Baixe o app para aproveitar ainda mais
Prévia do material em texto
Suma´rio 1 Sistemas de Equac¸o˜es lineares 3 1.1 Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 1.1.1 Operac¸a˜o com Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . 4 1.1.2 Tipos de Matrizes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.2 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 1.3 Sistema Linear e o Me´todo da Eliminac¸a˜o de Gauss . . . . . . . . . . . . . 8 1.4 Exerc´ıcios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 2 SUMA´RIO Aula 1 Sistemas de Equac¸o˜es lineares Neste cap´ıtulo vamos estudar alguns to´picos da A´lgebra Linear, como por exemplo os sistemas de equac¸o˜es lineares e o me´todo da eliminac¸a˜o de Gauss (tambe´m conhecido como eliminac¸a˜o gaussiana) para a sua resoluc¸a˜o. Para tanto, estudaremos as matrizes e suas aplicac¸o˜es. Mais detalhes da teoria de A´lgebra Linear podem ser buscados, por exemplo, em [1] de onde retiramos os conceitos expostos neste cap´ıtulo. 1.1 Matrizes A matriz M de ordem m× n (leˆ-se m por n) pode ser escrita na forma geral por M = a11 a12 · · · a1n a21 a22 · · · a2n ... ... . . . ... am1 am2 · · · amn , onde m e´ o nu´mero de linhas e n o nu´mero de colunas. Cada elemento da matriz e´ escrito na forma geral por aij com i = 1, · · · , n e j = 1, · · · ,m e ale´m disso, podemos denotar esta matriz por Mm×n = (aij). Se uma matriz A tem ordem n × n, ou seja o nu´mero de colunas igual ao nu´mero de linhas, dizemos que ela uma matriz quadrada. Os elementos da matriz da forma aij com i = j esta˜o na diagonal principal. Exemplo 1.1. A matriz A3×3 cujos elementos satisfazem: aij = −9, se i > j 0, se i = j 80, se i < j 4 Sistemas de Equac¸o˜es lineares e´ da forma A = 0 80 80 −9 0 80 −9 −9 0 4 1.1.1 Operac¸a˜o com Matrizes Adic¸a˜o: Podemos fazer soma de matrizes que tem a mesma ordem assim, se Am×n = (aij) e Bm×n = (bij), enta˜o A+B = a11 + b11 a12 + b12 · · · a1n + b1n a21 + b21 a22 + b22 · · · a2n + b2n ... ... . . . ... am1 + bm1 am2 + bm2 · · · amn + bmn sera´ uma matriz de ordem m × n. Pela comutatividade dos nu´meros reais, temos que A+B = B + A. Multiplicac¸a˜o de Matriz por um escalar: Seja Mm×n uma matriz e λ um esclar, enta˜o λ ·M = λa11 λa12 · · · λa1n λa21 λa22 · · · λa2n ... ... . . . ... λam1 λam2 · · · λamn , Multiplicac¸a˜o de Matrizes: Para multiplicarmos a matriz Am×n = (aij) pela matriz Bn×p = (bjk) devemos ter o nu´mero de colunas de A igual ao nu´mero de linhas de B. A matriz resultante tera´ ordem m× p, ou seja, Am×n ×Bn×p = Cm×p, onde Cm×p = (cik) com cik = Σnr=1air · brk, sendo cik o elemento da matriz C que ocupa a i-e´sima linha e a k-e´sima coluna. Observac¸a˜o 1.2. Se o nu´mero de colunas da primeira matriz, em uma multiplicac¸a˜o, na˜o e´ igual ao nu´mero de linhas da segunda matriz, enta˜o o produto na˜o esta´ definido. Assim, a comutatividade na multiplicac¸a˜o na˜o esta´ garantida. • 1.1 Matrizes 5 Exemplo 1.3. Sejam as matrizes A = 3 2 1 2 3 1 1 2 3 e B = [ 0 −2 1 3 0 1 ] . Calcule, se poss´ıvel A×B e B × A Resoluc¸a˜o: Na˜o e´ poss´ıvel realizarmos a multiplicac¸a˜o A × B, pois o nu´mero de colunas de A e´ treˆs e o nu´mero de linhas de B e´ dois, ou seja, sa˜o distintos. Ja´ o produto B × A e´ poss´ıvel realizar e o resultado sera´: ( 0 −2 1 3 0 1 ) × 3 2 1 2 3 1 1 2 3 = ( −3 −4 1 10 8 6 ) 4 1.1.2 Tipos de Matrizes Matriz Diagonal: Uma matriz onde os elementos aij = 0, se i 6= j Exemplo 1.4. Sa˜o exemplos de matrizes diagonais: A = 2 0 0 0 −3 0 0 0 1/3 , B = −8 0 0 0 0 2 0 0 0 0 7 0 4 Observac¸a˜o 1.5. A matriz quadrada diagonal com aij = 1 se i = j e´ chamada de matriz identidade. Um exemplo: I = 1 0 0 0 1 0 0 0 1 , • Matriz triangular: Uma matriz e´ chamada triangular superior se aij = 0 para i > j. A matriz e´ chamada triangular inferior se aij = 0 para i < j Exemplo 1.6. As matrizes A = 0 0 0 10 −3 0 3 0 1/3 e B = −8 −9 0 8 0 2 1 1/2 0 0 7 0 sa˜o exemplos de matriz triangular. A matriz A e´ triangular inferior e a matriz B triangular superior. 4 Matriz transposta: Seja a matriz Am×n = (aij), sua transposta e´ a matriz deno- tada por Atn×m = (aji). Alguns livros denotam a matriz transposta por A ′. 6 Sistemas de Equac¸o˜es lineares Matriz Sime´trica: Uma matriz quadrada A e´ dita sime´trica se aij = aji, isto e´, seus elementos sa˜o sime´tricos em relac¸a˜o a` diagonal principal. Tambe´m podemos definir uma matriz sime´trica, de forma mais sinte´tica, dizendo que A e´ sime´trica se A = At Exemplo 1.7. Sa˜o exemplos de matrizes sime´tricasA = [ 1 −5 −5 −1/2 ] eB = −8 3 1 3 0 2 1 2 8 4 Matriz antissime´trica: Uma matriz B e´ antissime´trica se Bt = −B. Exemplo 1.8. Sa˜o exemplos de matrizes sime´tricasA = [ 0 −2 2 0 ] eB = 0 3 −1 −3 0 0 1 0 0 4 Matriz Hermitiana: Uma matriz A e´ hermitiana, tambe´m chamada de auto- adjunta, quando A = A∗, onde A∗ = ¯(A) t = ¯(At), a barra representando o complexo conjugado. Lembre-se que o complexo conjugado do nu´mero complexo z = a + ib e´ z¯ = a− bi, sendo que a, b ∈ R. Assim, um nu´mero real e´ seu pro´prio conjugado. Exemplo 1.9. Sa˜o exemplos de matrizes hermitianas A = [ −1 −2i 2i 3 ] e B = 0 3 + 2i −1− i 3− 2i 6 2 −1 + i 2 1 Ja´ a matriz B = 1 i 1− 2i i 2i 3 1− 2i 3 7 na˜o e´ hermitiana apesar de ser sime´trica. 4 Uma matriz anti-hermitiana A e´ caracterizada pela propriedade A∗ = −A. 1.2 Exerc´ıcios 1. Encontre a matriz M = (aij) de ordem 5X5 cujos elementos satisfazem a condic¸a˜o dada: 1.2 Exerc´ıcios 7 (a) aij = j i−1. (b) aij = { 1, se |i− j| > 1 −1, se |i− j| 6 1 2. Considere as seguintes matrizes A4×5, B4×5, C5×2, D4×2 e E5×4. Determine qual das seguintes expresso˜es esta˜o definidas. Para as que esta˜o definidas, deˆ a ordem da matriz resultante. (a) B · A (b) A · C +D (c) A · E +B (d) A ·B +B (e) E · (A+B) (f) E · (A · C) (g) Et · A 3. Considere as matrizes A = 3 0 −1 2 1 1 , B = [ 4 −1 0 2 ] , C = [ 1 4 2 3 1 5 ] , D = 1 5 2 −1 0 1 3 2 4 , E = 6 1 3 −1 1 2 4 1 3 . Calcule, quando poss´ıvel: (a) D − E (b) −7C (c) 2B − C (d) 4E − 2D (e) (D − E)t (f) Bt + 5Ct (g) AB (h) BA (i) (DA)t (j) (4B) · C + 2B (k) (−AC)t + 5Dt (l) (B · At − 2C)t 4. Considere as matrizes D e E do exerc´ıcio anterior. Calcule tr(D · E), −3tr(E ·D) e mostre que tr(D + E) = trD + trE, onde tr denota o trac¸o da matriz, ou seja, a soma dos elementos da diagonal principal. 5. Mostre que se B e´ uma matriz sime´trica quadrada enta˜o (a) B ·Bt e´ sime´trica. (b) (B +Bt) e´ sime´trica. (c) (B −Bt) e´ antissime´trica. Use as seguintes propriedades: • (At)t = A • (A+B)t = At +Bt • Sejam as matrizes Am×n e Bn×p enta˜o (AB)t = BtAt 8 Sistemas de Equac¸o˜es lineares 1.3 Sistema Linear e o Me´todo da Eliminac¸a˜o de Gauss O primeiro registro de problema envolvendo equac¸o˜es lineares simultaˆneas foi en- contrado no livro Chineˆs Chiu-chang Suan-shu (Nove cap´ıtulos sobre Aritme´tica) escrito por volta de 200 a.c. No in´ıcio do cap´ıtulo VIII aparece o seguinte problema: Treˆs fardos de uma colheita boa, dois fardos de uma colheita med´ıocre, e fardo de uma colheita ruim foram vendidos por 39 dou. Dois fardos de uma colheita boa, treˆs de med´ıocre, e um de colheita ruim foram vendidos por34 dou; e um fardo de boa, dois de med´ıocre, e treˆs de ruim vendidos por 26 dou. Qual e´ o prec¸o de cada fardo da colheita boa, da colheita med´ıocre e da colheita ruim? 3x+ 2y + z = 39 2x+ 3y + z = 34 x+ 2y + 3z = 26 (1.1) onde x, y e z representam, respectivamente, o prec¸o de cada fardo da colheita boa, da med´ıocre e da ruim. Este sistema pode ser escrito na seguinte forma matricial A×X = B, ou seja, 3 2 1 2 3 1 1 2 3 × x y z = 39 34 26 onde a primeira matriz da multiplicac¸a˜o, que denotamos por A, e´ chamada matriz dos coeficientes, a segunda matriz, que denotamos por X, e´ a matriz das varia´veis e a matriz do lado direito da igualdade, que denotamos pro B, e´ a matriz dos termos constantes. Encontra a soluc¸a˜o, ou o conjunto soluc¸a˜o ou a soluc¸a˜o geral do sistema, e´ encontrar todos os vetores X = x y z que resolvem simultaneamente as equac¸o˜es do sistema (1.1). No caso de sistemas reais ou complexos, ha´ treˆs possibilidades: ou o sistema possui uma u´nica soluc¸a˜o (sistema poss´ıvel e determinado), ou o sistema possui infinitas soluc¸o˜es (sistema poss´ıvel e indeterminado) ou o sistema na˜o possui soluc¸a˜o (sistema imposs´ıvel). Para resolvermos um sistema pelo me´todo da eliminac¸a˜o gaussiana fazemos 1.3 Sistema Linear e o Me´todo da Eliminac¸a˜o de Gauss 9 operac¸o˜es elementares nas linhas da matriz que representa o sistema linear. Abaixo defi- nimos quais sa˜o as operac¸o˜es elementares numa matriz. Definic¸a˜o 1.10. As operac¸o˜es elementares sobre as linhas sa˜o: • multiplicar uma linha por um escalar na˜o nulo; • trocar duas linhas entre si; • adicionar um mu´ltiplo de uma linha a uma outra linha. As operac¸o˜es elementares transforma um sistema linear dado em um outro equi- valente, mais fa´cil de resolver. O objetivo do me´todo de Gauss ao aplicar as operac¸o˜es elementares nas linhas,e´ chegar em uma matriz na forma escalonada. Abaixo colocamos as propriedades da matriz escalonada: Definic¸a˜o 1.11. A forma escalonada de uma matriz deve possuir as seguintes proprieda- des: • se existirem linhas compostas apenas por zeros, elas devem estar na parte inferior da matriz; • se uma linha na˜o e´ composta apenas por zeros , o primeiro elemento na˜o nulo desta linha e´ chamado de pivoˆ; • se duas linhas consecutivas possuem pivoˆs, enta˜o o pivoˆ da linha superior deve estar a` esquerda do pivoˆ da linha inferior; • abaixo de cada pivoˆ so´ deve haver zeros. Para resolver o sistema (1.1) pelo me´todo da eliminac¸a˜o gaussiana, escrevemos a seguinte matriz ampliada: 3 2 1 ... 39 2 3 1 ... 34 1 2 3 ... 26 formada pela matriz dos coeficientes e dos termos constantes. Com operac¸o˜es elementares nas linhas vamos obter a seguinte matriz na forma escalonada 1 2 3 ... 26 0 −1 −5 ... −18 0 0 12 ... 33 10 Sistemas de Equac¸o˜es lineares a qual e´ equivalente ao sistema linear x+ 2y + 3z = 26 −y − 5z = −18 12z = 33 (1.2) Logo, a soluc¸a˜o do sistema (1.1) e´ x y z = 9, 25 4, 25 2, 75 Exemplo 1.12. Resolva, se poss´ıvel, os sistemas lineares. 1. x+ 2y + z = 0 −x+ 3z = 5 x− 2y + z = 1 2. −2y + 3z = 1 3x+ 6y − 3z = −2 6x+ 6y + 3z = 5 3. x+ 3y − z + 5w = −7 5x+ 15y − 10z + 40w = −45 4x+ 12y − 2z + 14w = −24 3z − 9w = 6 4 Definic¸a˜o 1.13. A matriz identidade I de ordem n × n e´ tal que IA = AI = A para toda matriz quadrada A de ordem n× n Definic¸a˜o 1.14. Dada uma matriz A ordem n × n, se existir uma matriz B tal que AB = BA = I, diremos que B e´ a matriz inversa de A. Denotaremos a inversa de A por A−1. Nem toda matriz quadrada possui inversa, pore´m, se possuir, diremos que e´ invert´ıvel ou na˜o singular. Se na˜o for invert´ıvel sera´ chamada de singular. A proposic¸a˜o a seguir da´ uma condic¸a˜o necessa´ria e suficiente para uma matriz A possuir inversa, para isso considera o determinante desta matriz, denotado por det(A). A definic¸a˜o de determinante pode ser feita pela expansa˜o de Laplace, tambe´m conhe- cida como expansa˜o em cofatores ou utilizando permutac¸o˜es. Para mais detalhes destas definic¸o˜es sugerimos a leitura de um livro de A´lgebra Linear como, por exemplo, [1]. 1.3 Sistema Linear e o Me´todo da Eliminac¸a˜o de Gauss 11 Proposic¸a˜o 1.15. Uma matriz A sera´ invers´ıvel se, e somente se, det(A) 6= 0. Podemos encontra a inversa de uma matriz pelo me´todo de Gauss-Jordam, um exemplo da aplicac¸a˜o deste me´todo sera´ feito abaixo. Exemplo 1.16. Para encontrarmos a inversa da matriz 1 2 3 1 4 7 −2 2 5 escrevemos ao seu lado a matriz identidade 1 2 3 ... 1 0 0 1 4 7 ... 0 1 0 −2 2 5 ... 0 0 1 O objetivo e´ transformar a matriz A na matriz identidade atrave´s de operac¸o˜es elementares nas linhas de A. Com as mesmas operac¸o˜es aplicadas a` matriz identidade a transforma- remos na inversa de A. Na matriz acima, apo´s as operac¸o˜es elementares teremos 1 0 0 ... −3 2 −1 0 1 0 ... 19/2 −11/2 2 0 0 1 ... −5 3 −1 4 Observac¸a˜o 1.17. Outra maneira de obtermos a inversa de uma matriz e´ encontrando a matriz adjunta. Seja M uma matriz invers´ıvel enta˜o teremos M−1 = 1 detM · adj(M) onde adj(M) denota a adjunta de M e e´ obtida fazendo a transposta da matriz dos cofatores de M . Cada elemento aij de M tem um cofator dado por cij = (−1)i+j ·Dij onde Dij e´ o determinante da matriz obtida omitindo a i-e´sima linha e a j-e´sima coluna da matriz M . • Exemplo 1.18. Encontre a inversa da matriz 1 2 3 1 4 7 −2 2 5 usando a sua matriz adjunta. 4 Observac¸a˜o 1.19. Considere o sistema na forma matricial AX = B. Se detA 6= 0 enta˜o a u´nica soluc¸a˜o do sistema e´ dado por X = A−1B • 12 Sistemas de Equac¸o˜es lineares Observac¸a˜o 1.20. Um sistema linear e´ homogeˆneo se a matriz dos termos constantes for a matriz nula, ou seja, AX = 0. Se o detA 6= 0 enta˜o a u´nica soluc¸a˜o do sistema e´ a soluc¸a˜o nula. • Observac¸a˜o 1.21. Seja o sistema de tamanho n× n dado na forma matricial AX = B. Se det(A) 6= 0 o sistema e´ poss´ıvel e determinado e a u´nica soluc¸a˜o, para i = 1, · · · , n e´ xi = det(Bi) detA onde Bi e´ obtida substituindo a i-e´sima coluna da matriz A pela matriz coluna B. Este me´todo de resoluc¸a˜o de sistema e´ chamado Regra de Cramer. • Exemplo 1.22. Resolva o sistema pela Regra de Cramer. x1 + x2 + x3 = 0 12x1 + 2x2 − 3x3 = 5 3x1 + 4x2 + x3 = −4 Podemos reescreveˆ-lo na forma matricial por AX = B, ou seja, 1 1 1 12 2 −3 3 4 1 × x1 x2 x3 = 0 5 −4 O det 1 1 1 12 2 −3 3 4 1 = 35. Para encontrarmos x1 fazemos x1 = det 0 1 1 5 2 −3 −4 4 1 detA = 35 35 = 1 Para encontrarmos x2 fazemos x2 = det 1 0 1 12 5 −3 3 −4 1 detA = −70 35 = −2 Para encontrarmos x3 fazemos x3 = det 1 1 0 12 2 5 3 4 −4 detA = 35 35 = 1 4 1.4 Exerc´ıcios 13 1.4 Exerc´ıcios 1. Resolva os seguintes sistemas por eliminac¸a˜o gaussiana. Classifique cada sistema, quanto a sua soluc¸a˜o (poss´ıvel determinado ou poss´ıvel indeterminado ou imposs´ıvel). (a) x1 + x2 + 2x3 = 8 −x1 − 2x2 + 3x3 = 1 3x1 − 7x2 + 4x3 = 10 (b) x− y + 2z − w = −1 2x+ y − 2z − 2w = −2 −x+ 2y − 4z + w = 1 3x− 3w = −3 (c) −2b+ 3c = 1 3a+ 6b− 3c = −2 6a+ 6b+ 3c = 5 2. Considere o sistema x+ 2y − 3z = 4 3x− y + 5z = 2 4x+ y + (a2 − 14)z = a+ 2 (a) Para quais valores de a o sistema e´ imposs´ıvel?(b) Para quais valores de a o sistema e´ poss´ıvel e determinado? (c) Para quais valores de a os sistema tem infinitas soluc¸o˜es? 3. Use a Regra de Cramer para resolver os sistemas: (a) { 5x1 + x2 = 3 2x1 − x2 = 4 (b) 2x1 − 3x2 = 2 4x1 − 6x2 + x3 = 7 x1 + 10x2 = 10 4. Verifique se a matriz A e´ invert´ıvel e, em caso afirmativo, determine a inversa A−1. (a) ( 1 4 2 7 ) (b) −1 3 −4 2 4 1 −4 2 −9 (c) 2 6 6 2 7 6 2 7 7 5. Sejam as matrizes A,B e C tais que A e´ invert´ıvel e BA = CA. Mostre que B = C. 14 Sistemas de Equac¸o˜es lineares 6. Se A e´ uma matriz quadrada invert´ıvel e A−1 sua inversa, enta˜o definimos as poteˆncia inteiras negativas de A por A−n = (A−1)n = A−1 ·A−1 · · ·A−1 (n fatores). Considere A = ( 2 0 4 1 ) e calcule A3 e A−3. 7. Resolva a seguinte equac¸a˜o em X: 1 −1 1 2 3 0 0 2 −1 ·X = 2 −1 5 7 0 4 0 −3 0 1 3 5 −7 2 1 8. Resolva o sistema, invertendo a matriz dos coeficientes. (a) { 2x1 + 2x2 = 2 5x1 + 6x2 = 9 (b) x1 + 3x2 + x3 = 4 2x1 + 2x2 + x3 = −1 2x1 + 3x2 + x3 = 3 (c) −x− 2y − 3z = 0 w + x+ 4y + 4z = 7 w + 3x+ 7y + 9z = 4 −3w − 2x− 4y − 6z = 6 Refereˆncias Bibliogra´ficas [1] ARAUJO, T. de. A´lgebra Linear: Teoria e Aplicac¸o˜es. Rio de Janeiro: SBM, 2014. [2] CHIANG, A.C., Wainwright, K., Matema´tica para Economistas – Campus, 4a. edic¸a˜o, 2006. [3] HOWARD, A., B. Irl, D. Steephen, P. Thomas, Calculus-early transcendentals, vol 2, Wiley, 2002. [4] BOULOS, Paulo; DE CAMARGO, Ivan. Geometria anal´ıtica. CEP, v. 4533, p. 004, 1987. [5] STEWARTZ, J., Calculus – Early Transcendentals, 6th edition, 2007. [6] Tan, Soo. Calculus: Early Transcendentals. Cengage Learning, 2010. Sistemas de Equações lineares Matrizes Operação com Matrizes Tipos de Matrizes Exercícios Sistema Linear e o Método da Eliminação de Gauss Exercícios
Compartilhar