Baixe o app para aproveitar ainda mais
Prévia do material em texto
Geometria Analítica e Álgebra Linear Geometria Analítica e Álgebra Linear Organizado por Universidade Luterana do Brasil Universidade Luterana do Brasil – ULBRA Canoas, RS 2016 Leomir Joel Schweig Magda Leyser Conselho Editorial EAD Andréa de Azevedo Eick Ângela da Rocha Rolla Astomiro Romais Claudiane Ramos Furtado Dóris Gedrat Honor de Almeida Neto Maria Cleidia Klein Oliveira Maria Lizete Schneider Luiz Carlos Specht Filho Vinicius Martins Flores Obra organizada pela Universidade Luterana do Brasil. Informamos que é de inteira responsabilidade dos autores a emissão de conceitos. Nenhuma parte desta publicação poderá ser reproduzida por qualquer meio ou forma sem prévia autorização da ULBRA. A violação dos direitos autorais é crime estabelecido na Lei nº 9.610/98 e punido pelo Artigo 184 do Código Penal. Dados técnicos do livro Diagramação: Jonatan Souza Revisão: Marcela Machado Prezado(a) aluno(a) Após 20 anos lecionando a disciplina de Geometria Analítica e Álge- bra linear nos cursos presenciais da ULBRA – Canoas, fomos convidados para escrever um livro sobre esta disciplina para ser usado nos cursos de Educação a Distância. Procuramos então escrever um texto objetivo, didático e simples, mas sem fugir dos aspectos formais da Matemática. Geometria Analítica e Álgebra Linear é um livro introdutório ao estudo da Álgebra Linear que ocorre no Curso de Matemática e é uma ferramenta fundamental aos cursos de Engenharia, Física, Química e Computação, pela sua aplicação na solução de problemas e, principalmente, quando se alia ao Cálculo. A Geometria Analítica é o estudo da Geometria associando equações algébricas aos entes geométricos, através do método cartesiano (no plano e no espaço). É importante salientar que são necessários alguns conheci- mentos de Álgebra, Geometria Plana e Espacial como pré-requisitos. O livro está dividido em 10 capítulos. O primeiro capítulo trata do estu- do de matrizes, envolvendo principalmente a sua construção e operações. No segundo capítulo temos o estudo do determinante, que está associado às matrizes quadradas. No terceiro capítulo temos o estudo de equações e sistemas de equações lineares. Podemos dizer que esses três primeiros capítulos preparam o caminho para o estudo dos vetores e sua aplicação na Geometria. No quarto capítulo definimos vetor e as operações de uma forma mais geral. No capítulo cinco temos o estudo da decomposição de vetores no plano, com a introdução da ideia de base do plano e a repre- Apresentação Sumário v sentação do vetor como combinação linear e as operações com vetores. No capítulo seis se estende o estudo dos vetores no espaço. No capítulo sete estudamos os produtos entre os vetores com o seus significados geométricos e aplicações na Física. Nos capítulos oito e nove estudamos a reta e o plano, respectivamente, utilizando o estudo feito com vetores nos capítulos anteriores. No capítulo dez apresentamos as cônicas, através de seus elementos e suas equações. No final de cada capítulo apresentamos alguns exemplos resolvidos e propomos exercícios para você resolver. É de fundamental importância que você consulte os autores sugeridos nas referências bibliográficas, para aprimoramento e aprofundamento dos conteúdos. Seja bem-vindo. Professores Leomir Joel Schweig e Magda Leyser Sobre o Autor Leomir Joel Schweig possui graduação em Licenciatura Plena em Mate- mática, pela Universidade do Vale do Rio dos Sinos (1988); Pós-graduação (Especialização) em Matemática, pela Universidade do Vale do Rio dos Sinos (1991) e Mestrado em Programa de Pós-Graduação em Energia Am- biente e Materiais, pela Universidade Luterana do Brasil (2003). Foi coor- denador dos Cursos de Matemática Licenciatura e Matemática Aplicada à Informática da Universidade Luterana do Brasil, campus Canoas, no triênio 2010-2012. Tem experiência na área de Engenharia Agrícola, com ênfase em Desenvolvimento Sustentável. Foi professor de Matemática e Física em escolas de Ensino Fundamental e Médio no Município de Canoas – RS e diretor de Escola Estadual no período de 2004 a 2009. Ministrou Cursos de Extensão para professores do Ensino Fundamental e Médio. É professor da Universidade luterana do Brasil desde 1990, onde leciona as disciplinas de Geometria Analítica e Álgebra Linear e Cálculo. Magda Leyser é Graduada em Licenciatura em Matemática, pela Univer- sidade Federal do Rio Grande do Sul (1988); tem especialização em Infor- mática na Educação, pela Pontifícia Universidade Católica do Rio Grande do Sul (1992) e mestrado em Computação, pela Universidade Federal do Rio Grande do Sul (1997). Atualmente é professora da Universidade Lute- rana do Brasil (ULBRA) como docente dos cursos de graduação de Sistemas de Informação, Ciências da Computação, Engenharias e Licenciatura em Matemática. Tem experiência na área de Ciência da Computação, com ênfase em Matemática da Computação e Cálculo Numérico. Atua princi- palmente nos seguintes temas: Cálculo Numérico, Softwares Educacionais, Geometria Dinâmica, Álgebra Linear, Lógica de Predicados e Matemática Financeira. 1 Matrizes ...............................................................................1 2 Determinante de uma Matriz ..............................................35 3 Sistemas Lineares: Classificação e Resolução .......................58 4 Generalidades sobre Vetores ............................................110 5 Decomposição de Vetores no Plano ...................................128 6 Decomposição de Vetores no Espaço .................................144 7 Produtos entre Vetores ......................................................164 8 A Reta ..............................................................................181 9 O Plano ............................................................................203 10 As Cônicas .......................................................................216 Sumário Matrizes1 1 Mestre, Professora da Ulbra. Magda Leyser1 Capítulo 1 2 Geometria Analítica e Álgebra Linear Introdução Neste capítulo, trabalharemos a construção e as operações básicas de matrizes. Essa organização, que podemos com- parar com a estrutura de uma tabela, aparece na resolução de problemas para simplificar a apresentação, mas também contribui para a aplicação dos métodos de solução. Podemos apresentar como exemplo o que aparece em Boldrini (1980), em que uma tabela que descreve os dados de 4 pessoas re- ferentes a sua altura, peso e idade é apresentada da seguinte forma: Altura (m) Peso (kg) Idade (anos) Pessoa 1 1,70 70 23 Pessoa 2 1,75 60 45 Pessoa 3 1,60 52 25 Pessoa 4 1,81 72 30 Ao desconsiderar o significado das linhas e colunas dessa tabela, teremos uma estrutura de linhas e colunas que pode ser apresentada da seguinte forma: A partir dessa representação, podemos associar proprieda- des e características que relacionem a altura, idade e peso de Capítulo 1 Matrizes 3 uma pessoa. Observe que, para um problema com um grande número de variáveis e de ocorrências, essa forma de apre- sentar as informações torna-se importante para desenvolver a solução do problema em questão. 1 Como construir uma matriz Podemos descrever uma matriz como um agrupamento retan- gular de números, os quais, normalmente, são chamados de entradas ou elementos. O tamanho de uma matriz é deter- minado pelo número de linhas (fileiras horizontais) e colunas (fileiras verticais). Exemplo: Na matriz −− −− − = 4383 0846 4389 1023 A temos 4 linhas e 4 colunas, entretanto nesta − = 8152.0 1792 B , temos 2 linhas e 4 colunas. Usa-se colocar a tabela entre parênteses ( ) , entrebarras duplas || || ou entre colchetes [ ], como nos exemplos abai- xo. Na matriz A, temos 4 linhas e 4 colunas, dizemos que a matriz é de ordem 4x4. Já a matriz B é de ordem 2x4, pois pos- sui 2 linhas e 4 colunas. A ordem ajuda a determinar o número de entradas (ou elementos) da matriz. No caso, a matriz A tem 16 entradas, 4 vezes 4, e a matriz B tem 8 entradas, 4 vezes 2. 4 Geometria Analítica e Álgebra Linear As matrizes são identificadas por letras maiúsculas, e seus elementos (entradas) pela mesma variável (índice), sendo que são acompanhados de um par de números que representam a posição na matriz. O primeiro número indica a linha e o se- gundo número indica a coluna. Portanto a31 = –6 representa o elemento da terceira linha e primeira coluna da matriz A. Já b13 = –7 representa o elemento da primeira linha e terceira coluna da matriz B. Assim, o elemento representa o número que ocupa a posição da i-ésima linha na j-ésima coluna. Genericamente, em uma matriz 4x4 temos: A ordem da matriz A descrita acima é 4x4, pois ela possui 4 linhas e 4 colunas. Já a matriz B possui tamanho 2x4, pois possui 2 linhas e 4 colunas. Há algumas situações particula- res. Considere as matrizes a seguir: Capítulo 1 Matrizes 5 = 3 5 2 C é uma matriz 3x1, também conhecida por matriz coluna, por existir somente uma coluna. Mais adiante chama- remos esse tipo de matriz de vetor ou vetor-coluna. é uma matriz 1x2, também conhecida por ma- triz linha, por existir somente uma linha, vetor-linha. [ ]3=E é uma matriz 1x1, é uma matriz linha ou coluna. Nesses casos, omitimos a presença dos colchetes. Portanto, uma situação de matriz genérica mxn, isto é, de m linhas e n colunas, temos: Neste caso o 1° Índice de cada elemento indica a sua linha, e o 2° Índice de cada elemento indica a sua coluna, assim o elemento a23 está localizado na 2ª linha e 3ª coluna. Observação: 1. Utilizam-se letras maiúsculas para representar uma Matriz. 2. A ordem de uma Matriz é dada pelo seu número de linhas e colunas. Assim, uma matriz 3x2 possui 3 linhas e 2 colunas. 6 Geometria Analítica e Álgebra Linear Para construir uma matriz, podemos usar uma lei de for- mação, apesar de que pode-se criar uma matriz sem uma lei específica. Uma lei de formação das posições de uma matriz pode seguir como referência o número da linha e/ou coluna. Por exemplo: Se A é a matriz A=(aij)5x2, ela é uma matriz de ordem 5x2, isto é, de 5 linhas e 2 colunas onde suas posições são defini- das por: Ou seja, considerando i=1,2,3,4 e 5 (número das linhas) e j=1 e 2 (número das colunas), teremos: Usando a lei de construção, conforme o número de linha e coluna de cada posição, temos: temos i=1 e j=1, então estamos na situação i=j, daí a lei de construção determina que: Capítulo 1 Matrizes 7 =i+2j=1+2x1=1+2=3; temos i=1 e j=2, então estamos na situação i<j, daí a lei de construção determina que =0; temos i=2 e j=1, então estamos na situação i>j, daí a lei de construção determina que =2i=2x2=4; temos i=2 e j=2, então estamos na situação i=j, daí a lei de construção determina que =i+2j=2+2x2=2+4=6; temos i=3 e j=1, então estamos na situação i>j, daí a lei de construção determina que =2i=2x3=6; temos i=3 e j=2, então estamos na situação i>j, daí a lei de construção determina que =2i=2x3=6; temos i=4 e j=1, então estamos na situação i>j, daí a lei de construção determina que =2i=2x4=8; temos i=4 e j=2, então estamos na situação i>j, daí a lei de construção determina que =2i=2x4=8; temos i=5 e j=1, então estamos na situação i>j, daí a lei de construção determina que =2i=2x5=10; temos i=5 e j=2, então estamos na situação i>j, daí a lei de construção determina que =2i=2x5=10. 8 Geometria Analítica e Álgebra Linear Observe que a ordem descrita na forma de 5x2 ajuda a de- terminar o número total das 10 posições (entradas da matriz). Se B é uma matriz B=(bij)3x3, ela é uma matriz de ordem 3x3, isto é, de 3 linhas e 3 colunas onde suas posições são definidas por: Ou seja, considerando i=1,2 e 3 (número das linhas) e j=1,2 e 3 (número das colunas), teremos: Usando a lei de construção, conforme o número de linha e coluna de cada posição, temos: temos i=1 e j=1, então estamos na situação i é número ímpar, daí a lei de construção determina que =i-j=1-1=0; Capítulo 1 Matrizes 9 temos i=1 e j=2, então estamos na situação i é número ímpar, daí a lei de construção determina que =i-j=1-2= -1; temos i=1 e j=3, então estamos na situação i é número ímpar, daí a lei de construção determina que =i-j=1-3= -2; temos i=2 e j=1, então estamos na i é número par, daí a lei de construção determina que ; temos i=2 e j=2, então estamos na i é número par, daí a lei de construção determina que ; temos i=2 e j=3, então estamos na i é número par, daí a lei de construção determina que ; temos i=3 e j=1, então estamos na situação i é número ímpar, daí a lei de construção determina que =i-j=3-1= 2; temos i=3 e j=2, então estamos na situação i é número ímpar, daí a lei de construção determina que =i-j=3-2= 1; temos i=3 e j=3, então estamos na situação i é número ímpar, daí a lei de construção determina que =i-j=3-3= 0. Observe que a ordem descrita na forma de 3x3 ajuda a determinar o número total das 9 posições (entradas da matriz). 10 Geometria Analítica e Álgebra Linear 2 Tipos de Matrizes Matriz retangular Matriz retangular é aquela em que o número de linhas é dife- rente do número de colunas, sua ordem geral é do tipo mxn, com m linhas e n colunas. Matriz quadrada Matriz quadrada é aquela em que o número de linhas é igual ao número de colunas, sua ordem geral é do tipo nxn, ou, re- sumidamente, ordem n. As matrizes quadradas possuem uma diagonal principal, que é formada pelas posições que possuem índices iguais. No caso de uma matriz 4x4, a diagonal prin- cipal é formada pelos elementos , . A diagonal secundária é formada pelos elementos cuja soma dos índices é n+1. No caso de uma matriz 4x4, a diagonal secundária é formada pelos elementos , . Matriz diagonal Matriz diagonal é uma matriz quadrada cujos elementos que estão fora da diagonal principal são zeros. − −= 800 020 003 D Capítulo 1 Matrizes 11 Matriz nula Matriz nula é uma matriz mxn, cujos elementos são todos ze- ros. = 000 000 P, = 000 000 PO Matriz triangular superior Matriz triangular superior é uma matriz quadrada que tem igual a zero todos os elementos abaixo da diagonal prin- cipal. Resumidamente, é uma matriz A de ordem nxn onde − −= 800 720 423 A Matriz triangular inferior Matriz triangular inferior é uma matriz quadrada que tem iguais a zero todos os elementos acima da diagonal prin- cipal. Resumidamente, é uma matriz A de ordem nxn onde 12 Geometria Analítica e Álgebra Linear Matriz identidade Matriz identidade é uma matriz quadrada cuja diagonal prin- cipal é constituída de todos os elementos 1, e os demais ele- mentos são nulos. Simbolizamos a matriz identidade por In ou Id, onde n indica a ordem da matriz. Exemplo: matriz identidade de ordem 4 é I4 . Matriz transposta A transposta de uma matriz A mxn, representada por AT, é a matriz nxm obtida da permutação das linhas com as colunas de A, isto é, a primeira linha de A transforma-se na primeira coluna de AT, a segunda linha de A transforma-se na segunda coluna de AT, e assim por diante Exemplo: e − = 58 32 C e − = 53 82TC Capítulo 1 Matrizes 13 Matriz simétrica Matriz simétrica é uma matriz que é igual a sua transposta.Resumidamente, A é simétrica se AT= A. Exemplo: A matriz − = 58 32 C não é simétrica, pois − = 53 82TC C= − ≠ 58 32 . Entretanto, a matriz − − = 374 751 412 D é simétrica, pois DDT = − − = 374 751 412 . Traço de uma matriz Sendo A uma matriz quadrada nxn, então o traço de A, deno- tado por tr(A), é definido pela soma das entradas da diagonal principal de A. O traço de A não está definido para os casos em que A não é matriz quadrada. Exemplo: o traço de − = 58 32 C temos que tr(C)= 2+5=7. −− −− − = 4383 0846 4389 1023 A 14 Geometria Analítica e Álgebra Linear tem-se tr(A) = 3+8+ (-8)+(-4)=-1. 3 Operações sobre Matrizes Multiplicação de uma matriz por um número (escalar) Dada uma matriz A mxn e k um número real (escalar), de- finimos uma nova matriz ao escrever ( )Ak × , onde devemos multiplicar todos os seus elementos pelo número k. Exemplo: sejam as matrizes: − = 58 32 Ce Soma (adição) e Diferença (subtração) de matrizes Dadas duas matrizes A de ordem mxn e B de ordem mxn , ou seja, duas matrizes de mesma ordem, então a soma A+B é a matriz obtida da soma das entradas correspondentes de A e B. A diferença A – B é a matriz obtida da diferença da entrada de A e B. Exemplo: Sejam as matrizes A, B e C: − = 58 32 C Capítulo 1 Matrizes 15 − 8152.0 1792 , − 8152.0 1792 , A+C não está definida, pois as matrizes não possuem a mesma ordem. A é uma matriz 2x4 e B é uma matriz 2x2. Produto de matrizes Dadas as matrizes A de ordem mxn e B de ordem nxp, en- tão o produto AxB é a matriz C, de ordem mxp. Só poderá ser efetuada a multiplicação AxB se o número de colunas da matriz A for igual ao número de linhas da matriz B. A matriz resultante da multiplicação tem as suas entradas determinadas pelo seguinte procedimento: para cada linha i de A e coluna J de B, multiplique as respectivas entradas da linha pela coluna e some os produtos resultantes. 16 Geometria Analítica e Álgebra Linear Exemplo: Sejam as matrizes o que pode ser representado na seguinte tabela onde nas linhas representamos as linhas da matriz A e nas colunas re- presentamos as colunas da matriz C. A matriz resultante é a região definida pelas intersecções das operações realizadas entre as respectivas linhas e colu- nas, assim AxC é descrita pela região sombreada em azul na tabela. Capítulo 1 Matrizes 17 LEMBRETE: A definição da multiplicação de matrizes exige que o número de colunas da matriz A seja igual ao número de linhas da matriz C. Assim foi possível realizar o produto AxC. Entre- tanto, é impossível fazer o produto CxA, pois a matriz C tem 3 colunas e a matriz A tem 2 linhas. Exemplo: Considerando as matrizes a seguir, verifique se é possível realizar as multiplicações. Em caso afirmativo, apre- sente o resultado. Na situação de não ser possível realizar a multiplicação, apresente uma justificativa. a) é possível reali- zar a multiplicação, pois a matriz L tem: ordem 3x3 e a 18 Geometria Analítica e Álgebra Linear matriz U tem ordem 3x3. Assim, o número de colunas da matriz L é igual ao número de linhas da matriz U. Assim, o resultado da multiplicação é: e a matriz X tem ordem 3x1. Assim, o número de colunas da matriz A é igual ao número de linhas da matriz X. Assim o resultado da multiplicação é: Capítulo 1 Matrizes 19 4 Igualdade de matrizes Duas matrizes A e B são ditas iguais se possuem a mesma or- dem e suas entradas correspondentes são iguais. Exemplo: 20 Geometria Analítica e Álgebra Linear − = 56 32 A , − = 8152.0 1792 B , − = 58 32 C Nas matrizes acima, A2x2 é diferente de C2x2, pois, apesar de serem matrizes de mesma ordem, 2x2, elas têm alguma posição diferente, isto é: as matrizes não são iguais, pois 8 c21. Nesse caso, a matriz A2x2 não é igual a matriz B2x4, pois elas possuem ordens diferentes. A é 2x2 e B é 2x4. Exemplo: Determine o valor de x, y e z na equação – . As duas matrizes são de ordem 2x3, pois têm 2 linhas e 3 colunas. Para satisfazer a igualdade das matrizes cada entrada deve ser igual. Identificando as entradas onde aparecem as variáveis e observando que nas demais entradas as matrizes têm os mesmos valores, teremos que: A entrada da primeira linha e primeira coluna das duas matrizes devem ser iguais, ou seja: . A entrada da primeira linha e terceira coluna das duas ma- trizes devem ser iguais, ou seja: Capítulo 1 Matrizes 21 – + 21 . A entrada da segunda linha e segunda coluna das duas matrizes devem ser iguais, ou seja: . Exemplo: Determine o valor de x, y e z na equação . Realizando a multiplicação indicada na igualdade teremos: . As duas matrizes são de ordem 2x2, pois têm 2 linhas e 2 colunas. Para satisfazer a igualdade das matrizes cada entrada da matriz deve ser igual, assim: A entrada da primeira linha e primeiro coluna das duas matrizes devem ser iguais, ou seja: 7=x . 22 Geometria Analítica e Álgebra Linear A entrada da segunda linha e primeira coluna das duas matrizes devem ser iguais, ou seja: 5=z . A entrada da primeira linha e segunda coluna das duas matrizes devem ser iguais, ou seja: . A entrada da segunda linha e segunda coluna das duas matrizes devem ser iguais, ou seja: já sabemos que z=5, daí: , Exemplo: Dadas as matrizes e determine a matriz X tal que A-B+4X=0. Capítulo 1 Matrizes 23 A partir da equação A-B+4X=0 vamos isolar o objeto que desejamos calcular no caso, determinar quem é a matriz X. Assim: . Dessa forma, para determinarmos a matriz X precisamos calcular: )( 4 1X AB −= 5 Propriedades das Operações sobre Matrizes Considerando que A, B e C sejam matrizes que permitem rea- lizar as operações indicadas, temos as seguintes propriedades: a) A+B= B+A (comutatividade para adição) b) (A+B)+C= A+(B+C) (associatividade para adição) c) (AxB)xC= Ax(BxC) (associatividade para multiplicação) 24 Geometria Analítica e Álgebra Linear d) Ax(B+C)= AxB+AxC (distributividade a esquerda para multiplicação) e) (A+B)xC= AxC+BxC (distributividade a direita para multiplicação) 6 Matriz inversa Dada uma matriz quadrada A, nxn, chamaremos de inversa de A e representaremos por A–1 a matriz de mesma ordem (ta- manho) que produz: . Nesse caso afirmaremos que A tem inversa ou é inversível. Se não é possível encontrar a inversa de A, diremos que A é não inversível ou singular. Exemplo: Calcular a matriz inversa da matriz − − = 31 52 A , se existir. Iniciamos pela definição de que . Portanto, a matriz inversa da matriz A deve ser uma matriz quadrada de ordem 2x2 para que possamos aplicar a multiplicação entre matrizes e que o resultado seja também uma matriz de ordem 2x2 que deve ser igual a matriz Id. Assim, representando gene- ricamente, a matriz inversa será: = − dc ba A 1 Capítulo 1 Matrizes 25 Queremos determinar quais são os números reais a, b, c e d que fazem verdadeira a equação da definição de matriz inversa: . Usando a igualdade de matrizes para os elementos da pri- meira coluna de cada matriz, onde aparecem a e c: . Neste sistema de equações, podemos usar o método da substituição ou outro método. No caso, podemos isolar a na segunda equação, obtendo a=3c, e substituir essa igualdade na primeira equação, ob- tendo: . Usando essevalor de c na equação que determina o valor de a , teremos: 26 Geometria Analítica e Álgebra Linear . Portanto já sabemos que: . Usando a igualdade de matrizes para os elementos da se- gunda coluna de cada matriz, onde aparecem b e d: =+− =− 13 052 db db . Neste sistema de equações, podemos usar o método da substituição ou outro método. No caso, podemos isolar b na segunda equação, obten- do b=3d-1, e substituir essa igualdade na primeira equação, obtendo: . Usando esse valor de d na equação que determina o valor de b, teremos: Capítulo 1 Matrizes 27 . Portanto podemos concluir que: = − 21 531A . Recapitulando Neste capítulo estudamos a definição de matriz - um quadro de elementos dispostos em linhas e colunas. O número de li- nhas e o número de colunas que formam a matriz nos indicam a sua ordem. Conforme a ordem classificamos os tipos de ma- trizes. Vimos também como podemos representar este quadro. Também vimos como se constroem matrizes e também as operações de adição, subtração, multiplicação de escalar por matriz, multiplicação entre matrizes, igualdade entre matrizes e o cálculo da matriz inversa. Referências ANTON, H. Álgebra Linear com Aplicações. 4. ed. Porto Alegre: Bookman, 2004. 28 Geometria Analítica e Álgebra Linear BOLDRINI, J. L. et al. Álgebra Linear. 3. ed. São Paulo: Harper & Row do Brasil, 1980. LEON, S. J. Álgebra Linear com Aplicações. 4. ed. Rio de Janeiro: LTC, 1999. SANDOVAL JUNIOR, L. Álgebra Linear: para ciências econô- micas, contábeis e da administração. São Paulo: Cengage Learning, 2010. SANTOS, N. M. Vetores e matrizes: uma introdução à álge- bra linear. 4. ed. São Paulo: Thompson, 2007. Atividades 1) Considerando as matrizes a seguir, identifique qual das alternativas abaixo apresenta a classificação correta das mesmas: H = [2 2,5 – 0,5 – 2] a) ( ) A é matriz identidade, B é matriz coluna, C é matriz quadrada, D é matriz linha, E é matriz identidade, H é matriz coluna. b) ( ) A é matriz quadrada, B é matriz retangular, C é ma- triz quadrada, D é matriz coluna, E é matriz identidade, H é matriz linha. Capítulo 1 Matrizes 29 c) ( ) A é matriz identidade, B é matriz retangular, C é ma- triz identidade, D é matriz coluna, E é matriz identidade, H é matriz linha. d) ( ) A é matriz quadrada, B é matriz retangular, C é ma- triz quadrada, D é matriz linha, E é matriz identidade, H é matriz coluna. e) ( ) A é matriz quadrada, B é matriz retangular, C é ma- triz identidade, D é matriz coluna, E é matriz identidade, H é matriz linha. 2) Qual das alternativas a seguir é a matriz A=(aij), de ordem 2x3, onde aij= (-2) i+j ? 30 Geometria Analítica e Álgebra Linear 3) Dadas as matrizes a seguir, associe a operação da coluna da esquerda com a respectiva solução na coluna da direi- ta: 4) Escolha a alternativa que apresenta o resultado correto para a matriz X e que satisfaz a igualdade 2A-C=4B+X, considerando as matrizes a seguir: Capítulo 1 Matrizes 31 5) Qual das alternativas a seguir é a resposta correta para a equação ? 6) Dadas as matrizes: − − = 48 52 A , − = 69 23 B e − − = 32 37 C : 32 Geometria Analítica e Álgebra Linear a) Calcule a matriz X na igualdade 3X – 2A +3B = 4C. b) Calcule a matriz X na igualdade: 6423 2 BXCA =+− 7) Calcule a matriz inversa de cada matriz a seguir: − = 13 12 A , − = 42 31 B e − − = 42 63 C , se existirem. 8) Dadas as matrizes: − = 51 23 A e − = 2 4 B , calcule a matriz X na igualdade BXA =. . 9) Dadas as matrizes: − = 53 24 A e − − = 32 43 B , calcule a matriz X na igualdade BXA =. . 10) a) Uma matriz A de ordem 4x3 foi multiplicada por uma matriz B, de ordem mxn. A matriz produto C possui or- dem 4x2. Então podemos dizer que m = .......... e n = ........... b) A seguir tem-se indicado a multiplicação entre duas matrizes M e N, cujo produto é a matriz P. Abaixo de cada matriz está indicada a ordem de cada uma. Complete as lacunas com a ordem correta, para que exista o produto: M x N = P ___ x 3 ___ x 5 6 x ___ 11) Uma das formas de se enviar uma mensagem secreta é por meio de códigos matemáticos, seguindo os passos: Capítulo 1 Matrizes 33 1) Tanto o destinatário quanto o remetente possuem uma matriz chave C. 2) O destinatário recebe do remetente uma matriz P, tal que M.C = P, onde M é a matriz mensagem a ser decodifi- cada. 3) Cada número da matriz M corresponde a uma letra do alfabeto: 1 = a; 2 = b; 3 = c, ... , 23 = z. 4) Consideremos o alfabeto com 23 letras, excluindo as letras k, w, y. 5) O número zero corresponde ao ponto de exclamação. 6) A mensagem é lida, encontrando a matriz M, fazendo a correspondência número/letra, e Ordenando as letras por linhas da matriz conforme segue: m11m12m13m21m22m23m31m32m33. Considere as matrizes: −= 120 010 011 C e Com base nos conhecimentos e nas informações descritas, assinale a alternativa que apresenta a mensagem que foi en- viada por meio da matriz M. a) ( ) Boasorte! 34 Geometria Analítica e Álgebra Linear b) ( ) Boaprova! c) ( ) Boatarde! d) ( ) Ajudeme! e) ( ) Socorro! 12) As matrizes = 03 21 A e = 53 yx B comutam, isto é, são tais que AB = BA. Calcule x e y. Determinante de uma Matriz1 1 Mestre, Professora da Ulbra. Magda Leyser1 Capítulo 2 36 Geometria Analítica e Álgebra Linear Introdução Abordaremos neste capítulo como efetuar o cálculo do deter- minante de uma matriz. Conforme apresentado em Sandoval (2007), o conceito de determinante aparece na solução de sistemas de equações lineares, como discutiremos no próxi- mo capítulo. É importante destacar que, conforme a ordem da matriz, podemos usar estratégias diferentes para calcular o determinante, mas todas essas estratégias estão associadas ao Teorema de Laplace que generaliza o cálculo desse antigo conceito de matrizes. A ideia parte da possibilidade de associar a cada matriz A nxn um escalar, isto é, um número real chamado de det(A), ou representado por |A|, cujo valor vai determinar também se a matriz é ou não inversível. Relembrando, uma matriz é dita inversível se existe uma matriz A-1 tal que A x A-1=Id. 1 Determinante de matriz 2x2 Para uma matriz de ordem 2x2, por exemplo, definimos o , ou seja, a diferença entre a multiplicação dos elementos da diagonal principal e os elementos da diagonal secundária. Exemplos: Capítulo 2 Determinante de uma Matriz 37 2 Determinante de matriz de ordem 3x3 Para uma matriz de ordem 3x3, por exemplo, definimos o Uma alternativa é usar a Regra de Sarrus na qual empre- gamos o seguinte procedimento: A partir dessa apresentação, realizamos a diferença entre a multiplicação das posições da diagonal principal e da diago- nal secundária. Exemplo: teremos det(A) melhor indicado o resultado quando reescrevemos o sela, repetindo as duas primeiras co- lunas: 38 Geometria Analítica e Álgebra Linear negativas positivos 24 24 Podemos generalizar essa regra dizendo que o determinan- te de terceira ordem, pela regra de Sarrus, é obtido repetindo- -se as 2 primeiras colunas (ou as duas primeiras linhas) a di- reita da 3ª coluna (ou abaixo da 3ª linha). A seguir somam-se os produtos dos elementos da diagonal principal e das 2 pa- ralelas,e subtraem-se os produtos dos elementos da diagonal secundária e das 2 paralelas. Observe que a Regra de Sarrus só se aplica a determinan- tes de terceira ordem. Capítulo 2 Determinante de uma Matriz 39 3 Igualdade entre determinantes de matrizes Considere a situação em que desejamos relacionar em uma equação o determinante de uma matriz. Exemplo: Calcule o número real x que satisfaça a igualda- de 0 31 12 = +xx . Para que essa igualdade ocorra, precisamos, primeiramen- te, calcular o determinante da matriz, ou seja: 1123)12(3)12(13 31 12 −=−−=+−=+×−×= + xxxxxxx xx Assim, teremos que resolver a equação: 1 01 = =− x x Exemplo: Calcule o número real x que satisfaça a igualda- de 2 1 31 42 21 x x x x x − =− − . Para que essa igualdade ocorra, precisamos, primeiramen- te, calcular os determinantes de cada matriz, ou seja: 40 Geometria Analítica e Álgebra Linear teremos que resolver a equação: + ou seja, x=0 ou x= –3. 4 Determinante de matrizes de ordem superior a três Para o cálculo do determinante de matrizes com ordem maior do que três utilizamos o Teorema de Laplace. Esse Teorema generaliza o cálculo de determinante, isto é, pode ser utilizado para o cálculo do determinante de matrizes de qualquer or- dem n >1. O Teorema de Laplace diz que o determinante de Capítulo 2 Determinante de uma Matriz 41 uma matriz quadrada de ordem n é a soma dos produtos dos elementos de uma fila (linha ou coluna) qualquer da matriz pelos respectivos cofatores. Na matriz A indicada acima, de ordem nxn, para calcular o seu determinante podemos escolher uma das seguintes linhas para determinar os respectivos cofatores: Onde: é o determinante da submatriz da matriz A, onde remo- vemos a primeira linha e a primeira coluna; é o determinante da submatriz da matriz A, onde remo- vemos a primeira linha e a segunda coluna; 42 Geometria Analítica e Álgebra Linear é o determinante da submatriz da matriz A, onde remo- vemos a primeira linha e a terceira coluna; é o determinante da submatriz da matriz A, onde remo- vemos a primeira linha e a n-ésima coluna; é o determinante da submatriz da matriz A, onde remo- vemos a segunda linha e a primeira coluna; é o determinante da submatriz da matriz A, onde re- movemos a segunda linha e a segunda coluna; é o determinante da submatriz da matriz A, onde remo- vemos a segunda linha e a terceira coluna; Ou seja, genericamente: é o determinante da submatriz da matriz A, onde re- movemos a linha i e a coluna j, também chamada de matriz menor relativo ao elemento de A, onde removemos a linha i e a coluna j. Observe que o sinal desse determinante represen- tado por varia de sinal, conforme a linha escolhida, assim pode generalizar as parcelas do determinante chamando-as de cofator ij e representá-lo por . O determinante de uma matriz A nxn é dado por , onde i é uma linha de A. De forma equi- valente, o determinante pode ser calculado usando uma coluna, daí , onde j é uma coluna de A. Capítulo 2 Determinante de uma Matriz 43 Exemplo: Calcular o determinante da matriz A matriz A é uma matriz quadrada de ordem 4, escolhendo a primeira linha como referência para calcular o determinante teremos: onde cada matriz menor (submatriz) é uma matriz de ordem 3x3. Esse exemplo é interessante, pois verifique que, como a13=0, não precisaremos calcular M13, pois sabemos que mul- tiplicação por zero é zero, assim já podemos escrever que: Mas teremos que calcular: é o determinante da submatriz da matriz A, onde remo- vemos a primeira linha e a primeira coluna: 44 Geometria Analítica e Álgebra Linear é o determinante da submatriz da matriz A, onde remo- vemos a primeira linha e a segunda coluna: Não é necessário calcular , o determinante da submatriz da matriz A, onde removemos a primeira linha e a terceira colu- na. é o determinante da submatriz da matriz A, onde remo- vemos a primeira linha e a quarta coluna: Capítulo 2 Determinante de uma Matriz 45 Exemplo: Calcule por Laplace o determinante da matriz Escolhemos a primeira linha, para usar a fórmula de Laplace teremos que Agora, determinaremos o determinante das respectivas submatrizes M11 , M12 e M13, também chamadas de menor re- lativo ao elemento a11 , a12 e a13, respectivamente. Observação:  Note que a ordem do Determinante fica reduzida, ou seja, para calcular o determinante de uma matriz de or- dem 4 teremos que calcular 4 determinantes de ordem 3. 46 Geometria Analítica e Álgebra Linear  Note que fica mais fácil quando escolhemos uma fila com maior número de zeros, pois nestas situações não precisaremos calcular o determinante das respectivas matrizes menores, já que depois teremos que multiplicar pelo elemento aij, que sabemos ser nula e, portanto, o resultado dessa parcela será nula. Capítulo 2 Determinante de uma Matriz 47 5 Propriedades dos determinantes Propriedade 1: determinante de uma matriz é igual ao deter- minante da sua matriz transposta; A = − − 224 612 053 temos det(A)=58 e para a sua transposta At = − − 260 215 423 temos Propriedade 2: (teorema de Binet): O determinante da matriz produto (AxB) é igual ao produto dos determinantes das respectivas matrizes, por exemplo: A = − − 224 612 053 temos det(A)=58 − = 531 201 421 B temos det(B)=12 temos Det(AxB)=58x12=696 48 Geometria Analítica e Álgebra Linear Propriedade 3: determinante de uma matriz triangular su- perior ou inferior é igual ao produto dos elementos da diago- nal principal. A = − − 200 210 423 matriz triangular superior, calculando o seu determinante teremos: (ou seja: 3x1x(-2)) = -6 matriz triangular inferior de ordem 4x4. Usando Laplace e escolhendo calcular o determinante pela primeira linha da matriz, teremos: No entanto, se usarmos a propriedade, teremos que a mul- tiplicação dos elementos da diagonal principal é: Propriedade 4: se uma matriz A possui uma linha ou colu- na composta unicamente de elementos nulos, então det(A)=0 Capítulo 2 Determinante de uma Matriz 49 Usando como referência a segunda linha da matriz teremos: Propriedade 5: se trocarmos entre si duas linhas ou colu- nas de uma matriz, o seu determinante muda de sinal. A = temos: –6 Nessa matriz, vamos permutar a primeira linha com a se- gunda linha. Teremos uma nova matriz que denominaremos de B: 50 Geometria Analítica e Álgebra Linear Essa propriedade pode ser descrita da seguinte forma: se trocarmos de posição (permutarmos) uma linha ou coluna da matriz A, então o determinante da matriz resultante da permu- tação fica com o sinal oposto do determinante da matriz A. Propriedade 6: se duas linhas ou colunas da matriz A são proporcionais, então det(A)=0. A = temos Det(A)=0, pois a linha 2 é o resultado do dobro da linha 1, ou seja, linha 2 = 2x(linha 1). Para confirmarmos a propriedade, podemos calcular o deter- minante da matriz A. A A Obs.: usamos esta propriedade para o caso em que uma matriz possuir 2 filas (linhas ou colunas) paralelas iguais. Exemplo: 0 462 913 462 = − − Propriedade 7: se multiplicarmos uma linha ou coluna da matriz A por um número (escalar), então o determinante da matriz resultante fica multiplicado por esse número. Capítulo 2 Determinante de uma Matriz 51 temos det(A)=58, definimos a matriz B, onde multiplicamos por 2 os elementos da segunda linha da matriz A, logo a matriz B é: =det(B)=2xdet(A)=2x58=116.Para verificar a propriedade, vamos calcular o determinante da matriz B por Sarrus. Propriedade 8 se a combinação linear de duas linhas da matriz A fornece como resultado uma linha da matriz, então det(A)=0. Combinação linear: é multiplicar ou dividir todos os ele- mentos de uma linha e somar ou subtrair o resultado com os respectivos elementos de outra linha da matriz 4 temos det(A)=0, pois observe que a ter- ceira linha da matriz é o resultado da multiplicação dos ele- mentos da primeira linha por 2, e somando com os respectivos elementos da segunda linha, ou seja: Linha 3 = 2xLinha 1 + Linha 2: 52 Geometria Analítica e Álgebra Linear Propriedade 9: (Teorema de Jacobi) Uma matriz quadra- da A e uma matriz quadrada B - obtida a partir de A -, onde trocamos uma das linhas (Li) de A pela combinação linear de Li e outra linha Lj de A, então det(A)=det(B). Combinação linear: é multiplicar ou dividir todos os ele- mentos de uma linha e somar ou subtrair o resultado com os respectivos elementos de outra linha da matriz. Temos as possibilidades de criar combinação linear: Li é substituída por (kLi+Lj), ou Li é substituída por (Li+kLj). podemos construir uma matriz B, onde a L2 é substituída por: (-2L1+L2), ou seja: –2xLinha 1+ Linha 2. Verifique que det(A)=46 e det(B)=46. Capítulo 2 Determinante de uma Matriz 53 Propriedade 10: uma matriz quadrada A, cujo determi- nante é zero, não tem inversa, e qualquer matriz que não tem inversa tem determinante nulo. Recapitulando O determinante de uma matriz quadrada é um número asso- ciado a esta matriz. Neste capítulo vimos como se representa o determinante de uma matriz como ele é calculado. Através do Teorema de Laplace definimos o determinante de qualquer matriz quadrada. Como cada matriz quadrada possui um e somente um nú- mero, chamado determinante, associado a ela, podemos dizer que o determinante é uma função do conjunto das matrizes quadradas para o conjunto dos reais. Referências ANTON, H. Álgebra Linear com Aplicações. 4. ed. Porto Alegre: Bookman, 2004. BOLDRINI, J. L. et al. Álgebra Linear. 3. ed. São Paulo: Harper & Row do Brasil, 1980. 54 Geometria Analítica e Álgebra Linear LEON, S. J. Álgebra Linear com Aplicações. 4. ed. Rio de Janeiro: LTC, 1999. SANDOVAL JUNIOR, L. Álgebra Linear: para ciências econô- micas, contábeis e da administração. São Paulo: Cengage Learning, 2010. SANTOS, N. M. Vetores e matrizes: uma introdução à álge- bra linear. 4. ed. São Paulo: Thompson, 2007. Atividades 1) Considerando a matriz , assinale nas alternativas a seguir a propriedade verdadeira: a) ( ) det(At)=108 b) ( ) det(3A)=324 c) ( ) det(A)= -108 d) ( ) det(At)=36 e) ( ) det(A)=0 2) Qual das alternativas a seguir é o valor correto para o nú- mero real x que satisfaça a equação ? a) ( ) x=11/7 b) ( ) x=-3 c) ( ) x=-0,9 Capítulo 2 Determinante de uma Matriz 55 d) ( ) x=2 e) ( ) x= -1 3) Considerando as matrizes da coluna da esquerda, associe qual a equação da coluna da direita que se aplica para calcular o determinante pelo teorema de Laplace. 4) Considerando a matriz de ordem 2x2 com , qual das alternativas a seguir é correta: a) ( ) A matriz A é a matriz identidade de ordem 2x2. b) ( ) c) ( ) det(A)=-2 56 Geometria Analítica e Álgebra Linear d) ( ) A é matriz triangular superior. e) ( ) det(A)=4 5) Qual das alternativas a seguir se aplica para avaliar o de- terminante da matriz: a) ( ) O determinante é nulo, pois a matriz tem uma linha onde todas as posições são zero. b) ( ) O determinante é a multiplicação das posições da diagonal principal, pois a matriz é triangular superior. c) ( ) O determinante é nulo, pois duas linhas são iguais. d) ( ) O determinante é nulo, pois a segunda linha é o dobro da terceira linha. e) ( ) O determinante é nulo, pois a matriz é nula. 6) Sabendo que 523 142 231 − − − =X e , calcule 24 YX − . 7) Calcule o valor de x na igualdade: )()cos( )cos()( 124 232 01 xsenx xxsen x x − =− − Capítulo 2 Determinante de uma Matriz 57 8) Calcule os determinantes: a) 2312 2383 1412 2312 − − b) 1123 1324 2332 2112 − −− Sistemas Lineares: Classificação e Resolução1 1 Mestre, Professora da Ulbra. Magda Leyser1 Capítulo 3 Capítulo 3 Sistemas Lineares: Classificação e Resolução 59 Introdução Neste capítulo, estudaremos como resolver um sistema de equações lineares. Trata-se do mais significativo problema em Matemática, encontrado em aplicações científicas e industriais. Um sistema de equações lineares permite construir, através de equações lineares, a relação das variáveis de um problema, em que desejamos determinar a solução, encontrando os nú- meros reais que resolvem todas as equações que formam o sistema de equações. Considere a seguinte situação para exemplificar o comen- tário do parágrafo acima. Temos R$ 2,00 e desejamos com- prar 10 selos do correio. Estão à venda selos no valor R$ 0,25, R$ 0,10 e R$ 0,05. Quantos selos de cada um desses valores poderão ser comprados com R$ 2,00? Primeiro definiremos o significado de cada variável. X é a quantidade de selos comprados por $0,25 Y é a quantidade de selos comprados por $0,10 Z é a quantidade de selos comprados por $0,05 Nosso problema tem 3 variáveis (incógnitas) que satisfa- zem as seguintes equações, que devem satisfazer as seguintes igualdades: 60 Geometria Analítica e Álgebra Linear Como precisamos comprar uma quantidade inteira de se- los, é interessante transformar a segunda equação, de forma a termos os coeficientes inteiros. Para isso, multiplicaremos am- bos os lados da equação por 20 e teremos: 5x+2y+z=40. Como veremos ao longo desse capítulo, também podemos multiplicar por (-1) ambos os membros da primeira equação. Assim, o sistema de equação que teremos que resolver será: Se somarmos as equações do sistema, obteremos uma terceira equação, 4x+y=30, que também é solução do pro- blema. Nessa equação, se isolarmos a variável y e partirmos do raciocínio que x, y e z devem ser números naturais e que desejamos que ocorra compra da maior quantidade possível de selos de maior valor, no caso de R$ 0,25, teremos que ana- lisar, por exemplo, as seguintes igualdades: x y=30-4x z=40-5x-2y 1 26 -17 2 22 -14 3 18 -11 4 14 -8 5 10 -5 6 6 -2 7 2 1 8 -2 4 9 -6 7 Capítulo 3 Sistemas Lineares: Classificação e Resolução 61 Portanto, uma solução do problema é comprar 7 selos de $0,25, 2 selos de $0,10 e 1 selo de $0,05. Observe que essa não é uma solução única para a segunda equação, pois po- deríamos optar por comprar 200 selos de 0,05 ou 100 selos de 0,10. No entanto essas soluções não satisfazem a primeira equação que exige a compra de 10 selos. 1 O que é uma equação linear? Toda equação da forma bxa...xaxa nn =+++ 2211 é denomi- nada equação linear, em que: na,..,a,a 21 são coeficientes; nx,...,x,x 21 são as incógnitas; b é um termo independente. Exemplos: a) 532 321 =+− xxx é uma equação linear de três incóg- nitas. b) 1−=+−+ tzyx é uma equação linear de quatro in- cógnitas. Observações: 1º) Quando o termo independente b for igual a zero, a equação linear denomina-se equação linear homo- gênea. Por exemplo: 05 =+ yx . 62 Geometria Analítica e Álgebra Linear 2º) Uma equação linear não apresenta termos da forma 21 2 1 , xxx × , isto é, cada termo da equação tem uma úni- ca incógnita, cujo expoente é sempre 1. As equações 323 2 2 1 −=+ xx e 24 =+× zyx não são li- neares. 3º) A solução de uma equação linear com n incóg- nitas é a sequência de números reais ou ênupla ( )n,...,, ααα 21 , que, colocados respectivamenteno lugar de nx,...,x,x 21 , tornam verdadeira a igualdade dada. 4º) Uma solução evidente da equação linear homogênea 03 =+ yx é a dupla ( )00, . Exemplo: dada a equação linear 24 =+− zyx , podemos escolher valores para x e y e encontrar uma de suas soluções calculando o valor de z, por exemplo: Portanto, uma das soluções é a tripla ordenada (2, 0, -6). Exemplo: dada a equação 523 =− yx , determinar o nú- mero real α para que a dupla ( )α,1− seja solução da equa- ção. Capítulo 3 Sistemas Lineares: Classificação e Resolução 63 Exemplo: determine o número real m para que (x,y,z)=(-1,1,2) seja solução da equação . Para que (x,y,z)=(-1,1,2) seja solução da equação, substi- tuiremos x=-1, y=1 e z=2 na equação, obtendo: 2 Sistema Linear Denomina-se sistema linear de m equações nas n incógnitas nxxx ,...,, 21 todo sistema da forma: onde são números reais. São os coeficientes das incógnitas. 64 Geometria Analítica e Álgebra Linear Se o conjunto ordenado de números reais ( )n'2'1' ,...,, ααα satisfizer a todas as equações do sistema, será denominado solução do sistema linear. Observações 1ª) Se o termo independente de todas as equações do sis- tema for nulo, isto é, 021 ==== n'' b...bb , o sistema linear será dito homogêneo. Veja o exemplo: =+− =++ =−+ 0325 04 02 zyx zyx zyx Uma solução evidente do sistema linear homogêneo é x = y = z = 0. Essa solução chama-se solução trivial do sistema homogê- neo. Se o sistema homogêneo admitir outra solução em que as incógnitas não são todas nulas, a solução será chamada solução não trivial. 2ª) Se dois sistemas lineares, S1 e S2, admitem a mesma solução, eles são chamados de sistemas equivalentes. Veja o exemplo: ( ){ }21 42 53 1 −=⇒ =− −=+ ,S yx yx :S ( ){ }21 1 3 2 2 3 2 −=⇒ −= +− =+ ,S yx yx :S Capítulo 3 Sistemas Lineares: Classificação e Resolução 65 Como os sistemas admitem a mesma solução {(1, -2)}, S1 e S2 são equivalentes. Exemplo: considere o sistema −=++− =+− =−+ 2 52 032 321 321 321 1 xxx xxx xxx :S . a) Verifique se (2, -1, 1) é solução de S. Substituindo nas respectivas equações os valores x1=2, x2=-1 e x3=1, verificamos que as 3 equações são verdadeiras. Portanto, (2,-1,1) não é solução de S. b) Verifique se (0,0,0) é solução de S. Substituindo, nas respectivas equações, os valores x1=0, x2=0 e x3=0, verificamos que somente a primeira equação é verdadeira, entretanto a segunda e terceira equações são falsas. Portanto, (0,0,0) não é solução de S. 66 Geometria Analítica e Álgebra Linear 3 Expressão matricial de um sistema de equações lineares Dentre suas variadas aplicações, as matrizes são utilizadas na resolução de um sistema de equações lineares. Observe o sistema linear: =+− =++ =+− 32 6 32 321 321 321 xxx xxx xxx Utilizando matrizes, podemos representar este sistema da seguinte forma: − − 211 111 112 = × 3 2 1 x x x 3 6 3 onde a matriz − − 211 111 112 é chamada de matriz dos coe- ficientes das respectivas variáveis, a primeira coluna são os coeficientes da variável x1 , a segunda coluna são os coefi- cientes da variável x2 e a terceira coluna são os coeficientes da variável x3, Capítulo 3 Sistemas Lineares: Classificação e Resolução 67 onde a matriz 3 2 1 x x x é chamada de matriz coluna das incóg- nitas (variáveis) e onde a matriz 3 6 3 é chamada de matriz coluna dos termos independentes. Exemplo: represente, na forma matricial, os sistemas line- ares a seguir: a) =−+ −=+− =−+ 827 1634 052 321 321 321 xxx xxx xxx . Pode ser representado por meio de matrizes, da seguinte forma: −= × − − − 8 1 0 217 634 152 3 2 1 x x x b) =− =+ 03 52 yx yx Esse sistema de equações na forma matricial é = × − 0 5 31 12 y x c) =−+− =+ −=++ 253 0 12 cba ca cba 68 Geometria Analítica e Álgebra Linear O sistema de equações, representado por meio de matri- zes, é da forma: − = × −− 2 0 1 153 101 112 c b a Podemos generalizar uma descrição matricial do sistema de equações. No caso de n=3 (3 equações e 3 variáveis), tere- mos um sistema de equações descrito pela equação bxA =× da seguinte forma: 4 Classificação dos sistemas lineares Os sistemas lineares são classificados quanto ao número de soluções, da seguinte forma: Capítulo 3 Sistemas Lineares: Classificação e Resolução 69 Exemplo: O sistema de equações lineares tem solução única (x,y)=(5,3), pois somente esses valores de x e y satisfa- zem as duas equações. O sistema de equações lineares =+ =+ 624 32 yx yx tem várias soluções. Por exemplo: (x,y)=(1,1). Outras soluções são (x,y)=(2,-1), também (3,-3), também é solução (-2,7), ou seja, todo o par ordenado onde ( αα 23, − ) para α número real. O sistema de equações lineares =+ =+ 22 32 yx yx não tem so- lução, ou a solução é impossível, isto é, não encontra (x,y) para satisfazer as duas equações, pois, verificando o que as equações estabelecem de igualdade, teríamos que, na primei- ra equação, diz que 32 =+ yx , mas, na segunda equação, terí- amos que 22 =+ yx . Observe que o membro da esquerda das duas equações é igual, ou seja, poderíamos escrever que 2= 32 =+ yx , ou seja, teria que ser verdadeiro que 2=3. 70 Geometria Analítica e Álgebra Linear 5 Regra de Cramer A regra de Cramer consiste em um método para se resolver um sistema linear de n-equações e n-incógnitas. Vamos determinar a matriz A dos coeficientes das incógnitas: Vamos determinar agora a matriz Ax1, que se obtém a partir da matriz A, substituindo-se a coluna dos coeficientes de x1 pela coluna dos termos independentes: Capítulo 3 Sistemas Lineares: Classificação e Resolução 71 Pela regra de Cramer: Adet Adetx x11 = . De maneira análoga, podemos determinar os valores das demais incógnitas: Generalizando, em um sistema linear, o valor da incógnita x1 é dado pela expressão: Vejamos alguns exemplos: Resolva, pelo método de Cramer, o sistema −=+ =− 25 72 yx yx . 72 Geometria Analítica e Álgebra Linear Primeiro, é interessante representar, na forma matricial, o sistema linear, no caso: . Iniciamos calculando o determinante da matriz dos coeficien- tes . Calculamos o determinante de . Calculamos o determinante de . Agora calcularemos a componente x da solução: E finalmente a componente y da solução: Portanto, o sistema linear é compatível determinado, isto é, tem solução única: ( ){ }1,3 −=S . Podemos representar, no plano cartesiano, o gráfico das duas equações desse sistema. Observe que a solução do sis- tema consiste no par ordenado, onde os gráficos das respec- tivas equações lineares se cruzam. Dessa forma, o encontro das duas retas que se cortam, esse ponto representado pelo ordenado (3,-1), identifica o valor de x=3 e y=-1 que são os Capítulo 3 Sistemas Lineares: Classificação e Resolução 73 valores reais que são solução simultâneadas duas equações lineares. Figura 1 Sistema determinado Exemplo: resolva pelo método de Cramer o sistema linear =−− =+ 2 5 yx yx . A representação matricial do sistema linear, no caso: = × −− 2 5 11 11 y x O determinante da matriz dos coeficientes é: 0 11 11 =⇒ −− = AdetA 74 Geometria Analítica e Álgebra Linear 7 12 15 −=⇒ − = xx AdetA 7 21 51 =⇒ − = yy AdetA Portanto, a solução é 0 7− == Adet Adetx x impossível 0 7 == Adet Adet y y impossível. Portanto, o sistema linear é incompatível ou impossível, não admite solução. φ=S Podemos representar, no plano cartesiano, o gráfico das duas equações desse sistema. Observe que a solução do sistema con- siste no par ordenado, onde os gráficos das respectivas equações lineares se cruzam. Como os gráficos dessas equações estão re- presentados por duas retas paralelas, temos um sistema sem cru- zamento, portanto, sem solução ou de solução impossível. Capítulo 3 Sistemas Lineares: Classificação e Resolução 75 Figura 2 Sistema impossível. Exemplo: resolva pelo método de Cramer o sistema =+ =+ 624 32 yx yx . A representação matricial do sistema linear é: = × 6 3 24 12 y x . O determinante da matriz dos coeficientes é 044 24 12 =−==A . O determinante de 066 26 13 =−==xA O determinante de 76 Geometria Analítica e Álgebra Linear Portanto, a solução é: 0 0 det det == A Ax x é uma indeterminação 0 0 det det == A A y y é uma indeterminação. Portanto, o sistema linear é compatível indeterminado, pois admite infinitas soluções. Por exemplo, (x,y)=(1,1), outras so- luções são: (2,-1), (3,-1) , (-2,7), ou seja, todo o par ordenado do tipo ( ) para . S={(x,y)= ( ) para } -> esta solução é chama- da de solução geral ou solução própria do sistema. Podemos representar, no plano cartesiano, o gráfico das duas equações desse sistema. Agora, o gráfico das equações está representado por duas retas coincidentes, ou seja, as duas equações têm o mesmo gráfico. Portanto, as duas equações são satisfeitas simultaneamente para vários pares ordenados. Logo, o sistema tem infinitas soluções. Capítulo 3 Sistemas Lineares: Classificação e Resolução 77 Exemplo: resolva, pelo método de Cramer, o sistema . A representação matricial do sistema linear é . 1º) Cálculo do determinante da matriz dos coeficientes: 78 Geometria Analítica e Álgebra Linear 2º) Cálculo do determinante das incógnitas: 3º) Cálculo das incógnitas (variáveis) que são as compo- nentes da solução: Portanto, o sistema linear é compatível determinado, isto é, tem solução única: Capítulo 3 Sistemas Lineares: Classificação e Resolução 79 ( ){ }012 ,,S −= . 6 Discussão de um sistema linear Considere o sistema linear de n equações a n incógnitas. Discutir o sistema é saber se ele é possível determinado, possível indeterminado ou impossível. Utilizando a regra de Cramer, temos: Exemplo: discuta o sistema para os valores de m. 80 Geometria Analítica e Álgebra Linear Vamos calcular o valor dos determinantes: Portanto, analisando as considerações a respeito do valor do determinante, teremos: SPD 3−≠⇒ m (sistema possível e determinado); SPI m∃/⇒ (sistema possível e indeterminado), pois det Ay = 1 para qualquer valor de m SI 3−=⇒ m (sistema impossível). Exemplo: determine m, de modo que o sistema seja incompatível (impossível). Iniciamos calculando o determinante da matriz dos coefi- cientes, ou seja, Capítulo 3 Sistemas Lineares: Classificação e Resolução 81 A seguir, calculamos o determinante da matriz dos coefi- cientes, onde substituímos os coeficientes das respectivas vari- áveis, ou seja: Portanto, o sistema linear será impossível (SI) 1−=⇒ m 82 Geometria Analítica e Álgebra Linear Capítulo 3 Sistemas Lineares: Classificação e Resolução 83 7 Escalonamento de Sistemas Lineares Considerando um sistema genérico m x n, a solução por es- calonamento de um sistema linear consiste em transformar o sistema de equações lineares original em um sistema linear equivalente, onde a nova matriz A dos coeficientes tem suas posições aij, com i > j, todas nulas. Dessa forma, essa é uma matriz triangular superior, pois essas selas são de resolução imediata. Lembre que uma matriz triangular superior é aque- la onde todas as posições a seguir da diagonal principal são iguais a zero. Exemplo de sistema de equações escalonado é o sistema: Para obter um sistema linear escalonado que tem a mesma solução, iremos transformar as entradas da matriz A em uma matriz triangular superior, realizando as seguintes operações elementares:  Eliminamos uma equação que tenha todos os coeficien- tes e o termo independente nulos. Por exemplo: 0x + 0y + 0z = 0 pode ser eliminada, pois todos os termos de números reais são soluções.  Podemos trocar a posição das equações. Exemplo: 84 Geometria Analítica e Álgebra Linear  Podemos multiplicar todos os termos de uma equação pelo mesmo número real diferente de zero:  Podemos multiplicar os 2 membros de uma equação por um mesmo número real diferente de zero e somarmos aos membros correspondentes da outra equação. Regra de Chio de matrizes = 10ª propriedade. Exemplo: • Se, no processo de escalonamento, obtivermos uma equação com todos os coeficientes nulos e o termo indepen- dente diferente de zero, esta equação é suficiente para afirmar que o sistema é impossível, isto é, S = ∅ . Exemplo: resolva, por escalonamento, o sistema de equa- ções lineares (SELA): Capítulo 3 Sistemas Lineares: Classificação e Resolução 85 Nesse conjunto de equações, iremos multiplicar a primeira equação por 3 e o resultado somar com a segunda equação, isto é: 3E1 terá como resultado , E2 é igual a equação 8253 321 −=+−− xxx . Somando as duas equações, teremos , Obtendo . Essa equação ocupará o lugar da segunda equação do sistema de equações, onde continuaremos o processo de es- calonamento. Reescrevendo o sistema, teremos: . Nesse conjunto de equações, iremos multiplicar a primeira equação por (-2) e o resultado somar com a terceira equação, isto é: -2E1 terá como resultado . E3 é igual a equação . Somando as duas equações teremos: , obtendo 7)3( 32 =− xx . 86 Geometria Analítica e Álgebra Linear Essa equação ocupará o lugar da terceira equação do sis- tema de equações, onde continuaremos o processo de escalo- namento. Reescrevendo o sistema teremos: . Nesse novo conjunto de equações equivalentes, isto é, que representam a mesma solução das equações anteriores, ire- mos multiplicar a segunda equação por (-3) e o resultado so- mar com a terceira equação, isto é: -3E2 terá como resultado . E3 é igual a equação . Somando as duas equações, teremos , obtendo . Essa equação ocupará o lugar da terceira equação do sis- tema de equações, onde continuaremos o processo de escalo- namento, obtendo o sistema de equações equivalente: . Capítulo 3 Sistemas Lineares: Classificação e Resolução 87 Agora, podemos determinar o valor 3x pela terceira equa- ção do sistema anterior: O valor 2x será calculado pela segunda equação do SELA (sistema de equações lineares), onde substituiremos o valor co- nhecido de 3x O valor 1x será calculado pela primeira equação do siste- ma de equações, onde substituiremos o valor conhecido de 3x e 2x 88 Geometria Analítica e Álgebra Linear Conclusão: o sistema de equações lineares (SELAS) tem solução única, isto é, um sistema determinado,onde a solução é ( 1x , 2x , 3x ) = ( -1, 3,2). Exemplo: resolva o sistema de equações lineares (SELA) por escalonamento, apresentando as combinações lineares usadas e, ao final, classifique a solução: =− =+− =++ 33 82 932 31 321 321 xx xxx xxx Podemos melhorar a representação desse processo de cálculo associando a representação matricial do sistema de equações, onde: − −= 101 112 321 A denomina-se matriz dos coeficientes do sela; = → 3 2 1 x x x x denomina-se vetor solução do sela; = → 9 8 3 b denomina-se vetor termo independente do sela. Para simplificar a representação dos sistemas equivalentes, até chegar à matriz de coeficientes escalonada, tomaremos a representação matricial do sistema: Capítulo 3 Sistemas Lineares: Classificação e Resolução 89 Nessa representação, omitiremos durante o processo de escalonamento o vetor solução e o símbolo da multiplicação e da igualdade, colocando uma barra para representar a posi- ção da igualdade. Assim, o processo de escalonamento pode ser descrito da seguinte forma: Efetuando a multiplicação teremos: Determinaremos o valor de 3x pela terceira equação do sistema acima: 90 Geometria Analítica e Álgebra Linear O valor 2x será calculado pela segunda equação do siste- ma, onde substituiremos o valor conhecido de 3x : O valor 1x será calculado pela primeira equação do siste- ma de equações na forma escalonada, onde substituiremos o valor conhecido de 3x e 2x : Capítulo 3 Sistemas Lineares: Classificação e Resolução 91 Conclusão: o sistema de equações é determinado (tem so- lução única) x1= 2, x2= –1 e x3=3, que também pode ser representado por ( 1x , 2x , 3x ) = (2, –1, 3). Exemplo: resolva o sistema de equações lineares (SELA) por escalonamento, apresentando as combinações lineares usadas e classifique o tipo de solução: −=++ =++ =−+ 825 1633 524 321 321 321 xxx xxx xxx Omitiremos, durante o processo de escalonamento, o vetor solução e os símbolos. Assim, o processo de escalonamento poder ser descrito da seguinte forma: Determinaremos o valor de 3x pela terceira equação do sistema acima: 92 Geometria Analítica e Álgebra Linear O valor 2x será calculado pela segunda equação do siste- ma, onde substituiremos o valor conhecido de 3x : O valor de 1x será calculado pela primeira equação do sistema de equações, onde substituiremos o valor conhecido de 3x e 2x : Capítulo 3 Sistemas Lineares: Classificação e Resolução 93 Conclusão: o sistema de equações é determinado (tem so- lução única) , e , que também pode ser representado por . Exemplo: resolva o sistema de equações lineares (SELA) por escalonamento, apresentando as combinações lineares usadas, e classifique a solução das incógnitas pelo sela esca- lonado equivalente: Depois de representar na forma matricial o sistema linear, omitindo durante o processo de escalonamento o vetor solu- ção e os símbolos das operações, o processo de escalona- mento pode ser descrito da seguinte forma: 94 Geometria Analítica e Álgebra Linear Determinaremos o valor de 4x pela quarta equação do sistema acima: 14 646 −= =− x x Capítulo 3 Sistemas Lineares: Classificação e Resolução 95 O valor 3x será calculado pela terceira equação do SELA, onde substituiremos o valor conhecido de 4x : O valor 2x será calculado pela segunda equação do SELA, onde substituiremos o valor conhecido de 3x e 4x : O valor 1x será calculado pela primeira equação do sistema de equações, onde substituiremos o valor conhecido de 3x , 2x e 4x : 96 Geometria Analítica e Álgebra Linear Conclusão: o sistema de equações é determinado (tem so- lução única) , 12 −=x , 03 =x e 14 −=x , que também pode ser representado por ( 1x , 2x , 3x , 4x )= . 8 Classificação e resolução de sistemas lineares escalonados Quando realizamos o escalonamento de uma matriz, podem ocorrer os seguintes casos: 1ºcaso: o sistema terminar na forma de . Temos um sistema 3x3 já escalonado (número de equações = número de incógnitas), onde na 3ª equação tiramos z = 2. Da 2ª equação, fazendo z =2, tiramos y=1. E, finalmente, fazendo y =1 e z = 2, na 1ª equação tiramos x = -2. Assim, podemos concluir que o sistema é possível e deter- minado, com S={(-2,1,2)}. 2ºcaso: o sistema terminar na forma de . Temos um sistema 4x4 já escalonado. A 4ª equação permi- te dizer que o sistema é impossível, logo S = ∅ . 3ºcaso: o sistema assume a forma de =− =++ 063 0 zy zyx . Temos um sistema 2x3 já escalonado, nesse caso, o núme- ro de equações é menor que o número de incógnitas (número de equações < número de incógnitas). Capítulo 3 Sistemas Lineares: Classificação e Resolução 97 Quando um sistema escalonado tem mais incógnitas que equações e pelo menos um coeficiente não nulo em cada equação, ele é possível e indeterminado. A variável que não aparece no começo das equações é chamada variável livre. Nesse exemplo, z é a variável livre. Fazemos z = k, com k ∈R, para descobrir a solução geral do sistema. Da 2ª equação, temos kyzy 2063 =⇒=− . Usando z = k e y = 2k, temos kxkkx 302 −=⇒=++ . Portanto, o sistema é possível e indeterminado e sua solu- ção geral é (-3k,2k,k). Pode ocorrer que o sistema termine na forma de . Aqui, o sistema escalonado tem mais variáveis do que equações, mas também se trata de um sistema possível e inde- terminado (está escalonado e tem 2 equações e 4 incógnitas) e duas são variáveis livres (y e t). Fazemos ReRcom,tey ∈β∈αβ=α= . Substituindo na segunda equação, teremos: 2 31 312 132 132 β β β − = −= =+ =+ z z z tz Substituindo na primeira equação, teremos: 98 Geometria Analítica e Álgebra Linear 4 352 3524 423124 2 2 312 22 ++ = ++= +++−= =− − +− =−+− βα βα ββα ββα x x x x tzyx Portanto, o sistema é possível e indeterminado e sua solu- ção geral é −++ = ββαβα , 2 31,, 4 352),,,( tzyx . Exemplo: resolva, por escalonamento, se o sela a seguir tem solução: Capítulo 3 Sistemas Lineares: Classificação e Resolução 99 Exemplo: determine se o sistema de equações a seguir tem solução. 100 Geometria Analítica e Álgebra Linear Para determinar as infinitas soluções, iniciamos fazendo ℜ∈= kx3 . Substituindo esse valor na segunda equação, te- remos: Substituindo kx =3 e kx 412 −= na primeira equação, te- remos: Capítulo 3 Sistemas Lineares: Classificação e Resolução 101 Portanto, o sistema é possível e indeterminado e sua solu- ção geral é: para k número real teremos . Recapitulando Neste capítulo vimos um dos assuntos mais importantes da Álgebra Linear: sistemas lineares. A aplicação de sistemas lineares é muito ampla na área das ciências exatas e econômicas. Utilizamos sistemas lineares para modelar e resolver problemas onde muitas variáveis são envolvidas no mesmo. Vimos a classificação, a discussão e a resolução dos siste- mas lineares. Em relação à resolução vimos dois métodos: de Cramer e do Escalonamento. Referências ANTON, H. Álgebra Linear com Aplicações. 4. ed. Porto Alegre: Bookman, 2004. 102 Geometria Analítica e Álgebra Linear BOLDRINI, J. L. et al. Álgebra Linear. 3. ed. São Paulo: Harper & Row do Brasil, 1980. ESPINOSA, I. C. O. N. Álgebra Linear para Computação. Rio de Janeiro: LTC, 2007. LEON, S. J. Álgebra Linear com Aplicações. 4. ed. Rio de Janeiro: LTC, 1999. SANDOVAL JUNIOR, L. Álgebra Linear: para ciências econô- micas, contábeis eda administração. São Paulo: Cengage Learning, 2010. SANTOS, N. M. Vetores e matrizes: uma introdução à álge- bra linear. 4. ed. São Paulo: Thompson, 2007. Atividades 1) Considere o sistema de equações . Qual das alternativas a seguir é uma solução para esse sistema? a) ( ) a=2,b=-1 e c=1 b) ( ) a=0,b=-1 e c=0 c) ( ) a=0,b=-2 e c=1 d) ( ) a=-1,b=2 e c=1 e) ( ) a=1,b=-1 e c=2 Capítulo 3 Sistemas Lineares: Classificação e Resolução 103 2) Resolvendo o sistema de equações , assinale com V as assertivas verdadeiras e com F as assertivas fal- sas a respeito da solução, através do método de Cramer: a) ( ) det b) ( ) det c) ( ) det d) ( ) O sistema é impossível, pois detA=0 e det Ax=9. e) ( ) O sistema é indeterminado, pois det detA=0 e det Ax=9. f) ( ) O sistema é determinado, e a solução única é x=6.75 e y=4.5. 3) Apresenta-se, a seguir, um conjunto de selas equivalentes que representam parte da resolução do sistema por esca- lonamento: Parte da solução do sistema por escalonamento é: 104 Geometria Analítica e Álgebra Linear Qual das alternativas a seguir identifica uma combinação linear correta para a próxima etapa do escalonamento, man- tendo a primeira coluna com os valores já calculados? a) ( ) -3E1+E3 substitui a E3 b) ( ) -3E2+E3 substitui a E3 c) ( ) -E1+E2 substitui a E3 d) ( ) -3E2-E3 substitui a E3 e) ( ) 3E2+E3 substitui a E3 4) Marque apenas uma das alternativas a seguir que repre- senta a matriz escalonada do sela: a) ( ) b) ( ) Capítulo 3 Sistemas Lineares: Classificação e Resolução 105 c) ( ) d) ( ) e) ( ) 5) (ENADE-2005) A transposição do rio São Francisco é um assunto que desperta grande interesse. Questiona-se, en- tre outros aspectos, os efeitos no meio ambiente, o eleva- do custo do empreendimento relativamente à população beneficiada e à quantidade de água a ser retirada – o que poderia prejudicar a vazão do rio, que hoje é de 1.850 m³/s. Visando promover em sala de aula um debate acerca desse assunto, um professor de matemática propôs a seus alunos o problema seguinte, baseando-se em dados obtidos do Minis- tério da Integração Nacional. Considere que o projeto prevê a retirada de x m³/s de água. Denote por y o custo total estimado da obra, em bi- lhões de reais, e por z o número, em milhões, de habitantes que serão beneficiados pelo projeto. Relacionando-se essas quantidades, obtém-se o sistema de equações lineares A.X = B, em que: 106 Geometria Analítica e Álgebra Linear − − − = 201 140 221 A , e = z y x X . Com base nessas informações, assinale a opção correta: a) ( ) O sistema linear proposto pelo professor é indeter- minado, uma vez que det(A) = 0. b) ( ) A transposição proposta vai beneficiar menos de 11 milhões de habitantes. c) ( ) Mais de 2% da vazão do rio São Francisco serão retirados com a transposição, o que pode provocar sérios danos ambientais. d) ( ) O custo total estimado da obra é superior a 4 bi- lhões de reais. e) ( ) A matriz linha reduzida à forma escalonada, que é li- nha equivalente à matriz A, possui uma coluna nula. 6) (ENADE–2008) Considere o sistema de equações a seguir: =++ =++ =++ 5433 4222 1 zyx zyx zyx Analise as asserções seguintes relativas à resolução desse sistema de equações lineares. O sistema não tem solução Capítulo 3 Sistemas Lineares: Classificação e Resolução 107 porque o determinante da matriz dos coeficientes é igual a zero. A respeito dessa afirmação, assinale a opção correta: a) ( ) As duas asserções são proposições verdadeiras e a segunda é uma justificativa da primeira. b) ( ) As duas asserções são proposições verdadeiras, mas a segunda não é uma justificativa correta da primei- ra. c) ( ) A primeira asserção é uma proposição verdadeira, e a segunda é falsa. d) ( ) A primeira asserção é uma proposição falsa, e a segunda é verdadeira. e) ( ) Ambas as asserções são proposições falsas. 7) (ENADE-2003) Escalonando o sistema chegou-se a = =− =− 00 13 12 zy zx . Então, os três planos dados pelas equações do sistema inicial: a) ( ) são paralelos. b) ( ) têm apenas um ponto em comum. c) ( ) têm uma reta em comum. 108 Geometria Analítica e Álgebra Linear d) ( ) têm interseção vazia, porque dois deles são parale- los. e) ( ) têm interseção vazia, embora não haja entre eles dois que sejam paralelos. 8) (ENADE-2014) Em uma loja de material escolar, as mer- cadorias caneta, lápis e borracha, de um único tipo cada uma, são vendidas para três estudantes. O primeiro com- prou uma caneta, três lápis e duas borrachas, pagando R$ 10,00; o segundo adquiriu duas canetas, um lápis e uma borracha, pagando R$ 9,00; o terceiro comprou três canetas, quatro lápis e três borrachas, pagando R$ 19,00. Os estudantes, após as compras, sem verificarem os valo- res de cada mercadoria, procuraram resolver o problema: “A partir das compras efetuadas e dos respectivos valores totais pagos por eles, qual o preço da caneta, do lápis e da borra- cha?”. Para isso, montaram um sistema de equações lineares cujas incógnitas são os preços das mercadorias. Esse sistema de equações é: a) ( ) possível determinado, sendo o preço da borracha mais caro que o do lápis. b) ( ) impossível, pois saber os totais das compras não garante a existência de solução. c) ( ) possível determinado, podendo admitir como solu- ção o valor do preço da caneta, do lápis e da borracha. Capítulo 3 Sistemas Lineares: Classificação e Resolução 109 d) ( ) possível indeterminado, de forma que a soma dos valores possíveis da caneta, do lápis e da borracha é igual a cinco vezes o preço do lápis subtraído de R$ 9,00. e) ( ) possível indeterminado, de forma que a soma dos va- lores possíveis da caneta, do lápis e da borracha é igual a 1/5 da adição do preço da borracha com R$ 28,00. 9) Resolva o sistema a seguir usando a regra de Cramer: . Sugestão: faça ny m x == 1 e 1 . Generalidades sobre Vetores1 1 Mestre, Professor da Universidade Luterana do Brasil. Leomir Joel Schweig1 Capítulo 4 Capítulo 4 Generalidades sobre Vetores 111 Introdução Neste capítulo, é apresentado o vetor, que é um ente mate- mático importante, utilizado no estudo da Física, no Cálculo, na Engenharia etc. Este ente é utilizado para representar as grandezas vetoriais, que necessitam, além de um número e unidade (módulo), também uma direção e um sentido, para ficarem perfeitamente definidas. São exemplos de grandezas vetoriais: velocidade, aceleração, força, quantidade de movi- mento, impulso etc. Outros tipos de grandezas necessárias são as grandezas escalares. Essas, por sua vez, necessitam apenas de um número com unidade para ficarem perfeitamente defi- nidas. São exemplos de grandezas escalares: tempo, massa, volume, área, comprimento, temperatura etc. Estes dois tipos de grandezas – vetoriais e escalares – são chamadas de gran- dezas matemáticas ou físicas. Normalmente, o número com unidade, ou módulo, destas grandezas é determinado por um instrumento de medida. No final do estudo deste capítulo, você deverá ser capaz de definir o vetor, representar os vetores através de suas ca- racterísticas e representar e calcular o vetor resultante de um sistema de vetores. 1 Segmento orientado Um segmento orientado é um segmento de um eixo e é de- terminado por dois pontos, onde o primeiro é a origem do segmento e o segundo é a extremidade do segmento. 112 Geometria Analítica e Álgebra Linear O segmento orientado de origem A e extremidade B será representado por AB e, geometricamente,
Compartilhar