Documente Academic
Documente Profesional
Documente Cultură
UNESC
UNIVERSIDADE DO EXTREMO SUL CATARINENSE
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 2
INTRODUÇÃO
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 3
Tanto a Álgebra Linear como a Geometria Analítica aplicam-se a várias áreas, em especial às
Engenharias. Possibilitam explicar princípios fundamentais e simplificar os cálculos em Engenharia,
Ciência da Computação, Física, Biologia, Matemática, Economia e Estatística. É, portanto relevante e
tem destaque em diversos cursos superiores, na graduação e na pós-graduação.
Muitos dos temas do âmbito da Álgebra Linear fazem parte integrande de planos de estudos
desses cursos já citados. Para Lay4 (1999) a Álgebra Linear (e a Geometria Analítica, como sua
subsidiária) constitui uma das áreas da Matemática com mais vastas e variadas aplicações incluindo
a sua importância para as diversas áreas da própria Matemática – da Análise à Estatística e à
Investigação Operacional – em que temas fundamentais como Cálculo Matricial ou o Cálculo Vetorial
são de utilização constante e cotidiana. É de extrema importância para em seus tópicos mais
avançados, simplificando sua teoria e em geral, para a maior parte da Matemática.
Numa análise comparativa com a Geometria, a Álgebra, como estrutura lógica, têm-se
desenvolvido mais recentemente, principalmente nos últimos 100 anos, com formulação simples,
onde poucos axiomas são suficientes para organizar toda a estrutura da Álgebra. Por sua vez, a
Geometria, desenvolvida inicialmente pelos Gregos a mais de 2.000 anos, está sintetizada nos
“Elementos de Euclides” que formam a base da Geometria Plana e Sólida atual, conservando a
maneira sistemática de analisar as propriedades de pontos, retas, triângulos, círculos e outras
configurações. Têm-se introduzido em estudos recentes, conjuntos de axiomas e postulados que
melhoram sua estrutura lógica, mas o conteúdo da Geometria permanece o mesmo.
Descobriu-se que, essencialmente, toda Geometria pode ser desenvolvida em linguagem
algébrica. Na associação de pontos e retas ao invés da geometria usual, realiza-se operações
algébricas em certos objetos, denominados vetores. Esses vetores obedecem a certas leis algébricas,
similares aos números. Assim, trabalhamos teoremas da geometria através de teoremas da álgebra
dos vetores com ênfase nas equações, identidades e desigualdade em lugar de conceitos
geométricos como, congruência, semelhança e interseção de segmentos.
Os vetores têm papel relevante, não apenas na Matemática, como na aplicação em outras
áreas. O estudo desses vetores, normalmente é feito por meio de dois tratamentos que se
completam: Geométrico e Algébrico. A grande vantagem da abordagem geométrica é de possibilitar
predominantemente a visualização dos conceitos que são apresentados para estudo, o que favorece
seu entendimento que sob o ponto de vista algébrico, são mais formais e abstratos.
Apesar da Álgebra Linear representar um campo abstrato da Matemática, ela tem um grande
número de aplicações dentro e fora da Matemática. Haetinger (2007) cita algumas e afirma que,
apesar de não conseguir abordá-las todas, num curso de Álgebra, o objetivo é que o estudante tome
contato com o que representa o estado da arte desta área. Alguns exemplos5 de aplicações: Jogos de
Estratégia; Distribuição de Temperatura de Equilíbrio; Genética; Crescimento Populacional por Faixa
Etária; Criptografia; Tomografia Computadorizada; etc.
Essa introdução - associando a geometria com a álgebra de vetores - é informal e objetiva formar
uma noção intuitiva da Álgebra. O conteúdo programático de Álgebra Linear foi elaborado, visando
um conhecimento dos conceitos mínimos e indispensáveis, de modo que se possa perceber a inter-
relação entre os mesmos e a sua aplicação conjunta.
Nos temas a serem trabalhados, incluimos a discussão sobre os conceitos teóricos formalmente
instituidos, acompanhados de exemplos e atividades. Os textos são escritos em linguagem simples,
mas com rigor matemático. São apresentados em forma de resumo e de modo algum, dispensam a
pesquisa do acadêmico aos diversos livros didáticos da área. Portanto, para aprofundar seus
conhecimentos, sugerimos como fontes, os livros e links relacionados na bibliografia.
4
LAY, C David. Álgebra Linear e suas aplicações. 2ed. Trad. Ricardo Camelier e Valéria de M. Iório. Rio de Janeiro: LTC, 1999.
5
HAETINGER, Claus. 2007. Disponível em http://ensino.univates.br/~chaet/Algebra_Linear.html . Acesso em Jan 2009.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 4
SUMÁRIO
INTRODUÇÃO............................................................................................................................................................................ 2
I MATRIZES ............................................................................................................................................................................... 6
1 Introdução ...................................................................................................................................................................... 6
2. Definição......................................................................................................................................................................... 6
3. Tipos de Matrizes..................................................................................................................................................... 10
4. Proposições: Igualdade de Matrizes e Matriz Oposta ....................................................................... 12
5. Matriz Transposta.................................................................................................................................................... 12
6. Simetria em Matrizes............................................................................................................................................. 13
Lista 1 de Atividades - Matrizes ...................................................................................................................................... 14
7. Operações com Matrizes ..................................................................................................................................... 16
7.1 Adição e Subtração de matrizes............................................................................................................... 16
7.2 Multiplicação por um escalar ..................................................................................................................... 17
7.3 Multiplicação entre matrizes...................................................................................................................... 18
8. Potência de uma Matriz ....................................................................................................................................... 22
9. Propriedades das Operações com Matrizes.............................................................................................. 23
Lista 2 de Atividades – Operações com Matrizes ............................................................................................................ 24
10. Equivalência de Matrizes .................................................................................................................................. 28
Lista 3 de Atividades – Equivalência de Matrizes/escalonamento................................................................................... 30
II DETERMINANTES E MATRIZES .................................................................................................................................... 32
1 Classe de uma Permutação ................................................................................................................................. 32
2 Determinante de uma matriz ............................................................................................................................. 33
2.1 Determinante de 1ª ordem ......................................................................................................................... 34
2.2 Determinante de 2ª ordem ......................................................................................................................... 34
2.3 Determinante de 3ª ordem: Regra de Sarrus................................................................................... 35
2.4 Determinante de ordem n > 3: Teorema de LAPLACE................................................................. 37
2.5 Processo de triangulação para cálculo de determinante........................................................... 38
3 Propriedades dos determinantes..................................................................................................................... 39
4 Determinante e Matriz Inversa......................................................................................................................... 40
Lista 4 de atividades – Determinantes e Matrizes............................................................................................................ 43
5 Aplicação matemática do conceito de determinantes na geometria .......................................... 46
Lista 5 de atividades - Determinantes .............................................................................................................................. 47
III SISTEMAS DE EQUAÇÕES LINEARES E MATRIZES ............................................................................................ 48
1 Equações Lineares.................................................................................................................................................... 48
2 Sistema de Equações Lineares .......................................................................................................................... 50
2.1 Conceito ................................................................................................................................................................. 50
2.2 Representação Matricial de um Sistema de Equações Lineares ............................................ 50
2.3 Classificação dos Sistemas de Equações Lineares......................................................................... 52
2.4 Equivalência de Sistemas de Equações Lineares............................................................................ 54
2.5 Resolução de Sistemas de Equações Lineares pelo princípio da equivalência:
Método de condensação ou de eliminação de Gauss-Jordan........................................................... 55
2.6 Solução de um sistema de equações lineares pela Regra de Cramer................................. 58
3 Sistema Homogêneo de Equações Lineares: Discussão da solução ............................................ 59
Lista 6 de atividades – Parte I .......................................................................................................................................... 61
Lista 6 de atividades - Parte II ......................................................................................................................................... 61
4 Discussão de um Sistema de Equações Lineares homogênio e não-homogênio.................. 65
Lista 7 de atividades ........................................................................................................................................................ 66
APÊNDICE A...................................................................................................................................................................... 67
Matriz de Co-Fatores e Adjunta Clássica......................................................................................................... 67
Aplicação de Determinante: Adjunta Clássica e Matriz Inversa ........................................................ 67
1 Encontrando a Matriz de Co-fatores .......................................................................................................... 67
2 Encontrando a Matriz Adjunta Clássica.................................................................................................... 68
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 5
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 6
C
CAAPPÍÍTTUULLOO II
MATRIZES, DETERMINANTES E SISTEMAS
A
s Matrizes formam um importante conceito em matemática, de especial uso no estudo de
transformações lineares. Os fundamentos e operações básicas com matrizes, determinantes e
sistemas de equações lineares são importantes no desenvolvimento de conceitos da Álgebra
Linear e portanto, pré-requisito para o estudo da mesma.
I MATRIZES
1 Introdução
F
requentemente nos deparamos com conjuntos de números ou outros objetos matemáticos, que
podem ser tratados em blocos por serem operados essencialmente da mesma maneira. Para
isso, usamos matrizes.
As matrizes são tabelas de números, utilizados como instrumentos de cálculo, surgidas em meados
do século XVII como um novo instrumento que, de início, servia para resolver sistemas lineares.
Dentre as matrizes as que mais uso teve e tem, é a matriz quadrada.
As primeiras concepções sobre matrizes na Matemática, surgiram com o inglês Arthur Cayley (1821-
1895). Sua preocupação vinculava-se na forma e na estrutura em Álgebra. Sob esse aspecto, criou
um modelo considerado referência mas sem a menor idéia de qualquer possível utilidade prática.
Hoje a teoria das matrizes é uma das partes da matemática mais férteis em aplicação: na
Matemática, na Física, na Física Atômica, na Estatística, na Economia, na Engenharia, na
Computação, etc. Várias operações executadas por cérebros eletrônicos são computações por
matrizes. As matrizes são tabelas de números, utilizados como instrumentos de cálculo. Dos eventos
e atividades nos quais somos, direta ou indiretamente, envolvidos no cotidiano, muitos deles podem
ser dispostos em forma de tabela/matrizes.
VVooccêê ssaabbiiaa qquuee::
A geração dos movimentos e deformações que vemos nos efeitos especiais do cinema, da TV, dos
games de computadores e nas visualizações das simulações científicas está baseada na multiplicação
de matrizes 4x4 no caso espacial e 3x3 no caso plano. Nessas aplicações o problema computacional
não está no tamanho das matrizes mas na quantidade delas e na rapidez de processamento das
multiplicações (para que se tenha um movimento realístico).
Em muitas outras aplicações, temos uma situação quase que oposta: uma única matriz é suficiente
mas seu tamanho pode ir a ordem de centenas e mesmo milhares de linhas e colunas. Isso ocorre
normalmente em problemas que envolvem o estudo de campos elétricos, magnéticos, de tensões
elásticas, térmicos, etc, os quais - por um processo de discretização - são reduzidos a um sistema
de equações lineares, cuja matriz tem grande tamanho. Esse tipo de problema é um dos mais
comuns em vários campos da Engenharia. Outra situação que nos leva a nos envolvermos com
matrizes enormes são as associadas a grandes redes de distribuição de energia elétrica, redes de
comunicações, redes de transporte, etc. (SILVEIRA, 1999).
2. Definição
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 7
C
hamamos de matriz de ordem m por n a qualquer quadro ou tabela formada por m x n
elementos (números, polinômios, frações, etc.) dispostos em m linhas e n colunas.
Ou, uma matriz é qualquer tabela formada por números ou outro tipo de objeto matemático
que se pretende operar em bloco, simultaneamente.
Ou, uma matriz é um conjunto ordenado de números e estão associdados a duas dimensões: a
dimensão das linhas e a das colunas. Um importante exemplo prático de matriz surge na
informática: os programas conhecidos como planilhas eletrônicas correspondem a matrizes. Uma
planilha, tal como uma matriz, está dividida em linhas e colunas e, cada célula da planilha
representa um elemento da matriz.
De forma genérica, uma matriz pode ser representada por uma letra maiúscula do alfabeto ou por
seus elementos representativos. Estes elementos são dispostos normalmente entre parênteses ( )
ou entre colchetes [ ] ou duplas barras . Da mesma forma, cada elementos está associado a
dois subíndices que indicam sua posição na matriz.
Assim, podemos dizer que cada elemento de uma mátria A é representado por aij, onde i representa
a linha e j a coluna, onde o elemento a se encontra localizado. A matriz com m linhas e n colunas
possui dimensão mxn (lê-se m por n) e indicamos por Amxn.
Exemplo 1:
2 −1 0
(a) A2x3 = é uma matriz de 2 linhas e 3 colunas onde cada elemento de A ocupa
4 3 − 5
um lugar determinado na matriz. O elemento (-5), por exemplo está na segunda linha (i=2) e
terceira coluna (j=3) que indicamos por a23 = -5. Os demais elementos indicamos por:
a11 = 2 a12 = −1 a13 = 0
a21 = 4 a22 = 3 a23 = −5
1 9
(b) B2x2 = é uma matriz de ordem 2 x 2 ou B = [bij]2x2
i 4
(c) C1x4 = [2 − 2 4 9] é uma matriz de ordem 1 x 4 ou C = [cij]2x2
Exemplo 2: Consideremos a situação-problema de 03 pessoas, candidatas a um emprego e
submetidas a testes. Podemos representar o resultado dos testes num quadro de avaliação:
1º teste 2º teste 3º teste
Teresa 4,0 3,5 1,0
Paulo 5,0 7,3 8,0
Marcos 4,8 7,2 3,0
André 9,0 8,8 6,5
Os números distribuidos na horizontal representam a pessoa avaliada e formam o que
denominamos de linha e, os colocados na vertical representam o grau de aprovação no teste e
são chamados de coluna. A tabela de valores resultante do quadro é denominada matriz e
cada número é chamado de elemento.
Neste exemplo, temos uma tabela/matriz de ordem quatro por três (4 x 3) ou seja, é uma a
matriz com 4 linhas e 3 colunas. Assim, representamos a situação-problema em:
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 8
Para saber a pontuação de André, por exemplo, em 2006, basta procurar o número que fica na
2ª linha e na 3ª coluna da tabela ou da matriz. Temos nesse caso, uma matriz de ordem 3 x 3
ou seja, nossa matriz tem 3 linhas e 3 colunas e indicamos por A3,3. Quando uma matriz tem o
número de linhas igual ao número de colunas, é chamada de matriz quadrada.
Exemplo 4: Vamos avaliar uma outra situação-problema na comparação entre pessoas com
seus respectivos pesos, alturas e idade. Podemos representar no quadro abaixo os valores
encontrados:
Altura(m) Massa(kg) Idade(anos)
Eduardo 1,83 72 18
Fernando 1,75 54 14
Este quadro pode ser representada por uma matriz A de ordem 2 x 3 ou seja com 2 linhas e 3
colunas. As linhas são enumeradas de cima para baixo e as colunas, da esquerda para direita.
3ª coluna
2a coluna COLUNAS
1a coluna
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 9
Resumindo:
1. Algebricamente, usamos letras maiúsculas (A, B, ...) para indicar as matrizes genéricas e
letras minúsculas ou números para indicar os elementos.
4. A representação de uma matriz a partir de uma lei de formação permite calcular o seu número
de elementos e encontrá-los.
Exemplo: Encontre a matriz A = (aij)3x2 sabendo que aij = 2i – 3j.
Resolvendo: A representação abreviada de A = (ai j)3 x 3 indica que A tem ordem 3 x 2 ou seja 3
linhas e 2 colunas. Então m x n = 3 x 2 = 6. Assim, nossa matriz tem 6 elementos e sua
a11 a12
representação genérica é A3x2 = a21 a22 . Logo, para aij = 2i – 3j temos:
a a32
31
⇔ a11 = 2.1 - 3.1 = 2 – 3 = -1
a12 = 2.1 – 3.2 = 2 – 6 = -4 −1 − 4
a21 = 2.2 – 3.1 = 4 – 3 = 1
A matriz procurada é A3x2 = 1 − 2
a22 = 2.2 – 3.2 = 4 – 6 = -2
6 3
a31 = 3.3 – 3.1 = 9 – 3 = 6
a32 = 3.3 – 3.2 = 9 – 6 = 3.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 10
3. Tipos de Matrizes
A
lgumas matrizes, por suas características, recebem denominações especiais. Vamos
conhecer!
4. Matriz Nula ou matriz nula: É a matriz em que todos os elementos são nulos. É representada
0 0 0
por 0m x n. Exemplo: 02x3 =
0 0 0
Exemplo complementar: A tabela a seguir apresenta os preços dos produtos químicos para
tratamento de água P1, P2, P3, P4 das empresas A, B, e C.
P1 P2 P3 P4
A 190 182 204 179
B 191 180 200 177
C 192 181 205 175
Neste exemplo temos uma matriz retangular de ordem 3 x 4, formada por 3 linhas
e 4 colunas.
Os preços da empresa A formam a matriz linha 1x4 indicada por A =
(190 182 204 179) . Idem para os preços das empresas B e C.
Os preços do produto P1, relacionados as empresas A, B e C formam a matriz coluna
190
3x1, indicada por P1= 191 . Idem para os produtos P2, P3 e P4 .
192
5. Matriz Quadrada: Se m = n então a matriz A é denominada matriz quadrada de ordem n
isto é, A é uma matriz que tem um número igual de linhas e colunas. Exemplos:
a11 a12 a13
1 − 3
A3x3= a21 a22 a23 e B2x2= . A é uma matriz quadrada de ordem 3 e B tem ordem 2.
0 4
a31 a32 a33
Os elementos aij da matriz quadrada quando i = j formam a diagonal principal da matriz.
A outra diagonal é chamada diagonal secundária.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 11
Na diagonal principal estão os elementos que têm os dois índices iguais → a11, a22, ... ann
Na diagonal secundária estão os elementos aij tais que i+j = n+1 ou seja, que têm soma dos
índices igual a n+1 → São: a1n, a2(n-1), ... an1.
Note que: Uma Matriz diagonal é simultaneamente triangular superior e triangular inferior. Por
exemplo:
Gol Zafir Passat ou
Uma agência de automóveis efetuou de vendas, a 106 0 0
durante o quatro trimestre: 106 Gols no 1o mês, 45 M1 10 0 0 0 45 0
Zafiras no 2o mês, no último mês foram 20 Passats. 6
0 0 20
Observe, ao lado, a tabela de vendas e a matriz M2 0 45 0
M3 0 0 20
diagonal que é simultaneamente triangular.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 12
a b 1 6
Exemplo 2: Seja A = e B = . A=B se a = 1, b = 6, c = -1 e d = 5.
c d − 1 5
1 − 4 x z − 2
Exemplo 3: Seja A = e B = temos que A = B ou B = A se
2 2 y +1 w
x = 1 x = 1
y +1 = 2 y =1
1 − 4 x z − 2
= ⇔ ⇔
2 2 y +1 w z − 2 = −4 z = −2
w = 2 w = 2
4.2 Toda matriz A tem uma matriz oposta (-A).
Se A = [ aij ] m x n então existe uma matriz oposta de A representada por (-A) de modo que aij
= - aij. A matriz (-A) oposta de A é obtida trocando-se todos os sinais dos elementos de A ou
multiplicando A pelo escalar (-1).
1 − 3 −1 3
Exemplo 1: Se A= então (-A) = .
0 4 0 − 4
1 − 4 −1 4
Exemplo 2: Se A= então B é oposta de A se B =
2 2 − 2 − 2
5. Matriz Transposta
D
ada uma matriz Am,n, chama-se transposta de A a matriz At que se obtem trocando
ordenadamente as linhas pelas colunas.
Ou, a matriz transposta de uma matriz A= [aij], de ordem mxn, é a matriz At, de ordem nxm,
que se obtém escrevendo ordenadamente as linhas de A como colunas ou vice-versa.
−1 − 4
−1 1 6
Exemplo: Se A = então At = 1 − 2
− 4 − 2 3 6 3
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 13
6. Simetria em Matrizes
U
ma matriz qualquer quadrada, pode ser simétrica e anti-simétrica. Observe:
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 14
4i
se i ≠ j (d) D = (dij)3x3, matriz identidade
(c) C=(cij)2x3 com cij = j
2i + j , se i = j
4,0 3,5 1,0
5,7 7,3 8,0
4.Considere a matriz B = . Encontre os valores dos seguintes elementos de B:
4,8 7,2 3,0
9,0 8,8 6,5
a) b11 b) b21 c) b12 d) b32 e) b42 f) b24
5.Uma matriz possui 8 elementos. Quais os tipos possíveis para essa matriz? 1x8, 2x3, 5x7, 4x2,
2x4, 2x6!
6. Quantos elementos tem uma matriz de ordem 4 por 7?
7. Encontre a tabela de carros financiados por uma agência bancária nos meses de junho, julho e
agosto. Represente em matriz e analise: (a) Qual o modelo de carro mais financiado? (b) Em qual
mês houve um maior número de carros financiados. (c) Qual o total de carros financiados pela
agência mensalmente e, ao final dos três meses?
8. Dê exemplo de:
(a) Matriz simétrica S e anti-simétrica S´de ordem 3.
(b) Matriz escalar de ordem 4.
(c) Matriz Identidade de ordem 5.
1 3 x+5 4 1 3 6 4
9. Considere as matrizes retangulares A = eB= .
0 0 2 6 0 0 y−4 6
(d) Determine os valores de x e y de forma que as matrizes A e B sejam iguais;
(b) Encontre At e Bt.
1 2 − 3
10. Determine a matriz oposta de A2x3 = 0 5
2
11. A partir de uma matriz triangular superior de ordem 3, encontre a sua matriz oposta.
12. A partir de uma matriz diagonal de ordem 4, encontre sua transposta.
i − j se i = j
13. Encontre a transposta da matriz A = [aij]3x2 em que aij =
j − i se i ≠ j
14. Para a matriz linha A = [aij]1x3 em que aij =2i-j, prove que (At)t = A.
15. Encontre a matriz diagonal A = [aij] de ordem 3, sabendo que aij = 3i-j. Após, determine a
soma dos elementos da diagonal principal com os elementos da diagonal secundária.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 15
0 2 4 0 − 6 5
x 3 1 encontre os valores de x, y e z para B = At.
16. Para A = − 6 3 y e B =
5 1 2 4 8 z
17. Verifique se a matriz identidade de ordem 3 é simétrica ou anti-simétrica e justifique.
18. Determine uma matriz triangular superior A e uma matriz triangular inferior B de ordem 3,
para aij = i+j e bij = i-j.
1 3 4
19. Considere a matriz A = x 9 y . Para que valores de x, y e z, A é uma matriz simétrica.
z 8 −1
1 0 0
(3) D = 0 1 0 (4) (a) b11=4,0 (b) b12=3,5 (c) b42=8,8 (d) b21=5,7 (e) b31=7,2 (f) b24=não existe;
0 0 1
106 5 2
(5) 1x8, 4x2 e 2x4
(6) 4x7 = 28 elementos (7) 98 45 10 (a) modelo A; (b) mês 07; (c) mês 06 = 113; mês 07 =
115 15 20
153 e mês 08 = 150. Ao final de 3 meses financiaram 416 carros.
2 0 0 0 1 0 0 0 0
106 3 2 0 − 3 − 2
(8)(a) S =
(b) E= 0
2 0 0 (c) I = 0 1 0 0 0 (9a) x=1 e y = 6
; S=
3 45 − 4 3 0 4 0 0 1 0 0
0 0 2 0
2 − 4 20 2 − 4 0 0 0 0 1 0
0 0 0 2
0 0 0 0 1
1
(9b)At=
0 t
B ; (10) (-A)=
−1 −2 3 , (11) A= 2 5 10 , (-A) = − 2 − 5 − 10 (12) D = 2 0 0 0
= Dt.
0 0 0 0
3 − 5 − 2 0 8 13 3 0
0 − 8 − 13
6 2 0 0 18 0 0 − 18 0 0 − 1 0
4 6 0 0 0 7
1 0 0 2 0 0
(1 0 − 1) , At = , (At)t = (1 0 −1) = A (provado) (15) D = 11
a
(13) At 0 − 1 − 2 (14) A = = →
1 0 − 1 0
0 a 0 0 4 0
−1
22
0
0 a33 0 0 6
(2+4+6)+(0+4+0) = 16. (16) x= 2 , y=8 e z=2 ou S={( 2 ,8,2)}; (17) É simétrica pois aij = aji para i ≠ j e não é anti-
2 3 4 0 0 0
simétrica pois aij ≠ 0 para i = j; (18) A = , B = (19) A é simétrica para x=3, y = 8 e z = 4
0 4 5 1 0 0
0 0 6 2 1 0
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 16
D
uas matrizes, A = [aij] e B = [bij], só podem ser adicionadas ou subtraídas se tem a mesma
ordem. Neste caso, a soma (adição) de A com B é uma matriz C = [cij], indica-se por A + B
= C, tal que:
cij = aij + bij
A diferença (subtração) entre duas matrizes A e B, de mesma ordem, é definida pela soma de A
com (-B), indica-se: A + (-B) = A – B, tal que:
Assim, duas matrizes podem ser somadas (ou subtraídas) se e somente se elas possuem a mesma
dimensão a ij = bij
Exemplo 2: A tabela a seguir mostra o número de embalagens em mil, dos modelos C1, C2,
C3 produzidas numa semana pelas industrias A, B e C integrantes de um mesmo grupo
empresarial, numa semana:
C1 C2 C3
A 18 41 17
B 17 52 15
C 25 48 19
18 41 17
A matriz correspondente a produção das embalagens é indicada por P1 = 17 52 15 .
25 48 19
Considerando que a quantidade de embalagens semanais produzidas não se altera, qual o total
de embalagens produzidas pelo grupo, por indústria e por modelo, ao final de duas semanas?
18 41 17 18 41 17 36 82 34
1ª semana + 2ª semana = P1 + P2 = 17 52 15 +
17 52 15 = 34 104 30 .
25 48 19 25 48 19 50 96 38
A matriz P1 + P2 indica a produção por empresa e produto ao final de duas semanas. Temos
então:
Indústria A: produziu 36 mil embalagens do modelo C1, 82 mil do C2 e 34 mil de C3.
Indústria B: produziu 34 mil embalagens do modelo C1, 104 mil do C2 e 30 mil de C3.
Indústria C: produziu 50 mil embalagens do modelo C1, 96 mil do C2 e 38 mil de C3.
Este é um exemplo de soma de matrizes
Analisando a matriz resultante, podemos encontrar outros dados, facilmente. Por exemplo:
O total de embalagens produzidas do modelo C1 (= 120 000), do modelo C2 (= 282 000), do
modelo C3 (=102 000).
O total de embalagens produzidas, por industria, nos três modelos: A (=152 000), B (=168
000) e C = (184 000)
O total de embalagens produzidas nas três industrias (=504 000)
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 17
1 4 5 3 1 4 5 3 6 7
Exemplo 3: Se A = e B = então A + B = + =
2 0 8 6 2 0 8 6 10 6
1 4 5 3 1 4 5 3 − 4 1
Exemplo 4: Se A = e B = então A - B = - =
2 0 8 6 2 0 8 6 − 6 − 6
1 2 3 3 2 3
Exemplo 5: Se A= − 4 − 3 − 2 e B= 4 8 − 4 então,
3 5 7 1 5 3
1 2 3 3 2 3 1+ 3 2+2 3 + 3 4 4 6
A+B= − 4 − 3 − 2 + 4 8 − 4 = − 4 + 4 − 3 + 8 − 2 + ( −4) = 0 5 − 6 =C
3 5 7 1 5 3 3 + 1 5+5 7 + 3 4 10 10
1 2 3 3 2 3 1− 3 2−2 3 − 3 − 2 0 0
A–B= − 4 − 3 − 2 - 4 8 − 4 = − 4 − 4 − 3 − 8 − 2 − ( −4) = − 8 − 11 2 =D
3 5 7 1 5 3 3 − 1 5−5 7 − 3 2 0 4
1 7
Exemplo 6: Se A = [2 b − 1] e B = 2 3 ⇒ A + B = b + 2 2
3 3
S
eja A = [aij] e k um escalar (número) real ou complexo. O produto da matriz A pelo escalar k,
é a matriz B = [bij] tal que bij = k aij , ou seja, é a matriz obtida multiplicando-se cada
elemento de A por k → bij = kaij
1 4 k 4k 1 4 5 20
Exemplo 1: k A = k = se k=5 temos 5A=5 = =B
2 0 2k 0 2 0 10 0
1 1 1 1 1
Exemplo 2: Se A= [3 − 2 4] então . A = .[3 − 2 4] = .3 .− 2 .4 =
3 3 3 3 3
−2 4
1 3 3
.
C1 C2 C3
A 18 41 17
B 17 52 15
C 25 48 19
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 18
18 41 17
A matriz correspondente a produção das embalagens é indicada por P1 = 17 52 15 . Para
25 48 19
atender as necessidades do mercado, a produção precisa dobrar nas duas últimas semanas do
mês. Qual deve ser o quadro de produção da empresa num mês de 04 semanas?
18 41 17
1ª semana: P1 = 17 52 15 = P2 → 2ª semana;
25 48 19
18 41 17 36 82 34
3ª semana: P3 = 2.P1 = 2. 17 52 15 = 34 104 30 = P4 → 4ª semana;
25 48 19 50 96 38
108 246 102
Produção nas 4 semanas: P1+P2+ P3 + P4 = 3. P4 = 102 312 90
150 288 114
Exemplo 1: Em três lojas A, B, C, de uma rede, são vendidos mensalmente, calçados do tipo C1, C2
e C3 conforme tabela:
Tabela Matriz
C1 C2 C3 18 41 17
A 18 41 17
V = 17 52 15
B 17 52 15
C 10 39 16 10 39 16
Se os calçados do tipo C1, C2 e C3 são vendidos respectivamente no valor de 50, 40 e 60 reais cada,
50
então os preços das mercadorias podem ser representadas pela matriz P = 40 .
60
O valor recebido pelas vendas dos calçados na loja A é obtido pela multiplicação de cada elemento
da 1ª linha da matriz V pelos correspondentes elementos da matriz P. Assim,
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 19
Exemplo 2:Uma empresa produz dois tipos de produtos, P1 e P2. São usados três tipos de
ingredientes na produção: x, y, z nas seguintes proporções:
Tabela Matriz
P1 P2 3 1
x 3 1
Ip = 4 2
y 4 2
z 3 7 3 7
Diariamente são fabricados 80 produtos do tipo P1 e 120 do tipo P2. Esta quantidade de
80
produtos pode ser representada pela matriz produção P = .
120
Para saber a quantidade de ingredientes utilizados diariamente, fazemos:
Ingrediente x → 3.80+1.120 = 240+120=360
Ingrediente y → 4.80+2.120 = 320+240=560
Ingrediente z → 3.80+7.120 = 240+840=1080
360
Esta quantidade de produtos pode ser representada pela matriz Pi = 560 .
1080
Podemos obter esta matriz Pi denominada de matriz produto de Ip por P, da seguinte forma:
3 1 3.80 + 1.120 360
4 2 . 80 =
120 4.80 + 2.120 = 560 = Pi
3 7 2.80 + 7.120
1080
Note que: cada elemento da matriz final é a soma dos produtos ordenados de uma linha da
primeira matriz pela coluna da segunda matriz ou seja:
360 = 3.80+1.120
560 = 4.80+2.120
1080= 3.80+7.120
Este é mais um exemplo de multiplicação de matrizes.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 20
Utilizamos na definição de produto de matrizes o conceito de somatório: Vamos rever este conceito?
n
a3+ a4+ a5. Generalizando: ∑a
i=m
i = am+ am+1+ am+2+...+ an. Neste caso, i é o
Definição:
O
Produto entre duas matrizes A e B só é possível se o número de colunas da primeira é igual
ao número de linhas da segunda matriz. Se existir o produto de A por B, o tipo da matriz
produto é dado pelo número de linhas de Ae pelo número de colunas de B. Pode existir o
produto de A por B, mas não existir o produto de B por A.
∑
p
C = A ⋅ B ⇒ cij =
k =1
( Aik .Bik )
Se considerarmos, por exemplo, as matrizes A = [ aij ]2xn e B = [ bij ]mx1, com m = n, o produto AB,
nesta ordem, é a matriz C = [ cij ]2x1 tal que, cij é a soma dos produtos, na ordem em que estão
dispostos, dos elementos da matriz-linha A, pelos elementos da matriz-coluna B. Note que a matriz
resultante C tem o mesmo número de linhas de A e o número de colunas de B.
1 5 2 4 1
4 2 6
Exemplo 1: Seja A = [3 − 2 4] , B = 2 , C = eD= 2 3 1 0 .
4 2 5 3 1 2 7 6
a) A x B = ?
Resolução: A1x3 x B3x1 = [(3x1) + (-2x2) + (4x4)] = [3-4+16] = [15] = C1 x 1.
b) B x C = ?
Resolução: B3x1 x C2x2 =? Não existe produto BC pois o nº de colunas de B é diferente do
nº de linhas de C ou 1 ≠ 2.
c) C x D = ?
5 2 4 1
Resolução: C2x3 x D3x4
4 2 6
=
2 3 1 0 = M = a11 a12 a13 a14
x a
a 24
2x4
2 5 3 1 2 7 6 21 a 22 a 23
Para determinar M que é o produto das matrizes C x D, consideramos cada linha da
matriz A como uma matriz-linha e cada coluna da matriz B como matriz-coluna.
Calculamos cada elementos aij da matriz M = CD. Como?
(1) Multiplicamos a 1ª linha de C pela 1ª coluna de D. A seguir, multiplicamos a 1ª linha
de C pela 2ª coluna de D. E, assim, sucessivamente, multiplicamos a 1ª linha de C
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 21
30 26 60 40
Portanto, o produto das matrizes C(2,3) e D(3,4) é a matriz M(2,4) =
23 25 34 20
1 2 − 1 3
Exemplo6 2: Sejam as matrizes A e B defindas por: A = 3 4 e B = 4 2 . Determinar a
matriz C resultante do produto de A por B.
Resolução: O produto de A com B resulta numa matriz C, quadrada de ordem 2.
Procedemos multiplicando os elementos equivalentes de cada linhas de A por cada
colunas de B, adicionando os resultados. Vejamos:
c11 c12 1 2 − 1 3
A2x2 x B2x2 = C2x2 c . Fazendo A.B temos A.B = 3 4 . 4 2 =
c 22
=
21
C11 =resultado do produto e soma da 1ª linha com 1ª coluna
6
SOMATEMATICA: Ensino Superior: Teoria, Exercícios. (CD-Room). Virtuous Tecnologia da Informação Ltda. 2008
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 22
c11 c12 7 7
Portanto, A2x2 x B2x2 = C2x2 c =
c 22 13 17
=
21
Observe que, fazendo B.A, neste caso, obtemos um resultado diferente de A.B.
− 1 3 1 2
B2x2 x A2x2 = . =
4 2 3 4
U
ma matriz quadrada A pode ser multiplicada n vezes por si mesma. A matriz que resulta
dessas operações, e que representamos por An é denominada potência n da matriz A .
1 1 1 1 1 1 3 1 3 1
Exemplo 1: A = → A2 = A.A = . = . Assim, a matriz é a
2 0 2 0 2 0 2 2 2 2
potência 2 da matriz A e indicamos por A2.
Note que:
Exemplos:
2 −1 1
Exemplo 1: A matriz A = − 2 3 − 2 é idempotente porque
− 4 4 − 3
2 −1 1 2 −1 1 2 −1 1
A2 = A ou, A.A = − 2 3 − 2 . − 2 3 − 2 = − 2 3 − 2 =A
− 4 4 − 3 − 4 4 − 3 − 4 4 − 3
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 23
1 −1 1
Exemplo 2: A matriz A = − 3 3
7
− 3 é nihilpotente de índice 2 porque A2 = 0, A3 = A4
− 4 4 − 4
= ... =0. Portanto A3 = A2.A = 0.A=0.
1 1 3
Exemplo 3: A matriz B = 5 2 6 é nihilpotente de ordem 3 porque
− 2 − 1 − 3
0 0 0 0 0 0
A = 0 ou A.A = 3
3
3 9 e A2.A = 0 0 0 = 0.
−1 − 1 − 3 0 0 0
Como A3 = 0 então A4 = A5 = ... = An =0
6 9 12 16
Exemplo 4: As matrizes A = e B = são nihilpotente de índice 2 porque
− 4 − 6 − 9 12
A2 = 0 e B2 = 0.
7
Steinbruch (1987, p.406)
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 24
(i) Se o produto AB é possível, então (kA)B = A(kB) = k(AB) para qualquer k escalar.
(ii) Se AB= 0, não implica necessariamente que A = 0 ou B = 0
(iii) Se AB=AC, não implica necessariamente que B=C
(iv) Se A e B são matrizes quadradas (igual número de linhas e colunas), ambos os produtos
AB e BA podem ser calculados. Entretanto, na multiplicação de matrizes, a ordem dos
fatores não é indiferente. Em geral, AB ≠ BA.
1 − 1 − 1 2 − 4 − 2 − 3 1
A2x2 = , B2x2 = então AB = e BA =
− 1 0 3 4 1 − 2 − 1 − 3
(v)
Se AB = BA, as matrizes são ditas comutativas.
Propriedades da matriz transposta
Sejam A e B, matrizes, k um escalar qualquer e, se satisfazem as condições de adição e
multiplicação de matrizes, são válidas as propriedades:
1) (A + B)t = A t + B t 4) (At) t = A
2) (kA)t = kA t 5) (-A)t = -(A t)
3) (AB)t = B t A t ⇒ (AB) t ≠ A t B t
Propriedades das matrizes simétricas e anti-simétricas
Sejam A e B, matrizes, k um escalar qualquer e, se satisfazem as condições de adição e
multiplicação de matrizes, são válidas as propriedades:
1) O produto de uma matriz quadrada A pela sua transposta At é uma matriz simétrica S Assim, A ⋅
At = S
2) A soma de uma matriz quadrada A com sua transposta At é uma matriz simétrica S
Assim, S = A + At = St
3) A diferença entre uma matriz A e sua transposta At, é uma matriz anti-simétrica S’
Assim, A - At = S’
A
Aggoorraa,, tteennttee vvooccêê!!
Resolva a Lista de Atividades
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 25
1 − 1 4 − 5 9 1 − 1 1 1 − 1
2. Considere as matrizes A = , B = , C = e D = .
2 − 2 0 − 2 2 −1 3 2 4 3
(a) Verifique se A ⋅ B = B ⋅ A;
(b) Determine (A ⋅ C) + (B ⋅ D);
(c) É possível determinar C ⋅ D? Justifique.
3. Para as matrizes quadradas de ordem 3 definidas por A=(aij) com aij =i2 e B=(bij) com bij=-j2
encontre:
(a) A+B (b) A+(-B) (c) A.2B (d) (AB)+(BA)
2 5 9
4. Se A = 4 7 1 calcule:
3 6 2
4 3 5 2 − 7 1
2 3
5. Considere as matrizes A = , B = −1 2 − 7 e C = 3
4 2 . Encontre as
5 − 7 8 1 − 9 5 − 9 6
matrizes S e verifique se são simétricas e/ou anti-simétricas.
(a) S = A.At (b) S = C+Ct (c) S = C - Ct (d) S = B – Bt (e) S = B + Bt
6. Para atender a um projeto experimental de tratamento de esgoto, foram elaborados dois
modelos de experimentos E1 e E2. Nos dois modelos serão utilizados os mesmos produtos x, y e
z para tratamento com dosagens diferentes. No experimento E1 serão utilizados 5 medidas do
produto x, 8 medidas do produto y e 1 medida do produto z. No experimento E2 a dosagem
equivale a 4, 6 e 3 medidas de x, y e z, respectivamente. Para controle, serão produzidas 75
amostras do experimento E1 e 96 amostras do experimento E2. Estruture o problema em tabela
e matriz e determine:
(a) quantas dosagens de produtos serão utilizados para a produção das amostras?
(b) Considerando que, o custo de dosagem dos produtos equivalem a: R$ 1,30 para x, R$
2,30 para y e R$ 7,50 para z. Qual o custo por amostra? Qual o custo total para a
produção das amostras?
7. Considere as matrizes triangulares superiores A e B e as matrizes trinagulares inferiores C e D,
2 1 1 − 1 2 − 1 2 0 0 2 0 0
definidas por A = 0 1 3 , B = 0 3 1 , C = 1 1 0 e D = 0 1 0 .
0 0 2 0 0 2 1 1 1 − 1 2 − 1
Determine:
(a) E = A.B;
(b) F = C.D
(c) Classifique E e F por triangular inferior ou superior.
(d) Verifique se a matriz A é ortogonal.
8. Prove que, o produto de duas matrizes diagonais resulta numa matriz diagonal. Utilize matrizes
de ordem 3.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 26
sen α - cos α 6 10 5 10
9. Considere as matrizes A = , B = e C = .
cos α - sen α − 3 − 5 − 2 − 4
(a) Mostre que A.At = I sendo I a Matriz Identidade. Logo A é uma matriz ortogonal.
(b) Verifique se B e C são matrizes idempotentes, periódicas ou nihilpotente. Analise para
o período 1 ou seja para B2 e C2 somente.
6 9 12 16
10. Verifique se as matrizes A e B são nihilpotentes, para A = e B =
− 4 − 6 − 9 12
1 0 0 2 0 0
11. Dadas as matrizes diagonais A = 0 1 0 e B = 0 4 0 calcular AB e classificar este produto.
0 0 8 0 0 6
− 2 1 − 1
12. Considere a matriz A = 2 − 3 2 . Calcule A2 e classifique A. (STEINBRUCH, 1987, p.413)
4 −4 3
2 3 0 − 1 2 2 2 4 10 12
(1) A = 3 4 , B =
1 0 (a) A+B= 4 4 (b) A+(-B)= 2 4 (c) 5A+3B= 18 20
4 5 2 1 6 6 2 4 26 28
4 − 3 − 6 6 7 2 − 4 − 6 − 16 − 19 1 − 14 − 23
(2a) A.B = ≠ B.A = (2b) + = .
8 − 6 − 4 4 14 4 − 8 − 4 − 8 − 6 10 − 4 − 14
(2c) Não é possível determinar o produto C.D pois a dimensão das linhas de C é diferentes da dimensão das colunas de D.
1 1 1 − 1 − 4 − 9 0 − 3 − 8 2 5 10
(3) A = 4 4 4 , B= − 1 − 4 − 9 (3ª) A+B= 3 0 − 5 , (3b) A+(-B)= 5 8 13
9 9 9 − 1 − 4 − 9 8 5 0 10 13 18
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 27
− 2 7 1 4 0 0
0 3 7 ; (7b) F = 2 1 0 ; (7c) E é triangular superior e F é inferior. (8) Criar matrizes e provar. (9a) Fazer A.At
0 0 4 1 3 − 1
e mostrar que o resultado é a matriz identidade (Dica: lembre-se que sen2x + cos2x = 1). (9b) As matrizes B e C são
idempotentes de ordem 2 ou de período 1 porque B.B=B2=B e C2=C.
2 0 0
(10) A e B são nihilpotentes de ordem 2 pois A2=0=A3=A4 =... Idem para a matriz B. (11) AB= 0 4 0 e AB é diagonal.
0 0 48
2 −1 1
(12) A = − 2 3 − 2 . Como A2 ≠ A não é idempotente.
2
− 4 4 − 3
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 28
D
izemos que duas matrizes A e B, de mesma ordem, são equivalentes quando são obtidas a
partir de operações elementares efetuadas entre elas ou:
Dada uma matriz A, diz-se que uma matriz B, de mesma ordem, é equivalente a matriz A
(indica-se B ∼ A) se for obtida a partir de operações elementares efetuadas em A, onde
cada linha ( Li ou j ) de B é uma combinação linear das linhas de A.
Note que:
Se aplicarmos as inversas das operações em B, obtemos A.
A matriz B encontrada é dita matriz escalonada por linhas de A .
1 2 1 2
Exemplo 1: Se A = então podemos encontar uma matriz B = dita
3 − 4 0 −10
matriz escalonada por linhas de A .
Uma matriz B equivalente a uma matriz A é dita matriz escalonada reduzida por linhas
(ou matriz na forma canônica por linhas) se:
os elementos distinguidos8 são únicos não nulos de suas respectivas colunas;
os elementos distinguidos são iguais a 1.
1 0
Exemplo 2: B = 0 1
1 0 0 2
Exemplo 3: B = 0 1 0 7
0 0 1 4
A matriz B está representada na forma canônica por linhas pois o 1º elemento de cada
linha é igual a 1 e é o único não nulo em sua respectiva coluna.
2 −1 0 1 1
−1 3 1 1 1
Exemplo 4: Para a matriz A = encontre sua matriz B,
0 0 − 5 1 − 1
1 1 −1 − 3 1
equivalente a A ou seja encontre a matriz escalonada por linhas de A.
Resolução: Nosso objetivo é encontrar uma matriz B cujos elementos abaixo da diagonal
formada pelos elementos (2), (3), (-5), (-3) sejam todos iguais a zero. Para isso
aplicamos as operações elementares de linhas Li:
8
Elementos distinguidos são os primeiros elementos não nulos das linhas de uma matriz
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 29
2 −7 0 1 1 2 −7 0 1 1
−1 3 1 1 1 −1 3 1 1 1
A= ∼ ∼
0 0 − 5 1 − 1 L4 ⇔ L3 1 − 4 − 1 − 3 − 1
1 − 4 −1 − 3 1 (troca de linhas entre si) 0 0 − 5 1 − 1
2 − 7 0 1 1
L2 ⇔ L1 + 2L2; 0 −1 2 3 3
∼ ∼
L3 ⇔ L1 - 2L3. 0 1 2 7 3
0 0 − 5 1 − 1
2 − 7 0 1 1
0 −1 2 3 3
∼ ∼
L3 ⇔ L2 + L3. 0 0 4 10 6
0 0 − 5 1 − 1
2 − 7 0 1 1
0 −1 2 3 3
∼ =B
L4 ⇔ 5L3 + 4L4. 0 0 4 10 6
0 0 0 54 26
Note que a matriz B encontrada é equivalente a matriz A e, 2 − 7 0 1 1
abaixo da diagonal todos os elementos são nulos.
0 −1 2 3 3
A matriz B também é chamada, forma escalonada de A. ∼ =B
0 0 4 10 6
0 0 0 54 26
Importante: Para a solução de alguns problemas matemáticos, uma matriz B, escalonada por linhas
de A, necessita apresentar-se numa forma mais reduzida, ou seja, na forma escalonada reduzida
por linhas. Neste caso, pode-se afirmar que:
Uma matriz B equivalente a A é dita matriz escalonada reduzida por linhas (ou matriz na
forma canônica por linhas) se, e somente se, seus elementos distinguidos são iguais a um
e são os únicos não nulos de suas respectivas colunas.
1 0 0 1 0 0 9 1 2 0 − 3 0
Exemplos: C = 0 1 0 ou D =
0 1 0 2 ou E = 0 0 1 7 0 .
0 0 1 0 0 1 4 0 0 0 0 1
As matrizes C, D e E, estão representadas na forma canônica por linhas pois o 1º elemento de cada
linha é igual ao número 1 e, é o único não nulo em sua respectiva coluna.
A
Aggoorraa,, tteennttee vvooccêê!! Resolva a Lista 3 de atividades
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 30
1 − 4 − 2 1 1 − 4 − 2 1 0 2 0 2
d) A = ∼ = B
c)A= 1 − 3 − 1 2 ∼ 0 1 1 1 =B 0 − 9 0 0
3 − 8 − 2 7 0 0 0 − 8
2 3 1 2 3 1 1 3 2 1 6 3 − 4
2 4 3 0
A= 1 2 5 B= 1 2 5 D = −4 1 −6
C=
3 5 10 3 5 10 1 2 2 2 1 2 − 5
− 3 0 1 1
1 2 −3 4 1 2 3 1 1 −1 1 1 − 1
1 3 1 11
F= 4 5 6
G= 2 4 −1
H = 2 −3 1
E=
2 5 − 4 13 5 7 8 3 2 2 1 − 4 2
2 6 2 22
5. Encontre a matriz escada, equivalente por linhas
1 2 1 1 2 1 − 2 3 1 3 0 1 5 1 − 2 3 −1
A = 1 1 1 − 1 B = 3 2 −1 2 4 C= 2 − 1 2 2 D= 2 −1 2 2
2 4 2 2 3 3 3 − 2 5 1 −1 1 1 3 1 2 3
6. Aplicação de escalonamento de matrizes: Tente resolver o sistema, aplicando a equivalência de
matrizes.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 31
x + 2 y − 3z = 6
2 x − 2 y + 4 z = 4
4 x + 3 y − 2 z = 19
1 2 1 1
(2) Não são equivalentes somente as matrizes (2b) e (2c) pois em (2b) A´ ≈ ≠B e em (2c),
0 2 1 − 3
0 0 − 9 29
1 − 4 − 2 1
temos A ≈ 0
1 1 1 ≠B.
0 0 0 0
1 0 7 1 2 0 0 4 0 1 0 0
9 3
(3) (a) 0 1 − 26 ; (b) 0 0 1 0 0 ; (c) 0 0 1 0
9
0 0 0 1
0 0 0 0 0 0 1 − 1
6
0 0 0 0
1 3 1 2 1 2 −3 4 1 2 3
1 2 5 1 2 − 1 6 3 − 4 1 1 − 1
(4) A ∼ 1 D∼
C ∼ 0 − 1 0 0 1 4 7 ; F ∼ 0 1 2 G ∼ H ∼
9
B ∼ 0 18 52 E∼
0 − 1 − 0 − 1 3 − 0 2 1
0 0 4 1 0 0 − 2 − 2 0 0 11
0 0 4 0 0 0 0 0 0 0 0 1
0 0
0 15 0 0 0 0
1 1 − 1 1 2 1 1 2 1 − 2 3 1 1 − 1 1 1
0 − 5 3 (5a) A∼ 0 1 0 2 (5b) B ∼ 0 1 4 − 5 5 ; (5c) C∼ 0 1 0 0 (Observe que houve troca de linhas);
0 0 0 0 0 0 0 0 − 2 2
0 0 0 0 2 − 8
1 − 2 3 −1 1 2 − 3 6
(5d) D∼ 0 3 − 4
4 (6) O sistema equivale a matriz escalonada 0 − 6 10 − 8 . A solução do sistema é x = 3, y = 3
0 0 7 − 10 0 0 10 10
e z = 1 ou S = {(3,3,1)}.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 32
II DETERMINANTES E MATRIZES
Proposições:
Diz-se que dois elementos de uma permutação formam uma inversão se estão em ordem
inversa à da permutação principal. Considerando uma permutação a c b, os elementos c e b
formam uma inversão.
Para uma permutação do conjunto N*, dizemos que existe uma inversão quando um número
inteiro precede um outro menor que ele.
Exemplo1: Os algarismos 1, 2, 3, 4 e 6 admitem 120 permutações pois 5!=5 x 4 x 3 x 2 x 1 =
120 e a permutação 6 4 3 2 1 admite 10 inversões que são: 64, 63, 62, 61, 43, 42,
41, 32, 31 e 21.
Exemplo 2: A permutação 54321 tem 10 inversões que são: 54, 53, 52, 52, 43, 42, 41, 32, 31
e 21.
Exemplo 3: A permutação 4521 tem 05 inversões que são: 42, 41, 52, 51 e 21.
123 0 231 2
132 1 312 2
213 1 321 3
Uma permutação tem classe par ou classe ímpar, (indica-se classe σ) conforme apresenta
um número par ou ímpar de inversões. Assim, para σ uma permutação arbitrária em Sn, (Sn →
indica o conjunto de permutações), dizemos que σ é ímpar ou par, conforme exista um nº par
ou ímpar de pares (i, k) para os quais i > k mas i precede k em σ. Exemplificando: A
permutação 1 3 2 tem uma inversão, logo tem classe ímpar.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 33
V
imos que a matriz quadrada é a que tem o mesmo número de linhas e de colunas (ou seja, é
do tipo nxn). A toda matriz quadrada está associado um número ao qual damos o nome de
determinante.
Saiba Mais:
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 34
Considere a seguinte situação problema: Qual o valor real de x e y para que A.B = C sendo A =
1 2 x 1
, B = eC= ?. Para determinar os valores de x e y, aplicamos o produto A.B =
5 4 y −1
C e obtemos:
1 2 x 1
. = . Resolvendo o produto, encontramos:
5 4 y −1
x + 2y 1
= . Aplicando o conceito de igualdade de matrizes, temos o sistema:
5 x + 4 y −1
x + 2 y = 1 x + 2 y = 1 .(-5)
Resolvendo o sistema pelo método de adição, temos: ⇔
5 x + 4 y = −1 5 x + 4 y = −1
− 5 x − 10 y = −5
− 5 x − 10 y = −5 5 x + 4 y = −1 −6 −6 −6
⇔ ⇔y= = = =1. Se fizermos o
5 x + 4 y = −1 4 y − 10 y = −6 4 − 10 (1.4) − (2.5) − 6
y (4 − 10) = −6
mesmo procedimento para encontrar o valor de x, iremos observar que o denominador também é
(-6). Portanto x = -1. Observe que a expressão numérica (1.4)-(2.5), comum nas expressões,
permite que calculemos o valor de x e y e determina se o sistema tem solução (se é determinada
ou indeterminada). Daí a origem do nome determinante. Observe também que a expressão
1 2
(1.4)-(2.5) tem relação com os termos da matriz A=
. A teoria dos determinantes surgiu,
5 4
quase simultaneamente, na Alemanha e no Japão, quando dois matemáticos, Leibniz (1646-1716)
e Seki S.Kowa (1642-1708), resolveram problemas de eliminações, necessárias à resolução de um
sistema de n equações lineares com n variáveis. Depois deles, surgiram os trabalhs de Cramer,
Bezout, Laplace, Vandermonde, Lagrange, Cauchy e Jacobri.
D
ada uma matriz quadrada de 1ª ordem M=[a11], o seu determinante é o próprio número real
a11 ou seja, det M =|a11| = a11
Exemplo:
D
ada a matriz quadrada M de ordem 2, por definição o determinante associado a M,
determinante de 2ª ordem, é dado por:
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 35
Portanto, o determinante de uma matriz de ordem 2 é dado pela diferença entre o produto dos
elementos da diagonal principal e o produto dos elementos da diagonal secundária.
Observe os exemplos:
2 3
(a) Para M = temos: det M = (2.5)-(4.3) = 10-12= -2.
4 5
1 3 1 3
(b) Se A = então det A = = (1 x 4) – (2 x 3) = -2
2 4 2 4
O
determinante de uma matriz de ordem 3 pode ser obtido pela regra de Sarrus.
a11 a12 a13
Acompanhe como aplicamos essa regra para D= a 21 a 22 a 23 .
a31 a32 a33
1º passo: Repetimos as duas primeiras colunas ao lado da terceira ou repetimos à direita dos
elementos da matriz A, as duas primeiras colunas:
2º passo: Encontramos a soma do produto dos elementos da diagonal principal com os dois
produtos obtidos pela multiplicação dos elementos das paralelas a essa diagonal (a soma deve ser
precedida do sinal positivo):
3º passo: Encontramos a soma do produto dos elementos da diagonal secundária com os dois
produtos obtidos pela multiplicação dos elementos das paralelas a essa diagonal ( a soma deve ser
precedida do sinal negativo):
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 36
Assim:
ou det D = + a11 a22 a33 + a13 a21 a32 + a12 a23 a31 - a11 a23 a32 - a12 a21 a33 - a13 a22 a31
−1 2 1
Exemplo 1: Encontrar |A| para A = 1 2 0 .
− 1 1 0
−1 2 1 −1 2
Resolução: Pela regra de Sarrus, fazemos 1 2 0 1 2 =
−1 1 0 −1 1
(-1.2.0)+(2.0.-1)+(1.1.1)-(2.1.0)-(-1.0.1)-(1.2.-1) = 0+0+1-0-0+2 = 3.
Logo |A|= 3 ou Det A = 3.
4 x 1
Exemplo 2: Determine o valor de x sabendo que 2 x 5 =0
−1 8 3
4 x 1 4 x
Resolução: Pela regra de Sarrus, fazemos 2 x 5 2 x = 0. Logo,
−1 8 3 −1 8
12x – 5x + 16 – 6x – 160 +x = 0 → 2x – 144 = 0 → x = 144/2 → x = 72.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 37
V
imos que a regra de Sarrus é válida para o cálculo do determinante de uma matriz de ordem
3. Quando a matriz é de ordem superior a 3, devemos empregar o Teorema de Laplace para
chegar a determinantes de ordem 3 e depois aplicar a regra de Sarrus.
Teorema de LAPLACE: Segundo Laplace, o determinante da matriz A = aij é igual à soma dos
produtos obtidos multiplicando os elementos de qualquer linha(ou coluna) de A pelos seus
respectivos cofatores Cij:
ou
det A = a1j C1j + a2j C2j + ... + anj Cnj
Mas, o que são cofatores? Reveja este assunto no Apêndice A deste caderno.
−1 0 1
Exemplo 2: Seja A = 2 3 − 1 .
7 1 3
O Det A, segundo Laplace é calculado da seguinte forma:
Escolha uma linha ou coluna → dê preferência para aquela que tem elementos nulos. Neste
caso escolhemos a linha 1.
Det A = - 10 + 0 - 19
Det A = - 29
1 3 4
Exemplo 3: Seja A = 5 2 − 3 . Calcule o Det A.
1 4 2
O Det A, segundo Laplace:
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 38
Det A = 16 + 50 + (-17)
Det A = 49
O
processo de triangulação para cálculo de determinante pode ser aplicado em todas
as matrizes quadradas de ordem n ≥ 2.
Para se executar o processo de triangulação, se procura colocar, por meio de operações adequadas
(e das respectivas compensações quando for o caso), como elementos da diagonal principal, exceto
o último, o número 1.
1ª) O elemento é igual a zero → neste caso, deve-se proceder a operação de troca de linhas e
multiplicar o det A por –1, como compensação, isto é, para que o determinante de A conserve o seu
valor.
2ª) O elemento é igual a k≠ 1 → nesse caso, deve-se multiplicar todos os elementos da linha por i/k,
com o que se obtém o número 1 como elemento da diagonal principal dessa linha. Por outro lado,
para compensar, isto é, para que o det A mantenha o seu valor, deve-se multiplicá-lo pelo inverso
de 1/k, isto é k.
3ª) O elemento é igual a 1→nesse caso nada a fazer no que diz respeito à diagonal principal.
2 1 7
Agora, tente você Calcule o determinante da matriz A = 1 3 2 , usando o processo da
5 3 4
triangulação. Vocë deve obter como resposta, det A = - 66
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 39
A
s matrizes quadradas de ordem n apresentam as seguintes propriedades:
Exemplo 1: Exemplo 2:
3. Se a matriz quadrada A tem uma linha ou coluna nula então det A = 0 ou Quando todos os
elementos de uma fila (linha ou coluna) são nulos, o determinante dessa matriz é nulo.
Exemplos:
Exemplo:
5. Se A é uma matriz triangular (superior ou inferior) então det A = produto dos elementos
diagonais. Exemplos:
6. Se cada elemento de uma linha (ou coluna) de uma matriz quadrada A é multiplicado por
um escalar k então o det A fica multiplicado por k.
Conseqüência: Se cada elemento de uma linha (ou coluna) de uma matriz A contém um
fator k, podemos coloca-lo em evidência.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 40
1 6 3 1 2 3
Exemplo 1: A = 4 15 1 ⇒ A’= 3 4 5 1 ⇒ (det A) = 3 (det A’).
2 3 0 2 1 0
Exemplos 2 e 3
10
Teorema de Jacobi: o determinante de uma matriz não se altera quando somamos aos
elementos de uma fila uma combinação linear dos elementos correspondentes de filas
paralelas.
1 2 3
Exemplo: 2 1 2 = 9 Substituindo a 1ª coluna pela soma dessa mesma coluna com o
2 4 3
C onsideremos a matriz quadrada A, de ordem n. Definimos como inversa de A, a matriz A-1 tal
que A . A-1 =I = A-1 . A sendo I a matriz identidade de ordem n.
Proposições:
(i) Se A tem inversa, diz-se que A é inversível.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 41
Esta proposição envolve o conceito de determinantes e matriz adjunta clássica (Adj A). Para
rever o conceito de matriz adjunta clássica, e o calculo de matriz inversa por determinante,
consulte o Apêndice A no final do caderno pedagógico.
(vi) Uma matriz A é dita ortogonal se a sua transposta é igual a sua inversa ou, A é ortogonal se
At = A-1.
A partir do conceito de matriz inversa podemos verificar a
ORTOGONALIDADE DE MATRIZES. Dizemos que uma matriz M é
ortogonal quando sua inversa M-1 é igual a sua transposta Mt.
Saiba Mais:
Se Mt = M-1 e como M.M-1 = M-1.M = I então podemos também afirmar
que M . Mt = Mt . M = I (I representa a matriz identidade).
1 3
Exemplo: A matriz M = 2 2 é ortogonal porque o produto de M pela sua matriz
3 1
−
2 2
transposta, resulta na matriz identidade. Neste caso, a matriz inversa de M é a sua
transposta.
Assim, se M . Mt = Mt . M = I então Mt = M-1 Logo M é ortogonal.
A solução de problemas que envolvem matrizes e suas inversas exigem, em geral, o conhecimento
dos algoritmos matemáticos de:
(1º) Verificação se duas matrizes são inversas;
(2º) Determinação da matriz inversa de uma matriz dada.
12 7 3 − 7
Exemplo 1: Verifique se a matriz A = é inversa da matriz B= .
5 3 − 5 12
-1
=I = A-1 . A
Resolução: Para verificar se a matriz A é inversa de B aplicamos o conceito A . A
Ou seja, devemos provar que a multiplicação das duas matrizes, resulta na matriz identidade.
Assim, podemos fazer A.B = I ou B.A = I.
12 7 3 − 7 12.3 + 7.(−5) 12.(−7) + 7.12 1 0
A.B = I → . =
= = I (provado). A e B são
5 3 − 5 12 5.3 + 3.(−5) 5.(−7) + 3.12 0 1
inversas porque AB = I
Como determinar a inversa de uma matriz?
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 42
Opção 2: Determinando a matriz inversa pelo Teorema da Inversibilidade (por redução das
linhas)
Uma matriz A de ordem n é inversível se existe uma seqüência de operações elementares que
transforme A numa matriz identidade.
Uma matriz A-1 pode ser obtida aplicando a mesma seqüência de operações elementares
iniciando-se com a matriz identidade.
Exemplo:
1 1 0
Ache a inversa da matriz A = 0 1 1 se existir.
1 0 2
1 1 0 1 0 0 1 1 0 1 0 0 2 −2 1
1 0 0 3 3 3
Resolução: 0 1 1 0 1 0 ≈ 0 1 1 0 1 0 ≈ .... 0 1 0 1 2 − 1
3 3 3
0 0 1 − 1 1 1
1 0 2 0 0 1 0 − 1 2 − 1 0 1 3 3 3
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 43
2 1 1 3 − 2 − 4 1 2 2 3 3 2 5
a) A= 0 5 − 2 b) B= 2 5 −1 1 0 − 2 0 d) D= 4 1 3
c) C= 2 3 1
1 − 3 4
0 6
1 3 −1 1 − 2
4 − 3 0 2
1 2 5 1 3 4 1 2 1 3 − 1 2
3 h) H =
e) E = 0 8 79
f) F = 0 0 0 5 3 2 3 1
g) G =
0 0 1 9 − 2 77 0 4 0 7
2 1 2 1
2 −1 0 2
2 −1 1
0 2 −1 3
(2) Dada P = 2 1 − 1 , calcule o determinante de P2; (3) Encontre lAl =
0 0 3 1
0 2 2
1 0 4 2
4 −1 3 2 6 8
(4) Para A = 3 0 1 e B= 3 9 12 . Verificar se Det (AB) = Det A. Det B.
7 2 − 4 −1 − 2 − 3
1 0 1 x
0 x 1
x
2
1 2 3 4 5
(5) Para A= B= 1 − 1 x ,C= , encontre x para Det A+Det B=Det C
1
2x x 1 0 x 0 1 0
0 0 x 1
(6) Resolver as equações determinando o valor real de x em cada equação:
4 6 x 12 − x 1 0 x x 1 5 −1 + 2x x2 −1
d) =0 e) =0
a) 5 2 − x =-128 b) 18 − x 3 2 =6 c) 2 x x =0 2x 4 −1 x2
7 4 2x 15 − 2 x 0 1 x x 3
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 44
sen α cos α
(11) Considere a matriz A = . Verifique se a matriz A é ortogonal (Dica: lembre-se
cos α - sen α
que A é ortogonal se A.At=I). Em caso afirmativo, encontre sua inversa.
cos α - sen α 0
(12) Prove que a matriz M = sen α cos α 0 é ortogonal. E, determine sua inversa
0 0 1
(STEINBRUCH, 1987, p.411)
2 1 3 2 1 7
12 7
(13) Determinar a inversa das matrizes: A = 4 2 2 , B = 1 3 2 , C =
2 5 3 5 4 3 5 3
1 1 0
-1
-1
(14) Encontre a inversa A da matriz A = 0 − 1 2 e prove que A.A =I
1 0 1
(15) Encontre a matriz inversa pelo processo de inversão (ou triangulação), para:
1 1 1 2 1 0 2 2 1 1 2 1 1 − 1 1 1 −1 1
(a) − 1 1 2 ;(b) 1 1 1 ;(c) 1 − 1 1 ;(d) 1 1 1 ;(e) 1 1 1 ;(f) 0 1 1
2 −1 1 −1 1 1 1 0 1 1 − 1 2 − 1 1 1 1 − 1 − 1
Respostas:
1(a) 21; 1(b) -11; 1(c) -131 (Dica: Aplicar Laplace); 1(d) 30; 1(e) Por propriedade o determinante de uma matriz triangular
é o produto dos elementos da digaonal principal ou seja, Det E =8; 1(f) 0; 1(g) 0 (Dica: Aplicar Laplace); 1(h) -7;
2 − 2 −1 1 + 2 2
(2) Como P2 = 2 + 2 1 − 2 2 − 1 então Det P2 = 64. Note que é mais prático fazer P . P = 8.8 = 64 ; (3) − 14; (4)
2 2+ 2 2− 2
2 9 11
Det AB = 5 16 21 = AB = 0. E, como lAl=-9 e lBl=0, temos que lAl.lBl=(-9).0 = 0. Portanto lABl = lAl.lBl;
24 68 92
3
(5) x = ; (6a) x = 2; (6b) x = 7; (6c) x = 0 ou x = 2 (6d) x = 2,5 ou x = − 2 (6e) x =± 1.
4
a 0 . 1 b = 1 0 → a=1 e b = 0; (8) AB-BA= 4 2 2 4 2 − 2
(7) A.B=I →
0 a b 1 0 1 . = . (a) A não é inversa de B
1 1 1 3 0 − 2
pois AB ≠ I. (b) A não é singular pois A não é uma matriz diagonal.
2 4 5 / 6 − 2 / 3 1 0
(9) A e B são inversas se A.B=I (verdadeiro) ou A.B=I → . = (provado). Ou, a partir de A,
1 5 − 1 / 6 1 / 3 0 1
2 4 a b 1 0 2a + 4c 2b + 4d 1 0 2a + 4c = 1
encontre B. Vejamos: A.B=I → . =I → = . Logo e
1 5 c d 0 1 a + 5c b + 5d 0 1 a + 5c = 0
2b + 4d = 0 5 / 6 − 2 / 3
. Resolvendo os sistemas encontramos os valores de a, b, c, d que equivale a matriz ;
b + 5d = 1 − 1/ 6 1/ 3
1 1 0 −1 −1 2 1 0 0
(10) 0 −1 2 . 2 1 − 2 = 0 1 0 ;
1 0 1 1 1 −1 0 0 0
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 45
sen α cos α
(11) A é ortogonal porque A.At = I. Então sua inversa é A-1 = At = .
- cos α - sen α
cos α sen α 0
(12) M é ortogonal porque M.Mt = I. E, Mt = - sen α cos α 0 é inversa de M ou seja Mt = M-1.
0 0 1
−1 / 8 3 / 8 −1 / 8 − 1 / 11 − 17 / 66 19 / 66
-1 3 − 7
13) A = − 1 / 4
-1
0 1 / 4 , B = − 1 / 11 9 / 22 − 1 / 22 , C-1 = ; (14) A.A-1=
1 / 2 −1 / 4 −5 12
0 2 / 11
1 / 66 − 5 / 66
1 1 0 −1 −1 2 1 0 0 3 / 7 − 2 / 7 1/ 7
0 1 / 2 −1 / 2
0 − 1 2 . 2 1 − 2 = 0 1 0 = I; 15(a) 5 / 7 − 1 / 7 − 3 / 7 ; 15(b)
1 −1 1 ; 15(c)
1 0 1 1 1 −1 0 0 1 −1 / 7 3 / 7 2 / 7
−1 3 / 2 − 1 / 2
1 4 − 5 − 3 5 − 1 0 1 / 2 − 1 / 2 0 1 1
0 − 3 3 ;15(d) 1 − 1 0 ;15(e) − 1 / 2 1 / 2 0 ; 15(f) − 1 / 2 1 1 / 2 .Verificação:
−1 − 4 6 2 −3 1 1/ 2 0 1 / 2 1/ 2 0 − 1 / 2
1 0 0
AA = 0 1 0
−1
0 0 1
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 46
V
amos conhecer algumas aplicações dos determinantes que, em geral, são tratados com mais
formalismo nos estudos envolvendo geometria analítica.
x1 y1 1
1
A área deste triângulo será S= D sendo D= x 2 y2 1 .
2
x3 y3 1
Exemplo: Determine a área do triângulo ABC cujos vértices são definidos em A (1,1), B(3,4) e
C(5,2).
1 1 1
1
Resolução: S= D sendo D= 3 4 1 =4+5+6-20-3-2=-10.
2
5 2 1
1 1 1 10
Portanto, para S = D temos S = − 10 = .10 = = 5 . A área do
2 2 2 2
triângulo ABC é 5 u.a. (unidade de área).
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 47
Respostas:
1) Sim; 2) S = 1 u.a.; 3) B(3,0) 4) 24 cm2 5) x = -33 6) m≠ 1 ou m≠ 2.
1 3 1
7ª) Como − 1 2 1 = -2 e portanto é diferente de zero, significa que os pontos não são alinhados. Portanto, formam um
1 4 1
ABC
triângulo ABC cuja área é igual a = 1 u.a. (unidade de área)
2
7b) Não são alinhados e a área do triângulo ABC = 1/2 u.a. (unidade de área)
7ª) São alinhados pois o determinante é nulo então não formam um triângulo ABC.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 48
1 Equações Lineares
A
idéia de equação tem estreita relação com a noção de equilíbrio e a metáfora da balança é,
normalmente utilizada para trabalhar esta noção. Entretanto, Lins9 (1997), afirma que essa
metáfora não é oportuna para casos com valores negativos, do tipo 3x + 35 = 2. Neste caso,
deve-se enfatizar que, modificada a situação, a metáfora já não resolve. Outras noções10
associadas a equações são: igualdade e variável.
Uma equação com n variáveis x1, x2,...,xn cuja combinação linear resulte em alguma constante é
definida como uma equação linear.
Os valores das variáveis que transformam a equação numa identidade formam sua solução e são
denominadas raízes da equação linear.
Exemplos:
a) 2x1 + 3x2 - x3 = 5 é uma equação linear a três incógnitas ou três variáveis x1, x2, e x3
b) x+y+z+t=-1 é uma equação linear de quatro incógnitas ou quatro variáveis x, y, z e t.
Observações:
1) Quando o termo independente b for igual a zero, a equação linear denomina-se equação
linear homogênea. Por exemplo: 5x - 3y = 0.
2) Uma equação linear não apresenta termos da forma x12 , x1 . x2, etc, isto é, cada termo da
2
equação tem uma única incógnita, cujo expoente é sempre 1. As equações 3x1 + 2x2 = -3 e
-4x. y + z = 2 não são lineares.
3) A solução de uma equação linear a n incógnitas é a seqüência de números reais ou n-upla
ou ênupla (·1,·2, ..., αn), que, colocados respectivamente no lugar de x1, x2, ..., xn, tornam
verdadeira a igualdade dada.
4) Uma solução evidente da equação linear homogênea 3x + y = 0 é a dupla (0,0).
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 49
2+ y−z
Neste caso temos como solução geral da equação Sg = { , y, z} para y e z
4
variáveis livres reais.
Note que esta equação assume várias soluções. A variável x depende de y e z. Se y = 2 e
z = 0 temos como solução, dita solução particular, a tripla ordenada (1,2,0). Se y = 0 e z
= (-6) temos como Sp, (2,0,-6),....
2+ y−z
Resposta: A solução seral da equação é Sg = { , y, z} para y, z reais. Uma solução
4
particular poderia ser Sp = {(0,0,2)} para y=0 e z=2.
Exemplo 2: Dada a equação 3x - 2y = 5, determinar α para que a dupla (-1, α) seja solução da
equação.
Resolução: Pelo enunciado do problema, sabemos que a dupla (-1, α) significa que x = (-1) e y =
α. Assim, substituindo na equação estes valores temos: 3x - 2y = 5 ⇒ 3(-1) - 2α = 5 ⇒
-3 - 2α = 5 ⇒ - 2α = 5+3 ⇒ α = -4
Resolução: Para encontrar a solução geral dessa equação, isolamos uma das variáveis e obtemos:
−2− y
3x + y = - 2 ⇒ 3x = - 2 – y ⇒ x= ∀y ∈ R.
3
−2− y
Resposta: A solução geral da equação, indicada por S é: Sg = {( , y), ∀y ∈ IR}. Note que
3
a equação tem infinitas soluções reais a partir do valor que atribuímos para y. Se
−2−4 −6
atribuirmos a y o valor 4, por exemplo, obtemos x = = = −2 . Portanto, x = (-2)
3 3
para y = 4. Logo Sg = {(4,-2)}.
Exemplo 4: Qual o valor de k, para que a 4-upla u = (3, -2, 0, 1) seja solução da equação linear
kx - y + 3z - w = 0?
Resolução: Como u = (3,-2,0,1) é a solução da equação linear, temos x=3, y=-2, z=0 e w=1.
Resposta: O valor de k, para que a 4-upla u = (3,-2,0,1) seja solução da equação é k=-1/3.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 50
2.1 Conceito
U
m grupo de m equações de mesmas variáveis n, mas com possíveis combinações lineares
distintas forma um sistema definido como sistema de equações lineares de ordem m x n.
m equações
n variáveis
aij indicando os coeficientes (números reais ou complexos) das variáveis para i = (1,
2, ..., m) e j = (1, 2, 3, ..., n)
bi indicando os termos independentes ou seja, as constantes (números reais ou
complexos) para i = (1, 2, ..., m).
T
odo sistema de equações pode ser representado na forma de matriz, como uma matriz
completa ou como uma matriz simples. Dentre as variadas aplicações, as matrizes são
utilizadas na resolução de um sistema de equações lineares.
11 Números
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 51
Exemplo:
Representação-padrão do sistema Representação na forma matricial
2x1 + 5x 2 − x 3 = 0 2 5 − 1 x1 0
4 − 3 6 . x = − 1
4x1 − 3x 2 + 6x 3 = −1 2
7 x + x − 2x = 8 7 1 − 2 x 3 8
1 2 3
Note que: Também podemos transpor os coeficientes do sistema para uma matriz. Neste caso temos
duas formas de representar:
a11 a12 a13 ... a1n b1 a11 a12 a13 ... a1n
a
21 a22 a23 ... a2 n b2 a
21 a22 a23 ... a2 n
a31 a32 a33 ... a3n b3 a31 a32 a33 ... a3n
... ... ... ... ... ... ... ... ... ... ...
am1
am 2 am 3 ... amn bm am1
am 2 am 3 ... amn
Lembre-se que: Numa matriz, as filas horizontais de números chamam-se linhas e as filas
verticais colunas.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 52
O
s sistemas lineares são classificados, quanto as possíveis soluções. Podem ter uma única
solução, nenhuma ou diversas. Observe:
SISTEMA LINEAR
DETERMINADO INDETERMINADO
Admite uma única solução Admite infinitas soluções
Exemplo 1:
x + y = 1
(a) O sistema S= , não tem soluções porque não existem valores para x e y cuja
x + y = 0
soma seja simultaneamente 1 e 0. Logo S = ∅
x − y = 1
(b) O sistema , tem a única solução x = 0 e y = 1. Logo S = {(0,1)}
x + 2 y = 2
x + y = 2
(c) O sistema , tem a solução x=-2y, para cada valor de y. Neste caso é
2 x + 2 y = 4
indeterminado, possui infinitas soluções. Sua Solução Geral SG = {(-2y,y)} para qualquer y real.
Podemos encontrar várias soluções particulares. Uma delas, por exemplo, poderia ser Sp = {(-
2,1)} para y = 1 ou Sp= {(-6,3)} para y = 3, etc.
Note que:
• Um sistema de equações é possível se possuir pelo menos uma solução. De outro modo é
impossível. Um sistema possível também é denominado de consistente ou compatível.
E, um sistema impossível também é denominado de inconsistente ou incompatível.
a11 x + a12 y = b1
S=
a 21 x + a 22 y = b2
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 53
1.
Se para algum par de retas específico obtivermos um sistema
possível e determinado então encontramos um único ponto
(x, y), ou seja, uma única solução que satisfaça a ambas as
equações simultaneamente (as retas, geometricamente, são
concorrentes12 e coincidentes neste ponto).
2.
Se para um outro par de retas tivermos um sistema classificado
como possível e indeterminado, então teremos como
representação geométrica da solução uma outra reta que
representa todos os valores possíveis que satisfaçam as
equações (as retas, geometricamente, são coincidentes13).
3.
E finalmente, se por acaso o sistema for impossível, então não
há ponto que seja comum as duas retas (as retas,
geometricamente, são paralelas14 - nunca se encontrarão).
Exemplo 1: S1
2 x + y = 1 2 x + y = 1 2 x + y = 1
= ≅ ≅
2 x + y = 3 0 x − 0 y = −2 0 y = −2
Exemplo 6:
x + y = 4 x + y = 4 x = 3
S2 = ≅ ≅
x − y = 2 0 x + 2 y = 2 y =1
Retas concorrentes em S2: sistema determinado e tem um ponto em comum (3,1) que é a
solução do sistema
12 Retas concorrentes: Duas retas são concorrentes se elas têm um ponto em comum. As retas perpendiculares são retas concorrentes que
formam entre si um ângulo reto.
13Retas coincidentes: Duas retas sobrepostas num mesmo plano – todos os pontos são comuns.
14 Retas paralelas: Duas retas eqüidistantes em todos os seus pontos – nenhum ponto é comuns.
15 Para saber mais: http://pessoal.sercomtel.com.br/matematica/fundam/eq1g/eq1g.htm
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 54
Exemplo 7: S3
2 x + y = 1 2 x + y = 1 1− y
= ≅ ≅ 2 x + y = 1 ≅ x =
4 x + 2 y = 2 0 x + 0 y = 0 2
Assim, geometricamente, pode-se interpretar a solução de um sistema qualquer, no plano R2, onde:
1. Se o sistema é consistente e determinado, as retas se interceptam num único ponto (ponto
solução do sistema);
2. Se o sistema é consistente e indeterminado, as retas são coincidentes;
3. Se o sistema é impossível ou inconsistente, as retas são paralelas.
S
e dois sistemas lineares, S1 e S2, admitem a mesma solução, eles são ditos sistemas
equivalentes. Veja os exemplos:
2 x + y = 4 − 3 x + y = −1
Exemplo 1: Os sistemas e são equivalentes porque tem a
− x + 3 y = 5 x − y = −1
mesma solução S={(1,2)}
Exemplo 2: Como os sistemas admitem a mesma solução {(1,-2)}, S1 e S2 são equivalentes.
y
x + 3y = − 5
S1 : ⇒ S = {(1,-2)} e 3x + 2 = 2 S = {(1,-2)}
2 x − y = 4 S2 : ⇒
− x + y = −1
3
Teorema 1
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 55
Proposições
(i) As variáveis (ou incógnitas) que num sistema na forma escalonada por linhas (sistemas
equivalentes), não aparecem no início de nenhuma equação, são denominadas variáveis
livres.
(ii) Para determinar o número de variáveis livres de um sistema aplicamos após o processo de
equivalência das linhas, a fórmula:
A
técnica básica para determinar as soluções de um sistema de equações lineares é o método
de eliminação (de Gauss –forma escalonada)
x + 2 y + z = 1 x + 2 y + z = 1 x + 2 y + z = 1
S 1 = x + y + z = −1 ≅ 0 x + y + 0 z = 2 ≅ y = 2 .
2 x + 4 y + 2 z = 2 0 x + 0 y + 0 z = 0
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 56
x + 2 y + z = 1 1 2 1 +1
S 1 = x + y + z = −1 A matriz completa de S1 é: 1 1 1 −1
2 x + 4 y + 2 z = 2 2 4 2 + 2
Vamos transformar a matriz completa de S em matrizes equivalentes aplicando a operações
elementares citadas no Teorema 1:
1 2 1 + 1 1 2 1 1
1 1 1 −1 ≅ 0 1 0 2 Para encontrar a 2ª matriz, aplicamos na 1ª as
2 4 2 + 2 0 0 0 0
operações: L2 = L2 – L1 e L3 = L3 – 2L1 .
x + 2 y + z = 1
A matriz equivalente encontrada corresponde ao sistema S1= ⇔y=2.
y = 2
Substituindo o valor encontrado para y na 1ª equação do sistema equivalente a S temos:
x+2y+z =1⇔ x+2.2+z =1⇔ x = -3-z.
O sistema é possível e indeterminado com uma solução geral S´= {(-3-z, 2, z) ∀ z ∈ R} e
uma solução particular S´= {(-3,2,0)} para z = 0.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 57
Solução Geral: Sg = {(x, y, z, w)} = {(14+ 3z, -15 - 4z, z, -4)}, para z real
x + 2 y − 2 z + 3w = 2
2 x + 4 y − 3 z + 4 w = 5 → L 2 = −2 L1 + L 2 ~
5 x + 10 y − 8 z + 11w = 12 → L = −5L + L
3 1 3
x + 2 y − 2 z + 4w = 2
...............z − 2w = 1 ~
..............2 z − 4 w = 2 → L = −2 L + L
3 2 3
x + 2 y − 2 z + 3w = 2
.................z − 2 w = 1
..........................0 = 0
O sistema na forma escalonada apresenta 2 equações não nulas nas 4 variáveis, logo o
sistema é consistente com várias soluções.
Neste caso há duas variáveis livres y e w (elas não aparecem no começo de nenhuma
equação), e, portanto, uma solução particular pode se obtida dando a y e a w quaisquer
valores.
A solução geral será obtida, calculando os valores de x e z em função das variáveis livres
y e w. Assim, temos z = 1 + 2w . Substituindo o valor de z na primeira equação do
sistema, temos: x + 2y – 2z + 3w = 2
x = 2 – 2y + 2( 1 + 2w ) + 3w
x = 2 – 2y + 2 + 4w + 3w
x = 4 – 2y + 7w
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 58
3x + y − z = 0 − x + + y + 2 z = 1 − x + y + 2 z = 1
S = − x + y + 2 z = 1 escalonando temos: 3x + y − z = 0 ~ 4 y + 5 z = 3 . O sistema na
2 x + 2 y + z = 2 2 x + 2 y + z = 2 0 = 1
forma escalonada apresenta a equação 0 = 1 que é inconsistente (falso). Portanto o sistema
é impossível e temos então S = ∅
De uso restrito, a regra de Cramer é utilizada, em geral, para resolver sistemas com 2 ou 3
equações e com 2 ou 3 variáveis. Acima disso, torna-se um processo extenso e trabalhos
(praticamente inaplicável).
Supondo como exemplo, um sistema com três variáveis, x, y, e z. Para resolver o sistema pela
Regra de Cramer, devemos:
1. Encontrar o determinante D = ∆ da matriz dos coeficientes x, y e z;
2. Calcular o determinante Dx = ∆x da matriz que se obtém, substituindo a coluna dos
coeficientes de x pela coluna dos termos independentes;
∆x ∆y ∆z
3. Determinar os valores das variáveis x, y e z pela fórmula x = ,y= e z= .
∆ ∆ ∆
Seja o sistema W:
a11 x1 + a12 x 2 + a13 x3 + ... + a1n x n = b1
a 21 x1 + a 22 x 2 + a 23 x3 + ... + a 2 n x n = b2
a 31 x1 + a 32 x 2 + a 33 x3 + ... + a 3n x n = b3
.......................................................
a m1 x1 + a m 2 x 2 + a m 3 x3 + ... + a mn x n = bm
(1) ∆ equivale ao determinante de uma matriz (2) ∆x equivale ao determinante de uma matriz
A, formada pelos coeficientes das incógnitas do Ax, que se obtém a partir da matriz A,
sistema W substituindo-se a coluna dos coeficientes de x1
pela coluna dos termos independentes.
a11 a12 L a1n b1 a12 L a1n
a21 a22 L a2 n b2 a 22 L a 2n
∆x = Det Ax1 =
∆= Det A =
M M M M M M
a b am2 L a mn
a L a n
m1 m 2 mn
(3) De maneira análoga a ∆x podemos
determinar ∆y e ∆z
a11 b1 L a1n a11 a12 L b1
a 21 b2 L a2n a 21 a 22 L b2
∆y=Det Ax2= e ∆z=Det Axn = M
M M M M M
a bn L a mn a am 2 L bn
m1 m1
∆x det Ax1 ∆y det Ax 2 ∆z
(4) Pela regra de Cramer x1 =x= = x2 = y= = ez= .
∆ det A ∆ det A ∆
det Axn
Generalizando, pela regra de Cramer, xn =
det A
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 59
C
omo já vimos, os sistemas formados por equações lineares cujos termos independentes são
todos iguais a zero (bi = 0) são denominados de sistemas homogêneos. Neste caso, todas
as constantes b1,b2,...,bm do sistema são nulas.
Todo sistema homogêneo é consistente (ou possível), pois sempre admite solução.
Neste caso, temos duas possibilidades de solução:
• O sistema de m equações e n incógnitas é consistente e determinado e tem somente a
solução trivial (0,0,...,0) quando m = n ou seja, quando o número de m equações do
sistema equivalente, na forma escada, é igual ao número de variáveis n do sistema.
• O sistema de m equações e n incógnitas é consistente e indeterminado isto é, tem também
soluções não nulas, quando m < n ou seja, quando o sistema tem mais variáveis n do que
equações m.
a11 x1 + a12 x 2 + L + a1n x n = 0
a 21 x1 + a 22 x 2 + L + a 2 n x n = 0
Seja o sistema homogêneo S = .
L
a m1 x1 + a m 2 x 2 + L + a mn x n = 0
O sistema S sempre terá pelo menos uma solução, a n–upla (0, 0, ..., 0) chamada solução zero
ou trivial. Qualquer outra solução é chamada não-nula ou não–trivial. Assim, em todo sistema
homogêneo temos duas possibilidades de resposta:
1ª) quando o número de equações do sistema na forma escalonada for igual ao número de
incógnitas, dizemos que o sistema tem somente solução zero ou trivial.
2ª) quando o número de equações do sistema na forma escalonada for menor que o
número de incógnitas, dizemos que o sistema tem solução não nula.
x + y − z = 0 x + y − z = 0
Exemplo 1: Encontre a solução dos sistemas S1= 2 x + 4 y − z = 0 e S2 = 2 x − 3 y + z = 0
3 x + 2 y + 2 z = 0 x − 4 y + 2z = 0
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 60
x + y − z = 0 x + y − z = 0 x + y − z = 0
Resolução: S1= 2 x + 4 y − z = 0 ⇒ 2 y + z = 0 ⇒ 2 y + z = 0 ⇒ x = 0, y = 0 e z = 0
3 x + 2 y + 2 z = 0 − y + 5 z = 0 11z = 0
Note que o sistema na forma escalonada, apresenta número de equações igual ao número de
incógnitas, logo o sistema possui solução única, isto é, trivial. Logo, S = (0,0,0).
x + y − z = 0 x + y − z = 0 x + y − z = 0
Resolução: S2= 2 x − 3 y + z = 0 ⇒ − 5 y + 3z = 0 ⇒ − 5 y + 3z = 0 . Observe que o sistema na forma
x − 4 y + 2z = 0 − 5 y + 3 z = 0 0 = 0
escalonada apresenta duas equações não nulas e três incógnitas, x, y e z. Logo o sistema possui
3z − 3z 2z
várias soluções. A variável livre é z. Solução Geral: -5y+3z=0 ⇒ y= e x= +z⇒ x = .
5 5 5
2 z 3z 2 3
Logo SG = ( , , z ), para z real; Solução Particular: Para z = 1 temos SP = ( , ,1 )
5 5 5 5
AAggoorraa,, éé ccoom
m vvooccêê!! Resolva a lista 6 de Atividades
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 61
1 Encontre o conjunto solução. Classifique os sistemas a partir da solução, justificando sua resposta.
x − y − z = −4 x − 2 y + 4 z = −7 x + y + 2z = 0
a) S1= 2 x + y + z = 1 b) S2= 2 x − y + 3 z = −4 c) S3= x − y + 2 z = 2
3x + 2 y + z = 2 − 2 x − 2 y + 3 z = 1 2 x + 2 y + z = −1
x − y + z = 4 x + y − z = 3 x + y + z + t = 6
x + 2 y + z − t = 1
d) S4= 2 x + 3 y + 2 z = −2 (e) S5= 2 x + y − 3 z = 4
(f) S6=
3x + 2 y − 3z = −4 − x + 2 y − z = 3
2 x + y − z + t = 2
− x + 2 y + z + t = 7
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 62
x − y + z + t = 1 x + y = 1 x + y + z = 6
y + z − t = −2
(h) S8= 2 x + 3 y = 2 (i) S9= x − y − z = −1
(g) S7=
3x + 3 y = 3 x + y + z = 2
− x + y + t = 2
z + t = 1
x + y + z = 2 2 x + y + z − w = 4 x + y + z = 6
(j) S10= x − y − z = 0 (k) S11= 3 x − y − z + w = −4 (l) S12= − x − y − z = −6
3x − 2 y + 4 z = 13 − x − 2 y + 3 z − 2 w = 6 x − y + z = 2
3 Determine se cada sistema tem solução não-nula. Classificar e resolver os sistemas homogêneos,
justificando a resposta. Se for indeterminado, encontre a solução geral e uma solução particular.
x − 2 y + 3z − 2w = 0 x + 2 y − z = 0 x + 2 y − 3z = 0 3 x − y + 2 z = 0
2 x + 5 y + 2 z = 0 d)
a) 3x − 7 y − 2z + 4 w = 0
b)
c) 2 x + 5 y + 2z = 0 2 x + y + z = 0
4x + 3y + 5z + 2w = 0 3x − y − 4z = 0
x + 4 y + 7z = 0
x + 3y + 3z = 0
x − y + 2z = 0 2 x − y + 3 z − w = 0 x − y + t = 0
e) 3 x − y − 2 z + w = 0 2 x − y + z − w + t = 0
− 2 x + 2 y − 4 z = 0
f) g)
x − y + 3z − w = 0 − x + 2 y − w + 2t = 0
− x + y + z = 0 2 x − y − z + t = 0
x − y + z = 1 x − y + z = 1 x − y + z = 3
a) 2 x − y + z = 2 b) 2 x − y + z = 2 c) 2 x − y − z = 2
x + y + z = 3 x + y + z = 3 x + y + z = 1
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 63
x + 2 y − z = 0 2 x − y + 3 z = 0 5 x + 2 y − z = 0 x + 2 y + z = 2
a)
b) 3x − y + z = 1
3 x − y + 2 z = 0 c) x − y + 3 z = 0 d) − 2 x − 4 y − 2 z = 4
x + y + z = 2 2 x − y + z = 0 3x + 6 y + 3z = 6
7 Mostre, algébrica e geometricamente, que o sistema S1 é consistente e indeterminado e o sistema
2 x − y = 1 x + y = 2
S2 é inconsistente para: S1= 4 x − 2 y = 2 e S2= x − y = 0 .
y 2 x + y = 2
x − 2 = 1 2
8 Classifique e resolva os sistemas de equações lineares. Se o sistema for consistente e
indeterminado, encontre a solução geral e uma particular.
2 x − y + 3z = 11
4 x − 3 y + 2 z = 0 x + 3 y + 2 z + 3w − 7t = 14
(a) S1= (b) S2= 2 x + 6 y + z − 2 w + 5t = −2
x + y + z = 6 x + 3 y − z + 2t = −1
3x + y + z = 4
9 Verifique se os sistemas homogêneos têm solução não nula, justificando sua resposta.
x + 3 y − 2z = 0 x + 3 y − 2z = 0 x + 2 y − z = 0 5 x + 2 y − z = 0
a) S1= 2 x − 3 y + z = 0 b) S2= x − 8 y + 8 z = 0 c) S3= 3 x − y + 2 z = 0 d) S3= x − y + 3 z = 0
3x − 2 y + 2 z = 0 3x − 2 y + 4 z = 0 2 x − y + z = 0 2 x − y + z = 0
10 Mostre, algébrica e geometricamente, que o sistema formado pelas equações 2x - y = 1, x - y/2
= ½ e 4x - 2y = 2, é consistente e indeterminado.
11 O sistema homogêneo formado pelas equações x + 3y - 2z = 0, 2x + 3y + z = 0 e 3x - 2y + 2z
= 0 tem solução não nula? Justifique.
12 Classifique e resolva os sistemas de equações lineares. Se o sistema for consistente e
indeterminado, encontre a solução geral e uma particular.
2 x − y + 3 z = 8
4 x − 3 y + 2 z = 8 x + 3 y + 2 z + 3w − 7t = 2
(a) S1= (b) S2= 2 x + 6 y + z − 2 w + 5t = 12
x + y + z = 3 x + 3 y − z + 2t = 5
3 x + y + z = 5
13 Encontre a solução algébrica e geométrica dos sistemas:
x + y = 2 x + y = 2 x + y = 2 x + y = 0 x + y = 0 x + y = 0
A= B= C= D= E= F=
2 x − 3 y = −1 2 x + 2 y = 4 x + y = 3 2 x − 3 y = 0 2 x + 2 y = 0 x + y = 0
(1) S = {(
y , y)}, y ∈ IR (2) m = -1 (3) α = −3 (4) S = {(-2y+z, y, z)}, y,z ∈ IR (5ª) Sim (5b) Não
2 2
(6) k = -3 (7) Sim. S = {(4, 3)}
(8) Os sistemas são equivalentes para m = 0 e n = 1. S= {(2, 1)}
2 1 1 x − 1
2 1 x 5 2a − 5b = −4
(9a) . = (9b) 1 0 1 . y = 0 (10)
1 − 3 y 0 − 3 5 − 1 z 2 3a + b = 7
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 64
(1a) S = {(-1,2,1)} (1b) S = {(-5,15,7)} (1c) S = {( 1 ,-1, 1 )} (1d) S = {(1,-2,1)} (1e) S = {(1,2,0)} (1f) S
3 3
= {(0,1,2,3)} (1g) S = {( − 1 , 1 , 3 , 8 )} (1h) S = {(1,0)} (1i) Impossível (1j) S = {(1,-1,2)} (1k) S =
3 5 5 5
w + 6 2( 2 w + 7 )
{(0, , ,w)}, w ∈ IR. OBS: Se optar por transformar z em variável livre, a resposta é Sg = {(0, ½+z/4, z,
5 5
-7/2+5z/4)} para z real. (1l) S = {(4-z,2,z)} z ∈ IR; Sistema Não-homogêneo Consistente e Determinado 1ª, 1b, 1c, 1d,
1e, 1f, 1g, 1h, 1j; Sistema Não-homogêneo Consistente e Indeterminado 1k, 1l; Sistema Não-homogêneo Inconsistente 1i
9 12 9
2 (a) S = {(1,2,3)}; (b) S = {( , , )}; (3a) S = {( 23w , 5w ,15w , w )} w ∈ IR. Sistema Homogêneo
5 5 5 16 16 16
Consistente e Indeterminado. Sp = {(23,5,15,16)} para w = 16; (3b) S = {(9z,-4z,z)} z ∈ IR. Sistema Homogêneo
Consistente e Indeterminado. Sp = {(9, -4, 1)} para z = 1; (3c) S = {(0,0,0)}. Sistema Homogêneo Consistente e
− z +5
Determinado; (3d) S ={( , z − 15, z )} z ∈ IR. Sistema Homogêneo Consistente e Indeterminado. Sp = {(0, -10, 5)}
2
para z=5; (3e) S = {(y-2z, y, z)} para y, z ∈ IR. Sistema Homogêneo Consistente e Indeterminado. Sp = {(1, 1, 0)} p/y=1
− w 5w w w
e z = 0; (3f) S = {(0,0,0,0)}. Sistema Homogêneo Consistente e Determinado; (3g) S ={( , , , w, }, w ∈ IR
2 8 2 8
ou S ={(- 4t ,5t ,4t ,8t , t } para t real. Sistema Homogêneo Consistente e Indeterminado. Sp = {(-4,5,4,8,1)} para w = 8.
4) a) S = {(1,1,1,)}; b) S = {(-3/2, -3,5/2)}; S = {1,-1,1)}.
1− t t +5
5ª) SPD e S= {(2,1,2)}; 5b) SI e S= { }; 5c) SPI e Sg= {( , t + 3, , t )} para todo t real. Sp = {(0,4,3,1)} para t=1;
2 2
−3 z 5 z
6a) SPI e Sg= {( , , z )} para z real. Sp = {(-3,5,7)} para z=7; 6b) SPD. S = {(4/5,13/10,-1/10)};
7 7
8a) SPD.S = {(-1,2,5)}; 8b) SPI e Sg= {(1-3y-7,y,2+t,3+2t,t)} para todo y e t real. Sp = {(-1,1,1,1,-1)} para y=1 e t=-1;
−8 z 10 z
9ª, 9c,9d) SPD e S= {(0,0,0)}; 9b) SPI e Sg= {( , , z )} para todo z real. Sp = {(-8,10,11)} para z=11;
11 11
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 65
D
iscutir o sistema é saber se ele é possível (ou consistente) ou impossível (ou inconsistente).
Se ele for possível de solução, pode determinado ou indeterminado. Com o mesmo
procedimento de equivalência de sistemas, podemos resolver outro tipo de problema, como a
classificação de um dado sistema, que dependa de parâmetros.
Exemplo 3: Dado o sistema16 de equações S vamos discutir a sua natureza, em função dos
x + ky + z = 1
parâmetros reais k para S = x + y + ( k − 1) z = 1
2 x + 4 y + kz = 0
Resolução: Resolvendo pelo método de condensação ou de eliminação de Gauss, temos:
1 k 1 1 1 k 1 1 1 k 1 1
1 1 k −1 1 ≅ 0 1− k − 2 + k 0 ≅ 0 1− k −2+k 0 .
2 4 k 0 0 4 − 2k − 2 + k − 2 0 0
− k 2 + 5k − 6 2(k − 1)
A representação matricial do sistema na forma escalonada, mostra a necessidade de análise
para os parâmetros de k e t em:
Para 1 – k = 0 ⇒ k=1.
Para k2-5k+6 = 0 ⇒ k = 2 ou k = 3.
Assim, nossa análise será feita sobre essas igualdades, e k ≠ 1, k ≠ 2 e k ≠ 3.
Aplicando o resultado da matriz equivalente encontrada na forma de sistema, obtemos:
x + ky + z = 1
(1 − k ) y + (−2 + k ) z = 0 Analisando a partir da última equação do sistema, temos:
2
(−k + 5k − 6) z = 2(k − 1).
16 PINTO (1997:13)
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 66
2t (− k + 2) − 2
(a) Para (−k 2 + 5k − 6) z = 2t (−k + 2) − 2 ⇒ z = .
− k 2 + 5k − 6
As possíveis respostas para z, dependem dos valores de k . Vejamos:
Se k = 2 ou k = 3 não existe solução para z, então o sistema é impossível.
Se k ≠ 2 ou k ≠ 3 existe solução determinada para z, então o sistema é possível e
determinado.
(−2 + k ) z
(b) Para (1 − k ) y + (−2 + k ) z = 0 temos y = .
1− k
As possíveis respostas para y, dependem dos valores de k . Vejamos:
Se k = 1 não existe solução para y então o sistema é impossível.
Se k ≠ 1, k tem solução se k ≠ 2 ou k ≠ 3. Neste caso o sistema possível e determinado.
AAggoorraa,, éé ccoom
m vvooccêê!! Resolva a lista 7 de Atividades
Lista 7 de atividades
4 x + 3 y = 2
1 Encontre o valor real de “a”, para que o sistema S admita solução, sendo S = 5 x − 4 y = 0
2 x − y = a
− 4 x + 3 y = 2
2 Encontre o valor real de k, para que o sistema S de equações admita solução: 5 x − 4 y = 0
2 x − y = k
3 Determine o valor de k, para que (5,k-1,3k+2) seja solução da equação linear x -2y + z = 7.
kx + y + z = 0
4 Considere o sistema S de equações x + ( k + 1) y + z = 1
− 2 x + (k + 2) y + 2 z = t
Discuta-o, em função dos parâmetros reais k e t
Resolva-o, pela regra de Cramer, tomando k=1 e t = 0.
Respostas:
2) k=-6; 3) k=-2
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 67
APÊNDICE A
Matriz de Co-Fatores e Adjunta Clássica.
Aplicação de Determinante: Adjunta Clássica e Matriz Inversa
O Cofator de um elemento aij de uma matriz A indicado por Cof (A) ou C, se define como
cij = (−1) i + j M ij sendo |Mij| o MENOR complementar do elemento aij da matriz A.
Note que: Se a i-ésima linha e a j-ésima coluna de uma matriz A forem suprimidas, o determinante
da submatriz resultante se chama o MENOR do elemento aij e é indicado por |Mij|. Encontrando todos
os cofatores dos elementos aij da matriz, obtemos a matriz de cofatores de A (Cof A).
Exemplo:
Assim, pelo Teorema de Laplace, podemos encontrar o determinante de uma matriz fazendo:
det A = a11 |M11 | - a12 |M12 |+ a13 |M13 | ou det A = a11 . C11 + a12 .C12 + a13 . C13 sendo
onde Mij a sub matriz encontrada da matriz inicial A, de onde foram retiradas a i-ésima linha e a j-
ésima coluna e Cij é o cofator dos elementos de A.
det A = a11 (a22 a33 - a23 a32) - a12 (a21 a33 - a23 a31) + a13 (a21 a32 - a22 a31)
−1 0 1
Exemplo 1: Seja A = 2 3 − 1 . A matriz dos cofatores dos elementos de A é definda em:
7 1 3
3 −1 2 −1
C11 = (-1)1+1 . =1.(9+1) = 1.10 = 10. C12=(-1)1+2. =(-1).(6+7)=(-1).(13)=-13
1 3 7 3
2 3 0 1
C13 =(-1)1+3 . =1.(2-21) = 1.(-19)= -19. C21 = (-1)2+1 . =(-1).(0-1)=(-1).(-1)= 1.
7 1 1 3
−1 1 −1 0
C22 = (-1)2+2 . =1.(-3-7)=1.(-10)= -10. C23 = (-1)2+3. =(-1).(-1-0)=(-1).(-1)= 1
7 3 7 1
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 68
Proposições:
• O determinante I M ij I é denominado menor complementar de aij
C
onsideremos uma matriz quadrada de ordem n, A = (aij ) sobre um corpo K. Denominamos de
matriz Adjunta Clássica de A a transposta da matriz dos cofatores (Cof A) dos elementos
aij de A, representada por Adj A.
Encontrando todos os cofatores dos elementos aij da matriz, obtemos a matriz de cofatores de A
(Cof A).
A Matriz Adjunta de uma matriz A, indicada por (Adj A) é a transposta da matriz de cofatores, isto
é Adj A = (Cof A)t .
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 69
2 1
1+1 1 0 1+ 2 2 0 c13 = (−1)1+ 3 .
c11 = (−1) . c12 = (−1) . −1 1
1 0 −1 0
2 +3 1 0 0 0 3
Cof A = c 21 = (−1) 2 +1 .
0 1 2+ 2 1 1 c 23 = (−1) .
c 22 = (−1) . −1 1 = 1 1 − 1
1 0 −1 0
−1 2 1
c = (−1) 3+1 . 0 1
c 32 = (−1) 3+ 2 .
1 1
c 33 = (−1) 3+3 .
1 0
31 1 0 2 0 2 1
0 1 − 1
Transpondo a matriz dos cofatores, obtemos a adjunta de A ou Adj A = 0 1 2 = Ct
3 −1 1
Saiba Mais:
A primeira impressão quando nos deparamos com a definição de adjunta é, em geral, estranha.
Qual o sentido de formar uma matriz por meio de tantos artifícios? A idéia de formar uma
adjunta surge naturalmente quando se toma conhecimento de dois resultados clássicos sobre
determinantes: Os teoremas de Laplace e Cauchy.
1º: Teorema (elementar) de Laplace. A soma dos produtos dos elementos de uma fila (linha
ou coluna) por seus respectivos cofatores é o determinante da matriz.
2º: Teorema de Cauchy. A soma dos produtos dos elementos de uma fila (linha ou coluna)
pelos cofatores dos elementos de uma fila paralela é igual a zero.
Observe:
1 0 1 0 0 3
No Ex.1 a matriz A = 2 1 0 tem com matriz de cofatores C= 1 1 − 1 . Se
−1 1 0 −1 2 1
formarmos a soma dos produtos dos elementos da primeira linha pelos seus respectivos
cofatores, o resultado será o determinante ou seja, pelo Teorema de Laplace, o
determinante de A, indicado Det A = a11.c11 + a12.c12+ a13.c13 = 1.0+0.1+1.3 = 3
Isto vale para qualquer linha ou coluna, isto é, para qualquer fila. É o famoso desenvolvimento
por cofatores de um determinante.
Igualmente, verificamos o Teorema de Cauchy: Somando os produtos dos elementos da
primeira linha pelos cofatores dos elementos de outra linha é zero. Assim, multiplicando os
elementos da 1ª linha de A pelos cofatores dos elementos da 2ª linha e somando os produtos,
obtemos:
Verificando: 1ª linha de A x 2ª linha de C = 1.1+0.1+1.(-1) = 1 + 0 – 1 = 0.
1ª linha de A x 3ª linha de C = = 1.-1+0.-1+1.(1) = -1 + 0 +1 1 = 0. Você pode verificar com
as outras linhas e colunas.
Os teoremas de Laplace e Cauchy podem ser integrados numa única definição: “Se A é uma
matriz quadrada de ordem n então A. Adj A = Det A . In sendo In a matriz identidade de ordem
n”.
Note que, para toda matriz quadrada, A. Adj A = Adj A . A ou seja, uma matriz e sua adjunta
comutam.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 70
Exemplo 2:
−1 0 1 10 − 13 − 19
Seja A = 2 3 − 1 . A matriz dos cofatores de A é definda em Cof (A)3x3 = 1 − 10 1 .
7 1 3 − 3 −1 − 3
Aplicando os Teoremas de Laplace ou Cauchy, podemos fazer a verificação se os resultados
encontrados estão corretos.
A partir da matriz de cofatores de A, encontramos a matriz Adjunta Clássica de A:
10 1 − 3
Adj (A)3x3 = − 13 − 10 − 1
− 19 1 − 3
V
imos que, uma matriz quadrada A, de ordem n tem inversa A-1 se (A.A-1)=(A-1.A)=I, sendo I
matriz identidade de ordem n. Decorre da definição algumas proposições. As proposições
relacionadas ao determinante são:
2 3 − 4
Exemplo: Encontre a matriz inversa da Matriz A = 0 − 4 2 , pelo conceito aplicado a
1 −1 5
determinante e adjunta clássica (Adj A).
Resolução:
a) Ache o determinante de A;
b) Substitua cada elemento aij de A por seu cofator para obter a (Cof A);
c) Obtenha a transposta da Matriz (Cof A) = (Adj A);
d) Divida cada elemento da matriz adjunta por |A|.
1
Divisão de cada elemento da matriz adjunta por |A| ou seja A–1 = . Adj A
det A
− 18 − 11 − 10 9 / 23 11 / 46 5 / 23
1
2 14 − 4 . Portanto A–1 = − 1 / 23 − 7 / 23 2 / 23 .
–1
A =
− 46
4 5 8 − 2 / 23 − 5 / 46 − 4 / 23
Verifique que A. A-1 = I
1 1 0 1 2 2
1 Dadas as matrizes A = 1 1 1 e B = 3 1 0 , encontre (a) Adj A; (b) Adj B
0 2 1 1 1 1
2 1 3 2 1 7
12 7
2 Determinar a inversa das matrizes: A = 4 2 2 , B = 1 3 2 , C =
2 5 3 5 4 3 5 3
1 1 0
3 Encontre a inversa A da matriz A = 0 − 1 2 e prove que A.A-1 =I
-1
1 0 1
1 2 3
4 Considere a matriz A = 5 7 4 : (a) Encontre o determinante de A; (b) Determine a matriz de cofatores de
2 1 3
A; (c) Encontre a matriz Adjunta de A; (d) Calcule a matriz inversa de A.
5. Encontre a matriz inversa pelo processo de inversão (ou triangulação), para:
1 1 1 2 1 0 2 2 1 1 2 1 1 − 1 1 1 −1 1
(a) − 1 1 2 ;(b) 1 1 1 ;(c) 1 − 1 1 ;(d) 1 1 1 ;(e) 1 1 1 ;(f) 0 1 1
2 −1 1 −1 1 1 1 0 1 1 − 1 2 − 1 1 1 1 − 1 − 1
−1 −1 1 1 0 − 2 − 1/ 8 3 / 8 − 1/ 8
Respostas: 1) Adj A= − 1 1 − 1 =(Cij)t ; Adj B = − 3 − 1 6 ; 2) A-1 = − 1 / 4 0 1 / 4 , B-1
2 −2 0 2 1 − 5 1/ 2 − 1/ 4 0
− 1 / 11 − 17 / 66 19 / 66 1 1 0 −1 −1 2 1 0 0
-1 3 − 7
= − 1 / 11 9 / 22 − 1 / 22 , C = ; (3) A.A = 0 − 1 2 . 2 1 − 2 = 0
-1
1 0 = I; (4) a)
2 / 11 − 5 12
1 / 66 − 5 / 66 1 0 1 1 1 −1 0 0 1
17 − 7 − 9
Determinante de A = Det(A) = |A| = -24; 4b) Matriz Cofatores Cof (A) =C= − 3 − 3
3 ; 4c) Transposta de
− 13 11 − 3
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris
Álgebra Linear 72
17 − 3 − 13 17 − 3 − 13 − 17 / 24 1 / 8 13 / 24
1 1 − 7 − 3 11 = 7 / 24
C = C =Adj A= − 7 − 3 11 ; 4d) A–1 =
t
.Adj A = − 1 / 8 − 11 / 24 5(a)
A 24
.
− 9 3 − 3 − 9 3 − 3 3 / 8 −1 / 8 1 / 8
3 / 7 − 2 / 7 1/ 7 0 1 / 2 −1 / 2 1 4 − 5 − 3 5 − 1
5 / 7 − 1 / 7 − 3 / 7 ; 5(b) 1 −1 1 ; 5(c) 0 − 3 3 ;5(d) 1 − 1 0 ;5(e)
−1 / 7 3 / 7 2/7 −1 − 4 6 2 −3 1
−1 3 / 2 −1 / 2
0 1 / 2 −1 / 2 0 1 1 1 0 0
−1 / 2 1 / 2 0 ; 5(f) − 1 / 2 1 1 / 2 .Verificação: AA−1 = 0 1 0
1/ 2
0 1 / 2 1 / 2 0 −1 / 2
0 0 1
Bibliografia
ANTON, H.; BUSBY, R.C. Álgebra Linear Contemporânea. Trad. C.I.Doering. Porto Alegre: Bookman.
2006.
IEZZI, Gelson; HAZZAN, Samuel; MURAKAMI, Carlos. Fundamentos de matemática elementar
4: seqüencias, matrizes, determinantes, sistemas. 6.ed SP: Ed. Atual, 1993. v.4.
KUHLJAMP, Nilo. Matrizes e Sistemas de Equações Lineares. Florianópolis: Ed. UFSC, 2007.
LAY, David C. Álgebra linear e suas aplicações. 2.ed Rio de Janeiro: LTC, 1999. 504 p.
LEON, Steven J. Álgebra linear com aplicações. 4.ed Rio de janeiro: LTC, 1999. 390 p.
LINS, Romulo Campos e GIMENEZ, Joaquim. Perspectivas em Aritmética e Álgebra para o
século XXI. São Paulo, Papirus, 1997.
STEINBRUCH, Alfredo; WINTERLE, Paulo. Álgebra Linear. RJ: Makron Books, 1987. 581 p.
STEINBRUCH, Alfredo. Álgebra linear e geometria analítica. SP: Ed. McGraw-Hill, 1975.518 p.
Prof (ªs): MSc.Elisa Netto Zanette, Drª. Ledina Lentz Pereira e MSc. Sandra Regina da Silva Fabris