Sei sulla pagina 1di 31

Álgebra Linear

Unidade II
Matrizes, Determinantes e Sistemas Linear

RICARDO ANCHIETA
[Digite o nome da empresa]
[Escolha a data]
Curso de Licenciatura em Informática Álgebra linear

Sumário
Capítulo 2 – Matrizes
Pág
1. Definição 03
2. Matrizes Especiais 04
3. Operações com matrizes
Igualdade 06
Adição de subtração 07
Multiplicação por escala 07
Multiplicação de matrizes 08
4. Propriedade 09
5. Inversa de uma matriz 09
6. Matrizes Elementares 09
7. Exercícios 12

Capítulo 3 - Determinantes

1. Definição 15
2. Determinante de 1ª e 2ª ordem
3. Determinante de 3ª ordem
Regra de Sarrus 15
4. Determinante de ordem n ≥ 2 16
Teorema de Laplace 16
Menor Complementar 16
5. Propriedades 17
6. Teoremas 18
7. Determinante da matriz inversa 10
8. Exercícios 20

Unidade II – Matrizes, Determinantes e Sistemas Lineares 2


Curso de Licenciatura em Informática Álgebra linear

Capítulo 4 – Sistemas Lineares

1. Equação Linear 22
2. Sistema de equações lineares 22
3. Representação matricial de um sistema linear 22
4. Classificação de um sistema linear 24
5. Resolução de um sistema linear 24
Regra de Cramer 24
Método de Gauss-Jorda 26
6. Discussão de um sistema linear 29
7. Exercícios 30

Unidade II – Matrizes, Determinantes e Sistemas Lineares 3


Curso de Licenciatura em Informática Álgebra linear

UNIDADE II
MATRIZES , DETERMINANTES E SISTEMAS LINEARES

2. MATRIZES

Definição: Uma matriz A, mxn (m por n), com m,n ≥ 1, é uma tabela de m.n
números dispostos em m linhas e n colunas.

 a11 a12 L a1n 


a a 22 L a 2n 
A =  21 .
 M M M M 
 
a m1 a m2 L a mn 
Cada elemento da matriz é indicado por aij, para i = 1, 2, 3, ..., m e
para j = 1, 2, 3, ..., n. O índice i indica a linha, enquanto que o índice j indica a
coluna em que se encontra o elemento na matriz.

Exemplo 2.1: O elemento a32 está na 3ª linha e na 2ª coluna


O elemento a15 está na 1ª linha e 5ª coluna.

A ordem de uma matriz é dada por mxn. Se m = n, dizemos que a matriz A


é uma matriz quadrada de ordem n. Nela, podemos localizar duas diagonais:
principal e secundária. Os elementos da diagonal principal têm os índices i = j.

Exemplo 2.2: Diagonal secundária


a11 a12 a13 
A = a 21 a 22 a 23 
a 31 a 32 a 33  3 x 3
Diagonal principal

Os elementos a11, a22 e a33 formam a diagonal principal. Enquanto que os


elementos a13, a22, a31 formam a diagonal secundária.

2.1 MATRIZES ESPECIAIS

Algumas matrizes por apresentarem características diferenciadas possuem


uma denominação própria.

1) Matriz Linha: Possui somente uma linha. [


A = 2 −1 ]
3 1x3
0
2) Matriz Coluna: Possui somente uma coluna. A = − 5
 
 11  3 x1
3) Matriz Unidade ou Matriz Identidade: É uma matriz quadrada em que os
elementos da diagonal principal são todos iguais a 1 (um), enquanto que os
Unidade II – Matrizes, Determinantes e Sistemas Lineares 4
Curso de Licenciatura em Informática Álgebra linear

demais são todos iguais a 0 (zero). Indicamos por In (matriz identidade de


ordem n)
 1 0 0
A = 0 1 0
0 0 1 3 x3
4) Matriz Diagonal: É uma matriz quadrada em que os elementos que não
pertencem a diagonal principal (aij, com i ≠ j) são todos iguais a zero. E os
elementos da diagonal principal (aij, com i = j) podem ser zero ou não.
1 0 0
1 0 
A=  B = 0 5 0 
0 − 3 2 x 2 0 0 0  3 x3
5) Matriz Transposta: É aquela obtida quando trocamos as linhas pelas
colunas. Representada por At.
2 − 4
2 0 1
A = 0 − 2 At = 
 − 4 − 2 3 2 x3
 1 3  3 x 2

( )
Observação: A t = A
t

6) Matriz Oposta: É aquela obtida quando trocamos os sinais de todos os


elementos da matriz. Representada por – A.

 2 − 50 − 15   − 2 50 15 
0 −2 5  0 2 − 5 
A=  −A = 
4 8 12  − 4 − 8 − 12 
   
− 9 − 6 7  9 6 −7 

7) Matriz Nula: Quando todos os elementos da matriz são iguais a zero.


0 0
A = 0 0
0 0

8) Matriz Simétrica: É a matriz que é igual a sua transposta, ou seja, A = At.

1 4 2  1 4 2 
A = 4 6 − 1
 A = 4 6 − 1
t 
2 − 1 − 4 2 − 1 − 4

9) Triangular Superior: É uma matriz quadrada onde todos os elementos


abaixo da diagonal são nulos, isto é, aij = 0, se i > j.

Unidade II – Matrizes, Determinantes e Sistemas Lineares 5


Curso de Licenciatura em Informática Álgebra linear

2 − 3 1 9 
0 − 11 8 − 3
A= 
0 0 2 1
 
0 0 0 6

10) Triangular Inferior: É uma matriz quadrada onde todos os elementos acima
da diagonal são nulos, isto é, aij = 0, se i < j.

2 0 0 0
 1 − 11 0 0 
A= 
− 3 4 2 0
 
6 2 7 6

2.2 OPERAÇÕES COM MATRIZES


3.1 Igualdade de Matrizes

Duas matrizes são iguais quando seus elementos correspondentes são


iguais.
Sendo A = (aij)mxn e B = (bij)mxn, se A = B, então aij = bij.

3.2 Adição e Subtração

A soma ou subtração de duas matrizes de mesma ordem é definida pela


soma ou subtração de seus elementos correspondentes.

Sendo A = (aij)mxn e B = (bij)mxn, a matriz C = A + B é obtida quando


somamos ou subtraímos os elementos correspondentes de A e B, ou seja:

cij = aij + bij ou cij = aij – bij


 2 − 4 0 − 2 3 5
Exemplo 2.3: Dadas as matrizes A =   e B= , determine
− 1 1 7  − 3 8 − 9
A+B e A – B.
 2 + (−2) − 4 + 3 0 + 5   0 −1 5
Resolução: A + B =  =
 − 1 + (−3) 1 + 8 7 + (−9) − 4 9 − 2

 2 − (−2) − 4 − 3 0 − 5  4 − 7 − 5 
A −B =  = 
− 1 − (−3) 1 − 8 7 − (−9) 2 − 7 16 

Unidade II – Matrizes, Determinantes e Sistemas Lineares 6


Curso de Licenciatura em Informática Álgebra linear

3.3 Multiplicação de uma Matriz por um escalar

A multiplicação de uma matriz A = (aij)mxn por um escalar (número real) α é


definida pela multiplicação desse escalar por cada elemento da matriz.
B = αA, ou seja bij = αaij, para i = 1,2,...,m e j = 1,2,...,n. Dizemos que a
matriz B é um múltiplo escalar da matriz A.

− 2 0
Exemplo 2.4: Dada a matriz A =   e o escalar α = –3, determine B = αA.
 3 5
− 2 0  6 0 
Resolução: B = (−3)   = 
 3 5 − 9 − 15 

3.4 Multiplicação de Matrizes

Denomina-se produto de duas matrizes A = (aij)mxn e B = (bjk)nxp, em que o


número de colunas da primeira matriz é igual ao número de linhas da segunda
matriz, a matriz C = (cik)mxp, tal que o elemento cik é a soma dos produtos da
i-ésima linha de A pelos elementos correspondentes da j-ésima coluna de B.

C = A.B ⇒ cij = ai1b1k + ai2b2k + ... + ainbnk

Observação: O índice ij do elemento da matriz resultante indica a linha i da 1ª


matriz e a coluna j da 2ª matriz que devem ser somados aos produtos dos
elementos correspondentes. Então o elemento c21 é encontrado pela soma dos
produtos dos elementos da 2ª linha da 1ª matriz com a 1ª coluna da 2ª matriz.

 3 2  4 7 − 2
Exemplo 2.5: Dadas as matrizes A =   e B=  , determine
− 1 0 2 x 2  1 5 6  2 x3
A.B.
Resolução: A matriz C = A.B será de ordem 2x3.

 3 2 4 7 − 2 c 11 c 12 c 13 
− 1 0 .  1 5 6  = c c 23 
     21 c 22

c11 = 3.4 + 2.1 = 12 + 2 = 14 c21 = (–1).4 + 0.1 = –4 + 0 = – 4


c12 = 3.7 + 2.5 = 21 + 10 = 31 c22 = (–1).7 + 0.5 = –7 + 0 = – 7
c13 = 3.( –2) + 2.6 = –6+ 12 = 6 c23 = (–1).( – 2) + 0.6 = 2 + 0 = 2

 14 31 6
C= 
 − 4 − 7 2

Unidade II – Matrizes, Determinantes e Sistemas Lineares 7


Curso de Licenciatura em Informática Álgebra linear

Podemos também o entender produto de matrizes da seguinte forma:


Sendo A = [aij ] ∈ Mmxn(R) e B = [bij ] ∈ Mnxp(R), define-se AB como sendo a matriz
do tipo mxp cujo elemento (i; j) é ai1b1j+ai2b2j+...+ainbnj.

n 
Assim: AB =  ∑ a ik b kj 
k =1  mxp

OBSERVAÇÃO: A definição de produto de matrizes exige que o número de


colunas da primeira matriz A seja igual ao número de linhas da segunda B,
para formar o produto AB . Se esta condição não é satisfeita, o produto não
é definido. A matriz resultante AB terá o número de linhas de A e o número
de colunas de B, como mostra a figura abaixo.
Amxp x Bpxn = Cmxn
=

2.3 PROPRIEDADES DAS MATRIZES

Teorema 2.1. Sejam as matrizes A, B e C em Mmxn(ℜ). Então verifica-se:

a) (A+B) + C = A + (B+C) ⇒ (associatividade da adição)


b) A + B = B + A ⇒ (comutatividade da adição)
c) A + 01 = 0 + A = A ⇒ (elemento neutro da adição)
d) A + (- A) = (-A) + A = 0 ⇒ (-A é o elemento simétrico ou oposto a A)
e) α(A + B) = αA + αB
f) (α + β)A = αA + βA
g) (A.B).C = A.(B.C) ⇒ (associatividade da multiplicação)
h) A(B + C) = AB + AC ⇒ (distributiva do produto em relação à adição)
i) A multiplicação de matrizes não é comutativa

Demonstraremos as propriedades a e f, deixando as restantes como exercício.

Demonstração de a:

Sejam A = [aij ] ; B = [bij ] ; C = [cij ] ∈ Mmxn(R) . Sejam D = (A + B) + C = [dij ] e


E = A + (B + C) = [eij ] : Note-se que D e E são matrizes m x n. Por outro lado, da
definição de adição de matrizes, tem-se dij = (aij +bij)+cij e eij = aij +(bij +cij): Mas a
associatividade da adição em R diz-nos que estas duas somas são iguais. Logo,
dij = eij para i = 1; : : : ; m; j = 1; : : : ; n; e portanto D = E.

1
Matriz nula

Unidade II – Matrizes, Determinantes e Sistemas Lineares 8


Curso de Licenciatura em Informática Álgebra linear

Demonstração de f:

Seja A = [aij ] 2 Mmxn(R) e α, β∈ R. Então (αβ)A e α(βA) são matrizes do mesmo


tipo e o elemento (i; j) de (αβ)A é (αβ)aij . Como α,β e aij são elementos de R, da
associatividade da multiplicação em R, sabemos que (αβ)aij = α (βaij): Mas o
segundo membro desta igualdade não é mais que o elemento (i; j) de α(βA): Como
i e j são quaisquer, obtemos a igualdade das matrizes consideradas.

2.5 INVERSA DE UMA MATRIZ QUADRADA

Seja A uma matriz quadrada de ordem n. Dizemos que A é invertível se


existir uma matriz X, quadrada de ordem n, tal que AX = XA = In. Nessas
condições dizemos que X é a inversa de A e representa-se por A-1. Se A não tem
inversa, dizemos que A é singular ou não-invertível.

2.5.1 Unicidade da inversa

Teorema 2.2: Seja A uma matriz quadrada de ordem n. Então existe no máximo
uma matriz X quadrada de ordem n tal que AX = XA = In

Demonstração: Sejam X e Y matrizes quadradas de ordem n tais que AX = XA = In


e AY = Y A = In. Então Y = Y In = Y (AX) = (Y A)X = InX = X. Logo, existe no
máximo uma matriz X nas condições referidas.

1 2 − 1 2 
Exemplo 2.6: A matriz   é invertível, e a sua inversa é a matriz  .
1 1  1 − 1
Temos que:

1 2 − 1 2  − 1 2  1 2
1 1  1 − 1 = I2 e  1 − 1 1 1 = I2
       

2.5.2 Obtenção da Inversa


1 2 -1
Exemplo 2.7: Considere a matriz A =   , vamos determinar a sua inversa A .
3 4 
a b
Resolução: Para calcularmos a inversa A-1, fazemos A-1=   . Assim temos,
c d
 1 2  a b 1 0
A.A-1 =     = I2 =   . Dessa maneira, temos:
3 4  c d 0 1
 a + 2c b + 2d  1 0
3a + 4c 3b + 4d = 0 1
   
Igualando os elementos correspondentes das duas matrizes, ficamos com
dois sistemas lineares com duas incógnitas cada.

a + 2c = 1 b + 2d = 0
 e 
3a + 4c = 0 3b + 4d = 1

Unidade II – Matrizes, Determinantes e Sistemas Lineares 9


Curso de Licenciatura em Informática Álgebra linear

a = −2 b = 1 − 2 1 
As soluções são: 3 1 , assim temos que A-1 =  3 1 .
c= d=−  − 
2 2 2 2
− 2 1   1 2   1 0 
Precisamos verificar se A-1.A = I2. Temos que  3 1 .  = .
 2 − 2  3 4  0 1
Concluímos que A é não singular e invertível.

1 2
Exemplo 2.8: Seja A =   , determinar a sua inversa A-1.
2 4 
a b  1 2  a b  1 0
Resolução: Fazemos A-1 =   . Então: A.A-1 = I2  .  = .
c d 2 4  c d 0 1
 a + 2c b + 2d  1 0
Daí, temos que:   =   . Igualando os elementos
2a + 4c 2b + 4d 0 1
correspondentes das duas matrizes temos:
a + 2c = 1 b + 2d = 0
 e 
2a + 4c = 0 2b = 4d = 1
Esses sistemas lineares não têm soluções, de maneira que a matriz A não possui
inversa, sendo singular ou não invertível

2.5.3 Propriedades da Inversa da matriz

Teorema 2.3: Se A é uma matriz não singular (invertível), então A-1 também é
não singular e ( A −1 ) −1 = A .
Demonstração: Queremos mostrar que uma matriz é inversa da outra, então o
produto entre elas é igual a matriz identidade.
Uma matriz B é a inversa de A-1, se B.A-1 = In ⇒ A-1.B = B.A-1 = In
Mas como A-1 é a inversa de A, então A.A-1 = A-1.A = In.
Como a inversa é única, então B = A. E como A é a inversa de A-1, temos que
( A −1 ) −1 = A

Teorema 2.4: Sejam A e B matrizes quadradas de ordem n invertíveis. Então AB é


invertível e (AB)-1 = B-1A-1.
Demonstração: (AB)(B-1A-1) = A(BB-1)A-1 = AInA-1 = AA-1 = In. De modo análogo,
(B-1A-1)(AB) = B-1(A-1A)B = B-1InB = B-1B = In. Podemos assim concluir que AB é
invertível e a sua inversa é B-1A-1.

2.6 Matrizes Elementares

São matrizes obtidas a partir de operações elementares sobre as linhas


dessa mesma matriz. Essas operações podem ser:

a) Trocar a posição de duas linhas;


b) Multiplicar uma linha da matriz por um escalar diferente de zero;
c) Somar a uma linha da matriz um múltiplo escalar de outra linha.

Unidade II – Matrizes, Determinantes e Sistemas Lineares 10


Curso de Licenciatura em Informática Álgebra linear

− 2 3 1 

Exemplo 2.9: Dada a matriz A =  7 9 − 11 , vamos encontrar suas matrizes
 12 13 4 
elementares:
7 9 − 11

Ae1 = − 2 3 1  → encontrada a partir da troca de posição da 1ª e 2ª linha
 12 13 4 
− 2 3 1 

Ae2 =  14 18 − 22 → encontrada quando multiplicamos por 2 a 2ª linha de A
 12 13 4 
− 2 3 1 

Ae3 =  7 9 − 11 → encontrada quando multiplicamos por 6 a 1ª linha da matriz A
 0 31 10  e somamos o resultado com os elementos da 3ª linha de A

Ao aplicarmos uma sequência operações elementares a uma matriz A,


obtemos a matriz B, então dizemos que a matriz B é equivalente a matriz A, e
indicamos por B ∼ A. Essa relação de equivalência possui características:
a) Reflexiva: A ∼ A
b) Simetria: se A ∼ B, então B ∼ A
c) Transitiva: se A ∼ B e B ∼ C, então A ∼ C

Uma importante aplicação da equivalência de matrizes através das


operações elementares é o cálculo para encontrar a matriz inversa de matrizes de
ordem n ≥ 3. Se utilizarmos o método descrito anteriormente, para uma matriz de
ordem 3 iremos encontrar três sistemas com três incógnitas cada um. Lembramos
que se a matriz A for inversível, então A ∼ In.
Este método permite determinar, durante sua aplicação, se a matriz é ou
não inversível. Vamos aos passos::

 Escrevemos, lado-a-lado, a matriz que queremos inverter e a matriz


identidade de mesma ordem, segundo o esquema:

A | In
 Por meio de alguma operação elementar, obtemos o número 1 na posição
a11
 Usando a linha 1 como linha-pivó, obtemos zeros nas outras posições da
coluna 1 (para isso, fazemos uso da terceira operação elementar).
 Por meio de uma operação elementar, obtemos o número 1 na posição a22.
 Usando a linha 2 como linha-pivó obtemos zeros nas outras posições da
coluna 2 (para isso, fazemos uso da terceira operação elementar).
 Passamos para a terceira coluna e assim por diante.
 Se, em alguma etapa do procedimento, uma linha toda se anula, podemos
 concluir que a matriz em questão não é inversível - nesse caso, nenhuma
operação elementar igualaria essa linha a uma linha da matriz identidade!
 Se chegarmos _a matriz identidade, então a matriz à direita, no esquema,
será a matriz inversa procurada.
Unidade II – Matrizes, Determinantes e Sistemas Lineares 11
Curso de Licenciatura em Informática Álgebra linear

2 1 4
Exemplo 2.10: Encontrar a matriz inversa da matriz A =  1 1 1
2 3 5 

Resolução: Se existe A-1, então A ∼ I3.

2 1 4  1 0 0 2 1 41 0 0
 1 1 1 ∼ 0 1 0 . Esquematizando, temos: 1 1 1 0 1 0
   
2 3 5  0 0 1 2 3 50 0 1
A partir da esquematização, vamos proceder aos passos. Como temos uma linha
que possui o número 1 na posição a21, podemos então permutar a 1ª linha com a
2ª linha.
1 1 10 1 0
2 1 41 0 0
2 3 50 0 1
A seguir, temos que colocar os elementos a21 e a31 iguais a zero. Para isso,
utilizamos a 3ª operação elementar. Vamos multiplicar por (-2) a 1ª linha e somar
com a 2ª linha, e fazer a mesma operação para a 3ª linha. Então ficamos a
seguinte matriz:
1 1 10 1 0
0 −1 2 1 − 2 0
0 1 3 0 −2 1
Como o elemento a22 tem que ser igual a 1, então multiplicamos toda a linha por
(-1).
1 1 1 0 1 0
0 1 − 2 −1 2 0
0 1 3 0 −2 1

A seguir, tanto a 1ª e a 3ª linha foram substituídas pela multiplicação da 2ª linha


por (-1) e somada com cada linha, respectivamente:
1 0 3 1 −1 0
0 1 − 2 −1 2 0
0 0 5 1 −4 1
 1
Em seguida, multiplicamos a 3ª linha por   .
5
1 0 3 1 −1 0
0 1 − 2 −1 2 0
1 −4 1
0 0 1
5 5 5
Como a 3ª linha já está totalmente formada, podemos utilizá-la para formar as
demais. Vamos multiplicar por (-3) a 3ª linha e somar com a 1ª, para substituir a 1ª
linha.

Unidade II – Matrizes, Determinantes e Sistemas Lineares 12


Curso de Licenciatura em Informática Álgebra linear

2 7 3
1 0 0 −
5 5 5
0 1 − 2 −1 2 0
1 −4 1
0 0 1
5 5 5

E multiplicamos por 2 a 3ª linha e somamos com a 2ª para substituir a 2ª linha:


2 7 3

1 0 0 5 5 5
3 2 2
0 1 0−
5 5 5
0 0 1 1 4 1

5 5 5
 2 7 3
 5 − 
5 5
 3 2 2 
-1
Assim, a matriz A é inversível, e a sua A = − 
 5 5 5 
 1 −4 1 
 5 5 5 

Observação 1: Podemos saber se realmente a matriz encontrada é a inversa,


-1
procedendo a partir da própria definição: A.A = In
Observação 2: A aplicação prática desse dispositivo também será estudado
na resolução de Sistemas Lineares.

2.7 Exercícios

1) Construa as matrizes:
i + j, se i ≤ j
a) B = (bij)4x2 , tal que b ij = 
i − j, se i > j
2 3
 
1 4
Resposta: 
2 1 
3 2 

2 i+ j , se i < j
b) C = (cij)3x3, tal que  2
i − j + 3, se i ≥ j

 1 8 16 
 
Resposta:  6 5 32 
11 10 9 
 

Unidade II – Matrizes, Determinantes e Sistemas Lineares 13


Curso de Licenciatura em Informática Álgebra linear

2) Determine a, b, x e y, sabendo que:

 x + y 2a + b   3 − 1
  =  
 2x − y a − b  0 7 
Resposta: x = 1, y = 2, a = 2 e b = -5

 3 2 − 4 0 
3) Dadas as matriz A   , B = (bij)2x2 em que bij = i2 – j e C =  ,
− 1 5  3 8
determine a matriz X, sendo que X + A –B = C.
−7 −3
Resposta: X =  
7 4

0 − 4
4) Seja A = (aij)3x2 , em que aij = i.j, se i > j e aij = - j, se i ≤ j, e B = 3 8  ,
1 − 2
determine:
a) 3(A + B) =
(B − A)
b) =
2
 1 
− 2 − 3
 3 −6   1 
 
Resposta: a) 15 30  b)  3 
 2 
12 12   −1 − 4
 
 
5) Dadas as matrizes:

0 2 4 0 − 6 5
   x 3 1 , calcule x, y e z, para que B = At.
A = − 6 3 y e B =  
5 2
 1 4 8 z 
x= 2
Resposta: y=8
z=2
6) Determine a, b e c para que A = B, sendo:

 1 
 a2   2b 9
A=  16  e B =  3 
 − 27 log 1 
 3  a c 
 81 
a = −3
Resposta: b = −4
c = −4

3  10 
7) Dadas A =  2  e B =  4  , resolva a equação 2X – A + 1/2B = 0
 
− 1 − 8
 − 1
 
Resposta: X =  0 
3 
 
 2

Unidade II – Matrizes, Determinantes e Sistemas Lineares 14


Curso de Licenciatura em Informática Álgebra linear

 1 2
   5 1 3
8) Calcule a matriz X, sabendo que A =  − 1 0  , B =   e (X + A)t = B.
 4 3  − 2 0 2 
 
 4 −4 
 
Resposta: X =  2 0 
 − 1 − 1
 

3 0  2 − 1 1  a 10
9) Dados A =  ,P =   e B= , determine os valores de a
0 − 2 3 5  13 75 b 
e b, tais que B = P.A.P-1.
Resposta :a = 24 e b = -11

 1 2  3 1
10) Dadas as matrizes A =   e B =   , determine X = ( A . B-1)t.
 2 1  0 2
1 2 
Resposta: X =  3 3
5 1 
 6 6
Desafio
Uma maneira de codificar uma mensagem é através de multiplicação por matrizes.
Vamos associar as letras do alfabeto aos números, segundo a correspondência
abaixo:

A B C D E F G H I J L M N O P Q R S T U V W X Y Z
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Suponhamos que nossa mensagem seja “DEUS É VIDA”. Podemos formar


uma matriz 3 x 3 assim:
D E U   4 5 20
S E V  , que usando a correspondência numérica fica: B = 18 5 21 .
   
 I D A   9 4 1 
Agora seja C uma matriz qualquer 3 x 3 inversível, por exemplo:
 1 0 1
C = 3 − 1 1 Multiplicamos nossa matriz da mensagem por C, obtendo
0 3 1
64 55 29 
B.C = 33 58 44
 21 - 1 14 
Transmitimos esta nova matriz (na prática, envia-se a cadeia de números
(64 55 29 33 58 44 21 -1 14). Quem recebe a mensagem decodifica-a através da
multiplicação dos números pelas letras. C é chamada matriz chave para o código.

Você recebeu a mensagem: (44 -11 17 54 24 32 74 -4 41). Utilizando a


mesma chave traduza a mensagem.(obs: considerar o número 0 = espaço)

Unidade II – Matrizes, Determinantes e Sistemas Lineares 15


Curso de Licenciatura em Informática Álgebra linear

3. DETERMINANTES
Os determinantes surgiram inicialmente na solução de sistemas lineares. É
um número associado a uma matriz quadrada de ordem n. Indicamos por det (A)
ou | A |.

3.1 Determinantes de matrizes de ordem 1.

Para cada matriz A = [α], definimos o det (A) = α.

3.2 Determinantes de matrizes de ordem 2


a a12 
Para cada matriz A =  11  , definimos o det (A) = a11.a22 – a12.a21
a 21 a 22 
− 1 2
Exemplo 3.1: Dada a matriz A =   , determine o det (A).
 3 4
Resolução: det (A) = (-1).4 – 2.3 = -4 -6 = -10

3.3 Determinantes de matrizes de ordem 3

REGRA DE SARRUS

O cálculo do determinante de 3ª ordem pode ser feito através de um


dispositivo prático denominado de Regra de Sarrus.

a11 a12 a13


O determinante da matriz A = a 21 a 22 a 23 é encontrado a partir dos
a 31 a 32 a 33
seguintes passos:

1º passo: repetimos as duas primeiras colunas ao lado da terceira;


2º passo: encontramos a soma dos produtos dos elementos da diagonal principal
com os dois produtos obtidos pela multiplicação dos elementos das paralelas a
essa diagonal (soma dever ser precedida do sinal positivo);
3ºpasso: encontramos a soma do produto dos elementos pela multiplicação dos
elementos das paralelas a essa diagonal (a soma dever ser precedida do sinal
negativo). Assim:

a11 a12 a13 a11 a12


A = a 21 a 22 a 23 a 21 a 22
a 31 a 32 a 33 a 31 a 32

– – – + + +

det(A) = a11.a22.a33 + a12.a23.a31 + a13.a21.a32 – a12.a21.a33 – a11.a23.a32 – a13.a22.a31

Unidade II – Matrizes, Determinantes e Sistemas Lineares 16


Curso de Licenciatura em Informática Álgebra linear

 2 3 4
Exemplo 3.2. Dada a matriz A =  1 0 5  , encontre o det (A).
− 1 3 6
 2 3 4 2 3
Resolução: Pela regra de Sarrus, temos;  1 0 5  1 0
− 1 3 6 − 1 3
det (A) = (2.0.6) + (3.5.-1) + (4.1.3) – (3.1.6) – (2.5.3) – (4.0.-1)
det (A) = 0 – 15 + 12 – 18 – 30 – 0
det (A) = – 51

3.4 Determinantes de matrizes de ordem n ≥ 2 (TEOREMA DE LAPLACE)

Definição: Seja A = (aij)mxn. O determinante de A, ou det(A), é definido por:

n
det(A) = a11.A11 + a12A12 + ... + a1nA1n = ∑ a1j A 1j ,
j=1
em que A1j = (-1)1+j.D1j é o cofator do elemento a1j e D1j é o menor complementar
do elemento a1j, quando utilizamos a 1ª linha da matriz.

3.4.1 Menor Complementar (Dij)

Dada uma matriz A de ordem n. Chama-se menor complementar, o


determinante associado à matriz de ordem n – 1, obtida a partir de A, onde
eliminamos a linha e a coluna em que o elemento aij pertence.
1 − 2 4 
Consideremos a matriz A = 2 3 − 9 . O menor complementar do
 1 0 5 
3 −9
elemento a11, representado por D11 é = 15. O menor complementar do
0 5
1 −2
elemento a23, representado por D23 é = 2. E assim por diante. Para cada
1 0
elemento da matriz está associado um menor complementar.

OBSERVAÇÃO: No Teorema de Laplace podemos utilizar qualquer linha ou coluna


da matriz. Fica evidente que a linha ou coluna que contiver zeros será a de melhor
escolha

Unidade II – Matrizes, Determinantes e Sistemas Lineares 17


Curso de Licenciatura em Informática Álgebra linear

3 − 2 4
Exemplo 3.3: Calcular o determinante da matriz A =  1 0 5  .
2 − 1 6
Resolução: Como o Teorema de Laplace se utiliza de uma linha ou coluna,
podemos utilizar a 2ª linha ou a 2ª coluna (a22 = 0) para calcularmos o
determinante.
Utilizando a 2ª linha: det A = a21. A21 + a22 . A22 + a23 . A23
−2 4
A21 = (-1)2+1 . = (-1)3 . {[ (-2).6] – [(-1).4 ]} = (-1). (-12+4) = (-1).(-8) = 8
−1 6
A22 = não será necessário calcular, pois o elemento a22 é zero.
3 −2
A23 = (-1)2+3 . = (-1)5 . {[ 3.(-1)] – [(-2).2 ]} = (-1). (-3+4) = (-1).(1) = -1
2 −1
Então o det A = 1.8 + 0 + 5.(-1) = 8 - 5 = 3 → det A = 3

3.5 Propriedades dos Determinantes

1ª) Se uma linha ou coluna de uma matriz quadrada for formada por elementos
nulos, então o seu determinante será nulo.

4 − 5 2 
Exemplo 3.4: Seja a matriz A = 2 3 − 3 .
0 0 0 
Resolução: Pelo Teorema de Laplace, podemos utilizar a 3ª linha.
Então o det A = 0.

2ª) Se trocarmos entre si duas linhas ou duas colunas de uma matriz quadrada, o
determinante dessa nova matriz será o oposto do determinante da 1ª matriz.

a b
Seja a matriz A =   , então o det A = ad – cb.
c d
c d
Ao trocarmos de posição a 1ª linha com a 2ª, obtemos A’ =   , então o
a b
det A’ = cb – ad = – (ad – cb), ou seja: det A = – det A’

 2 4  − 3 1
Exemplo 3.5: Seja a matriz A =   e A’ =  
− 3 1  2 4
Resolução: det A = 2 – (-12) = 2 + 12 = 14
det A’ = (-12) – 2 = – 14.

3ª) Se duas linhas ou duas colunas de uma matriz quadrada forem iguais ou
proporcionais, então o determinante dessa matriz será nulo.

− 3 4 
Dada a matriz A =   . O det A = (-3).4 – (-3).4 = 0
− 3 4 
Unidade II – Matrizes, Determinantes e Sistemas Lineares 18
Curso de Licenciatura em Informática Álgebra linear

4 − 1 8 
Dada a matriz A = 3 1 6  . O det A = 8 – 6 + 6 – 8 = 0 (usando a regra de Sarrus)
 1 0 2

3ª coluna = 2 x 1ª coluna

4ª) O determinante de uma matriz é igual ao determinante de sua transposta.

a b a c 
Seja a matriz A =   e sua transposta At =  .
c d b d
det A = ad – cb det At = ad – cb

5ª) Se multiplicarmos todos os elementos de linha ou de uma coluna de uma


matriz quadrada por um número k, então o seu determinante da nova matriz
também ficará multiplicado por esse número k.

 2 4
Seja a matriz A =   , o det A = 14 – (-12) = 14 + 12 = 26
− 3 7 
 2 4
Quando multiplicamos a 2ª linha por 3, obtemos a matriz A’ =  ,
− 9 21
o det A’ = 42 – (-36) = 42 + 36 = 78. Então det A’ = 3.det A

6ª) Se uma linha ou coluna de uma matriz quadrada for combinação linear de
outras linhas ou colunas, então o seu determinante será nulo.

− 2 − 1 7 
Seja a matriz A =  3 1 6 . A 3ª linha dessa coluna é a soma da 1ª linha com
 1 0 1
a 2ª, então o det A = 0

7ª) O determinante de uma matriz triangular2 (superior ou inferior) é igual ao


produto dos elementos da sua diagonal principal.

1 − 2 4 − 1
0 3 2 5 
Seja a matriz A =  , então o det A = 1.3.2.4 = 24
0 0 2 9
 
0 0 0 4

3.6 Teoremas
1º) Teorema de Binet
Se A e B são matrizes quadradas de mesma ordem, então:
det (A.B) = det A . det B

2
Ver matrizes especiais, pág.3

Unidade II – Matrizes, Determinantes e Sistemas Lineares 19


Curso de Licenciatura em Informática Álgebra linear

a b  e f
Demosntração: Dada a matriz A = c d  e a matriz B = g ,
   h 
ae + gb af + bh 
então A.B =  .
 ce + dg cf + dh 
det (A.B) = (ae + gb)(cf+dh) – (af+bh).(ce+dg)
det (A.B) = (aecf + aedh + gbcf + gbdh) – (afce + afdg + bhce + bhdg)
det (A.B) = aedh + gbcf – afdg - bhce
det (A.B) = ad (eh – fg) – cb (eh – fg)
det (A.B) = (ad – cb).(eh – fg)

Calculando o det A e o det B, temos:


det A = ad – cb e o det B = eh – fg. Fazendo det A.detB = (ad – cb).(eh – fg).

3 − 2  2 − 4
Exemplo 3.6: Dada a matriz A =   e a matriz B =   , temos que:
1 5  − 1 1 
det A = 15 – (-2) = 15 + 2 = 17
det B = 2 – (-1)(-4) = 2 – 4 = – 2
det A.det B = 17.(-2) = – 34
 8 − 14 
(A.B) =  , então det (A.B) = (8.1) – (-3).(-14) = 8 – 42 = – 34
− 3 1 

2º) Teorema de Jacobi


Se uma matriz quadrada B é encontrada a partir de uma combinação linear
de linhas ou colunas de uma matriz A, então o determinante da matriz B será igual
ao determinante da matriz A.

− 1 − 3 2
Seja a matriz A =  2 1 4 , então det A = – 9
 1 0 1
 − 1 − 3 2
Seja a matriz B =  0 − 5 8 , obtida a partir da combinação linear
 1 0 1
(2ª linha de B = 2 x 1ª linha de A + 2ª linha de A). Então o det B = det A = – 9

3.7 Determinante da matriz inversa

Para encontrarmos a matriz inversa (A-1), fazemos A.A-1 = In.


Então det(A.A-1) = det In. Como det In = 1, para todo n ∈ N*, temos que det(A.A-1) =
1.
Aplicando o teorema de Binet, det(A.A-1) = det A . det A-1 = 1. Supondo
det A-1 ≠ 0, podemos concluir que:

1
det A-1 =
detA

Unidade II – Matrizes, Determinantes e Sistemas Lineares 20


Curso de Licenciatura em Informática Álgebra linear

3.8 Exercícios:

1) Calcule os determinantes:
−1 3
a) = Resposta: 1
−2 5
3 2
b) = Resposta:33
−9 5
−1 2 5
c) 0 3 − 2 = Resposta: -27

1 5 6

2) Determinar o valor de x:
1 x x
1
a) 2 2x 1 = 0 Resposta: x =
2
3 x +1 1
1 x x
b) 2 2x 1 = 0 Resposta: x = 0 ou x = 1

3 x +1 1
 − 2 − 3 2
3) Seja a matriz A =  0 5 8 , determine D11, D22, D33.
 1 3 1
Resposta: D11 = -19, D22 = -4, D33 = -10

4) Calcule o determinante das matrizes abaixo usando o Teorema de Laplace.


3 4 2 1
 5 0 − 1 − 2
a) A =   Resposta: -208
0 0 4 0
 
− 1 0 3 3
0 a b 1
0 1 0 0
b) B =   Resposta: a2+b2
a a 0 b 
 
 1 b a o

5) O determinante de uma matriz quadrada é igual a 25. Se multiplicarmos a 1ª


por 3 e a 2ª coluna por 6, qual será o determinante da nova matriz?
Resposta: 450

6) (FURRN) Sejam as matrizes:


1 1 0 3  1 0 0 0
0 − 2 1 − 2 -1 − 2 0 0 
A=  e B= . Encontre o det(A.B).
0 0 1 0  2 1 1 0
   
0 0 0 2  - 3 5 4 3
Resposta: 36

Unidade II – Matrizes, Determinantes e Sistemas Lineares 21


Curso de Licenciatura em Informática Álgebra linear

16 2 4
log x
log log
x x
1
7) (UFOP-MG) Resolva a equação: 1 0 1 =−
2
1 1 2
Resposta: 64

2 2 
8) (MACK-SP) A matriz A =   é igual a sua transposta. Determine o valor de
k 3 
det (k2 . A).
Resposta: 32

Unidade II – Matrizes, Determinantes e Sistemas Lineares 22


Curso de Licenciatura em Informática Álgebra linear

4. SISTEMAS LINEARES
4.1 Equação Linear

É toda equação da forma a1x1 + a2x2 + a3x3 + ... + anxn = b, onde:


 a1,a2, a3, ..., an são os coeficientes
 x1, x2, x3, ..., xn são as incógnitas
 b é o termo independente

A solução de uma equação linear a n incógnitas é o conjunto de números reais


que substituindo x1, x2, x3, ..., xn tornam a sentença verdadeira.

Exemplo 4.1: Dada a equação linear 3x + 2y + 3z = 4, uma das soluções


possíveis é a tripla (1, 2 , -1). Substituindo-se x = 1, y = 2 e z = -1, encontraremos
o valor de 4.

Quando o termo independente (b) for igual a zero, temos uma equação
linear homogênea. Toda equação linear homogênea admite como solução a
ênupla (0, 0, 0, ..., 0), também chamada de solução trivial.

4.2 Sistemas de equações lineares

É um conjunto de m equações lineares cada uma com n incógnitas.

a 11x 1 + a12 x 2 + a13 x 3 + ... + a 1n x n = b1


a x + a x + a x + ... + a x = b
 21 1 22 2 23 3 2n n 2

a
 31 1x + a x
32 2 + a x
33 3 + ... + a x
3n n = b 3
.......... .......... .......... .......... .......... .. = ....

a m1 x 1 + a m2 x 2 + a m3 x 3 + ... + a mn x n = b k

onde aij e os bk são constantes reais, para i, k = 1, ... , m e j = 1, ... , n.

Observações:
• Se o termo independente de todas as equações for igual a zero, isto é,
b1 = b2= b3 = ... = bk = 0, então temos um sistema de equações lineares
homogêneo.
• Se dois sistemas lineares S1 e S2 possuem a mesma solução, eles são
ditos sistemas lineares equivalentes.

4.3 Representação Matricial de um Sistema Linear

Utilizando as operações matriciais estudadas no capítulo anterior, podemos


representar um sistema de equações lineares através de matrizes.
a 11x 1 + a12 x 2 + a13 x 3 + ... + a1n x n = b1
a x + a x + a x + ... + a x = b
 21 1 22 2 23 3 2n n 2

Seja o sistema linear: a 31x 1 + a 32 x 2 + a 33 x 3 + ... + a 3n x n = b 3


.......... .......... .......... .......... .......... .. = ....

a m1 x 1 + a m2 x 2 + a m3 x 3 + ... + a mn x n = b k

Unidade II – Matrizes, Determinantes e Sistemas Lineares 23


Curso de Licenciatura em Informática Álgebra linear

A.X = B
 a 11 a12 L a1n   x1   b1 
a  x    Matriz A – Formada pelos coeficientes das
 21 a 22 L a 2n  .  2  = b 2  incógnitas
 M M M M  M  M Matriz X – Formada pelas incógnitas
     
a m1 a m2 L a mn  x n  b k  Matriz B – Formada pelos termos independentes

4.4 Classificação de um Sistema Linear

Sistema Linear

Sistema Possível Sistema Impossível


(admite solução) (não admite solução)

Sistema Possível Sistema Possível


Determinado Indeterminado
(admite uma única solução) (admite várias solução)

4.5 Resolução de um Sistema Linear

Além dos métodos para resolver um sistema linear com 2 equações


aprendidos no Ensino Fundamental (Adição e Substituição), vamos nos preocupar
com os métodos para resolver sistemas lineares com 3 equações, cada equação
com 3 incógnitas.

4.5.1 Regra de Cramer

Consiste em utilizar a matriz A (formada pelos coeficientes das incógnitas)


como base na resolução dos sistemas lineares.
1º Passo: Representar o sistema linear matricialmente, e iniciamos calculando o
determinante da matriz A.

 a 11 a12 L a1n 
a a 22 L a 2n 
A= 
21

 M M M M 
 
a m1 a m2 L a mn 

Unidade II – Matrizes, Determinantes e Sistemas Lineares 24


Curso de Licenciatura em Informática Álgebra linear

2º Passo: Em seguida, para cada incógnita, iremos calcular um determinante. A


matriz Ax será construída a partir da matriz A, trocando-se a coluna referente aos
coeficientes de x1 (1ª coluna) pela coluna dos termos independentes. Então,
calculamos o determinante de Ax1.

 b1 a12 L a1n 
b a 22 L a 2n 
Ax1 =  2
M M M M 
 
b k a m2 L a mn 
det x 1
Para determinarmos o valor de x1, fazemos: x1 =
det A
3º Passo: De maneira análoga, procedemos para as demais incógnitas:
x2, x3, ..., xn.
 a11 b1 L a1n 
a b 2 L a 2n 
 21 det x 2
Ax2 = x2 =
 M M M M  det A
 
a m1 b k L a mn 
 a11 a 12 L b 1 
a a 22 L b 2  det x n
Axn = 
21
xn =
 M M M M det A
 
a m1 a m2 L b k 

x 1 + 2x 2 − x 3 = 0

Exemplo 4.2 : Resolver o sistema linear 3x 1 − 4x 2 + 5x 3 = 10
x + x + x = 1
 1 2 3

 1 2 − 1
Resolução: Iniciamos com a matriz A = 3 − 4 5  , e calculamos o seu
 1 1 1 
determinante: det A = - 12

Em seguida, construímos as matrizes relacionadas às incógnitas x1, x2 e x3, para


em seguida calcular seus determinantes.
0 2 − 1  1 0 − 1  1 2 − 1

x1 = 10 − 4 5   
x2 = 3 10 5   x3 = 3 − 4 5 
 1 1 1   1 1 1   1 1 1 
det x1 = - 24 det x2 = 12 det x3 = 0

det x 1 − 24 det x 2 12 det x 3 0


x1 = = =2 x2 = = = −1 x3 = = =0
det A − 12 det A − 12 det A − 12

O sistema tem como solução: S = {2, -1, 0}

Unidade II – Matrizes, Determinantes e Sistemas Lineares 25


Curso de Licenciatura em Informática Álgebra linear

Observação: Podemos classificar um sistema linear de acordo com os valores


encontrados dos determinantes das matrizes A, Ax1, Ax2,.....,Axn.

Se det A ≠ 0
Sistema Possível e Determinado (SPD)
Se det A = 0 e
Demais det Ax1, det Ax2, ...,det Axn = 0 Sistema Possível Indeterminado (SPI)

Se det A = 0 e
Sistema Impossível (SI)
pelo menos um det Axn ≠ 0

4.5.2 Método de Gauss-Jordan (Escalonamento)

Esse método para resolver sistemas lineares consiste na aplicação de


operações elementares3 às linhas da matriz aumentada4 do sistema até que ela
esteja numa forma em que o sistema associado a esta matriz seja de fácil
resolução.
O objetivo é obter uma matriz numa forma em que todas as linhas nulas
estejam abaixo das linhas não nulas, todas as linhas não nulas possuam como
primeiro elemento não nulo o número 1 (chamado de pivô). Além disso, se uma
coluna contém um pivô, então todos os seus outros elementos terão que ser iguais
a zero.

x + 2y + 4z = 5

Exemplo 4.3: Resolver o sistema 2x − y + 2z = 8
3x − 3y − z = 7

Resolução: Vamos montar a matriz aumentada
1 2 4 5
2 − 1 2 8 Obs: o pivô já se encontra a 1ª
  linha e na 1ª coluna
3 − 3 − 1 7
Agora vamos zerar os demais elementos da 1ª coluna através das operações
elementares.

1ª Eliminação:
1 2 4 5 1 2 4 5 
2 − 1 2 8 -2 x 1ª linha + 2ª linha → 2ª linha 0 − 5 − 6 − 2
   
3 − 3 − 1 7 -3 x 1ª linha + 3ª linha → 3ª linha 0 − 9 − 13 − 8 

3
Ver capítulo Matrizes, pág 10
4
Matriz formada pelos coeficientes das incógnitas mais os termos independentes

Unidade II – Matrizes, Determinantes e Sistemas Lineares 26


Curso de Licenciatura em Informática Álgebra linear

2ª Eliminação:

1 2 4 5  1 2 4 5
0 − 5 − 6 − 2 0 − 5 − 6 − 2
   
0 − 9 − 13 − 8  9 x 2ª linha + (-5) 3ª linha → 3ª linha 0 0 11 22 

O sistema encontrado na forma matricial é semelhante a:


1 2 4 5 x + 2y + 4z = 5
0 − 5 − 6 − 2 
   - 5y - 6z = -2
0 0 11 22   11z = 22

Então, a partir do sistema escalonado, temos que a solução é: S = {1, -2, 2}

Observação: Podemos classificar um sistema linear resolvido por escalonamento


de acordo com as equações lineares encontradas durante o processo.

Quando o número de equações é igual


Sistema Possível e Determinado (SPD)
ao número de incógnitas
Quando o número de equações é
Sistema Possível Indeterminado (SPI)
menor que o número de incógnitas
Se encontrarmos algum absurdo
Sistema Impossível (SI)

a + b + c = 12

Exemplo 4.4: Resolver o sistema 3a - b + 2c = -1
 2a - 2b + c = -3

1 1 1 12 
Resolução: 3 − 1 2 − 1 Como o pivô já está posicionado, vamos as
2 − 2 1 − 3 
eliminações:
1ª eliminação:
 1 1 1 12  1 1 1 12 
3 − 1 2 − 1 0 − 4 − 1 − 22
  -3 x 1ª linha + 2ª linha → 2ª linha  
2 − 2 1 − 3  -2 x 1ª linha + 3ª linha → 3ª linha 0 − 4 − 1 − 27 

2ª eliminação
1 1 1 12  1 1 1 12 
0 − 4 − 1 − 22 0 − 4 − 1 − 22
   
0 − 4 − 1 − 27 -1 x 2ª linha + 3ª linha → 3ª linha 0 0 0 − 5 

Retornando a forma inicial do sistema temos:

Unidade II – Matrizes, Determinantes e Sistemas Lineares 27


Curso de Licenciatura em Informática Álgebra linear

1 1 1 12  a + b + c = 12
0 − 4 − 1 − 22 
   - 4b - c = -22
0 0 0 − 5   0 = −5

Como 0 = –5 é um absurdo, então o sistema é impossível (não possui solução)

4x - 3y + z = 3

Exemplo 4.5: Resolva o sistema  3x + y + 4z = -1
 5x - 2y + 3z = 2

4 − 3 1 3 
Resolução: 3 1 4 − 1 . Como o pivô não é igual a 1, vamos colocá-lo:
5 − 2 3 2 

4 − 3 1 3  1 − 4 − 3 4 
3 1 4 − 1 3 1 4 − 1
  
5 − 2 3 2  5 − 2 3 2 

1ª eliminação:
1 − 4 − 3 4  1 − 4 − 3 4 
3 1 4 − 1 0 13 13 − 13 
 -3 x 1ª linha + 2ª linha → 2ª linha  
5 − 2 3 2  -5 x 1ª linha + 3ª linha → 3ª linha 0 18 18 − 18 

2ª eliminação:
1 − 4 − 3 4  1 − 4 − 3 4 
0 13 13 − 13 0 13 13 − 13
   
0 18 18 − 18 -18 x 2ª linha + 13 x 2ª linha → 3ª linha 0 0 0 0 

x − 4y − 3z = 4
Retornando ao sistema inicial, temos: 
 13y + 13z = −13

Como o sistema ficou com 2 equações e 3 incógnitas, o sistema é possível


indeterminado (várias soluções). Para determinarmos as possíveis soluções,
procedemos da seguinte forma:
Determinamos z = α ∈ ℜ, e a partir de z, determinamos y e x. Então como
solução do sistema temos: S = { - α, - α – 1, α }

Unidade II – Matrizes, Determinantes e Sistemas Lineares 28


Curso de Licenciatura em Informática Álgebra linear

4.6 Discussão de um sistema linear

Discutir um sistema linear em função de um determinado parâmetro,


significa dizer se o sistema é possível e determinado (SPD), possível e
indeterminado (SPI) ou impossível (SI) para valores desse parâmetro.
Essa discussão pode ser realizada através dos métodos de resolução de
sistemas que vimos anteriormente.

2x + ay = 3
Exemplo 4.6: Discutir, em função de a, o sistema 
x - 2y = 1
2 a 
Resolução:Pela regra de Cramer, temos que:A =  
 1 − 2
Se o det A ≠ 0, temos sistema possível e determinado
2 a
≠ 0 → –4 – a ≠ 0 → –a ≠ 4 → a ≠ –4.
1 −2

Se o det A = 0, podemos ter um sistema possível e indeterminado (SPI) ou


impossível (SI).

2 a
=0→ –4 – a = 0 → –a = 4 → a = –4.
1 −2

Além do det A, temos que calcular os det Ax e det Ay.


3 a
det Ax = = –6 – a
1 −2
2 3
det Ay = =2–3=–1
1 1
Analisando para sistema possível indeterminado (SPI) ou impossível (SPI)

Como a = – 4, temos que: det Ax = – 2 e o det Ay = – 1.

O sistema será impossível, e não existe para a que torne o sistema possível e
indeterminado

Unidade II – Matrizes, Determinantes e Sistemas Lineares 29


Curso de Licenciatura em Informática Álgebra linear

4.7 Exercícios

1) Resolva os sistemas e classifique-os:

x + y + z = 6 x − y + z = 4 - x + y - z = 5
  
a)  2x - y - z = 0 b)  2x + 3y - 5z = −11 c)  x + 2y + 4z = 4
3x + 3y + 3z = 9 3x - 2y + z = 7 3x + y - 2z = −3
  

Resposta: a) S = Ø (impossível) b) S = {1,-1, 2} (Possível Determinado) c) S = {-2, 3, 0} (Possível Determinado)

2) (UFPE) Eric necessita de complementos de vitaminas A e C. Diariamente ele


precisa de pelo menos 63 unidades de A e no mínimo 55 unidades de C. Ele pode
escolher entre os compostos I e II que apresentam, por cápsula, as características
abaixo:

Composto Vitamina A Vitamina C Valor (R$)


I 7 unidades 4 unidades 0,70
II 4 unidades 5 unidades 0,50

Qual o gasto mínimo diário de Eric, em reais, com os compostos I e II?


Resposta: R$ 7,00

3) (Fuvest-SP) Um caminhão transporta maçãs, peras e laranjas, num total de


10.000 frutas. As frutas estão acondicionadas em caixas (cada caixa só contém
um tipo de fruta), sendo que cada caixa de maçãs, peras e laranjas tem ,
respectivamente, 50 maçãs, 60 peras e 100 laranjas e custa, respectivamente, 20,
40 e 10 reais. Se a carga do caminhão tem 140 caixas e custa 3.300 reais, calcule
quantas maçãs, peras e laranjas estão sendo transportadas.
Resposta: 2.000 maças; 3.000 peras; 5.000 laranjas

4) (UFPB) Na quitanda da dona Xepa são vendidas maçãs e laranjas, em sacolas,


contendo determinada quantidade dessas frutas. Os preços unitários dessas frutas
não dependem do tipo da sacola.
A quantidade de cada uma das frutas e o preço, em reais, de 3 tipos dessas
sacolas, estão indicados na tabela abaixo:
Sacolas Maçãs Laranjas R$
A 5 10 3,00
B 6 16 4,00
C 10 30 P
Com base nessa tabela, determine o preço P, em reais, da sacola do tipo C.
Resposta: 7,00

Unidade II – Matrizes, Determinantes e Sistemas Lineares 30


Curso de Licenciatura em Informática Álgebra linear

5) (UERJ) Um feirante separou um número inteiro de dúzias de tangerinas (t), de


maçãs (m) e de peras (p). Observou que para cada maçã arrumada, havia 2
tangerinas. Com 90 dúzias, ele fez lotes de 6 tangerinas, lotes com 6 maçãs e
lotes com 4 peras. Colocou em cada lote, indistintamente, o preço de R$0,50.
Arrecadou R$105,00 na venda de todos eles. Calcule t, m, e p.
Resposta: t = 40, m = 80 e p = 90

6) A soma das quantias que Fernando e Beth possuem é igual à quantia que Rosa
possui. O dobro do que possui Fernando menos a quantia de Beth mais a de Rosa
é igual a 30 reais. Sabendo que a quantia que Fernando possui, adicionada a 1/3
da quantia de Rosa, vale 20 reais, calcule a soma das quantias de Fernando, Beth
e Rosa.
Resposta:

7) (UFF – 2000) As ligações entre as cidades A, B e C


figuram num mapa rodoviário conforme ilustrado.
Seguindo esse mapa, uma pessoa que se deslocar de A
para C, passando por B, percorrerá 450km. Caso a
pessoa se desloque de A para B, passando por C, o
percurso será de 600km. Para se deslocar de B para C,
passando por A, a pessoa vai percorrer 800km.
Determine quantos quilômetros esta pessoa percorrerá
ao se deslocar de A para B, sem passar por C.
Resposta: 325 km

8) (ENEM) Uma companhia de seguros levantou dados os carros de determinada


cidade e constatou que são roubados, em média, 150 carros por ano.
O número de carros roubados da marca X é o dobro do número de carros
roubados da marca Y, e as marcas X e Y juntas respondem por cerca de 60% dos
carros roubados. Determine o número esperado de carros roubados da marca Y.
Resposta: 30

9) Misturam-se dois tipos de leite, um com 3% de gordura outro com 4% de


gordura para obter, ao todo, 80 litros de leite com 3,25% de gordura. Quantos
litros de leite de cada tipo foram misturados?
Resposta: 20 e 60 litros

10) (FMU-SP) Encontre o valor de a para que o sistema seja possível e


determinado.

x + 2y = 18

3x - ay = 54
Resposta: a = -6

Unidade II – Matrizes, Determinantes e Sistemas Lineares 31