Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
* * * Introdução Foi só em 1683, num trabalho do japonês Seki Kowa, que a idéia de determinante (como polinômio que se associa a um quadrado de números) veio à luz. Kowa, considerado o maior matemático japonês do século XVII, chegou a essa noção através do estudo de sistemas lineares, sistematizando o velho procedimento chinês (para o caso de duas equações apenas). * * * No Ocidente este assunto começou a ser tratado esporadicamente a partir do século XVII. Nesta época surgem trabalhos de G.W. Leibniz (1646-1716), de G. Cramer (1704-1752) que desenvolveu um método de resolução de sistemas através de determinantes, conhecido por “Regra de Cramer” – que é na verdade uma descoberta do escocês Colin Maclaurin (1698-1746), datando provavelmente de 1729 – que será explicado, e foi publicado em 1750. * * * A.L.Cauchy (1789-1857) - elaborou a teoria das funções de variáveis complexas (1811) e divulgou um importante artigo sobre determinantes (sumariou e simplificou o que era conhecido até então sobre determinantes, melhorou a notação e deu uma demonstração do teorema da multiplicação de determinantes), com oitenta e quatro páginas em 1812 - tendo sido realizados em seguida, trabalhos de C. G. Jacobi (1804-1851) cognominado às vezes "o grande algorista". * * * A partir de então, o uso de determinantes difundiu-se muito e este conceito de um número associado a uma matriz quadrada mostrou-se extremamente útil para caracterizar muitas situações, como a de saber se uma matriz é inversível, se um sistema admite ou não solução, o que veremos em seguida. * * * Conceitos Preliminares Consideremos o sistema ax = b com a diferente de 0. A solução deste sistema é x = b/a. Observe que o denominador está associado à matriz dos coeficientes do sistema, ou seja, [a]. * * * Resolvendo (desde que sejam possíveis as operações), encontramos: Num sistema 2x2: Observe que os denominadores são iguais e estão associados à matriz dos coeficientes do sistema: * * * Num sistema 3x3: (desde que sejam possíveis as operações), ao procurarmos os valores de x1, x2, x3. Vemos que eles têm o mesmo denominador a11a22a33 – a11a23a32 – a12a21a33 + a12a23a31 + a13a21a32 – a13a22a31, que também está associado à matriz dos coeficientes do sistema. * * * Matriz Adjunta Dada uma matriz A, lembremos que o cofator Aij do elemento aij da matriz é Aij=(-1)i + j.(mij), onde mij é o determinante da submatriz de A,obtida extraindo-se a i-ésima linha e a j-ésima coluna. Dessa forma com estes cofatores podemos formar uma nova matriz que é a matriz dos cofatores de A, denominada de cof(A). * * * Exemplo: Dada uma matriz A = 1 -2 3 0 Determinamos a matriz dos co-fatores de A: A11 = (–1)(1 + 1) · (0) = (–1)(2) . (0) = 0 A12 = (–1)(1 + 2) · (3) = (–1)(3) . (3) = –3 A21 = (–1)(2 + 1) · (–2) = (–1)(3) . (–2) = 2 A22 = (–1)(2 + 2) · (1) = (–1)(4) . (1) = 1 Dessa forma encontramos a matriz dos cofatores de A,que é: cof(A) = 0 -3 2 1 * * * Assim, por definição, a matriz adjunta, (adj(A)), é transposta da matriz dos cofatores: (cof A)t = 0 2 = adj(A) -3 1 Agora vamos efetuar o exemplo,adj(A).A: 0 2 . 1 -2 = 6 0 -3 1 3 0 0 6 Dessa forma conclui-se que , adj(A).A = det(A).In: 6 0 = 6 . 1 0 0 6 0 1 * * * Sabendo que, pela fórmula da matriz inversa, A . A-1 = In E ajeitando-se a relação encontrada, temos: A . adj(A) = In det(A) Dessa forma, conclui-se que: A-1 = adj(A) . 1 det(A) * * * Matriz Inversa Definição: Uma matriz A é dita inversível quando existe uma outra matriz A-1 tal que: e onde I é a matriz identidade (unitária) e A-1 a matriz inversa. * * * Condições: Há duas condições básicas para que uma matriz seja inversível: 1) A matriz precisa, necessariamente, ser quadrada; 2) O determinante da matriz tem de ser diferente de 0. Se as condições forem obedecidas, podemos seguir para o próximo passo: inverter a matriz. * * * Métodos de inversão: Há variados métodos para se realizar a inversão de uma matriz, embora obviamente, todos alcancem o mesmo resultado. A seguir, apresentaremos três deles. * * * a) Este método (o mais tradicional) consiste em associar variáveis arbitrárias a uma matriz e aplicar a definição de matriz inversa: Exemplo: Aplicando a definição: * * * Assim, multiplicamos as matrizes e obtemos um sistema, bastando obter sua solução: E a solução é a seguinte: * * * b) Outro método para se inverter matrizes é o método da aplicação adjunta, que mostra-se um pouco mais rápido que o primeiro, especialmente para matrizes de segunda ordem. Ele é feito da seguinte forma: Exemplo: para uma matriz de segunda ordem, a fórmula ficaria da seguinte forma: * * * c) O terceiro método que apresentaremos é o método de Gauss-Jordan, que consiste em emparelhar a matriz A com uma matriz identidade de mesma ordem e, através de certos procedimentos, transformar a matriz A em uma matriz identidade. Ao aplicarmos, simultaneamente, os mesmos procedimentos na matriz identidade emparelhada, obteremos a matriz inversa. Exemplo: Seja a matriz abaixo, cuja inversa se deseja saber: * * * O primeiro passo é acrescentar uma matriz identidade ao seu lado: Agora realizaremos os procedimentos. Primeiro: Linha 1 = Linha 1 + Linha 2 . (-1) Lembre de realizar o cálculo, simultaneamente, em ambos os lados! * * * Prosseguindo com o mesmo raciocínio: Linha 2 = Linha 2 + Linha 1 . (-1) Linha 3 = Linha 3 + Linha 1 . (-2) obtemos: Agora: Linha 3 = Linha 3 + Linha 2 . (-3) * * * Finalmente: Linha 2 = Linha 2 + Linha 3 Linha 3 = Linha 3 . (-1) Obtendo-se: Assim, a matriz inversa alcançada é: * * * d) Este método, obtenção da inversa por partição (blocos), é utilizado em matrizes de grande porte que necessitam ser reparticionadas em blocos, sendo inviável usar qualquer um dos processos de inversão apresentados anteriormente. Dada uma matriz: Vamos fazer uma partição de tal maneira que A11 seja quadrada. Por exemplo: * * * Pretende-se encontrar uma matriz B = A–1 Pela definição da inversa será: Isto conduz ao seguinte sistema: Resolvendo-se o sistema, temos: B11 = A11 – A12 . A22–1 . A21 B12 = - A12 . A22–1 ( - A11 . A12 . A22–1 . A21 )–1 B21 = - A22–1 . A21 . B11 B22 = - A22–1 . A22–1 . A21 . B21 * * * Exemplo de um método simples e rápido para achar a inversa de uma matriz 2x2: 1) Calcule o determinante da matriz detA = 10 – 12 = – 2 2) Troque de posição os elementos da diagonal principal e mantenha os da secundária, invertendo-se o sinal. 3) Divida todos os elementos pelo determinante da matriz. * * * Matrizes elementares são do tipo identidade, só que no lugar de um zero está um número não nulo. A inversa dessas matrizes consiste em trocar o sinal do elemento não nulo . Para achar a inversa de uma matriz diagonal, basta fazer os inversos aritméticos dos elementos da diagonal. * * * Propriedades das matrizes inversas: Considerando-se A uma matriz inversível, observam-se as seguintes propriedades: 1) A matriz inversa é única. 2) A matriz inversa de uma matriz inversível também é inversível, obtendo-se a matriz original. * * * 3) A matriz transposta de uma matriz inversa é também inversível, e a transposta da inversa é a inversa da transposta. 4) O produto de uma matriz inversível ou de sua transposta pela inversa da matriz é também inversível. 5) O inverso de uma matriz multiplicada previamente por um escalar diferente de zero é igual à matriz inversa multiplicada pelo inverso do escalar. * * * 6) O inverso do produto de matrizes inversíveis é igual aos produtos das inversas dessas matrizes com a ordem trocada. 7) O determinante da inversa de uma matriz é igual a um sobre o determinante dessa matriz. Essas são as principais propriedades das matrizes inversas, embora existam outras menos utilizadas. * * * Teorema de Cramer Ferramenta da Álgebra Linear que apresenta a resolução de sistemas lineares através do cálculo de determinantes. * * * O Teorema: Seja AX=B, um sistema de equações lineares onde: * * * Então: Onde é o determinante que se obtém de A quando se substitui a i-ésima coluna pela matriz B de termos independentes e é o determinante de A. * * * Exemplo geral: Seja o sistema Quando escrito sob forma matricial temos Calculamos então os determinantes necessários: * * * Ao aplicar o Teorema de Cramer, temos: * * * Especificações: Como já foi verificado antes, o número de incógnitas deve ser igual ao número de equações, para que a matriz A seja quadrada e os determinantes e possam ser calculados. deve ser diferente de 0, pois, caso contrário, o sistema será impossível ou possível e indeterminado. * * * Exemplo: Resolva o seguinte sistema: Passando o sistema para a forma de matriz, temos: = * * * Agora, calculamos o determinante da matriz dos coeficientes 24 = Seguindo o Teorema de Cramer , calculamos os determinantes referentes a cada variável, substituindo sua coluna pela matriz de termos independentes. = D * * * Agora, para encontrar cada variável, dividimos o determinante específico de cada variável pelo determinante original do sistema X = y = z = = = = * * * Substituindo em qualquer uma das equações para conferência dos valores. Verificamos que a solução do sistema é de fato S = * * * Determinantes Funções reais de uma variável matricial, ou seja, são funções que associam um número real f(X) a uma matriz quadrada X. Somatória de todos os produtos possíveis dos n elementos de uma matriz quadrada, de maneira que em cada parcela – formada por um produto – não haja dois elementos pertencentes a uma mesma linha e/ou coluna” (SOARES, 1979). O elemento que satisfaz a equação: onde ni é o número de inversões da permutação p = (j1, j2, j3, ..., jn) em relação à permutação (1, 2, 3, ..., n) escolhida como fundamental e o intervalo p1 a pn indica que a soma é sobre todas as n! permutações pu de {1, 2, 3, ..., n}. * * * Permutação Chamamos permutação de um conjunto finito a toda função bijetora desse conjunto em si mesmo. Exemplo: Existem apenas 6 funções bijetoras definidas sobre I3={1,2,3}. Tais permutações são: O número das permutações em I3 é o fatorial de 3, isto é, 3!=6 e o conjunto dessas permutações é: P(3)={p1,p2,p3,p4,p5,p6}. Tomando o último exemplo como referência, tomemos a permutação: A segunda linha coincide com a primeira e esta permutação é denominada a permutação identidade. * * * Consideremos a permutação: Trocando o número 2 pelo número 3 na segunda linha, obtemos exatamente os números que aparecem na primeira linha. Considerando que só podemos trocar os números de dois em dois, necessitamos apenas de 1 troca para obter a identidade, assim o número de trocas dessa permutação é 1 que é um número ímpar. * * * Consideremos agora a permutação: Trocando o número 3 pelo número 1 na segunda linha, obtemos uma outra permutação que ainda não é a identidade. Ainda devemos realizar uma segunda troca para obter a permutação identidade: Neste caso, necessitamos de 2 trocas para obter a permutação identidade, assim o número de trocas dessa permutação é 2 que é um número par. Em suma, uma permutação é denominada par se necessita de um número par de trocas para transformá-la na identidade e é ímpar se necessita de um número ímpar de trocas para isso. * * * Seja Mn(K) o espaço vetorial de todas as matrizes quadradas de ordem n com escalares em um corpo K e P(n) o conjunto de todas as permutações de elementos de In={1,2,3,...,n}. Definimos a função determinante que associa a cada matriz ,o escalar denotado por det(A), por: sendo que a soma acima deve ser realizada sobre todas as permutações p que pertencem ao conjunto P(n). Realiza um papel fundamental a indicação dos índices j e p(j). O primeiro j aponta para a linha onde está o elemento aj p(j) enquanto que o segundo p(j) aponta para a coluna do elemento aj p(j). * * * Função determinante (por permutações) Exemplo: Seja a matriz Cada elemento desta matriz pode ser escrito em função das 2 permutações de P(2) segue que p1(1)=1, p1(2)=2, p2(1)=2, p2(2)=1, sgn(p1)=1 e sgn(p2)=-1, logo: Somatório que coincide com a forma apresentada antes. * * * Propriedades dos determinantes: 1) O determinante de uma matriz nula é zero. 2) O determinante de uma matriz triangular (superior ou inferior) é igual ao produto dos elementos da diagonal principal. 3) O determinante de uma matriz identidade é igual a 1. 4) O determinante de uma matriz é igual ao de sua transposta. det(At) = det(A) 5) O determinante de uma matriz com uma linha (ou coluna) nula é igual a zero. 6) Teorema de Binet: O determinante do produto de matrizes é igual ao produto dos determinantes de cada matriz. det (A · B) = det A · det B. * * * 7) O determinante de uma matriz é igual ao inverso do de sua inversa, se o determinante dessa matriz é diferente de zero. Essa propriedade advém do teorema de Binet: 8) Se B é a matriz obtida pela multiplicação de uma linha (ou coluna) da matriz A por um escalar k, o determinante é igual ao produto de k com o determinante de A: det(B) = k det(A) 9) Se todos os termos de uma matriz B(nxn) são obtidos pela multiplicação dos termos de A por um escalar K, o determinante é igual ao produto de k elevado a n com o determinante de A 10) Se uma matriz possui uma fila que é combinação linear de outras filas paralelas, seu determinante é igual a zero. 11) Se a diferença entre os elementos de duas linhas (ou colunas) de uma matriz é uma mesma constante, seu determinante é igual a zero. * * * 12) Um determinante muda de sinal quando se troca a posição de duas filas paralelas. Uma permutação, segundo o teorema de Bézout, muda de classe quando se troca a posição de dois quaisquer elementos. Logo, como se muda a classe, muda o sinal. Isso é muito perceptível segundo a seguinte fórmula já vista: sendo “ni” a classe 13) Se uma matriz tem linhas (ou colunas) iguais, seu determinante é igual a zero. 14) Se uma matriz tem linhas (ou colunas) proporcionais, seu determinante é igual a zero. * * * Cálculo de Determinantes de Matrizes 2x2 Seja A a matriz . O seu determinante será dado por: ad – bc. Demonstração: Utilizando as propriedades 5, 8 e 13: Exemplo: Calcule o determinante da matriz M = Solução: det(M) = 3.4 – (-1).2 = 12 + 2 = 14 * * * Cálculo de Determinantes de Matrizes 3x3 Seja A a matriz . O seu determinante será dado por: Demonstração: Utilizando as propriedades 5, 8 e 13: * * * Existe uma regra prática para o cálculo de determinantes 3x3. É a chamada Regra de Sarrus. O algoritmo consiste em duplicar as duas primeiras linhas ao lado da matriz. O determinante será a soma do produto das diagonais para a esquerda, menos a soma dos produtos das diagonais para a direita. * * * Observação: A regra de Sarrus só é válida para determinantes 3x3 Exemplo: Calcule o determinante da matriz M = Solução: det = = 0 + 3 + 0 – 9 + 24 – 0 = 18. * * * Teorema de Laplace “O determinante de uma determinada matriz é igual a soma dos produtos dos elementos de uma fila pelos seus respectivos co-fatores”. Cada elemento da matriz tem seu respectivo co-fator. Os co-fatores são os determinantes de matrizes de ordem n-1 produzidas a partir da matriz de ordem n original, removendo a linha e a coluna ao qual o elemento pertence (Δij), multiplicados pelo fator (-1)i+j. O co-fator de um determinado elemento mij é representado por Mij. Cof (mij)= Mij = (-1)i+j. Δij * * * Exemplo: Na matriz , o Δij de a12 é dado por: Desta forma, o determinante da Matriz de ordem n será: ou * * * Observação: A expansão em co-fatores, como também é conhecido o Teorema de Laplace, é sempre aplicado em uma linha ou uma coluna inteira. Daí, podemos perceber que quanto maior for o número de zeros de uma linha ou coluna, mais fácil será de se calcular o determinante da matriz. Exemplo: Calcule o determinante da matriz M = pela expansão de co-fatores. * * * Solução: A primeira coluna possui 3 zeros; portanto é conveniente aplicar o Teorema de Laplace nessa coluna. O co-fator do elemento a21 é (-1)i+j.det . Utilizando a regra de Sarrus: det = = 0 + 3 + 0 – 9 + 24 – 0 = 18. Assim, cof(a21) = (-1)2+1.18 = -18. Desta forma, det(M) = 1 . (-18) = -18 * * * Propriedades dos determinantes: Matriz Transposta Como consequências, temos: a) um determinante não se altera quando se trocam ordenadamente suas linhas por colunas; b) que todas as propriedades relativas às linhas podem ser aplicadas às colunas e vice-versa. * * * 2) Casos em que o determinante é nulo fileira igual a zero fileiras paralelas iguais fileiras paralelas proporcionais fileiras paralelas combinadas linearmente * * * 3) Multiplicação ou divisão de uma fila por uma constante Ao multiplicarmos ou dividirmos uma linha ou coluna por um número, o determinante da matriz será multiplicado pelo mesmo número. Da mesma forma, se multiplicarmos toda a matriz por um número, o determinante será multiplicado por tal número n vezes, sendo n o número de linhas e de colunas da matriz. Exemplo: * * * 4) Troca de filas paralelas Ao invertermos duas filas paralelas de uma matriz quadrada, seu determinante troca de sinal. Exemplo: * * * Adição de Determinantes: O determinante de uma matriz A pode ser decomposto na soma dos determinantes de duas matrizes B e C, iguais a A, exceto pela coluna j, tal que essa coluna em A é a soma das colunas j de B e de C. Exemplo: * * * Teorema de Jacobi O determinante não se altera ao somarmos a uma linha (ou coluna) outra linha (ou coluna) multiplicada por um número. Aplicação: Abaixamento da ordem de um determinante. Exemplo/ Exercício: * * * Teorema de Binet: Sejam A e B matrizes quadradas de mesma ordem; então: Consequências: det (ABC) = detA.detB.detC (serve para qualquer quantidade de matrizes) b) det (A) = (det A) c) det A = 1/ det A Daí temos que para uma matriz ter inversa, seu determinante não pode ser 0. * * * Matriz de Vandermonde É toda matriz quadrada na qual a j-ésima coluna é formada pelas potências de mesma base xj, com seus expoentes variando de 0 a n-1. O seu determinante é dado pelo produto de todas as diferenças xi - xj, para i > j Exemplo/ Exercício: * * * Teorema de Chió É um método prático para diminuírem uma unidade a ordem de um determinante em que o elemento a11 é igual a 1. Na prática fazemos os seguintes procedimentos: Suprimimos a primeira linha e a primeira coluna da matriz De cada elemento restante na matriz, subtraímos o produto dos primeiros elementos da linha e da coluna em que esse elemento se encontra. Exemplo/ Exercício: * * * Aplicações de Determinantes e Matrizes Inversas Área do Triângulo Volume do Paralelograma Cálculo de Produto Vetorial Determinante de Slater Uso de Matriz Inversa em realidades virtuais * * * Área do Triângulo O determinante pode ser usado para calcular a área de um triângulo ABC formado pelos pontos, A(x1,y1) B(x2,y2) C(x3,y3), da seguinte forma: A=0.5*Det A área será igual a metade do módulo do determinante e os pontos devem ser colocados na matriz pelo sentido anti-horário começando de qualquer vértice do triângulo. * * * Volume de um Paralelograma Dado três vetores K=<k1,k2,k3>, L=<l1,l2,l3> e M=<m1,m2,m3>, com a mesma origem, é possível calcular o volume do paralelogramo definido por esses vetores usando o produto misto desse vetores, que é calculando o determinante na seguinte matriz: V=Det * * * Cálculo de Produto Vetorial Podemos resumidamente calcular o Produto Vetorial da seguinte forma: Sendo dois vetores P=<p1,p2,p3> e Q=<q1,q2,q3>, o produto vetorial vale: PxQ= Det Onde a base no espaço R³ é i , j e k. * * * Determinante de Slater O determinante de Slater é uma técnica matemática da mecânica quântica que se usa para gerar funções de onda antissimétricas que descrevam os estados coletivos de vários fermiões (ex: prótons e nêutrons) e que cumpram o princípio de exclusão de Pauling. Para um sistema composto por N fermiões, define-se o determinante de Slater como: * * * O uso do determinante como gerador da função de ondas garante a antissimétrica com respeito ao intercâmbio de partículas, assim como a impossibilidade de que duas partículas estejam no mesmo estado quântico, aspecto crucial ao se tratar com fermiões. * * * Uso de Matrizes Inversas em realidades virtuais A inversão de matrizes é muito utilizada na computação gráfica, particularmente na renderização de gráficos em 3D e simulações 3D. Exemplos incluem o Ray Casting*, a transformação de objetos através de métodos “world-to-subspace-to-world”*², e simulações físicas. O problema é a dificuldade numérica de se calcular as inversas de matrizes de terceira ordem ou maiores. Comparando com a multiplicação de matrizes ou a criação de matrizes de rotação, a inversão de matrizes é um processo muito mais lento de ser realizado no computador. * * * *Ray Casting é um algoritmo utilizado em tratamento de imagem, e que tem como objetivo a sintetização de imagens 3D. *²World-to-subspace-to-world é um modelo de programação em que dados são enviados do “world” (o computador do usuário ou mesmo uma realidade virtual) para um “subspace” (um servidor ou a um processador de dados) e as informações processadas(não obrigatoriamente alteradas) são retornadas para o “world”, esse conceito é muito usado em realidades virtuais mas não é usado exclusivamente nessa área.
Compartilhar