Aula 01

Curso de Álgebra Linear
Aula 1
Prof. Waldeck Schützer, Ph.D.
waldeck@dm.ufscar.br
Universidade Federal de São Carlos

Departamento de Matemática
Curso de Álgebra Linear - Aula 1 – p. 1

Visão Geral
1. Espaços Vetoriais
2. Transformações Lineares e Operadores
3. Diagonalização de Operadores (Matrizes)
4. Espaços com Produto Interno
5. Formas bilineares e quadráticas

Bibliografia e Apoio
1. Callioli et al., "Álgebra Linear e Aplicações"

2. Boldrini et al., "Álgebra Linear"
3. Anton & Busby, "Álgebra Linear Contemporânea"
Ambiente de aprendizado:
http://www.dm.ufscar.br/profs/waldeck/moodle/
Acesso: usuário=RA, senha=RA
Favor trocar a senha no primeiro acesso.

Provas e Média final
Prova Data
P1 19/04
A média final será
P2 17/05
P3 30/06

8 P1 + P2 + P3 2
MF = + Q
10 3 10
onde Q é a nota obtida nos questionários e outras

atividades on-line.

Objetivos
Dar ênfase a alguns conceitos de VGA:

Objetivos
Vetores

Objetivos
Vetores
Combinações Lineares

Objetivos
Vetores
Dependência Linear

Objetivos
Vetores
Dependência Linear
Base

Objetivos
Vetores
Dependência Linear
Base
Dimensão

Objetivos
Vetores
Dependência Linear
Base
Dimensão
Espaços (Vetoriais)

Objetivos
Vetores
Dependência Linear
Base
Dimensão
Matrizes

Objetivos
Vetores
Dependência Linear
Base
Dimensão
Matrizes
Formalizar e abstrair esses conceitos

Objetivos
Vetores
Dependência Linear
Base
Dimensão
Matrizes
Exercitar métodos conhecidos (Gauss-Jordan,
Eliminação Gaussiana, Sistemas Lineares etc)

Objetivos
Vetores
Dependência Linear
Base
Dimensão
Matrizes
Exercitar métodos conhecidos (Gauss-Jordan,
Eliminação Gaussiana, Sistemas Lineares etc)
Abordar novas aplicações

O Que é a Álgebra Linear?

A Álgebra Linear é basicamente o estudo de

Espaços Vetoriais

Espaços Vetoriais
Transformações Lineares e Operadores

Espaços Vetoriais
Ao lado do Cálculo Diferencial e Integral,

Espaços Vetoriais
é uma disciplina básica para as ciências

Espaços Vetoriais
é uma disciplina básica para as ciências
é uma linguagem na qual problemas são expressos e
resolvidos

Algumas Aplicações da Álgebra Linear
Cálulo Diferencial e Integral: resolução de sistemas
de equações, máximos e mínimos

Química: balanceamento de equações, equilíbrio de
massa, estudo de reações e reatores, configurações
atômicas e moleculares

Física: simetria de sistemas físicos, modos de vibração

Engenharia: circuitos elétricos, estruturas, materiais

Computação: compressão de imagens, otimização de
bancos de dados e de interfaces

Ciência da Informação: representação, codificação,
armazenamento, busca e transmissão de informações,
correção de erros (ver Google: Algoritmo Pagerank)

Ciência da Informação: representação, codificação,
armazenamento, busca e transmissão de informações,
correção de erros (ver Google: Algoritmo Pagerank)
etc
Como estudar Álgebra Linear?
Estude atentamente a teoria, procure compreender os
conceitos e resultados

Estude regularmente, procurando manter um ritmo
constante

constante
Faça os exercícios recomendados pelo professor (mas
estude antes)

constante
estude antes)
Faça mais exercícios (A prática faz a perfeição)

constante
estude antes)
Faça mais exercícios (A prática faz a perfeição)
Em caso de dúvidas, procure o monitor (ou o professor)
o mais brevemente possível

Como não estudar Álgebra Linear
Deixar de estudar a teoria regularmente

Tentar aprender apenas através dos exercícios

Deixar de tirar suas dúvidas (efeito bola de neve)

Deixar de tirar suas dúvidas (efeito bola de neve)
Estudar apenas na véspera de prova

Recordação
Sistemas Lineares
Solução de Sistema Linear
Classificação quanto ao número de soluções
Conjunto solução
Forma matricial

Sistemas Lineares
Um sistema de m equações lineares a n incógnitas é
um conjunto de equações da forma

Sistemas Lineares



 a11 x1 + a12 x2 + · · · + a1n xn = b1
 a21 x1 + a22 x2 + · · · + a2n xn = b2

.. .. .. ..


 . . . = .

 a x + a x + ··· + a x = b
m1 1 m2 2 mn n m

Sistemas Lineares



 a11 x1 + a12 x2 + · · · + a1n xn = b1
 a21 x1 + a22 x2 + · · · + a2n xn = b2

.. .. .. ..


 . . . = .

 a x + a x + ··· + a x = b
m1 1 m2 2 mn n m
onde:

Sistemas Lineares



 a11 x1 + a12 x2 + · · · + a1n xn = b1
 a21 x1 + a22 x2 + · · · + a2n xn = b2

.. .. .. ..


 . . . = .

 a x + a x + ··· + a x = b
m1 1 m2 2 mn n m
onde:
a11 , a12 , . . . , amn ∈ R são os coeficientes

Sistemas Lineares



 a11 x1 + a12 x2 + · · · + a1n xn = b1
 a21 x1 + a22 x2 + · · · + a2n xn = b2

.. .. .. ..


 . . . = .

 a x + a x + ··· + a x = b
m1 1 m2 2 mn n m
onde:
x1 , . . . , xn são as incógnitas

Sistemas Lineares



 a11 x1 + a12 x2 + · · · + a1n xn = b1
 a21 x1 + a22 x2 + · · · + a2n xn = b2

.. .. .. ..


 . . . = .

 a x + a x + ··· + a x = b
m1 1 m2 2 mn n m
onde:
x1 , . . . , xn são as incógnitas
b1 , . . . , bm ∈ R são os termos independentes

Solução de sistema linear
Uma solução para o sistema linear acima é

Uma solução para o sistema linear acima é uma ênupla
(α1 , α2 , . . . , αn ) ∈ Rn

Uma solução para o sistema linear acima é uma ênupla
(α1 , α2 , . . . , αn ) ∈ Rn , tal que todas as equações de



 a11 α1 + a12 α2 + · · · + a1n αn = b1
 a21 α1 + a22 α2 + · · · + a2n αn = b2

.. .. .. ..


 . . . = .

 a α + a α + ··· + a α = b
m1 1 m2 2 mn n m
são simultaneamente verdadeiras.

Exemplo
A tripla (1, 2, 3) ∈ R3

Exemplo
A tripla (1, 2, 3) ∈ R3 é solução de

 x1 − x2 + x3 = 2

−x1 + 3x2 = 5

 2x
1 + 6x3 = 20

Exemplo

 x1 − x2 + x3 = 2

−x1 + 3x2 = 5 ,

 2x
1 + 6x3 = 20
pois


 1 − 2 + 3 = 2
−1 + 3 · 2 = 5

 2·1 + 6 · 3 = 20
são equações verdadeiras.

Exemplo

 x1 − x2 + x3 = 2

−x1 + 3x2 = 5 ,

 2x
1 + 6x3 = 20
pois


 1 − 2 + 3 = 2
−1 + 3 · 2 = 5

 2·1 + 6 · 3 = 20
são equações verdadeiras. Mas a tripla (1, 1, 1) ∈ R3 não é
solução.

Exemplo

 x1 − x2 + x3 = 2

−x1 + 3x2 = 5 ,

 2x
1 + 6x3 = 20
pois


 1 − 2 + 3 = 2
−1 + 3 · 2 = 5

 2·1 + 6 · 3 = 20
são equações verdadeiras. Mas a tripla (1, 1, 1) ∈ R3 não é
solução. Por exemplo, não torna a primeira equação
verdadeira. Verfique!

Dado um sistema linear com m equações e n incógnitas, as
seguintes afirmações são mutuamente exclusivas:

Não existe solução (sistema incompatível)

Existe exatamente uma solução (sistema compatível
e determinado)

Existe exatamente uma solução (sistema compatível
e determinado)
Há uma infinidade de soluções (sistema compatível e
indetermido)

Exemplo de sistema incompatível
O sistema linear

 x1 − x2 + x3 = 2

(1) −x1 + 3x2 = 5

 2x
1 + 3x3 = 20
é incompatível

O sistema linear

 x1 − x2 + x3 = 2

(1) −x1 + 3x2 = 5

 2x
1 + 3x3 = 20
é incompatível, pois como veremos, é equivalente ao

sistema 
3

 x 1 + 2 x3 = 0
(2) x2 + 21 x3 = 0

 0 = 1

O sistema linear

 x1 − x2 + x3 = 2

(1) −x1 + 3x2 = 5

 2x
1 + 3x3 = 20
é incompatível, pois como veremos, é equivalente ao

sistema 
3

 x 1 + 2 x3 = 0
(2) x2 + 21 x3 = 0

 0 = 1
(2) não tem solução logo (1) também não tem.

Exemplo de sistema indeterminado
O sistema linear

 x1 −
 x2 + x3 = 2
−x1 + 3x2 = 5

 5x − 11x + 2x = −11
1 2 3
é compatível e indeterminado

Exemplo de sistema indeterminado
O sistema linear

 x1 −
 x2 + x3 = 2
−x1 + 3x2 = 5

 5x − 11x + 2x = −11
1 2 3
é compatível e indeterminado, pois qualquer ênupla da

forma

11 3 7 1
(x1 , x2 , x3 ) = − t, − t, t , t ∈ R
2 2 2 2
é solução do sistema. Verifique isso!

Conjunto solução
Todo sistema linear tem um conjunto solução:

Conjunto solução
S = {α = (α1 , α2 , . . . , αn ) ∈ Rn }

Conjunto solução
S = {α = (α1 , α2 , . . . , αn ) ∈ Rn }
cujos elementos α são soluções do sistema.

Conjunto solução
S = {α = (α1 , α2 , . . . , αn ) ∈ Rn }
cujos elementos α são soluções do sistema. Com respeito

à cardinalidade |S| de S , temos:

Conjunto solução
S = {α = (α1 , α2 , . . . , αn ) ∈ Rn }

|S| = 0 (sistema incompatível)

Conjunto solução
S = {α = (α1 , α2 , . . . , αn ) ∈ Rn }

|S| = 1 (sistema compatível e determinado)

Conjunto solução
S = {α = (α1 , α2 , . . . , αn ) ∈ Rn }

|S| = ∞ (sistema compatível e indeterminado)

Conjunto solução
S = {α = (α1 , α2 , . . . , αn ) ∈ Rn }

Não são possíveis |S| = 2, ou |S| = 3, etc.

Conjunto solução
S = {α = (α1 , α2 , . . . , αn ) ∈ Rn }

Não são possíveis |S| = 2, ou |S| = 3, etc. Em outras
palavras, se S possui dois elementos distintos, então
|S| = ∞.

Conjunto solução
S = {α = (α1 , α2 , . . . , αn ) ∈ Rn }

Não são possíveis |S| = 2, ou |S| = 3, etc. Em outras
palavras, se S possui dois elementos distintos, então
|S| = ∞.
Resolver um sistema linear significa determinar seu
conjunto solução S .
Como resolver sistemas lineares
Existem dois métodos fundamentais:

Eliminação Gaussiana

Método de Gauss-Jordan

Para aplicá-los, é conveniente expressar o sistema usando
matrizes.

Forma Matricial
O sistema linear



 a11 x1 + a12 x2 + · · · + a1n xn = b1
 a21 x1 + a22 x2 + · · · + a2n xn

= b2
.. .. .. ..


 . . . = .

 a x + a x + ··· + a x
m1 1 m2 2 mn n = bm

Forma Matricial
O sistema linear



 a11 x1 + a12 x2 + · · · + a1n xn = b1
 a21 x1 + a22 x2 + · · · + a2n xn

= b2
.. .. .. ..


 . . . = .

 a x + a x + ··· + a x
m1 1 m2 2 mn n = bm
é equivalente à equação matricial

    
a11 a12 · · · a1n x1 b1
 a21 a22 · · · a2n   x2 b2
    
  
 . . . .. = ..
.
 
 . . . . .
. . . . .
   
    
am1 am2 · · · amn xn bm

Forma Matricial
De fato, note que
  
a11 a12 · · · a1n x1
 a21 a22 · · · a2n x2
  
 
 . .. .. .. =
...

 .
 . . . .
 
 
am1 am2 · · · amn xn

Forma Matricial
De fato, note que
  
a11 a12 · · · a1n x1
 a21 a22 · · · a2n x2
  
 
 . .. .. .. =
...

 .
 . . . .
 
 
 
a11 x1 + a12 x2 + · · · + a1n xn
 
 
=



 

Forma Matricial
De fato, note que
  
a11 a12 · · · a1n x1
 a21 a22 · · · a2n x2
  
 
 . .. .. .. =
...

 .
 . . . .
 
 
 
a11 x1 + a12 x2 + · · · + a1n xn
 a21 x1 + a22 x2 + · · · + a2n xn
 

=



 

Forma Matricial
De fato, note que
  
a11 a12 · · · a1n x1
 a21 a22 · · · a2n x2
  
 
 . .. .. .. =
...

 .
 . . . .
 
 
 
a11 x1 + a12 x2 + · · · + a1n xn
a21 x1 + a22 x2 + · · · + a2n xn
 
 
= .. 
.
 
 

Forma Matricial
De fato, note que
  
a11 a12 · · · a1n x1
 a21 a22 · · · a2n x2
  
 
 . .. .. .. =
...

 .
 . . . .
 
 
 
a11 x1 + a12 x2 + · · · + a1n xn
a21 x1 + a22 x2 + · · · + a2n xn
 
 
= .. 
.
 
 
am1 x1 + am2 x2 + · · · + amn xn

Forma Matricial
De fato, note que
  
a11 a12 · · · a1n x1
 a21 a22 · · · a2n x2
  
 
 . .. .. .. =
...

 .
 . . . .
 
 
   
a11 x1 + a12 x2 + · · · + a1n xn b1
a21 x1 + a22 x2 + · · · + a2n xn b2
   
   
= .. = .. 
. .
   
   
am1 x1 + am2 x2 + · · · + amn xn bm

Forma Matricial
De maneira mais sucinta,

Forma Matricial
Ax = b,

Forma Matricial
Ax = b,
onde  
a11 a12 · · · a1n
a21 a22 · · · a2n
 
 
A= .. .. ... .. ,
. . .
 
 
am1 am2 · · · amn

Forma Matricial
Ax = b,
onde  
a11 a12 · · · a1n
a21 a22 · · · a2n
 
 
A= .. .. ... .. ,
. . .
 
 
am1 am2 · · · amn
   
x1 b1
x2 b2
   
   
x= .. , e b= .. .
. .
   
   
xn bm
A Matriz Ampliada
Seja Ax = b um sistema linear.

A Matriz Ampliada
Existem redundâncias que podem ser eliminadas

A Matriz Ampliada
A matriz de indeterminadas serve apenas para marcar
posições

A Matriz Ampliada
posições
A primeira coluna de A são os coeficientes de x1

A Matriz Ampliada
posições
A segunda coluna de A são os coeficientes de x2

A Matriz Ampliada
posições
etc

A Matriz Ampliada
posições
etc
Isso sugere que podemos dispensar a matriz x

A Matriz Ampliada
Definição 1 A matriz ampliada do sistema é a matriz
 
a11 a12 · · · a1n b1
 a21 a22 · · · a2n b2 
 
[A|b] =  . . ... . . 

 .
. .
. .
. .
. 

am1 am2 · · · amn bm

A Matriz Ampliada
 
a11 a12 · · · a1n b1
 a21 a22 · · · a2n b2 
 
[A|b] =  . . ... . . 

 .
. .
. .
. .
. 

Para resolver o sistema, vamos operar nas linhas dessa

matriz buscando obter uma forma “mais simples”.

A Matriz Ampliada
 
a11 a12 · · · a1n b1
 a21 a22 · · · a2n b2 
 
[A|b] =  . . ... . . 

 .
. .
. .
. .
. 

Para resolver o sistema, vamos operar nas linhas dessa

matriz buscando obter uma forma “mais simples”. A essa
forma, chamamos forma escalonada.

Forma Escalonada
Observemos atentamente as seguintes definições.

Forma Escalonada
Definição 2 Chamamos Pivô ao primeiro elemento
não-nulo em cada linha (da esquerda para a direita).

Forma Escalonada
Exemplo:
 
1 1 −1 −2

 0 −2 2 3 

0 0 0 4 
 

0 0 0 0
Os elementos destacados são os pivôs. A última linha não
possui pivô.

Forma Escalonada
Definição 3 Uma matriz A = (aij ) está na forma
escalonada se

Forma Escalonada
escalonada se
Caso haja linhas de zeros, estas ficam na base da
matriz

Forma Escalonada
escalonada se
matriz
Abaixo de cada pivô há apenas zeros

Forma Escalonada
escalonada se
matriz
Em duas linhas não-nulas, o pivô da linha de cima está
à esquerda do pivô da linha de baixo

Forma Escalonada
escalonada se
matriz
Em duas linhas não-nulas, o pivô da linha de cima está
à esquerda do pivô da linha de baixo
Seguem alguns exemplos

Exemplos
A matriz  
1 1 −1 −2
 0 −2 2 3 
A=
 
0 0 0 4 


0 0 0 0
está na forma escalonada

Exemplos
A matriz  
1 1 −1 −2
 0 −2 2 3 
A=
 
0 0 0 4 


0 0 0 0
está na forma escalonada, mas não as matrizes
 
1 0 −1 −2
 0 1 2 3 
B=
 
 0 1 3 3 

0 0 0 0

Exemplos
A matriz  
1 1 −1 −2
 0 −2 2 3 
A=
 
0 0 0 4 


0 0 0 0
está na forma escalonada, mas não as matrizes
   
1 0 −1 −2 1 0 −1 −2
 0 1 2 3   0 0 3 3 
B= , C = 
   
 0 1 3 3   0 0 0 0


0 0 0 0 0 1 2 3

Como escalonar uma matriz
Para transformar A em uma forma escalonada,
aplicamos sucessivas operações elementares a A

Esse processo é chamado de escalonamento

Esse processo é chamado de escalonamento
Adiante, tornar-se-á óbvio que é sempre possível
escalonar uma matriz

Operações Elementares
As seguintes operações são chamadas operações
elementares:

elementares:
Trocar duas linhas entre si

elementares:
Multiplicar uma linha por uma constante λ 6= 0

elementares:
Somar λ-vezes uma linha à uma outra linha

elementares:
Teorema 4 Aplicadas a matrizes aumentadas, as

operações elementares não alteram o conjunto solução.

elementares:
Teorema 4 Aplicadas a matrizes aumentadas, as

operações elementares não alteram o conjunto solução.
Em outras palavras, se [C|d] foi obtida de [A|b] por uma
sequência finita de operações elementares, então os
sistemas Ax = b e Cx = d têm exatamente o mesmo
conjunto solução.

Sistemas Equivalentes
Isso sugere fazermos a seguinte:

Definição 5 Dois sistemas lineares m × n que possuem o
mesmo conjunto solução são equivalentes.

Nesse caso, dizemos que Cx = d e Ax = b são sistemas
equivalentes.

Nesse caso, dizemos que Cx = d e Ax = b são sistemas
equivalentes.
Como vimos, operações elementares produzem sistemas
equivalentes

Equivalência-linha
Definição 6 Se B é obtida de A por uma sequência finita
de operações elementares, dizemos que B é
equivalente-linha a A.

Equivalência-linha
Observação 7 Pode-se mostrar que a equivalência-linha é
uma relação de equivalência entre matrizes.

Equivalência-linha
Se A é equivalente-linha a B , escrevemos simplesmente
A ∼L B .

Equivalência-linha
Se A é equivalente-linha a B , escrevemos simplesmente
A ∼L B .
Assim, temos:
A ∼L A
Se A ∼L B então B ∼L A
Se A ∼L B e B ∼L C então A ∼L C

Exemplo
Considere a matriz
 
1 2 4 2
A =  −2 3 1 2 
 
−4 1 2 3

Exemplo
Considere a matriz
 
1 2 4 2
A =  −2 3 1 2 
 
−4 1 2 3
É fácil ver que A é equivalente-linha a

 
1 2 4 2
B =  −4 1 2 3 
 
−2 3 1 2

Exemplo
Considere a matriz
 
1 2 4 2
A =  −2 3 1 2 
 
−4 1 2 3
É fácil ver que A é equivalente-linha a

   
1 2 4 2 1 2 4 2
B =  −4 1 2 3  e C =  −4 1 2 3 
   
−2 3 1 2 0 7 9 6

Objetivo: Transformar [A|b] em uma forma escalonada
[C|d].

[C|d].
Em outras palavras, transformar o sistema Ax = b em um
sistema equivalente Cx = d “mais simples”.

[C|d].
Em outras palavras, transformar o sistema Ax = b em um
sistema equivalente Cx = d “mais simples”.
Aqui, “mais simples” significa maior facilidade para
determinar o conjunto solução.

Algoritmo da Eliminação Gaussiana
1. Localizar a coluna mais à esquerda que não consiste
só de zeros.
Se o elemento do topo dessa coluna for igual a zero,
trocar a linha do topo com outra abaixo dela, de modo
que a posição do topo seja diferente de zero
O elemento nessa posição é o pivô

só de zeros.
2. Usar o pivô para criar zeros abaixo dele

só de zeros.
3. Cobrir a linha contendo esse pivô e as demais linhas
acima desta

só de zeros.
acima desta
4. Voltar ao passo 1

só de zeros.
acima desta
O processo pára quando não for mais possível eleger um

pivô (restam apenas colunas de zeros)

Existência de formas escalonadas
Teorema 8 Seja A uma matriz m × n. Existe uma matriz B
escalonada m × n tal que A ∼L B .

Prova: Pelo algoritmo da eliminação gaussiana, temos
A B
onde B é escalonada. Claramente A ∼L B .

A B

Observação 9 Em geral, B não é única (depende da
sequência de operações que foram aplicadas)

A B

Observação 9 Em geral, B não é única (depende da
sequência de operações que foram aplicadas)
Impondo algumas condições extras, obtemos uma matriz
escalonada que não depende da sequência de operações,
logo depende apenas de A. Esta é chamada forma
escalonada reduzida

Forma escalonada reduzida
Definição 10 Uma matriz A está na forma escalonada
reduzida por linhas se

Caso haja linhas de zeros, estas ocupam a base da
matriz A

matriz A
Cada pivô é igual a 1

matriz A
Acima e abaixo de cada pivô há apenas zeros

matriz A
Acima e abaixo de cada pivô há apenas zeros
Em duas linhas não-nulas, o pivo da linha de cima está
à esquerda do pivo da linha de baixo

Existência e unicidade de formas reduzidas
Em cursos mais avançados de Álgebra Linear mostramos
que

que
Teorema 15 Seja A uma matriz m × n. Existe uma única
matriz R escalonada reduzida m × n tal que A ∼L R.

que
Teorema 15 Seja A uma matriz m × n. Existe uma única
matriz R escalonada reduzida m × n tal que A ∼L R.
Ficaremos convencidos da existência após examinarmos o

O Método de Gauss-Jordan
Objetivo: Transformar o [A|b] em [R|d] onde [R|d] é
escalonada reduzida e e [A|b] ∼L [R|d].
Em outras palavras, transformar o sistema Ax = b no
sistema equivalente Rx = d.

só de zeros.

só de zeros.
2. Dividir esta linha pelo valor do elemento do topo (o pivô
tornar-se-á igual a 1)

só de zeros.
3. Usar o pivô para criar zeros acima e abaixo dele

só de zeros.
4. Cobrir essa linha e as demais linhas acima desta

só de zeros.
4. Cobrir essa linha e as demais linhas acima desta

Exemplo
   
1 −2 4 1 1 −2 4 1
2L1 +L2 →L2
−2 4 −3 2 ∼L 0 0 5 4
   
   
1 1 2 3 1 1 2 3
 
1 −2 4 1
−L1 +L3 →L3
∼L 0 0 5 4
 
 
0 3 −2 2
 
1 −2 4 1
L2 ↔L3
∼L  0 3 −2 2 
 
0 0 5 4

Exemplo (cont.)
 
  1 −2 4 1
1 −2 4 1 1
L →L2
 
3 2
 0 3 −2 2  ∼L  0 1 − 23 2
   
 3 

0 0 5 4 0 0 5 4
 
8 7
1 0 3 3
 
2L2 +L1 →L1
∼L  0 1 − 23 2
 
 3 

0 0 5 4
 
8 7
1 0 3 3
1
L →L3
 
5 3
∼L  0 1 − 23 2
 
 3 

4
0 0 1 5
Exemplo (cont.)
   
8 7 8 7
1 0 3 3 1 0 3 3
2
L +L2 →L2
   
3 3
 0 1 − 23 2 ∼L  0 1 0 6
   
 3 
  5 

4 4
0 0 1 5 0 0 1 5
 
1
1 0 0 5
− 38 L3 +L1 →L1
 
∼L 6
 0 1 0 ,
 
 5 
4
0 0 1 5
que está na forma reduzida.

Interpretação
O sistema linear


 x1 − 2x2 + 4x3 = 1
(1) −2x1 + 4x2 − 3x3 = 2

 x1 + x2 + 2x3 = 3
é equivalente ao sistema linear


1
 x1
 = 5
(2) 6
x2 = 5
4

 x3 = 5
1 6 4

logo a solução do sistema (1) é 5, 5, 5 .

Observação
Podemos concordar que, parece ser mais fácil obter a
solução de um sistema linear, se sua matriz ampliada
estiver na forma escalonada reduzida por linhas.
Mais adiante, veremos um método rápido para expressar o

conjunto solução do sistema a partir da forma escalonada
reduzida por linhas.

Fim da Aula 1
Final da Aula 1, obrigado.

Fim da Aula 1

Aula 01

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Aula 01

Transféré par

Droits d'auteur :

Formats disponibles

Curso de Álgebra Linear

Universidade Federal de São Carlos

Curso de Álgebra Linear - Aula 1 – p. 1

Curso de Álgebra Linear - Aula 1 – p. 2

1. Callioli et al., "Álgebra Linear e Aplicações"

Favor trocar a senha no primeiro acesso.

Curso de Álgebra Linear - Aula 1 – p. 3

onde Q é a nota obtida nos questionários e outras

Curso de Álgebra Linear - Aula 1 – p. 4

Curso de Álgebra Linear - Aula 1 – p. 5

Curso de Álgebra Linear - Aula 1 – p. 5

Curso de Álgebra Linear - Aula 1 – p. 5

Curso de Álgebra Linear - Aula 1 – p. 5

Curso de Álgebra Linear - Aula 1 – p. 5

Curso de Álgebra Linear - Aula 1 – p. 5

Curso de Álgebra Linear - Aula 1 – p. 5

Curso de Álgebra Linear - Aula 1 – p. 5

Curso de Álgebra Linear - Aula 1 – p. 5

Curso de Álgebra Linear - Aula 1 – p. 5

Curso de Álgebra Linear - Aula 1 – p. 5

Curso de Álgebra Linear - Aula 1 – p. 6

Curso de Álgebra Linear - Aula 1 – p. 6

Curso de Álgebra Linear - Aula 1 – p. 6

Curso de Álgebra Linear - Aula 1 – p. 6

Curso de Álgebra Linear - Aula 1 – p. 6

Curso de Álgebra Linear - Aula 1 – p. 6

Curso de Álgebra Linear - Aula 1 – p. 6

Curso de Álgebra Linear - Aula 1 – p. 7

Curso de Álgebra Linear - Aula 1 – p. 7

Curso de Álgebra Linear - Aula 1 – p. 7

Curso de Álgebra Linear - Aula 1 – p. 7

Curso de Álgebra Linear - Aula 1 – p. 7

Curso de Álgebra Linear - Aula 1 – p. 7

Curso de Álgebra Linear - Aula 1 – p. 8

Curso de Álgebra Linear - Aula 1 – p. 8

Curso de Álgebra Linear - Aula 1 – p. 8

Curso de Álgebra Linear - Aula 1 – p. 8

Curso de Álgebra Linear - Aula 1 – p. 8

Curso de Álgebra Linear - Aula 1 – p. 9

Curso de Álgebra Linear - Aula 1 – p. 9

Curso de Álgebra Linear - Aula 1 – p. 9

Curso de Álgebra Linear - Aula 1 – p. 9

Curso de Álgebra Linear - Aula 1 – p. 10

Curso de Álgebra Linear - Aula 1 – p. 11

Curso de Álgebra Linear - Aula 1 – p. 11

Curso de Álgebra Linear - Aula 1 – p. 11

Curso de Álgebra Linear - Aula 1 – p. 11

Curso de Álgebra Linear - Aula 1 – p. 11

Curso de Álgebra Linear - Aula 1 – p. 11

Curso de Álgebra Linear - Aula 1 – p. 12

Curso de Álgebra Linear - Aula 1 – p. 12

são simultaneamente verdadeiras.

Curso de Álgebra Linear - Aula 1 – p. 12

Curso de Álgebra Linear - Aula 1 – p. 13

Curso de Álgebra Linear - Aula 1 – p. 13

Curso de Álgebra Linear - Aula 1 – p. 13

Curso de Álgebra Linear - Aula 1 – p. 13

Curso de Álgebra Linear - Aula 1 – p. 13

Curso de Álgebra Linear - Aula 1 – p. 14

Curso de Álgebra Linear - Aula 1 – p. 14

Curso de Álgebra Linear - Aula 1 – p. 14

Curso de Álgebra Linear - Aula 1 – p. 14

Curso de Álgebra Linear - Aula 1 – p. 15