + i )x 1 + 3x 2 − 53 ix 3 = 7 − √ 2 − 3i 2x 1 −
√ 2x 2 + ( 47 − 5i )x 3 = 8
(3 − 5i )x 2 + (7 + 37 i )x 3 = 0,
a matriz do sistema é 3 + i 3 −53 i 7 − √ 2 − 3i 2 −√ 2 47 − 5i 80 3 − 5i 7 + 37 i 0
e a matriz dos coeficientes é 3 + i 3 −53 i
2 −√ 2 4
7 − 5i 0 3 − 5i 7 + 37 i
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 13
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
14/374
Operações que levam a sistemas equivalentes
Se num sistema de equações
se substituir uma equação pelo seu produto por um númerodiferente de zero
se trocar a ordem das equações
se substituir uma equação pela soma dessa equação com oproduto de outra por qualquer número
obtém-se um sistema de equações equivalente.
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 14
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
15/374
Exemplos: operações sobre sistemas
2x + 3y = 5−x + 7y = 1 ⇔
6x + 9y = 15−x + 7y = 1
2x + y − z = 16x + 3y = 7 ⇔ 6x + 3y = 7
2x + y − z = 1
x + 2y = 32x − y = 4 ⇔
x + 2y = 32x − y − 2(x + 2y ) = 4 − 2 × 3
⇔ x + 2y = 3
−5y = −2
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 15
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
16/374
Exemplos: operações sobre linhas de matrizes
O que acontece às matrizes ao efectuar estas operações?
2x + 3y = 5−x + 7y = 1 ⇔ 6x + 9y = 15−x + 7y = 1
2 3 5−1 7 1
↔
6 9 15−1 7 1
Multiplicar a primeira equação por 3 corresponde a multiplicar
a primeira linha da matriz do sistema por 3.
2x + y − z = 16x + 3y = 7
⇔
6x + 3y = 72x + y − z = 1
2 1 −1 16 3 0 7
↔
6 3 0 72 1 −1 1
Trocar duas equações corresponde a trocar duas linhas da
matriz do sistema.
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 16
E l b l h d
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
17/374
Exemplo: operações sobre linhas de matrizes
x + 2y = 32x − y = 4 ⇔
x + 2y = 32x − y − 2(x + 2y ) = 4 − 2 × 3
⇔ x + 2y = 3
−5y =
−2
1 2 32 −1 4
↔
1 2 3
2 − 2 × 1 −1 − 2 × 2 4 − 2 × 3
Subtrair duas vezes a primeira equação à segunda equação
corresponde a subtrair duas vezes a primeira linha da matriz àsegunda.
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 17
O õ l b li h d i
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
18/374
Operações elementares sobre as linhas de uma matriz
Se numa matriz se substituir uma linha pelo seu produto por um número
diferente de zero
se trocar a ordem das linhas
se substituir uma linha pela soma dessa linha com o produtode outra por qualquer número
o sistema correspondente à matriz obtida é equivalente ao sistemacorrespondente à matriz inicial.
Diz-se que duas matrizes são equivalentes por linhas sse uma seobtém da outra por um número finito de operações destes tipos.
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 18
E l i “já l id ”
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
19/374
Exemplos: sistemas “já resolvidos”
Sistemas particularmente simples e respectivas matrizes:
x = 1y = 2z = −3
1 0 0 10 1 0 2
0 0 1 −3
(sistema possível e
determinado)
x = 0y = 00 = 1
1 0 00 1 00 0 1
(sistema impossível) x + z = 3y − z = 5
1 0 1 3
0 1 −1 5 (sistema possível eindeterminado: as soluções são da forma (3 − a , 5 + a , a ), coma ∈ R)
ALGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 19
M t i f d G
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
20/374
Matriz na forma de Gauss
Diz-se que uma matriz está na forma de Gauss sse as condiçõesseguintes se verificam:
a primeira entrada não nula de qualquer linha não nula é 1;
a primeira entrada não nula de qualquer linha não nula está àdireita da primeira entrada não nula de qualquer linha anterior;
em qualquer coluna que contenha a primeira entrada não nulade uma linha, todas as outras entradas são nulas;
se existirem linhas nulas, são as últimas.
ALGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 20
E l t i f d G
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
21/374
Exemplos: matrizes na forma de Gauss
1 0 0 30 1 0 20 0 1 4
está na forma de Gauss.
1 0 1 0 20 1 1 0 30 0 0 1 4
está na forma de Gauss.
0 1 2 0 −30 0 0 1 5
está na forma de Gauss.
1 0 0 30 0 1 00 0 0 0 está na forma de Gauss.
1
√ 3i 0 3 − 7i
0 0 1 12 + 4i 0 0 0 0
está na forma de Gauss.
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 21
Exemplos: sistemas com matrizes na forma de Gauss
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
22/374
Exemplos: sistemas com matrizes na forma de Gauss
Sistemas correspondentes às matrizes anteriores
x = 3
y = 2z = 4
; única solução: (3, 2, 4)
x + z = 2y + z = 3
t = 4
; soluções: (2 − a , 3 − a , a , 4), a ∈ R
y + 2z = −3t = 5
; soluções: (a , −3 − 2b , b , 5), a , b ∈ R
x = 3z = 00 = 0
; soluções: (3, a , 0), a ∈R
x +
√ 3iy = 3 − 7i
z = 12 + 4i ; soluções:
(3
−7i
−
√ 3ia , a , 12 + 4i ), a
∈C
ALGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 22
Exemplos: matrizes não na forma de Gauss
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
23/374
Exemplos: matrizes não na forma de Gauss
3 0 0 20 1 5 40 0 0 6
não está na forma de Gauss.
0 1 0 11 0 0 3
não está na forma de Gauss.
1 0 11 0 1
não está na forma de Gauss.
0 01 1
não está na forma de Gauss.
1 + i 0 00 1 − i 1 + i 0 2 − i 1 + 2i
não está na forma de Gauss.
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 23
Forma de Gauss de uma matriz
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
24/374
Forma de Gauss de uma matriz
Se a matriz de um sistema está na forma de Gauss, então émuito fácil ver quais são as soluções do sistema.
Pode-se mostrar que, dada qualquer matriz M , existe uma
única matriz na forma de Gauss que é equivalente por linhas aM .
A essa matriz chama-se a forma de Gauss de M .
Conclui-se que se duas matrizes na forma de Gauss são
equivalentes por linhas então são iguais.
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 24
Algoritmo para determinar a forma de Gauss de uma matriz
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
25/374
Algoritmo para determinar a forma de Gauss de uma matriz
ALGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 25
Exemplo: determinação da forma de Gauss de uma matriz
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
26/374
Exemplo: determinação da forma de Gauss de uma matriz
1.
x − y + z = 12x − z = 3−x + 3y = 1
1 −1 1 12 0 −1 3
−1 3 0 1
L2 → L2 − 2L1L3
→ L3 + L1
x − y + z = 12y − 3z = 12y + z = 2
1 −1 1 10 2 −3 10 2 1 2
L2 → 12 L2
x − y + z = 1y − 32 z = 122y + z = 2
1 −1 1 10 1 −32 120 2 1 2
L1 → L1 + L2L3 → L3 − 2L2
x − 12 z = 32y − 32 z = 124z = 1
1 0 −
12
32
0 1 −32 120 0 4 1
(continua)LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 26
Exemplo: determinação da forma de Gauss de uma matriz
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
27/374
Exemplo: determinação da forma de Gauss de uma matriz
x −
1
2
z = 3
2y − 32 z = 124z = 1
1 0 −1
2
3
20 1 −32 120 0 4 1
L3 → 14 L3
x − 12 z = 32y −
3
2 z = 1
2z = 14
1 0 −12 320 1 −
3
2
1
20 0 1 14
L1
→ L1 + 12 L3
L2 → L2 + 32 L3
x = 138y = 78z = 14
1 0 0 1380 1 0 780 0 1 14
Sistema possível e determinado; solução: ( 138 , 78 ,
14 )
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 27
Exemplo: determinação da forma de Gauss de uma matriz
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
28/374
Exemplo: determinação da forma de Gauss de uma matriz
2.
x + y − z = 12x + z = 3x −
y + 2z = 2
1 1 −1 12 0 1 31
−1 2 2
L2 → L2 − 2L1L3 → L3 − L1
x + y − z = 1−2y + 3z = 1−2y + 3z = 1
1 1 −1 10 −2 3 10 −2 3 1
L2 → −12 L2
x + y − z = 1y − 32 z = −12−2y + 3z = 1
1 1 −1 10 1 −32 −120 −2 3 1
L1 → L1 − L2L3 → L3 + 2L2
x + 1
2 z = 3
2y − 32 z = −120 = 0
1 0 1
2
3
20 1 −32 −120 0 0 0
Sistema possível e indeterminado; soluções:( 3
2 − 1
2
a ,−
1
2
+ 3
2
a , a ), a ∈R
ALGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 28
Exemplo: determinação da forma de Gauss de uma matriz
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
29/374
Exemplo: determinação da forma de Gauss de uma matriz
3.
3x − 6y + 3z − 3t + 9w = 18t − w = −2x
−2y + 3z
−t + 7w = 8
2x − 4y + 3z − t + 7w = 11
3 −6 3 −3 9 180 0 0 1 −1 −21
−2 3
−1 7 8
2 −4 3 −1 7 11
L1 → 13 L1
x − 2y + z − t + 3w = 6t − w = −2x − 2y + 3z − t + 7w = 82x
−4y + 3z
−t + 7w = 11
1 −2 1 −1 3 60 0 0 1 −1 −21 −2 3 −1 7 82
−4 3
−1 7 11
L3 → L3 − L1L4 → L4 −2L1
x − 2y + z − t + 3w = 6t − w = −22z + 4w = 2z + t + w = −1
1 −2 1 −1 3 60 0 0 1 −1 −20 0 2 0 4 20 0 1 1 1 −1
L2 ↔ L3
x − 2y + z − t + 3w = 62z + 4w = 2t − w = −2z + t + w = −1
1 −2 1 −1 3 60 0 2 0 4 20 0 0 1 −1 −20 0 1 1 1 −1
(continua)ALGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 29
Exemplo: determinação da forma de Gauss de uma matriz
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
30/374
Exemplo: determinação da forma de Gauss de uma matriz
x − 2y + z − t + 3w = 62z + 4w = 2t − w = −2z + t + w = −1
1 −2 1 −1 3 60 0 2 0 4 20 0 0 1 −1 −20 0 1 1 1 −1
L2 → 12 L2
x − 2y + z − t + 3w = 6z + 2w = 1t − w = −2z + t + w = −1
1 −2 1 −1 3 60 0 1 0 2 10 0 0 1 −1 −20 0 1 1 1 −1
L1 → L1 − L2L4 → L4 − L2
x − 2y − t + w = 5z + 2w = 1t − w = −2t − w = −2
1 −2 0 −1 1 50 0 1 0 2 10 0 0 1 −1 −20 0 0 1 −1 −2
L1 → L1 + L3L4 → L4 − L3
x − 2y = 3z + 2w = 1t − w = −20 = 0
1 −2 0 0 0 30 0 1 0 2 10 0 0 1 −1 −20 0 0 0 0 0
Sistema possível e indeterminado; soluções:
(3 + 2a , a , 1 − 2b , −2 + b , b ), a , b ∈R
)ALGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 30
Exemplo: determinação da forma de Gauss de uma matriz
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
31/374
Exemplo: determinação da forma de Gauss de uma matriz
4. x + y + z = 1y −
z = 22x + 4z = 0
1 1 1 10 1
−1 2
2 0 4 0
L3 → L3 − 2L1
x + y + z = 1y − z = 2−2y + 2z = −2
1 1 1 10 1 −1 20 −2 2 −2
L1 → L1 − L2L3
→ L3 + 2L2
x + 2z = −1y − z = 20 = 2
1 0 2 −10 1 −1 20 0 0 2
Sistema impossível
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 31
Característica de uma matriz
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
32/374
Chama-se característica de uma matriz ao número de linhasnão nulas da sua forma de Gauss.
A característica de uma matriz é sempre menor ou igual aonúmero de linhas da matriz. (porquê?)
A característica de uma matriz é sempre menor ou igual aonúmero de colunas da matriz. (porquê?)
Se a uma matriz se acrescentarem linhas ou colunas, a matrizobtida tem característica maior ou igual à característica da
matriz original. (porquê?)
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 32
Exemplos: característica
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
33/374
p
matriz forma de Gauss de A característica de A
A = 1 −1 1 1
2 0 −1 3−1 3 0 1 1 0 0 138
0 1 0 7
80 0 1 14
3
A =
1 1 −1 12 0 1 3
1 −1 2 2
1 0
12
32
0 1 −32 −120 0 0 0
2
A =
3 −6 3 −3 9 180 0 0 1 −1 −21 −2 3 −1 7 82 −4 3 −1 7 11
1 −2 0 0 0 30 0 1 0 2 10 0 0 1 −1 −20 0 0 0 0 0
3
A = 1 1 1 1
0 1 −1 22 0 4 0
1 0 2 00 1 −1 00 0 0 1
3
A =
1 0 1 5 −13 0 1 11 −11 0 −1 1 1
5 0 1 17 −1
1 0 0 3 00 0 1 2 −10 0 0 0 0
0 0 0 0 0
2
ALGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 33
Matriz escalonada
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
34/374
Diz-se que uma matriz está escalonada sse as condições seguintesse verificam:
a primeira entrada não nula de qualquer linha não nula está à
direita da primeira entrada não nula de qualquer linha anterior; em qualquer coluna que contenha a primeira entrada não nula
de uma linha, todas as entradas de linhas inferiores são nulas;
se existirem linhas nulas, são as últimas.
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 34
Exemplos: matrizes escalonadas e não escalonadas
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
35/374
p
2 3 1 5 00 0 4 0 2
0 0 0 0 1
está escalonada
1 5 −2 3 0 50 0 2 4 0 0
0 0 0 3 1 −1
está escalonada
2 3 5 22 1 0 00 1 3 0
não está escalonada
0 3 51 0 00 0 0
não está escalonada
ALGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 35
Característica de uma matriz escalonada
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
36/374
Se duas matrizes são equivalentes por linhas, têm a mesmaforma de Gauss, e portanto a mesma característica.
Se uma matriz está escalonada, a sua característica é igual aonúmero de linhas não nulas. (porquê?)
Duas matrizes escalonadas podem ser equivalentes por linhassem serem iguais (exemplo?)
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 36
Exemplos: característica de matrizes escalonadas
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
37/374
car 2 3 1 5 00 0 4 0 20 0 0 0 1
= 3
car
1 5 −2 3 0 50 0 2 4 0 0
0 0 0 3 1 −1
= 3
car
2 0 3 10 5 1 −20 0 0 0
= 2
car 3 5 1 40 0 0 0
0 0 0 0
= 1
ALGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 37
Discussão de sistemas em função da característica
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
38/374
A característica da matriz de um sistema é sempre maior ou
igual à característica da matriz dos coeficientes. (porquê?) Se a característica da matriz de um sistema é maior do que a
característica da matriz dos coeficientes, então o sistema éimpossível. (porquê?)
Se a característica da matriz de um sistema é igual àcaracterística da matriz dos coeficientes e igual ao número deincógnitas então o sistema é possível e determinado.(porquê?)
Se a característica da matriz de um sistema é igual àcaracterística da matriz dos coeficientes e menor do que onúmero de incógnitas então o sistema é possível eindeterminado. (porquê?)
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 38
Exemplos: discussão de sistemas
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
39/374
1.
a
11x + a 12y + a 13z = b 1a 21x + a 22y + a 23z = b 2a 31x + a 32y + a 33z = b 3
Seja A a matriz dos coeficientes e M a matriz do sistema.
Tem-se car A ≤
3 e car M ≤
3.
Se car A = 3, o sistema é possível e determinado.
2.
a 11x + a 12y + a 13z + a 14t = b 1a 21x + a 22y + a 23z + a 24t = b 2
Seja A a matriz dos coeficientes.
Tem-se car A ≤ 2, portanto o sistema não pode ser possível edeterminado; pode ser impossível ou possível e indeterminado.
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 39
Exemplos: discussão de sistemas
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
40/374
3.
x + y + z = 2a x + 2z = 3
y + (a 2
− 5)z = 1A matriz do sistema é
1 1 1 2a 1 0 2 3
0 1 a 2 − 5 1
Usando o algoritmo para determinar a forma de Gauss:
L2 → L2 − L1 1 1 1 2a 0 −1 1 3 − 2a
0 1 a 2 − 5 1
L2 → −L2 1 1 1 2a 0 1
−1 2a
−3
0 1 a 2 − 5 1
L1 → L1 − L2L3
→ L3
−L2
1 0 2 30 1 −1 2a − 30 0 a 2 − 4 4 − 2a
(continua)ALGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 40
Exemplos: discussão de sistemas
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
41/374
1º caso: a 2 − 4 = 0, isto é, a = 2 e a = −2
Continuando o algoritmo:
L3 → 1a2−4 L3
1 0 2 30 1 −1 2a − 3
0 0 1 − 2a+2
L1 → L1 − 2L3L2 → L2 + L3
1 0 0 3a+10
a+2
0 1 0 2a2+a−8a+20 0 1 − 2
a+2
x = 3a+10
a+2
y = 2a2+a−8a+2z = − 2
a+2
A característica da matriz do sistema é 3, a característica da
matriz dos coeficientes é 3 e o número de incógnitas é 3.
Para a ∈ R \ {−2, 2}, o sistema é possível e determinado, e aúnica solução é
3a+10
a+2 , 2a2+a−8
a+2 , − 2a+2
.
(continua)ALGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 41
Exemplos: discussão de sistemas
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
42/374
2º caso: a = 2
Substituindo a por 2 temos a matriz 1 0 2 30 1 −1 10 0 0 0
que está na forma de Gauss e corresponde ao sistema
x + 2z = 3y − z = 10 = 0
.
A característica da matriz do sistema é 2, a característica da
matriz dos coeficientes é 2 e o número de incógnitas é 3.
Para a = 2, o sistema é possível e indeterminado; as soluções são(3 − 2c , 1 + c , c ), c ∈ R.
(continua)ALGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 42
Exemplos: discussão de sistemas
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
43/374
3º caso: a = −2
Substituindo a por −2 temos a matriz
1 0 2 30 1 −1 −70 0 0 8
que corresponde ao sistema
x + 2z = 3y − z = −70 = 8
, obviamente
impossível.
A característica da matriz do sistema é 3, a característica damatriz dos coeficientes é 2.
Para a = −2, o sistema é impossível.
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 43
Exemplos: discussão de sistemas
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
44/374
4.
x + (−1 + i )y + (3 + 2i )z = 1iy + 2z = 0
ix + (−1 − i )y + (a 2
− 2a + 3i )z = a − 1 + 2i A matriz do sistema é
1 −1 + i 3 + 2i 10 i 2 0
i −1 − i a 2 − 2a + 3i a − 1 + 2i
Usando o algoritmo para determinar a forma de Gauss:
L3 → L3 − iL1
1 −1 + i 3 + 2i 10 i 2 00 0 a 2 − 2a + 2 a − 1 + i
L2 → 1i L2 1 −1 + i 3 + 2i 10 1
−2i 0
0 0 a 2 − 2a + 2 a − 1 + i L1 → L1−(−1+i )L2
1 0 1 10 1 −2i 00 0 a 2 − 2a + 2 a − 1 + i
(continua)ALGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 44
Exemplos: discussão de sistemas
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
45/374
1º caso: a 2 − 2a + 2 = 0, isto é, a = 1 + i e a = 1 − i
Continuando o algoritmo:
L3 → 1a2−2a+2 L3 1 0 1 10 1 −2i 0
0 0 1 1a−1−i
L1 → L1 − L3L2 → L2 + 2iL3
1 0 0 a−2−i
a
−1
−i
0 1 0 2i a−1−i 0 0 1 1
a−1−i
x = a−2−i
a
−1
−i
y = 2i a−1−i z = 1
a−1−i
A característica da matriz do sistema é 3, a característica da
matriz dos coeficientes é 3 e o número de incógnitas é 3.
Para a ∈ C \ {1 − i , 1 + i }, o sistema é possível e determinado, e aúnica solução é
a−2+i a−1+i ,
2i a−1+i ,
1a−1+i
.
(continua)
ALGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 45
Exemplos: discussão de sistemas
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
46/374
2º caso: a = 1 − i
Substituindo a por 1 − i temos a matriz 1 0 1 10 1 −2i 00 0 0 0
que está na forma de Gauss e corresponde ao sistema
x + z = 1y − 2iz = 00 = 0
.
A característica da matriz do sistema é 2, a característica da
matriz dos coeficientes é 2 e o número de incógnitas é 3.
Para a = 1 − i , o sistema é possível e indeterminado; as soluçõessão (1 − c , 2ic , c ), c ∈ C.
(continua)ALGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 46
Exemplos: discussão de sistemas
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
47/374
3º caso: a = 1 + i
Substituindo a por 1 + i temos a matriz
1 0 1 10 1 −2i 00 0 0 2i
que corresponde ao sistema x
+ z = 1y − 2iz = 00 = 2i
, obviamente
impossível.
A característica da matriz do sistema é 3, a característica damatriz dos coeficientes é 2.
Para a = 1 + i , o sistema é impossível.
LGA I(M143) - 2014/2015 1.1 Sistemas de equações lineares e matrizes - Resolução de sistemas pelo método de Gauss 47
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
48/374
Matriz transposta: definição
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
49/374
Seja A ∈ M m,n(C), A =
a 11 a 12 · · ·
a 1na 21 a 22 · · · a 2n
... ...
...a m1 a m2 · · · a mn
Chama-se transposta de A à matriz
a 11 a 21
· · · a m1
a 12 a 22 · · · a m2...
... ...
a 1n a 2n · · · a mn
,que se obtém trocando as linhas de A com as colunas.
Notação: At
Se A ∈ M m,n(C) então At ∈ M n,m(C)
LGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 49
Matriz transposta: exemplos
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
50/374
A =
2 14 37 152 −1
, At =
2 4 7 21 3 15 −1
A = 2 + 3i 5 −7 + 2i 1 0 0
0 5 − 76 i √
2 +√
3i
,
At = 2 + 3i 1 0
5 0 5−
7
6
i −7 + 2i 0 √ 2 + √ 3i
LGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 50
Soma de matrizes: definição
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
51/374
Soma de duas matrizes de m linhas e n colunas:
a 11 a 12 · · · a 1na 21 a 22 · · · a 2n
... ...
...
a m1 a m2 · · · a mn
+
b 11 b 12 · · · b 1nb 21 b 22 · · · b 2n
... ...
...
b m1 b m2 · · · b mn
=
a 11 + b 11 a 12 + b 12 · · · a 1n + b 1na 21 + b 21 a 22 + b 22 · · · a 2n + b 2n
... ...
...a m1 + b m1 a m2 + b m2 · · · a mn + b mn
ALGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 51
Exemplos: soma de matrizes
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
52/374
2 1 3 45 3 −2 −12
+
1 −2 0 −52 −1 −35 4
=
3 −1 3 −17 2 −135 72
1 √
30 −23 53
+
2 05 −12 3
=
3 √
35 −35 143
ALGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 52
Produto de um número por uma matriz: definição
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
53/374
Produto de um número por uma matriz:
c
a 11 a 12 · · · a 1na 21 a 22 · · · a 2n... ... ...a m1 a m2 · · · a mn
= ca 11 ca 12 · · · ca 1nca 21 ca 22 · · · ca 2n... ... ...ca m1 ca m2 · · · ca mn
ALGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 53
Exemplos: produto de um número por uma matriz
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
54/374
5 2 1 −30 1 −4 = 10 5 −150 5 −20 −1
2
1 2 3
−2 −3 −45 6 7
=
−12 −1 −321 32 2
−5
2 −3
−7
2
(1 + i )
3 + i 1 − 2i 5 0√
2 +√
3i 52
=
2 + 4i 3 − i 5 + 5i 0√ 2 − √ 3 + (√ 2 + √ 3)i 52 + 52 i
LGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 54
Produto de matrizes
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
55/374
Produto de duas matrizes tais que o número de colunas daprimeira é igual ao número de linhas da segunda (só se define
produto de matrizes neste caso):
a 11 a 12 · · · a 1na 21 a 22 · · · a 2n
... ...
...
a m1 a m2 · · · a mn
·
b 11 b 12 · · · b 1p b 21 b 22 · · · b 2p
... ...
...
b n1 b n2 · · · b np
=
c 11 c 12 · · · c 1p c 21 c 22 · · · c 2p
... ...
...c m1 c m2 · · · c mp
onde c ij = a i 1b 1 j + a i 2b 2 j + a i 3b 3 j + · · · a inb nj =
nk =1
a ik b kj .
ALGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 55
Exemplos: produto de matrizes
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
56/374
1 23 4
5 67 8
=
1 × 5 + 2 × 7 1 × 6 + 2 × 83 × 5 + 4 × 7 3 × 6 + 4 × 8
=
19 2243 50
2 1
−1 30
−5
−4 1
4 1 −27 2 0 =
2 × 4 + 1 × 7 2 × 1 + 1 × 2 2 × (−2) + 1 × 0−1 × 4 + 3 × 7 −1 × 1 + 3 × 2 −1 × (−2) + 3 × 00 × 4 − 5 × 7 0 × 1 − 5 × 2 0 × (−2) − 5 × 0
−4 × 4 + 1 × 7 −4 × 1 + 1 × 2 −4 × (−2) + 1 × 0
=
15 4 −417 5 2
−35 −10 0−9 −2 8
ALGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 56
Produto de matrizes: caso particular
T
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
57/374
Tem-se
a 11 a 12 · · · a 1na 21 a 22 · · · a 2n... ... ...a m1 a m2 · · · a mn
x 1
x 2...x n
= a 11x 1 + a 12x 2 + · · · + a 1nx na 21x 1 + a 22x 2 + · · · + a 2nx n...
a m1x 1 + a m2x 2 + · · · + a mnx n
Portanto o sistema
a 11x 1 + a 12x 2 + · · · + a 1nx n = b 1a 21x 1 + a 22x 2 + · · · + a 2nx n = b 2· · ·a m1x 1 + a m2x 2 + · · · + a mnx n = b m
pode-se escrever na forma AX = B , onde A é a matriz dos
coeficientes, X =
x 1x 2...
x n
, e B =
b 1b 2...
b m
LGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 57
Produto de matrizes
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
58/374
Sejam A ∈ M m,n(C), B ∈ M n,p (C). Sejam B 1, B 2, . . . , B p as colunas de B , isto é,
B = B 1 B 2 · · · B p Então as colunas de AB são AB 1, AB 2, . . . , AB p , isto é,
AB =
AB 1 AB 2 · · · AB p
ALGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 58
Operações com matrizes: propriedades
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
59/374
Para quaisquer matrizes A, B , C , tem-se A + B = B + A (A + B ) + C = A + (B + C ) A(B + C ) = AB + AC (A + B )C = AC + BC (AB )C = A(BC )
desde que A, B , C tenham um número de linhas e colunastais que as operações sejam possíveis.
MAS: em geral AB = BA
Exercício (com bastantes cálculos)mostrar estas propriedades
LGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 59
Exemplo: não comutatividade do produto
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
60/374
1 20 −1
3 −12 1
=
7 1−2 −1
3 −12 1
1 20 −1
= 3 7
2 3
LGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 60
Matriz identidade
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
61/374
Chama-se matriz identidade de ordem n à matriz I n, onde
I n = 1 0 · · · 00 1
· · · 0
... ... ...0 0 · · · 1
, I n ∈ M n,n(R). Para qualquer M ∈ M m,n(C), tem-se I mM = M e MI n = M .
LGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 61
Exemplos: matriz identidade
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
62/374
1 0 00 1 00 0 1
2 1 3 45 0 −2 −67 1 4 3
=
2 1 3 45 0 −2 −67 1 4 3
7 −10 2
−4 53 6
1 00 1
=
7 −10 2
−4 53 6
ALGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 62
Inversa de uma matriz
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
63/374
Diz-se que M ∈ M m,n(C) tem inversa sse existe uma matrizM tal que MM e M M são matrizes identidade (se existir,
tem-se M ∈ M n,m(C); porquê?) Pode-se mostrar que só matrizes quadradas têm inversa (mas
nem todas as matrizes quadradas têm inversa).
Diz-se que M ∈ M n,n(C) é singular sse não tem inversa. Se uma matriz tiver inversa, essa inversa é única; se existir,
designa-se por M −1 a inversa de M . Pode-se mostrar que se M , M ∈ M n,n(C) e MM = I n ou
M M = I n, então M é inversa de M .
Se M ∈ M n,n(C), então M tem inversa sse car M = n.ExercícioDar exemplo de m, n ∈ N, M ∈ M m,n(R) e M ∈ M n,m(R) tais que MM = I m mas M M
= I n.
LGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 63
Demonstração da unicidade da inversa
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
64/374
Suponhamos que M e M são inversas da matriz M ∈ M m,n(C). M (MM ) = M I m = M
(M M )M = I nM = M Pela associatividade do produto, M (MM ) = (M M )M . Portanto M = M .
LGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 64
Demonstração de que M tem inversa ⇔ carM = n
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
65/374
Usar-se-á a seguinte propriedade não demonstrada: se
M , M ∈ M n,n(C) e MM = I n, então M é inversa de M .Seja M ∈ M n,n(C).
M tem inversa sse existe a 11 a 12 · · · a 1na 21 a 22
· · · a 2n
... ... ...a n1 a n2 · · · a nn
tal que
M
a 11 a 12 · · · a 1na 21 a 22
· · · a 2n
... ... ...a n1 a n2 · · · a nn
= I n.
ALGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 65
Demonstração de que M tem inversa ⇔ carM = n (cont)É o mesmo que dizer que existem
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
66/374
a 11, a 12, . . . , a 1n, a 21, a 22, . . . , a 2n, . . . , a n1, a n2, . . . , a nn
tais que M
a 11a 21
...a n1
=
10...0
, M
a 12a 22...
a n2
=
01...0
, . . . ,
M a 1na
2n...a nn
= 00...1
ou seja que os sistemas
M
x 1x 2...
x n
=
10...0
, M
x 1x 2...
x n
=
01...0
, . . . , M
x 1x 2...
x n
=
00...1
são possíveis.
ALGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 66
Demonstração de que M tem inversa ⇔ carM = n (cont)
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
67/374
Se car M = n, então todas as características das matrizesdestes sistemas são iguais a n (porquê?) logo todos ossistemas são possíveis e determinados (porquê?)
Se car M
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
68/374
3 21 1 1 −2−1 3 = 1 00 1 , 1 −2−1 3
3 21 1
=
1 00 1
, portanto
3 21 1
e
1 −2−1 3 são inversas uma da outra.
3 21 1
−1=
1 −2−1 3
1 −2−1 3 −
1
= 3 2
1 1
LGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 68
Exemplo: matrizes inversas1 1 1
1 −1 0
1 0 0
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
69/374
1 1 10 1 1
0 0 1
1 1 00 1 −1
0 0 1
=
1 0 00 1 0
0 0 1
,
1 −1 00 1 −1
0 0 1
1 1 10 1 1
0 0 1
=
1 0 00 1 0
0 0 1
, portanto
1 1 10 1 10 0 1
e 1 −1 00 1 −10 0 1
são inversas uma da outra.
1 1 10 1 1
0 0 1
−1
=
1 −1 00 1
−1
0 0 1
1 −1 00 1 −10 0 1
−1
=
1 1 10 1 10 0 1
LGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 69
Exemplo: Cálculo da inversa de 1 5
2 3
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
70/374
1 52 3 x y z t = 1 00 1 ⇔ x + 5z y + 5t 2x + 3z 2y + 3t = 1 00 1
⇔
x + 5z = 12x + 3z = 0y + 5t = 0
2y + 3t = 1
⇔
x + 5z = 12x + 3z = 0
e
y + 5t = 02y + 3t = 1
As matrizes dos dois sistemas são 1 5 12 3 0 e 1 5 0
2 3 1 As formas de Gauss são
1 0 −370 1 27
e
1 0 570 1 −17
, que
correspondem a
x = −37z = 27
e
y = 57t = −17
ALGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 70
Exemplo: Cálculo da inversa de 1 5
2 3
1
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
71/374
Então 1 52 3
−1=
−37 572
7 −1
7 .Em vez de calcular separadamente a forma de Gauss das duasmatrizes, é mais simples calcular a forma de Gauss de
1 5 1 0
2 3 0 1 Obtemos
1 0 −37 570 1 27 −17
; a “metade da direita” é a inversa
da matriz inicial.
ALGA I(M143) - 2014/2015 1.2 Sistemas de equações lineares e matrizes - Operações com matrizes 71
Cálculo de inversa pelo método de Gauss
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
72/374
Queremos a inversa de M ∈ M n,n(C), se existir. Consideramos a matriz A =
M I n
Determinamos a forma de Gauss G de A
Se a “metade esquerda” de G for I n, então M tem inversa, e
M −1 é a “metade direita” de G Se a “metade esquerda” de G não for I n, então car M
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
73/374
Seja A
c d
∈ M 2,2(C).
Quando é que A tem inversa?(Quando é que car A = 2?)caso a = 0
L1 → 1a L1
1 b a
c d
L2 → L2 − cL1 1 b a
0 d − bc a
Conclusão: se a = 0, então car A = 2 sse d − bc
a = 0, ou seja,
ad
−bc
= 0
Exercícioverificar que mesmo que a = 0,
car A = 2 ⇔ ad − bc = 0LGA I(M143) - 2014/2015 1.3 Sistemas de equações lineares e matrizes - Determinantes 73
Determinantes de ordem 2
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
74/374
Definição
Se A = a b
c d
, o determinante de A é ad − bc .
Notação: det
a b c d
, det A,
a b c d
, |A|
Temos funções
det : M 2,2(C) −→ CA → det A
det : M 2,2(R) −→ RA → det A
LGA I(M143) - 2014/2015 1.3 Sistemas de equações lineares e matrizes - Determinantes 74
Exemplos: determinantes de ordem 2
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
75/374
det
1 23 4
= −2
det −1 2
3 −6 = 0 det
5 −23 1
= 11
ALGA I(M143) - 2014/2015 1.3 Sistemas de equações lineares e matrizes - Determinantes 75
Determinantes de ordem 2: propriedades
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
76/374
det a + a b
c + c d
= det
a b c d
+ det
a b c d
det
a b + b
c d + d
= det
a b c d
+ det
a b
c d
det
a + a b + b
c d
= det
a b c d
+ det
a b
c d
det a b c + c d + d = det
a b c d + det
a b c d
LGA I(M143) - 2014/2015 1.3 Sistemas de equações lineares e matrizes - Determinantes 76
Exemplos: propriedades dos determinantes
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
77/374
det
1 23 4
= det
1 + 0 20 + 3 4
=
det
1 20 4
+ det
0 23 4
det
1 23 4
= det
1 + 0 0 + 2
3 4
=
det
1 03 4
+ det
0 23 4
LGA I(M143) - 2014/2015 1.3 Sistemas de equações lineares e matrizes - Determinantes 77
Determinantes de ordem 2: propriedades
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
78/374
det ka b kc d = k det a b c d = det a kb c kd det
ka kb
c d
= k det
a b c d
= det
a b kc kd
det b a d c = − det a b c d = det c d a b det I 2 = det
1 00 1
= 1
ExercícioMostrar as propriedades dos determinantes (fazer as contas)
LGA I(M143) - 2014/2015 1.3 Sistemas de equações lineares e matrizes - Determinantes 78
Determinantes de ordem 2: propriedades
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
79/374
Se M tem duas colunas iguais, então det M = 0. Trocando as colunas, o determinante troca de sinal. Mas trocando as colunas, a matriz fica igual, portanto o
determinante é o mesmo. Se troca de sinal e fica igual, é 0.
Se M tem duas linhas iguais, então det M = 0. Se uma coluna de M é múltipla da outra, então det M = 0.
(porquê?)
Se uma linha de M é múltipla da outra, então det M = 0.
(porquê?)
LGA I(M143) - 2014/2015 1.3 Sistemas de equações lineares e matrizes - Determinantes 79
Exemplos: propriedades dos determinantes
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
80/374
det 1 23 4 = det 1 2 × 13 2 × 2 = 2 det 1 13 2 det
1 23 4
= det
1 25 × 35 5 × 45
= 5 det
1 2
35
45
det 2 23 3 = 0 det
1 51 5
= 0
det 1 43 12 = 0
LGA I(M143) - 2014/2015 1.3 Sistemas de equações lineares e matrizes - Determinantes 80
Problema: caracterização do determinante
Exercício (exigindo alguma imaginação)
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
81/374
( )Mostrar que a função determinante é a única função definida em
M 2,2(C) tal que, para quaisquer a , b , c , d , k ∈ C det
a + a b c + c d
= det
a b c d
+ det
a b c d
det a b + b
c d + d = det a b c d + det a b
c d det
ka b kc d
= k det
a b c d
= det
a kb c kd
det b a d c = − det a b c d det I 2 = det
1 00 1
= 1
LGA I(M143) - 2014/2015 1.3 Sistemas de equações lineares e matrizes - Determinantes 81
Determinantes de ordem 2: propriedades
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
82/374
Para qualquer matriz A ∈ M 2,2(C
) tem-se det A = det At
. Para quaisquer matrizes A, A ∈ M 2,2(C), tem-se
det(AA) = det A det A. (exercício) A tem inversa sse det A = 0, e nesse caso det A−1 = 1det A .
basta notar que (det A)(det A−1) = det(AA−1) = det I 2 = 1
car A = 2 sse det A = 0 Se A =
a b c d
e det A = 0, então
A−1 = 1det A d −b −c a (verificar)
LGA I(M143) - 2014/2015 1.3 Sistemas de equações lineares e matrizes - Determinantes 82
Significado geométrico do determinante
Consideremos um referencial ortonormado no plano.
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
83/374
p
Sejam A = a b
c d , u = (a , c ), v = (b , d )
A área do paralelograma definido pelos vectores u e v é igual aomódulo do determinante de A.
ALGA I(M143) - 2014/2015 1 3 Sistemas de equações lineares e matrizes - Determinantes 83
Significado geométrico do determinante - demonstr
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
84/374
Uma demonstração:
A área do paralelograma definido por u e v é igual à área dorectângulo definido por u e w , onde w é a projecção ortogonalde v sobre um vector ortogonal a u .
Um vector ortogonal a u é o vector u = (−c , a ) Então w =
v
|u
u 2 u = (b ,d )
|(−
c ,a)c 2+a2 (−c , a ) = −
bc +ad c 2+a2 (−c , a ).
Portanto w = |−bc +ad c 2+a2 |(−c , a ) = |−bc +ad c 2+a2 |
√ c 2 + a 2
área do rectângulo definido por u e w =
u
w
=√
a 2 + c 2
|−bc +ad
c
2
+a2
|√
c 2 + a 2 = |
ad −
bc |(notação: | designa o produto escalar, u designa a norma, ou
comprimento, do vector u )
LGA I(M143) - 2014/2015 1 3 Sistemas de equações lineares e matrizes - Determinantes 84
Significado geométrico do determinante - demonstr
Outra demonstração:
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
85/374
A área do paralelograma definido por u e v é igual à área do
rectângulo definido por u e w , onde w é a projecção ortogonalde v sobre um vector ortogonal a u .
w v = sen θ =
√ 1 − cos2 θ
cos θ = u |v u v
= ab +cd
√ a2
+c 2
√ b 2
+d 2
1 − cos2 θ = 1 − (ab +cd )2(a2+c 2)(b 2+d 2) = a2d 2+b 2c 2−2abcd (a2+c 2)(b 2+d 2) =
(ad −bc )2(a2+c 2)(b 2+d 2)
sen θ = |ad −bc |√ a
2
+c 2√
b 2
+d 2
área=u w = u v sen θ =√
a 2 + c 2√
b 2 + d 2 |ad −bc |√ a2+c 2
√ b 2+d 2
= |ad − bc |
LGA I(M143) - 2014/2015 1 3 Sistemas de equações lineares e matrizes - Determinantes 85
Exemplos: propriedades dos determinantes
det
1 23 4
= −2 = 0, portanto car
1 23 4
= 2 e
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
86/374
3 4
3 4
1 23 4
tem inversa;
1 23 4
−1= −12
4 −2−3 1
=
−2 1
32 −12
det 5 −23 1
= 11 = 0, portanto car 5 −23 1
= 2 e 5 −23 1
tem inversa;
5 −23 1
−1= 111
1 2
−3 5
=
1
112
11
− 311
511
det
3 −1−6 2
= 0, portanto car
3 −1−6 2
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
87/374
Notação:
A =
C 1 C 2 · · · C n
representa a matriz cujas colunassão C 1, C 2, . . . , C n
L1L2...
Lm
representa a matriz cujas linhas são L1, L2, . . . , Lm
LGA I(M143) - 2014/2015 1 3 Sistemas de equações lineares e matrizes - Determinantes 87
Determinantes de ordem n
ProposiçãoPara cada n ∈ N existe uma única função det : M (C) → C que
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
88/374
Para cada n ∈ N, existe uma única função det : M n,n(C) −→ C que
satisfaz as seguintes propriedades: det
C 1 · · · C j + C j · · · C n
=
det
C 1 · · · C j · · · C n
+ det
C 1 · · · C j · · · C n
,
para quaisquer C 1, . . . , C j , . . . , C n, C j
det C 1 · · · kC j · · · C n =k det
C 1 · · · C j · · · C n
, para quaisquer
C 1, . . . , C j , . . . , C n e qualquer k ∈ C Se a matriz B se obtém da matriz A por troca de duas colunas,
então det B =
−det A
det I n = 1
ExercícioMostrar a partir destas propriedades que se A ∈ M n,n(R), então det A
∈R.
ALGA I(M143) - 2014/2015 1 3 Sistemas de equações lineares e matrizes - Determinantes 88
Determinantes de ordem n: propriedades s/ demonstraçãoPode-se mostrar que:
L1 L1 L1
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
89/374
det
1...Li + Li ...
Ln
= det
1...Li ...
Ln
+ det
1...Li ...
Ln
, para quaisquer
L1, . . . , Li , . . . , Lm, Li
det
L1...
kLi ..
.Ln
= k det
L1...
Li ..
.Ln
, para quaisquer
L1, . . . , Li , . . . , Lm e qualquer k ∈ C Se a matriz B se obtém da matriz A por troca de duas linhas,
então det B = det ALGA I(M143) - 2014/2015 1 3 Sistemas de equações lineares e matrizes - Determinantes 89
Determinantes de ordem n: propriedades s/ demonstração
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
90/374
Pode-se mostrar que, para qualquer A ∈ M n,n(C
),det A = det At
Pode-se mostrar que det(AB ) = det A det B , para quaisquerA, B ∈ M n,n(C)
o que implica que se A tem inversa, então det A = 0; porquê? se A tem inversa, então det A−
1
= 1det A
portanto se car A = n, então det A = 0 A tem inversa ⇔ det A = 0 (será visto depois)
det A = 0 ⇔ car A = n ⇔ A tem inversa
ALGA I(M143) 2014/2015 1 3 Sistemas de equações lineares e matrizes Determinantes 90
Determinantes de ordem n: propriedades
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
91/374
Se uma das colunas de A é múltipla de outra, então det A = 0(caso particular: duas colunas iguais)
Substituindo uma coluna pela sua soma com um múltiplo deoutra coluna, o determinante não é alterado.
Se uma das linhas de A é múltipla de outra, então det A = 0(caso particular: duas linhas iguais)
Substituindo uma linha pela sua soma com um múltiplo deoutra linha, o determinante não é alterado.
LGA I(M143) 2014/2015 1 3 Sistemas de equações lineares e matrizes Determinantes 91
Determinantes de ordem n: demonst. das propriedades
Se uma das colunas de A é múltipla de outra, então det A = 0
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
92/374
Se uma das colunas de A é múltipla de outra, então det A 0
det C 1 . . . C j . . . kC j . . . C n =k det C 1 . . . C j . . . C j . . . C n O determinante da segunda matriz é 0, porque tem duas
colunas iguais (mesmo raciocínio que para matrizes emM 2,2(C))
Substituindo uma coluna pela sua soma com um múltiplo deoutra coluna, o determinante não é alterado. det
C 1 · · · C i + kC j · · · C j · · · C n
=
= det
C 1 · · · C i · · · C j · · · C n
+
det
C 1 · · · kC j · · · C j · · · C n o determinante da segunda parcela é 0, porque uma coluna émúltipla de outra
o raciocínio para as linhas é análogo
LGA I(M143) 2014/2015 1 3 Sistemas de equações lineares e matrizes Determinantes 92
Exemplo: cálculo de determinante
det
1 0 2 00 3 1 1
−1 0 0 2
L3→L3+L1= det
1 0 2 00 3 1 1
0 0 2 2
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
93/374
0 1 1 0 0 1 1 0 C 3→C 3−C 4= det
1 0 2 00 3 0 10 0 0 20 1 1 0
=L2→L2−12
L3= det
1 0 2 00 3 0 00 0 0 20 1 1 0
C 3→C 3−2C 1= det1 0 0 0
0 3 0 00 0 0 20 1 1 0
C 2→C 2−C 3= det1 0 0 0
0 3 0 00 0 0 20 0 1 0
C 3↔C 4= − det
1 0 0 00 3 0 00 0 2 00 0 0 1
= −3det
1 0 0 00 1 0 00 0 2 00 0 0 1
= −3 × 2det
1 0 0 00 1 0 00 0 1 00 0 0 1
= −6det I 4 = −6
ALGA I(M143) 2014/2015 1 3 Sistemas de equações lineares e matrizes Determinantes 93
Caso n = 3
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
94/374
Seja A = a 11 a 12 a 13a 21 a 22 a 23
a 31 a 32 a 33
∈ M 3,3(C).Tem-sedet A =
a 11a 22a 33 +a 21a 32a 13 +a 31a 12a 23−a 31a 22a 13−a 11a 32a 23−a 21a 12a 33
ExercícioMostrar esta igualdade a partir das propriedades de definição do
determinante
LGA I(M143) 2014/2015 1 3 Sistemas de equações lineares e matrizes Determinantes 94
Caso n = 3: regra de Sarrus
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
95/374
Para calcular o determinante de a 11 a 12 a 13a 21 a 22 a 23a 31 a 32 a 33
, escrevemosa 11 a 12 a 13a 21 a 22 a 23a 31 a 32 a 33a 11 a 12 a 13a 21 a 22 a 23
somamos os produtos das três diagonais \
e subtraimos os
produtos das três diagonais /.
ALGA I(M143) 2014/2015 1 3 Sistemas de equações lineares e matrizes Determinantes 95
Exemplo: determinantes de ordem 3
1 0 5
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
96/374
det1 0 5
3 −2 4−1 −3 0 =?
1 0 53 −2 4
−1
−3 0
1 0 53 −2 4
det
1 0 53
−2 4
−1 −3 0
= 1 × (−2) × 0 + 3 × (−3) × 5+
+(−1)×0×4−(−1)×(−2)×5−1×(−3)×4−3×0×0 = −43
ALGA I(M143) 2014/2015 1 3 Sistemas de equações lineares e matrizes Determinantes 96
Notação
Notação: Aij designará a matriz que se obtém da matriz Ali i d li h i l j
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
97/374
eliminando a linha i e a coluna j .
Exemplo: A =
1 2 4 32 1 −1 5
−1 3 5 22 1 2 1
A11 = 1 −1 53 5 2
1 2 1
A23 =
1 2 3−1 3 22 1 1
A42 =
1 4 32 −1 5
−1 5 2
LGA I(M143) 2014/2015 1 3 Sist s d õ s li s t i s D t i t s 97
Determinantes de ordem n: desenvolvimento de Laplace
a 11 · · · a 1n
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
98/374
Seja A = ... ...a n1 · · · a nn
.Pode-se mostrar que
det A = a 11 det A11 − a 21 det A21 + · · · + (−1)n+1a n1 det An1(desenvolvimento de Laplace ao longo da primeira coluna)
det A = a 11 det A11 − a 12 det A12 + · · · + (−1)1+na 1n det A1n(desenvolvimento de Laplace ao longo da primeira linha)
det A =(−1)1+ j a 1 j det A1 j +(−1)2+ j a 2 j det A2 j +· · ·+(−1)n+ j a nj det Anj (desenvolvimento de Laplace ao longo da coluna j )
det A =(−1)i +1a i 1 det Ai 1 + (−1)i +2a i 2 det Ai 2 + · · ·+ (−1)i +na in det Ain(desenvolvimento de Laplace ao longo da linha i )
LGA I(M143) 2014/2015 1 3 Si t d õ li t i D t i t 98
Exemplo: cálculo de determinante
Desenvolvimento de Laplace ao longo da primeira coluna:
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
99/374
p g p
det
1 0 2 00 3 1 1
−1 0 0 20 1 1 0
=
= 1 × det 3 1 10 0 2
1 1 0
− 0 × det 0 2 00 0 21 1 0
+
+(−
1)×
det0 2 03 1 11 1 0 − 0 × det
0 2 03 1 10 0 2
= −4 − 2 = −6
ALGA I(M143) 2014/2015 1 3 Si t d õ li t i D t i t 99
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
100/374
Exemplo: cálculo de determinante
Desenvolvimento de Laplace ao longo da primeira coluna:
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
101/374
Desenvolvimento de Laplace ao longo da primeira coluna:
det
1 2 4 32 1 −1 5
−1 3 5 22 1 2 1
=
= det
1 −1 53 5 21 2 1
− 2det 2 4 33 5 2
1 2 1
+
+(−1) det2 4 3
1 −1 51 2 1 − 2 × det2 4 3
1 −1 53 5 2 = ...
ALGA I(M143) 2014/2015 1 3 Si d õ li i D i 101
Exemplo: cálculo de determinante
Cálculo do mesmo determinante usando algumas propriedades dos
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
102/374
determinantes antes de efectuar o desenvolvimento de Laplace aolongo da primeira coluna:
det1 2 4 3
2 1 −1 5−1 3 5 22 1 2 1
L2 → L2 − 2L1L3 → L3 + L1
L4 → L4 − 2L2=
= det1 2 4 30
−3
−9
−1
0 5 9 50 −3 −6 −5
= det−3 −9 −15 9 5−3 −6 −7
= ...
ALGA I(M143) 2014/2015 1 3 Si d õ li i D i 102
Cálculo da inversa de uma matriz
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
103/374
Se A ∈ M n,n(R) é tal que det A = 0, entãoA−1 =
1det A det A11 − det A21 · · · (−1)n+1 det An1
−det A12 det A22
· · · (
−1)n+2 det An2
... ... ...(−1)1+n det A1n (−1)2+n det A2n · · · det Ann
(Na entrada da linha i , coluna j está (−1)i + j det A ji .)
ALGA I(M143) 2014/2015 1 3 Si d õ li i D i 103
Cálculo da inversa de uma matriz: dem. sucinta
Seja A =1
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
104/374
det A11 − det A21 · · · (−1)
n+1
det An1− det A12 det A22 · · · (−1)n+2 det An2...
... ...
(−1)1+n det A1n (−1)2+n det A2n · · · det Ann
Basta mostrar que A 1det A A = I n, o que equivale a mostrar que
AA =
det A 0 · · · 0
0 det A · · · 0...
...
...
0 0 · · · det A
ALGA I(M143) 2014/2015 1 3 Si d õ li i D i 104
Cálculo da inversa de uma matriz: dem. sucinta (cont)Seja B = AA.
Então b ij =n
k =1
a ik (−1)k + j det A jk =n
k =1
(−1)k + j a ik det A jk n
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
105/374
Para i = j , vem b ii =
nk =1
(−1)k +i a ik det Aik , que é det A (desenvolvimento deLaplace ao longo da linha i ).
Para i = j , vem b ij = det
a 11 a 12 · · · a 1n...
... ...
a i 1 a i 2 · · ·
a in
... ... ...a i 1 a i 2 · · · a in...
... ...
a n1 a n2 · · · a nn
← linha j
← linha i
(desenvolvimento ao longo da linha j )
Então b ij = 0, porque é o determinante de uma matriz com duas linhas iguais.
ExercícioVerificar analogamente que 1det A A
A = I n
ALGA I(M ) / S d l D
Exemplo: cálculo da inversa de uma matriz
A =
1 2 3
−1 0 25 1 0
, det A = −25 = 0
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
106/374
−5 1 0 A−1 = − 125
det A11 − det A21 det A31− det A12 det A22 − det A32det A13 − det A23 det A33
=
− 125
det 0 21 0 − det 2 3
1 0 det 2 3
0 2 − det
−1 2−5 0
det
1 3−5 0
− det
1 3−1 2
det −1 0−5 1 −
det 1 2
−5 1 det
1 2
−1 0
=
= − 125
−2 3 4−10 15 −5
−1 −11 2
( ) / S
Regra de Cramer
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
107/374
Seja A a matriz dos coeficientes do sistema de n equações a nincógnitas
a 11x 1 + a 12x 2 + · · · + a 1nx n = b 1
a 21x 1 + a 22x 2 + · · · + a 2nx n = b 2· · ·a n1x 1 + a n2x 2 + · · · + a nnx n = b n
Se det A = 0, então o sistema é possível e determinado.
( ) /
Regra de Cramer
Na situação anterior, a única solução do sistema é dada porb1 a12 a1n
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
108/374
x 1 =
det
b 1 a 12 · · ·
a 1n... ... ...
b n a n2 · · · a nn
det A ,
x 2 =
deta 11 b 1 · · · a 1n
.
.. .
.. .
..a n1 b n · · · a nn
det A ,
. . .
x n =
deta 11 a 12 · · · b 1
.
.. .
.. .
..a n1 a n2 · · · b n
det A .
Regra de Cramer: demonstração sucinta
Resolver o sistema
a 11x 1 + a 12x 2 + · · · + a 1nx n = b 1a 21x 1 + a 22x 2 + · · · + a 2nx n = b 2
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
109/374
Resolver o sistema · · ·a n1x 1 + a n2x 2 + · · · + a nnx n = b né o mesmo que resolver a equação AX = B , onde A é a matriz dos
coeficientes e B =
b 1
b 2...b n
Como det A
= 0,
AX = B ⇔ A−1AX = A−1B ⇔ X = A−1B
Regra de Cramer: demonstração sucintaA entrada da linha i de A−1B , que é a entrada da linha i de
det A11 − det A21 · · · (−1)n+1 det An1n+2
b 1
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
110/374
1det A
− det A12 det A22 · · · (−1)n+2
det An2... ...
...(−1)1+n det A1n (−1)2+n det A2n · · · det Ann
b 2...b n
é
1det A
nk =1
(−1)i +k b k det Aki
que é
1det A det
a 11 · · · b 1 · · · a 1n...
...
...
a n1 · · · b n · · · a nn
(onde os b k estão na coluna i )ALGA I(M143) - 2014/2015 1.3 Sistemas de equações lineares e matrizes - Determinantes 110
Exemplo: regra de Cramer
2x + 3y = 1
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
111/374
+ 3y5x − y = 3 a matriz dos coeficientes A é
2 35 −1
, e
det A =
−17
= 0, portanto o sistema é possível e determinado
as soluções são dadas por
x = − 117 det
1 33 −1
= 1017
y = −
1
17
det 2 15 3 = − 1
17
LGA I(M143) - 2014/2015 1.3 Sistemas de equações lineares e matrizes - Determinantes 111
Exemplo: regra de Cramer
x − y + 3z = 42x + y + z = −2x − 5y = 1
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
112/374
a matriz dos coeficientes A é
1 −1 32 1 11 −5 0
, edet A = −29 = 0, portanto o sistema é possível e determinado
as soluções são dadas por
x = − 129 det 4 −1 3−2 1 1
1 −5 0
= −4629y =
− 129 det
1 4 32
−2 1
1 1 0
= −
1529
z = − 129 det 1 −1 42 1 −2
1 −5 1
= 4929
ALGA I(M143) - 2014/2015 1.3 Sistemas de equações lineares e matrizes - Determinantes 112
Exemplo de espaço vectorial real - vectores do plano
Vectores no plano com origem em (0, 0)
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
113/374
Soma de vectores Produto de um número real por um vector
ALGA I(M143) - 2014/2015 2.1 Espaços vectoriais reais e complexos - Definição e propriedades 113
Exemplo de espaço vectorial real - R2
2
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
114/374
R
2
= R× R = {(x , y ) : x , y ∈ R} soma de dois elementos de R2:
(x , y ) + (z , t ) = (x + z , y + t )
produto de um número real por um elemento de R2:
a · (x , y ) = (ax , ay )Observação: Dado um referencial do plano, R2 identifica-se com oplano, se para cada ponto do plano considerarmos o par formadopelas suas coordenadas (e com os vectores do plano com origemem (0, 0), de maneira análoga).
LGA I(M143) - 2014/2015 2.1 Espaços vectoriais reais e complexos - Definição e propriedades 114
Exemplo de espaço vectorial real - vectores do espaço
Vectores no espaço com origem em (0, 0, 0)
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
115/374
Soma de vectores Produto de um número real por um vector
ALGA I(M143) - 2014/2015 2.1 Espaços vectoriais reais e complexos - Definição e propriedades 115
Exemplo de espaço vectorial real - R3
3
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
116/374
R
3
= R× R× R = {(x , y , z ) : x , y , z ∈ R} soma de dois elementos de R3:
(x , y , z ) + (t , u , v ) = (x + t , y + u , z + v )
produto de um número real por um elemento de R3:
a · (x ,y
,z ) = (ax
,ay
,az )Observação: Dado um referencial do espaço, R3 identifica-se com
o espaço, se para cada ponto do espaço considerarmos as suas trêscoordenadas (e com os vectores do espaço com origem em(0, 0, 0), de maneira análoga).
ALGA I(M143) - 2014/2015 2.1 Espaços vectoriais reais e complexos - Definição e propriedades 116
Espaço vectorial sobre K: K=
R ou K=
C
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
117/374
K representará R ou C
K = R −→ espaço vectorial real K = C −→ espaço vectorial complexo
LGA I(M143) - 2014/2015 2.1 Espaços vectoriais reais e complexos - Definição e propriedades 117
Operações num conjunto
Vamos considerar dois tipos de operações num conjunto:
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
118/374
# operação interna num conjunto E : associa a cada parordenado de elementos de E um elemento de E (u , v ) → u #v ∈ E exemplos: soma, subtracção, multiplicação em Z,R,C,divisão em R+, composição de funções de R em R
· operação externa envolvendo elementos de K (números):associa a cada par (α, u ) com α ∈ K, u ∈ E , um elemento deE α ∈ K, u ∈ E → α · u ∈ E
exemplos: multiplicação de um número por um vector, por umpolinómio, por uma matriz
LGA I(M143) - 2014/2015 2.1 Espaços vectoriais reais e complexos - Definição e propriedades 118
Espaço vectorial sobre K
Um espaço vectorial sobre K é um tripleto (E , #, ), onde
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
119/374
· E é um conjunto não vazio (a cujos elementos se chamamnormalmente vectores)
# é uma operação interna (normalmente chamada adição) emE : a um par ordenado (u , v ) de elementos de E associa um
elemento u #v de E · é uma operação envolvendo os elementos de K (normalmente
chamada multiplicação por escalares), que a um elemento αde K e um elemento u de E associa um elemento α · u de E
as operações satisfazem determinadas propriedades.
LGA I(M143) - 2014/2015 2.1 Espaços vectoriais reais e complexos - Definição e propriedades 119
Espaço vectorial sobre K - definição
Definição
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
120/374
Seja E um conjunto, # uma operação interna em E, · uma operação externa com os elementos de K; diz-se que (E , #, ·) é um espaço vectorial sobre K sse
1. a operação # é associativa, isto é, para quaisquer u , v , w ∈ E
se tem (u #v )#w = u #(v #w );2. existe elemento neutro para #, isto é, existe 0E ∈ E tal que,para qualquer u ∈ E, se tem 0E #u = u #0E = u;
3. para qualquer u ∈ E existe u ∈ E tal que u #u = u #u = 0E
4. a operação # é comutativa, isto é, para quaisquer u ,
v ∈ E se tem u #v = v #u;
LGA I(M143) - 2014/2015 2.1 Espaços vectoriais reais e complexos - Definição e propriedades 120
Espaços vectoriais reais - definição
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
121/374
5. a operação · é distributiva relativamente a #, isto é, para quaisquer α ∈ K, u , v ∈ E , se tem α · (u #v ) = (α · u )#(α · v );
6. a operação · é distributiva relativamente à adição de escalares,isto é, para quaisquer α, β ∈ K, u ∈ E, se tem(α + β ) · u = (α · u )#(β · u );
7. para quaisquer α, β ∈ K, u ∈ E, se tem (αβ ) · u = α · (β · u )(a esta propriedade chama-se associatividade mista);
8. para qualquer u ∈ E se tem 1 · u = u.
LGA I(M143) - 2014/2015 2.1 Espaços vectoriais reais e complexos - Definição e propriedades 121
Espaços vectoriais: observações e notações
(E , #, ) espaço vectorial sobre K
-
8/18/2019 Teoria Alebra Linear e Geometria Analítica
122/374
(·)
O elemento neutro p