Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
UNIVERSIDADE SÃO FRANCISCO DISCIPLINA ÁLGEBRA LINEAR Adalberto Nobiato Crespo 2014 versão 1 2 SUMÁRIO 1 MATRIZES ...................................................................................................................... 1 1.1 INTRODUÇÃO .............................................................................................................. 1 1.2 MATRIZES ESPECIAIS ................................................................................................. 1 1.3 ADIÇÃO DE MATRIZES ................................................................................................ 4 1.4 PROPRIEDADES DA ADIÇÃO ........................................................................................ 4 1.5 MULTIPLICAÇÃO DE MATRIZES .................................................................................. 5 1.6 PROPRIEDADES DA MULTIPLICAÇÃO .......................................................................... 6 1.7 PRIMEIRA LISTA DE EXERCICIOS – MATRIZES ........................................................... 7 2 DETERMINANTES ...................................................................................................... 10 2.1 PROPRIEDADES DOS DETERMINANTES. ..................................................................... 12 3 INVERSÃO DE MATRIZES ........................................................................................ 16 3.1 INTRODUÇÃO ............................................................................................................ 16 3.2 MATRIZ INVERSA ..................................................................................................... 16 3.3 INVERSÃO DE MATRIZ POR OPERAÇÕES ELEMENTARES ........................................... 18 3.4 SEGUNDA LISTA DE EXERCÍCIOS – MATRIZ INVERSA E DETERMINANTES ................ 18 4 SISTEMAS DE EQUAÇÕES LINEARES ................................................................... 20 4.1 EQUAÇÃO LINEAR .................................................................................................... 20 4.2 SISTEMAS LINEARES. ................................................................................................ 21 4.3 EXPRESSÃO MATRICIAL DE UM SISTEMA DE EQUAÇÕES LINEARES. ......................... 22 4.4 SOLUÇÃO DE UM SISTEMA DE EQUAÇÕES LINEARES ................................................ 23 4.5 REGRA DE CRAMER .................................................................................................. 27 4.6 SISTEMAS TRIANGULARES OU ESCALONADOS .......................................................... 30 4.7 PROCESSO PARA ESCALONAR UM SISTEMA LINEAR ................................................. 32 4.8 MÉTODO DE ELIMINAÇÃO DE GAUSS ....................................................................... 34 4.9 EXERCÍCIOS SOBRE SISTEMAS DE EQUAÇÕES LINEARES .......................................... 35 5 VETORES ...................................................................................................................... 38 5.1 INTRODUÇÃO ............................................................................................................ 38 5.2 OPERAÇÃO COM VETORES ........................................................................................ 42 5.3 VETORES NO RN ........................................................................................................ 50 3 5.4 OPERAÇÃO COM VETORES NO RN ............................................................................. 51 5.5 PRODUTO INTERNO .................................................................................................. 59 5.6 DECOMPOSIÇÃO DE VETORES ................................................................................... 61 5.7 PRODUTO VETORIAL ................................................................................................ 62 5.8 PRODUTO MISTO ...................................................................................................... 63 6 ESPAÇOS VETORIAIS ................................................................................................ 68 6.1 SUBESPAÇOS VETORIAIS .......................................................................................... 69 6.2 COMBINAÇÃO LINEAR .............................................................................................. 70 6.3 DEPENDÊNCIA E INDEPENDÊNCIA LINEAR ................................................................ 70 6.4 BASE E DIMENSÃO DE UM ESPAÇO VETORIAL .......................................................... 73 6.5 COORDENADAS DE UM VETOR .................................................................................. 75 6.6 MUDANÇA DE BASE ................................................................................................. 75 7 TRANSFORMAÇÕES LINEARES .............................................................................. 77 7.1 INTRODUÇÃO ............................................................................................................ 77 7.2 TRANSFORMAÇÕES DO PLANO NO PLANO ................................................................. 80 7.3 OPERADORES LINEARES NO ESPAÇO VETORIAL R2 .................................................. 80 7.4 LEI DE UMA TRANSFORMAÇÃO LINEAR .................................................................... 83 7.5 IMAGEM E NÚCLEO DE UMA TRANSFORMAÇÃO LINEAR ........................................... 83 7.6 ESPAÇOS VETORIAIS ISOMORFOS ............................................................................. 85 7.7 MATRIZ ASSOCIADA A UMA TRANSFORMAÇÃO LINEAR ........................................... 86 8 AUTOVALORES E AUTOVETORES ......................................................................... 90 8.1 DETERMINAÇÃO DOS AUTOVALORES E AUTOVETORES ............................................ 90 9 EXERCICIOS ADICIONAIS ................................................................................................ 94 9.1 EXERCÍCIOS SOBRE VETORES ................................................................................... 94 9.2 EXERCÍCIOS SOBRE PRODUTO INTERNO .................................................................... 96 9.3 EXERCÍCIOS SOBRE PRODUTO MISTO ....................................................................... 98 9.4 EXERCÍCIOS SOBRE ESPAÇOS VETORIAIS ................................................................. 99 9.5 EXERCÍCIOS SOBRE DEPENDÊNCIA LINEAR ............................................................ 101 9.6 EXERCÍCIOS SOBRE BASE, DIMENSÃO, COORDENADAS E MUDANÇA DE BASE ....... 102 9.7 EXERCÍCIOS SOBRE TRANSFORMAÇÕES LINEARES ................................................. 103 1 1 MATRIZES 1.1 Introdução Esta secção, apresenta um conjunto de exercícios que possibilitam ao aluno, revisar conceitos básicos sobre matrizes. É muito importante que o aluno se detenha nas propriedades apresentadas, pois são de grande importância dentro da Álgebra Linear. Algumas aplicações do estudo das matrizes são resolução de sistemas de equações lineares, mudança de bases de um espaço vetorial, representação e composição de transformações lineares. Matriz m x n à tabela com m linhas e n colunas. Elemento jia , índice i à linha na qual se encontra o elemento índice j à coluna na qual se encontra o elemento Exemplo.1. 32224 513 X ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − − Tabela com __ elementos. =12a ___; =21a ___; =33a ___; =13a ___. Exemplo.2. Encontre a matriz ( ) 22xji aA = tal que ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − = jj ii A 2 22 . 1.2 Matrizes Especiais 1 - Matriz Linha [ ]51=L 2 - Matriz Coluna ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− = 7 2 C 3 - Matriz Quadrada ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − = 10 91 Q 4 - Matriz Nula ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 00 00 N [ ]000=M Observação: Diagonal principal (i = j) Diagonal secundária (soma dos índices i + j = n + 1). 2 ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 333231 232221 131211 aaa aaa aaa P ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 33 22 11 a a a P ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 31 22 13 a a a P OBS.: As matrizes estão aqui exemplificadas com apenas alguns elementos somente para destacar o descrito. Lembre-se de que as matrizes devem conter todos os seus elementos, mesmo que sejam nulos. 5 - Matriz Triangular Superior. É uma matriz quadrada onde 0=ija para i > j. 1.2.1.1 Exemplos. ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ −= 100 270 091 A ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − = 10 91 B ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = 1000 2100 0600 3031 C 6 - Matriz Triangular Inferior. É uma matriz quadrada onde 0=ija para i < j. Exemplos. ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ π = 17 029 004 A ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 13 01 B ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ − = 1002 0934 0056 0001 C 7 - Igualdade de Matrizes Elementos de mesmo índice são correspondentes. Exemplo.1. Determine, a, b, x, y, sabendo que: ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − =⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ −− ++ 70 13 2 2 bayx bayx Exemplo.2. Determine os valores de “x”, “y” e “z” para que as igualdades sejam verdadeiras. a) ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ + −− 232 3 zyx zyx = ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ −− 2521 82 b) ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − − 5yx5 x3x9x2 = ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − +− 59 x1020 8 - Matriz Oposta A oposta de M é –M. Exemplo. Qual é a matriz oposta de ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − −−= 18153 25121 3172 B ? 9 - Matriz Transposta Seja a matriz ( )mxnjiaA ,= . A transposta de A é determinada por ( )nxmij t aA ,= . Exemplo. Obtenha as transpostas das matrizes: 3 a) ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ = 94 71 A b) ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − − = 905 642 B c) ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − −= 093 5 271 252 C Propriedades da Matriz Transposta a) ( ) ttt BABA +=+ b) ( ) tt AkAk .. = , Rk∈ c) ( ) AA tt = d) ( ) ttt ABBA .. = 10 - Matriz Simétrica Toda matriz quadrada A de ordem n, tal que: AAt = Exemplo. As matrizes ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ = 94 41 A e ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − = 724 251 411 B são simétricas pois, 11 - Matriz anti-simétrica Toda matriz quadrada A de ordem n, tal que: AAt −= Exemplo. As matrizes ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − − = 053 501 310 A e ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − − = 024 201 410 B são anti-simétricas. 12 - Matriz Identidade Matriz identidade de ordem n (indica-se por nI ) à todos os elementos da diagonal principal são iguais a 1 e os demais elementos são iguais a zero. Exemplos.1. a) =2I b) =3I c) =4I d) =5I Exemplo.2. Calcule ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 10 01 . 21 53 . 4 1.3 Adição de Matrizes (só é possível se todas as matrizes a serem adicionadas forem do mesmo tipo mxn) Exemplo. Sendo ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 124 310 205 A , ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − −−= 18153 25121 3172 B , ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ −− = 1240 913 C e ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ −− = 536 258 D , calcule: a) A + B b) A + C c) C + D Subtração de Matrizes A – B = A + (-B) Exemplo. Sendo ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 124 310 205 A e ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − −−= 18153 25121 3172 B , calcule A – B. 1.4 Propriedades da Adição a) Comutativa A + B = B + A b) Associativa (A + B) + C = A + (B + C) c) Elemento neutro A + 0 = A = 0 + A d) Oposto A + (-A) = 0 = a = (-A) + A Exemplo. Sejam as matrizes ( ) 22xji aA = , com 22 jia ji −= e ( ) 22xjibB = , com 1+= jiji ab , encontre a matriz X de modo que: a) 0=+− BAX b) BXA −=−− Produto de um Número Real (escalar) por uma Matriz Exemplo. Dadas as matrizes ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − − = 345 021 A e ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − − = 1569 1263 B , determine: a) A2− b) ( )BA + 2 1 c) B 3 1 5 1.5 Multiplicação de Matrizes Dadas duas matrizes nmijnm aA ×=× ][ e pnjkpn bB ×=× ][ , então: pmikcCBA ×==⋅ ][ , ou seja, pxmpxnnxm CBA =. . Se ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 2221 1211 aa aa A e ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 232221 131211 bbb bbb B , então ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 232221 131211 ccc ccc C , onde: ∑ = ⋅=⋅+⋅= 2 1 2211 j jkijkikiik bababac , isto é, 2112111111 babac ⋅+⋅= 2212121112 babac ⋅+⋅= 2312131113 babac ⋅+⋅= 2122112121 babac ⋅+⋅= 2222122122 babac ⋅+⋅= 2322132123 babac ⋅+⋅= Exemplo.1. Se ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ −− − = 112 131 A e ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − −− −− = 6021 1125 1304 B , calcule BAC ⋅= e ABD ⋅= . Exemplo.2. Determine, se existirem, os produtos: a) 2222 86 75 . 43 21 xx ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − − ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ b) 2222 43 21 . 86 75 xx ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − − c) 4222 4001 1232 . 43 21 xx ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ −− −− ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − d) 23 22 41 52 31 . 30 12 x x ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − − ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− e) [ ] 31 13 826. 5 3 2 x x − ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ f) 1212 4 3 . 2 1 xx ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ g) [ ] [ ] 2121 43.21 xx 6 1.6 Propriedades da Multiplicação a) Associativa (A x B) x C = A x (B x C) b) Distributiva à direita em relação à adição A.(B + C) = A.B + A.C c) Distributiva à esquerda em relação à adição (A + B).C = A.C + B.C d) Elemento neutro A.I = A = I.A, sendo I a matriz identidade. e) ( ) ( ) ( )BkABAkBAk ...... == , onde k é um escalar. Observaçãoes: 1. Em geral, ABBA .. ≠ 2. Se 0. =BA , não necessariamente, 0=A ou 0=B Exemplo. Seja ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ −− = 24 12 A . Calcule 2A . 7 1.7 Primeira Lista de Exercicios – Matrizes 1) Uma confecção vai fabricar 3 tipos de roupa utilizando materiais diferentes. Considerando a matriz ( )jiaA = , em que jia representa quantas unidades do material j serão empregados para fabricar uma roupa do tipo i. ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = 124 310 205 A a) Quantas unidades do material 3 serão empregadas na confecção de uma roupa do tipo 2? b) Calcule o total de unidades do material 1 que será empregado para fabricar cinco roupas do tipo 1, quatro roupas do tipo 2 e duas roupas do tipo 3. 2) Determine o valor de cada incógnita para que as matrizes sejam iguais: ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ + −− =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 34 152 041 3 zy x c ba 3) A matriz ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = z zyxA 12 321 admite a transposta ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − −= zyy yx x At 63 12 21 . Nessas condições, calcule x, y e z. 4) Sejam as matrizes ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− = x y A 3 21 e ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = y y B 0 12 . Se ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ =+ 33 30 BA , determine a transposta de A. 5) Efetue, quando possível: a) ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ −⎟ ⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − − 2 3 . 41 35 b) ( ) ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎝ ⎛ 3 0 2 .531 c) ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎝ ⎛ −⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − 04 12 61 . 21 53 d) ( )230. 1 2 3 − ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎝ ⎛ e) ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎝ ⎛ − − ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − 33 52 11 . 532 041 f) ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − − 54 21 . 224 513 6) Sendo ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − = 12 14 A e ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ = 6 24 B , calcule a matriz X, tal que BXA =. . 7) Uma indústria farmacêutica produz, diariamente, p unidades do medicamento X e q unidades do medicamento Y, ao custo unitário de r e s reais, respectivamente. Considere as matrizes [ ]qpM 2= e ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = s r N 2 . A matriz produto NM . representa o custo de produção de quantos dias? 8 8) Um construtor tem contratos para construir 3 estilos de casa: moderno, mediterrâneo e colonial. A quantidade de material empregada em cada tipo de casa é dada pela matriz: Ferro Madeira Vidro Tinta Tijolo Moderno 5 20 16 7 17 Mediterrâneo 7 18 12 9 21 Colonial 6 25 8 5 13 a) Se ele vai construir 5, 7 e 12 casas dos tipos moderno, mediterrâneo e colonial respectivamente, quantas unidades de cada material serão empregadas? b) Suponha agora que os preços por unidade de ferro, madeira, vidro, tinta e tijolo sejam, respectivamente, $ 15, $ 8, $ 5, $ 1 e $ 10. Qual é o preço unitário de cada tipo de casa? c) Qual foi o custo total de material empregado? 9) Uma construtora recebe encomendas para fazer arcabouços de três edifícios - escola, hospital e teatro – em duas cidades. As quantidades, em unidades convenientes, de cada material utilizado estão descritas nas matrizes a seguir: Cidade A Ferro Cimento Madeira Areia Mão-de- obra Escola 15 51 25 42 63 Hospital 17 53 21 52 73 Teatro 18 57 27 33 85 Cidade B Ferro Cimento Madeira Areia Mão-de- obra Escola 16 50 27 41 65 Hospital 19 53 23 45 75 Teatro 19 58 28 55 86 a) Se fizer as construções em ambas as cidades, quanto gastará de cada item para cada tipo de edificação? b) Se a construtora recebe a encomenda de duas escolas, dois hospitais e dois teatros, na cidade A, qual a quantidade de cada matéria utilizada em cada tipo de obra para atender a esse pedido? c) Se a construtora recebe a encomenda de cinco escolas, três hospitais e dois teatros, na cidade B, qual a quantidade de cada matéria utilizada para atender a esse pedido? d) Sabendo que os preços por unidade (específica) de ferro, cimento, madeira, areia e mão-de-obra são, respectivamente, $ 1.000,00, $ 800,00, $ 500,00, $ 300,00 e $ 2.000,00, calcule o custo de cada tipo de construção? e) Qual é o custo total a ser pago pela encomenda realizada pela cidade B? 10) Dadas as matrizes 22][ xijaA = tal que j ij ia = e 22][ xijbB = tal que i ij jb = , determine: a) 1111 ba + b) ).( 221122 bba + c) 2121.ba 11) Dadas as matrizes ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − = 654 321 A e ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − = 34 03 21 B , determine t BA 2+ . 9 Gabarito 1) a) 3 b) 33 2) a = -5; b = 1; c = 5; x = 5; y = 4 e z = -3. 3) x = 4; y = 1 e z = 5. 4) ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− = 22 31tA 5) a) ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ −11 21 ; b) ( )17 ; c) não é possível; d) ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎝ ⎛ − − − 230 460 690 ; e) ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − 223 217 ; f} não é possível. 6) ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 4 5 X . 7) 2 dias. 8) a) Ferro Madeira Vidro Tinta Tijolo Total 146 526 260 158 388 8)b) Preço Unitário Moderno 492 Mediterrâneo 528 Colonial 465 8) c) $ 11.736,00. 9) a) Ferro Cimento Madeira Areia Mão-de- obra Escola 31 101 52 83 128 Hospital 36 106 44 97 148 Teatro 37 115 55 88 171 9) b) Cidade A Ferro Cimento Madeira Areia Mão-de- obra Escola 30 102 50 84 126 Hospital 34 106 42 104 146 Teatro 36 114 54 66 170 9) c) Cidade B Ferro Cimento Madeira Areia Mão-de- obra 175 525 260 450 722 9) d) Cidade A Total Escola 206.900 Hospital 231.500 Teatro 257.000 Cidade B Total Escola 211.800 Hospital 236.400 Teatro 267.900 9) e) $ 2.304.000,00. 10) a) 2 b) 20 c) 2 11) ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ 050 583 10 2 DETERMINANTES O determinante é um número real associado a toda matriz quadrada A=[aij] , segundo uma determinada lei. A notação para o determinante da matriz A = ⎡ ⎣ ⎢ ⎤ ⎦ ⎥ 2 3 0 5 será Det A ou 2 3 0 5 1 - Determinante de Primeira Ordem : [ ] 1111 aADetaA =⇒= ou a a11 11= Exemplos : a) [ ]A = −3 , Det A= -3 b) [ ]B = 5 , 5 5= 2 - Determinante de Segunda Ordem : 21122211 2221 1211 aaaaADet aa aa A −=⇒⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = Exemplos: a) A = ⎡ ⎣ ⎢ ⎤ ⎦ ⎥ 2 1 5 3 , Det A= 6 – 5 = 1 b) − − − = − − = 3 2 1 5 15 2 17( ) 3 - Determinante de Terceira Ordem : A a a a a a a a a a = ⎡ ⎣ ⎢ ⎢ ⎢ ⎤ ⎦ ⎥ ⎥ ⎥ 11 12 13 21 22 23 31 32 33 11 Regra de Sarrus para Cálculo de Determinante de 3a. Ordem Regra de Sarrus : a 11 a12 a13 a11 a12 a21 a22 a23 a21 a22 a31 a32 a33 a31 a32 P4 P5 P6 P1 P2 P3 Det A = P1 + P2 + P3 – P4 – P5 – P6 Exemplo : a) A = − − ⎡ ⎣ ⎢ ⎢ ⎢ ⎤ ⎦ ⎥ ⎥ ⎥ 5 0 2 1 2 4 3 6 1 5 0 2 5 0 -1 -2 4 -1 -2 3 6 1 3 6 -12 120 0 -10 0 -12 Det A = (- 10 + 0 - 12) - (-12 + 120 + 0) = -130 b) 1 2 3 5 0 6 4 2 8 170− − = 4 - Cofator Seja A=[aij] uma matriz quadrada de ordem n≥ 2 . Cofator de aij ∈Aé o produto de (-1) i j+ pelo determinante da matriz que se obtém de A, suprimindo a linha de ordem i e a coluna de ordem j . Notação: cij Exemplos: a) A = − ⎡ ⎣ ⎢ ⎤ ⎦ ⎥ 2 3 1 5 1 1 .)1( ,5 5 .)1( 2112 11 11 =−−==−= ++ cc 22.)1( ,33.)1( 2222 12 21 =−=−=−= ++ cc 12 b) A = − ⎡ ⎣ ⎢ ⎢ ⎢ ⎤ ⎦ ⎥ ⎥ ⎥ 1 3 4 2 0 5 7 6 8 c32 3 21 1 4 2 5 1 5 8 13= − − = − + = −+( ) . .( ) 5 - Determinante de Ordem n≥ 2 Teorema de Laplace. O determinante de uma matriz quadrada de ordem n≥ 2 é a soma dos produtos dos elementos de uma fila (linha ou coluna) pelos respectivos cofatores. Nota : É mais prático considerar a fila que contém o maior número de zeros. Exemplos : a) A = − ⎡ ⎣ ⎢ ⎢ ⎢ ⎤ ⎦ ⎥ ⎥ ⎥ 1 3 4 2 0 5 7 6 8 Det A = 3 . C12 + 0 . C22 + 6 . C32 c c12 1 2 321 2 5 7 8 1 51 51 13= − − = − − = = −+( ) . .( ) , (exemplo anterior) Det A= 3 . 51 + 6 . (-13) = 153 - 78 = 75 b) 2 3 1 0 0 2 0 3 5 1 4 0 0 0 0 6 0 0 0 6 6 6 3641 42 43 44− = + + + = =. . . . .c c c c c44 = − − = =+( ) . .1 2 3 1 0 2 0 5 1 4 16 64 4 2.1 Propriedades dos Determinantes. Seja A e B duas matrizes quadradas de ordem n . 1ª Propriedade Se todos os elementos de uma linha ou coluna de uma matriz quadrada forem nulos, o seu determinante é zero. 2ª Propriedade Se 2 linhas ou 2 colunas de uma matriz quadrada forem iguais ou proporcionais, seu determinante é nulo. 3ª Propriedade Se uma linha ou uma coluna de uma matriz quadrada for combinação linear de outras linhas ou colunas, seu determinante é nulo. Exemplos: 13 a) 3 5 1 0 0 0 2 1 7 0 1 3 2 0 1 4 1 3 2 0 2 4 4 1 0 2 3 5 6 0 − = − = − − =b c) ) L2 = 0 L1 = L3 C3 = 2.C1 4ª Propriedade O determinante de uma matriz quadrada é igual ao determinante de sua transposta. Exemplo : A = − − ⎡ ⎣ ⎢ ⎢ ⎢ ⎤ ⎦ ⎥ ⎥ ⎥ 1 1 1 1 0 3 1 5 1 , det A = - 6 ; A t = − − ⎡ ⎣ ⎢ ⎢ ⎢ ⎤ ⎦ ⎥ ⎥ ⎥ 1 1 1 1 0 5 1 3 1 , det A t = −6 5ª Propriedade Se multiplicarmos todos os elementos de uma linha ou de uma coluna por um número real k, então o determinante da nova matriz é o produto de k pelo determinante da primeira matriz. Exemplos : 1 1 1 1 0 3 1 5 1 6 2 1 1 2 0 3 2 5 1 12 3 3 3 1 0 3 1 5 1 18 − − = − − − = − − − = −; ; 2 C1 3.L1 6ª Propriedade Se trocarmos de posição entre si duas linhas ou duas colunas de uma matriz quadrada, o determinante da nova matriz é o oposto do determinante da primeira matriz. Exemplos: 1 1 1 1 0 3 1 5 1 6 1 5 1 1 0 3 1 1 1 6 1 1 1 0 1 3 5 1 1 6 − − = − − − = − − =; ; L13 C12 7ª Propriedade Se A e B são matrizes quadradas de mesma ordem, então Det (A.B)= Det A.det B 8ª Propriedade O determinante de uma matriz A triangular (superior ou inferior) é igual ao produto dos elementos da diagonal principal . Exemplos : 14 A = 1 3 4 0 6 4 0 0 3 ⎡ ⎣ ⎢ ⎢ ⎢ ⎤ ⎦ ⎥ ⎥ ⎥ ; Det A = 18 B = 3 0 0 0 0 4 3 0 0 0 5 7 2 0 0 2 8 6 1 0 7 4 3 7 2− ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ; Det B = - 36 9ª Propriedade O determinante da matriz A o determinante da matriz inversa de A têm a seguinte relação: A A det 1det 1 =− Exercícios: 1. Calcule os determinantes: a) − − 5 4 7 2 b) x y y x c) x y y x x y − − + d) 1 2 3 5 9 4 0 8 7 e) 3 4 2 1 5 1 2 3 4 f) 4 3 2 4 2 3 2 1 0 g) 1 2 3 4 2 0 0 5 6 0 3 0 1 0 0 4− h) 1 0 2 1 3 4 1 3 2 1 3 1 0 4 3 2 − − − i) 2 1 0 0 1 0 1 1 2 4 3 2 0 0 1 1 − − − 2. Resolva as equações abaixo : a) 2 3 2 0 1 2 3 2 − − =x x b) 2 2 3 2 3 2 1 0 4 1 3 2 x x x − − = 3. Explique porque nulidade dos determinantes : a) − − − 2 3 5 1 0 2 4 6 10 b) 2 0 4 1 0 5 3 0 6 − c) − − − 4 1 2 2 0 1 6 2 3 15 d) 1 3 4 3 0 1 1 1 2 5 5 5 1 0 0 0 − − − e) − − − 2 5 4 0 1 1 0 1 1 4.1. Sendo a b c d k calcule c d a b = − − , 4 4 4.2. Sendo m n p q k calcule m p n q= − −, 2 2 3 3 4.3. Sendo x y a b c d 1 1 1 =d , calcular: a) x y c d a b 1 1 1 b) x y c d a b 1 1 1 4.4. Sendo a b c d e f g h i calcular= 5 , : a) 2 2 2 a b c d e f g h i b) a b c d e f g h i 3 3 2 6 2 c) 2 2 2 3 3 3 a b c d e f g h i− − − d) 3 3 3 b a c e d f h g i e) a b c g h i d e f− − − f) a b c d e f a g b h c i2 2 2+ + + Respostas : 1. a) -18 b) x² - y² c) 2x² - y² d) 81 e) 29 f) 6 g) 78 h)12 i) 25 2. a) x = 2 ou x = 1 b) x = 0 ou x = -1/6 3. a) L3 = 2L1 b) C2 = 0 c) C1 = -2C3 d) C2 = C4 e)L3 = - L2 4.1) 4k 4.2) –6k 4.3) a) -d b) d 4.4) a) 10 b) 30 c) –30 d) -15 e) 5 f) 5 16 3 INVERSÃO DE MATRIZES 3.1 Introdução No início desta secção, o aluno encontrará alguns exercícios que possibilitam revisar o cálculo de determinantes, importante para a identificação de uma matriz inversível. O estudo de matriz inversa tem várias aplicações na Álgebra Linear, como por exemplo, na mudança de base de um espaço vetorial e resolução de equações matriciais. E1) Calcule os determinantes: a) 2− b) 31 12 − c) 423 145 021 − d) 300 640 311 − e) 20101 01003 0064 0001 − − E2) Resolva as equações: a) x10 0x1 154 − − − = 0 b) x2 9x2 = x213 132 x321 + − c) 351 034 00x2 = xsenxcos xcosxsen− 3.2 Matriz Inversa Uma matriz quadrada A é inversível se existir uma matriz quadrada B tal que AB = BA = I. A matriz B é chamada matriz inversa de A e é representada por A −1 . 3.2.1.1 Exemplo: 1 - Ache a inversa da matriz ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 41 32 A ⇒⎥ ⎦ ⎤ ⎢ ⎣ ⎡ =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⋅⎥ ⎦ ⎤ ⎢ ⎣ ⎡ 10 01 41 32 dc ba ⇒⎥ ⎦ ⎤ ⎢ ⎣ ⎡ =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ++ ++ 10 01 44 3232 dbca dbca ⎩ ⎨ ⎧ =+ =+ 04 132 ca ca ⇒ 5 4 =a e 5 1 −=c e ⎩ ⎨ ⎧ =+ =+ 14 032 db db ⇒ 5 3 −=b e 5 2 =d Logo ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − =− 5 2 5 1 5 3 5 4 1A Obs: O mesmo resultado seria obtido fazendo: ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⋅⎥ ⎦ ⎤ ⎢ ⎣ ⎡ 10 01 41 32 dc ba Exemplo. Determine, se existir, a inversa de: 17 a) ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ 35 12 b) ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ 45 23 c) ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − − 31 52 d) ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ 32 64 Exercicio: Use a definição acima para calcular a inversa da matriz A = ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ dc ba Sugestão: Resolva os sistemas pela regra de Cramer. DISPOSITIVO PRÁTICO Se A = ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ dc ba e det A ≠ 0 , então A −1 = Adet 1 ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − − ac bd 0AdetA 1 ≠⇔∃ − E4) Calcule as inversas das matrizes A = ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − − 12 23 e B = ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − − 72 51 . Propriedades da Matriz Inversa a) (A −1 ) −1 = A b) I n −1 = I n c) (αA) −1 = (1/α)A −1 , α≠ 0 d) (AB) −1= B −1A −1 Operações Elementares de Uma Matriz L ji - Permutação das linhas de ordem i e j. kL i - Multiplicação da linha de ordem i por k≠ 0. L i + kL j - Substituição da linha de ordem i pela sua soma com a linha de ordem j multiplicada por k≠ 0. Exercício: Complete corretamente as matrizes: A= ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ 31 52 L 12 ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ........ ........ L 2 - 2L 1 ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ........ ........ - L 2 ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ........ ........ L 1- 3L 2 ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ 10 01 Nota: Toda matriz inversível pode ser transformada, mediante um número finito de operações elementares, na matriz I 18 Exercício Aplique a seqüência L 12 , L 2 - 2L 1 , - L 2 , L 1- 3L 2 na matriz ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ 10 01 . ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ 10 01 L 12 ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ........ ........ L 2 - 2L 1 ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ........ ........ - L 2 ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ........ ........ L 1- 3L 2 ⎡ ⎣ ⎢ ⎤ ⎦ ⎥=B Exercício: Calcule AB e BA considerando A e B matrizes dos exercícios E5 e E6. O que se pode concluir ? 3.3 Inversão de Matriz por Operações Elementares A mesma seqüência de operações elementares que transforma uma matriz A em I n , transforma I n em A −1 . [ A I n ] seqüência de operações elementares [ I n A −1 ] Exercício: Determine a matriz inversa, caso exista, de cada uma das matrizes dadas: A = ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − 352 141 010 , B = ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ 53 21 , C = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ 1201 0301 0010 0120 e D = ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − − 304 202 011 Exercício: Mostre que t11t )A()A( −− = . Exercício: Resolva as equações matriciais na variável X, sabendo-se que A, B, C e X são matrizes inversíveis: a) AX = B b) AXB = C c) X −1AB −1 = C d) (AX −1 ) t = B e) AXB = BA f) A t X t = B Resposta: a) X=A-1B b) X=A-1CB-1 c) X= AB-1C-1 d) X=(Bt)-1A e) X=A-1BAB-1 f) X=BtA-1 3.4 Segunda Lista de Exercícios – Matriz Inversa e Determinantes 1) Determine, se existir, a inversa de: a) ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − − 12 37 b) ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ −− 128 23 4 c) ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− 52 156 2) Calcule o valor dos determinantes: a) 034 111 022 b) 610 240 350 − c) 231 112 135 − −− 19 d) 240 112 301 − e) 111 942 831 3) Resolva as equações: a) 0 75 2 = +xx b) 0 5 = x xx 4) Dadas as matrizes ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 42 31 A e ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− = 13 21 B , calcular o determinante da matriz (A . B). 5) Dadas as matrizes abaixo, calcule o valor de x de modo que det A = det B. ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ = x A 1 15 e ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎝ ⎛ − − = 112 21 12 x x B 6) Encontre os valores reais de x, na equação 14 22 031 10 00 310 012 = − +− x x x x . GABARITO 1) a) ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − − 72 31 b) não é inversível c) ⎟ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎜ ⎝ ⎛− 10 1 30 1 4 1 12 1 2) a) 2 b) 0 c) 41 d) 18 e) 0 3) a) 5 3) b) { }5,0 4) 14 5) { }3,1− 6) ⎭ ⎬ ⎫ ⎩ ⎨ ⎧ 3 14 20 4 SISTEMAS DE EQUAÇÕES LINEARES O estudo de sistemas de equações lineares é de fundamental importância na Álgebra Linear. Resolvendo sistemas de equações lineares podemos determinar: a dependência ou independência linear de vetores, o subespaço vetorial gerado por um conjunto de vetores, a matriz que representa uma transformação linear em bases dadas e vetores próprios de um operador linear. No final dessa secção, apresentaremos o método de Castilhos que pode ser utilizado na resolução de sistemas de equações lineares. 4.1 Equação Linear Toda equação da forma bxa...xaxa nn =+++ 2211 é denominada 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 incógnitas. b) 1−=+−+ tzyx é uma equação linear de quatro incógnitas. Observações: 1º) Quando o termo independente b for igual a zero, a equação linear denomina-se equação linear homogênea. Por exemplo: 05 =+ yx . 2º) Uma equação linear não apresenta termos da forma 21 2 1 x.x,x etc., isto é, cada termo da equação tem uma única incógnita, cujo expoente é sempre 1. As equações 323 2 2 1 −=+ xx e 24 =+ zy.x não são lineares. 3º) A solução de uma equação linear a n incógnitas é a sequencia de números reais ou ênupla ( )n,...,, ααα 21 , que, colocados respectivamente no 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, . Vejamos alguns exemplos: Exemplo 1: Dada a equação linear 24 =+− zyx , encontrar uma de suas soluções. Resolução: Vamos atribuir valores arbitrários a x e y e obter o valor de z. 0 2 = = y x ⇒ 6 2042 −= =+− z z. Resposta: Uma das soluções é a tripla ordenada (x, y, z) = (2, 0, -6). 21 Exemplo 2: Dada a equação 523 =− yx , determinar α para que a dupla (-1, α) seja solução da equação. Resolução: ( )α,1− ⇒ α= −= y x 1 ⇒ ( ) 482 523 521.3 −=⇔=− =−− =−− αα α α Resposta: α = – 4 4.2 Sistemas lineares. Denomina-se sistema linear de m equações nas n incógnitas nxxx ,...,, 21 todo sistema da forma: ⎪ ⎪ ⎪ ⎩ ⎪⎪ ⎪ ⎨ ⎧ =+++ =+++ =+++ nnmnmm nn nn bxaxaxa bxaxaxa bxaxaxa ... ... ... ... ... 2211 22222121 11212111 nn bbbaaa '2'1'11211 ,...,,,,...,,→ são números reais. 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 sistema 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. Esta solução chama-se solução trivial do sistema homogêneo. 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 ditos sistemas equivalentes. Veja o exemplo: ( ){ }21 42 53 1 −=⇒ ⎩ ⎨ ⎧ =− −=+ ,S yx yx :S ( ){ }21 1 3 2 2 3 2 −=⇒ ⎪ ⎪ ⎩ ⎪⎪ ⎨ ⎧ −= +− =+ ,S yx yx :S 22 Como os sistemas admitem a mesma solução {(1, -2)}, S1 e S2 são equivalentes. 4.3 Expressão Matricial de um Sistema de Equações Lineares. Dentre suas variadas aplicações, as matrizes são utilizadas na resolução de um sistema de equações lineares. Seja o sistema linear: ⎪ ⎪ ⎪ ⎩ ⎪⎪ ⎪ ⎨ ⎧ =+++ =+++ =+++ nnmnmm nn nn bxa...xaxa ... ... bxa...xaxa bxa...xaxa 2211 22222121 11212111 Utilizando matrizes, podemos representar este sistema da seguinte forma: ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ mnmm n n aaa aaa aaa ... ............ ............ ... ... 21 22221 11211 . ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ nx x x ... ... 2 1 = ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ nb b b ... ... 2 1 ↑ ↑ ↑ Observe que se você efetuar a multiplicação das matrizes indicadas irá obter o sistema dado. Se a matriz constituída pelos coeficientes das incógnitas for quadrada, o seu determinante é dito determinante do sistema. Exemplo3: Seja o sistema: ⎪ ⎩ ⎪ ⎨ ⎧ =−+ −=+− =−+ 827 1634 052 321 321 321 xxx xxx xxx . O sistema pode ser representado por meio de matrizes, da seguinte forma: ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ −= ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − − 8 1 0 . 217 634 152 3 2 1 x x x ou seja A X = B Matriz A constituída pelos coeficientes das incógnitas Matriz B coluna constituída pelos termos independentes Matriz X coluna constituída pelas incógnitas 23 onde: ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ −= ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ = ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − − = 8 1 0 B X ; 217 634 152 3 2 1 e x x x A Exercícios sobre Expressão Matricial 1. Expresse matricialmente os sistemas: a) ⎩ ⎨ ⎧ =− =+ 03 52 yx yx b) ⎪ ⎩ ⎪ ⎨ ⎧ =−+− =+ −=++ 253 0 12 cba ca cba 2. A expressão matricial de um sistema S é: ⎥ ⎦ ⎤ ⎢ ⎣ ⎡− =⎥ ⎦ ⎤ ⎢ ⎣ ⎡ ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 7 4 13 52 b a . . Determine as equações de S. 4.4 Solução de um Sistema de Equações Lineares Os sistemas lineares são classificados, quanto ao número de soluções, da seguinte forma: Considere o sistema de uma equação e uma incógnita: a.x = b Existem três possibilidades: i) a ≠ 0. Neste caso a equação tem uma única solução: a bx = ii) a = 0 e b = 0 ⇒ 0.x = 0. Qualquer número real será solução da equação. 24 iii) a = 0 e b ≠ 0 ⇒ 0.x = b. Não existe solução para esta equação. Exemplo 1: ⎩ ⎨ ⎧ =− =+ 63 52 yx yx O conjunto de pontos (x,y) ∈ RxR que satisfaz cada equação deste sistema representa uma reta no plano. ⎪⎩ ⎪ ⎨ ⎧ +− = −= 3 6 25 xy xy Deste modo, temos uma única solução. A matriz ampliada do sistema é ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 631 512 Transformando-a em matriz linha reduzida a forma escada: ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 631 512 L1 ↔ L2 à ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 512 631 –2L1+ L2 = L2 à ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − − 770 631 L2/7à L2 -à ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − − 110 631 3L2 + L1 à L1 à ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ −110 301 à x = 3 y = –1 Observação: Posto da matriz dos coeficientes = posto da matriz ampliada = 2 Exemplo 2: ⎩ ⎨ ⎧ =+ =+ 1536 52 yx yx As duas retas são coincidentes: ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ 1536 512 ⎯⎯⎯⎯ →⎯ =+− 221.3 LlL ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ 000 512 ⎯⎯⎯ →⎯ = 11 2/ LL ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ 000 2/52/11 Portanto, o sistema acima é equivalente ao sistema ⎪⎩ ⎪ ⎨ ⎧ =+ =+ 000 2 5 2 1 yx yx Onde a 2ª equação pode ser ignorada pois não estabelece nenhuma condição sobre x ou y. O conjunto de soluções deste sistema será dado atribuindo-se valores arbitrários para uma das incógnitas (no caso y) e tomando a outra (x) em função da primeira. x = 2 5 – 2 1 y 5 2,5 –2 6 y = 5 – 2x y = (– 6 + x)/3 5 2,5 x y 25 Assim, para y = λ, temos: ⎪⎩ ⎪ ⎨ ⎧ = −= λ λ y x 2 1 2 5 Atribuindo diversos valores para λ obtemos várias soluções para o sistema. Por exemplo: λ = 0 à ⎪⎩ ⎪ ⎨ ⎧ = = 0 2 5 y x λ = 1 ⎩ ⎨ ⎧ = = 1 2 y x , etc. Obs.: posto da matriz dos coeficientes = posto da matriz amplificada = 1 Nulidade da matriz dos coeficientes = 2 – 1 = 1 Grau de liberdade do sistema = 1: o sistema apresenta uma variável livre. Exemplo 3: ⎩ ⎨ ⎧ =+ =+ 1036 52 yx yx à retas paralelas ⎪⎩ ⎪ ⎨ ⎧ −= −= xy xy 2 3 10 25 Portanto, não possuem nenhum ponto em comum. Logo, o sistema não tem solução. ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ 1036 512 –3L1+L2 = L2 à ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − 500 512 L2/-5 = L2 e L1/2 = L1 ⎥ ⎦ ⎤ ⎢ ⎣ ⎡ 100 2/52/11 Portanto, o sistema inicial é equivalente a ⎪⎩ ⎪ ⎨ ⎧ =+ =+ 100 2 5 2 1 yx yx Não existe nenhum valor de x ou y que satisfaça a 2ª equação. Assim, o sistema inicial não tem solução. Obs.: posto da matriz dos coeficientes = 1 Posto da matriz ampliada = 2 x y 26 CASO GERAL Considere o sistema de m equações lineares com n incógnitas: ⎪ ⎪ ⎩ ⎪ ⎪ ⎨ ⎧ =+++ =+++ =+++ mnmnmm nn nn bxaxaxa bxaxaxa bxaxaxa ... ... ... .... 2211 22222121 11212111 aij, bi ∈ R (ou C) Este sistema poderá ter: i) Solução única (possível e determinado) Ex: ⎩ ⎨ ⎧ =− =+ 63 52 yx yx Solução = {(3, –1)} ii) Infinitas soluções (possível e indeterminado) Ex: ⎩ ⎨ ⎧ =+ =+ 1536 52 yx yx Solução = ⎪⎩ ⎪ ⎨ ⎧ = −= λ λ y x 2 1 2 5 , λ ∈ R. iii) Nenhuma solução (impossível ou incompatível) Ex: ⎩ ⎨ ⎧ =+ =+ 1036 52 yx yx a segunda equação será do tipo: 0x + 0y = c Observação: Lembramos que: dado um sistema como na definição acima, temos duas matrizes a ele associado: C = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ mnmm n n aaa aaa aaa ... ............ ... 21 22221 1...1211 A = ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ nmnmm n n baaa baaa baaa ... ............... ... ... 21 222221 111211 Matriz dos Coeficientes Matriz Ampliada Teorema: i) Um sistema de m equações e n incógnitas admite solução se, e somente se o posto da matriz ampliada é igual ao posto da matriz dos coeficientes; ii) Se as duas matrizes têm o mesmo posto p e p = n, a solução será única; iii) Se as duas matrizes têm o mesmo posto p e p < n, podemos escolher n – p incógnitas, e as outras p incógnitas serão dadas em função destas. Neste caso, dizemos que o grau de liberdade do sistema é (n – p). Em cada exemplo, é dada a matriz-linha reduzida a forma escada da matriz ampliada. Usamos a notação pc = posto da matriz dos coeficientes e pa = posto da matriz ampliada. Se pc = pa denotamos simplesmente por p. 27 Exemplos: 1) ( ){ }3,6,10 284 3532 52 −−= ⎪ ⎩ ⎪ ⎨ ⎧ =+−− −=−+ =+− S zyx zyx zyx 2) ( ){ }3,4,1 93 102 122 −= ⎪ ⎩ ⎪ ⎨ ⎧ = −=− =+− S z zy zyx 3) ( ){ }ℜ∈−+−= ⎩ ⎨ ⎧ =+ =++ αααα /,15,332 15 284 S zy zyx 4) ⎭ ⎬ ⎫ ⎩ ⎨ ⎧ ℜ∈⎟ ⎠ ⎞ ⎜ ⎝ ⎛ −−−−= ⎩ ⎨ ⎧ =++ =+++ βαβα βαβα ,/, 2 5, 2 3 52 4 S wzy wzyx 5) ⎭ ⎬ ⎫ ⎩ ⎨ ⎧ ℜ∈⎟ ⎠ ⎞ ⎜ ⎝ ⎛ −= ⎪ ⎩ ⎪ ⎨ ⎧ =−− =−− =++ ααα /,, 3 10, 3 35 25333 202 15 S zyx zyx zyx 6) ( ){ }1,5,7 1423 93 3 −−= ⎪ ⎩ ⎪ ⎨ ⎧ −=−+ =++− −=++ S zyx zyx zyx 7) φ= ⎪ ⎩ ⎪ ⎨ ⎧ =−−− −=−+− =−− S zyx zyx zyx 933 53 102 4.5 Regra de Cramer A regra de Cramer consiste num método para se resolver um sistema linear. ⎪ ⎪ ⎪ ⎩ ⎪⎪ ⎪ ⎨ ⎧ =+++ =+++ =+++ nnmnmm nn nn bxa..xaxa ... ... bxa..xaxa bxa..xaxa 2211 22222121 11212111 :sistema o Seja Vamos determinar a matriz A dos coeficientes das incógnitas: 28 ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = mnmm n n a...aa ... ... ... a...aa a...aa A 21 22221 11211 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. ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = mnmn n n x aab aab aab A ... ... ... ... ... ... 2 2222 1121 1 Pela regra de Cramer, temos : Adet Adetx x11 = De maneira análoga podemos determinar os valores das demais incógnitas: ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = mnnm n n x a...ba ... ... ... a...ba a...ba A 1 2221 1111 2 Adet Adetx x22 =⇔ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = nmm xn b...aa ... ... ... b...aa b...aa A 21 22221 11211 Adet Adetx xnn =⇔ Generalizando, num sistema linear o valor da incógnita x1 é dado pela expressão: Adet Adetx ii = → ⎪ ⎪ ⎩ ⎪ ⎪ ⎨ ⎧ tes.independen termosdos coluna pela xde escoeficient dos colunas as se-dosubstituinA de obtida matriz a é A sistema. do incompleta matriz a éA i i Exemplo para um sistema com 3 equações e 3 incógnitas: Seja o sistema temos a matriz As matrizes constituídas pelos coeficientes das incógnitas são: 29 Assim, temos as soluções: Vejamos alguns exemplos. Exemplo 4: Resolver o sistema ⎩ ⎨ ⎧ −=+ =− 25 72 yx yx . 11 51 12 =⇒⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − = AdetA 33 52 17 11 =⇒⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − − = AdetA 11 21 72 22 −=⇒⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − = AdetA 3 11 331 === Adet Adetx 1 11 112 −=−== Adet Adety Resposta: ( ){ }13−= ,S Exemplo 5: Resolver o sistema ⎩ ⎨ ⎧ =−− =+ 2 5 yx yx . 0 11 11 =⇒⎥ ⎦ ⎤ ⎢ ⎣ ⎡ −− = AdetA 7 12 15 −=⇒⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − = xx AdetA 7 21 51 =⇒⎥ ⎦ ⎤ ⎢ ⎣ ⎡ − = yy AdetA 0 7− == Adet Adetx x impossível 0 7 == Adet Adet y y impossível Resposta: φ=S Exemplo 6: Resolver o sistema ⎪ ⎩ ⎪ ⎨ ⎧ =++ =+− =−+ 1 10543 02 321 321 321 xxx xxx xxx . 1º) Cálculo do determinante da matriz incompleta. 126543104 111 543 121 −=−−−−+−=⇒ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − = AdetA 2º) Cálculo do determinante das incógnitas. 24200410100 111 5410 120 11 −=−+−−+=⇒ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − = AdetA 1205103010 111 5103 101 22 =+−+−+=⇒ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − = AdetA 30 061000204 111 1043 021 33 =−−+++−=⇒ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ −= AdetA 3º) Cálculo das incógnitas. 2 12 241 1 =− − == Adet Adetx 1 12 122 2 −=− == Adet Adetx 0 12 03 3 =− == Adet Adetx Resposta: ( ){ }0 ,1 ,2 −=S Sistema Possível e Determinado. Exercícios sobre Regra de Cramer 1. Solucione os sistemas a seguir, utilizando a regra de Cramer. a) ⎩ ⎨ ⎧ −=− =+ 432 52 yx yx Resp: {(1,2)} b) ⎩ ⎨ ⎧ =+ =− 93 143 yx yx Resp: {(3,2)} 2. Calcule os valores de x, y e z nos sistemas: a) ⎪ ⎩ ⎪ ⎨ ⎧ =−+ =+− =−+ 3233 932 22 zyx zyx zyx Resp: {(1,2,3)} b) ⎪ ⎩ ⎪ ⎨ ⎧ =−− =−− =−+ 03 05 010 zy zx yx Resp: {(6,4,1)} 3. Resolva as equações matriciais: a) ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − =⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ − 13 9 31 12 y x . Resp: ⎟⎟ ⎠ ⎞ ⎜⎜ ⎝ ⎛ 5 2 b) ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎝ ⎛ = ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎝ ⎛ ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎝ ⎛ − 8 2 2 115 632 741 z y x . Resp: ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎝ ⎛ −1 2 1 4.6 Sistemas Triangulares ou Escalonados Considerando um sistemas genérico m x n, dizemos que ele é triangular ou esta na forma escalonada quando os coeficientes aij, com i > j , são todos nulos. Ou seja a matriz estendida está na forma triangular. Exemplo 11: a) ⎪ ⎩ ⎪ ⎨ ⎧ = =+ =+− 84 123 752 z zy zyx b) ⎩ ⎨ ⎧ −=+ =++ 454 11723 zy zyx c) ⎩ ⎨ ⎧ =+ =+++ 1054 92 tz tzyx Classificação e resolução de sistemas lineares escalonados. Exemplo 12: 31 ⎪ ⎩ ⎪ ⎨ ⎧ = =− −=+− 105 024 623 z zy zyx Sistema 3 x 3 já escalonado (número de equações = número de incógnitas) Da 3ª equação tiramos z = 2 Da 2ª equação, fazendo z = 2, tiramos y = 1 Fazendo y =1 e z = 2 na 1ª equação tiramos x = -2 Podemos concluir que o sistema é possível e determinado, com S={(-2,1,2)}. Exemplo 13: ⎪ ⎪ ⎩ ⎪ ⎪ ⎨ ⎧ = =+ =+− =−+− 90 325 642 1329 w wz wzy wzyx Sistema 4 x 4 na forma triangular ou escalonado. A 4ª equação permite dizer que o sistema é impossível, logo S = ∅ . Exemplo 14: ⎩ ⎨ ⎧ =− =++ 063 0 zy zyx Sistema 2 x 3 já escalonado (número de equações menor que o número de incógnitas) 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 solução geral é (-3k, 2k, k). Exemplo 15: ⎩ ⎨ ⎧ =+ =−+− 132 22 tz tzyx Aqui o sistema é possível e indeterminado (está escalonado e tem 2 equações e 4 incógnitas) e duas são variáveis livres (y e t). Fazemos ReRcom,tey ∈β∈αβ=α= . Substituindo nas equações: 32 4 3523524 4231242 2 312 2 31312132 +β+α =⇒+β+α=⇒ ⇒+β+β+−α=⇒=β− β− +α− β− =⇒β−=⇒=β+ xx xx zzz Solução geral: ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ β β− α +β+α ,,, 2 31 4 352 Exercícios: Classifique e resolva os sistemas lineares escalonados: a) ⎪ ⎩ ⎪ ⎨ ⎧ −= =− =+− 62 12 032 z zy zyx b) ⎩ ⎨ ⎧ =− =+− 0 223 zy zyx c) ⎩ ⎨ ⎧ =− =+−+ 0 22 dc dcba 4.7 Processo para Escalonar um Sistema Linear Para escalonar um sistema linear pode utilizar as transformações elementares sobre as linhas do sistema. Transformações Elementares 1º Trocar a posição de duas equações do sistema. Exemplo 16: ⎩ ⎨ ⎧ =− =+ ⇒ ⎩ ⎨ ⎧ =+ =− 623 14 14 623 yx yx yx yx 2º Multiplicar todos os termos de uma equação por um número real diferente de zero: Exemplo 17: 1022653 =+−⇒=+− zyxzyx 3º Adicionar duas equações do sistema. Exemplo 18: ( ) ⎩ ⎨ ⎧ =− =+− ⇒ ⎩ ⎨ ⎧ +↵=+− −⋅=+− 43 742 25953 3742 zy zyx zyx zyx Exemplo 19: 33 ( ) ( ) ⎪ ⎩ ⎪ ⎨ ⎧ −=− =+ =++ ⎪ ⎩ ⎪ ⎨ ⎧ +↵=− −⋅=+ =++ ⇒ ⎪ ⎩ ⎪ ⎨ ⎧ =+ =− =++ ⇒ ⎪ ⎩ ⎪ ⎨ ⎧ +↵−=+−− ↓+↵=++ ⋅−⋅=++ 3216 135 72 73 3135 72 135 73 72 8253 2172 3272 z zy zyx zy zy zyx zy zy zyx zyx zyx zyx O sistema obtido está escalonado e é equivalente ao sistema dado. Podemos agora resolver: 17232 31325 2 16 32 −=⇒=+⋅+ =⇒=⋅+ == xx yy z Sistema possível e determinado, com S = {(-1,3,2)} Exemplo 20: ( ) ( ) ⇒ ⎪ ⎩ ⎪ ⎨ ⎧ =++ −=+− =−+ ⇒ ⎪ ⎩ ⎪ ⎨ ⎧ +↵=−+ ↓+↵=+− −⋅−⋅=−+ )inarlime(zyx zy zyx zyx zyx zyx 0000 847 32 6242 13 2332 ⎩ ⎨ ⎧ −=+− =−+ 847 32 zy zyx Sistema possível e indeterminado (escalonado e 2 x 3). Variável livre: z. 7 48 847 α+ = ⇒−=α+−⇒α= y yz 7 53 7 482 α−=⇒=α−⎟ ⎠ ⎞ ⎜ ⎝ ⎛ α+⋅+ xx Solução geral: ⎟ ⎠ ⎞ ⎜ ⎝ ⎛ α α+α− ,, 7 48 7 5 Nota: Se no processo de escalonamento obtivermos uma equação com todos os coeficientes nulos e o termo independente diferente de zero, esta equação é suficiente para afirmar que o sistema é impossível., isto é, S = ∅ . 34 4.8 Método de Eliminação de Gauss Dado o sistema Sn , a matriz estendida é: ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ = nnnnn n n baaa baaa baaa B 21 222221 111211 ... ... O método de Gauss consiste em transformar a matriz B em uma matriz triangular superior, da seguinte forma: ⎥ ⎥ ⎥ ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎢ ⎢ ⎢ ⎣ ⎡ n n n n b ba baa baaa 1000 100 10 1 33 2223 111312 , onde os índices superiores indicam o número de modificações realizadas em cada linha. Aplica-se o processo retroativo para se obter a solução desejada. Exempo21: Resolver o sistema pelo método de Eliminação de Gauss. Solução: → ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − − → −= −= = → ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − → ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − 5,7525,75,680 5,4262,3988,20 75,119,094,21 25 2 36/ 3212525 394032 63710636 3212525 63710636 394032 133 122 11 LLL LLL LL → ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ −− − → += −= → ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ − − − → 315,39315,3900 106,1106,010 75,119,094,21 88,2 )5,68/( 5,4262,3988,20 75,7525,75,680 75,119,094,21 233 22 LLL LL ⎥ ⎥ ⎥ ⎦ ⎤ ⎢ ⎢ ⎢ ⎣ ⎡ −− − →=→ 1100 106,1106,010 75,119,094,21 315,39/33 LL Pelo Processo Retroativo temos: x3 = 1 x2 = - 1,106 + 0,106 = -1 x1 = -1,75 - 0,19 + 2,94 = 1 Resp.: = (1 -1 1)t 35 4.9 Exercícios sobre Sistemas de Equações Lineares 1. Dada a equação linear 72 =− yx , verifique se os pares abaixo são soluções: a) (2, -3) b) (2, 7) c) (5, 3) 2. Verifique se as triplas ordenadas abaixo são soluções da equação 142 =++ zyx . a) (-1, 3, -1) b) (0, -4, -1) c) (1, 1, 1) 3. Determine m de modo que o par (m, 2m + 1) seja solução da equação 4113 =− yx . 4. Verifique se (1, 1, 1) é solução do sistema: ⎪ ⎩ ⎪ ⎨ ⎧ =+− =+− =−+ 81152 8327 55 zyx zyx zyx 5. (UE-RJ) Em um restaurante há 12 mesas, todas ocupadas. Algumas, por 4 pessoas; outras por apenas 2 pessoas, num total de 38 fregueses. Qual o número de mesas ocupadas por apenas 2 pessoas? 6. Resolva os sistemas abaixo usando o método de escalonamento: a) ⎩ ⎨ ⎧ =+ =+ 053 02 yx yx b) ⎪ ⎩ ⎪ ⎨ ⎧ =++ =++ =−+ 075 032 0 zyx zyx zyx c) ⎪ ⎩ ⎪ ⎨ ⎧ =−− =−+ =−+ 03 04 023 zyx zyx zyx d) ⎩ ⎨ ⎧ =− =−+ 0 03 yx zyx e) ⎪ ⎩ ⎪ ⎨ ⎧ −= =− =−+− 1 0 16 w yx wzyx f) ⎪ ⎩ ⎪ ⎨ ⎧ −=+− =−− =+− 582 232 12 zyx zyx zyx g) ⎪ ⎪ ⎩ ⎪ ⎪ ⎨ ⎧ −=+ =− =+ =− 122 32 24 1 yx xy wx zx h) ⎪ ⎩ ⎪ ⎨ ⎧ =+−+ =− =− 73 3 2 wzyx wx wx 7. (FUVEST) João diz a Pedro: se você me der 1/5 do dinheiro que possui eu ficarei com uma quantia igual ao dobro do que lhe restará. Por outro lado, se eu lhe der R$ 6.000,00 do meu dinheiro nós ficaremos com quantias iguais. Quanto dinheiro possui cada um? 8. (UNICAMP) Em um restaurante, todas as pessoas de um grupo pediram um mesmo prato principal e uma mesma sobremesa. Com o prato principal o grupo gastou R$56,00 e com a sobremesa R$35,00; cada sobremesa custou R$3,00 a menos do que o prato principal. a) Encontre o número de pessoas neste grupo. b) Qual o preço do prato principal? 9. O sistema abaixo é escalonado. Para que valores de m o sistema admite somente a solução nula ou trivial? ( )⎩ ⎨ ⎧ =+ =− 01 03 ym yx 10. Seja o sistema ⎩ ⎨ ⎧ =+ =− 02 02 myx yx . Escalone-o e determine m para que o sistema admita: a) solução nula: b) soluções não-nulas. 36 11. Resolva os sistemas pelo método que achar mais conveniente. a) ⎩ ⎨ ⎧ =+ =+ 523 04 yx yx b) ⎩ ⎨ ⎧ −=+− =− 33 22 yx yx c) ⎩ ⎨ ⎧ −=+− =− 1 645 yx yx d) ⎪ ⎩ ⎪ ⎨ ⎧ =−+ −=+ =+− 724 132 13 zyx zx zyx e) ⎪ ⎩ ⎪ ⎨ ⎧ =++ −=−+ =++ 0232 1 1 zyx zyx zyx 12. Discuta, em função de m, os seguintes sistemas: a) ⎩ ⎨ ⎧ =+ =+ 62 3 myx yx b) ⎩ ⎨ ⎧ =− =+ 236 2 yx mmyx c) ⎩ ⎨ ⎧ =− =+ yxmy mxyx 2 2 d) ( )⎩ ⎨ ⎧ =+− =− 421 1 myxm ymx e) ⎪ ⎩ ⎪ ⎨ ⎧ =+ =− =+ 2 2 yx myx ymx f) ⎪ ⎩ ⎪ ⎨ ⎧ =− =++ =−+ 2 0 4 yx zmyx zymx g) ⎪ ⎩ ⎪ ⎨ ⎧ −=++ =−+− −=+ 54 2 2 mzyx mzyx ymx 13. Nos exercícios abaixo encontre condições para as constantes a, b, c e d, de forma que estes sistemas sejam consistentes. a) ⎩ ⎨ ⎧ =− =− byx ayx 23 46 b) ⎪ ⎩ ⎪ ⎨ ⎧ =−+− =+− =+− czyx bzyx azyx 333 854 52 c) ⎪ ⎪ ⎩ ⎪ ⎪ ⎨ ⎧ =++− =−++− =+++− =++− dwzyx cwzyx bwzyx awzyx 334 223 52 23 14. Em cada item abaixo determine se o sistema homogêneo tem uma solução não trivial. a) ⎪ ⎪ ⎩ ⎪ ⎪ ⎨ ⎧ = =+ =++ =+−+ 03 02 0345 032 w wz wzy wzyx b) ⎪ ⎪ ⎩ ⎪ ⎪ ⎨ ⎧ = =+ =− =+++ 07 0 02 045 w wz wz wzyx 15) Um comerciante compra no exterior vidros de vitaminas de dois tipos. Cada vidro do tipo I custa 10 dólares e, do tipo II, 15 dólares. Se ele fez uma compra de 35 vidros, gastando 400 dólares, quantos vidros de cada tipo comprou? Gabarito 1) a) O par (2, –3) é solução b) O par (2, 7) não é solução c) O par (5, 3) é solução 2) a) a tripla (-1, 3, -1) é solução b) (0, -4, -1) não é solução. c) (1, 1, 1) não é solução 3) (m = –15/19) 4) Como a terna (1, 1, 1) é solução para todas as equações, a terna é solução do sistema. 5) Há 5 mesas ocupadas por duas pessoas. 6) Resolva os sistemas abaixo: Resolução por escalonamento. 37 a) S = {(0, 0)}; b) S = {(4α, -3α, α), com α ∈ R}; c) S = {(0, 0, 0)}; d) S = {( 2 3α , 2 3α , α), com α ∈ R} e) S = {(1 + α, α, 6 1 − , - 1), com α ∈ R}; f) S = Ø; g) S = {( 24 19, 6 13, 3 2, 6 7 −− )}; h) S = Ø 7) João tem R$ 42 000 e Pedro, R$ 30 000.; 8) Há 7 pessoas no grupo que está no restaurante e o preço do prato principal é 8 reais. 9) m deve ser diferente de -1. 10) a) m ≠ - 4; b) o sistema admite solução não nula quando m = - 4. Nesse caso o sistema será possível e indeterminado (SPI) 11) a) {(2, -1/2)} b) S = {( 5 3 , 5 4 − )} c) S = {(2, – 11)} d) S = {(1, 1, –1)} e) S = {(2, –2, 1)} 15) O comerciante comprou 25 vidros do tipo I e 10 vidros do tipo II. 38 5 VETORES 5.1 Introdução Noção Intuitiva de vetores. Existem grandezas, chamadas escalares, que são caracterizadas por um número (unidade): 50M2 de área, 4m de comprimento, 7Kg de massa. Outras, no entanto, requerem mais que isso. Por exemplo, para caracterizarmos uma força ou uma velocidade, precisamos dar a direção, a intensidade (ou módulo) e o sentido: Uma força de 4 N Uma velocidade de 5m/s 60º 4 F 5 4 3 39 Tais grandezas são chamadas vetoriais. Nos exemplos acima as flechas nos dão ideia exata das grandezas mencionadas. Vetores são seguimentos de reta orientados que têm uma direção um sentido e um comprimento. Definição 1: Um segmento orientado é um par ordenado (A,B) de pontos do espaço. A é dito origem, B extremidade do segmento orientado. Os segmentos orientados da forma (A,A) são ditos nulos. Observe que se A ≠ B, (A,B) é diferente de (B, A). Definição 2 : Comprimento Dizemos que os segmentos orientados (A,B) e (C,D) têm o mesmo comprimento se os segmentos geométricos AB e CD têm o mesmo comprimento. Podemos dizer ainda que, fixada uma unidade de comprimento, a cada segmento podemos fixar um número real (positivo ou nulo),que é a sua medida em relação àquela unidade. NOTAÇÃO : AB à comprimento do segmento AB. possui: 40 Direção: Dados dois segmentos orientados não nulos AB e CD, dizemos que eles têm a mesma direção se AB e CD são paralelas ou coincidentes Sentido: Se os segmentos orientados AB e CD têm o mesmo sentido caso os segmentos AC e BD tenham interseção vazia. Caso AB ∩ CD ≠ ø, dizemos que AB e CD têm o mesmo sentido. 41 Mesma direção e mesmo sentido Mesma direção e sentidos opostos Só podemos comparar os sentidos de dois segmentos orientados se eles têm a mesma direção, ou seja, forem paralelos. Dois segmentos opostos têm sentidos contrários. mesmo sentido Sentidos opostos A C B D A D B C 42 5.2 Operação com Vetores 43 44 .......... A 45 ...... 46 47 48 49 50 5.3 Vetores no Rn considerar uma quádrupla 51 5.4 Operação com Vetores no Rn 52 53 54 colineares 55 56 57 58 GABARITO 1. a) 7 b) 2 c) 1 d) 1 e) 6 f) 5 2. d 3. a) AH b) BE c) CA d) AF e) CF f) AF 4. módulo: 300 m sentido: para a esquerda direção: leste-oeste. 5. kgfF 401 = e kgfF 302 = ou kgfF 301 = e kgfF 402 = . 6. BHAG = 59 5.5 Produto Interno 60 Distancia entre dois vetores Chama-se distância do vetor x ao vetor y, o número real positivo definido por: d(x,y) = √ (x1 - y1)2 + (x2 - y2) 2 + ….+ (xn - yn) 2 61 5.6 Decomposição de Vetores 62 5.7 Produto Vetorial 63 paralelogramo 5.8 Produto Misto 64 65 66 67 68 6 ESPAÇOS VETORIAIS Definição: Seja V um conjunto não vazio de objetos, chamados vetores, no espaço K (K = R ou K = C). Dizemos que V é um espaço vetorial sobre R se, e somente se, existe uma ‘adição’ entre os elementos de V e uma ‘multiplicação’ entre os elementos de K e os elementos de V. Então V é chamado de espaço vetorial sobre K (e os elementos de V são chamados vetores), se: ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) .Vx ,xx1 .10 .xxVx ,K , .9 .xxxVx ,K , .8 .yxyxVy ,x ,K .7 .0xx/Vx Vx .6 .Vx ,x0x/V0 . .5 .xyyxVy ,x .4 .zyxzyxVz ,y ,x .3 .Vxv xK, 2. V.y x, V,y)(x .1 ∈∀=⋅ ⋅βα=β⋅α⇒∈∀∈βα∀ β+α=β+α⇒∈∀∈βα∀ α+α=+α⇒∈∀∈α∀ =−+∈−∃⇒∈∀ ∈∀=+∈∃ +=+⇒∈∀ ++=++⇒∈∀ ∈α⇒∈∀∈α∀ ∈∀∈+ Exemplo: V = Rn, K = R ⎪⎩ ⎪ ⎨ ⎧ ∈=⋅ ∈+++=+ ⇒ ⎩ ⎨ ⎧ = = ⇔∈ ∈ n 21 n 2211 21 21 n R ) ,..., ,( R ),...,,( ),...,,( ),...,,( K Ry , n nn n n xxxx yxyxyxyx yyyy xxxx x αααα α Propriedades imediatas: ( ) 0ou x 0 0x V, x K, x )x(- )x()x(x)( V x K, 0 x 0 V x 0 0 K ==α⇒=⋅α∈∀∈α∀ ⎩ ⎨ ⎧ α=−α −α=α−=α− ⇒∈∀∈α∀ =⋅⇒∈∀ =⋅α⇒∈α∀ Exemplos: 1) Seja V o primeiro quadrante do plano xy , isto é, seja ⎭ ⎬ ⎫ ⎩ ⎨ ⎧ ≥≥⎥ ⎦ ⎤ ⎢ ⎣ ⎡ = 0,0: yx y x V . a) Se u e v estão em V , será que vu + está em V ? b) Determine um certo vetor v , em V , e um certo escalar c tal que cv não pertença a V . (Isto é suficiente para mostrar que V não é um espaço vetorial.) 2) Verifique se R2 é um espaço vetorial. 69 3) Verifique se R3 é um espaço vetorial. 4) Verificar se são espaços vetoriais do R3: a) V= {(x, y, z) ∈ R3 / x = 0}. b) V = {(x, y, z) ∈ R3 / x + y = 0 e z = -2}. 6.1 Subespaços Vetoriais Genericamente podemos dizer que um subespaço é um subconjunto de um espaço vetorial desde que seja ele mesmo um espaço vetorial em relação às mesmas operações em V. Definição: Seja V um espaço vetorial e W um subconjunto não-vazio de V. Se W é um espaço vetorial em relação às operações em V, dizemos que W é um subespaço de V, ou seja: W. x). ( W x K, 3. W. y) (x W y x, 2. W. 0 .1 ∈α⇒∈∀∈α∀ ∈+⇒∈∀ ∈ Exemplo 1: Todo espaço vetorial tem pelo menos dois subespaços, ele mesmo e o subespaço {0} que tem como único elemento o vetor nulo. Observe que: 0 + 0 = 0 e k . 0 = 0 em qualquer espaço vetorial. O subespaço {0} é chamado subespaço nulo. Exemplo 2: Seja W o subconjunto de R3 formado por todos os vetores da forma (a, b, 0), onde a e b são números reais quaisquer. Para verificar se W é um subespaço de R3, devemos verificar as propriedades. Desta forma, sejam u = (m, n, 0) e v = (p, q, 0) vetores em W. Temos que u + v = (m+p, n+q, 0) que também pertence a W. Consideremos agora r um escalar qualquer e o vetor u, então ru = (rm, rn, 0) que também pertence a W. Logo as propriedades de espaço vetorial estão satisfeitas e, portanto W é um subespaço de R3. Exemplos: 1) Mostre que os seguintes subconjuntos de R4 são subespaços: a) W = {(x, y, z, t)∈R4 / x + y = 0 e z – t = 0} b) U = {(x, y, z, t)∈R4 / 2x + y – t = 0 e z = 0} 2) Verifique se S = {(x, y, z, t) ∈ R4 / x + 2y – z = 0 e t = 0} é um subespaço vetorial. (Resp. S é subespaço de R4). 3) Seja V = R2 e K = R. Verifique se W = {(a, b)∈R2 / (a + b)∈Z} é subespaço de V. (Resp. W não é subespaço de V.) 4) Verificar se ⎭ ⎬ ⎫ ⎩ ⎨ ⎧ ∈⎥ ⎦ ⎤ ⎢ ⎣ ⎡ −+ − = Rb,a; bba a2ba S é um subespaço de M(2, 2). (Resp. S é subespaço de M(2, 2)). 70 5) Seja V = R2 e K = R. Verifique se W = {(a, b)∈R2 / a + b = 0} é subespaço de V. 6.2 Combinação Linear Definição: Seja V um espaço vetorial sobre um corpo K. Dizemos que o vetor y ∈ V é combinação linear dos vetores x1, x2, ..., xn de V se, e somente se, existem escalares n21 ,..., , ααα tais que nn2211 x...xxy α++α+α= . Exemplos 1) Escreva, se possível, z como combinação linear de u e v em R3 onde ( )3,2,1=z , ( )4,1,2−=u e ( )13,7,1=v . 2) Escreva, se possível, 2321 ttv +−= como combinação linear de tx 21+= , 2tty −= e 231 ttz ++= em P2(R). 3) Consideremos os vetores u = (1, -3, 2) e v = (2, -1, 1) em R3. a) Escreva (1, 7, -4) como combinação linear de u e v. b) Escreva (2, -5, 4) como combinação linear de u e v. c) Para que valor de k, w = (1, k, 5) é uma combinação linear de u e v? 4) Escreva u como combinação linear dos polinômios 432 2 −+= ttv e 322 −−= ttx , onde: a) u = 3t2 + 8t - 5 b) u = 4t2 - 6t - 1 6.3 Dependência e Independência Linear O primeiro fato importante a destacar sobre combinações lineares é que elas são resultados das operações com vetores, definidas no espaço vetorial: adição e multiplicação por um escalar. Definição. Sejam v1, v2, ..., vn, vetores de um espaço vetorial V. Diz-se que o conjunto {v1, v2, ..., vn} é linearmente independente (LI), ou que os vetores v1, v2, ..., vn são LI., se a equação a1v1 + a2v2 + ... + anvn = 0; implica que a1 = a2 = ... = an = 0. No caso em que a igualdade se verifique para algum ai ≠ 0 diz-se que {v1, v2, ..., vn} é linearmente dependente (LD), ou que os vetores v1, v2, ..., vn são LD. Propriedades: 1. Um único vetor v é LD, se e somente se, v = 0. 2. Um conjunto de vetores {v1, v2, ..., vn} é LD, se e somente se, um destes vetores for uma combinação linear dos outros. 71 Decorre dessa propriedade o que segue: a) Dois vetores u e v são LD, se e somente se, um é múltiplo escalar do outro. Por exemplo, os vetores (– 1, 1, 2) e (2, – 2, 4) são LD pois (2, – 2, – 4) = – 2(– 1, 1, 2). b) Três vetores em R3 são LD se e somente se são coplanares. Então, para verificar a dependência ou independência linear de 3 vetores em R3 podemos calcular o produto misto. Exemplo. Os vetores u = (2, – 1, 3), v = (– 2, 1 ,– 3) e w = (1, 0, 1) são LD pois, Também podemos pensar da seguinte forma: u e v são colineares (pois são múltiplos). Então, não importa como seja definido w, pela propriedade 2 sendo um dos vetores combinação linear dos outros, no caso, u = – 1v + 0w, temos que o conjunto {u, v, w} é LD. Exemplo. Os vetores u = (2, – 1, 1, 3), v = (1, 0, – 1, 2), w = (1, 3, – 1, 1) e t = (– 1, 2, 1, 0) são l.i. pois nenhuma linha de K pode ser anulada: Nota. Não é necessário realizar operações elementares sobres as linhas de K até chegar (ou tentar chegar) na matriz identidade pois isto é válido somente para matrizes quadradas. As operações podem ser suspensas quando for possível garantir que nenhuma linha se anula ou que mais nenhuma se anula. 3. Um conjunto de m vetores em Rn é sempre LD se m > n. Exemplo. Quatro vetores em R3 são LD. Tomemos u = (2, – 3, 4), v = (4, 7, – 6), w = (18, – 11, 4) e t = (2, – 7, 3). A equação a.u + b.v + c.w + d.t = 0 origina o sistema que é compatível e indeterminado. Assim os escalares a, b, c e d não são todos nulos (obrigatoriamente) e os vetores u, v, w e t são LD. 4. Um conjunto de vetores LI, em Rn contém, no máximo, n vetores. Essa propriedade é uma consequência imediata da propriedade anterior (Propriedade 3). 5. Qualquer conjunto que contenha o vetor nulo é LD. 6. Qualquer conjunto de n vetores LI em Rn gera o Rn. 72 Exemplos:
Compartilhar