Aula 1 - Introdução aos Sistemas Lineares - Parte 1

00:42:03
https://www.youtube.com/watch?v=RGOelK_GCYE

Summary

TLDRA aula de cálculo numérico explora a importância dos sistemas lineares na modelagem e solução de problemas práticos, abrangendo conceitos fundamentais como matrizes, suas dimensões e tipos, operações matriciais, determinantes, e a noção de vetores linearmente dependentes e independentes. O professor discute a relevância desses conceitos para a resolução de sistemas lineares, enfatizando sua aplicação em engenharia e ciência da computação. A aula também revisa operações como adição, subtração, multiplicação de matrizes e vetores, além de introduzir a matriz inversa e o traço de uma matriz.

Takeaways

  • 📊 Sistemas lineares são essenciais para resolver problemas do mundo real.
  • 🔢 Matrizes são conjuntos de elementos organizados em linhas e colunas.
  • 🔄 A matriz identidade tem todos os elementos da diagonal principal iguais a um.
  • 📏 O determinante é um número associado a matrizes quadradas.
  • 🔗 Vetores são linearmente independentes se a única combinação que resulta em zero é a trivial.
  • ⚖️ Matrizes densas têm muitos elementos não nulos, enquanto esparsas têm muitos zeros.
  • 🔄 A matriz inversa é aquela que, multiplicada pela matriz original, resulta na identidade.
  • ➕ O traço de uma matriz é a soma dos elementos da diagonal principal.
  • 🔺 Matrizes triangulares têm elementos nulos acima ou abaixo da diagonal.
  • ↔️ A transposição troca linhas por colunas.

Timeline

  • 00:00:00 - 00:05:00

    A aula de cálculo numérico aborda a importância dos sistemas lineares, que são fundamentais para modelar e resolver problemas do mundo real, desde situações cotidianas até aplicações complexas na engenharia. Os sistemas lineares são essenciais em diversas áreas, como engenharia mecânica, civil e controle, além de serem utilizados em algoritmos de aprendizado de máquina e visão computacional.

  • 00:05:00 - 00:10:00

    O conceito de matriz é introduzido, definindo-a como um conjunto de elementos dispostos em linhas e colunas. A dimensão de uma matriz é dada pelo número de linhas e colunas, e os elementos são referenciados por índices. A notação para matrizes e seus elementos é explicada, incluindo matrizes coluna e linha, além de matrizes nulas, diagonais e identidade.

  • 00:10:00 - 00:15:00

    As matrizes diagonais e identidade são discutidas, com ênfase nas suas características. A matriz diagonal possui elementos nulos fora da diagonal principal, enquanto a matriz identidade tem todos os elementos da diagonal principal iguais a um. A matriz triangular, tanto inferior quanto superior, é apresentada, destacando a posição dos elementos nulos em relação à diagonal principal.

  • 00:15:00 - 00:20:00

    A diferença entre matrizes densas e esparsas é abordada, com a explicação de como isso impacta a estruturação de algoritmos e o armazenamento em memória. A simetria em matrizes simétricas é discutida, onde os elementos são iguais em relação à diagonal principal. A transposição de matrizes é explicada, mostrando como as linhas se tornam colunas e vice-versa.

  • 00:20:00 - 00:25:00

    Operações matriciais como adição, subtração e multiplicação por escalares são apresentadas. A adição e subtração de matrizes são realizadas elemento a elemento, enquanto a multiplicação por um escalar envolve multiplicar cada elemento da matriz pelo escalar. A multiplicação de uma matriz por um vetor é discutida, destacando a condição necessária para que a operação seja válida.

  • 00:25:00 - 00:30:00

    A multiplicação entre matrizes é explicada, com a condição de que o número de colunas da primeira matriz deve ser igual ao número de linhas da segunda. O produto interno e externo entre vetores é introduzido, com a definição de como cada um resulta em um escalar ou matriz, respectivamente.

  • 00:30:00 - 00:35:00

    O conceito de determinante é abordado, explicando como calcular o determinante de matrizes quadradas e a relação entre determinantes e a singularidade de matrizes. A definição de vetores linearmente dependentes e independentes é apresentada, assim como o conceito de posto de uma matriz, que é o número máximo de vetores linearmente independentes.

  • 00:35:00 - 00:42:03

    Por fim, o traço de uma matriz e a matriz inversa são discutidos. O traço é a soma dos elementos da diagonal principal, enquanto a matriz inversa é aquela que, quando multiplicada pela matriz original, resulta na matriz identidade. Propriedades das matrizes e suas operações são revisadas, enfatizando a importância do conhecimento dessas definições para a resolução de sistemas lineares.

Show more

Mind Map

Video Q&A

  • Por que estudar sistemas lineares?

    Sistemas lineares são fundamentais para modelar e resolver problemas do mundo real, desde situações cotidianas até aplicações complexas na engenharia.

  • O que é uma matriz?

    Uma matriz é um conjunto de elementos dispostos em forma retangular ou quadrada, com dimensões definidas pelo número de linhas e colunas.

  • O que é uma matriz identidade?

    Uma matriz identidade é uma matriz diagonal onde todos os elementos da diagonal principal são iguais a um.

  • O que é um determinante?

    O determinante é um número associado a uma matriz quadrada que pode ser calculado usando a fórmula de Laplace.

  • O que significa vetores linearmente independentes?

    Vetores são linearmente independentes se a única combinação linear que resulta no vetor nulo é a combinação onde todos os coeficientes são zero.

  • Qual a diferença entre matriz densa e esparsa?

    Uma matriz densa tem a maioria de seus elementos não nulos, enquanto uma matriz esparsa tem a maioria de seus elementos iguais a zero.

  • O que é a matriz inversa?

    A matriz inversa de uma matriz quadrada A é uma matriz que, quando multiplicada por A, resulta na matriz identidade.

  • Como se calcula o traço de uma matriz?

    O traço de uma matriz quadrada é a soma dos elementos da diagonal principal.

  • O que é uma matriz triangular?

    Uma matriz triangular é uma matriz onde todos os elementos acima (triangular superior) ou abaixo (triangular inferior) da diagonal principal são iguais a zero.

  • O que é a transposição de uma matriz?

    A transposição de uma matriz é obtida trocando suas linhas por colunas.

View more video summaries

Get instant access to free YouTube video summaries powered by AI!
Subtitles
pt
Auto Scroll:
  • 00:00:13
    Olá bem-vindos a mais uma aula de
  • 00:00:15
    cálculo numérico hoje vamos discutir
  • 00:00:18
    sistemas lineares E por que é importante
  • 00:00:21
    por que que a gente precisa estudar
  • 00:00:22
    sistemas lineares sistemas lineares
  • 00:00:25
    permitem modelar e solucionar diversos
  • 00:00:28
    problemas do mundo real desde situações
  • 00:00:31
    cotidianas até aplicações complexas na
  • 00:00:33
    engenharia fenômenos físicos e processos
  • 00:00:36
    industriais frequentemente são descritos
  • 00:00:39
    por um conjunto de equações lineares
  • 00:00:41
    possibilitando análise e previsões por
  • 00:00:44
    outro lado processos de otimização de
  • 00:00:47
    forma geral quando a gente trabalha com
  • 00:00:49
    programação
  • 00:00:50
    matemática muita base de sistemas
  • 00:00:53
    lineares ou Muitos subproblemas são
  • 00:00:55
    resolvidos através de sistemas lineares
  • 00:00:57
    por isso que é de fundamental
  • 00:00:59
    importância para engenharia de uma forma
  • 00:01:01
    geral em
  • 00:01:03
    eh na engenharia mecânica e civil o
  • 00:01:07
    cálculo de tensões e deformações em
  • 00:01:09
    estruturas sujeitas a múltiplas forças a
  • 00:01:12
    gente utiliza sistemas lineares em
  • 00:01:14
    engenharia de controle e automação
  • 00:01:16
    controle de robôs industriais e sistemas
  • 00:01:19
    dinâmicos onde equações lineares
  • 00:01:20
    representam estado sistemas podem
  • 00:01:23
    requerir a resolução de sistemas
  • 00:01:25
    lineares as metodologias que a gente vai
  • 00:01:26
    discutir aqui com vocês e Eng da
  • 00:01:30
    Computação algoritmos de aprendizado de
  • 00:01:31
    máquina e visão computacional
  • 00:01:34
    frequentemente utilizam eh sistemas
  • 00:01:36
    lineares para processar e treinar
  • 00:01:38
    modelos às vezes por si só né O sistema
  • 00:01:42
    linear que a gente precisa resolver às
  • 00:01:43
    vezes embutidos dentro de eh estruturas
  • 00:01:47
    de soluções muito maiores para começar
  • 00:01:50
    com sistemas lineares a gente hoje vamos
  • 00:01:53
    discutir alguns conceitos fundamentais
  • 00:01:55
    que vão ser importantes não somente para
  • 00:01:58
    sistemas lineares mas pro resto da
  • 00:02:00
    disciplina alguns desses conceitos vocês
  • 00:02:03
    já sabem já conhecem já trabalharam com
  • 00:02:05
    eles outros não Lembrando que estamos na
  • 00:02:08
    disciplina de cálculo numérico nosso
  • 00:02:09
    objetivo é desenhar metodologias e
  • 00:02:14
    algoritmos para resolver problemas de
  • 00:02:17
    forma
  • 00:02:18
    computacional o primeiro elemento que
  • 00:02:20
    vocês já conhecem e já trabalharam é a
  • 00:02:24
    matriz O que que é uma matriz é um
  • 00:02:26
    conjunto de elementos dispostos em forma
  • 00:02:29
    Ret ular né ou quadrada onde podemos ter
  • 00:02:33
    um conjunto de quê de números reais ou
  • 00:02:35
    complexos expressões e outras matrizes a
  • 00:02:38
    gente pode ter matrizes de
  • 00:02:40
    matrizes sua dimensão ou tamanho é
  • 00:02:43
    definida pelo seu número o número de
  • 00:02:45
    linhas e o número de
  • 00:02:47
    colunas desta forma e se uma matriz com
  • 00:02:51
    m linhas e tem n colunas é dita ser m x
  • 00:02:58
    n se m é igual a n Então ela é quadrada
  • 00:03:02
    de ordem m ou
  • 00:03:05
    n os elementos da Matriz são geralmente
  • 00:03:09
    delimitados por colchetes ou parênteses
  • 00:03:12
    aqui na disciplina a gente vai usar
  • 00:03:14
    colchetes tá então a gente tá vendo aqui
  • 00:03:17
    nossa Matriz então vocês percebem que o
  • 00:03:20
    elemento que referencia uma matriz que a
  • 00:03:22
    gente poderia dizer que é a matriz A
  • 00:03:23
    porque todos os elementos T estão
  • 00:03:25
    denominados com a letra A então a gente
  • 00:03:28
    tem que cada elemento né a gente tem
  • 00:03:30
    elemento A1 1 a gente tem o elemento A12
  • 00:03:34
    então cada esse elemento é referenciado
  • 00:03:36
    por dois índices o primeiro indica a
  • 00:03:38
    linha onde estamos e o segundo indica a
  • 00:03:41
    coluna então por exemplo esse elemento
  • 00:03:43
    A2 3 tem o primeiro número indica que
  • 00:03:48
    estamos na linha 2
  • 00:03:51
    L2 e o segundo número que é o três
  • 00:03:55
    indica que estamos na coluna TR então o
  • 00:03:58
    elemento a A23 já identifica que estamos
  • 00:04:02
    nos referindo a o elemento da linha 2
  • 00:04:06
    coluna 3
  • 00:04:10
    eh para denominar uma matriz A gente vai
  • 00:04:14
    utilizar letras maiúsculas para
  • 00:04:17
    denominar indicar um elemento da Matriz
  • 00:04:21
    a gente vai utilizar eh letras
  • 00:04:23
    minúsculas então nessa nossa Matriz a
  • 00:04:25
    gente pode chamar essa Matriz de matriz
  • 00:04:27
    A
  • 00:04:29
    e cada elemento com a minúscula matriz A
  • 00:04:33
    maiúscula cada elemento com a letra A
  • 00:04:37
    minúscula alguns tipos de
  • 00:04:40
    matrizes coluna e linha então uma matriz
  • 00:04:44
    de tamanho n por 1 ou seja n número de
  • 00:04:47
    linhas um número de colunas ou seja
  • 00:04:49
    temos n linhas e uma única coluna é dita
  • 00:04:53
    conhecida como a matriz coluna é ou um
  • 00:04:57
    vetor de tamanho n vocês percebem que a
  • 00:04:59
    aqui a gente tem e o vetor 2 5 - 3 nosso
  • 00:05:05
    é uma matriz
  • 00:05:06
    coluna uma matriz de tamanho 1 m ou seja
  • 00:05:11
    uma linha e m colunas é uma matriz linha
  • 00:05:14
    ou um vetor linha de tamanho M em linhas
  • 00:05:18
    Gerais se a gente se referir a um vetor
  • 00:05:22
    a gente vai considerar ele como um vetor
  • 00:05:24
    coluna não como um vetor linha tá a não
  • 00:05:28
    ser que a gente Explicita ente tenha
  • 00:05:30
    modificado essa anotação mas em linhas
  • 00:05:33
    Gerais se a gente se referir a um vetor
  • 00:05:35
    ele vai estar sempre eh sendo utilizado
  • 00:05:38
    como se fosse uma matriz coluna a matriz
  • 00:05:41
    nula É aquela em que todos os elementos
  • 00:05:43
    da Matriz forem iguais a zero então Eh
  • 00:05:47
    essa Matriz será uma matriz nula ou seja
  • 00:05:50
    a e j eu queria parar um pouquinho aqui
  • 00:05:54
    para vocês entenderem este esta
  • 00:05:57
    denominação que vai ser muito comum ao
  • 00:05:58
    longo da disciplina a i j é ig a 0 para
  • 00:06:02
    todo i e para todo J Então esta anotação
  • 00:06:06
    é para todo ou seja todo elemento a i j
  • 00:06:11
    é igual a zero Então temos a matriz
  • 00:06:15
    nula Depois temos uma matriz também
  • 00:06:17
    muito utilizada em sistemas lineares que
  • 00:06:19
    é a Matriz Diagonal onde a matriz
  • 00:06:22
    quadrada ela precisa ser quadrada ou
  • 00:06:24
    seja temos o mesmo número de linhas e o
  • 00:06:26
    mesmo número de colunas e
  • 00:06:29
    é dita diagonal se todos os elementos
  • 00:06:32
    fora da Diagonal principal forem nulos
  • 00:06:35
    então vocês percebem que a diagonal
  • 00:06:37
    principal vai de do elemento a11 até o
  • 00:06:41
    elemento Ann
  • 00:06:43
    e aqui temos uma matriz 3 por3 onde a a
  • 00:06:47
    diagonal principal tá composta por esses
  • 00:06:49
    três
  • 00:06:51
    números 3 - 5 e 8 e todos os outros
  • 00:06:56
    elementos são iguais a zero então
  • 00:06:58
    dizemos que essa Matriz é uma matriz
  • 00:06:59
    diagonal novamente temos anotação e e se
  • 00:07:03
    vocês percebem que a gente faz uma
  • 00:07:05
    referência a essa Matriz que cada
  • 00:07:07
    elemento d i j é igual a 0 para qualquer
  • 00:07:12
    I diferente de J um destaque
  • 00:07:15
    interessante é que algum elemento da da
  • 00:07:18
    Diagonal principal pode ser igual a zero
  • 00:07:20
    vocês percebem que na nossa anotação a
  • 00:07:22
    gente diz que somente os elementos que
  • 00:07:24
    estão fora da Diagonal principal são
  • 00:07:26
    todos
  • 00:07:27
    zeros e depois temos outra Matriz que
  • 00:07:30
    vocês conhecem bem que é a matriz
  • 00:07:32
    identidade essa Matriz identidade é uma
  • 00:07:35
    matriz diagonal
  • 00:07:36
    eh com todos os elementos da Diagonal
  • 00:07:39
    principal iguais a um ou seja agora
  • 00:07:41
    temos duas restrições todos os elementos
  • 00:07:44
    fora da Matriz São da Diagonal principal
  • 00:07:47
    são iguais a zero por ser uma matriz
  • 00:07:49
    diagonal e agora temos que todos os
  • 00:07:52
    elementos da Diagonal principal são são
  • 00:07:54
    iguais a um então vocês percebem que a
  • 00:07:56
    gente tem e i j = 1
  • 00:08:00
    para todo i igual a j e e j igual a 0
  • 00:08:04
    para todo I diferente de j e aqui temos
  • 00:08:07
    Nossa Matriz
  • 00:08:11
    identidade outro outra Matriz que a
  • 00:08:13
    gente vai utilizar muito é conhecida
  • 00:08:16
    como Matriz triangular e podemos ter a
  • 00:08:19
    matriz triangular inferior ou superior
  • 00:08:21
    então o que que seria uma matriz
  • 00:08:23
    triangular
  • 00:08:24
    inferior uma matriz b triangular
  • 00:08:27
    inferior tem todos os elementos a acima
  • 00:08:30
    da Diagonal principal iguais a zero Isto
  • 00:08:33
    é b j é igual a z0 para todo I menor que
  • 00:08:38
    J vocês percebem que como o J remete as
  • 00:08:43
    colunas e o i remete à linhas né como a
  • 00:08:46
    gente definiu na anotação anterior temos
  • 00:08:49
    que sempre que o J seja maior que o i
  • 00:08:53
    devemos ter respeitar a condição de b e
  • 00:08:55
    j = 0 então dessa forma temos aqui que
  • 00:09:00
    todos os
  • 00:09:01
    elementos acima da Diagonal
  • 00:09:05
    principal são iguais a zero agora
  • 00:09:08
    novamente podemos ter elementos por
  • 00:09:11
    baixo da Diagonal e na própria diagonal
  • 00:09:13
    principal iguais a
  • 00:09:15
    zero a matriz triangular superior é o
  • 00:09:18
    caso oposto onde uma matriz C triangular
  • 00:09:21
    superior possui todos os elementos
  • 00:09:24
    abaixo da Diagonal principal nulos ou
  • 00:09:26
    seja c j = a 0 para todo i maior que J
  • 00:09:32
    então neste caso novamente fazemos
  • 00:09:34
    referência a este conjunto de elementos
  • 00:09:38
    da nossa matriz e eles são todos iguais
  • 00:09:41
    a
  • 00:09:43
    zero depois podemos ter matrizes densas
  • 00:09:48
    e esparsas o que que seria uma matriz
  • 00:09:50
    densa é quanto a maior parte dos seus
  • 00:09:52
    elementos forem não nulos e é esparsa
  • 00:09:56
    quando a maioria deles forem igual a
  • 00:09:58
    zero Por que que isso pode ser relevante
  • 00:10:00
    isso é relevante na hora de estruturar
  • 00:10:03
    algoritmos e como a gente salva em
  • 00:10:06
    memória em memória esses dados da
  • 00:10:09
    matrizes então tem algumas aplicações
  • 00:10:11
    que são que a gente lida com matrizes
  • 00:10:14
    muito esparsas então para isso a gente
  • 00:10:17
    armazena em memória de uma forma em
  • 00:10:20
    particular para salvar memória a gente
  • 00:10:22
    não precisa armazenar todos os zeros em
  • 00:10:25
    outros casos a gente não pode fazer isso
  • 00:10:27
    tá eh e é é muito usual que em problemas
  • 00:10:31
    reais a gente ten matrizes muito
  • 00:10:35
    esparsas Depois temos a matriz simétrica
  • 00:10:39
    o que que seria uma matriz simétrica é
  • 00:10:42
    uma matriz Onde existe uma simetria em
  • 00:10:45
    relação à diagonal principal então vocês
  • 00:10:47
    percebem que a diagonal principal um
  • 00:10:49
    elemento fundamental da Matriz Então
  • 00:10:51
    essa simetria olha se a gente observa
  • 00:10:53
    com cuidado temos aqui nossa diagonal
  • 00:10:55
    principal depois a gente vê que existe
  • 00:10:58
    uma simetria entre o do e o do
  • 00:11:01
    aqui a gente tem uma simetria entre um e
  • 00:11:03
    o
  • 00:11:05
    um e a gente tem uma simetria entre o 3
  • 00:11:09
    e o
  • 00:11:09
    3 Então é se a matriz é simétrica com
  • 00:11:13
    relação à diagonal principal a gente diz
  • 00:11:15
    que estamos com temos uma matriz
  • 00:11:19
    simétrica tendo essa noção de Quais são
  • 00:11:22
    as principais matrizes especiais com
  • 00:11:25
    quem com as quais a gente vai trabalhar
  • 00:11:27
    na disciplina a gente também tem algumas
  • 00:11:29
    operações matriciais que a gente vai
  • 00:11:31
    utilizar muito
  • 00:11:33
    frequentemente tanto em sistemas
  • 00:11:35
    lineares como em outras áreas da
  • 00:11:37
    disciplina
  • 00:11:39
    e a transposição é um desses casos a
  • 00:11:43
    transposta de uma matriz A representada
  • 00:11:45
    por a com o superíndice Supra índice T é
  • 00:11:50
    uma matriz obtida trocando as suas
  • 00:11:53
    linhas pelas suas colunas de modo a que
  • 00:11:56
    a linha i torna-se a coluna i e a coluna
  • 00:12:00
    J transforma-se na linha J Então se a
  • 00:12:03
    gente observa esse exemplo a gente pode
  • 00:12:05
    olhar que essa coluna primeira coluna da
  • 00:12:08
    Matriz a a coluna um da Matriz a agora
  • 00:12:12
    na a transposta passa a ser a linha
  • 00:12:19
    1 da Matriz a transposta né 5 6 3 7 1 e
  • 00:12:26
    assim sucessivamente
  • 00:12:29
    é interessante já observar que se eu
  • 00:12:31
    faço a transposição da Matriz a
  • 00:12:34
    transposta a gente vai obter novamente a
  • 00:12:36
    matriz A porque a gente vai trocar
  • 00:12:37
    novamente linha por
  • 00:12:41
    coluna uma matriz
  • 00:12:44
    simétrica
  • 00:12:45
    eh Lembrando que a simetria com relação
  • 00:12:48
    a à diagonal principal
  • 00:12:51
    eh ela vai ser considerada simétrica se
  • 00:12:54
    ela for igual a sua matriz transposta
  • 00:12:56
    Então se a gente troca linha por coluna
  • 00:12:58
    Então significa que
  • 00:13:00
    neste caso a matriz M vai ser igual a m
  • 00:13:03
    transposta se isso acontecer então a
  • 00:13:05
    gente tem uma matriz simétrica então a
  • 00:13:08
    matriz simétrica M sua transposta MT
  • 00:13:11
    vocês percebem que a gente mantém a
  • 00:13:13
    mesma Matriz porque ela não mudou m é
  • 00:13:16
    igual a MT esta linha esta Desculpa esta
  • 00:13:20
    coluna passa a ser esta linha e aí temos
  • 00:13:24
    uma matriz simétrica então a gente pode
  • 00:13:26
    verificar simetria quando a sua a
  • 00:13:30
    transposição da Matriz é igual à Matriz
  • 00:13:34
    original e temos algumas outras
  • 00:13:37
    operações que eu imagino que vocês estão
  • 00:13:39
    acostumados a realizar se vocês não
  • 00:13:42
    estiverem acostumados a a utilizar
  • 00:13:44
    matrizes Eu recomendo que após o a
  • 00:13:48
    escuta desse dessa aula vocês façam
  • 00:13:51
    algumas alguns exercícios e que revisem
  • 00:13:54
    esses conceitos porque eles vão ser como
  • 00:13:56
    eu disse fundamentais ao longo de todo o
  • 00:13:58
    curso
  • 00:14:00
    então adição e subtração Se A e B forem
  • 00:14:03
    matrizes de dimensão n por m n linhas M
  • 00:14:07
    colunas então c = a + b também será n
  • 00:14:12
    por m tal que CJ é igual a a i j + bij
  • 00:14:19
    j para todo i j então vocês percebem que
  • 00:14:23
    se eles têm a mesma dimensão eu vou
  • 00:14:25
    somar elemento com o elemento
  • 00:14:28
    correspondente da outra Matriz então
  • 00:14:30
    aqui a gente tem que 8 + 1 = 9 então o
  • 00:14:36
    novo o elemento C 1 1 é igual ao
  • 00:14:40
    elemento A1 1 mais o b 1 1 e assim a
  • 00:14:47
    gente consegue fazer todo o cômputo
  • 00:14:49
    dessa adição e subtração subtração é a
  • 00:14:52
    mesma coisa então aqui por exemplo a
  • 00:14:54
    gente faz a matriz tentamos obter a
  • 00:14:57
    matriz D que é a - B novamente o
  • 00:15:00
    elemento Vamos fazer outro elemento o
  • 00:15:03
    elemento
  • 00:15:06
    D 3 1 é igual a o a 3 1 menos o b 3 1
  • 00:15:14
    Quem que é o elemento a 3 1 é o 5 Quem
  • 00:15:18
    que é o elemento B 3 1 é o 2 5 - 2 é = 3
  • 00:15:23
    que é o elemento d31
  • 00:15:29
    E aí temos multiplicação eh Matriz
  • 00:15:32
    escalar Ou seja a matriz multiplicada
  • 00:15:34
    por um escalar também a gente vai
  • 00:15:36
    utilizar muito o produto de uma matriz A
  • 00:15:39
    de dimensão n por m por um escalar que a
  • 00:15:42
    gente vai chamar de k genericamente de k
  • 00:15:45
    resulta em uma matriz b = a k x a da
  • 00:15:50
    mesma dimensão mantemos o mesmo número
  • 00:15:52
    de linhas e colunas tal que a matriz
  • 00:15:55
    resultante B cada elemento da matriz b J
  • 00:15:59
    né da matriz b que a gente vai denotar
  • 00:16:01
    como b e j vai ser igual a k que
  • 00:16:04
    multiplica o elemento a e j para todo i
  • 00:16:07
    e para todo J Então dessa forma se a
  • 00:16:11
    gente estamos multiplicando e a matriz A
  • 00:16:15
    pelo escalar 2 para obter a matriz b
  • 00:16:18
    então a gente a notação é B = 2 vezes a
  • 00:16:22
    matriz a a gente vai ter que o elemento
  • 00:16:26
    vamos pegar o elemento aqui ó
  • 00:16:30
    B 1 2 que é esse 4 aqui
  • 00:16:34
    E esse elemento B1 2 é igual a 2 que
  • 00:16:38
    multiplica o elemento a 1 2 iG 2 x 2 = 4
  • 00:16:44
    Então temos elemento
  • 00:16:48
    4 e depois temos a multiplicação da
  • 00:16:51
    Matriz por um vetor essa multiplicação
  • 00:16:54
    de uma matriz por um vetor precisa ter
  • 00:16:56
    uma condição particular eh a matriz o
  • 00:17:00
    produto de uma matriz A de n por m pode
  • 00:17:03
    ser multiplicada por um vetor de
  • 00:17:05
    dimensões m por 1 então isso vocês já
  • 00:17:09
    também já conhecem a gente tem que ter a
  • 00:17:11
    mesmo número de colunas que o mesmo
  • 00:17:14
    número de linhas do vetor isso para
  • 00:17:17
    fazer uma multiplicação a vezes o vetor
  • 00:17:21
    então aqui temos que o vetor resultante
  • 00:17:24
    x vai ter a dimensão n por 1 e como que
  • 00:17:29
    a gente Analisa e calcula essa
  • 00:17:31
    multiplicação sobre a perspectiva
  • 00:17:34
    algorítmica aqui a gente vai utilizar o
  • 00:17:36
    somatório né então vocês percebem que
  • 00:17:40
    nesta fórmula basicamente estamos
  • 00:17:43
    indicando como a gente calcula o
  • 00:17:45
    resultado dessa multiplicação então o xi
  • 00:17:49
    que é o resultado de fazer a vezes o
  • 00:17:52
    vetor B vai ser igual ao
  • 00:17:55
    somatório de
  • 00:17:57
    j1 a Ou seja eu estou percorrendo todas
  • 00:18:01
    as colunas da minha matriz e eu tô
  • 00:18:05
    fazendo a multiplicação a e j x VJ onde
  • 00:18:09
    I vai de 1 a de 1 até n ou seja para
  • 00:18:14
    cada elemento XI e xi esse I aqui vai
  • 00:18:20
    variar de 1 até n vou fazer essa soma
  • 00:18:24
    das multiplicações realizadas vamos ver
  • 00:18:26
    o caso aqui particular então percebam o
  • 00:18:29
    seguinte eu tenho a matriz que é uma
  • 00:18:32
    matriz 3 por 2 e eu tenho um vetor que é
  • 00:18:36
    2 por 1 então o 2 aqui é igual a 2 então
  • 00:18:40
    a dimensão do nosso vetor x Vai ser 3
  • 00:18:43
    por 1 ou seja 3 linhas e uma coluna como
  • 00:18:47
    encontramos a o número cinco por exemplo
  • 00:18:50
    que é
  • 00:18:51
    o
  • 00:18:53
    x
  • 00:18:55
    1 do nosso vetor solução
  • 00:18:59
    esse esse esse esse elemento X1 que é
  • 00:19:04
    igual a 5 aqui né que é esse esse
  • 00:19:06
    camaradinha aqui o c ele vai ser
  • 00:19:08
    encontrado de que forma então para o i =
  • 00:19:13
    1 vamos percorrer as
  • 00:19:15
    colunas e quais seriam as colunas as
  • 00:19:18
    colunas 1 e
  • 00:19:25
    2 e do eh Então vamos ter que é o
  • 00:19:32
    elemento A1
  • 00:19:35
    1 1 que multiplica o elemento do vetor
  • 00:19:41
    1 1 x 1 mais porque temos o
  • 00:19:47
    somatório o elemento 2 porque agora o J
  • 00:19:51
    tava em valor 1 passou a ser 2 com o
  • 00:19:55
    elemento 2 do vetor
  • 00:19:59
    2 x 2 Então temos 4 + 1 1 + 4 = 5 E a e
  • 00:20:07
    aí podemos calcular para toda a linha da
  • 00:20:11
    nossa Matriz todos os elementos da
  • 00:20:15
    solução
  • 00:20:18
    x e depois temos também a multiplicação
  • 00:20:21
    entre matrizes que também vai ser muito
  • 00:20:23
    utilizado ao longo da disciplina o
  • 00:20:26
    produto de uma matriz a n por P por uma
  • 00:20:30
    matriz b p por m eh tem como resultado
  • 00:20:35
    uma matriz de ordem n por m ou seja
  • 00:20:39
    novamente é importante que o número de
  • 00:20:41
    linhas da Matriz o número de Colunas da
  • 00:20:44
    Matriz a seja igual ao número de linhas
  • 00:20:46
    da matriz b para fazer a multiplicação a
  • 00:20:48
    b então essa Matriz C que vai ser o
  • 00:20:52
    resultado de a x b vai vai ter como
  • 00:20:55
    resultado uma matriz n por m então como
  • 00:20:59
    fazemos é a mesma coisa que a gente
  • 00:21:01
    acabou de fazer só é como se a gente
  • 00:21:03
    tivesse multiplicando a matriz por dois
  • 00:21:05
    vetores tá então a gente tem aqui que o
  • 00:21:09
    valor de c i j e agora temos c i j
  • 00:21:13
    porque a matriz resultante n por m temos
  • 00:21:17
    que é um somatório de k = 1 até p vocês
  • 00:21:21
    percebem que p o número de linhas eh da
  • 00:21:25
    matriz b e de Colunas da Matriz a E aí
  • 00:21:30
    vamos fazendo essa operação a 1 1 vezes
  • 00:21:34
    B 1 1 e vamos variando os índices i j e
  • 00:21:39
    também variamos os índices k ATP Então
  • 00:21:42
    vamos ver um pequeno exemplo tudo isso
  • 00:21:46
    eu tô passando rápido porque isso é um
  • 00:21:47
    tema que vocês já estão acostumados a
  • 00:21:50
    trabalhar tá então novamente se vocês
  • 00:21:52
    têm alguma dúvida sobre como fazer
  • 00:21:54
    multiplicações matriciais vocês têm que
  • 00:21:57
    eh vocês podem utilizar o livro texto
  • 00:22:00
    mas esse material tem e é abundante na
  • 00:22:03
    na na internet e na biblioteca vocês
  • 00:22:06
    podem consultar e tirar essas dúvidas
  • 00:22:08
    antes de avançar com a disciplina então
  • 00:22:10
    aqui temos que o resultado de fazer essa
  • 00:22:15
    multiplicação da Matriz a com a matriz B
  • 00:22:18
    eh por exemplo Vamos pegar esse número
  • 00:22:21
    seis aqui
  • 00:22:24
    C 1 1 é igual a então vocês percebem que
  • 00:22:30
    a gente vai percorrer o número de
  • 00:22:31
    colunas três tá para o elemento i e j
  • 00:22:36
    então basicamente a gente vai fazer o
  • 00:22:39
    2 que Vai
  • 00:22:41
    Multiplicar
  • 00:22:43
    o o elemento 1 B mais o 1 que multiplica
  • 00:22:50
    o elemento
  • 00:22:52
    4 da matriz b e o elemento zer que
  • 00:22:57
    multiplica o elemento TR
  • 00:22:59
    Então temos 2 x 1 dá 2 + 1 x 4 dá 4 isso
  • 00:23:05
    igual a 6 e esse é o elemento da Matriz
  • 00:23:10
    C11 Ou seja quando começamos a variar o
  • 00:23:14
    i de 1 até n e o J de 1 at M podemos
  • 00:23:19
    obter vamos obter toda a matriz
  • 00:23:23
    c e com essas definições podemos definir
  • 00:23:27
    então o que que é o produto interno e o
  • 00:23:29
    produto externo tá o produto escalar ou
  • 00:23:33
    interno entre um vetor X N por 1 e um
  • 00:23:37
    vetor y n por 1 também é um escalar
  • 00:23:41
    obtido fazendo uma multiplicação desses
  • 00:23:44
    vetores então percebam o seguinte
  • 00:23:47
    lembrem que a matriz eu tenho que ter o
  • 00:23:49
    mesmo número de eh colunas do que de
  • 00:23:53
    linhas das matrizes Que Eu Tô
  • 00:23:55
    multiplicando aqui temos um vetor eh é
  • 00:23:58
    linha multiplicando um vetor
  • 00:24:01
    coluna e aqui temos que o resultado
  • 00:24:04
    desse vetor é a multiplicação de todos
  • 00:24:06
    os elementos dessa multiplicação
  • 00:24:08
    vetorial desse produto interno é a
  • 00:24:10
    multiplicação de cada um desses
  • 00:24:11
    elementos é o somatório de xi x y
  • 00:24:15
    i o produto externo agora é diferente o
  • 00:24:20
    produto externo entre um vetor X N por 1
  • 00:24:23
    e outro vetor y m por 1 resulta em numa
  • 00:24:26
    matriz n por m
  • 00:24:29
    Então a gente vai com esses dois vetores
  • 00:24:31
    vamos criar uma matriz então novamente
  • 00:24:35
    estamos fazendo uma multiplicação de
  • 00:24:37
    duas matrizes são vetores mas não deixam
  • 00:24:39
    de ser matrizes linha e matrizes coluna
  • 00:24:43
    Então a gente tem aqui que o
  • 00:24:46
    vetor X é multiplicado por y transposta
  • 00:24:50
    porque a transposição é necessário que a
  • 00:24:52
    gente tem o mesmo número de colunas e o
  • 00:24:54
    mesmo número de linhas para fazer essa
  • 00:24:56
    multiplicação então o temos que m j né
  • 00:25:00
    Essa Matriz resultante do produto
  • 00:25:03
    externo chamada M cada elemento m j vai
  • 00:25:07
    ser obtido com o xi que multiplica o yj
  • 00:25:11
    ou seja o elemento xi que faz referência
  • 00:25:15
    à linha i e o elemento yj que faz
  • 00:25:20
    referência a coluna J da Matriz M Então
  • 00:25:23
    a gente tem aqui ó tá detalhado o
  • 00:25:25
    elemento m
  • 00:25:28
    1 1 é igual a
  • 00:25:33
    X1 que multiplica y1 o elemento se a
  • 00:25:38
    gente faz outro elemento 2 1 vai ser
  • 00:25:41
    igual
  • 00:25:43
    a X2 que multiplica y1 E assim a gente
  • 00:25:48
    pode obter o resultado do produto
  • 00:25:52
    externo da M que surge da multiplicação
  • 00:25:55
    de dois
  • 00:25:56
    vetores aqui tem um exemplo que vocês
  • 00:25:59
    podem utilizar Então se temos o x = 5 -
  • 00:26:02
    1 2 e o y 1 3 e 4 então nosso produto
  • 00:26:07
    interno vai ser igual a 10 eh vai ser
  • 00:26:11
    igual a 10 e Aí surge da multiplicação
  • 00:26:14
    de 5 por 1 + -1 x 3 + 2 x 4 a gente
  • 00:26:21
    obtém o valor de 10 e o produto externo
  • 00:26:24
    nos dá essa Matriz 3 por 3
  • 00:26:28
    outro conceito muito importante que a
  • 00:26:30
    gente vai utilizar ao longo da
  • 00:26:31
    disciplina é o conceito de determinante
  • 00:26:34
    uma matriz quadrada
  • 00:26:36
    A de ordem n ou seja temos n linhas e n
  • 00:26:41
    colunas tem um número associado
  • 00:26:43
    denominado determinante cujo valor pode
  • 00:26:46
    ser obtido pela fórmula de Laplace então
  • 00:26:49
    vocês percebem que essa nossa fórmula
  • 00:26:52
    aqui parece complicada mas não é ela é
  • 00:26:55
    recursiva Ela sempre faz referência a
  • 00:26:57
    outra Matriz anterior que está contida
  • 00:26:59
    na matriz A Então temos que o
  • 00:27:02
    determinante de A é igual a -1 elevado a
  • 00:27:07
    i +
  • 00:27:09
    j do elemento a i j que multiplica o
  • 00:27:14
    determinante da matriz e aqui temos um -
  • 00:27:18
    i - j o que que isso significa a matriz
  • 00:27:21
    a i - i - j é a matriz de ordem n - 1
  • 00:27:27
    ela continua sendo quadrada mas
  • 00:27:29
    resultante da remoção da linha i e da
  • 00:27:32
    coluna J Então se a gente continua né e
  • 00:27:37
    a gente faz essa somatória de
  • 00:27:41
    determinantes e a gente vai removendo
  • 00:27:44
    essas linhas a gente chega a ter uma
  • 00:27:46
    matriz que tem um único elemento e a
  • 00:27:49
    partir dali a gente pode Calcular o
  • 00:27:53
    determinante de toda uma
  • 00:27:55
    matriz então a gente sabe que eh dado
  • 00:27:59
    uma matriz A de um único elemento A1 1
  • 00:28:04
    então o determinante vai ser o A1 n que
  • 00:28:07
    é o único elemento da Matriz a que é
  • 00:28:09
    este nosso caso quando eu tenho duas
  • 00:28:13
    matrizes a gente pode Calcular o
  • 00:28:15
    determinante da seguinte forma
  • 00:28:17
    determinante de A ig a a 11 x a22 esses
  • 00:28:23
    dois menos esses dois tá então temos
  • 00:28:27
    aqui a nossa a matriz A e aqui temos o
  • 00:28:31
    determinante de uma matriz 3
  • 00:28:34
    por3 então vocês percebem que a gente
  • 00:28:37
    faz utiliza a fórmula de Laplace o
  • 00:28:41
    a11 multiplica o determinante da matriz
  • 00:28:45
    que surge da remoção da coluna um e da
  • 00:28:48
    linha um essa Matriz termina sendo a
  • 00:28:53
    a22
  • 00:28:55
    A23 a 32 e a
  • 00:29:01
    33 aplicando exatamente a fórmula que a
  • 00:29:04
    gente viu
  • 00:29:05
    para Calcular o determinante de uma
  • 00:29:08
    matriz 2x 2
  • 00:29:12
    A1 vezes o determinante da matriz
  • 00:29:14
    removendo a linha um e a coluna
  • 00:29:17
    um Por que agora temos esse menos aqui
  • 00:29:21
    porque esse menos surge da fórmula de
  • 00:29:24
    Laplace temos que
  • 00:29:26
    -1 el a 1 + 2 que é o elemento i e j
  • 00:29:32
    isso aqui é igual a 3 1 - 1 elevado a 3
  • 00:29:37
    É iG A -1 então multiplica o -1
  • 00:29:40
    multiplica o elemento a 12 e aí temos
  • 00:29:44
    que novamente removemos a linha um e a
  • 00:29:48
    coluna 2 e temos Nossa nosso cálculo do
  • 00:29:51
    novo determinante fazendo a remoção
  • 00:29:53
    dessa linha e dessa coluna
  • 00:29:58
    e finalmente temos o a13 que é positivo
  • 00:30:03
    porque 1 + 3 é = 4 então -
  • 00:30:07
    1 elevado a 4 é
  • 00:30:10
    positivo e temos aqui o determinante da
  • 00:30:13
    matriz removendo as linha e a coluna 1 e
  • 00:30:17
    TR E aí podemos Calcular o determinante
  • 00:30:21
    de uma matriz 3 por
  • 00:30:24
    3 a gente no no curso a gente vai ver
  • 00:30:28
    métodos mais eficientes para cálculo do
  • 00:30:30
    determinante tá eh mas esse é o método
  • 00:30:33
    que vocês estão mais acostumados a
  • 00:30:35
    utilizar
  • 00:30:36
    eh na nas outras disciplinas utilizando
  • 00:30:40
    determinantes a gente também pode fazer
  • 00:30:42
    operações matriciais e ter algumas
  • 00:30:45
    definições então por exemplo uma matriz
  • 00:30:47
    A que tem um determinante de a =
  • 00:30:51
    0 o que que implica é dita como singular
  • 00:30:55
    e quando o determinante de A for
  • 00:30:58
    diferente de zero a gente diz que ela é
  • 00:31:00
    não
  • 00:31:01
    singular então aqui o determinante de
  • 00:31:04
    uma matriz de ordem dois a gente já sabe
  • 00:31:07
    como calcular né 2 x 5 - 1 x 4 é = 6
  • 00:31:13
    então a gente diz que é uma matriz não
  • 00:31:16
    singular por quê Porque o seu
  • 00:31:18
    determinante foi diferente de
  • 00:31:21
    zero e vamos entrar num tema que é
  • 00:31:25
    fundamental para por exemplo a área de
  • 00:31:28
    minação que é a ideia de eh vetores
  • 00:31:31
    linearmente
  • 00:31:32
    dependentes uma sequência de vetores
  • 00:31:35
    estamos falando de vetores tá v1 V2 VP
  • 00:31:40
    Ou seja a gente tem um conjunto de
  • 00:31:42
    vetores edita linearmente
  • 00:31:45
    dependente se existirem escalares se
  • 00:31:49
    existirem alguns escalares eu não sei
  • 00:31:51
    qual mas se existirem alguns escalares
  • 00:31:54
    ala 1 ala 2 ala p não todos nulos Tais
  • 00:31:58
    que ala 1 v1 mais ala 2 V2 mais ala P VP
  • 00:32:06
    for igual a zer se vocês percebem que é
  • 00:32:10
    dependente Se algum desses
  • 00:32:13
    escalares for diferente de
  • 00:32:16
    zero e o que que isso implica já vou
  • 00:32:19
    adiantar um tema implica que se por
  • 00:32:22
    exemplo o Ala
  • 00:32:24
    2 é diferente de zero eu iia escrever o
  • 00:32:30
    V2 como um
  • 00:32:36
    somatório dos
  • 00:32:38
    elementos colocar ala 1 v1 - pontinho
  • 00:32:44
    pontinho menos Alfa
  • 00:32:49
    PVP dividido
  • 00:32:52
    por ala 2 porque o ala2 é positivo é
  • 00:32:57
    diferente de zero
  • 00:32:58
    Ou seja eu posso escrever um vetor como
  • 00:33:02
    uma relação linear dos outros vetores
  • 00:33:06
    então quando isto acontece dizemos que
  • 00:33:08
    temos vetores linearmente
  • 00:33:15
    dependentes agora quando temos vetores
  • 00:33:20
    linearmente Independentes se é igualdade
  • 00:33:24
    se a igualdade al1 v1 mais AL 2 V2 + al
  • 00:33:29
    PVP É iG 0 somente se
  • 00:33:33
    verifica com os escalares Alfa todos
  • 00:33:37
    iguais a zero Ou seja eu não posso fazer
  • 00:33:40
    a operação que eu acabei de
  • 00:33:43
    fazer Então nesse caso a gente diz que
  • 00:33:47
    os vetores v1 V2 VP são linearmente
  • 00:33:55
    independentes também podemos definir o
  • 00:33:58
    posto da Matriz dado que a gente definiu
  • 00:34:00
    o que são vetores e dependentes e
  • 00:34:03
    Independentes agora a gente tá em
  • 00:34:05
    condições de definir o posto da matriz A
  • 00:34:07
    então o posto de uma matriz a m por n é
  • 00:34:12
    definida como número máximo de vetores
  • 00:34:16
    linhas ou vetores colunas de a que são
  • 00:34:19
    linearmente independentes ou seja o
  • 00:34:22
    posto sempre será menor que o número de
  • 00:34:26
    linhas ou colunas que a gente tem o
  • 00:34:28
    mínimo número de linhas ou o mínimo
  • 00:34:30
    número de ou o
  • 00:34:32
    mínimo repetindo
  • 00:34:38
    opsto agora que vimos
  • 00:34:41
    eh e definimos vetores linearmente
  • 00:34:44
    independentes e dependentes estamos em
  • 00:34:46
    condições de definir o posto de uma
  • 00:34:48
    matriz o posto de uma matriz A eh m por
  • 00:34:53
    n é definido como número máximo de
  • 00:34:56
    vetores
  • 00:34:58
    ou vetores colunas de a que são
  • 00:35:00
    linearmente independentes se elas são
  • 00:35:03
    independentes então não posso escrever
  • 00:35:06
    nenhum desses elementos como uma relação
  • 00:35:08
    linear dos elementos
  • 00:35:11
    eh dos elementos daquele conjunto então
  • 00:35:15
    sempre o opsto Será menor ou igual que o
  • 00:35:19
    mínimo número de linhas ou colunas
  • 00:35:21
    dessas duas dessa Matriz
  • 00:35:28
    então aqui a gente tem uma matriz 5x 6 e
  • 00:35:32
    a gente pode observar que a linha L2 e
  • 00:35:36
    L4
  • 00:35:38
    L2 e
  • 00:35:40
    L4 são obtidas pela combinação linear
  • 00:35:44
    das Linhas L1 e L3 então L2 é igual a L1
  • 00:35:48
    + L3 Então se a gente percebe L2 é igual
  • 00:35:51
    a L1 esse aqui é L1 e esse aqui é L3
  • 00:35:56
    então é L2 é 2 +
  • 00:36:00
    5 =
  • 00:36:02
    7 - 3 + 1 = -2 4 + 0 = 4 1 x 1 + 2 = 3 0
  • 00:36:11
    + 3 = 3 -
  • 00:36:14
    2 mais 1 é = -1 então a gente percebe
  • 00:36:19
    que a gente tem uma
  • 00:36:21
    relação algébrica entre essas linhas
  • 00:36:25
    então isso significa que essa cominação
  • 00:36:28
    linear das Linhas 1 e TR permite
  • 00:36:31
    encontrar de que esse conjunto essa
  • 00:36:33
    Matriz a esses vetores linha ou vetores
  • 00:36:36
    colunas não são linearmente
  • 00:36:38
    independentes existe uma dependência
  • 00:36:40
    entre
  • 00:36:45
    eles e neste caso as linhas L1 L3 e L5
  • 00:36:51
    são linearmente
  • 00:36:53
    independentes por isso podemos dizer que
  • 00:36:55
    o pósto da nossa matriz a é igual a
  • 00:37:03
    3 também podemos definir o traço Tá o
  • 00:37:08
    que que é o traço de uma matriz o traço
  • 00:37:10
    de uma matriz quadrada a é a soma dos
  • 00:37:12
    elementos da Diagonal principal é muito
  • 00:37:16
    direto então o traço da matriz A é igual
  • 00:37:18
    ao somatório de i = a 1 ATN de a e i ou
  • 00:37:23
    seja estou somando o 5 com o 3 e o 9 da
  • 00:37:28
    nossa matriz quadrada 3 por 3 que é
  • 00:37:31
    igual neste caso a
  • 00:37:36
    17 e por último a gente vai ver o
  • 00:37:39
    conceito da matriz inversa a matriz
  • 00:37:42
    inversa de uma matriz quadrada de ordem
  • 00:37:45
    n é representado por a a- 1 tá aqui ó a-
  • 00:37:50
    1 e como é definida essa matriz inversa
  • 00:37:54
    a vezes a inversa da Matriz a é igual a
  • 00:37:58
    matriz A inversa vezes a matriz
  • 00:38:00
    A e isso é igual a identidade então é
  • 00:38:04
    uma
  • 00:38:05
    matriz tal que a matriz a a inversa da
  • 00:38:09
    Matriz a vai ser uma matriz que é
  • 00:38:10
    multiplicada pela Matriz a a gente obtém
  • 00:38:13
    a matriz identidade e o que que era a
  • 00:38:15
    matriz de identidade era uma matriz
  • 00:38:16
    quadrada com to com a diagonal principal
  • 00:38:19
    com os elementos da Diagonal principal
  • 00:38:21
    iguais a 1
  • 00:38:23
    eh existe uma propriedade então e a
  • 00:38:27
    gente Lembrando que a gente já definiu a
  • 00:38:29
    matriz de identidade com a matriz in né
  • 00:38:31
    Lembrando que ela é quadrada porque ela
  • 00:38:33
    ser diagonal e todos os elementos da
  • 00:38:35
    Diagonal seriam iguais a um eh a
  • 00:38:37
    propriedade comutativa existe para o
  • 00:38:39
    produto de uma matriz por sua própria
  • 00:38:41
    inversa e Ou seja é o que a gente acabou
  • 00:38:44
    de discutir aqui né a x a - 1 é ig a a -
  • 00:38:49
    1 x a e é tudo isso é igual a matriz de
  • 00:38:51
    identidade e uma matriz A admite inversa
  • 00:38:56
    se o determinante for diferente de zero
  • 00:38:59
    a gente vai entrar mais em detalhes eh
  • 00:39:02
    nas próximas aulas a respeito desta
  • 00:39:05
    relação de quando uma matriz inversa
  • 00:39:08
    quando uma matriz A admite uma inversa e
  • 00:39:10
    qual que é a relação disso com o
  • 00:39:12
    determinante da
  • 00:39:16
    matriz então aqui temos o cálculo de uma
  • 00:39:19
    inversa da Matriz Então temos que temos
  • 00:39:21
    a matriz A que é uma matriz 4x 4 temos
  • 00:39:25
    Nossa matriz inversa também 4 por 4 e
  • 00:39:28
    quando a gente faz a multiplicação não
  • 00:39:30
    faria a multiplicação aqui à mão mas a
  • 00:39:32
    multiplicação de a vezes a matriz
  • 00:39:34
    inversa dá uma identidade de ordem
  • 00:39:40
    4 e Existem algumas propriedades para
  • 00:39:43
    fechar a aula de hoje a gente vai ver
  • 00:39:45
    essas propriedades que eu que eu espero
  • 00:39:47
    que vocês revisit porque a gente vai
  • 00:39:49
    utilizar muito essas propriedades a
  • 00:39:51
    matriz a a transposta da Matriz
  • 00:39:54
    transposta é igual a matriz original
  • 00:39:57
    a inversa da matriz inversa é igual a
  • 00:40:00
    matriz original a matriz a a matriz
  • 00:40:03
    transposta de uma inversa é igual a
  • 00:40:06
    matriz inversa da Matriz
  • 00:40:09
    transposta tá E aí temos algumas algumas
  • 00:40:12
    questões Se A é igual a A1 A2 x A2 x AK
  • 00:40:18
    Ou seja a é igual a multiplicação dessas
  • 00:40:20
    matrizes então a transposta também é
  • 00:40:23
    igual a multiplicação de todas essas
  • 00:40:25
    matrices mas vocês percebem que que eu
  • 00:40:27
    mudei mudamos a ordem aqui é a matriz A
  • 00:40:31
    K transposta vezes a matriz a k - 1 E aí
  • 00:40:36
    sucessivamente tá e a mesma coisa
  • 00:40:39
    acontece com a matriz
  • 00:40:41
    inversa e aí a gente tem algumas
  • 00:40:43
    operações a + b transposta é igual a a
  • 00:40:48
    transposta + b transposta agora essa
  • 00:40:51
    propriedade não é válida paraa matriz
  • 00:40:53
    inversa Ou seja a + b inversa da Matriz
  • 00:40:57
    a + b é diferente que a soma das
  • 00:41:00
    matrizes inversas de a e
  • 00:41:03
    b então como vocês viram a gente fez uma
  • 00:41:07
    revisão de operações matriciais de
  • 00:41:10
    algumas definições de vetores que a
  • 00:41:12
    gente vai utilizar para sistemas
  • 00:41:13
    lineares esta é fundamental vocês terem
  • 00:41:17
    um bom conhecimento sobre como a gente
  • 00:41:19
    utiliza anotação de como a gente utiliza
  • 00:41:22
    eh relembrar essas operações e estas
  • 00:41:26
    definições por porque ao longo da
  • 00:41:28
    disciplina a gente vai utilizar muito
  • 00:41:30
    todas estas definições em particular nas
  • 00:41:33
    aulas
  • 00:41:34
    de na resolução de sistemas
  • 00:41:37
    lineares com isso eu deixo vocês e
  • 00:41:39
    aguardo vocês para o nosso próximo
  • 00:41:56
    encontro m
Tags
  • sistemas lineares
  • matrizes
  • engenharia
  • cálculo numérico
  • determinante
  • vetores
  • linearmente dependentes
  • matriz inversa
  • operações matriciais
  • matriz identidade