Baixe o app para aproveitar ainda mais
Prévia do material em texto
4 – Aplicações de Matrizes e Determinantes: 4.1 – Obtenção da Matriz Inversa: Existem dois métodos para obter uma matriz inversa. O primeiro utiliza operações elementares e o segundo utiliza o determinante. Cabe ressaltar que a inversa [ ] 1−A só existe se a matriz original [ ]A for não-singular ( [ ] 0Det ≠A ). 4.1.1 – Obtenção da Matriz Inversa Através de Operações Elementares: Lembrando que [ ] [ ] [ ] [ ] [ ]IAAAA == −− 11 , a mesma sucessão finita de operações elementares que transforma a matriz [ ]A na matriz identidade [ ]I , transforma a matriz identidade [ ]I na matriz inversa [ ] 1−A . Na prática, o que se faz é colocar a matriz identidade imediatamente após a matriz que se deseja obter a inversa (conforme a seguir) e aplicar as operações elementares às linhas de ambas simultaneamente. Desta forma, quando a matriz [ ]A tiver sido convertida na matriz [ ]I , a matriz [ ]I terá sido convertida na matriz [ ] 1−A . [ ] = 100 010 001 | 111111 111111 111111 aaa aaa aaa IA 4.1.2 – Obtenção da Matriz Inversa Através do Determinante: Também é possível obter a matriz inversa por meio do determinante, através da seguinte relação: [ ] [ ] [ ]A AA Det Adj1 = − 4.2 – Sistemas de Equações Algébricas Lineares: Uma equação polinomial de primeiro grau envolvendo as variáveis x1, x2,......, xm, do tipo: bxaxaxa mm =+++ LLL2211 é denominada Equação Algébrica Linear. Portanto, um conjunto de n equações deste tipo forma um Sistema de Equações Algébricas Lineares, conforme a seguir: =+++ =+++ =+++ nmmnnn mm mm bxaxaxa bxaxaxa bxaxaxa LLL MMMMM MMMMM LLL LLL 2211 22222121 11212111 É possível expressar este sistema também na forma matricial da seguinte forma: [ ] [ ] [ ] 1x1xx nmmn bxA = ou ainda, = nmmnnn m m b b b x x x aaa aaa aaa MM L MLMM L L 2 1 2 1 21 22221 11211 onde: [ ]A é a matriz dos coeficientes; [ ]x é o vetor solução ou vetor das variáveis; [ ]b é o vetor dos termos independentes. A solução do sistema acima é um vetor [ ]x de dimensão m x 1 que satisfaça todas as n equações. Observações: i) Um sistema que não possui solução é dito inconsistente. Se há solução, ele é dito consistente; ii) Um sistema em que o vetor dos termos independentes é nulo (ou seja, [ ] [ ]0=b ) é chamado de homogêneo. Já se [ ] [ ]0≠b , o sistema é denominado não-homogêneo; iii) Todo sistema homogêneo admite pelo menos a solução trivial (ou seja, [ ] [ ]0=x ); iv) Em um sistema homogêneo [ ] [ ] [ ]0=xA , tem-se que: • se matriz de coeficientes [ ]A for não-singular (ou seja, [ ] 0Det ≠A ), então o sistema admite somente a solução trivial (ou seja, [ ] [ ]0=x ); • se a matriz de coeficientes [ ]A for singular (ou seja, [ ] 0Det =A ), então há infinitas soluções (além da solução trivial); v) Em um sistema não-homogêneo [ ] [ ] [ ]bxA = , tem-se que: • se a matriz de coeficientes [ ]A for não-singular (ou seja, [ ] 0Det ≠A ), então o sistema admite solução única; • se a matriz de coeficientes [ ]A for singular (ou seja, [ ] 0Det =A ), caso exista solução, há infinitas soluções; A seguir, são apresentados os métodos mais populares para a solução de sistemas de equações algébricas lineares. 4.2.1 – Método de Gauss: Este método consiste em transformar a matriz de coeficientes [ ]A em uma matriz triangular superior através de operações elementares. Estas mesmas operações elementares devem ser aplicadas ao vetor dos termos independentes [ ]b . Na prática, o que se faz é colocar o vetor dos termos independentes [ ]b imediatamente após a matriz de coeficientes [ ]A , obtendo-se assim o que chamamos de Matriz Ampliada. A seguir, aplicam-se as operações elementares às linhas da matriz ampliada até que matriz de coeficientes [ ]A se torne uma matriz triangular superior. Exemplo: Considere um sistema de equações lineares algébricas com duas equações e duas incógnitas. = 2 1 2 1 2221 1211 b b x x aa aa A matriz ampliada é dada por: 22221 11211 baa baa . Aplicam-se operações elementares até que 021 =a . 4.2.2 – Método de Gauss-Jordan: Este método prevê a redução da matriz ampliada a uma Matriz da Forma Escada, que deve obedecer às seguintes regras: i) O primeiro elemento não-nulo de uma linha não-nula deve ser unitário (igual a 1); ii) Abaixo do primeiro elemento não-nulo de uma coluna qualquer (com exceção da coluna dos termos independentes), todos os elementos são nulos; iii) Toda linha nula ocorre abaixo de todas as linhas não nulas. Consequentemente, há uma equação redundante no sistema; Exemplo: Considere a seguinte matriz ampliada da forma escada: 1100 3010 2001 . Esta matriz indica que a solução do sistema é: = = = 1 3 2 3 2 1 x x x 4.2.3 – Regra de Cramer: Este método baseia-se na existência da matriz inversa e só pode ser aplicado quando o número de equações é igual ao número de incógnitas, ou seja, quando a matriz [ ]A de coeficientes for quadrada. Considere um sistema de equações lineares algébricas com n equações e n incógnitas: =+++ =+++ =+++ nnnnnn nn nn bxaxaxa bxaxaxa bxaxaxa LLL MMMMM MMMMM LLL LLL 2211 22222121 11212111 Escrevendo este sistema na forma matricial, tem-se: [ ] [ ] [ ] 1x1xx nnnn bxA = Para a solução do sistema acima, considere o seguinte artifício: pré-multiplicar ambos os termos por [ ] 1−A . [ ] [ ] [ ] [ ] [ ]bAxAA 11 −− = Mas [ ] [ ] [ ]IAA =−1 , portanto: [ ] [ ] [ ]bAx 1−= . Lembrando que [ ] [ ][ ] [ ][ ] [ ]A A A AA Det Cof Det Adj T 1 == − , tem-se: [ ] = nnnnn n n n b b b AAA AAA AAA A x x x M L MOMM L L M 2 1 21 22221 11211 2 1 Det 1 onde: [ ] = nnnn n n AAA AAA AAA A L MOMM L L 21 22221 11211 Adj Desta forma, as diversas soluções xi assumem a seguinte forma: [ ]A AbAbAb x nn Det 1122111 1 +++ = LL ; [ ]A AbAbAb x nn Det 2222211 2 +++ = LL ; [ ]A AbAbAb x nnnnn n Det 2211 +++ = LL Observa-se que o numerador de cada uma das expressões acima é exatamente o determinante obtido a partir da matriz original [ ]A , quando se substitui a respectiva coluna pelo vetor dos termos independentes [ ]b . Este procedimento é conhecido como uma Expansão de Laplace por colunas. Exemplo: Para um elemento genérico xi, tem-se: = nnnn n n nninnn ni ni i aaa aaa aaa abaa abaa abaa x L MOMM L L LL MOMLMM LL LL 21 22221 11211 21 222221 111211 Det Det 4.3 – Problemas de Valor Característico (Autovalores e Autovetores): Diversos problemas físicos recaem no seguinte sistema de equações: =+++ =+++ =+++ nnnnnn nn nn xxaxaxa xxaxaxa xxaxaxa λ λ λ LLL MMMMM MMMMM LLL LLL 2211 22222121 11212111 onde λ, em geral, é um parâmetro constante do problema. Este sistema pode ser escrito na seguinte forma matricial: [ ] [ ] [ ] 1x1xx nnnn xIA ∅=− λ Para que o sistema acima possua solução não-trivial (ou seja, [ ] [ ]∅≠x ), a matriz [ ]IA λ− deve ser singular, ou seja: [ ] 0Det =− IA λ Este determinante recai em um polinômio de grau n (correspondente ao número de equações do sistema inicial) conhecido como Polinômio Característico ou Equação Característica. Usualmente, os problemas físicos envolvem determinantes de terceira ordem que fornecem um polinômio característico da seguinte forma: 0IIIIII 33 =−+− λλλ onde I, II e III são conhecidos como o primeiro, o segundo e o terceiro invariantes da matriz [ ]A , respectivamente. Estes invariantes são dados por: [ ] 332211trI aaaA ++== 322331132112332233112211II aaaaaaaaaaaa −−−++= [ ] AA == DetIII tal que [ ]Atr é conhecido como o traço de [ ]A e corresponde à soma dos elementos da diagonal principal. As raízes λ i ( 3,2,1=i ) deste polinômio são conhecidas como Autovalores (ou ainda, Valores Característicos ou Valores Próprios), enquanto os vetores solução do problema [ ] i x são denominados Autovetores (ou ainda, Vetores Característicos ou Vetores Próprios). Alternativamente, é possível determinar os três invariantes da matriz [ ]A a partir de seus autovalores, conforme a seguir: 321I λλλ ++= 133221II λλλλλλ ++= 321III λλλ= Observações: i) A cada autovalor está associado um autovetor. Além disso, o número de autovalores e de autovetores é igual ao número de equações do sistema original. Um sistema que possui autovalores repetidos é dito Sistema Degenerado; ii) É comum ordenar os autovalores do sistema em ordem crescente, ou seja: nλλλ <<< LL21 ; iii) Os autovetores formam uma nova base ortogonal para o espaço vetorial que contém as equações do sistema original. Portanto, ainda que haja autovalores repetidos, é necessário definir diferentes autovetores para formar esta nova base. Se os autovetores estiverem normalizados, esta base é dita ortonormal; iv) Se os autovetores normalizados forem dispostos numa matriz quadrada de ordem n x n [ ] [ ] [ ][ ] n xxx LL 21 onde cada vetor [ ]x tem dimensão n x 1, esta matriz constitui um operador linear que converte tensores de qualquer ordem da base original para a nova base;
Compartilhar