Baixe o app para aproveitar ainda mais
Prévia do material em texto
Universidade do Vale do Rio dos Sinos - UNISINOS Centro de Cieˆncias Exatas e Tecnolo´gicas Matema´tica A´lgebra Vetorial e Matricial Material Elaborado por: Prof. Dr. Alexsandro Marian Carvalho Prof. Dr. Vilarbo da Silva Ju´nior Sa˜o Leopoldo 2014 1 Suma´rio 1 A´lgebra Matricial 3 1.1 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.1.1 Introduc¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.1.2 Matrizes Especiais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.1.3 Operac¸o˜es com Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 1.1.4 Exerc´ıcos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 1.1.5 Respostas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22 1.2 Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 1.2.1 Introduc¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 1.2.2 Definic¸a˜o e Ca´lculo de Determinantes . . . . . . . . . . . . . . . . . . . . . . . 24 1.2.3 Exerc´ıcos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 1.2.4 Respostas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 1.3 Sistemas de Equac¸o˜es Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 1.3.1 Introduc¸a˜o . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 1.3.2 Definic¸o˜es e Generalidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 1.3.3 Me´todo da Eliminac¸a˜o de Gauss (MEG) - Escalonamento . . . . . . . . . . . . 44 1.3.4 Me´todo de Soluc¸a˜o via Matriz Inversa . . . . . . . . . . . . . . . . . . . . . . 52 1.3.5 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 1.3.6 Respostas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63 . 2 Cap´ıtulo 1 A´lgebra Matricial 1.1 Matrizes 1.1.1 Introduc¸a˜o E´ comum o recurso de tabelas para organizar informac¸o˜es diversas. No entanto, estes objetos na˜o sa˜o, em geral, “manipula´veis”. Figura 1.1: Tabelas diversas. Para ultrapassar esta “limitac¸a˜o”, e´ usual recorrer a`s chamadas matrizes. As matrizes na˜o so´ permitem uma simplificac¸a˜o no tratamento dos dados inclu´ıdos em tabelas, como as regras alge´bricas para a manipulac¸a˜o de matrizes sa˜o semelhantes a`s regras de manipulac¸a˜o de nu´meros reais. Definic¸a˜o 1 Uma matriz e´ uma entidade matema´tica representada por uma tabela retangular de elementos. Mais precisamente, dados n,m ∈ N chama-se matriz do tipo (ou ordem) m × n a uma tabela retangular de n.m elementos distribu´ıdos por m-linhas e n-colunas preenchidas por seus elementos: A = a11 a12 · · · a1n a21 a22 · · · a2n ... ... . . . ... am1 am2 · · · amn (1.1) � 3 Notac¸a˜o: E´ usual recorrer a letras maiu´sculas (A,B,C,X, Y, . . .) para representar matrizes. No caso de se pretender explicitar as entradas de uma matriz A de ordem m × n, e´ tambe´m usual representar A da forma A = [aij]m×n com i = 1, 2, . . . ,m e j = 1, 2, . . . , n, onde • aij representa a entrada, ou elemento gene´rico de A • i e´ o ı´ndice que representa a linha do elemento aij • j e´ o ı´ndice que representa a coluna do elemento aij • m× n representa a ordem da matriz. Leˆ-se “m por n”. � Observac¸a˜o 1 Representac¸o˜es: Para a representac¸a˜o expl´ıcita das matrizes vamos nos retringir ao uso de pareˆnteses (A = ( )) ou colchetes (A = [ ]). � Vamos ilustrar os conceitos preliminares sobre a definic¸a˜o de matriz no exemplo abaixo. Exemplo 1 A figura (1.2) e´ um grafo que representa a rede predato´ria em um ecossistema. Uma aresta direcionada de i para j indica que i tem j como fonte de alimento. Figura 1.2: Grafo de uma rede predato´ria. Afim de dar um tratamento mais preciso a estes dados, podemos construir uma matriz A em que seus elementos valem 1 caso i se alimente de j e 0 caso contra´rio, por exemplo a13 = 1 enquanto que a15 = 0. Deste modo, somos levados a` matriz (chamada matriz de ve´rtices) A = 0 1 1 0 0 0 1 0 0 1 1 0 0 1 0 0 0 0 1 1 0 0 0 1 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 (1.2) Neste caso, a matriz A tem 7 linhas e 7 colunas e assim sua ordem e´ 7× 7. O elemento a43 = 1, ja´ a71 = 0. Notem que a11 = a22 = · · · a77 = 0, pois uma espe´cie (em geral) na˜o se alimenta de si mesma. � 4 1.1.2 Matrizes Especiais Devido as caracter´ısticas particulares das matrizes que surgem na pra´tica, e´ relevante distribu´ı-las em classes ou tipos especiais. Definic¸a˜o 2 Matriz Linha. Uma matriz A e´ denominada matriz linha quando possuir uma u´nica linha. � Notac¸a˜o: A = (aij)1×n. Exemplo: A = (−8 3 5)1×3. Definic¸a˜o 3 Matriz Coluna. Uma matriz A e´ denominada matriz coluna quando possuir uma so´ coluna. � Notac¸a˜o: A = (aij)m×1. Exemplo: A = 39 1 . Definic¸a˜o 4 Matriz Nula. Uma matriz A e´ denominada matriz nula quando todos os seus elementos forem nulos, isto e´, se aij = 0 ∀ i = 1, 2, . . . ,m e j = 1, 2, . . . , n. � Notac¸a˜o: A = 0m×n. Exemplo: 02×3 = ( 0 0 0 0 0 0 ) Definic¸a˜o 5 Matriz Quadrada. Uma matriz A e´ uma matriz quadrada quando possuir o mesmo nu´mero de linhas e de colunas, isto e´, m = n. � Notac¸a˜o: A = a11 a12 · · · a1n a21 a22 · · · a2n ... ... . . . ... an1 an2 · · · ann (1.3) Diagonal Principal: Sa˜o os elementos de A onde i = j, evidenciados em negrito na matriz (1.3). Diagonal Secunda´ria: Sa˜o os elementos de A onde i+ j = n+1, evidenciados em letra romana na matriz (1.3). Exemplo: A = 2 3 45 7 0 10 −1 9 , onde os elementos da diagonal principal sa˜o 2, 7 e 9, enquanto que os da diagonal secunda´ria sa˜o 4, 7 e 10. 5 Definic¸a˜o 6 Matriz Diagonal. Uma matriz quadrada A e´ chamada de matriz diagonal quando todos os elementos que na˜o per- tencem a` diagonal principal sa˜o nulos, isto e´, quando aij = 0 ∀ i 6= j ∈ {1, 2, . . . , n}. � Exemplo: A = 2 0 00 1 0 0 0 3 Observac¸a˜o 2 Toda matriz quadrada nula e´ uma matriz diagonal. � Definic¸a˜o 7 Matriz Identidade. Uma matriz diagonal A e´ chamada de matriz identidade quando os elementos da diagonal principal forem todos iguais a um. � Notac¸a˜o: In. Exemplo: I2 = ( 1 0 0 1 ) I3 = 1 0 00 1 0 0 0 1 Definic¸a˜o 8 Matriz Transposta. Seja a matriz A = (aij)m×n, define-se a matriz transposta como sendo uma matriz B tal que B = (bij)n×m e bij = aji, isto e´, e´ a matriz obtida a partir da matriz A pela troca de suas linhas pelas colunas correspondentes. � Notac¸a˜o: B = At. Exemplo: Dada a matriz A abaixo temos que A = ( 2 3 0 −1 −2 1 ) ⇒ At = 2 −13 −2 0 1 Deste modo, se A e´ do tipo m × n, At e´ do tipo n ×m. Ale´m disso, note que a 1a linha de A corresponde a` 1a coluna de At e a 2a linha de A corresponde a` 2a coluna de At. Definic¸a˜o 9 Matriz Sime´trica. Uma matriz quadrada A e´ denominada sime´trica quando At = A, ou seja, quando aij = aji. � Exemplo: A matriz A = 3 5 65 2 4 6 4 8 e´ sime´trica, pois a12 = a21 = 5, a13 = a31 = 6 e a23 = a32 = 4. 6 Definic¸a˜o 10 Matriz Triangular Superior. Uma matriz quadrada A e´ uma matriz triangular superior quando os elementos abaixo da diagonal principal sa˜o nulos, isto e´, aij = 0 quando i > j para todo i, j = 1, 2, · · · , n. � Exemplo: A = 1 2 3 4 0 5 6 7 0 0 −1 0 0 0 0 −2 Definic¸a˜o 11 Matriz Triangular Inferior. Uma matriz quadrada A e´ uma matriz triangular inferior quando os elementos acima da diagonal principal sa˜o nulos, isto e´,aij = 0 quando i < j para todo i, j = 1, 2, · · · , n. � Exemplo: A = 1 0 0√3 8 0 7 −3 0 1.1.3 Operac¸o˜es com Matrizes Ate´ aqui apresentamos alguns conceitos e tipos especiais de matrizes. Contudo, para futuras aplicac¸o˜es, e´ deseja´vel desenvolver uma “aritme´tica de matrizes”, na qual as matrizes podem ser somadas, subtra´ıdas e multiplicadas de alguma maneira u´til. Esta sec¸a˜o sera´ dedicada a desenvolver esta aritme´tica. Definic¸a˜o 12 Igualdade de Matrizes Duas matrizes, A e B, de mesma ordem m× n, sa˜o iguais se, e somente se, todos os elementos correspondentes, ou seja, todos os elementos que ocupam a mesma posic¸a˜o sa˜o iguais: A = B ⇔ aij = bij, ∀ i = 1, 2, · · · ,m e j = 1, 2, · · ·n. � Exemplo 2 Determine, caso existam, os valores de b e c de modo que as matrizes A = ( 2 0 −1 b ) , B = ( 2 c −1 3 ) sejam iguais. Soluc¸a˜o: Utilizando a definic¸a˜o (12) temos A = B ⇔ ( 2 0 −1 b ) = ( 2 c −1 3 ) da onde sai que devemos ter c = 0 e b = 3. � 7 Definic¸a˜o 13 Soma de Matrizes Dadas as matrizes de mesma ordem A = [aij]m×n e B = [bij]m×n , chamamos de soma dessas matrizes a matriz C = [cij]m×n obtida pela soma de todos os elementos correspondentes de A e B, ou seja, A+B = C ⇔ cij = aij + bij, ∀ i = 1, 2, · · · ,m e j = 1, 2, · · ·n. � Exemplo 3 Dadas as matrizes abaixo A = ( 1 2 −1 5 3 4 ) , B = 0 −4−7 5 2 5 Determine a matriz C = A+Bt. Soluc¸a˜o: Utilizando a definic¸a˜o de soma (13), juntamente com a definic¸a˜o de matriz transposta (8) temos C = A+Bt = ( 1 + 0 2− 7 −1 + 2 5− 4 3 + 5 4 + 5 ) = ( 1 −5 1 1 8 9 ) . � Exemplo 4 Um laborato´rio farmaceˆutico produz um certo medicamento. Os custos relativos a` compra e transporte de quantidades espec´ıficas das substaˆncias necessa´rias para a sua elaborac¸a˜o, adquiridas em dois fornecedores distintos (1 e 2) sa˜o dados (em reais) respectivamente pelas seguintes matrizes. M1 = prec¸o compra custo transporte Substaˆncia a 3 15 Substaˆncia b 12 8 Substaˆncia c 5 2 , M2 = prec¸o compra custo transporte Substaˆncia a 6 8 Substaˆncia b 9 9 Substaˆncia c 3 5 Determine a matriz que representa os custos totais de compra e de transporte de cada uma das substaˆncias a, b e c. Soluc¸a˜o: Ora, como a matriz M1 da´ os custos refereˆntes ao fornecedor 1 e a matriz M2 da´ os custos refereˆntes ao fornecedor 2, segue que a matriz que representa os custos totais de compra e de transporte de cada uma das substaˆncias a, b e c deve ser dada por A = M1 +M2, ou seja A = 3 + 6 15 + 812 + 9 8 + 9 5 + 3 2 + 5 = 9 2321 17 8 7 . � Definic¸a˜o 14 Subtrac¸a˜o de Matrizes Dadas as matrizes de mesma ordem A = [aij]m×n e B = [bij]m×n , chamamos de subtrac¸a˜o dessas matrizes a matriz C = [cij]m×n obtida pela subtrac¸a˜o de todos os elementos correspondentes de A e B, ou seja, C = A−B ⇔ cij = aij − bij, ∀ i = 1, 2, · · · ,m e j = 1, 2, · · ·n. � 8 Exemplo 5 Considere as matrizes A e B abaixo, e determine C = A−B. A = [ 3 0 4 −7 ] , B = [ 1 2 0 −2 ] . Soluc¸a˜o: Levando em conta a definic¸a˜o de substrac¸a˜o de matrizes (14) segue que C = [ 3 0 4 −7 ] − [ 1 2 0 −2 ] = [ 3− 1 0− 2 4− 0 −7− (−2) ] = [ 2 −2 4 −5 ] . � Definic¸a˜o 15 Produto por Escalar Sejam A = (aij)m×n uma matriz e λ ∈ R um escalar, define-se a matriz produto por escalar B = λ .A como sendo a matriz B = (bij)m×n, onde bij = λ.aij ∀ i = 1, 2, · · · ,m e j = 1, 2, · · ·n. � Exemplo 6 Dada a matriz A abaixo, determine B = λ.A, para λ = −3 (ou seja B = −3A) A = 1 03 −5 −1 7 Soluc¸a˜o: Levando em conta a definic¸a˜o (15), B = −3.A = −3.1 −3.0−3.3 −3.(−5) −3.(−1) −3.7 = −3 0−9 15 3 −21 � Exemplo 7 A tabela abaixo mostra a produc¸a˜o de trigo, cevada, milho e arroz em treˆs regio˜es, em uma determinada e´poca do ano. Trigo Cevada Milho Arroz Regia˜o I 1200 800 500 700 Regia˜o II 600 300 700 900 Regia˜o III 1000 1100 200 450 Com os incentivos oferecidos, estima-se que a safra no mesmo per´ıodo do pro´ximo ano seja du- plicada. Obtenha a matriz que representa a estimativa de produc¸a˜o para o pro´ximo ano. Soluc¸a˜o: A correspondeˆncia entre a tabela acima e uma matriz (a qual chamaremos de A) deve ser imediata. Assim, obter a matriz B que representa a estimativa de produc¸a˜o para o pro´ximo ano consiste em realizar a operac¸a˜o matricial B = 2.A, isto e´, B = 2.A = 2.1200 2.800 2.500 2.7002.600 2.300 2.700 2.900 2.600 2.1100 2.200 2.450 = 2400 1600 1000 14001200 600 1400 1800 2000 2200 400 900 � 9 Observac¸a˜o 3 E´ importante reforc¸ar que as operac¸o˜es matriciais de soma de subtrac¸a˜o nem sempre esta˜o definidas. De fato, conforme as definic¸o˜es (13) e (14), e´ poss´ıvel realizar tais operac¸o˜es somente quando as matrizes envolvidas sa˜o de mesma ordem. Por outro lado, a operac¸a˜o de produto por escalar (15) esta´ sempre definida. � Definic¸a˜o 16 Produto Matricial O produto de duas matrizes, tais que o nu´mero de colunas da primeira matriz e´ igual ao nu´mero de linhas da segunda, A = (aij)m×p e B = (bij)p×n e´ definido pela matriz C = (cij)m×n (notac¸a˜o C = AB) em que seus elementos cij sa˜o calculados da seguinte forma: cij = ai1b1j + ai2b2j + · · ·+ aipbpj = p∑ k=1 aikbkj, (1.4) para i = 1, 2, . . . , n e j = 1, 2, . . . ,m. � A equac¸a˜o (1.4) esta´ dizendo que o elemento cij do produto e´ igual a` soma dos produtos dos elementos da i-e´sima linha de A pelos elementos correspondentes da j-e´sima coluna de B. O s´ımbolo ∑p k=1 significa que estamos fazendo uma soma em que o ı´ndice k esta´ variando de k = 1 ate´ k = p. Leˆ-se “somato´rio de k variando de 1 a p de aikbkj”. A figura (1.3) ilustra o ca´lculo do elemento cij da matriz produto C = AB. Observac¸a˜o 4 Dadas as matrizes A, B e C pode acontecer que: • o produto AB esteja bem definido mas o produto BA na˜o o esteja; • os produtos AB e BA estejam bem definidos mas tenham ordens distintas; • os produtos AB e BA estejam bem definidos, tenham ordens iguais, mas ainda assim se verifique AB 6= BA; • AB = 0 na˜o implica necessariamente que alguma das matrizes A ou B seja nula; • AB = AC e A 6= 0 na˜o implica necessariamente B = C. � Exemplo 8 Considerando as matrizes A e B dadas abaixo, determine (se poss´ıvel) AB e BA. A = 2 30 1 −1 4 , B = [ 1 2 3−2 0 4 ] Soluc¸a˜o: Iniciamos com o ca´lculo do produto C = AB. A primeira coisa a ser feita e´ analisar as ordens de A e B para verificar se tal produto esta´ bem definido. Com efeito, como a ordem a primeira matriz A e´ 3×2 e a da segunda matriz B e´ 2×3, segue que o produto AB esta´ bem definido 10 Figura 1.3: Ilustrac¸a˜o do produto matricial. pois (vide definic¸a˜o (16)) o nu´mero de colunas de A e´ igual ao nu´mero de linhas de B (p = 2). Deste modo, a matriz produto C e´ de ordem 3× 3, ou seja C = AB = c11 c12 c13c21 c22 c23 c31 c32 c33 = −4 4 18−2 0 4 −9 −2 13 , onde os elementos cij foram obtidos da seguinte forma (vide definic¸a˜o (16) e figura (1.3)) c11 = 2.1 + 3.(−2) = −4 c12 = 2.2 + 3.0 = 4 c13 = 2.3 + 3.4 = 18 c21 = 0.1 + 1.(−2) = −2 c22 = 0.2 + 1.0 = 0 c23 = 0.3 + 1.4 = 4 c31 = −1.1 + 4.(−2) = −9 c32 = −1.2 + 4.0 = −2 c33 = −1.3 + 4.4 = 13 Passamos agora ao ca´lculo de D = BA. Notem que neste caso a primeira matriz B e´ de ordem 2× 3, enquanto que a segunda matriz B e´ de ordem 3 × 2 e assim, pelo mesmo argumento do caso anterior, o produto BA esta´ bem definido (p = 3) e a matriz produto D = BA e´ de ordem 2 × 2, onde D = BA = [ d11 d12 d21 d22 ] = [ −1 17 −8 10 ] , e onde os elementos dij foram calculados da seguinte formad11 = 1.2 + 2.0 + 3.(−1) = −1 d12 = 1.3 + 2.1 + 3.4 = 17 d21 = −2.2 + 0.0 + 4.(−1) = −8 d22 = −2.3 + 0.1 + 4.4 = 10 Fica claro por este exemplo que AB 6= BA de acordo com a observac¸a˜o (4). � 11 Exemplo 9 A matriz abaixo nos fornece as quantidades de vitaminas a, b e c obtidas em cada unidade dos alimentos I e II. A = ( a b c Alimento I 4 3 0 Alimento II 5 0 1 ) Ao serem ingeridos 5 unidades do alimento I e 2 unidades do alimento II, determine a quantidade consumida de cada tipo de vitamina. Soluc¸a˜o: Notem que, intuitivamente, a quantidade de vitamina a consumida neste caso pode ser calculada como 5.4 + 2.5 = 30 e assim, definindo a matriz V = (5 2) e´ razoa´vel imaginar que a matriz responsa´vel por nos dar todas quantidades de vitaminas consumidas e´ C = V.A (que esta´ bem definida!), ou seja, C = V.A = (5 2). ( 4 3 0 5 0 1 ) = (5.4 + 2.5 5.3 + 2.0 5.0 + 2.1) = (30 15 2). Logo, sera˜o consumidas 30 unidades de vitamina a, 15 unidades de vitamina b e 2 unidades de vitamina c. � Observac¸a˜o 5 • Dada uma matriz A quadrada de ordem n e k ∈ N0. Definem-se as poteˆncia de A recursiva- mente, com A0 = In e A k = AAk−1, isto e´ Ak = AA . . . A k-vezes o produto matricial. • Dado um polinoˆmio de grau k, p(x) = ao+ a1x+ · · ·+ akxk, enta˜o podemos construir a matriz p(A) = aoIn + a1A+ · · ·+ akAk. � Exemplo 10 Sejam o polinoˆmio p(x) = x2 + 2x− 11 e a matriz A = ( 1 2 4 −3 ) Determine a matriz p(A). Soluc¸a˜o: Pela observac¸a˜o (5) temos p(A) = A2 + 2A− 11I2, com A2 = A.A = ( 1.1 + 2.4 1.2 + 2.(−3) 4.1 + (−3).4 4.2 + (−3)(−3) ) = ( 9 −4 −8 17 ) Assim, p(A) = ( 9 −4 −8 17 ) + 2 ( 1 2 4 −3 ) − 11 ( 1 0 0 1 ) = ( 0 0 0 0 ) Logo, A e´ uma raiz do polinoˆmio, ja´ que p(A) = 02×2. � 12 Exemplo 11 Revisitando o exemplo (1) da rede predato´ria, os seguintes questionamentos abaixo sa˜o relevantes. (a) Qual espe´cie tem mais fontes de alimento direta? Como A mostra isto? (b) Qual espe´cie e´ mais vezes fonte direta de alimento para outras espe´cies? Como mostra isso? (c) Se a se alimenta de b e b se alimenta de c, dizemos que a tem c como fonte indireta de alimento. Neste contexto, qual espe´cie tem mais fontes indiretas de alimento? [Dica: Determine A2.] Soluc¸a˜o: (a) Por um processo de contagem diretamente da figura (1.2) vemos, por exemplo, que a espe´cie 1 (Urso) tem 1 + 1 + 1 = 3 fontes de alimento diretas. Deste modo, parece razoa´vel que para obter o nu´mero de fontes de elimento diretas de cada espe´cie, seja necessa´rio somar as linhas da matriz A (1.2). A forma matricial de fazer isto e´ realizar o produto AC, onde C = [cij]7×1 com cij = 1. Explicitamente, AC = 0 1 1 0 0 0 1 0 0 1 1 0 0 1 0 0 0 0 1 1 0 0 0 1 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 . 1 1 1 1 1 1 1 = 3 3 2 3 1 0 1 deste modo, as espe´cies que possuem mais fontes de alimento diretas sa˜o 1 (Urso), 2 (Raposa) e 4 (pa´ssaro) todas com 3 fontes de elimento diretas. (b) Tambe´m por um processo de contagem diretamente da figura (1.2) vemos, por exemplo, que a espe´cie 7 (Roedor) e´ 1 + 1 = 2 vezes fonte de alimento direta nesta rede. Assim, conclu´ımos que o nu´mero de vezes que uma espe´cie e´ fonte de alimento direta para outras e´ obtida pela soma das colunas da matriz A. Uma forma de fazer isto via operac¸o˜es matriciais e´ calculando o produto L.A, onde L = [`ij]1×7, como `ij = 1. Mais precisamente, L.A = [ 1 1 1 1 1 1 1 ] . 0 1 1 0 0 0 1 0 0 1 1 0 0 1 0 0 0 0 1 1 0 0 0 1 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 = [ 0 1 3 1 2 4 2 ] Logo, a espe´cie que e´ mais vezes fonte de alimento direta para outras e´ a 6 (plantas), sendo fonte de alimento direta para 4 espe´cies. (c) Analisando novamente a figura (1.2) percebemos, por exemplo, que a Raposa se alimenta do Roedor, e o Roedor se alimenta da Planta e assim conclu´ımos que a Raposa se alimenta da Planta indiretamente. Afim de determinar qual espe´cie tem mais fontes de elimento inderetas devemos calcular A2 (vide observac¸a˜o (5)) e depois contar os alementos na˜o nulos de cada linha desta matriz, ou seja, A2 = A.A = 0 0 1 1 1 2 1 0 0 1 0 2 3 0 0 0 0 0 0 1 0 0 0 0 0 1 2 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 . Portanto, conclu´ımos que a espe´cie que tem mais fontes de alimento indiretas de primeira ordem e´ o Urso, com 5 fontes de alimento desta classe. � 13 No contexto dos nu´meros reais, e´ conhecido que todo o real na˜o nulo admite inverso, isto e´: ∀ a ∈ R \ {0} a1 a = 1 a a = 1, sendo 1/a, o inverso de a, tambe´m denotado por a−1. Um resultado ana´logo e´ va´lido para matrizes. Definic¸a˜o 17 Matriz Inversa Uma matriz quadrada A de ordem n diz-se invert´ıvel se existir uma matriz de mesma ordem B tal que AB = BA = In, chama-se a B de inversa de A e a denotamos por B = A−1. � Exemplo 12 Mostre que A dada abaixo e´ invert´ıvel com sua inversa dada por A−1. A = ( 2 5 1 3 ) , A−1 = ( 3 −5 −1 2 ) Soluc¸a˜o: Pela definic¸a˜o (17) devemos verificar se AA−1 = A−1A = I2. Com efeito, AA−1 = ( 2 5 1 3 ) . ( 3 −5 −1 2 ) = ( 1 0 0 1 ) = ( 3 −5 −1 2 ) . ( 2 5 1 3 ) = A−1A Logo, A e´ invert´ıvel e sua inversa e´ a matriz A−1 dada acima. � Teorema 1 Fo´rmula para Inversa de uma Matriz de ordem 2 A matriz A = ( a b c d ) e´ invert´ıvel se ad− bc 6= 0, e neste caso sua inversa e´ dada pela fo´rmula A−1 = 1 ad− bc ( d −b −c a ) (1.5) � Exemplo 13 Dadas as matrizes de ordem 2 A e B A = ( 3 2 2 2 ) , B = ( 4 6 2 3 ) Encontre (caso seja poss´ıvel) A−1 e B−1. Soluc¸a˜o: Pelo teorema (1) temos que verificar a condic¸a˜o de existeˆncia da inversa. Para a matriz A temos ad− bc = 2 6= 0, assim existe A−1 sendo dada por A−1 = ( 1 −1 −1 3/2 ) Por outro lado, a condic¸a˜o de existeˆncia da inversa aplicada a` matriz B nos da´ ad − bc = 0 de onde vem que na˜o existe B−1. � 14 1.1.4 Exerc´ıcos Enfoque no Conceito C1. O que e´ uma matriz? O que refere-se um elemento da matriz? O que nos diz a ordem de uma matriz? C2. Quais elementos da matriz esta˜o na diagonal principal? E quais esta˜o na diagonal secunda´ria? Dica: Responda em termos da linha i e coluna j. C3. Sobre quais condic¸o˜es duas ou mais matrizes sa˜o iguais? C4. O que e´ uma matriz linha? E coluna? Deˆ exemplos. C5. Qual a relac¸a˜o entre as matrizes diagonal e identidade? C6. O que diferencia as matrizes triangulares superior e inferior? C7. Ao multiplicar uma matriz por um escalar, qual o efeito sobre as entradas da matriz? C8. Podemos somar duas matrizes quaisquer? E multiplicar? C9. No que consiste a operac¸a˜o de transposic¸a˜o de uma matriz? Como denominamos uma matriz que e´ igual a sua transposta? C10. O que significa a inversa de uma matriz? Toda matriz de ordem 2 possui inversa? Enfoque Nume´rico N1. Escreva as matrizes definidas por A = (aij)2×3 tal que aij = 2i+ 3j B = (bij)3×3 tal que bij = { i2, i = j i+ j, i 6= j N2. Dadas as matrizes A = [ 0 4 −2 6 2 8 ] B = [ −3 6 9 12 −6 0 ] C = [ 0 −1 0 1 −1 2 ] Calcule: (a) A+B −C (b) 2A−B + 3C (c) 1 2 A− (1 3 B + C ) (d) (A+B)t −Ct (e) Ct +A 15 N3. Calcule (se poss´ıvel) (a) [ 5 −3 −1 4 ] · [ 3 2 ] (b) [ 1 3 5 ]· 20 3 (c) [ 3 5−1 2 ] · 1 6−2 1 4 0 (d) 32 1 ·[ 0 −3 2 ] N4. Sendo A = [ 1 0 2 −1 ] B = [ 3 −2 1 4 ] C = [ 0 −3 −2 5 ] determine: (a) ABC (b) (A+B)C (c) AB + Ct (d) A2 − (BC)t N5. Sejam a matriz M = 1 0 32 1 1 0 1 2 e o polimoˆmio p(x) = −x3 + 4x2 − 4x+ 7. Calcule a matriz p(M). Dica: Vide observac¸a˜o (5). N6. Resolva a equac¸a˜o matricial 2X −B + 1 3 At = 0, sendo A = [ 0 −6 −6 0 ] B = [ 0 2 4 6 ] N7. Sendo A = [ 1 −1 1 2 ] B = [ 14 0 8 2 ] determine a matriz X de modo que AX = B. Dica: Utilize a inversa de A. N8. Dadas as matrizes A = [ 2 0 4 1 ] B = [ 0 7 1 −1 ] C = [ 2 6 1 3 ] determine suas inversas (se poss´ıvel). 16 Enfoque nas Propriedades Marque verdadeiro (V) ou falso (F) P1. (−A)t = −(At). P2. (A+B)t = Bt + At. P3. (k1A)(k2B) = (k1k2)AB. P4. Se AB = 0, enta˜o A = 0 ou B = 0. P5. (A+B)2 = A2 + 2AB +B2. Enfoque Alge´brico AG1. Mostre que as matrizes da forma A = [ 1 1 y y 1 ] em que y e´ um nu´mero real na˜o-nulo, verificam: A2 = 2A. AG2. Uma matriz A e´ dita ortogonal se A−1 = At. Mostre que a matriz A = [ cos (θ) − sin (θ) sin (θ) cos (θ) ] e´ uma matriz ortogonal. Dica: sin2 (θ) + cos2 (θ) = 1. Enfoque na Aplicac¸a˜o - OPCIONAL A1. Ana e Beto esta˜o planejando comprar frutas para a pro´xima semana. Cada um deles quer comprar algumas mac¸a˜s, tangerinas e laranjas. A tabela abaixo mostra o que eles pretendem com- prar. Mac¸a˜s Tangerinas Laranjas Ana 6 3 10 Beto 4 8 5 Nas proximidades existem duas bancas de frutas - Sam e Te´o - cujos prec¸os esta˜o apresentados na seguinte tabela Sam Te´o Mac¸as 1 1.5 Tangerina 4 3 Laranja 1 2 (a) Indique uma matriz que relaciona o quanto gastara˜o Ana e Beto para fazer suas compras em cada uma das duas bancas. (b) Em qual banca e mais vantajoso Ana realizar suas compras? E Beto? 17 A2. Podemos usar matrizes para transformar pontos. Em particular, tais transformac¸o˜es esta˜o ligadas ao conceito de transformac¸a˜o linear - uma ideia poderosa em cieˆncia (F´ısica, Biologia, etc) e engenharia (Computac¸a˜o, Ele´trica, etc). Por exemplo, o produto matricial[ xn yn ] = [ cos (θ) − sin (θ) sin (θ) cos (θ) ] · [ xo yo ] define uma rotac¸a˜o de aˆngulo θ de um ponto (xo, yo) em torno da origem, onde (xn, yn) refere-se ao novo ponto - veja figura A. Figura 1.4: (A) Ponto (xo, yo) rotacionado de um aˆngulo θ em torno da origem 0. (B) Retaˆngulo de ve´rtices A, B, C e D. No que segue, usaremos a operac¸a˜o entre matrizes para girar um retaˆngulo em torno da origem. (a) Indique a transformac¸a˜o de rotac¸a˜o de um ponto (xo, yo) de um aˆngulo de 90 o em torno da origem. (b) Escreva as coordenadas dos ve´rtices (A,B,C e D) do retaˆngulo. (c) Aplique a transformac¸a˜o indicada no item (a) para cada ve´rtice do retaˆngulo. (d) Com base no item anterior, represente no plano cartesiano o efeito da transformac¸a˜o indica no item (a) sobre o retaˆngulo. A3. Um construtor tem contratos para construir 3 estilos de casa: moderno, mediterraˆneo e colonial. A quantidade de material empregada em cada tipo de casa e´ dada pela tabela Ferro Madeira Vidro Tinta Tijolo Moderno 5 20 16 7 17 Mediterraˆneo 7 18 12 9 21 Colonial 6 25 8 5 13 Para cada um dos itens abaixo, apresente uma matriz associada. (a) Se ele vai contruir 5,7 e 12 casas dos tipos modernos, mediterraˆneo e colonial, respectivamente, quantas unidades de cada material sera˜o empregadas? (b) Suponha agora que os prec¸os por unidade de ferro, madeira, vidro, tinta e tijolo sejam, res- pectivamente, 15, 8, 5, 1 e 10 u.m. (unidades de moeda). Qual e´ o prec¸o unita´rio de cada tipo de casa? (c) Qual o custo total do material empregado? 18 A4. Um psico´logo coloca um rato em um ambiente de treˆs compartimentos, como mostra a figura (1.5). O rato foi treinado para selecionar uma porta aleatoriamente (com igual probabilidade) sempre que tocarem um sinal, e dirigir-se atrave´s dela ao pro´ximo compartimento. Por exemplo, conforme veˆ-se na figura a probabilidade de sair da sala 1 e ir para a sala 2 no pro´ximo passo e´ 1/2 (p12 = 1/2), ou de ir da sala 2 para 3 e´ 2/3 (p23 = 2/3) e assim sucessivamente. Este processo nos leva a` matriz de probabilidade de transic¸a˜o P = [pij]n×n, onde os pij representam a probabilidade de transic¸a˜o de uma sala i para outra sala j e n refere-se ao nu´mero de compartimentos. Figura 1.5: Rato no ambiente com treˆs compartimentos (salas). (a) Com base no enunciado apresente a matriz de probabilidade de transic¸a˜o P . (b) Calcule P 2. (c) Associamos a probabilidade de encontrar o rato nos diferentes compartimentos ao vetor x(k) = (x1(k) · · · xn(k)), onde a coordenada xi(k) indica a probabilidade do rato ocupar o com- partimento i no tempo k. A dinaˆmica do estado pode ser determinada por x(k) = x(0)P k em que x(0) representa o estado inicial. Sendo assim, suponha que o rato parte inicialmente da sala 2, x(0) = [0 1 0], determine o vetor de estado no tempo k = 2, x(2) = x(0)P 2. (d) De acordo com item anterior, qual a probabilidade de encontrar o rato na sala 2 em k = 2? A5. Cinco tenistas - Davenport (D), Graf (G), Hingis (H), Seles (S) e Williams (W) - competem em um torneio “todos-contra-todos” de turno u´nico. O grafo abaixo sumariza o resultado. Figura 1.6: Um torneio “todos-contra-todos”. Uma aresta (ligac¸a˜o) dirigida do ve´rtice (c´ırculo) i ao ve´rtice j significa que o jogador i ganhou do jogador j. No que segue, atribuiremos uma notac¸a˜o bina´ria: 1 para vito´ria e 0 para derrota. 19 (a) Com base no grafo, preencha a tabela abaixo D G H S W D G H S W e indique a matriz associada (no contexto do grafo chamamos de matriz de adjaceˆncia A). (b) Podemos usar as poteˆncias de A para obter informac¸o˜es sobre as conexc¸o˜es de um grafo. Por exemplo, o quadrado da matriz A indica o nu´mero de vito´rias indiretas. Com efeito, note que Willi- ams possui duas vito´rias indiretas - porque venceu Hingis, que derrotou outras duas - ale´m disso Seles tem apenas uma vitoria indireta (sobre Williams que derrotou Hingis). Neste contexto, determine A2. (c) Um modo de contar o nu´mero de vito´rias de cada jogadora e´ fazer o produto AC, onde C = 1 1 1 1 1 Desta maneira, indique a matriz associada ao nu´mero de vito´rias de cada jogadora. (d) De acordo com o item anterior, podemos verificar que ha´ um empate entre os nu´mero de vito´rias entre as jogadoras Davenport e Graf. Uma pergunta pertinente e´: as jogadoras que empata- ram sa˜o igualmente fortes? Desde que uma jogadora possa na˜o ter derrotado todas as adversa´rias, podemos encaminhar esta questa˜o calculando as vito´rias diretas e indiretas para cada jogadora, ou seja, (A+ A2)C. Apresente a matriz que indique a “forc¸a” das jogadoras. Qual e´ mais forte? Enfoque na Computac¸a˜o - OPCIONAL O avanc¸a significativo dos computadores combinado com a capacidade de transfereˆncia de dados via internet, nas u´ltimas de´cadas, tem criado um vasto conjunto de ferramentas para nos auxiliar em problemas de cieˆncia e engenharia. Um bem sucedido exemplo desta combinac¸a˜o e´ a ferramenta online (gratuita) denominada de Mathics (veja www.mathics.net). Entre as possibilidades, o Mathics nos permite desenvolver muitas das operac¸o˜es matema´ticas (nume´rica e alge´brica) exploradas neste curso. Nesta sec¸a˜o, convidamos o leitor a se familiarizar com esta fanta´stica ferramenta. Breve Tutorial para Operac¸o˜es Matriciais no Mathics Seja a matriz A = a11 a12 · · · a1m... ... ... ... an1 an2 · · · anm introduzimos no Mathics como A = {{a11, a12, · · · , a1m}, · · · , {an1, an2, · · · , anm}}. Por exemplo, para inserir A = 1 −24 7 −9 0 20 no Mathics introduzida no campo superior {{1,−2}, {4, 7}, {−9, 0}} e pressione =, veja figura. Figura 1.7: Print screen da inserc¸a˜o da matriz A na pa´gina do Mathics. Perceba que o retorno (resultado da operac¸a˜o) esta˜o em negrito. A tabela abaixo indica as principais operac¸o˜es matriciais.Operador Exemplo Soma + A+B Diferenc¸a − A−B Multiplicac¸a˜o por escalar ∗ λ ∗ A Produto · A.B Transposta Transpose Transpose[A] Inversa Inverse Inverse[A] Como exemplo, retomamos o problema N4(d). Sendo assim, digite no campo superior da pa´gina a seguinte expressa˜o: {{1, 0}, {2,−1}}.{{1, 0}, {2,−1}} − Transpose [{{3,−2}, {1, 4}}.{{0,−3}, {−2, 5}}] e pressione =. Na figura a seguir apresentamos o print screen da implementac¸a˜o deste exemplo no Mathics. Reiteramos que o retorno da operac¸a˜o esta˜o em negrito. Figura 1.8: Print screen da soluc¸a˜o do Problema N4(d) via Mathics. Utilizando esta ferramenta, refac¸a os problemas: N1(d), N4(b), N8 e AG1. 21 1.1.5 Respostas N1. A = [ 5 8 11 7 10 13 ] B = 1 3 43 4 5 4 5 9 N2. (a)Ma = [ −3 11 7 17 −3 6 ] (b)Mb = [ 3 −1 −13 3 7 22 ] (c)Mc = [ 1 1 −4 −2 4 2 ] (d)Md = −3 1711 −3 7 6 (e) Na˜o e´ poss´ıvel efetuar a operac¸a˜o N3. (a)Ma = [ 9 5 ] (b)Mb = [17] (c)Na˜o e´ poss´ıvel realizar a operac¸a˜o (d)Md = 0 −9 60 −6 4 0 −3 2 N4. (a)Ma = [ 4 −19 16 −55 ] (b)Mb = [ 4 −22 −6 6 ] (c)Mc = [ 3 −4 2 3 ] (d)Md = [ −3 8 19 −16 ] N5. p(A) = 03×3 N6. M = [ 0 2 1 3 ] N7. M = [ 12 2 3−2 2 3 ] N8. A−1 = [ 1 2 0 −2 1 ] B−1 = [ 1 7 1 1 7 0 ] C−1(Na˜o e´ poss´ıvel) P1. (V) P2. (V) P3. (V) P4. (F) P5. (F) A1. (a)M = [ 28 38 41 40 ] A2. (a) [ xn yn ] = [ 0 −1 1 0 ] · [ xo yo ] (b) A(0, 0), B(0, 1), C(2, 1) e D(2, 0). (c) A′(0, 0), B′(−1, 0), C ′(−1, 2) e D′(0, 2). A3. (a)Ma = [ 146 526 260 158 388 ] (b)Mb = 492528 465 (c)Mc = [11736] 22 A4. (a) P = 0 12 121 3 0 2 3 1 3 2 3 0 (b) P 2 = 13 13 132 9 11 18 1 6 2 9 1 6 11 18 (c) x(2) = [2 9 11 18 1 6 ] (d) p = 61.17% A5. (a) A = 0 1 0 1 1 0 0 1 1 1 1 0 0 1 0 0 0 0 0 1 0 0 1 0 0 (b) A2 = 0 0 2 1 2 1 0 1 1 1 0 1 0 1 2 0 0 1 0 0 1 0 0 1 0 (c) AC = 3 3 2 1 1 (d) (A+A2)C = 8 7 6 2 3 23 1.2 Determinantes 1.2.1 Introduc¸a˜o Em geral estamos familiarizados com func¸o˜es do tipo f(x) = sin (x) e f(x) = x2, que associam um nu´mero real f(x) a um valor real da varia´vel x. Como ambos x e f(x) tomam apenas valores reais, tais func¸o˜es sa˜o descritas como func¸o˜es reais de uma varia´vel real. Nesta sec¸a˜o, vamos estudar uma func¸a˜o especial que associa a cada matriz quadrada A um nu´mero real f(A) (denotado por det (A)) chamado determinante da matriz A. Este tem aplicac¸o˜es importantes na teoria de sistemas de equac¸o˜es lineares, ale´m de auxiliar na fo´rmula expl´ıcita da matriz inversa. Para fins pra´ticos, o ca´lculo de determinantes tem relevaˆncia em ca´lculo de a´reas e volumes de figuras regulares, na identificac¸a˜o de coˆnicas (para´bolas, el´ıpses, hipe´rboles,...), no ca´lculo dos n´ıves de energia de certos sistemas f´ısicos, etc... 1.2.2 Definic¸a˜o e Ca´lculo de Determinantes Definic¸a˜o 18 Dada uma matriz quadrada A de ordem n e´ poss´ıvel fazer corresponder um certo nu´mero real denominado determinante da matriz A. Notac¸a˜o det (A) � Observac¸a˜o 6 Notac¸a˜o expl´ıcita para det (A) = |[aij]n×n|. Quando estive´rmos trabalhando explicitamente com o quadrado de nu´meros A = [aij]n×n utiliza- remos exclusivamente barras no lugar de pareˆnteses ou colchetes afim de representar o determinante de uma matriz, isto e´, det (A) = ∣∣∣∣∣∣∣∣∣ a11 a12 · · · a1n a21 a22 · · · a2n ... ... . . . ... an1 an2 · · · ann ∣∣∣∣∣∣∣∣∣ (1.6) � Existem va´rias maneiras de definir o determinante de uma matriz quadrada. Nossa proposta e´ apresenta´-lo via induc¸a˜o na ordem n da matriz A. Para n = 1, temos A = [a11] e assim det (A) = |a11| = a11. Exemplo 14 A = [5] ⇒ det (A) = |5| = 5 A = [−3] ⇒ det (A) = | − 3| = −3 � Note que as barras verticais apresentadas acima na˜o tem significado de mo´dulo. Para n = 2, temos A = ( a11 a12 a21 a22 ) 24 e assim temos, por definic¸a˜o que seu determinante e´ det (A) = ∣∣∣∣ a11 a12a21 a22 ∣∣∣∣ = a11a22 − a12a21 (1.7) Portanto, o determinante de uma matriz de ordem 2 e´ dado pela diferenc¸a entre o produto dos elementos da diagonal principal e o produto dos elmentos da diagonal secunda´ria. Exemplo 15 Calcule o determinante da matriz abaixo A = ( 3 5 −2 4 ) Soluc¸a˜o: Pela equac¸a˜o (1.7) temos det (A) = ∣∣∣∣ 3 5−2 4 ∣∣∣∣ = 3.4− 5.(−2) = 12 + 10 = 22 � Exemplo 16 Dada a matriz de ordem 2 abaixo A = ( 2 −1 5 −4 ) Determine: (a) A− x I2. (b) O polinoˆmio p(x) = det (A− x I2). (c) Encontre x de modo que p(x) = 0. (d) Verifique que p(A) = 02×2. Soluc¸a˜o: (a) Utilizando a definic¸a˜o de I2 (7), de subtrac¸a˜o (14) e de produto por escalar (15) temos A− x I2 = ( 2 −1 5 −4 ) − ( x 0 0 x ) = ( 2− x −1 5 −4− x ) (b) Pela equac¸a˜o (1.7) e item (a) temos p(x) = det (A− x I2) = ∣∣∣∣ 2− x −15 −4− x ∣∣∣∣ = (2− x)(−4− x)− 5(−1) = x2 + 2x− 3 (c) Pelo item (b) p(x) = x2 + 2x− 3 = 0 pode ser resolvido pela fo´rmula de Baskara x = −2±√22 − 4.1.(−3) 2.1 = −2±√16 2 ⇒ Logo, x = 1 ou x = −3. 25 (d) Utilizando o item (b) e a observac¸a˜o (5) temos p(A) = A2 + 2A− 3I2, com A2 = A.A = ( 2.2 + (−1).5 2.(−1) + (−1).(−4) 5.2 + (−4).5 5.(−1) + (−4).(−4) ) = ( −1 2 −10 11 ) , assim p(A) = ( −1 2 −10 11 ) + 2 ( 2 −1 5 −4 ) − 3 ( 1 0 0 1 ) = ( 0 0 0 0 ) Logo, p(A) = 02×2. � O ca´lculo do determinante de 3a ordem (isto e´, para n = 3) pode ser feito por meio de um dispositivo pra´tico, denominado Regra de Sarrus. Vejamos como aplicar essa regra para A = a11 a12 a13a21 a22 a23 a31 a32 a33 1o passo: Repetimos as duas primeiras colunas ao lado da terceira:∣∣∣∣∣∣∣∣ a11 a12 a13 ... a11 a12 a21 a22 a23 ... a21 a22 a31 a32 a33 ... a31 a32 ∣∣∣∣∣∣∣∣ 2o passo: Encontramos a soma do produto dos elementos da diagonal principal com os dois produtos obtidos pela multiplicac¸a˜o dos elementos das paralelas a essa diagonal (a soma deve ser precedida do sinal positivo): 3o passo: Encontramos a soma do produto dos elementos da diagonal secunda´ria com os dois produtos obtidos pelos elementos das paralelas a essa diagonal (a soma deve ser precedida do sinal negativo): 26 Assim, = +(a11a22a33 + a12a23a31 + a13a21a32)− (a13a22a31 + a11a23a32 + a12a21a33) (1.8) Exemplo 17 Dada a matriz de ordem 3 abaixo, calcule seu determinante pela regra de Sarrus. A = 1 −2 13 0 5 2 1 4 Soluc¸a˜o: Utilizando a te´cnica apresentada na equac¸a˜o (1.8), det (A) = ∣∣∣∣∣∣∣∣ 1 −2 1 ... 1 −2 3 0 5 ... 3 0 2 1 4 ... 2 1 ∣∣∣∣∣∣∣∣ = +(0− 20 + 3)− (0 + 5− 24) = 2 � Exemplo 18 Resolva, em R, a equac¸a˜o ∣∣∣∣∣∣ x 4 −2 x− 1 x 1 1 x+ 1 3 ∣∣∣∣∣∣ = ∣∣∣∣ x 32 1 ∣∣∣∣ Soluc¸a˜o: O primeiro membro representa um determinante de uma matriz A de ordem 3, que pode ser calculado via regra de Sarrus. Com efeito, det (A) = ∣∣∣∣∣∣∣∣ x 4 −2 ... x 4 x− 1 x 1 ... x− 1 x 1 x+ 1 3 ... 1 x+ 1 ∣∣∣∣∣∣∣∣ = = +(3x2 + 4− 2(x− 1)(x+ 1))− (−2x+ x(x+ 1) + 12(x− 1)) = 3x2 + 4− 2(x2 − 1) + 2x− x2 − x− 12x+ 12 = −11x+ 18 Ja´ o segundo membro da mesma representa o determinante de uma matriz B de ordem 2, que pode ser calculado por (1.7), isto e´, det (B) = ∣∣∣∣ x 32 1 ∣∣∣∣ = x− 6 Igualando det (A) = det (B) : . −11x+ 18 = x− 6 ⇒ x = 2, ou seja S = {2}. � 27 Exemplo 19 A quantidade f´ısica chamada momento de ine´rcia, de grande relevaˆncia em engenharia civ´ıl, esta´ para os corpos em movimento de rotac¸a˜o, assim como a massa dos mesmos esta´ para o movimentode translac¸a˜o. Para corpos que giram em torno de certos eixos, e´ necessa´rio definir a matriz de ine´rcia (ou tensor de ine´rcia), denotada por I. Os elementos da diagonal da matriz de ine´rcia I = [aij]n×n sa˜o quantidades necessariamente positivas chamadas momento de ine´rcia, enquanto que os elementos fora da diagonal sa˜o chamados de produtos de ine´rcia. Da teoria de matrizes de ine´rcia sabe-se que os momentos principais de ine´rcia sa˜o as soluc¸o˜es reais da equac¸a˜o det (I − λIn) = 0, onde In e´ a matriz identidade de ordem n. Figura 1.9: Placa homogeˆnea na forma de triaˆngulo retaˆngulo iso´sceles. Dada a placa homogeˆnea na forma de triaˆngulo retaˆngulo iso´sceles de lado a e massa m (e densidade superficial σ = 2m/a2) (figura (1.9)). Determine seus momentos principais de ine´rcia, sabendo que a matriz de ine´rcia associada e´ dada por I = α 2 −1 0−1 2 0 0 0 4 , onde α = ma2/12. Soluc¸a˜o: Pelo exposto no texto acima, devemos encontrar os valores de λ de modo que det (I − λI3) = 0. Inicialmente, note que I − λI3 = 2α −1α 0−1α 2α 0 0 0 4α − λ 0 00 λ 0 0 0 λ = 2α− λ −1α 0−1α 2α− λ 0 0 0 4α− λ Como queremos det (I − λI3) = 0, devemos aplicar a regra de Sarrus, det (I − λI3) = ∣∣∣∣∣∣∣∣ 2α− λ −α 0 ... 2α− λ −α −α 2α− λ 0 ... −α 2α− λ 0 0 4α− λ ... 0 0 ∣∣∣∣∣∣∣∣ = = (2α− λ)2(4α− λ)− α2(4α− λ) = (4α− λ)[(2α− λ)2 − α2] = 0, 28 de onde vem que ou (4α− λ) = 0⇒ λ1 = 4α, ou (2α− λ)2 − α2 = 0 : . 2α− λ = ±α ⇒ λ2 = 3α e λ3 = α. Finalmente, levando em considerac¸a˜o que α = ma2/12, temos que os momentos principais de ine´rcia desta placa triangular sa˜o λ1 = ma2 3 λ2 = ma2 4 , λ3 = ma2 12 � Afim de apresentarmos uma expressa˜o que permita calcular o determinante de uma matriz de ordem n (em geral n > 3), note que podemos agrupar na equac¸a˜o (1.8) os termos a11, a12 e a13 isto e´, os elementos da 1a linha, e coloca´-los em evideˆncia. Deste modo, podemos escrever det (A) = a11(a22a33 − a23a32)− a12(a21a33 − a23a31) + a13(a21a32 − a22a31), ou, utilizando a equac¸a˜o (1.7) det (A) = a11 ∣∣∣∣ a22 a23a32 a33 ∣∣∣∣− a12 ∣∣∣∣ a21 a23a31 a33 ∣∣∣∣+ a13 ∣∣∣∣ a21 a22a31 a32 ∣∣∣∣ = = a11 det (A11)− a12 det (A12) + a13 det (A13), onde podemos observar que det (A11) e´ o determinante da matriz que se obte´m eliminando, em A, a 1 a linha e a 1a coluna; det (A12) e´ o determinante da matriz que se obte´m eliminando, em A, a 1 a linha e a 2a coluna; det (A13) e´ o determinante da matriz que se obte´m eliminando, em A, a 1 a linha e a 3a coluna. Assim, de modo geral, o determinante da matriz quadrada de ordem n pode ser obtido pelo teorema abaixo. Teorema 2 Teorema de Laplace ou Me´todo do Cofator. O determinante de uma matriz quadrada de ordem n (A = [aij]n×n), onde n ≥ 2, pode ser calculado por det (A) = ai1(−1)i+1 det (Ai1) + ai2(−1)i+2 det (Ai2) + · · ·+ ain(−1)i+n det (Ain) = = n∑ k=1 aik4ik (1.9) (que e´ a expansa˜o de cofatores pela i-e´sima linha), e tambe´m por det (A) = a1j(−1)1+j det (A1j) + a2j(−1)2+j det (A2j) + · · ·+ anj(−1)n+j det (Anj) = = n∑ k=1 akj4kj (1.10) (que e´ a expansa˜o de cofatores pela j-e´sima coluna), onde o termo 4ij = (−1)i+j det (Aij) e´ definido como o (i, j)-cofator de A e Aij e´ uma matriz de ordem (n−1) obtida de A pela eliminac¸a˜o da linha i e coluna j. � 29 Observac¸a˜o 7 Note que cada parcela das equac¸o˜es (1.9) e (1.10) sa˜o precedidas pelos elementos da linha ou coluna que permanece fixa no processo, assim e´ sempre conveniente escolher fixar a linha ou coluna que conte´m (caso existam) o maior nu´mero de zeros. � Exemplo 20 Revisitando o exemplo (17), calcule o determinante de A utilizando o teorema de Laplace (2) de duas maneiras distintas, a primeira fixando uma linha e a segunda uma coluna, onde A = 1 −2 13 0 5 2 1 4 Soluc¸a˜o: Inicialmente vamos escolher fixar uma linha, note que a linha 2 conte´m um 0 e assim, pela observac¸a˜o (7), e´ a mais conveniente. Utilizando a equac¸a˜o (1.9) det (A) = ∣∣∣∣∣∣ 1 −2 1 3 0 5 2 1 4 ∣∣∣∣∣∣ = 3421 + 0422 + 5423 = 3421 + 5423, onde cada cofator 421 e 423 sa˜o 421 = (−1)2+1 det (A21) = − ∣∣∣∣ −2 11 4 ∣∣∣∣ = −(−8− 1) = 9 423 = (−1)2+3 det (A23) = − ∣∣∣∣ 1 −22 1 ∣∣∣∣ = −(1 + 4) = −5 Logo, det (A) = 3.9 + 5.(−5) = 27− 25 = 2 exatamente como no exemplo (17). Passamos agora a fixar uma coluna, novamente note que a coluna 2 comte´m um 0 assim, pela observac¸a˜o (7), e´ a mais conveniente. Utilizando a equac¸a˜o (1.10) det (A) = ∣∣∣∣∣∣ 1 −2 1 3 0 5 2 1 4 ∣∣∣∣∣∣ = −2412 + 0422 + 1432 = −2412 +432, onde cada cofator 412 e 432 sa˜o 412 = (−1)1+2 det (A12) = − ∣∣∣∣ 3 52 4 ∣∣∣∣ = −(12− 10) = −2 432 = (−1)3+2 det (A32) = − ∣∣∣∣ 1 13 5 ∣∣∣∣ = −(5− 3) = −2 Logo, det (A) = −2.(−2) + (−2) = 2 exatamente como no exemplo (17). � 30 Exemplo 21 Calcule o determinante da matriz de ordem 4 abaixo A = 2 3 −1 3 1 1 1 3 5 0 3 4 3 1 7 −1 Soluc¸a˜o: Perceba que a linha 3 conte´m um zero, logo vamos escolheˆ-la como fixa ao aplicar o teorema de Laplace, ou seja, det (A) = ∣∣∣∣∣∣∣∣ 2 3 −1 3 1 1 1 3 5 0 3 4 3 1 7 −1 ∣∣∣∣∣∣∣∣ = 5431 + 0432 + 3433 + 4434 = 5431 + 3433 + 4434, onde cada cofator 431, 433 e 434 e´ dado por (calculados via regra de Sarrus) 431 = (−1)3+1 det (A31) = (+1) ∣∣∣∣∣∣∣∣ 3 −1 3 ... 3 −1 1 1 3 ... 1 1 1 7 −1 ... 1 7 ∣∣∣∣∣∣∣∣ = = −3− 3 + 21− 3− 63− 1 = −52 433 = (−1)3+3 det (A33) = (+1) ∣∣∣∣∣∣∣∣ 2 3 3 ... 2 3 1 1 3 ... 1 1 3 1 −1 ... 3 1 ∣∣∣∣∣∣∣∣ = = −2 + 27 + 3− 9− 6 + 3 = 16 434 = (−1)3+4 det (A34) = (−1) ∣∣∣∣∣∣∣∣ 2 3 −1 ... 2 3 1 1 1 ... 1 1 3 1 7 ... 3 1 ∣∣∣∣∣∣∣∣ = = −(14 + 9− 1 + 3− 2− 21) = −2 Logo, det (A) = 5.(−52) + 3.16 + 4.(−2) = −220. � Teorema 3 Propriedades dos Determinantes. 1. Se A = [aij]n×n e´ uma matriz triangular superior (inferior), enta˜o det (A) = a11.a22 . . . ann; 2. det (A) = 0, quando A possui uma linha ou coluna nula; 3. det (A) = 0, quando A possui duas linhas ou duas colunas mu´ltiplas uma da outra; 4. det (λ.A) = λn. det (A), para λ ∈ R e A de ordem n; 5. det (A.B) = det (A). det (B); 6. det (A) = det (At); 7. Se B e´ obtida de A pela troca de duas linhas ou duas colunas, enta˜o det (B) = − det (A); 31 8. A e´ invert´ıvel se, e somente se, det (A) 6= 0; 9. Se A e´ invert´ıvel, enta˜o det (A−1) = 1 det(A) ; 10. Se B e´ obtida pela multiplicac¸a˜o de uma linha (ou coluna) de A por λ, enta˜o det (B) = λ. det (A). � Exemplo 22 Calcule o determinante da matriz abaixo, utilizando as propriedades listadas no teorema (3). A = 0 0 10 5 2 3 −1 4 Soluc¸a˜o: Note que podemos transformar a matriz A em uma matriz B que seja triangular superior pela troca das linhas 1 e 3, isto e´ B = 3 −1 40 5 2 0 0 1 Assim, utilizando as propriedades (7) e (1) do teorema (3), segue que det (A) = − det (B) = −3.5.1 = −15, que pode ser conferido pela aplicac¸a˜o da regra de Sarrus. � 32 1.2.3 Exerc´ıcos Enfoque no Conceito C1. O que e´ o determinante de uma matriz? Podemos calcular o determinante de qualquer ma- triz? C2. No que consiste a regra de Sarrus? Ela pode ser aplicada a qualquer matriz? Justifique. C3. No que consiste o teorema de Laplace? C4. Explique por que o determinante de uma matriz n × n com uma linha (coluna) de zeros deve ser zero. C5. Indique uma fo´rmula para o deteminante de uma matriz n × n diagonal. Use esta fo´rmula para calcular o determinante de uma matriz identidade de ordem n. Enfoque Nume´rico N1. Dada a matriz A (2× 2), para cada item, calcule det(A). (a) A = [ −2 5 1 7 ] (b) A = [ −1 −4 2 8 ] (c) A = [ √ 2 2 √ 3√ 6 5 ] (d) A = [ pi ln (2) e−2 1 ] N2. Dada a matriz A (3× 3), para cada item, calculedet(A). (a) A = 1 −2 91 1 1 3 −5 3 (b) A = 7 −1 0−8 4 −3 2 −1 0 (c) A = log (3) −2 30 2 3 1 0 0 3 (d) A = 1 −2 12 3 e √ 5 cos ( pi 3 ) 0 0 0 N3. Dada a matriz A (4× 4), para cada item, calcule det(A). (a) A = 1 2 0 4 5 6 0 8 9 10 0 12 4 3 0 1 (b) A = 0 1 2 3 2 3 1 3 0 3 4 −1 2 0 1 1 0 1 (c) A = 1 1 1 1 2 3 2 1 3 1 1 2 1 2 1 3 (d) A = e 0 0 0 0 pi 0 0 0 0 ln (7) 0 0 0 0 sin ( pi 4 ) N4. Dada a matriz M = −5 2 3 −1 7 3 1 1 8 −4 0 −2 0 0 0 1 −1 −1 2 9 4 3 2 1 −1 , determine: (a) M32 (b) det(M32) (c) 432 (d) det (M) N5. Dada a matriz B = 2 3 14 1 2 3 2 1 , determine: (a) det(B) (b) det(4B) (c) det(B2) (d) det(Bt) (e) det(B−1) 33 N6. Calcule o determinante de cada uma das matrizes abaixo: (a) A = [ 3 2 − x 2 1 4− x ] (b) B = −x 1 −20 1− x 4 −1 4 2− x (c) C = −x 0 1 −1 −2 −x 0 3 3 1 −x 2 1 1 1 −x N7. Calcule o valor de x ∈ R, nas seguintes igualdades: (a) ∣∣∣∣ 3x −123 2x 3 ∣∣∣∣ = 0 (b) ∣∣∣∣∣∣ 2x 0 1 3x x 1 x 0 x− 1 ∣∣∣∣∣∣ = 0 (c) ∣∣∣∣∣∣ 1 1 3 x x 4 0 x 2 ∣∣∣∣∣∣ = ∣∣∣∣ 2x 41 x ∣∣∣∣ N8. Dada a matriz K = [ 1 1 1 0 ] , calcule: (a) K − xI2 (b) det(K − xI2) (c) Os valores de x que satisfazem det(K − xI2) = 0. Enfoque nas Propriedades Marque verdadeiro (V) ou falso (F) P1. det(A+B) = det(A) + det(B) P2. det(AB) = det(BA) P3. det(At) = det(A) P4. det(kA) = k det(A) P5. det(A−1) = 1 det(A) Considere A e B matrizes n× n invert´ıveis e k um escalar. Enfoque Alge´brico AG1. Prove que as matrizes A = [ a b 0 c ] B = [ d e 0 f ] comutam (AB = BA) se, e somente se, ∣∣∣∣ b a− ce d− f ∣∣∣∣ = 0 AG2. Mostre que det 1 1 1a b c a2 b2 c2 = (a− b)(b− c)(c− a) O determinante indicado anteriormente e´ um caso particular do famoso determinante de Vander- monde. 34 AG3. Afirmamos que uma matriz A preserva a a´rea se det(A) = 1. Use o teorema de Laplace para mostrar que a matriz A = sin θ cos θ 0− cos θ sin θ 0 0 0 1 preserva a a´rea para qualquer valor de θ. Dica: sin2 (θ) + cos2 (θ) = 1. AG4. Um teorema importante, afirma que, se P (λ) = det(A − λI) e´ o polinoˆmio caracter´ıstico da matriz A, enta˜o P (A) = 0. Esse e´ o ce´lebre Teorema de Cayley-Hamilton. Tal teorema pode ser usado para determinar poteˆncias e inversas de matrizes. Sendo assim, seja A = [ a b c d ] a) Mostre que P (λ) = λ2 − (a+ d)λ+ ad− cb. b) Dado P (A) = 0, demonstre que A2 = (a+ d)A− (ad− cb)I. c) Mostre que A3 = (a+ d)2A− (ad− cb)A− (a+ d)(ad− cb)I (dica: A3 = AA2). d) Conclua que A−1 = 1 ad−cdb [(a+ d)I − A], desde que ad− cb 6= 0 (lembre-se AA−1 = I). Enfoque na Aplicac¸a˜o - OPCIONAL A1. Na figura dada, Figura 1.10: Triaˆngulo de ve´rtices A(x1, y1), B(x2, y2) e C(x3, y3). a a´rea do triaˆngulo ABC pode ser expressa como A`rea(ABC) = A`rea(ADEC) + A`rea(CEFB)− A`rea(ADFB). Usando isto e o fato conhecido que a a´rea de um trape´zio e´ 1 2 da altura vezes a soma dos lados paralelos, e´ poss´ıvel mostrar que A`rea(ABC) = 1 2 ∣∣∣∣∣∣ x1 y1 1 x2 y2 1 x3 y3 1 ∣∣∣∣∣∣ (a) Use o u´ltimo resultado para encontrar a a´rea do triaˆngulo de va´rtices A(4, 0), B(3, 3), C(−2, 1). (b) Represente no plano cartesiano o triaˆngulo. 35 A2. Podemos usar o determinante para determinar a inversa de uma matriz. Sendo assim, seja A uma matriz n× n invert´ıvel, enta˜o a matriz inversa A−1 = 1 det (A) 411 · · · 41n... ... ... 4n1 · · · 4nn t onde 4ij = (−1)i+j det (Aij) e´ o cofator associado a submatriz Aij. Esta te´cnica e´ denominada de inversa de uma matriz usando a adjunta (tranposta da matriz de cofatores). Por exemplo, se A e´ uma matriz 3× 3 invert´ıvel, a inversa seria dada por A−1 = 1 det (A) 411 412 413421 422 423 431 432 433 t . No que segue, faremos uso desta te´cnica para determinar a inversa de uma matriz. Considere uma matriz A = 3 2 −11 6 3 2 −4 0 (a) Calcule det (A). (b) Calcule os cofatores 411,412,413,421,422,423,431,432,433. (c) Determine A−1. A3. A Histo´ria nos mostra que as pessoas sempre transmitiram informac¸o˜es por meio de co´digos. Por vezes, a intenc¸a˜o e´ encobrir a mensagem que esta´ sendo enviada, como no caso em que cada letra de uma palavra e´ trocada por outra diferente, de acordo com uma regra de substituic¸a˜o. Estes fascinantes co´digos sa˜o objetos de estudo do campo da criptografia. Neste contexto, uma maneira de codificar uma mensagem e´ atrave´s de multiplicac¸a˜o por matrizes. Vamos associar as letras do alfabeto aos nu´meros, segundo a correspondeˆncia 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 a nossa mensagem seja “VIDA”. Podemos formar uma matriz 2× 2 assim[ V I D A ] , que usando a correspondeˆncia nume´rica fica M = [ 21 9 4 1 ] . Agora seja C uma matriz 2× 2 invers´ıvel, por exemplo, C = [ 1 −1 2 1 ] . Multiplicamos nossa matriz da mensagem por C (matriz chave para o co´digo), obtendo MC,[ 21 9 4 1 ] [ 1 −1 2 1 ] = [ 39 −12 6 −3 ] . Transmitimos esta nova matriz (na pra´tica, envia-se a cadeia de nu´meros 39, 12, 6,−3). Quem recebe a mensagem decodifica-a atrave´s da multiplicac¸a˜o pela inversa (MC)C−1 = M e posterior transcric¸a˜o 36 dos nu´meros para letras. Neste contexto, perceba que uma mensagem so´ podera´ ser decodificada se a matriz chave de co´digo admitir inversa. Em geral, podemos afirmar que uma matriz admite inversa sempre que det (C) 6= 0. Sendo assim, dadas as matrizes chave para os co´digos, verifique se as mensagens podem ser decodificadas. Em caso afirmativo, use a chave para traduzir a mensagem. (a) C = [ −1 −2 3 6 ] , mensagem: −4,−8, 23, 46. (b) C = [ 5 4 3 2 ] , mensagem: 38, 30, 137, 104. A4. O peˆndulo e´ um dos problemas de mecaˆnica oscilato´ria que mais possui aplicac¸o˜es no estudo das engenharias (ele´trica, mecaˆnica, materiais, etc). U´til por possuir um comportamento ana´logo a di- versos sistemas, por exemplo, como: circuitos ele´tricos (RLC, RL, etc), pontes suspensas (oscilac¸o˜es forc¸adas), propriedade de materiais (dilatac¸a˜o, calor espec´ıfico, etc), entre outros. Este problema Figura 1.11: Peˆndulo. consiste em descrever a dinaˆmica de um corpo de massa m preso a uma haste de comprimento L que oscila em torno da posic¸a˜o de equ´ıbrio, veja figura. Considerando um modelo de peˆndulo onde se leva em conta uma forc¸a resistiva (devido ao atrito com o ar) caracterizada por uma constante γ e que oscile com uma frequeˆncia angular ω, com base nas Leis da Newton e a teoria de Sistemas Lineares, somos levados a matriz A = [ 0 1 −ω2 −γ ] que esta˜o associada as varia´veis dinaˆmicas acelerac¸a˜o e velocidade angular. (a) Mostre que o polinoˆmio caracter´ıstico associado a esta matriz, P (λ) = det(A− λI), e´ dado por P (λ) = λ2 + γλ+ ω2. (b) Mostre que os valores de λ que satisfazem a equac¸a˜o P (λ) = 0 sa˜o dados por λ± = −γ ±√γ2 − 4ω2 2 . (c) Qual e´ a relac¸a˜o que deve existir entre as constantes γ e ω de modo que as soluc¸o˜es λ+ e λ− sejam: (i) reais distintas. (ii) reais e iguais. (iii) na˜o reais (complexas). Obs.: Vale salientar que estas relac¸o˜es ditam o comportamento da dinaˆmica do peˆndulo simples amortecido. 37 Enfoque na Computac¸a˜o - OPCIONAL O avanc¸o significativo dos computadores combinado com a capacidade de transfereˆncia de dados via internet, nas u´ltimas de´cadas, tem criado um vasto conjunto de ferramentas para nos auxiliar em problemas de cieˆncia e engenharia. Um bem sucedido exemplo desta combinac¸a˜o e´ a ferramenta on- line (gratuita)denominada de Mathics (veja www.mathics.net). Entre as possibilidades, o Mathics nos permite desenvolver muitas das operac¸o˜es matema´ticas (nume´rica e alge´brica) exploradas neste curso. Nesta sec¸a˜o, convidamos o leitor a se familiarizar com esta fanta´stica ferramenta. Breve Tutorial para Determinantes no Mathics Seja a matriz A = a11 a12 · · · a1n... ... ... ... an1 an2 · · · ann introduzimos no Mathics o det (A) como Det[{{a11, a12, · · · , a1n}, · · · , {an1, an2, · · · , ann}}]. Por exemplo, para calcular o determinante da matriz A = 2 −1 23 4 5 0 1 3 no Mathics no campo superior introduza Det[{{2,−1, 2}, {3, 4, 5}, {0, 1, 3}}] e pressione =, veja fi- gura. Figura 1.12: Print screen do ca´lculo do detA no Mathics. Perceba que o retorno (resultado da operac¸a˜o) esta˜o em negrito. Utilizando esta ferramenta, refac¸a os problemas: N1(b), N2(a), N3(c) e N4(d). Breve Tutorial para Resolver Equac¸o˜es no Mathics Seja a equac¸a˜o f(x) = g(x), encaminhamos a soluc¸a˜o da equac¸a˜o anterior no Mathics como Solve[f(x) == g(x), x]. Por exemplo, para resolver a equac¸a˜o x2 + x − 1 = 0 no campo superior do Mathics introduza Solve[xˆ2 + x− 1 == 0, x] e pressione =, veja a figura. Perceba que o retorno (resultado da operac¸a˜o) esta´ em negrito. A tabela abaixo indica as principais operac¸o˜es entre escalares (a e b) 38 Figura 1.13: Print screen do ca´culo das ra´ızes da equac¸a˜o x2 + x− 1 = 0 no Mathics. Operador Exemplo Soma + a+ b Diferenic¸a˜o − a− b Produto ∗ a ∗ b Raza˜o / a/b Poteˆncia ˆ aˆb Combine este tutorial e o anterior para resolver, novamente, o problema N6(c). 39 1.2.4 Respostas N1. (a) −19 (b) 0 (c) −√2 (d) pi − e−2 ln (2) N2. (a) −64 (b) −15 (c) 2 log (3) (d) 0 N3. (a) 0 (b) 109 6 (c) −6 (d) epi ln (7) sin (pi 4 ) N4. (a) −5 3 −1 7 3 1 8 −4 1 −1 2 9 4 2 1 −1 (b) −1840 (c) 1840 (d) −3680 N5. (a) 5 (b) 320 (c) 25 (d) 5 (e) 1 5 N6. (a) x2 − 11 2 x+ 4 (b) −x3 + 3x2 + 16x− 6 (c) x4 − 7x2 − 2x+ 8 N7. (a) x ∈ Ø (b) x ∈ {0, 3 2 } (c) x ∈ {2} N8. (a) [ 1− x 1 1 −x ] (b) x2 − x− 1 (c) x ∈ {1− √ 5 2 , 1+ √ 5 2 } P1. (F) P2. (V) P3. (V) P4. (F) P5. (V) A1. (a) 17 2 u.a. A2. (a) 64 (b) 411 = 12,412 = 6,413 = −16,421 = 4,422 = 2,423 = 16,431 = 12,432 = −10,433 = 16 (c) 316 116 3163 32 1 32 − 5 32−1 4 1 4 1 4 A3. (a) Na˜o e´ poss´ıvel decodificar. (b) “GATO” 40 1.3 Sistemas de Equac¸o˜es Lineares 1.3.1 Introduc¸a˜o Nesta sec¸a˜o focaremos no problema que consiste na resoluc¸a˜o de sistemas de equac¸o˜es lineares. A aplicac¸a˜o da teoria das matrizes e determinantes estudadas ao longo das u´ltimas sec¸o˜es revelar-se-a´ de fundamental importaˆncia para este estudo. Sistemas de equac¸o˜es lineares aparecem com frequeˆncia em matema´tica (carcterizac¸a˜o de nu´cleo e imagem de transformac¸o˜es lineares), em f´ısica (ana´lise de sistemas dinaˆmicos), engenharia ele´trica (circuitos ele´tricos), engenharia civil (teoria de elementos finitos), etc... Inicia-se esta exposic¸a˜o com algumas definic¸o˜es. 1.3.2 Definic¸o˜es e Generalidades Definic¸a˜o 19 Uma equac¸a˜o linear em n varia´veis x1, x2, . . . , xn e´ uma equac¸a˜o da forma a1x1 + a2x2 + . . .+ anxn = b, (1.11) em que a1, a2, . . . , an sa˜o constantes reais denominadas coeficientes das inco´gnitas x1, x2, . . . , xn e b e´ um nu´mero real chamado termo independente. � Exemplo 23 As equac¸o˜es x+ 3y = 7, y = 1 2 x+ 3z + t+ 1, x1 − 2x2 − 3x3 + x4 = √ 3 sa˜o lineares. Observe que uma equac¸a˜o linear na˜o envolve quaisquer produtos ou ra´ızes de varia´veis. Todas as varia´veis ocorrem na primeira poteˆncia (sa˜o monoˆmios de grau 1) e na˜o aparecem como argumento de func¸o˜es trigonome´tricas, logar´ıtmicas ou exponenciais. As equac¸o˜es x+ 3 √ y = 5, 3x+ 2y − z + xz = 4, y = sin (x), sa˜o na˜o-lineares. � Definic¸a˜o 20 Um sistema de equac¸o˜es lineares (SEL) ou simplesmente sistema linear e´ um conjunto de equac¸o˜es lineares, ou seja, e´ um conjunto de equac¸o˜es da forma a11x1 + a12x2 + . . .+ a1nxn = b1 a21x1 + a22x2 + . . .+ a2nxn = b2 ... ... am1x1 + am2x2 + . . .+ amnxn = bm, (1.12) em que aij e bi sa˜o constantes reais, para i = 1, 2, . . . ,m e j = 1, 2, . . . , n. Uma soluc¸a˜o para este sistema e´ uma n-upla de nu´meros reais ordenados (x1, x2, . . . , xn), que satisfac¸a simultaneamente as m equac¸o˜es do sistema em (1.12). � 41 Usando o produto de matrizes que definimos na sec¸a˜o (1.1), o sistema linear acima pode ser escrito em notac¸a˜o matricial Ax = b, Definic¸a˜o 21 A notac¸a˜o matricial associada ao sistema de equac¸o˜es lineares (1.12) e´ a equac¸a˜o matricial Ax = b ⇔ a11 a12 · · · a1n a21 a22 · · · a2n ... ... . . . ... am1 am2 · · · amn x1 x2 ... xn = b1 b2 ... bm (1.13) A matriz A = [aij]m×n e´ chamda matriz dos coeficientes, x = [xi]n×1 e´ a matriz das inco´gnitas enquanto que b = [bj]m×1 e a matriz dos termos independentes. � Observac¸a˜o 8 Se b = 0m×1, isto e´, se b1 = b2 = . . . = bm = 0, o SEL diz-se homogeˆneo. Quando o SEL e´ homogeˆneo a n-upla (0, 0, . . . , 0) e´ sempre uma soluc¸a˜o admiss´ıvel, chamada soluc¸a˜o trivial. Quando existem, as demais soluc¸o˜es sa˜o chamadas na˜o-triviais. � Definic¸a˜o 22 A matriz [A|b] obtida acrescentando-se a` matriz A uma coluna final com os elementos de b, e´ chamada de matriz ampliada do sistema linear. Explicitamente, a11 a12 · · · a1n ... b1 a21 a22 · · · a2n ... b2 ... ... . . . ... ... am1 am2 · · · amn ... bm (1.14) � Vamos ilustrar os conceitos gerais apresentados acima, sobre sistemas de equac¸o˜es lineares, no exemplo abaixo. Exemplo 24 A figura (1.14) mostra uma placa no formato de um disco circular que tem sua metade superior submetida a um potencial ele´trico constante de −10V , enquanto que sua metade inferior esta sob um potencial ele´trico de +10V . Com o passar do tempo, o potencial ele´trico em cada ponto do interior da placa alcanc¸ara´ um equil´ıbrio eletrosta´tico. A soluc¸a˜o “completa” (para todos os pontos internos da placa) requer te´cnicas de ca´lculo dife- rencial e integral. Como alternativa, podemos aproximar a situac¸a˜o sobrepondo a` placa uma malha com um nu´mero finito de pontos de intersec¸a˜o (neste caso 4 - me´todo dos elementos finitos), como mostra a figura (1.14). Neste caso, o i-e´simo potencial ele´trico interno vi = me´dia aritme´tica dos potenciais ele´tricos adjacentes. Posto isto, responda. 42 Figura 1.14: Placa no formato de um disco circular. (a) Baseado na exposic¸a˜o dos para´grafos acima, obtenha um sistema de equac¸o˜es lineares (na forma padra˜o) nas varia´veis v1, v2, v3 e v4. (b) Apresente o SEL do item (a) em notac¸a˜o matricial. (c) Indique a matriz ampliada associada. Soluc¸a˜o: (a) Pela que foi exposta acima e, baseando-nos na figura (1.14), temos que v1 = (−10− 10 + v3 + v2)/4 v2 = (−10 + v1 + v4 − 10)/4 v3 = (v1 + 10 + 10 + v4)/4 v4 = (v2 + v3 + 10 + 10)/4 Assim, reorganizando o sistema de equac¸o˜es lineares acima de modo que o mesmo possa ser colocado no formato pardra˜o (1.12), temos 4v1 − v2 − v3 + 0v4 = −20 −v1 + 4v2 + 0v3 − v4 = −20 −v1 + 0v2 + 4v3 − v4 = 20 0v1 − v2 − v3 + 4v4 = 20, como quer´ıamos. (b) A notac¸a˜o matricial Ax = b (1.13) e´ imediata, resultando em 4 −1 −1 0 −1 4 0 −1 −1 0 4 −1 0 −1 −1 4 v1 v2 v3 v4 = −20 −20 20 20 (c) Por fim, a matriz ampliada (1.14) vem a ser dada por 4 −1 −1 0 ... −20 −1 4 0 −1 ... −20 −1 0 4 −1 ... 20 0 −1 −1 4 ... 20 � 43 Classificac¸a˜o dos Sistemas Lineares Os sistemas lineares sa˜o classificados,quanto ao nu´mero de soluc¸o˜es ou consisteˆncia de suas soluc¸o˜es, da seguinte forma: Figura 1.15: Fluxograma de consisteˆncia das soluc¸o˜es de um SEL. Observac¸a˜o 9 As nomenclaturas apresentadas no fluxograma (1.15) recebem as seguintes siglas: Sistema Poss´ıvel e Determinado (SPD), Sistema Poss´ıvel e Indeterminado (SPI) e Sistema Imposs´ıvel (SI). � Crite´rios pra´ticos para este tipo de classificac¸a˜o de sistemas de equac¸o˜es lineares e interpretac¸o˜es geome´tricas sera˜o dadas na pro´xima sec¸a˜o, onde vamos apresentar algumas te´cnicas de soluc¸o˜es para tais sistemas. 1.3.3 Me´todo da Eliminac¸a˜o de Gauss (MEG) - Escalonamento Nosso objetivo e´ desenvolver um procedimento sistema´tico para resolver sistemas de equac¸o˜es linea- res. Tal procedimento e´ baseado na ideia de reduzir a matriz ampliada de um sistema a uma outra matriz ampliada que seja suficientemente simples a ponto de permitir visualizar a soluc¸a˜o. Motivac¸a˜o: Considere o sistema de equac¸o˜es lineares nas varia´veis x, y e z 2x+ y − z = 1 y + z = 1 2z = 4, Note que na˜o e´ necessa´rio o conhecimento de te´cnicas de soluc¸a˜o de SEL para sistemas desta natureza pois, como vemos, a u´ltima equac¸a˜o fornece imediatamente que z = 2, substituindo este valor de z na segunda equac¸a˜o temos y+2 = 1⇒ y = −1, agora com estes valores de y e z na primeira equac¸a˜o temos 2x + (−1) − 2 = 1 ⇒ x = 2. Assim, este tipo de SEL pode ser resolvido por um processo de substituic¸a˜o ascendente (retro-soluc¸a˜o) e, neste caso, a soluc¸a˜o fica x = 2, y = −1, z = 2. Logo, como existe a soluc¸a˜o e e´ u´nica, segue que o SEL e´ SPD. Observe que a matriz ampliada deste SEL e´ 2 1 −1 ... 1 0 1 1 ... 1 0 0 2 ... 4 , e a mesma esta´ no formato que chamamos de escalonada ou no formato escada conforme a definic¸a˜o abaixo. Assim, se for poss´ıvel desenvolver uma sequeˆncia de passos que transforme uma matriz ampliada qualquer em outra que tenha o formato deste exemplo, enta˜o a soluc¸a˜o do SEL revelar-se-a´. 44 Definic¸a˜o 23 Uma matriz A = [aij]m×n esta´ na forma escalonada quando satisfaz as seguintes condic¸o˜es: • Todas as linhas nulas (formadas inteiramente por zeros) ocorrem abaixo das linhas na˜o nulas; • O pivoˆ (1o elemento na˜o nulo de uma linha) de cada linha na˜o nula ocorre a` direita do pivoˆ da linha anterior. � Exemplo 25 As matrizes 1 1 10 −1 2 0 0 5 , 1 3 −1 50 0 −5 15 0 0 0 0 , sa˜o escalonadas (ou esta˜o no formato escada), enquanto que as matriz 0 0 00 1 0 0 0 1 , 2 0 1 00 0 0 2 0 1 0 3 , na˜o esta˜o em tal formato. � Algoritmo MEG: Objetivo: Transformar a matriz ampliada do SEL em uma outra que seja escalonada e equiva- lente a` matriz ampliada original. Como Fazer? Aplicando operac¸o˜es elementares (definic¸a˜o (24)) sobre as linhas da matriz am- pliada. Definic¸a˜o 24 Operac¸o˜es elementares sobre as linhas de matrizes. 1. Multiplicac¸a˜o da linha Li por um nu´mero real α 6= 0 (indica-se escrevendo αLi); 2. Troca da ordem da linha Li com a linha Lj (indica-se escrevendo Li ↔ Lj); 3. Substituic¸a˜o de uma linha Li por Li+βLj, para qualquer β ∈ R (indica-se escrevendo Li+βLj). � Algoritmo 1. Escrever a matriz aumentada do SEL; 2. Localizar a coluna mais a` esquerda que na˜o tenha todas as entradas nulas; 3. Se necessa´rio, trocar linhas de forma a que a entrada da primeira linha correspondente a` coluna mencionada na al´ınea anterior seja diferente de zero; 4. Somar mu´ltiplos apropriados da primeira linha a`s restantes linhas de forma a que todas as entradas debaixo da entrada na˜o nula se anulem; 5. Fixar a primeira linha e repetir o procedimento para a submatriz que resta; 6. O MEG termina quando a matriz estiver escalonada; 7. A soluc¸a˜o (caso exista) e´ encontrada via substituic¸a˜o ascendente confome ilustrada no exemplo da motivac¸a˜o. 45 Exemplo 26 Resolva cada um dos sistemas de equac¸o˜es lineares de duas equac¸o˜es e duas inco´gnitas via MEG e interprete geometricamente a natureza de suas soluc¸o˜es. (a) { 2x+ y = 4 −x+ 2y = 3, , (b) { 2x+ y = 4 8x+ 4y = 12, , (c) { 2x+ y = 4 8x+ 4y = 16 Soluc¸a˜o: Iniciamos pelo sistema (a). Veja que a notac¸a˜o matricial (Ax = b) e matriz ampliada associadas ao mesmo sa˜o, respectivamente,[ 2 1 −1 2 ] [ x y ] = [ 4 3 ] , [ 2 1 ... 4 −1 2 ... 3 ] Vamos procurar como pivoˆ da 1a linha um elemento na˜o nulo da primeira coluna na˜o nula (se for o caso, podemos usar a troca de linhas para “trazeˆ-lo” para a primeira linha). Como o primeiro elemento da primeira coluna e´ igual a 2 ele sera´ o primeiro pivoˆ. Agora, precisamos “zerar” o outro elemento da 1a coluna, que e´ a coluna do pivoˆ, para isto, substitu´ımos a 2a linha pela adic¸a˜o da 1a com 2 vezes a 2a, assim [ 2 1 ... 4 −1 2 ... 3 ] (L1) (L1 + 2L2) ∼ [ 2 1 ... 4 0 5 ... 10 ] , que esta´ escalonada (definic¸a˜o (23)). Logo, o sistema equivalente e´{ 2x+ y = 4 5y = 10 que, da segunda equac¸a˜o sai y = 2 e substituindo na primeira 2x+ 2 = 4 : . x = 1. Assim, a soluc¸a˜o geral do SEL e´ x = [ x y ] = [ 1 2 ] Como a soluc¸a˜o e´ u´nica segue que o SEL e´ SPD. Analogamente para o sistema (b) vem que a notac¸a˜o matricial (Ax = b) e matriz ampliada associadas ao mesmo sa˜o, respectivamente,[ 2 1 8 4 ] [ x y ] = [ 4 12 ] , [ 2 1 ... 4 8 4 ... 12 ] Novamente o primeiro elemento na˜o nulo da primeira coluna na˜o nula e´ igual a 2 que sera´ o primeiro pivoˆ. Agora, precisamos “zerar” o outro elemento da 1a coluna, que e´ a coluna do pivoˆ, para isto, substitu´ımos a 2a linha pela adic¸a˜o de (−4) vezes a 1a com a 2a, assim[ 2 1 ... 4 8 4 ... 12 ] (L1) ((−4)L1 + L2) ∼ [ 2 1 ... 4 0 0 ... −4 ] , que esta´ escalonada (definic¸a˜o (23)). Logo, o sistema equivalente e´{ 2x+ y = 4 0y = −4 Como este sistema equivalente na˜o possui soluc¸a˜o (pois na˜o existe y ∈ R tal que 0y = −4) segue que o SEL e´ SI. 46 Por fim, o sistema (c) tem a notac¸a˜o matricial (Ax = b) e matriz ampliada associadas dadas, respectivamente, por [ 2 1 8 4 ] [ x y ] = [ 4 16 ] , [ 2 1 ... 4 8 4 ... 16 ] Exatamente como nos casos anteriores o primeiro elemento na˜o nulo da primeira coluna na˜o nula e´ igual a 2 que sera´ o primeiro pivoˆ. Agora, precisamos “zerar” o outro elemento da 1a coluna, que e´ a coluna do pivoˆ, para isto, substitu´ımos a 2a linha pela adic¸a˜o de (−4) vezes a 1a com a 2a, assim[ 2 1 ... 4 8 4 ... 16 ] (L1) ((−4)L1 + L2) ∼ [ 2 1 ... 4 0 0 ... 0 ] , que esta´ escalonada (definic¸a˜o (23)). Logo, o sistema equivalente e´{ 2x+ y = 4 0y = 0 e assim a segunda equac¸a˜o e´ va´lida para ∀x, y ∈ R de modo que o SEL e´ SPI (possui infinitas soluc¸o˜es). Afim de expressar tais soluc¸o˜es podemos, por exemplo, isolar y da primeira equac¸a˜o y = 4− 2x. Logo, a soluc¸a˜o geral deste SEL pode ser escrita como x = [ x y ] = [ x 4− 2x ] , x ∈ R, neste contexto x e´ chamado de varia´vel livre ou graus de liberdade. Interpretac¸a˜o Geome´trica: Notem que, cada equac¸a˜o dos sistemas (a), (b) e (c) representa uma reta no Plano Cartesiano xy. Para cada ponto destas retas, temos associado um par (x, y) que satisfaz a primeira ou a segunda equac¸a˜o, ou seja, e´ soluc¸a˜o de uma ou outra. Logo, o conjunto soluc¸a˜o do SISTEMA em cada caso dar-se-a´, enta˜o, quando confrontarmos estas soluc¸o˜es com as soluc¸o˜es da equac¸a˜o. Isto e´, correspondera´ ao conjunto intersec¸a˜o de soluc¸o˜es das duas retas (equac¸o˜es). Conforme vemos na figura (1.16) as retas possuem apenas um ponto de intersec¸a˜o (comum a ambas), de modo que o sistema tem soluc¸a˜o u´nica ((x, y) = (1, 2)) e assim e´ SPD. Ja´ na figura (1.17)na˜o existem pontos de intersec¸a˜o e, deste modo, o sistema na˜o possui soluc¸a˜o ou seja e´ SI. Final- mente, na figura (1.18) temos que as retas esta˜o uma sobreposta a outra e assim possuem infinitos pontos de intersec¸a˜o, logo o sistema e´ SPI. Resumindo, para sistemas de equac¸o˜es lineares de duas inco´gnitas com duas equac¸o˜es, tem-se a seguinte tabela que sumariza as concluso˜es obtidas destes exemplos. Retas Classificac¸a˜o do Sistema Concorrentes Poss´ıvel e Determinado Coincidentes Poss´ıvel e Indeterminado Paralelas Imposs´ıvel � 47 -5 -4 -3 -2 -1 1 2 3 4 5 x -5 -4 -3 -2 -1 1 2 3 4 5 6 7 9 9 10 11 12 13 y Figura 1.16: Retas do sistema (a). -5 -4 -3 -2 -1 1 2 3 4 5 x -5 -4 -3 -2 -1 1 2 3 4 5 6 7 9 9 10 11 12 13 y Figura 1.17: Retas do sistema (b). -5 -4 -3 -2 -1 1 2 3 4 5 x -5 -4 -3 -2 -1 1 2 3 4 5 6 7 9 9 10 11 12 13 y Figura 1.18: Retas do sistema (c). Exemplo 27 Dado o sistema de equac¸o˜es lineares abaixo, x1 + x2 − 2x3 = 0 2x1 + 2x2 − 3x3 = 2 3x1 − x2 + 2x3 = 12 (a) Coloque-o em notac¸a˜o matricial (Ax = b) e apresente a matriz ampliada associada. (b) Aplique o me´todo da eliminac¸a˜o de Gauss (ou escalonamento) para obter (caso exista) a soluc¸a˜o geral deste SEL. Soluc¸a˜o: (a) A notac¸a˜o matricial e matriz ampliada associadas ao SEL sa˜o, respectivamente, 1 1 −22 2 −3 3 −1 2 x1x2 x3 = 02 12 , 1 1 −2 ... 0 2 2 −3 ... 2 3 −1 2 ... 12 . (b) No desenvolvimento abaixo, as operac¸o˜es elementares sobre as linhas da matriz ampliada esta˜o indicadas ao lado da mesma, sendo assim 1 1 −2 ... 0 2 2 −3 ... 2 3 −1 2 ... 12 (L1)(−2L1 + L2) (−3L1 + L3) ∼ 1 1 −2 ... 0 0 0 1 ... 2 0 −4 8 ... 12 (L2 ↔ 14L3) ∼ 48 1 1 −2 ... 0 0 −1 2 ... 3 0 0 1 ... 2 , que esta´ escalonada. Logo, o sistema equivalente e´ x1 + x2 − 2x3 = 0 −x2 + 2x3 = 3 x3 = 2 Assim, x3 = 2 substituindo na segunda equac¸a˜o −x2 + 2.2 = 3 : . x2 = 1 e com estes valores na primeira equac¸a˜o x1 + 1− 2.2 = 0 : . x1 = 3. Portanto, a soluc¸a˜o geral do SEL e´ x = x1x2 x3 = 31 2 Como a soluc¸a˜o e´ u´nica, segue que o SEL e´ SPD. � Exemplo 28 Dado o sistema de equac¸o˜es lineares abaixo, x+ 3y + 13z = 9 y + 5z = 2 −2y − 10z = −8 (a) Coloque-o em notac¸a˜o matricial (Ax = b) e apresente a matriz ampliada associada. (b) Aplique o me´todo da eliminac¸a˜o de Gauss (ou escalonamento) para obter (caso exista) a soluc¸a˜o geral deste SEL. Soluc¸a˜o: (a) A notac¸a˜o matricial e matriz ampliada associadas ao SEL sa˜o, respectivamente, 1 3 130 1 5 0 −2 −10 xy z = 92 −8 , 1 3 13 ... 9 0 1 5 ... 2 0 −2 −10 ... −8 . (b) Como o pivoˆ da 1a linha e´ igual a 1 e os outros elementos da 1a coluna sa˜o iguais a zero, na˜o ha´ nada o que fazer na 1a eliminac¸a˜o. As demais operac¸o˜es elementares esta˜o indicadas ao lado da matriz ampliada, sendo assim 1 3 13 ... 9 0 1 5 ... 2 0 −2 −10 ... −8 (L1)(L2) (2L2 + L3) ∼ 1 3 13 ... 9 0 1 5 ... 2 0 0 0 ... −4 que esta´ escalonada. Logo, o sistema equivalente e´ x+ 3y + 13z = 9 y + 5z = 2 0z = −4 que na˜o possui soluc¸a˜o pois na˜o existem x, y, z ∈ R tais que 0z = −4. Sendo assim, o SEL e´ SI. � 49 Exemplo 29 Dado o sistema de equac¸o˜es lineares abaixo, 3z − 9w = 6 5x+ 15y − 10z + 40w = −45 x+ 3y − z + 5w = −7 (a) Coloque-o em notac¸a˜o matricial (Ax = b) e apresente a matriz ampliada associada. (b) Aplique o me´todo da eliminac¸a˜o de Gauss (ou escalonamento) para obter (caso exista) a soluc¸a˜o geral deste SEL. Soluc¸a˜o: (a) A notac¸a˜o matricial e matriz ampliada associadas ao SEL sa˜o, respectivamente, 0 0 3 −95 15 −10 40 1 3 −1 5 x y z w = 6−45 −7 , 0 0 3 −9 ... 6 5 15 −10 40 ... −45 1 3 −1 5 ... −7 . (b) No desenvolvimento abaixo, as operac¸o˜es elementares sobre as linhas da matriz ampliada esta˜o indicadas ao lado da mesma, sendo assim 0 0 3 −9 ... 6 5 15 −10 40 ... −45 1 3 −1 5 ... −7 (L1 ↔ L3) ∼ 1 3 −1 5 ... −7 5 15 −10 40 ... −45 0 0 3 −9 ... 6 (L1)(−5L1 + L2) (L3) ∼ 1 3 −1 5 ... −7 0 0 −5 15 ... −10 0 0 3 −9 ... 6 (L1)(L2) (3L2 + 5L3) ∼ 1 3 −1 5 ... −7 0 0 −5 15 ... −10 0 0 0 0 ... 0 que esta´ escalonada. Logo, o sistema equivalente e´ x+ 3y − z + 5w = −7 −5z + 15w = −10 0w = 0 A matriz ampliada deste sistema possui duas colunas sem pivoˆs. As varia´veis que na˜o esta˜o associadas a pivoˆs podem ser consideradas varia´veis livres, isto e´, podem assumir valores arbitra´rios. Como, quaisquer que sejam x, y, z, w ∈ R e´ verdade que 0w = 0, segue que o SEL e´ SPI. Afim de expressar as infinitas soluc¸o˜es deste SEL, vamos utilizar a segunda equac¸a˜o para escrever z = 2 + 3w, substituindo este resultado na primeira equac¸a˜o temos x+ 3y − (2 + 3w) + 5w = −7 : . x = −5− 3y − 2w para y, w ∈ R. Em notac¸a˜o matricial, x = x y z w = −5− 3y − 2w y 2 + 3w w = −5 0 2 0 + y −3 1 0 0 + w −2 0 3 1 , para y, w ∈ R, que sa˜o as varia´veis livres da soluc¸a˜o . � 50 Observac¸a˜o 10 Em geral, a matriz ampliada na sua forma escalonada e´ suficiente para inferir a respeito da natureza da soluc¸a˜o do sistema. Para sistemas que tem natureza de soluc¸a˜o SPD, a u´ltima linha da matriz ampliada escalonada e´ da forma [0 0 0 a | b] com a 6= 0 e b ∈ R. Quando e´ SPI, temos na u´ltima linha (e antecedentes se for o caso) [0 0 0 0 | 0]. Quando o SEL for SI temos a u´ltima linha na˜o nula [0 0 0 0 | a] com a 6= 0. Verifique estas observac¸o˜es nos exemplos anteriores. � Para encerrarmos esta parte do texto, vamos revisitar o exemplo (24). Exemplo 30 (a) Aplique o MEG sobre o SEL do exemplo (24) para inferior a respeito da natureza. Caso o mesmo seja poss´ıvel, expresse sua soluc¸a˜o. (b) Os valores dos potenciais ele´tricos encontrados no item (a) esta˜o de acordo com os valores apresentados na figura (1.14)? Justifique. Soluc¸a˜o: (a) Utilizando a matriz ampliada do exemplo (24) e aplicando o MEG, 4 −1 −1 0 ... −20 −1 4 0 −1 ... −20 −1 0 4 −1 ... 20 0 −1 −1 4 ... 20 (L1) (L1 + 4L2) (L1 + 4L3) (L4) ∼ 4 −1 −1 0 ... −20 0 15 −1 −4 ... −100 0 −1 15 −4 ... 60 0 −1 −1 4 ... 20 (L1) (L2) (L2 + 15L3) (L2 + 15L4) ∼ 4 −1 −1 0 ... −20 0 15 −1 −4 ... −100 0 0 224 −64 ... 800 0 0 −16 56 ... 200 (L1) (L2) (L3) (16L3 + 224L4) ∼ 4 −1 −1 0 ... −20 0 15 −1 −4 ... −100 0 0 224 −64 ... 800 0 0 0 11520 ... 57600 que esta´ na forma escalonada. Pela observac¸a˜o (10) o SEL e´ SPD pois temos na u´ltima linha [0 0 0 11520 ... 57600]. O sistema de equac¸o˜es equivalente assume a forma 4v1 − v2 − v3 = −20 15v2 − v3 − 4v4 = −100 224v3 − 64v4 = 800 11570v4 = 57600 Da u´ltima equac¸a˜o temos v4 = 5, substituindo este valor na terceira equac¸a˜o 224v3−64.5 = 800 : . v3 = 5, com estes dois valores na segunda equac¸a˜o 15v2 − 5 − 4.5 = −100 : . v2 = −5, por fim com estes treˆs valores na primeira equac¸a˜o 4v1 − (−5)− 5 = −20 : . v1 = −5. Em notac¸a˜o matricial x = v1 v2 v3 v4 = −5 −5 5 5 (b) Estes valores de potenciais ele´tricos encontrados no item (a) sa˜o razoa´veis com a configurac¸a˜o apresentada na figura (1.14) pois todos valores encontrados sa˜o maiores do que −10V e menores do que +10V . Ale´m disso, note que os potenciais ele´tricos v1 e v2 sa˜o negativos o que e´ coerente com o fato de estarem posicionados pro´ximos ao lado
Compartilhar